Việc xử lý, phân tích và trực quan hóa dữ liệu được thực hiện bằng R và các gói tương ứng. Sổ tay và các tệp liên quan được sử dụng có thể tìm thấy tại đây.
Theo từ điển Merriam-Webster, dữ liệu là thông tin thực tế được dùng làm cơ sở cho lập luận, thảo luận hoặc tính toán. Theo định nghĩa này, dữ liệu về cơ bản là bất kỳ mẩu thông tin nào được thu thập có thể dùng và tiếp tục xử lý, phân tích để rút ra hiểu biết. Dữ liệu thường gắn liền với máy tính vì thường được tạo ra và lưu trữ trong máy tính, nhưng dữ liệu đã tồn tại lâu hơn nhiều so với tưởng tượng của chúng ta.
Lịch sử của dữ liệu
Ví dụ sớm nhất về việc con người lưu trữ và phân tích dữ liệu có từ năm 18.000 TCN, khi người ta phát hiện con người tiền sử dùng que khắc vạch để thực hiện các phép tính sơ khai. Những người thuộc thời kỳ đồ đá cũ này khắc vạch trên que gỗ và xương để theo dõi các hoạt động như giao dịch và quản lý nguồn cung. Đến năm 2400 TCN, bàn tính – một thiết bị dùng để thực hiện phép tính – đã được phát minh ở Babylon.
Trong suốt lịch sử, việc phát triển không ngừng của thu thập, xử lý và phân tích dữ liệu được thể hiện qua vô số văn bản trên bảng đá, đất sét, giấy cói, gỗ và cuộn giấy. Dần dần, khi nhiều dạng dữ liệu mới được phát hiện, nhu cầu xử lý, thu thập, lưu trữ và phân tích chúng cũng tiến hóa theo.
Khi xã hội loài người trở nên tiên tiến hơn, nhu cầu xử lý dữ liệu cũng tăng theo. Vào những năm 1800, Hoa Kỳ bắt đầu tiến hành điều tra dân số. Số lượng điểm dữ liệu trong điều tra dân số tăng theo cấp số nhân đến mức Cục Điều tra Dân số Hoa Kỳ ước tính sẽ mất nhiều năm, thậm chí hàng thập kỷ để thu thập và phân tích hết. Đây là vấn đề lớn vì việc tổng hợp và phân tích dữ liệu điều tra hiện hành chỉ hoàn tất khi cuộc điều tra tiếp theo sắp bắt đầu hoặc đã bắt đầu. May mắn thay, một kỹ sư và nhà phát minh trẻ tên Herman Hollerith đã phát triển Máy lập bảng Hollerith – một máy lập bảng điện cơ giúp rút ngắn thời gian thu thập và phân tích dữ liệu điều tra từ nhiều năm xuống chỉ vài tháng. Nhờ đó, Hollerith được xem là cha đẻ của tính toán tự động hiện đại và sau này nổi tiếng với việc sáng lập IBM.
Tiến nhanh đến thế kỷ 20 và sự ra đời của máy tính. Sự xuất hiện của máy tính mạnh mẽ hơn kéo theo yêu cầu tinh vi hơn về lưu trữ dữ liệu. Fritz Pfleumer, một kỹ sư người Đức-Áo, đã phát minh phương pháp lưu trữ thông tin từ tính trên băng. Một số nguyên lý trong phát minh của ông vẫn còn được sử dụng ngày nay cho lưu trữ dữ liệu kỹ thuật số. Trong kỷ nguyên này, thuật ngữ “business intelligence” (trí tuệ doanh nghiệp) trở nên phổ biến khi nhu cầu về phần mềm và hệ thống phân tích hiệu suất thương mại, vận hành tăng nhanh.
Cuộc cách mạng dữ liệu thực sự thay đổi khi Tim Berners-Lee tạo ra World Wide Web, còn gọi là Internet, vào năm 1989. Điều này dẫn đến việc chia sẻ thông tin tự động giữa con người trên toàn thế giới. Nghĩa là ngày nay, nhiều dữ liệu hơn đang được chia sẻ, tạo ra và lưu trữ, mở đường cho những cách thức mới trong thu thập, sử dụng và phân tích dữ liệu.
Chuyển dịch sang “Dữ liệu lớn”
Do sự tăng trưởng đáng kinh ngạc của internet trong thập niên 1990 và sự phát triển ổn định của máy tính cá nhân cũng như thiết bị tính toán nói chung, số lượng thiết bị trực tuyến (và theo đó là lượng dữ liệu được tạo ra) tăng nhanh chóng.
Mặc dù ý tưởng về Dữ liệu lớn đã xuất hiện trước cả thập niên 1990, nhưng đến năm 2005 Roger Mougalas mới chính thức đặt tên cho nó. Ông mô tả đó là “một tập dữ liệu lớn gần như không thể quản lý và xử lý bằng các công cụ trí tuệ doanh nghiệp truyền thống.”
Dữ liệu lớn dùng để chỉ khối lượng dữ liệu khổng lồ – cả có cấu trúc lẫn phi cấu trúc – làm quá tải các tổ chức hàng ngày. Nó bao hàm khối lượng thông tin, tốc độ tạo và thu thập, và mức độ đa dạng của các điểm dữ liệu được bao phủ.
Với kích thước và độ phức tạp của Dữ liệu lớn, quá trình thu thập, tổ chức và phân tích để khám phá các mẫu và thông tin hữu ích khác đã trở thành một phần hỗ trợ nhiều tổ chức đưa ra quyết định kinh doanh. Từ đó, khoa học dữ liệu – một lĩnh vực liên ngành sử dụng phương pháp, quy trình, thuật toán và hệ thống khoa học từ khối lượng dữ liệu lớn – đã ra đời để khám phá mẫu và giúp các lãnh đạo kinh doanh rút ra insight có cơ sở.
Có những vai trò nào trong Khoa học dữ liệu?
Theo IBM, khoa học dữ liệu là cách tiếp cận đa ngành nhằm trích xuất insight có thể hành động từ khối lượng dữ liệu lớn và ngày càng tăng do các tổ chức ngày nay thu thập và tạo ra. Lĩnh vực này thường đòi hỏi kỹ năng khoa học máy tính và khoa học tự nhiên khi các nhà khoa học dữ liệu áp dụng phương pháp khoa học trong cách tiếp cận, và dùng phân tích dự đoán cùng trí tuệ nhân tạo để trích xuất insight từ dữ liệu. Xem hướng dẫn đầy đủ về 'khoa học dữ liệu là gì' để có định nghĩa sâu hơn.
Ngày nay, “khoa học dữ liệu” thường được doanh nghiệp và tổ chức dùng như một thuật ngữ bao trùm cho quá trình xử lý lượng dữ liệu lớn, dù là chuẩn bị, làm sạch, phân tích hay trực quan hóa dữ liệu để lộ ra các mẫu. Dưới đây chỉ là một số nghề nghiệp trong khoa học dữ liệu mà bạn có thể theo đuổi:
-
Nhà khoa học dữ liệu (Data Scientist)
Nhà khoa học dữ liệu cần có khả năng áp dụng toán học, thống kê và phương pháp khoa học; sử dụng nhiều công cụ và kỹ thuật để làm sạch và chuẩn bị dữ liệu; thực hiện phân tích dự đoán và trí tuệ nhân tạo; và giải thích cách các kết quả này có thể được dùng để cung cấp giải pháp dựa trên dữ liệu cho vấn đề kinh doanh. Họ cần nhiều kỹ năng kỹ thuật hơn nhà phân tích dữ liệu. Để bắt đầu, bạn có thể học các khóa thiên về khoa học dữ liệu trên DataCamp như: Giới thiệu Python cho Khoa học dữ liệu và Giới thiệu về R.
-
Nhà phân tích dữ liệu (Data Analyst)
Nhà phân tích dữ liệu thu thập, xử lý và thực hiện các phân tích thống kê để đưa ra kết luận có ý nghĩa cho tổ chức. Họ chuyển đổi và thao tác các tập dữ liệu lớn thành dạng có thể sử dụng như báo cáo hoặc bản trình bày. Họ cũng hỗ trợ quá trình ra quyết định bằng cách tìm kiếm các mẫu quan trọng và rút ra insight từ dữ liệu, rồi truyền đạt hiệu quả tới lãnh đạo để hỗ trợ quyết định kinh doanh. Các khóa học trên DataCamp có thể giúp bạn khởi đầu sự nghiệp phân tích dữ liệu: Giới thiệu về SQL và Phân tích dữ liệu khám phá trong SQL.
-
Kỹ sư dữ liệu (Data Engineer)
Kỹ sư dữ liệu chịu trách nhiệm chuẩn bị, xử lý và quản lý dữ liệu được thu thập, lưu trữ cho mục đích phân tích hoặc vận hành. Tương tự kỹ sư truyền thống, kỹ sư dữ liệu xây dựng và duy trì các “đường ống” dữ liệu kết nối dữ liệu từ hệ thống này sang hệ thống khác, giúp nhà khoa học dữ liệu truy cập thông tin. Vì vậy, kỹ sư dữ liệu cần hiểu một số ngôn ngữ lập trình dùng trong khoa học dữ liệu như Python, R và SQL. Các chủ đề liên quan đến kỹ thuật dữ liệu có trên DataCamp như: Giới thiệu về Kỹ thuật dữ liệu và Tìm hiểu Kỹ thuật dữ liệu.
-
Kiến trúc sư dữ liệu (Data Architect)
Kiến trúc sư dữ liệu chủ yếu thiết kế và tạo bản thiết kế cho các hệ thống quản lý dữ liệu mà kỹ sư dữ liệu sẽ xây dựng. Tương tự kiến trúc sư truyền thống, kiến trúc sư dữ liệu là những “nhà kiến tạo tầm nhìn” khi chịu trách nhiệm hình dung và thiết kế khung quản lý dữ liệu của tổ chức. Ngoài ra, họ cải thiện hiệu năng của các hệ thống hiện có, đảm bảo chúng có thể truy cập bởi quản trị viên cơ sở dữ liệu và nhà phân tích. Bạn có thể học các khóa liên quan đến kiến trúc dữ liệu trên DataCamp như: Khái niệm Đám mây AWS và Thiết kế Cơ sở dữ liệu
-
Nhà phát triển BI (Business Intelligence)
Nhà phát triển BI là các kỹ sư chuyên sâu sử dụng công cụ phần mềm để chuyển đổi dữ liệu thành insight hữu ích hỗ trợ quyết định kinh doanh. Họ chịu trách nhiệm đơn giản hóa thông tin kỹ thuật để mọi người khác trong công ty dễ hiểu. Nói ngắn gọn, họ tạo và chạy các báo cáo chứa dữ liệu tìm được bằng công cụ BI, và chuyển thông tin sang ngôn ngữ dễ hiểu hơn. Các khóa học về công cụ BI như Microsoft Power BI và Tableau có trên DataCamp, ví dụ: Giới thiệu về Power BI và Phân tích dữ liệu trong Tableau
-
Nhà thống kê (Statistician)
Vì thống kê là một trong những nền tảng chính của khoa học dữ liệu, nhiều nhà thống kê có thể dễ dàng chuyển sang lĩnh vực này. Nhà thống kê chủ yếu chịu trách nhiệm thu thập và xử lý dữ liệu. Họ quyết định cần dữ liệu nào và cách thu thập. Ngoài ra, họ thiết kế thí nghiệm, phân tích và diễn giải dữ liệu, rồi báo cáo kết luận. Bạn có thể xem các khóa nhập môn về thống kê trên DataCamp: Giới thiệu Mô hình hóa thống kê trong R và Giới thiệu Thống kê trong bảng tính.
-
Kỹ sư học máy (Machine Learning Engineer)
Kỹ sư học máy là một nhóm kỹ sư chuyên sâu khác, tập trung nghiên cứu, xây dựng và thiết kế hệ thống trí tuệ nhân tạo (AI) và học máy (ML) để tự động hóa các mô hình dự đoán. Về cơ bản, họ phát triển các thuật toán sử dụng dữ liệu đầu vào và tận dụng mô hình thống kê để dự đoán đầu ra, đồng thời liên tục cập nhật kết quả khi có dữ liệu mới. DataCamp có nhiều khóa học liên quan đến học máy mà bạn có thể thấy hữu ích như: Tìm hiểu Học máy và Học máy với caret trong R.
Một lượt tìm kiếm việc làm nhanh trên mạng có thể cho bạn ý niệm về con đường sự nghiệp khoa học dữ liệu nào trong danh sách trên đang có nhu cầu cao nhất. Biểu đồ dưới đây cho thấy số lượng vị trí tuyển dụng theo con đường sự nghiệp theo Indeed USA tính đến ngày 8 tháng 12 năm 2021.
Kiến trúc sư dữ liệu có vẻ là con đường sự nghiệp được săn đón nhất trong khoa học dữ liệu, do tầm quan trọng của họ trong việc tạo ra các hệ thống quản lý dữ liệu mà những chuyên gia khoa học dữ liệu khác sẽ sử dụng. Tiếp theo là kỹ sư học máy, xét đến tầm quan trọng của việc tận dụng trí tuệ nhân tạo để dự đoán kết quả trong nhiều công ty công nghệ.
Ít được săn đón nhất là nhà thống kê, chủ yếu vì nhiều nhà thống kê truyền thống hiện đang trở thành nhà khoa học dữ liệu. Xu hướng này được kỳ vọng sẽ tiếp tục, do việc chuyển từ thuần thống kê sang khoa học dữ liệu khá dễ dàng khi họ đã sở hữu kiến thức nền tảng cần thiết để trở thành nhà khoa học dữ liệu hoàn chỉnh.
Khoa học dữ liệu chưa hề giảm nhiệt
Lĩnh vực khoa học dữ liệu nổi lên cực kỳ phổ biến trong thập niên 2010, đặc biệt khi “Nhà khoa học dữ liệu” được Harvard Business Review ca ngợi là “công việc hấp dẫn nhất của thế kỷ 21.” Nó trở nên phổ biến đến mức chức danh “Nhà khoa học dữ liệu” trở thành một cụm từ thời thượng và xuất hiện khắp nơi. Dù cụm “công việc hấp dẫn nhất” nghe có vẻ lố bịch lúc đầu, nó chủ yếu ám chỉ việc các nhà khoa học dữ liệu không chỉ được săn đón mà còn có chi phí tuyển dụng cao và khó giữ chân.
Dù không có gì phải bàn cãi về mức độ phổ biến hiện nay của khoa học dữ liệu, câu hỏi hay hơn là liệu nó có duy trì độ phổ biến này trong tương lai không? Dựa trên các dự báo việc làm, có vẻ là vậy. Dữ liệu từ Dự báo Việc làm 2020-2030 của Cục Thống kê Lao động Hoa Kỳ cho thấy các nghề nghiệp khoa học dữ liệu, bao gồm thống kê, khoa học dữ liệu và các nghề khoa học & toán học khác như kỹ thuật dữ liệu, sẽ có tốc độ tăng trưởng rất cao về tỷ lệ phần trăm thay đổi từ 2020 đến 2030. Nhà thống kê xếp hạng 14 chung cuộc, trong khi nhà khoa học dữ liệu và các nghề khoa học toán học khác xếp hạng 31 trên tổng số 790 nghề trong dữ liệu.
Mặc dù tỷ trọng nhà thống kê và nhà khoa học dữ liệu trong tổng lực lượng lao động còn nhỏ so với các nghề khác, những con số đó dự kiến sẽ tăng trong các năm tới khi con đường sự nghiệp khoa học dữ liệu ngày càng phổ biến. Hình dưới đây cho thấy nhà thống kê, nhà khoa học dữ liệu và các nghề khoa học toán học khác so với các công việc có tăng trưởng dự báo cao khác như thế nào.
Một lĩnh vực có thu nhập rất cao
Một lý do lớn khiến khoa học dữ liệu phổ biến là vì đây là một trong những công việc có mức lương cao nhất thế giới. Hình dưới đây cho thấy dải lương của 10 nghề khác nhau – bao gồm nhà khoa học dữ liệu và nhà phân tích dữ liệu – tại Thành phố New York. Dữ liệu lấy từ Teleport, một trang web tổng hợp dữ liệu về điều kiện sống (ví dụ, mức lương) ở các thành phố khác nhau.
Theo Teleport, nhà khoa học dữ liệu có mức lương trung vị hàng năm cao thứ 4 tại Thành phố New York là \$114.105, chỉ sau các lãnh đạo cấp cao (C-level) và nhân viên y tế. Thực tế, ở một số thành phố khác như Manila, nhà khoa học dữ liệu xếp cao tới thứ 2, chỉ sau lãnh đạo C-level. Điều này cho thấy mức độ hấp dẫn của công việc này. Công việc nhà phân tích dữ liệu, dù không hấp dẫn bằng vị trí khoa học dữ liệu, vẫn rất đáng kể. Với mức lương trung vị hàng năm 61.818 đô la, nhà phân tích dữ liệu vẫn đạt khoảng mức thu nhập hộ gia đình trung bình tại Thành phố New York.
Không ngừng tăng trưởng trên thị trường việc làm
Một lý do lớn khác khiến khoa học dữ liệu phổ biến là vì cách các tổ chức ngày nay tích hợp các nguyên tắc của khoa học dữ liệu vào hoạt động hàng ngày. Biểu đồ dưới cho thấy 10 ngành hàng đầu có liên quan đến khoa học dữ liệu trong công việc của họ. Mẫu dữ liệu gồm 8.000 công ty định hướng khoa học dữ liệu được trích xuất từ Diffbot, đồ thị tri thức lớn nhất thế giới.
Không có gì ngạc nhiên khi các công ty phần mềm – bao gồm các hãng công nghệ như Google, Apple và Uber – đứng đầu. Suy cho cùng, sự tăng trưởng vượt bậc của dữ liệu lớn bắt nguồn từ sự ra đời của internet, vốn gắn liền chặt chẽ với phần mềm và công nghệ. Khoa học dữ liệu thực chất là xử lý rất nhiều thông tin bằng nhiều công cụ và công nghệ.
Tiếp theo là các công ty dịch vụ tài chính, được thúc đẩy bởi sự trỗi dậy của các công ty fintech. Là sự kết hợp của “finance” và “technology,” các công ty fintech tích hợp công nghệ và đổi mới vào dịch vụ, sản phẩm của họ để cải thiện việc phục vụ khách hàng và làm gián đoạn dịch vụ tài chính truyền thống. Vì liên quan đến xử lý lượng dữ liệu khổng lồ như thông tin khách hàng, các công ty dịch vụ tài chính nhận thấy tiềm năng của công cụ khoa học dữ liệu để tinh gọn, tối ưu quy trình và cải thiện dịch vụ.
Kết luận: Có đáng theo đuổi sự nghiệp trong khoa học dữ liệu không?
Với tất cả những gì đã trình bày ở trên, câu trả lời chắc chắn là có! Còn con đường sự nghiệp khoa học dữ liệu cụ thể nào bạn nên theo đuổi thì chủ yếu phụ thuộc vào thế mạnh cá nhân và sở thích chung của bạn. Điều quan trọng là bất kỳ nghề nào nêu trên cũng đều đáng đầu tư.
Là một con đường sự nghiệp rất hấp dẫn và dường như chưa có dấu hiệu hạ nhiệt về mức độ phổ biến, khoa học dữ liệu sẽ tiếp tục định hình và ảnh hưởng đến cách doanh nghiệp, tổ chức vận hành trong nhiều năm tới.
