Cách Một Học Viên Tiết Kiệm Hơn 1.500 Giờ Làm Việc Bằng Cách Học Hơn 200 Khóa Và Tích Lũy Hơn 1.000.000 XP

Cameron White là một nhà phân tích trong đội khoa học dữ liệu tại Fruit of the Loom và là một triệu phú XP trên DataCamp. Trang LinkedIn của anh tự hào giới thiệu: “Hơn 200 khóa học, hơn 10.000 bài tập, hơn một triệu XP, và gần như đã hoàn thành tất cả các lộ trình kỹ năng và lộ trình nghề nghiệp trên DataCamp.”

Anh cũng là một người cha đơn thân bận rộn với cậu con trai nhỏ, và thời gian là tài sản quý giá nhất của anh.

Thành thạo dữ liệu với DataCamp

Hiện nay, Cameron thành thạo Python và R, và thông thạo nhiều tác vụ khoa học dữ liệu, từ ETL đến mô hình hóa chuỗi thời gian, phân tích văn bản, và hơn thế nữa. Nhưng cách đây năm năm thì không phải vậy. Anh vừa hoàn thành chương trình cử nhân toán và thống kê, và phần lớn nội dung học ở trường mang tính lý thuyết, chỉ có vài môn thống kê ứng dụng. Anh nhận được kỳ thực tập tại Fruit of the Loom, rồi chuyển thành vai trò toàn thời gian ở đội khoa học dữ liệu mới thành lập. Vấn đề? Anh không biết các nhà khoa học dữ liệu thực sự làm những công việc gì và họ thực hiện chúng như thế nào.

Tôi còn nhớ rất rõ khi nhận được lời mời làm việc và nghe đến thuật ngữ nhà khoa học dữ liệu, nhưng lúc đó tôi chẳng biết nó thực sự là gì.

Để chuẩn bị cho vai trò tại Fruit of the Loom, Cameron tìm kiếm các nền tảng trực tuyến giúp xây dựng kỹ năng khoa học dữ liệu nhanh chóng. Anh đã thử một đối thủ của chúng tôi nhưng thấy rằng các khóa học của họ “không phù hợp với nhu cầu của [anh] với tư cách là một người học.” Anh tìm thấy DataCamp vào năm 2015 và gần như bị cuốn hút ngay lập tức bởi phương pháp học qua thực hành.

Tôi thích việc có thể học theo nhịp độ của riêng mình với DataCamp.

Cameron đánh giá cao sự linh hoạt của nền tảng DataCamp, cho phép anh có trải nghiệm học tập liền mạch trên máy tính và di động. Anh có thể tiện lợi học bất cứ khi nào có khoảng trống 30 phút trong lịch, chẳng hạn sau khi cho con đi ngủ. Anh cũng rất thích nội dung video của chúng tôi và nhận thấy “rất ngắn gọn nhưng hữu ích.”

Anh cũng yêu thích chất lượng giảng dạy của chúng tôi—chúng tôi chỉ hợp tác với các chuyên gia hàng đầu trong lĩnh vực khoa học dữ liệu, một số người trong đó đang trực tiếp tạo ra và duy trì các công cụ và gói mà Cameron dùng hằng ngày.

Nhiều khóa học do chính tác giả của gói đó giảng dạy! Ai có thể là giáo viên tốt hơn chính tác giả của gói?

Tác động đến công việc khi học trên DataCamp

Cameron cố gắng dành ra một giờ mỗi ngày để học trên DataCamp, và anh đã có thể áp dụng trực tiếp những gì học được vào công việc “rất nhiều lần, thậm chí ngay ngày hôm sau!”

Chẳng hạn, trước khi khám phá chương trình R của chúng tôi, anh chưa từng nghe về Tidyverse, và hiện nay, đội của anh áp dụng các nguyên tắc dữ liệu gọn gàng “gần như mỗi ngày, gần như trong mọi dự án.” Anh cũng đã sử dụng nhiều phương pháp mô hình hóa được dạy trên DataCamp trong nhiều kịch bản mô hình hóa giá.

Sau khi học Xử lý dữ liệu trong R với dplyr, Cameron nhận thấy hiệu năng tăng vọt, cả về thời gian xử lý các bộ dữ liệu lớn lẫn thời gian viết mã. Những kỹ năng này rất dễ áp dụng và anh hào hứng chia sẻ lại với đồng nghiệp, góp phần xây dựng sự hào hứng nội bộ với R và dplyr.

Một dự án lớn khác mà anh đã tham gia là một dự án phân tích dự đoán hợp tác với Microsoft. Họ phát hiện rằng việc nhiệt độ giảm 12 độ trong vòng sáu ngày trực tiếp thúc đẩy một lượng lớn người tiêu dùng mua đồ mặc mùa lạnh. Những phát hiện này cho phép họ chủ động chuẩn bị chuỗi cung ứng để đáp ứng nhu cầu theo khu vực và tối ưu hóa doanh số các sản phẩm vải nỉ và đồ mùa lạnh khác của Fruit of the Loom. Trong dự án này, Cameron và đội đã áp dụng nhiều kiến thức từ các khóa của DataCamp tập trung vào SQL, nhập và làm sạch dữ liệu trong R, và mô hình hóa nâng cao.

Tiết kiệm 196 ngày công với DataCamp

Tác động của DataCamp đối với công việc của Cameron là rất lớn. Hãy xem anh đã tiết kiệm bao nhiêu thời gian theo ước tính của chính mình sau bốn năm học trên DataCamp.

• Cameron làm việc khoảng 200 ngày mỗi năm, tức khoảng 800 ngày trong bốn năm. Trong số 800 ngày đó, anh ước tính khoảng 20% thời gian dành cho việc viết mã tích cực, tương đương 160 ngày công (hoặc 1.280 giờ làm việc).
• Trong thời gian viết mã tích cực, anh ước tính khoảng 40% (tức 512 giờ) dành cho phân tích dữ liệu khám phá, vốn được tăng tốc nhờ các khái niệm Tidy học từ DataCamp. Trong 512 giờ đó, anh ước tính việc sử dụng các nguyên tắc Tidy đã tiết kiệm khoảng một nửa thời gian.
• Trong 60% thời gian còn lại của Cameron, khoảng 10% được dành để hỗ trợ người khác với các câu hỏi về viết mã—một mức giảm đáng kể kể từ khi đội của anh bắt đầu sử dụng DataCamp.
• Cameron ước tính thời gian còn lại, gần 700 giờ, dành cho các công việc nâng cao hơn như mô hình hóa dựa trên các khái niệm từ các khóa về gói caret, xây dựng ứng dụng Shiny, hoặc lấy dữ liệu từ web. Anh dành lời khen đặc biệt cho khóa Viết mã R hiệu quả của Colin Gillespie, khóa này đã giúp cải thiện lớn thời gian chạy.
• Dựa trên ước tính sơ bộ của Cameron, anh ghi nhận mức tăng 675 giờ trong thời gian viết mã trực tiếp mỗi năm. Con số này thậm chí chưa tính đến mức tăng tốc rất lớn trong các phiên làm việc không viết mã, như khi đội anh phác thảo dự án ban đầu. Những phương pháp mới học trên DataCamp đã giúp tăng tốc đáng kể ở giai đoạn này. Anh ước tính đã tiết kiệm 70% thời gian, tức 896 giờ.

Tổng cộng, Cameron đã tiết kiệm ước tính 1.571 giờ làm việc, tương đương 196 ngày công trong bốn năm qua! Như chúng tôi đã đề cập ở đầu bài viết, thời gian là tài sản quý giá nhất của Cameron—nên anh rất giỏi tối đa hóa nó.

DataCamp thúc đẩy hợp tác như thế nào

Đội của Cameron tận dụng tốt các gói đăng ký DataCamp để học chủ đề mới khi có thời gian rảnh tại nơi làm việc. Họ khá cạnh tranh và đôi khi thách đấu nhau về XP trên DataCamp, điều này giúp “giữ cho mọi thứ thú vị.”

Ngoài ra, đội có các mục tiêu chính thức về số giờ đào tạo mỗi năm, và họ chủ yếu sử dụng DataCamp để hoàn thành mục tiêu đó.

Sự trưởng thành của đội thể hiện rõ qua số lượng phương pháp, thuật toán và quy trình mới mà chúng tôi khám phá trên nền tảng.

Giúp các đội vạch lộ trình trở nên thành thạo dữ liệu

Với Cameron, phần khó nhất khi bắt đầu sự nghiệp trong khoa học dữ liệu là biết bắt đầu từ đâu và tập trung nỗ lực vào điều gì. Anh cảm thấy DataCamp làm rất tốt việc định hướng học tập thông qua các lộ trình kỹ năng và lộ trình nghề nghiệp.

Khoa học dữ liệu là một con đường sự nghiệp cực kỳ thú vị, vui và giàu phần thưởng, và nền tảng của DataCamp đã giúp tôi rất nhiều để thành công trong lĩnh vực này.

Tìm hiểu thêm về hành trình thành thạo dữ liệu của Cameron, và kết nối với anh trên LinkedIn và Twitter.

Để đánh giá cách DataCamp có thể giúp đội của bạn thành thạo khoa học dữ liệu và phân tích, hãy truy cập datacamp.com/business hoặc đặt lịch demo nền tảng của chúng tôi.