Công việc của nhà khoa học dữ liệu là gì?

CÔNG VIỆC CỦA NHÀ KHOA HỌC DỮ LIỆU LÀ GÌ?

Đảm bảo không có một lỗi nào trên các con số ở quy mô hàng trăm triệu ghi chép mỗi ngày chắc chắn không phải là một công việc dễ dàng. Xuất hiện một lỗi không thể tha thứ trong tập dữ liệu sẽ dẫn đến việc có khả năng khách hàng mất lòng tin vào năng lực quản lý trí tuệ doanh nghiệp (business intelligence) của tổ chức kinh doanh. Những suy nghĩ kiểu như “Chân dung của một nhà khoa học dữ liệu ra sao?” hay “Một ngày điển hình của nhà khoa học dữ liệu sẽ như thế nào?” chưa bao giờ được đặt ra khi mà họ sở hữu một bộ kỹ năng quan trọng mà các tổ chức đều cần đến để giành chiến thắng trước dữ liệu lớn.

Tìm kiếm thuật ngữ “Nhà khoa học Dữ liệu” (“Data Scientist”) trên LinkedIn cho ra hơn 35.000 kết quả. Trang nhất của kết quả tìm kiếm hiển thị danh sách những người có tiếng ở cộng đồng khởi nghiệp tại Thung lũng Silicon. Nếu ngồi ở bất kỳ quán cà phê nào tại Thung lũng Silicon hay khu vực Vịnh [San Francisco], chắc chắn bạn sẽ nghe lỏm được một người nào đó đang nói về khoa học dữ liệu.

Chúng tôi đã thảo luận rất nhiều về “Dữ liệu Lớn là Thứ To lớn tiếp theo” trong bài viết trước. Nhưng chưa bao giờ tự hỏi rằng ai sẽ là người phân tích 2,5 triệu mẩu nội dung mà người dùng Facebook chia sẻ hoặc 40.000 truy vấn tìm kiếm mỗi giây trên Google hoặc thậm chí ai đang quản lý 2,5 petabytes [1 petabyte = 2⁵⁰ bytes] dữ liệu từ 1 triệu giao dịch mỗi giờ ở Walmart? Các con số này là gì và ai là người “ngấu nghiến” những con số khổng lồ này? Cách trả lời tốt nhất cho tất cả các vấn đề về dữ liệu lớn này là mô tả công việc của một nhà khoa học dữ liệu – người đi tìm các mẫu hình trong dữ liệu lớn và kết nối chúng với các quyết định kinh doanh theo thời gian thực.

Ngày làm việc điển hình của các nhà khoa học dữ liệu

Anjul Bhambhri

“Nhà khoa học dữ liệu là người hiếu kì, có thể chăm chú nhìn vào dữ liệu và nhận ra xu hướng. Họ gần giống như một cá nhân trong thời Phục hưng – những người thực sự muốn tìm hiểu và tạo ra thay đổi cho tổ chức.” — Anjul Bhambhri, Phó Chủ tịch Các sản phẩm từ Dữ liệu Lớn của IBM.

Một kiến thức toàn diện về Dữ liệu Lớn và sự hiểu biết cơ bản về khoa học dữ liệu chưa đủ để giúp bạn có thể đặt chân vào con đường sự nghiệp trong Khoa học Dữ liệu. Khoa học Dữ liệu là một bộ môn cực kỳ phức tạp và tiên tiến. Nếu trở thành nhà khoa học dữ liệu là điều dễ dàng thì sẽ không xảy ra tình trạng thiếu hụt nhân sự như dự báo trong báo cáo của McKinsey. Việc tìm ra các xu hướng trong lượng dữ liệu khổng lồ nghe có vẻ là một khái niệm đơn giản và dễ hiểu nhưng để thực hiện thì không hề dễ dàng, và chỉ có thể nhận ra điều đó sau khi hiểu được chân dung và một ngày làm việc điển hình của nhà khoa học dữ liệu.

Các nhà khoa học dữ liệu yêu thích viết mã, xử lý các vấn đề liên quan đến dữ liệu, vẽ đồ thị, dựng biểu đồ, và làm việc 24x7 với các đồng nghiệp khác – những người cũng chỉ thích những thứ tương tự. Điều này không có nghĩa là một nhà khoa học dữ liệu sống chỉ để làm việc mà là cân bằng giữa cuộc sống và công việc sẽ dễ dàng nếu như họ thích thú với những gì họ đang làm.

Có nhiều trường đại học cung cấp các chương trình khoa học dữ liệu kéo dài hai năm nhưng trong thực tế khoa học dữ liệu đòi hỏi phải được đào tạo nhiều hơn đáng kể. Các nhà khoa học dữ liệu có bằng sau đại học và được đào tạo nhiều môn học khác nhau như khoa học máy tính, thống kê, và toán học. Một nhà khoa học dữ liệu sẽ có kinh nghiệm về trực quan hóa dữ liệu, quản trị thông tin, khai thác dữ liệu, thiết kế cấu trúc hạ tầng, điện toán đám mây, và lưu trữ dữ liệu.

Quan niệm sai lầm lớn nhất về vai trò của nhà khoa học dữ liệu trong công việc đó là họ chỉ xử lý các thuật toán phức tạp. Trong thực tế, công việc của nhà khoa học dữ liệu bắt đầu bằng cách chuyển một quá trình kinh doanh (business use case) thành một kế hoạch phân tích và hầu hết thời gian của họ là dành cho việc tìm hiểu dữ liệu, khám phá các mẫu hình trong dữ liệu, xây dựng giả thuyết và đo lường tác động hơn là dành cho việc lựa chọn các thuật toán.

Các nhà khoa học dữ liệu sử dụng các công cụ và kỹ thuật lập mô hình thống kê mạnh để khám phá các quy trình kinh doanh khác nhau, các nền tảng, và các vấn đề liên quan đến kinh doanh. Nhà khoa học dữ liệu có trách nhiệm sử dụng dữ liệu lớn theo những cách cụ thể như mang đến sự thấu hiểu sâu hơn về xu hướng giá của các sản phẩm khác nhau, giám sát chặt chẽ hành vi của khách hàng thông qua các kênh truyền thông khác nhau, và đưa ra những lời mời chào thích hợp hơn với từng cá nhân khách hàng tiềm năng lẫn hiện tại của doanh nghiệp. Để thực hiện những việc này một cách đúng đắn và hiệu quả trên quy mô lớn với độ chính xác cao, nhà khoa học dữ liệu phải liên tục tìm kiếm lợi thế hàng đầu liên quan đến hiệu suất và liên tục suy nghĩ lại những gì có thể làm với dữ liệu lớn.

Bản mô tả sơ lược công việc của nhà khoa học dữ liệu đã vượt qua khỏi việc chỉ đơn thuần là toán học và mã – họ là những người biến dữ liệu thành sợi chỉ dệt nên kết cấu của “tấm vải” tổ chức kinh doanh.

Mô tả công việc điển hình của nhà khoa học dữ liệu

1) Thu thập dữ liệu

Nhiệm vụ quan trọng nhất của nhà khoa học dữ liệu là có được tất cả các dữ liệu cần thiết để hoàn thành một nhiệm vụ phân tích cụ thể. Những thách thức mà nhà khoa học dữ liệu phải đối mặt trong bước này là thu thập các dữ liệu được phân bố ở vài cơ sở dữ liệu và hầu hết các tổ chức kinh doanh đều thiếu khả năng tìm kiếm và cung cấp tài liệu, do đó các nhà khoa học dữ liệu phải dựa vào khả năng và tài liệu của những nhà quản trị cơ sở dữ liệu (DBA) để có được dữ liệu cần thiết.

2) Biến đổi dữ liệu

Biến đổi [dữ liệu] là nhiệm vụ chiếm nhiều thời gian nhất trong quá trình phân tích mà nhà khoa học dữ liệu thực hiện. Các nhà khoa học dữ liệu tái định dạng và xác nhận các dữ liệu đã thu được là hợp lệ, có thể chấp nhận được cho các công cụ trực quan hóa dữ liệu và cơ sở dữ liệu. Các nhà khoa học dữ liệu thao tác với dữ liệu mà họ đã thu thập để phân tích - chẩn đoán và đo lường chất lượng dữ liệu và lựa chọn các giả thuyết có thể có. Phần khó khăn của giai đoạn biến đổi này là đề xuất giả định bởi vì đối với các tập dữ liệu có chứa giá trị sai, giá trị cực trị hoặc đối với bất kỳ giá trị bị thiếu hụt nào - các giả định cho những tập dữ liệu như vậy có thể mang tính đánh lừa và không chính xác.

3) Lập mô hình dữ liệu

Bước tiếp theo là xây dựng mô hình từ các dữ liệu thu thập được. Thách thức lớn nhất của việc lập ra một mô hình là phải hiểu được tính phù hợp của các tập dữ liệu cho một phân tích cụ thể. Trong giai đoạn này, nhà khoa học dữ liệu có thể tìm hiểu xem dữ liệu đã được biến đổi hoàn toàn hay chưa. Nếu chưa, họ quay trở lại giai đoạn làm sạch để xác định mối quan hệ và các mẫu hình dữ liệu. Trong giai đoạn này, nhà khoa học dữ liệu cũng phát hiện ra rằng hầu hết các công cụ, thuật toán hay gói phân tích hiện tại không thể xử lý được các tập dữ liệu với kích thước khổng lồ này của họ.

Khoa học dữ liệu là bộ môn liên chức năng (cross-functional), làm sạch dữ liệu thu thập được đóng vai trò quan trọng trong việc thực thi khoa học dữ liệu. Các nhà khoa học dữ liệu dành rất nhiều thời gian trong việc sắp xếp các đội phân tích, kinh doanh, và công nghệ trong tổ chức. Đặc biệt trong các tổ chức kinh doanh có nhiều chương trình cạnh tranh nhau, tập hợp tất cả các nhóm này lại với nhau để nói cùng một ngôn ngữ và sắp xếp các ưu tiên là một phần quan trọng trong công việc của các nhà khoa học dữ liệu.

4) Báo cáo dữ liệu

Bước cuối cùng là chia sẻ những hiểu biết đầy ý nghĩa phát sinh từ dữ liệu. Thách thức đối với các nhà khoa học dữ liệu ở đây là sự khó khăn trong việc phân phối và sử dụng các báo cáo, điều này có thể gây tác động lên việc diễn giải kết quả. Nếu không có kiến thức về cách thức biến đổi các dữ liệu đầu vào, các báo cáo này không cho phép hỗ trợ phân tích độ nhạy cảm hoặc xác minh tương tác.

Những điều liệt kê ở trên là những nhiệm vụ tổng quát của bất kỳ nhà khoa học dữ liệu nào, tuy vậy, tùy theo tổ chức kinh doanh mà một ngày điển hình của nhà khoa học dữ liệu sẽ thay đổi theo. Dưới đây là một số câu trả lời hàng đầu từ Quora để giúp các nhà khoa học dữ liệu tiềm năng hiểu biết cặn kẽ về “Một ngày điển hình của Nhà khoa học Dữ liệu” tại một số trong những công ty hàng đầu như Microsoft, Pinterest, LinkedIn, và các công ty hàng đầu khác.

Một ngày làm việc bình thường của nhà khoa học dữ liệu tại LinkedIn sẽ như thế nào?

Tôi trích dẫn phần phỏng vấn Abraham Cabangbang (Nhà khoa học Dữ liệu Cao cấp tại LinkedIn) trong Sổ tay Phân tích - Leada. Là một nhà khoa học dữ liệu tại LinkedIn, Abraham tập trung vào công việc báo cáo và chất lượng dữ liệu.

Ông có thể mô tả một ngày làm việc bình thường và một dự án điển hình mà ông tham gia?

Bởi vì tôi đang làm việc ở một đội với mối quan tâm tập trung vào báo cáo và chất lượng dữ liệu, nếu có một sản phẩm mới ra đời, chúng tôi có thể muốn kết hợp nó vào một trong các bảng điều khiển chính của chúng tôi, vì vậy mà [chúng tôi] sẽ làm việc trước tiên với những nhà quản lý sản phẩm để vạch kế hoạch đâu là điều quan trọng đối với sản phẩm, với các kỹ sư để đảm bảo rằng dữ liệu có liên quan đang được theo dõi, và sau đó là làm việc với đội dịch vụ dữ liệu của chúng tôi để thực hiện ETLs (trích xuất, biến đổi, và tải) và trực quan hóa.

William Chen, Nhà khoa học Dữ liệu tại Quora

Những người phụ trách Sổ tay Phân tích Dữ liệu đã đặt câu hỏi này cho bốn nhà thực hành khoa học dữ liệu. Tôi xin trích dẫn câu trả lời của họ dưới đây, phần nhấn mạnh là của tôi.

Một ngày/dự án điển hình của nhà khoa học dữ liệu là gì?

Abraham Cabangbang

Abraham Cabangbang, Nhà khoa học Dữ liệu Cao cấp tại LinkedIn

Bởi vì tôi đang làm việc ở một đội với mối quan tâm tập trung vào báo cáo và chất lượng dữ liệu, nếu có một sản phẩm mới ra đời, chúng tôi có thể muốn kết hợp nó vào một trong các bảng điều khiển chính của chúng tôi, vì vậy mà [chúng tôi] sẽ làm việc trước tiên với những nhà quản lý sản phẩm để vạch kế hoạch đâu là điều quan trọng đối với sản phẩm, với các kỹ sư để đảm bảo rằng dữ liệu có liên quan đang được theo dõi, và sau đó là làm việc với đội dịch vụ dữ liệu của chúng tôi để thực hiện ETLs (trích xuất, biến đổi, và tải) và trực quan hóa.

Một ngày làm việc bình thường của nhà khoa học dữ liệu tại Pinterest sẽ như thế nào?

1 Câu trả lời

John Rauser làm việc ở Pinterest, được Mashable phỏng vấn trong thời gian gần đây, cho rằng ông xem trang mạng này như là “một công ty dữ liệu” mà ở đó công việc của ông là theo dõi các mẫu hình của việc sử dụng và các khái niệm và ý tưởng được nối kết. Ngoài thảo luận về việc áp dụng phân tích dữ liệu để tổ chức tốt hơn các quy trình nội bộ, Rausner còn nói về những gì ông đã tìm hiểu được từ cách mà mọi người mong muốn sử dụng phương tiện truyền thông.

Có lẽ thứ có giá trị nhất đó là một nghiên cứu sâu về cách người dùng Pinterest (pinners) sử dụng ứng dụng di động lẫn trang mạng của chúng tôi. Tách biệt các nền tảng này trong tâm trí và cố gắng tối ưu hóa chúng trong sự cô lập là điều vô cùng dễ dàng nhưng tôi không nghĩ rằng người dùng Pinterest cũng nhìn theo cách như vậy. Đối với họ, chỉ có một Pinterest, và trải nghiệm của họ về nó di chuyển liên tục giữa các nền tảng [bình thường] như thể là họ đang trải qua một ngày của mình vậy. Đây là điều khó khăn nhưng vô cùng quan trọng cần ghi nhớ trong tâm trí khi chúng ta tiếp tục xây dựng dịch vụ này.

Một ngày làm việc bình thường của nhà khoa học dữ liệu tại Microsoft sẽ như thế nào?

1 Câu trả lời

Tôi hoạt động trong lĩnh vực khoa học dữ liệu với vị trí kỹ sư phát triển phần mềm tại Bing trong khoảng thời gian 2009-2013

Môi trường làm việc

- bình thường (không ăn mặc trịnh trọng, mọi người tự do trang trí nơi làm việc và phong cách trình bày phù hợp với nhu cầu của mình)
- linh hoạt (dễ dàng làm việc tại nhà theo thời gian biểu của riêng mình, miễn là hoàn thành nhiệm vụ và tham dự các cuộc họp)

- khá thân thiện (dù một số người sẵn sàng dành thời gian trả lời câu hỏi hơn so với những người khác)

Bản thân công việc liên quan đến rất nhiều thí nghiệm với dữ liệu thực tế: thiết lập mô hình, tạo các tính năng, thử nghiệm với dữ liệu huấn luyện, xem xét các trường hợp riêng lẻ xem các mô hình ứng xử như thế nào. Ít viết mã hơn so với hầu hết các vai trò phát triển phần mềm. Ngoài ra còn có các cuộc họp, thuyết trình nhóm, và rất nhiều thư điện tử.

Điều đó sẽ giúp bạn hiểu sản phẩm và người dùng mong muốn gì từ sản phẩm, từ đó, bạn có thể tạo ra những ý tưởng cải thiện tốt hơn. Bạn hay đội của bạn thường lập ra rất nhiều kế hoạch độc lập với nhau.

Tôi chưa từng làm việc tại các công ty khác, nhưng ở Microsoft, nó có thể khác biệt theo một số cách như

- có nơi làm việc riêng của mình (mà tôi vô cùng yêu thích, nhưng một số người có thể cho rằng nó khiến việc trò chuyện với đồng nghiệp đòi hỏi nhiều nỗ lực hơn)

- sử dụng rất nhiều công cụ của công ti

- sử dụng phần mềm Windows (dĩ nhiên).

Một ngày làm việc bình thường của nhà khoa học dữ liệu tại các công ty công nghệ hàng đầu khác sẽ như thế nào?

Peter Harrington

Peter Harrington, Giám đốc Khoa học Dữ liệu tại HG Data

Một dự án thông thường sẽ là nếu chúng tôi tìm thấy một nguồn dữ liệu mới nhưng nó lại không ở dạng thức có thể được lưu trữ trong cơ sở dữ liệu của chúng tôi. Vì vậy, chúng tôi biến đổi dữ liệu đó thành dạng thức mà chúng tôi cần. Một sinh viên có thể nghĩ, “Ồ, vậy là chỉ cần tái định dạng nó là xong”. Nhưng việc đó không hề dễ dàng bởi có những thứ bất định rằng cần phải được thực hiện và [hơn nữa], cần phải được thực hiện với độ chính xác cao. Vì chúng tôi là công ty khởi nghiệp, thực tế thì tôi có thể dành 60% thời gian của mình để viết mã, 5% để xem xét kết quả, và 35% để nghiên cứu những cách thức mới để lấp đầy khoảng trống trong phân tích của tôi.

John Yeung, Nhà phân tích Dữ liệu tại Flurry

Một số dự án thú vị mà tôi đã làm bao gồm một số [dự án] ở các công ty phát triển trò chơi lớn nhất; chúng tôi thực hiện các dự án tư vấn một lần cho họ. Nhìn chung thì một công ty phát triển trò chơi họ sẽ có một danh mục các trò chơi, và họ luôn tìm cách mở rộng cơ sở người dùng hoặc định vị nơi mà ngành công nghiệp đang hướng tới. Vì vậy, họ sẽ tìm đến Flurry rất nhiều lần để cảm nhận xem thị trường đang hướng về đâu. Ví dụ như khi có nhiều công ty khác nhau đang sở hữu nhiều trò chơi khác nhau, nhưng kiểu như vầy khá tập trung. Bây giờ, nếu muốn thu hút nhiều người dùng hơn, họ sẽ phải quyết định xem đầu tư vào đâu sẽ mang lại lợi tức đầu tư (ROI) cao nhất. Vì vậy, nếu một công ty chuyên về các trò chơi chiến lược, họ sẽ cố gắng tìm hiểu xem ở nước ngoài, đâu là nơi thích hợp để mở rộng và thu hút người dùng mới. Chúng tôi có thể xem xét người dùng ở các quốc gia đó và thấy rằng những người ở nước đó đang có chỉ số cao trong một loại trò chơi cụ thể nào đó.

Nguồn: Trang ở amazonaws.com

Lời khuyên của các chuyên gia Khoa học Dữ liệu dành cho những người mới bắt đầu tìm hiểu

·         Nhà khoa học dữ liệu nên duy trì một blog để theo dõi kết quả cùng với các hình ảnh hàng ngày. Không nhất thiết phải là các bài viết chính thức mà có thể là bất kỳ tài liệu bình thường nào về những hiểu biết được rút ra, chúng sẽ giúp ích cho họ cũng như những nhà khoa học dữ liệu khác – những người đang tìm kiếm dữ liệu tương tự trong tương lai.

·         Lời khuyên quan trọng tiếp theo dành cho nhà khoa học dữ liệu để thực hiện công việc khoa học dữ liệu dễ dàng hơn là viết ra một quyển sách tập hợp các quy trình và hoạt động hàng ngày của quản trị viên hoặc người điều hành hệ thống (run book) sau khi tạo ra bất kỳ loại mô hình nào. Quyển sách này nên đề cập chi tiết về việc mô hình đã thực sự vận hành ra sao, tại sao phát triển các mô hình này, và làm thế nào có thể lặp lại phân tích này bởi vì các nhà khoa học dữ liệu có thể quên những phân tích đã thực hiện 3 hoặc 4 tháng trước đó khi hiện tại họ đang sa lầy với các thử thách khác trong công việc.

Tóm lại, vai trò của nhà khoa học dữ liệu trong công việc đang mới ở bước khởi đầu, và tương lai của công việc này sẽ đầy tiềm năng khi mà dữ liệu và cuộc sống của chúng ta cắm rễ sâu hơn vào cuộc cách mạng dữ liệu lớn. Nếu bạn là một nhà khoa học dữ liệu, sẽ thật tuyệt nếu bạn có thể chia sẻ với chúng tôi một ngày làm việc bình thường của bạn với vai trò “là một nhà khoa học dữ liệu” trong phần ý kiến ở dưới đây. Còn với những ai mong muốn trở thành những nhà khoa học dữ liệu doanh nghiệp kiệt xuất, xin vui lòng gửi email tới trưởng tư vấn viên của chúng tôi rahul@dezyre.com để có thể hướng dẫn bạn bắt đầu sự nghiệp trong lĩnh vực khoa học dữ liệu xán lạn.

Nguyễn Hoàng Mỹ Phương dịch

Nguồn: DeZyre. 2015. “What does a Data Scientist do?”