Với sự đa dạng của các ngôn ngữ lập trình và tốc độ xuất hiện của những technology và tools mới, đa số sẽ cảm thấy không đau đầu thì cũng chóng mặt. Làm thế nào để định hướng và bắt kịp sự phát triển của công nghệ trong khi bản thân đã học/làm sml ít nhất 8h/ngày rồi? chọn học thêm cái nào khi xung quanh bạn bè, mạng xã hội, báo chí tung hô n tools mới mỗi ngày?
Tools là "công cụ". Nó được "sinh ra" để phục vụ một nhu cầu nào đó. Các công cụ sẽ thay đổi theo sự phát triển của công nghệ, nhưng nhu cầu thường trường tồn qua thời gian.
Nếu trước đây các giao dịch hàng ngày được thanh toán bằng tiền mặt, thì sau này khi công nghê phát triển và ai cũng sở hữu smartphone, các bạn trẻ lại có xu hướng dùng Momo vì đỡ công đi rút tiền, đỡ đem theo tiền mặt và còn có nhiều tính năng quản lý tài chính khác. Trong ví dụ này, bản chất nhu cầu của các bạn là: muốn thanh toán các giao dịch. Nhu cầu này dù là 10 hay 20 năm trước so với hiện tại là giống nhau. Tuy nhiên, công cụ chúng ta dùng là khác nhau: tiền giấy vs. ứng dụng.
Lấy một ví dụ về data là database. Mục đích của database là nơi chúng ta cất trữ dữ liệu sao cho việc cất, chỉnh sửa, lấy data, etc. được nhanh gọn, thuận tiện và chính xác nhất. Tương tự, nhu cầu này cũng không hề thay đổi qua năm tháng. Điều thay đổi là (1) lượng data, (2) sự đa dạng của data và (3) tốc độ data gia tăng ngày một cao khiến các giải pháp như (Relational database) không đáp ứng tốt được nhu cầu của chúng ta nữa. Nhờ sự phát triển của công nghệ mà chúng ta có thêm các giải pháp mới (Non-relational databases) để thích ứng với vấn đề trên.
Cherry đúc kết được các tips sau để giúp các bạn định hướng khi gặp technology hay tool X nào đó, dù mới hay cũ thì các bạn cần để ý:
Tool X nằm ở đâu trong 6 hoạt động chính của Data Analytics?
Tool X giải quyết vấn đề gì trong hoạt động đó?
Tool X có ưu điểm gì hơn so với các tool khác phục vụ nhu cầu tương tự? đặc biệt là so với tool bạn đang dùng (nếu có).
Những vấn đề mà tool X giải quyết hoặc có định hướng giải quyết, trong 2-10 năm nữa, có còn là một vấn đề nữa hay không? (best consult một người có business và tech mindset nếu các bạn không rõ, hoặc tham khảo các báo cáo Magic Quadrant của Gartner)
Vấn đề mà Tool X giải quyết có liên quan đến công việc của bạn hay không?
Câu hỏi số 1 & 2 sẽ giúp các bạn định vị tool X nằm ở đâu trong tổng thể hoạt động Analytics của một doanh nghiệp. Câu số 3 cho bạn biết vị trí của nó so với các tool khác (chức năng và thiết kế hơn kém chỗ nào). Câu số 4 giúp bạn đánh giá nó có đáng để bạn quan tâm và bỏ thời gian ra học hay không vì: nếu bạn thấy tương lại tool X không được thị trường dùng rộng rãi thì điều này cũng có nghĩa số lượng nhà tuyển dụng tìm kiếm người sở hữu skill về tool đó cũng sẽ không nhiều. Cuối cùng, câu số 5 sẽ giúp bạn lọc bớt đi được một mớ technology không liên quan và không lo lắng khi bị bắn "buzzwords" và "jargons" khó hiểu.
Nếu tool X có ưu điểm và bạn trả lời 'có' cho câu 4 & 5 thì bạn nên học thêm. Nếu không quá liên quan nhưng có tiềm năng thì bạn chỉ cần nhớ tool X nằm ở hoạt động nào, giải quyết vấn đề gì, để sau này lỡ cần tới thì bạn biết tool X có tồn tại, có khả năng giải quyết vấn đề đó để tự research thêm hoặc nhờ đúng người. Còn nếu không liên quan và/hoặc bạn thấy tool đó vài năm nữa sẽ lạc hậu thì nên quên đi cho nhẹ đầu.
Việc chạy theo tốc độ ra mắt của tất cả các tools và công nghệ mới là việc rất mệt mỏi và không tưởng. Thay vào đó, Cherry recommend các bạn dùng framework này để lọc ra một vài tools/technology quan trọng nhất cần excel. Shortlist này cần ngắn gọn nhưng vẫn đảm bảo cover hết cho các hoạt động Analytics mà bạn phụ trách (vd: Business Intelligence Analyst sẽ cần cover mảng hoạt động số 4, 5 & 6).
コメント