Part 2 - In an imperfect world
Trong Part 1, Cherry đã chỉ có các bạn cách phân tích yêu cầu của nhà tuyển dụng và 2 câu hỏi chính cần được trả lời để chuẩn bị cho quá trình apply internship/job về data. Nếu làm như hướng dẫn, sẽ không khó để các bạn kiếm được công việc mong muốn. Tuy nhiên, dấy là trong một thế giới lý tưởng.
Thực tế là 'Thời thế tạo anh hùng'. Việc bạn kiếm được viêc hay không phụ thuộc rất nhiều vào thị trường: nguồn cung và cầu đối với nhân sự làm data (data professionals). Nếu may mắn nhập cuộc khi thị trường đang có nguồn cung thấp và cầu lớn thì việc kiếm việc sẽ khá dễ dàng, cho dù background của bạn có trái ngành hay không. Rất tiếc, plot trên là của câu chuyện từ tầm 2021 trở về trước. Hiện nay, nhiều bạn than thở với Cherry là đi kiếm việc khó quá, đặc biệt là tìm chỗ nhận intern và fresher. Cherry cũng tự search thử xem sao và ... thấy nó khó thật.
Thôi thì với chút kiến thức cá nhân, trong bài này Cherry sẽ phân tích (1) thời thế hiện nay là như thế nào và (2) hướng vượt qua gia đoạn khó khăn này, hi vọng giúp các bạn hiểu được mình đang đối mặt thách thức gì và đưa ra quyết định phù hợp cho bản thân.
Thời thế hiện nay
Nguồn cung
Khoảng 5-10 năm trở lại, các ngành nghề data trở nên cực kì hot vì sự mới mẻ và triển vọng lương cao ngất ngưởng do các công ty tranh giành nhau nguồn nhân lực vốn đã ít ỏi. Nhận thấy nhu cầu cao, các trường đại học VN cũng bắt đầu mở nhiều chuyên ngành liên quan và thu hút rất nhiều sinh viên trong nước. Bên cạnh đó, với khả năng kinh tế ngày càng khấm khá hơn của người Việt, việc đi du học các ngành trên cũng không quá xa vời. Các trung tâm dạy Data cũng được mùa mọc lên như nấm, giúp nhiều bạn tiếp cận với kiến thức về Data. Tất cả các yếu tố trên đã giúp cải thiện nhiều nguồn cung data professionals trong thời gian gần đây. Tuy nhiên, điều đó cũng có nghĩa là mức độ cạnh tranh sẽ khốc liệt hơn, đặc biệt cho các bạn không học chính quy hoặc các ngành liên quan.
Nguồn cầu
Năm 2022 được nhiều người coi là năm hạn với tech vì nhiều tin layoffs ở công ty tỉ đô đến công ty tỉ đồng ở cả trong và ngoài nước. Các bạn bị ảnh hưởng trực tiếp thì cũng khổ rồi, nhưng các bạn ở lại cũng nơm nớp không biết có đợt tiếp theo không và biết mình có dính chưởng không. Các bạn kiếm job mới, chưa nói đến chuyện đậu hay tạch, riêng màn tìm kiếm vị trí phù hợp cũng đã mòn con mắt. Do đó, có vẻ đang có một không khí khá bi quan về thị trường việc làm trong Tech và Data, ít nhất là trong ngắn hạn.
Nếu hỏi Cherry có bất ngờ khi Tech - vua của mọi ngành, có cái ngày như vầy không thì thực sự là không. Tech đã bubble lâu rồi, Cherry chỉ không biết bao giờ nó nổ thôi. Dù painful, Cherry vẫn nghĩ giai đoạn khó khăn hiện tại là cần thiết để có một ngành Tech bền vững.
Vĩ mô
Hiện nay thế giới đang đối mặt với một cuộc khủng hoảng khan hiếm hàng hoá, dẫn đến giá cả leo thang. Để kiềm hãm đà tăng giá, các ngân hàng nhà nước tăng lãi suất. Ảnh hưởng của quyết định này là (1) người tiêu dùng hạn chế chi tiêu vì vay tiêu dùng đắt đỏ và việc tiết kiệm sinh lời nhiều hơn; (2) doanh nghiệp gặp khó khăn trong huy động vốn vì lãi suất cao từ ngân hàng, còn nhà đầu tư lại thấy các kênh đầu tư khác hấp dẫn hơn sau khi đong đếm giữa rủi ro vs. lợi nhuận.
Ngoài ra, riêng với Tech, sau nhiều vụ công ty 'ngáo giá' kết hợp cùng nhà đầu tư 'ngáo đá' để tạo ra các thảm hoạ như startup tỉ đô WeWork, thì (3) các nhà đầu tư dần nhận ra lợi nhuận là chân ái. Tăng trưởng phải đi đôi với lợi nhuận. Startups không thể 'vô tư' đốt tiền nhà đầu tư để tăng trưởng bằng mọi giá, rồi khi hết vốn thì lại 'bánh vẽ' ra một tương lai tươi sáng nhằm xin thêm vốn để tiếp tục hoạt động như trước nữa. Họ bị áp lực phải chứng minh mình có sản phẩm/giải pháp thực sự đem lại giá trị, có mô hình kinh doanh bền vững và hướng đến khả năng tự nuôi thân. Chính vì vậy, dù nhiều người cho rằng Tech đang layoff vì sau Covid hành vi của người dùng thay đổi, nhưng cá nhân Cherry tin lý do chính vẫn là từ thái độ kém cẩn trọng của các công ty đối với việc sử dụng vốn hơn là do thị trường.
Vi mô
Ba yếu tố vĩ mô trên buộc các công ty Tech phải thắt chặt chi tiêu để vượt qua gia đoạn kinh tế đi xuống. Doanh nghiệp nào trước đây mở rộng hoạt động, vung tiền không suy nghĩ thì giờ phải cắt giảm nhiều dự án và nhân lực, đồng thời tối ưu hoá các hoạt động còn lại. Các doanh nghiệp đã, đang kiểm soát tốt tài chính của mình thì vẫn phải tinh giản bộ máy để tích trữ nguồn lực phòng hờ biến động kinh tế.
Với các công ty Tech, mục chi phí lớn nhất của họ đó chính là nhân sự. Nhân sự dễ bị ảnh hưởng thường đến từ các dự án/đơn vị kém hiệu quả, hoặc các vị trí mà lượng công việc (workload) chịu ảnh hưởng trực tiếp từ việc khách hàng/chi tiêu khách hàng giảm như BD, Operations, etc. Dev cũng có thể chịu ảnh hưởng do khoản chi trả cho dev thường khá lớn. Dĩ nhiên, team Data cũng không thể không dính chưởng, nhưng Cherry đánh giá là vẫn ấm hơn rất nhiều team khác vì 3 lý do chính:
team data thường nhỏ sẵn
để tối ưu hoá hoạt động (e.g., tìm ra các dự án/đơn vị kém hiệu quả) thì doanh nghiệp cần data team hỗ trợ
client của Data team là internal client - người trong công ty ở vị trí lead/manager đổ lên, đây là tập nhân viên ít bị ảnh hưởng vì layoff nhất, nên lượng công việc cho Data team thường không giảm nhiều.
Do đó, đối với các vị trí data, hiện nay đa phần các công ty Cherry biết chỉ đóng băng việc tuyển dụng hoặc hạn chế tuyển người mới trừ khi rất cần thiết.
Nhìn chung thì thị trường tuyển dụng cho các vị trí data (mid senior trở lên) vẫn còn khá sôi động, mặc dù tuyển dụng từ big tech có ít đi. Khó khăn nhất là cho team intern/fresher thôi, vì ngoài tình hình trên thì với đặc thù là (a) ngành cần ít nhân sự (non labor-intensive), (b) nhân sự được yêu cầu cao về tính cẩn thận, tỉ mỉ và tính chính xác, các doanh nghiệp thường hiếm tuyển các vị trí cho các bạn có ít kinh nghiệm.
Giờ phải làm sao?
Với tình trạng một vị trí mà chục người ứng tuyển như vậy, đôi khi sẽ tốt hơn nếu các bạn đổi hướng kiếm các vị trí liên quan khác mà (1) bạn có cơ hội cạnh tranh và (2) vẫn được làm việc với data hàng ngày. Dù các công việc đó có thể không giống 100% công việc của một DA (Cherry lấy job này làm tiêu biểu thôi, nó có thể là BA, BI, etc), nhưng nó có thể giúp bạn vừa được trả lương, vừa được trau dồi thêm kinh nghiệm và sự nhạy bén với data. Sau 1-2 năm, nếu bạn vẫn muốn trở lại theo đuổi vị trí DA thì bạn sẽ có thời gian dễ thở hơn khi đi tìm việc. Nhiều trường hợp, thậm chí không cần đi tìm việc bên ngoài mà với kết quả làm việc tốt, công ty có thể cho bạn thuyên chuyển nội bộ, và rõ ràng là với kiến thức về hoạt động của công ty và tư cách là nhân viên trong công ty, bạn là đối tượng tuyển dụng ít rủi ro và có lợi thế hơn các bạn bên ngoài ứng tuyển.
Kinh nghiệm tìm các job ngách:
Để ý tên job. Hầu như không có quy chuẩn nào khi đặt tên job. Một số công ty thực sự để đúng <tên vị trí> (e.g., DA, Business BA) và một số thì để <cấp bậc, phòng ban> (e.g., analyst /associate, team ABC). Tuy nhiên, giả sử như các công ty đều đặt đúng tên vị trí, thì bạn có thể search các vị trí có keyword 'Analyst', 'Analytics'.
Để ý phòng ban tuyển dụng. Không phải chỉ có team nào tên là Data mới làm việc với data. Thực tế đôi khi các team hay các bạn làm BI,DA, data lại nằm trong các bộ phận có tên gọi như là Strategy/Budget, Planning, Growth, Analytics, Research, etc. Các bộ phận này thường làm nhiều phân tích và có cái nhìn bao quát về data và tình hình trong công ty. Ngoài ra, các team function như Finance, Sales, Marketing cũng hay có tuyển các vị trí Data để phục vụ riêng cho team đó, tuy nhiên note là các bạn sẽ bị giới hạn về data trong team đó mà thôi.
Để ý yêu cầu công việc (quan trọng). Như đã nói ở trên, title công việc không phải lúc nào cũng chính xác. Do đó bạn nên search các job có yêu cầu công việc liên quan đến data như SQL, Python, PBI, etc. Đó mới là căn cứ đáng tin nhất về việc bạn có được tiếp cận data hàng ngày hay không và có được luyện tập coding và sử dụng các công cụ data hay không.
Để ý số người cùng làm về data trong team. Ở điểm này thì càng nhiều càng tốt. Nhiều người cùng làm data trong team thường có nghĩa là team bạn ứng tuyển chuyên về data hoặc ít nhất là bạn cũng có nhiều người để học hỏi kĩ năng và kinh nghiệm
Comments