You are currently viewing Vì sao có nền tảng kinh tế – tài chính là một lợi thế để học và trở thành một nhà khoa học dữ liệu

Vì sao có nền tảng kinh tế – tài chính là một lợi thế để học và trở thành một nhà khoa học dữ liệu

Khoa học dữ liệu (data science – DS) được xem là ngành học thu hút nhất hiện nay không phải bởi tính thời thượng hay xu hướng thị trường bên ngoài mà là tính ứng dụng của nó trong mọi mặt đời sống

Nói về góc độ lựa chọn nghề nghiệp thì DS là một trong những ngành học được trả lương cao nhất tại Mỹ thời gian qua. Chúng ta đã từng tìm hiểu vì sao lại rất khó để trở thành một nhà khoa học dữ liệu. Nhưng tất nhiên khó chứ không phải là không thể.

Nhìn về cấu trúc của DS thì nó là sự tổng hòa của 3 khía cạnh khác nhau: toán và thống kê, kiến thức chuyên môn/ngành kinh doanh và khoa học máy tính.

Từ cấu trúc này chúng ta có thể thấy rằng có 3 con đường để trở thành một nhà khoa học dữ liệu:

  • Thứ nhất: và cũng là gần nhất với DS chính là khoa học máy tính: các bạn sẽ học và có nền tảng về lập trình và phần mềm, học máy (machine learning) và học sâu (deep learning).
  • Con đường thứ 2 xuất phát từ chuyên ngành toán và thống kê toán. Mình từng nghe câu như này: “Nếu khoa học dữ liệu là một ngôn ngữ thì toán chính là ngữ pháp của ngôn ngữ này”.
  • Con đường thứ ba, cũng là con đường mình đã tiếp cận và đang đi. Chính là có nền tảng về chuyên ngành của mình (kinh tế, tài chính, ngân hàng, đầu tư,…) và kỹ năng phân tích. Sau đó sẽ bổ sung các mảng còn lại của DS.

Những lợi thế hoặc thuận lợi

  • Thứ nhất chính là hiểu vấn đề và phân tích vấn đề. bản chất của DS thực ra là để phục vụ giải quyết các vấn đề và ra quyết định trong kinh doanh hoặc 1 lĩnh vực chuyên ngành. DS không phải là nơi để trình diễn kỹ năng “code” mà là tư duy để giải quyết vấn đề đó.
  • Thứ hai, nền tảng toán chuyên ngành. Hầu hết các bạn làm hoặc đã từng học trong lĩnh vực kinh tế tài chính đều đã từng học toán và thống kê nhưng hầu như ít được sử dụng, nhưng không phải là hoàn toàn mới mẻ chính vì vậy so với các ngành học ít liên quan khác thì ngành kinh tế – tài chính nói chung vẫn có “họ hàng gần hơn”.

Những điểm khó khăn

Đương nhiên để từ một nhà kinh tế hoặc một nhà phân tích tài chính chuyển sang một nhà khoa học không hề dễ dàng một xíu nào, nói đúng hơn sẽ gặp nhiều khó khăn:

  • Toán nâng cao, không chỉ là bài toán trong trường học và các bài toán đơn giản;
  • Một ngôn ngữ lạ lẫm: chính là ngôn ngữ lập trình. Khi phải diễn đạt và hiểu những con số theo một các tư duy và cách sử dụng khác;
  • Những kỹ thuật chuyên ngành khoa học: đương nhiên rồi chính là machine learning và deep learning;
  • Và cái thách thức và khó khăn chính là software development. Khi đã hoàn thiện được việc phân tích, các kỹ thuật xử lý dữ liệu và đã xây dựng xong các mô hình, bước quan trọng nữa chính là đưa vào sử dụng trong thực tế, bởi những người dùng cuối.

Dù có nhiều khó khăn, nhưng chỉ cần kiên trì và nỗ lực chúng ta sẽ đến được điểm đích mà chúng ta luôn muốn hướng đến.

“Keep calm and enjoy learning”.

Trả lời