AI đang phát triển nhanh đến mức nhiều công việc trước đây cần rất nhiều thời gian để làm thủ công, giờ chỉ cần vài câu lệnh là có thể hoàn thành. Từ viết SQL, làm sạch dữ liệu, tạo biểu đồ, phân tích xu hướng cho đến xây dựng dashboard, ngày càng có nhiều công cụ AI có thể hỗ trợ Data Analyst.
Vậy câu hỏi đặt ra là: AI càng mạnh, liệu học Data Analyst có còn đáng và có còn khó không?
Theo mình, vẫn khó — nhưng cái khó đã thay đổi.
Trước đây, để trở thành một Data Analyst, bạn có thể phải dành rất nhiều thời gian để học SQL, Excel, Power BI/Tableau, Python, thống kê... và quan trọng nhất là phải tự tay thực hiện rất nhiều thao tác.
Bây giờ, AI có thể hỗ trợ chúng ta ở rất nhiều bước. Bạn có thể nhờ AI viết một câu SQL, giải thích một công thức Excel, gợi ý cách trực quan hóa dữ liệu hay thậm chí hỗ trợ tìm insight.
Nhưng vấn đề là:
AI đưa ra câu trả lời không có nghĩa là câu trả lời đó đúng.
Bạn vẫn cần hiểu dữ liệu đang nói gì, biết đặt câu hỏi đúng, biết kiểm tra kết quả, hiểu business và quan trọng nhất là biết khi nào nên tin và khi nào không nên tin AI.
Ví dụ, AI có thể viết cho bạn một câu SQL rất đẹp. Nhưng nếu bạn không hiểu JOIN, GROUP BY hay cách dữ liệu được cấu trúc, bạn sẽ rất khó nhận ra rằng câu query đó đang làm sai logic.
AI cũng có thể tạo ra một biểu đồ trông rất chuyên nghiệp. Nhưng nếu bạn không hiểu bản chất dữ liệu, bạn có thể vô tình đưa ra một insight sai và thậm chí khiến cả team đưa ra quyết định sai.
Vì vậy, mình nghĩ tương lai của Data Analyst không phải là “AI thay thế Data Analyst”, mà là:
Data Analyst biết sử dụng AI sẽ dần thay thế Data Analyst không biết sử dụng AI.
Tools sẽ ngày càng dễ dùng hơn. Việc viết code, SQL hay thao tác trên các phần mềm phân tích dữ liệu có thể ngày càng đơn giản.
Nhưng những thứ AI khó thay thế hoàn toàn vẫn là:
- Tư duy phân tích và critical thinking.
- Khả năng đặt đúng câu hỏi.
- Hiểu business và bối cảnh của vấn đề.
- Hiểu bản chất dữ liệu.
- Kiểm chứng và phản biện kết quả.
- Khả năng kể một câu chuyện có ý nghĩa từ dữ liệu.
- Và quan trọng nhất: chịu trách nhiệm với quyết định được đưa ra từ dữ liệu.
Thậm chí, AI phát triển mạnh có thể khiến việc học Data Analyst dễ bắt đầu hơn nhưng khó giỏi hơn.
Dễ bắt đầu vì bạn không còn phải nhớ mọi thứ từ đầu. Không biết viết một câu SQL? Có thể hỏi AI. Không biết công thức Excel? Hỏi AI. Không biết biểu đồ nào phù hợp? AI có thể gợi ý.
Nhưng để trở thành một người phân tích dữ liệu tốt, bạn không thể chỉ biết “prompt để AI làm giúp”.
Bạn phải hiểu đủ để hỏi đúng, kiểm tra đúng và sử dụng kết quả đúng.
Vì vậy, nếu bạn đang cân nhắc học Data Analyst trong thời điểm AI phát triển rất nhanh, mình nghĩ đây không phải là lý do để bỏ cuộc.
Ngược lại, đây có thể là thời điểm tốt để bắt đầu.
Chỉ là cách học cần thay đổi.
Đừng học để trở thành người làm tool nhanh nhất.
Hãy học để trở thành người hiểu vấn đề, hiểu dữ liệu và biết dùng tool — bao gồm cả AI — để giải quyết vấn đề đó tốt nhất.
Bởi cuối cùng, doanh nghiệp không trả tiền cho bạn chỉ vì bạn biết viết SQL hay biết dùng Power BI.
Họ trả tiền cho khả năng của bạn trong việc biến dữ liệu thành thông tin, biến thông tin thành insight và biến insight thành quyết định có giá trị.
AI có thể giúp bạn làm nhanh hơn rất nhiều.
Nhưng tư duy để biết mình đang làm gì vẫn là thứ bạn phải tự xây dựng.