Bỏ qua tới nội dung

Tổng quan

Lộ trình trở thành Data Analyst & du học thạc sĩ 2028

Business Analytics · Data Analyst · AI trong Thương mại điện tử

Đang ở đâyĐang xác định giai đoạn…

Tháng này cần làm gì?

Xem toàn bộ lộ trình bên dưới.

Tick việc đã xong trong lộ trình

Tiến độ tổng

0%

0/56 mục đã tick (lộ trình, chứng chỉ, khóa học, project)

Thi IELTS · 05/2027

—

Nộp hồ sơ du học · 10/2027

—

Vì sao chọn hướng này

So sánh ba hướng đi gần nhau để thấy rõ vì sao Business Analytics / Data Analyst là lựa chọn đã chốt.

Business Analyst

Làm gì
Lấy yêu cầu nghiệp vụ, viết tài liệu, thường phải vẽ wireframe/mockup UI
Phù hợp với Thoa?
❌ Ít role cho fresher, phải vẽ UI/UX — không thích
Kết luận
Bỏ qua
✅ Đã chốt

Business Analytics / Data Analyst

Làm gì
SQL, Python, Power BI; phân tích doanh thu, khách hàng; đưa insight cho kinh doanh
Phù hợp với Thoa?
✅ Tận dụng nền TMĐT, vào nghề được ngay, khớp hồ sơ du học
Kết luận
Chọn

Data Scientist

Làm gì
Xây mô hình ML, dự báo, cần toán và lập trình sâu
Phù hợp với Thoa?
⚠️ Chưa đủ nền Toán/CS, để dành làm bước sau
Kết luận
Đích có thể rẽ sang sau vài năm

Mẹo đọc JD

Khi đọc JD, nếu thấy wireframe, mockup, Figma, prototype, user flow → đó là vị trí BA kiểu IT/UI-UX, bỏ qua. Tìm các vị trí: Data Analyst, BI Analyst, E-commerce Analyst, Marketing Analyst, Commercial Analyst.

Thế mạnh sẵn có

  • Hiểu nghiệp vụ TMĐT
  • Đồng tác giả bài báo Q2 (Taylor & Francis) về hệ gợi ý AI trong TMĐT
  • Kinh nghiệm leadership (GDG on Campus PTIT, tổ chức hackathon)

Đích đến nghề nghiệp

Bậc thang đi lên từ Data Analyst tới Head of Data, kèm hai nhánh rẽ nếu sở thích thay đổi.

  1. 1

    2027

    Data Analyst / E-commerce Analyst

    SQL, báo cáo, dashboard, insight doanh thu & khách hàng.

  2. 2

    ~2029–2030 (sau thạc sĩ)

    Senior Analyst / Analytics Specialist

    Tự làm trọn bài toán, dự báo, phân khúc, A/B test, có ML/AI.

  3. 3

    5–8 năm

    Analytics Manager / Lead

    Dẫn team, chọn bài toán ưu tiên, trình bày với ban giám đốc.

  4. Dài hạn

    Head of Data / Analytics🎯 đích chính

    Định hướng chiến lược dữ liệu & AI cho công ty.

Lộ trình theo giai đoạn

Năm giai đoạn từ học kỳ 7 tới lúc nộp hồ sơ du học. Tick từng việc khi xong — tiến độ được lưu trên trình duyệt này.

Thứ tự ưu tiên ngôn ngữ: SQL → Python → Power BI → R. Không học Python và R song song từ đầu.

Chứng chỉ & kỳ thi

Các chứng chỉ theo mức ưu tiên, mục đích và thời điểm nên thi.

Đã xong 0%
  • 🔴 Bắt buộc

    IELTS 7.0+

    Du học

    Thời điểm: Trước 06/2027 (dự kiến thi 05/2027)

  • 🔴 Bắt buộc

    Microsoft PL-300 (Power BI Data Analyst Associate)

    Xin việc DA, chứng minh BI

    Thời điểm: 04–06/2027

  • 🟡 Nên có

    Google Data Analytics Professional Certificate

    Nền tảng DA, bù bảng điểm

    Thời điểm: 01–03/2027

  • 🟡 Nên có

    HackerRank SQL (Intermediate)

    Chứng minh SQL, miễn phí

    Thời điểm: 01–03/2027

  • 🟡 Nên có

    Machine Learning Specialization (Andrew Ng) hoặc Google Advanced Data Analytics

    Phần AI/ML cho hồ sơ thạc sĩ

    Thời điểm: 07–09/2027

  • ⚪ Tùy chọn

    GRE / GMAT

    Chỉ khi trường top yêu cầu hoặc để bù phần định lượng

    Thời điểm: Quyết định 07/2027

Chứng chỉ chỉ giúp qua vòng lọc CV. Thứ thuyết phục thật sự là 3 project portfolio + kinh nghiệm thực tập + 2 bài nghiên cứu. Thiếu thời gian thì cắt chứng chỉ, đừng cắt project.

Kho khóa học

Nguồn học theo ngôn ngữ, kỹ năng và chi phí. Lọc nhanh bằng từ khóa hoặc kỹ năng.

Bộ lọc dùng chung cho Kho khóa học và Ý tưởng project

  • GĐ2

    Google Data Analytics Professional Certificate

    Coursera

    Nền tảng DACó hỗ trợ tài chính

    💰 Có Financial Aid

    Khoảng 6 tháng nếu học 10 giờ/tuần; có học phần R ở cuối

  • GĐ1

    SQLBolt

    sqlbolt.com

    SQLMiễn phí

    Bài tương tác ngắn cho người mới

  • GĐ1

    Mode SQL Tutorial

    Mode

    SQLMiễn phí

    SQL cho phân tích

  • GĐ1–2

    LeetCode SQL 50

    LeetCode

    SQLMiễn phí

    Luyện đề trước khi thi HackerRank

  • GĐ2

    HackerRank SQL Certification

    HackerRank

    SQLMiễn phí
  • GĐ2

    Kaggle Learn (Python, Pandas, Data Visualization)

    Kaggle

    PythonMiễn phí
  • GĐ3

    Microsoft Learn – lộ trình PL-300

    Microsoft Learn

    Power BIMiễn phí
  • GĐ4

    Khan Academy – Statistics & Probability

    Khan Academy

    Thống kêMiễn phí
  • GĐ4

    Machine Learning Specialization (Andrew Ng)

    Coursera

    ML/AICó hỗ trợ tài chính

    💰 Có Financial Aid

    Không cần nền toán nặng

  • GĐ4

    R for Data Science (sách online)

    r4ds.hadley.nz

    RMiễn phí

💡 Lời khuyên

  • Chọn 1 khóa nền làm "xương sống" (Google Data Analytics), các nguồn khác chỉ bổ sung.
  • Ưu tiên học bằng tiếng Anh để luyện IELTS luôn.
  • ⚠️ Tránh mua "combo khóa học" chia sẻ lại giá rẻ — thường là bản lậu, không có chứng chỉ.

Ý tưởng project

11 project chia theo 3 cấp độ. Dấu ⭐ là những project nên ưu tiên làm cho portfolio.

Bộ lọc dùng chung cho Kho khóa học và Ý tưởng project

🟢 Level 1 — Cơ bản

Excel, SQL · 11/2026–03/2027Đã xong 0%
  • 🟢 Cơ bản

    #1 Báo cáo doanh thu shop TMĐT

    Dữ liệu
    Online Retail II (UCI/Kaggle)
    Việc cần làm
    Làm sạch, doanh thu theo tháng, top sản phẩm, tỷ lệ hoàn hàng
    Đầu ra
    Dashboard Excel + 1 trang 3–5 insight.
    • Excel
    • Power Query
  • 🟢 Cơ bảnNên làm

    #2 15 câu hỏi kinh doanh bằng SQL

    Dữ liệu
    Brazilian E-commerce (Olist, Kaggle)
    Việc cần làm
    Ví dụ: giao trễ có làm điểm đánh giá giảm? người bán doanh thu cao nhưng bị chê?
    Đầu ra
    Repo GitHub (SQL + kết quả + diễn giải).
    • SQL
  • 🟢 Cơ bản

    #3 Nâng cấp bài tập trên lớp thành portfolio

    Dữ liệu
    Bài làm sạch dữ liệu Duke, kế hoạch doanh thu Shopee
    Việc cần làm
    Làm lại gọn, thêm phân tích, đưa lên GitHub
    • Excel
    • GitHub

🟡 Level 2 — Trung cấp

Python, Power BI · 01–06/2027Đã xong 0%
  • 🟡 Trung cấpNên làm

    #4 Phân khúc khách hàng RFM

    Dữ liệu
    Online Retail II / Olist
    Việc cần làm
    Chia nhóm VIP, sắp rời bỏ, khách mới; đề xuất chiến dịch cho từng nhóm.
    • Python
    • pandas
  • 🟡 Trung cấp

    #5 Phân tích cohort & tỷ lệ giữ chân

    Việc cần làm
    Heatmap tỷ lệ quay lại sau 1, 2, 3 tháng.
    • Python
  • 🟡 Trung cấpNên làm

    #6 Dashboard bán hàng Power BI

    Dữ liệu
    Olist hoặc dữ liệu thực tập
    Việc cần làm
    Data model, doanh thu, AOV, tỷ lệ hủy đơn, bộ lọc; dùng để ôn PL-300.
    • Power BI
    • DAX
  • 🟡 Trung cấp

    #7 Phân tích cảm xúc từ review

    Dữ liệu
    Review Amazon/Olist hoặc review tiếng Việt
    Việc cần làm
    Tìm khách phàn nàn nhiều nhất về điều gì.
    • Python

🔴 Level 3 — Nâng cao

ML, AI, R · 07–12/2027Đã xong 0%
  • 🔴 Nâng cao

    #8 Dự báo doanh số

    Việc cần làm
    Giải thích mùa vụ Tết, 11.11, 12.12.
    • Prophet
    • ARIMA
    • Hồi quy
  • 🔴 Nâng cao

    #9 Dự đoán khách rời bỏ (churn)

    Việc cần làm
    Trả lời: yếu tố nào khiến khách rời bỏ, doanh nghiệp nên làm gì.
    • scikit-learn
    • Logistic regression
    • Random forest
  • 🔴 Nâng caoNên làm

    #10 Hệ thống gợi ý sản phẩm

    Dữ liệu
    Instacart Market Basket (Kaggle)
    Việc cần làm
    Nối thẳng với bài báo Q2 về hệ gợi ý AI → câu chuyện mạnh cho bài luận du học.
    • Market basket
    • Luật kết hợp
  • 🔴 Nâng caoNên làm

    #11 Làm lại PLS-SEM bằng R

    Dữ liệu
    Dữ liệu khảo sát 452 phiếu của bài nghiên cứu
    Việc cần làm
    So sánh với SmartPLS, công khai code.
    • R
    • seminr

📌 Nguyên tắc làm project

  • Mỗi project = 1 repo GitHub với README: bối cảnh → câu hỏi → cách làm → insight → đề xuất.
  • Insight quan trọng hơn kỹ thuật.
  • 3–4 project làm kỹ là đủ: 1–2 ở Level 1, 1–2 ở Level 2, 1 ở Level 3 (ưu tiên #10 hoặc #11).

Theo dõi GPA / CPA

Kéo thanh trượt để xem CPA dự kiến khi tốt nghiệp theo điểm trung bình phần tín chỉ còn lại.

CPA hiện tại
3.27
Tín chỉ đã học
104
Còn lại
23 TC
Max theo trường
≈ 3.41

Phần còn lại gồm kỳ 7: 19 TC + Thực tập: 4 TC.

3.8
2.03.04.0

CPA tốt nghiệp dự kiến

3.40

✅ Đạt mục tiêu 3.4

Cần trung bình ≥ 3.81 để đạt 3.4.

Bảng tham khảo (đã đổi điểm Tiếng Anh)
TB phần còn lạiCPA tốt nghiệp
4.0~3.43–3.44
3.8~3.40
3.6~3.36
3.5~3.34

⚠️ Muốn giữ 3.4 cần trung bình phần còn lại khoảng 3.8 trở lên (nếu đã đổi điểm Tiếng Anh).

Nguyên tắc build hồ sơ

Những nguyên tắc giữ lộ trình đúng hướng và hồ sơ thuyết phục.

  1. 1. Chốt một vị trí mục tiêu: Data Analyst mảng TMĐT/bán lẻ.

  2. 2. Gom 30–50 JD, đếm kỹ năng xuất hiện nhiều nhất, học nhóm đó trước; bỏ qua phần "nice to have".

  3. 3. Chứng minh bằng project + GitHub, không chỉ ghi "biết SQL" trong CV.

  4. 4. Dùng thực tập và nghiên cứu theo đúng hướng dữ liệu.

  5. 5. Cứ 3–6 tháng xem lại JD để chỉnh lộ trình.

  6. 6. Kỹ năng tư duy cần rèn: chia nhỏ vấn đề (Pyramid Principle, MECE), hỏi lại cho rõ, kiểm tra bằng số, viết kết luận trước, đọc rộng, biết dùng AI nhưng luôn tự kiểm tra lại.