Hi, mình là Julie.

Mình đến với Data bằng con đường tự học.

Không học IT. Không có mentor. Không có một lộ trình rõ ràng để biết mình nên học gì trước, học đến đâu là đủ và làm sao để biến kiến thức thành năng lực đi làm.

Vì vậy, mình hiểu cảm giác mở rất nhiều tab về SQL, Python, Power BI, xem hết khóa này đến khóa khác nhưng vẫn thấy mọi thứ rời rạc. Bạn có thể học được một công cụ, nhưng chưa chắc đã biết dùng nó để giải quyết một bài toán thực tế.

Hiện tại, mình đồng hành cùng những người mới bước vào Data và những người muốn nâng cao năng lực phân tích trong công việc.

Điểm mạnh của mình là biến những kiến thức, kinh nghiệm và quy trình phức tạp thành những cấu trúc rõ ràng, trực quan và có thể áp dụng lại.

Mình thường bắt đầu từ bức tranh toàn cảnh, tìm ra pattern, hệ thống hóa chúng thành framework, sau đó đưa framework vào những tình huống gần với công việc thực tế.

Mục tiêu không chỉ là giúp bạn hoàn thành một bài tập.

Mình muốn giúp bạn biết cách tiếp cận một bài toán mới: hiểu điều cần giải quyết, đặt đúng câu hỏi, tổ chức suy nghĩ, lựa chọn phương pháp phù hợp và biến kết quả phân tích thành một quyết định có cơ sở.

Công cụ giúp bạn hoàn thành một công việc.

Cách tư duy giúp bạn phát triển cả sự nghiệp.

Đó là lý do The Metric Minds được xây dựng.

Hành trình của mình

Mọi thứ bắt đầu từ một dự án khởi nghiệp.

Năm 2019, khi còn học Logistics tại Đại học Ngoại thương, mình dẫn dắt một dự án tham gia các cuộc thi khởi nghiệp trong nước và quốc tế. Đội của mình không chỉ dựa vào ý tưởng. Điểm mạnh lớn hơn nằm ở việc phân tích dữ liệu, tìm insight và kể một câu chuyện đủ rõ để người khác hiểu vì sao dự án đáng được tin tưởng.

Những trải nghiệm đó giúp dự án đi sâu ở nhiều vòng Business. Với mình, đó cũng là lần đầu tiên mình nhận ra dữ liệu có thể thay đổi cách một người nhìn vấn đề và đưa ra quyết định.

Sau khi tốt nghiệp, mình quyết định chuyển sang ngành Data.

Mình bắt đầu từ những kiến thức cơ bản, tự tìm tài liệu, tự làm bài tập, tự sửa những chỗ chưa hiểu. Sau hai tháng tự học, mình nhận được công việc full-time đầu tiên với vai trò Data Analyst tại một ngân hàng thương mại lớn.

Những năm sau đó, mình làm việc với dữ liệu ở nhiều góc nhìn:

Phân tích sản phẩm và hành vi người dùng.
Xây dựng dashboard phục vụ vận hành và ra quyết định.
Làm việc giữa Business và Technical để chuyển một nhu cầu mơ hồ thành bài toán có thể triển khai.
Tham gia xây dựng kho dữ liệu và tổ chức dữ liệu đầu vào để hỗ trợ các nhu cầu phân tích và báo cáo.

Hành trình đó đưa mình đến vai trò Analytics Engineer tại một tập đoàn công nghệ, nơi mình tham gia các dự án dữ liệu cho nhiều khách hàng trong và ngoài nước. Hiện tại, mình cũng cộng tác từ xa với các đối tác quốc tế trong lĩnh vực dữ liệu.

Song song với công việc chuyên môn, mình đã đồng hành cùng hơn 400 học viên. Có bạn là sinh viên đang tìm đường vào nghề. Có bạn chuyển ngành từ một lĩnh vực khác. Có anh chị đã làm Marketing, Finance, Banking hoặc Operations và muốn sử dụng dữ liệu tốt hơn trong công việc hiện tại.

Điều mình trân trọng nhất là mỗi người đều có điểm bắt đầu rất khác nhau. Có bạn chưa từng viết một câu SQL. Có anh chị đã đi làm nhiều năm nhưng chưa biết cách trao đổi hiệu quả với team Data. Có người học rất nhiều nhưng chưa biết ghép kiến thức thành một năng lực hoàn chỉnh.

Mình từng ở giai đoạn đó, nên mình hiểu con đường này cần nhiều hơn một danh sách tài liệu.

Cách mình đồng hành cùng người học

Bắt đầu từ bức tranh lớn

Trước khi học một câu lệnh SQL hay mở Power BI, bạn cần hiểu mình đang giải quyết bài toán gì.

Mình thường bắt đầu bằng những câu hỏi như:

Doanh nghiệp đang cần ra quyết định gì?
Dữ liệu nào có thể giúp trả lời câu hỏi đó?
Phân tích này nằm ở đâu trong toàn bộ quy trình?
Công cụ nào phù hợp với từng phần việc?

Khi đã nhìn được bức tranh lớn, SQL, Python hay Power BI không còn là những kỹ năng rời rạc. Chúng trở thành các công cụ khác nhau trong cùng một hệ thống giải quyết vấn đề.

Hiểu lý thuyết bằng visual

Mình không thích cách học ghi nhớ cú pháp rồi làm lại một ví dụ có sẵn.

Một công thức chỉ thật sự hữu ích khi bạn hiểu nó được dùng trong bối cảnh nào, logic phía sau là gì và giới hạn của nó nằm ở đâu.

Vì vậy, mình thường trực quan hóa khái niệm trước, sau đó mới đi vào cách thực hiện bằng công cụ. Trình tự học thường là:

Nhìn bức tranh tổng thể.
Hiểu theory và logic bằng visual.
Quan sát một ví dụ cụ thể.
Thực hành từng bước.
Áp dụng vào tình huống công việc.
Rút ra framework để tái sử dụng.

Dùng framework để tiếp cận

Framework không thay thế tư duy. Framework cho bạn một điểm bắt đầu để tư duy.

Khi gặp một dataset hoặc câu hỏi mới, người học thường không thiếu công cụ. Điều họ thiếu là một cấu trúc để biết phải nhìn vào đâu và hỏi điều gì trước.

Vì vậy, mình xây các framework để giúp người học tiếp cận:

Một bài toán phân tích.
Một dataset mới.
Một câu SQL phức tạp.
Một dashboard.
Một yêu cầu từ stakeholder.

Hệ thống hóa kiến thức

Đi làm không chỉ là hoàn thành task. Bạn còn cần biết cách lưu lại những gì mình đã học, đã giải quyết và đã cải thiện.

Khi kiến thức và kinh nghiệm được hệ thống hóa, bạn có thể nhìn rõ mình mạnh ở đâu, nhận ra lỗ hổng năng lực, có chất liệu để viết CV, và tái sử dụng cách làm từ project cũ.

Đây cũng là một năng lực mình muốn người học mang theo lâu dài, không chỉ trong thời gian tham gia khóa học.

Dạy để bạn có thể tự đi tiếp

Một mentor tốt không nên biến mình thành người mà bạn phải hỏi mọi lúc.

Mình muốn người học dần hình thành khả năng tự đặt câu hỏi, tự tìm tài liệu, tự kiểm tra cách làm và tự điều chỉnh khi gặp một bài toán chưa từng thấy.

Đó mới là năng lực giúp bạn đi xa trong ngành Data, đặc biệt trong thời đại công cụ và AI thay đổi liên tục.

Simplicity is the ultimate sophistication.

Đơn giản chính là đỉnh cao của sự tinh tế.

Mình không tin một lời giải phức tạp mặc nhiên sẽ tốt hơn.

Trong nhiều trường hợp, điều ngược lại mới đúng. Khi một vấn đề phức tạp có thể được giải thích bằng ngôn ngữ đơn giản, có cấu trúc và dễ áp dụng, đó thường là dấu hiệu cho thấy người giải thích đã hiểu bản chất của vấn đề.

Sự đơn giản ở đây không phải là lược bỏ những phần quan trọng.

Đó là khả năng sắp xếp đúng thông tin, tách phần cốt lõi khỏi phần phụ và dẫn người học đi theo một trình tự đủ rõ.

Vì vậy, mình luôn cố gắng để mỗi bài viết, bài giảng và khóa học trả lời được ba câu hỏi:

Bạn đang cần hiểu điều gì?

Vì sao điều đó quan trọng?

Bạn có thể áp dụng nó vào công việc như thế nào?

Đó là tiêu chuẩn mình đặt ra cho mọi nội dung tại The Metric Minds.

The Metric Minds là gì?

Mình đặt tên website là The Metric Minds vì mình tin rằng Data không chỉ là một nghề hay một bộ công cụ.

Đó là một cách tư duy.

Một metric chỉ thực sự có ý nghĩa khi bạn hiểu nó đến từ đâu, phản ánh điều gì, liên kết với những yếu tố nào và hỗ trợ quyết định gì.

Vì vậy, “Minds” trong The Metric Minds không chỉ nói về khả năng phân tích số liệu. Nó đại diện cho một cách tư duy rõ ràng, có cấu trúc và biết nhìn dữ liệu trong mối liên hệ với con người, quy trình và bài toán kinh doanh.

Tại The Metric Minds, mình hệ thống hóa những kiến thức, kinh nghiệm và quy trình phức tạp thành các visual framework rõ ràng, sau đó giúp bạn áp dụng chúng trong những workflow mô phỏng công việc thực tế.

Nhờ đó, bạn không chỉ làm được những bài đã học mà còn biết cách tiếp cận dataset, câu hỏi kinh doanh và những vấn đề mới một cách có cấu trúc.

Mình đồng hành cùng ai?

Người mới bước vào Data

Bạn có thể là sinh viên năm cuối, người mới tốt nghiệp hoặc đang muốn chuyển ngành.

Mình giúp bạn xây dựng nền tảng từ tư duy, kỹ năng đến định hướng học tập, để bạn biết mình đang đi đâu và cần ưu tiên điều gì ở từng giai đoạn.

Bạn không cần cố học mọi thứ cùng lúc.

Bạn cần một learning path đủ rõ để từng phần kiến thức có thể kết nối với nhau.

Người đã đi làm và muốn dùng dữ liệu tốt hơn

Bạn có thể đang làm Business, Marketing, Finance, Banking, Operations hoặc một vị trí cần làm việc với dữ liệu mỗi ngày.

Bạn chưa nhất thiết phải trở thành Data Analyst.

Nhưng khi biết đọc dữ liệu tốt hơn, đặt câu hỏi đúng hơn và giao tiếp hiệu quả hơn với team Data, bạn có thể tạo ra nhiều giá trị hơn trong công việc hiện tại.

The Metric Minds cũng phù hợp với những người đã nhiều lần bắt đầu học nhưng chưa duy trì được một lộ trình đủ rõ để đi đến cùng.

Bạn không cần học nhanh hơn tất cả mọi người.

Bạn cần một con đường phù hợp để học đúng thứ, theo đúng thứ tự và áp dụng được vào công việc.