Data Analyst cần học gì? Lộ trình Excel, SQL, Python

Data Analyst cần học gì? Cần nhất là SQL, sau đó là một công cụ BI (thường là Power BI), Python với thư viện pandas, Excel, và đủ thống kê để hiểu đúng những con số mình báo cáo. Mình xếp thứ tự này theo số tin tuyển dụng nhắc đến từng kỹ năng, đếm trên 41 tin tuyển dụng Data Analyst đang đăng ở Việt Nam ngày 18/10/2026. Còn nếu tự học từ đầu, bạn nên bắt đầu từ Excel vì đây là phần dễ nhất. Lộ trình cụ thể mình gợi ý ở phần sau.

Data Analyst (nhà phân tích dữ liệu) là người lấy dữ liệu từ hệ thống của công ty, làm sạch rồi tổng hợp thành báo cáo hoặc dashboard. Từ đó họ trả lời các câu hỏi kinh doanh như "doanh thu tháng này giảm ở đâu", "khách mới đến từ kênh nào". Thứ họ giao cho sếp là những con số đáng tin, kèm khuyến nghị nên làm gì.

Mấy điều cần nắm trước khi đọc tiếp:

• 38 trên 41 tin nhắc đến SQL. Đây là kỹ năng gần như không thể thiếu.

• 33 tin nhắc ít nhất một công cụ BI, trong đó Power BI có mặt ở 32 tin.

• Python có trong 29 tin, nhưng 10 tin trong số đó chỉ ghi là điểm cộng.

• 30 tin đòi từ 2 năm kinh nghiệm trở lên. Chỉ 5 tin nhận người có 0 đến 1 năm kinh nghiệm.

• 11 tin nhắc đến việc dùng AI (ChatGPT, Claude hay agent) khi phân tích dữ liệu.

Mình mở và đọc kỹ từng tin: 6 tin trên ITviec, 16 tin trên TopCV và 19 tin trên LinkedIn. Đây là các tin đứng đầu kết quả tìm kiếm "Data Analyst" hôm đó. Mẫu này không đại diện cho cả thị trường, nên mọi con số dưới đây chỉ nói về 41 tin này.

Data Analyst cần học gì, theo 41 tin tuyển dụng?#

Cách mình đếm: mỗi kỹ năng chỉ tính một lần trong một tin, dù kỹ năng đó nằm ở mục yêu cầu, mục điểm cộng hay ô "kỹ năng cần có" do nhà tuyển dụng tự gắn. Những dòng chỉ nói về bằng cấp (ví dụ "tốt nghiệp ngành Thống kê") thì mình không tính là yêu cầu kỹ năng thống kê.

Gom các kỹ năng này lại, nhà tuyển dụng cần người làm được bốn nhóm việc:

Machine Learning chỉ xuất hiện trong 6 tin, và đa số chỉ ghi là lợi thế. Với vị trí Data Analyst, phần lớn nhà tuyển dụng trong mẫu này cần người trả lời câu hỏi kinh doanh bằng dữ liệu hơn là người xây model dự đoán.

Vì sao SQL đứng đầu danh sách?#

Trong 38 tin nhắc đến SQL, 36 tin coi đây là yêu cầu bắt buộc. Hai tin còn lại (Astek, Amaris) chỉ ghi là điểm cộng. SQL đứng đầu vì dữ liệu của công ty nằm trong cơ sở dữ liệu, và muốn lấy ra thì phải viết SQL. Không biết SQL thì mỗi lần cần số liệu, bạn lại phải nhờ người khác xuất file.

Các tin cũng ghi khá cụ thể mức SQL cần có. Ba tin của Alphaway, Trusting Social và sàn giao dịch tài sản mã hóa Thịnh Vượng ghi rõ phải biết CTE, window function và join phức tạp. Tin tuyển Junior của AI+DI đòi "truy vấn nhiều bảng, hàm cửa sổ, và xử lý dữ liệu có mốc thời gian". Học SQL đến GROUP BY và JOIN là đủ để bắt đầu, nhưng muốn ứng tuyển những tin như trên thì nên luyện thêm window function.

Mình cũng để ý thấy 11 tin nhắc đến kho dữ liệu trên cloud như BigQuery, Snowflake, Redshift hay ClickHouse. Cú pháp SQL ở các hệ này gần giống nhau, nên bạn cứ học trên SQLite hoặc PostgreSQL trước, sau này chuyển sang cũng không khó.

Nên học Power BI hay Tableau?#

Nếu chỉ chọn một công cụ, hãy chọn Power BI. Có 32 tin nhắc đến Power BI, gần gấp đôi số tin nhắc đến Tableau (17 tin). Nhiều tin ghi "Power BI, Tableau hoặc tương đương". Cách ghi này cho thấy giỏi một công cụ là được, vì chuyển sang công cụ khác không khó.

Vị trí càng cao thì tin càng đòi biết sâu về Power BI. 7 tin nhắc đến DAX (ngôn ngữ công thức của Power BI). Các tin Senior của NAB, ADA và Beyondsoft còn nhắc thêm semantic model, Power Query và phân quyền theo dòng (row-level security). Riêng tin Senior Data Analyst của Hitachi Digital Services bắt buộc ứng viên có chứng chỉ Microsoft PL-300 còn hiệu lực.

Looker Studio (10 tin) miễn phí và chạy trên trình duyệt. Nếu bạn dùng máy Mac, đây là lựa chọn hợp lý để làm dashboard đầu tiên cho portfolio, vì Power BI Desktop chỉ chạy trên Windows.

Data Analyst còn cần Excel không?#

Có, dù chỉ 16 tin ghi chữ Excel hoặc Google Sheets. Mình đoán nhiều nhà tuyển dụng coi Excel là mặc định nên không ghi, giống như không ai ghi "biết dùng email". Còn các tin có ghi thì đòi ở mức cao: Golden Gate cần "Strong Excel or Google Sheets skills", Zwilling yêu cầu "Advanced Microsoft Excel", còn Mirae Asset Finance ghi "advanced Excel".

Excel cũng là chỗ người mới dễ làm quen nhất với các khái niệm sẽ gặp lại ở SQL và pandas: lọc, sắp xếp, PivotTable, VLOOKUP hay XLOOKUP. Khi đã làm được báo cáo bằng PivotTable, bạn sẽ thấy GROUP BY trong SQL và pivot_table trong pandas chỉ là cách viết khác của cùng một phép tính. Khi báo cáo phải làm lại mỗi tháng từ nhiều file, bài Python cho Excel: tự động hóa báo cáo bán hàng chỉ cách để pandas gộp 12 file bán hàng và openpyxl định dạng báo cáo thay cho thao tác tay.

Cũng có tin không đòi SQL. Vị trí nhân viên phân tích và xử lý dữ liệu của chuỗi bán lẻ TNL chỉ cần Excel, Google Sheets và "sử dụng tốt ChatGPT, Claude". Tin này ghi lương 9 đến 14 triệu, thấp nhất trong 9 tin có ghi mức lương.

Data Analyst có cần học Python không?#

Nên học, nhưng sau SQL. Trong 29 tin nhắc Python, 19 tin coi Python là yêu cầu và 10 tin chỉ ghi là điểm cộng. Python thường là yêu cầu bắt buộc ở các công ty công nghệ, fintech và ở vị trí Senior. Ví dụ, MoMo đòi "Advanced SQL and Python", Viettel IDC ghi "Proficient in SQL, Python/R, and query optimization (Mandatory)", còn Home Credit đòi kinh nghiệm dùng Python để phân tích dữ liệu.

R có trong 13 tin, nhưng gần như lần nào cũng nằm trong cụm "Python hoặc R". Không tin nào trong mẫu đòi R mà không chấp nhận Python, nên người mới chọn Python là đủ.

Các tin cần Python cho những việc mà Excel và SQL làm rất vất vả: gọi API để lấy dữ liệu, làm sạch file lộn xộn, chạy báo cáo tự động mỗi tuần. Tin của Hala Thế Giới Gia Dụng ghi rõ "viết được Python để lấy dữ liệu qua API (đọc JSON), làm sạch dữ liệu và chạy tự động định kỳ". Dưới đây là một ví dụ nhỏ cho loại việc này.

Một báo cáo nhỏ bằng pandas#

Giả sử bạn nhận được file don_hang.csv của một chuỗi quán có ba chi nhánh. File gồm các cột ngày, cửa hàng, sản phẩm, số lượng và doanh thu. Sếp hỏi: tháng 10 so với tháng 9, chi nhánh nào tăng, chi nhánh nào giảm? File có ba vấn đề hay gặp: doanh thu ghi dạng chuỗi "1.260.000", một dòng bị nhập trùng và một dòng thiếu số lượng.

import pandas as pd

df = pd.read_csv("don_hang.csv", parse_dates=["ngay"])
print(df.dtypes, "\n")

df["doanh_thu"] = df["doanh_thu"].str.replace(".", "", regex=False).astype(int)
print("Dòng trùng:", df.duplicated().sum(), "| thiếu số lượng:", df["so_luong"].isna().sum())
df = df.drop_duplicates().dropna(subset=["so_luong"])

df["thang"] = df["ngay"].dt.strftime("%Y-%m")
bang = df.pivot_table(index="cua_hang", columns="thang", values="doanh_thu", aggfunc="sum", fill_value=0)
bang["tang_%"] = ((bang["2026-10"] / bang["2026-09"] - 1) * 100).round(1)
print(bang.sort_values("tang_%", ascending=False))

Mình chạy đoạn này trên Python 3.14.7 và pandas 3.0.6 ngày 18/10/2026, kết quả:

Câu trả lời cho sếp nằm ở dòng cuối: Quận 1 tăng 16,2%, Cầu Giấy tăng 5,5%, Đà Nẵng giảm 21,7%. Việc tiếp theo của một Data Analyst là tìm hiểu vì sao Đà Nẵng giảm.

Bạn để ý dòng doanh_thu str trong kết quả. Từ bản 3.0, pandas đọc cột chữ thành kiểu str thay vì object như các bản trước, còn cột ngày có độ phân giải micro giây (datetime64[us]) (ghi chú phát hành pandas 3.0). Các hướng dẫn cũ trên mạng in ra object vì chúng được viết cho pandas 2. Bài pandas là gì giải thích DataFrame, Series và các chỗ pandas 3 khác pandas 2 qua 10 dòng code đầu tiên.

Lỗi mình gặp khi doanh thu là chuỗi#

Lần đầu mở file, mình gọi sum() trên cột doanh thu và nhận về một chuỗi dài thay vì một con số, vì pandas nối các chuỗi lại với nhau. Đổi thẳng sang số nguyên cũng không được:

ValueError: invalid literal for int() with base 10: '1.260.000'

Nguyên nhân là dấu chấm ngăn cách hàng nghìn theo kiểu Việt Nam. Cách sửa là bỏ dấu chấm trước rồi mới đổi kiểu, như dòng str.replace(".", "", regex=False) trong đoạn code ở trên. File xuất từ phần mềm kế toán hay sàn TMĐT ở Việt Nam rất hay bị như vậy. Vì thế, việc đầu tiên mình luôn làm là in df.dtypes để xem cột nào đang sai kiểu. Các bước làm sạch khác như bỏ dòng trùng, điền ô trống hay xóa cột thừa có ở bài làm sạch dữ liệu với pandas.

Cùng câu hỏi đó, viết bằng SQL#

Nếu dữ liệu nằm sẵn trong cơ sở dữ liệu, câu hỏi trên chỉ cần một câu lệnh SQL. Mình nạp bảng đã làm sạch vào SQLite (có sẵn trong Python, không cần cài thêm) để chạy thử:

SELECT cua_hang, substr(ngay, 1, 7) AS thang, SUM(doanh_thu) AS doanh_thu
FROM don_hang
GROUP BY cua_hang, thang
ORDER BY cua_hang, thang

Kết quả khớp với bảng pandas. Đây là lý do mình khuyên học SQL trước: phần lớn câu hỏi hằng ngày chỉ cần đến GROUP BY. Python đáng học khi dữ liệu đến từ file lộn xộn, từ API, hoặc khi cùng một báo cáo phải chạy lại mỗi tuần.

Cần học thống kê và toán đến đâu?#

Đủ để không kết luận sai. 11 tin nhắc thống kê như một kỹ năng và 6 tin nhắc A/B testing. Các tin thường đòi thống kê mô tả (trung bình, trung vị, phân phối), kiểm định giả thuyết và hiểu sự khác nhau giữa tương quan và nhân quả. Tin của Viettel Software nói rõ mục đích: cần thống kê ứng dụng "để đảm bảo insight có cơ sở, không chỉ là quan sát cảm tính".

Ngay báo cáo pandas vừa làm đã cần đến thống kê. Đà Nẵng giảm 21,7% nghe đáng lo, nhưng dữ liệu của Đà Nẵng chỉ có 2 dòng đơn hàng trong tháng 9 và 2 dòng trong tháng 10. Với mẫu nhỏ như vậy, chỉ một ngày mưa cũng đủ làm doanh thu thay đổi nhiều. Người làm phân tích phải nói được điều này trước khi sếp ra quyết định.

Có một tin đòi thống kê ở mức cao hơn hẳn: tin Junior Data Analyst của AI+DI đòi biết mô hình đa tầng, xử lý dữ liệu thiếu không ngẫu nhiên và suy luận nhân quả. Đây là yêu cầu riêng của một nhóm làm đo lường nghiên cứu. Các tin khác không đòi đến mức này. Toán cao cấp như giải tích, đại số tuyến tính không xuất hiện trong tin nào mình đọc.

Data Analyst có cần biết dùng AI không?#

Có, ít nhất là với một phần nhà tuyển dụng. 11 trên 41 tin nhắc đến việc dùng AI trong công việc, và vài tin viết rất thẳng. Trusting Social ghi rằng việc dùng Claude, ChatGPT hoặc Gemini để viết SQL và khám phá dữ liệu là "[Non-negotiable]" (bắt buộc). Tin này cũng đòi ứng viên có "thói quen kiểm lại output của AI" trước khi đưa cho người khác. Flodesk muốn người phân tích dùng AI agent để làm phần lớn việc dựng báo cáo và phân tích, thay vì làm tay. MoMo tìm người "xây AI agent cho dữ liệu".

Hai tin Trusting Social và Flodesk cùng nói một ý: AI viết nháp, người phân tích chịu trách nhiệm về con số. Muốn kiểm được câu SQL mà AI đưa ra thì bạn phải tự đọc hiểu được SQL. Vì vậy, khi đã có AI, kiến thức nền càng quan trọng: người không hiểu JOIN sẽ không nhận ra AI vừa làm doanh thu bị nhân đôi vì ghép bảng sai khóa.

Lộ trình học Data Analyst theo thứ tự nào?#

Dựa trên số liệu từ 41 tin và kinh nghiệm dạy học của mình, đây là thứ tự học mình thấy hợp lý cho người mới:

Nếu đã biết lập trình, bạn có thể học SQL song song với Python, vì GROUP BY và groupby gần như cùng một ý. Còn nếu bạn là dân văn phòng chuyển sang, học theo thứ tự trong bảng sẽ đỡ nản hơn, vì chặng nào cũng cho ra một sản phẩm dùng được ngay ở chỗ làm hiện tại.

Nếu muốn học các chặng Python, SQL, pandas và thống kê theo một chương trình tiếng Việt có sẵn, hãy xem hai khóa Python từ số 0 và Phân tích dữ liệu với Python của AIDev. Hai khóa này dạy Python, pandas, SQL cơ bản và thống kê, kèm một dự án báo cáo EDA trên dữ liệu Việt Nam để bạn nộp lên GitHub. Hai khóa không dạy Power BI, nên bạn cần học riêng phần này.

Data Analyst cần bao nhiêu năm kinh nghiệm?#

30 trên 41 tin đòi từ 2 năm kinh nghiệm trở lên. Ở TopCV, 8 trên 16 tin ghi đúng 2 năm. Ở LinkedIn, nơi đăng nhiều vị trí Senior, 8 trên 19 tin đòi 3 đến 4 năm.

Người mới vẫn có cơ hội, nhưng không nhiều. Simpson Strong-Tie ghi rõ "Welcome fresher/entry/non-experienced level". Falcon Technology đăng tin "Fresher Data Analyst". UpBase và TNL nhận người có từ 1 năm kinh nghiệm. Seven System nhận người có 1 đến 2 năm kinh nghiệm, kể cả lập trình viên backend hoặc frontend muốn chuyển sang phân tích dữ liệu.

Vì phần lớn tin đòi kinh nghiệm, người mới nên bù bằng dự án. Một dashboard có link để xem, hay một notebook phân tích có kết luận rõ ràng, sẽ thuyết phục hơn dòng "thành thạo SQL" trong CV. Bài dự án Data Analyst mẫu cho portfolio làm mẫu ba dự án như vậy trên dữ liệu bán hàng tải miễn phí, kèm code pandas và một repo GitHub để bạn chép cách trình bày. Nếu bạn đang làm ở phòng kinh doanh, kế toán hay marketing, cách nhanh nhất là nhận làm các việc phân tích dữ liệu ngay trong công việc hiện tại, rồi ghi kinh nghiệm đó vào CV.

Data Analyst lương bao nhiêu?#

Chỉ 9 trên 41 tin ghi mức lương cụ thể. ITviec ẩn lương khi người xem chưa đăng nhập, các tin trên LinkedIn gần như không ghi lương, còn 8 tin ghi "Thoả thuận".

Mức lương của chín tin này nằm trong khoảng 9 đến 43 triệu đồng mỗi tháng. Mẫu này quá nhỏ để kết luận "lương Data Analyst là X". Ngoài ra, không ngân hàng hay công ty tài chính nào trong mẫu công bố mức lương.

Để có số tham khảo rộng hơn, ngày 18/10/2026 mình đọc trang mức lương Data Analyst của TopCV. Số liệu trên trang này lấy từ Báo cáo Thị trường Tuyển dụng 2025 - 2026. Theo trang này, lương trung vị là 12,6 đến 23,4 triệu với người có 1 đến dưới 3 năm kinh nghiệm, và 15,8 đến 28,1 triệu với người có 3 đến dưới 5 năm kinh nghiệm (TopCV).

Còn báo cáo lương IT 2025-2026 của ITviec, khảo sát 1.839 người, ghi lương trung vị của nhóm Data Analyst, Data Scientist và BI là 40,65 triệu (ITviec). Hai nguồn lệch nhau khá xa. Một phần có thể vì ITviec gộp cả Data Scientist và BI vào cùng nhóm, và hai báo cáo khảo sát những nhóm người khác nhau. Mình chỉ dùng hai con số này để tham khảo. Mức lương thật còn tùy công ty và năng lực từng người.

Khi nào lộ trình này không hợp với bạn?#

Nếu bạn thích viết phần mềm hơn là trả lời câu hỏi kinh doanh, công việc Data Analyst có thể khiến bạn chán. Phần lớn thời gian của Data Analyst dành cho việc làm sạch dữ liệu, đối chiếu số liệu giữa các phòng ban và giải thích cho người không làm kỹ thuật. Tin của ADA dành cả đoạn dài cho việc quản lý yêu cầu, đối soát số liệu với phòng tài chính và đào tạo người dùng dashboard. Tin của NAB cũng yêu cầu làm việc nhiều với phòng kinh doanh, tài chính và các cấp quản lý.

Nếu bạn muốn trở thành AI Engineer, làm Data Analyst là một bước đệm tốt nhưng không bắt buộc. Trong 35 tin AI Engineer mình đọc ngày 11/10/2026, SQL chỉ có trong 6 tin, còn Python có trong 30 tin. Với hướng đó, Python mới là kỹ năng chính. Bạn có thể đọc thêm bài AI Engineer là gì, cần học gì. Nếu còn phân vân giữa Data Analyst, Data Scientist và AI Engineer, bài Data Analyst, Data Scientist, AI Engineer khác nhau ở đâu đặt ba nghề cạnh nhau theo tin tuyển dụng thật.

Mẫu của mình chỉ có tin ở Hà Nội, TP.HCM, Đà Nẵng, Đồng Nai và Tây Ninh, nên mình không dám nói doanh nghiệp ở các tỉnh khác cần gì.

Câu hỏi thường gặp#

Data Analyst học ngành gì?#

Các tin có ghi ngành thường liệt kê CNTT, khoa học máy tính, thống kê, toán, kinh tế, tài chính. Nhiều tin ghi thêm "hoặc ngành liên quan", và Seven System nhận cả người từ lập trình chuyển sang. Trong các tin, phần bằng cấp thường chỉ vài chữ, còn phần kỹ năng thì dài và cụ thể hơn hẳn.

Tự học Data Analyst mất bao lâu?#

Thời gian này tùy vào số giờ bạn học mỗi tuần và việc bạn đã biết Excel hay chưa, nên mình không đưa ra một con số chung. Cách đo tiến độ tốt hơn là nhìn vào sản phẩm: xong chặng nào thì bạn có một báo cáo, dashboard hoặc notebook của chặng đó.

Data Analyst có bị AI thay thế không?#

Trong 41 tin mình đọc, AI được nhắc đến như một công cụ mà người phân tích phải biết dùng. Hai tin nói kỹ nhất về AI (Trusting Social, Flodesk) đều đòi người phân tích kiểm lại kết quả AI đưa ra. Muốn kiểm được thì phải hiểu SQL và hiểu dữ liệu.

Không biết code có làm Data Analyst được không?#

Một số vị trí đòi rất ít code: TNL chỉ cần Excel và Google Sheets, Highlands Coffee chỉ đòi Power BI và SQL. Nhưng 36 tin bắt buộc biết SQL, mà viết SQL cũng là viết code. Vì vậy, bạn nên coi SQL là mức tối thiểu cần học.

Đọc tiếp#

• Khóa học Data Analyst: học gì, ở đâu, tự học được không: so sánh các cách học và cách chọn khóa phù hợp.

• Python là gì, dùng để làm gì: Python được dùng thế nào trong công việc dữ liệu và tự động hóa.

• Học Python từ số 0: cách cài đặt và 8 chặng học Python cho người mới.

• Cài pandas và sửa lỗi No module named pandas: cài pandas trên Windows và sửa lỗi khi máy có nhiều bản Python.

• Lộ trình AI Engineer: nếu bạn muốn đi tiếp từ dữ liệu sang AI.

Nếu đã rõ Data Analyst cần học gì và muốn luyện pandas ngay trên dữ liệu kinh doanh Việt Nam, hãy thử ebook Phân tích dữ liệu với Python. Sách viết cho pandas 3, có 89 bài tập tự chấm kèm lời giải và một dự án EDA hoàn chỉnh.

Còn nếu muốn học theo đề cương có sẵn và có project được chấm, lộ trình AI Engineer từ số 0 của AIDev có hai điểm dừng. Điểm dừng thứ nhất là khi bạn học xong Khóa 1 (Python) và Khóa 2 (Phân tích dữ liệu), hoặc học tiếp đến hết Khóa 3 (Machine Learning). Đến đó là đủ để ứng tuyển các vị trí dữ liệu như Data Analyst, BI Analyst. Điểm dừng thứ hai là học hết 5 khóa để đi tiếp sang AI Engineer.

Dữ liệu: 41 tin tuyển dụng Data Analyst do AIDev đọc trên ITviec (6), TopCV (16), LinkedIn (19) ngày 18/10/2026. Mình đã loại 2 tin trùng và 2 tin không phải vị trí Data Analyst (Analytics Engineer, Data Business Analyst cho dự án kho dữ liệu). Mỗi tin có thể nhắc nhiều kỹ năng. Code chạy trên Python 3.14.7, pandas 3.0.6, SQLite 3.53.4, ngày 18/10/2026.