Vai trò của nhà khoa học dữ liệu trong ngành Fintech và sản phẩm thực tế

• Xu hướng chọn học gia sư trực tuyến của phụ huynh Việt
• Review 5 khóa học lập trình cho người mới bắt đầu tốt nhất
• Có nên chọn khóa học lập trình online miễn phí không? Gợi ý các trang web học lập trình miễn phí
• Review tổ chức giáo dục trực tuyến FUNiX năm 2024 cho các bạn chưa biết
• Review cách học của công ty cổ phần đào tạo trực tuyến unica

Fintech (Công nghệ tài chính) đang là lĩnh vực phát triển nhanh trong thời gian gần đây. Vậy dữ liệu có vai trò như thế nào trong ngành này và nhà khoa học dữ liệu có đóng góp như thế nào với sự phát triển của Fintech? Tất cả được giải đáp trong xTalk #142 với sự tham gia của mentor Phan Đình Phúc – Senior Data Scientist tại DATX Technology Việt Nam. 

Tại chương trình, nam mentor đã chia sẻ về nhiệm vụ, kỹ năng của một nhà khoa học dữ liệu cũng như mô tả một dự án thực tế mà anh cùng các cộng sự đang triển khai, giúp các học viên FUNiX có thể học hỏi, tham khảo kiến thức và kinh nghiệm. 

Nhiệm vụ của nhà khoa học dữ liệu 

Từ những trải nghiệm trong nhiều năm làm việc, anh Phan Đình Phúc cho biết vị trí data scientist sẽ đảm nhiệm một số nhiệm vụ như sau: 

Thứ nhất, là truy xuất và làm sạch dữ liệu. Các dữ liệu AI nói chung sẽ khác với dữ liệu đặc thù về tài chính. Dữ liệu tài chính cần kiến thức chuyên môn để hiểu dữ liệu có ý nghĩa như thế nào. “Trong ngành Fintech, vị trí khoa học dữ liệu không chỉ yêu cầu kỹ năng liên quan đến Python, Pandas, SQL, mà còn cần kiến thức về tài chính để hiểu về báo cáo tài chính, kinh tế, vĩ mô, tin tức, v.v.” – anh cho biết

Thứ hai, nhà khoa học dữ liệu cũng tham gia xây dựng mô hình tự động hoá, đưa các ứng dụng của AI vào thực tiễn. Mỗi doanh nghiệp có một sản phẩm lõi, với DATX Technology Việt Nam hiện đang xây dựng một hệ thống xếp hạng, giúp người dùng hiểu cổ phiếu đang có diễn biến như thế nào, thị trường đang thay đổi ra sao. Thay vì phương pháp truyền thống như lấy báo cáo, xin ý kiến chuyên gia, khi có ứng dụng AI, sẽ có giải pháp mang tính hệ thống hoá, tự động hoá, sử dụng nhiều nguồn dữ liệu khác nhau và đảm bảo vận hành 24/7.

Thứ ba, một data scientist cũng cần có kỹ năng hỗ trợ các phòng ban khác trong việc lên kế hoạch phát triển sản phẩm, thực hiện nghiên cứu. Ví dụ trong ngành tài chính, data sciecntist sẽ hỗ trợ các phòng ban khác, thực hiện một số công việc như xây dựng các chiến thuật đầu tư, tìm hiểu các báo cáo tài chính triển khai về mặt coding, đưa ra các đánh giá tổng quát, v.v. 

Bên cạnh kiến thức chuyên môn, kỹ năng nghiệp vụ và khả năng hoàn thành nhiệm vụ được giao, “người làm về khoa học dữ liệu cũng cần phải có các kỹ năng mềm” – chuyên gia Phan Đình Phúc khẳng định. Trong đó, yêu cầu một số kỹ năng như:

• Kỹ năng giao tiếp tốt: Người làm dữ liệu phải giao tiếp nhiều với các đội nhóm, phòng ban như phòng phát triển sản phẩm, lập trình viên, cần có kỹ năng giao tiếp, trao đổi thông tin đầy đủ, chính xác. Đi kèm là khả năng nắm bắt, truyền tải thông tin cho những người không làm về data hiểu những gì mà data scientist đang nói.
• Kỹ năng thuyết trình: Nhiều dự án mà người làm dữ liệu thực hiện sẽ ở giai đoạn nghiên cứu ý tưởng, nên cần biết cách trình bày các ý tưởng, giải thích, đưa ra các kết quả để chứng minh tính hiệu quả của công việc. 

Sản phẩm thực tế

Với những kỹ năng và kiến thức nêu trên, mentor Phan Đình Phúc đã chia sẻ một dẫn chứng thực tế cho công việc của data scientist trong lĩnh vực Fintech – một nền tảng do anh và các đồng nghiệp tại DATX Technology Việt Nam để các nhà đầu tư, người dùng có thể có những đánh giá dựa trên các dữ liệu do AI đã tổng hợp, phân tích.

Trong sản phẩm này, có một số điểm thú vị mà học viên dự định tham gia làm dữ liệu trong lĩnh vực Fintech có thể học hỏi. 

1. Trạng thái thị trường: Có 2 biểu đồ để đánh giá, dựa theo việc phân tích dữ liệu, xây dựng đặc trưng, bộ quy chuẩn đánh giá rủi ro thị trường, có sự áp dụng bởi việc phân tích của AI, đưa ra các đánh giá thị trường đang trong trạng thái như thế nào.
2. Đồng hồ cho thị trường cơ sở và thị trường phái sinh với những khoảng thời gian khác nhau: 15 phút, 30 phút, 1h, 1 ngày hoặc 1 tuần. Chủ yếu dữ liệu liên quan đến thị trường chứng khoán là dữ liệu time series, quan tâm đến các khung thời gian khác nhau như ngắn hạn, trung hạn, dài hạn,… để đưa ra các gợi ý cho nhà đầu tư.
3. Tín hiệu: Dựa theo những dữ liệu đầu vào và DATX xây dựng, hệ thống sẽ phân tích các tín hiệu mua – bán để đưa ra gợi ý cho các nhà đầu tư theo khẩu vị rủi ro của từng người.
4. Xây dựng hệ thống đánh giá riêng về trạng thái của các ngành: Nhờ sự tham vấn của chuyên gia, DATX đưa ra phân loại ngành cho hơn 1000 cổ phiếu của thị trường Việt Nam, phân tích 387 mã, phân nhóm vào 21 ngành, thông qua đây, người dùng có thể biết được trạng thái hiện tai của cố phiếu để đưa ra quyết định.

Như vậy, không chỉ được học hỏi về các kỹ năng và kiến thức, thông qua xTalk #142, các học viên FUNiX còn được mục sở thị một sản phẩm thực tế trong lĩnh vực Fintech.

Mentor Phan Đình Phúc cho rằng: “Dữ liệu sẽ trở thành mối quan tâm của tất cả các doanh nghiệp. Công nghệ Internet, mạng xã hội ngày càng phát triển, nhu cầu lưu trữ, phân tích, mô hình hoá dữ liệu để giải quyết bài toán kinh doanh sẽ ngày càng lớn, từ đó mở ra nhiều vị trí, cơ hội nghề nghiệp mới cho các bạn trẻ. Do đó, hãy cố gắng và kiên trì theo đuổi đam mê để sẵn sàng chớp lấy cơ hội.” 

Minh Tiến

>>> Xem thêm các chủ đề hữu ích:

• Phân tích dữ liệu kinh doanh là làm gì năm 2022
• Trang bị Kỹ năng phân tích dữ liệu cho người mới
• Nhà phân tích dữ liệu làm gì: mô tả, trách nhiệm?
• Học phân tích dữ liệu ở đâu? Cơ hội nghề nghiệp của Data Analyst
• 5 Công cụ phân tích dữ liệu chuẩn, hiệu quả nhất hiện nay
• Vai trò của Python trong phân tích dữ liệu và khoa học dữ liệu