4 lỗi khiến CV Data Analyst của mình bị loại từ vòng đầu
Vì sao CV Data Analyst của newbie dễ bị loại dù đã học SQL, Power BI, Python? Xem ngay 4 lỗi thường gặp và cách sửa CV theo hướng chuẩn tuyển dụng.
Dạo gần đây trên các trang mạng xã hội về Data, mình thấy mọi người khá quan tâm đến chủ đề làm thế nào để CV của newbie có thể pass vòng screening cho các vị trí Data Analyst. Bởi có khá nhiều bạn làm CV nhìn rất chỉn chu: biết các tool phổ biến, có project, có portfolio, thậm chí còn chỉnh CV theo keyword trong JD khá cẩn thận. Nhưng đến khi gửi hồ sơ, kết quả nhận lại vẫn là im lặng.
Mình biết rằng nhiều bạn rơi vào trường hợp này sẽ cảm thấy khá hoang mang khi không biết CV của mình có vấn đề gì mà mãi không có kết quả, vì mình cũng đã từng như vậy. Nếu CV còn sơ sài thì việc chưa có phản hồi có thể dễ hiểu hơn. Nhưng khi bạn đã học nhiều tool, làm project, sửa CV nhiều lần mà vẫn không nhận được phản hồi, bạn rất dễ nghĩ rằng mình “chưa đủ giỏi”, rồi tiếp tục học thêm một công cụ mới, làm thêm một dashboard mới, hoặc thêm nhiều keyword hơn vào CV.
Vì vậy, trong bài viết này, hãy cùng mình nhìn lại 4 lỗi CV phổ biến mà các bạn newbie/fresher/junior muốn apply Data Analyst thường gặp phải và vì sao những lỗi này có thể khiến CV của bạn bị loại ngay từ vòng đầu.
À nếu bạn là newbie đang apply Data Analyst nhưng chưa biết bắt đầu từ đâu, bạn có thể tham khảo lộ trình học Professional Data Analyst Program nhé.
Lỗi 1: CV không tối ưu theo vị trí ứng tuyển
Một lỗi khá phổ biển mình thường thấy đó là rất nhiều bạn khi apply job chỉ dùng một bản CV duy nhất để gửi cho nhiều vị trí khác nhau: Data Analyst, Business Analyst, BI Analyst, Marketing Analyst,...
Cách này tiết kiệm thời gian, nhưng lại khiến CV của bạn bị chung chung, không có gì nổi bật. Vì mỗi vị trí sẽ ưu tiên một nhóm năng lực khác nhau. Ví dụ:
Data Analyst cần khả năng xử lý dữ liệu, phân tích và trình bày insight.
BI Analyst thường chú trọng dashboard, data model, reporting logic và khả năng làm việc với stakeholder.
Marketing Analyst lại cần hiểu campaign, funnel, customer behavior, CAC, CVR, ROAS hoặc lead quality.
Nếu bạn dùng cùng một CV cho tất cả, những phần liên quan nhất với từng role có thể không được làm nổi bật đúng mức.
Ví dụ, khi apply Marketing Analyst, một project về campaign performance nên được viết sâu hơn những project khác. Nhưng nếu project đó bị đặt sau một task quá chung về sales dashboard hoặc movie dataset, nhà tuyển dụng có thể đánh giá bạn chưa thực sự phù hợp với job đang apply.
Tối ưu CV theo vị trí ứng tuyển không có nghĩa là viết lại toàn bộ CV từ đầu cho mỗi JD. Nó có nghĩa là bạn cần điều chỉnh thứ tự, cách nhấn mạnh và ngôn ngữ trong CV để match với role hơn.
Do vậy, trước khi gửi CV, bạn hãy kiểm tra thật kỹ xem:
CV này đang apply role gì?
JD nhấn mạnh nhóm năng lực nào?
Project hoặc kinh nghiệm nào liên quan nhất với role đó?
Keyword nào nên xuất hiện tự nhiên trong bullet, thay vì chỉ nằm ở phần Skills?
Có thông tin nào ít liên quan nên rút gọn để nhường chỗ cho phần quan trọng hơn không?
Một CV tốt không chỉ cho thấy bạn đã học gì. Nó còn cần cho thấy bạn hiểu vị trí mình đang ứng tuyển cần gì, và bạn có những bằng chứng để chứng minh mình phù hợp với vị trí đó.
Lỗi 2: CV nhồi nhét nhiều keyword nhưng thiếu bằng chứng ứng dụng
Thêm một lỗi mà khá nhiều bạn newbie mắc phải là phần kỹ năng trong CV được viết rất dày: SQL, Power BI, Python, Excel, Tableau, Statistics, Data Cleaning, Data Visualization, Dashboarding,… Nói chung là có bao nhiêu kỹ năng liên quan là bạn nhồi nhét hết vào trong CV.
Những keyword này không sai. Nhưng nếu phần Experience và Projects lại không cho thấy bạn đã dùng những công cụ đó vào bài toán cụ thể nào, người đọc sẽ khó đánh giá năng lực thật của bạn.
Ví dụ: CV bạn ghi Power BI trong phần Skills, nhưng phần kinh nghiệm chỉ viết vài từ sơ sài như “Sử dụng Power BI để xây dashboard bán hàng.”
Dòng này chưa đủ để chứng minh bạn dùng Power BI như thế nào.
Bạn dùng Power BI để thiết kế dashboard theo nhóm chỉ số nào?
Dashboard đó giúp theo dõi vấn đề gì?
Bạn có dùng DAX, data model, filter, drill-down hay logic phân tích nào không?
Quan trọng hơn, bạn rút ra được insight gì từ dashboard đó?
Đó mới là những thứ nhà tuyển dụng muốn đọc. Do vậy, thay vì viết một cách rời rạc, bạn hãy đào sâu thêm một tầng nữa để người đọc hiểu rõ bạn dùng tools đó để làm gì.
Một cách viết tốt hơn là: “Xây Power BI dashboard theo dõi doanh thu, biên lợi nhuận và số lượng đơn hàng theo sản phẩm/khu vực; dùng DAX để tính profit margin và xác định nhóm sản phẩm có doanh thu tăng nhưng biên lợi nhuận giảm.”
Ở đây, keyword Power BI không chỉ nằm trong phần Skills. Nó có bằng chứng đi kèm trong project: bạn dùng tool đó để xử lý metric cụ thể, có thao tác cụ thể và có kết quả rõ ràng.
Với CV Data Analyst, keyword chỉ giúp nhà tuyển dụng biết bạn đã biét công cụ nào. Nhưng phần Experience và Projects mới là nơi chứng minh bạn dùng công cụ đó để làm gì. Nếu hai phần này không kết nối với nhau, CV sẽ dễ tạo cảm giác “biết tên tool” nhiều hơn là “dùng được tool trong một bài toán cụ thể”.
Lỗi 3: Mô tả công việc quá chung chung, không liên kết được với kinh nghiệm cũ
Lỗi này đặc biệt phổ biến với các bạn trái ngành từ Marketing, Sales, Business, Operations muốn chuyển sang làm Data Analyst. Bởi nhiều bạn nghĩ rằng kinh nghiệm cũ của mình không liên quan, nên thường không đề cập đến hoặc nếu có thì chỉ mô tả rất chung chung:
Làm báo cáo hiệu quả marketing hằng tuần
Theo dõi data khách hàng
Hỗ trợ team sales cập nhật pipeline
Tổng hợp số liệu từ nhiều nguồn
Những task này thật ra có thể liên quan đến Data Analyst nhiều hơn bạn nghĩ. Nhưng nếu chỉ viết như vậy, nhà tuyển dụng sẽ nhìn thấy một marketer, sales executive hoặc business intern đang kể lại công việc cũ. Họ chưa thấy phần “analyst” trong đó.
Với người trái ngành, kinh nghiệm business chỉ trở thành lợi thế khi được chuyển hóa thành bằng chứng phân tích.
Ví dụ, thay vì viết: “Làm báo cáo hiệu quả campaign hằng tuần.”
Bạn có thể viết theo hướng: “Theo dõi hiệu quả campaign theo CTR, CVR và CPL; phát hiện nhóm creative có CTR cao nhưng CVR thấp, từ đó đề xuất kiểm tra lại message trên landing page và chất lượng lead theo từng nguồn.”
Câu này không biến bạn thành một Senior Data Analyst. Nhưng nó cho thấy bạn đã từng tiếp xúc với dữ liệu, hiểu metrics biết đặt câu hỏi về nguyên nhân, và biết nối dữ liệu với hành động tiếp theo.
Mình nghĩ nhiều bạn trái ngành thường hay tự đánh giá thấp kinh nghiệm cũ vì nghĩ những công việc cũ không liên quan, chuyển ngành thì mình phải “bắt đầu từ số 0”. Nhưng thực tế, Marketing, Sales, hay Business đều có rất nhiều data context như funnel, conversion, lead quality, campaign performance, customer behavior, revenue pipeline, retention, budget allocation.
Vì vậy, thay vì xem background trái ngành là điểm yếu, bạn có thể thử nhìn lại những công việc mình từng làm dưới góc nhìn phân tích hơn.
Khi viết được những trải nghiệm đó rõ hơn trong CV, bạn không chỉ cho thấy mình có kinh nghiệm business, mà còn cho thấy mình hiểu dữ liệu được dùng để hỗ trợ quyết định như thế nào. Đây là lợi thế rất đáng tận dụng, vì Data Analyst không chỉ là người làm dashboard, mà còn cần hiểu bài toán kinh doanh phía sau đó.
Lỗi 4: Formatting thiếu chuyên nghiệp
Đây là lỗi phổ biến nhất mà newbie thường mắc phải khi viết CV.
Với người mới, mình thấy nhiều bạn dành rất nhiều thời gian để học tool và làm project, nhưng lại xem nhẹ cách trình bày CV. Kết quả là CV có nội dung ổn, nhưng khi đọc vào lại bị rối: font chữ không đồng nhất, spacing chỗ rộng chỗ hẹp, bullet quá dài, section sắp xếp thiếu logic, hoặc mỗi project được viết theo một format khác nhau.
Ở vòng lọc CV, nhà tuyển dụng thường không đọc kỹ từng dòng ngay từ đầu. Họ scan rất nhanh để xem bạn có những tín hiệu phù hợp không: skill, project, kinh nghiệm, mức độ liên quan với role. Nếu CV trình bày rối, người đọc sẽ khó nắm được điểm mạnh của bạn, dù bên trong có thể có thông tin tốt.
Một số lỗi formatting khá phổ biến mà nhiều newbie mắc phải:
CV dùng quá nhiều font, quá nhiều màu hoặc quá nhiều icon.
Các heading như Education, Skills, Projects, Experience không nổi bật rõ.
Bullet point dài như đoạn văn, khiến người đọc khó scan.
Thông tin quan trọng như SQL, Power BI, project liên quan hoặc kết quả phân tích bị giấu ở cuối dòng.
CV dài quá 2 trang dù kinh nghiệm còn ít.
Với CV Data Analyst fresher hoặc newbie, formatting tốt không có nghĩa là thiết kế phải thật đẹp. Nó có nghĩa là CV phải dễ đọc, dễ scan và giúp thông tin quan trọng nổi bật đúng chỗ.
Bạn có thể tự kiểm tra bằng một nguyên tắc đơn giản: Nếu một người chỉ nhìn CV của bạn trong 20-30 giây, họ có thấy ngay bạn đang apply Data Analyst, bạn biết những skill liên quan nào, bạn có project gì, và project đó chứng minh năng lực gì không?
Nếu câu trả lời là không, có thể vấn đề không nằm ở năng lực của bạn, mà nằm ở cách bạn đang trình bày CV.
Vậy CV Data Analyst của newbie nên chứng minh điều gì?
Có 3 nhóm năng lực mình nghĩ cần có trong CV Data Analyst của một newbie:
Thứ nhất là technical foundation: Bạn không cần chứng minh mình biết mọi tool, nhưng cần cho thấy bạn có thể làm việc với dữ liệu bằng SQL, Excel, BI tool hoặc Python tùy role.
Thứ hai là analytical thinking: Bạn biết đặt câu hỏi, chọn metric, tìm pattern, giải thích nguyên nhân và đưa ra recommendation.
Thứ ba là business context: Bạn hiểu dữ liệu không tồn tại để làm dashboard cho đẹp. Dữ liệu đúng sẽ được dùng để ra quyết định tốt hơn: tăng doanh thu, tối ưu chi phí, cải thiện conversion, giữ chân khách hàng, giảm rủi ro hoặc phân bổ nguồn lực hợp lý hơn.
Nếu CV của bạn chỉ thể hiện phần tool, nhà tuyển dụng có thể chỉ thấy bạn là một người mới học công cụ. Nhưng nếu CV làm rõ được cả nền tảng technical, tư duy phân tích và khả năng hiểu bài toán kinh doanh, nhà tuyển dụng sẽ có nhiều lý do hơn để cân nhắc bạn cho vòng tiếp theo.
Demo buổi review CV Data Analyst với Trainer trong chương trình Professional Data Analyst
» Bạn có thể xem buổi review CV của học viên với trainers tại đây.
Tạm kết
Không thể phủ nhận rằng job Data Analyst đang ngày càng cạnh tranh hơn, đặc biệt với fresher/newbie khi các vị trí “entry-level” không còn dễ tiếp cận như trước. Vì vậy, CV và portfolio là hai phần rất quan trọng để nhà tuyển dụng có lý do cân nhắc bạn cho vòng tiếp theo.
Một CV Data Analyst tốt cần cho người đọc thấy bạn đang có nền tảng gì, từng làm những project hoặc công việc liên quan nào, và những trải nghiệm đó chứng minh được năng lực gì.
Vì thực tế là, ở vòng lọc CV, nhà tuyển dụng không có nhiều thời gian để phân tích năng lực thật của bạn. Họ chỉ nhìn vào những gì bạn viết và đánh giá: “Ứng viên này có đang thể hiện tư duy của một Data Analyst không, hay chỉ đang liệt kê những thứ đã học?”.
Nếu bạn đang apply Data Analyst và muốn xây dựng nền tảng dữ liệu bài bản: có project, portfolio và CV rõ ràng hơn, chương trình Professional Data Analyst tại TM Data School sẽ là một lộ trình phù hợp với bạn.
Trong 6 tháng, bạn sẽ xây nền tảng với các công cụ data như SQL, Power BI, Python và AI workflow, đồng thời hoàn thiện 2-3 dự án thực tế có business context. Trong quá trình học, bạn cũng sẽ được trainer trực tiếp feedback, review CV và portfolio để biết mình cần cải thiện ở đâu trước khi ứng tuyển.
Roadmap Data Analyst thời AI trong chương trình học Professional Data Analyst