Ngành học “hot” trong thời 4.0: “Khoa học dữ liệu trong kinh tế và kinh doanh”

Đáp ứng nền kinh tế số

Thế giới đang trải qua cuộc cách mạng công nghiệp lần thứ tư. Sau cuộc cách mạng công nghiệp lần thứ ba với đặc trưng là máy tính và kết nối internet toàn cầu, cách mạng công nghiệp lần thứ tư là cách mạng của chuyển đổi số, công nghệ số, và trí tuệ nhân tạo (AI).

Theo xu hướng tất yếu, nền kinh tế hiện đại đã và đang chuyển sang nền kinh tế số, nền sản xuất thông minh, khi công nghệ số và trí tuệ nhân tạo đi vào mọi lĩnh vực của kinh tế và kinh doanh.

Các lĩnh vực như Dữ liệu lớn – Big data, Trí tuệ nhân tạo – AI, Internet vạn vật – IoT, Điện toán đám mây – Cloud computing, và Khoa học dữ liệu – Data Science (DS), là nền tảng kỹ thuật của nền kinh tế thông minh này.

Dữ liệu trong xã hội hiện đại là vô cùng lớn, không thể thu thập và xử lý bằng phương pháp truyền thống.

Trang forbes.com, vào tháng 5/2018 đã ước tính trên thế giới có 3,7 tỉ người dùng internet, mỗi ngày có 5 tỉ lượt tìm kiếm trên mạng; Trong một phút người dùng chia sẻ gần 30 nghìn ảnh trên Snapchat, gần 50 nghìn ảnh trên Instagram, nửa triệu tweet trên twitter, 16 triệu tin nhắn SMS, hơn 4 triệu lượt xem Youtube.

Dự báo năm 2019 số người dùng email sẽ là 2,9 tỉ, và lượng thông tin trao đổi sẽ liên tục tang nhanh. Đối với hoạt động kinh tế và kinh doanh, lượng dữ liệu như vậy vừa là nguồn tài nguyên vô giá, vừa là thách thức trong việc xử lý để tìm ra những thông tin hữu hiệu, tạo ra giá trị gia tăng.

Dữ liệu trong nền kinh tế hiện đại là dữ liệu phi truyền thống, phi cấu trúc. Từng bức ảnh, đoạn âm thanh, đoạn văn bản, dòng trao đổi, hành động “thích” của người dùng đều là các dữ liệu có giá trị, đều là nguồn tài nguyên cần khai thác.

Những thông tin sẽ được chuyển đổi thành dạng số, để từ đó trích xuất các thông tin tiềm ẩn sâu hơn, có thể phân tích, dự báo, đưa ra các chính sách phù hợp, đưa ra các quyết định chính xác kịp thời. Khoa học dữ liệu (Data Science - DS) là sự giao thoa của ba lĩnh vực: Toán và thống kê – Khoa học máy tính – Chuyên ngành sử dụng DS (kinh tế, kinh doanh, y tế, sinh học,…).

Khoa học dữ liệu trong kinh tế và kinh doanh (Data Science in Economics and Business – DSEB) là lĩnh vực rất rộng của khoa học dữ liệu, khi nó tác động tới mọi hoạt động sản xuất kinh doanh, mọi quyết định trong nền kinh tế số.

Các nguồn dữ liệu trong nền kinh tế số được thu thập liên tục, và phạm vi bao phủ toàn cầu, không bị giới hạn bởi không gian và thời gian như trước đây. DSEB giúp đưa ra những quyết định nhanh chóng, khoa học, mang lại lợi ích lớn nhất.

Cơ hội việc làm cao

Là một lĩnh vực hiện đại, DSEB đang được rất nhiều đơn vị, doanh nghiệp quan tâm. Cũng vì là lĩnh vực mới, chưa có cuộc khảo sát chính thức về nhu cầu nhân lực của ngành này.

Tuy nhiên, đã có nhiều công ty hoạt động trong lĩnh vực kinh doanh số, khai thác thông tin từ hệ thống dữ liệu lớn, như: Công ty RTA (Real Time Analytics), Finn Group, Công ty ICONIC, Tổng công ty Dịch vụ số Viettel, Công ty IZI Solution. Các doanh nghiệp đã nhận thức được sự chuyển đổi và phát triển của lĩnh vực khoa học dữ liệu.

Bên cạnh đó, các ngân hàng cũng đang tích cực chuyển đổi thành ngân hàng số hóa. Các hệ thống như thành phố thông minh, trường đại học thông minh đã dần trở thành hiện thực. Tất cả các thực thể trên đều cần một nguồn nhân lực rất lớn ngành Khoa học dữ liệu nói chung, và cụ thể hơn là Khoa học dữ liệu trong Kinh tế và kinh doanh.

Theo tính toán của IBM (nguồn: forbes.com, 13/5/2017) thì trong giai đoạn đến năm 2020, hàng năm, nhu cầu nhân lực Khoa học dữ liệu tăng 28%, nhu cầu nhân lực có trình độ Thạc sĩ, Tiến sĩ tăng 39%.

Điều đặc biệt là trong lĩnh vực Khoa học dữ liệu nhân lực nữ chiếm đến 49%, nghĩa là cơ hội việc làm chọn nam và nữ không khác biệt nhau.

Thông tin cụ thể về ước tính tăng trưởng theo các vị trí làm việc có thể xem trong bảng dưới đây:

Bảng 1: Dự tính mức tăng nhu cầu nhân lực về DS trong các ngành theo vị trí làm việc. (Nguồn:https://www.forbes.com/sites/louiscolumbus/2017/05/13/ibm-predicts-demand-for-data-scientists-will-soar-28-by-2020/#7e8021d7e3bd )

Thu nhập cao nhất trong lĩnh vực kinh tế

Khoa học dữ liệu là lĩnh vực thuộc nhóm có thu nhập cao nhất trong lĩnh vực kinh tế, cũng có thời gian tìm được việc làm phù hợp rất ngắn. Tính toán của IBM cho thấy tại thị trường Mỹ, thời gian tìm được việc làm phù hợp là 43 đến 50 ngày. Tiền lương và thời gian tìm được việc làm phù hợp theo trang forbes.com được cho trong Bảng 2.

Bảng 2: Thời gian tìm được việc làm phù hợp và tiền lương của một số vị trí chuyên môn về Khoa học dữ liệu

(Nguồn:https://www.forbes.com/sites/louiscolumbus/2017/05/13/ibm-predicts-demand-for-data-scientists-will-soar-28-by-2020/#7e8021d7e3bd )

Ngành học mới tại Việt Nam

Hiện nay, tất cả các nước tiên tiến trên thế giới đều đào tạo Khoa học dữ liệu (DS) và Khoa học dữ liệu trong Kinh tế và Kinh doanh (DSEB). Tại Mỹ có trên 100 trường đại học đào tạo về DS và DSEB ở trình độ cử nhân, thạc sỹ và tiến sỹ.

DSEB tại các trường đại học lớn đều trang bị các công cụ chủ yếu cho người học như: Ngôn ngữ Python, Ngôn ngữ R, SQL, RapidMiner. Excel, Spark…, cùng các kỹ năng phân tích số liệu như Thống kê, Kinh tế lượng…, các kiến thức về Kinh tế và kinh doanh.

Tại Việt Nam, trường Đại học Kinh tế Quốc dân là trường đại học đầu tiên tại Việt Nam đào tạo đại học về Khoa học dữ liệu trong Kinh tế và Kinh doanh.

Chương trình được đào tạo bằng Tiếng Anh, được thiết kế dựa trên chương trình đào tạo của các đại học tại Australia và Singapore.

Chuẩn đầu ra của chương trình bao gồm việc vận dụng tốt các phương pháp Toán – thống kê trong phân tích dữ liệu, mô hình hóa, suy diễn thống kê, áp dụng học máy (machine learning), có khả năng thiết kế thuật toán để giải quyết các bài toán kinh tế - kinh doanh với dữ liệu lớn, từ đó đưa ra các giải pháp, đề xuất kiến nghị, hỗ trợ ra quyết định trong kinh tế và kinh doanh.

Người học được đào tạo kỹ năng sử dụng thành thạo các ngôn ngữ chuyên dụng: R, Python, SQL, thu thập và xử lý dữ liệu cấu trúc và phi cấu trúc, kỹ năng quản trị, tổng hợp, trích xuất dữ liệu, khai thác thông tin, phát hiện xu hướng tiềm ẩn, tri thức mới trong dữ liệu.

Hồng Hạnh