Top 30+ câu hỏi phỏng vấn Data Analyst thường gặp

Nội dung bài viết

Theo báo cáo “Jobs on the Rise” của LinkedIn, Data Analyst nằm trong Top 10 công việc tăng trưởng mạnh nhất toàn cầu với mức tăng 25% mỗi năm ở nhiều thị trường phát triển. Thêm vào đó, thế giới có thể tạo ra tới 463 exabyte dữ liệu mỗi ngày vào năm 2025 – dữ liệu dồi dào nhưng vô hình nếu không có người “giải mã”. Chính vì thế, bài viết này sẽ không chỉ dừng lại ở việc liệt kê những câu hỏi phỏng vấn Data Analyst mà còn mong muốn giúp cả ứng viên lẫn nhà tuyển dụng (hoặc lập trình viên, quản lý) hiểu sâu hơn về các kỹ năng “xương sống” của một Data Analyst.

Đọc bài viết sau để nắm vững các câu hỏi phỏng vấn Data Analyst thuộc các chủ đề từ việc làm sạch dữ liệu (data wrangling), tư duy phân tích kinh doanh, đến thiết kế và đo lường chỉ số (metrics).

Data Analyst cần những kỹ năng nào?

Lập trình, làm sạch và xử lý dữ liệu (Python, R, SQL, Excel)

Python/R: Theo Báo cáo Thị trường IT 2024 – 2025 từ ITviec, 45,8% Data Analyst được hỏi đã sử dụng Python như ngôn ngữ chính để thao tác dữ liệu.
SQL: Cũng theo báo cáo trên, theo sát Python chính là SQL với 40% Data Analyst được phỏng vấn sử dụng SQL làm ngôn ngữ chính.
Excel: Vẫn là “công cụ quốc dân” cho thao tác dữ liệu nhanh, tính toán pivot, và đặc biệt hữu ích khi xử lý các bài toán cỡ vừa, không đòi hỏi kiến thức code phức tạp.

Trực quan hoá dữ liệu (Tableau, Power BI)

Những công cụ BI (Business Intelligence) như Tableau, Power BI hay Looker thường được dùng để “kể câu chuyện” bằng hình ảnh.

Theo thống kê từ Salesforce, các công ty áp dụng tốt BI và Data Visualization có thể cải thiện quyết định kinh doanh đến 80% nhờ vào khả năng quan sát realtime dashboard.

Kiến thức về Cloud & IDE (BigQuery, AWS Redshift, Databricks, Jupyter Notebook, VSCode)

Ngày càng nhiều doanh nghiệp chuyển dịch sang hạ tầng Cloud để xử lý khối lượng dữ liệu khổng lồ (Big Data). Các nền tảng Cloud hiện đại đã chứng tỏ khả năng xử lý hàng triệu truy vấn mỗi ngày, đáp ứng nhu cầu ngày càng cao của doanh nghiệp.
Việc dùng IDE linh hoạt như Jupyter Notebook hoặc VSCode giúp Data Analyst gỡ rối code nhanh chóng, ghi chú được quy trình làm việc, và dễ dàng chia sẻ kết quả trong đội.

Thiết kế Metrics & Chỉ số đo lường

Xác định KPI, metrics phù hợp: Ví dụ, với website thương mại điện tử, KPI có thể là “tỷ lệ chuyển đổi” (conversion rate) hoặc “giỏ hàng trung bình” (average order value).
Tư duy đo lường và đánh giá hiệu quả: Biết cách đặt mục tiêu hợp lý, tránh rơi vào bẫy “vanity metrics” (chỉ số trông đẹp nhưng không mang lại giá trị thực).

Kỹ năng nâng cao (Nice to have)

Data Engineering (ETL, Data Modeling): Thông thạo thiết kế pipeline dữ liệu giúp công việc của Data Analyst trơn tru hơn.
A/B Testing, phân tích thống kê nâng cao: Trong marketing hay sản phẩm, A/B Testing là “xương sống” của các quyết định tối ưu trải nghiệm người dùng.
Data Science cơ bản (regression, clustering, time series): Đưa ra dự đoán (forecast) và phát hiện xu hướng sớm, giảm thiểu rủi ro kinh doanh.

Đọc thêm: Lộ trình phát triển sự nghiệp Data Analyst: Vị trí, Công việc và Yêu cầu

Các câu hỏi phỏng vấn Data Analyst về kỹ năng chuyên môn (Technical skill)

Bạn thường làm gì để làm sạch dữ liệu trong pandas (Python)?

Góc nhìn nhà tuyển dụng:

Doanh nghiệp kỳ vọng ứng viên nắm vững quy trình làm sạch dữ liệu một cách có hệ thống, không chỉ biết mỗi lệnh dropna() hay fillna().

Họ cũng muốn biết liệu ứng viên có quản lý được việc ghi nhận, giải thích lý do chọn phương pháp (mean, median, mô hình dự đoán…) hay không, vì việc này sẽ ảnh hưởng trực tiếp đến chất lượng phân tích.

Câu trả lời gợi ý:

Trong quá trình làm sạch dữ liệu với pandas, tôi thường tiến hành theo các bước:

Xem nhanh qua dữ liệu (head, info, describe) để nắm tổng quan.
Tìm và xử lý dữ liệu thiếu (missing values), chẳng hạn như dùng mean() hoặc median() nếu dữ liệu phù hợp, hoặc xóa dòng nếu tỷ lệ bị thiếu nhỏ và không ảnh hưởng nhiều đến mẫu.
Chuẩn hóa kiểu dữ liệu (ví dụ: ngày tháng về datetime) và kiểm tra xem có giá trị ngoại lai (outlier) không. Nếu có, tôi sẽ cân nhắc dùng IQR (Interquartile Range) hoặc z-score để loại bỏ hoặc điều chỉnh.
Cuối cùng, tôi thường lưu lại các bước này vào notebook để đảm bảo quy trình có tính tái lập.

So sánh DataFrame trong pandas và data frame trong R?

pandas.DataFrame trong Python linh hoạt về việc thao tác với dữ liệu lớn, tốc độ xử lý nhờ thư viện C (NumPy) hỗ trợ. Cộng đồng Python cũng rất mạnh, liên tục cập nhật nhiều thư viện mở rộng (như scikit-learn cho machine learning).

Trong khi đó, data frame của R được thiết kế sát với các hàm thống kê, dễ dàng triển khai các test thống kê hoặc các kỹ thuật như ANOVA. Ngoài ra, các hàm xử lý dữ liệu “tiện tay” như dplyr, tidyr hay ggplot2 khá mạnh và “chuẩn” cho nghiên cứu thống kê.

Tùy mục đích mà tôi chọn Python (khi thiên về sản xuất, cần tích hợp hệ thống, build pipeline) hay R (khi thiên về phân tích thống kê chuyên sâu, trực quan).

Bạn từng dùng thư viện nào trong R để trực quan hoá dữ liệu (ví dụ: ggplot2)?

Tôi chủ yếu dùng ggplot2 vì cú pháp chia làm nhiều lớp (grammar of graphics) rất rõ ràng: tôi định nghĩa dữ liệu, trục (aes), sau đó thêm các layer (geom_bar, geom_line, v.v.).

Khả năng tùy biến của ggplot2 rất cao, phù hợp để khám phá dữ liệu hoặc xuất bản các biểu đồ có chất lượng “xuất tạp chí”. Với các bài toán EDA (Exploratory Data Analysis), tôi thích kết hợp ggplot2 với plotly để tạo biểu đồ tương tác, trình bày trước stakeholder.

Ngoài ggplot2, sau đây là danh sách các thư viện R hữu ích trong việc trực quan hóa dữ liệu:

plotly
lattice
highcharter
shiny
cowplot
dygraphs
heatmaply
visNetwork
corrplot
rgl

Viết một truy vấn JOIN từ 2–3 bảng, rồi giải thích logic và cách xử lý kết quả.

Ví dụ, tôi có bảng orders (chứa thông tin đơn hàng) và bảng customers (chứa thông tin khách hàng). Tôi muốn lấy danh sách khách hàng, cùng tổng giá trị đơn hàng của họ.

Câu lệnh có thể như sau (giả sử dùng PostgreSQL):

SELECT c.customer_id,
       c.customer_name,
       SUM(o.order_amount) AS total_spending
FROM customers c
JOIN orders o ON c.customer_id = o.customer_id
GROUP BY c.customer_id, c.customer_name
ORDER BY total_spending DESC;

Ở đây, tôi dùng INNER JOIN để lấy những khách hàng có ít nhất một đơn hàng. Sau đó, tôi dùng hàm tổng SUM để tính tổng chi tiêu và GROUP BY để gộp theo từng khách hàng. Điều này cho phép tôi biết được ai là khách hàng chi trả nhiều nhất.

Đọc thêm: JOIN trong SQL: Cú pháp và cách sử dụng các phép JOIN

Làm thế nào để tối ưu hóa một truy vấn SQL chạy rất chậm (chẳng hạn mất đến 10 giây để hoàn thành)? Liệu việc thêm Index hoặc sử dụng EXPLAIN PLAN (hay các phương pháp khác) có giúp xác định và cải thiện điểm nghẽn hiệu suất?

Đầu tiên, tôi sẽ kiểm tra truy vấn với EXPLAIN hoặc EXPLAIN ANALYZE (tuỳ hệ quản trị) để xem truy vấn đang sử dụng loại scan gì. Nếu truy vấn đang sử dụng “sequential scan” trong khi cột dùng để JOIN hoặc WHERE không được đánh chỉ mục (index), thì tôi sẽ đề xuất tạo index phù hợp.

Tôi cũng sẽ xem có “bottleneck” ở chỗ nào không, ví dụ do nhiều JOIN lồng nhau, GROUP BY trên dữ liệu cực lớn. Đôi lúc, chỉ cần tách logic thành nhiều câu truy vấn trung gian hoặc sử dụng CTE (Common Table Expression) cũng giúp dễ tối ưu hơn.

Ngoài ra, tránh dùng SELECT * nếu không cần.

Window functions trong SQL được dùng trong trường hợp nào?

Window functions rất hữu ích khi tôi cần thực hiện các phép tính tổng (SUM, AVG, COUNT) hoặc tính toán luỹ tiến (running total) mà không muốn nhóm dữ liệu hoàn toàn (như GROUP BY). Ví dụ, dùng RANK() hay ROW_NUMBER() để xếp hạng khách hàng dựa trên giá trị đơn hàng, hoặc tính tỷ lệ phần trăm (PERCENT_RANK).

Window functions giúp phân tích “theo nhóm” (partition) nhưng vẫn giữ nguyên tính chất từng dòng, rất hữu ích khi xây dựng báo cáo tài chính tuần tự, hoặc so sánh dữ liệu tháng hiện tại với tháng liền trước.

Khi nào bạn sử dụng Pivot Table?

Pivot Table là công cụ tuyệt vời khi tôi cần tổng hợp dữ liệu nhanh, xem tỷ lệ, xem tổng doanh thu theo tháng hoặc theo khu vực một cách linh hoạt.

Chẳng hạn, nếu tôi có bảng giao dịch 10.000 dòng, thay vì code Python, tôi chỉ cần vài giây kéo-thả trường (field) trong Pivot Table để thay đổi góc nhìn dữ liệu (theo Ngày, theo Sản phẩm, theo Địa phương). Điều này cực kỳ hữu ích trong buổi họp khi stakeholder muốn kiểm tra nhanh một chỉ số.

Khi cần dò tìm giá trị thì bạn sử dụng INDEX/MATCH hay VLOOKUP? Lý do vì sao?

Tiêu chí	VLOOKUP	INDEX/MATCH
Cách thức hoạt động	– Tìm kiếm một giá trị trong cột đầu tiên của bảng. <br/> – Trả về giá trị từ một cột được chỉ định.	– Kết hợp hai hàm: <br/> MATCH tìm vị trí của giá trị trong một mảng/dòng/cột.<br/> INDEX trả về giá trị tại vị trí đó trong vùng dữ liệu.
Cú pháp cơ bản	VLOOKUP(lookup_value, table_array, col_index_num, [range_lookup])	– MATCH(lookup_value, lookup_array, [match_type]) <br/> – INDEX(array, row_num, [column_num])
Ưu điểm	– Dễ học, dễ dùng đối với người mới vì chỉ cần một hàm duy nhất. <br/> – Phổ biến, nhiều người dùng Excel đều biết.	– Linh hoạt, không bắt buộc cột dò tìm phải nằm ở vị trí đầu tiên. <br/> – Khi cấu trúc bảng thay đổi (thêm/xoá cột), công thức không bị ảnh hưởng nhiều. <br/> – Thường cho hiệu suất tốt hơn trên bảng dữ liệu lớn.
Nhược điểm	– Bắt buộc cột chứa giá trị dò phải là cột đầu tiên. <br/> – Dễ gây lỗi khi cấu trúc bảng thay đổi (thêm/xoá cột thay đổi thứ tự).	– Sử dụng kết hợp hai hàm, dễ gây khó hiểu với người ít kinh nghiệm. <br/> – Việc viết công thức dài hơn (2 hàm) so với VLOOKUP (1 hàm).
Độ khó tiếp cận	– Dễ tiếp cận cho người mới học Excel hoặc mới làm quen hàm tra cứu.	– Mức độ trung bình, cần nắm vững cách vận hành của cả MATCH lẫn INDEX.
Tốc độ/Hiệu suất	– Với bảng dữ liệu lớn, VLOOKUP có thể chậm hơn vì mỗi lần hàm cần duyệt nhiều cột.	– Thường nhanh hơn và linh hoạt hơn trên bảng dữ liệu lớn. <br/> – Tối ưu khi cần tra cứu ở nhiều vị trí khác nhau.
Trường hợp sử dụng điển hình	– Dữ liệu sắp xếp theo kiểu “lookup” cố định, ít thay đổi cấu trúc cột. <br/> – Nhóm làm việc quen VLOOKUP, muốn nhanh chóng áp dụng mà không cần đào tạo nhiều.	– Dữ liệu có thể thay đổi cấu trúc cột. <br/> – Cần truy xuất giá trị ở nhiều cột khác nhau, hoặc duyệt nhiều chiều. <br/> – Bảng dữ liệu lớn yêu cầu tốc độ tra cứu nhanh.

Bạn đã bao giờ dùng Data Validation để kiểm soát input trong Excel chưa?

Có.

Data Validation cho phép tôi gán các quy tắc, ví dụ như chỉ cho phép người dùng nhập ngày tháng trong một khoảng nhất định, hoặc chỉ chọn giá trị từ danh sách. Cách này giúp dữ liệu “sạch” ngay từ khi nhập, giảm rủi ro sai sót do lỗi gõ. Thậm chí, tôi còn bật cả thông báo cảnh báo khi người nhập sai loại dữ liệu.

Bạn thường xử lý giá trị thiếu (missing) bằng cách nào (mean imputation, median, xóa dòng)?

Phương pháp xử lý phụ thuộc vào đặc thù tập dữ liệu, ví dụ:

Nếu dữ liệu thiếu chỉ chiếm tỷ lệ nhỏ (ví dụ <5%), xóa dòng có thể tạm chấp nhận.
Còn nếu bị thiếu ở cột quan trọng, tôi ưu tiên tính toán các “điểm thay thế” như mean, median hoặc dùng mô hình dự đoán (chẳng hạn KNN imputer trong Python) để ước lượng.

Tuy nhiên, tôi luôn kiểm tra liệu việc thay thế ấy có làm “sai lệch” phân phối dữ liệu hay không.

Cách bạn phát hiện và xử lý outlier?

Outlier là một số các điểm dữ liệu rất bất thường so với tập dữ liệu, nằm xa giá trị trung bình của tập, không tuân theo các quy luật phân phối chuẩn.

Để phát hiệu outlier, tôi thường vẽ các biểu đồ như boxplot, histogram để phát hiện outlier một cách trực quan. Về mặt định lượng, IQR (Interquartile Range) là một chỉ số thường dùng: những giá trị nằm ngoài [Q1 – 1.5IQR, Q3 + 1.5IQR] có thể coi là outlier.

Ngoài ra, tôi dùng z-score nếu dữ liệu gần phân phối chuẩn. Việc xử lý outlier có thể là loại bỏ (khi outlier là lỗi) hoặc winsorizing (gán bằng giá trị ngưỡng).

Quan trọng là tôi phải đặt câu hỏi liệu outlier đó có ý nghĩa về mặt kinh doanh hay không (ví dụ, VIP user chi tiền cực lớn không phải “lỗi” mà là tệp khách hàng đặc biệt).

Bạn hợp nhất nhiều file CSV thành một dataset lớn như thế nào?

Tôi thường sử dụng pandas.concat() hoặc pd.merge() khi muốn ghép theo cột chung.

Trước khi hợp nhất, tôi kiểm tra kỹ xem tên cột có nhất quán không, encode ký tự thế nào (UTF-8 hay ANSI), có cột nào trùng hoặc bị lặp giá trị. Tôi cũng xem xét dung lượng RAM và có thể chuyển sang đọc dữ liệu theo chunks nếu file quá lớn.

Cuối cùng, tôi gắn cờ (flag) hoặc thêm cột chỉ định “nguồn” (source) để sau này phân tích dữ liệu cho dễ đối chiếu.

Bạn từng chạy query trên BigQuery/AWS Redshift chưa? So sánh BigQuery với SQL truyền thống?

Tôi đã dùng BigQuery cho các dự án phân tích dữ liệu clickstream.

BigQuery là dạng “serverless”, không cần lo nhiều về cấu hình máy chủ, trả phí theo khối lượng dữ liệu được quét. AWS Redshift lại theo hướng MPP (Massively Parallel Processing), khi cần xử lý data warehouse ở quy mô lớn. Cả hai đều tương thích ngôn ngữ SQL, nhưng khi chạy BigQuery, tôi thường cẩn thận lọc bớt cột, tránh SELECT * vì phí tính dựa trên lượng dữ liệu quét.

Ở góc độ truyền thống, tôi phải tự tối ưu nhiều hơn về mặt cài đặt (đặt index, phân mảnh bảng…) trong những hệ thống như MySQL hay PostgreSQL.

Bạn thích dùng Jupyter Notebook hay VSCode để phân tích dữ liệu? Tại sao?

Mỗi công cụ có ưu điểm riêng, như:

Jupyter Notebook cho phép tôi ghi chú (markdown) và hiển thị biểu đồ ngay dưới cell code, rất thân thiện khi tôi demo mô hình hoặc chia sẻ với đồng nghiệp phi kỹ thuật.
VSCode thì mạnh ở khả năng quản lý dự án lớn, tích hợp Git, debugging, nhiều extension (ESLint, Python lint…).

Tùy vào tính chất của công việc mà tôi chọn công cụ:

Nếu làm quick EDA hay prototyping, tôi nghiêng về Jupyter Notebook.
Còn khi code “production” hay cần cấu trúc dự án rõ ràng, tôi dùng VSCode.

Khi nào nên dùng biểu đồ cột, đường, hay scatter plot?

Tôi chọn dạng biểu đồ tuỳ mục tiêu trình bày và kiểu dữ liệu:

Biểu đồ cột (bar chart) dùng để so sánh danh mục (ví dụ: top 5 sản phẩm bán chạy).
Biểu đồ đường (line chart) phù hợp để theo dõi xu hướng theo chuỗi thời gian (doanh thu theo ngày).
Scatter plot (biểu đồ phân tán) giúp xem mối tương quan giữa hai biến, chẳng hạn giữa “giá trị đơn hàng” và “số lần đăng nhập”.

Bạn có kinh nghiệm thiết kế dashboard cho cấp lãnh đạo trên Tableau/Power BI? Bí quyết làm dashboard “dễ hiểu”?

Góc nhìn nhà tuyển dụng:

Doanh nghiệp mong ứng viên có khả năng “storytelling”, thiết kế dashboard không chỉ đẹp mà còn tiết kiệm thời gian cho lãnh đạo. Họ đánh giá cao ứng viên có tư duy tối giản và ưu tiên tính “actionable insight.”

Câu trả lời gợi ý:

Tôi thường bắt đầu bằng việc hỏi sếp/manager: “Anh/chị muốn nhìn thấy dữ liệu gì ngay khi mở dashboard?” Thông thường, lãnh đạo muốn xem KPI quan trọng (doanh thu, lợi nhuận, user mới…), kèm xu hướng.

Do đó, tôi đặt các chỉ số chính ở top, dùng gam màu trung tính, highlight cột hay đường biểu đồ khi cần tập trung. Tôi cũng hạn chế nhồi nhét quá nhiều biểu đồ, thay vào đó chia thành các tab/dash nhỏ gọn.

Bạn thường chọn KPI nào và sắp xếp bố cục dashboard ra sao để truyền đạt insight nhanh nhất?

Góc nhìn nhà tuyển dụng:

Kỹ năng thiết kế dashboard và lựa chọn KPI phù hợp là cực kỳ quan trọng, nhất là với Data Analyst trong môi trường công nghệ cao. Doanh nghiệp muốn đánh giá liệu bạn có khả năng xác định chỉ số cốt lõi, tổ chức bố cục hợp lý và đưa ra insights hữu ích.

Khả năng này đòi hỏi tư duy tổng hợp về hạ tầng dữ liệu, kỹ năng phân tích, và cách giao tiếp bằng hình ảnh (data visualization) sao cho rõ ràng, dễ hiểu.

Câu trả lời gợi ý:

Tôi chọn KPI dựa trên mục tiêu kinh doanh: nếu mục tiêu là tăng chuyển đổi, thì dashboard sẽ có các chỉ số như Conversion Rate, Revenue per Visit, v.v.

Bố cục thường theo thứ tự:

(1) KPI cốt lõi ở trên cùng;
(2) Xu hướng chung (line chart);
(3) Chi tiết theo phân khúc hay danh mục (bar chart, table)
(4) Thêm phần “Key Insights/Rfaecommendation” ở góc để ghi chú các điểm đặc biệt

Làm thế nào để bạn chuyển mục tiêu kinh doanh chung chung (ví dụ: ‘Tăng doanh thu 20% trong quý tới’) thành các metric cụ thể, kèm ví dụ minh hoạ?

Góc nhìn nhà tuyển dụng:

Kỹ năng thiết kế và quản lý metric là một trong những yếu tố cốt lõi của Data Analyst. Doanh nghiệp muốn thấy bạn biết cách chuyển mục tiêu kinh doanh tổng thể thành những chỉ số đo lường cụ thể, có thể theo dõi bằng hạ tầng dữ liệu phù hợp, từ CRM đến công cụ phân tích như Google Analytics.

Việc này đòi hỏi tư duy tổ chức dữ liệu, khả năng phân tích, và kỹ năng xử lý trong các môi trường công nghệ cao.

Câu trả lời gợi ý:

Bước 1: Phân rã các yếu tố chính (drivers):

Số đơn hàng (Number of Orders)
Giá trị trung bình đơn hàng (AOV)
Tần suất mua lại (Purchase Frequency)

Bước 2: Xác định metric & đặt target cho từng yếu tố:

#Orders: +15% so với quý trước
AOV: tăng từ 500.000 lên 600.000 đồng
Tần suất mua lại: từ 20% lên 25%

Bước 3: Thống nhất cách đo lường, nguồn dữ liệu, tần suất báo cáo (VD: lấy từ CRM, Google Analytics…).

Bước 4: Theo dõi thường xuyên và điều chỉnh chiến lược nếu thấy kết quả không đạt kỳ vọng.

Bạn từng đề xuất một metric mới để đo lường hiệu suất sản phẩm chưa? Quy trình xây dựng ra sao?

Trước đây, công ty muốn theo dõi mức độ “chủ động” của user (active user).

Từ yêu cầu đó, tôi đề xuất một metric mới là “Active Session Rate” với định nghĩa bao gồm Số phiên đăng nhập >= 2 phút / tổng user.

Để xây dựng metric này, tôi trao đổi với team kỹ thuật để chắc chắn log thời gian chính xác, rồi tính trung bình hàng ngày (DAU), hàng tuần (WAU).

Sau đó, tôi A/B Testing xem metric này có phản ánh trung thực “user gắn bó” hay không. Kết quả cho thấy nó dự đoán khá tốt tỷ lệ quay lại của khách hàng.

Theo bạn, metric có thể bị “gian lận” hoặc diễn giải sai lệch như thế nào?

Một ví dụ là “pageview” — có thể bị làm giả bằng bot hoặc user refresh nhiều lần. Tương tự, “conversion rate” cũng có thể tăng ảo nếu chúng ta lọc mất dữ liệu user truy cập nhưng không có ý định mua hàng.

Việc “gian lận” này thường liên quan đến cách định nghĩa, hay do incentive của team (muốn KPI trông đẹp). Tôi luôn khuyến khích doanh nghiệp cross-check dữ liệu, xem logic đo lường chặt chẽ không, và tạo bộ lọc để loại bỏ hành vi ảo.

Dưới đây là một vài metric cũng dễ bị “làm đẹp” hoặc “gian lận” tương tự như trường hợp “pageview” hay “conversion rate”:

Click-through Rate (CTR): Dễ bị bóp méo nếu có bot hoặc người dùng bấm đi bấm lại liên tục vào link/quảng cáo.
User Sign-ups / Registrations: Có thể bị “phóng đại” bằng cách tạo nhiều tài khoản ảo, email ảo, hoặc chương trình giới thiệu (referral) tự spam.
App Downloads: Một số chiến dịch quảng cáo hoặc bot có thể cố tình tải app nhiều lần để tăng số lượt tải ảo.
Engagement trên mạng xã hội (lượt like, share, comment): Nhiều trường hợp sử dụng tool auto-like, auto-follow, hoặc thuê “chợ đen” để tăng tương tác.
Rating/Review: Các đánh giá sao (5 sao, 4 sao,…) hoặc review sản phẩm/dịch vụ có thể bị thao túng (mua đánh giá ảo, xóa đánh giá xấu,…).
Email Open Rate: Bot hoặc script tự động mở mail (thường do bên gửi kiểm soát, nhất là nếu mục tiêu KPI bị gắn với open rate).

Bạn từng xây dựng pipeline ETL tự động chưa? Dùng công cụ gì (Airflow, Luigi…)?

Có, tôi dùng Airflow cho một dự án liên quan đến dữ liệu CRM & Google Analytics.

Tôi thiết kế DAG (Directed Acyclic Graph) để tự động hoá chuỗi task: tải dữ liệu thô, làm sạch, transform sang schema chung, rồi lưu vào data warehouse (Redshift). Airflow cho phép tôi thiết lập lịch chạy (cron) và theo dõi log dễ dàng. Nhờ tự động hoá, chúng tôi tiết kiệm trung bình 2-3 giờ thủ công mỗi ngày.

Data Modeling (Star schema, Snowflake schema) có vai trò gì trong phân tích?

Các schema này giúp tổ chức dữ liệu trong data warehouse gọn gàng, giảm bớt trùng lặp, đồng thời tối ưu tốc độ truy vấn. Star schema, với fact table ở trung tâm và dimension table xung quanh, rất trực quan cho công cụ BI.

Còn Snowflake schema “chuẩn hoá” thêm dimension table, giảm trùng lặp cột. Tùy nhu cầu (khối lượng dữ liệu, tần suất cập nhật, tài nguyên hệ thống) mà tôi chọn mô hình phù hợp.

A/B Testing: Bạn hiểu về hypothesis testing, p-value, significance level?

Khi A/B Testing, tôi giả định H0: “không có khác biệt giữa phiên bản A và B” (thường là version cũ vs. version mới).

Nếu kết quả test cho ra p-value nhỏ hơn significance level (ví dụ 0.05), tôi bác bỏ H0, nghĩa là hai phiên bản có sự khác biệt đáng kể.

Ngoài ra, tôi cũng xem xét practical significance, vì p-value nhỏ chưa chắc đã có ý nghĩa kinh doanh nếu chênh lệch hiệu suất chỉ 0.1%.

Bạn có kinh nghiệm áp dụng regression hoặc phân tích time series để dự báo doanh số?

Regression (hồi quy) trong dự báo

Là phương pháp sử dụng mối quan hệ giữa biến phụ thuộc (thường là chỉ số cần dự báo) và một hoặc nhiều biến độc lập (yếu tố ảnh hưởng) để dự đoán giá trị tương lai.

Ví dụ: Dùng doanh số (biến phụ thuộc) và các biến độc lập như chi phí quảng cáo, xu hướng thị trường… để ước tính doanh số trong kỳ tới.

Với regression, tôi thường thử Linear Regression, Random Forest hoặc XGBoost tuỳ trường hợp. Tôi cũng kiểm tra các chỉ số như R-squared, MAPE để đánh giá độ chính xác.

Time series (chuỗi thời gian) trong dự báo

Tập trung vào việc dự đoán dựa trên chính dữ liệu quá khứ của một biến theo thời gian (ngày, tuần, tháng…).

Ví dụ: Phân tích doanh số bán hàng qua các tháng để tìm quy luật (xu hướng, mùa vụ, chu kỳ…) và dự báo doanh số tháng tiếp theo.

Về time series, tôi có dùng ARIMA, SARIMA hoặc Prophet để xử lý dữ liệu theo mùa, ví dụ chu kỳ mua sắm (holiday sale). Một lần, tôi áp dụng mô hình Prophet cho dữ liệu 2 năm, sai số MAPE dao động khoảng 10%, cho phép công ty dự trù hàng tồn kho khá sát với nhu cầu thực.

Bạn từng gặp thách thức gì khi làm việc với dữ liệu có quy mô rất lớn (Big Data)?

Khi dữ liệu vượt mức vài trăm triệu dòng, tôi phải cân nhắc chia nhỏ thành nhiều partition, hoặc chuyển sang Spark/Databricks để xử lý phân tán.

Bộ nhớ RAM hạn hẹp cũng buộc tôi thay đổi cách thao tác, ví dụ dùng chunk, stream hoặc kết hợp tính toán song song.

Mặt khác, tôi chú trọng cấu trúc pipeline, tránh chạy lệnh “group by” trên toàn bộ dataset một cách thiếu kiểm soát.

Bạn thường phân tích dữ liệu chất lượng kém (thiếu chuẩn hoá, nhiều lỗi) như thế nào để vẫn đảm bảo kết quả tin cậy?

Trước tiên, tôi chạy bước “data profiling” để thống kê phần trăm giá trị thiếu, kiểm tra tính nhất quán của cột (định dạng, mã quốc gia…), tìm duplicate. Tôi tạo bộ quy tắc “data validation” (ví dụ: cột email phải chứa ký tự @) và chạy script để tự động báo lỗi.

Nếu tìm thấy chênh lệch lớn, tôi báo cho stakeholder hoặc lập trình viên phụ trách thu thập dữ liệu để sửa.

Trong trường hợp bất khả kháng, tôi đánh dấu rõ trong báo cáo các dòng dữ liệu chưa đạt chuẩn, để không bị lẫn vào kết quả cuối cùng.

Các câu hỏi phỏng vấn Data Analyst về kỹ năng mềm và phân tích kinh doanh

Khi nhận yêu cầu mơ hồ từ stakeholder, bạn làm thế nào để xác định mục tiêu phân tích? Ví dụ họ yêu cầu phân tích lượt đăng ký mới của trang web?

Khi nhận được một yêu cầu mơ hồ như “Hãy phân tích lượt đăng ký mới trên trang web trong thời gian vừa qua”, tôi thường đặt nhiều câu hỏi “Tại sao?” để làm rõ họ muốn đo lường cái gì.

Một yêu cầu mơ hồ nghĩa là stakeholder chỉ nói chung chung: “Phân tích lượt đăng ký” mà không đề cập chi tiết mục tiêu, phạm vi, thời gian, hay chỉ số quan trọng (KPI) cần theo dõi.

Dưới đây là một ví dụ các câu hỏi “Tại sao?” tôi sử dụng để làm rõ yêu cầu:

1. “Tại sao bên anh/chị muốn phân tích lượt đăng ký mới?”

Mục đích: Xác định lợi ích thực sự họ muốn đạt được (VD: Tối ưu chiến dịch marketing, cải thiện trải nghiệm người dùng, tăng tỷ lệ chuyển đổi,…).

2. “Tại sao việc hiểu rõ nguyên nhân tăng/giảm của lượt đăng ký mới lại quan trọng lúc này?”

Mục đích: Xác định mức độ ưu tiên, bối cảnh kinh doanh (ví dụ: Sắp ra mắt chiến dịch quảng cáo, cần số liệu thuyết phục ban lãnh đạo,…).

3. “Tại sao anh/chị muốn phân tích bây giờ, thay vì thời điểm khác?”

Mục đích: Làm rõ thời gian và deadline; từ đó xác định tài nguyên và kế hoạch phân tích.

4. “Những hành động hoặc quyết định nào sẽ được đưa ra dựa trên kết quả phân tích này?”

Mục đích: Xác định cách dùng kết quả phân tích trong thực tế, đảm bảo chúng ta thu thập đúng loại dữ liệu và đo đúng KPI.

5. “Nếu kết quả phân tích cho thấy lượt đăng ký tăng/giảm do nguyên nhân X, anh/chị sẽ có những phương án ra quyết định cụ thể nào?”

Mục đích: Làm rõ phương án hành động (action plan) sau khi có kết quả.

Bạn tiếp cận một tình huống phải giải thích một khái niệm kỹ thuật cho người không chuyên như thế nào?

Một số nguyên tắc tôi thường tuân theo để giải thích một khái niệm kỹ thuật cho người không chuyên dễ hiểu hơn:

Bắt đầu giải thích bằng ẩn dụ thực tế (ví dụ: giải thích “database index” như mục lục sách, tìm trang nhanh hơn).
Ưu tiên dùng biểu đồ hoặc ví dụ để minh hoạ. Tôi cũng thường tạo slide kèm biểu đồ đơn giản để trình bày trực quan.
Hạn chế viết tắt kỹ thuật và kiểm tra đối phương có theo kịp không.
Nếu cần, chia khái niệm thành nhiều cấp độ, từ sơ khai (không dùng từ chuyên môn) đến trung cấp (có một vài giải thích code ngắn).

KPI là gì? Cho ví dụ về KPI trong thương mại điện tử hoặc SaaS?

Góc nhìn nhà tuyển dụng:

Người phỏng vấn muốn kiểm tra khả năng bạn nắm vững kiến trúc hạ tầng dữ liệu (data architecture) và phân tích phần mềm (software analysis), nhằm đảm bảo bạn có thể thiết lập, đo lường, và tối ưu KPI trong môi trường công nghệ cao.

Họ cũng mong bạn hiểu cách ứng dụng và phân tích KPI khác nhau trong lĩnh vực nhiều công nghệ (như SaaS, thương mại điện tử) so với các doanh nghiệp ít công nghệ hơn (sản xuất hoặc F&B).

Câu trả lời gợi ý:

KPI (Key Performance Indicator) là chỉ số phản ánh hiệu quả hoạt động cốt lõi.

Ví dụ, trong thương mại điện tử, KPI có thể là “tỷ lệ chuyển đổi” (conversion rate) hoặc “giá trị trung bình mỗi đơn hàng” (average order value).

Với SaaS, có thể là “MRR” (Monthly Recurring Revenue) hay “churn rate” (tỷ lệ khách hàng rời bỏ). Những KPI này giúp doanh nghiệp đo lường sức khỏe kinh doanh một cách trực quan, từ đó có định hướng cải thiện.

Bạn từng đề xuất cải thiện chiến lược marketing hay tối ưu quy trình bán hàng dựa trên dữ liệu như thế nào?

Trong một dự án trước, tôi phân tích dữ liệu khách hàng (CRM) và nhận thấy nhóm khách có tỷ lệ rời bỏ cao đều có chung hành vi: ít tương tác email, ít đăng nhập.

Từ số liệu đó, tôi đề xuất chiến dịch email remarketing nhắm riêng nhóm này, đồng thời tạo ưu đãi đặc biệt khi họ quay lại.

Kết quả, tỷ lệ phản hồi tăng ~20% và giảm ~5% churn trong tháng tiếp theo. Thêm vào đó, tôi trực quan hoá kết quả để trình bày cho phòng Marketing, giúp họ thấy rõ “trước và sau” dự án.

Bạn làm sao để phân tích hành vi khách hàng, cải thiện tỷ lệ chuyển đổi (conversion rate)?

Bước đầu tiên, tôi chia khách hàng thành các phân khúc (segmentation) dựa trên hành vi mua sắm (lịch sử giao dịch, lượt xem trang, độ tương tác).

Tiếp theo, tôi thiết lập funnel (phễu) để xem ở bước nào khách rơi rụng nhiều nhất (thêm vào giỏ hàng nhưng không thanh toán, v.v.). Dữ liệu này cho phép tôi chạy thử nghiệm A/B Testing ở mỗi bước, ví dụ thay đổi giao diện trang checkout, hoặc gợi ý sản phẩm liên quan.

Phân tích chi tiết từng biến số, tôi chọn biến nào tác động mạnh nhất đến chuyển đổi để tối ưu trước.

Khi gặp vấn đề dữ liệu phức tạp, bạn chia nhỏ và xác định mục tiêu thế nào?

Tôi thường mô hình hoá vấn đề theo từng “lớp”:

(1) Xác định rõ mục đích phân tích (giải quyết câu hỏi gì?);
(2) Xem nguồn dữ liệu, chất lượng dữ liệu;
(3) Chọn phương pháp phân tích (thống kê mô tả, mô hình dự đoán, v.v.);
(4) Triển khai phân tích và kiểm định kết quả.

Việc chia nhỏ giúp tôi kiểm soát rủi ro, phát hiện sớm lỗi ở từng khâu. Tôi cũng lưu lại log và ghi chú để quay về khi cần.

Bạn làm thế nào để tìm ra root cause (nguyên nhân gốc rễ) khi dữ liệu “sai số” hoặc không khớp?

Góc nhìn nhà tuyển dụng:

Người phỏng vấn muốn đảm bảo bạn có đủ tư duy về hạ tầng dữ liệu và khả năng phân tích phần mềm để theo dõi, đối chiếu, và xác định nguyên nhân gốc rễ từ nhiều nguồn (Google Analytics, CRM, v.v.).

Họ cũng muốn thấy bạn hiểu rõ quy trình ETL/pipeline, cũng như cách tổ chức và chuẩn hoá dữ liệu trong môi trường công nghệ cao, khác với môi trường ít công nghệ hơn (như sản xuất hoặc F&B).

Câu trả lời gợi ý:

Tôi bắt đầu bằng việc xem log thu thập dữ liệu, so sánh timestamp giữa các hệ thống. Kiểm tra xem có trễ khi đồng bộ (sync) dữ liệu không.

Sau đó, tôi đối chiếu kết quả với nguồn gốc (ví dụ: Google Analytics, Salesforce) để xem liệu có sự khác biệt trong định nghĩa “user”, “click” hay không.

Tôi cũng đặt câu hỏi về phiên bản code ETL, vì đôi khi thay đổi logic ở pipeline cũ chưa được cập nhật vào pipeline mới.

Bạn đánh giá độ tin cậy của kết quả phân tích bằng cách nào?

Trước hết, tôi dùng thống kê mô tả (min, max, mean, median, count) để xem dữ liệu có hợp lý không.

Sau đó, nếu là kết quả mô hình dự đoán, tôi sẽ chia dữ liệu train/test để đánh giá. Còn nếu là phân tích A/B Testing, tôi kiểm định p-value, significance level (thường là 0.05).

Tôi cũng có thể cross-check với một nguồn dữ liệu khác (nếu có) để đảm bảo kết luận không bị thiên lệch do một nguồn duy nhất.

Các câu hỏi phỏng vấn Data Analyst về Quản lý công việc, Quy trình & Trực quan hoá dữ liệu

Bạn có kinh nghiệm viết tài liệu mô tả pipeline phân tích chưa? Nội dung chính là gì?

Thông thường, tôi viết tài liệu ở dạng wiki nội bộ, bao gồm các tài liệu mô tả:

(1) Nguồn dữ liệu (database, API, file CSV…);
(2) Quy trình ETL (Extract, Transform, Load) và lịch chạy;
(3) Logic tính cột mới, KPI, metric;
(4) Biểu đồ/tài liệu hướng dẫn đọc report

Những tài liệu này giúp team mới vào nắm bắt dễ, cũng hạn chế sai sót do hiểu lầm quy tắc tính toán.

Bạn thường quản lý công việc hằng ngày trên Jira/Trello như thế nào?

Trên Trello, tôi chia task thành các thẻ (card) với tiêu đề rõ ràng, ví dụ “Xây dashboard doanh thu tuần”. Mỗi thẻ có mô tả, deadline, ai là người liên quan (watcher).

Tôi thường xuyên cập nhật trạng thái (To Do -> In Progress -> Done). Mỗi tuần, tôi review backlog để sắp xếp độ ưu tiên.

Với Jira, tôi đôi khi tạo sub-task để tách riêng phần phân tích code, phần QA, phần báo cáo.

Bạn từng làm việc theo Agile/Scrum? Vai trò của DA trong team?

Tôi từng tham gia các sprint 2 tuần, trong đó Data Analyst (DA) thường đảm nhận nhiệm vụ chuẩn bị dữ liệu, phân tích insight để Product Owner có cơ sở quyết định tính năng mới.

Mỗi ngày, tôi tham gia daily stand-up, demo kết quả phân tích trong sprint review.

Khi team cần số liệu hay dashboard cập nhật, tôi sẽ tạo user story để bám sát, tránh quên task.

Tổng kết

Cần lưu ý rằng ở mỗi doanh nghiệp, vị trí Data Analyst có thể “biến hoá” tuỳ theo tính chất công việc và mục tiêu kinh doanh. Đôi khi công ty còn đòi hỏi bạn phải kiêm luôn một phần Data Engineering (DE) hoặc Data Science (DS) để phục vụ cho một dự án cụ thể. Vì vậy, ứng viên nên chuẩn bị kỹ để quản lý tốt kỳ vọng của cả hai bên trong buổi phỏng vấn.

Một buổi phỏng vấn tốt không chỉ đến từ việc “ứng viên giỏi hỏi-đáp” mà còn từ sự chuẩn bị kỹ lưỡng cả hai phía. Hy vọng 30+ câu hỏi phỏng vấn Data Analyst trên sẽ giúp bạn bước vào buổi phỏng vấn Data Analyst với sự tự tin, hiểu biết và tầm nhìn rộng hơn về giá trị mà Data Analyst mang lại cho doanh nghiệp. Chúc bạn thành công!

Data Analyst cần những kỹ năng nào?

Lập trình, làm sạch và xử lý dữ liệu (Python, R, SQL, Excel)

Trực quan hoá dữ liệu (Tableau, Power BI)

Kiến thức về Cloud & IDE (BigQuery, AWS Redshift, Databricks, Jupyter Notebook, VSCode)

Thiết kế Metrics & Chỉ số đo lường

Kỹ năng nâng cao (Nice to have)

Các câu hỏi phỏng vấn Data Analyst về kỹ năng chuyên môn (Technical skill)

Bạn thường làm gì để làm sạch dữ liệu trong pandas (Python)?

So sánh DataFrame trong pandas và data frame trong R?

Bạn từng dùng thư viện nào trong R để trực quan hoá dữ liệu (ví dụ: ggplot2)?

Viết một truy vấn JOIN từ 2–3 bảng, rồi giải thích logic và cách xử lý kết quả.

Làm thế nào để tối ưu hóa một truy vấn SQL chạy rất chậm (chẳng hạn mất đến 10 giây để hoàn thành)? Liệu việc thêm Index hoặc sử dụng EXPLAIN PLAN (hay các phương pháp khác) có giúp xác định và cải thiện điểm nghẽn hiệu suất?

Window functions trong SQL được dùng trong trường hợp nào?

Khi nào bạn sử dụng Pivot Table?

Khi cần dò tìm giá trị thì bạn sử dụng INDEX/MATCH hay VLOOKUP? Lý do vì sao?

Bạn đã bao giờ dùng Data Validation để kiểm soát input trong Excel chưa?

Bạn thường xử lý giá trị thiếu (missing) bằng cách nào (mean imputation, median, xóa dòng)?

Cách bạn phát hiện và xử lý outlier?

Bạn hợp nhất nhiều file CSV thành một dataset lớn như thế nào?

Bạn từng chạy query trên BigQuery/AWS Redshift chưa? So sánh BigQuery với SQL truyền thống?

Bạn thích dùng Jupyter Notebook hay VSCode để phân tích dữ liệu? Tại sao?

Khi nào nên dùng biểu đồ cột, đường, hay scatter plot?

Bạn có kinh nghiệm thiết kế dashboard cho cấp lãnh đạo trên Tableau/Power BI? Bí quyết làm dashboard “dễ hiểu”?

Bạn thường chọn KPI nào và sắp xếp bố cục dashboard ra sao để truyền đạt insight nhanh nhất?

Làm thế nào để bạn chuyển mục tiêu kinh doanh chung chung (ví dụ: ‘Tăng doanh thu 20% trong quý tới’) thành các metric cụ thể, kèm ví dụ minh hoạ?

Bạn từng đề xuất một metric mới để đo lường hiệu suất sản phẩm chưa? Quy trình xây dựng ra sao?

Theo bạn, metric có thể bị “gian lận” hoặc diễn giải sai lệch như thế nào?

Bạn từng xây dựng pipeline ETL tự động chưa? Dùng công cụ gì (Airflow, Luigi…)?

Data Modeling (Star schema, Snowflake schema) có vai trò gì trong phân tích?

A/B Testing: Bạn hiểu về hypothesis testing, p-value, significance level?

Bạn có kinh nghiệm áp dụng regression hoặc phân tích time series để dự báo doanh số?

Regression (hồi quy) trong dự báo

Time series (chuỗi thời gian) trong dự báo

Bạn từng gặp thách thức gì khi làm việc với dữ liệu có quy mô rất lớn (Big Data)?

Bạn thường phân tích dữ liệu chất lượng kém (thiếu chuẩn hoá, nhiều lỗi) như thế nào để vẫn đảm bảo kết quả tin cậy?

Các câu hỏi phỏng vấn Data Analyst về kỹ năng mềm và phân tích kinh doanh

Khi nhận yêu cầu mơ hồ từ stakeholder, bạn làm thế nào để xác định mục tiêu phân tích? Ví dụ họ yêu cầu phân tích lượt đăng ký mới của trang web?

Bạn tiếp cận một tình huống phải giải thích một khái niệm kỹ thuật cho người không chuyên như thế nào?

KPI là gì? Cho ví dụ về KPI trong thương mại điện tử hoặc SaaS?

Bạn từng đề xuất cải thiện chiến lược marketing hay tối ưu quy trình bán hàng dựa trên dữ liệu như thế nào?

Bạn làm sao để phân tích hành vi khách hàng, cải thiện tỷ lệ chuyển đổi (conversion rate)?

Khi gặp vấn đề dữ liệu phức tạp, bạn chia nhỏ và xác định mục tiêu thế nào?

Bạn làm thế nào để tìm ra root cause (nguyên nhân gốc rễ) khi dữ liệu “sai số” hoặc không khớp?

Bạn đánh giá độ tin cậy của kết quả phân tích bằng cách nào?

Các câu hỏi phỏng vấn Data Analyst về Quản lý công việc, Quy trình & Trực quan hoá dữ liệu

Bạn có kinh nghiệm viết tài liệu mô tả pipeline phân tích chưa? Nội dung chính là gì?

Bạn thường quản lý công việc hằng ngày trên Jira/Trello như thế nào?

Bạn từng làm việc theo Agile/Scrum? Vai trò của DA trong team?

Tổng kết

Chia sẻ bài viết