Data Analyst cần tiến hóa như thế nào để làm việc hiệu quả cùng AI?

Mình từng nghĩ AI sẽ thay thế khá nhiều phần việc của Data Analyst

Vì thực tế bây giờ, chỉ cần vài câu prompt là AI đã có thể viết SQL, phân tích dữ liệu, tạo dashboard hay thậm chí tự động viết báo cáo trong vài phút.

Nhưng càng tìm hiểu, mình càng nhận ra một vấn đề lớn:

AI có thể tạo ra câu trả lời rất nhanh, nhưng ai sẽ đảm bảo câu trả lời đó đúng?

AI có thể tạo dashboard đẹp, nhưng làm sao biết KPI được tính đúng?

AI có thể giải thích số liệu, nhưng dựa trên định nghĩa nào, nguồn dữ liệu nào và có ai kiểm chứng hay không?

Đó cũng là lý do mình thấy cách tiếp cận Agentic Analytics khá thú vị.

Thay vì xem AI như một chatbot trả lời câu hỏi, Agentic Analytics xem AI như một thành viên trong đội ngũ phân tích dữ liệu. AI được trang bị kiến thức về doanh nghiệp, quy trình làm việc, các quy tắc quản trị dữ liệu và những nguyên tắc mà Data Analyst vẫn sử dụng hằng ngày.

Nói cách khác, AI không chỉ có "trí thông minh", mà còn có:

Bối cảnh doanh nghiệp (business context)

Quy trình phân tích chuẩn hóa

Bộ quy tắc và tiêu chuẩn kiểm soát chất lượng

Khả năng ghi nhớ và kế thừa tri thức của tổ chức

Điều mình ấn tượng nhất là mô hình này không tập trung vào việc tạo báo cáo nhanh hơn.

Mục tiêu lớn hơn là tạo ra một hệ thống phân tích:

Có thể kiểm chứng

Có tài liệu đầy đủ

Có khả năng vận hành lâu dài

Không phụ thuộc vào một cá nhân duy nhất

Nhìn vào vòng đời phân tích dữ liệu, AI Agent có thể hỗ trợ từ lúc tiếp nhận yêu cầu, xử lý dữ liệu, xây dựng semantic model, kiểm thử báo cáo cho đến giai đoạn vận hành và cải tiến sau triển khai.

Điều đó khiến mình nghĩ rằng vai trò của Data Analyst trong tương lai có thể không biến mất, nhưng chắc chắn sẽ thay đổi.

Thay vì dành phần lớn thời gian cho những công việc lặp lại, người làm dữ liệu sẽ cần tập trung nhiều hơn vào:

Hiểu business

Đặt câu hỏi đúng

Kiểm chứng kết quả

Thiết kế quy trình

Quản trị dữ liệu