Data Analyst cần biết: 10 câu hỏi phỏng vấn hay gặp nhất.

Dưới đây là 10 câu hỏi thường gặp nhất, kèm theo hướng trả lời giúp bạn ghi điểm ngay từ vòng đầu tiên.

1️⃣ Hãy giới thiệu về bản thân theo hướng Data Analyst

Nhà tuyển dụng muốn biết: bạn đã làm gì, dùng công cụ nào, và có tư duy phân tích hay không.
Trả lời thông minh:

• Nêu 2–3 dự án phân tích nổi bật

• Công cụ đã dùng: SQL, Excel/Google Sheets, Power BI/Tableau, Python

• Kết quả đem lại: giảm chi phí, tăng hiệu suất, tối ưu báo cáo…

2️⃣ Mối quan hệ giữa Data Analyst – Data Engineer – Data Scientist?

Để xem: bạn hiểu đúng vai trò trong team data.
Gợi ý trả lời:

• DA: Phân tích dữ liệu, tạo insight, báo cáo, hỗ trợ quyết định

• DE: Xây dựng pipeline, ETL, data warehouse

• DS: Xây mô hình dự đoán, machine learning
  → Trả lời ngắn gọn: “Data Analyst giúp trả lời câu hỏi ‘Điều gì đã xảy ra?’ và ‘Tại sao?’”

3️⃣ Hãy giải thích một dự án phân tích dữ liệu bạn đã làm

Tips: STAR (Situation – Task – Action – Result) luôn hiệu quả.
Ví dụ:

• Action: dùng SQL để làm sạch dữ liệu, Excel/Power BI để trực quan

• Result: giảm 20% thời gian làm báo cáo, tăng độ chính xác X%

4️⃣ Câu hỏi về SQL: “Hãy viết một query lấy top 5 sản phẩm bán chạy nhất.”

Nhà tuyển dụng muốn: xem bạn có hiểu GROUP BY – ORDER BY – LIMIT hay không.
Cách trả lời:

SELECT product_id, SUM(quantity) AS total_sales
FROM orders
GROUP BY product_id
ORDER BY total_sales DESC
LIMIT 5;

5️⃣ Làm thế nào để xử lý dữ liệu thiếu (missing values)?

Trả lời tự tin:

• Xóa (delete)

• Điền giá trị trung bình/trung vị (impute)

• Dự đoán bằng mô hình

• Giữ nguyên nếu giá trị thiếu mang ý nghĩa thực tế
  Quan trọng: giải thích khi nào nên dùng cách nào.

6️⃣ KPI và Metric khác nhau như thế nào?

Cách trả lời khiến bạn “ngầu” hơn 80% ứng viên khác:

• Metric: số đo, bất kỳ chỉ số nào

• KPI: metric quan trọng gắn với mục tiêu chiến lược
  → Ví dụ: “Doanh thu là KPI, số phiên truy cập website là metric.”

7️⃣ Khi báo cáo sai số liệu, bạn xử lý thế nào?

Nhà tuyển dụng muốn xem trách nhiệm và quy trình.
Trả lời theo 3 bước:

1. Xác nhận lỗi lại bằng dữ liệu gốc

2. Sửa lỗi – kiểm thử lại quy trình xử lý

3. Chủ động thông báo cho team/manager với giải pháp
   → Đừng đổ lỗi cho công cụ hay người khác.

8️⃣ Làm sao để biết insight nào là có giá trị?

Hãy nói về:

• Tính liên quan (relevant)

• Tính tác động (impactful)

• Tính khả thi (actionable)
  → “Một insight tốt là insight dẫn đến hành động cụ thể.”

9️⃣ Bạn ưu tiên công việc khi có nhiều yêu cầu phân tích cùng lúc như thế nào?

Cách trả lời:

• Ưu tiên theo ảnh hưởng đến business

• Ưu tiên theo deadline

• Verify lại yêu cầu với stakeholder
  Bạn có thể nói thêm: dùng Jira, Notion, Trello để quản lý tasks.

🔟 Bạn từng tối ưu báo cáo/dataset như thế nào?

Nhà tuyển dụng muốn xem bạn “làm việc thật” chứ không chỉ học lý thuyết.
Ví dụ:

• Tối ưu query SQL từ 12s xuống 1s bằng indexing

• Giảm số lượng visual trong dashboard để load nhanh hơn

• Tự động hóa báo cáo bằng Power BI refresh/Google Sheet scripts