📋 Báo cáo Đánh giá Roadmap Data Analyst 2026 — Lần 2
Đối tượng đánh giá: da_roadmap_2026.md (bản cập nhật) Benchmark: da_master_curriculum.md Ngày đánh giá: 2026-08-06 (Re-evaluation) Phạm vi: So sánh với đánh giá lần 1, phân tích cải thiện và gaps còn lại
1. Executive Summary — So sánh 2 lần đánh giá
| Tiêu chí | Lần 1 | Lần 2 | Thay đổi |
|---|---|---|---|
| Detailed Syllabus | Chỉ Month 1 | Tất cả 6 tháng | 🟢 +5 months |
| Resources | Chỉ Month 1 | Tất cả 6 tháng | 🟢 Cải thiện lớn |
| Mini Projects | 1 project | 8+ projects | 🟢 Cải thiện lớn |
| Soft Skills | Không có | 3 blocks (M1-2, M3-4, M5-6) | 🟢 Mới thêm |
| Project Portfolio | Không có | 9 projects (3 domains × 3 levels) | 🟢 Mới thêm |
| Practice Datasets | Không có | 4 datasets với links | 🟢 Mới thêm |
| Pillar Coverage (vs Curriculum) | ~30% | ~50% | 🟡 Tăng nhưng chưa đủ |
| Progression Logic | 2 lỗi Critical | 1 lỗi Major còn lại | 🟡 Cải thiện 1 phần |
Verdict: Roadmap đã cải thiện đáng kể về chiều sâu nội dung và tính hoàn thiện. Tuy nhiên, 3 vấn đề cốt lõi vẫn tồn tại — xem chi tiết bên dưới.
2. Phân tích những cải thiện đáng ghi nhận ✅
2.1 Content Depth — Từ skeleton thành full syllabus
Bản cập nhật đã giải quyết vấn đề #3 từ đánh giá lần 1 (detail không đồng đều):
| Month | Lần 1 | Lần 2 | Nhận xét |
|---|---|---|---|
| Month 1 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | Giữ nguyên, vẫn tốt |
| Month 2 | ⭐⭐ | ⭐⭐⭐⭐ | Topics cụ thể, resources tốt, có mini project |
| Month 3 | ⭐⭐ | ⭐⭐⭐⭐ | Analytical Thinking topics chi tiết, resources rõ ràng |
| Month 4 | ⭐⭐ | ⭐⭐⭐⭐ | Pandas topics cụ thể, có sách Wes McKinney |
| Month 5 | ⭐⭐ | ⭐⭐⭐⭐ | ML algorithms liệt kê rõ, có AutoML section |
| Month 6 | ⭐ | ⭐⭐⭐⭐⭐ | Domain apps chi tiết (Marketing/Sales/Risk), capstone rõ |
2.2 Soft Skills — Bổ sung quan trọng
Roadmap giờ có 3 blocks Soft Skills phân bổ hợp lý:
| Block | Nội dung | Mapping tới Curriculum |
|---|---|---|
| M1-2 | Critical thinking, business communication, asking questions | P5.4 Requirement Gathering ✅ |
| M3-4 | Data storytelling, presentation, translating insights | P4.9 Data Storytelling ✅ |
| M5-6 | Executive presentations, stakeholder management, ethics | P5.11 Stakeholder Management ✅ |
[!TIP] Đây là cải thiện rất tốt — Soft Skills thường bị bỏ qua trong các roadmap technical, nhưng thực tế đây là yếu tố phân biệt DA giỏi với DA trung bình.
2.3 Project Portfolio & Datasets — Giá trị thực tế cao
Phần mới thêm cuối file (9 projects × 3 domains + 4 practice datasets) là điểm cộng lớn:
- Progressive difficulty: Beginner → Intermediate → Advanced cho mỗi domain
- Skills mapping rõ ràng: Mỗi project ghi rõ "Skills: Excel, Python, SQL..."
- 3 domains thực tế: Marketing, Sales, Risk — đúng nhu cầu thị trường
- Datasets có link cụ thể — learner không phải tự tìm
2.4 Analytical Thinking — Đã chi tiết hóa
Week 9-10 giờ có topics cụ thể:
- Problem Framing & Business Context Mastery
- Hypothesis-Driven Thinking
- MECE & Structured Problem Decomposition
- Analytical Strategy Design
- Storytelling & Persuasive Problem Solving
Đây cover một phần P1.5 Problem Framing và P4.9 Data Storytelling từ Curriculum.
3. Coverage Analysis — Cập nhật
3.1 Phân tích theo 5 Pillars (Updated)
🧠 Pillar 1: Analytical Mindset & Foundations — Coverage: ~40% → ~55%
| Curriculum Topic (Junior) | Lần 1 | Lần 2 | Ghi chú |
|---|---|---|---|
| 1.1 Types of Analytics | ✅ | ✅ | Week 1-2 |
| 1.2 Descriptive Statistics | ✅ | ✅ | Week 1-2 |
| 1.3 Probability Basics | ⚠️ | ⚠️ | Vẫn chỉ nhắc "Probability" chung — thiếu Bayes', Expected Value |
| 1.4 Cognitive Biases | ❌ | ❌ | Vẫn thiếu |
| 1.5 Problem Framing | ❌ | ✅ | Đã thêm — Week 9-10 (MECE, Hypothesis-Driven) |
Thay đổi: Problem Framing đã được bổ sung ở Month 3. Tuy nhiên:
[!WARNING] Cognitive Biases (1.4) vẫn hoàn toàn thiếu. Survivorship Bias, Confirmation Bias, Sampling Bias — đây là "antibodies" bảo vệ DA khỏi kết luận sai. Chi phí thêm vào chỉ ~2 giờ nội dung nhưng giá trị rất lớn.
⚙️ Pillar 2: Data Languages & Engineering — Coverage: ~45% → ~55%
| Curriculum Topic (Junior) | Lần 1 | Lần 2 | Ghi chú |
|---|---|---|---|
| 2.1 SQL Foundations | ✅ | ✅ | Week 5-6, chi tiết hơn |
| 2.2 SQL Intermediate | ✅ | ✅ | Week 7-8 |
| 2.3 Python Basics | ⚠️ | ⚠️ | Vẫn thiếu — nhảy thẳng vào Pandas |
| 2.4 Python Pandas | ✅ | ✅ | Week 13-14, chi tiết tốt |
| 2.5 Python NumPy | ✅ | ✅ | Week 13-14 |
| 2.6 Data Formats & Types | ❌ | ❌ | Vẫn thiếu |
| 2.7 Git Basics | ❌ | ⚠️ | Week 23-24 nhắc "GitHub" nhưng không dạy Git |
Vấn đề tồn tại:
[!IMPORTANT] Python Basics (2.3) vẫn bị skip. Week 13-14 title là "Advanced Python - Pandas & NumPy" nhưng learner lúc này mới chỉ biết Excel + SQL. Gọi là "Advanced Python" khi chưa dạy Python basics là mâu thuẫn naming và learner sẽ gặp khó với data types, functions, control flow.
☁️ Pillar 3: Cloud Infrastructure — Coverage: 0% → ~0%
| Curriculum Topic (Junior) | Lần 1 | Lần 2 |
|---|---|---|
| 3.1 Cloud Fundamentals | ❌ | ❌ |
| 3.2 Cloud Storage | ❌ | ❌ |
| 3.3 Cloud Data Warehouse | ❌ | ❌ |
| 3.4 IAM & Security Basics | ❌ | ❌ |
[!CAUTION] Pillar 3 vẫn hoàn toàn vắng mặt — đây là gap nghiêm trọng nhất. Năm 2026, ~90% Junior DA job descriptions yêu cầu BigQuery hoặc Snowflake. Không cần dạy sâu Cloud Architecture (Middle), nhưng querying trên Cloud DW (3.3) là must-have ở Junior level. Chỉ cần thêm 1 tuần giới thiệu BigQuery/Snowflake vào Month 2 hoặc 3 là đủ awareness.
📊 Pillar 4: Visualization & Data Storytelling — Coverage: ~25% → ~45%
| Curriculum Topic (Junior) | Lần 1 | Lần 2 | Ghi chú |
|---|---|---|---|
| 4.1 Visual Perception Principles | ❌ | ❌ | Vẫn thiếu — Gestalt, Pre-attentive |
| 4.2 Chart Selection Guide | ⚠️ | ⚠️ | "Choosing the right chart" nhắc qua nhưng không chi tiết |
| 4.3 Decluttering Principles | ❌ | ❌ | Vẫn thiếu |
| 4.4 Color Theory for Data | ❌ | ❌ | Vẫn thiếu |
| 4.5 BI Tools (Power BI/Tableau) | ✅ | ✅ | Week 11-12, chi tiết tốt hơn |
| 4.6 Dashboard Design Principles | ⚠️ | ✅ | "Dashboard design best practices" — Đã thêm |
Thay đổi: Dashboard design đã được bổ sung. Soft Skills block M3-4 cover Data Storytelling.
[!NOTE] Visualization theory (4.1-4.4) vẫn thiếu nhưng ở mức ít critical hơn vì "Storytelling with Data" (sách) đã nằm trong resources Week 3-4 — sách này cover khá nhiều visual principles. Có thể chấp nhận nếu learner đọc sách.
💼 Pillar 5: Business Acumen — Coverage: ~15% → ~40%
| Curriculum Topic (Junior) | Lần 1 | Lần 2 | Ghi chú |
|---|---|---|---|
| 5.1 Business Fundamentals | ❌ | ❌ | P&L, Unit economics — Vẫn thiếu |
| 5.2 Universal Business Metrics | ❌ | ⚠️ | Month 6 nhắc RFM, CLV nhưng không dạy CAC, Churn Rate, ARR hệ thống |
| 5.3 Domain Knowledge | ⚠️ | ✅ | Cải thiện lớn — 3 domains chi tiết (Marketing/Sales/Risk) |
| 5.4 Requirement Gathering | ❌ | ✅ | Soft Skills M1-2: "Understanding stakeholder needs" |
| 5.5 Communication | ❌ | ✅ | Soft Skills M3-4: "Translating insights into business recommendations" |
Thay đổi: Domain Knowledge (5.3) cải thiện rất nhiều với 3 domains chi tiết. Communication và Requirement Gathering đã được thêm qua Soft Skills blocks.
3.2 Bảng tổng hợp Coverage — Lần 1 vs Lần 2
| Pillar | Lần 1 | Lần 2 | Δ |
|---|---|---|---|
| P1: Analytical Mindset | ~40% | ~55% | +15% |
| P2: Data Languages | ~45% | ~55% | +10% |
| P3: Cloud Infrastructure | 0% | 0% | — |
| P4: Visualization | ~25% | ~45% | +20% |
| P5: Business Acumen | ~15% | ~40% | +25% |
| Trung bình | ~30% | ~50% | +20% |
4. Progression Logic Review — Cập nhật
4.1 Các vấn đề đã được giải quyết ✅
| Vấn đề (Lần 1) | Status Lần 2 |
|---|---|
| Detail syllabus thiếu Month 2-6 | ✅ Đã giải quyết |
| Thiếu resources Month 2-6 | ✅ Đã giải quyết |
| Thiếu mini projects | ✅ Đã giải quyết — Mỗi block 2 tuần đều có project |
| Thiếu Soft Skills | ✅ Đã giải quyết — 3 blocks phân bổ tốt |
4.2 Các vấn đề vẫn tồn tại ⚠️
🟡 Vấn đề 1: Python Basics vẫn bị skip (giảm từ 🔴 → 🟡)
Week 11-12: Power BI/Tableau (BI Tools)
↓
Week 13-14: "Advanced Python - Pandas & NumPy" ← ⚠️ Nhảy cóc
Learner từ nền Excel + SQL + BI Tools nhảy thẳng vào Pandas mà chưa biết:
- Python data types (
int,float,str,list,dict) - Control flow (
if/else,for/while) - Functions, lambda functions
- Error handling (
try/except)
Đề xuất: Đổi Week 13 thành "Python Fundamentals" (1 tuần), Week 14-16 cho Pandas + Viz.
🟡 Vấn đề 2: "Analytical Thinking" vẫn ở Month 3 thay vì Month 1
Mặc dù nội dung đã chi tiết hơn (MECE, Hypothesis-Driven Thinking), vị trí vẫn sau Excel và SQL. Trong Master Curriculum, P1 Analytical Mindset là Pillar đầu tiên — nền tảng tư duy phải có trước khi chạm tool.
Mức độ: Giảm từ 🔴 Critical → 🟡 Major vì:
- Soft Skills M1-2 đã bổ sung "Critical thinking" và "Problem-solving frameworks" → phần nào cover tư duy ở giai đoạn đầu
- Tuy nhiên, Problem Framing cụ thể (MECE, Hypothesis) vẫn nằm ở Month 3
🟡 Vấn đề 3: ML progression — Cải thiện nhưng vẫn aggressive
Cải thiện:
- Week 15-16 đã thêm "Introduction to ML concepts" + Linear Regression → tạo bridge tốt hơn
- Week 17-18 ML algorithms giờ liệt kê cụ thể (Logistic Regression, Decision Trees, Random Forest...)
- Week 19-20 chuyển sang AutoML — hướng tiếp cận thực tế hơn "mastery"
Vấn đề còn l ại:
- Từ "Introduction to ML" (Week 15-16) đến "Classification, Clustering, Model evaluation, Cross-validation, Hyperparameter tuning" (Week 17-18) chỉ 2 tuần — vẫn quá nhanh
- Thiếu Hypothesis Testing và A/B Testing foundation trước ML (Curriculum 1.6, 1.7)
- Title "Machine Learning Mastery" vẫn overstate cho 4 tuần học
🟢 Vấn đề 4 (Mới): Week 7-8 quá tham vọng
Week 7-8 "Advanced SQL" bao gồm:
- Performance Optimization & Query Tuning
- Database Design & Management
- Data Transformation & ETL with SQL
- SQL for BI & Dashboarding
Trong Master Curriculum, Query Optimization (2.8) và ETL patterns (2.13) thuộc Middle Level — không nên dạy ở tuần thứ 7-8 cho beginner. Nên giữ Window Functions + Views là đủ cho Junior.
5. Phân tích nội dung mới: Project Portfolio & Datasets
5.1 Project Portfolio — Đánh giá tốt
| Tiêu chí | Đánh giá | Chi tiết |
|---|---|---|
| Progressive difficulty | ⭐⭐⭐⭐⭐ | Beginner → Intermediate → Advanced cho mỗi domain |
| Skills mapping | ⭐⭐⭐⭐ | Rõ ràng, nhưng thiếu mapping ngược về "Week nào đã dạy skill này" |
| Domain relevance | ⭐⭐⭐⭐⭐ | Marketing, Sales, Risk — 3 domains hot nhất cho DA |
| Deliverable clarity | ⭐⭐⭐⭐ | Mô tả đủ rõ để learner biết phải làm gì |
5.2 Practice Datasets — Có vấn đề nhỏ
[!NOTE] Tất cả 4 datasets đều link về cùng 1 URL (
madzynguyen.com/tong-hop-database...). Nên đa dạng nguồn hơn — ví dụ thêm Kaggle datasets cụ thể cho từng project, hoặc Google Dataset Search.
6. Phân tích Resources Quality
6.1 Điểm mạnh
| Aspect | Đánh giá |
|---|---|
| Sách chọn lọc tốt | Naked Statistics, Storytelling with Data, Python for Data Analysis, Hands-On ML — đều là kinh điển |
| YouTube channels phù hợp | StatQuest, Keith Galli, Krish Naik — uy tín trong cộng đồng |
| Courses phong phú | Mix Coursera (free audit) + madzynguyen.com (Vietnamese) + Kaggle Learn (free) |
| Practice platforms | SQLZoo, LeetCode, Kaggle — đúng chuẩn industry |
6.2 Điểm cần cải thiện
| Vấn đề | Mức độ | Chi tiết |
|---|---|---|
| Malformed URLs | 🟡 | Nhiều link Coursera/Udemy vẫn là Google Search URL thay vì direct link |
| Broken link format | 🟡 | URL sách "Weapons of Math Destruction" dùng <> wrapper — có thể gây lỗi rendering |
| Thiếu free alternatives | 🟢 | Một số courses là paid (Udemy, madzynguyen) — nên ghi rõ (Paid) vs (Free) |
| Duplicate YouTube links | 🟢 | StatQuest playlist link xuất hiện 2 lần (Month 1 và Month 4) |
7. Scorecard Tổng hợp — Lần 2
| Tiêu chí | Trọng số | Lần 1 | Lần 2 | Δ | Ghi chú |
|---|---|---|---|---|---|
| Coverage | 25% | 3 | 5 | +2 | Tăng ~30% → ~50%, vẫn thiếu Cloud |
| Progression | 20% | 4 | 5.5 | +1.5 | ML bridge tốt hơn, nhưng Python basics skip |
| Depth | 20% | 3 | 7.5 | +4.5 | Cải thiện lớn nhất — tất cả months có detail |
| Practicality | 15% | 4 | 8 | +4 | 8+ mini projects + 9 portfolio projects + datasets |
| Resources | 10% | 2 | 7 | +5 | Books, YouTube, Courses cho mọi month |
| Job-Readiness | 10% | 2 | 5 | +3 | Có portfolio section, nhưng thiếu Cloud DW |
| TỔNG | 100% | 3.15 | 6.15 / 10 | +3.00 |
Lần 1: ██████░░░░░░░░░░░░░░ 3.15/10 — Cần tái cấu trúc
Lần 2: ████████████░░░░░░░░ 6.15/10 — Khá, cần bổ sung gaps
Target: ████████████████░░░░ 8.00/10 — Đủ để publish
8. Remaining Gaps — Checklist ưu tiên
🔴 Priority 0 — Must Fix (Ảnh hưởng tới job-readiness)
- Cloud DW Querying — Thêm ít nhất 1 tuần BigQuery hoặc Snowflake (Curriculum 3.3). Gợi ý: đưa vào Week 7-8 thay thế "Performance Optimization" (topic này quá advanced cho beginner)
- Python Basics — Thêm 1 tuần Python fundamentals trước Pandas (data types, functions, control flow). Gợi ý: tách Week 13 thành Python Basics, dồn Pandas + Viz vào Week 14-16
🟡 Priority 1 — Should Fix (Ảnh hưởng tới chất lượng phân tích)
- Cognitive Biases (Curriculum 1.4) — Thêm vào Week 1-2 hoặc Week 9-10 (Survivorship, Confirmation, Sampling Bias, Simpson's Paradox)
- Universal Business Metrics (Curriculum 5.2) — Thêm bảng CAC, LTV, Churn Rate, NPS, ARR vào trước Domain Apps (Week 20 hoặc 21)
- Git Basics (Curriculum 2.7) — Dạy Git trước khi yêu cầu "GitHub portfolio" ở Week 23-24. Gợi ý: thêm Git vào Soft Skills M3-4 hoặc đầu Month 4
- Đổi tên "Machine Learning Mastery" → "Applied ML for Data Analysts" hoặc "Predictive Analytics Foundations"
🟢 Priority 2 — Nice to Have
- Fix malformed URLs — Chuyển Google Search URLs thành direct links
- Data Formats (Curriculum 2.6) — CSV, JSON, Parquet awareness
- Visualization Theory (Curriculum 4.1-4.4) — Pre-attentive attributes, Color Theory
- Business Fundamentals (Curriculum 5.1) — P&L basics, Unit Economics
- Ghi rõ
(Free)vs(Paid)cho mỗi resource - Đa dạng hóa dataset links — Không nên 4 datasets cùng 1 URL
- Fix "Advanced Python" naming ở Week 13-14 — Learner chưa biết Python basics mà gọi "Advanced" là confusing
9. Đề xuất cấu trúc tối ưu (Minimal Changes)
Thay vì tái cấu trúc toàn bộ, đây là thay đổi tối thiểu để đưa điểm từ 6.15 → 8.0:
| Tuần | Hiện tại | Đề xuất thay đổi | Lý do |
|---|---|---|---|
| W1-2 | Stats & Excel | Thêm: Cognitive Biases (2h) | Cover P1.4, chi phí thấp |
| W7-8 | Advanced SQL (quá rộng) | Đổi: Window Functions + CTEs + Intro Cloud DW (BigQuery) | Bỏ Query Tuning (Middle level), thêm Cloud |
| W13 | "Advanced Python" Pandas | Đổi: Python Basics (1 tuần) | Prerequisite cho Pandas |
| W14-15 | (gộp) | Pandas & NumPy + Data Cleaning | Dồn lại sau khi có Python basics |
| W16 | Viz (Matplotlib/Seaborn) | Giữ nguyên + thêm: Git Basics (3h) | Prerequisite cho portfolio |
| W17-18 | "ML Mastery" | Đổi tên: "Applied ML for DA" | Honest naming |
| W20 | AutoML | Thêm: Business Metrics overview (CAC, LTV, Churn) trước Domain Apps | Bridge P5.2 |
[!TIP] Những thay đổi trên không cần thêm tháng — chỉ cần swap content trong các tuần hiện có. Đổi Query Tuning (Middle) → Cloud DW (Junior) là ví dụ: cùng thời lượng nhưng đúng level hơn.
10. Kết luận
Progress Summary
Tóm lại
Đã làm tốt:
- ✅ Full detailed syllabus cho 6 tháng
- ✅ Resources chất lượng (sách kinh điển + courses + YouTube)
- ✅ Mini projects cho mỗi block
- ✅ Portfolio section với 9 projects + 3 domains
- ✅ Soft Skills integration
- ✅ Analytical Thinking chi tiết (MECE, Hypothesis-Driven)
Cần làm thêm (ưu tiên cao):
- 🔴 Thêm Cloud DW (BigQuery/Snowflake) — swap Week 7-8 content
- 🔴 Thêm Python Basics trước Pandas — tách Week 13
- 🟡 Thêm Cognitive Biases vào Week 1-2
- 🟡 Thêm Business Metrics (CAC, LTV) trước Domain Apps
- 🟡 Dạy Git trước khi yêu cầu GitHub portfolio
- 🟡 Honest naming: "Applied ML" thay vì "ML Mastery"
Made by Anh Tu - Share to be share