Trong nhiều năm, thị trường lao động Việt Nam thường được mô tả thông qua các báo cáo tổng hợp, điều tra mẫu hoặc số liệu hành chính công bố định kỳ. Những cách tiếp cận này mang lại cái nhìn chính thức và có hệ thống, nhưng cũng khó tránh khỏi độ trễ và giới hạn về mức độ chi tiết. Trong bối cảnh chuyển đổi số, khi hàng triệu người lao động chủ động xây dựng và cập nhật hồ sơ nghề nghiệp của mình trên các nền tảng trực tuyến, một câu hỏi mới được đặt ra: liệu có thể hiểu thị trường lao động theo một cách khác – linh hoạt hơn, chi tiết hơn và gần với thực tế vận động của người lao động hơn hay không?
Với Cao Thị Mỹ Hà, học viên khóa MPP2026 – chuyên ngành Phân tích Chính sách tại Trường Chính sách công và Quản lý Fulbright (FSPPM), câu hỏi này không chỉ mang tính học thuật mà còn gắn liền với chính trải nghiệm nghề nghiệp của chị. Xuất thân từ lĩnh vực báo chí, Hà quen với việc kể lại những câu chuyện xã hội thông qua dữ kiện, con người và bối cảnh. Khi đến với Fulbright, chị bắt đầu nhìn thị trường lao động như một "câu chuyện lớn" có thể được đọc lại từ dữ liệu, đặc biệt là dữ liệu trên nền tảng việc làm trực tuyến.
Luận văn tốt nghiệp của Hà mang tên Understanding the labour market in Vietnam: Evidence from LinkedIn data (tạm dịch: Nhận diện thị trường lao động Việt Nam: Bằng chứng từ dữ liệu LinkedIn). Ý tưởng nghiên cứu xuất phát từ việc nhận thấy tiềm năng rất lớn của dữ liệu LinkedIn trong việc phản ánh cấu trúc và sự dịch chuyển của lực lượng lao động trong bối cảnh nền kinh tế đang thay đổi nhanh chóng theo hướng dựa trên kỹ năng. Tại Việt Nam, cho đến thời điểm Hà thực hiện nghiên cứu, chưa có công trình học thuật nào sử dụng nguồn dữ liệu này mặc dù chúng chứa đựng lượng thông tin phong phú về ngành nghề, kỹ năng, lộ trình sự nghiệp, giáo dục và các chuyển dịch việc làm của một nhóm lao động trong các ngành kinh tế chính thức, có bằng cấp chính quy và trình độ cao. Quan trọng hơn, các thông tin này được khai báo một cách tự động và hiển thị công khai, giảm nguy cơ sai lệch so với các khảo sát truyền thống.

Thách thức lớn nhất khi thực hiện là quá trình làm sạch và chuẩn hóa dữ liệu. Từ dữ liệu phi cấu trúc ban đầu, Hà phải tìm hiểu và ứng dụng các kỹ thuật Xử lý ngôn ngữ tự nhiên (NLP) để chuẩn hóa và trích xuất thông tin của hơn 600.000 quan sát. Rất nhiều câu lệnh được chạy đi chạy lại hàng chục lần để tinh chỉnh và cho ra kết quả có độ tin cậy cao nhất, hay nhiều lệnh code phải chạy liên tục 5-7 ngày (tương đương hơn 150 giờ) để có được kết quả. Từ bộ dữ liệu chỉ gồm 3 trường thông tin chính ban đầu, Hà đã tạo ra một bộ dữ liệu tổng thể hơn 4,7 triệu dòng với 50 biến, từ đó xem xét cách thức các biến này tạo ra thông tin về một nhóm lao động đặc thù. Toàn bộ quy trình làm sạch và xử lý dữ liệu trong luận văn đóng góp quan trọng vào việc thiết lập khung phương pháp cho các nghiên cứu sau nếu sử dụng bộ dữ liệu tương tự.
Quá trình thực hiện nghiên cứu này giúp Hà học được rất nhiều cả về phương pháp xử lý, tư duy và cách đối diện với các bài toán về dữ liệu một cách chuẩn mực và khoa học. Với sự hỗ trợ chặt chẽ từ giảng viên hướng dẫn, Hà dần nhận ra bộ dữ liệu có khả năng phát triển thành các công cụ cung cấp thông tin hữu ích cho người học, nhà tuyển dụng và người lao động.
Một trong những đóng góp nổi bật của luận văn là việc xây dựng hai công cụ chính: Bản đồ hướng nghiệp (Career path Sunburst) và Bản đồ kỹ năng (Skill Map). Công cụ hướng nghiệp cho phép người dùng quan sát những lộ trình sự nghiệp phổ biến, từ ngành học ban đầu, công việc đầu tiên cho đến vị trí hiện tại, đồng thời phản ánh các dạng dịch chuyển nghề nghiệp thường gặp. Trong khi đó, bản đồ kỹ năng cho thấy trong từng ngành nghề, người lao động thường khai báo những nhiệm vụ và kỹ năng nào, giúp nhận diện các kỹ năng cốt lõi cần có để gia nhập hoặc chuyển sang một lĩnh vực mới.

Career Path Sunburst Graph mô tả lộ trình sự nghiệp phổ biến của người dùng từ ngành học đầu tiên, ngành nghề đầu tiên đến ngành nghề hiện tại (cập nhật tháng 9/2025). Bản đồ cũng cho phép nhận diện những chứng chỉ người dùng trong một ngành nghề thường cập nhật.
Hiện nay, các công cụ này được xây dựng và vận hành trên nền tảng Datalab của Fulbright. Ở giai đoạn hiện tại, nghiên cứu chủ yếu đóng vai trò là công cụ cung cấp thông tin để người dùng tham khảo. Tuy nhiên, định hướng dài hạn mà Hà theo đuổi là tiếp tục tối ưu hệ thống, tiến tới phát triển một ứng dụng hướng nghiệp thông minh hơn. Trong đó, người dùng có thể tự nhập bộ kỹ năng sẵn có của mình và nhận được gợi ý về những ngành nghề phù hợp dựa trên mức độ tương đồng về kỹ năng.

Skill Network Graph mô tả những kỹ năng/nhiệm vụ công việc được người dùng khai báo nhiều nhất trong một ngành nghề, cho phép khám phá cả những nhiệm vụ/kỹ năng giao thoa giữa các ngành nghề khác nhau.
Thực hiện một nghiên cứu khoa học dữ liệu khi không có nền tảng kỹ thuật chuyên sâu là một thách thức không nhỏ. Theo Hà, kiến thức nền tảng từ môn Khoa học Dữ liệu trong chương trình học đã giúp chị hình dung được quy trình làm việc với dữ liệu, cách xác lập bài toán, khả năng tư duy và nhận diện các kỹ thuật cốt lõi, cũng như năng lực diễn giải kết quả .Bên cạnh đó, sự phát triển của các công cụ AI hiện nay đóng vai trò hỗ trợ quan trọng trong việc viết code mở ra cơ hội để những người không xuất thân từ khối kỹ thuật vẫn có thể tham gia nghiên cứu khoa học dữ liệu, bằng cách trau dồi khả năng đọc hiểu code.

Học viên Cao Thị Mỹ Hà trình bày luận văn trước hội đồng đánh giá.
Từ trải nghiệm cá nhân, Hà cho rằng điều cốt lõi không nằm ở kỹ thuật thuần túy, mà ở tư duy làm việc với dữ liệu – bao gồm khả năng đặt câu hỏi, tìm kiếm nguồn dữ liệu phù hợp, hiểu giới hạn của dữ liệu, sử dụng dữ liệu để tạo ra những thông tin có ý nghĩa và diễn giải chúng. Đây cũng là điểm giao thoa tự nhiên giữa khoa học dữ liệu và nền tảng báo chí mà chị từng theo đuổi, đặc biệt trong các lĩnh vực như báo chí dữ liệu hay nghiên cứu chính sách dựa trên bằng chứng.
Không dừng lại ở giá trị học thuật, nghiên cứu còn gợi mở những hàm ý quan trọng cho hoạch định chính sách. Việc sử dụng dữ liệu lớn để cung cấp thông tin về thị trường lao động một cách kịp thời và chi tiết hơn có thể giúp cải thiện chất lượng quyết định của cả người lao động lẫn nhà hoạch định chính sách. Những công cụ như bản đồ nghề nghiệp hay bản đồ kỹ năng hoàn toàn có thể được cân nhắc phát triển trong khuôn khổ Chiến lược dữ liệu quốc gia đến năm 2030, nhằm hỗ trợ định hướng học tập – nghề nghiệp và tối ưu hóa phân bổ nguồn nhân lực ở tầm vĩ mô dành cho một nhóm lực lượng lao động thế hệ mới trong các ngành kinh tế số.
- Uyên Vũ
Những bài viết liên quan
