Business Intelligence Center - BIC, Duy Tan University

🏆🇻🇳 ĐẠI HỌC DUY TÂN VÔ ĐỊCH CUỘC THI 𝟏𝟔𝐭𝐡 𝐄𝐑𝐏𝐬𝐢𝐦 𝐈𝐍𝐓𝐄𝐑𝐍𝐀𝐓𝐈𝐎𝐍𝐀𝐋 𝐂𝐎𝐌𝐏𝐄𝐓𝐈𝐓𝐈𝐎𝐍 – HAI NĂM LIÊN TIẾP DẪN ĐẦU THẾ GIỚI 🇻🇳🏆

Đ𝐚̣𝐢 𝐡𝐨̣𝐜 𝐃𝐮𝐲 𝐓𝐚̂𝐧 (𝐕𝐢𝐞̣̂𝐭 𝐍𝐚𝐦) tiếp tục khẳng định vị thế hàng đầu trong lĩnh vực quản trị doanh nghiệp số khi xuất sắc giành chức vô địch tại ERPsim International Competition 2026 – cuộc thi được mệnh danh là “ERPsim World Cup”, quy tụ những đội tuyển xuất sắc nhất đến từ nhiều quốc gia trên thế giới tại buổi Chung kết toàn cầu diễn ra vào tối ngày 11/06/2026 (theo giờ Việt Nam).

Sau 4 vòng thi đầy thử thách trong mô hình ERPsim Manufacturing Sustainability trên nền tảng SAP, đội tuyển Duy Tân (Team C) đã vượt qua 11 đội tuyển quốc tế như Canada, Phần Lan, Mexico, Anh Quốc, Philippines, Indonesia, Slovenia và Chile để giành vị trí số 1 với kết quả ấn tượng:

🥇 𝐇𝐚̣𝐧𝐠 𝟏 – Đ𝐚̣𝐢 𝐡𝐨̣𝐜 𝐃𝐮𝐲 𝐓𝐚̂𝐧 (𝐕𝐢𝐞̣̂𝐭 𝐍𝐚𝐦)
🥈 𝐇𝐚̣𝐧𝐠 𝟐 – 𝐔𝐧𝐢𝐯𝐞𝐫𝐬𝐢𝐭𝐞́ 𝐝𝐞 𝐒𝐡𝐞𝐫𝐛𝐫𝐨𝐨𝐤𝐞 (𝐂𝐚𝐧𝐚𝐝𝐚)
🥉 𝐇𝐚̣𝐧𝐠 𝟑 – 𝐔𝐧𝐢𝐯𝐞𝐫𝐬𝐢𝐭𝐲 𝐨𝐟 𝐭𝐡𝐞 𝐂𝐨𝐫𝐝𝐢𝐥𝐥𝐞𝐫𝐚𝐬 (𝐏𝐡𝐢𝐥𝐢𝐩𝐩𝐢𝐧𝐞𝐬)

Đây là năm thứ hai liên tiếp đội tuyển Đại học Duy Tân đăng quang tại đấu trường ERPsim quốc tế, tiếp nối thành công của mùa giải trước và một lần nữa đưa tên tuổi Việt Nam lên vị trí cao nhất trên bản đồ đào tạo SAP ERP toàn cầu.
Thành tích này là kết quả của sự nỗ lực bền bỉ, tư duy chiến lược, khả năng phân tích dữ liệu và ra quyết định xuất sắc của các thành viên đội tuyển; đồng thời phản ánh chất lượng đào tạo, nghiên cứu và thực hành SAP/ ERP tại Đại học Duy Tân nói chung và Trung tâm Trí tuệ Doanh nghiệp (BIC) nói riêng.
Xin chúc mừng đội tuyển Đại học Duy Tân đã mang về niềm tự hào to lớn cho nhà trường và Việt Nam!

🇻🇳 ERPsim International Competition 2025 – Champion (Vô địch)
🇻🇳 ERPsim International Competition 2026 – Champion (Vô địch)

Hai năm liên tiếp vô địch thế giới – một cột mốc đáng tự hào của Đại học Duy Tân trên hành trình hội nhập và khẳng định năng lực sinh viên Việt Nam trên đấu trường quốc tế.

📊 TẠI SAO “DATA-DRIVEN” ĐANG BỊ HIỂU SAI Ở NHIỀU DOANH NGHIỆP
[English below]
“Chúng tôi là công ty data-driven.”
Nghe rất quen đúng không? Nhưng thực tế bên trong nhiều doanh nghiệp lại là:
📊 Có dashboard — nhưng không ai mở trước khi ra quyết định
📋 Có báo cáo hàng tuần — nhưng quyết định vẫn dựa trên cảm tính
🤖 Có data team — nhưng business không biết nên hỏi gì
📈 Có rất nhiều KPI — nhưng không ai chắc KPI nào thật sự quan trọng
⚠️ Và đó là hiểu lầm phổ biến nhất:
Data-driven không có nghĩa là có nhiều dữ liệu, có dashboard đẹp và nhiều chi tiết hay có AI hoặc BI tools
💡 Data-driven thật sự là:
👉 Quyết định được hỗ trợ bởi dữ liệu
👉 Ý kiến cần có evidence
👉 Và mọi người biết cách đặt câu hỏi đúng với data
🔥 3 cấp độ trưởng thành của văn hóa data:
① Data-informed
📌 Có data để tham khảo thêm
Nhưng quyết định vẫn chủ yếu dựa vào kinh nghiệm hoặc cảm tính.
② Data-driven
📌 Quyết định được dẫn dắt bởi data
Team có KPI rõ ràng, testing và measurement trở thành quy trình.
③ Data-fluent
📌 Cả tổ chức đều hiểu cách tư duy bằng data
Không chỉ data team mà các team khác như marketing, operation, leadership… đều biết đọc và đặt câu hỏi với dữ liệu.
⚠️ Sự thật thú vị rằng là rất nhiều doanh nghiệp nghĩ mình đang ở cấp ②.
Nhưng thực tế thì vẫn ở cấp ① mà không hề nhận ra.
Vì:
📊 Có dashboard ≠ Data-driven
📊 Có nhiều data ≠ Có data culture
💡 Test nhanh:
✔️ Khi có quyết định lớn — có ai hỏi “data nói gì không?”
✔️ Khi data mâu thuẫn với cảm tính — data có được ưu tiên không?
✔️ Khi launch ý tưởng mới — có đo lường kết quả không?
❝ Being data-driven doesn't mean data makes the decision. It means data informs the human who does. ❞
---
📊 WHY “DATA-DRIVEN” IS OFTEN MISUNDERSTOOD IN MANY ORGANIZATIONS
“We are a data-driven company.”
Sounds familiar, right? But in reality, inside many organizations, it looks more like this:
📊 There are dashboards — but no one opens them before making a decision
📋 There are weekly reports — but decisions are still made based on intuition
🤖 There is a data team — but the business team does not know what to ask
📈 There are many KPIs — but no one is sure which ones truly matter
⚠️ And here is the most common misconception:
Being data-driven does not mean having lots of data, pretty dashboards, detailed reports, or AI/BI tools
💡 What data-driven really means:
👉 Decisions are supported by data
👉 Opinions should be backed by evidence
👉 And people know how to ask the right questions of the data
🔥 The 3 levels of data culture maturity:
① Data-informed
📌 Data is used as an additional reference
But decisions are still mainly based on experience or intuition.
② Data-driven
📌 Decisions are guided by data
The team has clear KPIs, and testing and measurement become part of the process.
③ Data-fluent
📌 The entire organization understands how to think with data
Not only the data team, but also teams like marketing, operations, leadership, and others know how to read and question data.
⚠️ The interesting truth is that many businesses believe they are at level ②.
But in reality, they are still at level ① without realizing it.
Because:
📊 Having a dashboard ≠ Being data-driven
📊 Having a lot of data ≠ Having a data culture
💡 Quick test:
✔️ When there is a big decision — does anyone ask, “What does the data say?”
✔️ When data conflicts with intuition — does data get priority?
✔️ When launching a new idea — are the results measured?
❝ Being data-driven doesn't mean data makes the decision. It means data informs the human who does. ❞
𝐓𝐇𝐎̂𝐍𝐆 𝐓𝐈𝐍 𝐋𝐈𝐄̂𝐍 𝐇𝐄̣̂
Email: [[email protected]](mailto:[email protected])
Fanpage: Business Intelligence Center – BIC, Duy Tan University

🚨 CÓ NHỮNG ĐIỀU LINKEDIN CHƯA TỪNG TIẾT LỘ CHO BẠN BIẾT!
[English below]

Bạn thấy một SAP Consultant đăng ảnh nhận chứng chỉ quốc tế 📜.
Bạn thấy họ làm host của một chương trình talkshow trên các diễn đàn 🏢.
Bạn thấy những bài viết về mức lương hấp dẫn 💰
Và hơn cả chính là cơ hội làm việc trong các tập đoàn lớn, các tập đoàn có trình độ và quy mô vô cùng to lớn. Nhưng có một phần của câu chuyện mà rất ít người kể.
📍 Tháng đầu tiên
Bạn đọc JD tuyển dụng về FICO, MM, Config,.... Nhưng lại chẳng hiểu chúng đang nói về gì, mọi thứ giống như một ngôn ngữ hoàn toàn mới.
Bạn lên Google mỗi ngày và vẫn cảm thấy mình chưa hiểu đủ.
📍 3 tháng đầu tiên
Bạn ngồi trong các buổi họp dự án. Senior trao đổi với khách hàng về quy trình mua hàng, kế toán, sản xuất hay logistics. Mọi người dường như hiểu hết mọi thứ.
Nhưng còn bạn?
😵 Cố gắng ghi chú.
😵 Cố gắng theo kịp.
😵 Cố gắng không để lộ việc mình đang rất bối rối.
Bạn chưa được giao việc lớn. Bạn chưa được đụng nhiều vào hệ thống thật. Và đôi khi bạn tự hỏi:
"Liệu mình có phù hợp với ngành này không?"
📍 Dự án đầu tiên
Khách hàng thay đổi yêu cầu, business process phát sinh vấn đề. Khi deadline đến gần, bạn vừa đọc tài liệu, vừa hỏi senior sau đó lại tra Google.
Vừa cố gắng hiểu vì sao hệ thống lại hoạt động như vậy. Đó là giai đoạn mà hầu như SAP Consultant nào cũng phải trải qua. Chúng thực sự không hào nhoáng và chắc chắn không xuất hiện trên LinkedIn.
Nhưng đây cũng là phần thú vị nhất của hành trình.
✅ Sau khoảng 6 tháng, bạn bắt đầu hiểu cách doanh nghiệp vận hành.
Bạn không còn chỉ nhìn thấy màn hình SAP.
Bạn bắt đầu hiểu những gì đang diễn ra phía sau:
📦 Hàng hóa được mua như thế nào.
🛒 Đơn hàng được xử lý ra sao.
💰 Dòng tiền được ghi nhận thế nào.
🏭 Quy trình sản xuất vận hành ra sao.
Đó là lúc bạn bắt đầu học được "ngôn ngữ của doanh nghiệp".
✅ Sau khoảng 2 năm, bạn có thể tự dẫn một buổi workshop với khách hàng.
Bạn không chỉ trả lời câu hỏi mà bắt đầu đưa ra giải pháp giúp doanh nghiệp cải thiện quy trình. Và bạn bắt đầu tạo ra giá trị thực.
✅ Sau khoảng 5 năm, mọi thứ thay đổi.
Khi một vấn đề nghiệp vụ phức tạp xuất hiện, nhiều phòng ban không tìm được tiếng nói chung hay dự án gặp tình huống khó. Mọi người bắt đầu nhìn về phía bạn không phải vì bạn biết nhiều giao dịch SAP hơn. Mà vì bạn hiểu cách doanh nghiệp vận hành và biết cách giải quyết vấn đề.
💡 Không ai bước vào SAP với đầy đủ kiến thức.
Không ai trở thành Consultant giỏi chỉ sau vài tháng nhưng những người chấp nhận giai đoạn khó khăn ban đầu, kiên trì học hỏi và tích lũy kinh nghiệm thực tế sẽ nhận được phần thưởng xứng đáng.
Không ai đi thẳng lên đỉnh. Nhưng người bắt đầu sớm luôn có lợi thế hơn người vẫn đang chờ thời điểm hoàn hảo để bắt đầu.

🚨 THERE ARE THINGS ABOUT SAP THAT LINKEDIN HAS NEVER TOLD YOU!
You see an SAP Consultant posting a photo with an international certification 📜
You see them hosting talk shows and speaking at professional events 🏢
You see posts about attractive salaries 💰
And beyond that — opportunities to work with major global companies and large-scale business environments.
But there’s a part of the story that very few people talk about.
📍 The First Month
You read job descriptions mentioning FICO, MM, Configuration, and dozens of unfamiliar terms.
But… you barely understand what any of them mean.
Everything feels like an entirely new language.
You search on Google every day and still feel like you don’t know enough.
📍 The First 3 Months
You sit in project meetings.
Senior consultants discuss procurement, finance, manufacturing, and logistics processes with clients.
Everyone seems to understand exactly what’s happening.
But you?
😵 Trying to take notes.
😵 Trying to keep up.
😵 Trying not to show that you're completely confused.
You’re not assigned major tasks yet.
You haven’t worked much with real systems.
And sometimes you ask yourself:
“Am I really a good fit for this field?”
📍 The First Project
Client requirements change.
Business processes become more complex.
Deadlines get closer.
You read documentation, ask seniors, and search online at the same time.
Trying to understand why the system works the way it does.
This stage is something almost every SAP Consultant goes through.
It’s not glamorous.
And it definitely doesn’t appear on LinkedIn.
But it might be the most exciting part of the journey.
✅ After around 6 months, things start to change.
You begin to understand how businesses actually operate.
You no longer only see the SAP screen.
You start understanding what happens behind it:
📦 How goods are purchased
🛒 How orders are processed
💰 How financial transactions are recorded
🏭 How production operations work
That’s when you begin learning the language of business.
✅ After around 2 years, you may be able to lead workshops with clients.
You no longer just answer questions.
You start proposing solutions that improve business processes.
And that’s when you begin creating real value.
✅ After around 5 years, everything feels different.
When a complex business issue appears…
When departments struggle to align…
When projects hit difficult situations…
People start turning to you.
Not because you know more SAP transactions.
But because you understand how businesses work — and you know how to solve problems.
💡 Nobody enters SAP knowing everything.
Nobody becomes a great consultant in just a few months.
But those who embrace the difficult early stage, stay curious, and keep learning through real experience will eventually see the rewards.
Nobody reaches the top overnight.
But the people who start early will always have an advantage over those still waiting for the perfect moment.
-----------------------
𝐓𝐇𝐎̂𝐍𝐆 𝐓𝐈𝐍 𝐋𝐈𝐄̂𝐍 𝐇𝐄̣̂
Email: [email protected]
Fanpage: Business Intelligence Center – BIC, Duy Tan University

📊 CASE STUDY: MẤT 18 THÁNG ĐỂ GO-LIVE SAP — NHƯNG BÀI HỌC LỚN NHẤT KHÔNG NẰM Ở PHẦN MỀM
[English below]
Khi triển khai ERP, nhiều doanh nghiệp thường hỏi:
👉 "Mất bao lâu để go-live?"
Nhưng câu hỏi quan trọng hơn là: "Doanh nghiệp đã thay đổi được gì sau khi go-live?" Đây là câu chuyện của một công ty FMCG với hơn 2.000 SKU, 500 nhà phân phối và hệ thống cũ đã vận hành gần 10 năm.
📌 Kế hoạch ban đầu:
• 12 tháng triển khai
• 12 tỷ VNĐ ngân sách
📌 Thực tế:
• 18 tháng triển khai
• 16 tỷ VNĐ chi phí
Dự án vượt kế hoạch. Nhưng điều họ nhận được còn giá trị hơn cả hệ thống mới.
1️⃣ Master Data là "quả bom hẹn giờ"
Khi bắt đầu migration, đội dự án phát hiện:
🔹 Hàng trăm SKU trùng lặp
🔹 Nhiều mã hàng không còn sử dụng
🔹 Đơn vị tính và giá bán không nhất quán
Riêng việc làm sạch dữ liệu đã mất nhiều tháng.
💡 Bài học: ERP không sửa dữ liệu xấu. ERP chỉ khiến dữ liệu xấu lộ rõ hơn.
2️⃣ Khó nhất không phải IT — mà là Change Management
Phòng Sales đã quen với hệ thống cũ suốt 10 năm.
Khi SAP go-live, tốc độ xử lý đơn hàng ban đầu chậm hơn trước. Sự phản đối xuất hiện gần như ngay lập tức.
⚠️ Go-live không phải đích đến. User adoption mới là bài kiểm tra thật sự.
3️⃣ Integration luôn phức tạp hơn dự kiến
SAP nội bộ vận hành ổn nhưng 500 nhà phân phối đang dùng nhiều hệ thống khác nhau.
🔗 Việc kết nối toàn bộ hệ sinh thái bên ngoài mới là phần kéo dài dự án nhất.
Điều họ làm đúng nhất
Khi áp lực chi phí xuất hiện, ban lãnh đạo vẫn quyết định giữ đội Hypercare thêm 3 tháng sau go-live.
🎯 Quyết định đó giúp người dùng thích nghi, duy trì niềm tin vào hệ thống mới và đẩy adoption lên mức ổn định.
Sau 18 tháng vận hành:
📈 Order fulfillment rate: 78% → 94%
⚡ Order-to-delivery time: giảm 35%
📊 Báo cáo tháng: từ 3 ngày xuống còn 3 giờ
💡 Bài học lớn nhất?
ERP không thất bại vì hệ thống không chạy. ERP thất bại khi con người không thay đổi cách làm việc.
❝ Go-live is not the finish line. It's the starting line. ❞
--------------
📊 CASE STUDY: 18 MONTHS TO GO-LIVE SAP — BUT THE BIGGEST LESSON WAS NOT IN THE SOFTWARE
When companies implement ERP, they often ask:
👉 “How long will it take to go live?”
But the more important question is: “What has the business changed after go-live?”
This is the story of an FMCG company with more than 2,000 SKUs, 500 distributors, and a legacy system that had been running for nearly 10 years.
📌 Initial plan:
• 12-month implementation
• VND 12 billion budget
📌 Actual result:
• 18-month implementation
• VND 16 billion total cost
The project went over schedule. But what they gained was far more valuable than a new system alone.
1️⃣ Master Data was a “ticking time bomb”
When the migration started, the project team discovered:
🔹 Hundreds of duplicate SKUs
🔹 Many inactive product codes
🔹 Inconsistent units of measure and pricing
Data cleansing alone took several months.
💡 Lesson: ERP does not fix bad data. ERP only makes bad data visible.
2️⃣ The hardest part was not IT — it was Change Management
The Sales team had been using the old system for 10 years.
When SAP went live, order processing was initially slower than before. Resistance appeared almost immediately.
⚠️ Go-live is not the finish line. User adoption is the real test.
3️⃣ Integration is always more complex than expected
SAP worked well internally, but 500 distributors were using different systems.
🔗 Connecting the entire external ecosystem was the part that extended the project the most.
What they did best
When cost pressure appeared, leadership still chose to keep the Hypercare team for 3 more months after go-live.
🎯 That decision helped users adapt, maintained trust in the new system, and drove adoption to a stable level.
After 18 months of operation:
📈 Order fulfillment rate: 78% → 94%
⚡ Order-to-delivery time: down 35%
📊 Monthly reporting: from 3 days to 3 hours
💡 The biggest esson?
ERP does not fail because the system does not work. ERP fails when people do not change the way they work.
❝ Go-live is not the finish line. It's the starting line. ❞
-----------------------
𝐓𝐇𝐎̂𝐍𝐆 𝐓𝐈𝐍 𝐋𝐈𝐄̂𝐍 𝐇𝐄̣̂
Email: [email protected]
Fanpage: Business Intelligence Center – BIC, Duy Tan University

📊 SỰ KHÁC BIỆT GIỮA BA, DA VÀ BI - LIỆU BẠN THỰC SỰ ĐANG Ở VỊ TRÍ NÀO?
[English below]
Rất nhiều bạn nhắn cho BIC thế này:
“Business Analyst, Data Analyst và Business Intelligence khác nhau thế nào?” hay“Em nên học cái nào trước?” “Role nào dễ phát triển lâu dài hơn?”
Và thật ra… đây là một trong những hiểu lầm phổ biến nhất trong thế giới data. Vì có nhiều người luôn nghĩ: BA, DA và BI là 3 con đường tách biệt hoàn toàn.
Nhưng thực tế: Đây là 3 góc nhìn khác nhau để giải cùng một bài toán business.
Điểm khác biệt nằm ở:
👉 họ đặt câu hỏi gì
👉 làm việc với thứ gì
👉 và tạo ra impact theo cách nào
🔍 Business Analyst (BA)
📌 Câu hỏi chính:
“Business đang gặp vấn đề gì và nên giải quyết như thế nào?”
BA thường là người đứng giữa business và team kỹ thuật và họ dành nhiều thời gian để:
✔️ Làm việc với stakeholders
✔️ Phân tích quy trình vận hành
✔️ Tìm pain points
✔️ Viết requirements
✔️ Đề xuất solution cải tiến
📂 Làm việc với:
Business process
Requirements
Workflow
Stakeholders
🎯 Output thường thấy:
BRD / SRS
Process improvement
User stories
Solution proposal
💡 BA giỏi không chỉ hiểu hệ thống và họ hiểu cách mà business đang vận hành.
📊 Data Analyst (DA)
📌 Câu hỏi chính:
“Dữ liệu đang nói lên điều gì?” DA là người “đọc vị” dữ liệu để tìm insight.
Họ thường:
✔️ Query dữ liệu
✔️ Làm sạch dữ liệu
✔️ Phân tích trend
✔️ Tìm nguyên nhân
✔️ Đưa ra insight hỗ trợ quyết định
📂 Làm việc với:
SQL
Excel
Python / R
Raw data
Visualization
🎯 Output thường thấy:
Analysis report
Insight
Ad-hoc analysis
KPI tracking
💡 Một DA giỏi không đơn thuần chỉ biết code. Họ biết đặt câu hỏi đúng với dữ liệu.
📈 Business Intelligence (BI)
📌 Câu hỏi chính:
“Làm sao để insight luôn sẵn sàng cho người ra quyết định?”
Nếu DA thường phân tích theo yêu cầu, thì BI tập trung xây hệ thống để insight được cập nhật liên tục và tự động.
BI thường:
✔️ Xây dashboard
✔️ Thiết kế data model
✔️ Chuẩn hóa dữ liệu
✔️ Tự động hóa reporting
✔️ Tạo single source of truth cho doanh nghiệp
📂 Làm việc với:
Dashboard
Data warehouse
ETL / Pipeline
Power BI / Tableau
Data modeling
🎯 Output thường thấy:
Automated reporting
Executive dashboard
Monitoring system
Real-time KPI tracking
💡 BI giỏi không chỉ trực quan hóa đẹp. Họ giúp business ra quyết định nhanh hơn.
🔥 Cách dễ nhớ nhất:
📌 BA
→ Tìm đúng vấn đề cần giải
📌 DA
→ Tìm câu trả lời từ dữ liệu
📌 BI
→ Đưa câu trả lời đến đúng người, đúng lúc
⚠️ Nhưng trong thực tế ranh giới giữa BA, DA và BI không hề rõ ràng.
Một BA hiện đại cần hiểu data - Một DA giỏi cần hiểu business - Một BI developer mạnh cần hiểu decision-making và đó là lý do những người có khả năng kết nối cả 3 góc nhìn đang cực kỳ giá trị.
🧠 Người ta gọi đó là:
DATA TRANSLATOR:
✔️ hiểu business problem
✔️ nói chuyện với stakeholder
✔️ đọc và phân tích data
✔️ và biến insight thành hành động thực tế
📌 Đây cũng là lý do nhiều công ty hiện nay không còn tuyển người “chỉ biết tool”.
Họ cần người:
👉 hiểu business
👉 hiểu data
👉 và hiểu cách tạo impact từ cả hai
🎯 Nếu bạn đang mới bắt đầu:
Thích giao tiếp, quy trình, stakeholder → BA
Thích phân tích, tìm insight → DA
Thích dashboard, hệ thống, automation → BI
Nhưng về lâu dài thì người có lợi thế lớn nhất thường là người hiểu được cả ba.
🚀 Vì tương lai của data không nằm ở việc “biết nhiều tool”. Nó nằm ở khả năng kết nối business và data để tạo ra quyết định tốt hơn.

📊 THE DIFFERENCE BETWEEN BA, DA, AND BI — WHICH ROLE ARE YOU ACTUALLY IN?
Many people message to BIC asking:
“What’s the difference between Business Analyst, Data Analyst, and Business Intelligence?”
“Which one should I learn first?”
“Which role has better long-term growth?”
And honestly… This is one of the most common misconceptions in the data world.
A lot of people think BA, DA, and BI are three completely separate career paths.
But in reality:
These are simply three different perspectives for solving the same business problem.
The difference lies in:
👉 the questions they ask
👉 what they work with
👉 and how they create impact
🔍 Business Analyst (BA)
📌 Main question:
“What business problem exists and how should we solve it?”
BA acts as the bridge between business and technical teams.
They usually:
✔️ Work with stakeholders
✔️ Analyze business processes
✔️ Identify pain points
✔️ Write requirements
✔️ Propose improvement solutions
📂 Work with:
Business process
Requirements
Workflow
Stakeholders
🎯 Typical outputs:
BRD / SRS
Process improvement
User stories
Solution proposals
💡 A great BA doesn’t just understand systems — they understand how business actually operates.
📊 Data Analyst (DA)
📌 Main question:
“What is the data telling us?”
DA is the person who uncovers insights from data.
They usually:
✔️ Query data
✔️ Clean and prepare data
✔️ Analyze trends
✔️ Identify root causes
✔️ Deliver insights to support decisions
📂 Work with:
SQL
Excel
Python / R
Raw data
Visualization
🎯 Typical outputs:
Analysis reports
Insights
Ad-hoc analysis
KPI tracking
💡 A great DA is not someone who only knows coding — they know how to ask the right questions.
📈 Business Intelligence (BI)
📌 Main question:
“How can insights always be available for decision-makers?”
If DA often works on-demand, BI focuses on building systems that make insights continuously available and automated.
BI usually:
✔️ Build dashboards
✔️ Design data models
✔️ Standardize data
✔️ Automate reporting
✔️ Create a single source of truth for the business
📂 Work with:
Dashboards
Data warehouse
ETL / Pipeline
Power BI / Tableau
Data modeling
🎯 Typical outputs:
Automated reporting
Executive dashboards
Monitoring systems
Real-time KPI tracking
💡 Great BI professionals don’t just create beautiful dashboards — they help businesses make decisions faster.
🔥 The easiest way to remember:
📌 BA
→ Find the right problem to solve
📌 DA
→ Find answers from data
📌 BI
→ Deliver the right answers to the right people at the right time
⚠️ But in reality, the boundaries between BA, DA, and BI are not always clear.
A modern BA needs to understand data.
A strong DA needs business thinking.
A capable BI professional needs to understand decision-making.
That’s why people who can connect all three perspectives are becoming incredibly valuable.
🧠 They are often called:
DATA TRANSLATORS
✔️ Understand business problems
✔️ Communicate with stakeholders
✔️ Analyze and interpret data
✔️ Turn insights into real actions
📌 This is also why many companies today are no longer hiring people who “only know tools.”
They want people who:
👉 understand business
👉 understand data
👉 and know how to create impact from both
🎯 If you’re just getting started:
Like communication, processes, stakeholder management → BA
Like analysis and finding insights → DA
Like dashboards, systems, and automation → BI
But in the long run, the biggest advantage often belongs to those who understand all three.
🚀 Because the future of data isn’t about knowing more tools.
It’s about connecting business and data to make better decisions.
-----------------------
𝐓𝐇𝐎̂𝐍𝐆 𝐓𝐈𝐍 𝐋𝐈𝐄̂𝐍 𝐇𝐄̣̂
Email: [email protected]
Fanpage: Business Intelligence Center – BIC, Duy Tan University

🎯 LÀM BA THÌ CHỈ CÓ NGỒI LÀM EXCEL CẢ NGÀY!
[English below]
Rất nhiều người nghĩ rằng BA (Business Analyst) chỉ là người ngồi tổng hợp dữ liệu, viết tài liệu hay đơn thuần là làm slide cho sếp xem. Nhưng trên thực tế, đó chỉ là một phần rất nhỏ trong khối lượng công việc khổng lồ mà một BA phải đảm nhận.
📌 BA thật sự là ai?
Nói một cách dễ hiểu thì Business Analyst là người đứng giữa business và technology. Họ là “phiên dịch viên” giữa:
doanh nghiệp: những người biết mình gặp vấn đề gì nhưng chưa chắc biết cần xây gì,
và
kỹ thuật: những người có thể xây hệ thống nhưng cần yêu cầu rõ ràng để triển khai đúng.
Một dự án thất bại không phải lúc nào cũng vì dev code tệ. Nhiều khi, dự án thất bại vì xây đúng thứ được yêu cầu nhưng lại sai thứ người dùng thực sự cần. Đây là lúc mà vai trò của BA trở nên cực kỳ quan trọng.
💡 Một BA giỏi không chỉ hỏi: “Khách hàng muốn tính năng gì?”
Mà sẽ đi sâu hơn:
“Vấn đề thật sự ở đây là gì?”
“Tại sao người dùng cần tính năng này?”
“Nếu không làm thì ảnh hưởng gì?”
“Có cách nào đơn giản hơn để giải quyết không?”
Nhiều bạn nghĩ BA cần giỏi Excel trước tiên. Thật ra, kỹ năng quan trọng nhất của BA lại là: “biết đặt câu hỏi đúng.”
Vì đôi khi:
business nói một đằng,
người dùng cần một nẻo,
còn team kỹ thuật hiểu theo cách khác hoàn toàn.
Nếu BA không đào đủ sâu, cả team có thể dành hàng tháng xây một sản phẩm mà không ai muốn dùng.
📊 Công cụ như Excel, Power BI hay SQL chắc chắn hữu ích nhưng suy cho cùng chúng chỉ là “tools”. Và điều tạo nên giá trị thật của BA là:
tư duy phân tích,
khả năng giao tiếp,
lắng nghe,
nhìn vấn đề từ nhiều góc độ,
và kết nối mọi người về cùng một mục tiêu.
Trong thời đại chuyển đổi số, BA không chỉ là người viết requirement. Họ đang trở thành những người giúp doanh nghiệp:
hiểu khách hàng tốt hơn,
tối ưu quy trình,
giảm lãng phí,
và đưa ra quyết định chính xác hơn dựa trên dữ liệu và insight.
Nói cách khác: BA không chỉ giúp “xây sản phẩm”. BA giúp đảm bảo doanh nghiệp đang xây đúng thứ cần được xây.

🎯 “BEING A BA IS JUST ABOUT SITTING AND WORKING ON EXCEL ALL DAY!”
A lot of people think that a BA (Business Analyst) is simply someone who spends the whole day collecting data, writing documents, or making slides for managers. But in reality, those are only a very small part of the massive amount of work a BA actually handles.
📌 So who is a BA, really?
Simply put, a Business Analyst is the person who stands between business and technology. They are the “translator” between:
the business side: people who know they have problems but may not fully know what should be built,
and
the technical side: people who can build systems but need clear requirements to implement the right solution.
A project does not always fail because developers write bad code. Many times, projects fail because the team builds exactly what was requested — but not what users actually need. That is where the role of a BA becomes extremely important.
💡 A great BA does not just ask:
“What feature does the client want?”
They go deeper by asking:
“What is the real problem here?”
“Why do users need this feature?”
“What happens if we do not build it?”
“Is there a simpler way to solve this issue?”
Many people think the most important skill for a BA is being good at Excel. But in reality, the most important skill is:
👉 “knowing how to ask the right questions.”
Because sometimes:
the business says one thing,
users actually need something else,
while the technical team understands it in a completely different way.
If a BA does not dig deep enough, the whole team could spend months building a product that nobody actually wants to use.
📊 Tools like Excel, Power BI, or SQL are definitely useful, but at the end of the day, they are just “tools.”
What truly creates value for a BA is:
analytical thinking,
communication skills,
listening,
seeing problems from multiple perspectives,
and connecting everyone toward the same goal.
In the era of digital transformation, BAs are no longer just people who write requirements. They are becoming the people who help businesses:
understand customers better,
optimize processes,
reduce waste,
and make more accurate decisions based on data and insights.
In other words:
A BA does not just help “build products.”
A BA helps ensure that businesses are building the right things to begin with.
-----------------------
𝐓𝐇𝐎̂𝐍𝐆 𝐓𝐈𝐍 𝐋𝐈𝐄̂𝐍 𝐇𝐄̣̂
Email: [email protected]
Fanpage: Business Intelligence Center – BIC, Duy Tan University

📖 DATA STORYTELLING — KỸ NĂNG BIẾN SỐ LIỆU THÀNH HÀNH ĐỘNG
[English below]
Bạn có thể phân tích dữ liệu rất giỏi, dashboard có thể rất đẹp và model có thể rất chính xác. Nhưng nếu không ai hiểu insight của bạn thì toàn bộ phân tích đó gần như vô nghĩa.
Đây là lý do Data Storytelling đang trở thành một trong những kỹ năng quan trọng nhất trong thế giới data hiện nay.
⚠️ Một vấn đề rất phổ biến trong doanh nghiệp:
Analyst trình bày một slide đầy số liệu được thuyết trình một cách sắc sảo, biểu đồ rất chuyên nghiệp và data rất chi tiết.
Sếp gật đầu rồi cuộc họp kết thúc. Và… không có hành động nào được thực hiện.
❗ Điều kì lạ ở đây là không phải vì insight sai mà vì câu chuyện chưa được kể đúng cách: Data không tự tạo ra impact mà cách chúng ta truyền đạt data mới tạo ra impact.
📊 Rất nhiều người nghĩ: “Làm data là nói bằng số liệu.”
Nhưng thực tế: Business không ra quyết định chỉ vì thấy nhiều con số.
Họ ra quyết định khi:
👉 hiểu vấn đề
👉 cảm nhận được urgency
👉 và thấy rõ hướng hành động tiếp theo
Đó chính là Data Storytelling.
🔥 Một Data Story hiệu quả thường có 3 phần:
① Context - Chúng ta đang ở đâu?
Bối cảnh hiện tại là gì? hay Business đang gặp bài toán nào?
Ví dụ:
“Trong 3 tháng gần đây, tỷ lệ khách hàng quay lại đang giảm liên tục dù lượng user mới vẫn tăng.”
② Conflict - Điều gì bất thường đang xảy ra?
Data đang cảnh báo điều gì?
Ví dụ:
“Phân tích cho thấy phần lớn khách hàng rời đi trong 7 ngày đầu tiên sau khi đăng ký.”
③ Resolution - Chúng ta nên làm gì?
Khuyến nghị cụ thể là gì?
Ví dụ:
“Nếu cải thiện onboarding flow cho nhóm user mới, doanh nghiệp có thể giữ lại thêm khoảng 15–20% khách hàng mỗi tháng.”
💡 Đây là khác biệt giữa:
“Reporting data” và “Driving decisions.”
📌 Ví dụ thực tế:
❌ Báo cáo thông thường: “Tỷ lệ giữ chân khách hàng tháng 3 là 68%, giảm so với 74% tháng 2.”
➡️ Đây chỉ là thông tin.
✅ Data Story:
“Chúng ta đang mất khoảng 180 khách hàng mỗi tháng, chủ yếu ở nhóm dùng thử 30 ngày chưa được onboard đúng cách. Nếu tối ưu onboarding flow, ước tính có thể giữ lại thêm ~120 triệu đồng doanh thu định kỳ mỗi quý.”
➡️ Đây là một business case.
Cùng một dữ liệu. Nhưng cách thứ hai khiến người nghe:
✔️ hiểu vấn đề
✔️ thấy tác động
✔️ và muốn hành động ngay lập tức
🎯 Một Data Story tốt không cố gắng cho người nghe thấy: “Bạn phân tích giỏi thế nào.”
Nó giúp người nghe hiểu:
👉 “Điều gì đang thực sự xảy ra?”
👉 “Tại sao điều này quan trọng?”
👉 “Và chúng ta cần làm gì tiếp theo?”
💡 Vì cuối cùng:
Data Analyst không chỉ làm việc với data. Họ đang làm việc với decision-making.
❝ Numbers don't move people. Stories do. Data just gives the story credibility. ❞
Lần tới khi trình bày báo cáo, thử đừng bắt đầu bằng dashboard. Hãy bắt đầu bằng một câu như:
👉 “Chúng ta đang có một vấn đề…”
hoặc
👉 “Có một insight rất đáng chú ý đang xảy ra…”
Đó là lúc data bắt đầu trở thành hành động 🚀
-----------------------
📖 DATA STORYTELLING — THE SKILL OF TURNING DATA INTO ACTION
You can be excellent at analyzing data, your dashboard can look beautiful, and your model can be highly accurate. But if no one understands your insight, then all of that analysis is almost meaningless.
That is why Data Storytelling is becoming one of the most important skills in today’s data world.
⚠️ A very common problem in business:
An analyst presents a slide full of numbers, delivers the presentation smoothly, the charts look professional, and the data is very detailed.
The manager nods, the meeting ends, and… no action is taken.
❗ The strange thing is that this is not because the insight is wrong, but because the story has not been told properly: data does not create impact by itself — the way we communicate data creates impact.
📊 Many people think: “Doing data means speaking in numbers.”
But in reality, businesses do not make decisions just because they see a lot of numbers.
They make decisions when they:
👉 understand the problem
👉 feel the urgency
👉 and clearly see the next action to take
That is Data Storytelling.
🔥 An effective data story usually has 3 parts:
① Context - Where are we now?
What is the current situation? What problem is the business facing?
Example:
“In the past 3 months, the customer return rate has been continuously declining even though the number of new users is still increasing.”
② Conflict - What unusual thing is happening?
What is the data warning us about?
Example:
“The analysis shows that most customers leave within the first 7 days after signing up.”
③ Resolution - What should we do?
What is the specific recommendation?
Example:
“If we improve the onboarding flow for new users, the business could retain an additional 15–20% of customers each month.”
💡 This is the difference between:
“Reporting data” and “Driving decisions.”
📌 Real-world example:
❌ Standard report: “Customer retention in March was 68%, down from 74% in February.”
➡️ This is only information.
✅ Data Story:
“We are losing about 180 customers per month, mostly in the 30-day trial group that has not been onboarded properly. If we optimize the onboarding flow, we estimate we can retain an additional ~120 million VND in recurring revenue each quarter.”
➡️ This is a business case.
The same data. But the second version makes the audience:
✔️ understand the problem
✔️ see the impact
✔️ and want to act immediately
🎯 A good data story does not try to show the audience how good your analysis is.
It helps the audience understand:
👉 “What is actually happening?”
👉 “Why does this matter?”
👉 “And what should we do next?”
💡 Because in the end:
Data analysts do not just work with data. They work with decision-making.
❝ Numbers don't move people. Stories do. Data just gives the story credibility. ❞
The next time you present a report, try not to start with the dashboard. Start with a line like:
👉 “We have a problem…”
or
👉 “A very important insight is happening…”
That is when data begins to turn into action 🚀
-----------------------
𝐓𝐇𝐎̂𝐍𝐆 𝐓𝐈𝐍 𝐋𝐈𝐄̂𝐍 𝐇𝐄̣̂
Email: [email protected]
Fanpage: Business Intelligence Center – BIC, Duy Tan University