Hiện mình đang là nghiên cứu viên (Research Fellow) tại một trường đại học ở UK. Công việc chính của mình là Data analyst, nhưng hơi khác một chút vì mình làm trong ngành học thuật – academia (khác thế nào sẽ nói cụ thể ở dưới). Thực ra hợp đồng của mình không yêu cầu giảng dạy, nhưng như đã chia sẻ ở bài trước, mình thực sự yêu việc đứng trên bục giảng, vậy nên vẫn duy trì mỗi năm mình nhận 1 đến 2 môn toán kinh tế hoặc kinh tế lượng cơ bản hay nâng cao.
<3
<3
***
Điểm mình thích nhất là làm nghiên cứu viên cho mình toàn quyền chủ động về sắp xếp công việc mỗi ngày. Cái này ngay lúc đầu mới nhận việc thì không được, nhưng sau khoảng một năm, khi cô manager đã hoàn toàn tin tưởng vào khả năng của mình thì cô cho mình toàn quyền sắp xếp luôn.
Từ kinh nghiệm của mình, để đạt được cái này cần 3 yếu tố:
1. Trong thời gian thử việc, đều như vắt chanh mỗi thứ 6 mình đều email báo cáo tuần cho cô manager. Cái này cô không đòi hỏi, mà mình tự làm. Nhưng mình tin nó không chỉ tạo lòng tin với cô, mà còn để chính bản thân mình định hình được khối lượng công việc cũng như khả năng đáp ứng yêu cầu công việc của bản thân.
2. Từ năm thứ 2 mình luôn chủ động bàn với cô manager về lượng công việc trong cả năm học thuật (từ cuối tháng 9 đến tháng 5, tháng 6 tháng 7 dành cho hội thảo khoa học, tháng 8 nghỉ hè). Cái này không trừu tượng được, vì nó chính là các đề mục chính trong Đề án nghiên cứu mà cô mình phải gửi cho funder của dự án - Bộ kinh tế. Vậy nên mình luôn nắm được rõ số lượng báo cáo cũng như bài thuyết trình mình cần làm cho cả năm, từ đó tự sắp xếp deadline cho bản thân sao cho hợp lý nhất.
3. Mình chưa bao giờ chậm deadline. Một bí quyết nho nhỏ là mình luôn đặt ra 2 deadline, 1 cái chính thức với cô manager và 1 cho riêng mình (deadline với cô manager thường sau tầm 2 tuần, để phòng những tình huống bất ngờ hoặc những lần làm số liệu ngu phải làm lại abc xyz). Có một điểm rất thú vị là khi mình đặt deadline ngay từ đầu như thế, chưa bao giờ cô manager của mình có bất cứ ý kiến gì, và vì mình chưa bao giờ chậm deadline nên sau tầm 1 năm cô chẳng cả hỏi han cập nhật luôn.
Về nội dung công việc, lĩnh vực nghiên cứu chính của mình là Economics of Innovation (dịch ra chắc là Kinh tế học sáng chế, nhưng sao nghe cứ ngu ngu). Để đảm bảo có thể hệ thống toàn diện kiến thức về lĩnh vực, mình đang cố làm cả về macro và micro, trong đó micro là chính vì nó là yêu cầu của Bộ kinh tế cho dự án của mình, còn macro mình làm thêm về các bài báo nghiên cứu và các dự án nhỏ hơn với thầy hướng dẫn.
Điểm quan trọng nhất mình muốn chia sẻ là, mặc dù mình đi theo con đường nghiên cứu số liệu (như một Data analyst), nhưng khác với việc làm nghiên cứu số liệu cho các công ty, trong học thuật việc nghiên cứu số liệu thực ra đòi hỏi cực nặng về việc bạn phải nắm được toàn bộ các lý thuyết trong lĩnh vực, đồng thời nắm bắt thực tế để bản thân định hình được những chủ đề và giả thuyết mà bạn muốn kiểm chứng thông qua số liệu. Mỗi bài báo nghiên cứu khoa học (ít nhất theo tiêu chuẩn của thầy hướng dẫn mình, cái này mình hoàn toàn học được từ thầy) cần phải có ít nhất một vài đóng góp quan trọng cho lý thuyết.
Ví dụ, một trong những đề tài hot nhất hiện nay là về bất bình đẳng trong thu nhập (income inequality). Rất nhiều người cho rằng chính đổi mới sáng tạo (Innovation) là một trong những tác nhân chính dẫn đến tình trạng bất bình đẳng thu nhập tăng rất cao trong 20-30 năm qua ở các nước phát triển (có khá nhiều bài báo nghiên cứu đã công bố kết quả như thế). Trong bài báo nghiên cứu mới nhất, nhóm mình (thầy, mình và 2 cộng sự khác) chỉ ra rằng thực ra không phải là chính Innovation tác động lên Income inequality, mà từ Innovation các công ty có thể tăng lợi thế cạnh tranh của họ, từ đó đến gần hơn với tình trạng độc quyền, và chính điều này mới là tác nhân gây tăng bất bình đẳng thu nhập (Innovation -> Monopoly -> Inequality). Cái này rất quan trọng, vì như vậy thì thay vì đưa ra các chính sách nhằm hạn chế Innovation (là hướng đi sai lầm, và thậm chí chúng sẽ khiến giảm khả năng tiến bộ năng suất – productivity growth), chính phủ nên tiếp tục đẩy mạnh Innovation và đồng thời đưa ra các chính sách hỗ trợ duy trì cạnh tranh lành mạnh trên thị trường nhằm chống độc quyền.
Nói cái này có vẻ khá … học thuật, đúng không? Nhưng tựu trung lại, vấn đề nó đặt ra là một nghiên cứu viên phải đọc rất rất nhiều, không chỉ phải nắm trong lòng bàn tay các lý thuyết trong lĩnh vực, mà còn phải nắm được sự phát triển của các lý thuyết, và những khía cạnh, tác nhân nào có thể ảnh hưởng đến lý thuyết khi áp dụng vào thực tế (thông qua các bài nghiên cứu định lượng khác đã công bố).
Vậy nên một ngày làm việc của mình, dù tập trung vào số liệu, nhưng vẫn luôn rất rất nặng việc đọc, cả sách lẫn báo nghiên cứu. Nhưng điểm thú vị là, khi đã luyện được thói quen đọc nhiều, mình dễ dàng tiếp cận với các thể loại sách khác (triết, tâm lý học, vv.) và thật kỳ lạ, chính những thể loại sách này lại khiến mình cảm thấy cân bằng trong việc đọc hay mở rộng hơn là việc tiếp thu kiến thức nói chung.
Về kỹ năng, để làm một nghiên cứu viên định lượng đòi hỏi vài thứ tiên quyết:
1. Nắm được đặc điểm của các dạng số liệu và các mô hình toán dùng để áp dụng cho từng loại (Econometrics).
2. Làm việc với phần mềm kinh tế lượng (mình dùng Stata, và ở UK Stata vẫn là chính cho các nghiên cứu viên kinh tế học. Nhưng R cũng được sử dụng khá rộng rãi gần đây, và cả Python cho Network Research nữa).
3. Excel (cái này tưởng không quan trọng, nhưng thực ra lại quan trọng vô cùng luôn), để làm các báo cáo. Ai cần luyện thêm liên hệ anh Dương Quân (@duongquan) nhé.
4. Thuyết trình và giảng dạy
Bài cũng khá dài rồi nên chắc mình dừng ở đây. Nếu bạn có câu hỏi gì, hay muốn mình viết chia sẻ thêm khía cạnh nào của công việc thì cứ comment cho mình nhé.
A Dreamer