Giới thiệu
Hi xin chào!Mình là Khang đây
Mình tốt nghiệp ngành Quản lý Công nghiệp, chuyên ngành Supply Chain & Operations Management tại Đại học Bách khoa TP.HCM. Nền tảng đó dạy mình nhìn vào hệ thống, quy trình và những điểm nghẽn trong vận hành. Sau đó, mình bước sang dữ liệu, AI và vibe coding — nơi mình có thể tự tay biến một ý tưởng thành sản phẩm chạy được. Mình muốn dùng những gì học và xây để tạo ra nhiều giá trị thiết thực hơn cho mọi người và xã hội.
Hành trình của tôi
- 01Nền tảng2021-2025
Supply Chain & Operations
Mình đã tốt nghiệp ngành Quản lý Công nghiệp, chuyên ngành Supply Chain & Operations Management tại Đại học Bách khoa TP.HCM.
- 02Đổi hướng2023-nay
Từ quy trình sang dữ liệu
Những câu hỏi về điểm nghẽn và quyết định đưa mình đến với phân tích dữ liệu từ năm 2023, rồi mở đường sang AI.
- 03Đang làmhiện tại
Học bằng cách xắn tay vào làm
Mình chọn một bài toán đủ cụ thể, dựng bản nhỏ, ghi lại giả định và xem kết quả có đứng được khi mở code ra không.
- 04Mục tiêutương lai
Hướng tới autonomous value chain creation
Mục tiêu dài hạn của mình là đưa AI vào supply chain để dữ liệu, phân tích, quyết định và thực thi nối thành một hệ thống thống nhất - mỗi vòng vận hành tạo thêm giá trị và cải thiện vòng tiếp theo.
Dự án của tôi
Tech stack của mình
AI providers
Analytics & app build
PythonPhân tích và automationSQLTruy vấn và định nghĩa metric
Power BIMô hình và dashboard
BigQueryKho dữ liệu phân tích
Google ADKĐiều phối agent
Hermes AgentAgent tự vận hành cho research và coding workflow
Claude CodeCoding agent cho phát triển và kiểm tra code
CodexCoding agent cho build, review và automation
GitVersion control cho mọi project
DockerĐóng gói môi trường chạy
KubernetesĐiều phối app containerFramework tư duy của mình
Mình kết hợp problem solving bảy bước của McKinsey, Design Thinking và DevOps để hiểu đúng vấn đề, kiểm chứng và cải tiến liên tục.
- 01
Định nghĩa bài toán và câu hỏi quyết định
Bắt đầu từ người dùng và quyết định cần hỗ trợ; làm rõ mục tiêu, phạm vi, ràng buộc và tiêu chí thành công trước khi nghĩ đến giải pháp.
- 02
Cấu trúc bằng issue tree / hypothesis tree
Phân rã bài toán thành các nhánh logic theo tinh thần MECE (không chồng lấn, đủ bao quát), rồi chuyển các nhánh quan trọng thành giả thuyết có thể kiểm chứng.
- 03
Ưu tiên theo impact và khả năng tác động
Tập trung vào những đòn bẩy vừa có ảnh hưởng lớn đến kết quả, vừa nằm trong phạm vi mình có thể thay đổi; không phân tích dàn trải.
- 04
Lập workplan và ngưỡng bằng chứng
Xác định dữ liệu, phương pháp, thử nghiệm, rủi ro, người phụ trách và mức bằng chứng cần có cho từng giả thuyết.
- 05
Phân tích, test-and-learn và prototype
Bắt đầu từ heuristic và exploratory data analysis, sau đó dùng dữ liệu, thử nghiệm và prototype để học nhanh, kiểm chứng giả thuyết và điều chỉnh hướng đi.
- 06
Tổng hợp thành governing thought
Chắt lọc các phát hiện thành một mạch lập luận rõ ràng, nêu trade-off và mức độ chắc chắn để người ra quyết định biết nên làm gì.
- 07
Khuyến nghị, triển khai và cải tiến
Chuyển kết luận thành action plan có owner; dùng version control, CI/CD, observability và feedback loops để triển khai, đo lường rồi cải tiến liên tục.
Liên hệ