Đọc hiểu dữ liệu: 7 sai lầm khiến chúng ta kết luận sai

Có một điều khá thú vị khi làm việc với dữ liệu: hai người có thể nhìn cùng một bảng báo cáo, sử dụng những con số hoàn toàn chính xác, nhưng lại đưa ra hai kết luận khác nhau.

Người thứ nhất nhìn thấy doanh thu tăng và cho rằng hoạt động kinh doanh đang tốt lên.

Người thứ hai nhìn thấy số đơn hàng giảm và bắt đầu lo lắng.

Ai đúng?

Có thể cả hai. Nhưng cũng có thể cả hai đang bỏ sót một phần quan trọng của câu chuyện.

Hôm nay, chú Nha 27 tuổi muốn chia sẻ một điều mình luôn cố gắng ghi nhớ khi tìm hiểu khoa học dữ liệu: trước khi sử dụng những con số để đưa ra quyết định, chúng ta cần hiểu chúng được tạo ra như thế nào và thực sự phản ánh điều gì.

Bài này không cần Python, không cần Machine Learning. Chỉ cần một chút tò mò, vài phép tính cơ bản và thói quen đặt câu hỏi.

1. Một báo cáo doanh thu tăng 26%, nhưng số đơn hàng lại giảm

Giả sử chúng ta đang quản lý một cửa hàng trực tuyến và nhận được báo cáo của hai tháng liên tiếp.

Dữ liệu như sau:

Chỉ số	Tháng 1	Tháng 2	Thay đổi
Số đơn hàng	100	90	Giảm 10%
Giá trị trung bình mỗi đơn	500.000 đồng	700.000 đồng	Tăng 40%
Doanh thu	50.000.000 đồng	63.000.000 đồng	Tăng 26%

Lưu ý: Đây là dữ liệu giả định để minh họa phương pháp phân tích, không phải số liệu kinh doanh thực tế của một doanh nghiệp.

Nhìn vào dòng cuối cùng, chúng ta có một kết quả khá đẹp: doanh thu tăng 26%.

Chúc mừng!

Nhưng khoan mừng lâu quá.

Số đơn hàng đã giảm từ 100 xuống 90. Trong khi đó, giá trị trung bình mỗi đơn hàng tăng từ 500.000 lên 700.000 đồng.

Doanh thu tăng không phải vì bán được nhiều đơn hơn, mà vì mỗi đơn hàng có giá trị cao hơn.

Cả ba chỉ số đều đúng. Vấn đề nằm ở chỗ chúng ta đang chọn chỉ số nào để kể câu chuyện.

Kiểm tra lại phép tính

Trong ví dụ này, doanh thu được tính bằng tổng giá trị các đơn hàng được ghi nhận trong kỳ:

Doanh thu tháng 1 = 100 × 500.000 = 50.000.000 đồng.

Doanh thu tháng 2 = 90 × 700.000 = 63.000.000 đồng.

Tỷ lệ tăng doanh thu = (63.000.000 - 50.000.000) / 50.000.000 × 100% = 26%.

Tỷ lệ thay đổi số đơn = (90 - 100) / 100 × 100% = -10%.

Các phép tính đều chính xác.

Nhưng từ đây, chúng ta chưa đủ cơ sở để khẳng định hoạt động kinh doanh đang tốt hơn về mọi mặt.

Chẳng hạn:

• Khách hàng có đang mua ít lần hơn không?
• Giá trị đơn hàng tăng vì khách mua nhiều sản phẩm hơn hay vì giá bán tăng?
• Chi phí để có được mỗi đơn hàng có thay đổi không?
• Lợi nhuận có tăng tương ứng với doanh thu không?
• Cơ cấu sản phẩm hoặc nhóm khách hàng có thay đổi không?

Nếu không kiểm tra thêm, chúng ta có thể đánh giá hoạt động bán hàng dựa trên một bức tranh chưa đầy đủ.

Đây chính là điều đầu tiên Nha muốn nhắc đến: một con số chính xác không đồng nghĩa với một kết luận đầy đủ.

2. Dữ liệu có thực sự không biết nói dối?

Câu trả lời cần chính xác hơn một chút so với tiêu đề bài viết.

Dữ liệu không có ý định nói dối như con người. Nhưng dữ liệu có thể sai.

Một bản ghi có thể bị trùng. Một trường thông tin có thể bị bỏ trống. Hệ thống có thể ghi nhận giao dịch không đúng thời điểm. Người nhập liệu có thể gõ nhầm. Một phép tổng hợp có thể cộng những đối tượng không nên cộng chung.

Vì vậy, Nha không xem dữ liệu là sự thật tuyệt đối.

Dữ liệu là những quan sát hoặc bản ghi được tạo ra thông qua một quá trình thu thập, đo lường và xử lý nhất định.

Chất lượng của quá trình ấy ảnh hưởng trực tiếp đến độ tin cậy của kết quả phân tích.

Trong khoa học dữ liệu, người ta thường quan tâm đến những khía cạnh của chất lượng dữ liệu như tính chính xác (accuracy), tính đầy đủ (completeness), tính nhất quán (consistency) và tính kịp thời (timeliness).

Chẳng hạn, một hệ thống có thể lưu đúng số tiền thanh toán, nhưng báo cáo lại thiếu các giao dịch được đồng bộ muộn. Số tiền trong từng bản ghi vẫn đúng, còn tổng doanh thu của kỳ báo cáo thì chưa đầy đủ.

Our World in Data từng chia sẻ cách họ phát hiện một giá trị tăng đột biến bất thường trong dữ liệu chuỗi thời gian. Sau khi kiểm tra với đơn vị cung cấp dữ liệu, vấn đề được xác nhận và dữ liệu được sửa lại.

Điều Nha thích ở câu chuyện ấy không phải là việc phát hiện ra một lỗi.

Mà là cách xử lý.

Nhận thấy bất thường, kiểm tra lại, tìm nguyên nhân, rồi sửa dữ liệu dựa trên bằng chứng.

Không vội kết luận.

Nguồn tham khảo: Our World in Data – Spotting and fixing data issues.

3. Bảy sai lầm thường gặp khi đọc và phân tích dữ liệu

Sai lầm 1: Chỉ nhìn tỷ lệ phần trăm mà bỏ qua số tuyệt đối

Một cửa hàng thông báo doanh số tăng 100%.

Nghe rất hấp dẫn.

Nhưng nếu tháng trước cửa hàng bán được 2 sản phẩm, tháng này bán được 4 sản phẩm, thì mức tăng 100% ấy mang ý nghĩa khác với việc tăng từ 20.000 lên 40.000 sản phẩm.

Tỷ lệ phần trăm mô tả mức thay đổi tương đối. Số tuyệt đối cho biết quy mô của sự thay đổi.

Cả hai đều cần thiết.

Khi đọc một báo cáo tăng trưởng, Nha thường muốn biết ít nhất ba điều: giá trị ban đầu là bao nhiêu, giá trị mới là bao nhiêu và chúng ta đang so sánh trong khoảng thời gian nào.

Đặc biệt, khi mẫu số ban đầu rất nhỏ, phần trăm thay đổi có thể rất lớn dù chênh lệch tuyệt đối không đáng kể.

Sai lầm 2: Dùng trung bình cộng để mô tả tất cả mọi người

Giả sử có sáu người với mức thu nhập mỗi tháng lần lượt là:

8 triệu, 9 triệu, 10 triệu, 11 triệu, 12 triệu và 70 triệu đồng.

Thu nhập trung bình cộng:

(8 + 9 + 10 + 11 + 12 + 70) / 6 = 20 triệu đồng.

Nhưng có đến năm người trong nhóm thu nhập không quá 12 triệu đồng.

Vậy câu nói "nhóm này có thu nhập trung bình 20 triệu đồng" có đúng không?

Đúng về mặt phép tính.

Nhưng nếu người nghe hiểu rằng phần lớn thành viên có thu nhập gần 20 triệu đồng thì lại không đúng với bộ dữ liệu này.

Chúng ta có thể xem thêm trung vị (median).

Vì có sáu giá trị đã được sắp xếp, trung vị bằng trung bình của hai giá trị ở giữa:

(10 + 11) / 2 = 10,5 triệu đồng.

Trung bình cộng là 20 triệu, còn trung vị chỉ 10,5 triệu.

Chênh lệch khá lớn.

Nguyên nhân là một giá trị thu nhập cao đã kéo trung bình cộng lên.

Điều này không có nghĩa trung vị luôn tốt hơn trung bình cộng. Mỗi chỉ số trả lời một câu hỏi khác nhau.

Trung bình cộng hữu ích khi cần phân tích tổng giá trị phân bổ đều cho các quan sát. Trung vị thường hữu ích khi muốn mô tả vị trí giữa của một phân phối có các giá trị cực đoan.

Statistics Canada có tài liệu giải thích sự khác biệt giữa mean, median và mode, trong đó lưu ý các giá trị cực đoan có thể ảnh hưởng đáng kể đến trung bình cộng.

Nguồn: Statistics Canada – Statistics 101: Exploring measures of central tendency.

Sai lầm 3: Nhầm tương quan với quan hệ nhân quả

Giả sử chúng ta nhận thấy vào những ngày nóng, cả doanh số kem và số người đến bể bơi đều tăng.

Hai hiện tượng này có thể có tương quan dương.

Nhưng điều đó không có nghĩa cứ bán nhiều kem thì sẽ khiến nhiều người đi bơi hơn.

Nhiệt độ có thể là một biến ảnh hưởng đến cả hai hiện tượng.

Trong thống kê, đây là ví dụ minh họa về yếu tố gây nhiễu (confounding factor).

Tương quan (correlation) mô tả mối liên hệ thống kê giữa các biến. Quan hệ nhân quả (causation) đề cập đến việc thay đổi một yếu tố có tạo ra thay đổi ở yếu tố khác hay không.

Hai khái niệm không giống nhau.

Trong kinh doanh cũng vậy.

Nếu doanh thu tăng sau một chiến dịch quảng cáo, chúng ta chưa thể khẳng định toàn bộ mức tăng là do quảng cáo.

Có thể doanh nghiệp đang vào mùa cao điểm. Có thể đối thủ tạm ngừng bán hàng. Có thể sản phẩm được giảm giá. Hoặc nhiều yếu tố cùng tác động.

Muốn đánh giá tác động nhân quả, chúng ta cần một thiết kế nghiên cứu phù hợp, chẳng hạn thử nghiệm ngẫu nhiên có đối chứng khi điều kiện cho phép, hoặc những phương pháp suy luận nhân quả khác với các giả định được kiểm tra cẩn thận.

Vì vậy, thay vì viết "A làm B tăng", đôi khi cách diễn đạt chính xác hơn là "A và B tăng cùng thời điểm; chưa đủ bằng chứng xác định nguyên nhân".

Sai lầm 4: So sánh hai nhóm không tương đồng

Một doanh nghiệp có thể nhận thấy nhóm khách hàng đăng ký thành viên chi tiêu nhiều hơn nhóm không đăng ký.

Rồi kết luận rằng chương trình thành viên đã làm khách hàng chi tiêu nhiều hơn.

Nhưng có một khả năng khác: những khách hàng vốn mua sắm thường xuyên có xu hướng đăng ký thành viên nhiều hơn.

Đây là một dạng thiên lệch lựa chọn (selection bias) có thể xuất hiện trong dữ liệu quan sát.

Nếu hai nhóm khác nhau ngay từ đầu về tần suất mua, thu nhập, sở thích hoặc lịch sử sử dụng dịch vụ, việc so sánh đơn giản có thể gây hiểu nhầm.

Muốn đánh giá hiệu quả chương trình, chúng ta cần xem xét cách hình thành các nhóm, các yếu tố khác biệt và phương pháp đánh giá phù hợp.

Nha nghĩ đây là lý do người phân tích dữ liệu cần hiểu nghiệp vụ chứ không chỉ biết sử dụng công cụ.

Một truy vấn SQL có thể chạy rất nhanh, nhưng nó không tự biết hai nhóm khách hàng có thực sự so sánh được với nhau hay không.

Sai lầm 5: Không kiểm tra mẫu số khi tính tỷ lệ

Giả sử một website có 10.000 phiên truy cập và 200 đơn hàng trong một tháng.

Nếu tính số đơn hàng chia số phiên truy cập, kết quả là:

200 / 10.000 × 100% = 2%.

Đây là tỷ lệ số đơn hàng trên số phiên truy cập theo định nghĩa của ví dụ.

Nhưng nếu có 8.000 người dùng và 180 người trong số đó thực hiện ít nhất một đơn hàng, thì tỷ lệ người dùng có mua hàng là:

180 / 8.000 × 100% = 2,25%.

Hai kết quả khác nhau vì tử số và mẫu số khác nhau.

Không nhất thiết có phép tính nào sai.

Chúng đang đo hai đại lượng khác nhau.

Trong thực tế, một người có thể truy cập website nhiều lần và thực hiện nhiều đơn hàng. Ngoài ra, định nghĩa sự kiện mua hàng, phạm vi đo lường, múi giờ và cách hệ thống nhận diện người dùng cũng có thể ảnh hưởng đến chỉ số.

Vì vậy, mỗi KPI nên có định nghĩa rõ ràng.

Nếu trong cuộc họp có hai người đưa ra hai tỷ lệ chuyển đổi khác nhau, câu hỏi đầu tiên chưa chắc phải là "Ai tính sai?".

Có khi nên hỏi: "Hai người đang tính cùng một chỉ số không?".

Sai lầm 6: Nhìn biểu đồ mà quên kiểm tra trục và tỷ lệ

Hãy tưởng tượng doanh thu của hai tháng là 100 triệu và 110 triệu đồng.

Mức tăng thực tế là 10%.

Nếu vẽ biểu đồ cột với trục tung bắt đầu từ 0, người đọc sẽ nhìn thấy sự khác biệt tương ứng giữa hai cột.

Nhưng nếu trục tung chỉ hiển thị khoảng từ 95 đến 115 triệu, sự chênh lệch chiều cao nhìn thấy có thể trở nên rất lớn.

Biểu đồ không nhất thiết ghi sai số liệu. Nhưng cách lựa chọn thang đo có thể làm người xem cảm nhận mức thay đổi mạnh hơn thực tế.

Với biểu đồ cột dùng chiều dài hoặc chiều cao để biểu thị giá trị, mốc 0 thường là lựa chọn quan trọng để so sánh độ lớn một cách phù hợp.

Với biểu đồ đường, việc thu hẹp trục tung đôi khi lại hữu ích để thể hiện những thay đổi nhỏ. Điều cần thiết là nhãn trục, phạm vi đo và ngữ cảnh phải rõ ràng.

Statistics Canada khuyến nghị lựa chọn dạng biểu đồ dựa trên dữ liệu, đối tượng người xem và thông điệp cần truyền tải; đồng thời lưu ý những biểu đồ 3D có thể làm việc diễn giải trở nên khó khăn.

Nguồn: Statistics Canada – Data Visualization: Best Practices.

Đối với Nha, một biểu đồ tốt không chỉ cần đẹp. Nó phải giúp người đọc nhìn đúng mức độ khác biệt trong dữ liệu.

Sai lầm 7: Chỉ chọn những con số ủng hộ điều mình muốn tin

Đây là một sai lầm khá khó phát hiện, vì đôi khi chúng ta thực hiện nó mà không nhận ra.

Giả sử một nhóm đang thử nghiệm giao diện website mới.

Sau khi triển khai, thời gian tương tác trung bình tăng.

Đó là tín hiệu đáng quan tâm.

Nhưng nếu tỷ lệ hoàn thành giao dịch giảm, số lỗi tăng hoặc người dùng mất nhiều thời gian hơn vì không tìm thấy nút cần bấm, thì kết luận "giao diện mới tốt hơn" vẫn cần được xem xét lại.

Chúng ta có xu hướng chú ý đến những bằng chứng phù hợp với niềm tin sẵn có và ít quan tâm đến bằng chứng trái chiều. Hiện tượng này thường được gọi là thiên kiến xác nhận (confirmation bias).

Trong phân tích dữ liệu, cách hạn chế là xác định trước những chỉ số đánh giá chính, ghi nhận cả kết quả thuận lợi lẫn bất lợi, và tránh thay đổi tiêu chí chỉ vì kết quả không như mong đợi.

Nha thích một câu hỏi rất đơn giản:

Nếu kết quả đi ngược với điều mình đang tin, mình có sẵn sàng xem xét lại nhận định không?

Nếu câu trả lời là có, ít nhất chúng ta đang cho dữ liệu một cơ hội được xem xét công bằng.

4. Thử phân tích lại ví dụ doanh thu ban đầu

Quay lại cửa hàng trực tuyến ở đầu bài.

Chúng ta có ba chỉ số:

• Doanh thu tăng 26%.
• Số đơn hàng giảm 10%.
• Giá trị trung bình mỗi đơn hàng tăng 40%.

Với lượng dữ liệu hiện tại, chúng ta có thể kết luận rằng doanh thu tăng trong kỳ so sánh và mức tăng này đi cùng với sự gia tăng giá trị đơn hàng bình quân, dù số đơn hàng giảm.

Đó là điều bộ số liệu cho phép nói.

Nhưng chúng ta chưa biết tại sao giá trị đơn hàng tăng, chưa biết số khách hàng duy nhất thay đổi như thế nào, và cũng chưa biết lợi nhuận có cải thiện hay không.

Nếu muốn tìm hiểu thêm, Nha sẽ mở rộng bảng dữ liệu theo các hướng sau:

Câu hỏi	Dữ liệu cần bổ sung
Khách mua ít đi hay mua ít lần hơn?	Số khách hàng duy nhất, số đơn mỗi khách
Giá trị đơn hàng tăng vì đâu?	Số lượng sản phẩm, đơn giá, giảm giá, cơ cấu sản phẩm
Hoạt động có hiệu quả hơn không?	Giá vốn, chi phí marketing, chi phí vận hành
Kênh nào thay đổi?	Đơn hàng và doanh thu theo kênh
Có phải yếu tố mùa vụ?	Dữ liệu nhiều kỳ và bối cảnh kinh doanh

Chú ý một chi tiết: chúng ta không cần lập tức thu thập mọi dữ liệu có thể nghĩ ra.

Nên bắt đầu bằng câu hỏi cần trả lời, sau đó xác định những dữ liệu thực sự cần thiết.

Đây cũng là điểm phân biệt giữa việc sở hữu nhiều dữ liệu và việc sử dụng dữ liệu có ích.

Trước đây Nha từng viết về Big Data và cách khai thác dữ liệu lớn. Nhưng một bài toán với 100 đơn hàng cũng có thể dạy chúng ta nhiều điều về phân tích.

Dữ liệu không nhất thiết phải lớn mới đáng học.

5. Một bài thực hành nhỏ với Google Sheets

Đọc lý thuyết mãi cũng hơi buồn ngủ. Chú Nha đã chuẩn bị một bảng Google Sheets nhỏ để chúng ta cùng thực hành.

Không cần cài đặt phần mềm, không cần biết lập trình. Chỉ cần một tài khoản Google và khoảng vài phút để thử những phép tính cơ bản.

Chúng ta sẽ sử dụng lại ví dụ cửa hàng trực tuyến ở đầu bài: doanh thu tăng 26%, số đơn hàng giảm 10%, còn giá trị trung bình mỗi đơn tăng 40%.

Nghe hơi ngược đời nhỉ? Thử tự tính xem sao.

Bước 1. Mở bảng dữ liệu thực hành

Nha đã chuẩn bị một file Google Sheets có sẵn dữ liệu, công thức tính toán và đáp án để đối chiếu.

Mở Google Sheets và tạo bản sao để thực hành

Khi mở liên kết, bạn hãy chọn "Tạo bản sao" (Make a copy). Google sẽ lưu một bản riêng vào Drive của bạn.

Bạn có thể thoải mái sửa số liệu, nhập công thức, thậm chí xóa nhầm vài ô cũng không sao. Bản gốc của chú Nha vẫn còn nguyên.

File gồm ba trang tính:

• 01 - Mau tu dong: Bảng dữ liệu và công thức có sẵn. Bạn chỉ cần thay đổi các con số để xem kết quả.
• 02 - Tu nhap cong thuc: Bài thực hành để tự nhập công thức Google Sheets.
• 03 - Dap an: Kết quả và lời giải để kiểm tra sau khi hoàn thành.

Lưu ý: Toàn bộ dữ liệu trong file là ví dụ giả định phục vụ học tập, không phải số liệu kinh doanh thực tế.

Bước 2. Quan sát bảng dữ liệu ban đầu

Mở trang tính đầu tiên. Bạn sẽ thấy bảng gồm hai tháng với các chỉ số:

Chỉ số	Tháng 1	Tháng 2
Số đơn hàng	100	90
Giá trị trung bình mỗi đơn	500.000 đồng	700.000 đồng
Doanh thu	50.000.000 đồng	63.000.000 đồng

Nhìn qua bảng này, bạn hãy thử trả lời:

• Doanh thu tăng bao nhiêu phần trăm?
• Số đơn hàng thay đổi thế nào?
• Vì sao số đơn hàng giảm nhưng doanh thu vẫn tăng?

Đừng mở đáp án vội nhé.

Bước 3. Tự nhập công thức

Chuyển sang trang tính "02 - Tu nhap cong thuc".

Ở trang này, một số ô kết quả đã được để trống để bạn thực hiện phép tính.

Tại ô D2, nhập:

=B2*C2

Công thức lấy số đơn hàng tháng 1 nhân với giá trị trung bình mỗi đơn.

Tại ô D3, nhập:

=B3*C3

Đây là doanh thu tháng 2.

Tiếp theo, tại ô F2, tính tỷ lệ thay đổi doanh thu:

=(D3-D2)/D2

Tại ô F3, tính tỷ lệ thay đổi số đơn hàng:

=(B3-B2)/B2

Tại ô F4, tính tỷ lệ thay đổi giá trị trung bình mỗi đơn:

=(C3-C2)/C2

Nếu ô kết quả hiển thị số thập phân, hãy chọn định dạng phần trăm (%) trên thanh công cụ Google Sheets.

Sau khi hoàn thành, bạn có thể chuyển sang trang tính "03 - Dap an" để đối chiếu.

Bước 4. Thử thay đổi dữ liệu

Đây mới là phần thú vị.

Quay lại trang tính đầu tiên và thay giá trị trung bình mỗi đơn của tháng 2, tại ô C3, từ 700.000 đồng thành 500.000 đồng.

Điều gì xảy ra?

Doanh thu tháng 2 giảm từ 63 triệu xuống còn 45 triệu đồng.

Tỷ lệ tăng trưởng doanh thu chuyển từ +26% thành -10%.

Chỉ một thay đổi trong dữ liệu đầu vào, kết quả phân tích đã khác hẳn.

Hãy thử thêm một vài tình huống:

• Giữ nguyên giá trị mỗi đơn nhưng tăng số đơn hàng.
• Giảm số đơn hàng và tăng giá trị trung bình mỗi đơn.
• Tăng số đơn hàng nhưng giảm giá trị trung bình mỗi đơn.

Quan sát xem doanh thu thay đổi như thế nào.

Bạn sẽ nhận thấy một điều: doanh thu là kết quả tổng hợp của nhiều yếu tố. Chỉ nhìn vào kết quả cuối cùng, chúng ta chưa chắc hiểu được nguyên nhân tạo ra nó.

Bước 5. Tập đưa ra kết luận từ dữ liệu

Sau khi thực hành xong, hãy thử viết ba câu nhận xét:

1. Một điều bạn có thể khẳng định từ bảng dữ liệu.
2. Một điều bạn chưa đủ dữ liệu để kết luận.
3. Một loại dữ liệu bạn muốn bổ sung để hiểu rõ hơn hoạt động kinh doanh.

Ví dụ:

Điều có thể khẳng định: Trong bộ dữ liệu ban đầu, doanh thu tháng 2 cao hơn tháng 1 là 26%, dù số đơn hàng giảm 10%.

Điều chưa thể kết luận: Chưa đủ cơ sở để khẳng định lợi nhuận tăng, bởi chúng ta không có thông tin về giá vốn và chi phí.

Dữ liệu muốn bổ sung: Số khách hàng duy nhất, cơ cấu sản phẩm, chi phí marketing và lợi nhuận từng tháng.

Không cần viết dài. Điều quan trọng là phân biệt được thông tin đã có với những điều mình mới đang suy đoán.

Chú Nha muốn nhắn thêm một chút

Bài thực hành này chỉ sử dụng hai dòng dữ liệu và vài công thức đơn giản. Chúng ta chưa thực hiện phân tích thống kê chuyên sâu, cũng chưa kiểm tra được nguyên nhân thực sự khiến doanh thu thay đổi.

Nhưng như vậy là đủ để bắt đầu.

Khi biết tự kiểm tra phép tính, hiểu các chỉ số và nhận ra những câu hỏi dữ liệu chưa trả lời được, bạn đã hình thành một thói quen quan trọng của người học khoa học dữ liệu.

Không cần bắt đầu bằng một bộ dữ liệu hàng triệu dòng.

Một bảng tính nhỏ, được đọc cẩn thận, vẫn có thể dạy chúng ta nhiều điều.

Lấy bản sao Google Sheets và tự thực hành ngay

6. Sáu câu hỏi Nha muốn tự đặt ra trước mỗi bảng báo cáo

Sau khi xem qua những ví dụ trên, Nha thử gom lại thành sáu câu hỏi để sử dụng trong công việc.

1. Con số này đo điều gì? Cần hiểu tên chỉ số, đơn vị đo và cách tính.
2. Dữ liệu đến từ đâu? Kiểm tra nguồn, phạm vi, thời gian và quá trình thu thập.
3. Dữ liệu đã đủ tin cậy chưa? Xem xét bản ghi thiếu, trùng, sai hoặc chưa được cập nhật.
4. Đang so sánh với điều gì? Kiểm tra kỳ so sánh, nhóm đối tượng và mẫu số.
5. Còn cách giải thích nào khác không? Xem xét yếu tố gây nhiễu, tính mùa vụ, cơ cấu nhóm và những giả thuyết thay thế.
6. Bằng chứng hiện có cho phép kết luận đến đâu? Phân biệt quan sát, suy luận và khẳng định quan hệ nhân quả.

Sáu câu hỏi này không thay thế các phương pháp phân tích thống kê chính thức.

Nhưng chúng giúp chúng ta tránh việc nhìn thấy một con số hấp dẫn rồi kết luận quá nhanh.

7. Khoa học dữ liệu không bắt đầu bằng một dòng code

Khi mới tìm hiểu một lĩnh vực công nghệ, chúng ta khá dễ bị cuốn vào công cụ.

Học Python. Học SQL. Học Power BI. Học Machine Learning.

Những kỹ năng ấy đều có giá trị.

Nhưng viết được một truy vấn SQL phức tạp không tự động khiến kết luận của chúng ta chính xác. Một mô hình Machine Learning dự đoán tốt trên dữ liệu kiểm thử cũng chưa chắc giải quyết đúng vấn đề kinh doanh ban đầu.

Trước khi chọn công cụ, người phân tích cần hiểu câu hỏi đang được đặt ra, dữ liệu nào có thể giúp trả lời và phương pháp nào phù hợp.

Trong bài Khoa học dữ liệu là gì?, Nha đã giới thiệu Data Science như một lĩnh vực kết hợp kiến thức về dữ liệu, thống kê, lập trình và chuyên môn ứng dụng.

Còn ở bài viết này, Nha muốn bắt đầu bằng một kỹ năng nhỏ hơn: đọc một bảng số liệu mà không vội tin vào kết luận đầu tiên xuất hiện trong đầu.

Sau này, khi biết thêm nhiều công cụ, thói quen ấy vẫn còn hữu ích.

Thậm chí có thể còn quan trọng hơn, bởi công cụ càng mạnh thì chúng ta càng dễ tạo ra những báo cáo rất thuyết phục, kể cả khi giả định ban đầu chưa đúng.

8. Điều Nha muốn ghi nhớ

Có lẽ điều thú vị nhất khi học khoa học dữ liệu là nhận ra rằng một con số thường chỉ trả lời được một phần của câu hỏi.

Doanh thu tăng là một thông tin.

Doanh thu tăng vì đâu lại là câu hỏi khác.

Và liệu chúng ta có nên thay đổi một quyết định kinh doanh dựa trên mức tăng ấy hay không, đó còn là câu hỏi cần thêm dữ liệu, bối cảnh và sự cân nhắc.

Nha không nghĩ người làm dữ liệu giỏi là người luôn tìm được một kết luận thật nhanh.

Đôi khi, điều đáng quý hơn là biết nói: "Với dữ liệu hiện tại, mình chưa thể khẳng định điều đó".

Nghe có vẻ chưa hấp dẫn lắm.

Nhưng nó giúp chúng ta tránh được khá nhiều quyết định vội vàng.

Và lần tới, khi nhìn thấy một báo cáo tăng trưởng rất đẹp, chú Nha vẫn muốn vui với tin tốt ấy.

Chỉ là trước khi vui quá, Nha sẽ nhìn thêm một chút.

Xem mẫu số ở đâu.

Xem có gì thay đổi.

Và xem những con số còn đang bỏ ngỏ câu hỏi nào.

Học dữ liệu, với Nha, bắt đầu từ những việc nhỏ như vậy.

Tài liệu tham khảo

Các nguồn dưới đây được dùng để đối chiếu những khái niệm và phương pháp trong bài. Các bảng doanh thu, thu nhập và tỷ lệ chuyển đổi là ví dụ tự xây dựng để minh họa, không trích từ các tài liệu này.

1. Statistics Canada – Statistics 101: Exploring measures of central tendency. Tài liệu giải thích trung bình cộng, trung vị và mode.
2. Statistics Canada – Data Visualization: Best Practices. Hướng dẫn lựa chọn và trình bày biểu đồ.
3. Our World in Data – Spotting and fixing data issues. Trường hợp thực tế về phát hiện và xử lý lỗi dữ liệu.

Mãnh Tử Nha – Chú Nha 27 tuổi, tự học mỗi ngày và chia sẻ lại những điều mình thấy hữu ích.