Excel

Excel là phần mềm bảng tính của Microsoft được sử dụng để nhập dữ liệu tính toán tổ chức thông tin phân tích và tạo báo cáo.

Nhưng gọi Excel đơn giản là công cụ để lập bảng thì hơi thiếu.

Một file Excel có thể bắt đầu từ vài chục dòng dữ liệu.

Sau đó có công thức.

PivotTable.

Biểu đồ.

Power Query.

Data Model.

Dashboard.

Và rất nhanh trở thành một hệ thống nghiệp vụ thu nhỏ.

Đây vừa là sức mạnh vừa là điểm cần cẩn thận khi sử dụng Excel.

Excel phù hợp với nhiều mức độ công việc.

Người mới có thể dùng để cộng trừ lọc và sắp xếp dữ liệu.

Người làm nghiệp vụ có thể xây báo cáo và mô hình tính toán.

Người làm Data Analytics có thể sử dụng Excel để khám phá dữ liệu tổng hợp kiểm tra giả thuyết và trực quan hóa kết quả.

Nhưng Excel không phải database.

Excel cũng không phải Data Warehouse.

Và một workbook có hàng trăm sheet liên kết chéo không tự động trở thành một hệ thống dữ liệu tốt.

Hiểu giới hạn của Excel quan trọng không kém biết sử dụng công thức.

Một trong những khái niệm cơ bản nhất của Excel là cell.

Mỗi cell nằm tại giao điểm giữa một row và một column.

Ví dụ A1 là cell ở cột A và dòng 1.

Cell có thể chứa:

Text.

Number.

Date.

Formula.

Hoặc các kiểu dữ liệu khác tùy phiên bản và tính năng.

Nhiều người học Excel bắt đầu bằng công thức.

Nhưng trước công thức nên học cách tổ chức dữ liệu.

Một bảng dữ liệu tốt thường có:

Mỗi dòng đại diện cho một observation.

Mỗi cột đại diện cho một thuộc tính.

Header rõ nghĩa.

Kiểu dữ liệu nhất quán.

Không chèn các dòng tiêu đề phụ lung tung giữa dataset.

Không merge cell trong vùng dữ liệu cần phân tích.

Không dùng màu sắc thay cho dữ liệu.

Ví dụ không nên quy ước:

Ô màu đỏ là khách hủy.

Ô màu xanh là khách đã thanh toán.

Nếu trạng thái quan trọng hãy có một cột Status.

Dữ liệu nên mang ý nghĩa bằng giá trị.

Không nên bắt máy tính phải đoán ý nghĩa từ cách trang trí.

Một trong những kỹ năng Excel quan trọng nhất là Excel Table.

Table giúp biến một vùng dữ liệu thành cấu trúc có header rõ ràng và khả năng mở rộng khi thêm dữ liệu.

Table cũng giúp công thức dễ đọc hơn nhờ structured references.

Ví dụ thay vì tham chiếu một vùng khó nhớ người dùng có thể tham chiếu tới tên cột.

Điều này đặc biệt hữu ích khi workbook bắt đầu lớn.

Excel cũng nổi tiếng với formula.

Một formula bắt đầu bằng dấu bằng và có thể kết hợp dữ liệu toán tử hàm và tham chiếu cell.

Ví dụ:

=A1+B1

Nhưng khả năng thật sự của Excel nằm ở hệ thống hàm rất lớn.

Những hàm cơ bản như:

SUM.

AVERAGE.

MIN.

MAX.

COUNT.

là nơi tốt để bắt đầu.

Sau đó có thể học các hàm điều kiện như:

IF.

IFS.

SUMIF.

SUMIFS.

COUNTIF.

COUNTIFS.

Nhóm lookup cũng rất quan trọng.

VLOOKUP từng là một trong những hàm được sử dụng phổ biến nhất.

Nhưng trong các phiên bản Excel hiện đại XLOOKUP thường linh hoạt và dễ kiểm soát hơn cho nhiều tình huống lookup.

INDEX kết hợp MATCH vẫn là một kỹ thuật đáng hiểu vì nó giúp người dùng hiểu bản chất của việc tìm vị trí và trả về giá trị.

Điểm quan trọng không phải thuộc càng nhiều công thức càng tốt.

Mà là hiểu dữ liệu đang được biến đổi như thế nào.

Một công thức dài 400 ký tự chưa chắc chứng minh người làm Excel giỏi.

Đôi khi nó chỉ chứng minh workbook đang cần được thiết kế lại.

Absolute Reference và Relative Reference là kiến thức rất cơ bản nhưng thường gây lỗi.

A1 là relative reference.

$A$1 là absolute reference.

Còn $A1 hoặc A$1 chỉ khóa một chiều.

Nếu không hiểu cách reference thay đổi khi copy formula người dùng có thể tạo ra hàng nghìn kết quả sai mà không có thông báo lỗi.

Đây là một đặc điểm đáng chú ý của spreadsheet.

Không phải lỗi nào cũng hiện #ERROR.

Công thức có thể chạy hoàn toàn bình thường nhưng logic sai.

Đó mới là loại lỗi nguy hiểm.

Data Validation giúp kiểm soát dữ liệu được nhập vào cell.

Ví dụ một cột trạng thái chỉ cho phép:

New.

Processing.

Completed.

Cancelled.

Dropdown có thể giúp giảm lỗi nhập khác chính tả hoặc khác cách viết.

Nhưng Data Validation không nên được xem là hệ thống kiểm soát dữ liệu hoàn chỉnh.

Dữ liệu vẫn cần được kiểm tra ở nhiều tầng khác nếu quan trọng.

Conditional Formatting giúp làm nổi bật dữ liệu dựa trên điều kiện.

Ví dụ:

Đơn hàng quá SLA.

Doanh thu thấp hơn target.

Giá trị duplicate.

Ngày sắp hết hạn.

Nhưng conditional formatting rất dễ bị lạm dụng.

Nếu bảng có mười màu cùng lúc thì màu gần như mất ý nghĩa.

Màu nên giúp người dùng chú ý.

Không phải biến workbook thành bảng đèn LED.

Sort và Filter là hai kỹ năng tưởng đơn giản nhưng cực kỳ quan trọng trong phân tích dữ liệu.

Sort giúp sắp xếp dữ liệu theo một hoặc nhiều điều kiện.

Filter giúp chỉ xem những observation phù hợp với điều kiện.

Ví dụ lọc:

Khách hàng tại TP.HCM.

Booking tháng này.

Đơn hàng chưa thanh toán.

Lead quá SLA.

Nhưng filter không xóa dữ liệu.

Nó chỉ thay đổi những gì đang được hiển thị.

Điểm này cần nhớ khi tính toán hoặc copy dữ liệu đã filter.

PivotTable là một trong những công cụ mạnh nhất của Excel để tổng hợp dữ liệu.

Thay vì viết hàng loạt SUMIF người dùng có thể kéo thả dimension và metric để xem dữ liệu theo nhiều góc.

Ví dụ từ dữ liệu booking có thể xem:

Doanh thu theo thị trường.

Khách theo tháng.

Booking theo channel.

Average order value theo nhóm sản phẩm.

PivotTable đặc biệt hữu ích trong exploratory analysis.

Người dùng có thể nhanh chóng thay đổi cách nhóm dữ liệu mà không sửa dataset gốc.

Nhưng PivotTable chỉ đáng tin khi dữ liệu nguồn đáng tin.

Nếu source có duplicate thì PivotTable sẽ tổng hợp duplicate rất chăm chỉ.

Excel không biết một dòng là sai chỉ vì người dùng không muốn nó tồn tại.

Đây là nơi Data Quality trở nên quan trọng.

Một bước tiếp theo rất đáng học là Power Query.

Power Query giúp nhập kết nối làm sạch biến đổi kết hợp và refresh dữ liệu theo một chuỗi bước có thể lặp lại.

Ví dụ mỗi tháng nhận 20 file Excel từ các chi nhánh.

Cách thủ công là mở từng file.

Copy.

Paste.

Sửa cột.

Xóa dòng thừa.

Rồi cầu mong tháng sau nhớ mình đã làm gì.

Power Query cho phép biến quy trình đó thành các bước transformation rõ ràng hơn.

Import.

Đổi kiểu dữ liệu.

Rename column.

Remove column.

Filter row.

Merge.

Append.

Load.

Sau đó khi có dữ liệu mới có thể refresh lại query thay vì làm thủ công từ đầu.

Đây là một thay đổi tư duy rất quan trọng.

Đừng chỉ làm ra kết quả.

Hãy xây một quy trình có thể lặp lại.

Power Query không phải database.

Nhưng nó giúp Excel tiến gần hơn tới một workflow dữ liệu có cấu trúc.

Một khái niệm khác là Data Model.

Thay vì ép mọi dữ liệu vào một bảng duy nhất người dùng có thể tạo quan hệ giữa nhiều bảng.

Ví dụ:

Customers.

Bookings.

Products.

Calendar.

Mỗi bảng có một grain khác nhau.

Quan hệ giữa chúng cho phép phân tích linh hoạt hơn.

Đây cũng là bước giúp người học Excel bắt đầu làm quen với tư duy relational data.

Nhưng cần cẩn thận với relationship.

Nếu key không unique hoặc grain của dữ liệu không rõ kết quả tổng hợp rất dễ sai.

Một bảng Customers nên hiểu rõ:

Mỗi dòng là một customer?

Hay mỗi dòng là một profile?

Một bảng Bookings:

Mỗi dòng là booking?

Passenger?

Service?

Payment?

Không hiểu grain thì việc join hoặc relationship có thể làm dữ liệu nhân bản.

Đây không phải lỗi riêng của Excel.

Đó là kiến thức Data Modeling.

Chart là phần quen thuộc khác của Excel.

Excel có thể tạo nhiều loại biểu đồ để so sánh trend distribution và relationship.

Nhưng khả năng tạo nhiều loại chart không có nghĩa nên dùng tất cả.

Bar chart phù hợp để so category.

Line chart phù hợp cho trend theo thời gian.

Scatter plot hữu ích khi xem relationship giữa hai biến số.

Histogram hữu ích để xem distribution.

Câu hỏi nên quyết định chart.

Không phải menu Insert quyết định chart.

Dashboard trong Excel cũng rất phổ biến.

Một dashboard có thể kết hợp:

KPI.

PivotTable.

PivotChart.

Slicer.

Timeline.

Formula.

Conditional Formatting.

Nhưng một sheet chứa nhiều chart chưa chắc là dashboard tốt.

Dashboard phải phục vụ một người dùng và một nhóm quyết định cụ thể.

Ví dụ dashboard sales nên giúp trả lời:

Doanh thu đang thế nào?

Kênh nào giảm?

Thị trường nào lệch kế hoạch?

Lead nào quá SLA?

Cần xử lý ở đâu?

Nếu người dùng phải đọc 25 chart để tự tìm câu hỏi thì dashboard chưa làm tốt nhiệm vụ.

Excel cũng rất hữu ích để học thống kê cơ bản.

Người dùng có thể tính:

Mean.

Median.

Weighted Mean.

Variance.

Standard Deviation.

Percentile.

Correlation.

Regression.

Và nhiều phép phân tích khác.

Nhưng bấm đúng hàm không đồng nghĩa hiểu đúng thống kê.

Ví dụ hàm CORREL có thể cho ra một con số rất đẹp.

Nó vẫn không chứng minh causation.

AVERAGE có thể tính đúng.

Nhưng nếu dữ liệu có outlier mạnh thì mean có thể không phản ánh giá trị điển hình.

Excel tính hộ.

Người dùng vẫn phải nghĩ.

Đây là ranh giới rất quan trọng.

Missing Data cũng cần được xử lý cẩn thận.

Ô trống không mặc định bằng zero.

Zero có nghĩa giá trị bằng không.

Blank có thể có nghĩa chưa nhập chưa có dữ liệu không áp dụng hoặc pipeline chưa đồng bộ.

Thay toàn bộ blank bằng zero chỉ để công thức chạy có thể làm sai mean rate và dashboard.

Duplicate là một lỗi khác rất phổ biến.

Excel có công cụ giúp nhận diện hoặc loại duplicate.

Nhưng hai dòng giống nhau không nhất thiết là duplicate nghiệp vụ.

Ví dụ hai passenger cùng tên có thể là hai người khác nhau.

Muốn xác định duplicate cần biết business key.

Đây là lý do Data Cleaning luôn cần domain knowledge.

Date và Time cũng là nguồn gây đau đầu quen thuộc.

Một giá trị nhìn giống ngày chưa chắc đang được Excel lưu như date.

Có thể nó chỉ là text.

Format thay đổi cách hiển thị.

Nó không nhất thiết thay đổi kiểu dữ liệu thực sự.

Đây là một nguyên tắc rất đáng nhớ:

Format không phải Data Type.

Điều tương tự xảy ra với percentage.

50 phần trăm thường được lưu dưới dạng 0.5 rồi hiển thị 50%.

Nếu dữ liệu nguồn đưa 50 rồi tiếp tục format percentage kết quả có thể thành 5000%.

Con số không sai vì Excel.

Nó sai vì người dùng không hiểu representation.

Error Value như #N/A #VALUE! #REF! hoặc #DIV/0! không nên chỉ bị che đi bằng IFERROR trong mọi trường hợp.

IFERROR có thể làm giao diện sạch hơn.

Nhưng nó cũng có thể che mất lỗi dữ liệu hoặc lỗi công thức.

Trước khi thay error bằng blank nên hiểu:

Tại sao lỗi xuất hiện?

Đó là trường hợp hợp lệ?

Hay workbook vừa bị hỏng logic?

Một lỗi bị giấu vẫn là lỗi.

Naming cũng giúp workbook dễ bảo trì hơn.

Tên sheet như:

Sheet1.

Sheet2.

Final.

Final2.

Final_Final.

không giúp người khác hiểu workbook.

Tên nên phản ánh vai trò.

Raw_Data.

Mapping.

Calculation.

Dashboard.

Readme.

Cách đặt tên tốt giảm rất nhiều thời gian giải thích.

Một workbook quan trọng cũng nên có documentation.

Ít nhất nên biết:

Workbook dùng để làm gì.

Dữ liệu đến từ đâu.

Ai là owner.

Cập nhật như thế nào.

Metric được định nghĩa ra sao.

Những assumption quan trọng là gì.

Một file chỉ có tác giả hiểu được không phải tài sản dữ liệu tốt.

Nó là kiến thức cá nhân được đóng gói trong định dạng XLSX.

Version Control cũng là điểm yếu quen thuộc của spreadsheet workflow.

Những file như:

Report_Final.xlsx

Report_Final_v2.xlsx

Report_Final_v2_OK.xlsx

Report_Final_v2_OK_Sep.xlsx

là dấu hiệu quy trình cần xem lại.

Với workbook quan trọng cần có quy tắc về nơi lưu trữ ownership version và lịch sử thay đổi.

Không nên gửi nhiều bản file qua chat rồi hy vọng mọi người đang mở cùng một phiên bản.

Automation là bước tiếp theo khi thao tác lặp lại quá nhiều.

Power Query có thể tự động hóa nhiều bước xử lý dữ liệu.

Formula có thể tự động tính toán.

Macro và VBA có thể tự động hóa những workflow khác.

Nhưng trước khi viết automation nên xem quy trình có thật sự ổn định không.

Tự động hóa một quy trình tệ chỉ giúp nó chạy sai nhanh hơn.

Đây là nguyên tắc không riêng gì Excel.

Excel cũng có thể là bước đầu để người dùng chuyển sang SQL.

Khi dataset bắt đầu lớn.

Nhiều người cùng sử dụng.

Cần audit.

Cần concurrency.

Cần xử lý quan hệ phức tạp.

Cần pipeline tự động.

Hoặc workbook bắt đầu trở thành hệ thống vận hành chính.

Đó là lúc nên tự hỏi:

Bài toán này còn phù hợp với Excel không?

Không phải bài toán nào cũng cần database.

Nhưng không phải database nào cũng nên được giả làm Excel.

Power BI cũng không phải Excel phiên bản đẹp hơn.

Hai công cụ có vùng giao nhau nhưng phục vụ workflow khác nhau.

Excel rất mạnh cho phân tích ad hoc mô hình tính toán và thao tác dữ liệu linh hoạt.

Power BI tập trung mạnh hơn vào mô hình dữ liệu báo cáo tương tác và phân phối BI tới nhiều người dùng.

Tùy bài toán có thể dùng một trong hai hoặc kết hợp cả hai.

Python cũng không phải đối thủ của Excel.

Python phù hợp hơn khi cần:

Automation phức tạp.

Dataset lớn hơn.

Workflow có thể tái lập bằng code.

Machine Learning.

Phân tích thống kê nâng cao.

Hoặc xử lý nhiều nguồn dữ liệu.

Excel lại có lợi thế lớn về khả năng tiếp cận và tính tương tác trực tiếp với dữ liệu.

Người làm dữ liệu tốt không nhất thiết phải chọn phe.

Công cụ phụ thuộc bài toán.

Excel cũng đang được tích hợp ngày càng sâu với các khả năng AI.

Nhưng AI không thay thế việc hiểu workbook.

Nếu người dùng yêu cầu AI tạo formula mà không biết formula đang tính gì thì rủi ro chỉ chuyển từ:

Tôi viết sai công thức.

sang:

AI viết sai công thức và tôi không nhận ra.

Kết quả thứ hai đôi khi nguy hiểm hơn vì nó trông rất chuyên nghiệp.

Vì vậy bất kỳ nội dung hoặc công thức nào được AI tạo cũng cần được kiểm tra.

Đặc biệt với tài chính báo cáo quản trị hoặc dữ liệu ảnh hưởng tới quyết định.

Một lộ trình học Excel cho người làm dữ liệu có thể bắt đầu từ:

Data structure → Table → Formula → Lookup → Sort và Filter → PivotTable → Chart → Data Cleaning → Power Query → Data Model → Dashboard → Automation.

Không nhất thiết phải học hàng trăm hàm trước.

Quan trọng hơn là hiểu một dataset tốt trông như thế nào.

Hiểu grain.

Hiểu key.

Hiểu denominator.

Hiểu missing value.

Hiểu duplicate.

Hiểu metric.

Và biết kiểm tra kết quả.

Excel chỉ là công cụ.

Nhưng vì công cụ này quá linh hoạt nên nó có thể khuếch đại cả tư duy tốt lẫn tư duy tệ.

Một workbook thiết kế tốt có thể giúp công việc nhanh hơn rõ ràng hơn và dễ kiểm tra hơn.

Một workbook thiết kế kém có thể chứa hàng nghìn công thức chạy hoàn hảo nhưng không ai dám sửa.

Câu hỏi đáng hỏi khi làm Excel không chỉ là:

Làm công thức này thế nào?

Mà nên hỏi thêm:

Dữ liệu này có đúng cấu trúc không?

Có cách nào đơn giản hơn không?

Tháng sau có phải làm lại từ đầu không?

Người khác có hiểu workbook này không?

Nếu dữ liệu tăng gấp mười thì cách làm còn ổn không?

Nếu con số sai tôi có truy được nó sai ở bước nào không?

Nếu những câu hỏi này được trả lời tốt thì kỹ năng Excel đã vượt xa chuyện nhớ công thức.

Tag Excel tổng hợp các bài viết và kiến thức về Microsoft Excel công thức PivotTable Power Query Data Model biểu đồ dashboard làm sạch dữ liệu phân tích dữ liệu và cách xây workbook rõ ràng dễ kiểm tra và có thể tái sử dụng.