Phân tích dữ liệu là gì?

Mục lục

1. Phân tích dữ liệu là gì?
2. Bốn loại phân tích dữ liệu khác nhau thế nào?
3. Quy trình phân tích dữ liệu gồm những bước nào?
4. Ví dụ minh hoạ: chuỗi cửa hàng giảm doanh thu
5. Công cụ phân tích dữ liệu nào phù hợp với bạn?
6. Lỗi thường gặp khi phân tích dữ liệu và cách xử lý
7. Dữ liệu cá nhân trong phân tích cần lưu ý gì?
8. Khi nào nên và không nên đầu tư vào phân tích dữ liệu?
9. Phân tích dữ liệu khác gì các khái niệm gần?
10. Câu hỏi thường gặp

Phân tích dữ liệu là gì?

Phân tích dữ liệu là quá trình xem xét dữ liệu một cách có hệ thống để biết điều gì đang xảy ra, vì sao xảy ra và nên làm gì. Nói gọn, đó là biến dữ liệu thô thành thông tin có ích để trả lời một câu hỏi cụ thể hoặc hỗ trợ ra quyết định. Đầu vào là các bảng số liệu, nhật ký hệ thống, phản hồi khách hàng. Đầu ra là một kết luận kèm bằng chứng, ví dụ “đơn hàng tại kênh online giảm vì tỷ lệ huỷ tăng ở nhóm giao chậm”.

Có hai cách gọi hay bị lẫn. “Data analysis” nhấn vào hành động phân tích một bộ dữ liệu cụ thể. “Data analytics” rộng hơn: gồm cả hạ tầng, công cụ, quy trình và con người để phân tích lặp đi lặp lại trong tổ chức. Trong tiếng Việt, hai từ này thường cùng dịch thành “phân tích dữ liệu”, và bài này dùng theo nghĩa chung.

Phân tích dữ liệu không đồng nghĩa với làm biểu đồ. Biểu đồ chỉ là bước trình bày. Phần cốt lõi là chọn đúng dữ liệu, kiểm tra nó có đáng tin không và chọn phép so sánh phù hợp. Nếu bạn muốn biết nghề này làm gì mỗi ngày, xem bài data analyst làm những gì.

Bốn loại phân tích dữ liệu khác nhau thế nào?

Cách phân loại được nhắc nhiều nhất chia phân tích thành bốn tầng, mỗi tầng trả lời một câu hỏi. Phân tích mô tả tóm tắt điều đã xảy ra, chẩn đoán tìm lý do, dự báo ước lượng kết quả, còn đề xuất hành động khuyến nghị việc nên làm. Gartner cũng dùng bốn loại này; theo mô tả của hãng, phân tích đề xuất hành động dựa vào các kỹ thuật như phân tích đồ thị, mô phỏng, xử lý sự kiện phức tạp và hệ thống gợi ý.

Loại	Câu hỏi	Kỹ thuật điển hình	Ví dụ minh hoạ
Mô tả	Chuyện gì đã xảy ra?	Tổng hợp, trung bình, trung vị, bảng pivot	Doanh thu từng chi nhánh tháng trước
Chẩn đoán	Vì sao xảy ra?	Chia nhóm, so sánh theo cohort, kiểm định A/B	Chi nhánh nào giảm, nhóm khách nào bỏ đi
Dự báo	Điều gì có thể xảy ra?	Hồi quy, chuỗi thời gian, phân loại	Dự báo nhu cầu hàng tuần sau
Đề xuất	Nên làm gì?	Tối ưu hoá, mô phỏng, luật nghiệp vụ	Chọn mức tồn kho tối thiểu cho từng kho

Phần lớn doanh nghiệp nhỏ và vừa ở Việt Nam đang cần tầng 1 và 2 làm cho chắc: số liệu bán hàng có khớp với kế toán không, nhóm khách nào đang giảm mua. Tầng dự báo chỉ đáng đầu tư khi dữ liệu lịch sử đủ sạch; tìm hiểu thêm ở bài predictive analytics.

Quy trình phân tích dữ liệu gồm những bước nào?

Các tài liệu tiếng Việt chia từ 4 đến 7 bước, nhưng đều xoay quanh cùng một chuỗi việc. Bài này gộp thành 6 bước, và mũi tên quay lại là điều bình thường: khi khám phá bạn thường phát hiện lỗi dữ liệu và phải quay về bước làm sạch.

Bước 1: Đặt câu hỏi có thể trả lời bằng dữ liệu

Câu hỏi tốt có đối tượng, thời gian và thước đo. “Doanh thu có vấn đề không?” quá rộng. “Doanh thu trung bình mỗi đơn của khách mới tại kênh website trong quý này thấp hơn quý trước bao nhiêu, ở nhóm sản phẩm nào?” thì làm được. Ghi kèm ba thứ: ai dùng kết quả, họ sẽ quyết định điều gì, và định nghĩa từng chỉ số (ví dụ “khách mới” là khách chưa từng mua hay chưa từng đăng ký).

Bước 2: Thu thập dữ liệu

Liệt kê nguồn: phần mềm bán hàng, CRM, kế toán, file Excel của các phòng, nhật ký website, form khảo sát. Với mỗi nguồn, ghi rõ ai sở hữu, cập nhật bao lâu một lần và xuất ra bằng cách nào. Cách lấy và các phương pháp thu thập được trình bày riêng ở bài thu thập dữ liệu.

Bước 3: Làm sạch dữ liệu

Đây là bước tốn thời gian nhất ở hầu hết dự án. Các lỗi hay gặp ở dữ liệu Việt Nam:

• Ngày tháng lẫn định dạng ngày/tháng/năm và tháng/ngày/năm sau khi xuất file từ hai hệ thống.
• Dấu phân cách số: Excel cài ngôn ngữ Việt dùng dấu phẩy cho phần thập phân, file từ hệ thống nước ngoài dùng dấu chấm, khiến số bị hiểu thành văn bản.
• Tên khách hàng, địa chỉ viết khác nhau cho cùng một đối tượng, số điện thoại thiếu số 0 đầu.
• Bản ghi trùng do nhập tay hoặc do đồng bộ hai lần.
• Giá trị thiếu được điền bằng 0 thay vì để trống, làm sai trung bình.

Các kỹ thuật xử lý chi tiết nằm ở bài làm sạch dữ liệu. Điều cần nhớ ở đây: mỗi thay đổi nên được ghi lại (xoá bao nhiêu dòng, vì sao) để người khác kiểm lại được.

Bước 4: Khám phá dữ liệu (EDA)

Khám phá dữ liệu (exploratory data analysis) là xem dữ liệu “trông thế nào” trước khi kết luận. Bạn tính số dòng, khoảng giá trị nhỏ nhất và lớn nhất, trung bình so với trung vị, phân bố theo nhóm, rồi vẽ biểu đồ nhanh. Nếu trung bình đơn hàng cao hơn nhiều so với trung vị, thường có vài đơn rất lớn kéo lệch. Quyết định giữ hay loại các đơn này phải dựa vào nghiệp vụ, không phải dựa vào cảm giác.

Bước 5: Phân tích chính

Chọn phương pháp theo câu hỏi ở bước 1. Để so sánh nhóm, bạn dùng bảng tổng hợp và kiểm định. Để tìm mối liên hệ, dùng tương quan hoặc hồi quy. Để xem xu hướng, dùng chuỗi thời gian. Để theo dõi nhóm khách theo thời điểm gia nhập, dùng phân tích cohort. Khi cần tìm mẫu ẩn trên khối dữ liệu lớn, kỹ thuật chuyển sang khai phá dữ liệu.

Bước 6: Trình bày và chuyển thành hành động

Báo cáo nên mở bằng kết luận, tiếp đến là bằng chứng, giới hạn của dữ liệu và đề xuất. Mỗi biểu đồ chỉ nên chứng minh một ý; cách chọn loại biểu đồ có trong bài trực quan hoá dữ liệu. Nếu dữ liệu có thông tin khách hàng, hãy ẩn danh hoặc gộp nhóm trước khi chia sẻ rộng.

Ví dụ minh hoạ: chuỗi cửa hàng giảm doanh thu

Ví dụ minh hoạ, số liệu không có thật. Một chuỗi cửa hàng đồ uống có 12 điểm bán. Chủ chuỗi hỏi: vì sao doanh thu tháng này thấp hơn tháng trước?

1. Đặt câu hỏi: doanh thu giảm do ít đơn hơn hay do giá trị mỗi đơn thấp hơn, và giảm ở điểm nào?
2. Thu thập: xuất đơn hàng từ phần mềm bán hàng, lịch khuyến mại từ file của phòng marketing.
3. Làm sạch: phát hiện hai điểm bán đổi mã cửa hàng giữa tháng, nên bị tính thành bbốn điểm; hợp nhất mã.
4. Khám phá: số đơn gần như không đổi, nhưng giá trị trung bình mỗi đơn giảm ở ba điểm.
5. Phân tích: ba điểm này đều dừng bán nhóm món đi kèm sau khi đổi nhà cung cấp. Đây là giả thuyết cần kiểm chứng với vận hành, không phải kết luận nhân quả.
6. Trình bày: một trang gồm kết luận, một biểu đồ cột so sánh giá trị mỗi đơn theo điểm bán và đề xuất kiểm tra nguồn cung.

Lưu ý bước 3: nếu không làm sạch mã cửa hàng, bạn sẽ kết luận sai rằng số điểm bán tăng và doanh thu mỗi điểm giảm. Lỗi dữ liệu có thể dẫn tới kết luận ngược hẳn.

Công cụ phân tích dữ liệu nào phù hợp với bạn?

Các công cụ thường được nhắc là Excel, Python, R, Power BI, Tableau, Looker, Metabase. Thay vì xếp hạng, hãy chọn theo hai câu hỏi: dữ liệu lớn cỡ nào, và báo cáo có phải làm lại định kỳ không.

Công cụ	Dùng tốt cho	Giới hạn cần biết
Excel, Google Sheets	Pivot, hàm thống kê, phân tích nhanh tập dữ liệu vừa và nhỏ	Khó kiểm soát phiên bản, dễ sai công thức khi nhiều người sửa
SQL	Truy vấn, nối và tổng hợp dữ liệu trong cơ sở dữ liệu	Cần quyền truy cập và hiểu cấu trúc bảng
Python (pandas, matplotlib), R	Làm sạch phức tạp, thống kê, mô hình dự báo, tự động hoá	Cần kỹ năng lập trình
Power BI, Tableau, Looker Studio, Metabase	Dashboard tương tác, chia sẻ cho nhiều người xem	Kết quả chỉ tốt như mô hình dữ liệu phía sau

Với dữ liệu nằm trong cơ sở dữ liệu, ngôn ngữ SQL thường là kỹ năng đáng học đầu tiên vì giúp bạn không phải xuất file thủ công mỗi lần. Khi lượng dữ liệu lớn hơn, các nhóm kỹ thuật mới cần thêm kho dữ liệu, ETL và công cụ biến đổi như Airflow hay dbt; những thứ này nằm ngoài phạm vi phân tích thuần túy.

Lỗi thường gặp khi phân tích dữ liệu và cách xử lý

• Nhầm tương quan với nhân quả. Hai chỉ số cùng tăng không có nghĩa cái này gây ra cái kia. Cách xử lý: nêu kết quả là giả thuyết, rồi kiểm chứng bằng thử nghiệm A/B hoặc xác nhận với bộ phận vận hành.
• Nối bảng làm nhân đôi dòng. Khi nối bảng đơn hàng với bảng chi tiết sản phẩm bằng khoá không duy nhất, tổng doanh thu bị cộng lặp. Cách xử lý: đếm số dòng trước và sau khi nối, đối chiếu tổng với báo cáo kế toán.
• Trung bình che mất sự phân hoá. Một chỉ số trung bình toàn công ty có thể trái chiều với từng nhóm riêng (nghịch lý Simpson). Cách xử lý: luôn xem thêm theo nhóm chính như khu vực, kênh, loại khách.
• Chỉ nhìn dữ liệu còn sót lại. Nếu chỉ phân tích khách còn hoạt động, bạn bỏ qua những khách đã rời đi và đánh giá quá lạc quan. Cách xử lý: đưa cả nhóm đã rời vào mẫu.
• Định nghĩa chỉ số khác nhau giữa các phòng. Kinh doanh tính doanh thu theo ngày chốt đơn, kế toán theo ngày xuất hoá đơn. Cách xử lý: thống nhất định nghĩa bằng văn bản, gắn vào báo cáo.
• Dữ liệu đầu vào sai mà không ai biết. Chất lượng nguồn quyết định kết quả, xem thêm các tiêu chí chất lượng dữ liệu.

Dữ liệu cá nhân trong phân tích cần lưu ý gì?

Khi bảng dữ liệu có họ tên, số điện thoại, lịch sử mua hàng, việc phân tích là một hình thức xử lý dữ liệu cá nhân. Với nhóm phân tích, điểm thực tế là chỉ lấy các cột cần cho câu hỏi, ẩn danh khi có thể và hạn chế người được truy cập. Khung quản trị đầy đủ có ở bài quản trị dữ liệu.

Khi nào nên và không nên đầu tư vào phân tích dữ liệu?

Phân tích phát huy khi có một quyết định lặp lại (nhập hàng, chọn kênh quảng cáo, chăm sóc khách) và có dữ liệu ghi nhận được kết quả của quyết định đó. Nó kém hiệu quả khi dữ liệu chỉ có vài chục dòng, khi định nghĩa chỉ số còn tranh cãi, hoặc khi người ra quyết định đã chọn xong và chỉ tìm số liệu để biện minh. Trong trường hợp đầu, một bảng tính cẩn thận thường đủ; chưa cần dựng hạ tầng riêng.

Ưu điểm và hạn chế

• Ưu điểm: giảm quyết định theo cảm tính, phát hiện sớm sự bất thường, tạo ngôn ngữ chung bằng số liệu giữa các phòng.
• Hạn chế: phụ thuộc chất lượng dữ liệu, có thể kết luận sai nếu chọn sai phương pháp, và không cho biết bối cảnh nếu thiếu người hiểu nghiệp vụ.

Phân tích dữ liệu khác gì các khái niệm gần?

• Business intelligence (BI): tập trung vào báo cáo và dashboard theo dõi thường xuyên, thiên về mô tả. Phân tích dữ liệu bao quát hơn, gồm cả điều tra theo từng câu hỏi. Xem bài hệ thống BI.
• Khoa học dữ liệu (data science): thêm mô hình học máy và lập trình sâu hơn để dự đoán hoặc tự động hoá.
• Khai phá dữ liệu (data mining): tìm mẫu ẩn trong khối dữ liệu lớn, thường là một kỹ thuật bên trong quá trình phân tích.

Câu hỏi thường gặp

Phân tích dữ liệu và data analytics có khác nhau không?

Trong thực tế, hai từ thường dùng thay nhau. Nếu phân biệt, data analysis là việc phân tích một bộ dữ liệu cụ thể, còn data analytics là toàn bộ hệ thống gồm công cụ, quy trình và con người phục vụ phân tích trong tổ chức.

Quy trình phân tích dữ liệu có bao nhiêu bước?

Không có con số cố định. Các tài liệu chia từ 4 đến 7 bước, nhưng đều gồm: xác định vấn đề, thu thập, làm sạch, phân tích, trình bày. Bài này dùng 6 bước và tách riêng khâu khám phá dữ liệu.

Người mới nên học công cụ nào trước?

Bắt đầu từ Excel hoặc Google Sheets để hiểu pivot, hàm thống kê và biểu đồ, sau đó học SQL để lấy dữ liệu trực tiếp. Python hoặc R phù hợp khi bạn cần xử lý phức tạp hoặc tự động hoá. Công cụ BI học khi cần dashboard chia sẻ.

Cần biết toán và thống kê đến mức nào?

Với phân tích mô tả và chẩn đoán, bạn cần nắm trung bình, trung vị, độ lệch chuẩn, phân bố, tỷ lệ và cách đọc tương quan. Hồi quy, kiểm định giả thuyết và chuỗi thời gian cần thêm khi bước sang dự báo.

Doanh nghiệp nhỏ có cần data analyst riêng không?

Không nhất thiết. Nhiều doanh nghiệp nhỏ bắt đầu bằng một nhân viên kế toán hoặc kinh doanh thành thạo Excel và SQL cơ bản. Vị trí chuyên trách hợp lý khi số lượng báo cáo, nguồn dữ liệu và câu hỏi từ quản lý tăng tới mức làm kiêm nhiệm không theo kịp.

Phân tích dữ liệu có cần dữ liệu lớn không?

Không. Dữ liệu vài nghìn dòng vẫn phân tích được và đủ cho nhiều quyết định thực tế. Dữ liệu lớn chỉ cần khi khối lượng vượt khả năng xử lý của công cụ thông thường; xem bài big data để phân biệt.