Dữ liệu sạch là dữ liệu đúng, đủ, nhất quán và ai đọc cũng hiểu cùng một nghĩa. AI chỉ trả lời tốt khi được đưa dữ liệu như vậy. Đưa cho nó một bảng tính mà mỗi người nhập một kiểu, tên khách hàng viết ba cách, ngày tháng lúc ghi trước lúc ghi sau, ô trống không rõ là "chưa có" hay "bằng không", thì nó vẫn trả lời, trả lời rất trơn tru, và sai.
Doanh nghiệp nhỏ ở Việt Nam thường có dữ liệu rải rác: sổ tay của kế toán, bảng tính của từng nhân viên bán hàng, tin nhắn đặt hàng trên điện thoại, hoá đơn giấy trong thùng các-tông. Bài này chỉ ra những lỗi dữ liệu hay gặp nhất và một quy trình dọn dẹp làm được trong vài tuần, không cần thuê chuyên gia, trước khi bạn đưa bất cứ thứ gì vào AI.
Vì sao "rác vào, rác ra" đúng hơn bao giờ hết với AI
Phần mềm kế toán cũ gặp dữ liệu lỗi thường báo lỗi hoặc ra một con số kỳ cục, người dùng thấy ngay. AI thì khác: gặp dữ liệu lỗi, nó vẫn viết ra một câu trả lời đầy đủ, mạch lạc, có vẻ hợp lý. Sự trơn tru ấy che mất cái sai bên dưới, và người bận rộn dễ tin.
Một xưởng may ở Bình Dương thử dùng AI để hỏi "khách nào đặt hàng nhiều nhất năm qua". Bảng tính đơn hàng do ba nhân viên nhập qua nhiều năm: một người ghi tên khách đầy đủ, một người ghi tên viết tắt, một người ghi theo tên người liên hệ. Cùng một khách xuất hiện dưới bốn cái tên. AI trả lời rành mạch một danh sách năm khách lớn nhất, và khách lớn nhất thật sự bị chia thành bốn mảnh, mảnh nào cũng không lọt vào danh sách.
Với trợ lý AI đọc tài liệu nội bộ, chuyện còn tinh vi hơn. Công ty có ba bản quy trình đổi trả hàng: bản cũ năm trước, bản sửa giữa năm và bản đang dùng. Cả ba nằm chung một thư mục. Nhân viên hỏi trợ lý, nó trích đúng một câu trong bản cũ. Câu trích có thật, nguồn có thật, chỉ là đã hết hiệu lực.
Vì vậy, dọn dữ liệu không phải việc phụ để làm sau. Đó là phần lớn công sức của mọi dự án AI làm thật, và là phần quyết định AI có ích hay gây hại. Tin tốt là dọn dữ liệu chủ yếu cần sự kỹ lưỡng và hiểu nghề, những thứ người trong doanh nghiệp có sẵn, chứ không cần kiến thức lập trình sâu.
Những lỗi dữ liệu hay gặp ở doanh nghiệp nhỏ Việt Nam
Một khách nhiều tên. Tên đầy đủ trên hoá đơn, tên viết tắt không dấu, tên người liên hệ, hai chữ cái đầu, cùng chỉ một khách.
Ngày tháng mỗi người một kiểu. Người ghi ngày trước tháng, người ghi tháng trước ngày, người ghi bằng chữ; máy đọc nhầm ngày 5 tháng 3 thành ngày 3 tháng 5.
Số viết lẫn dấu chấm phẩy. "1.500" và "1,500" trong cùng một cột, máy hiểu thành hai con số chênh nhau cả nghìn lần.
Đơn vị không ghi. Cột số lượng lúc tính theo cái, lúc theo thùng, lúc theo ký.
Ô trống mơ hồ. Ô trống là chưa nhập, là không có, hay là bằng không?
Chữ có dấu lệch mã. Dữ liệu chuyển từ phần mềm cũ hay copy từ PDF, trông giống nhau mà máy coi là khác nhau.
Gộp nhiều thông tin trong một ô. "Giao 20 cái, còn nợ 5, hẹn thứ ba" nằm chung một ô ghi chú.
Tài liệu nhiều phiên bản. Bảng giá cũ, quy trình cũ nằm lẫn với bản mới, không ghi ngày hiệu lực.
Dữ liệu nằm trong tin nhắn. Đơn đặt hàng, thoả thuận giá chỉ có trong tin nhắn điện thoại cá nhân của nhân viên.
Ảnh chụp thay cho dữ liệu. Hoá đơn, phiếu xuất kho chỉ có ảnh chụp, chưa thành chữ.
Dòng trùng lặp. Cùng một đơn nhập hai lần do hai người cùng nhập.
Thông tin cá nhân lẫn lộn. Số căn cước, số tài khoản khách nằm chung bảng với dữ liệu bán hàng, ai mở cũng thấy.
Quy trình dọn dữ liệu từng bước, làm được trong vài tuần
Bước một là chọn một câu hỏi cụ thể. Đừng đặt mục tiêu "dọn sạch toàn bộ dữ liệu công ty", vì sẽ không bao giờ xong. Hãy chọn câu hỏi bạn muốn AI trả lời trước tiên, ví dụ "khách nào lâu rồi không đặt hàng" hay "trợ lý trả lời nhân viên mới về quy trình đổi trả". Câu hỏi quyết định cần dọn dữ liệu nào.
Bước hai là gom về một chỗ và đặt quy ước. Gom các bảng tính liên quan vào một nơi, rồi viết một tờ quy ước ngắn: tên khách lấy theo tên trên hoá đơn, ngày ghi kiểu ngày tháng năm, số không dùng dấu phân cách hàng nghìn, cột đơn vị bắt buộc. Tờ quy ước này quan trọng hơn mọi công cụ, vì nó giữ dữ liệu sạch sau khi dọn.
Bước ba là dọn theo cột, không dọn theo dòng. Lấy danh sách tất cả giá trị khác nhau trong cột tên khách, sắp xếp theo chữ cái, gộp những tên chỉ cùng một khách. Làm tương tự với cột đơn vị, cột tỉnh thành. Chính chỗ này AI giúp được: nhờ nó gợi ý những tên có khả năng trùng, nhưng người hiểu khách hàng phải quyết định gộp hay không.
Bước bốn là xử lý tài liệu. Với kho tài liệu nội bộ, đánh dấu rõ bản nào đang hiệu lực, ghi ngày ban hành ngay đầu tài liệu, chuyển bản cũ sang thư mục lưu trữ riêng không cho trợ lý AI đọc. Với hoá đơn giấy, dùng công cụ nhận dạng chữ để số hoá, rồi cho người soát những cột quan trọng như tổng tiền, mã số thuế.
Bước năm là kiểm bằng câu hỏi đã biết đáp án. Trước khi tin AI, hãy hỏi nó vài câu mà bạn đã biết câu trả lời đúng. Ví dụ hỏi doanh số tháng trước, đối chiếu với sổ kế toán. Đúng thì mở rộng dần; sai thì lần ngược xem dữ liệu nào làm nó sai.
Bước sáu là giữ sạch. Dữ liệu sạch hôm nay sẽ bẩn lại sau vài tháng nếu không ai giữ quy ước. Giao cho một người chịu trách nhiệm, dùng danh sách chọn sẵn thay vì gõ tự do ở những cột quan trọng, và kiểm định kỳ.
Mẹo nhỏ giữ dữ liệu sạch hằng ngày
Dùng danh sách chọn thay vì gõ tay. Cột tỉnh thành, đơn vị, trạng thái đơn hàng nên chọn từ danh sách sẵn.
Mỗi khách một mã. Mã khách không đổi dù tên khách đổi hay viết sai.
Một ô một thông tin. Tách số lượng, ghi chú, ngày hẹn ra cột riêng.
Ghi ngày hiệu lực trên mọi tài liệu. Ngay dòng đầu, không giấu ở cuối.
Không xoá, chỉ đánh dấu hết hiệu lực. Giữ lịch sử để tra lại khi cần, nhưng tách khỏi bản đang dùng.
Nhập ngay trong ngày. Đơn hàng qua tin nhắn nên được nhập vào hệ thống trước khi tan ca.
Che thông tin nhạy cảm. Số căn cước, số tài khoản để ở bảng riêng có phân quyền.
Một người chịu trách nhiệm mỗi bảng. Ai cũng sửa được thì không ai chịu trách nhiệm.
Sao lưu định kỳ. Dọn dữ liệu có thể xoá nhầm; giữ bản sao trước mỗi lần dọn lớn.
Kiểm tra trùng hằng tháng. Lọc dòng trùng theo mã đơn, mã khách.
Ghi chú nghĩa của từng cột. Một trang giải thích cột nào chứa gì, đơn vị gì, để người mới và cả AI đọc đúng.
Việc AI giúp được trong khâu dọn dữ liệu, và việc không nên giao
Giúp được: gợi ý tên trùng. Đưa danh sách tên khách, nhờ nó nhóm những tên có vẻ cùng một khách.
Giúp được: chuẩn hoá định dạng. Đổi ngày tháng, số điện thoại về một kiểu thống nhất.
Giúp được: tách ô gộp. Tách "Giao 20 cái, còn nợ 5" thành các cột riêng.
Giúp được: nhận dạng chữ trên hoá đơn. Biến ảnh chụp thành chữ để nhập liệu nhanh hơn.
Giúp được: viết công thức bảng tính. Mô tả việc cần làm, nhờ nó viết công thức lọc, đếm, gộp.
Giúp được: viết tờ quy ước dữ liệu. Từ mô tả của bạn, soạn thành bản hướng dẫn cho nhân viên.
Không nên giao: quyết định gộp khách. Hai khách cùng tên có thể là hai người khác nhau; người hiểu khách mới quyết được.
Không nên giao: sửa số tiền. Số liệu tài chính sai phải lần ra nguyên nhân từ chứng từ, không để máy đoán.
Không nên giao: tự điền ô trống. Máy điền bằng giá trị "hợp lý" là tạo ra dữ liệu giả trông như thật.
Không nên giao: dữ liệu nhạy cảm cho dịch vụ không rõ nguồn. Đọc kỹ chính sách lưu trữ của công cụ trước khi dán dữ liệu khách hàng vào.
Không nên giao: xoá hàng loạt. Xoá phải có người duyệt và có bản sao lưu.
Câu hỏi thường gặp
Doanh nghiệp nhỏ có cần chuyên viên dữ liệu để dùng AI không?
Thường không cần ngay. Một người kỹ tính, hiểu nghề và nắm bảng tính có thể dọn dữ liệu cho những câu hỏi đầu tiên; khi dữ liệu và nhu cầu lớn dần thì mới cần người chuyên.
Dữ liệu ít thì có dùng AI được không?
Được, vì nhiều việc AI làm dựa trên mô hình đã học sẵn và chỉ cần dữ liệu của bạn để tham chiếu. Dữ liệu ít mà sạch có ích hơn dữ liệu nhiều mà lộn xộn.
Có nên dán bảng tính khách hàng vào chatbot để phân tích không?
Chỉ nên làm khi đã che thông tin cá nhân và đã đọc chính sách lưu trữ dữ liệu của dịch vụ. Với dữ liệu nhạy cảm, hãy hỏi người phụ trách pháp lý về nghĩa vụ bảo vệ dữ liệu cá nhân.
Làm sao biết dữ liệu đã đủ sạch để đưa vào AI?
Hỏi AI vài câu đã biết đáp án và đối chiếu. Nếu câu trả lời khớp với sổ sách thật thì dữ liệu đủ dùng cho câu hỏi đó.
Sổ sách giấy nhiều năm có nên số hoá hết không?
Không cần số hoá hết một lúc. Bắt đầu từ phần phục vụ câu hỏi bạn cần nhất, thường là một đến hai năm gần đây, rồi mở rộng nếu thấy có ích.