AI-Powered
Data Analytics












Agentic AI là hệ thống AI có khả năng nhận một mục tiêu, tự lập kế hoạch, lựa chọn công cụ và thực hiện nhiều bước để hoàn thành công việc; chỉ yêu cầu xác nhận khi cần thiết.



Một chuỗi bán lẻ mỹ phẩm, bán qua 2 kênh: cửa hàng và online. Kết quả quý 3/2026:
Vì sao doanh thu tăng mà lợi nhuận giảm?
Quý 4 sẽ ra sao, và nên làm gì?

The Foundation of Data-Driven Decision Making


“Dữ liệu hiện có đang thể hiện điều gì?”
“Từ dữ liệu mẫu, kết luận được gì về tổng thể?”


| Mã KH | Giới tính | Hạng thành viên | Tuổi | Số đơn | Chi tiêu (nghìn đ) | Đánh giá | Đã mua lại |
|---|---|---|---|---|---|---|---|
| KH0012 | Nữ | Gold | 28 | 6 | 3.450 | ★★★★ | Có |
| KH0047 | Nữ | Silver | 35 | 2 | 980 | ★★★ | Không |
| KH0103 | Nam | Platinum | 42 | 11 | 8.120 | ★★★★★ | Có |
| KH0158 | Nữ | Gold | 24 | 1 | 420 | ★★ | Không |
| KH0211 | Nữ | Silver | 31 | 4 | 2.260 | ★★★★ | Có |
?Nominal | ?Binary | ?Ordinal | ?Continuous | ?Discrete | ?Continuous | ?Ordinal | ?Binary |

=AVERAGE()Tổng các giá trị chia cho số quan sát
Dữ liệu đều, không có outlier lớn=MEDIAN()Giá trị đứng giữa sau khi sắp xếp
Dữ liệu lệch hoặc có outlier=MODE.SNGL()Giá trị xuất hiện nhiều nhất
Dữ liệu phân loại, tìm nhóm phổ biến
=MAX()−MIN()Nhanh, nhưng chỉ nhìn 2 giá trị đầu mút
=STDEV.P()Độ lệch trung bình quanh Mean, cùng đơn vị dữ liệu
=QUARTILE.INC()50% dữ liệu ở giữa, ít bị outlier ảnh hưởng

Chỉ khảo sát khách mua online rồi kết luận cho mọi khách.
Mẫu càng nhỏ, sai số càng lớn; kết luận khó tin cậy.

Kết quả từ mẫu đáng tin trong khoảng nào?
Khác biệt là thật hay chỉ do ngẫu nhiên?
Hai biến liên hệ mạnh đến đâu, dự báo được không?



Data Validation & Cleaning là quá trình kiểm tra, phát hiện và xử lý các vấn đề về chất lượng dữ liệu, nhằm đảm bảo dữ liệu chính xác, nhất quán và sẵn sàng cho phân tích.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Tuổi | Khu vực | ||
| 2 | 34 | Miền Nam | an@example.com | |
| 3 | (trống) | M.Nam | binh@example.com | |
| 4 | 999 | Miền Bắc | lechi#example.com | |
| 5 | 28 | Miền Bắc | lechi@example.com | |
| 6 |

Mỗi đối tượng chỉ được ghi nhận một lần, không có bản ghi trùng lặp.
| A | B | C | D | E | F | |
|---|---|---|---|---|---|---|
| 1 | Mã đơn | Ngày đặt | Kênh | SL | Doanh thu | |
| 2 | DH-1041 | 05/07/2026 | Cửa hàng | an@gmail.com | 2 | 980.000 |
| 3 | DH-1042 | 05/07/2026 | Online | binh@gmail.com | 1 | 520.000 |
| 4 | DH-1042 | 05/07/2026 | Online | binh@gmail.com | 1 | 520.000 |
| 5 | DH-1043 | 32/07/2026 | Onl | lan#gmail.com | 1 | |
| 6 | DH-1044 | 06/07/2026 | Cửa hàng | 999 | 640.000 | |
| 7 | DH-1045 | 12/03/2018 | Online | ha@gmail.com | 3 | 1.450.000 |
Giá trị tuân thủ kiểu dữ liệu, định dạng và miền giá trị quy định.
| A | B | C | D | E | F | |
|---|---|---|---|---|---|---|
| 1 | Mã đơn | Ngày đặt | Kênh | SL | Doanh thu | |
| 2 | DH-1041 | 05/07/2026 | Cửa hàng | an@gmail.com | 2 | 980.000 |
| 3 | DH-1042 | 05/07/2026 | Online | binh@gmail.com | 1 | 520.000 |
| 4 | DH-1042 | 05/07/2026 | Online | binh@gmail.com | 1 | 520.000 |
| 5 | DH-1043 | 32/07/2026 | Onl | lan#gmail.com | 1 | |
| 6 | DH-1044 | 06/07/2026 | Cửa hàng | 999 | 640.000 | |
| 7 | DH-1045 | 12/03/2018 | Online | ha@gmail.com | 3 | 1.450.000 |
Các trường dữ liệu bắt buộc đều có giá trị, không bị bỏ trống.
| A | B | C | D | E | F | |
|---|---|---|---|---|---|---|
| 1 | Mã đơn | Ngày đặt | Kênh | SL | Doanh thu | |
| 2 | DH-1041 | 05/07/2026 | Cửa hàng | an@gmail.com | 2 | 980.000 |
| 3 | DH-1042 | 05/07/2026 | Online | binh@gmail.com | 1 | 520.000 |
| 4 | DH-1042 | 05/07/2026 | Online | binh@gmail.com | 1 | 520.000 |
| 5 | DH-1043 | 32/07/2026 | Onl | lan#gmail.com | 1 | (trống) |
| 6 | DH-1044 | 06/07/2026 | Cửa hàng | (trống) | 999 | 640.000 |
| 7 | DH-1045 | 12/03/2018 | Online | ha@gmail.com | 3 | 1.450.000 |
Cùng một thông tin được ghi nhận nhất quán trên các hệ thống và nguồn dữ liệu.
| A | B | C | D | E | F | |
|---|---|---|---|---|---|---|
| 1 | Mã đơn | Ngày đặt | Kênh | SL | Doanh thu | |
| 2 | DH-1041 | 05/07/2026 | Cửa hàng | an@gmail.com | 2 | 980.000 |
| 3 | DH-1042 | 05/07/2026 | Online | binh@gmail.com | 1 | 520.000 |
| 4 | DH-1042 | 05/07/2026 | Online | binh@gmail.com | 1 | 520.000 |
| 5 | DH-1043 | 32/07/2026 | Onl | lan#gmail.com | 1 | |
| 6 | DH-1044 | 06/07/2026 | Cửa hàng | 999 | 640.000 | |
| 7 | DH-1045 | 12/03/2018 | Online | ha@gmail.com | 3 | 1.450.000 |
Giá trị phản ánh đúng đối tượng hoặc sự kiện thực tế.
| A | B | C | D | E | F | |
|---|---|---|---|---|---|---|
| 1 | Mã đơn | Ngày đặt | Kênh | SL | Doanh thu | |
| 2 | DH-1041 | 05/07/2026 | Cửa hàng | an@gmail.com | 2 | 980.000 |
| 3 | DH-1042 | 05/07/2026 | Online | binh@gmail.com | 1 | 520.000 |
| 4 | DH-1042 | 05/07/2026 | Online | binh@gmail.com | 1 | 520.000 |
| 5 | DH-1043 | 32/07/2026 | Onl | lan#gmail.com | 1 | |
| 6 | DH-1044 | 06/07/2026 | Cửa hàng | 999 | 640.000 | |
| 7 | DH-1045 | 12/03/2018 | Online | ha@gmail.com | 3 | 1.450.000 |
Dữ liệu được cập nhật đủ mới tại thời điểm cần phân tích và ra quyết định.
| A | B | C | D | E | F | |
|---|---|---|---|---|---|---|
| 1 | Mã đơn | Ngày đặt | Kênh | SL | Doanh thu | |
| 2 | DH-1041 | 05/07/2026 | Cửa hàng | an@gmail.com | 2 | 980.000 |
| 3 | DH-1042 | 05/07/2026 | Online | binh@gmail.com | 1 | 520.000 |
| 4 | DH-1042 | 05/07/2026 | Online | binh@gmail.com | 1 | 520.000 |
| 5 | DH-1043 | 32/07/2026 | Onl | lan#gmail.com | 1 | |
| 6 | DH-1044 | 06/07/2026 | Cửa hàng | 999 | 640.000 | |
| 7 | DH-1045 | 12/03/2018 | Online | ha@gmail.com | 3 | 1.450.000 |

Dòng trùng lặp, dòng trống: tách riêng.
Các trường hợp khác: gắn Data_Flag.
Chưa xác định nguyên nhân thiếu: không tự động bổ sung.
Luôn bảo toàn dữ liệu gốc.
Giá trị bất thường không đồng nghĩa với lỗi.
Lưu riêng kế hoạch, dữ liệu sạch
và nhật ký xử lý.
BROMAN & WOO (2018): THÊM CỘT CỜ, ĐỪNG TÔ MÀU Ô

Dữ liệu công khai, dữ liệu tổng hợp hoặc dữ liệu giả lập.
Dữ liệu nội bộ hoặc chứa thông tin cá nhân.
Dữ liệu cá nhân nhạy cảm, thông tin mật.

| A | B | C | D | E | F | |
|---|---|---|---|---|---|---|
| 1 | Họ tên | SĐTMã KH | Ngày sinhNhóm tuổi | Địa chỉKhu vực | Tổng chi Q3 | |
| 2 | Nguyễn Thị Lan | lan.nt@example.com | 0903 456 789KH0001 | 12/05/199030–39 tuổi | Số 12, Khu AKhu A | 2.450.000 |
| 3 | Trần Văn Minh | minh.tv@example.com | 0912 334 556KH0002 | 03/11/198730–39 tuổi | Số 8, Khu AKhu A | 1.820.000 |
| 4 | Lê Thu Hà | ha.lt@example.com | 0938 221 447KH0003 | 21/08/199230–39 tuổi | Số 5, Khu AKhu A | 1.610.000 |

Mỗi tầng có một lớp ngữ cảnh riêng, với tệp quy tắc và tệp ghi nhớ tương ứng.

SKILL.md· Quy trình gồm 8 bướcBẮT BUỘCDescription: Đánh giá và làm sạch CSV/Excel theo 6 chiều Data Qualityreferences/· Tài liệu tham khảoassets/· Tệp mẫuscripts/· Các phép tính tự động
don_hang.csv · Chưa có gì bị thay đổi.
UNQ-00112 dòng bị trùng hoàn toànfixVAL-00238 email không đúng định dạngflagACC-0035 đơn hàng có doanh thu âmask
dq.py assessĐánh giá 6 chiều chất lượng và lập kế hoạch. Chưa chỉnh sửa dữ liệu.
log/plan.jsonCập nhật trạng thái từng action: approved hoặc rejected.
dq.py cleanSao lưu, thực hiện các action đã duyệt, cách ly dòng trùng, ghi nhật ký.
MEMORY.mdBổ sung quy tắc mới và bài học kinh nghiệm cho lần xử lý tiếp theo.
data/cleaned/cleaned_don_hang.csv

Gửi tôi trước cuộc họp thứ Hai.
“Nhiều biểu đồ quá. Vậy lợi nhuận giảm do đâu và chúng ta nên làm gì?”

Hiểu rõ bối cảnh kinh doanh trước khi bắt đầu phân tích dữ liệu.
Vì sao lợi nhuận Q3 giảm? Gửi tôi trước cuộc họp thứ Hai.
Lợi nhuận giảm so với cùng kỳ hay so với kế hoạch?
So với cùng kỳ: giảm từ 2,4 tỷ xuống 2,0 tỷ.
Báo cáo này sẽ hỗ trợ quyết định nào?
Phân bổ ngân sách Q4 vào đâu để đạt mục tiêu lợi nhuận 4 tỷ?
Ai sẽ đọc báo cáo? Cần mức độ chi tiết nào?
Ban điều hành · Họp thứ Hai · Ngắn gọn, có khuyến nghị
Phạm vi phân tích gồm những gì?
Cả Cửa hàng và Online · Q3/2025 so với Q3/2026 · Không đi sâu đến từng sản phẩm

Những framework nào hỗ trợ tư duy phân tích?


Phân rã một chỉ số thành các thành phần theo công thức.
Phân rã hành trình thành các bước, đo tỷ lệ chuyển đổi qua từng bước.
Phân rã tổng thể thành các nhóm theo một chiều dữ liệu.

Một chuỗi bán lẻ mỹ phẩm, bán qua 2 kênh: cửa hàng và online. Quý 3/2026, doanh thu tăng nhưng lợi nhuận giảm.


Tổng hợp dữ liệu để xác định điều gì đã xảy ra.
Tìm nguyên nhân và lý giải vì sao chỉ số thay đổi.
Dự báo những khả năng có thể xảy ra trong tương lai.
Đề xuất hành động phù hợp để đạt mục tiêu.

Phân tích dữ liệu lịch sử để trả lời câu hỏi: What happened?
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Chỉ số | Q3/2025 | Q3/2026 | So cùng kỳ |
| 2 | Doanh thu | 17,5 tỷ | 20,0 tỷ | ▲+14,3% |
| 3 | Lợi nhuận | 2,4 tỷ | 2,0 tỷ | ▼−16,7% |
| 4 | Số đơn | 36.000 | 40.000 | ▲+11,1% |
| 5 | Giá trị đơn TB | 486.000 đ | 500.000 đ | ▲+2,9% |




Phân tích dữ liệu nhằm xác định nguyên nhân đằng sau một biến động, trả lời câu hỏi:
Why did it happen?

Thay đổi này thật hay chỉ là dao động?

Thay đổi xảy ra ở đâu, nhóm nào, từ khi nào?

Nguyên nhân đã được kiểm chứng bằng dữ liệu là gì?
| Giả thuyết | Sự thật từ bước Isolate | ||||
|---|---|---|---|---|---|
| Chỉ Onlinecửa hàng không đổi | Từ 07/26trước đó ổn định | Marketing ×21,15 → 2,45 tỷ | Lượt khách +71%350k → 600k lượt | ||
| Giả thuyết 01Tăng giá bánNếu do giá, cửa hàng cũng phải giảm | Loại | ||||
| Giả thuyết 02Trang thanh toán lỗiKhông giải thích được chi phí và lượt khách tăng | Loại | ||||
| Giả thuyết 03Quảng cáo kéo thêm khách ít muaGiải thích được cả 4 sự thật | Giữ | ||||
| A | B | C | |
|---|---|---|---|
| 1 | Nguồn | Q3/2025 | Q3/2026 |
| 2 | Tỷ trọng lượt khách | ||
| 3 | Quảng cáo | 54,3% | 73,3% |
| 4 | Nguồn khác | 45,7% | 26,7% |
| 5 | Tỷ lệ chuyển đổi | ||
| 6 | Quảng cáo | 1,6% | 1,6% |
| 7 | Nguồn khác | 5,6% | 5,6% |
| 8 | Toàn bộ | 3,43% | 2,67% |

Phân tích dữ liệu lịch sử để dự báo những kết quả có khả năng xảy ra trong tương lai.
What is likely to happen?


Phân tích dữ liệu, dự báo và mục tiêu để xác định hành động phù hợp nhằm đạt kết quả tốt nhất.
What should we do?

| Phương án Q4 | Doanh thu (tỷ) | Lợi nhuận (tỷ) |
|---|---|---|
| 1Giữ nguyên cách làm | 24,0 | 3,4 |
| 2+1 tỷ quảng cáokhách quảng cáo chỉ mua 1,6% | 25,4 | 3,1 |
| 3Giảm giá 15%vượt trần tồn kho | 28,1 | 3,0 |
| 4+1 tỷ tư vấn viên | 26,9 | 3,8 |
| 5+1 tỷ combo quà tặng | 26,4 | 3,6 |
| 6Tối ưu: 0,6 tỷ tư vấn + 0,4 tỷ combo | 27,9 | 4,3 |

| Loại phân tích | Câu hỏi cốt lõi | Kết quả |
|---|---|---|
| Descriptive | What happened? | |
| Diagnostic | Why did it happen? | |
| Predictive | What is likely to happen? | |
| Prescriptive | What should we do? |










Cover không chỉ là trang tiêu đề. Đây là phần định vị nội dung của deck. Tiêu đề cần nêu vấn đề hoặc phát hiện chính, thay vì chỉ đặt tên dự án.
Nêu vấn đề, phát hiện hoặc hướng hành động; tránh chỉ nêu tên chủ đề.
Tên người chuẩn bị và ngày báo cáo.
Bổ sung bối cảnh liên quan.
123
Situation › Complication › Question › Answer
Trong deck, slide SCQ chỉ trình bày S + C + Q.
Answer được trình bày trong Executive Summary.
Bối cảnh chung mà các bên liên quan đã thống nhất.
Nêu thay đổi, vấn đề hoặc diễn biến tạo ra nhu cầu phân tích.
Đặt câu hỏi trọng tâm deck cần giải đáp.
Trình bày câu trả lời trong Executive Summary.


Executive Summary không phải phần giới thiệu. Đây là nơi trình bày kết luận chính, bằng chứng quan trọng và hành động đề xuất. Người đọc có thể nắm được thông điệp của toàn bộ deck chỉ qua slide này.
Đưa ra kết luận có căn cứ, thay vì chỉ mô tả số liệu.
Sử dụng số liệu, tỷ lệ hoặc mốc thời gian để làm rõ quy mô và mức độ tác động.
Nêu quyết định hoặc hành động cần triển khai tiếp theo.
123
Methodology giúp người đọc đánh giá độ tin cậy của kết quả phân tích. Chỉ đưa vào deck khi cần giải thích phương pháp thực hiện.
Có thể rút gọn hoặc chuyển vào phụ lục nếu phương pháp phổ biến, không có điểm cần giải thích thêm và người đọc đã hiểu cách thực hiện.
Nguồn dữ liệu và thời gian thu thập.
Các bước lọc, làm sạch và chuẩn hóa dữ liệu có ảnh hưởng đến kết quả.
Những giới hạn cần cân nhắc khi diễn giải kết quả.
123
Mỗi slide phân tích tập trung chứng minh một insight. Các slide liên kết theo mạch: tổng quan → xu hướng → phân nhóm → bất thường → nguyên nhân.
Tiêu đề nêu kết luận có số liệu, thay vì chỉ gọi tên biểu đồ.
Một biểu đồ chính làm rõ thông điệp của tiêu đề.
Giải thích ý nghĩa, kèm 1–2 con số cần ghi nhớ.
123
Barbara Minto phát triển Pyramid Principle tại McKinsey. Phương pháp này trình bày câu trả lời trước, sau đó sắp xếp các luận điểm và bằng chứng để củng cố kết luận.
Nêu câu trả lời ngay từ đầu, sau đó trình bày các luận điểm và bằng chứng để làm rõ kết luận.
Nhóm các ý hỗ trợ theo logic, thường thành 3 nhóm chính. Mỗi nhóm đại diện cho một luận điểm hoặc mạch phân tích.
Sử dụng dữ liệu, sự kiện và biểu đồ để chứng minh từng luận điểm.





Slide dự báo cho biết điều gì có thể xảy ra và mức độ tin cậy, giúp người đọc chủ động lập kế hoạch.
Nêu kỳ dự báo và giá trị dự kiến.
Đánh dấu thời điểm bắt đầu dự báo và hiển thị khoảng dự báo.
Nêu sai số dự báo khi kiểm định và so sánh với phương pháp tham chiếu.
123
Slide đặt dự báo cạnh mục tiêu để xác định khoảng chênh lệch và mức độ cần hành động.
Tiêu đề nêu khoảng cách và khả năng đạt mục tiêu.
Người đọc nhận biết ngay mục tiêu có nằm trong khoảng dự báo hay không.
Dùng % hoặc số tuyệt đối để xác định mức cần bù đắp.
123
Mỗi khuyến nghị cần trả lời ba câu hỏi:
Sử dụng động từ cụ thể. Ví dụ: “Dồn 1 tỷ ngân sách Q4 cho tư vấn viên và combo” thay vì “Tối ưu ngân sách”.
Xác định cá nhân hoặc vai trò chịu trách nhiệm chính.
Nêu thời hạn hoàn thành và KPI đo lường kết quả.


Khi có từ 3 khuyến nghị trở lên, ma trận Tác động × Mức độ dễ triển khai giúp xác định việc cần ưu tiên.
Sử dụng khi cần phân bổ nguồn lực (ngân sách, nhân sự, thời gian) và giải thích cơ sở ưu tiên hành động.
Trục dọc thể hiện tác động đến kết quả kinh doanh; trục ngang thể hiện mức độ dễ triển khai.
Ưu tiên Quick Wins (tác động cao, dễ triển khai); cân nhắc loại bỏ các việc có mức ưu tiên thấp.
Chọn một khuyến nghị ưu tiên và nêu rõ lý do, thay vì chỉ kết luận “tùy trường hợp”.
123
Action Plan chuyển khuyến nghị thành các đầu việc cụ thể: ai phụ trách, làm gì và hoàn thành khi nào.
Mỗi dòng thể hiện một đầu việc và bộ phận chịu trách nhiệm.
Phân biệt việc đã chốt, đang chỉnh và chưa quyết định.
Người đọc dễ dàng xác định mốc cần ưu tiên thực hiện.
123
So sánh giá trị giữa các nhóm hoặc theo thời gian
Tỷ trọng từng thành phần trong tổng thể
Mức độ tập trung và phân tán của dữ liệu
Mối quan hệ giữa hai hoặc nhiều biến


