Một công ty muốn biết mình có bao nhiêu khách hàng. Câu hỏi cơ bản nhất.
Chạy ra một con số. Nhìn kỹ thì thấy: cùng một công ty xuất hiện bốn lần — một lần viết đủ, một lần viết tắt, một lần thiếu dấu, một lần có thêm chữ "Cty" ở đầu.
Nhân con số đó lên toàn bộ danh sách, và mọi báo cáo dựng trên nó đều sai — số khách hàng, doanh thu trung bình mỗi khách, tỉ lệ quay lại.
Đây là chỗ mà phần lớn doanh nghiệp Việt đang đứng, và nó nằm trước mọi câu chuyện về mô hình hay tự động hoá.
Bốn lỗi chiếm gần hết
Trùng lặp không nhận ra. Một thực thể, nhiều bản ghi. Xảy ra khi dữ liệu vào từ nhiều nguồn: nhân viên nhập tay, đơn từ sàn, danh sách nhập khẩu từ tệp cũ.
Nhiều định dạng cho cùng một thứ. Ngày tháng ghi ba kiểu, số điện thoại có cái đầu số cũ có cái đầu số mới, tên tỉnh trước và sau sáp nhập.
Trường bỏ trống có nghĩa mập mờ. Ô trống nghĩa là "không có" hay "chưa nhập"? Hai thứ rất khác nhau, và khi tính toán thì chúng bị gộp làm một.
Dữ liệu đúng lúc nhập nhưng đã cũ. Số điện thoại đổi, người phụ trách nghỉ, địa chỉ chuyển. Không sai lúc ghi, chỉ là không còn đúng — đúng dạng hỏng âm thầm đã gặp ở danh bạ bệnh viện và bản vẽ hoàn công.
Bốn lỗi này đều tầm thường, đều không hào nhoáng, và cộng lại chúng làm hỏng mọi thứ xây bên trên.
Vì sao mô hình tốt không cứu được
Có một hiểu lầm phổ biến: dữ liệu lộn xộn thì để công cụ mới xử lý, vì nó thông minh.
Đúng một phần — máy làm sạch dữ liệu giỏi hơn người rất nhiều, và tôi sẽ nói ở dưới. Nhưng có một loại sai mà không công cụ nào cứu được: khi dữ liệu ghi sai sự thật.
Nếu nhân viên ghi ngày giao hàng là ngày nhập liệu chứ không phải ngày giao thật, thì mọi phân tích về thời gian giao hàng đều vô nghĩa — dù được xử lý bằng công cụ tinh vi tới đâu.
Nếu một khoản chi được ghi vào sai mục cho tiện, thì báo cáo chi phí theo hạng mục sẽ sai mãi mãi.
Đây là điều đã nói ở bài về blockchain, ở dạng khác: hệ thống bảo đảm bản ghi không bị sửa, nó không bảo đảm bản ghi đúng khi ghi vào. Và một dữ liệu sai được xử lý bằng mô hình tốt sẽ ra một kết luận sai trông rất thuyết phục — nguy hiểm hơn là không có gì.
Việc cụ thể máy làm rất tốt
Cần nói cho công bằng, vì đây là chỗ thay đổi thật sự lớn với doanh nghiệp nhỏ:
Gộp bản ghi trùng. Nhận ra "Cty TNHH Minh Phát" và "minh phat co ltd" là một — việc mà quy tắc so chuỗi cứng làm rất kém và máy làm rất tốt.
Chuẩn hoá. Đưa mọi định dạng ngày, số điện thoại, địa chỉ về một dạng. Việc trước đây phải viết hàng trăm dòng quy tắc cho từng trường hợp lệ.
Phát hiện bất thường. Một đơn hàng gấp trăm lần bình thường, một khoản chi rơi vào ngày nghỉ, một khách có địa chỉ ở tỉnh này mà số điện thoại đầu số tỉnh khác.
Đọc tài liệu không có cấu trúc. Hoá đơn chụp ảnh, phiếu viết tay, tin nhắn đặt hàng — chuyển thành bảng. Đây là phần mà trước đây doanh nghiệp nhỏ phải bỏ hẳn, vì thuê người nhập liệu thì không bõ.
Cộng lại: việc làm cho dữ liệu của chính mình dùng được vừa chuyển từ một dự án nhiều tháng thành một việc làm được trong vài ngày.
Nhưng có ba thứ phải quyết trước, và không ai quyết hộ
Một thực thể được định nghĩa thế nào. Hai chi nhánh của cùng một công ty là một khách hay hai khách? Không có câu trả lời đúng chung — chỉ có câu trả lời phù hợp với cách bạn kinh doanh. Nếu không chốt, mọi lần gộp đều tuỳ tiện.
Nguồn nào là nguồn thật. Khi hai hệ thống ghi khác nhau, tin cái nào? Phải có thứ tự ưu tiên, viết ra.
Ai được sửa và sửa thì ghi lại ở đâu. Dữ liệu được sửa mà không lưu vết là dữ liệu không kiểm chứng được — và tới lúc có tranh cãi thì không ai truy được.
Ba quyết định này thuộc về người hiểu công việc, không thuộc về người làm kỹ thuật. Và chúng phải có trước, nếu không thì việc làm sạch chỉ tạo ra một mớ gọn gàng hơn nhưng vẫn sai.
Còn một chuyện nữa: dữ liệu của bạn đi đâu
Khi dùng dịch vụ bên ngoài để xử lý, cần trả lời trước: dữ liệu gửi đi đâu, lưu bao lâu, có được dùng để huấn luyện tiếp không, và ngừng hợp tác thì lấy lại thế nào.
Với dữ liệu khách hàng — tên, số điện thoại, lịch sử mua — đây không chỉ là chuyện thương mại mà còn là nghĩa vụ với chính khách hàng.
Cùng bốn câu đã nói ở bài mua công nghệ, và ở đây chúng gắt hơn vì thứ mang đi không phải của bạn mà là của người đã tin bạn.
Phần AI không chạm tới
Nó không biết công việc của bạn. Một con số bất thường có thể là lỗi nhập liệu, cũng có thể là một đơn hàng lớn thật. Chỉ người trong nghề phân biệt được.
Nó không tạo ra dữ liệu chưa từng được ghi. Nếu ba năm qua không ai ghi lý do khách huỷ đơn, thì không công cụ nào cho bạn biết vì sao khách huỷ. Dữ liệu không có thì không suy ra được — dù nó sẽ đưa ra một phỏng đoán nghe rất hợp lý nếu bạn hỏi.
Và nó không thay được kỷ luật nhập liệu. Đây mới là gốc: dữ liệu sạch không đến từ việc làm sạch mỗi năm một lần, mà từ việc ghi đúng ngay lúc ghi. Làm sạch là chữa triệu chứng; kỷ luật là chữa nguyên nhân.
Và cái tên
Đây là chủ đề mà mọi doanh nghiệp sẽ đụng tới trước khi làm được bất cứ điều gì khác với công nghệ mới — và gần như không ai nói về nó, vì nó không hấp dẫn bằng những thứ đứng sau nó.
Khi việc dựng một công cụ làm sạch, một trang giới thiệu, một bộ hướng dẫn — trở thành việc ai cũng làm được trong vài ngày, thì khâu thực thi hết là lợi thế.
Cái còn lại là được nhớ tới khi một người chủ nhận ra báo cáo của mình không đáng tin và không biết bắt đầu từ đâu.
AiDuLieu.com ghép đúng hai chữ, ngắn, dễ nhớ, và nó chỉ đúng chỗ mà mọi dự án công nghệ đều phải đi qua trước tiên.
Tên miền nhắc trong bài: AiDuLieu.com
