Câu trả lời đầu tiên của AI khi phân tích số liệu thường chỉ ở bề mặt: tổng tăng hay giảm, nhóm nào cao nhất. Giá trị thật nằm ở các câu hỏi tiếp theo — tách nhỏ con số theo từng chiều, đổi mốc so sánh, loại ngoại lệ, tìm phần nào đóng góp nhiều nhất vào thay đổi và hỏi xem còn cách giải thích nào khác. Bảy kiểu câu hỏi nối tiếp dưới đây giúp bạn đi từ "doanh thu giảm" tới "giảm ở đâu, vì phần nào, và có chắc không".
Bài viết cho người đã biết đặt câu hỏi đầu tiên và muốn khai thác tiếp cuộc trò chuyện. Mỗi kiểu câu hỏi có câu lệnh mẫu và tình huống nên dùng. Số liệu trong bài đều là ví dụ giả định.
Vì sao lượt hỏi đầu tiên hiếm khi đủ
Một câu hỏi phân tích tốt vẫn chỉ trả lời được phần tổng. Ví dụ bạn hỏi doanh thu quý ba của chuỗi ba cửa hàng mỹ phẩm so với quý hai thay đổi thế nào, AI trả lời giảm tám phần trăm. Con số đúng, nhưng chưa dùng được: bạn chưa biết giảm đều ở cả ba cửa hàng hay chỉ một, giảm vì ít khách hay vì mỗi khách mua ít, giảm ở hàng chủ lực hay hàng phụ.
Những điều đó có thể gom hết vào một câu lệnh thật dài ngay từ đầu, nhưng thường không nên. Bạn chưa biết hướng nào đáng đào cho tới khi thấy con số tổng. Nếu ba cửa hàng giảm đều nhau, tách theo cửa hàng chẳng thêm gì; nếu một cửa hàng giảm mạnh, đó là nơi cần nhìn kỹ. Phân tích tốt đi theo kiểu hỏi, nhìn, rồi chọn hướng hỏi tiếp.
Lợi thế của trợ lý AI là chi phí cho mỗi lượt hỏi tiếp rất thấp. Một người làm bằng bảng tính phải dựng lại bảng tổng hợp mỗi lần đổi chiều; với AI, bạn chỉ cần một câu. Điều cần học là hỏi câu nào, theo thứ tự nào, và khi nào dừng.
Bảy kiểu câu hỏi nối tiếp và câu lệnh mẫu
Tách nhỏ theo một chiều. "Tách mức giảm tám phần trăm theo từng cửa hàng, rồi theo từng nhóm hàng." Đây là câu hỏi tiếp phổ biến nhất. Chỉ tách một chiều mỗi lượt để dễ đọc; tách cùng lúc ba chiều sẽ ra một bảng rất khó nhìn.
Tách tổng thành các thành phần. "Doanh thu bằng số hoá đơn nhân giá trị trung bình mỗi hoá đơn. Mức giảm đến từ thành phần nào nhiều hơn?" Câu này cho biết vấn đề là ít khách hay khách mua ít, hai việc cần cách xử lý khác nhau.
Đổi mốc so sánh. "So thêm với quý ba năm ngoái." Nếu quý ba năm nào cũng thấp hơn quý hai vì mùa vụ, mức giảm tám phần trăm có thể hoàn toàn bình thường. Đổi mốc là cách kiểm nhanh nhất xem bạn có đang lo vì một điều không có thật.
Loại ngoại lệ rồi xem lại. "Có ngày hay đơn nào bất thường kéo con số không? Liệt kê ra, rồi tính lại khi bỏ chúng." Một đơn sỉ lớn ở quý hai có thể làm quý ba trông như giảm. Nhớ yêu cầu liệt kê trước khi bỏ, để chính bạn quyết định đó có thật là ngoại lệ không.
Tìm phần đóng góp nhiều nhất. "Trong tổng mức giảm, mỗi cửa hàng và mỗi nhóm hàng đóng góp bao nhiêu phần? Xếp từ lớn đến nhỏ." Câu này khác câu tách nhỏ: một nhóm giảm hai mươi phần trăm nhưng nhỏ thì đóng góp ít hơn một nhóm lớn giảm năm phần trăm.
Hỏi cách giải thích khác. "Ngoài cách giải thích bạn vừa đưa, còn những cách giải thích nào khác phù hợp với cùng số liệu? Với mỗi cách, cần dữ liệu gì để phân biệt?" Câu này chống lại việc dừng ở lời giải thích đầu tiên nghe hợp lý.
Yêu cầu tổng kết những gì đã biết. "Tóm tắt những điều đã xác định được từ đầu cuộc trò chuyện, tách riêng điều chắc chắn từ số liệu và điều chỉ là giả thuyết." Câu này nên hỏi sau năm sáu lượt, trước khi cuộc trò chuyện đủ dài để AI bắt đầu quên phần đầu.
Đi một vòng hỏi tiếp hoàn chỉnh (ví dụ giả định)
Chị Hoa quản lý ba cửa hàng mỹ phẩm ở Nha Trang, thuộc tỉnh Khánh Hoà. Lượt đầu, AI cho biết doanh thu quý ba thấp hơn quý hai tám phần trăm. Chị hỏi tiếp kiểu thứ ba, so với quý ba năm ngoái, và thấy năm ngoái quý ba cũng thấp hơn quý hai, nhưng chỉ khoảng ba phần trăm. Vậy có một phần giảm do mùa vụ và một phần giảm thêm năm nay.
Chị tách theo cửa hàng và thấy hai cửa hàng giảm ít, cửa hàng gần khu du lịch giảm mạnh. Chị hỏi tiếp kiểu thứ hai: ở cửa hàng này, số hoá đơn giảm rõ rệt, còn giá trị trung bình mỗi hoá đơn gần như không đổi. Vậy là ít khách hơn chứ không phải khách mua ít đi. Chị hỏi kiểu thứ sáu, AI đưa ra mấy cách giải thích: lượng khách du lịch thay đổi, cửa hàng bị che lối vào vì công trình, giờ mở cửa thay đổi, đối thủ mới mở gần đó. Kèm theo mỗi cách là dữ liệu cần để phân biệt.
Từ đây chị biết dữ liệu bán hàng đã nói hết những gì nó nói được. Các bước tiếp theo nằm ngoài bảng: hỏi nhân viên cửa hàng về công trình, xem lại lịch mở cửa, quan sát lối vào. Vòng hỏi tiếp kết thúc đúng lúc, với một câu hỏi rõ ràng để kiểm tra bằng mắt chứ không phải bằng thêm một bảng tính.
Chọn câu hỏi tiếp theo dựa vào điều vừa thấy
Bảng dưới gợi ý câu hỏi tiếp theo nên chọn dựa vào kết quả lượt trước. Đây là hướng dẫn mềm, không phải quy tắc; mục đích là tránh hỏi lan man.
| Điều vừa thấy | Câu hỏi tiếp nên chọn | Vì sao |
|---|---|---|
| Tổng thay đổi nhưng chưa biết ở đâu | Tách nhỏ theo chiều quan trọng nhất | Tìm nơi thay đổi tập trung |
| Một nhóm thay đổi mạnh | Tách thành phần (số lượng, giá trị) trong nhóm đó | Biết thay đổi đến từ lượng hay từ giá trị |
| Thay đổi lớn nhưng nghi do mùa | Đổi mốc sang cùng kỳ | Loại phần thay đổi bình thường |
| Con số bị kéo bởi vài điểm | Liệt kê ngoại lệ rồi tính lại | Xem xu hướng chung còn đứng không |
| AI đưa ra một nguyên nhân | Hỏi cách giải thích khác và dữ liệu phân biệt | Tránh chốt sớm |
| Đã hỏi năm sáu lượt | Yêu cầu tổng kết điều đã biết | Giữ mạch, chuẩn bị kết luận |
Nếu thấy mình đang hỏi một câu không gắn với dòng nào trong bảng này, hãy dừng lại và tự hỏi câu đó phục vụ quyết định nào. Hỏi tiếp có lợi khi mỗi lượt thu hẹp vấn đề; nó gây hại khi mỗi lượt mở thêm một hướng mới.
Những cái bẫy khi hỏi tiếp nhiều lượt
Hỏi nối tiếp nhiều lượt có những rủi ro riêng mà lượt hỏi đơn lẻ không có. Biết trước để tránh:
- AI quên điều kiện ở lượt đầu. Cuộc trò chuyện càng dài, khả năng AI bỏ sót điều kiện bạn đặt ra từ đầu, như loại đơn huỷ, càng cao. Khi kết quả bắt đầu lệch, nhắc lại điều kiện hoặc mở cuộc trò chuyện mới với bản tóm tắt.
- Đào mãi cho tới khi thấy điều mình muốn thấy. Tách đủ nhiều chiều, kiểu gì cũng có một nhóm nhỏ trông khác thường. Một nhóm có vài chục đơn tăng gấp đôi chưa chắc là tín hiệu; với nhóm nhỏ, hãy hỏi luôn số lượng đơn để biết con số đứng trên nền dữ liệu dày hay mỏng.
- Tin vào nguyên nhân AI gợi ý mà quên rằng đó là gợi ý. Cách giải thích AI đưa ra là giả thuyết, không phải kết luận. Đánh dấu rõ trong ghi chép của bạn điều gì đã được số liệu xác nhận.
- Mỗi lượt một định nghĩa khác. Nếu lượt ba bạn nói "khách mới" theo nghĩa lần đầu mua trong năm, lượt bảy theo nghĩa lần đầu mua từ trước tới nay, kết quả không so được với nhau. Giữ định nghĩa thống nhất cả cuộc trò chuyện.
- Đưa thêm dữ liệu nhạy cảm giữa chừng. Khi đào sâu, dễ nảy ra ý tải thêm bảng có tên khách hay tên nhân viên. Áp dụng cùng quy tắc che dữ liệu như lượt đầu, kể cả khi đang vội.
Ngoài ra, khi một lượt hỏi tiếp cho ra con số quan trọng sẽ đưa vào báo cáo, nên kiểm lại con số đó theo cách ở danh mục kiểm chứng kết quả của trang.
Hỏi tiếp khi AI trả về một bảng quá nhiều số
Đôi khi lượt hỏi tách nhỏ trả về một bảng hai ba chục dòng, mỗi dòng năm sáu con số. Bảng đúng nhưng mắt người không đọc nổi, và bạn dễ dừng ở đó vì ngợp. Lúc này câu hỏi tiếp không phải là hỏi thêm chiều mới, mà là nhờ AI chọn lọc giúp: "Trong bảng vừa rồi, ba dòng nào khác biệt nhiều nhất so với mức chung, và khác ở cột nào?"
Một cách khác là yêu cầu sắp xếp lại theo đúng điều bạn quan tâm: "Xếp các nhóm hàng theo mức đóng góp vào phần giảm, chỉ giữ năm nhóm đầu, gộp phần còn lại thành một dòng khác." Bảng năm dòng đọc trong vài giây và thường đủ để chọn hướng đào tiếp.
Cẩn thận với một điều: khi AI chọn ra vài dòng nổi bật, nó chọn theo tiêu chí bạn đưa hoặc tiêu chí nó tự đặt. Hãy hỏi luôn nó đã dùng tiêu chí gì để chọn, và nhìn lướt lại bảng đầy đủ một lần để chắc không có dòng nào bị bỏ qua chỉ vì nó nhỏ nhưng quan trọng với bạn, ví dụ một nhóm hàng mới ra mắt.
Khi nào nên dừng hỏi
Có ba dấu hiệu cho thấy vòng hỏi tiếp nên kết thúc. Dấu hiệu thứ nhất là bạn đã trả lời được câu hỏi gắn với quyết định ban đầu, với mức chắc chắn đủ để hành động. Không cần hiểu mọi chi tiết; chỉ cần đủ để quyết định có làm hay không, làm ở đâu.
Dấu hiệu thứ hai là các lượt hỏi mới không còn thu hẹp vấn đề, mà chỉ ra thêm những nhóm nhỏ ít dữ liệu. Lúc này dữ liệu đã nói hết những gì nó nói được, như trong ví dụ của chị Hoa, và bước tiếp theo là quan sát thực tế, hỏi người trực tiếp làm việc hoặc thu thập thêm dữ liệu.
Dấu hiệu thứ ba là chính bạn không còn nhớ rõ đã biết được những gì. Khi đó hãy dùng kiểu câu hỏi thứ bảy, yêu cầu AI tổng kết, rồi đọc kỹ bản tóm tắt, sửa những chỗ nó nhớ sai, và lưu lại thành ghi chép. Bản ghi đó là thành quả thật của cả vòng hỏi tiếp, quan trọng hơn bất kỳ câu trả lời đơn lẻ nào.
Câu hỏi thường gặp
Nên hỏi tiếp trong cùng cuộc trò chuyện hay mở cuộc trò chuyện mới?
Hỏi tiếp trong cùng cuộc trò chuyện khi các câu hỏi cùng đi theo một mạch. Khi cuộc trò chuyện đã rất dài, AI bắt đầu quên điều kiện ban đầu, hoặc bạn chuyển sang câu hỏi khác hẳn, hãy mở cuộc mới và dán bản tóm tắt những gì đã biết.
Có nên hỏi tiếp nhiều câu trong một lượt không?
Có thể gộp hai câu nhỏ liên quan, nhưng không nên gộp nhiều câu khác chiều. Một lượt một câu chính giúp bạn đọc kết quả kỹ và chọn đúng hướng tiếp theo. Gộp nhiều câu thường khiến AI trả lời câu nào cũng sơ sài.
Làm sao biết một nhóm nhỏ thay đổi mạnh là tín hiệu thật?
Hỏi thêm nhóm đó có bao nhiêu đơn hay bao nhiêu khách. Nhóm rất ít dữ liệu dễ dao động mạnh do ngẫu nhiên. Nếu thay đổi lặp lại qua nhiều tuần hoặc nhiều tháng thì đáng tin hơn một lần tăng vọt duy nhất.
Câu hỏi về cách giải thích khác có làm AI bịa thêm nguyên nhân không?
AI có thể nêu những nguyên nhân không có trong dữ liệu, nhưng khi bạn yêu cầu kèm dữ liệu cần để phân biệt, mỗi nguyên nhân trở thành một giả thuyết có cách kiểm tra. Điều quan trọng là bạn ghi chúng là giả thuyết, không phải kết luận.
Có nên lưu lại cả cuộc trò chuyện phân tích không?
Nên lưu bản tóm tắt cuối và các câu lệnh chính, cùng với tệp dữ liệu đã dùng. Lưu toàn bộ cuộc trò chuyện thì dài và khó đọc lại; bản tóm tắt có điều đã biết, điều còn nghi và cách tính là đủ cho người đọc sau.
Hỏi tiếp bao nhiêu lượt là nhiều quá?
Không có con số cố định. Thay vì đếm lượt, hãy xem mỗi lượt có thu hẹp vấn đề không. Khi ba lượt liên tiếp không thêm được điều gì giúp quyết định, đó là lúc dừng hoặc chuyển sang nguồn thông tin khác.