Phân phối dữ liệu là bức tranh cho biết các giá trị trong một tập số liệu nằm ở đâu: dồn đông ở khoảng nào, thưa ở khoảng nào, trải rộng hay co cụm, có lệch về một phía hay không. Trung bình, trung vị, tỉ lệ đều là những cách tóm tắt phân phối thành một con số, và cách tóm tắt nào cũng làm mất thông tin.
Vì vậy thói quen của người phân tích có kinh nghiệm là nhìn hình dạng số liệu trước, rồi mới chọn con số tóm tắt. Bài này giải thích những hình dạng hay gặp trong số liệu kinh doanh, độ phân tán và độ lệch chuẩn nói theo cách dễ hiểu, và cách nhờ trợ lý AI mô tả phân phối thay vì chỉ đưa ra một con số trung bình.
Từ một cột số đến một hình dạng
Hãy hình dung bạn có cột thời gian giao hàng của 500 đơn trong tháng. Đọc từng dòng thì không thấy gì. Nhưng nếu chia thời gian thành các khoảng, ví dụ dưới 1 giờ, 1 đến 2 giờ, 2 đến 3 giờ, rồi đếm có bao nhiêu đơn rơi vào mỗi khoảng, bạn có một bảng tần suất. Vẽ bảng đó thành các cột đứng cạnh nhau, chiều cao mỗi cột là số đơn, bạn có biểu đồ tần suất, cách nhìn phân phối phổ biến nhất.
Biểu đồ này trả lời những câu mà trung bình không trả lời được. Phần lớn đơn giao trong bao lâu? Có nhóm đơn nào giao chậm hẳn không? Thời gian giao có ổn định hay mỗi đơn mỗi kiểu? Hai cửa hàng có cùng thời gian giao trung bình 90 phút có thể có hai hình dạng rất khác: một nơi gần như mọi đơn đều 80 đến 100 phút, nơi kia một nửa đơn 30 phút còn nửa kia hơn hai tiếng. Khách của nơi thứ hai sẽ phàn nàn nhiều hơn hẳn, dù con số trung bình giống hệt.
Chọn độ rộng khoảng cũng ảnh hưởng tới cái bạn nhìn thấy. Khoảng quá rộng thì mọi thứ dồn vào vài cột, mất chi tiết; khoảng quá hẹp thì biểu đồ lởm chởm, khó thấy hình. Không có quy tắc duy nhất; thử hai ba độ rộng và chọn cái cho hình dạng rõ nhất là cách làm thực tế.
Những hình dạng phân phối hay gặp trong số liệu kinh doanh
Bảng dưới liệt kê các hình dạng phổ biến, ví dụ thường gặp và con số tóm tắt phù hợp. Các ví dụ là tình huống giả định điển hình, không phải số liệu đo được của doanh nghiệp cụ thể nào.
| Hình dạng | Trông như thế nào | Thường gặp ở | Nên tóm tắt bằng |
|---|---|---|---|
| Cân đối một đỉnh | Đông ở giữa, thưa dần đều hai bên | Trọng lượng gói hàng đóng máy, số khách mỗi ngày của quán ổn định | Trung bình và độ lệch chuẩn |
| Lệch phải | Đông ở phía nhỏ, đuôi dài kéo về phía lớn | Giá trị đơn hàng, thời gian giao, thu nhập | Trung vị, tứ phân vị |
| Lệch trái | Đông ở phía lớn, đuôi kéo về phía nhỏ | Điểm hài lòng khi phần lớn khách chấm cao | Trung vị, tỉ lệ dưới ngưỡng |
| Hai đỉnh | Có hai cụm đông tách nhau | Đơn lẻ và đơn sỉ, khách trưa và khách tối | Tách thành hai nhóm rồi tóm tắt riêng |
| Dồn ở một giá trị | Một giá trị chiếm phần lớn | Số món mỗi đơn (đa số mua một món) | Tỉ lệ theo từng giá trị |
Hình dạng hai đỉnh là tín hiệu quan trọng nhất trong bảng: nó gần như luôn có nghĩa là bạn đang gộp hai nhóm khác nhau vào một. Tóm tắt nhóm gộp bằng một trung bình sẽ ra một con số nằm giữa hai đỉnh, không đại diện cho ai cả.
Độ phân tán và độ lệch chuẩn nói nôm na
Độ phân tán đo mức các giá trị trải rộng hay co cụm. Cách đơn giản nhất là khoảng biến thiên: giá trị lớn nhất trừ nhỏ nhất. Nó dễ hiểu nhưng chỉ dựa vào hai giá trị ở hai đầu, nên một đơn bất thường là đủ làm nó phình to. Khoảng tứ phân vị, tức khoảng giữa mốc 25% và mốc 75%, ổn định hơn vì bỏ qua phần đuôi.
Độ lệch chuẩn là cách đo phổ biến nhất trong thống kê. Nói nôm na, nó cho biết các giá trị thường cách trung bình khoảng bao xa. Độ lệch chuẩn nhỏ nghĩa là các giá trị bám sát trung bình, quy trình ổn định; độ lệch chuẩn lớn nghĩa là mỗi lần một khác. Ví dụ giả định: hai ca làm bánh có trọng lượng bánh trung bình như nhau, nhưng ca A có độ lệch chuẩn nhỏ hơn hẳn ca B, tức ca A làm đều tay hơn và khách ít gặp chiếc bánh quá nhỏ.
Một cách đọc tiện dụng: với phân phối cân đối một đỉnh, phần lớn giá trị nằm trong khoảng trung bình cộng trừ hai lần độ lệch chuẩn. Quy tắc này không còn đúng với phân phối lệch, và đây là chỗ nhiều người, cả trợ lý AI, hay áp dụng sai. Với giá trị đơn hàng lệch phải, "trung bình trừ hai độ lệch chuẩn" có thể ra số âm, một dấu hiệu rõ ràng cho thấy công cụ đã dùng sai cách đo.
Vì sao cùng một trung bình có thể dẫn tới hai quyết định ngược nhau
Ví dụ giả định: hai cửa hàng tiện lợi cùng chuỗi ở TP Hồ Chí Minh đều bán trung bình 60 chai nước suối mỗi ngày. Quản lý khu vực định nhập cho cả hai cùng một mức tồn kho. Nhìn phân phối thì khác hẳn: cửa hàng gần văn phòng bán rất đều, ngày nào cũng quanh 55 đến 65 chai; cửa hàng gần sân vận động thường chỉ bán 30 chai nhưng những ngày có trận đấu bán tới 200 chai. Cùng một mức tồn kho thì cửa hàng thứ nhất dư chút ít, cửa hàng thứ hai vừa đọng hàng ngày thường vừa hết hàng đúng ngày bán được nhiều nhất.
Quyết định đúng cho cửa hàng thứ hai không đến từ trung bình mà từ hình dạng: một phân phối có hai trạng thái, ngày thường và ngày có sự kiện. Cách xử lý là tách hai loại ngày, nhập hàng theo lịch sự kiện, chứ không tìm một con số trung bình tốt hơn.
Bài học chung: trước khi dùng bất kỳ con số tóm tắt nào để ra quyết định về tồn kho, nhân sự hay giá bán, hãy hỏi "các ngày, các đơn, các khách có giống nhau không". Nếu câu trả lời là không, phân phối sẽ cho bạn biết chúng khác nhau theo kiểu nào.
AI mô tả phân phối sai ở đâu
Chỉ đưa trung bình và độ lệch chuẩn cho mọi loại số liệu. Đây là thói quen mặc định của nhiều công cụ. Với số liệu lệch hay hai đỉnh, hai con số này cho bức tranh méo. Yêu cầu thêm trung vị, tứ phân vị và mô tả hình dạng.
Gọi mọi thứ là "phân phối chuẩn". Phân phối chuẩn là một hình dạng cụ thể, cân đối hình chuông. Số liệu kinh doanh hiếm khi có đúng hình dạng đó. Khi AI viết "dữ liệu tuân theo phân phối chuẩn" mà không kiểm, hãy hỏi lại nó đã kiểm bằng cách nào.
Mô tả hình dạng mà không thật sự đếm. Chatbot không chạy tính toán có thể viết "phần lớn đơn tập trung quanh mức trung bình" như một câu mẫu, không dựa trên đếm thật. Yêu cầu bảng tần suất cụ thể theo các khoảng bạn chọn.
Bỏ qua đỉnh thứ hai. Nếu không được dặn, AI ít khi tự nêu rằng số liệu có hai cụm. Câu hỏi "số liệu này có gộp hai nhóm khác nhau không" đáng được đưa vào câu lệnh mỗi lần.
Nhờ AI mô tả phân phối: quy trình sáu bước
Trước khi đưa dữ liệu, chỉ giữ lại cột cần phân tích và cột phân nhóm; bỏ tên, số điện thoại, địa chỉ khách, mã nhân viên. Sau đó:
- Nói rõ cột cần mô tả và đơn vị: "cột thời gian giao tính bằng phút, 500 dòng".
- Yêu cầu bảng tần suất: "chia thành các khoảng 15 phút, đếm số đơn mỗi khoảng, ghi cả phần trăm".
- Yêu cầu bộ số tóm tắt đầy đủ: nhỏ nhất, mốc 25%, trung vị, mốc 75%, lớn nhất, trung bình, độ lệch chuẩn.
- Hỏi về hình dạng: "phân phối lệch về phía nào, có mấy đỉnh, có cụm nào tách rời không".
- Hỏi về nhóm: "nếu có hai đỉnh, thử tách theo cột khu vực hoặc khung giờ xem có giải thích được không".
- Tự kiểm: cộng cột số đơn trong bảng tần suất, phải bằng tổng số dòng. Không bằng là AI đã đọc thiếu hoặc đếm sai.
Bước cuối rất đơn giản nhưng bắt được nhiều lỗi. Nếu bạn muốn nhìn hình, có thể yêu cầu công cụ vẽ biểu đồ tần suất; cách chọn và trình bày biểu đồ cho người khác đọc có danh mục riêng trên trang.
Phân phối thay đổi theo thời gian cũng là một tín hiệu
Nhìn phân phối của một tháng là một bức ảnh chụp. So phân phối của nhiều tháng với nhau cho thấy những thay đổi mà trung bình không bắt được. Ví dụ giả định: giá trị đơn trung vị của một cửa hàng mỹ phẩm không đổi trong ba tháng, nhưng mốc 75% giảm dần. Nghĩa là nhóm khách mua nhiều đang mua ít đi, trong khi khách bình thường vẫn như cũ. Báo cáo chỉ có trung bình sẽ thấy một mức giảm nhẹ khó giải thích; báo cáo có phân phối chỉ thẳng vào nhóm khách cần quan tâm.
Tương tự, độ phân tán tăng dần của thời gian giao hàng có thể báo hiệu quy trình đang mất ổn định từ trước khi trung bình xấu đi. Một kho hàng có thời gian xử lý đơn trung bình không đổi nhưng ngày càng nhiều đơn rất nhanh xen lẫn đơn rất chậm thường đang có vấn đề về sắp xếp ca hay ưu tiên.
Khi theo dõi định kỳ, chỉ cần thêm hai cột mốc 25% và mốc 75% bên cạnh trung vị trong báo cáo tháng. Ba con số đó, đặt theo dòng thời gian, đã cho bạn một bức tranh phân phối đủ dùng cho hầu hết quyết định vận hành.
Câu hỏi thường gặp
Phân phối dữ liệu là gì, nói ngắn gọn?
Phân phối dữ liệu mô tả các giá trị trong một tập số liệu nằm ở đâu và với tần suất bao nhiêu: dồn đông ở khoảng nào, trải rộng bao nhiêu, có lệch về một phía hay có nhiều cụm không. Nó là nền để chọn con số tóm tắt phù hợp.
Độ lệch chuẩn cao là tốt hay xấu?
Tuỳ câu hỏi. Với quy trình cần đều, như trọng lượng sản phẩm hay thời gian giao, độ lệch chuẩn cao là dấu hiệu thiếu ổn định. Với những thứ vốn đa dạng, như giá trị đơn của một cửa hàng bán nhiều loại sản phẩm, độ phân tán cao là bình thường.
Số liệu kinh doanh có tuân theo phân phối chuẩn không?
Thường là không. Giá trị đơn hàng, thời gian chờ, thu nhập hay số lượt xem thường lệch về phía giá trị lớn. Một số đại lượng đo trong sản xuất ổn định có thể gần với phân phối chuẩn. Nên kiểm bằng biểu đồ tần suất trước khi giả định.
Thấy phân phối có hai đỉnh thì nên làm gì?
Tìm xem hai cụm tương ứng với hai nhóm nào, ví dụ khách lẻ và khách sỉ, ca trưa và ca tối, hay hai loại sản phẩm. Sau đó phân tích và báo cáo riêng từng nhóm, thay vì dùng một trung bình chung không đại diện cho nhóm nào.
Có cần phần mềm thống kê để xem phân phối không?
Không cần. Bảng tính phổ biến có hàm đếm theo khoảng, hàm tứ phân vị và chức năng vẽ biểu đồ tần suất. Trợ lý AI có công cụ chạy tính toán cũng làm được, miễn là bạn kiểm tổng số dòng trong bảng tần suất.
Chia khoảng bao nhiêu là hợp lý khi vẽ biểu đồ tần suất?
Không có con số đúng cho mọi trường hợp. Với vài trăm dòng, khoảng mười đến hai mươi khoảng thường cho hình dạng rõ. Nên thử hai ba cách chia và chọn cách cho thấy hình dạng rõ nhất mà không quá lởm chởm.