Kiểm bằng mẫu nhỏ là lấy ra một nhóm dữ liệu đủ ít để bạn tự tính được, thường từ mười đến hai mươi dòng, tính chỉ số cần kiểm bằng tay hoặc bằng bảng tính, rồi yêu cầu AI tính đúng chỉ số đó cho đúng nhóm đó. Nếu hai bên khớp, cách AI hiểu cột và công thức là đúng, và bạn có cơ sở để tin kết quả trên toàn bộ dữ liệu. Nếu lệch, bạn đã tìm ra lỗi trên một bảng đủ nhỏ để nhìn thấy nguyên nhân.
Đối chiếu tổng cho biết AI có đọc đủ dữ liệu hay không. Kiểm bằng mẫu nhỏ trả lời câu hỏi khác: AI có tính đúng thứ bạn muốn tính hay không. Hai phép kiểm bổ sung cho nhau, và bài này tập trung vào phép thứ hai.
Vì sao mẫu nhỏ bắt được lỗi mà tổng không bắt được
Nhiều lỗi phân tích không làm thay đổi tổng. Ví dụ giả định: bạn hỏi giá trị đơn trung bình. Nếu AI chia tổng tiền cho số dòng thay vì số đơn, trong khi mỗi đơn có nhiều dòng món, kết quả sẽ thấp hơn thực tế nhiều lần. Tổng tiền vẫn khớp hoàn hảo với điểm neo, nhưng chỉ số bạn đưa vào báo cáo thì sai hoàn toàn.
Tương tự với tỉ lệ khách quay lại. AI có thể đếm khách theo tên thay vì theo mã, nên cùng một khách ghi tên hai kiểu thành hai khách, hoặc hai khách trùng tên thành một. Tỉ lệ chuyển đổi có thể bị tính với mẫu số là số đơn thay vì số lượt truy cập. Biên lợi nhuận có thể bị tính trên giá vốn thay vì trên doanh thu. Mọi lỗi này đều nằm ở công thức và cách hiểu, không ở việc đọc dữ liệu.
Trên vài nghìn dòng, bạn không thể nhìn ra những lỗi đó. Trên mười lăm dòng, bạn tự tính trong vài phút và thấy ngay chỗ khác nhau. Đó là lý do mẫu nhỏ là phép kiểm tỉ lệ thuận giữa công sức và hiệu quả tốt nhất cho các chỉ số dạng tỉ lệ, trung bình, phần trăm.
Chọn mẫu nhỏ sao cho có ích
Mẫu để kiểm không cần đại diện cho toàn bộ dữ liệu như khi khảo sát. Ngược lại, nó nên chứa những trường hợp dễ làm AI sai. Một số nguyên tắc chọn:
- Chọn theo một điều kiện rõ ràng, như một chi nhánh trong một ngày, một nhân viên trong một tuần, để bạn và AI lấy đúng cùng một nhóm dòng.
- Có ít nhất một đơn nhiều dòng, để kiểm AI phân biệt được đơn và dòng.
- Có ít nhất một dòng đặc biệt: đơn huỷ, hàng trả lại, đơn được giảm giá, dòng có ô trống.
- Có khách xuất hiện hơn một lần nếu chỉ số liên quan đến khách quay lại hay tần suất mua.
- Có cả giá trị rất lớn và rất nhỏ nếu chỉ số là trung bình hay trung vị, để thấy ảnh hưởng của giá trị ngoại lệ.
- Không quá hai mươi dòng, để bạn thật sự tự tính được mà không ngại.
Nếu dữ liệu không có sẵn nhóm nào hội đủ các trường hợp trên, bạn có thể ghép hai hoặc ba nhóm nhỏ, miễn điều kiện lọc vẫn nói rõ được bằng một câu.
Các bước kiểm, kèm câu lệnh mẫu
Ví dụ giả định dưới đây dùng một tệp đơn hàng của một tiệm bánh ở Đồng Nai, đã thay tên khách bằng mã. Câu hỏi cần kiểm là giá trị đơn trung bình theo chi nhánh.
- Lọc trong bảng tính ra các dòng của chi nhánh số 2 ngày 14/09. Được mười bảy dòng, thuộc chín đơn, trong đó một đơn đã huỷ.
- Tự tính: tổng tiền tám đơn hợp lệ chia cho tám. Ghi kết quả và cách tính ra giấy.
- Gửi AI câu lệnh: "Chỉ lấy các dòng có chi nhánh bằng 2 và ngày bằng 14/09. Liệt kê từng dòng với mã đơn, trạng thái, thành tiền. Sau đó tính giá trị đơn trung bình cho nhóm này theo đúng cách bạn đã dùng cho câu hỏi trước."
- So danh sách dòng AI in ra với mười bảy dòng bạn lọc. Nếu thiếu hoặc thừa, điều kiện lọc của AI đã khác bạn.
- So kết quả. Nếu AI ra con số nhỏ hơn nhiều, nghi chia theo dòng. Nếu lớn hơn một chút, nghi tính cả đơn huỷ.
- Nói rõ cách tính đúng với AI, yêu cầu tính lại trên mẫu nhỏ đến khi khớp, rồi mới yêu cầu áp dụng cho toàn bộ dữ liệu.
Câu "theo đúng cách bạn đã dùng cho câu hỏi trước" quan trọng: bạn đang kiểm cách tính đã dùng cho báo cáo, không phải yêu cầu AI tính lại bằng một cách mới có thể đúng hơn trên mẫu nhỏ nhưng khác với cách đã dùng trên toàn bộ.
Chỉ số nào hay bị tính sai và mẫu nhỏ cần chứa gì
Bảng tổng hợp các chỉ số phổ biến trong phân tích kinh doanh nhỏ, lỗi AI hay mắc và loại dòng nên có trong mẫu để bắt lỗi đó.
| Chỉ số | Lỗi hay gặp | Mẫu nên có |
|---|---|---|
| Giá trị đơn trung bình | Chia theo dòng thay vì theo đơn; tính cả đơn huỷ | Đơn nhiều dòng, một đơn huỷ |
| Tỉ lệ khách quay lại | Đếm theo tên thay vì mã; khoảng thời gian không rõ | Một khách mua hai lần, hai khách có tên gần giống |
| Biên lợi nhuận | Chia cho giá vốn thay vì doanh thu; bỏ chi phí vận chuyển | Món có giá vốn cao, đơn có phí giao |
| Tỉ lệ hàng trả lại | Mẫu số là số đơn trả lại thay vì tổng số đơn; tính theo tiền hay theo số lượng không thống nhất | Một đơn trả một phần |
| Tăng trưởng so kỳ trước | So khác số ngày; tính trên dữ liệu chưa đủ kỳ | Hai kỳ có số ngày khác nhau |
| Trung vị thời gian giao | Dùng trung bình thay vì trung vị; tính cả đơn chưa giao | Một đơn giao rất trễ, một đơn chưa giao |
Bảng này không đủ cho mọi trường hợp, nhưng cho thấy một quy luật: lỗi thường nằm ở mẫu số, ở đơn vị phân tích và ở các dòng đặc biệt. Mẫu nhỏ tốt là mẫu buộc AI phải xử lý cả ba.
Ví dụ giả định: mẫu nhỏ bắt lỗi tỉ lệ khách quay lại
Một cửa hàng mỹ phẩm online ở Cần Thơ hỏi AI tỉ lệ khách mua lần hai trong vòng sáu mươi ngày. AI trả lời khoảng 9%, thấp hơn nhiều so với cảm nhận của người bán hàng. Thay vì cãi với con số, chủ cửa hàng lọc ra mười hai đơn của năm khách mà chị biết chắc đã mua lại, trong đó có một khách đổi số điện thoại giữa chừng và một khách lần đầu đặt tên đầy đủ, lần sau chỉ ghi tên gọi.
Tự tính trên năm khách này, chị ra bốn khách quay lại trong vòng sáu mươi ngày. AI tính trên đúng mười hai đơn đó chỉ ra một khách. Yêu cầu AI giải thích, chị thấy nó nhận diện khách bằng cột tên kết hợp số điện thoại, nên cùng một người ghi hai kiểu thành hai khách khác nhau. Ngoài ra AI tính sáu mươi ngày kể từ ngày đầu tiên của tệp chứ không phải từ ngày mua đầu tiên của từng khách.
Sau khi chị yêu cầu dùng cột mã khách trong hệ thống và tính khoảng sáu mươi ngày riêng cho từng khách, mẫu nhỏ khớp. Áp dụng cho toàn bộ dữ liệu, tỉ lệ ra khoảng 21%. Con số mới này mới đáng đưa vào báo cáo, kèm ghi chú về định nghĩa khách quay lại đã dùng. Toàn bộ quá trình mất chưa tới hai mươi phút, và con số cũ nếu dùng sẽ dẫn tới một quyết định sai về chương trình chăm sóc khách cũ.
Khi mẫu nhỏ khớp nhưng kết quả toàn bộ vẫn đáng ngờ
Có trường hợp AI tính đúng trên mẫu nhỏ, nhưng khi áp dụng cho toàn bộ thì vẫn ra con số lạ. Nguyên nhân thường là dữ liệu toàn bộ có những trường hợp không xuất hiện trong mẫu: một trạng thái đơn hiếm gặp, một chi nhánh mới mở giữa tháng, một kiểu ghi ngày khác do đổi phần mềm. Khi đó, hỏi AI liệt kê các giá trị khác nhau của cột trạng thái, cột chi nhánh, rồi chọn thêm một mẫu nhỏ chứa giá trị lạ.
Cũng có thể AI đã đổi cách tính giữa lượt kiểm và lượt tính toàn bộ, nhất là khi bạn hỏi hai việc cách nhau nhiều lượt trò chuyện. Cách phòng là sau khi mẫu nhỏ khớp, yêu cầu AI viết lại cách tính thành một đoạn mô tả ngắn, rồi dán chính đoạn đó vào câu lệnh tính toàn bộ.
Trước khi tải bất kỳ mẫu nào lên, nhớ rằng mẫu nhỏ cũng là dữ liệu thật. Mười bảy dòng có tên và số điện thoại khách vẫn là mười bảy người có thể bị lộ thông tin. Dùng bản đã thay mã cho cả mẫu nhỏ lẫn tệp toàn bộ.
Giữ mẫu nhỏ làm bộ kiểm dùng lại
Nếu báo cáo của bạn lặp lại hằng tuần hay hằng tháng, mẫu nhỏ đã kiểm có thể dùng lại như một bộ kiểm cố định. Lưu riêng mười đến hai mươi dòng đó cùng kết quả đúng cho từng chỉ số. Mỗi khi đổi công cụ, đổi phiên bản, đổi cách viết câu lệnh hoặc nhờ đồng nghiệp làm thay, bạn chạy bộ kiểm này trước.
Cách này giống việc kiểm cân trước khi bán hàng: không mất bao lâu nhưng cho biết công cụ vẫn hoạt động như bạn tin. Nó đặc biệt hữu ích khi nhóm có nhiều người cùng dùng AI để làm báo cáo, vì mọi người có chung một chuẩn để so.
Một lưu ý nhỏ: bộ kiểm cố định cần được cập nhật khi công ty đổi định nghĩa chỉ số, ví dụ quyết định từ nay không tính phí giao hàng vào doanh thu. Khi đó kết quả đúng của bộ kiểm cũng thay đổi, và bạn cần ghi rõ ngày đổi để không so nhầm với kết quả cũ.
Bộ kiểm cũng nên được giữ ở nơi cả nhóm cùng thấy, kèm một dòng mô tả điều kiện lọc và cách tính đúng của từng chỉ số. Người mới vào nhóm đọc dòng mô tả đó là hiểu công ty đang định nghĩa doanh thu, đơn hợp lệ, khách quay lại ra sao, trước cả khi mở công cụ AI.
Câu hỏi thường gặp
Mẫu nhỏ có cần chọn ngẫu nhiên không?
Không cần. Mục đích ở đây là kiểm cách tính, không phải ước lượng cho toàn bộ. Chọn có chủ đích những dòng dễ gây lỗi như đơn huỷ, đơn nhiều dòng, khách mua nhiều lần sẽ hiệu quả hơn chọn ngẫu nhiên.
Hai mươi dòng có quá ít để tin kết quả không?
Với mục đích kiểm cách tính thì đủ. Nếu công thức đúng trên hai mươi dòng có đủ các trường hợp đặc biệt, nó đúng trên toàn bộ dữ liệu có cùng cấu trúc. Rủi ro còn lại là dữ liệu toàn bộ có trường hợp lạ, và cần kiểm thêm như đã nêu.
Có thể nhờ AI chọn mẫu nhỏ giúp không?
Có thể nhờ AI gợi ý loại dòng nên có trong mẫu, nhưng nên tự lọc mẫu trong bảng tính. Nếu AI vừa chọn mẫu vừa tính, bạn không biết nó có hiểu sai điều kiện lọc từ đầu hay không.
Không giỏi bảng tính thì tự tính tay thế nào?
Hai mươi dòng có thể tính bằng máy tính bỏ túi hoặc giấy bút. Viết ra từng đơn, gạch đơn huỷ, cộng tổng, chia cho số đơn. Cách thủ công này chậm hơn nhưng giúp bạn hiểu rõ chỉ số mình đang báo cáo.
Mẫu nhỏ khớp rồi có cần đối chiếu tổng nữa không?
Vẫn cần. Mẫu nhỏ kiểm công thức, đối chiếu tổng kiểm việc đọc đủ dữ liệu. Một công thức đúng áp dụng trên tệp bị mất một phần dòng vẫn cho kết quả sai.
Kết quả AI có phần thập phân khác mình một chút thì sao?
Lệch ở chữ số thập phân cuối thường do làm tròn ở bước trung gian. Nếu lệch nằm trong ngưỡng bạn đã đặt và giải thích được bằng làm tròn thì chấp nhận được. Nếu lệch lớn hơn, kiểm lại cách xử lý dòng đặc biệt.