Cách an toàn và bền nhất để dùng AI làm sạch dữ liệu là xin nó quy tắc, rồi tự áp dụng quy tắc đó bằng công thức hoặc tính năng của bảng tính, chứ không dán cả bảng vào và nhận lại bảng "đã sạch". Quy tắc thì bạn đọc, kiểm và dùng lại được cho tháng sau; còn bảng do chatbot trả về có thể đã bị bớt dòng, đổi số hay sửa nhầm mà bạn không biết.
Bài này đưa ra câu lệnh khung để xin quy tắc, các mẫu theo từng loại lỗi hay gặp trong bảng văn phòng Việt Nam, và cách biến quy tắc thành bảng ánh xạ chạy được. Thao tác chi tiết từng kiểu làm sạch như xoá trùng, chuẩn hoá số điện thoại đã có ở danh mục làm sạch và chuẩn hoá dữ liệu; ở đây chỉ bàn cách hỏi. Mọi giá trị trong bài là ví dụ giả định.
Vì sao xin quy tắc tốt hơn nhờ AI sửa thẳng dữ liệu
Nhờ chatbot sửa thẳng nghe tiện: dán năm trăm dòng khách hàng, gõ "chuẩn hoá giúp", nhận lại bảng gọn gàng. Nhưng có ba vấn đề. Thứ nhất, bạn vừa đưa dữ liệu khách hàng thật cho một dịch vụ bên ngoài. Thứ hai, với bảng dài, chatbot có thể trả thiếu dòng, ghép nhầm hai dòng, hay "sửa" luôn những giá trị đúng; mô hình ngôn ngữ sinh lại văn bản chứ không sao chép, nên những thay đổi nhỏ khó thấy bằng mắt. Thứ ba, tháng sau bảng mới về, bạn lại phải làm y như vậy.
Xin quy tắc giải được cả ba. Bạn chỉ cần đưa cho AI phần mô tả cấu trúc và một danh sách các dạng giá trị lỗi đã che, không cần dữ liệu thật. AI trả về những câu như "bỏ khoảng trắng hai đầu, gộp nhiều khoảng trắng giữa thành một, viết hoa chữ cái đầu mỗi từ" kèm công thức tương ứng. Bạn đọc, thấy hợp lý, áp dụng bằng công thức trên cột phụ, và dữ liệu gốc không rời khỏi máy.
Quan trọng hơn, quy tắc là thứ con người phải quyết. Chuyện "Cty TNHH An Phát" và "Công ty An Phát" có phải một khách hay không là quyết định nghiệp vụ, AI chỉ đề xuất được. Khi quy tắc được viết ra thành chữ, người phụ trách bảng thấy rõ mình đang đồng ý với điều gì, thay vì tin vào một bảng đã bị sửa theo cách không ai giải thích.
Câu lệnh khung để xin quy tắc làm sạch
Khung dưới đây ghép sau đoạn mô tả bảng. Điểm khác biệt nằm ở chỗ bạn yêu cầu rõ dạng đầu ra là quy tắc có đánh số, mỗi quy tắc kèm cách áp dụng.
- Nêu cột cần làm sạch và mục đích: "Cần làm sạch cột Tên khách ở trang KhachHang để sau này dò tìm và đếm khách không bị trùng."
- Đưa danh sách các dạng lỗi đang thấy, mỗi dạng một ví dụ đã che: "Có ô viết hoa toàn bộ, có ô thừa dấu cách ở giữa, có ô ghi kèm chức danh như 'Chị', 'Anh' ở đầu."
- Yêu cầu đầu ra: "Đề xuất danh sách quy tắc làm sạch có đánh số, theo thứ tự nên áp dụng. Mỗi quy tắc gồm: mô tả bằng một câu, công thức Excel áp dụng trên cột phụ, ví dụ trước và sau."
- Yêu cầu nêu rủi ro: "Với mỗi quy tắc, nêu trường hợp quy tắc có thể làm hỏng dữ liệu đúng."
- Đặt ranh giới: "Không đề xuất xoá dòng. Không tự gộp hai khách khác tên thành một; chỉ đánh dấu nghi trùng để người kiểm quyết định."
Thứ tự áp dụng quan trọng hơn người ta nghĩ. Bỏ chữ "Chị" ở đầu trước rồi mới viết hoa chữ cái đầu sẽ khác với làm ngược lại. Đánh số quy tắc và yêu cầu AI sắp thứ tự giúp bạn tránh phải ngồi đoán vì sao kết quả lệch.
Mẫu câu lệnh theo từng loại lỗi hay gặp
Phần trong ngoặc vuông là chỗ bạn thay bằng chi tiết của bảng mình. Các mẫu này ghép sau câu lệnh khung, mỗi lần một loại lỗi để câu trả lời gọn và dễ kiểm.
| Loại lỗi | Câu lệnh mẫu | Điều cần nói thêm với AI |
|---|---|---|
| Khoảng trắng, ký tự ẩn | "Cột [C] có ô thừa dấu cách đầu cuối, giữa các từ, và có thể có ký tự ẩn do sao chép từ trang web. Đề xuất quy tắc và công thức." | Dấu cách không ngắt dòng khi dán từ web không bị TRIM xoá; nhắc để AI thêm SUBSTITUTE. |
| Chữ hoa, chữ thường | "Họ tên tiếng Việt có dấu, lẫn viết hoa toàn bộ và viết thường. Cần viết hoa chữ cái đầu mỗi từ." | Hỏi rõ PROPER xử lý chữ có dấu ra sao trên phiên bản của bạn; thử với tên có chữ Đ. |
| Mã hàng lệch | "Mã hàng dạng [SP-02], có ô [sp02], [SP 02], [SP-2]. Đề xuất quy tắc đưa về một dạng." | Nói quy ước gốc: mấy chữ số, có gạch hay không. Mã ngắn hơn chuẩn thì có bù số không ở đầu không. |
| Tên tỉnh, thành | "Cột tỉnh có tên trước sáp nhập 7/2025 và tên viết tắt. Đề xuất cách chuẩn hoá về 34 tỉnh, thành hiện hành." | Yêu cầu AI xuất bảng ánh xạ để bạn tự đối chiếu với danh mục chính thức, không tin danh sách AI nhớ. |
| Ngày lẫn kiểu | "Cột ngày có ô là ngày thật, có ô là chữ ngày/tháng/năm, có ô là chữ tháng/ngày/năm do xuất từ phần mềm khác." | Nói cách phân biệt nguồn nếu có (cột nguồn, khoảng dòng); không có thì xin quy tắc đánh dấu ô mơ hồ thay vì đoán. |
| Ô trống | "Cột [Kênh bán] có ô trống. Đề xuất cách đánh dấu và có nên điền giá trị mặc định không." | Nói rõ ô trống nghĩa là gì trong nghiệp vụ: chưa biết, không áp dụng, hay quên nhập. |
Riêng mẫu tên tỉnh, thành: danh sách sau sáp nhập là thông tin hành chính, nên đối chiếu với văn bản chính thức hoặc danh mục do cơ quan nhà nước công bố trước khi dùng. AI có thể nhớ sai hoặc lẫn tên cũ, nhất là với những thay đổi gần thời điểm mô hình được huấn luyện.
Gửi danh sách giá trị khác nhau thay cho dữ liệu thô
Một mẹo giúp xin quy tắc chính xác hơn mà không lộ dữ liệu: thay vì dán từng dòng, bạn lấy danh sách các giá trị khác nhau của cột cần làm sạch kèm số lần xuất hiện. Trong Excel đời mới, hàm UNIQUE đặt cạnh COUNTIF cho ra danh sách này trong vài giây; ở bản cũ, dùng PivotTable kéo cột đó vào hàng và vào giá trị đếm. Google Sheets có UNIQUE và COUNTIF tương tự.
Với những cột như đơn vị tính, tên tỉnh, kênh bán hàng, trạng thái đơn, danh sách này thường chỉ vài chục dòng và gần như không chứa thông tin cá nhân. Gửi nó cho AI kèm câu "Đây là các giá trị khác nhau ở cột Đơn vị tính và số lần xuất hiện. Gom các giá trị cùng nghĩa về một tên chuẩn, trả về bảng hai cột: giá trị gốc, giá trị chuẩn. Giá trị nào không chắc thì ghi 'cần hỏi'." Kết quả là một bảng ánh xạ bạn đọc được từ đầu đến cuối trong vài phút.
Với cột chứa dữ liệu cá nhân như tên khách hay số điện thoại, đừng gửi danh sách giá trị. Thay vào đó mô tả các dạng lỗi bằng lời và vài ví dụ đã thay ký tự, như trong bảng mẫu ở phần trên. Bạn mất thêm chút công mô tả, đổi lại không có dòng dữ liệu khách nào rời khỏi máy.
Biến quy tắc thành bảng ánh xạ chạy được
Đặt bảng ánh xạ ở trang tính riêng. Tạo trang tính tên như AnhXa_DonVi với hai cột Gốc và Chuẩn, dán kết quả AI đề xuất vào, rồi tự sửa những dòng ghi "cần hỏi" sau khi hỏi người trong nghề. Bảng này là tài sản: tháng sau gặp giá trị mới chỉ cần thêm một dòng.
Dùng dò tìm để áp dụng. Ở bảng chính, thêm cột phụ dùng XLOOKUP hoặc INDEX kết hợp MATCH tra giá trị gốc trong bảng ánh xạ, trả về giá trị chuẩn. Đặt kết quả khi không tìm thấy là một chữ dễ lọc như "CHƯA ÁNH XẠ", để mỗi lần có giá trị lạ bạn thấy ngay.
Làm sạch nhẹ trước khi dò. Bọc giá trị gốc trong TRIM và đưa về chữ thường trước khi dò, và làm y như vậy với cột Gốc của bảng ánh xạ. Hai bước này gom được nhiều biến thể mà không cần thêm dòng ánh xạ.
Giữ cột gốc, chỉ dùng cột chuẩn. Không ghi đè cột gốc. Báo cáo và công thức về sau đọc cột chuẩn; cột gốc ở lại để truy ngược khi có người hỏi "sao khách này lại ra tỉnh kia".
Câu lệnh bắt AI tự soi quy tắc trước khi áp dụng
Sau khi có danh sách quy tắc, đừng áp ngay. Dùng thêm một lượt hỏi để AI đóng vai người phản biện chính đề xuất của nó. Vài mẫu câu lệnh cho lượt này:
- "Với từng quy tắc trên, nêu hai ví dụ dữ liệu đúng mà quy tắc sẽ làm hỏng." Câu này hay lôi ra những trường hợp như tên riêng có chữ viết hoa giữa từ, mã hàng mà số không ở đầu có ý nghĩa.
- "Nếu áp dụng các quy tắc theo thứ tự đã nêu, có cặp quy tắc nào xung đột nhau không?"
- "Quy tắc nào cần người kiểm duyệt từng dòng thay vì áp tự động?"
- "Đề xuất ba phép đếm để kiểm sau khi làm sạch, ví dụ số dòng trước và sau, số giá trị khác nhau trước và sau."
- "Viết lại danh sách quy tắc dưới dạng ngắn gọn để dán vào ô ghi chú đầu bảng."
Phép đếm số dòng trước và sau là phép kiểm rẻ nhất mà nhiều người bỏ qua. Làm sạch đúng nghĩa không bao giờ làm mất dòng; nếu số dòng giảm mà bạn không chủ động xoá trùng, có gì đó đã sai. Phần kiểm chất lượng dữ liệu sau khi xử lý có bài kỹ hơn ở danh mục chất lượng và an toàn dữ liệu.
Lưu quy tắc thành sổ tay làm sạch dùng lại hằng tháng
Sau vài lần xin quy tắc cho các cột khác nhau, bạn sẽ có trong tay một bộ quy tắc rải rác ở nhiều cuộc trò chuyện. Đáng để gom lại thành một trang tính hoặc một tệp ghi chú gọi là sổ tay làm sạch: mỗi cột một mục, ghi các quy tắc đã chốt, thứ tự áp dụng, bảng ánh xạ liên quan và ngày cập nhật. Khi người khác nhận bàn giao bảng, họ không phải đoán vì sao dữ liệu trông như vậy.
Sổ tay này cũng là đầu vào tốt cho những lần hỏi AI sau. Thay vì mô tả lại từ đầu, bạn dán mục của cột đó vào và hỏi "Có thêm dạng lỗi mới là [ví dụ đã che]. Bổ sung quy tắc vào danh sách này, giữ nguyên thứ tự các quy tắc cũ nếu không cần đổi." AI làm việc trên bộ quy tắc bạn đã duyệt, nên ít có nguy cơ đề xuất lại những thứ bạn đã loại.
Khi cùng một bộ quy tắc phải chạy mỗi tuần trên tệp mới, đó là lúc nghĩ đến tự động hoá bằng Power Query hay đoạn mã nhỏ, có hướng dẫn trong danh mục tự động hoá việc lặp lại. Còn khi dữ liệu đã sạch và câu hỏi chuyển sang "con số này nói lên điều gì", phần đó thuộc về trang AI Phân Tích.
Câu hỏi thường gặp
Vì sao không nên nhờ chatbot sửa thẳng cả bảng dữ liệu?
Vì bạn phải đưa dữ liệu thật ra ngoài, và chatbot có thể trả thiếu dòng hoặc đổi giá trị mà khó phát hiện. Xin quy tắc rồi tự áp dụng bằng công thức giữ dữ liệu trên máy, kiểm được từng bước và dùng lại được cho lần sau.
Bảng ánh xạ là gì và khi nào nên dùng?
Bảng ánh xạ có hai cột: giá trị gốc và giá trị chuẩn. Nên dùng cho các cột có số giá trị khác nhau không quá nhiều như đơn vị tính, tên tỉnh, kênh bán. Bảng chính dò vào bảng ánh xạ để lấy giá trị chuẩn, gặp giá trị mới thì thêm một dòng.
Hàm PROPER có viết hoa đúng tên tiếng Việt có dấu không?
Với phần lớn chữ có dấu trên các bản Excel và Google Sheets hiện hành thì được, nhưng nên thử trên vài tên có chữ Đ và nguyên âm có dấu trước khi áp cả cột. Tên riêng viết hoa giữa từ sẽ bị đổi, cần kiểm tay những trường hợp đó.
Làm sao biết quy tắc làm sạch không làm hỏng dữ liệu đúng?
Áp quy tắc trên cột phụ, giữ cột gốc, rồi so số dòng và số giá trị khác nhau trước và sau. Lọc những dòng mà giá trị chuẩn khác giá trị gốc để đọc lướt, và yêu cầu AI tự nêu trường hợp quy tắc có thể làm hỏng.
Có nên để AI quyết định hai khách hàng có phải trùng nhau không?
Không nên để AI quyết thay. Nó chỉ nên đánh dấu các cặp nghi trùng theo tiêu chí bạn đặt, như cùng số điện thoại đã chuẩn hoá. Việc gộp hay giữ riêng là quyết định nghiệp vụ, cần người hiểu khách hàng xem từng trường hợp.