Cách an toàn và chính xác nhất để làm sạch dữ liệu bằng AI là để AI viết quy tắc và công thức, còn việc áp quy tắc lên dữ liệu thật thì chạy trên máy của bạn, trong Excel hoặc Google Sheets. Dán nguyên bảng khách hàng vào chatbot rồi nhờ "làm sạch giúp" có vẻ nhanh, nhưng đổi lại là lộ dữ liệu, mất dòng khi bảng dài, giá trị bị sửa mà không báo, và tuần sau phải làm lại từ đầu.
Bài này trình bày một quy trình sáu bước dùng được cho hầu hết bảng văn phòng: danh sách khách, bảng đơn hàng, danh sách học viên, bảng nhập kho. Các bài khác trong danh mục đi sâu từng loại lỗi như số điện thoại, họ tên, ngày tháng; bài này là khung chung để ghép chúng lại. Ví dụ trong bài là ví dụ giả định.
Vì sao không nên dán cả bảng vào chatbot
Lộ dữ liệu cá nhân và bí mật kinh doanh. Bảng khách hàng, bảng lương, danh mục giá nhập đi qua máy chủ của nhà cung cấp chatbot theo điều khoản của tài khoản bạn đang dùng. Với tài khoản cá nhân miễn phí, công ty không kiểm soát được dữ liệu đó được lưu ở đâu, bao lâu.
Bảng dài bị cắt hoặc bỏ sót. Chatbot có giới hạn độ dài đầu vào và đầu ra. Với vài nghìn dòng, câu trả lời có thể dừng giữa chừng, hoặc tệ hơn, trả về bảng trông đầy đủ nhưng thiếu dòng ở giữa.
Giá trị bị sửa không báo. Mô hình ngôn ngữ sinh văn bản chứ không sao chép từng ký tự. Khi viết lại một bảng dài, nó có thể đổi một chữ số trong số điện thoại, "sửa" một tên lạ thành tên phổ biến hơn, hay điền vào ô trống một giá trị nghe hợp lý.
Không lặp lại được. Lần sau có dữ liệu mới, bạn phải dán lại và hy vọng chatbot làm giống lần trước. Một bộ công thức hay một truy vấn Power Query thì chạy lại y hệt, và ai trong nhóm cũng đọc được nó đã làm gì.
Bước 1 và 2: kiểm kê lỗi, dựng mẫu giả
Trước khi hỏi AI, bạn cần biết bảng của mình lỗi ở đâu, và có một mẫu nhỏ đại diện cho các lỗi đó mà không chứa dữ liệu thật.
- Lập hồ sơ bảng. Ở một trang tính riêng, ghi cho từng cột: tên cột, ý nghĩa, kiểu mong muốn (chữ, số, ngày, mã), số ô trống bằng COUNTBLANK, số giá trị khác nhau bằng COUNTA kết hợp UNIQUE ở Excel 365, và số ô sai kiểu bằng cách so COUNT với COUNTA.
- Lướt danh sách giá trị. Mở bộ lọc từng cột, xem danh sách giá trị khác nhau. Ghi lại các kiểu lạ: tên viết hoa toàn bộ, ngày dạng chữ, đơn vị tính viết nhiều kiểu, ký hiệu thiếu như "N/A".
- Chọn dòng đại diện. Lấy khoảng hai mươi đến ba mươi dòng sao cho mỗi kiểu lỗi đã ghi có ít nhất hai dòng, cộng vài dòng bình thường.
- Thay dữ liệu thật bằng dữ liệu giả cùng kiểu. Họ tên thay bằng tên giả có cùng kiểu viết sai; số điện thoại thay chữ số nhưng giữ nguyên dấu chấm, khoảng trắng, đầu 84; địa chỉ thay số nhà, tên đường. Giữ nguyên lỗi, chỉ đổi nội dung.
- Kiểm mẫu giả lần cuối. Đọc lại từng dòng, chắc không còn thông tin nào nhận ra được người thật hay khách thật. Nếu nơi làm việc có công cụ AI được duyệt cho dữ liệu nội bộ, vẫn nên làm bước này.
Hồ sơ bảng ở bước một còn là tài liệu quý cho bước kiểm cuối cùng: bạn sẽ đo lại đúng các con số đó sau khi làm sạch.
Bước 3: nhờ AI viết bảng quy tắc
Gửi cho AI ba thứ: mô tả từng cột lấy từ hồ sơ bảng, mẫu giả đã dựng, và yêu cầu đầu ra rõ ràng. Ví dụ câu lệnh: "Dưới đây là mô tả các cột và 25 dòng mẫu đã thay bằng dữ liệu giả của một danh sách khách hàng cửa hàng. Máy dùng Excel 365, vùng Việt Nam, dấu phân cách công thức là chấm phẩy. Hãy lập bảng quy tắc làm sạch gồm các cột: tên cột, lỗi phát hiện, quy tắc xử lý, công thức Excel cho cột phụ, những trường hợp quy tắc không xử lý được. Không viết lại dữ liệu mẫu. Không điền giá trị cho ô trống."
Yêu cầu đầu ra là bảng quy tắc chứ không phải bảng dữ liệu đã sửa là điểm mấu chốt. Bảng quy tắc ngắn, đọc được, sửa được, và áp được cho mọi dòng. Dòng "trường hợp không xử lý được" buộc AI nói ra giới hạn của quy tắc thay vì làm như mọi thứ đều ổn.
Đọc kỹ từng quy tắc trước khi áp dụng. Câu hỏi nên đặt: quy tắc này có làm mất thông tin không, như bỏ phần ghi chú trong ô điện thoại; có gộp nhầm thứ khác nhau không, như coi "bộ" và "cái" là một đơn vị; có giả định nào sai về dữ liệu của bạn không, như thứ tự ngày tháng. Hỏi lại AI ở những chỗ chưa rõ; đây là phần trò chuyện có ích nhất.
Nếu có nhiều cột, làm từng nhóm cột một thay vì một câu lệnh khổng lồ. Câu trả lời ngắn dễ kiểm hơn, và lỗi ở cột này không kéo theo cột khác.
Bước 4: tự áp dụng trên máy
Mỗi quy tắc một cột phụ. Thêm cột phụ cạnh cột gốc, đặt tên theo quy tắc, dán công thức. Khi có vấn đề, bạn biết ngay quy tắc nào gây ra. Chỉ gộp các bước lại sau khi tất cả đã chạy đúng.
Thứ tự quy tắc quan trọng. Bỏ khoảng trắng và ký tự ẩn trước, rồi mới so khớp, tra cứu, xoá trùng. Chuẩn hoá cột khoá trước, rồi mới ghép bảng. Làm ngược thứ tự là nguồn lỗi phổ biến nhất khi áp nhiều quy tắc.
Power Query cho việc lặp lại. Nếu bảng nhận dữ liệu mới mỗi tuần, chuyển các quy tắc vào Power Query: mỗi quy tắc thành một bước có tên. Nhờ AI giải thích cách tạo từng bước hoặc viết đoạn mã M cho bước phức tạp, đọc hiểu trước khi dán.
Không chạy mã lạ trên tệp gốc. Nếu AI đề xuất macro hay Apps Script, chạy trên bản sao, đọc từng dòng xem nó ghi, xoá gì. Mã thao tác hàng loạt chạy sai trên tệp gốc có thể không hoàn tác được.
Thử trên mẫu giả trước. Áp công thức lên chính mẫu giả đã gửi AI, so với kết quả bạn mong đợi. Đúng hết trên mẫu rồi mới kéo cho toàn bảng.
Bước 5: kiểm bằng con số, không bằng cảm giác
Mở lại hồ sơ bảng ở bước một và đo lại từng con số trên cột đã làm sạch. Số dòng phải bằng số dòng ban đầu trừ đi số dòng bạn chủ động xoá. Số ô sai kiểu phải về 0 hoặc bằng số ô bạn chủ động đánh dấu "kiểm tra". Số giá trị khác nhau của cột phân loại phải giảm về đúng danh mục chuẩn.
Dùng tổng kiểm cho cột số: tổng tiền, tổng số lượng trước và sau làm sạch phải bằng nhau, trừ khi bạn chủ động sửa giá trị; nếu có sửa, chênh lệch phải bằng đúng tổng phần đã sửa. Với cột chữ, dùng phép ghép ngược hoặc so độ dài để tìm dòng bị cắt mất ký tự.
Chọn ngẫu nhiên khoảng hai mươi dòng, so cột gốc với cột sạch bằng mắt. Chọn thêm vài dòng bạn biết rõ, như khách quen, mã hàng bán chạy, để kiểm theo hiểu biết thực tế. Phép kiểm bằng mắt bắt được những lỗi mà con số không bắt, như tên bị viết hoa sai chỗ.
Dòng nào quy tắc không xử lý được thì giữ nguyên giá trị gốc và đánh dấu, chuyển cho người phụ trách. Bảng sạch chín mươi lăm phần trăm với năm phần trăm đánh dấu rõ ràng có giá trị hơn bảng "sạch hết" mà không ai biết chỗ nào đã bị đoán.
Ví dụ giả định: danh sách học viên đi qua sáu bước
Một trung tâm ngoại ngữ nhỏ có bảng học viên gom từ biểu mẫu đăng ký trực tuyến và sổ ghi danh tại quầy, khoảng hai nghìn dòng. Bước một, hồ sơ bảng cho thấy: cột họ tên có ô viết hoa toàn bộ, cột điện thoại có ba kiểu viết, cột ngày đăng ký có khoảng một phần mười là chữ, cột khoá học có mười hai cách viết cho năm khoá thật.
Bước hai, nhân viên chọn hai mươi lăm dòng đại diện, thay tên và số bằng dữ liệu giả, giữ nguyên lỗi. Bước ba, nhờ AI lập bảng quy tắc cho từng nhóm cột; AI đề xuất gộp "IELTS 5.5" và "IELTS 6.5" vào một khoá vì tưởng là cùng chương trình, nhân viên phát hiện khi đọc và yêu cầu sửa. Đây đúng là lý do bước đọc quy tắc không được bỏ.
Bước bốn, áp quy tắc bằng cột phụ, thử trên mẫu giả trước. Bước năm, đo lại: số dòng không đổi, cột ngày còn mười bảy ô "kiểm tra" do ghi kiểu "đầu tháng 3", cột khoá học còn đúng năm giá trị cộng "khác". Mười bảy ô kia được chuyển cho nhân viên quầy hỏi lại học viên ở buổi học tới.
Bước sáu, toàn bộ quy tắc được chuyển vào Power Query. Kỳ tuyển sinh sau, nhân viên chỉ cần thay tệp nguồn và làm mới; phần việc từng mất hai buổi giờ còn khoảng nửa giờ, chủ yếu dành cho kiểm. Không có dòng dữ liệu thật nào rời khỏi máy của trung tâm.
Bước 6: lưu quy tắc và lặp lại
Lưu bảng quy tắc, hồ sơ bảng trước và sau, cùng các câu lệnh đã dùng vào một trang tính "nhật ký làm sạch" hoặc một tệp riêng cạnh tệp dữ liệu. Ghi ngày, người làm, phiên bản Excel. Lần sau có dữ liệu mới cùng nguồn, bạn chỉ cần áp lại bộ quy tắc, kiểm lại bằng cùng các con số.
Khi gặp kiểu lỗi mới, bổ sung một dòng vào bảng quy tắc thay vì sửa tay trong dữ liệu. Sau vài lần, bảng quy tắc trở thành tài liệu chung của nhóm về "dữ liệu của mình hay sai ở đâu", và người mới vào nhóm đọc là hiểu.
Các trợ lý AI tích hợp ngay trong Excel và Google Sheets có thể đọc trực tiếp bảng đang mở và đề xuất công thức, làm bớt bước dựng mẫu giả. Tính năng và điều khoản xử lý dữ liệu của chúng thay đổi theo phiên bản và gói dịch vụ, nên kiểm quy định của công ty và phiên bản hiện hành trước khi bật cho tệp có dữ liệu cá nhân. Nguyên tắc vẫn giữ nguyên: AI đề xuất, bạn duyệt và kiểm bằng con số.
Khi bảng đã sạch và có nhật ký, nó sẵn sàng cho bước tổng hợp, vẽ biểu đồ và đọc ý nghĩa số liệu. Phần đó thuộc phạm vi của trang AI Phân Tích; còn câu lệnh mẫu chi tiết cho từng loại việc dữ liệu có ở danh mục câu lệnh mẫu của trang này.
Câu hỏi thường gặp
Có nên dán cả bảng khách hàng vào chatbot để làm sạch nhanh không?
Không nên. Ngoài rủi ro lộ dữ liệu cá nhân, chatbot có thể cắt bớt dòng khi bảng dài, đổi giá trị mà không báo và không làm lại y hệt được lần sau. Cách đúng là nhờ AI viết quy tắc từ mẫu giả, còn bạn áp dụng trên máy.
Mẫu dữ liệu giả cần bao nhiêu dòng là đủ?
Thường hai mươi đến ba mươi dòng là đủ, miễn mỗi kiểu lỗi bạn đã ghi nhận có ít nhất hai dòng đại diện. Điều quan trọng là mẫu giữ nguyên kiểu lỗi, chỉ thay nội dung thật bằng nội dung giả.
Làm sao biết quy tắc AI đưa ra có đúng không?
Đọc kỹ từng quy tắc, áp thử trên mẫu giả và so với kết quả mong đợi, rồi sau khi áp cho cả bảng thì đo lại số dòng, số ô sai kiểu, tổng kiểm so với trước. Kết hợp thêm việc soát bằng mắt một số dòng ngẫu nhiên.
Trợ lý AI có sẵn trong Excel hay Google Sheets có an toàn hơn chatbot ngoài không?
Tuỳ gói dịch vụ, cách công ty cấu hình và điều khoản hiện hành. Hãy kiểm quy định của công ty và tài liệu của nhà cung cấp trước khi dùng với tệp có dữ liệu cá nhân, và vẫn kiểm kết quả bằng con số như với mọi công cụ AI khác.
Nên dùng công thức hay Power Query để áp quy tắc làm sạch?
Công thức hợp cho việc làm một lần hoặc bảng nhỏ vì dễ thấy từng bước. Power Query hợp cho dữ liệu nhận định kỳ cùng cấu trúc, vì các bước được lưu lại và chạy lại bằng một lần làm mới.
Dòng nào quy tắc không xử lý được thì làm gì?
Giữ nguyên giá trị gốc, đánh dấu để người phụ trách xử lý tay hoặc hỏi lại nguồn. Không nên để AI đoán cho những dòng này, vì giá trị đoán lẫn vào dữ liệu thật rất khó phát hiện về sau.