Dữ liệu của bạn có thể kể bao nhiêu câu chuyện?

Cùng một tập dữ liệu, nhưng tùy vào cách bạn chọn để trình bày nó, người đọc có thể rút ra những kết luận hoàn toàn trái ngược nhau. Đây là một trong những vấn đề cốt lõi mà bất kỳ nhà phân tích dữ liệu nào cũng cần ý thức rõ.

Trong bài viết trên Towards Data Science, tác giả đặt ra một câu hỏi tưởng chừng đơn giản nhưng đầy tính triết lý: "Dữ liệu của bạn có thể kể bao nhiêu câu chuyện?". Câu trả lời không nằm ở bản thân con số, mà nằm ở cách chúng ta chọn để biểu diễn chúng.

Biểu diễn dữ liệu là một quyết định, không phải sự thật khách quan

Khi làm việc với dữ liệu, chúng ta thường có xu hướng nghĩ rằng con số là khách quan và trung lập. Nhưng thực tế, mỗi lần bạn chọn một loại biểu đồ, một thang đo, một cách nhóm dữ liệu hay một màu sắc, bạn đang đưa ra một quyết định biên tập.

Cùng một tập dữ liệu, nếu bạn vẽ dưới dạng biểu đồ cột, biểu đồ đường, hay biểu đồ phân tán, người xem có thể rút ra những kết luận khác nhau — thậm chí mâu thuẫn nhau.

Điều này không có nghĩa là dữ liệu "nói dối", mà là cách chúng ta diễn giải dữ liệu phụ thuộc rất nhiều vào khung nhìn (framing) mà chúng ta lựa chọn.

Ví dụ thực tế

Hãy tưởng tượng bạn có dữ liệu về doanh thu của một công ty qua các tháng:

• Nếu vẽ biểu đồ đường với trục tung bắt đầu từ 0, bạn có thể thấy mức tăng trưởng ổn định và khiêm tốn.
• Nếu cắt trục tung bắt đầu từ một giá trị cao hơn, biểu đồ có thể cho thấy sự tăng trưởng "bùng nổ".
• Nếu gộp dữ liệu theo quý thay vì theo tháng, xu hướng có thể trông mượt mà hơn và ít biến động hơn.

Cả ba cách trình bày đều "đúng" về mặt kỹ thuật. Nhưng câu chuyện mà chúng kể lại hoàn toàn khác nhau.

Tại sao điều này quan trọng với người làm dữ liệu?

Với sự phát triển mạnh mẽ của trí tuệ nhân tạo và học máy tại Việt Nam, ngày càng nhiều doanh nghiệp, startup và tổ chức đầu tư vào phân tích dữ liệu để ra quyết định. Trong bối cảnh đó, việc hiểu rõ cách biểu diễn dữ liệu ảnh hưởng đến kết luận trở nên cấp thiết hơn bao giờ hết.

Một số nguyên tắc cần ghi nhớ:

• Luôn đặt trục tung bắt đầu từ 0 khi so sánh các giá trị tuyệt đối, trừ khi có lý do chính đáng.
• Ghi rõ đơn vị và thang đo để người đọc không hiểu sai.
• Tránh chọn lọc dữ liệu (cherry-picking) chỉ để củng cố một luận điểm có sẵn.
• Thử nhiều cách biểu diễn khác nhau trước khi đưa ra kết luận cuối cùng.
• Minh bạch về các giả định đằng sau mỗi lựa chọn trực quan hóa.

Kết luận

Dữ liệu không tự kể chuyện — chính chúng ta là người kể. Và cách chúng ta chọn để kể câu chuyện đó quyết định điều mà người khác sẽ tin. Với vai trò là những người làm công nghệ và phân tích dữ liệu, trách nhiệm của chúng ta không chỉ là xử lý con số cho đúng, mà còn là trình bày chúng một cách trung thực và có trách nhiệm.

Câu hỏi không phải là "dữ liệu này nói gì?", mà là "tôi đang chọn để dữ liệu này nói điều gì?".