Product Management
Đăng nhập
ESC

Nhập từ khóa để tìm kiếm

↑↓ Di chuyển
Enter Mở
ESC Đóng

Bài 5 — Quy trình end-to-end: từ file số liệu thô đến bộ slide kể chuyện

Đã đọc 0/7 mục · còn khoảng 4 phút
Cách chúng tôi ghi nhận

Một mục được tính là đã đọc khi nó nằm giữa màn hình đủ lâu so với độ dài của nó (bảng và sơ đồ tính một nửa), bạn vẫn đang cuộn hoặc bấm phím, và bạn đã thấy tới cuối mục. Lướt nhanh hoặc để tab mở không được tính. Chúng tôi chỉ lưu thời gian đọc từng mục — không lưu gì khác.

Bối cảnh: chiều thứ Sáu, cần báo cáo cho thứ Hai

Bạn export một CSV metrics từ Amplitude/Metabase, có 15 cột, 8 tuần dữ liệu. Sếp cần bộ slide review sản phẩm sáng thứ Hai. Không có data analyst hỗ trợ. Trước đây việc này ngốn cả buổi tối. Với quy trình AI dưới đây, bạn rút xuống ~60-90 phút mà chất lượng cao hơn — vì AI lo phần cơ học (tóm tắt, dựng nháp), bạn tập trung phần phán đoán.

Nguyên tắc: AI làm nháp, người kiểm chứng, lặp nhanh

Đừng cố ra bản hoàn hảo trong một prompt. Chạy vòng lặp: AI tóm tắt → bạn chọn insight → AI dựng biểu đồ + narrative → bạn sửa. Mỗi vòng ngắn, kiểm được.

Ví dụ cụ thể

CSV có cột: week, signups, activated, dau, d7_retention, revenue, channel. Bạn dán (đã ẩn số doanh thu tuyệt đối, chỉ để % thay đổi) và nhờ AI tóm tắt 3 insight. AI phát hiện: kênh Facebook có signups cao nhưng activation thấp nhất → kéo trung bình xuống. Đây là insight bạn dễ bỏ sót khi nhìn bảng thô.

Prompt mẫu: tóm tắt insight từ bảng

Đây là dữ liệu sản phẩm 8 tuần (đã ẩn danh, số doanh thu để dạng chỉ số hóa):
{dán bảng CSV / markdown table}

Hãy:
1) Nêu 3 insight quan trọng nhất cho một buổi review sản phẩm với CEO — ưu tiên bất thường & xu hướng, không mô tả lại từng dòng.
2) Với mỗi insight: đề xuất 1 biểu đồ thể hiện (loại + trục) và tiêu đề dạng KẾT LUẬN.
3) Chỉ ra 1 điểm dữ liệu đáng ngờ / cần kiểm lại.
Quy tắc: chỉ dùng số trong bảng, KHÔNG bịa. Nếu suy luận, ghi rõ "giả định".

Các bước làm (quy trình đầy đủ)

  • Chuẩn bị dữ liệu: export CSV, bỏ cột thừa, ẩn danh/chỉ số hóa phần nhạy cảm.
  • Xác định đề bài (dùng template Bài 2): người nghe + câu hỏi + baseline.
  • AI tóm tắt 3 insight (prompt trên) → bạn chọn/loại.
  • AI đề xuất biểu đồ cho từng insight (dùng Checklist Bài 3).
  • Dựng biểu đồ thật trong công cụ BI/Sheets (AI có thể xuất công thức/spec, nhưng bạn render và đối chiếu số).
  • AI viết narrative SCR cho từng slide (prompt Bài 4).
  • Sắp mạch slide: 1 slide tổng kết đầu → các slide bằng chứng → slide đề xuất.
  • Kiểm chứng cuối: đối chiếu mọi con số về nguồn gốc, đọc to như đang bị chất vấn.

Template tái dùng: bố cục bộ slide review

Slide 1 — Executive summary: 1 kết luận + 3 gạch đầu dòng + 1 đề xuất lớn
Slide 2..N — mỗi slide 1 thông điệp (tiêu đề = kết luận, 1 biểu đồ, narrative SCR)
Slide áp chót — Đề xuất & ưu tiên (bảng: hành động | tác động ước tính | chủ trì | khi nào đo lại)
Slide cuối — Rủi ro & điểm bất định (điều ta CHƯA chắc, dữ liệu cần thêm)
Ghi chú nguồn: mỗi con số ghi rõ lấy từ đâu, kỳ nào

Sai lầm thường gặp

  • Nhồi mọi biểu đồ export được vào slide. Cắt tàn nhẫn: mỗi slide 1 thông điệp.
  • Dựng slide đẹp trước khi chốt câu chuyện. Bạn sẽ tiếc công và giữ slide thừa.
  • Không ghi nguồn số. Khi bị hỏi "số này ở đâu ra" mà ú ớ là mất uy tín cả báo cáo.
  • Rủi ro AI — ảo giác trên bảng lớn: với bảng nhiều dòng, AI có thể đọc nhầm ô hoặc tự "nội suy" ô trống. Luôn hỏi "điểm dữ liệu nào đáng ngờ" và tự kiểm 2-3 con số then chốt.
  • Rủi ro rò rỉ: dán nguyên CSV doanh thu/PII lên AI công cộng là vi phạm bảo mật. Ẩn danh, chỉ số hóa, hoặc dùng công cụ nội bộ được duyệt.
  • Phụ thuộc quá mức: AI không biết tuần đó có sự kiện khuyến mãi/lỗi hệ thống; nó sẽ giải thích xu hướng bằng giả định sai. Ngữ cảnh vận hành là của bạn.
> Bài sau: nhận diện và tránh các kiểu sai lệch trực quan khiến người nghe hiểu sai.

Học xong bài này rồi? Tạo tài khoản miễn phí để lưu lại — lần sau vào là biết ngay đang dở ở đâu, và học hết khóa thì có chứng chỉ. Lưu tiến độ của tôi