Thang phân tích

Khi được giao phân tích hành vi người dùng, một thành viên mới đã dành cả ngày vẽ một biểu đồ phức tạp và nhiều màu sắc nhưng hoàn toàn im lặng khi bị hỏi: "Nhìn vào biểu đồ này ta nên hành động thế nào?". Một thành viên khác lại vội vã xây dựng một mô hình máy học cồng kềnh cho bài toán mà chỉ cần một quy tắc logic đơn giản là giải quyết được.

Bài viết này cung cấp một bản đồ tư duy mang tên Thang phân tích, hướng dẫn phương pháp phân tích khám phá dữ liệu có cấu trúc, cách đo lường khoảng cách giữa mô hình và luật, cùng các cạm bẫy suy luận thống kê cần tránh.

1. Bảng thuật ngữ cục bộ

Thuật ngữ	Tên tiếng Anh	Dịch nghĩa & Giải thích
EDA	Exploratory Data Analysis	Phân tích khám phá dữ liệu.
Simpson	Simpson's Paradox	Nghịch lý Simpson trong thống kê học.

2. Các khái niệm cốt lõi

2.1 Thang bốn bậc phân tích

• ⚙️ Cơ chế: Tiến trình phân tích đi qua bốn nấc thang có độ phức tạp và giá trị tăng dần:
  • Mô tả (Descriptive): Trả lời câu hỏi "Cái gì đã xảy ra?" dựa trên thống kê mô tả.
  • Chẩn đoán (Diagnostic): Trả lời câu hỏi "Tại sao xảy ra?" bằng cách bóc tách phân khúc.
  • Dự báo (Predictive): Trả lời câu hỏi "Cái gì sẽ xảy ra?" bằng mô hình học máy.
  • Kê đơn (Prescriptive): Trả lời câu hỏi "Nên làm gì?" để đưa ra hành động tối ưu.
• 🔍 Cách nhận diện: Được định hình bằng câu hỏi mục tiêu rõ ràng trước khi vẽ biểu đồ hoặc viết mã nguồn phân tích.
• 💡 Ý nghĩa: Giúp nhà nghiên cứu định hướng rõ ràng mục đích của từng phép phân tích, tránh việc sa đà vào các số liệu không có giá trị hành động.
• ⚠️ Bẫy: Nhảy thẳng từ Mô tả sang Dự báo mà bỏ qua bước Chẩn đoán, dẫn đến mô hình dự đoán chính xác nhưng không giải thích được lý do nền tảng.

2.2 Phân tích khám phá dữ liệu có cấu trúc

• ⚙️ Cơ chế: Tiếp cận dữ liệu theo trình tự khoa học từ đơn giản đến phức tạp: phân tích đơn biến, phân tích hai biến (biến độc lập với biến mục tiêu), phân tích đa biến (giao thoa nhiều biến), và phân tích chuỗi thời gian để kiểm tra độ trôi phân phối.
• 🔍 Cách nhận diện: Thực thi qua một quy trình (EDA) tiêu chuẩn trước khi bắt tay thiết kế đặc trưng (feature engineering) cho mô hình.
• 💡 Ý nghĩa: Khám phá các mối liên hệ thực sự trong dữ liệu, làm nền tảng vững chắc cho việc xây dựng luật hoặc mô hình.
• ⚠️ Bẫy: Chạy EDA một cách vô định, không tập trung vào biến mục tiêu hoặc bỏ qua chiều thời gian làm mô hình bị lỗi thời trên dữ liệu mới.

2.3 Lượng hóa khoảng cách giữa quy tắc và mô hình

• ⚙️ Cơ chế: So sánh hiệu quả của một bộ luật logic đơn giản (baseline rule) với một mô hình máy học phức tạp trên cùng một thước đo tiêu chuẩn để đánh giá sự đánh đổi.
• 🔍 Cách nhận diện: Chạy song song cả quy tắc logic và mô hình, đo lường sự chênh lệch hiệu năng và tính giải thích được (explainability).
• 💡 Ý nghĩa: Giúp đưa ra quyết định thực tế về việc liệu có đáng đánh đổi tính tường minh của quy tắc lấy một vài phần trăm cải thiện của mô hình hộp đen hay không.
• ⚠️ Bẫy: Mặc định mô hình phức tạp luôn tốt hơn quy tắc logic mà không tiến hành đo lường thực tế, dẫn đến chi phí vận hành cao mà hiệu quả không vượt trội.

2.4 Bốn bẫy suy luận thống kê phổ biến

• ⚙️ Cơ chế: Các lỗi suy luận logic từ dữ liệu gồm:
  • Nghịch lý Simpson (Simpson's Paradox): Xu hướng xuất hiện ở cấp độ tổng thể bị đảo ngược khi phân tích ở các nhóm nhỏ.
  • Tỉ lệ nền và mất cân bằng (Base Rate Fallacy): Đánh giá sai xác suất của một sự kiện do bỏ qua tỉ lệ nền của tổng thể.
  • Yếu tố gây nhiễu (Confounding Variable): Đồng biến ngẫu nhiên bị lầm tưởng thành quan hệ nhân quả.
  • Ngưỡng tùy tiện (Arbitrary Threshold): Thiết lập các ngưỡng cắt dữ liệu mà không có cơ sở khoa học hoặc thực tế hỗ trợ.
• 🔍 Cách nhận diện: Xuất hiện khi cố gắng diễn giải kết quả từ các thống kê thô hoặc các tương quan tuyến tính đơn giản.
• 💡 Ý nghĩa: Nhận diện các bẫy này giúp bảo vệ mô hình khỏi các quyết định sai lầm do ngộ nhận tương quan.
• ⚠️ Bẫy: Kết luận vội vã từ tương quan thô mà không kiểm soát các biến số gây nhiễu, hoặc đổi ngưỡng cắt sau khi đã thấy dữ liệu để cố tình làm đẹp con số báo cáo.

✅ Tự kiểm nhanh

1. Biểu đồ công phu nhưng bị hỏi "nên làm gì khác đi" thì im lặng. Thiếu điều gì?

Đáp án

Thiếu bước hỏi mục đích trước khi vẽ: phân tích để trả lời câu hỏi quyết định nào và ra hành động gì. Một biểu đồ không dẫn tới hành động là vô dụng dù đẹp tới đâu.

2. Khi nào nên dừng ở luật tay thay vì đẩy lên mô hình?

Đáp án

Khi lĩnh vực cần giải thích được quyết định, và khi đã đo được mô hình chỉ hơn luật tay một khoảng nhỏ không đáng đánh đổi tính giải thích. Điều cấm là dừng ở luật mà không đo khoảng cách tới mô hình, tức quyết theo cảm tính.