Bài 8 — Vận hành thực tế: tình huống công việc, đạo đức dữ liệu và quy tắc an toàn

Vấn đề

Bạn đã biết sinh SQL, phân tích, tìm insight, trực quan hóa, kiểm chứng và tự động hóa. Bài cuối ghép tất cả vào ngữ cảnh vận hành thật: khi nào dùng AI, khi nào không; xử lý dữ liệu nhạy cảm đúng cách; và cách trình bày để giữ uy tín. Đây là chỗ phân biệt BA dùng AI một cách chuyên nghiệp với người dùng liều lĩnh.

Ba tình huống thực tế điển hình

Tình huống 1: Sếp cần số liệu gấp trong cuộc họp

PO nhắn giữa họp: "Tỷ lệ hoàn tất onboarding tháng này?". Bạn mở Trợ lý phân tích (Bài 7), hỏi bằng tiếng Việt, nhận query + con số trong 2 phút. Nhưng: bạn sanity check nhanh (nằm trong khoảng thường thấy?) trước khi đọc to. Nếu con số bất thường, bạn nói "để em xác minh lại rồi báo" — không đọc số chưa kiểm.

Tình huống 2: Dữ liệu có PII, công cụ AI là bên thứ ba

Marketing gửi file có email + số điện thoại khách. Bạn không upload thẳng. Quy trình đúng: (1) xóa/ẩn cột PII, hoặc thay bằng ID ẩn danh; (2) chỉ phân tích trên trường tổng hợp; (3) nếu buộc phải dùng dữ liệu thật, chỉ dùng công cụ nội bộ được công ty duyệt có thỏa thuận bảo mật.

Tình huống 3: Kết quả AI mâu thuẫn với team Data

Con số của bạn lệch báo cáo chính thức. Đừng vội tin bên nào. Dùng Nhật ký kiểm chứng (Bài 6) đối chiếu định nghĩa: rất thường là hai bên định nghĩa "active"/"doanh thu" khác nhau, không phải ai sai. BA giỏi là người phát hiện khác biệt định nghĩa này.

Ví dụ prompt cho tình huống nhạy cảm

Tôi cần phân tích hành vi mua theo nhóm tuổi, nhưng dữ liệu gốc có email + SĐT.
Hãy đề xuất:
Cách ẩn danh/tổng hợp dữ liệu TRƯỚC khi phân tích để không lộ danh tính cá nhân.
Những trường nào tuyệt đối không nên đưa vào công cụ AI bên thứ ba.
Cách phân tích chỉ trên dữ liệu tổng hợp mà vẫn trả lời được câu hỏi nghiệp vụ.

Quy trình vận hành 1 tác vụ phân tích (tổng hợp cả khóa)

• Làm rõ câu hỏi nghiệp vụ và định nghĩa các chỉ số (Bài 4).
• Kiểm tra dữ liệu nhạy cảm & chọn công cụ được duyệt (Bài 3, 8).
• Sinh SQL/phân tích với ngữ cảnh đầy đủ (Bài 2, 3).
• Kiểm chứng 4 lớp + ép AI tự phản biện (Bài 6).
• Trực quan hóa đúng thông điệp, không đánh lừa (Bài 5).
• Trình bày kèm mức độ chắc chắn + Nhật ký kiểm chứng.
• Nếu lặp lại → tự động hóa có checkpoint (Bài 7).

Template: Quy tắc an toàn AI-dữ liệu cá nhân (dán lên bàn làm việc)

[TRƯỚC KHI DÙNG AI]
Công cụ này đã được công ty duyệt chưa?
Dữ liệu có PII/mật không? Đã ẩn danh chưa?
[TRONG KHI DÙNG]
Đã cung cấp schema + định nghĩa rõ chưa?
Đã yêu cầu AI nêu giả định chưa?
[TRƯỚC KHI DÙNG KẾT QUẢ]
Tôi có hiểu logic không?
Đã sanity + cross + spot check chưa?
Con số này tôi dám bảo vệ trước sếp không?
[KHI TRÌNH BÀY]
Đã nêu mức độ chắc chắn + giả định chưa?
Đã tách sự thật khỏi suy đoán chưa?

Sai lầm thường gặp

• Đọc số chưa kiểm giữa họp: áp lực thời gian khiến bỏ qua kiểm chứng — rủi ro cao nhất. Thà nói "để xác minh" còn hơn sai công khai.
• Rò rỉ dữ liệu vì tiện: upload thẳng file khách hàng lên công cụ công cộng vi phạm bảo mật và pháp luật (PDPA/Nghị định bảo vệ dữ liệu). Ẩn danh là bắt buộc.
• Ảo giác nghe rất thuyết phục: AI trình bày trơn tru khiến ta mất cảnh giác. Giọng tự tin ≠ đúng.
• Không thống nhất định nghĩa với team Data: gây mâu thuẫn số liệu nội bộ, mất niềm tin vào phân tích. Luôn chốt định nghĩa chung.
• Phụ thuộc quá mức làm mất kỹ năng nền: nếu AI làm hết, bạn mất khả năng phản biện và trở nên vô dụng khi công cụ sai hoặc gián đoạn. Duy trì hiểu biết cốt lõi.
• Coi AI là nguồn sự thật: AI là trợ lý, không phải nguồn dữ liệu chính thức. Nguồn sự thật là CSDL và định nghĩa nghiệp vụ đã thống nhất.

Kết khóa

Bạn giờ có thể tự phục vụ phần lớn câu hỏi dữ liệu hằng ngày, nhanh hơn nhiều lần, đồng thời giữ vai trò kiểm soát chất lượng mà AI không thay thế được. Sức mạnh của BA thời AI không phải là gõ được SQL, mà là đặt đúng câu hỏi, kiểm chứng nghiêm túc, và biến số liệu thành quyết định.

Checklist kết bài

• [ ] Có quy tắc an toàn cá nhân trước mắt.
• [ ] Luôn ẩn danh PII trước khi dùng công cụ ngoài.
• [ ] Không bao giờ đọc số chưa kiểm chứng công khai.
• [ ] Thống nhất định nghĩa chỉ số với team Data.