
Mastering Data Analytics (MDA)
+250.000 người theo dõi chúng tôi trên các nền tảng. Hãy để lại email để cập nhập kiến thức mới nhất về Data Analytics với No-code, AI & Automation! 👇
Share this page
AI đã đọc được dashboard, viết được báo cáo - vậy người làm data còn lại gì?

LÊ THỊ PHƯƠNG THẢO
lúc 11:22:34 29 tháng 10, 2026

Một bài đăng trên Threads gần đây thu hút hơn 13 nghìn lượt xem, đặt đúng câu hỏi này: AI đã mạnh vậy rồi thì người làm phân tích dữ liệu còn làm gì nữa? Theo tác giả bài đó, đọc dashboard thì AI làm quá dễ, viết báo cáo thì chỉ sợ thiếu token (đơn vị tính lượng chữ của AI), thiết kế model (mô hình dữ liệu) và đánh giá tradeoff (sự đánh đổi) thì một câu prompt (câu lệnh cho AI) là xong, còn khâu kiểm tra thì AI cũng tự kiểm lại được.
Đây là một câu hỏi thật, và có lẽ nhiều người đang nghĩ y vậy. Nhưng việc câu hỏi này lan rộng cho thấy rất nhiều người đang hiểu nghề phân tích dữ liệu là đọc chart và viết báo cáo - mà đó lại chính là phần AI làm tốt nhất.
1️⃣ Đọc dashboard
AI đọc dashboard được thật. AI có thể nói rằng doanh thu tháng này giảm 12%, nhưng AI không biết con số đó giảm vì thị trường yếu đi, vì đối thủ giảm giá, hay chỉ vì tháng trước kế toán ghi nhận dồn hai đơn hàng lớn. Người trả lời được câu đó là người hiểu doanh nghiệp.
2️⃣ Viết báo cáo
AI viết báo cáo dài bao nhiêu cũng được thật. Nhưng giá trị của một bản báo cáo chưa bao giờ nằm ở số trang, mà nằm ở chỗ sau khi đọc xong, người quản lý có ra một quyết định khác đi hay không. Một actionable insight (phát hiện dẫn tới hành động cụ thể) đôi khi chỉ dài hai dòng, nhưng có thể làm thay đổi cả kế hoạch của một quý.
3️⃣ Thiết kế model và đánh giá tradeoff
AI liệt kê ưu nhược điểm của từng phương án rất đẹp. Nhưng một tradeoff đúng hay sai lại phụ thuộc vào bối cảnh mà AI không tự có: dữ liệu lớn cỡ nào, ngân sách bao nhiêu, đội ngũ vận hành được tới đâu, và công ty chấp nhận rủi ro tới mức nào. Quan trọng hơn, khi quyết định sai, AI không phải là người đứng ra chịu trách nhiệm.
4️⃣ Tự kiểm tra lại
Đây là chỗ nguy hiểm nhất. Nếu AI hiểu sai chữ "doanh thu" ngay từ đầu, thì khi tự kiểm tra, nó sẽ dùng chính cách hiểu sai đó để chấm bài - giống như học sinh tự chấm bài bằng chính đáp án do bản thân viết ra. Muốn kiểm được AI, cần một chuẩn độc lập: số liệu đã khớp với sổ kế toán chưa, đơn test đã bị loại chưa, doanh thu đang ghi nhận theo ngày đặt hay ngày giao.
✨ Tóm lại
Bên dưới bài viết đó có một bình luận đáng chú ý: trừ khi công ty đủ ổn định để xây semantic knowledge (tri thức ngữ nghĩa) cho AI. Đúng, nhưng câu hỏi tiếp theo là: ai viết ra phần tri thức đó? Ai định nghĩa doanh thu thuần, ai ghi rõ quy tắc nghiệp vụ, ai biết bảng nào tin được và bảng nào không? Câu trả lời vẫn là người làm phân tích hiểu doanh nghiệp. Công việc không mất đi, nó dịch chuyển - từ tự tay làm báo cáo sang dạy AI hiểu doanh nghiệp và kiểm soát kết quả AI làm ra.
Agentic Analytics (phân tích dữ liệu bằng các AI Agent tự vận hành) đã được tìm hiểu và triển khai liên tục mỗi ngày trong gần hai năm tại MDA, và cái khó chưa bao giờ nằm ở việc viết prompt. Cái khó nằm ở việc hiểu từng bước phân tích đủ sâu để viết thành hướng dẫn cho AI, biết AI hay sai ở đâu để đặt điểm kiểm tra, và biết lúc nào AI được tự chạy, lúc nào con người phải duyệt. Điều khiển cả một dàn Agentic AI mà vẫn còn trầy trật như vậy, khó có chuyện gõ một câu prompt là xong hết.
Ngày xưa, muốn có việc thì phải thật sự nổi bật, phải có năng lực để vượt qua những ứng viên khác. Bây giờ cũng vậy, chỉ khác là phải vượt thêm một đối thủ nữa: những việc cơ bản mà AI đã làm tốt.
Số liệu cũng đang cho thấy điều tương tự. Theo khảo sát triển vọng việc làm quý 4/2026 của ManpowerGroup Việt Nam, khoảng một nửa doanh nghiệp cho biết lý do chính khiến họ tuyển chậm là thiếu ứng viên đủ kỹ năng. Thị trường không thiếu việc, thị trường đang thiếu người đủ giỏi.
Quay về gốc, vẫn là năng lực. Người có năng lực giỏi không sợ thiếu việc; AI chỉ làm khoảng cách giữa người giỏi và người làm cho có lộ ra rõ hơn.
Còn bạn: phần việc nào trong công việc phân tích mà bạn tin AI chưa thay được?
---
Khóa Agentic AI Analytics (AAA) tập trung dạy đúng phần khó đó: hiểu bài toán kinh doanh, chuẩn hóa dữ liệu và định nghĩa số liệu, rồi điều phối AI Agent làm phần thực thi, trong khi người học giữ vai trò thiết kế và kiểm soát kết quả.
Tìm hiểu về chương trình bạn sẽ học được kiến thức thật sự nền tảng & ứng dụng thực tế cao, không chỉ kiến thức bề mặt!
→ Agentic AI Analytics (BI): https://www.mastering-da.com/agentic-ai-anlytics-program
---
🔔+250.000 người đăng ký theo dõi chúng tôi trên các nền tảng: https://www.mastering-da.com/newsletter
📌Các chương trình ANALYTICS ứng dụng vào AGENTIC AI - phiên bản NÂNG CẤP mới nhất 2026, kế thừa nền tảng đào tạo Analytics hàng đầu Việt Nam từ 2020, tập trung vào tư duy phân tích, năng lực ra quyết định và ứng dụng AI trong thực tế doanh nghiệp
→ Agentic AI Analytics (BI) dành cho mọi phòng ban làm việc với dữ liệu: https://www.mastering-da.com/agentic-ai-anlytics-program
→ Finance Analytics Agent Skills (FA) dành cho tài chính, kế hoạch, quản trị, CFO: https://www.mastering-da.com/finance-analytics-agent-skills-program
Tại MDA nơi tập trung vào tư duy phân tích & năng lực ra quyết định, không chỉ công cụ.
#PhuongThaoAnalytics #AI #Analytics #DataDriven #AgenticAI #MasteringDataAnalytics
Until next time, keep turning data into decisions!



