Bảng tính 1 — Excel/Sheets cho Data Analyst: Tổng quan

Vì sao bảng tính vẫn là công cụ số một của data analyst?

Trong tất cả các bài về BI, SQL, Power BI hay kho dữ liệu, có một sự thật ai làm nghề cũng ngầm hiểu: công cụ được dùng nhiều nhất mỗi ngày vẫn là bảng tính. Không phải một dashboard tinh xảo, không phải một câu SQL trên warehouse — mà là một file Excel hay một sheet Google Sheets đang mở sẵn ở tab bên cạnh.

Lý do rất thực tế. Bảng tính là môi trường phân tích nhanh nhất con người từng có: mở lên là gõ được, thấy ngay kết quả, sửa một ô là cả bảng cập nhật. Nó không cần cài đặt, không cần xin quyền truy cập database, không cần biết ngôn ngữ truy vấn. Với một analyst nghiệp vụ ở ngân hàng, khi sếp hỏi "cho anh xem nhanh dư nợ theo chi nhánh tháng này", câu trả lời trong 90% trường hợp là một file Excel — không phải một job SQL.

Loạt bài Bảng tính nâng cao cho Data Analyst này lấy chính công cụ quen thuộc đó và đẩy nó lên tầm chuyên nghiệp: từ gõ công thức rời rạc lên mô hình dữ liệu có kỷ luật, từ copy-paste thủ công lên ETL tái sử dụng bằng Power Query, từ báo cáo tĩnh lên dashboard tương tác. Bài này là tấm bản đồ tổng thể trước khi đi vào từng kỹ năng.

Bảng tính phù hợp với việc gì?

Bảng tính không cạnh tranh với SQL hay BI — chúng phục vụ những tình huống khác nhau. Bảng tính toả sáng khi:

• Phân tích ad-hoc (bất chợt): một câu hỏi phát sinh cần trả lời trong vài phút, không đáng để dựng pipeline.
• Dữ liệu nhỏ đến vừa: vài nghìn đến vài trăm nghìn dòng — vừa sức bảng tính, không cần warehouse.
• Chia sẻ nhanh: gửi một file, ai cũng mở được, không cần cấp license hay quyền truy cập hệ thống.
• Mô hình tài chính (financial modeling): dự phóng dòng tiền, kịch bản lãi suất, tính NPV/IRR — nơi công thức "sống", thay một giả định là toàn bộ mô hình chạy lại. Đây là lãnh địa gần như độc quyền của bảng tính.
• Prototyping: thử một logic tính toán, một cách phân nhóm khách hàng trên Excel trước, khi ổn mới "cứng hoá" thành SQL/BI.

Khi nào KHÔNG nên dùng bảng tính — chuyển sang SQL/BI

Bảng tính có trần rõ ràng. Hãy rời khỏi nó khi:

• Dữ liệu lớn: hàng triệu dòng, nhiều bảng nối nhau — thuộc về SQL/warehouse. Bảng tính sẽ chậm, treo hoặc đơn giản là không chứa nổi.
• Cần tự động và lặp lại: một báo cáo phải chạy mỗi đêm, không ai muốn mở file bấm tay hàng ngày — dùng pipeline SQL có lịch chạy.
• Cần một nguồn sự thật (single source of truth): khi mười người mỗi người giữ một bản Excel hơi khác nhau, con số bắt đầu "lệch pha". Định nghĩa chỉ tiêu phải nằm ở tầng dữ liệu/BI dùng chung.
• Dashboard chia sẻ rộng, tương tác: cho hàng trăm người xem, lọc, drill-down — đó là việc của công cụ BI. Nền tảng lý thuyết về BI được trình bày ở BI 1 — Tổng quan, còn cách chọn và định nghĩa chỉ tiêu ở BI 4 — Metrics & KPI.

Quy tắc thực dụng: bảng tính để nghĩ và thử; SQL/BI để vận hành và chia sẻ ở quy mô. Một analyst giỏi biết chuyển giao đúng lúc, không cố "gồng" một bài toán đã vượt sức bảng tính.

Giới hạn của bảng tính và "spreadsheet hell"

Trước khi yêu bảng tính, cần biết rõ nó có thể phản chủ:

• Giới hạn số dòng: Excel dừng ở khoảng 1.048.576 dòng mỗi sheet; Google Sheets giới hạn theo số ô (cell). Dữ liệu ngân hàng thật (giao dịch, số dư ngày) vượt trần này rất nhanh.
• Hiệu năng: file nặng công thức volatile (như NOW(), INDIRECT, OFFSET) tính lại toàn bộ mỗi thao tác — mở file mất phút, cuộn giật.
• Khó version (kiểm soát phiên bản): baocao_final.xlsx, baocao_final_v2.xlsx, baocao_final_v2_sua.xlsx — không ai biết bản nào là thật. Bảng tính không có git.
• Dễ lỗi công thức: một tham chiếu lệch một dòng, một SUM quên mất vùng mới thêm, một ô nhập tay đè lên công thức — sai âm thầm, không báo lỗi. Đây là rủi ro nghiêm trọng nhất với báo cáo tài chính.
• "Spreadsheet hell": khi một file phình to thành mạng nhện công thức chằng chịt, tham chiếu chéo giữa hàng chục sheet và cả file khác, không ai (kể cả người tạo) còn dám sửa vì sợ vỡ.

Cách khắc phục không phải là bỏ bảng tính, mà là kỷ luật: tách dữ liệu thô khỏi tính toán, dùng Table và named range thay tham chiếu ô cứng, dồn logic biến đổi vào Power Query thay vì hàng trăm công thức, đặt tên và lưu phiên bản có quy tắc, và audit công thức định kỳ. Toàn bộ series này chính là để dạy các kỷ luật đó.

Tư duy dữ liệu sạch trong bảng tính

Khác biệt lớn nhất giữa một analyst chuyên nghiệp và người mới không phải công thức khó, mà là cách tổ chức dữ liệu. Ba nguyên tắc nền tảng:

1. Dữ liệu dạng bảng chuẩn (tidy data)

Một bảng "sạch" tuân thủ: mỗi biến một cột, mỗi quan sát một dòng, mỗi ô một giá trị. Nghe hiển nhiên nhưng bị vi phạm liên tục trong thực tế — ví dụ bảng có cột T1, T2, T3... cho từng tháng (sai: tháng là một biến, đáng lẽ nên là một cột thang với nhiều dòng). Dữ liệu tidy là điều kiện để PivotTable, công thức tra cứu và Power Query hoạt động trơn tru.

2. Tách dữ liệu thô — tính toán — trình bày

Một file kỷ luật có ba tầng tách bạch: sheet dữ liệu thô (chỉ nhập/nạp vào, không sửa tay), sheet tính toán (công thức, biến đổi), và sheet trình bày (bảng đẹp, biểu đồ cho người xem). Trộn ba tầng vào một chỗ là mầm mống của spreadsheet hell.

3. Đặt tên vùng và dùng bảng

• Named range (vùng có tên): thay vì =SUM(C2:C5000), viết =SUM(DuNo). Công thức đọc như tiếng người, và tên tự trỏ đúng vùng dù dữ liệu dịch chuyển.
• Excel Table / định dạng bảng: biến một vùng dữ liệu thành một đối tượng bảng có tên (Table1, hay đặt tên tblKhoanVay). Bảng tự mở rộng khi thêm dòng, công thức tham chiếu theo tên cột ([@[Dư nợ]]) thay vì toạ độ ô — nền tảng để công thức không "gãy". Google Sheets có khái niệm tương đương nhẹ hơn qua named range và bộ lọc.

Series này dạy gì — bản đồ năng lực nâng cao

Bảy bài còn lại lần lượt xây dựng các kỹ năng, xếp theo độ sâu tăng dần:

Mạch xuyên suốt: thô → sạch → tổng hợp → mô hình → trình bày → tự động.

Excel vs Google Sheets — khác biệt chính

Cùng là bảng tính nhưng hai công cụ có triết lý khác nhau:

Nguyên tắc chọn: Excel khi cần sức mạnh phân tích, mô hình lớn, Power Query/DAX; Google Sheets khi ưu tiên cộng tác thời gian thực và chia sẻ nhẹ nhàng. Nhiều đội dùng cả hai. Series này lấy Excel làm trục chính (vì phổ biến trong ngân hàng và có bộ công cụ nâng cao đầy đủ) và ghi chú tương đương cho Google Sheets khi cần.

Kết nối bảng tính với dữ liệu thật

Điểm phân biệt analyst nghiệp dư và chuyên nghiệp: nghiệp dư copy-paste dữ liệu vào, chuyên nghiệp kết nối tới nguồn rồi refresh. Thay vì mỗi tháng lại dán một bảng mới đè lên bảng cũ (dễ sai, không truy vết được), ta thiết lập một kết nối một lần:

• Excel dùng Power Query để kết nối SQL Server, PostgreSQL, warehouse, file CSV/thư mục, API... Câu truy vấn nạp dữ liệu được lưu lại; mỗi kỳ chỉ cần bấm Refresh là dữ liệu mới chảy vào, mọi công thức/pivot/dashboard phía sau tự cập nhật.
• Google Sheets dùng Connected Sheets (đọc trực tiếp từ BigQuery) hoặc IMPORTRANGE/Apps Script.

Ví dụ, dữ liệu nuôi một báo cáo bảng tính có thể đến từ một câu truy vấn tổng hợp đơn giản trên kho dữ liệu — gộp số dư theo thành phố và loại tiền tệ:

-- ▶ Chạy được (nguồn cho bảng tính)
SELECT c.city,
       a.currency,
       COUNT(*)         AS so_tai_khoan,
       SUM(a.balance)   AS tong_so_du
FROM accounts  a
JOIN customers c ON c.id = a.customer_id
GROUP BY c.city, a.currency
ORDER BY tong_so_du DESC;

Câu SELECT trên chạy trên warehouse/sandbox; Power Query nạp kết quả vào Excel, và analyst dựng PivotTable, biểu đồ bên trên. Khi số liệu thay đổi, chỉ cần Refresh — không dán lại tay. Đó là cách bảng tính "sống chung" với hệ dữ liệu thật thay vì đứng một mình.

Kiểm soát chất lượng & audit công thức trong ngân hàng

Ở môi trường ngân hàng, một con số sai trong báo cáo không chỉ gây bối rối — nó có thể dẫn tới quyết định sai, sai lệch báo cáo lên cấp trên, thậm chí rủi ro tuân thủ. Vì bảng tính rất dễ sai âm thầm, kỷ luật kiểm soát là bắt buộc:

• Ô đầu vào tách khỏi ô công thức: quy ước màu (ví dụ ô nhập tay tô xanh, ô công thức để trắng) để không ai vô tình gõ đè lên công thức.
• Kiểm tra chéo (cross-check): mỗi tổng quan trọng nên có một cách tính độc lập thứ hai đối chiếu (ví dụ tổng theo dòng phải bằng tổng theo cột).
• Audit công thức: dùng Trace Precedents/Dependents, Show Formulas, Evaluate Formula để lần vết một ô đang lấy dữ liệu từ đâu — đặc biệt trước khi tin vào một file thừa kế từ người khác.
• Khoá và bảo vệ (protect): khoá vùng công thức, chỉ mở ô đầu vào; đặt data validation để chặn nhập sai kiểu.
• Kiểm soát phiên bản có quy tắc: đặt tên file/ngày nhất quán, lưu lịch sử; với Google Sheets tận dụng Version history sẵn có.
• Giảm nhập tay: mỗi ô nhập tay là một điểm sai tiềm ẩn — càng nhiều dữ liệu đến từ Power Query/kết nối, càng ít rủi ro.

Trong nhiều ngân hàng, các bảng tính phục vụ báo cáo tài chính còn nằm dưới khung quản trị EUC (End-User Computing) — được đăng ký, rà soát, kiểm soát thay đổi như một tài sản CNTT thu nhỏ. Hiểu điều này giúp analyst không xem file Excel là "đồ chơi cá nhân" mà là một cấu phần cần kỷ luật.

Bối cảnh NCB: báo cáo huy động/tín dụng hằng ngày

Ở NCB, phần lớn analyst nghiệp vụ bắt đầu ngày làm việc bằng Excel: nạp số dư huy động và dư nợ tín dụng theo chi nhánh, so với hôm trước, với kế hoạch, với cùng kỳ; tính tăng trưởng, tỷ trọng, phát hiện chi nhánh bất thường; rồi gói thành một bảng gọn gửi ban lãnh đạo. Đây đúng là "vùng vàng" của bảng tính — dữ liệu vừa phải, câu hỏi thay đổi mỗi ngày, cần giao nhanh.

Vấn đề nảy sinh khi việc này làm thủ công lặp lại: mỗi sáng dán dữ liệu mới, sửa công thức theo tay, dễ sai và tốn thời gian. Đích đến của series là biến quy trình đó thành một file kỷ luật và bán tự động: dữ liệu nạp qua Power Query (refresh một nút), tổng hợp bằng PivotTable/Data Model, trình bày trên dashboard, và các bước lặp gói vào macro/Apps Script. Cùng một báo cáo, thay vì 45 phút thủ công đầy rủi ro, còn vài phút bấm nút với sai số gần như bằng không.

Ghi nhớ

• Bảng tính vẫn là công cụ dùng nhiều nhất của data analyst: nhanh, linh hoạt, ai cũng mở được — vô địch ở phân tích ad-hoc, dữ liệu nhỏ-vừa, chia sẻ nhanh, mô hình tài chính, prototyping.
• Rời bảng tính khi dữ liệu lớn, cần tự động/nguồn sự thật (→ SQL/warehouse) hoặc cần dashboard chia sẻ rộng (→ BI, xem BI 1).
• Giới hạn thật (số dòng, hiệu năng, khó version, dễ lỗi công thức, "spreadsheet hell") được khắc phục bằng kỷ luật, không phải bỏ công cụ.
• Tư duy dữ liệu sạch: tidy (mỗi biến một cột, mỗi quan sát một dòng), tách thô/tính toán/trình bày, dùng named range và Table.
• Excel mạnh về phân tích/mô hình (Power Query, Power Pivot, DAX); Google Sheets mạnh về cộng tác thời gian thực.
• Kết nối tới dữ liệu thật và refresh thay cho copy-paste; trong ngân hàng, kiểm soát chất lượng & audit công thức (EUC) là bắt buộc vì sai số báo cáo là rủi ro thực.

Bài tiếp theo

Có tấm bản đồ rồi, ta bắt đầu từ viên gạch nền: sức mạnh biểu đạt của công thức. Bài kế tiếp đi sâu vào Bảng tính 2 — Công thức & hàm tra cứu, nơi bạn học cách dùng XLOOKUP, INDEX/MATCH, mảng động và SUMIFS để tra cứu, gộp và tính toán mà không "gãy" khi dữ liệu thay đổi.