AI Prompting Cho Data Analyst: ChatGPT, Copilot Và Cách Viết Prompt Hiệu Quả

AI đã thay đổi cách Data Analyst làm việc — nhưng không phải ai cũng biết cách tận dụng nó hiệu quả. Sự khác biệt giữa kết quả tệ và kết quả tuyệt vời không nằm ở AI model, mà nằm ở PROMPT bạn viết.

Bài viết này chia sẻ framework viết prompt dành riêng cho Data Analyst, kèm 30+ prompt mẫu cho Excel, SQL, Python và Power BI — copy và dùng ngay.

1. Tại Sao Prompt Engineering Quan Trọng? #

Data Analyst tiếp xúc với AI ở nhiều điểm trong workflow: viết công thức Excel phức tạp, generate SQL queries, tạo script Python, viết DAX measures, giải thích kết quả phân tích, và tạo documentation.

Một prompt tốt giúp bạn nhận kết quả chính xác ngay lần đầu, tiết kiệm 10-15 phút mỗi task so với prompt chung chung rồi chỉnh sửa nhiều lần.

2. Framework RICE — Viết Prompt Có Cấu Trúc #

RICE là framework giúp bạn viết prompt nhất quán và hiệu quả:

• R — Role: Gán vai trò cho AI ("Bạn là Senior Data Analyst")

• I — Input: Mô tả dữ liệu đầu vào (cấu trúc bảng, cột, kiểu dữ liệu)

• C — Context: Bối cảnh nghiệp vụ (ngành nghề, mục đích)

• E — Expected Output: Kết quả mong muốn (format, ngôn ngữ, độ dài)

2.1 Ví dụ RICE cho SQL #

[R] Bạn là Database Developer kinh nghiệm với SQL Server.
[I] Bảng SalesOrders: OrderID (INT), CustomerID (INT), OrderDate (DATE),
    ProductID (INT), Quantity (INT), UnitPrice (DECIMAL), Region (NVARCHAR)
[C] Công ty bán lẻ, cần báo cáo KPI hàng tháng cho ban giám đốc.
[E] Viết query tính:
   1. Doanh thu theo tháng + tăng trưởng MoM %
   2. Top 5 sản phẩm theo doanh thu mỗi quý
   3. Dùng CTE, Window Functions. Comment tiếng Việt.

2.2 Ví dụ RICE cho Excel #

[R] Bạn là Excel Expert chuyên xử lý dữ liệu kế toán Việt Nam.
[I] Sheet "BangLuong": A:MaNV, B:HoTen, C:LuongCoBan, D:PhuCap,
    E:NgayCong, F:SoGioLamThem
[C] Công ty sản xuất, lương tính theo 26 ngày công chuẩn.
[E] Tạo công thức: G:Lương thực nhận, H:Thuế TNCN 5 bậc, I:Lương NET

3. Kỹ Thuật Prompt Nâng Cao #

3.1 Chain-of-Thought — Yêu cầu suy luận từng bước #

Thay vì hỏi trực tiếp, yêu cầu AI giải thích logic từng bước — kết quả chính xác hơn đáng kể.

❌ Prompt yếu: "Viết DAX tính % growth YoY"

✅ Prompt mạnh (CoT):
"Viết DAX measure tính YoY Revenue Growth.
Hãy suy nghĩ từng bước:
1. Tạo measure tổng Revenue hiện tại
2. Tạo measure Revenue năm trước (SAMEPERIODLASTYEAR)
3. Tạo measure % Growth = (Current - PY) / PY
4. Xử lý PY = 0 (DIVIDE)
Date Table: DimDate, cột DimDate[Date]."

3.2 Few-Shot Learning — Cho ví dụ mẫu #

Viết hàm Python xử lý cột "DiaChi" trong DataFrame.

Ví dụ input → output:
- "123 Lý Thường Kiệt, P.14, Q.10, TP.HCM" → "TP.HCM"
- "Số 5, Ngõ 82, Phố Chùa Láng, Hà Nội" → "Hà Nội"
Hàm cần extract tên thành phố từ địa chỉ Việt Nam.

3.3 Negative Prompting — Chỉ rõ KHÔNG muốn gì #

Viết code Python gộp 10 file CSV thành 1 DataFrame.

YÊU CẦU: dùng pandas, thêm cột source_file, encoding utf-8-sig
KHÔNG ĐƯỢC: os.walk, try/except bọc toàn bộ, print toàn bộ DataFrame

4. Prompt Mẫu Cho Data Analyst #

4.1 Excel Formulas #

1. "Viết XLOOKUP lấy giá bán từ sheet PriceList theo mã SP ở cột A. Giải thích từng tham số."
2. "Dynamic Array: FILTER+SORT nhân viên doanh thu > 100 triệu, giảm dần."
3. "LAMBDA function TinhThue nhận ThuNhap, trả về thuế TNCN 5 bậc mới."
4. "Đếm ngày làm việc (trừ T7/CN/lễ VN) giữa A1 và B1. Lễ ở sheet NgayLe."
5. "Data Validation dropdown phụ thuộc: chọn Tỉnh→Quận tự cập nhật."

4.2 SQL Queries #

1. "CTE tính Running Total doanh thu theo tháng, reset mỗi đầu năm."
2. "Tìm khách hàng mua liên tục 3 tháng gần nhất. Dùng Window Functions."
3. "Stored procedure @StartDate, @EndDate, @Region → P&L summary."
4. "Pivot động: dữ liệu dọc → ngang (mỗi tháng 1 cột). SQL Server."
5. "Tối ưu query chậm: execution plan, suggest index, rewrite."

4.3 Python/Pandas #

1. "Đọc tất cả Excel trong folder, gộp 1 DataFrame, thêm cột source_file."
2. "Function chuyển '1.234.567 đ' thành số 1234567. Handle nhiều format."
3. "Phân tích RFM từ bảng Orders. 4 segments: Champions/Loyal/At Risk/Lost."
4. "Automated report: CSV → KPIs → Excel có formatting+charts (openpyxl)."
5. "Heatmap correlation matrix 10 cột numeric. Seaborn, highlight |r|>0.7."

4.4 Power BI DAX #

1. "% Revenue Contribution: mỗi SP chiếm bao nhiêu % tổng. ALL+DIVIDE."
2. "Date Table CALENDARAUTO + cột Year/Quarter/Month Name tiếng Việt."
3. "Calculation group Time Intelligence: MTD/QTD/YTD/PY/YoY%/MoM%."
4. "Measure động: slicer chọn KPI→measure tự switch. SWITCH+SELECTEDVALUE."
5. "Pareto Analysis: % Cumulative Revenue, đánh dấu top 80%."

5. Copilot Trong Excel Và Power BI #

5.1 Copilot trong Excel #

• Analyze: "Xu hướng doanh thu 6 tháng?" → Copilot tạo chart + insight

• Formula: "Tính rank doanh thu theo khu vực" → sinh công thức RANK

• Highlight: "Tô đỏ ô giảm > 20% so với tháng trước"

• Format: "Chuyển thành Table, thêm alternating row colors"

5.2 Copilot trong Power BI #

• Tạo DAX: "Create a measure for YoY growth percentage"

• Tạo visual: "Bar chart revenue by region for last quarter"

• Q&A: gõ câu hỏi bằng tiếng Anh/Việt → Copilot tạo visual tự động

5.3 Tips dùng Copilot #

• Dùng tiếng Anh cho technical prompts (tốt hơn tiếng Việt 20-30%)

• Specify tên Table/Column chính xác

• Yêu cầu giải thích: "Explain step by step"

• Follow-up: "Now modify to include last year comparison"

• Review cẩn thận — Copilot hay sai filter context trong DAX

6. Sai Lầm Phổ Biến Khi Dùng AI #

• Prompt quá chung: "Viết code phân tích dữ liệu" → generic

• Không cung cấp cấu trúc dữ liệu → AI đoán tên cột

• Copy kết quả AI không review → bug ẩn, sai logic

• Tin AI 100% về kiến thức domain → hallucinate số liệu

• Không iterate: 1 prompt → kết quả tệ → bỏ cuộc. Hãy refine 2-3 lần

Câu Hỏi Thường Gặp (FAQ) #

ChatGPT, Claude hay Gemini — cái nào tốt nhất? #

ChatGPT-4o mạnh nhất về code generation (SQL, Python, DAX). Claude tốt cho phân tích text dài, viết documentation. Gemini tích hợp tốt Google Sheets/BigQuery. Khác biệt nằm ở prompt skill của bạn chứ không phải model.

AI có thay thế Data Analyst không? #

Không, nhưng Data Analyst biết dùng AI sẽ thay thế người không biết. AI automate 60-70% thao tác code/formula — giải phóng thời gian cho phân tích insight, storytelling và ra quyết định.

Có nên paste dữ liệu nhạy cảm vào ChatGPT? #

Không bao giờ paste dữ liệu thật có thông tin cá nhân vào ChatGPT/Claude free. Dùng dữ liệu mẫu hoặc che thông tin nhạy cảm. Enterprise versions cam kết không dùng data để train.

Kết Luận #

Prompt Engineering là core skill cho Data Analyst 2026. Framework RICE + CoT/Few-shot giúp bạn nhận kết quả AI chính xác ngay lần đầu.

Lưu lại prompt mẫu trong bài — bookmark và sửa theo dữ liệu của bạn. Đọc thêm SQL Nâng Cao và DAX Power BI trên Trà Đá Data! 🍵