Phân tích dữ liệu

Module 13.1: Phân tích dữ liệu

Thời gian học: ~35 phút

Yêu cầu trước: Phase 3 (Core Workflows)

Kết quả: Sau module này, bạn sẽ biết dùng Claude Code cho exploratory data analysis, hiểu prompting pattern cho data work, và extract insight từ various format.

---

1. WHY — Tại sao cần học

Bạn có CSV 10,000 dòng sales data. Cách truyền thống: mở Excel, tạo pivot table, viết formula, làm chart. Tốn hàng giờ. Không chắc có miss insight quan trọng không.

Claude Code approach: “Analyze sales data này. Tìm pattern, anomaly, và insight.” Claude đọc file, viết Python script, generate visualization, explain findings — trong vài phút. Data analysis là nơi Claude Code tỏa sáng cho non-coding task.

---

2. CONCEPT — Ý tưởng cốt lõi

Claude Code như Data Analyst

[Câu hỏi của bạn] → [Claude đọc data] → [Viết analysis code] → [Run code] → [Interpret kết quả] → [Trả lời câu hỏi]

Data Analysis Workflow

Stage	Claude làm gì	Prompt ví dụ
Load	Đọc file vào memory	”Read sales.csv”
Explore	Hiểu structure	”Có column nào? Show sample row”
Clean	Xử lý missing/bad data	”Clean data, handle null”
Analyze	Tìm pattern	”Top trend là gì?”
Visualize	Tạo chart	”Chart monthly trend”
Insight	Business interpretation	”Nên làm gì dựa trên này?”

Supported Data Format

• CSV/TSV: pandas.read_csv()
• JSON: pandas.read_json() hoặc json module
• Excel: pandas.read_excel() với openpyxl
• SQL: Database connection qua SQLAlchemy
• Log file: Custom parsing script

Analysis Type

• Descriptive: Chuyện gì đã xảy ra? (sum, average, count)
• Diagnostic: Tại sao xảy ra? (correlation, drill-down)
• Predictive: Sẽ xảy ra gì? (trend, forecast)
• Prescriptive: Nên làm gì? (recommendation)

---

3. DEMO — Từng bước thực hành

Scenario: Analyze e-commerce sales data (sales.csv).

Bước 1: Load và Explore

Bạn: Tôi có sales.csv trong thư mục hiện tại. Đọc và cho biết dataset
này chứa gì. Show structure và vài sample row.

Claude: [Chạy Python code để read CSV]

Dataset Overview:
- Rows: 10,423
- Columns: 8 (order_id, date, customer_id, product, category, quantity, price, region)
- Date range: 2023-01-01 đến 2023-12-31
- Region: Bắc, Nam, Trung, Tây
- Category: Electronics, Clothing, Home, Food

Data quality: Không có missing value. Date format nhất quán.

Bước 2: Hỏi câu hỏi cụ thể

Bạn: Total revenue by category? Category nào perform tốt nhất?

Claude: [Viết và run pandas groupby]

Revenue by Category:
- Electronics: 2,450,000,000đ (45%)
- Home: 1,200,000,000đ (22%)
- Clothing: 1,050,000,000đ (19%)
- Food: 780,000,000đ (14%)

Electronics là top performer, chiếm gần nửa total revenue.

Bước 3: Tìm Pattern

Bạn: Tìm pattern hoặc anomaly thú vị trong data này.

Claude: [Chạy comprehensive analysis]

Key Pattern:
1. Seasonality: Tháng 12 revenue cao hơn 40% so với average (holiday effect)
2. Regional anomaly: Tây có revenue thấp hơn 20% nhưng order count cao hơn 30%
   — average order value thấp
3. Product concentration: Top 10 product = 60% revenue (risk)
4. Day-of-week: Thứ 2 sales thấp hơn 15% so với Thứ 6

Bước 4: Visualization

Bạn: Tạo visualization monthly revenue trend by category.

Claude: [Viết matplotlib code, save chart]

Đã tạo: monthly_revenue_by_category.png

Key insight: Electronics dominate mọi tháng, nhưng Clothing có growth
trajectory mạnh nhất (tăng 35% từ tháng 1 đến tháng 12).

Bước 5: Recommendation

Bạn: Dựa trên analysis này, 3 recommendation actionable?

Claude:
1. Investigate West region pricing — AOV thấp suggest opportunity bundling
2. Diversify product portfolio — 60% từ 10 product là risky
3. Run Monday promotion — có thể tăng 5-10% weekly revenue

---

4. PRACTICE — Luyện tập

Bài 1: Explore Any Dataset

Mục tiêu: Practice exploration workflow.

Hướng dẫn:

1. Download public CSV (Kaggle, government open data)
2. Yêu cầu Claude describe structure
3. Hỏi 5 câu hỏi cụ thể về data
4. Request anomaly detection

💡 Hint

Bắt đầu với “Read [filename] và describe structure, data type, và quality issue.”

✅ Solution

Prompt sequence:
1. "Read data.csv và describe structure"
2. "Distribution của [column] như thế nào?"
3. "[Metric] by [dimension] là bao nhiêu?"
4. "Correlation giữa các column?"
5. "Identify outlier hoặc anomaly"

Bài 2: Business Question Analysis

Mục tiêu: Để Claude tự chọn analysis approach.

Hướng dẫn:

1. Dùng bất kỳ sales/transaction data
2. Hỏi: “Customer nào nên focus cho retention?”
3. Để Claude tự chọn methodology
4. Review và critique approach

💡 Hint

Claude thường dùng RFM (Recency, Frequency, Monetary) analysis hoặc cohort analysis cho customer retention question.

✅ Solution

Claude typically respond với:

• RFM segmentation để identify high-value at-risk customer
• Cohort analysis để spot retention trend
• Churn prediction dựa trên activity pattern

Review: Check methodology có match business context không.

Bài 3: Full Analysis Pipeline

Mục tiêu: Complete end-to-end analysis.

Hướng dẫn:

1. Load data và explore structure
2. Yêu cầu Claude clean issue found
3. Analyze top 3 trend
4. Generate 3 visualization
5. Get actionable recommendation

💡 Hint

Dùng explicit prompt cho mỗi stage. Đừng combine quá nhiều request trong một prompt.

✅ Solution

Sequential prompt:

1. “Read [file], describe structure và data quality”
2. “Clean: handle missing value, fix data type”
3. “Top 3 trend trong data này?”
4. “Tạo: bar chart [metric], line chart [trend], scatter [correlation]”
5. “Dựa trên analysis, 3 recommendation actionable”

---

5. CHEAT SHEET

Analysis Workflow

Load → Explore → Clean → Analyze → Visualize → Insight

Prompting Pattern

Pattern	Prompt Template
Exploration	”Read [file] và describe structure”
Specific question	”[Metric] by [dimension] là bao nhiêu?”
Pattern finding	”Tìm top pattern hoặc anomaly”
Visualization	”Tạo [chart type] showing [metric] over [dimension]“
Recommendation	”Dựa trên analysis, nên làm gì?”

Supported Format

CSV, JSON, Excel, SQL database, log file

Analysis Type

Type	Question
Descriptive	Chuyện gì đã xảy ra?
Diagnostic	Tại sao xảy ra?
Predictive	Sẽ xảy ra gì?
Prescriptive	Nên làm gì?

---

6. PITFALLS — Lỗi thường gặp

❌ Sai	✅ Đúng
Prompt mơ hồ (“analyze data này”)	Câu hỏi cụ thể (“Revenue by region?”)
Skip exploration	Luôn bắt đầu “describe structure”
Assume data clean	Hỏi data quality, missing value trước
Không verify code của Claude	Review analysis methodology
Accept kết quả đầu tiên	Follow-up question, drill deeper
File khổng lồ overwhelm context	Sample trước, sau đó full analysis
Không visualization	Chart reveal pattern mà số không thể

---

7. REAL CASE — Câu chuyện thực tế

Scenario: Startup e-commerce Việt Nam có 6 tháng transaction data. Founder muốn insight nhưng không có data analyst. Thuê consultant thì đắt và chậm.

Claude Code Approach:

Session 1 (30 phút): “Read transactions.csv, describe data, find top pattern”

• Phát hiện: 80% revenue từ 15% customer
• Tìm thấy: Product bundle correlation cao

Session 2 (20 phút): “Customer nào at risk of churning?”

• Claude tự build RFM analysis
• Identify 200 high-value customer với declining activity

Session 3 (15 phút): “Tạo customer segment visualization”

• Generate scatter plot of customer segment
• Visual rõ ràng VIP vs at-risk customer

Kết quả:

• 1 giờ total analysis (vs 1 tuần với consultant)
• Actionable segment cho marketing campaign
• Campaign ₫50M target at-risk customer → 40% retained

Quote: “Claude Code như có data scientist làm việc ở conversation speed.”

---

Tiếp theo: Module 13.2: Sinh báo cáo →