Báo chí dữ liệu là cách làm tin bắt đầu từ con số: phóng viên lấy một bộ dữ liệu, phân tích để tìm ra điều đáng nói, rồi kiểm chứng bằng người thật và tài liệu. AI giúp nhanh ở khâu đọc bảng, lọc, tính toán sơ bộ và gợi ý câu hỏi, nhưng nó tính sai đủ thường xuyên để mọi con số trong bài phải được tính lại bằng cách khác.
Bài này dành cho phóng viên, biên tập viên chưa có nền thống kê nhưng muốn dùng dữ liệu trong bài, và cho người đọc muốn hiểu những con số trong tin được làm ra như thế nào. Nội dung gồm nguồn dữ liệu hay dùng, quy trình năm bước, các lỗi máy hay mắc, phần nào hỏi máy và phần nào tự làm, cùng chuyện quyền riêng tư. Luôn nhớ: AI tính toán và tóm tắt số liệu có thể sai — đối chiếu bảng gốc và tính lại.
Báo chí dữ liệu là gì và AI giúp ở khâu nào
Một bài báo dữ liệu không đơn giản là bài có nhiều con số. Nó là bài mà câu chuyện được tìm ra từ dữ liệu: so số liệu nhiều năm để thấy xu hướng, so giữa các địa phương để thấy chênh lệch, ghép hai bộ dữ liệu để thấy điều mà từng bộ riêng lẻ không cho thấy. Sau đó phóng viên mới đi hỏi người trong cuộc vì sao có chênh lệch đó.
Trước đây, rào cản lớn nhất với phóng viên là kỹ thuật: không biết dùng hàm trong bảng tính, không biết lọc, không biết vẽ biểu đồ. AI hạ rào cản này đáng kể. Bạn có thể mô tả bằng lời "lọc các tỉnh có tỷ lệ tăng trên mười phần trăm và sắp xếp giảm dần", và máy viết công thức hoặc làm luôn trên tệp. Đây là phần AI giúp thật.
Nhưng phần khó nhất của báo chí dữ liệu chưa bao giờ là kỹ thuật. Đó là hiểu dữ liệu được thu thập thế nào, mỗi cột nghĩa là gì, năm nào đổi cách tính, con số nào không so được với con số nào. Những điều này nằm trong phần chú thích và phương pháp của nguồn, và AI thường không đọc tới nếu bạn không đưa vào và không hỏi.
Nguồn dữ liệu phóng viên hay dùng
Mỗi loại nguồn có điểm mạnh và giới hạn riêng. Trước khi phân tích, ghi rõ nguồn, ngày tải và phiên bản, vì nhiều nguồn được cập nhật hoặc điều chỉnh sau khi công bố.
- Số liệu thống kê chính thức: niên giám thống kê, báo cáo kinh tế xã hội định kỳ của cơ quan thống kê. Có phương pháp rõ ràng, nhưng cần chú ý số sơ bộ và số chính thức có thể khác nhau, và từ giữa năm 2025 nhiều tỉnh đã sáp nhập nên số theo địa phương trước và sau không so trực tiếp được.
- Báo cáo của bộ, ngành, hiệp hội: thường đi kèm thông cáo và có số liệu chuyên ngành. Cần đọc ai thu thập, phạm vi bao nhiêu đơn vị, có phải toàn bộ hay chỉ thành viên.
- Dữ liệu mở và cổng công khai: một số cơ quan công bố dữ liệu dạng bảng có thể tải về. Định dạng và độ đầy đủ khác nhau nhiều.
- Dữ liệu quốc tế: bộ dữ liệu của các tổ chức quốc tế cho phép so sánh giữa các nước, nhưng định nghĩa chỉ tiêu có thể khác định nghĩa trong nước.
- Dữ liệu tự thu thập: khảo sát do tòa soạn làm, đếm thủ công, ghi chép thực địa. Kiểm soát được cách thu, nhưng cỡ mẫu thường nhỏ và phải nói rõ giới hạn trong bài.
- Dữ liệu từ nguồn tin: bảng tính được cung cấp riêng. Cần kiểm tính xác thực trước khi phân tích, và tuyệt đối không tải lên công cụ AI bên ngoài.
Với mỗi bộ dữ liệu, trước khi hỏi máy bất cứ điều gì, hãy tự đọc phần giải thích thuật ngữ và phương pháp. Mười lăm phút đọc ở bước này tránh được những sai lầm mà không công cụ nào sửa được về sau.
Quy trình năm bước từ bảng số đến câu chuyện
Quy trình dưới đây dùng được với bảng tính cỡ vài trăm đến vài nghìn dòng, loại mà phóng viên hay gặp. Mỗi bước nêu việc giao cho AI và việc tự làm.
- Hiểu dữ liệu. Nhờ AI mô tả bảng: có bao nhiêu dòng, cột nào, kiểu dữ liệu gì, có ô trống không, có giá trị bất thường không. Tự đọc phần chú thích của nguồn để biết mỗi cột thực sự đo gì.
- Làm sạch. Tìm tên địa phương viết khác nhau, đơn vị lẫn lộn, dòng tổng cộng nằm lẫn trong dữ liệu. AI giỏi phát hiện các chỗ này khi được yêu cầu cụ thể. Ghi lại mọi thay đổi bạn làm với dữ liệu gốc.
- Đặt câu hỏi. Viết ra ba đến năm câu hỏi cụ thể mà dữ liệu có thể trả lời. Ví dụ: "Địa phương nào có mức thay đổi lớn nhất giữa hai năm?" Câu hỏi đến từ bạn, không phải từ lời nhờ máy "tìm điều thú vị".
- Phân tích và tính lại. Cho AI tính, rồi tự tính lại ít nhất các con số sẽ lên bài bằng cách khác, ví dụ dùng công thức bảng tính thường hoặc tính tay vài dòng.
- Kiểm bằng người thật. Một con số bất thường có thể là câu chuyện, cũng có thể là lỗi nhập liệu. Gọi cho cơ quan công bố hoặc chuyên gia để hỏi vì sao. Câu trả lời của họ thường chính là nội dung bài.
Câu lệnh ở bước một: "Đây là bảng dữ liệu. Mô tả cấu trúc: số dòng, tên và kiểu từng cột, số ô trống mỗi cột, các giá trị lớn nhất, nhỏ nhất. Liệt kê các dòng có vẻ là dòng tổng hoặc dòng tiêu đề lặp. Không phân tích, không kết luận."
Những lỗi AI hay mắc khi làm việc với số
Lẫn phần trăm với điểm phần trăm. Tỷ lệ tăng từ năm phần trăm lên bảy phần trăm là tăng hai điểm phần trăm, tức tăng bốn mươi phần trăm so với mức cũ. Máy và cả người viết đều hay lẫn hai cách nói này, và kết quả là tít báo phóng đại hoặc làm nhẹ đi đáng kể.
Tính trên dòng tổng. Nhiều bảng thống kê có dòng "cả nước" hay "tổng cộng" xen giữa. Khi tính trung bình hay xếp hạng, máy có thể tính luôn dòng này như một địa phương, làm lệch toàn bộ kết quả.
Nhầm đơn vị. Một cột ghi nghìn tỷ, cột bên cạnh ghi tỷ; một cột theo nghìn người, cột khác theo người. Nếu tiêu đề cột không ghi rõ, máy thường giả định cùng đơn vị.
Bịa số khi thiếu dữ liệu. Hỏi về một năm hay một địa phương không có trong bảng, có khi máy vẫn đưa ra một con số trông hợp lý thay vì nói là không có. Luôn yêu cầu máy trả lời "không có trong dữ liệu" khi thiếu.
So những thứ không so được. Số liệu trước và sau khi đổi cách tính, trước và sau sáp nhập địa giới, giữa hai nguồn định nghĩa khác nhau. Máy không biết những thay đổi này nếu bạn không nói.
Kết luận nhân quả từ tương quan. Hai con số cùng tăng không có nghĩa cái này gây ra cái kia. Máy hay viết những câu kiểu "nhờ chính sách X nên chỉ số Y tăng" khi chỉ thấy hai số cùng đi lên.
Hỏi máy hay tự làm: chia việc trong một bài dữ liệu
Bảng dưới gợi ý cách chia. Cột cuối là cách kiểm lại phần việc máy làm.
| Việc | Giao cho AI | Cách kiểm |
|---|---|---|
| Viết công thức lọc, sắp xếp, tính tổng | Được | Thử công thức trên vài dòng tính tay được |
| Phát hiện ô lỗi, tên viết không thống nhất | Được | Xem lại danh sách máy đưa ra, tự quyết sửa thế nào |
| Tính tỷ lệ thay đổi, trung bình | Được, nhưng phải tính lại | Tính lại bằng công thức bảng tính hoặc tay |
| Chọn chỉ tiêu nào để so | Gợi ý thôi | Tự đọc định nghĩa chỉ tiêu trong nguồn |
| Giải thích vì sao có chênh lệch | Không | Hỏi cơ quan công bố, chuyên gia, người trong cuộc |
| Viết câu kết luận trong bài | Không | Người viết tự viết, biên tập viên kiểm với số liệu |
Nguyên tắc chung: máy làm phần cơ học, người làm phần hiểu và phần trách nhiệm. Khi máy làm phần cơ học, người vẫn phải có cách kiểm độc lập.
Biểu đồ trong bài: nhờ AI gợi ý, tự dựng và tự kiểm
AI có thể gợi ý loại biểu đồ hợp với câu chuyện: xu hướng theo thời gian thì dùng đường, so sánh giữa các nhóm thì dùng cột, cơ cấu thì cân nhắc kỹ trước khi dùng hình tròn. Nó cũng có thể viết mã hoặc làm trực tiếp biểu đồ từ bảng. Điều cần kiểm là những lựa chọn tạo ra ấn tượng sai: trục tung không bắt đầu từ số không làm chênh lệch nhỏ trông như rất lớn, khoảng thời gian được chọn để bỏ qua một năm bất lợi, màu sắc nhấn vào một nhóm khiến người đọc kết luận thay cho bài.
Danh mục đọc hiểu bản tin của trang có bài riêng về đọc biểu đồ trong bài báo từ phía người đọc. Từ phía người làm, câu hỏi kiểm đơn giản nhất là: nếu người đọc chỉ nhìn biểu đồ mà không đọc chữ, họ có rút ra đúng kết luận như bài viết không? Nếu không, biểu đồ cần sửa.
Mọi biểu đồ nên ghi nguồn dữ liệu và thời điểm ngay bên dưới. Nếu đã làm sạch hay biến đổi dữ liệu, một dòng ghi chú ngắn về cách làm giúp người đọc và đồng nghiệp kiểm lại được.
Dữ liệu cá nhân và bộ dữ liệu nhạy cảm
Một số bộ dữ liệu phóng viên tiếp cận chứa thông tin cá nhân: danh sách người hưởng trợ cấp, danh sách hộ bị ảnh hưởng thiên tai, bảng lương của một đơn vị do nguồn tin cung cấp. Với loại này, việc đầu tiên là cân nhắc có cần dữ liệu ở mức từng người không, hay chỉ cần số tổng hợp. Thường chỉ cần số tổng hợp.
Nếu phải làm việc với dữ liệu có tên người, đừng tải lên chatbot công cộng. Hãy xoá hoặc mã hoá cột tên, số giấy tờ, địa chỉ, số điện thoại trước khi đưa vào bất kỳ công cụ nào, và giữ bản gốc ở nơi chỉ những người cần mới truy cập được. Pháp luật về bảo vệ dữ liệu cá nhân hiện hành đặt ra nghĩa vụ cho bên xử lý dữ liệu; mức độ áp dụng cho hoạt động báo chí cần hỏi bộ phận pháp chế của tòa soạn.
Khi đăng bài, kiểm lại xem việc kết hợp nhiều thông tin tổng hợp có vô tình làm lộ một người cụ thể không. Một bảng ghi "xã A có một hộ thuộc diện này" ở một xã nhỏ cũng đủ để hàng xóm biết là ai.
Câu hỏi thường gặp
Không biết thống kê có làm báo chí dữ liệu được không?
Được, với những phân tích cơ bản như so sánh, tỷ lệ thay đổi, xếp hạng có điều kiện. Điều cần học trước là đọc hiểu nguồn dữ liệu và phân biệt các loại tỷ lệ. Với phân tích phức tạp hơn như hồi quy hay suy luận từ mẫu, nên nhờ chuyên gia kiểm, đừng chỉ dựa vào máy.
Có nên tải bảng tính lên chatbot để phân tích không?
Với dữ liệu công khai, không chứa thông tin cá nhân, có thể làm sau khi kiểm cài đặt quyền riêng tư của công cụ. Với dữ liệu do nguồn tin cung cấp hoặc có thông tin cá nhân, không nên. Khi đó hãy nhờ máy viết công thức trên một bảng mẫu giả, rồi tự áp dụng công thức vào dữ liệu thật.
Làm sao kiểm một con số AI tính ra?
Tính lại bằng một cách khác: công thức bảng tính tự viết, máy tính cầm tay với vài dòng mẫu, hoặc nhờ đồng nghiệp tính độc lập. Kiểm thêm xem số có hợp lý về độ lớn không. Một tỷ lệ tăng hàng nghìn phần trăm thường là dấu hiệu lỗi đơn vị hoặc lỗi chia.
Số liệu sơ bộ và số chính thức khác nhau thì dùng số nào?
Dùng số mới nhất do cơ quan có thẩm quyền công bố và ghi rõ đó là số sơ bộ hay chính thức, công bố khi nào. Nếu bài so sánh nhiều năm, cố gắng dùng cùng loại số cho mọi năm. Khi số được điều chỉnh sau khi bài đã đăng, cân nhắc cập nhật bài.
AI có tự tìm được dữ liệu cho bài không?
Một số công cụ có khả năng tìm kiếm, nhưng có thể dẫn sai nguồn hoặc đưa số đã cũ. Tốt nhất là tự tải dữ liệu từ nguồn gốc, ghi lại ngày tải, rồi mới đưa vào phân tích. Con số không truy được về nguồn gốc thì không nên lên bài.
So sánh số liệu giữa các tỉnh sau sáp nhập thế nào?
Từ giữa năm 2025 nhiều tỉnh đã hợp nhất, nên số liệu theo tỉnh cũ và tỉnh mới không so trực tiếp được. Có thể cộng số của các tỉnh cũ theo địa giới mới nếu dữ liệu đủ chi tiết, và phải ghi rõ cách làm. Nếu không chắc, hỏi cơ quan thống kê về cách quy đổi.