Cùng một dữ liệu, tại sao có người kể chuyện hấp dẫn - có người lại khiến người xem rối tung?


16/09/2025

Cùng một dữ liệu, tại sao có người kể chuyện hấp dẫn - có người lại khiến người xem rối tung?

Trong cùng một bộ dữ liệu, có người khiến người xem gật gù, có người lại làm họ… rối tung.

Khác biệt nằm ở cách kể chuyện bằng dữ liệu:

→ Tiêu đề nêu thông điệp.

→ Cấu trúc thị giác rõ ràng.

→ Màu sắc có chủ đích.

→ Chú thích đúng chỗ.

Bài viết này sẽ giúp bạn “mổ xẻ” 1 case thực tế và hướng dẫn cụ thể 5 bước để biến biểu đồ khô khan thành câu chuyện thuyết phục. Let’s dive in 👇


1. Case study: Vì sao phiên bản “After” của biểu đồ request ticket lại hiệu quả hơn?

Trước:

• Line chart nhiều màu, tiêu đề mơ hồ (“Request Ticket Tracking”).

• Phải đọc bullet để hiểu chuyện gì đang diễn ra.

• Tải nhận thức cao, khó “bắt sóng” nhanh.

Sau:

• Tách thành 2 biểu đồ, mỗi cái kể 1 chuyện.

• Tiêu đề nêu rõ kết luận: “Backlog giảm nhưng vẫn cần cải thiện…”

• Màu nhấn đúng chỗ, label trực tiếp, chú thích ngắn gọn.

Bài học rút ra: Một biểu đồ chỉ nên phục vụ một thông điệp duy nhất. Và tiêu đề không phải để “đặt tên” mà là để nêu kết luận.


2. Playbook 5 bước: từ “vẽ số” đến “kể chuyện”

Bước 1: Chốt câu chuyện 1 dòng

Mẫu câu: [Kết quả] + [Động lực/Nguyên nhân] + [Khoảng thời gian] + [Hệ quả/Next step].

Ví dụ: “Backlog giảm 42% sau khi chuẩn hóa quy trình tiếp nhận — nhưng Documentation vẫn là nút thắt cần xử lý trong Q4.”

Bước 2: Chọn cấu trúc hình cho đúng thông điệp

• Xu hướng/tiến trình → line/area + mốc sự kiện.

• Cơ cấu tại một thời điểm → stacked bar (tốt nhất 100%) hoặc small multiples.

• So sánh trước–sau → slope chart hoặc column pair.

• Mức tồn đọng/backlog → area/line có baseline + mục tiêu.

Bước 3: Tạo thứ bậc thị giác (visual hierarchy)

• Một màu “signature” cho chuỗi chính (ví dụ backlog), phần còn lại xám/nhạt.

• Nhấn khu vực quan trọng bằng đậm độ hoặc annotation.

• Loại bỏ mực thừa: gridline nhẹ, trục chỉ cần mốc chính, bỏ viền rườm rà.

Bước 4: Gắn nhãn thông minh

• Data label trực tiếp tại điểm/đỉnh/thanh (không để người xem “đoán”).

• Legend nội tuyến: đặt ngay cạnh series, hạn chế legend rời.

• Chú thích ngắn dưới biểu đồ: “Documentation tăng do thay đổi template biểu mẫu trong tuần 32.”

Bước 5: Viết chú giải/footnote tạo ngữ cảnh

• Nguồn dữ liệu, phạm vi, định nghĩa (Backlog = Ticket chưa đóng > 24h).

• Cảnh báo sai số, thay đổi định nghĩa qua thời gian nếu có.


3. Viết tiêu đề kiểu “takeaway”: 5 công thức kèm ví dụ

  1. Kết quả + Nguyên nhân: “Backlog giảm 42% nhờ triage 2 lần/ngày kể từ tuần 30.”
  2. Xu hướng + Cảnh báo: “Backlog giảm nhưng Documentation tăng — nguy cơ dồn ứ bước bàn giao.”
  3. So sánh + Mốc thời gian: “Lead time xử lý rút 1.8 ngày sau khi áp SLA mới (tuần 28→34).”
  4. Mục tiêu + Khoảng cách: “Còn thiếu 12 ticket để chạm mục tiêu <50 backlog/tuần trong Q4.”
  5. Hành động khuyến nghị: “Giảm Documentation 30% bằng 3 thay đổi nhỏ trong tuần tới.”

Tip kiểm tra nhanh: nếu đọc riêng tiêu đề mà đã hiểu 70-80% câu chuyện, bạn đang đi đúng hướng.


4. Hệ màu và nhãn: thiết kế để “dẫn mắt”

• Một vai chính, phần còn lại làm nền: dùng 1 màu chủ đạo cho chuỗi chính; các chuỗi phụ dùng xám/nhạt nhất quán.

• Tránh cầu vồng: nhiều màu = nhiều câu chuyện. Nếu cần phân nhóm, dùng cùng tông khác đậm độ.

• Nhãn đủ - gọn - đúng chỗ: ưu tiên trực tiếp trên điểm/segment; ẩn nhãn ở nơi không cần (giảm nhiễu).

• Đơn vị và định nghĩa sát biểu đồ: “ticket”, “%”, “workweek”, thay vì để người xem tự suy đoán.


5. Checklist “trước khi publish”

  1. Tiêu đề đã nêu kết luận 1 dòng chưa?
  2. Một biểu đồ có đang mang nhiều hơn 1 thông điệp? Nếu có, tách.
  3. Chuỗi chính có màu nổi bật, phần khác có đang chìm nền?
  4. Nhãn đã đặt tại vị trí người xem cần đọc nhất?
  5. Có mốc mục tiêu/sự kiện để giải thích biến động?
  6. Chú thích có giải thích nguyên nhân/hàm ý hành động?
  7. 10-giây test: người mới xem có hiểu 70% câu chuyện không?

6. Kết luận & Gợi ý hành động

Biểu đồ không phải nơi “đổ dữ liệu” - mà là sân khấu của một thông điệp rõ ràng.

Bạn có thể bắt đầu áp dụng ngay hôm nay bằng cách chọn 1 biểu đồ cũ → Viết lại tiêu đề → Tách thông điệp → Áp dụng playbook 5 bước kể chuyện.

💬 Câu hỏi cho bạn: Biểu đồ gần nhất bạn làm… có đang kể chuyện, hay chỉ đang “trình số”?


🔔+170.000 người đăng ký theo dõi chúng tôi trên các nền tảng: https://mastering-da.kit.com/

📌Thúc đẩy doanh nghiệp Việt đưa ra quyết định dựa trên dữ liệu qua chương trình đào tạo Analytics Top 1 Việt Nam từ 2020 @ Zalo: 0961 48 66 48 & https://mastering-da.com/business-intelligence-program/

#PhuongThaoAnalytics #DataStorytelling #BI #PowerBI #MasteringDataAnalytics

Until next time, keep turning data into decisions!

Mastering Data Analytics
Unsubscribe · Preferences

Mastering Data Analytics (MDA)

+170.000 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! 👇

Read more from Mastering Data Analytics (MDA)
pbip cho Power BI

Bạn vẫn dùng file .pbix cho Power BI à? Có một định dạng mới: .pbip, và nó có thể thay đổi cách bạn phát triển report. Khác với “1 file duy nhất”, .pbip là cấu trúc thư mục có thể đọc, chỉnh sửa, và tự động hóa. Nhờ vậy, team của bạn có thể: Track phiên bản bằng Git Review thay đổi như code Viết script để quét metadata Xem cấu hình model/visual/table mà không cần mở Power BI Desktop Nhiều team đã tiết kiệm đáng kể thời gian mỗi tuần nhờ .pbip trong các khâu kiểm tra tiêu chuẩn, chỉnh sửa hàng...

toi uu semantic model

Tại sao nhiều doanh nghiệp đầu tư vào dữ liệu nhưng vẫn than “Power BI chậm”? Sự thật: 90% mô hình chậm không phải do Power BI — mà do semantic model phình to và thiết kế chưa tối ưu. Trước khi đổ tiền mua thêm RAM, hãy thử 6 chiêu sau 👇 1. Semantic Layer không phải Data Warehouse Semantic layer là tầng trình bày và logic phân tích, không phải nơi lưu trữ lịch sử sâu. Chức năng chính: Định nghĩa KPI, measure, calculation group, hierarchies Quản trị truy cập (RLS/OLS) và logic nghiệp vụ...

nen lam gi khi du lieu dung nhung khong duoc tin

Một trong những cú sốc lớn nhất của người làm phân tích: dữ liệu không phải lúc nào cũng thắng. Bạn mang đến một insight đúng. Có bằng chứng. Có biểu đồ. Có mô hình dự đoán. Nhưng lãnh đạo vẫn không nghe. Không thay đổi gì cả. 👉 Đây không phải vấn đề kỹ thuật. Đây là vấn đề tâm lý con người. Sự thật đơn giản mà khó chấp nhận: Con người không suy nghĩ bằng dữ liệu. Họ suy nghĩ bằng narrative - những câu chuyện trong đầu. Và một câu chuyện cũ rất khó bị phá vỡ chỉ bằng một con số. 3 bài học lớn...