Sổ tay tóm tắt để ôn nhanh hoặc in ra.

Sổ tay Phase 2: Mô tả

Tuần 4. Tóm tắt một biến

Khái niệm	Nhớ một câu
Mean / median	Phân phối lệch hoặc có outlier → mean bị kéo, median ổn định hơn.
Độ phân tán	Báo kèm IQR (P75 − P25) hoặc percentile; độ lệch chuẩn hợp với phân phối đối xứng.
Percentile	P90 = 90% giá trị nhỏ hơn mức này. "90% đơn giao trong 3 ngày" rõ hơn "trung bình 2 ngày".
Lệch phải	Đuôi dài bên phải, mean lớn hơn median. Phần lớn dữ liệu business như vậy.
Outlier	Ngoài P25 − 1,5×IQR đến P75 + 1,5×IQR. Kiểm tra lỗi hay sự kiện thật trước khi xoá.
Chọn chart	Phân phối: histogram/boxplot · xu hướng: line · so sánh nhóm: bar · quan hệ: scatter.
Anscombe	Thống kê giống nhau, hình dạng khác hẳn. Luôn vẽ dữ liệu.

Tuần 5. Data quality, join và bẫy trung bình

Khái niệm	Nhớ một câu
5 chiều chất lượng	Đủ · đúng · nhất quán · kịp thời · duy nhất. Kiểm tra mỗi khi nhận dữ liệu mới.
Fan-out	Join với bảng có khoá trùng → nhân dòng → tổng bị phóng đại. Chặn bằng validate="many_to_one" và assert số dòng.
Average of averages	Trung bình của các tỷ lệ ≠ tỷ lệ tổng khi các nhóm khác quy mô. Cộng tử, cộng mẫu, rồi chia.
Simpson's paradox	Xu hướng trong từng nhóm đảo ngược khi gộp, do tỷ trọng (mix) giữa các nhóm khác nhau.
Missing values	Hỏi "vì sao thiếu? xoá đi mẫu còn đại diện không?" trước khi dropna hay fillna.
Đối soát tổng	Sau mỗi bước biến đổi, assert tổng khớp; chênh lệch phải giải thích được.

Tuần 6. Metric, funnel, cohort, Pareto

Khái niệm	Nhớ một câu
Định nghĩa metric	Tử số + mẫu số + kỳ + bộ lọc. Cùng tên mà khác mẫu số là hai metric khác nhau.
Rate / count	Count cho quy mô, rate cho chất lượng. Count tăng có thể chỉ vì quy mô tăng.
Goodhart's law	Metric thành mục tiêu thì bị "chơi". Luôn có metric đối trọng.
Tương quan	Hướng và độ chặt quan hệ tuyến tính, từ −1 đến 1. Không phải nhân quả, không phải độ lớn tác động.
Funnel	Tỷ lệ tổng = tích tỷ lệ từng bước. Tìm bước rơi rụng lớn nhất.
Cohort	Nhóm theo mốc bắt đầu; tách khách mới khỏi khách cũ để thấy giữ chân thật.
Pareto	Đo tỷ trọng của top 20%, đừng mặc định 80/20.

Checkpoint 2: ý chính phần A

Mean và median: phân phối lệch hoặc có outlier → mean bị kéo, median ổn định hơn.
Simpson's paradox: xu hướng trong từng nhóm đảo ngược khi gộp, do mix giữa các nhóm khác nhau.
Fan-out: join với bảng có khoá trùng → nhân dòng → tổng bị phóng đại.
Average of averages: trung bình của các tỷ lệ ≠ tỷ lệ tổng khi các nhóm có quy mô khác nhau.
Tư duy metric: định nghĩa rõ tử số và mẫu số; rate và count; Goodhart's law kèm 1 ví dụ.

Checklist trước khi gửi một con số mô tả

Đã chạy kiểm tra trùng, thiếu, giá trị bất thường chưa?
Sau mỗi merge: số dòng có giữ nguyên không?
Tỷ lệ tổng tính bằng cộng tử / cộng mẫu, hay đang lấy trung bình các tỷ lệ?
Con số gộp có đi ngược con số từng nhóm không (mix)?
Mean hay median? Đã nhìn phân phối chưa?
Metric đã ghi rõ tử số, mẫu số, kỳ, bộ lọc chưa? Có metric đối trọng chưa?