Claude cho Data: Trích xuất context từ datasets

Mỗi công ty có "ngôn ngữ dữ liệu" riêng của mình: "user" ở đây có thể khác với "user" ở chỗ khác, "doanh thu" có thể được tính theo 3 cách khác nhau tùy bộ phận, và bảng tbl_orders_v2_final_FINAL mới là bảng cần dùng chứ không phải orders. Claude có thể giúp bạn tài liệu hóa toàn bộ kiến thức ngầm đó thành một data context skill — để dùng lại trong mọi câu hỏi phân tích về sau.

Vấn đề: Tribal knowledge trong data team

Trong hầu hết các data team Việt Nam, có một số người biết mọi thứ về data warehouse — nhưng kiến thức đó chỉ tồn tại trong đầu họ. Khi người đó nghỉ việc hoặc đi phép, cả team bị tắc. Các vấn đề điển hình:

• "Churn" ở bảng này được tính khác với báo cáo CFO — tại sao?
• Luôn phải filter is_test = false nhưng không có ai ghi lại điều này
• Bảng customers và accounts khác nhau như thế nào?
• Timezone của timestamp trong bảng events là UTC hay GMT+7?

Data Context Extractor là công cụ meta-skill giúp Claude chiết xuất và tài liệu hóa những kiến thức này.

Hai chế độ hoạt động

Bootstrap Mode: Tạo skill từ đầu

Dùng khi bạn muốn tạo data context skill hoàn toàn mới cho data warehouse của công ty.

Tôi muốn tạo data context skill cho warehouse của công ty.
Chúng tôi dùng BigQuery. Hãy giúp tôi tài liệu hóa kiến thức
về data để Claude có thể phân tích chính xác hơn.

Claude sẽ dẫn dắt bạn qua 4 pha:

1. Khám phá schema: Liệt kê datasets, tables, columns
2. Hỏi các câu hỏi cốt lõi: Entity disambiguation, metric definitions, data hygiene
3. Tạo skill files: SKILL.md và các reference files
4. Package và deliver: Đóng gói để dùng lại

Iteration Mode: Bổ sung context cho skill hiện có

Dùng khi skill đã có nhưng cần thêm domain mới (marketing, finance, product...).

Skill data context hiện tại của tôi chưa có thông tin
về domain Marketing. Hãy giúp tôi bổ sung: bảng nào dùng
cho phân tích campaign, metric nào quan trọng, và
các gotcha cần biết.

Năm câu hỏi Claude sẽ hỏi bạn

Trong Bootstrap Mode, Claude sẽ dẫn dắt cuộc trò chuyện với 5 câu hỏi then chốt:

1. Entity Disambiguation

"Khi mọi người trong team nói 'user' hay 'khách hàng', họ đang nói đến đối tượng nào? Có nhiều loại khác nhau không?"

Ví dụ câu trả lời cho e-commerce: "Chúng tôi có buyers (người mua), sellers (người bán), và admins. Bảng users chứa cả ba, phân biệt bằng cột user_type. Khi nói 'users' trong phân tích, thường chỉ buyers."

2. Primary Identifiers

"ID chính của mỗi thực thể là gì? Có nhiều ID song song không?"

Ví dụ: "Chúng tôi có user_id (UUID nội bộ) và phone_number (dùng cho login). Khi join với bảng transactions phải dùng user_id, còn phone_number chỉ dùng cho CRM."

3. Key Metrics

"Đâu là 2-3 metric được hỏi nhiều nhất? Cách tính chính xác của từng metric?"

Ví dụ: "GMV = SUM(order_amount) WHERE status IN ('completed', 'delivering'). Không include 'cancelled' và 'returned'. Revenue = GMV minus returns and refunds, tính từ bảng accounting_ledger."

4. Data Hygiene

"Điều kiện lọc nào phải LUÔN áp dụng trong mọi query?"

Ví dụ: "Luôn filter is_test_account = false trong bảng users. Luôn loại orders có source = 'internal_test'. Timestamp trong events là UTC, cần convert sang GMT+7 khi report."

5. Common Gotchas

"Analyst mới hay mắc lỗi gì nhất khi làm việc với data này?"

Ví dụ: "Hay nhầm bảng orders (OLTP, chứa mọi state) với orders_completed (data mart, chỉ đơn đã xong). Hay quên là created_at trong payments là thời điểm tạo payment request, không phải thời điểm tiền về."

Cấu trúc skill được tạo ra

Claude tạo ra bộ file có cấu trúc chuẩn:

acme-data-analyst/
├── SKILL.md                    # Entry point, navigation
└── references/
    ├── entities.md             # Định nghĩa các thực thể
    ├── metrics.md              # Công thức tính KPI
    ├── tables/
    │   ├── ecommerce.md        # Orders, products, categories
    │   ├── users.md            # Customers, accounts
    │   └── marketing.md        # Campaigns, attribution
    └── gotchas.md              # Các lỗi thường gặp

Ví dụ thực tế: Tài liệu hóa metric cho sàn TMĐT

Đây là ví dụ một đoạn trong file metrics.md sau khi Claude tạo:

## GMV (Gross Merchandise Value)

**Định nghĩa**: Tổng giá trị đơn hàng trước khi trừ phí và hoàn tiền

**Công thức**:
  GMV = SUM(order_total) WHERE status IN ('completed', 'delivering', 'shipped')

**Bảng nguồn**: analytics.orders

**Chú ý**:
- Bao gồm VAT (10%)
- KHÔNG bao gồm phí vận chuyển (trong cột shipping_fee riêng)
- Dùng confirmed_at, không dùng created_at cho time-series

**Phân biệt với Net Revenue**:
  Net Revenue = GMV - returns - platform_fees - payment_fees

Lợi ích dài hạn

Sau khi có data context skill:

• Claude trả lời chính xác hơn ngay lần đầu, không cần giải thích lại
• Người mới trong team có tài liệu tham khảo đáng tin cậy
• Giảm sai sót do hiểu nhầm định nghĩa metric
• Audit trail rõ ràng khi metric definition thay đổi

Bước tiếp theo

Tìm hiểu cách dùng skill đã tạo để khám phá dataset mới hoặc viết SQL queries phức tạp chính xác hơn với context đầy đủ về schema của công ty bạn.

Bài viết liên quan

• Claude cho Data: Viết database queries từ ngôn ngữ tự nhiên
• Claude cho Dữ liệu và Phân tích: Tổng quan Plugin
• Claude cho Data: Data Visualization nâng cao
• Context Compaction — Tự động nén context cho conversations dài
• Claude cho Engineering: Thiết kế kiến trúc hệ thống