Để nắm được điểm chính của vấn đề, cách làm chủ yếu là tìm ra các điểm
khác biệt với các yếu tố khác, bằng cách so sánh số liệu với nhau. Chỉ là
không hẳn lúc nào khi so sánh ta cũng thấy được điểm cần thiết đó.
Như ta đã biết, nếu muốn có thông tin thích hợp từ data, trước tiên phải phân
data thành các yếu tố phù hợp (bằng bốn phép tính), rồi so sánh nó trên Tiêu
điểm thích hợp (như từng khách hàng, từng cửa hàng, theo thời gian,...). Có
thể nói bước đầu tiên như Yosuke đã làm, chính là phân data Lượng khách
hay Doanh số tổng thể toàn khu vực thành yếu tố “cửa hàng”.
Tuy nhiên khi chọn sử dụng không chỉ “vì có data của các cửa hàng”, mà
cần phải có lý do vì sao chọn data đó (căn cứ hay giả thuyết). Trường hợp
của Yosuke, anh ấy đã lấy số bình quân của data có trong tay, rồi kết luận
dựa vào số liệu đo (thực tế có nhiều trường hợp giống như vậy).
Nhưng ví dụ như trước khi phân tích data, ta biết nhận định rằng: “Mỗi cửa
hàng đều được quản lý bởi các cửa hàng trưởng, nên khó có chuyện tất cả
đều đồng loạt giảm sút từ nửa năm trước được. Vậy chắc là có cửa hàng nào
đó vì một lý do gì đó mà doanh số đi xuống, gây trở ngại cho tổng thể rồi
đây”, thì việc suy nghĩ và tìm xem data nào cần cho việc đó (ví dụ như data
doanh số thực tế của từng cửa hàng), chuyện gì xảy ra (ví dụ có cửa hàng
nào đó thay đổi khác thường bắt đầu cách đây nửa năm không), sẽ cụ thể
hơn.
Giống như vậy, chuyện so sánh các data với nhau thì đơn giản rồi, nhưng khi
làm đòi hỏi phải có cách suy nghĩ, cách nhìn phù hợp.
Lúc đó, việc nắm bắt chính xác mấu chốt của vấn đề (nguyên nhân) có được
từ data, chính là chìa khóa ảnh hưởng lớn đến chất lượng và hiệu suất của
kết quả phân tích. Chọn lựa tiêu điểm phù hợp để phân tích data là việc
đương nhiên, nhưng qua đó có dễ nắm bắt điểm đặc trưng, mà không bỏ sót
thông tin được giấu ở data gốc hay không, chính là điểm quyết định.
