Đuổi hình bắt chữ và Analytical mindset

... đều bắt đầu từ đoán mò

Từ câu chuyện Happy Hour…

Một ngày thứ năm bất kỳ năm ngoái, một chiều như bao buổi chiều bình thường khác, và công ty mình đang ồn ào nhộn nhịp chơi Happy Hour. Game của chiều nay là Đuổi hình bắt chữ: không được nói chuyện hoặc dùng động tác, phải dùng khả năng vẽ của chính mình và giải thích một từ gì đó cho đồng đội của mình, và mọi người phải đoán được từ đó trong vòng 30 giây hay 1 phút gì đó, mình cũng ko nhớ rõ lắm.

Bạn Designer của team đi lên trong sự hò reo cổ vũ của đồng đội, đầy sự tự tin. Nhìn thấy keyword của bạn quản trò, bạn nhíu mày rất nhanh rồi bắt đầu đặt bút vẽ, có vẻ đã nhìn thấy chiến thắng trong tầm tay. Khoanh ngay 2 cái vòng tròn cạnh nhau phía bên phải khung vẽ, rồi gạch gạch các nét phía bên trong. Các từ được đoán bắt đầu vang lên. “Bánh xe?” - gật gật. Các nét vẽ tiếp tục kết nối 2 bánh xe, và hình hài của một cái xe máy bắt đầu hiện lên. “Xe máy?” - “không phải”. “Mô tô?” - “chưa đúng”. Ánh mắt mọi người bắt đầu hoang mang hơn. Nhíu mày thêm 1 cái nữa, bạn designer vẽ 1 con mắt nhìn ngang ở phía bên trái khung vẽ. Con mắt nhìn ngang thẳng về cái xe, cũng như các con mắt thô lố của đồng đội đang nhìn cái màn vẽ mà chả hiểu đây là cái gì. “Đua xe?” - lắc đầu. “Race?” - lắc đầu. Bạn tiếp tục vẽ thêm vào con mắt, thể hiện là con mắt đang nhìn về cái xe. Và đương nhiên không ai đoán được đây là cái gì sau 30s đó…

… Đến cách tiếp cận vấn đề

Đuổi hình bắt chữ, hoặc các version tương tự của nó (Pictionary, hoặc là các board game liên quan đến việc miêu tả 1 thứ cho người khác đoán) là một trò chơi nghe chừng vô tri đơn giản, nhưng nếu nói khái quát ra, nó cũng thể hiện một câu chuyện về sự khó khăn của việc tiếp cận một vấn đề.

• Cùng một đầu bài, cùng 1 vấn đề, cách tư duy và giải quyết của mọi người sẽ vô cùng khác nhau. Cái này thì đơn giản thôi, chơi xong 1 game, sẽ ngay lập tức có người nhào vô “ủa thế tại sao không vẽ thế này?” hoặc là “uầy vẽ thế này có phải là xong luôn rồi không?”. Cùng 1 topic nhưng mà lại có rất nhiều giải pháp, mà mọi người đều có thể cảm thấy có lý về cái approach của mình. Sự khác biệt này lại đi theo mỗi con người, vì mỗi người sẽ có cuộc sống, có trải nghiệm và kinh nghiệm riêng, dẫn đến cách mọi người nắm bắt vấn đề cũng khác nhau. Cùng 1 keyword sẽ mang đến nhiều liên tưởng khác nhau, và những liên tưởng đó thì đương nhiên là không ai giống ai rồi.

• First Impression Bias: mọi người sẽ để ý rất nhiều vào cái ấn tượng đầu tiên. Khái niệm First Impression bias giải thích một hiện tượng, là con người sẽ tập trung và đặt chú ý đến dữ kiện đầu tiên bạn nhận được. Quick ref. Với các game đoán hình đoán chữ này, các dữ kiện sẽ đến one-by-one, thế nên mọi người khi đã có dự đoán đầu tiên về đáp án thì sẽ rất dễ đi sâu hơn về hướng đó. Đối với những vấn đề phức tạp cần nhìn từ nhiều khía cạnh, tập trung vào 1 hướng để tìm giải pháp đôi khi sẽ là tối kiến và dẫn bạn đi vào ngõ cụt. Nhìn lại cái game ở trên, chắc mọi người vẫn đang suy nghĩ xem nó là cái quái gì, tại sao lại có cái xe ở đây, suy nghĩ thêm càng nhiều thứ về cái xe xem nó là cái xe quái gì.

Nếu mọi người vẫn còn tò mò đáp án của cái hình ở trên là gì, thì keyword là “vision” mọi người ạ. Hợp lý không tưởng. Bạn ở trong câu chuyện trên hình như đi làm trên con xe Honda Vision thì phải…

• Curse of Knowledge: Khi bạn có nắm rõ về 1 điều gì đó, bạn sẽ quên mất là người bạn đang nói chuyện cùng không có cùng kiến thức giống như bạn, dẫn đến sự thiếu kết nối trong giao tiếp. Bạn hàng ngày tổ lái trên con xe Vision thì chữ vision đầu tiên bạn sẽ nghĩ đến sẽ là cái xe máy; nhưng những người ko để ý nhiều sẽ ko nghĩ ngay đến. Rồi kiểu như lần bạn mình xem Dota cùng với mình thì không hiểu là mình đang nói con hổ là con tướng nào, mặc dù nếu ai có biết thì sẽ hiểu ngay là Mirana. Đó là vấn đề xảy ra khi một người quá thân thuộc với 1 vấn đề nào đó, sẽ khó để kết nối với người ko “cùng tần số”.

Cái này thì liên quan gì đến Data?

Cái này thì nó lại bắt nguồn từ việc mình đi dạo qua phố phường, dạo qua thị trường, và thấy trên Facebook, trên Threads các thứ siêu siêu siêu nhiều người quan tâm về ngành học Data cũng như Data Analytics, kèm theo rất nhiều thầy, nhiều trung tâm, nhiều chuyên gia tổ chức những lớp học về những kiến thức cho ngành Data này. Tips & Tricks về SQL, cách viết câu lệnh, học Python học Spark học Airflow các thứ. Cũng có rất nhiều người quan tâm và muốn phát triển thêm về mảng này, hoặc là nhảy sang ngành này đi theo xu thế của Data.

Bản thân mình cũng có chút duyên với data, nên mình cũng suy nghĩ nhiều về vấn đề này. Data Systems, Query Language hay là Code, là những công cụ và kiến thức vô cùng hữu dụng và mình sẽ rất ủng hộ mọi người học tập thêm. Hiểu về các nguồn dữ liệu cũng như biết cách xoay xoả với đống data khổng lồ là những kỹ năng mà các bạn đam mê về Data đều nên biết.

Sâu xa hơn, với mình “Data Analytics” thì 80-90% lại nằm ở phần Analytics, và cách để bạn có thể thành công với DA thì bạn phải thật sự có một analytical mindset. Analytical mindset, không phải là data-driven mindset. Data chỉ là những số đo, là những con số không mang ý nghĩa gì. Analytical mindset nó thổi hồn vào những con số đó, và giúp những con số đó mang lại ý nghĩa, mang lại giá trị.

Xây dựng Analytical Mindset

• Domain Knowledge: kiến thức, và đặc biệt là kiến thức chuyên môn về lĩnh vực mình đang đào sâu phân tích. Bạn càng có nhiều kiến thức kinh nghiệm và trải nghiệm về cái domain mình đang phân tích càng tốt. Kinh nghiệm từ việc trải nghiệm vận hành thực tế, kinh nghiệm từ học hành sách vở nghiên cứu, từng chút một đều có giá trị. Đó là sự khác biệt giữa 1 người làm việc trong ngành 10 năm đọc 1 cái báo cáo, với 1 fresher mới ra trường đọc 1 cái báo cáo, đó là khả năng nhận biết pattern, khả năng đánh giá và phát hiện ra các anomalies, khả năng drilldown để đi sâu vào những đầu mục, những segment cần chú ý hơn. (Side note: đây là cũng là 1 trong những lý do mà mình không quá thích sử dụng role data analyst nói chung; mình thích analyst nhưng được chia theo domain hơn, như supply chain, marketing, products, people analytics etc.)

• Bias Management: Khả năng nhận biết được những bias trong nhận định của mình. Đó là khả năng nhìn được thấy những thiết sót hoặc là những context ẩn giấu trong những dữ liệu mà bạn có, ngẫm ra được những thứ không obvious . Một câu chuyện khá nổi tiếng là câu chuyện phân tích lỗ đạn trên vỏ máy bay luôn được nhắc đến trong survivorship bias. Bóc tách được ngữ cảnh, gạt bỏ được những bias, kể cả những bias của chính bản thân mình để có thể đưa ra những phân tích sắc bén và chính xác.

• Empathy: Empathy, cũng như là khả năng đồng cảm với người khác, và đồng cảm với họ. Có thể là đồng cảm với người ra đề bài, đồng cảm với users. Nghe thì cảm thấy có thể hơi đi ngược với tư duy data-driven: data không nói dối, data sẽ chỉ ra những quyết định chính xác nhất. Mình thì không nghĩ điều này là đúng. Tư duy, hiểu biết, phân tích và nhận định là những thứ vô cùng là human. Con người đặt ra câu hỏi, và con người cũng đi tìm câu trả lời, và câu trả lời cũng luôn nhắm đến để giao tiếp và làm việc với những con người khác tốt hơn. Cùng một câu hỏi mà bạn có thể nắm bắt và hiểu vấn đề từ phương diện của nhiều người khác nhau, đó là khi tư duy nó chặt chẽ và vững chắc hơn rất nhiều

Kết

Câu chuyện Honda Vision thì có lẽ xảy ra hơn 1 năm rồi nhưng mà nó vẫn “ám ảnh” mình đến ngày hôm nay, cũng chưa rõ là vì lý do gì. Mình không còn nhớ những keyword khác trong trò chơi ngày hôm đó nữa. Ngẫm nghĩ lại, có lẽ là ký ức có thể trôi qua nhưng bài học thì vẫn đọng lại, lâu thật là lâu.