Từ bảng lộn xộn ra bảng sạch dùng được

Vì sao quan trọng

Bài trước cô Hạnh dán một bảng gọn gàng. Nhưng sổ tay thật của cô không gọn như vậy: có hôm cô ghi "Hà Nội", có hôm ghi tắt "HN", có hôm con cô phụ ghi sổ lại gõ "ha noi" không dấu. Ngày tháng cũng vậy — lúc thì 05/06/2026, lúc thì 2026-06-05, lúc thì 5/6/26. Tệ hơn: một đơn hàng bận quá ghi sổ hai lần, mỗi lần một kiểu ngày, nhìn qua tưởng là hai đơn khác nhau.

Đây không phải lỗi hiếm. Bảng dữ liệu thật của ai cũng vậy — nhiều người ghi, nhiều đợt, nhiều thói quen. Cộng thẳng một bảng như vậy thì số vùng "yếu" có khi chỉ là vùng bị viết tên tách ra làm ba, và tổng tiền bị đôn lên vì một đơn tính hai lần.

Thử ngay — dọn một bảng lộn xộn

Đây là sổ đơn hàng tuần sau của cùng tiệm mỹ phẩm, dữ liệu bịa ra để tập luyện. Người ghi sổ viết cột Vùng và Ngày không thống nhất mỗi dòng một kiểu. Hãy: (1) chuẩn hóa cột Vùng chỉ còn đúng một trong ba tên "Hà Nội", "Đà Nẵng", "Cần Thơ"; (2) chuẩn hóa cột Ngày về đúng một dạng dd/mm/yyyy; (3) tìm và loại bỏ dòng bị trùng (cùng ngày, cùng khách, cùng sản phẩm, cùng số lượng); (4) trả về bảng đã sạch, giữ nguyên các cột, và nói rõ đã bỏ bao nhiêu dòng trùng.

Ngày,Khách,Vùng,Sản phẩm,Số lượng,Đơn giá (nghìn đồng)
03/06/2026,Chị Hoa,Hà Nội,Son,2,150
2026-06-04,Anh Tùng,HN,Kem dưỡng,1,320
5/6/26,Chị Mai,Đà Nẵng,Mặt nạ,4,45
06-06-2026,Chị Lan,da nang,Sữa rửa mặt,3,90
07/06/2026,Chị Hương,Cần Thơ,Kem dưỡng,2,320
2026-06-07,Chị Hương,Cần Thơ,Kem dưỡng,2,320
08/06/2026,Anh Phúc,ha noi,Son,1,150
9/6/26,Chị Yến,Đà Nẵng,Mặt nạ,6,45
10-06-2026,Anh Đức,DN,Son,3,150
11/06/2026,Chị Hoa,Hà nội,Sữa rửa mặt,1,90
2026-06-12,Chị Mai,can tho,Kem dưỡng,1,320
13/06/2026,Chị Bích,Cần Thơ,Son,2,150

Xem một kết quả mẫu

Kết quả của bạn khác là bình thường. Hãy so 3 điểm dưới đây, không so từng chữ.

Chạy thật ngày 26/9/2026 trên ChatGPT và Gemini bản miễn phí, trình duyệt điện thoại, không đăng nhập.

ChatGPT trả lời:

Đã chuẩn hóa các biến thể vùng (HN, ha noi, Hà nội → Hà Nội; da nang, DN → Đà Nẵng; can tho → Cần Thơ) và đưa toàn bộ ngày về dạng dd/mm/yyyy.

Dòng trùng là ngày 07/06/2026, khách Chị Hương, vùng Cần Thơ, sản phẩm Kem dưỡng, số lượng 2. Có 1 dòng trùng được loại bỏ.

[bảng 11 dòng]

Đã bỏ: 1 dòng trùng.

Gemini trả lời gần giống hệt, còn nói rõ số dòng gốc bị trùng: "Số dòng trùng đã loại bỏ: 1 dòng (Dòng thứ 5 trong bản gốc của Chị Hương vào ngày 07/06/2026 bị trùng hoàn toàn về ngày, khách, sản phẩm và số lượng với dòng thứ 4)." Để ý: Gemini đánh số dòng lệch một (có vẻ đếm từ 0) — đếm đúng theo bảng gốc (dòng đầu là dòng 1) thì hai dòng của Chị Hương trùng nhau là dòng 5 và dòng 6, không phải dòng 4. Vị trí dòng AI nêu cũng phải tự kiểm, không chỉ tin số nó nói.

Tự đếm lại bằng Python trên đúng 12 dòng gốc: sau khi chuẩn hóa và loại trùng, còn đúng 11 dòng — khớp cả hai câu trả lời. Lần này cả hai công cụ đều dọn đúng; không phải lúc nào cũng vậy, nên bước tự đếm lại số dòng vẫn là bước không được bỏ qua.

So 3 điểm:

1. Mọi cách viết khác của mỗi vùng (HN, ha noi, Hà nội, da nang, DN, can tho) đều gộp về đúng một tên (Hà Nội / Đà Nẵng / Cần Thơ).
2. Mọi ngày về cùng một dạng dd/mm/yyyy, không còn kiểu 2026-06-04 hay 5/6/26.
3. Đúng 1 dòng trùng bị phát hiện và loại bỏ — dòng của Chị Hương ngày 07/06/2026, bị ghi hai lần dưới hai định dạng ngày khác nhau.

Vì sao phải ghi rõ chính sách ngay trong câu lệnh

Câu lệnh ở trên không chỉ nói "dọn cho sạch" — nó nói rõ chuẩn hóa Vùng còn đúng 3 tên nào, ngày về đúng dạng nào, và trùng nghĩa là gì (cùng ngày, cùng khách, cùng sản phẩm, cùng số lượng). Đây gọi là chính sách làm sạch: một danh sách bước xử lý được ghi rõ, để AI làm giống nhau mỗi lần, và để số bạn ra so được với số của người khác làm cùng bảng đó.

Không ghi rõ thì mỗi lần chạy có thể mỗi kiểu: lần này gộp "HN" vào Hà Nội, lần khác lại để riêng vì "không chắc HN là viết tắt của gì". Số lệch nhau không phải vì AI "tính sai" — mà vì chính sách khác nhau. Kiểm chính sách trước, rồi mới kết luận AI đúng hay sai.

Kết quả khác dự kiến?

Câu kiểm tra

Làm trên việc thật của bạn

Chọn một danh sách của bạn có khả năng bị viết khác kiểu nhau: tên khách hàng, tên sản phẩm, tên nhân viên giao hàng. Nếu cột cần dọn là tên người (khách, nhân viên), thay bằng mã [Khách A], [NV1] trước khi dán — AI không cần tên thật để chuẩn hóa cách viết. Ưu tiên tập với cột tên sản phẩm hoặc tên vùng nếu có thể. Chép khung dưới, điền chính sách làm sạch của riêng bạn:

Đây là [tên bảng] của tôi, dữ liệu thật/dữ liệu bịa để tập luyện. Cột [tên cột] đang viết không thống nhất. Hãy: (1) chuẩn hóa cột [tên cột] chỉ còn đúng các tên sau: [liệt kê từng tên đúng]; (2) chuẩn hóa cột Ngày (nếu có) về dạng dd/mm/yyyy; (3) tìm và loại dòng trùng theo [nêu rõ trùng nghĩa là cùng những cột nào]; (4) trả bảng đã sạch và nói rõ đã bỏ bao nhiêu dòng.

[dán bảng dạng CSV — dòng đầu là tên cột]

Tự chấm

Tóm lại

• Bảng lộn xộn: cùng một nơi viết nhiều kiểu, ngày viết nhiều dạng, đơn trùng núp dưới cách viết khác nhau.
• Ghi rõ chính sách làm sạch ngay trong câu lệnh — đừng chỉ nói "dọn cho sạch".
• Đếm lại số dòng trước/sau để biết AI dọn đúng, dọn sót, hay dọn nhầm.