Góc học tập
Storytelling dành cho Data Analyst - Phần 3
Storytelling dành cho Data Analyst - Phần 3
Cấu trúc thuyết trình theo nguyên tắc số 3 (tt)
Bên cạnh 3 cấu trúc theo nguyên tắc số 3 tại phần 2, tôi sẽ tiếp tục trình bày hết các cấu trúc còn lại.
4. Cấu trúc ESB: Expectation - Solution - Benefit
Đây là cấu trúc được tác giả tạo ra dựa trên cấu trúc PSB với mục tiêu tập trung vào việc đáp ứng các kỳ vọng của khách hàng.
-
Expectation - Mong đợi: Việc bắt đầu bài thuyết trình bằng cách đề cập đến những mong đợi của khách hàng sẽ tạo được tính kết nối cao với họ. Khách hàng cảm nhận được bạn đang hiểu rõ những gì họ muốn. Từ đó họ sẽ muốn lắng nghe giải pháp của bạn hơn.
-
Solution – Giải pháp: Đưa ra giải pháp cụ thể, có phân tích ưu khuyết điểm, có dữ kiện và bằng chứng hỗ trợ.
-
Benefit - Lợi ích: Chia sẻ những lợi ích mà giải pháp mang lại cho khán giả.
Có thể xem ví dụ về cấu trúc ESB trong bài phát biểu của Joe Moore, công ty First Defense Nasal Screen, một trong những thương vụ thành công nhất lịch sử “Shark Tank Mỹ” tại link sau:https://www.youtube.com/watch?v=VGkYVitsDOM
5. Cấu trúc PPF: Past - Present - Future
Một cấu trúc được chia sẻ bởi Matt Abrahams, chuyên gia giao tiếp và tâm lý học, giảng viên trường đại học Standford. Chúng giúp bạn dẫn dắt người nghe qua từng bước của quá trình, từ đó hình dung chuyện gì đang diễn ra. Có thể được dùng khi mô tả về quá trình hình thành và phát triển của công ty, hoặc quá trình hoạt động của nhãn hàng,... ví dụ:
-
Past - Quá khứ: Công ty chúng ta đã thành lập như thế nào?
-
Present - Hiện tại: Hiện nay công ty đang ở đâu, như thế nào?
Điều chúng ta tập trung hiện nay là gì?
Thứ chúng ta cung cấp cho khách hàng là gì?
Điều chúng ta đang quảng bá là gì?
-
Future - Tương lai: Định hướng sắp tới của công ty là gì?
Công ty chúng ta sẽ ở đâu trong tương lai?
6. Cấu trúc Pros - Cons - Recommendation
Dựa trên các cấu trúc tương phản của Matt Abrahams, tác giả thêm vào “Recommendation” để tạo thành công thức theo nguyên tắc số 3. Vì lời kiến nghị hành động, (Recommendation) là phần thiết yếu cho các nội dung thuyết trình thuyết phục. Cấu trúc trình bày này cho phép người nghe thấy được hai mặt của một vấn đề, từ đó có cái nhìn toàn cảnh và ra quyết định khách quan hơn.
-
Pros: Những điểm thuận lợi.
-
Cons: Những điểm bất lợi.
-
Recommendation: Lời đề nghị sau khi đã phân tích Pros and Cons.
7. Cấu trúc Bad - Worse - Worst
Cấu trúc này được sử dụng khi người trình bày muốn cung cấp thông tin theo hướng xấu, chúng mang lại hiệu quả cảm xúc cao, giúp khán giả nhìn thấy rõ nguy cơ và những điểm thách thức tồi tệ đang phải đối mặt. Từ đó thôi thúc người nghe hành động nhanh chóng hơn. Cấu trúc này cũng có thể sử dụng kết hợp với cấu trúc PSB (tại phần 2), chúng có dạng:
-
Problem - Vấn đề:
Bad - Tệ: Vấn đề chúng ta đang đối mặt là?
Worse - Tệ hơn: Vấn đề tệ hơn nữa là?
Worst - Tệ nhất: Và vấn đề tệ nhất đó chính là?
-
Solution - Giải pháp
-
Benefit - Lợi ích
8. Cấu trúc Good - Better - Best
Cấu trúc này tương tự như cấu trúc Bad - Worse - Worst nhưng mang ý nghĩa tốt đẹp, tích cực hơn với mục tiêu thúc đẩy cảm xúc và hành động. Cấu trúc này sử dụng trong những bài thuyết trình tạo động lực, truyền cảm hứng hay thuyết phục sự thay đổi.
9. Cấu trúc Now - Next - Then
Cấu trúc này cũng rất phổ biến khi trình bày thuyết trình trong doanh nghiệp. Người trình bày có thể sử dụng cấu trúc này để cập nhật và báo cáo tình hình hiện tại, những điều cần làm tiếp theo và những hành động cần tập trung trong thời gian tiếp theo.
Sử dụng cấu trúc này giúp người nghe hiểu rõ thông tin theo thứ tự có trước có sau, từ đó mục tiêu thuyết phục sẽ cao hơn.
Vậy là chúng ta đã đi qua 9 cấu trúc thuyết trình theo nguyên tắc số 3. Hy vọng bạn đã bỏ túi được vài cấu trúc để trình bày bài nói cách mạch lạc và thuyết phục hơn. Nội dung cuốn sách “Nghệ thuật thuyết trình bằng câu chuyện” của tác giả Bùi Thị Ngọc Thu vẫn còn những điều thú vị, hãy chờ đón phần tiếp theo nhen!
Phạm Hồng Trà
Sự thật về thế giới - Tại sao bạn và những nhà ‘Data Analyst’ tương lai nên đọc?
Sự thật về thế giới - Tại sao bạn và những nhà ‘Data Analyst’ tương lai nên đọc?
“Một trong những cuốn sách quan trọng nhất tôi từng đọc - những lời hướng dẫn không thể thiếu để tư duy sáng suốt về cõi nhân gian”
_Bill Gate
Đã bao giờ bạn cảm thấy thế giới này thật tồi tệ? Tội ác xảy ra ở mọi nơi, trẻ em không được đi học, khủng bố, thiên tai, bệnh dịch,... tràn lan trên các phương tiện truyền thông. Và bạn thầm nghĩ: “Có vẻ như thế giới đang đi xuống”. Sự thật về thế giới - cuốn sách do Hans Rosling, Ola Rosling và Rönnlund đồng sáng tác sẽ khiến bạn có một góc nhìn đúng đắn hơn về nó.
Bắt đầu bằng mẩu chuyện thú vị về xiếc - sở thích cá nhân của tác giả Hans, ông đánh động người đọc bởi những định kiến sai lầm về thế giới thông qua 10 câu hỏi trắc nghiệm; mà kết quả cho thấy với 12.000 người tại 14 quốc gia, số câu trả lời đúng trung bình là 2/12 câu đầu.
Tại sao lại như vậy? Với lối hành văn dí dỏm cùng những trải nghiệm cá nhân thú vị, tác giả lần lượt giới thiệu mười lý do - mười bản năng ‘khiến ta hiểu sai về thế giới và vì sao thế gian này tốt hơn ta tưởng’.
Mỗi bản năng đều được giải thích cùng dẫn chứng thuyết phục bằng những số liệu và biểu đồ trực quan. Rõ ràng, việc nhận biết và kiểm soát những bản năng này là cần thiết với tất cả mọi người, nhưng riêng với những Nhà Phân tích dữ liệu, tôi cho rằng nó quan trọng hơn cả.
Là những người có nhiệm vụ phân tích, việc bị mười bản năng này chi phối sẽ khiến họ dễ đưa ra những đánh giá sai và luận vội vàng. Thông qua những chia sẻ của Hans, những Nhà Data Analyst sẽ học được cách tỉnh táo hơn trước những biểu đồ thoạt nhìn đơn giản nhưng lại đầy đánh đố - từ đó xây dựng tư duy phân tích thuyết phục hơn, tham khảo cách trực quan hóa dữ liệu cũng như cách phân tích và trình bày ‘insight’ hấp dẫn người nghe.
Sự thật về thế giới là một cuốn sách rất đáng đọc bởi tính thực tiễn cũng như cái nhìn sâu sắc, trực quan nhưng rất ngắn gọn, súc tích về con người, kinh tế, môi trường,... Điều đặc biệt về cuốn sách là phần cuối cùng - khi tác giả gợi ý cho độc giả cách áp dụng những bản năng này vào đời sống thực tế để thu nạp thông tin cách sáng suốt hơn. Với dẫn chứng và số liệu rõ ràng, Hans đã buộc chúng ta phải thừa nhận những cố gắng mà chúng ta đã thực hiện đã và đang mang lại kết quả là một thế giới tốt đẹp hơn, nhưng đồng thời cũng nhắc nhở chúng ta cần thẳng thắn nhìn nhận những thực trạng xấu xí đang cần được giải quyết…
Ảnh sưu tầm
-Phạm Hồng Trà-
Sự khác nhau giữa con người và AI khi trả lời cùng một câu hỏi
Sự khác nhau giữa con người và AI khi trả lời cùng một câu hỏi thể hiện ở nhiều khía cạnh: nguồn tri thức, cách tư duy, khả năng sáng tạo, cảm xúc và ngữ cảnh xã hội. Dưới đây là một so sánh chi tiết:
1. Nguồn kiến thức
-
Con người: Dựa vào trải nghiệm sống, giáo dục, văn hóa và cảm xúc. Hiểu biết thường có chiều sâu cá nhân, nhưng có thể sai hoặc giới hạn.
-
AI: Dựa vào lượng lớn dữ liệu được huấn luyện (sách, tài liệu, trang web…). Kiến thức có thể bao quát hơn nhưng không có trải nghiệm cá nhân.
→ AI có thể trả lời nhanh, chính xác theo dữ liệu, còn con người thường trả lời theo bối cảnh và kinh nghiệm.
2. Tư duy và lý luận
-
Con người: Suy nghĩ linh hoạt, dùng trực giác, suy luận trừu tượng, và đặt câu hỏi ngược lại.
-
AI: Mô phỏng tư duy logic qua thuật toán, nhưng không có “ý thức” hay khả năng phản tư thật sự.
→ AI giỏi tổng hợp và giải thích, nhưng con người giỏi phán đoán trong tình huống mới, chưa từng gặp.
3. Sáng tạo
-
Con người: Có khả năng sáng tạo thực sự, từ cảm hứng, cảm xúc, nghệ thuật.
-
AI: Có thể tạo nội dung mới từ dữ liệu cũ (sáng tạo dựa trên mẫu), nhưng thiếu ý tưởng nguyên bản và cảm xúc nội tại.
→ AI có thể “giả vờ sáng tạo”, nhưng con người có thể tạo ra điều chưa từng có.
4. Cảm xúc và đạo đức
-
Con người: Có cảm xúc, giá trị đạo đức, có thể đồng cảm, biết đúng/sai trong ngữ cảnh cụ thể.
-
AI: Không có cảm xúc, chỉ phản ánh đạo đức nếu được lập trình hoặc huấn luyện để mô phỏng.
→ Con người phản ứng đạo đức linh hoạt hơn, AI thì phụ thuộc vào lập trình và dữ liệu.
5. Hiểu biết về ngữ cảnh xã hội
-
Con người: Nắm bắt ngụ ý, ẩn dụ, lịch sử, văn hóa, và biết khi nào không nên trả lời.
-
AI: Dù ngày càng giỏi hiểu ngữ cảnh, vẫn có thể hiểu sai hoặc trả lời không phù hợp trong những tình huống nhạy cảm.
Ví dụ minh họa:
Câu hỏi: “Hạnh phúc là gì?”
-
Con người: “Với tôi, hạnh phúc là khi thấy con mình cười, dù cuộc sống còn nhiều khó khăn.”
-
AI: “Hạnh phúc là trạng thái tâm lý tích cực, thường được mô tả là cảm giác hài lòng, mãn nguyện hoặc yêu đời.”
Kết luận
Con người trả lời cảm xúc, cá nhân; AI trả lời khái quát, trung lập.
Các hệ Cơ sở dữ liệu tương lai
CÁC HỆ CSDL TƯƠNG LAI
1. CSDL thời gian thực và phản ứng nhanh (Real-time & Streaming DBMS)
- Hỗ trợ xử lý dữ liệu dòng (streaming) với độ trễ cực thấp.
- Ứng dụng trong các hệ thống IoT, tài chính, an ninh, game, xe tự hành...
2. CSDL tích hợp trí tuệ nhân tạo (AI-integrated DBMS)
- Tự động tối ưu hóa truy vấn, chỉ mục, lưu trữ.
- Hỗ trợ phân tích dữ liệu phức tạp bằng mô hình học máy/AI ngay trong hệ quản trị.
3. CSDL lượng tử (Quantum DBMS) [đang nghiên cứu]
- Khai thác tính toán lượng tử để tăng tốc độ xử lý truy vấn cực lớn và mô phỏng dữ liệu phức tạp.
4. CSDL tự vận hành (Autonomous DBMS)
- Tự cấu hình, tự vá lỗi, tự tối ưu mà không cần quản trị viên con người.
- Ví dụ: Oracle Autonomous Database.
5. CSDL sinh học và dữ liệu phi truyền thống
- Hỗ trợ lưu trữ dữ liệu sinh học (DNA storage), ảnh, video, dữ liệu cảm biến...
- CSDL cho khoa học đời sống, y học chính xác, thần kinh...
6. CSDL trong đám mây và biên mạng (Cloud-native & Edge DBMS)
- Thiết kế riêng cho môi trường cloud và edge (gần người dùng).
- Hỗ trợ tự động mở rộng, chịu lỗi, tiết kiệm tài nguyên.
