Nguyên tắc trực quan hóa dữ liệu (tầng phán đoán)

Làm được gì

Skill này không dạy cách vẽ chart cho đẹp, mà đưa ra tiêu chí phán đoán có nên vẽ như vậy không, chia quy trình thành 5 giai đoạn, mỗi giai đoạn có một checkpoint bàn giao:

1. Xác định ý định — mỗi biểu đồ phải viết được một câu "người đọc sẽ rút ra ___"; viết không ra thì xóa biểu đồ. Chỉ một chỉ số north-star, các chỉ số quá trình bị hạ cấp.
2. Kiểm tra dữ liệu — chọn mean hay median theo mục đích, xử lý "không rõ" trong mẫu số, xử lý kỳ cuối chưa kết thúc (không vẽ / vẽ thành đường riêng / đổi sang thước đo so sánh được), và thống nhất ngày chốt, định nghĩa tuần, nguồn dữ liệu — mỗi thứ chỉ một giá trị cho toàn sản phẩm.
3. Chọn dạng biểu đồ — stacked chỉ dùng cho part-to-whole, cấm trục đôi khác đơn vị đo, ≥6 series thì tách small multiples, quy tắc cho sankey, kỷ luật cắt cột trong bảng.
4. Mã hóa — độ dài/vị trí phải tuyến tính (cấm hằng số cộng thêm), màu chỉ mã hóa nhóm hoặc ngưỡng, màu đỏ dành riêng cho tín hiệu xấu, cùng một thực thể phải cùng màu/cùng thứ tự ở mọi chart, phải có kênh thứ hai ngoài đỏ–xanh, và quy tắc nhân quả "cùng vị trí, cùng nhịp, cùng nguồn" cho animation định lượng.
5. 9 cổng tự kiểm trước khi giao — phải render thật rồi mới trả lời, và mỗi cổng yêu cầu bằng chứng quan sát được: ảnh che hết chữ vẫn đọc được quan hệ, đếm số màu, đo tỉ lệ 3 mark thực tế.

Các tài liệu sâu hơn (chọn chart & thống kê, trực quan hóa nội dung định tính, khoa học tri giác đồ họa của Cleveland & McGill, Tufte...) nằm trong references/.

Phù hợp với ai

• Analyst, PM thường xuyên làm báo cáo tuần/tháng cho cấp trên hoặc tổng công ty
• Dev triển khai chart bằng HTML report, React/Vue dashboard, matplotlib/plotly/ECharts/D3
• Người muốn hiểu vì sao biểu đồ "trông ổn" vẫn bị trả lại nhiều lần

Ví dụ sử dụng

• Trước khi bắt tay: "Làm trang báo cáo lead tuần này" → skill hỏi trước: đối tượng xem là ai, chart tĩnh hay tương tác, chỉ số north-star, câu kết luận cho từng chart.
• Review chart cũ: "4 biểu đồ này có vấn đề gì?" → chỉ ra màu/thứ tự không nhất quán giữa các chart, giá trị 0 vô hình trong stacked bar, trục đôi khác đơn vị, trùng lặp giữa bảng và chart.
• Ngay trước khi giao: đi qua 9 cổng, lưu lại ảnh che chữ, số đo tỉ lệ, số bản ghi "không rõ" trong mẫu số.

Hãy đọc hướng dẫn trong tệp này và làm theo để giúp mình:
https://raw.githubusercontent.com/daymade/claude-code-skills/HEAD/data-visualization-discipline/SKILL.md

Mình muốn: (viết việc bạn cần ở đây)

Hãy cài skill mình tìm thấy trên Claude Skill Mart.
Copy thư mục data-visualization-discipline từ repo GitHub daymade/claude-code-skills vào ~/.claude/skills/data-visualization-discipline/ của mình.
Sau khi cài xong, cho mình biết skill này làm được gì trong một câu.