Ứng dụng trong phân tích Excel
Copilot hỗ trợ gì?
Copilot có thể:
- Phân tích bảng dữ liệu lớn
- Tạo công thức Excel
- Tạo PivotTable
- Tạo chart tự động
- Tìm xu hướng dữ liệu
- Phát hiện anomalies
- Tóm tắt insight
- Tạo KPI dashboard
- Giải thích logic tính toán
3. Chủ đề 1 — Làm sạch & chuẩn hóa dữ liệu bảo hiểm
3.1 Các vấn đề dữ liệu phổ biến
| Vấn đề | Ví dụ |
| Thiếu dữ liệu | Thiếu số tiền yêu cầu bồi thường |
| Sai format ngày | 01/05/25 so với May-01-2025 |
| Bản ghi trùng lặp | Trùng số hợp đồng |
| Sai mã sản phẩm | MET01 so với Met-01 |
| Khoảng trắng dư | ” Đã được phê duyệt “ |
| Không đồng nhất trạng thái | Đã thanh toán / thanh toán / THANH TOÁN ĐÃ THỰC HIỆN |
3.2 Quy trình làm sạch dữ liệu
Bước 1 — Kiểm tra dữ liệu lỗi
Prompt mẫu:
| 1 Xác định các giá trị bị thiếu, các định dạng trùng lặp và không nhất quán trong tập dữ liệu xác nhận quyền sở hữu này. |
Bước 2 — Chuẩn hóa dữ liệu
Prompt mẫu:
| 1 Chuẩn hóa tất cả các cột ngày thành định dạng DD/MM/YYYY và chuẩn hóa các giá trị trạng thái yêu cầu. |
Bước 3 — Loại bỏ dữ liệu không hợp lệ
Prompt mẫu:
| 1 Tìm hồ sơ có số tiền yêu cầu bồi thường âm hoặc ID khách hàng không hợp lệ. |
Bước 4 — Tạo bảng dữ liệu sạch
Prompt mẫu:
| 1 Tạo phiên bản làm sạch của bảng này với cách đặt tên cột được chuẩn hóa và dữ liệu đã được xác thực. |
3.3 Các phương pháp hay nhất
CỦA
- Kiểm tra dữ liệu nguồn
- Giữ version trước khi clean
- Validate sau mỗi bước
- Xem xét các điểm bất thường
KHÔNG NÊN
- Ghi đè dữ liệu thô
- Xóa dữ liệu không kiểm tra
- Tin hoàn toàn vào AI suggestion
4. Chủ đề 2 — Tạo KPI & Claims Ratio tự động
4.1 KPI phổ biến trong bảo hiểm
| Chỉ số KPI | Ý nghĩa |
| Tỷ lệ yêu cầu bồi thường | Tỷ lệ bồi thường |
| Thời gian quay vòng | Thời gian xử lý |
| Tỷ lệ chấp thuận | Tỷ lệ phê duyệt |
| Yêu cầu bồi thường đang chờ xử lý | Hồ sơ tồn |
| Tuân thủ SLA | Đúng SLA |
| Tần suất yêu cầu bồi thường | Tần suất bồi thường |
4.2 Claims Ratio là gì?
Công thức
| 1 Tỷ lệ yêu cầu bồi thường = Tổng số yêu cầu bồi thường đã thanh toán / Tổng phí bảo hiểm thu được |
4.3 Prompt tạo công thức KPI
| 1 Tạo công thức Excel để tính toán: 2 – Tỷ lệ yêu cầu bồi thường 3 – Thời gian xử lý yêu cầu bồi thường trung bình 4 – Tỷ lệ vi phạm SLA 5 – Tổng số yêu cầu được chấp thuận |
4.4 Prompt tạo bảng điều khiển
| 1 Tạo bảng điều khiển quản lý hiển thị: 2 – Xu hướng yêu cầu bồi thường hàng tháng 3 – Tỷ lệ yêu cầu bồi thường theo khu vực 4 – Danh mục yêu cầu bồi thường bị trì hoãn hàng đầu 5 – Hiệu suất SLA |
4.5 Ví dụ insight
Copilot có thể phát hiện:
- Miền Bắc có tỷ lệ claim cao hơn 18%
- Nhóm sản phẩm Health có SLA breach cao nhất
- Processing delay tăng mạnh cuối tháng
5. Chủ đề 3 — Phát hiện anomalies trong dữ liệu
5.1 Phát hiện bất thường đã có?
Là phát hiện:
- Giá trị bất thường
- Giao dịch khác biệt
- Xu hướng không bình thường
- Dấu hiệu rủi ro hoặc sai sót
5.2 Ví dụ anomalies trong bảo hiểm
| Tình huống | Dấu hiệu |
| Claim quá cao | Cao hơn trung bình 500% |
| Tăng đột biến claim | Tăng mạnh cuối quý |
| Thanh toán trước khi phê duyệt | Quy trình làm việc của Sai |
| Thanh toán trùng lặp | Trùng chi trả |
| SLA delay bất thường | Quá hạn nhiều ngày |
5.3 Prompt phát hiện bất thường
| 1 Xác định các mô hình thanh toán yêu cầu bồi thường bất thường và làm nổi bật các hồ sơ khác biệt đáng kể so với mức trung bình hàng tháng. |
5.4 Prompt phân tích nguyên nhân
| 1 Phân tích nguyên nhân gốc rễ có thể dẫn đến việc xử lý yêu cầu bồi thường bị trì hoãn dựa trên ngày xử lý, giai đoạn phê duyệt và danh mục yêu cầu bồi thường. |
5.5 Human validation bắt buộc
AI phát hiện anomaly ≠ Fraud
Phải review:
- Bối cảnh kinh doanh
- Yêu cầu bồi thường theo mùa
- Thay đổi quy định
- Thời gian ngừng hoạt động của hệ thống
- Tồn đọng hoạt động
6. Chủ đề 4 — Chain of Thought cho bài toán tài chính
6.1 Chain of Thought là gì?
Kỹ thuật yêu cầu AI:
- Suy luận từng bước
- Giải thích logic
- Chia nhỏ bài toán phức tạp
6.2 Khi nào nên dùng?
- Phân tích claims trend
- Phân tích nguyên nhân gốc rễ
- Logic tài chính
- Điều tra SLA
- Giải thích KPI
6.3 Prompt thông thường
| 1 Tại sao tỷ lệ yêu cầu bồi thường tăng vào tháng Ba? |
6.4 Chuỗi suy nghĩ nhanh chóng
| 1 Phân tích từng bước lý do tại sao tỷ lệ yêu cầu bồi thường tăng trong tháng Ba. 2 3 Hãy xem xét: 4 1. Thay đổi tổng số yêu cầu bồi thường đã thanh toán 5 2. Thay đổi phí bảo hiểm đã thu 6 3. Danh mục sản phẩm 7 4. Tác động khu vực 8 5. Sự chậm trễ trong hoạt động 9 6. Yếu tố theo mùa 10 11 Đưa ra lý do trước khi kết luận. |
6.5 Lợi ích
- Insight rõ ràng hơn
- Logic minh bạch hơn
- Giảm hallucination
- Tăng chất lượng phân tích
7. Quy trình chuẩn khi dùng Copilot in Excel
Bước 1 — Kiểm tra dữ liệu đầu vào
☐ Xem xét dữ liệu nhạy cảm
☐ Giá trị bị thiếu
☐ Bản ghi trùng lặp
☐ Định dạng sai
☐ Tính toán không hợp lệ
Bước 2 — Clean & Transform
☐ Chuẩn hóa cột
☐ Chuẩn hóa giá trị
☐ Xóa hồ sơ không hợp lệ
☐ Xác thực chất lượng dữ liệu
Bước 3 – Phân tích
☐ Tính toán KPI
☐ Xu hướng yêu cầu bồi thường
☐ Hiệu suất SLA
☐ Phân tích nguyên nhân gốc rễ
☐ Phát hiện bất thường
Bước 4 — Validate
☐ Đánh giá của con người
☐ Xác thực kinh doanh
☐ Xác thực tuân thủ
☐ Kiểm tra chéo tài chính
8. Workshop thực hành
Bài tập 1 — Làm sạch dữ liệu Claims
Yêu cầu
Dùng Copilot để:
- Tìm xác nhận quyền sở hữu trùng lặp
- Chuẩn hóa format ngày
- Chuẩn hóa status
- Tìm record thiếu dữ liệu
Dataset ví dụ
| Mã xác nhận quyền sở hữu | Trạng thái | Số tiền | Ngày |
| CL001 | Đã được phê duyệt | 20,000,000 | 01/02/25 |
| CL001 | Được phê duyệt | 20,000,000 | Tháng Hai-01-2025 |
| CL002 | Đang chờ xử lý | NULL | 3/5/25 |
| CL003 | THANH TOÁN XONG | 15,000,000 | 2025/01/05 |
Bài tập 2 — Tạo KPI tự động
Yêu cầu
Tạo công thức tự động cho:
- Tỷ lệ yêu cầu bồi thường
- Tỷ lệ chấp thuận
- TAT trung bình
- Yêu cầu đang chờ xử lý%
Prompt mẫu
| 1 Tạo công thức để tính KPI bảo hiểm hoạt động dựa trên bộ dữ liệu này. |
Bài tập 3 — Phát hiện anomalies
Yêu cầu
Tìm:
- Claim amount bất thường
- Hồ sơ xử lý quá SLA
- Thanh toán trùng lặp
- Phê duyệt sau thanh toán
Prompt mẫu
| 1 Xác định các điểm bất thường và nêu bật các rủi ro hoạt động hoặc tài chính tiềm ẩn trong bộ dữ liệu yêu cầu bồi thường này. |
9. Bài tập chính cuối buổi
Kịch bản
Operations Team nhận thấy:
- SLA xử lý claims giảm mạnh trong tháng gần nhất
- Tồn đọng hồ sơ tăng
- Khách hàng phàn nàn về chậm chi trả
Dữ liệu cung cấp
Dataset gồm:
- Ngày gửi yêu cầu bồi thường
- Ngày phê duyệt
- Ngày thanh toán
- Loại yêu cầu bồi thường
- Sĩ quan được phân công
- Khu vực
- Số tiền yêu cầu bồi thường
- Trạng thái
Yêu cầu học viên
Dùng Copilot để:
- Làm sạch dữ liệu
- Tạo KPI dashboard
- Phát hiện anomalies
- Phân tích root causes
- Đề xuất cải tiến quy trình
10. Prompt mẫu cho bài thực hành cuối
1 Phân tích bộ dữ liệu yêu cầu bồi thường hàng tháng này và xác định 3 nguyên nhân gốc rễ hàng đầu của quá trình xử lý chậm trễ. 2 3 Nhiệm vụ: 4 1. Làm sạch và chuẩn hóa dữ liệu 5 2. Phát hiện các bản ghi bị thiếu hoặc không nhất quán 6 3. Phân tích hiệu suất SLA 7 4. Xác định các nút thắt cổ chai theo loại yêu cầu bồi thường, khu vực và giai đoạn xử lý 8 5. Phát hiện bất thường 9 6. Giải thích từng phát hiện 10 7. Đề xuất cải tiến hoạt động 11 12 Cung cấp: 13 - Tóm tắt điều hành 14 - Các chỉ số hỗ trợ 15 - Quan sát rủi ro 16 - Hành động được đề xuất |
11. Ví dụ insight kỳ vọng
| Thông tin chi tiết | Ý nghĩa |
| 42% hồ sơ chậm thuộc Health Claims | Bottleneck sản phẩm |
| Miền Nam có delay cao nhất | Thiếu nhân lực |
| Approval stage chiếm 65% thời gian xử lý | Quy trình phê duyệt chậm |
| Cuối tháng claim tăng đột biến | Khối lượng công việc theo mùa |
12. Checklist kiểm soát chất lượng phân tích
Chất lượng dữ liệu
☐ Không duplicate
☐ Không thiếu dữ liệu quan trọng
☐ Định dạng ngày chuẩn
☐ Currency format đúng
☐ Trạng thái tiêu chuẩn hóa
Chất lượng phân tích
☐ KPI chính xác
☐ Logic hợp lý
☐ Không bỏ sót anomalies
☐ Có business validation
☐ Có human review
Tuân thủ
☐ Không export dữ liệu nhạy cảm
☐ Không chia sẻ outside organization
☐ Đúng policy MetLife
☐ Đúng data classification
13. Thư viện nhắc nhở
Nhắc nhở – Làm sạch dữ liệu
| 1 Làm sạch và chuẩn hóa bộ dữ liệu yêu cầu bồi thường bảo hiểm này. |
Nhắc nhở — Phân tích KPI
| 1 Tính toán và giải thích KPI hoạt động của các yêu cầu chính. |
Nhắc nhở – Phân tích nguyên nhân gốc rễ
| 1 Phân tích các nguyên nhân chính của sự chậm trễ SLA từng bước. |
Prompt — Thông tin chi tiết về điều hành
| 1 Tóm tắt rủi ro hoạt động và insight kinh doanh cho lãnh đạo. |
Bài học chính
- Copilot giúp phân tích dữ liệu nhanh hơn bằng ngôn ngữ tự nhiên.
- Dữ liệu sạch quyết định chất lượng insight.
- AI hỗ trợ phát hiện anomalies nhưng cần business validation.
- Chain of Thought giúp phân tích logic tài chính minh bạch hơn.
- Human review luôn cần thiết trong báo cáo tài chính – bảo hiểm.
“Dữ liệu sạch tạo ra quyết định đúng — AI giúp tìm insight nhanh hơn.”
14. Phần báo cáo khuyến nghị
Prompt Library cho báo cáo định kỳ
1 Prompt tổng hợp báo cáo tháng
| 1 Tóm tắt báo cáo claims tháng này gồm: 2 – Tổng số claim 3 – Tỷ lệ Paid vs Approved 4 – Khu vực SLA thấp nhất 5 – Top sản phẩm claim cao 6 – Các outlier bất thường 7 Viết theo phong cách executive summary cho Ban lãnh đạo. |
2 Prompt phân tích hiệu suất nhân sự
| 1 Phân tích hiệu suất xử lý claim theo Assigned Officer. 2 Xác định: 3 – Nhân sự xử lý chậm 4 – Tỷ lệ SLA breach 5 – Claim volume theo nhân sự 6 Đề xuất hành động cải thiện vận hành. |
3 Prompt kiểm tra dữ liệu bất thường
| 1 Kiểm tra dữ liệu claims để tìm: 2 – Duplicate records 3 – Payment trước approval 4 – Missing customer information 5 – Claim amount bất thường 6 – Status không đồng nhất 7 Tạo danh sách risk findings. |
4 Prompt tạo insight quản trị
| 1 Tạo 3 insight chiến lược cho CEO từ dữ liệu claims: 2 – Tập trung vào rủi ro vận hành 3 – SLA 4 – Xu hướng claim 5 – Fraud indicators 6 Ngắn gọn dưới 100 từ mỗi insight. |