Xử lý dữ liệu có cấu trúc bằng AI Agent trên CSV/Excel

Dữ liệu có cấu trúc (Structured Data) thường được lưu trữ trong các file CSV/Excel – nơi chứa hàng nghìn dòng thông tin quan trọng cho doanh nghiệp. Tuy nhiên, việc khai thác dữ liệu thủ công vừa tốn thời gian vừa dễ bỏ sót insight. Với sự hỗ trợ của AI Agent, bạn có thể nhanh chóng phân tích, đặt câu hỏi và nhận câu trả lời tức thì từ chính kho dữ liệu của mình. Vậy xử lý dữ liệu bằng AI Agent trên CSV/Excel như thế nào đơn giản nhất? Cùng Bizfly khám phá ngay trong bài viết dưới đây nhé!

Structured Data trong CSV/Excel

Trong môi trường phát triển, CSV và Excel là hai định dạng phổ biến nhất để lưu trữ structured data. Mỗi dòng tương ứng với một bản ghi (record), mỗi cột là một trường dữ liệu (field). Khi xây dựng AI Agent, ta có thể coi CSV/Excel như một database mini, từ đó gắn thêm một lớp xử lý (middleware) để cho phép agent hiểu và thao tác trực tiếp trên dữ liệu.

Kiến trúc cơ bản để AI Agent phân tích dữ liệu

Để AI Agent có thể thực sự hiểu và khai thác dữ liệu trong CSV/Excel, hệ thống thường được thiết kế thành một pipeline gồm nhiều lớp. Mỗi lớp đảm nhiệm một vai trò riêng nhưng liên kết chặt chẽ, giúp chuyển đổi từ dữ liệu thô thành câu trả lời trực quan và có ý nghĩa.

Input Layer – Nguồn dữ liệu đầu vào

Người dùng có thể upload file CSV/Excel trực tiếp qua UI, hoặc agent đọc từ Google Sheets API, OneDrive, S3 bucket. Với môi trường production, thường tích hợp thêm data ingestion service (ví dụ: FastAPI endpoint, Flask upload) để nhận file. Dev note:

• CSV → dễ parse, tốc độ nhanh, phù hợp batch nhỏ đến trung bình.
• Excel (XLSX) → thường dùng cho báo cáo phức tạp, nhiều sheet → cần thư viện hỗ trợ như openpyxl, xlrd.
• Google Sheets → cần auth (OAuth2) và gọi API, thuận tiện cho dữ liệu realtime.

Parser Layer – Chuyển đổi dữ liệu sang dạng có thể thao tác

Sau khi dữ liệu được nhập vào, Parser Layer đóng vai trò như phiên dịch viên. Các thư viện như pandas (Python) hoặc xlsx (Node.js) được dùng để chuyển dữ liệu thành DataFrame hoặc JSON là định dạng mà AI Agent dễ dàng xử lý. Ở bước này, developer thường triển khai thêm các thao tác:

• Làm sạch dữ liệu (loại bỏ NaN, null).
• Chuẩn hóa ngày tháng về cùng định dạng.
• Đổi tên cột để đồng bộ schema.

Một CSV/Excel nếu không được xử lý kỹ ở lớp này có thể khiến query sau đó trả về kết quả sai lệch.

Agent Core – Trung tâm của hệ thống

Khi dữ liệu đã được chuẩn hóa, quá trình phân tích sẽ đi vào Agent Core. Đây là phần bộ não kết hợp giữa LLM (như GPT) và các công cụ chuyên biệt:

• Pandas DataFrame Agent để mapping câu hỏi → pandas code.
• SQLDatabaseAgent khi cần convert CSV/Excel thành SQLite để query bằng SQL.

Tại đây, AI sẽ nhận câu hỏi tự nhiên từ người dùng, phân tích ngữ nghĩa và generate lệnh tương ứng. Nhờ đó, developer không cần viết query thủ công mà vẫn nhận được kết quả chính xác.

Query Execution – Thực thi câu hỏi tự nhiên

Ở lớp này, câu hỏi dạng ngôn ngữ tự nhiên được chuyển đổi thành lệnh thao tác dữ liệu. Ví dụ:

• Input: “Top 5 khách hàng có giá trị đơn hàng cao nhất trong quý 3?”
• Output:

df.groupby("customer")["order_value"]
  .sum()
  .sort_values(ascending=False)
  .head(5)

Đây là giai đoạn quan trọng vì đảm bảo lệnh được chạy an toàn. Với môi trường thực tế, developer nên thêm sandbox hoặc guardrail để ngăn LLM sinh ra lệnh nguy hiểm như drop hay delete.

Output Layer – Trả kết quả và trực quan hóa

Sau khi truy vấn hoàn tất, Output Layer trả về kết quả cuối cùng. Tùy vào nhu cầu, kết quả có thể là:

• Bảng dữ liệu (DataFrame, JSON).
• Chỉ số thống kê (sum, mean, count…).
• Biểu đồ trực quan (dùng matplotlib, plotly, hoặc seaborn).

Ví dụ, khi đặt câu hỏi “Vẽ biểu đồ doanh thu theo tháng”, Agent có thể sinh code để vẽ biểu đồ cột và trả về hình ảnh ngay trên dashboard. Nhờ vậy, người dùng không chỉ đọc số liệu mà còn nhìn thấy xu hướng rõ ràng.

Tích hợp Python: LangChain + Pandas DataFrame Agent

Một ví dụ thực tiễn phổ biến là kết hợp LangChain với Pandas DataFrame Agent. Chỉ vài dòng code, developer đã có thể dựng hệ thống Q&A trực tiếp trên file Excel:

from langchain.agents import create_pandas_dataframe_agent
from langchain.llms import OpenAI
import pandas as pd

df = pd.read_excel("marketing_data.xlsx")
agent = create_pandas_dataframe_agent(OpenAI(temperature=0), df, verbose=True)

# Đặt câu hỏi tự nhiên
print(agent.run("Chiến dịch nào có ROI cao nhất trong quý 3?"))

Ở đây, AI Agent sẽ tự động parse dữ liệu, generate code pandas và trả kết quả ngay lập tức.

Code mẫu triển khai với Python & LangChain

Ví dụ dưới đây minh họa cách cho phép AI Agent đọc một file CSV và trả lời câu hỏi tự nhiên:

from langchain.agents import create_pandas_dataframe_agent
from langchain.llms import OpenAI
import pandas as pd

# Bước 1: Load CSV
df = pd.read_csv("sales_data.csv")

# Bước 2: Khởi tạo Agent
agent = create_pandas_dataframe_agent(OpenAI(temperature=0), df, verbose=True)

# Bước 3: Đặt câu hỏi tự nhiên

response = agent.run("Sản phẩm nào có doanh thu cao nhất trong quý 2?")
print(response)

Khi chạy đoạn code này, Agent sẽ parse dữ liệu từ sales_data.csv, mapping schema rồi tự động dịch câu hỏi thành lệnh phân tích dữ liệu bằng Pandas.

Các bước triển khai chi tiết cho developer

Việc xây dựng một AI Agent có khả năng phân tích dữ liệu CSV/Excel không chỉ dừng ở việc “kết nối file với AI”, mà đòi hỏi một quy trình triển khai bài bản. Dưới đây là bốn bước quan trọng mà developer cần nắm rõ:

Bước 1 – Chuẩn hóa dữ liệu

Trước khi đưa dữ liệu vào AI Agent, cần đảm bảo dữ liệu “sạch” và đồng bộ. Đây là bước nền tảng, nếu bỏ qua rất dễ dẫn đến lỗi hoặc kết quả sai.

• Loại bỏ giá trị NULL, NaN hoặc dữ liệu không hợp lệ: Ví dụ, trong file doanh thu, có những dòng bị trống hoặc chứa ký tự lạ ở cột số tiền. Developer nên dùng dropna() hoặc fillna() trong Pandas để xử lý.
• Chuẩn hóa ngày tháng: Định dạng về chuẩn ISO YYYY-MM-DD để agent có thể so sánh, lọc theo thời gian mà không gặp lỗi.
• Đặt tên cột rõ ràng: Thay vì tên cột lộn xộn như Tên KH, Revenue($) → đổi thành customer_name, revenue. Việc này giúp LLM sinh code chính xác hơn.

Ví dụ Python:

import pandas as pd

df = pd.read_csv("sales.csv")
df.columns = df.columns.str.strip().str.lower().str.replace(" ", "_")
df["date"] = pd.to_datetime(df["date"], errors="coerce")
df.dropna(inplace=True)

Bước 2 – Tích hợp AI Agent

Khi dữ liệu đã sạch, bước tiếp theo là kết nối AI Agent để sẵn sàng xử lý.

Với Python:

• Dùng pandas để quản lý dữ liệu, openpyxl để đọc Excel.
• Tích hợp với LangChain hoặc LlamaIndex để tạo agent.
• Các thư viện này có sẵn create_pandas_dataframe_agent cho phép mapping trực tiếp DataFrame vào agent.

Với Node.js:

• Dùng xlsx hoặc papaparse để parse dữ liệu.
• Kết hợp với API LLM (OpenAI, Claude) để xử lý ngôn ngữ tự nhiên.
• Cần xây thêm lớp middleware để mapping câu hỏi → query.

Ví dụ Python (LangChain + Pandas):

from langchain.agents import create_pandas_dataframe_agent
from langchain.llms import OpenAI

agent = create_pandas_dataframe_agent(OpenAI(), df, verbose=True)
print(agent.run("Tổng doanh thu trong tháng 8 là bao nhiêu?"))

Bước 3 – Mapping Natural Language → Data Query

Đây là phần ma thuật của AI Agent: biến câu hỏi tự nhiên thành lệnh code có thể chạy được. Trong đó Parser nội bộ được hiểu là Agent thường có một lớp parser trung gian để phân tích câu hỏi, xác định cột liên quan và phép toán cần thực hiện.

Ví dụ:

Input: “Top 5 khách hàng có giá trị đơn hàng cao nhất?”
Output (generated code):
df.groupby("customer")["order_value"]
  .sum()
  .sort_values(ascending=False)
  .head(5)

Lưu ý khi triển khai:

• Cần sandbox code execution (ví dụ dùng exec trong Python nhưng có giới hạn).
• Nên có guardrail để ngăn LLM sinh ra lệnh nguy hiểm như drop, delete.

Bước 4 – Visualization (tuỳ chọn)

Chỉ trả về text hoặc số liệu thường chưa đủ, đặc biệt khi doanh nghiệp cần insight trực quan. Lúc này visualization sẽ giúp kết quả trở nên “sống động” và dễ hiểu hơn.

• Thư viện phổ biến:
  • matplotlib và seaborn cho biểu đồ cơ bản (bar chart, line chart).
  • plotly cho biểu đồ tương tác, phù hợp khi tích hợp web dashboard.
• Tích hợp vào agent: Cho phép AI Agent không chỉ trả lời bằng số liệu, mà còn tự generate code để vẽ biểu đồ và trả về hình ảnh.

Ví dụ visualization với matplotlib:

import matplotlib.pyplot as plt
monthly_sales = df.groupby("month")["revenue"].sum()
monthly_sales.plot(kind="bar", title="Doanh thu theo tháng")
plt.ylabel("Doanh thu (VNĐ)")
plt.show()

Khi kết hợp, người dùng chỉ cần hỏi “Vẽ biểu đồ doanh thu theo tháng”, agent sẽ tự động sinh code, chạy và hiển thị chart.

Như vậy, từ khâu chuẩn hóa dữ liệu, tích hợp agent, mapping câu hỏi, đến trực quan hóa, developer có thể dựng lên một pipeline hoàn chỉnh giúp AI Agent trở thành công cụ phân tích dữ liệu CSV/Excel hiệu quả.

Kết luận

Việc xử lý dữ liệu có cấu trúc (Structured Data) trên file CSV/Excel sẽ trở nên đơn giản và hiệu quả hơn bao giờ hết khi ứng dụng AI Agent. Doanh nghiệp không còn phải mất hàng giờ thao tác thủ công, mà có thể đặt câu hỏi tự nhiên và nhận câu trả lời tức thì. Đây chính là bước tiến quan trọng trong hành trình tự động hóa phân tích dữ liệu, giúp doanh nghiệp ra quyết định nhanh chóng và chính xác hơn.