Với phần lớn câu hỏi so sánh quốc gia, điểm xuất phát đáng tin là kho của các tổ chức quốc tế: Ngân hàng Thế giới cho chỉ số phát triển, IMF cho tài chính vĩ mô, Liên Hợp Quốc cho dân số và thương mại, FAO cho nông nghiệp, ILO cho lao động, WHO cho y tế. Hầu hết đều miễn phí, tải được trọn bộ và có giấy phép mở hoặc điều kiện sử dụng rộng rãi.
Nhưng chọn kho chỉ là bước đầu. Cùng một chỉ tiêu như GDP bình quân đầu người hay tỷ lệ thất nghiệp, các kho có thể cho ra số khác nhau vì khác năm gốc, khác cách quy đổi tiền tệ, khác định nghĩa. Người dùng cẩn thận chọn nguồn theo câu hỏi, đọc ghi chú phương pháp, và không trộn số từ hai kho trong cùng một phép so sánh.
Bài này phân loại các kho theo chủ đề, nói rõ thế mạnh và điểm cần dè chừng của từng nhóm, rồi đưa ra quy trình kiểm tra một con số trước khi đưa vào báo cáo. Tên kho được nêu chung; địa chỉ chính xác bạn nên tra trên trang chính thức của tổ chức.
Bản đồ kho dữ liệu theo chủ đề
Bảng dưới gom các kho được dùng nhiều nhất trong nghiên cứu và phân tích kinh doanh. Cột cuối là lưu ý thường gặp khi dùng:
| Chủ đề | Kho tiêu biểu | Thế mạnh | Cần lưu ý |
|---|---|---|---|
| Phát triển kinh tế xã hội | Ngân hàng Thế giới (World Development Indicators) | Hơn một nghìn chỉ tiêu, chuỗi dài từ 1960, gần như mọi quốc gia | Nhiều chỉ tiêu lấy lại từ nguồn khác; ô trống nhiều ở năm gần |
| Tài chính vĩ mô | IMF (World Economic Outlook, thống kê tài chính quốc tế) | Cán cân thanh toán, nợ công, lạm phát, có cả dự báo | Số dự báo và số thực tế nằm chung bảng, dễ nhầm |
| Dân số | Liên Hợp Quốc (World Population Prospects) | Ước tính và dự báo dân số theo tuổi, giới đến năm 2100 | Là mô hình ước tính, khác số điều tra quốc gia |
| Thương mại hàng hoá | UN Comtrade | Xuất nhập khẩu theo mã hàng HS và đối tác | Số do nước xuất và nước nhập báo cáo thường lệch nhau |
| Nông nghiệp, lương thực | FAOSTAT | Sản lượng, diện tích, giá nông sản, cân đối lương thực | Một phần là ước tính của FAO khi nước không báo cáo |
| Lao động | ILOSTAT | Việc làm, thất nghiệp, tiền lương theo định nghĩa thống nhất | Có cả số quốc gia báo cáo và số mô hình hoá |
| Y tế | WHO (Global Health Observatory) | Tuổi thọ, tử vong theo nguyên nhân, bao phủ dịch vụ | Nhiều chỉ tiêu là ước tính mô hình, có khoảng bất định |
| Các nước phát triển | OECD, Eurostat | Chi tiết, chuẩn hoá cao, cập nhật đều | Phạm vi chủ yếu là thành viên |
| Tổng hợp có giải thích | Our World in Data (Đại học Oxford) | Biểu đồ, mã nguồn và nguồn gốc mỗi chuỗi rõ ràng | Là kho thứ cấp, nên lần về nguồn gốc khi trích |
Ngoài các kho trên còn có những bộ dữ liệu học thuật được dùng rất rộng, như Penn World Table cho so sánh năng suất và mức sống, hay các kho của các trường đại học về bất bình đẳng, tử vong. Với dữ liệu trong nước, cơ quan thống kê quốc gia và cổng dữ liệu chính phủ là nguồn gốc; các kho quốc tế thường lấy lại từ đó rồi điều chỉnh.
Nguồn gốc, thứ cấp và mô hình hoá: ba loại số trong cùng một kho
Số gốc quốc gia báo cáo. Nhiều chỉ tiêu trong kho quốc tế chỉ là số cơ quan thống kê của từng nước gửi lên, được định dạng lại. Chất lượng phụ thuộc năng lực thống kê của nước đó. Nếu bạn cần chi tiết hơn, nguồn quốc gia thường đầy đủ hơn kho quốc tế.
Số đã hài hoà. Để so sánh được, tổ chức quốc tế điều chỉnh số quốc gia về cùng định nghĩa và phân loại. Ví dụ tỷ lệ thất nghiệp theo chuẩn ILO có thể khác số công bố trong nước vì khác ngưỡng tuổi hoặc khác định nghĩa người tìm việc. Khi so sánh quốc gia, dùng số hài hoà; khi phân tích một nước, đọc số quốc gia.
Số ước tính bằng mô hình. Khi nước không có số liệu cho năm đó, tổ chức quốc tế có thể ước tính bằng mô hình thống kê dựa trên các nước tương tự hoặc xu hướng cũ. Các chỉ tiêu tử vong mẹ, dân số tương lai, đói nghèo ở nước có điều tra thưa thường thuộc loại này. Số mô hình hoá có khoảng bất định, đôi khi rất rộng, và có thể được sửa toàn bộ chuỗi khi mô hình cập nhật.
Hệ quả thực tế. Một con số trong cùng bảng có thể là một trong ba loại trên. Hầu hết kho đều có cột chú thích hoặc mã nguồn cho từng ô; dành thời gian đọc phần đó quan trọng hơn chọn biểu đồ đẹp.
Vì sao cùng chỉ tiêu mà mỗi kho một số
Lấy GDP bình quân đầu người làm ví dụ. Có ít nhất bốn cách trình bày phổ biến: theo USD giá hiện hành, theo USD giá cố định của một năm gốc, theo sức mua tương đương (PPP) giá hiện hành, và theo PPP giá cố định. Bốn số này của cùng một nước cùng một năm có thể chênh nhau hai đến ba lần. Một bài phân tích so sánh GDP theo USD hiện hành của nước này với GDP theo PPP của nước kia là sai từ gốc.
Các nguyên nhân lệch số khác hay gặp: cơ quan thống kê đánh giá lại quy mô GDP (đổi năm gốc, bổ sung khu vực chưa quan sát) làm cả chuỗi dịch lên; dân số mẫu số khác nhau giữa ước tính của Liên Hợp Quốc và số trong nước; thời điểm tải khác nhau, vì kho sửa số quá khứ khi có dữ liệu mới. Trong thương mại, xuất khẩu của nước A sang B hiếm khi bằng nhập khẩu của B từ A, do khác giá FOB và CIF, khác thời điểm ghi nhận và hàng quá cảnh qua nước thứ ba.
Nguyên tắc rút ra: trong một phép so sánh, dùng một nguồn, một phiên bản, một định nghĩa, và ghi rõ ba điều đó cạnh biểu đồ. Nếu buộc phải ghép hai nguồn, nêu rõ điểm nối và kiểm xem có bước nhảy giả ở năm nối không.
Quy trình kiểm một con số trước khi đưa vào báo cáo
Áp dụng cho bất kỳ số liệu quốc tế nào sẽ xuất hiện trong tài liệu trình lãnh đạo, đối tác hay công bố:
- Ghi chính xác tên chỉ tiêu, mã chỉ tiêu nếu có, đơn vị, năm, quốc gia. Nhiều kho có hai chỉ tiêu tên gần giống nhau nhưng định nghĩa khác.
- Đọc trang định nghĩa và phương pháp của chỉ tiêu: ai thu thập, điều tra hay hành chính, có điều chỉnh mùa vụ không, có hài hoà không.
- Xem chú thích của ô số cụ thể: số quốc gia báo cáo, số ước tính hay số dự báo.
- Đối chiếu với một nguồn độc lập thứ hai. Chênh lệch nhỏ là bình thường; chênh lớn phải giải thích được bằng khác định nghĩa.
- Kiểm tính hợp lý: tăng trưởng một năm bất thường có khớp với sự kiện thật không, hay là bước nhảy do đổi phương pháp?
- Lưu lại ngày tải và phiên bản, kèm tệp gốc. Khi ai đó hỏi lại sau sáu tháng, số trong kho có thể đã khác.
- Ghi nguồn đầy đủ theo yêu cầu giấy phép, bao gồm tên tổ chức, tên kho, năm truy cập.
Quy trình nghe dài nhưng với người quen tay chỉ mất vài phút mỗi con số, và tránh được loại sai sót khiến cả báo cáo mất uy tín chỉ vì một biểu đồ.
Truy cập hàng loạt: từ tải tệp đến API
Khi cần nhiều chỉ tiêu cho nhiều nước nhiều năm, bấm tải từng bảng là không bền. Hầu hết kho lớn đều cung cấp kênh truy cập hàng loạt:
- Tải trọn bộ: nhiều kho cho tải toàn bộ cơ sở dữ liệu dạng CSV nén, phù hợp khi bạn muốn có bản sao cục bộ để phân tích lặp lại.
- API: Ngân hàng Thế giới, IMF, OECD, Eurostat, UN Comtrade, FAOSTAT đều có giao diện lập trình. Một số kho dùng chuẩn trao đổi dữ liệu thống kê SDMX, nên học cấu trúc một lần dùng được cho nhiều nơi.
- Thư viện có sẵn: cộng đồng R và Python có các gói đóng gói sẵn lệnh gọi tới các kho phổ biến, giúp viết vài dòng là lấy được chuỗi số.
- Giới hạn truy cập: nhiều API giới hạn số lượt gọi hoặc yêu cầu khoá miễn phí; viết mã có cơ chế chờ và lưu đệm để không bị chặn.
- Ghi lại câu truy vấn: lưu chính câu lệnh gọi dữ liệu cùng mã phân tích, để người khác chạy lại và ra cùng kết quả.
Khoảng trống của dữ liệu quốc tế và cách lấp hợp lý
Dữ liệu quốc tế mạnh ở cấp quốc gia nhưng yếu ở cấp địa phương và ngành hẹp. Nếu câu hỏi của bạn là "nhu cầu thiết bị lọc nước ở các tỉnh đồng bằng sông Cửu Long", kho quốc tế chỉ cho bối cảnh vĩ mô. Phần chi tiết phải đến từ niên giám thống kê cấp tỉnh, điều tra mức sống hộ gia đình, dữ liệu hành chính của ngành, hoặc khảo sát riêng.
Một khoảng trống khác là độ trễ: nhiều chỉ tiêu xã hội chỉ có số của hai ba năm trước, vì phụ thuộc vào các cuộc điều tra định kỳ. Khi cần số mới, người phân tích hay dùng chỉ báo nhanh như dữ liệu thương mại hàng tháng, chỉ số giá, ảnh vệ tinh ánh sáng đêm. Các chỉ báo này hữu ích nhưng cần hiểu rõ chúng đo cái gì; ví dụ ánh sáng đêm tương quan với hoạt động kinh tế ở mức tổng thể, nhưng không đo được khu vực dịch vụ hay nông nghiệp.
Cuối cùng, có những thứ dữ liệu mở không có và sẽ không có, như doanh số theo thương hiệu hay hành vi khách hàng chi tiết. Biết ranh giới đó giúp bạn lập kế hoạch nghiên cứu thực tế: phần nào lấy từ dữ liệu mở, phần nào phải mua hoặc tự khảo sát, và ngân sách nên dồn vào đâu.
Câu hỏi thường gặp
Our World in Data có phải nguồn gốc không?
Không. Đây là kho thứ cấp tổng hợp từ các tổ chức và nghiên cứu khác, có thế mạnh là trình bày rõ nguồn và cách xử lý. Khi trích trong nghiên cứu nghiêm túc, bạn nên ghi cả nguồn gốc mà họ dẫn, và kiểm tra xem họ đã biến đổi số liệu thế nào.
Nên dùng số liệu của tổ chức quốc tế hay của cơ quan thống kê trong nước?
Phân tích một nước thì ưu tiên số trong nước vì chi tiết và cập nhật hơn. So sánh nhiều nước thì ưu tiên số đã hài hoà của tổ chức quốc tế. Điều tránh là trộn: số trong nước của nước này đặt cạnh số quốc tế của nước khác.
Số dự báo trong kho IMF có dùng được không?
Dùng được nếu ghi rõ là dự báo và năm phát hành bản dự báo. Dự báo được sửa nhiều lần trong năm, và độ chính xác giảm nhanh theo tầm xa. Không nên vẽ chung đường số thực tế và số dự báo mà không phân biệt bằng nét hoặc màu.
Vì sao chuỗi số liệu quá khứ trong kho lại thay đổi?
Do sửa đổi định kỳ: cơ quan thống kê đổi năm gốc, cập nhật điều tra mới, sửa sai sót, hoặc tổ chức quốc tế cập nhật mô hình ước tính. Đây là thực hành bình thường. Vì vậy cần lưu phiên bản đã dùng và ngày tải để người khác tái lập được kết quả.
Dữ liệu thương mại theo mã HS có đủ để phân tích một ngành hàng không?
Đủ cho bức tranh xuất nhập khẩu theo đối tác và theo thời gian, nhưng cần cẩn trọng: mã HS có thể gộp nhiều sản phẩm khác nhau, hệ thống mã được sửa định kỳ, và giá trị khai báo có thể lệch thực tế. Nên đối chiếu thêm số liệu hải quan trong nước và số lượng vật lý.
Làm sao biết một kho dữ liệu quốc tế ít người biết có đáng tin không?
Xem ai vận hành và tài trợ, phương pháp có công bố chi tiết không, có được trích trong nghiên cứu bình duyệt không, có lịch sử sửa lỗi minh bạch không. Một kho không nói rõ số lấy từ đâu thì không nên là nguồn duy nhất cho quyết định quan trọng.