Khi việc cào dữ liệu vượt quá vài công thức trong bảng tính, nhiều doanh nghiệp chọn thuê người làm: theo dõi giá đối thủ hằng ngày, gom danh mục sản phẩm của nhà cung cấp, tổng hợp tin tuyển dụng hay tin bất động sản. Thuê thì nhanh, nhưng nhận về dữ liệu thiếu, sai, hoặc công cụ chết sau một tháng là chuyện thường gặp nếu đề bài mơ hồ. Bài này giúp bạn viết đề bài, biết hỏi gì trước khi chốt, và nghiệm thu thế nào cho chắc.
Tự làm hay thuê: ranh giới ở đâu
Tự làm hợp khi nguồn ít, chỉ lấy một lần, trang công khai và hiện dữ liệu ngay trong mã trang. Hai cách tự làm không tốn tiền: hàm IMPORTXML của Google Sheets (xem Cào dữ liệu bằng Google Sheets) và đoạn mã chạy trong trình duyệt (xem Công cụ cào dữ liệu có sẵn trong trình duyệt).
Nên thuê khi cần chạy đều đặn theo lịch, nhiều nguồn cùng lúc, trang hiện dữ liệu bằng JavaScript, hoặc dữ liệu phải đổ thẳng vào phần mềm, website của bạn. Lúc đó thứ bạn mua không chỉ là một lần cào mà là một công cụ cần bảo trì.
Viết đề bài: 5 dòng đủ để báo giá đúng
- Nguồn: danh sách website, kèm 2–3 đường dẫn mẫu đúng trang chứa dữ liệu.
- Trường dữ liệu: từng cột cần lấy (tên, giá, mã, ảnh, đường dẫn, ngày cập nhật), cột nào bắt buộc.
- Khối lượng: ước lượng số trang hoặc số dòng mỗi lần chạy.
- Tần suất: một lần, hằng ngày, hằng tuần; có cần giữ lịch sử để so sánh không.
- Định dạng giao: tệp Excel, CSV, Google Sheets, hay đẩy thẳng vào website, phần mềm bán hàng.
Gửi kèm một bảng tính mẫu với vài dòng bạn tự điền tay. Bên nhận việc sẽ hiểu ngay bạn cần gì, và đó cũng là thước đo khi nghiệm thu.
8 câu hỏi nên hỏi bên nhận việc
| Câu hỏi | Trả lời tốt | Dấu hiệu đáng lo |
|---|---|---|
| 1. Lấy dữ liệu bằng cách nào? | Đọc trang công khai, tốc độ có giới hạn | “Lấy được hết”, kể cả phần phải đăng nhập |
| 2. Có lấy dữ liệu cá nhân không? | Không, hoặc chỉ khi có cơ sở pháp lý rõ | Sẵn sàng gom số điện thoại, email hàng loạt |
| 3. Làm mẫu thử trước được không? | Giao vài chục dòng thật trước khi chạy toàn bộ | Đòi trả đủ tiền mới làm |
| 4. Website nguồn đổi giao diện thì sao? | Có thời gian bảo hành sửa miễn phí, sau đó có phí bảo trì rõ | Không nhắc tới, hoặc “làm lại từ đầu” |
| 5. Dữ liệu lỗi, thiếu xử lý thế nào? | Có báo cáo số dòng lấy được, số dòng lỗi mỗi lần chạy | Chỉ gửi tệp, không có số liệu kiểm |
| 6. Công cụ chạy ở đâu? | Nói rõ máy chủ của ai, ai trả chi phí chạy | Chạy trên máy cá nhân của người làm |
| 7. Mã nguồn thuộc về ai? | Ghi rõ trong thoả thuận, có bàn giao nếu bạn sở hữu | Mập mờ, ngừng hợp tác là mất công cụ |
| 8. Ai chịu trách nhiệm pháp lý? | Phân định rõ trong thoả thuận | “Anh cứ yên tâm, không sao đâu” |
Phạm vi pháp lý cần ghi vào thoả thuận
Bạn là người đặt hàng và dùng dữ liệu, nên không thể đẩy hết rủi ro cho bên làm. Thoả thuận nên ghi: chỉ lấy dữ liệu công khai, không vượt đăng nhập hay lớp chặn, không lấy dữ liệu cá nhân (hoặc nêu rõ cơ sở nếu bắt buộc phải lấy), tốc độ truy cập có giới hạn để không làm hại website nguồn, và dữ liệu chỉ dùng cho mục đích đã nêu. Các văn bản liên quan và mức phạt đang áp dụng có trong bài Cào dữ liệu website có hợp pháp không.
Nghiệm thu: kiểm dữ liệu, không chỉ nhận tệp
- Đếm: số dòng nhận được so với số sản phẩm, số tin bạn thấy trên website nguồn.
- Soi ngẫu nhiên: chọn vài dòng, mở đúng trang nguồn, so từng cột.
- Tìm trùng và trống: lọc dòng trùng, ô trống ở cột bắt buộc.
- Định dạng: giá là số chứ không phải chữ, ngày đúng kiểu, ảnh mở được.
- Chạy lại: nếu là công cụ chạy theo lịch, chờ ít nhất hai lần chạy liên tiếp đều đúng rồi mới thanh toán phần còn lại.
Báo giá thường phụ thuộc số nguồn, độ khó của từng nguồn, tần suất chạy và mức bảo trì, nên hai báo giá chỉ so được khi cùng một đề bài. Nếu dữ liệu sau khi gom sẽ hiện trên website của bạn, như danh mục sản phẩm hay bảng giá, hãy tính luôn bước nhập vào website ngay từ đầu. Phần website bán hàng có danh mục, bộ lọc rõ ràng là việc chúng tôi làm, xem trang Thiết kế website bán hàng.
Tóm lại
- Thuê khi cần chạy đều đặn, nhiều nguồn, hoặc trang hiện dữ liệu bằng JavaScript; việc nhỏ một lần thì tự làm được.
- Đề bài 5 dòng: nguồn, trường dữ liệu, khối lượng, tần suất, định dạng giao, kèm bảng tính mẫu; hỏi đủ 8 câu trước khi chốt.
- Ghi phạm vi pháp lý vào thoả thuận, nghiệm thu bằng đếm, soi ngẫu nhiên, tìm trùng và chạy lại trước khi trả nốt tiền.