Bài 23 · Phân tích TTBĐS

Chuẩn hóa tên đường, phường/xã và địa chỉ trong dữ liệu BĐS

Trong dữ liệu BĐS, cùng một nơi có thể được nhập thành “Lê Văn Việt, P. Tăng Nhơn Phú A, TP Thủ Đức”, “Le Van Viet - TNP A”, “đường Lê Văn Việt, Thủ Đức” hoặc chỉ là một ghim bản đồ. Nếu coi địa chỉ chỉ là một chuỗi chữ, việc chống trùng, nhóm theo khu vực, geocoding và phân tích GIS sẽ nhanh chóng gặp lỗi.

Biên soạn: ThS. Nguyễn Mạnh Hùng
Đơn vị: GV. Khoa QLĐĐ&BĐS – ĐH Nông Lâm TP.HCM
Email: nguyenmanhhung@hcmuaf.edu.vn

Cập nhật 2026 – rất quan trọng: Từ 01/07/2025, Việt Nam sử dụng bảng danh mục và mã số đơn vị hành chính theo Quyết định 19/2025/QĐ-TTg với hai cấp mã độc lập: cấp tỉnh và cấp xã. TP.HCM mới sau sắp xếp có 168 đơn vị cấp xã. Vì vậy, các dataset BĐS cũ chứa quận/huyện, TP Thủ Đức, Bình Dương hoặc Bà Rịa – Vũng Tàu không nên bị ghi đè lịch sử một cách máy móc. Cần lưu tên/mã theo thời điểm và có bảng crosswalk sang đơn vị hiện hành.

1. Địa chỉ không phải chỉ là một cột text

Một cấu trúc tối thiểu nên tách:

TrườngÝ nghĩa
raw_addressChuỗi đúng như nguồn cung cấp; không sửa
house_numberSố nhà/thửa hoặc thông tin định vị chi tiết
street_name_rawTên đường nguyên gốc
street_name_normalizedTên đường chuẩn
admin_current_nameTên đơn vị hành chính hiện hành dùng cho phân tích hiện tại
admin_current_codeMã chính thức của đơn vị hành chính
admin_historical_nameĐơn vị hành chính tại thời điểm dữ liệu phát sinh
lat, lonTọa độ đã kiểm tra
geocode_precisionMức chính xác: rooftop/street/ward/centroid...
normalization_statusĐã xác minh/chưa rõ/cần kiểm tra

Nhờ vậy, người phân tích có thể thay đổi quy tắc chuẩn hóa mà không mất dữ liệu gốc.

2. Giữ dấu tiếng Việt ở trường chuẩn

Tên chuẩn nên giữ đầy đủ dấu và cách viết chính thức: Lê Văn Việt, Nguyễn Xiển, Võ Nguyên Giáp... Không nên biến cột canonical thành không dấu chỉ để tiện tìm kiếm.

Nếu cần tìm kiếm chịu lỗi, hãy tạo thêm một khóa phụ như search_key:

  • chuyển thường;
  • bỏ dấu;
  • bỏ dấu chấm thừa;
  • chuẩn hóa khoảng trắng;
  • chuẩn hóa một số viết tắt.

Canonical value và search key phục vụ hai mục tiêu khác nhau.

3. Chuẩn hóa viết tắt nhưng không làm mất nghĩa

Ví dụ đầu vào:

  • “P. Tân Định”;
  • “Phg Tân Định”;
  • “Tan Dinh Ward”;
  • “Tân Định”.

Sau chuẩn hóa có thể đưa về “Phường Tân Định” trong trường display, đồng thời gắn mã đơn vị hành chính. Tên chỉ để đọc; mã giúp liên kết dữ liệu ổn định hơn.

4. Bối cảnh 2025–2026 làm dữ liệu địa chỉ cũ trở thành vấn đề lớn

Sắp xếp đơn vị hành chính năm 2025 tạo ra rất nhiều quan hệ:

  • nhiều phường cũ nhập thành một phường mới;
  • một phần của đơn vị cũ chuyển sang đơn vị mới;
  • tên cấp quận/huyện cũ có thể còn xuất hiện trong dữ liệu lịch sử nhưng không còn là cấp hành chính hiện hành trong cấu trúc hai cấp;
  • TP.HCM mới bao gồm không gian trước đây thuộc TP.HCM, Bình Dương và Bà Rịa – Vũng Tàu.

Do đó, không thể chỉ dùng phép thay chuỗi kiểu “Dĩ An, Bình Dương → Dĩ An, TP.HCM”. Một địa danh cũ có thể được chia hoặc nhập theo ranh giới mới.

5. Hãy dùng mã đơn vị hành chính thay vì tên làm khóa chính

Quyết định 19/2025/QĐ-TTg quy định mã đơn vị hành chính là số định danh dùng thống nhất. Trong dataset phân tích, nên có:

  • province_code_current;
  • commune_code_current;
  • admin_version hoặc ngày hiệu lực;
  • nếu là dữ liệu lịch sử: historical_admin_code khi có.

Không nên JOIN bằng tên “An Phú”, “Tân Bình”, “Hòa Bình”... vì tên có thể trùng giữa nhiều nơi hoặc thay đổi theo thời gian.

6. Dữ liệu trước và sau sắp xếp phải xử lý thế nào?

Có hai mục tiêu khác nhau:

6.1. Phân tích lịch sử đúng bối cảnh

Giữ địa chỉ và đơn vị hành chính tại thời điểm quan sát. Ví dụ giao dịch năm 2024 nên vẫn có trường thể hiện đơn vị hành chính của năm 2024.

6.2. So sánh theo ranh giới hiện hành

Tạo thêm trường quy đổi sang đơn vị hiện hành. Nhưng nếu một đơn vị cũ bị chia, phải dùng tọa độ/thửa đất để xác định phần nào thuộc phường/xã mới; không gán tất cả bằng tên cũ.

7. Crosswalk hành chính cần có gì?

TrườngVí dụ ý nghĩa
old_codeMã cũ
old_nameTên cũ
new_codeMã hiện hành
new_nameTên hiện hành
relation_typemerge/split/partial/rename
valid_fromNgày hiệu lực
sourceVăn bản chính thức
needs_spatial_matchCó cần tọa độ để phân bổ không?

8. Tên đường cũng phải có dictionary

Cùng tên đường có thể gặp:

  • “QL1K”, “Quốc lộ 1K”, “Q.L. 1K”;
  • “ĐT743”, “Đường tỉnh 743”, “Tỉnh lộ 743”;
  • đường đổi tên theo thời gian;
  • tên không dấu hoặc viết sai chính tả;
  • tên đường số: “Đường số 5”, “Đ. 5”.

Nên có street_alias_dictionary nhưng không tự động gộp khi còn mơ hồ.

9. Chuẩn hóa trước geocoding, nhưng đừng tin geocoder tuyệt đối

Geocoding chuyển địa chỉ thành tọa độ. Một địa chỉ sạch giúp tỷ lệ match cao hơn, nhưng hệ thống vẫn có thể trả:

  • đúng số nhà;
  • đúng đường nhưng sai số;
  • centroid của phường/xã;
  • centroid của thành phố;
  • điểm gần đúng do thiếu dữ liệu.

Vì vậy phải lưu geocode_precision, nguồn geocoder, thời điểm geocode và confidence nếu dịch vụ cung cấp. U.S. Census Bureau cũng xem standardization của street name, kiểm tra address range, duplicate và geospatial accuracy là các bước chất lượng dữ liệu quan trọng.

10. Ví dụ chuẩn hóa một record

Raw: “934 TL43, Binh Chieu, Thu Duc”

Không nên chỉ sửa chữ rồi xóa raw. Quy trình:

  1. Giữ raw_address.
  2. Chuẩn hóa “TL43” thành tên chuẩn của tuyến theo dictionary được xác minh.
  3. Xác định tọa độ hoặc vị trí chính xác.
  4. Map địa chỉ cũ sang phường hiện hành theo ranh giới/mã chính thức.
  5. Lưu cả historical_admin và current_admin nếu dữ liệu cần so sánh theo thời gian.

11. Một schema địa chỉ nên phục vụ cả phân tích và truy vết

Tối thiểu nên trả lời được 5 câu hỏi:

  1. Nguồn đã ghi địa chỉ thế nào?
  2. Hệ thống đã sửa thành gì?
  3. Dựa vào quy tắc/dictionary nào?
  4. Địa chỉ thuộc đơn vị hành chính nào tại thời điểm phát sinh?
  5. Nó thuộc đơn vị nào theo ranh giới hiện hành?

Checklist chuẩn hóa địa chỉ BĐS

  1. Không ghi đè raw_address.
  2. Giữ dấu tiếng Việt ở canonical name.
  3. Tạo search key riêng nếu cần.
  4. Dùng mã hành chính làm khóa.
  5. Lưu version/ngày hiệu lực.
  6. Không coi tên quận/huyện cũ là đơn vị hiện hành nếu phân tích theo cấu trúc 2026.
  7. Với đơn vị bị chia, dùng tọa độ/ranh giới thay vì replace text.
  8. Chuẩn hóa alias đường bằng dictionary.
  9. Lưu độ chính xác geocoding.
  10. Ghi nguồn văn bản/danh mục dùng chuẩn hóa.

Ghi nhớ trong 30 giây

  1. Địa chỉ BĐS nên là dữ liệu có cấu trúc, không chỉ là chuỗi chữ.
  2. Luôn giữ raw và normalized song song.
  3. Từ 01/07/2025, khi chuẩn hóa địa chỉ Việt Nam phải dùng danh mục/mã hành chính hiện hành và quản lý lịch sử thay đổi.
  4. Tên để đọc; mã + tọa độ + version mới giúp liên kết dữ liệu bền vững.
  5. Chuẩn hóa địa chỉ là nền cho chống trùng, geocoding, GIS và phân tích theo khu vực.

Nguồn tham khảo

  • Nguyễn Mạnh Hùng, Bài giảng Phân tích thị trường BĐS, phần chuẩn hóa dữ liệu và GIS.
  • Thủ tướng Chính phủ, Quyết định 19/2025/QĐ-TTg – Bảng danh mục và mã số các đơn vị hành chính Việt Nam, hiệu lực 01/07/2025.
  • Ủy ban Thường vụ Quốc hội, Nghị quyết 1685/NQ-UBTVQH15 về sắp xếp đơn vị hành chính cấp xã của TP.HCM năm 2025.
  • U.S. Census Bureau, Statistical Quality Standards, các nội dung address standardization, coding và geospatial quality.

Bài tiếp theo: “Giá trung bình hay trung vị: dùng chỉ tiêu nào cho BĐS?”.

📚 Xem toàn bộ 26 bài trong series Phân tích TTBĐS