Search for answers or browse our knowledge base.
Cẩm nang triển khai văn hoá dữ liệu cho doanh nghiệp
Cẩm Nang Văn Hóa Dữ Liệu
Làm thế nào để tăng tốc giá trị của phân tích và trí tuệ nhân tạo (AI)
Mục lục
- Giới thiệu – Trang 03
- Chương 1: Xây dựng chiến lược dữ liệu và trí tuệ nhân tạo (AI) – Trang 05
- Chương 2: Trao quyền cho các đội ngũ để khai thác giá trị của dữ liệu – Trang 09
- Chương 3: Tiến xa trên hành trình đến mức độ trưởng thành dữ liệu – Trang 12
- Kết luận – Trang 15
Giới thiệu
Cẩm nang này dành cho các nhà lãnh đạo kinh doanh, dữ liệu, và công nghệ thông tin (IT) muốn hiểu giá trị của văn hóa dữ liệu (data culture) và các bước để xây dựng một văn hóa như vậy.
Văn hóa dữ liệu là gì?
Văn hóa dữ liệu (data culture) là tập hợp các hành vi và niềm tin của những người coi trọng, thực hành, và khuyến khích sử dụng dữ liệu và trí tuệ nhân tạo (AI) để thúc đẩy chuyển đổi tổ chức (organizational transformation). Nó trang bị cho mọi người trong tổ chức những thông tin chi tiết trực quan, hiệu quả (intuitive, productive insights) để giải quyết các thách thức kinh doanh phức tạp.
Mệnh lệnh AI và vai trò của dữ liệu
86% các nhà ra quyết định kỹ thuật (technical decision makers) đồng ý rằng kết quả của AI chỉ tốt khi dữ liệu đầu vào (data inputs) chất lượng.1
Chúng ta đang ở một điểm uốn (inflection point). Trí tuệ nhân tạo (AI) đang cách mạng hóa doanh nghiệp, thay đổi cơ bản cách chúng ta làm việc. Coursera xác định kiến thức AI (AI literacy) là xu hướng kỹ năng hàng đầu toàn cầu, nhấn mạnh nhu cầu thích nghi.3 Những rối loạn trong lực lượng lao động (workforce disruptions) đòi hỏi nhiều hơn là chỉ thay đổi tổ chức hoặc công cụ mới. Để tận dụng tối đa các khả năng dữ liệu và AI mạnh mẽ, hãy căn chỉnh con người (people) với quy trình (processes) và công nghệ (technology) của bạn.
Tái định hình tương lai công việc với AI bắt đầu từ việc hiểu vai trò then chốt của dữ liệu, đặc biệt khi giải quyết các khoảng cách về niềm tin (trust gaps) và kỹ năng (skills gaps). Hầu hết các doanh nghiệp đã đầu tư vào ứng dụng đám mây (cloud applications), dẫn đến sự hỗn loạn dữ liệu (data chaos). Điều này làm nổi bật nhu cầu tích hợp (integration) và tự động hóa (automation). Các doanh nghiệp ngày càng xem xét cách các trải nghiệm tích hợp AI (AI-infused experiences) và các tác nhân tự hành (autonomous agents) nâng cao nền tảng dữ liệu và phân tích (data and analytics platforms). Sự chuyển đổi này ảnh hưởng đến dữ liệu và phân tích theo hai cách chính: AI thúc đẩy cả năng suất (productivity) và hiệu quả (effectiveness).
Tuy nhiên, kết quả của AI chỉ tốt khi dữ liệu đầu vào chất lượng. Một văn hóa dữ liệu mạnh mẽ đảm bảo dữ liệu đầu vào chất lượng cao (high-quality data inputs) và khuyến khích việc áp dụng rộng rãi các kết quả AI (AI outputs). Sự rõ ràng dữ liệu (data clarity) như vậy tăng tốc độ ra quyết định (decision making) và đổi mới (innovation). Một văn hóa dữ liệu mạnh mẽ mở đường đến thành công với dữ liệu và AI: Nuôi dưỡng một môi trường tập trung vào dữ liệu (data-centric environment) và bạn có thể điều hướng sự thay đổi mô hình (paradigm shift) hiệu quả hơn so với đối thủ.
Giải pháp
Văn hóa dữ liệu
Tạo ra một văn hóa dữ liệu giúp bạn tăng tốc giá trị của phân tích (analytics) và trí tuệ nhân tạo (AI). Nó chuyển đổi chất lượng và tốc độ của việc ra quyết định trên toàn tổ chức và hình thành nền tảng của niềm tin dữ liệu (data trust) và tính minh bạch (transparency).
Xây dựng văn hóa dữ liệu đòi hỏi thời gian, đầu tư, và cam kết toàn tổ chức (organization-wide commitment), nhưng một văn hóa dữ liệu mạnh mẽ là yếu tố quan trọng để khiến dữ liệu và con người của bạn sẵn sàng cho AI (AI ready). Cẩm nang này sẽ hướng dẫn bạn qua các bước chính để đạt được – và duy trì – một văn hóa dữ liệu cho sự thành công lâu dài của tổ chức.
Lợi ích của một văn hóa dữ liệu mạnh mẽ1
- Năng suất cao hơn (Greater productivity)
- Đổi mới (Innovation)
- Dịch vụ khách hàng tốt hơn (Better customer service)
- Ra quyết định tự tin (Confident decision making)
- Tiết kiệm chi phí (Cost savings)
18.8 lần: Các tổ chức có văn hóa dữ liệu mạnh có khả năng đạt được hiệu suất vượt trội hơn gấp 18.8 lần.2
Chúng tôi sẽ thảo luận cách xây dựng chiến lược dữ liệu và AI mạnh mẽ trong Chương 1, cách đầu tư vào học tập liên tục (continuous learning) để giúp con người sử dụng dữ liệu và AI tự tin trong Chương 2, và cách tiến xa trên hành trình đến mức độ trưởng thành dữ liệu (data maturity) trong Chương 3.
1 State of Data Analytics Report
2 McKinsey. 5 Facts: How Customer Analytics Boosts Corporate Performance
3 Coursera Enterprise “Global Skills 2024” report
Giá trị của một văn hóa dữ liệu mạnh mẽ
Dù hành trình xây dựng văn hóa dữ liệu (data culture) có thể dường như khó khăn, với chiến lược đúng đắn, bạn có thể lập kế hoạch cho sự thành công với dữ liệu và trí tuệ nhân tạo (AI).
Cẩm nang này đưa ra các bước đơn giản nhưng hiệu quả để thiết lập một văn hóa dữ liệu. Nó được thiết kế để giúp các nhà lãnh đạo kinh doanh và công nghệ thông tin hiểu cách con người của bạn có thể sử dụng thông tin chi tiết dẫn dắt bởi dữ liệu (data-driven insights) để cải thiện việc ra quyết định (decision making) và cuối cùng nhận ra giá trị từ một văn hóa dữ liệu mạnh mẽ trong tổ chức của bạn.
Văn hóa dữ liệu cải thiện hiệu quả, niềm tin, và kết quả
[Hình ảnh: Placeholder cho hình ảnh – Mô tả hàng ngàn quyết định được đưa ra với văn hóa dữ liệu]
Văn hóa dữ liệu giúp tổ chức đưa ra hàng ngàn quyết định hiệu quả hơn, xây dựng niềm tin vào dữ liệu, và đạt được kết quả kinh doanh tốt hơn.
Chương 1:
Xây dựng chiến lược dữ liệu và trí tuệ nhân tạo (AI)
Chiến lược của bạn bắt đầu từ con người
Dữ liệu là xương sống của mọi chiến lược trí tuệ nhân tạo (AI strategy) – và việc làm cho dữ liệu chất lượng cao, đáng tin cậy (high-quality, trusted data) dễ tiếp cận với nhiều người hơn là chìa khóa để khai thác toàn bộ tiềm năng của AI. Một văn hóa dữ liệu mạnh mẽ (strong data culture) có thể giúp bạn làm điều này bằng cách trang bị cho nhiều người hơn công nghệ (technology), quy trình (processes), và thông tin chi tiết (insights) phù hợp để giúp toàn tổ chức đạt được thành công dẫn dắt bởi dữ liệu (data-driven success).
78% các nhà lãnh đạo phân tích và công nghệ thông tin nói rằng tổ chức của họ gặp khó khăn trong việc thúc đẩy các ưu tiên kinh doanh (business priorities) bằng dữ liệu.4
85% đồng ý hoặc hoàn toàn đồng ý rằng những tiến bộ trong AI khiến quản lý dữ liệu (data management) trở thành chiến lược ưu tiên cao.5
4 Salesforce “State of Data and Analytics” 2023
5 Salesforce “State of Data and Analytics” 2023
Các thành phần cốt lõi của quản trị dữ liệu với khả năng AI
[Hình ảnh: Placeholder cho hình ảnh – Sơ đồ các thành phần: Khả năng (Công nghệ), Quản lý thay đổi (Con người), Khung (Quy trình)]
- Quản lý thay đổi (Change management) (Con người): Làm thế nào để bạn thu hút mọi người trong tổ chức để thúc đẩy nhận thức liên tục (ongoing awareness), giáo dục (education), và văn hóa dữ liệu mạnh mẽ?
- Khung (Framework) (Quy trình):
- “Tốt” trông như thế nào về mặt quy tắc và quy trình?
- Làm thế nào để đảm bảo quyền riêng tư (data privacy) và bảo mật dữ liệu (security) – với quyền truy cập?
- Tiêu chuẩn của bạn cho chất lượng dữ liệu (data quality), quản lý siêu dữ liệu (metadata management), và chứng nhận dữ liệu (data certification) là gì?
- Khả năng (Capabilities) (Công nghệ):
- Nền tảng và ứng dụng nào có thể hỗ trợ khung quản trị dữ liệu (data governance framework) của bạn?
- Các công cụ thông minh, tích hợp, và tái sử dụng (intelligent, integrated, and reusable tools) nào giúp thúc đẩy bảo mật (security), hợp tác (collaboration), và hành động (action)?
- Bạn có thể hành động dựa trên dữ liệu và phân tích được hỗ trợ bởi AI (AI-powered data and analytics) không?
Giải pháp
Chiến lược dữ liệu
Để thu hẹp khoảng cách niềm tin AI (AI trust gap) và tăng cường sử dụng dữ liệu rộng rãi trong tổ chức, bạn cần có một chiến lược dữ liệu (data strategy). Xây dựng chiến lược dữ liệu sẽ trang bị cho bạn để tăng hiệu quả vận hành (operational efficiency) và các luồng doanh thu (revenue streams).
Bí quyết để giải phóng thông tin chi tiết có thể hành động (actionable insights) là kết hợp phân tích đáng tin cậy (trusted analytics) với sức mạnh của AI. Với sức mạnh của AI, bí quyết để giải phóng việc tiêu thụ thông tin chi tiết có thể hành động ở quy mô lớn là mang trí tuệ nhân tạo tạo sinh đáng tin cậy (trusted generative AI) đến toàn bộ nền tảng. Nhận thông tin chi tiết AI trong luồng công việc (flow of work) bằng cách kết hợp phân tích và AI với những người có kỹ năng dữ liệu (data skills), để tối đa hóa đầu tư công nghệ (technology investments) và khám phá các cơ hội thúc đẩy chiến lược kinh doanh (business strategy) và tăng cường niềm tin khách hàng (customer trust).
Top 5 lợi ích của AI cho các nhà lãnh đạo dữ liệu và công nghệ thông tin
- Ra quyết định kinh doanh nhanh hơn (Faster business decision-making)
- Hiệu quả vận hành (Operational efficiencies)
- Giải phóng thời gian cho công việc giá trị (Free up time for valuable work)
- Luồng công việc tự động (Automated workflows)
- Cải thiện sự hài lòng của khách hàng (Improved customer satisfaction)
Làm thế nào để tạo ra một chiến lược dữ liệu và AI mạnh mẽ
Một kế hoạch quản lý thay đổi hiệu quả (effective change management plan) nêu chi tiết cách bạn sẽ thu hút mọi người trong tổ chức để thúc đẩy nhận thức liên tục (ongoing awareness), giáo dục (education), và một văn hóa dữ liệu mạnh mẽ. Bắt đầu bằng cách xác định các thành viên của một đội liên chức năng (cross-functional team) để hình thành cộng đồng điều phối (steering community) hoặc trung tâm xuất sắc (center of excellence – CoE). Đội của bạn sẽ:
- Xác định mục tiêu kinh doanh (business goals) hoặc tiêu chuẩn (benchmarks) nơi dữ liệu và AI có thể giúp tăng năng suất (productivity), cải thiện hiểu biết khách hàng (customer understanding), giảm nỗ lực thủ công (manual efforts), hoặc thúc đẩy kết quả kinh doanh mục tiêu (targeted business outcomes).
- Liệt kê các trường hợp sử dụng (use cases) và chọn các chiến thắng nhanh (quick wins).
- Thiết lập và căn chỉnh mục tiêu kinh doanh và các thước đo hiệu suất (performance measures – OKRs).
Sau khi thiết lập khung này, bạn có thể tạo một kế hoạch quản lý thay đổi (change management plan) nêu rõ các hành vi (behaviors) và niềm tin (beliefs) bạn muốn truyền tải cho mọi người trong tổ chức. Đầu tiên, đảm bảo rằng các bên liên quan (stakeholders) của bạn tham gia và biết phải làm gì. Sau đó, giải quyết các bước cụ thể bạn sẽ thực hiện để:
- Đào tạo cộng đồng của bạn để xây dựng năng lực dữ liệu và AI (data and AI competency).
- Thành lập một hội đồng quản trị dữ liệu (data governance council).
- Thiết lập các mục tiêu mô hình trưởng thành dữ liệu thực tế (realistic data maturity model targets).
- Học hỏi và cải thiện thông qua một vòng phản hồi liên tục (continual feedback loop).
“Những thay đổi đang diễn ra với AI quá lớn để chỉ thông qua đội dữ liệu, và quá sâu sắc để chờ các dự án cơ sở hạ tầng dữ liệu khác sẵn sàng trước khi bắt đầu triển khai rộng rãi hơn. Các đơn vị kinh doanh sẽ tiến hành. Tốt hơn là trở thành một phần của sự thay đổi thay vì cố gắng là một kho biệt lập bên ngoài và mất đi sự liên quan với doanh nghiệp.”
SOLOMON KAHN
Nhà sáng lập & CEO, Delivery Layer và Thành viên Hội đồng Tư vấn DLC
Trường hợp nghiên cứu: JPMorgan Chase
Thách thức: Tương tác khách hàng thấp và niềm tin dữ liệu thấp
Khách hàng ngày càng tích hợp AI vào cuộc sống hàng ngày, nhưng họ tiếp cận công nghệ này với những cảm xúc lẫn lộn.
74% dân số lo ngại về việc sử dụng AI không đạo đức (unethical use of AI) và 63% lo ngại về thiên kiến của nó (biases).6
Những trở ngại phổ biến đối với niềm tin AI
- Vấn đề: Hệ sinh thái phân tích không kết nối (Disconnected analytics ecosystem)
Nguyên nhân: Dữ liệu bị cô lập (siloed data) và tích hợp kém với luồng công việc (workflows). - Vấn đề: Niềm tin thấp vào chất lượng dữ liệu và AI (Low trust in data and AI quality)
Nguyên nhân: Không có nguồn dữ liệu chân lý duy nhất (single source of data truth). - Vấn đề: Quyền sở hữu và trách nhiệm dữ liệu không rõ ràng (Unclear data ownership and accountability)
Nguyên nhân: Trách nhiệm quản trị dữ liệu (data governance responsibilities) không được xác định. - Vấn đề: Thông tin chi tiết bị chôn vùi (Buried insights)
Nguyên nhân: Khả năng khám phá dữ liệu thấp (low data discoverability) và quyền truy cập dựa trên vai trò (role-based access). - Vấn đề: Nhu cầu về kỹ năng dữ liệu và AI (Need for data and AI skills)
Nguyên nhân: Thiếu sự thông thạo dữ liệu (data fluency) và chấp nhận (adoption).
Trường hợp nghiên cứu: JPMorgan Chase
Tìm hiểu cách JPMorgan Chase, một công ty dịch vụ tài chính toàn cầu, nuôi dưỡng văn hóa dữ liệu (data culture) giữa các nhân viên để đổi mới nhanh hơn (innovate faster), cải thiện trải nghiệm khách hàng (customer experience), và đưa ra các quyết định dựa trên thông tin chi tiết (insight-driven decisions) trong một không gian có quy định chặt chẽ (highly regulated space).
Các bước bạn có thể thực hiện
- Tạo một cộng đồng dữ liệu nội bộ (internal data community) hoặc trung tâm xuất sắc (center of excellence).
- Ưu tiên dữ liệu trong việc ra quyết định (decision making) và quy trình kinh doanh (business processes).
- Xác định, hiểu, và lập kế hoạch giải quyết các nguyên nhân gốc rễ của các vấn đề dữ liệu (root causes for data issues).
- Củng cố các thành phần cốt lõi của quản trị dữ liệu (data governance): khung (framework), quản lý thay đổi (change management), và công cụ (tools).
- Thực hành các hành vi dẫn dắt bởi dữ liệu (data-driven behaviors): Căn chỉnh dữ liệu, phân tích, và AI của bạn với kết quả kinh doanh (business outcomes).
- Tham gia Data Leadership Collaborative (DLC), nơi quy tụ các nhà lãnh đạo để kết nối, học hỏi, và giúp nhau xây dựng các tổ chức dẫn dắt bởi dữ liệu (data-driven organizations).
6 Nguồn không xác định trong tài liệu gốc
Chương 2:
Trao quyền cho các đội ngũ để khai thác giá trị của dữ liệu
Thu hẹp khoảng cách kỹ năng và cung cấp công cụ đáng tin cậy
Để khai thác tối đa giá trị của dữ liệu, bạn cần nhiều hơn chỉ công nghệ. Thúc đẩy sự thông thạo dữ liệu (data fluency) ở mọi cấp độ trao quyền cho mọi người sử dụng dữ liệu và công cụ AI đáng tin cậy (trusted data and AI tools) hiệu quả để họ có thể áp dụng thông tin chi tiết có thể hành động (actionable insights) và cải thiện việc ra quyết định (decision making).
Thách thức số 1 của các tổ chức, theo các nhà lãnh đạo công nghệ thông tin, là thiếu tài năng và kỹ năng AI (AI talent and skills).
24% các nhà tuyển dụng hàng đầu hiện nay đã đưa việc xây dựng kỹ năng quan trọng này vào chiến lược doanh nghiệp (corporate strategy).8
7 Salesforce, The AI:IT Disconnect, 2024
8 ECG, 2023
Thách thức của khoảng cách kỹ năng dữ liệu
Liệu toàn bộ lực lượng lao động (workforce) của bạn có kỹ năng, công cụ, và sự tò mò để khai thác giá trị của dữ liệu không? Có lẽ là không. Bắt đầu bằng cách đánh giá kỹ năng (assess skills) và các khoảng cách trong kiến thức của mọi người có thể ảnh hưởng đến khả năng đưa ra quyết định dựa trên thông tin chi tiết (insight-driven decisions). Sự đồng thuận của lãnh đạo (leadership agreement) là rất quan trọng trong việc đánh giá kỹ năng hiện tại và xác định nhu cầu lực lượng lao động (workforce needs) để xác định điều gì là cần thiết để sử dụng dữ liệu hiệu quả.
Kiểm tra và đánh giá lực lượng lao động và nhu cầu tổ chức cho kỹ năng phân tích dữ liệu và AI (data analytics and AI skills) bằng cách căn chỉnh các trường hợp sử dụng (use cases) với năng lực nhân viên (employee competency). Ví dụ, bạn mong đợi một quản lý sản phẩm (product manager) có kỹ năng dữ liệu và AI nào so với một nhà phân tích tài chính (financial analyst)? Bạn có thể muốn tạo một ma trận (matrix) thể hiện kỹ năng lực lượng lao động hiện tại và tương lai (trạng thái lý tưởng) dựa trên các hành vi văn hóa dữ liệu (data culture behaviors) thúc đẩy mức độ trưởng thành dữ liệu (data maturity) (được mô tả trong Chương 3).
Các giải pháp đổi mới (innovative solutions) cũng có thể giúp bạn giải quyết khoảng cách kỹ năng dữ liệu (data skills gap) nhanh hơn và trên tất cả các đội của bạn. Bạn có thể sử dụng AI trong các giải pháp Tableau như Tableau Pulse để dân chủ hóa phân tích dữ liệu (democratize data analysis) và đơn giản hóa việc tiêu thụ thông tin chi tiết (insights consumption) ở quy mô lớn. Nó tăng tốc độ tạo giá trị (time to value) và giảm các nhiệm vụ lặp lại cho nhà phân tích dữ liệu (data analyst) với các gợi ý thông minh (smart suggestions) và hướng dẫn trong sản phẩm (in-product guidance). Biết rằng AI của chúng tôi được xây dựng trên Einstein Trust Layer, tổ chức của bạn được kích hoạt với các trải nghiệm AI đáng tin cậy, đạo đức, và mở (trusted, ethical, and open AI-powered experiences) mà không làm tổn hại đến bảo mật và quyền riêng tư dữ liệu (data security and privacy) – điều này rất quan trọng khi bạn mở rộng quyền truy cập vào phân tích và AI, và nuôi dưỡng kỹ năng dữ liệu (data skills).
Giải pháp
Học tập liên tục
Quản lý thay đổi (change management) là một thành phần quan trọng có thể thúc đẩy kỹ năng và khả năng của mọi người (people’s skills and capabilities). Sau tất cả, đầu tư vào công cụ dữ liệu và AI không đảm bảo rằng mọi người có kỹ năng để sử dụng chúng. Đó là nơi đào tạo và phát triển (training and development) đóng vai trò quan trọng. Học tập liên tục (continuous learning) thông qua đào tạo (training), giáo dục (education), và sự tham gia vào cộng đồng dữ liệu (data community involvement) đảm bảo lực lượng lao động của bạn có kỹ năng cần thiết để sử dụng công cụ của bạn. Và đó là một khoản đầu tư liên tục (ongoing investment) cần được căn chỉnh hoàn toàn với chiến lược doanh nghiệp (corporate strategy).
Hãy xem đây là một quy trình hai bước. Đầu tiên, bạn cần nâng cấp lực lượng lao động hiện tại về sự thông thạo dữ liệu (data fluency) và thành thạo AI (AI proficiency). Và thứ hai, bạn muốn tuyển dụng và thuê nhân tài (recruit and hire talent) phù hợp với chiến lược dữ liệu và AI của bạn.
66% các nhà lãnh đạo nhân sự (people leaders) nói rằng sự gia tăng của AI và tự động hóa (automation) sẽ khiến kỹ năng bảo mật dữ liệu (data security skills) trở nên quan trọng hơn.9
9 Salesforce Digital AI Skills Research, 2023
Đầu tư vào công nghệ và quyền truy cập dữ liệu
Tối đa hóa đầu tư phân tích (analytics investments) và tận dụng tiềm năng chuyển đổi của dữ liệu (transformative potential of data) có nghĩa là mọi người tiếp xúc với dữ liệu – bất kể trình độ kỹ năng – đều có thể tìm thấy thông tin chi tiết (insights) và hành động (take action). Thay vì dựa vào bản năng (instincts) hoặc cảm xúc (feelings), mọi người của bạn tích cực tìm cách sử dụng dữ liệu trong việc ra quyết định (decision making). Thúc đẩy giáo dục người dùng (user education), đo lường chấp nhận và tương tác (adoption and engagement), và tăng sử dụng phân tích (analytics use) trong tổ chức của bạn để hỗ trợ các quyết định dựa trên thông tin chi tiết (insight-driven decisions).
Khả năng AI (AI capabilities) trao quyền cho mọi người bằng cách thêm các giải thích bằng ngôn ngữ đơn giản, tự động (automated, plain-spoken explanations) vào bảng điều khiển (dashboards) của bạn trong vài giây. Điều này giúp bạn khám phá “lý do” (why) đằng sau các thông tin chi tiết trong các hình ảnh hóa động (dynamic visualizations) cho phép khám phá sâu (deep exploration). AI tự hành (autonomous AI) được cung cấp thông qua các tác nhân (agents) mang lại niềm tin và sự tự tin (trust and confidence) trong các dự đoán và khuyến nghị minh bạch (transparent predictions and recommendations) cho mọi người.
Ngoài ra, AI trong Tableau mang trí tuệ nhân tạo tạo sinh đáng tin cậy (trusted generative AI) đến lực lượng lao động của bạn. Tableau loại bỏ dữ liệu nhạy cảm (sensitive data) được xử lý bởi các mô hình ngôn ngữ lớn (LLMs) bằng các công cụ che dữ liệu (data-masking tools), và Salesforce không bao giờ lưu trữ dữ liệu độc quyền (proprietary data) bên ngoài nền tảng của mình hoặc sử dụng nó để đào tạo LLMs. Không chỉ các phản hồi được quét để phát hiện độc tính (toxicity) và thiên kiến (bias) và được kiểm tra để tuân thủ (audited for compliance), mà tất cả các lệnh (prompts) và phản hồi được tạo ra đều bị xóa ngay sau khi một mô hình bên ngoài xử lý lệnh. Khi bạn cân nhắc nhu cầu của mình, một mục tiêu hữu ích là đảm bảo toàn bộ quy trình trí tuệ nhân tạo tạo sinh (generative AI process) an toàn, bảo mật, và đáng tin cậy (safe, secure, and trustworthy).
Trường hợp nghiên cứu: Staysure
Tìm hiểu cách Staysure sử dụng Tableau Cloud để phá vỡ các kho dữ liệu phân mảnh (fragmented data silos), loại bỏ các nút thắt (bottlenecks), và khuyến khích khám phá dữ liệu (data exploration) và sự thông thạo phân tích (analytics fluency).
Các bước bạn có thể thực hiện
- Kiểm tra và đánh giá nhu cầu lực lượng lao động và tổ chức cho kỹ năng dữ liệu và AI.
- Thiết lập một kế hoạch quản lý nhân tài khả thi (actionable talent management plan) cho tuyển dụng (recruitment), giữ chân (retention), và nâng cao kỹ năng (upskilling).
- Đầu tư vào việc cung cấp các công cụ và quyền truy cập dữ liệu phù hợp cho mọi người.
- Xây dựng một cộng đồng thực hành (community of practice) giúp mọi người tương tác và học hỏi về dữ liệu và AI từ những người khác.
Chương 3:
Tiến xa trên hành trình đến mức độ trưởng thành dữ liệu
Tạo các quy trình hỗ trợ mức độ trưởng thành dữ liệu
Doanh nghiệp của bạn đang trên con đường đến mức độ trưởng thành dữ liệu (data maturity). Mức độ trưởng thành dữ liệu yêu cầu bạn xác định các thực hành tốt nhất (best practices) đảm bảo bạn sẵn sàng tận dụng trí tuệ nhân tạo (AI).
Những người được hỏi báo cáo mức độ trưởng thành dữ liệu cao (high data-maturity) có khả năng gấp 2 lần sở hữu dữ liệu chất lượng cao cần thiết để sử dụng AI hiệu quả.10
Theo Forbes, mức độ trưởng thành dữ liệu (data maturity) là thước đo khả năng sử dụng dữ liệu của một tổ chức, cùng với mức độ tổ chức tận dụng tốt các khả năng đó. Khi một tổ chức đạt mức độ trưởng thành dữ liệu, điều đó có nghĩa là nó có thể triển khai các nguồn dữ liệu (data resources) để đạt được nhiều mục tiêu (range of goals). Trong nhiều trường hợp, điều này không chỉ có nghĩa là đưa ra quyết định dẫn dắt bởi dữ liệu (data-driven decisions), mà còn làm cho các nguồn dữ liệu dễ tiếp cận hơn (more accessible) trong toàn tổ chức.
Mục tiêu của mức độ trưởng thành dữ liệu và sự chuẩn bị gợi nhớ đến phép ẩn dụ về việc di chuyển lên và sang phải trên đường cong trưởng thành (maturity curve), thúc đẩy khả năng tận dụng lợi thế lớn hơn và chuẩn bị cho AI.
Khách hàng Tableau thấy tốc độ tạo các mô hình tạo sinh và dự đoán tùy chỉnh (custom generative and predictive models) nhanh hơn 25%.11
10 Salesforce “State of Data and Analytics” 2023
11 Nguồn: 2024 Salesforce Success Metrics Global Highlights. Dữ liệu được tổng hợp từ 2,165 khách hàng trên 10 quốc gia.
Giải pháp
Định nghĩa và mô hình trưởng thành dữ liệu
Khả năng tận dụng AI của bạn phụ thuộc vào hành vi (behaviors) và khả năng dữ liệu (data capabilities) của tổ chức. Khả năng càng lớn, mức độ trưởng thành dữ liệu (data maturity) càng cao. Rõ ràng đây không phải là một quá trình có thể hoàn thành ngay lập tức. Nó không phải là vấn đề “làm một lần là xong” (one and done). Tuy nhiên, càng căn chỉnh con người (people), quy trình (processes), và công nghệ (technology), bạn sẽ càng tiến xa qua các giai đoạn trưởng thành dữ liệu – cuối cùng cho phép mọi người tự tin đưa ra các quyết định dẫn dắt bởi dữ liệu (data-driven decisions) đúng đắn cho doanh nghiệp của bạn.
Khả năng dữ liệu cần thiết để tận dụng AI
[Hình ảnh: Bảng]
| Mức độ trưởng thành dữ liệu thấp (Low data maturity) | Mức độ trưởng thành dữ liệu trung bình (Medium data maturity) | Mức độ trưởng thành dữ liệu cao (High data maturity) | |
|---|---|---|---|
| Chất lượng dữ liệu (Data quality) | 30% | 39% | 59% |
| Cơ sở hạ tầng công nghệ (Technology infrastructure) | 36% | 40% | 57% |
| Chiến lược trí tuệ nhân tạo (Artificial intelligence strategy) | 32% | 36% | 56% |
| Tài năng/kỹ năng kỹ thuật (Technical talents/skills) | 33% | 36% | 56% |
| Sự căn chỉnh của các bên liên quan kinh doanh (Business stakeholders alignment) | 34% | 36% | 55% |
| Khả năng bảo mật/tuân thủ (Security/compliance capability) | 32% | 39% | 55% |
Thực hành tốt nhất cho mức độ trưởng thành dữ liệu
Để tiến triển trên lộ trình trưởng thành dữ liệu (data maturity roadmap), hãy cân nhắc triển khai các thực hành tốt nhất sau:
- Mô hình hóa và đo lường thành công:
- Xác định mức độ trưởng thành dữ liệu trông như thế nào và có ý nghĩa gì với tổ chức của bạn.
- Đo lường năng lực (benchmark competency levels) và khả năng trên con người, quy trình, và công nghệ.
- Đo lường lợi tức đầu tư (ROI) bằng các chỉ số hiệu suất chính (key performance indicators): hiệu suất kinh doanh (business performance), năng suất phân tích (analytics productivity), căn chỉnh tổ chức (organizational alignment), sự hài lòng và chấp nhận của cộng đồng (community satisfaction and adoption).
- Đảm bảo nguồn dữ liệu căn chỉnh với một hoặc nhiều phần của quy trình kinh doanh:
- Xây dựng các nguồn dữ liệu sẵn sàng cho phân tích, được quản lý (curated, analytics-ready data sources) để giải quyết các điểm quyết định quan trọng (critical decision points).
- Tập trung (centralize), bảo mật (secure), xử lý (process), và tổ chức (organize) khối lượng dữ liệu lớn để mọi người trong công ty có thể truy cập dữ liệu thống nhất (unified data) cần thiết từ một vị trí duy nhất.
- Thúc đẩy văn hóa ra quyết định dẫn dắt bởi dữ liệu với thông tin chi tiết được hỗ trợ bởi AI:
- Sử dụng khám phá dữ liệu (data discovery) kết hợp với phân tích tích hợp AI (AI-infused analytics) để cải thiện năng suất (productivity).
- Nhận cam kết của các bên liên quan cấp điều hành (executive stakeholders) cho thay đổi hành vi (behavior change) và phân bổ ngân sách cho quản lý thay đổi (change management).
- Tự động hóa phân tích (automate analysis) và tăng hợp tác dữ liệu (data collaboration).
Xây dựng lộ trình trưởng thành dữ liệu
Các yếu tố của một lộ trình trưởng thành dữ liệu thành công (successful data maturity roadmap) bao gồm các cân nhắc về chiến lược phân tích (analytics strategy), cách tiếp cận quản trị (governance approach), triển khai linh hoạt hoặc thích ứng (agile or flexible deployment), và truyền đạt giá trị (communicating the value) cũng như hỗ trợ một cộng đồng (community) ủng hộ phân tích.
- Tinh giản quy trình (Streamline processes):
- Thảo luận về việc tích hợp AI để tự động hóa và nâng cao quy trình dữ liệu (data processes).
- Chuyển đổi văn hóa (Cultural shift):
- Xây dựng hoặc hỗ trợ một cộng đồng truyền cảm hứng và tôn vinh các chiến thắng dẫn dắt bởi dữ liệu (data-driven wins).
Tăng tốc hành trình dữ liệu và AI của bạn
Nền tảng đáng tin cậy (Trusted Platform)
Kết luận
Tableau cung cấp dữ liệu đáng tin cậy (trusted data), phân tích (analytics), trí tuệ nhân tạo (AI), và công cụ hình ảnh hóa (visualization tools) bạn cần để tạo một văn hóa dữ liệu (data culture) trong tổ chức nhằm tăng tốc giá trị của phân tích và AI.
Hành trình dữ liệu của bạn bắt đầu trên nền tảng của chúng tôi, nơi chúng tôi cung cấp một nguồn chân lý duy nhất (single source of truth) trên toàn tổ chức. Sau đó, AI trong Tableau tận dụng dữ liệu của bạn, tiết lộ các xu hướng và mô hình (trends and patterns), và khám phá các thông tin chi tiết có thể hành động (actionable insights) để thúc đẩy việc ra quyết định chính xác và nhanh chóng (accurate and rapid decision making) – mà không ảnh hưởng đến các khoản đầu tư công nghệ hiện có (existing technology investments) hoặc làm tổn hại đến bảo mật và quyền riêng tư dữ liệu (data security and privacy).
Để bắt đầu xây dựng văn hóa dữ liệu, hãy xem lại các bước được nêu trong cẩm nang này và khám phá các tài nguyên bên phải.
Các bước tiếp theo
- Analytics 1:1 connect & demo
Tìm hiểu sâu về các sản phẩm của chúng tôi để biết cách chúng tôi giúp những người làm việc với dữ liệu đạt được kết quả với chi phí thấp hơn.
Lên lịch demo (Schedule a demo) - Start your free trial of Tableau
Khám phá và khám phá dữ liệu không giới hạn bắt đầu ngay bây giờ.
Thử Tableau (Try Tableau) - Virtual webinars
Tham gia các sự kiện và hội thảo trực tuyến của Tableau được tạo ra để hỗ trợ các nhà lãnh đạo dữ liệu.
Tham gia một hội thảo trực tuyến sắp tới (Join an upcoming webinar)
Về Tableau từ Salesforce
Tableau là nền tảng phân tích được hỗ trợ bởi trí tuệ nhân tạo (AI-powered analytics platform) hàng đầu thế giới. Các trải nghiệm dữ liệu trực quan (intuitive data experiences), được hỗ trợ bởi khả năng AI tạo sinh và dự đoán (generative and predictive AI capabilities), nâng cao thông tin chi tiết (insights) tại nơi bạn làm việc nhiều nhất. Cung cấp một bộ công cụ phân tích và trí thông minh kinh doanh (analytics and business intelligence tools), Tableau biến dữ liệu đáng tin cậy (trusted data) thành thông tin chi tiết có thể hành động (actionable insights) để bạn có thể đưa ra quyết định tốt hơn mỗi lần. Tableau cung cấp sự lựa chọn và linh hoạt nhất cho kiến trúc của bạn (architecture) khi chiến lược công nghệ và AI của bạn phát triển. Với bảo mật (security), quản trị dữ liệu (data governance), và tuân thủ (compliance) được chú trọng, tổ chức của bạn có thể duy trì sự nhanh nhẹn (agility) khi các nhu cầu mới về dữ liệu xuất hiện.
Tableau cam kết hỗ trợ các nhu cầu độc đáo của các tổ chức trên toàn thế giới với hệ sinh thái đối tác và thành công lớn nhất (largest partner and success ecosystem), bao gồm Cộng đồng Tableau (Tableau Community) đầy nhiệt huyết có thể dạy, hỗ trợ, thử thách, và tôn vinh bạn ở mọi giai đoạn trong hành trình AI của bạn. Tương lai là vô hạn khi bạn bắt đầu với dữ liệu và tiến lên với Tableau. Để biết thêm thông tin, truy cập www.tableau.com.
Tải cẩm nang của Tableau tại đây
