Phân tích dữ liệu dựa trên AI (AI-driven data analytics)
Last updated: August 19, 2025 Xem trên toàn màn hình
Recommended for you
- 01 Aug 2023
Phân tích yêu cầu phần mềm sẽ nhìn vào thực trạng (AS-IS) hay tương lai (TO-BE)? 16/411 - 20 Jul 2021 Quản lý và đánh giá công việc theo quy trình TIGO SmartWork 15/379
- 04 Jan 2023 Phát triển phần mềm linh hoạt theo mô hình Big Bang 12/694
- 01 Mar 2024 Google thử nghiệm Search AI (Search Generative Experience - SGE) 12/365
- 04 Mar 2025 So sánh các giải pháp Sales Loft, Power BI và Salesforce 9/57
- 18 May 2021 Cây cầu hiện đại vô dụng nhất thế giới và câu chuyện cái kết của thay đổi yêu cầu 9/654
- 14 Apr 2019 Product Backlog là gì? Các đặc điểm cơ bản của một Product Backlog 9/414
- 02 Aug 2023 Tổng hợp một số project tham khảo khi xây dựng các ứng dụng theo mô hình Microservices 8/429
- 28 Jun 2024 Tại sao các kỹ sư IT giỏi nhất lại là những người theo thuyết bất khả tri về công nghệ (technology agnostics)? 8/322
- 02 Aug 2021 Product Owner làm gì trước khi bắt đầu sprint đầu tiên của dự án (Sprint Zero)? 7/332
- 10 May 2021 Phát triển Phần mềm Tinh gọn (Lean Software Development) 7/219
- 03 Mar 2020 Giả định (Assumption ) là gì? Tại sao giả định rất quan trọng với dự án? 7/506
- 03 May 2022 Mô hình Hybrid Agile là gì? 6/470
- 08 Jan 2022 Yêu cầu thay đổi (Change Request) là gì? Làm thế nào để kiểm soát Change Request? 5/245
- 01 Apr 2025 CTO ra quyết định như thế nào? 5/32
- 02 Jul 2025 Doanh nghiệp đối diện CHI PHÍ ẨN khi không áp dụng "AI Agents": Lộ diện nguy cơ tụt hậu 4/41
- 29 Jul 2023 Giải mã 10 "Pain Points" của Big Data: Khi "mỏ vàng dữ liệu" vẫn không thể khai thác 4/46
- 18 Mar 2021 Kỹ thuật ước lượng dự án phần mềm linh hoạt dựa vào Story Point - phương pháp T-Shirt Sizing 4/484
- 14 Dec 2022 Phương pháp kiểm tra Fagan Inspection là gì? 3/166
- 08 Aug 2023 "Denormalized Table" là gì? 3/182
- 01 Sep 2025 AI đang thay đổi khoa học quản trị hiện đại như thế nào 3/31
- 23 Aug 2024 Nghịch lý toán học chứng minh giới hạn của AI 3/228
- 19 Jun 2024 Giải mã AI, ML và DL: Chìa khóa nắm bắt xu hướng chuyển đổi số 3/162
- 27 Nov 2024 Ứng dụng AI theo dõi thu chi gây sốt vì 'mắng' người tiêu tiền 2/119
- 23 Apr 2025 Multimodal Agent AI – Cuộc cách mạng trong tương tác người – máy 2/106
- 28 Nov 2025 AI có thể chống lại “tư duy bầy đàn” trong doanh nghiệp? 2/5
- 24 Mar 2019 Scrum giống như bà mẹ chồng, giúp bạn nhìn ra các lỗi sai 2/279
- 08 Feb 2021 Quy trình nâng cấp phần mềm quản trị doanh nghiệp TIGO ERP 2/194
- 21 Apr 2020 Bảo trì phần mềm là gì? Phân biệt các loại bảo trì 1/256
- 22 Jul 2020 Quản lý dự án phần mềm trong thực tế và câu chuyện thành công của InfoSys 1/95
- 19 Jan 2025 AI Agents: Ngọn Hải Đăng Dẫn Lối Khởi Nghiệp Trong Kỷ Nguyên Số 1/140
- 03 May 2024 AI Đàm Thoại (Conversational AI) – Cuộc Cách Mạng Công Nghệ Đầy Hứa Hẹn 1/158
- 14 Aug 2025 Văn bản do AI tạo ra có cấu trúc khác với văn bản con người tạo ra như thế nào? /5
Nếu đến năm 2025 mà chiến lược dữ liệu của doanh nghiệp bạn chưa đạt được các yếu tố smarter (thông minh hơn), faster (nhanh hơn), easier (dễ hơn), better (tốt hơn) và secured (an toàn hơn), thì bạn đang đi sai hướng.
Thế giới AI và phân tích dữ liệu (analytics) đang phát triển với tốc độ chóng mặt, vượt xa cả những gì chúng ta từng tưởng tượng. Các nền tảng như OpenText Analytics Cloud không chỉ giúp doanh nghiệp theo kịp xu thế, mà còn dẫn đầu trong việc tái định nghĩa cách thức ra quyết định. Chúng ta đang bước vào kỷ nguyên của “decisions reimagined” – nơi AI không chỉ hỗ trợ mà còn chuyển hóa hoàn toàn tư duy ra quyết định.
Smarter: AI ở khắp mọi nơi
AI không còn là công nghệ ngách. Nó đã thâm nhập vào mọi ngành, mọi vai trò và quy trình thông qua machine learning (học máy), large language models – LLMs (mô hình ngôn ngữ lớn), natural language processing – NLP (xử lý ngôn ngữ tự nhiên) và nhiều kỹ thuật tiên tiến khác.
- Decision intelligence (trí tuệ ra quyết định) sẽ trở thành nền tảng mới.
- Explainable AI (AI có thể giải thích) giúp gia tăng tính minh bạch.
- Causal inference (suy luận nhân quả) mở ra khả năng trả lời “vì sao” chứ không chỉ “cái gì đã xảy ra”.
- Synthetic data (dữ liệu tổng hợp) do AI tạo ra sẽ bổ sung và mở rộng các bộ dữ liệu thực tế.
Trong ngữ cảnh DIKW Pyramid: đây là bước biến dữ liệu (Data) thành thông tin (Information), và AI giúp nâng cấp nó lên thành Knowledge bằng việc lý giải nguyên nhân - hệ quả.
Augmented: Con người và AI – Tốt hơn khi đồng hành
AI không nhằm thay thế con người mà để gia cường (augment) năng lực. Thông qua predictive analytics (phân tích dự đoán), prescriptive analytics (phân tích khuyến nghị) và data democratization (dân chủ hóa dữ liệu), mọi nhân viên đều có thể trở thành người ra quyết định dựa trên dữ liệu.
Điểm mấu chốt: Nhân viên giỏi + AI = Lực lượng lao động của tương lai.
AI sẽ trở thành một “trợ lý 24/7”, giúp năng suất tăng vọt và mở khóa những tiềm năng mới.
Trong DIKW Pyramid, AI đóng vai trò đưa thông tin và tri thức đến cấp độ Wisdom (sự sáng suốt), nơi con người đưa ra quyết định chiến lược dựa trên bức tranh toàn diện.
Easier: Dữ liệu cho mọi người, không chỉ Data Scientists
Với conversational AI (AI hội thoại) dựa trên LLMs, các rào cản kỹ thuật như SQL hay Python sẽ dần biến mất. Người dùng chỉ cần đặt câu hỏi bằng ngôn ngữ tự nhiên để có được insight.
Khi dữ liệu trở nên dễ tiếp cận cho mọi người, mỗi quyết định trong tổ chức sẽ tốt hơn. Đây chính là bước chuyển từ tri thức chuyên biệt sang tri thức phổ quát – giúp toàn bộ doanh nghiệp cùng tiến về phía trước.
Faster: Thời gian thực là tiêu chuẩn mới
Kỷ nguyên của IoT (Internet of Things), edge computing (điện toán biên), quantum acceleration (gia tốc lượng tử) đã đặt dấu chấm hết cho việc chờ đợi nhiều giờ để có insight.
Doanh nghiệp cần hạ tầng có khả năng xử lý phân tích dữ liệu real-time (thời gian thực) với độ trễ cực thấp. Điều này biến dữ liệu thành hành động ngay tại thời điểm diễn ra sự kiện.
Better: Quản lý dữ liệu trong thời kỳ bùng nổ
Kiến trúc data fabric sẽ hợp nhất các nguồn dữ liệu rời rạc, trong khi công nghệ lưu trữ mới (ví dụ: DNA data storage) chuẩn bị cho làn sóng dữ liệu khổng lồ từ IoT, nhật ký máy móc và nhiều nguồn khác.
Kết quả: dữ liệu sẽ sạch, kết nối và sẵn sàng tiêu thụ – điều kiện tiên quyết để doanh nghiệp khai thác giá trị thực sự từ nó.
Secured: Yếu tố không thể thỏa hiệp
Data security (an ninh dữ liệu) trở thành điều kiện sống còn. AI-powered governance (quản trị dữ liệu bằng AI), blockchain, ethical AI (AI có đạo đức) sẽ là những tấm khiên bảo vệ trước rủi ro rò rỉ dữ liệu, tuân thủ quy định và các mối đe dọa ngày càng phức tạp.
Nếu dữ liệu không an toàn, mọi insight hay chiến lược dựa trên nó đều vô nghĩa.
Mô hình DIKW Pyramid
Trong hành trình chuyển đổi số, DIKW Pyramid là một kim chỉ nam hữu ích:
- Data (Dữ liệu): Các nguồn dữ liệu từ IoT, logs, giao dịch.
- Information (Thông tin): AI xử lý, tổng hợp và hiển thị qua dashboards, báo cáo.
- Knowledge (Tri thức): AI nâng cấp thông tin thành hiểu biết sâu hơn, bao gồm quan hệ nhân quả, mô hình dự đoán.
- Wisdom (Sự sáng suốt): Con người kết hợp tri thức và bối cảnh kinh doanh để đưa ra quyết định chiến lược.
AI không chỉ giúp doanh nghiệp “leo” trên kim tự tháp DIKW nhanh hơn mà còn mở rộng nó, đưa ra một cách tiếp cận ra quyết định mới (decisions reimagined) – nơi dữ liệu không chỉ là nguồn lực, mà trở thành động cơ tạo giá trị cho toàn tổ chức.
Trần Quang Huy
Automation Lead, TIGO CONSULTING
Khám phá thêm các chủ đề sau
Đọc thêm: Hướng dẫn hợp tác viết bài (guest blogging)
Các chủ đề được quan tâm nhiều nhất
CHIA SẺ BÀI VIẾT
Link copied!
Mới cập nhật