Social media

33 Giang Văn Minh, phường Kim Mã, quận Ba Đình, Hà Nội

February 10,2023 - Vision on branding

Tại sao bạn cần cấu trúc quản lý dữ liệu (Data Governance) để xây dựng một doanh nghiệp số thành công

Nhiều CXO đã coi cấu trúc quản lý dữ liệu là khó khăn hàng đầu trong quá trình chuẩn bị “số hoá" doanh nghiệp. Dựa trên kinh nghiệm của chúng tôi trong nhiều ngành nghề, chúng tôi đã nhận thấy rằng sự khác biệt giữa những công ty sử dụng dữ liệu hiệu quả và những công ty sử dụng không hiệu quả là: những công ty hiệu quả có mức lợi nhuận cao hơn. Ví dụ trong ngành kinh doanh may mặc, những công ty làm việc dựa trên dữ liệu tăng được gấp đôi lợi nhuận trước thuế và lãi khi so với những công ty truyền thống.

=> Chiến lược chuyển đổi số: 4 bước thay đổi doanh nghiệp cần chuẩn bị

Việc sử dụng dữ liệu hiệu quả cần có cấu trúc quản lý dữ liệu chính xác được xây dựng trên nền tảng những yêu cầu của doanh nghiệp. Tuy nhiên, phần lớn doanh nghiệp lại chọn hướng đi tập trung vào phần công nghệ trước, xây dựng nên những kênh quản lý lớn nhưng không đủ chú trọng vào những hoàn cảnh cụ thể.
 

Những công ty thành công trong việc đạt tới các mục tiêu số (digital objectives) thường để những mục đích kinh doanh (business goals) của họ dẫn lối cho hoạt động công nghệ trong công ty. Đây là cách họ xây dựng một cấu trúc quản lý dữ liệu hiệu quả.

Rất nhiều doanh nghiệp khi nhìn thấy những cơ hội (và đối thủ) công nghệ số trong ngành của mình, lại quá nhanh chóng trong việc đầu tư mà không có chiến lược quản lý dữ liệu kĩ lưỡng. Hoặc là họ chỉ tập trung vào phần công nghệ, hoặc giải quyết luôn những tình huống tức thời mà không cân nhắc việc tạo nên những giá trị dài hạn. Việc này giải thích một phần tại sao một khảo sát toàn cầu năm 2017 của McKinsey đã tìm ra rằng chỉ 1 số chủ doanh nghiệp thấy có hiệu quả tầm trung trong việc đạt những mục tiêu số của công ty họ. Khảo sát đã tìm ra: vấn đề lớn thứ 2 các công ty gặp phải (bên cạnh việc tạo dựng một chiến lược để theo dõi dữ liệu) là việc thiết kế một cấu trúc quản lý dữ liệu có thể vận hành được các hoạt động dữ liệu lớn. Chúng tôi tìm thấy là 8/10 công ty thực hiện việc sử dụng dữ liệu bằng cách để bộ phận công nghệ thông tin điều hành quá trình biến đổi dữ liệu - với những chương trình lớn - mà không tập trung nhiều vào yếu tố kinh doanh.

Xem thêm: Chuyển đổi số - Chìa khoá từ các nhà lãnh đạo tạo nên tăng trưởng doanh thu hơn 5 lần

Chiến lược này khá khác biệt với cách làm của những người lãnh đạo số thế hệ sau - họ thường tạo sự biến đổi từ một góc nhìn kinh doanh và sau đó sử dụng công nghệ để hỗ trợ điều này. Việc giải quyết phần công nghệ trước tạo nên nhiều vấn đề hơn là thành công, bao gồm:
 

  • Tồn kho dữ liệu thừa thãi và không thống nhất. Chỉ 2/10 ngân hàng chúng tôi từng làm việc cùng đã tạo nên một kho dữ liệu chung cho doanh nghiệp - trong khi đây là điều cần thiết để có một nguồn duy nhất cho dữ liệu tài chính và khách hàng.
  • Tác dụng lặp lại. Tất cả ngân hàng chúng tôi từng làm việc cùng có ít nhất 1 lĩnh vực kinh doanh được bệ đỡ bởi tới 3 hệ thống dữ liệu số khác nhau.
  • Thiếu hụt trong sức bền. Những giải pháp các doanh nghiệp tài chính hay sử dụng thường là những hướng giải quyết nhanh mà không đoái hoài tới mục tiêu “số hoá" lớn hơn của doanh nghiệp. Ví dụ, một công ty bảo hiểm đã lấy ra và sao chép dữ liệu từ kho tàng

Những vấn đề này có hậu quả thực sự về mặt kinh doanh. Việc đạt những mục tiêu kinh doanh hàng đầu, ví dụ như hỗ trợ khách hàng trực tuyến hay quản lý lượng thông tin lớn cần sự kết hợp giữa kho dữ liệu truyền thống với công nghệ mới.

Cấu trúc quản lý dữ liệu (Data Governance) 2 tốc độ 

Thời nay, các doanh nghiệp cần đối đầu với lượng dữ liệu ngày càng lớn và phức tạp (trên toàn cầu, dữ liệu lưu trữ tăng gấp đôi mỗi 2 năm) đến từ nhiều nguồn đa dạng dưới nhiều định dạng mà những cấu trúc quản lý dữ liệu truyền thống gặp khó khăn, và thường thất bại, trong việc vận hành. Việc phát triển những kĩ thuật kinh doanh mới - như là đặt giá cá nhân cho khách hàng dựa trên lợi nhuận thời gian thực - như một số công ty bảo hiểm đã làm, tự động hoá những quyết định tín dụng mà dẫn tới hệ quả tốt hơn cho ngân hàng và làm khách hài lòng hơn, hoặc chạy những chiến dịch quảng cáo tự động mà rẻ hơn như chúng ta đã từng thấy trong ngành hoá chất - tất cả những việc này yêu cầu những cách quản lý dữ liệu mới.

Tuy nhiên điều này không có nghĩa là hệ thống dữ liệu và công nghệ thông tin cũ cần phải bị rũ bỏ hoàn toàn, hoặc những kĩ thuật mới cần phải thay thế hết. Điều này chỉ có nghĩa là kho tàng dữ liệu truyền thống mà qua đó doanh nghiệp đã đạt được sự ổn định và rõ ràng về mặt tài chính, cần phải được thu nhỏ lại và kết hợp với hệ thống xử lý tốc độ cao để cho doanh nghiệp khả năng hỗ trợ sản phẩm và dịch vụ mới (cùng lúc với đưa ra báo cáo thời gian thực).

Đây là nguyên lý 2 tốc độ.Môi trường công nghệ mới và phức tạp này yêu cầu công ty phải giám định các quá trình làm việc trước khi đưa ra các quyết định tốn kém trong mảng công nghệ, như là việc thay đổi hoàn toàn hệ thống quản lý dữ liệu cũ một cách không cần thiết. Thay vì đó, sẽ tốt hơn nếu như tái cấu trúc lại việc quản lý dữ liệu dựa trên khả năng của công ty để tạo điều kiện cho các phần mềm số.

Cấu trúc quản lý dữ liệu mẫu 

cấu trúc quản lý dữ liệu mẫu

Để tích hợp một hệ thống quản lý dữ liệu số từ đầu đến cuối, đầu tiên, một doanh nghiệp cần phát triển một góc nhìn cụ thể về những yêu cầu kinh doanh hiện tại, và nếu có thể thì cả yêu cầu tương lai nữa, rồi vẽ ra ý tưởng hệ thống quản lý dữ liệu linh hoạt như mong muốn, và tạo một hướng đi để thực hiện. Để bắt đầu, doanh nghiệp cần phải xác định những hoạt động kinh doanh chủ chốt.   

Để làm được điều này, chúng tôi khuyến khích xem lại kĩ càng những hoạt động kinh doanh tốt nhất trong nhiều ngành mà mang lại những giá trị cơ bản (sự rõ ràng về mặt tài chính, sự hài lòng của khách hàng, tiến độ phát triển sản phẩm nhanh chóng, báo cáo qui trình hoạt động thời gian thực, và nhiều hơn nữa). Sau đó, công ty nên so sánh những hoạt động kinh doanh này với vị trí công ty trong thị trường và chiến lược định hướng của công ty, ưu tiên những mảng phản ánh vị trí và mong muốn của công ty nhất. Một khi những hoạt động kinh doanh này được chỉ rõ, công ty có thể bắt đầu định ra những kĩ thuật kì vọng lấy được từ hệ thống quản lý dữ liệu (Data Governance). Trong quá trình này, việc kinh doanh dẫn đầu và công nghệ theo sau.   

Xem thêm: Cẩm nang cho CEO: Cách tránh 10 cạm bẫy làm chậm quá trình chuyển đổi số

Cấu trúc cấp cao trong hình minh hoạ phía trên đại diện cho một cấu trúc quản lý dữ liệu đa tầng mà nhiều doanh nghiệp đã áp dụng thành công trong nhiều ngành hàng, đặc biệt trong ngành tài chính. Cấu trúc này hỗ trợ nhiều kĩ thuật mới như là thu thập và phân tích dữ liệu chưa có kết cấu, tải dữ liệu trong thời gian thực, và tạo dữ liệu luồng.

Hình minh hoạ cho thấy một hệ thống mẫu kết hợp cả yêu cầu truyền thống - sự rõ ràng trong tài chính qua một kho dữ liệu - và khả năng hỗ trợ những thống kê nâng cao và dữ liệu lớn. Trong một cụm từ, nó gọi là cách làm 2 tốc độ.

Cấu trúc 2 tốc độ bám sát 3 nguyên lý chủ chốt:

Có một số lượng bộ phận có hạn và định rõ giới hạn khả năng để quản lý được những sự phức tạp, trong lúc đó vẫn đưa ra những chức năng cần thiết, như là thống kê nâng cao và báo cáo qui trình làm việc. 

Có nhiều lớp để quản lý được dòng chảy dữ liệu một cách rõ ràng, và đưa ra một nguồn duy nhất để bảo vệ hệ thống khỏi những gián đoạn và sự thiếu đồng nhất (qua việc sử dụng kho dữ liệu, nơi tạo mô hình và tích hợp dữ liệu từ nhiều nguồn khác nhau).

Tích hợp giải pháp mới mẻ với những bộ phận truyền thống (như là kho dữ liệu) để hoàn thành được những yêu cầu như xử lý dữ liệu thời gian thực, và một cơ sở dữ liệu quản lý qui trình hoạt động (ODS) dựa trên công nghệ mới.

Chúng tôi đã sử dụng mô hình này để:

Giúp khách hàng nghĩ kĩ hơn và đánh giá được những lựa chọn của họ một cách có hệ thống trước khi bàn giải pháp kỹ thuật.

So các bộ phận kỹ thuật số với khả năng của công ty để tránh sự lặp lại, cùng lúc đó định ra được những thiếu hụt.

Vạch ra kế hoạch để biến đổi từng bước với sự dẫn dắt của giá trị kinh doanh, cùng lúc đó giới hạn tối đa sự gián đoạn công việc.
 

Kết hợp vật lý và số 

Ví dụ, một trong những ngân hàng lớn nhất ở Scandinavia, vì hiểu rõ tiềm năng kinh tế của những thống kê nâng cao, dữ liệu lớn, vị trí đặt ATM, việc quản lý dữ liệu tốt hơn để tăng mức phát hiện và phòng chống lừa đảo, và những yếu tố khác, đã rất nóng lòng bắt đầu hành trình dữ liệu của họ. Lúc đó ngân hàng đang phải đối mặt với đối thủ cạnh tranh mạnh, và đang cân nhắc việc đầu tư lớn một khoản hàng triệu đô la vào hệ thống công nghệ thông tin - dữ liệu.

=> Sự chuyển đổi trong mô hình kinh doanh của ngân hàng tại Việt Nam - Cơ hội và thách thức

Tại thời điểm đó, rất nhiều thứ phụ thuộc vào việc ngân hàng quyết định đầu tư vào cái gì, ở đâu, và như thế nào.

Họ bắt đầu bằng cách định ra những hoạt động kinh doanh chủ chốt phản ánh các yêu cầu chiến lược quan trọng nhất của doanh nghiệp: tăng cường phát hiện lừa đảo, phân bố và đặt vị trí các chi nhánh một cách chiến lược, và chia nhỏ nhóm khách hàng.

Dựa trên nền tảng đã được định ra này, chúng tôi đã giúp ngân hàng vẽ ra sườn hệ thống họ mong muốn, phát triển từ mô hình mẫu. Hệ thống này sẽ cho ngân hàng những khả năng họ muốn có và giúp họ đánh giá những giải pháp khả thi. Thay vì rũ bỏ toàn bộ hệ thống công nghệ thông tin của doanh nghiệp, ngân hàng đã quyết định tích hợp thêm một giải pháp Hadoop, cho phép lưu trữ và phân bố lượng dữ liệu rất lớn và nhiều khi không có cấu trúc của ngân hàng cho hàng nghìn máy khác nhau. Việc này đặc biệt hữu dụng khi cần theo dõi những yêu cầu lớn của ngân hàng cho các chiến dịch phát hiện lừa đảo online của họ.

Từ vị trí chi nhánh, sự phân bố, và quá trình tối đa hoá, một cơ sở dữ liệu Hadoop (một kênh quản lý có vai trò xử lý những dữ liệu không liên quan đến nhau) đã sử dụng dữ liệu địa lí và dân cư của ngân hàng để định ra nơi nào là phù hợp nhất để đặt những chi nhánh mới và máy ATM. Để cải thiện phân loại khách hàng, ngân hàng đã thử một thuật toán khách hàng mới trên cơ sở dữ liệu Hadoop trước khi đưa vào kho dữ liệu truyền thống. Việc này đã loại bỏ được một quá trình mà thường đắt đỏ và tốn thời gian: phát triển, thực hiện, đánh giá, kiểm duyệt, thay đổi, và thực hiện lại - một quá trình thường có trong những qui trình phát triển dữ liệu truyền thống. 

Bằng cách này, ngân hàng đã đạt được những mục tiêu kinh tế chủ chốt. Họ đã có thêm những kĩ thuật mới và khác biệt, như thống kê thời gian thật, và tạo nên giá trị thực sự cho doanh nghiệp chỉ với một chút đầu tư nhỏ lẻ về mặt công nghệ, không phải khoản đầu tư lớn như ban đầu đã tính đến. Ngân hàng đã đạt được điều này bằng cách quyết định đầu tư vào cái gì, ở đâu, và như thế nào - trước khi mua những hệ thống và phần mềm có thể đã không mang lại lợi ích được nhiều như vậy. Quan trọng là, thay vì mua công nghệ trước, ngân hàng đã xây dựng một đội ngũ thống kê trong chính doanh nghiệp, sử dụng luôn nhân lực tài năng cho quá trình tạo chiến lược.

Hiện nay, ngân hàng này được coi là đứng đầu mảng phân tích tài chính trong phạm vi ngành hàng của họ, và cũng bán luôn dịch vụ phân tích - thống kê cho những doanh nghiệp tài chính khác.

Ngân hàng biết là thời điểm đã chín muồi để tập trung vào chuyển đổi số, nên họ đã coi nó là việc ưu tiên, và vì thế mà đã đạt được những gì rất có thể là lợi thế cạnh tranh lâu dài, mà không làm gián đoạn công việc với một cuộc biến đổi công nghệ qui mô lớn. Tất cả bắt đầu từ một góc nhìn rõ ràng về mục tiêu kinh tế của họ - điều này đã giúp họ đi đúng hướng, và tạo nên một cấu trúc quản lý dữ liệu 2 tốc độ thực sự có tác dụng.

Xem thêm: 10 bài học đắt giá minh chứng cho công nghệ “lỗi thời” ảnh hưởng đến trải nghiệm ngành ngân hàng

Bài học ở đây là đối với rất nhiều công ty, việc thêm những kỹ thuật thống kê vào một môi trường công nghệ thông tin có sẵn là hoàn toàn có thể làm được và còn tiết kiệm chi phí. Nhưng việc đó yêu cầu một hệ thống dữ liệu vững chắc, và một định hướng rõ ràng với việc quản lý những dữ liệu đó.

Bài viết gốc Tại sao bạn cần cấu trúc quản lý dữ liệu (Data Governance) để xây dựng một doanh nghiệp số thành công được đăng trên website Beau - Creative Agency Vietnam