Xu hướng tận dụng data driven của doanh nghiệp năm 2025 – Adtek

Xu hướng tận dụng data driven của doanh nghiệp năm 2025

Năm 2025, quy trình làm việc thông minh và tương tác liền mạch giữa con người và máy móc có thể sẽ trở thành tiêu chuẩn như bảng cân đối kế toán của công ty. Hầu hết nhân viên sẽ sử dụng dữ liệu để tối ưu hóa gần như mọi khía cạnh công việc của họ.

Mặc dù năm 2025 không còn quá xa, nhưng đó chính là vấn đề cần xem xét.

Có 7 đặc điểm sẽ định hình doanh nghiệp data-driven mới này và chúng tôi đã thấy nhiều công ty đang đi theo ít nhất 1 số đặc điểm. Trong khi nhiều công ty khác đang bắt đầu hành trình đó.

Những người có thể đạt được tiến độ nhanh nhất để thu được giá trị cao nhất từ ​​các khả năng do dữ liệu hỗ trợ. Ví dụ, các công ty đã nhìn thấy 20% thu nhập trước thuế và lãi vay (EBIT) do trí tuệ nhân tạo (AI) đóng góp, có nhiều khả năng tham gia, tận dụng phương pháp áp dụng dữ liệu làm nền tảng.

Hướng dẫn này nhằm giúp các giám đốc điều hành hiểu các đặc điểm của doanh nghiệp data-driven mới và các khả năng mà họ có thể áp dụng. Ngoài ra cũng cung cấp các tài nguyên để tìm hiểu sâu hơn về cách áp dụng dữ liệu vào tổ chức.

Đặc điểm 1: Dữ liệu xuất hiện trong mọi quyết định, tương tác và quy trình

Thực tế hiện nay

Các tổ chức thường áp dụng các phương pháp tiếp cận data-driven, từ các hệ thống dự đoán đến tự động hóa AI-driven một cách lẻ tẻ trong toàn tổ chức, để lại giá trị trên table và dẫn đến kém hiệu quả. Nhiều vấn đề kinh doanh vẫn được giải quyết thông qua các cách tiếp cận truyền thống và mất nhiều tháng hoặc nhiều năm để giải quyết.

Năm 2025

Gần như tất cả nhân viên đều tận dụng dữ liệu một cách tự nhiên và thường xuyên để hỗ trợ công việc của họ. Thay vì giải quyết các vấn đề một cách mặc định bằng cách phát triển các lộ trình, đôi khi sẽ mất nhiều năm, họ được trao quyền để học hỏi cách các kỹ thuật dữ liệu đổi mới có thể giải quyết các thách thức trong một vài giờ, một vài ngày hoặc một vài tuần.

Các tổ chức có khả năng ra quyết định tốt hơn, tự động hóa các hoạt động cơ bản hàng ngày và đưa ra các quyết định ở mức thường xuyên hơn. Nhân viên được tự do tập trung vào các lĩnh vực “con người” hơn, chẳng hạn như đổi mới, cộng tác và giao tiếp. Văn hóa data-driven thúc đẩy cải tiến hiệu suất liên tục để tạo ra trải nghiệm khách hàng và nhân viên bắt đầu có sự khác biệt, đồng thời cho phép sự phát triển của các ứng dụng tinh vi mới chưa được phổ biến rộng rãi hiện nay.

Làm thế nào để bắt đầu

• Tìm hiểu cách chuyển đổi sang một tổ chức hỗ trợ AI và tìm hiểu cách khai thác sức mạnh của dữ liệu từ các nhà lãnh đạo AI.

• Bắt đầu nâng cao kỹ năng cho nhân viên về việc sử dụng dữ liệu và AI.

• Tìm hiểu cách hình dung lại từng quy trình làm việc, hành trình và chức năng để tận dụng dữ liệu và AI.

• Xây dựng tầm nhìn cho tổ chức dựa trên dữ liệu.

Đặc điểm 2: Dữ liệu được xử lý và phân phối theo thời gian thực

Thực tế hiện nay

Chỉ một phần nhỏ dữ liệu từ các thiết bị kết nối được nhập, xử lý, truy vấn và phân tích theo thời gian thực do giới hạn của cấu trúc công nghệ kế thừa, những thách thức của việc áp dụng các yếu tố kiến ​​trúc hiện đại hơn và nhu cầu tính toán cao của quá trình xử lý chuyên sâu, hay thời gian thực khi tiến hành công việc. Các công ty thường phải lựa chọn giữa tốc độ và cường độ tính toán, điều này có thể trì hoãn các phân tích phức tạp hơn và hạn chế triển khai các trường hợp cần sử dụng dữ liệu thời gian thực.

Năm 2025

Các mạng lưới thiết bị được kết nối rộng lớn để thu thập và truyền dữ liệu, tìm ra insights theo thời gian thực. Cách dữ liệu được tạo, xử lý, phân tích và hiển thị cho người dùng cuối được biến đổi đáng kể nhờ các công nghệ mới và phổ biến hơn. Chẳng hạn như kiến ​​trúc kappa hoặc lambda được sử dụng để phân tích thời gian thực, đưa ra insights nhanh hơn và mạnh mẽ hơn. Ngay cả những phân tích nâng cao phức tạp nhất cũng có sẵn một cách hợp lý cho tất cả các tổ chức khi chi phí sử dụng điện toán đám mây tiếp tục giảm và các công cụ dữ liệu “in-memory” giá trị hơn được đưa vào trực tuyến (ví dụ: Redis, Memcached). Nhìn chung, điều này cho phép tạo ra nhiều trường hợp sử dụng nâng cao để cung cấp insights cho khách hàng, nhân viên và đối tác.

Làm thế nào để bắt đầu

• Tận dụng lợi thế của kiến ​​trúc dữ liệu tham chiếu đã được thử nghiệm, tận dụng module, tính linh hoạt và khả năng mở rộng cần thiết để hỗ trợ các khả năng này.

• Phát triển thành nền tảng dữ liệu hỗ trợ đám mây để đáp ứng nhu cầu phân tích và dữ liệu trong tương lai, chẳng hạn như khả năng thời gian thực.

• Tìm hiểu về tương lai của các thiết bị điện toán hỗ trợ di động.

Đặc điểm 3: Kho dữ liệu linh hoạt cho phép dữ liệu tích hợp, sẵn sàng sử dụng

Thực tế hiện nay

Mặc dù sự gia tăng dữ liệu được thúc đẩy bởi dữ liệu phi cấu trúc hoặc bán cấu trúc, hầu hết dữ liệu có thể sử dụng vẫn được tổ chức theo kiểu có cấu trúc bằng cách sử dụng các công cụ database liên quan. Các kỹ sư dữ liệu thường dành phần lớn thời gian để khám phá các tập dữ liệu theo cách thủ công, thiết lập mối quan hệ và kết hợp tập dữ liệu với nhau. Họ cũng thường xuyên phải tinh chỉnh dữ liệu từ trạng thái tự nhiên, không có cấu trúc thành dạng có cấu trúc bằng cách sử dụng các quy trình riêng theo cách thủ công. Điều này dẫn đến tốn thời gian, không thể mở rộng và dễ xảy ra lỗi.

Năm 2025

Các nhà thực hành dữ liệu ngày càng tận dụng nhiều loại cơ sở dữ liệu, bao gồm cơ sở dữ liệu chuỗi thời gian, cơ sở dữ liệu đồ thị và cơ sở dữ liệu NoSQL, cho phép các cách tổ chức dữ liệu linh hoạt hơn. Điều này cho phép các nhóm truy vấn và hiểu các mối quan hệ giữa dữ liệu không cấu trúc và bán cấu trúc dễ dàng hơn và nhanh hơn, giúp tăng tốc sự phát triển các khả năng mới do AI điều khiển và khám phá các mối quan hệ mới trong dữ liệu để tạo ra sự đổi mới. Việc kết hợp các kho dữ liệu linh hoạt này với những tiến bộ trong công nghệ và kiến ​​trúc thời gian thực cũng cho phép các tổ chức phát triển các sản phẩm dữ liệu, chẳng hạn như nền tảng dữ liệu “khách hàng 360” và bản sao kỹ thuật số – các mô hình dữ liệu theo thời gian thực của các thực thể vật lý (chẳng hạn như nhà xưởng, cung cấp, hoặc thậm chí cơ thể con người). Điều này cho phép mô phỏng mức độ phức tạp và các kịch bản giả lập sử dụng khả năng của machine learning truyền thống hoặc các kỹ thuật nâng cao hơn như reinforcement learning.

Làm thế nào để bắt đầu

• Thực hiện các thay đổi về văn hóa và công nghệ để hiện đại hóa kiến ​​trúc dữ liệu.

• Xác định các tập dữ liệu quan trọng (chẳng hạn như tần suất mua hàng của khách hàng, các thuộc tính của khách hàng), sắp xếp thành các tài sản dữ liệu (ví dụ: complete view của khách hàng) và phát triển khả năng phân loại cho các tài sản dữ liệu (ví dụ: một sản phẩm dữ liệu kinh doanh chẳng hạn như “customer 360”).

• Khám phá các bản thể học và biểu đồ tri thức linh hoạt để lập bản đồ mối quan hệ giữa các lớp dữ liệu và điểm dữ liệu khác nhau.

• Nâng cấp trình mô phỏng kỹ thuật số hiện có, định dạng lại chúng trên môi trường đám mây và cập nhật API, để hỗ trợ các khả năng AI phức tạp hơn như reinforcement learning.

Đặc điểm 4: Mô hình vận hành dữ liệu xử lý dữ liệu giống như một sản phẩm

Thực tế hiện nay

Chức năng dữ liệu của tổ chức, nếu tồn tại bên ngoài công nghệ thông tin, sẽ quản lý dữ liệu bằng cách sử dụng các tiêu chuẩn, quy tắc và kiểm soát từ trên xuống. Dữ liệu thường không có “chủ sở hữu” thực sự để đảm bảo dữ liệu được cập nhật và sẵn sàng sử dụng theo nhiều cách khác nhau. Các tập dữ liệu cũng được lưu trữ, đôi khi trùng lặp, trên các môi trường ngổn ngang, kín đáo và gây ra tốn kém, khó khăn cho người dùng trong một tổ chức (chẳng hạn như data scientists đang tìm kiếm dữ liệu để xây dựng các mô hình phân tích) để nhanh chóng tìm, truy cập và tích hợp dữ liệu họ cần.

Năm 2025

Tài sản dữ liệu được tổ chức và hỗ trợ dưới dạng sản phẩm, bất kể chúng được nhóm nội bộ hay khách hàng bên ngoài sử dụng. Các sản phẩm dữ liệu này có các nhóm chuyên dụng hoặc “nhóm” được liên kết với họ để nhúng bảo mật dữ liệu, phát triển kỹ thuật dữ liệu (ví dụ: để chuyển đổi dữ liệu hoặc liên tục tích hợp các nguồn dữ liệu mới) và triển khai các công cụ phân tích, truy cập self-service. Các sản phẩm dữ liệu liên tục phát triển theo hướng nhanh nhẹn để đáp ứng nhu cầu của người tiêu dùng, tận dụng DataOps (DevOps cho dữ liệu) và các quy trình, công cụ tích hợp, phân phối liên tục. Nhìn chung, các sản phẩm này cung cấp các giải pháp dữ liệu có thể được sử dụng nhiều lần và dễ dàng hơn để đáp ứng các thách thức kinh doanh khác nhau, đồng thời giảm thời gian và chi phí cung cấp các khả năng AI-driven mới.

Làm thế nào để bắt đầu

• Tích hợp các nhóm AI vào doanh nghiệp và trao quyền cho họ thiết kế, phát triển, triển khai và liên tục nâng cao các sản phẩm mới dựa trên AI bằng cách sử dụng các sản phẩm dữ liệu này.

• Sử dụng mô hình hoạt động quản trị dữ liệu đảm bảo chất lượng dữ liệu và xử lý dữ liệu như một sản phẩm.

Đặc điểm 5: Vai trò của giám đốc dữ liệu được mở rộng để tạo ra giá trị

Thực tế hiện nay

Giám đốc dữ liệu (CDO) và nhóm của họ hoạt động như một trung tâm chi phí chịu trách nhiệm phát triển và theo dõi việc tuân thủ các chính sách, tiêu chuẩn và thủ tục để quản lý dữ liệu nhằm đảm bảo chất lượng của dữ liệu.

Năm 2025

CDO và các nhóm của họ hoạt động như một đơn vị kinh doanh với trách nhiệm lãi và lỗ. Đơn vị, hợp tác với các nhóm kinh doanh, chịu trách nhiệm hình thành những cách mới để sử dụng dữ liệu, phát triển chiến lược dữ liệu doanh nghiệp toàn diện (và nhúng dữ liệu như một phần của chiến lược kinh doanh) và tạo ra các nguồn doanh thu mới bằng cách kiếm tiền từ các dịch vụ dữ liệu và chia sẻ dữ liệu .

Làm thế nào để bắt đầu

• Đối với CDO, hãy bắt đầu các cuộc trò chuyện với các nhà lãnh đạo đơn vị kinh doanh để xác định các cơ hội tận dụng dữ liệu nhằm tăng giá trị doanh nghiệp.

• Phát triển các ưu tiên tổng thể, được củng cố bằng thẻ điểm (scorecards) và chỉ số (metrics), bao gồm sức khỏe của tổ chức, nhân sự tài năng và yếu tố văn hóa cũng như chất lượng dữ liệu.

• Tăng cường sử dụng dữ liệu có đạo đức để đảm bảo rằng các dịch vụ dữ liệu tạo ra doanh thu mới phù hợp với các giá trị và văn hóa doanh nghiệp.

Đặc điểm 6: Tư cách thành viên hệ sinh thái dữ liệu là tiêu chuẩn

Thực tế hiện nay

Dữ liệu thường bị che khuất, ngay cả trong các tổ chức. Mặc dù các thỏa thuận chia sẻ dữ liệu với các đối tác bên ngoài và đối thủ cạnh tranh ngày càng tăng nhưng chúng vẫn không phổ biến và bị hạn chế.

Năm 2025

Các tổ chức lớn, phức tạp sử dụng nền tảng chia sẻ dữ liệu để tạo điều kiện hợp tác trong các dự án data-driven, cả trong và giữa các tổ chức. Các công ty dựa trên dữ liệu tích cực tham gia vào nền kinh tế dữ liệu tạo điều kiện thuận lợi cho việc tổng hợp dữ liệu để tạo ra insights có giá trị hơn cho tất cả các thành viên. Thị trường dữ liệu cho phép trao đổi, chia sẻ và bổ sung dữ liệu, cuối cùng trao quyền cho các công ty xây dựng các sản phẩm dữ liệu thực sự độc đáo và độc quyền cũng như hiểu rõ hơn từ dữ liệu. Nhìn chung, các rào cản đối với việc trao đổi và kết hợp dữ liệu được giảm thiểu đáng kể, mang lại nhiều nguồn dữ liệu khác nhau theo cách mà giá trị được tạo ra lớn hơn nhiều so với tổng các phần của dữ liệu.

Làm thế nào để bắt đầu

• Tìm hiểu thêm về các loại hệ sinh thái dữ liệu khác nhau và các phương pháp hay nhất để có một hệ sinh thái thành công. 

• Chọn các nguyên mẫu hệ sinh thái dữ liệu quan trọng nhất đối với tổ chức.

• Áp dụng các công cụ, giao thức và quy trình chia sẻ dữ liệu.

Đặc điểm 7: Quản lý dữ liệu được ưu tiên và tự động hóa về quyền riêng tư, bảo mật và khả năng phục hồi

Thực tế hiện nay

Bảo mật dữ liệu và quyền riêng tư thường được xem là các vấn đề tuân thủ, do các nhiệm vụ bảo vệ dữ liệu theo quy định mới ra đời và người tiêu dùng bắt đầu nhận ra lượng thông tin của họ được thu thập và sử dụng. Các biện pháp bảo vệ dữ liệu, bảo mật và quyền riêng tư thường không đủ hoặc đơn lẻ, thay vì được điều chỉnh cho phù hợp với các tập dữ liệu riêng lẻ. Cung cấp cho nhân viên quyền truy cập dữ liệu an toàn là một quá trình thủ công cao, dễ xảy ra lỗi và dài dòng. Các quy trình phục hồi dữ liệu thủ công gây khó khăn cho việc khôi phục dữ liệu nhanh chóng, đầy đủ, tạo ra nguy cơ mất dữ liệu kéo dài ảnh hưởng đến năng suất của nhân viên.

Năm 2025

Tư duy của tổ chức đã hoàn toàn chuyển sang hướng xem quyền riêng tư, đạo đức và bảo mật dữ liệu là các lĩnh vực năng lực bắt buộc, được thúc đẩy bởi sự phát triển của các kỳ vọng về quy định như Đạo luật bảo vệ dữ liệu người tiêu dùng Virginia (VCDPA), Quy định chung về bảo vệ dữ liệu (GDPR) và Đạo luật về quyền riêng tư của người tiêu dùng California (CCPA); nâng cao nhận thức của người tiêu dùng về quyền dữ liệu của họ và các sự cố an ninh ngày càng cao. Cổng thông tin cung cấp self-service quản lý và tự động hóa cách thức cung cấp dữ liệu bằng cách sử dụng “tập lệnh” được xác định trước để cung cấp cho người dùng quyền truy cập vào dữ liệu theo thời gian thực một cách an toàn và bảo mật, giúp cải thiện đáng kể năng suất của người dùng.

Các quy trình sao lưu tự động, gần như liên tục đảm bảo khả năng phục hồi dữ liệu; quy trình khôi phục nhanh hơn được thiết lập nhanh chóng và khôi phục “bản copy tốt cuối cùng” của dữ liệu trong vài phút thay vì vài ngày hoặc vài tuần. Điều này giúp giảm thiểu rủi ro khi xảy ra trục trặc về công nghệ. Các công cụ AI trở nên khả dụng để quản lý dữ liệu hiệu quả hơn. Ví dụ: tự động hóa cách xác định, sửa chữa và khắc phục các vấn đề về chất lượng dữ liệu. Nhìn chung, những nỗ lực này cho phép các tổ chức xây dựng niềm tin lớn hơn vào cả dữ liệu và cách dữ liệu được quản lý, cuối cùng đẩy nhanh việc áp dụng các dịch vụ data-driven mới.

Làm thế nào để bắt đầu

• Cân nhắc áp dụng khung đạo đức dữ liệu để hiểu và đánh giá các nhánh tiềm ẩn về đạo đức, quy định của dữ liệu và hoạt động phân tích, đặc biệt là liên quan đến dữ liệu người tiêu dùng.

• Cân nhắc tận dụng các công cụ đám mây để lưu trữ, quản lý và bảo mật dữ liệu ưu tiên và đối với dữ liệu đã có sẵn trên đám mây, hãy tận dụng các công cụ, khả năng sao lưu và phục hồi tự động như một phần của chính sách an ninh mạng.

Tạo lộ trình để chuyển sang khả năng cung cấp tự động và khả năng phục hồi khi hệ thống phát triển

Áp dụng cách tiếp cận thường xuyên, lặp đi lặp lại để phát triển, xem xét và sửa đổi các giao thức quản trị và kiểm soát để tận dụng các cơ hội sắp tới nhằm tự động hóa cách thức quản trị cơ sở dữ liệu. Chẳng hạn như thiết lập cổng cung cấp self-service và yêu cầu các thủ tục sao lưu, khôi phục tự động trên dữ liệu tương thích trên từng nền tảng.