Data driven – Xu hướng phát triển của doanh nghiệp hoạt động dựa trên dữ liệu

Taca
Kiến thức kinh doanh
Cập nhật: 1 Tháng 5, 2024

Data driven – Xu hướng phát triển doanh nghiệp dựa trên dữ liệu hoạt động ngày càng hiệu quả trong môi trường kinh doanh đang chuyển biến không ngừng. Tất cả doanh nghiệp điều cần dữ liệu để có thể phát triển bền vững và lâu dài, không có một tổ chức nào có thể hoạt động chỉ dựa trên “kinh nghiệm” “trực giác” hay “đoán mò”. Vậy một doanh nghiệp hoạt động dựa trên dữ liệu hoạt động một cách hiệu quả đang có những đặc điểm và xu hướng phát triển như thế nào, hãy cùng đi hết bài phân tích dưới đây.

Data driven là gì?

Data driven trong kinh doanh nghĩa là các quyết định doanh nghiệp được đưa ra với bằng chứng thực tế, những con số thực tế chứ không dựa trên suy đoán và kinh nghiệm các nhân. Doanh nghiệp dựa trên dữ liệu nghĩa là dữ liệu thực tế là một phần quan trọng chi phối toàn bộ hoạt động kinh doanh của doanh nghiệp từ các chiến lược kinh doanh dài hạn cho đến các quyết định quản trị tức thì.

10 xu hướng của doanh nghiệp hoạt động dựa trên dữ liệu (Data-driven Enterprises)

1. Dữ liệu được “nhúng” trong mọi quyết định, tương tác và quy trình

Các tổ chức thường áp dụng các phương pháp tiếp cận dựa trên dữ liệu—từ hệ thống dự đoán đến tự động hóa do AI điều khiển—một cách rời rạc trong toàn tổ chức, khiến giá trị bị ảnh hưởng và tạo ra sự thiếu hiệu quả. Nhiều vấn đề kinh doanh vẫn được giải quyết thông qua các phương pháp truyền thống và phải mất nhiều tháng hoặc nhiều năm để giải quyết.

Trong tương lai, 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 mặc định giải quyết vấn đề bằng cách phát triển các lộ trình dài—đôi khi là nhiều năm—, họ được trao quyền đặt câu hỏi làm thế nào các kỹ thuật dữ liệu đổi mới có thể giải quyết các thách thức trong vài giờ, vài ngày hoặc vài tuần.

Các tổ chức có khả năng đưa ra quyết định tốt hơn cũng như tự động hóa các hoạt động cơ bản hàng ngày và các quyết định xảy ra thường xuyên. Nhân viên được tự do tập trung vào các lĩnh vực “con người” hơn, chẳng hạn như đổi mới, hợp tác và giao tiếp. Văn hóa dựa trên dữ liệu thúc đẩy cải tiến hiệu suất liên tục để tạo ra trải nghiệm thực sự khác biệt cho khách hàng và nhân viên, đồng thời cho phép phát triển các ứng dụng mới phức tạp mà ngày nay không được phổ biến rộng rãi.

Hướng đi chuyên môn và quản trị:

Bắt đầu nâng cao kỹ năng cho nhân viên của bạn về cách 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

Nói rõ tầm nhìn của bạn về một tổ chức dựa trên dữ liệu

>>> Xem thêm:

2. Dữ liệu được xử lý và phân phối theo thời gian thực

Hiện tại: Chỉ một phần dữ liệu từ các thiết bị được kết nối được nhập, xử lý, truy vấn và phân tích trong thời gian thực do giới hạn của cấu trúc công nghệ cũ, thách thức của việc áp dụng các yếu tố kiến trúc hiện đại hơn và nhu cầu tính toán cao của xử lý thời gian thực, chuyên sâu việc làm. Các công ty thường phải lựa chọn giữa tốc độ và cường độ tính toán, điều này có thể làm trì hoãn các phân tích phức tạp hơn và cản trở việc triển khai các trường hợp sử dụng theo thời gian thực.

Trong tương lai, Mạng lưới rộng lớn gồm các thiết bị được kết nối thu thập và truyền tải dữ liệu cũng như thông tin chi tiết, thường là theo thời gian thực. Cách dữ liệu được tạo, xử lý, phân tích và trực quan hóa cho người dùng cuối được chuyển đổi đáng kể nhờ các công nghệ mới và phổ biến hơn, chẳng hạn như kiến trúc kappa hoặc lambda để phân tích theo thời gian thực, dẫn đến những hiểu biết nhanh hơn và mạnh mẽ hơn. Ngay cả những phân tích nâng cao phức tạp nhất cũng có sẵn ở mức hợp lý cho tất cả các tổ chức khi chi phí điện toán đám mây tiếp tục giảm và các công cụ dữ liệu “trong bộ nhớ” mạnh mẽ hơn xuất hiện trực tuyến (ví dụ: Redis, Memcached). Nhìn chung, điều này cho phép nhiều trường hợp sử dụng nâng cao hơn để cung cấp thông tin chi tiết cho khách hàng, nhân viên và đối tác.

Hướng đi chuyên môn và quản trị:

Tận dụng kiến trúc dữ liệu tham chiếu đã được thử nghiệm trên đường cho phép mô-đun hóa, tính linh hoạt và khả năng mở rộng cần thiết để hỗ trợ các khả năng này

Phát triển lên 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

3. Kho dữ liệu linh hoạt cho phép dữ liệu tích hợp, sẵn sàng sử dụng

Mặc dù sự phổ biến của 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 cơ sở dữ liệu quan hệ. Các kỹ sư dữ liệu thường dành nhiều thời gian để khám phá các tập dữ liệu theo cách thủ công, thiết lập mối quan hệ giữa chúng và kết hợp chúng lại 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 thủ công và riêng biệt, tốn nhiều thời gian, không thể mở rộng và dễ bị lỗi.

Trong tương lai, Những người thực hiện 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 mối quan hệ giữa dữ liệu phi cấu trúc và bán cấu trúc dễ dàng hơn và nhanh hơn, giúp tăng tốc độ phát triển các khả năng mới do AI điều khiển và khám phá các mối quan hệ mới trong dữ liệu để thúc đẩy đổi mới. Việc kết hợp các kho dữ liệu linh hoạt này với những tiến bộ trong kiến trúc và công nghệ 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—mô hình dữ liệu hỗ trợ thời gian thực của các thực thể vật lý (chẳng hạn như cơ sở sản xuất). , nguồn cung cấp, hoặc thậm chí cả cơ thể con người). Điều này cho phép thực hiện các mô phỏng phức tạp và các tình huống giả định bằng cách sử dụng khả năng học máy truyền thống hoặc các kỹ thuật tiên tiến hơn như học tăng cường.

Hướng đi chuyên môn và quản trị:

Thực hiện các thay đổi về văn hóa và công nghệ để hiện đại hóa kiến trúc dữ liệu của bạn

Xác định các tập dữ liệu quan trọng (chẳng hạn như tần suất mua hàng của khách hàng, thuộc tính khách hàng) mà sau này có thể tài sản dữ liệu (ví dụ: cái nhìn toàn cảnh về khách hàng) và phát triển phân loại cho các tài sản dữ liệu này (ví dụ: sản phẩm dữ liệu kinh doanh)

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

Nâng cấp các trình mô phỏng kỹ thuật số hiện có , tái lập nền tảng cho chúng trên môi trường đám mây và cập nhật API để hỗ trợ các khả năng AI phức tạp hơn như học tăng cường

>>> Xem thêm: Phân tích dữ liệu bán hàng: hiểu mình, hiểu khách hàng và bứt phá trên thị trường

4. Mô hình quản trị dữ liệu – xử lý dữ liệu như một sản phẩm

Chức năng dữ liệu của tổ chức, nếu tồn tại bên ngoài CNTT, sẽ quản lý dữ liệu bằng cách sử dụng các tiêu chuẩn, quy tắc và biện pháp 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 bộ dữ liệu cũng được lưu trữ—đôi khi bị trùng lặp—trên các môi trường rộng lớn, biệt lập và thường tốn kém, gây khó khăn cho người dùng trong tổ chức (chẳng hạn như các nhà khoa học dữ liệu đang tìm kiếm dữ liệu để xây dựng mô hình phân tích) để nhanh chóng tìm, truy cập và tích hợp dữ liệu. dữ liệu họ cần.

Nội dung dữ liệu được sắp xếp 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 “đội” liên kết với chúng 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 và truy cập tự phục vụ. Các sản phẩm dữ liệu liên tục phát triển một cách linh hoạt để đáp ứng nhu cầu của người tiêu dùng, tận dụng DataOps (DevOps cho dữ liệu) cũng như các công cụ và quy trình phân phối và tích hợp liên tục . Nhìn chung, các sản phẩm này cung cấp các giải pháp dữ liệu có thể được sử dụng dễ dàng và lặp lại hơn để đáp ứng các thách thức kinh doanh khác nhau, đồng thời giảm thời gian và chi phí cung cấp các khả năng mới do AI điều khiển.

Hướng đi chuyên môn và quản trị:

Đưa 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 do AI điều khiển bằng cách sử dụng các sản phẩm dữ liệu này.

Sử dụng mô hình vận hành quản trị dữ liệu để đảm bảo chất lượng dữ liệu và xử lý dữ liệu như một sản phẩm.

>>> Xem thêm: Bước đầu xây dựng mô hình quản trị dữ liệu hiệu quả: cách tiếp cận và quản trị dữ liệu như một “sản phẩm”

5. Vai trò của giám đốc dữ liệu (CDO) được mở rộng để tạo ra nhiều giá trị hơn

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 quy trình để quản lý dữ liệu và đảm bảo chất lượng của dữ liệu.

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

Hướng đi chuyên môn và quản trị:

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

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

6. Thành viên hệ sinh thái dữ liệu

Dữ liệu thường được giữ kín, 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 gia tăng nhưng chúng vẫn chưa phổ biến và thường bị hạn chế.

Trong tương lai, Các tổ chức lớn, phức tạp sử dụng nền tảng chia sẻ dữ liệu để tạo điều kiện cộng tác trong các dự án dựa trên dữ liệu, 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 những hiểu biết 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 độc quyền và thực sự độc đáo cũng như thu thập thông tin chi tiết từ chúng. Nhìn chung, các rào cản đối với việc trao đổi và kết hợp dữ liệu được giảm thiểu đáng kể, tập hợp nhiều nguồn dữ liệu khác nhau theo cách mà giá trị được tạo ra lớn hơn nhiều so với tổng các phần của nó.

Hướng đi chuyên môn và quản trị:

Đọc 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. Dưới đây là một số ví dụ về dịch vụ tài chính , bán lẻ và chăm sóc sức khỏe .

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

Áp dụng các công cụ, giao thức và thủ tục chia sẻ dữ liệu.

7. Quản lý dữ liệu được ưu tiên và tự động hóa để đảm bảo quyền riêng tư, bảo mật và khả năng phục hồi

Bảo mật và quyền riêng tư dữ liệu thường được coi là các vấn đề tuân thủ, do các quy định mới ban hành về bảo vệ dữ liệu và người tiêu dùng bắt đầu nhận ra lượng thông tin của họ được thu thập và sử dụng. Các biện pháp bảo vệ quyền riêng tư và bảo mật dữ liệu thường không đầy đủ hoặc nguyên khối 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 quy trình mang tính thủ công cao, khiến quy trình này dễ xảy ra lỗi và kéo dài. Các quy trình phục hồi dữ liệu thủ công gây khó khăn cho việc khôi phục dữ liệu nhanh chóng và đầy đủ, tạo ra rủi ro về việc ngừng dữ liệu kéo dài ảnh hưởng đến năng suất của nhân viên.

Tư duy của tổ chức đã chuyển hoàn toàn sang việc coi quyền riêng tư, đạo đức và bảo mật dữ liệu là những lĩnh vực cần có năng lực, được thúc đẩy bởi những kỳ vọng pháp lý ngày càng tăng như Đạo luật bảo vệ dữ liệu người tiêu dùng Virginia (VCDPA), Quy định chung về bảo vệ dữ liệu (GDPR) và Đạo luật quyền riêng tư của người tiêu dùng California (CCPA); nâng cao nhận thức của người tiêu dùng về quyền dữ liệu của họ; và mức độ rủi ro ngày càng cao của các sự cố an ninh. Cổng cung cấp tự phục vụ quản lý và tự động hóa việc cung cấp dữ liệu bằng cách sử dụng các “tập lệnh” được xác định trước để cung cấp cho người dùng quyền truy cập vào dữ liệu gần như trong thời gian thực một cách an toàn và bảo mật, 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 nhanh chóng thiết lập và khôi phục “bản sao tốt cuối cùng” của dữ liệu trong vài phút thay vì vài ngày hoặc vài tuần, do đó giảm thiểu rủi ro khi xảy ra trục trặc công nghệ. Các công cụ AI hiện có sẵn để quản lý dữ liệu hiệu quả hơn—ví dụ: bằng cách tự động hóa việc xác định, chỉnh sửa 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 quản lý dữ liệu, cuối cùng là đẩy nhanh việc áp dụng các dịch vụ dựa trên dữ liệu mới.

Hướng đi chuyên môn và quản trị:

Hãy cân nhắc việc áp dụng khuôn khổ đạo đức dữ liệu để hiểu và đánh giá các tác động tiềm ẩn về mặt đạo đức và quy định của dữ liệu và hoạt động phân tích, đặc biệt là liên quan đến dữ liệu người tiêu dùng .

Hãy cân nhắc việc tận dụng các công cụ đám mây để lưu trữ, quản lý và bảo mật dữ liệu ưu tiên , đồng thời, đối với dữ liệu đã tồn tại trên đám mây, hãy tận dụng các công cụ và khả năng sao lưu tự động và khả năng phục hồi như một phần của chính sách an ninh mạng.

Tạo lộ trình để chuyển sang các khả năng cung cấp tự động và khả năng phục hồi mới khi chúng phát triển.

Áp dụng cách tiếp cận lặp đi lặp lại thường xuyên để phát triển, xem xét và sửa đổi các giao thức quản trị và kiểm soát nhằm tận dụng các cơ hội sắp tới để tự động hóa quản trị cơ sở dữ liệu—ví dụ: bằng cách thiết lập cổng cung cấp tự phục vụ và bắt buộc các quy trình sao lưu và khôi phục tự động trên dữ liệu tương thích nền tảng.

6 Xu hướng thay đổi của kiến trúc dữ liệu kinh doanh

(Dành cho Giám đốc dữ liệu – nhà lãnh đạo dữ liệu tương lai)

Dữ liệu sử dụng trong kinh doanh sẽ luôn hướng đến sự linh hoạt từng ngày

Để xây dựng các lợi thế cạnh tranh – hoặc thậm chí duy trì sự ngang bằng, doanh nghiệp cần một cách tiếp cận mới để xác định, triển khai và tích hợp kho dữ liệu của mình, tận dụng cả cơ sở dữ liệu đám mây nói riêng và các công cụ công nghệ mới nói chung là cần thiết. Dưới đây là 6 sự thay đổi trong cấu trúc dữ liệu trên sân chơi kinh doanh

Các công ty thành công nhất với dữ liệu đang thực hiện 6 thay đổi sau đối với bản thiết kế kiến trúc dữ liệu của họ cho phép cung cấp các khả năng mới nhanh hơn và đơn giản hóa các phương pháp tiếp cận hiện có. 6 sự thay đổi cấu trúc dữ liệu này liên quan đến gần như tất các hoạt động dữ liệu, bao gồm: thu thập , xử lý, lưu trữ, phân tích và hiển thị. Mặc dù các tổ chức có thể thực hiện một số thay đổi trong khi giữ nguyên cốt lõi công nghệ của mình, nhưng có những tổ chức buộc phải tái cấu trúc cả nền tảng dữ liệu và cơ sở hạ tầng hiện có để tiếp tục thu được lợi ích từ dữ liệu.

Những nỗ lực thay đổi cấu trúc dữ liệu hướng đến sự linh hoạt và hiệu quả không hề rẻ. Các khoản đầu tư có thể dao động từ chục triệu đô la cho các trường hợp cơ bản: báo cáo tự động, cho đến hàng trăm triệu đô la để triển khai các thành phần kiến trúc cho các khả năng tiên tiến nhất, chẳng hạn dư các dịch vụ theo thời gian thực. Điều quan trọng là tổ chức phải có chiến lược rõ ràng và các nhà lãnh đạo dữ liệu và công nghệ táo bạo để ưu tiên những thay đổi trực tiếp đến mục tiêu kinh doanh và kiến trúc dữ liệu phù hợp. Vậy nên, bản thiết kế cấu trúc dữ liệu sẽ rất khác nhau giữa các công ty.

6 sự thay đổi cấu trúc dữ liệu doanh nghiệp cần xem xét:

data-driven-xu-huong

1 – Từ nền tảng dữ liệu tại chỗ cho đến nền tảng dữ liệu trên đám mây

Đám mây có lẽ là động lực đột phá nhất của cách tiếp cận kiến trúc dữ liệu hoàn toàn mới, vì nó cung cấp cho các công ty một cách để nhanh chóng mở rộng quy mô các công cụ và khả năng AI để có lợi thế cạnh tranh. Các nhà cung cấp đám mây lớn trên toàn cầu như Amazon (với Amazon Web Services), Google (với Google Cloud Platform) và Microsoft (với Microsoft Azure) đã cách mạng hóa cách các tổ chức thuộc mọi quy mô tìm nguồn, triển khai và vận hành cơ sở hạ tầng, nền tảng và dữ liệu. ứng dụng ở quy mô.

Ví dụ: một công ty dịch vụ tiện ích đã kết hợp nền tảng dữ liệu dựa trên đám mây với công nghệ container, chứa các dịch vụ vi mô như tìm kiếm dữ liệu thanh toán hoặc thêm thuộc tính mới vào tài khoản, để mô-đun hóa khả năng ứng dụng. Điều này cho phép công ty triển khai các khả năng tự phục vụ mới cho khoảng 100.000 khách hàng doanh nghiệp trong vài ngày thay vì vài tháng, cung cấp lượng lớn dữ liệu giao dịch và hàng tồn kho theo thời gian thực cho người dùng cuối để phân tích và giảm chi phí bằng cách “lưu trữ” các giao dịch trên đám mây. thay vì trên các hệ thống cũ tại chỗ đắt tiền hơn

2 – Từ xử lý dữ liệu hàng loạt đến xử lý dữ liệu theo thời gian thực

Chi phí cho khả năng truyền phát và nhắn tin dữ liệu theo thời gian thực đã giảm đáng kể, mở đường cho việc sử dụng phổ biến. Những công nghệ này tạo điều kiện cho một loạt ứng dụng kinh doanh mới: chẳng hạn, các công ty vận tải có thể thông báo cho khách hàng khi xe taxi của họ đến gần với những dự đoán chính xác đến từng giây; các công ty bảo hiểm có thể phân tích dữ liệu hành vi theo thời gian thực từ các thiết bị thông minh để cá nhân hóa tỷ lệ; và nhà sản xuất có thể dự đoán các vấn đề về cơ sở hạ tầng dựa trên dữ liệu cảm biến thời gian thực.

Các chức năng phát trực tuyến theo thời gian thực, chẳng hạn như cơ chế đăng ký, cho phép người tiêu dùng dữ liệu, bao gồm cả trung tâm dữ liệu và nhân viên điều khiển dữ liệu, đăng ký “chủ đề” để họ có thể nhận được nguồn cấp dữ liệu liên tục về các giao dịch họ cần. Hồ dữ liệu chung thường đóng vai trò là “bộ não” cho các dịch vụ như vậy, lưu giữ tất cả các giao dịch chi tiết.

3 – Từ giải pháp thương mại chưa được tích hợp đến các nền tảng, mô-đun tốt nhất

Để mở rộng quy mô ứng dụng, các công ty thường cần phải vượt xa ranh giới của hệ sinh thái dữ liệu cũ từ các nhà cung cấp giải pháp lớn. Nhiều người hiện đang hướng tới kiến trúc dữ liệu có tính mô-đun cao, sử dụng các thành phần nguồn mở tốt nhất và thường xuyên có thể được thay thế bằng các công nghệ mới khi cần mà không ảnh hưởng đến các phần khác của kiến trúc dữ liệu.

Công ty dịch vụ tiện ích được đề cập trước đó đang chuyển sang phương pháp này để nhanh chóng cung cấp các dịch vụ kỹ thuật số mới, nặng về dữ liệu cho hàng triệu khách hàng và để kết nối các ứng dụng dựa trên đám mây trên quy mô lớn. Ví dụ: nó cung cấp chế độ xem chính xác hàng ngày về mức tiêu thụ năng lượng của khách hàng và thông tin phân tích theo thời gian thực so sánh mức tiêu thụ của cá nhân với các nhóm ngang hàng. Công ty đã thiết lập một lớp dữ liệu độc lập bao gồm cả cơ sở dữ liệu thương mại và các thành phần nguồn mở. Dữ liệu được đồng bộ hóa với các hệ thống phụ trợ thông qua bus dịch vụ doanh nghiệp độc quyền và các vi dịch vụ được lưu trữ trong vùng chứa chạy logic nghiệp vụ trên dữ liệu.

4 – Truy cập dữ liệu theo điểm cho đến truy cập độc lập

Việc hiển thị dữ liệu qua API có thể đảm bảo rằng quyền truy cập trực tiếp để xem và sửa đổi dữ liệu bị hạn chế và an toàn, đồng thời cung cấp quyền truy cập cập nhật, nhanh hơn vào các tập dữ liệu phổ biến. Điều này cho phép dữ liệu được tái sử dụng dễ dàng giữa các nhóm, tăng tốc truy cập và cho phép cộng tác liền mạch giữa các nhóm phân tích để các trường hợp sử dụng AI có thể được phát triển hiệu quả hơn.

Ví dụ, một công ty dược phẩm đang thiết lập một “thị trường dữ liệu” nội bộ cho tất cả nhân viên thông qua API để đơn giản hóa và tiêu chuẩn hóa quyền truy cập vào tài sản dữ liệu cốt lõi thay vì dựa vào giao diện độc quyền. Công ty đang dần dần—trong hơn 18 tháng—chuyển các nguồn cấp dữ liệu hiện có có giá trị nhất sang cấu trúc dựa trên API và triển khai nền tảng quản lý API để hiển thị API cho người dùng.

5 – Từ kho lưu trữ doanh nghiệp cho đến kho dữ liệu dựa trên miền

Nhiều nhà lãnh đạo kiến trúc dữ liệu đã chuyển hướng từ hồ dữ liệu doanh nghiệp trung tâm sang các thiết kế “theo hướng miền” có thể được tùy chỉnh và “phù hợp với mục đích” nhằm cải thiện thời gian tiếp thị các sản phẩm và dịch vụ dữ liệu mới. Với cách tiếp cận này, mặc dù các tập dữ liệu có thể vẫn nằm trên cùng một nền tảng vật lý, nhưng “chủ sở hữu sản phẩm” trong mỗi lĩnh vực kinh doanh (ví dụ: tiếp thị, bán hàng, sản xuất, v.v.) có nhiệm vụ tổ chức các tập dữ liệu của họ theo cách dễ sử dụng. theo cách dành cho cả người dùng trong miền của họ và người tiêu dùng dữ liệu tiếp theo trong các lĩnh vực kinh doanh khác. Cách tiếp cận này đòi hỏi sự cân bằng cẩn thận để tránh bị phân mảnh và kém hiệu quả, nhưng bù lại, nó có thể giảm thời gian ban đầu dành cho việc xây dựng các mô hình dữ liệu mới trong hồ, thường từ vài tháng xuống chỉ vài ngày và có thể là một lựa chọn đơn giản và hiệu quả hơn khi phản ánh cấu trúc kinh doanh liên kết hoặc tuân thủ các giới hạn quy định về tính di động của dữ liệu.

Một nhà cung cấp dịch vụ viễn thông Châu Âu đã sử dụng kiến trúc dựa trên miền phân tán để nhân viên bán hàng và vận hành có thể cung cấp dữ liệu khách hàng, đơn đặt hàng và thanh toán cho các nhà khoa học dữ liệu để sử dụng trong mô hình AI hoặc trực tiếp cho khách hàng qua các kênh kỹ thuật số. Thay vì xây dựng một nền tảng dữ liệu trung tâm, tổ chức đã triển khai các nền tảng logic được quản lý bởi chủ sở hữu sản phẩm trong nhóm vận hành và bán hàng của công ty. Chủ sở hữu sản phẩm được khuyến khích thúc đẩy việc sử dụng dữ liệu để phân tích và đang sử dụng các kênh kỹ thuật số cũng như các diễn đàn và hackathons để thúc đẩy việc áp dụng.

6 – Từ các mô hình dữ liệu cứng nhắc đến các lược đồ dữ liệu linh hoạt có thể mở rộng

Các mô hình dữ liệu được xác định trước từ các nhà cung cấp phần mềm và các mô hình dữ liệu độc quyền phục vụ các nhu cầu thông minh kinh doanh cụ thể thường được xây dựng trong các lược đồ được chuẩn hóa cao với các bảng cơ sở dữ liệu cứng nhắc và các thành phần dữ liệu để giảm thiểu sự dư thừa. Mặc dù cách tiếp cận này vẫn là tiêu chuẩn cho các trường hợp sử dụng tập trung vào quy định và báo cáo, nhưng nó cũng yêu cầu các tổ chức phải trải qua chu kỳ phát triển lâu dài và có kiến thức vững chắc về hệ thống khi họ muốn kết hợp các thành phần dữ liệu hoặc nguồn dữ liệu mới, vì bất kỳ thay đổi nào cũng có thể ảnh hưởng đến tính toàn vẹn của dữ liệu.

Để đạt được tính linh hoạt cao hơn và lợi thế cạnh tranh mạnh mẽ khi khám phá dữ liệu hoặc hỗ trợ phân tích nâng cao, các công ty đang phát triển các phương pháp tiếp cận “lược đồ nhẹ”, sử dụng các mô hình dữ liệu không chuẩn hóa, có ít bảng vật lý hơn, để sắp xếp dữ liệu nhằm đạt hiệu suất tối đa. Cách tiếp cận này mang lại nhiều lợi ích: khám phá dữ liệu linh hoạt, linh hoạt hơn trong việc lưu trữ dữ liệu có cấu trúc và không cấu trúc, đồng thời giảm độ phức tạp vì người quản lý dữ liệu không còn cần phải giới thiệu các lớp trừu tượng bổ sung, chẳng hạn như nhiều “nối” giữa các bảng được chuẩn hóa cao để truy vấn dữ liệu quan hệ.

===> Khuyến nghị:

Trách nghiệm quản trị dữ liệu không phải là một công việc riêng lẻ do đội ngũ IT đảm nhận và thực hiện. Quản trị dữ liệu hiệu quả nghĩa là các dữ liệu mà doanh nghiệp thu thập được đều có ý nghĩa và mang lại lợi ích, mà để làm được điều này một cách hiệu quả nhất thì chiến lược sử dụng dữ liệu cần được gắn chặt với chiến lược kinh doanh và quy trình ra quyết định của doanh nghiệp. Tất cả những trọng trách cao cả liên quan đến vấn đề “chiến lược” sẽ luôn cần đến tầm nhìn sáng suốt, năng lực lãnh đạo của những người đứng đầu doanh nghiệp.

Bên cạnh đó, tìm đến sự giúp sức và đồng hành của các chuyên gia cũng là một giải pháp nhiều nhà lãnh đạo hàng đầu hướng tới khi cần đến một hướng đi mới trong các chiến lược dữ liệu nói riêng và chiến lược kinh doanh nói chung của doanh nghiệp.

Tham khảo dịch vụ của chúng tôi tại: