Cách doanh nghiệp (DN) thu thập, lưu trữ, làm sạch, truy cập và bảo mật dữ liệu có thể là yếu tố chính giúp họ đạt được mục tiêu kinh doanh. Thật không may, con đường dẫn đến thành công của chiến lược dữ liệu là đầy thách thức, vì vậy các lãnh đạo CNTT (CIO) và các nhà lãnh đạo công nghệ khác cần lập kế hoạch cũng như thực hiện cẩn thận.

Dưới đây là một số sai lầm về chiến lược dữ liệu đã được các chuyên gia chỉ ra và các CIO nên tránh.

Bỏ quên sứ mệnh của DN

Tạo ra chiến lược dữ liệu mà không tính đến các mục tiêu kinh doanh tổng thể của tổ chức là công thức dẫn đến thất bại. Đầu tư thời gian và tiền bạc vào một chiến lược thiếu tập trung sẽ có ích gì?

Ryan Swann, giám đốc phân tích dữ liệu của công ty dịch vụ tài chính Vanguard cho biết: “Xây dựng chiến lược dữ liệu thành công trên quy mô lớn không chỉ dừng lại ở việc thu thập và phân tích dữ liệu. Nếu không có định hướng, các tổ chức có thể gặp khó khăn đặc biệt trong việc ưu tiên các sáng kiến ​​dữ liệu, phân bổ nguồn lực hiệu quả, và nuôi dưỡng lực lượng lao động gắn bó, hiểu rõ công việc của họ có tác động thực sự đến kết quả kinh doanh như thế nào”.

"Tại Vanguard, dữ liệu và phân tích cho phép chúng tôi hoàn thành sứ mệnh mang đến cho các nhà đầu tư cơ hội thành công nhất bằng cách cho phép chúng tôi thu thập những hiểu biết sâu sắc có thể hành động để thúc đẩy trải nghiệm khách hàng được cá nhân hóa, tư vấn mở rộng quy mô, tối ưu hóa hoạt động đầu tư và kinh doanh cũng như giảm thiểu rủi ro,” Swann nói.

Một phần của việc đảm bảo rằng chiến lược dữ liệu sẽ đáp ứng các mục tiêu của DN bao gồm việc quản lý dữ liệu, đảm bảo dữ liệu chất lượng cao, có tổ chức, có thể truy cập và luôn sẵn có.

Marc Johnson, CISO và là cố vấn cấp cao tại Impact Advisors, một công ty tư vấn quản lý chăm sóc sức khỏe, cho biết: “Các tổ chức thường thiết lập và vận hành các dịch vụ và ứng dụng mà không cần thực hiện quản lý. Tương tự như khắc phục thảm họa, kinh doanh liên tục và bảo mật thông tin, chiến lược dữ liệu cần phải được cân nhắc và xác định rõ ràng để thông báo cho những người còn lại, đồng thời cung cấp nền tảng để xây dựng một DN vững mạnh.”

Đánh giá thấp dữ liệu phi cấu trúc

Phần lớn dữ liệu mà tổ chức tích lũy là không có cấu trúc, cho dù đó là văn bản, video, âm thanh, phương tiện truyền thông xã hội, hình ảnh hoặc các định dạng khác. Chúng có thể mang lại giá trị to lớn cho DN, giúp họ có được những hiểu biết mới về khách hàng và xu hướng thị trường. Bỏ qua những nguồn dữ liệu này là một sai lầm lớn.

Kevin Miller, Giám đốc công nghệ của công ty phát triển phần mềm DN IFS cho biết: “Việc sử dụng hợp lý dữ liệu phi cấu trúc sẽ ngày càng trở nên quan trọng đối với các CIO. Đó sẽ không phải là điều nên bỏ qua. Sử dụng dữ liệu phi cấu trúc để có được những hiểu biết sâu sắc có thể hành động sẽ là một nhiệm vụ quan trọng đối với các CIO đang tìm cách thúc đẩy đổi mới và tạo ra giá trị kinh doanh bổ sung”.

Miller cho biết, một trong những chìa khóa để hưởng lợi từ dữ liệu phi cấu trúc là xác định các mục tiêu rõ ràng. “Dữ liệu phi cấu trúc sẽ đóng góp như thế nào vào tăng trưởng doanh thu hoặc thị trường, đạt được hiệu quả chi phí hoặc các kết quả chiến lược khác? Bước này đảm bảo rằng các nỗ lực phù hợp với mục tiêu kinh doanh và những hiểu biết sâu sắc thu được có thể thực hiện được”, ông nói.

Điều quan trọng nữa là xác định và đánh giá nguồn dữ liệu phi cấu trúc nào sẽ mang lại giá trị và hiểu biết sâu sắc nhất. Miller cho biết: “Giá trị của dữ liệu phi cấu trúc có thể tăng lên theo thời gian khi điều kiện kinh doanh thay đổi và nguồn dữ liệu mới có sẵn. Các CIO nên thiết lập một quy trình theo dõi và cải tiến liên tục để đảm bảo rằng những hiểu biết sâu sắc vẫn có thể áp dụng được và phù hợp, bằng cách thực hiện các chu kỳ đánh giá thường xuyên để đánh giá tính hiệu quả của những hiểu biết sâu sắc thu được từ dữ liệu phi cấu trúc”.

Họ cũng cần thiết lập các chính sách rõ ràng về quyền riêng tư, tuân thủ quy định và quản trị dữ liệu. Miller cho biết: “Nhiều ngành và khu vực có các quy định nghiêm ngặt về quyền riêng tư và bảo mật dữ liệu. Việc thiết lập các quy tắc quản trị dữ liệu giúp các tổ chức tuân thủ các quy định này, giảm rủi ro về mặt pháp lý và tài chính. Các quy tắc quản trị rõ ràng cũng có thể giúp đảm bảo chất lượng dữ liệu bằng cách xác định các tiêu chuẩn về thu thập, lưu trữ và định dạng dữ liệu, từ đó có thể cải thiện độ chính xác và độ tin cậy của các phân tích”.

Phá vỡ các silo dữ liệu

Việc từ chối quyền truy cập thông tin của người dùng DN vì kho lưu trữ dữ liệu đã là vấn đề trong nhiều năm. Khi các phòng ban, đơn vị kinh doanh hoặc nhóm khác nhau lưu trữ dữ liệu trong các hệ thống mà người khác không thể truy cập được, điều đó sẽ làm giảm giá trị của dữ liệu.

John Williams, giám đốc điều hành dữ liệu DN và phân tích nâng cao tại RaceTrac, nhà điều hành các cửa hàng tiện lợi, cho biết, kho dữ liệu dẫn đến sự không nhất quán và hoạt động kém hiệu quả.

Với gần 800 địa điểm, RaceTrac xử lý một khối lượng dữ liệu đáng kể, bao gồm 260 triệu giao dịch mỗi năm, cùng với nguồn cấp dữ liệu từ camera của cửa hàng và thiết bị IoT nhúng.

Williams cho biết: “Kịch bản này đã dẫn đến việc phát triển các công thức, quy trình và định nghĩa khác nhau trong từng đơn vị và bộ phận kinh doanh để tạo báo cáo, từ đó tạo ra các kết luận và đề xuất khác nhau từ cùng một tập dữ liệu”.

Để phá vỡ các silo, RaceTrac đã tạo ra một môi trường dữ liệu thống nhất tích hợp dữ liệu trên nhiều hệ thống khác nhau để chia sẻ dữ liệu trong toàn tổ chức. Williams cho biết: “Việc triển khai hệ thống quản lý dữ liệu tập trung và khuyến khích liên lạc giữa các bộ phận sẽ đóng một vai trò quan trọng trong việc đảm bảo tính nhất quán và khả năng tiếp cận dữ liệu đáng tin cậy trong toàn tổ chức”.

RaceTrac đang tận dụng Nền tảng dữ liệu thông minh (Data Intelligence Platform) của Alation để tập trung dữ liệu cũng như cung cấp các phân tích tự phục vụ cho người dùng khi cần.

Phân quyền các nhóm dữ liệu

Tương tự như việc đóng các silo, việc phân cấp các nhóm dữ liệu có thể gây ra vấn đề cho các tổ chức và làm giảm giá trị của dữ liệu.

Swann của Vanguard cho biết: “Cấu trúc nhóm dữ liệu bị cô lập có thể đặc biệt gây khó khăn cho các tổ chức đang tìm cách phát triển và mở rộng quy mô chiến lược dữ liệu hiệu quả, nhằm thúc đẩy kết quả kinh doanh. Thay vào đó, hãy cấu trúc các nhóm dữ liệu để được tập trung về mặt tổ chức — với các mục tiêu phù hợp với DN đó.”

Swann cho biết cách tiếp cận này giúp thiết lập một hệ sinh thái dữ liệu thống nhất cho phép tích hợp, chia sẻ và cộng tác dữ liệu liền mạch trong toàn tổ chức.

Swann cho biết: “Sự hợp tác chặt chẽ giữa các chuyên gia dữ liệu và DN cũng mang lại cái nhìn sâu sắc có giá trị và liên tục, cải tiến các quy trình, nâng cao hiệu quả và giảm xung đột giữa các lĩnh vực hoạt động chính. Loại môi trường này cũng có thể mang lại lợi ích sâu sắc cho các chuyên gia phân tích và dữ liệu”.

Bỏ qua quản trị dữ liệu

Quản trị dữ liệu phải là trọng tâm của bất kỳ chiến lược dữ liệu nào. Nếu không, kết quả có thể bao gồm chất lượng dữ liệu kém, thiếu tính nhất quán và không tuân thủ các quy định, cùng nhiều vấn đề khác.

Williams cho biết: “Việc duy trì chất lượng và tính nhất quán của dữ liệu đặt ra những thách thức khi không có phương pháp quản lý dữ liệu được tiêu chuẩn hóa. Trước khi kết hợp Alation tại RaceTrac, chúng tôi đã phải vật lộn với những vấn đề này, dẫn đến sự thiếu tin cậy vào dữ liệu và những nỗ lực dư thừa cản trở việc ra quyết định dựa trên dữ liệu.”

Williams cho biết: Các tổ chức cần tạo ra một khuôn khổ quản trị dữ liệu mạnh. Điều này liên quan đến việc chỉ định người quản lý dữ liệu, thiết lập quyền sở hữu dữ liệu minh bạch, và thực hiện các nguyên tắc về độ chính xác, khả năng truy cập, và bảo mật dữ liệu.

Sử dụng dữ liệu kém chất lượng

Dữ liệu chỉ thực sự có giá trị đối với một tổ chức nếu nó chính xác; nếu không, nó có thể dẫn đến những quyết định sai lầm và thậm chí làm ảnh hưởng tới trải nghiệm của khách hàng.

Johnson của Impact Advisor cho biết dữ liệu bẩn hoặc dữ liệu kém chất lượng là vấn đề lớn nhất với AI. “Trên thực tế, AI tạo sinh là một ví dụ tuyệt vời về điều này,” ông nói. “Các mô hình ngôn ngữ lớn có dữ liệu kém hoặc bẩn. Bằng chứng nằm ở việc các nguồn và sự kiện 'bịa đặt' mà AI tạo sinh trích dẫn để trả lời các câu hỏi.”

Johnson cho biết các công cụ làm sạch dữ liệu là cách để giải quyết vấn đề.

Thiếu khả năng hiển thị theo thời gian thực

Nếu không có khả năng tận dụng dữ liệu theo thời gian thực, các công ty có thể bỏ lỡ cơ hội thích ứng với những thay đổi trong nhu cầu của khách hàng và cung cấp trải nghiệm tốt hơn cho họ.

Williams của RaceTrac cho biết: “Trong bối cảnh thế giới kinh doanh đang phát triển nhanh chóng, khả năng truy cập và hiểu kịp thời dữ liệu theo thời gian thực là rất quan trọng, mang lại cho các tổ chức lợi thế cạnh tranh”.

Williams cho biết, nếu không có cái nhìn toàn diện về dữ liệu, việc phân biệt mục đích dự định của dữ liệu, xác định độ chính xác, nâng cao chất lượng và xác định các phần dư thừa sẽ trở nên khó khăn. Điều này có thể dẫn đến việc sử dụng dữ liệu không đáng tin cậy, không đạt tiêu chuẩn, hoặc lỗi thời trong quá trình ra quyết định.

Kể từ khi chuyển đổi dữ liệu của RaceTrac, “chúng tôi đã đơn giản hóa việc tuân thủ các quy định, đơn giản hóa phân tích tác động và có thể thông báo kịp thời cho các bên liên quan về những thay đổi trong dữ liệu ngược dòng trong thời gian thực” Williams cho biết.“Điều này trao quyền cho người dùng dữ liệu đưa ra quyết định dựa trên dữ liệu và trong thời gian thực với độ tin cậy cao hơn”.

Xem xét tuyển dụng nhân tài

Các DN cần các chuyên gia có chuyên môn về dữ liệu và để lấp đầy các vị trí đó, việc mở rộng nhóm ứng viên có thể là điều hợp lý.

Swann của Vanguard cho biết: “Các tổ chức giới hạn việc tìm kiếm tài năng dữ liệu và phân tích ở những người có nền tảng lập trình hoặc mã hóa sâu rộng có thể gặp khó khăn trong việc xây dựng một chiến lược dữ liệu hiệu quả”.

Theo Swann, các nhóm đa dạng có liên quan đến sự đổi mới ngày càng tăng, việc ra quyết định sáng suốt hơn, phạm vi giải quyết vấn đề rộng hơn và sự hiểu biết nâng cao về nhu cầu và sở thích của khách hàng.

Swann cho biết, Vanguard thuê các cá nhân từ mọi nền tảng cho Văn phòng Trưởng Văn phòng Phân tích và Dữ liệu, bao gồm một số người đã học toán, tiếng Anh và kinh doanh cấp cao./.

“

Tài liệu tham khảo:

1. https://www.cio.com/article/12...

2. https://www.cio.com/article/20...

3. https://www.cio.com/article/65...

4. https://www.forbes.com/sites/f...