Love AI
New member
Phân mảnh dữ liệu không còn là chuyện của IT mà đã ảnh hưởng trực tiếp tới tốc độ và chất lượng quyết định của doanh nghiệp. Từ chiến dịch quảng cáo đến dự án AI, dữ liệu rời rạc làm chậm tiến độ, tăng chi phí và khiến nhiều sáng kiến không bao giờ đi vào sản xuất.
Phân mảnh dữ liệu là trạng thái khi thông tin cần thiết để ra quyết định kinh doanh nằm rải rác trong nhiều hệ thống, định dạng, đội ngũ và pháp nhân khác nhau. Khi doanh nghiệp không thể tìm, kết hợp và sử dụng dữ liệu mình đã có, hậu quả không chỉ là một sự cố kỹ thuật mà là tổn thất về tốc độ và cơ hội kinh doanh.
Hệ quả với doanh nghiệp rất thực tế: chiến dịch quảng cáo trôi qua khi hợp đồng chia sẻ dữ liệu còn đang đàm phán, hợp tác giữa thương hiệu và nhà xuất bản bị cản trở vì không ai muốn lộ dữ liệu khách hàng thô, và nhiều dự án AI bị bỏ dở vì dữ liệu không sẵn sàng. Gartner ước tính 60% dự án AI thiếu dữ liệu “sẵn cho AI” sẽ bị bỏ giữa chừng đến 2026 — con số này phản ánh rõ tính kinh doanh của vấn đề.
Nhiều tổ chức vẫn coi đây là việc của đội IT và giải quyết từng vấn đề riêng lẻ: mở ticket, triển khai công cụ, rồi quên đi. Kết quả là các fix tức thời không duy trì được khi câu hỏi tiếp theo xuất hiện ở dạng khác. Giá trị bị mất đi không hiển thị trên báo cáo tài chính dưới dạng một khoản mục rõ ràng, nhưng nó thể hiện qua các dự án trì trệ, các thương vụ lỡ thời cơ và ROI thấp hơn mong đợi.
Các phản ứng phổ biến như đầu tư thêm vào DMP (nền tảng quản lý dữ liệu) hay CDP (nền tảng dữ liệu khách hàng), hoặc dùng các clean room trong hệ sinh thái các nền tảng lớn, giúp quản trị dữ liệu nội bộ nhưng thường không giải quyết tốt vấn đề hợp tác xuyên đối tác. DMP và CDP tối ưu hóa dữ liệu thuộc về bạn; clean room của các nền tảng lớn lại giới hạn sự hợp tác bên ngoài và đôi khi cho phép nền tảng thấy hoạt động của bạn.
Một hướng tiếp cận khác đang được một số tổ chức áp dụng là không di chuyển hay gộp dữ liệu về một nơi, mà dùng các giải pháp bảo vệ quyền riêng tư (privacy-enhancing technologies - PETs). Những phương pháp này, gồm confidential computing, federated learning, secure multi-party computation..., cho phép hai hay nhiều bên đặt câu hỏi trên dữ liệu của nhau và nhận câu trả lời chung mà không bên nào phải lộ hay sao chép bản ghi thô.
Data clean room dựa trên PETs cho phép hợp tác theo thời gian thực trên dữ liệu vẫn nằm tại chỗ. Trong thực tế, các trường hợp áp dụng cho thấy hiệu quả: một ngân hàng Thụy Sĩ hợp tác với nhà xuất bản để tạo đối tượng quảng cáo tương tự khách hàng tốt nhất của mình và giảm chi phí tiếp cận 44% mà không chuyển hồ sơ khách hàng ra ngoài hệ thống; IKEA làm việc với một nhà xuất bản Áo để ghép dữ liệu khách hàng và giảm chi phí theo dõi mỗi lượt truy cập 30%, đồng thời tăng hiệu quả chi tiêu quảng cáo.
Kết luận: để giải quyết phân mảnh dữ liệu cần chuyển từ tư duy “sửa từng vấn đề kỹ thuật” sang chiến lược doanh nghiệp, coi việc kết nối dữ liệu an toàn giữa đối tác là một năng lực cốt lõi. Những tổ chức đi trước không nhất thiết gom dữ liệu lại, mà xây dựng khả năng hợp tác dữ liệu an toàn — giúp ra quyết định nhanh hơn, hợp tác hiệu quả hơn và biến dữ liệu hiện có thành giá trị thực tế.
Nguồn: Techradar
Phân mảnh dữ liệu là trạng thái khi thông tin cần thiết để ra quyết định kinh doanh nằm rải rác trong nhiều hệ thống, định dạng, đội ngũ và pháp nhân khác nhau. Khi doanh nghiệp không thể tìm, kết hợp và sử dụng dữ liệu mình đã có, hậu quả không chỉ là một sự cố kỹ thuật mà là tổn thất về tốc độ và cơ hội kinh doanh.
Hệ quả với doanh nghiệp rất thực tế: chiến dịch quảng cáo trôi qua khi hợp đồng chia sẻ dữ liệu còn đang đàm phán, hợp tác giữa thương hiệu và nhà xuất bản bị cản trở vì không ai muốn lộ dữ liệu khách hàng thô, và nhiều dự án AI bị bỏ dở vì dữ liệu không sẵn sàng. Gartner ước tính 60% dự án AI thiếu dữ liệu “sẵn cho AI” sẽ bị bỏ giữa chừng đến 2026 — con số này phản ánh rõ tính kinh doanh của vấn đề.
Nhiều tổ chức vẫn coi đây là việc của đội IT và giải quyết từng vấn đề riêng lẻ: mở ticket, triển khai công cụ, rồi quên đi. Kết quả là các fix tức thời không duy trì được khi câu hỏi tiếp theo xuất hiện ở dạng khác. Giá trị bị mất đi không hiển thị trên báo cáo tài chính dưới dạng một khoản mục rõ ràng, nhưng nó thể hiện qua các dự án trì trệ, các thương vụ lỡ thời cơ và ROI thấp hơn mong đợi.
Các phản ứng phổ biến như đầu tư thêm vào DMP (nền tảng quản lý dữ liệu) hay CDP (nền tảng dữ liệu khách hàng), hoặc dùng các clean room trong hệ sinh thái các nền tảng lớn, giúp quản trị dữ liệu nội bộ nhưng thường không giải quyết tốt vấn đề hợp tác xuyên đối tác. DMP và CDP tối ưu hóa dữ liệu thuộc về bạn; clean room của các nền tảng lớn lại giới hạn sự hợp tác bên ngoài và đôi khi cho phép nền tảng thấy hoạt động của bạn.
Một hướng tiếp cận khác đang được một số tổ chức áp dụng là không di chuyển hay gộp dữ liệu về một nơi, mà dùng các giải pháp bảo vệ quyền riêng tư (privacy-enhancing technologies - PETs). Những phương pháp này, gồm confidential computing, federated learning, secure multi-party computation..., cho phép hai hay nhiều bên đặt câu hỏi trên dữ liệu của nhau và nhận câu trả lời chung mà không bên nào phải lộ hay sao chép bản ghi thô.
Data clean room dựa trên PETs cho phép hợp tác theo thời gian thực trên dữ liệu vẫn nằm tại chỗ. Trong thực tế, các trường hợp áp dụng cho thấy hiệu quả: một ngân hàng Thụy Sĩ hợp tác với nhà xuất bản để tạo đối tượng quảng cáo tương tự khách hàng tốt nhất của mình và giảm chi phí tiếp cận 44% mà không chuyển hồ sơ khách hàng ra ngoài hệ thống; IKEA làm việc với một nhà xuất bản Áo để ghép dữ liệu khách hàng và giảm chi phí theo dõi mỗi lượt truy cập 30%, đồng thời tăng hiệu quả chi tiêu quảng cáo.
Kết luận: để giải quyết phân mảnh dữ liệu cần chuyển từ tư duy “sửa từng vấn đề kỹ thuật” sang chiến lược doanh nghiệp, coi việc kết nối dữ liệu an toàn giữa đối tác là một năng lực cốt lõi. Những tổ chức đi trước không nhất thiết gom dữ liệu lại, mà xây dựng khả năng hợp tác dữ liệu an toàn — giúp ra quyết định nhanh hơn, hợp tác hiệu quả hơn và biến dữ liệu hiện có thành giá trị thực tế.
Nguồn: Techradar
Bài viết liên quan
