Xử lý dữ liệu phục vụ hoạt động kinh tế thế nào?

Xử lý dữ liệu là quá trình biến các dữ liệu thô đó thành dữ liệu có cấu trúc, có chất lượng và có ý nghĩa trong một bối cảnh cụ thể. Quá trình thường đi từ xác định nhu cầu thông tin, thu thập, kiểm tra, làm sạch, chuẩn hóa, tích hợp, biến đổi và tổng hợp đến phân tích, diễn giải và đưa kết quả vào quyết định.

Đầu ra có giá trị không đơn thuần là một tập dữ liệu “sạch”. Đó phải là thông tin giúp trả lời được một vấn đề thực tế, chẳng hạn doanh nghiệp nên sản xuất bao nhiêu, mặt hàng nào sắp thiếu, doanh thu đang thay đổi vì nguyên nhân nào hoặc nguồn lực nên được phân bổ vào đâu.

Mục tiêu kinh tế quyết định dữ liệu cần được xử lý thế nào

Một quy trình xử lý hiệu quả nên bắt đầu từ câu hỏi cần trả lời thay vì bắt đầu từ việc doanh nghiệp đang có bao nhiêu dữ liệu.

Nếu mục tiêu là quản lý tồn kho, dữ liệu cần thiết có thể gồm lượng bán theo thời gian, số lượng tồn, đơn hàng đang về và thời gian giao hàng của nhà cung cấp. Nếu mục tiêu là đánh giá lợi nhuận, chỉ biết doanh thu chưa đủ; doanh thu phải được kết hợp với giá vốn, chi phí vận hành, chiết khấu và các khoản liên quan.

Cùng một bản ghi vì thế có thể mang giá trị khác nhau tùy mục đích sử dụng. Thời điểm mua hàng có thể quan trọng khi phân tích nhu cầu theo giờ nhưng ít ý nghĩa hơn khi lập báo cáo doanh thu theo quý. Giá trị kinh tế không nằm ở số lượng trường dữ liệu mà ở khả năng liên kết dữ liệu với một câu hỏi cụ thể.

Việc xác định mục tiêu trước còn giúp tránh hai vấn đề phổ biến: thu thập dữ liệu không cần thiết và xử lý rất nhiều dữ liệu nhưng cuối cùng không tạo được thông tin có thể hành động.

Từ dữ liệu thô đến bộ dữ liệu có thể phân tích

Dữ liệu thô thường phải trải qua nhiều bước trước khi có thể được sử dụng đáng tin cậy. Các bước có quan hệ nối tiếp nhưng không phải lúc nào cũng tạo thành một dây chuyền một chiều.

Thu thập và kiểm tra dữ liệu

Chất lượng của kết quả phụ thuộc trước hết vào dữ liệu được ghi nhận. Một hệ thống bán hàng chẳng hạn có thể lưu mã sản phẩm, số lượng, giá bán, thời gian giao dịch, cửa hàng và chương trình khuyến mại. Nếu câu hỏi cần trả lời liên quan đến tồn kho, dữ liệu bán hàng đó còn phải kết nối được với số lượng hàng hiện có và dữ liệu nhập hàng.

Ngay sau khi thu thập, dữ liệu cần được kiểm tra theo các quy tắc phù hợp. Số lượng bán âm có thể là lỗi, nhưng cũng có thể thể hiện hàng trả lại. Một giá trị doanh thu bằng 0 có thể bất thường, nhưng đôi khi lại là giao dịch tặng hàng hợp lệ. Vì vậy, kiểm tra dữ liệu không đồng nghĩa với việc tự động loại bỏ mọi điểm khác thường.

Làm sạch và chuẩn hóa

Làm sạch nhằm xử lý những vấn đề có khả năng làm sai kết quả: bản ghi trùng, dữ liệu thiếu, mã không hợp lệ, sai định dạng hoặc giá trị mâu thuẫn.

Sau đó, dữ liệu phải được chuẩn hóa để có cùng cách biểu diễn. Nếu một hệ thống lưu khối lượng bằng kilogram còn hệ thống khác sử dụng gram, dữ liệu phải được quy đổi trước khi cộng hoặc so sánh. Tương tự, mã khách hàng, mã sản phẩm, tiền tệ, múi giờ và định dạng ngày cần được thống nhất.

Đây là bước có ảnh hưởng trực tiếp đến tính chính xác của các phép tổng hợp. Dữ liệu đúng ở từng nguồn riêng lẻ vẫn có thể tạo ra kết quả sai nếu các nguồn dùng những định nghĩa hoặc đơn vị không tương thích.

Tích hợp và biến đổi dữ liệu

Hoạt động kinh tế thường không thể được giải thích bằng một nguồn duy nhất. Doanh số cho biết hàng đã bán bao nhiêu nhưng không tự cho biết lợi nhuận. Muốn tính lợi nhuận phải kết hợp thêm giá vốn và chi phí. Muốn đánh giá nguy cơ thiếu hàng lại cần thêm tồn kho và thời gian cung ứng.

Tích hợp dữ liệu tạo liên kết giữa những nguồn này thông qua các khóa chung như mã sản phẩm, mã khách hàng, địa điểm hoặc thời gian. Sau khi tích hợp, dữ liệu có thể được biến đổi thành những đại lượng phù hợp hơn với câu hỏi cần giải quyết.

Ví dụ, hàng triệu giao dịch riêng lẻ có thể được tổng hợp thành doanh thu theo ngày, lượng bán theo sản phẩm hoặc giá trị trung bình mỗi đơn hàng. Bước biến đổi làm giảm mức chi tiết khi cần thiết nhưng đồng thời tạo ra một dạng thông tin dễ dùng hơn cho quản lý.

Từ dữ liệu đã xử lý đến thông tin hỗ trợ quyết định

Dữ liệu có cấu trúc chưa tự động trở thành quyết định. Nó phải được chuyển thành các chỉ số hoặc phân tích có ý nghĩa đối với hoạt động đang được xem xét.

Một tập giao dịch có thể được tổng hợp thành doanh thu, tốc độ bán, tỷ lệ hoàn trả hoặc biên lợi nhuận. Dữ liệu theo thời gian có thể cho thấy xu hướng tăng giảm. Việc kết hợp doanh số với tồn kho có thể chỉ ra mặt hàng đang bán nhanh nhưng lượng hàng còn thấp.

Điểm quan trọng là kết quả phân tích phải được diễn giải trong bối cảnh. Doanh thu tăng 20% không nhất thiết chứng minh hoạt động kinh doanh đã tốt hơn nếu mức tăng đến từ giảm giá mạnh khiến lợi nhuận suy giảm. Tương tự, lượng bán tăng đột biến có thể phản ánh nhu cầu thật, nhưng cũng có thể chỉ xuất hiện trong một chiến dịch khuyến mại ngắn hạn.

Vì vậy, quá trình xử lý phải duy trì được mối liên hệ giữa chỉ số cuối cùng và dữ liệu tạo ra chỉ số đó. Người ra quyết định cần biết kết quả được tính từ nguồn nào, theo khoảng thời gian nào và dựa trên những quy tắc nào.

Khi những điều kiện này được đáp ứng, thông tin có thể hỗ trợ nhiều quyết định kinh tế: điều chỉnh sản lượng, bổ sung tồn kho, phân bổ ngân sách, xác định nhu cầu nhân lực, kiểm soát chi phí hoặc phát hiện rủi ro vận hành.

Chất lượng dữ liệu quyết định độ tin cậy của thông tin kinh tế

Một phép phân tích có thể được thực hiện đúng về mặt kỹ thuật nhưng vẫn cho kết quả kém nếu dữ liệu đầu vào không phù hợp. Vì vậy, chất lượng dữ liệu phải được đánh giá theo từng mục đích sử dụng.

Các đặc tính thường được quan tâm gồm độ chính xác, tính đầy đủ, nhất quán, hợp lệ và tính kịp thời. ISO/IEC 25012 cũng tiếp cận chất lượng dữ liệu thông qua một mô hình gồm nhiều đặc tính thay vì coi chất lượng là một khái niệm duy nhất. ISO 8000 cung cấp một khung tiêu chuẩn khác liên quan đến chất lượng và quản lý dữ liệu.

Không có một ngưỡng phần trăm duy nhất có thể áp dụng cho mọi hoạt động kinh tế. Một trường dữ liệu quan trọng đối với thanh toán có thể đòi hỏi mức kiểm soát chặt hơn rất nhiều so với một thuộc tính chỉ dùng cho báo cáo tham khảo.

Một số chỉ số có thể được lượng hóa trực tiếp. Chẳng hạn:

Tỷ lệ đầy đủ = Số trường bắt buộc có dữ liệu / Tổng số trường bắt buộc cần kiểm tra × 100%

Tỷ lệ hợp lệ = Số bản ghi thỏa quy tắc / Tổng số bản ghi được kiểm tra × 100%

Tỷ lệ trùng = Số bản ghi được xác định là trùng / Tổng số bản ghi × 100%

Độ chính xác khó đo theo cùng cách nếu không tồn tại một nguồn tham chiếu đáng tin cậy. Khi đó cần đối chiếu với chứng từ gốc, hệ thống nguồn hoặc một “nguồn sự thật” đã được quản trị rõ ràng.

Tính kịp thời cũng phụ thuộc quyết định. Dữ liệu tồn kho chậm một ngày có thể vẫn đủ cho báo cáo tháng nhưng không phù hợp với hệ thống cần quyết định bổ sung hàng theo giờ. Chất lượng vì thế luôn phải được đánh giá cùng với mục đích và mức rủi ro của quyết định.

Ví dụ từ dữ liệu bán hàng đến quyết định tồn kho

Giả sử một chuỗi bán lẻ muốn xác định mặt hàng nào cần đặt thêm trong tuần tới.

Dữ liệu ban đầu gồm các giao dịch tại quầy, lượng tồn tại từng cửa hàng, các đơn hàng đang trên đường và thời gian giao hàng của nhà cung cấp. Mỗi nguồn có thể được cập nhật ở thời điểm khác nhau và sử dụng mã sản phẩm khác nhau.

Đầu tiên, dữ liệu giao dịch được kiểm tra để phân biệt giao dịch bán với hàng trả lại, loại bỏ bản ghi trùng có căn cứ và chuẩn hóa thời gian. Mã sản phẩm của hệ thống bán hàng sau đó được đối chiếu với danh mục sản phẩm dùng trong kho.

Dữ liệu bán và tồn kho được tích hợp theo sản phẩm, cửa hàng và thời gian. Từ đó có thể tính lượng bán trung bình trong một khoảng phù hợp, quan sát xu hướng gần đây và so sánh với lượng hàng hiện có cùng các đơn hàng sắp nhận.

Nếu một sản phẩm có lượng bán tăng nhưng tồn kho thấp, thông tin này tạo tín hiệu cần xem xét bổ sung hàng. Tuy nhiên, quyết định không nên chỉ dựa vào tốc độ bán. Người quản lý còn phải xem mức tăng có đến từ chương trình khuyến mại sắp kết thúc hay không, thời gian giao hàng dài hay ngắn và lượng hàng đang trên đường là bao nhiêu.

Ví dụ này cho thấy giá trị không xuất hiện ở bất kỳ bản ghi riêng lẻ nào. Giá trị hình thành khi nhiều nguồn dữ liệu được làm sạch, chuẩn hóa, liên kết và diễn giải theo cùng một câu hỏi kinh tế.

Xử lý dữ liệu là một vòng phản hồi, không phải dây chuyền kết thúc ở báo cáo

Sau khi thông tin được sử dụng, kết quả thực tế lại tạo ra dữ liệu mới. Nếu doanh nghiệp tăng lượng đặt hàng, những dữ liệu tiếp theo về doanh số, tồn kho và chi phí sẽ cho biết quyết định đó có phù hợp hay không.

Phản hồi này có thể làm thay đổi cách xử lý ở chu kỳ sau. Một chỉ số không còn hữu ích có thể bị loại bỏ; một nguồn dữ liệu mới có thể được bổ sung; quy tắc phát hiện lỗi có thể được điều chỉnh khi xuất hiện trường hợp ngoại lệ.

Quản trị dữ liệu giữ vai trò quan trọng trong vòng lặp đó. Cần xác định nguồn dữ liệu chính thức, người chịu trách nhiệm, quyền truy cập, định nghĩa chỉ số và khả năng truy vết dữ liệu. Nếu hai bộ phận dùng hai định nghĩa khác nhau cho cùng một chỉ tiêu như “khách hàng đang hoạt động” hoặc “doanh thu thuần”, cùng một dữ liệu có thể dẫn đến hai kết luận khác nhau.

Tự động hóa có thể giúp quá trình thu thập và xử lý nhanh hơn, nhưng không loại bỏ nhu cầu xác định mục tiêu, kiểm soát chất lượng và diễn giải kết quả. Công nghệ thực hiện các quy tắc đã được thiết kế; giá trị kinh tế chỉ hình thành khi các quy tắc đó phù hợp với quyết định cần hỗ trợ.

Dữ liệu phục vụ hoạt động kinh tế bằng cách đi qua một chuỗi chuyển đổi từ dữ liệu thô → dữ liệu được kiểm tra và chuẩn hóa → dữ liệu tích hợp → chỉ số và phân tích → thông tin có bối cảnh → quyết định và phản hồi.

Điểm cốt lõi của xử lý dữ liệu không phải xử lý càng nhiều càng tốt, mà là tạo ra thông tin đủ chính xác, đầy đủ, nhất quán và kịp thời cho một mục tiêu cụ thể. Khi mục tiêu, chất lượng dữ liệu, cách tính chỉ số và bối cảnh diễn giải được kiểm soát, dữ liệu mới thực sự trở thành nguồn lực hỗ trợ phân bổ nguồn lực, vận hành và ra quyết định kinh tế.