Part 1 — Part 1 — 1F. Technology and Analytics

A5 1005 A

A5 1005 A

## 1. Bản chất của Data Warehouse: "Kho chứa tri thức" Trong quản trị doanh nghiệp, chúng ta thường gặp hệ thống ERP (Enterprise Resource Planning) – nơi ghi nhận mọi giao dịch phát sinh: bán một chiếc bánh, nhập một kiện hàng. Tuy nhiên, nếu bạn yêu cầu ERP trả lời câu hỏi: "Doanh thu 5 năm qua biến động thế nào theo độ tuổi khách hàng?", hệ thống có thể bị quá tải và ảnh hưởng đến việc bán hàng tại quầy. Đó là lý do **Data Warehouse (DW)** ra đời. DW là một kho lưu trữ tách biệt, nơi dữ liệu từ ERP và các nguồn khác được "đổ" về, làm sạch và tổ chức lại. Mục đích duy nhất của nó là phục vụ **Decision Support** (Hỗ trợ ra quyết định) thay vì xử lý giao dịch (Transaction processing). ## 2. Từ Data Warehouse đến Data Mart Nếu Data Warehouse là một thư viện khổng lồ chứa tất cả sách của mọi lĩnh vực, thì **Data Mart** chính là các "kệ sách chuyên đề". - **Marketing Data Mart**: Chỉ chứa dữ liệu về khách hàng, hành vi mua sắm. - **Finance Data Mart**: Chỉ chứa dữ liệu về dòng tiền, ngân sách. Việc chia nhỏ thành Data Mart giúp người dùng ở từng phòng ban truy cập thông tin nhanh hơn, bảo mật hơn và đúng trọng tâm hơn. ## 3. Quy trình 6 bước xây dựng kho dữ liệu (Data Warehousing Process) Để dữ liệu từ "thô" trở thành "tinh", nó phải trải qua một dây chuyền sản xuất nghiêm ngặt: - **Bước 1 - Extract (Trích xuất)**: Lấy dữ liệu từ ERP, file Excel, hoặc thậm chí là dữ liệu Web. Quan trọng nhất là tính đầy đủ (Completeness). - **Bước 2 - Cleanse (Làm sạch)**: Loại bỏ dữ liệu rác, xử lý các mục không xác định và xóa các bản ghi trùng lặp (Deduplication). - **Bước 3 - Normalize (Chuẩn hóa)**: Tổ chức dữ liệu để giảm thiểu sự thừa thãi (Redundancy). Đây là bước kỹ thuật để đảm bảo dữ liệu "gọn gàng". - **Bước 4 - Transform (Chuyển đổi)**: Đây là bước "phiên dịch". Ví dụ: Hệ thống ERP ký hiệu giới tính là (1, 0), nhưng kho dữ liệu cần ghi là (Nam, Nữ). Tại đây, các mối quan hệ (Key relationships) giữa các bảng được thiết lập. - **Bước 5 - Load (Nạp)**: Đẩy dữ liệu đã xử lý vào kho Data Warehouse. Cần kiểm tra lỗi (Error handling) để đảm bảo không mất dữ liệu khi tải. - **Bước 6 - Test (Kiểm tra)**: Đối chiếu dữ liệu trong Data Mart với nguồn gốc (ERP) để đảm bảo không có sai lệch sau quá trình xử lý. ## 4. Trực giác quản trị: Tại sao phải làm phức tạp thế? Tại sao không dùng luôn dữ liệu thô? Hãy tưởng tượng bạn có 1 triệu dòng dữ liệu khách hàng nhưng tên "Nguyễn Văn A" bị viết sai định dạng ở 10 chỗ khác nhau. Nếu không có bước **Cleansing** và **Normalization**, báo cáo của bạn sẽ sai bét. Hệ thống thông tin hiện đại không chỉ dừng lại ở việc lưu trữ (AIS), mà phải tiến tới quản trị hiệu suất (EPM) – nơi dữ liệu trở thành chiến lược.

Mục tiêu bài học

  • Phân biệt được Data Warehouse và Data Mart.
  • Nắm vững 6 bước trong quy trình Data Warehousing (ETL).
  • Hiểu vai trò của thông tin trong việc hỗ trợ ra quyết định chiến lược.

Vì sao quan trọng

Trong kỷ nguyên số, dữ liệu là tài sản. Hiểu cách tổ chức dữ liệu giúp quản trị viên tài chính chuyển đổi từ việc ghi chép giao dịch thuần túy sang hỗ trợ ra quyết định chiến lược thông qua phân tích dữ liệu.

Khái niệm cốt lõi

Data Warehouse

Kho dữ liệu tập trung lưu trữ dữ liệu lịch sử từ nhiều nguồn khác nhau. - Định nghĩa: Kho lưu trữ trung tâm, tách biệt với hệ thống giao dịch (ERP). - Đặc điểm: Subject-oriented (hướng chủ đề), tích hợp và không thay đổi. - Dễ thi: Phân biệt với Operational Database (dùng cho giao dịch hàng ngày).

Data Mart

Một phân mục con của Data Warehouse dành riêng cho một bộ phận. - Định nghĩa: Tập hợp dữ liệu chuyên biệt (ví dụ: Sales Mart, HR Mart). - Mục đích: Tăng tốc độ truy vấn và bảo mật dữ liệu theo phòng ban. - Dễ thi: Data Mart nhỏ hơn và cụ thể hơn Data Warehouse.

ETL Process (Extract - Transform - Load)

Quá trình làm sạch và chuẩn hóa dữ liệu trước khi đưa vào kho. - Quy trình: Extract (Trích xuất) -> Cleanse (Làm sạch) -> Normalize (Chuẩn hóa) -> Transform (Chuyển đổi) -> Load (Tải lên). - Dễ thi: Nhấn mạnh vào việc loại bỏ dữ liệu trùng lặp (Redundancy).

Thuật ngữ tiếng Anh

Data Warehouse
— Kho dữ liệu tổng hợp phục vụ phân tích.
Data Mart
— Kho dữ liệu bộ phận (nhánh của Data Warehouse).
Redundancy
— Dữ liệu trùng lặp cần loại bỏ.
Normalization
— Quá trình tổ chức dữ liệu để giảm trùng lặp.
Enterprise Resource Planning (ERP)
— Hệ thống quản trị tài nguyên doanh nghiệp tổng thể.

Phải nhớ

  • Data Warehouse tách biệt với hệ thống giao dịch để không làm chậm vận hành.
  • Data Mart là 'vùng dữ liệu chuyên biệt' cho từng phòng ban (Sales, Marketing).
  • Làm sạch dữ liệu (Cleansing) là bước bắt buộc để đảm bảo tính nhất quán (Consistency).
  • Normalization giúp loại bỏ sự trùng lặp dữ liệu không cần thiết.
  • Mục đích cuối cùng của Data Warehouse là Decision Support (Hỗ trợ ra quyết định).

Bẫy thường gặp trong đề thi

  • Nhầm lẫn giữa Data Warehouse và Operational System (ERP). — ERP dùng để xử lý giao dịch thời gian thực (ghi nhận hóa đơn, lương). Data Warehouse dùng để phân tích dữ liệu lịch sử. Chọn nhầm ERP khi câu hỏi yêu cầu 'Decision Support'.
  • Cho rằng Data Mart là nguồn cấp dữ liệu cho Data Warehouse. — Thực tế, Data Mart thường được trích xuất TỪ Data Warehouse (Top-down) hoặc song song. Data Warehouse là 'biển', Data Mart là 'hồ chuyên dụng'.

Tóm tắt 30 giây

- Data Warehouse: Kho tổng lưu trữ dữ liệu lịch sử từ ERP để phân tích.\n- Data Mart: Nhánh nhỏ của DW dành cho từng phòng ban (Sales, HR).\n- Quy trình ETL (Extract - Transform - Load): \n + Trích xuất từ nguồn thô.\n + Làm sạch (Cleanse) & Chuẩn hóa (Normalize) để xóa trùng lặp (Redundancy).\n + Chuyển đổi (Transform) để thống nhất định dạng.\n + Nạp (Load) vào kho và Kiểm tra (Test).\n- Key Note: DW giúp tách biệt việc phân tích khỏi hệ thống giao dịch để tránh làm chậm ERP. AIS tập trung vào giao dịch, EPM tập trung vào chiến lược.

Học trọn bộ AI Textbook

Mở khoá toàn bộ AI Textbook, Quiz Bank, Smart Practice và Mock Exams cùng AI Learning Coach với gói Pro.

Nâng cấp lên Pro
← Xem tất cả bài học CMA