Trực quan hóa dữ liệu: Vai trò & thử thách

Bài viết "Trực quan hóa dữ liệu: Vai trò & thử thách" khẳng định vai trò của trực quan hóa dữ liệu trong việc thúc đẩy hiệu quả của việc ra quyết định; bên cạnh đó những thách thức cần vượt qua bao gồm cơ sở hạ tầng kỹ thuật và công nghệ phân tích, khả năng phân tích, chất lượng dữ liệu, sự đa dạng của các nguồn dữ liệu. Mời các bạn cùng tham khảo!
Nội dung trích xuất từ tài liệu:
Trực quan hóa dữ liệu: Vai trò & thử thách TRỰC QUAN HÓA DỮ LIỆU: VAI TRÒ & THỬ THÁCH ThS Trương Đình Hải Thụy ThS Huỳnh Ngọc Thành Trung Trường Đại học Tài chính –Marketing Tóm tắt: Trực quan hóa dữ liệu đã giúp nâng cao chất lượng của quá trình ra quyết định nhờ khả năng cung cấp bức tranh rõ ràng các tình huống bên ngoài và hiệu suất bên trong doanh nghiệp. Lợi ích của việc trực quan hóa dữ liệu trong phân tích dữ liệu lớn được công nhận rộng rãi ở quy mô toàn cầu, đặc biệt là trong kỷ nguyên kỹ thuật số hiện nay. Câu hỏi liên quan là làm thế nào doanh nghiệp có thể tận dụng tiềm năng của trực quan hóa dữ liệu một cách đầy đủ nhất để tạo điều kiện thúc đẩy hiệu quả của các quyết định? Phương pháp của nghiên cứu này là tổng quan tài liệu có cấu trúc. Những phát hiện của nghiên cứu khẳng định vai trò của trực quan hóa dữ liệu trong việc thúc đẩy hiệu quả của việc ra quyết định; bên cạnh đó những thách thức cần vượt qua bao gồm cơ sở hạ tầng kỹ thuật và công nghệ phân tích, khả năng phân tích, chất lượng dữ liệu, sự đa dạng của các nguồn dữ liệu. Từ khóa: trực quan hóa dữ liệu (data visualization), phân tích dữ liệu lớn, năng lực phân tích dữ liệu. 1. Giới thiệu Tính hiệu quả thực tiễn của trực quan hóa dữ liệu (TQHDL) trong kinh doanh giúp doanh nghiệp tăng doanh số bán hàng, cải thiện lợi nhuận và nâng cao kết quả sản xuất. Ngày nay, thời đại công nghệ 4.0 với sự phát triển nhanh chóng của công nghệ, internet, mạng không dây, thiết bị cảm biến, thiết bị lưu trữ, thiết bị di động ngày càng giảm giá,... đã góp phần cho dữ liệu tăng lên theo cấp số nhân. Với lượng dữ liệu lớn (DLL) như vậy, doanh nghiệp cần có những phương pháp phù hợp để vẽ lên bức tranh kết nối được những thông tin dàn trải và diễn giải chúng theo định hướng có lợi nhất. Thời đại của dữ liệu ‘tĩnh’ đang dần qua; trực quan hóa dữ liệu đã và đang thay đổi sâu rộng nhận thức và suy nghĩ của các bên liên quan thông qua những nhận diện trực quan bối cảnh và tình hình kinh doanh với biểu đồ. Trực quan hóa dữ liệu kết nối tâm trí của con người một cách tự nhiên hơn, có tính tương tác tốt hơn và hiệu quả hơn với lượng dữ liệu lớn. Từ đó, quá trình nhận diện các xu hướng và mô hình cơ bản rút trích từ dữ liệu sẽ nhanh và chính xác hơn. Một trong những lợi ích cốt lõi của việc TQHDL là trình bày dữ liệu dưới dạng truyền thông thuyết phục hơn. Tuy nhiên, chính bản thân dữ liệu luôn hàm chứa các lỗi bên trong, do đó khả năng thông tin và kết quả phân tích được rút ra mang tính sai lệch là điều không tránh khỏi. Ngoài ra, những sai sót trong phân tích cũng có thể bắt nguồn từ nguồn dữ 180 - liệu thứ cấp và những loại hình trực quan dữ liệu khác. Do đó, khi lựa chọn phương thức TQHDL, một quy trình tiêu chuẩn hoặc những tiêu chuẩn đơn lẻ phù hợp nên được áp dụng nhằm đảm bảo tính hiệu quả của kết quả phân tích dữ liệu, hoặc giảm thiểu sự sai lệch trong phạm vị cho phép. Lợi ích của việc TQHDL được đưa vào quá trình ra quyết định của các tổ chức đã được khẳng định rộng rãi. Tuy nhiên, làm thế nào để đạt được kết quả TQHDL chính xác và đáng tin cậy; làm thế nào để tận dụng kết quả TQHDL trong quá trình quản lý kinh doanh một cách nhịp nhàng vẫn là câu hỏi lớn. Tùy thuộc vào bối cảnh và mục đích sử dụng của doanh nghiệp trong tình huống cụ thể, yêu cầu về chất lượng trực quan hóa hoặc phân tích sẽ khác nhau. Câu hỏi nghiên cứu chính là “Làm thế nào doanh nghiệp có thể tận dụng tốt hơn tiềm năng của TQHDL theo hướng hỗ trợ tích cực cho những quyết định hiệu quả?”. Câu hỏi chuyên sâu này bao hàm hai ý chính trong bài nghiên cứu – (1) vai trò của TQHDL hỗ trợ tích cực cho hoạt động ra quyết định đúng đắn; và (2) những thử thách mà doanh nghiệp cần phải vượt qua để tận dụng tốt hơn tiềm năng của TQHDL? Để có thể trả lời câu hỏi, nhiều bài đọc và nghiên cứu từ các tạp chí, bài báo học thuật, báo cáo, tin tức,... đã được thu thập và phân tích. 2. Cơ sở lý thuyết 2.1. Trực quan hóa dữ liệu trong phân tích dữ liệu lớn Việc tích hợp các hình ảnh trực quan trong phân tích dữ liệu đã được chứng minh là có hiệu quả hơn so với các phương pháp phân tích truyền thống. Từ đó, TQHDL dần dần được áp dụng trong các lĩnh vực khác nhau. Ví dụ như ngành du lịch dựa vào phân tích DLL để xác định các điểm đến yêu thích của khách du lịch; ngành giáo dục dùng phân tích DLL để đánh giá học sinh; phân tích DLL giúp dự đoán mức tiêu thụ năng lượng điện trong quy trình sản xuất tại các nhà máy… (Bi và Cochran, 2014). TQHDL là một trong bốn lĩnh vực kỹ thuật được chỉ định trong việc tận dụng phân tích DLL (Assuncao và cộng sự, 2014). TQHDL đòi hỏi doanh nghiệp phải có đủ năng lực trong quản lý tích hợp hệ thống dữ liệu và phân tích ở quy mô lớn, cùng các kỹ thuật cải tiến và các công cụ lập trình nhất quán để khai thác hiệu quả hàm ý bên dưới dữ liệu phức tạp (Talia, 2013). Điểm mấu chốt không nằm ở cách trình bày dữ liệu hấp dẫn, mà là độ chính xác và khả năng khai thác dữ liệu hợp lệ đúng cách. Hơn nữa, bảo mật và quyền riêng tư dữ liệu là yêu cầu quan trọng vì nó không chỉ liên quan đến lợi thế cạnh tranh của doanh nghiệp mà còn ảnh hưởng đến thông tin liên quan khác, ví dụ dữ liệu định hướng hành vi người tiêu dùng. Thực tiễn cho thấy dù TQHDL hay phân tích dữ liệu đã được áp dụng từ lâu nhưng TQHDL trong phân tích DLL vẫn đang trong giai đoạn đầu của sự phát triển dù các công - 181 cụ và kỹ thuật đã có những phát triển vượt bậc. Ngày nay, với tốc độ phát triển công nghệ, có thể thấy, sử dụng đúng phương pháp và công cụ phân tích có thể hỗ trợ phần nào hạn chế về năng lực phân tích DLL phức tạp trong quá trình TQHDL. Hơn thế nữa, Internet of Things (IoT) có thể được mở rộng mục đích sử dụng trong TQHDL phứ ...