Xem mẫu
- Hội thảo “Tác động của cách mạng công nghiệp lần thứ 4 tới hoạt động thông tin khoa học và
công nghệ", do Hội Thông tin KH&CN Việt Nam tổ chức tại Hà Nội, ngày 18/12/2018
DỮ LIỆU LỚN VÀ TRÍ TUỆ NHÂN TẠO THÚC ĐẨY PHÁT TRIỂN
KINH TẾ - XÃ HỘI VÀ THAY ĐỔI THẾ GIỚI KINH DOANH
PGS.TS. Đỗ Văn Thành
Nguyên Phó Giám đốc Trung tâm Thông tin và Dự báo KT-XH quốc gia
Bộ Kế hoạch và Đầu tư
Công nghệ dữ liệu (dữ liệu lớn (Big data), học máy, trí tuệ nhân tạo, khoa học dữ
liệu) được tiếp tục phát triển, đã trở nên hiệu quả hơn và được áp dụng rộng rãi hơn trong
các doanh nghiệp trên khắp thế giới. “Chuyển đổi số” là một trong những chủ đề chính
trong thế giới doanh nghiệp ở năm 2018. Điều đó cho thấy nhiều ngành công nghiệp
truyền thống và doanh nghiệp đang tham gia mạnh mẽ vào hành trình để trở thành tổ
chức dựa vào dữ liệu.
Nội dung cốt lõi của “chuyển đổi số” liên quan chủ yếu đến dữ liệu lớn (big data)
và trí tuệ nhân tạo (AI). Mục đích chính của bài viết này cung cấp một số khái niệm cơ
bản và bước đầu làm rõ vì sao “chuyển đổi số” đang là chủ đề quan trọng hiện nay của
cách mạng công nghiệp 4.0. Cụ thể bài báo sẽ trả lời các câu hỏi: big data, AI, học máy là
gì? Quan hệ giữa chúng ra sao? Quan hệ giữa big data, học máy và kết nội vạn vật (IoT)?
Khi nào thì ứng dụng big data và học máy, và những lĩnh vực ứng dụng kinh tế - xã hội
của chúng? Big data và học máy đang làm thay đổi thế nào thế giới kinh doanh thế nào và
những khu vực kinh doanh nào mà big data và AI có thể có đóng góp? Big data và AI
đang thúc đẩy sáng tạo, đổi mới kinh doanh ra sao trong cộng đồng doanh nghiệp? Và
cuối cùng là một số kết luận và thảo luận.
1. Big data là gì ?
Định nghĩa đơn giản, dễ hiểu và đang được sử dụng khá rộng rãi hiện nay do
người sáng lập và chủ tịch diễn đàn kinh tế thế giới, ông Klaus Schwab thì Cách mạng
công ngiệp (CMCN) 4.0 là sự “kết hợp các công nghệ lại với nhau, làm mờ ranh giới
giữa vật lý, kỹ thuật số và sinh học” (Klaus Schwab, 2016). Cuộc cách mạng này sẽ diễn
ra chủ yếu ở 3 lĩnh vực là Công nghệ sinh học, Kỹ thuật số và Vật lý. Ở lĩnh vực công
nghệ sinh học, CMCN 4.0 tập trung nghiên cứu nhằm tạo những bước nhảy vọt trong
Nông nghiệp, Thủy sản, Y dược, chế biến thực phẩm, bảo vệ môi trường, năng lượng tái
1
- Hội thảo “Tác động của cách mạng công nghiệp lần thứ 4 tới hoạt động thông tin khoa học và
công nghệ", do Hội Thông tin KH&CN Việt Nam tổ chức tại Hà Nội, ngày 18/12/2018
tạo, hóa học và vật liệu. Ở lĩnh vực Vật lý, CMCN 4.0 tập trung tạo ra robot thế hệ mới,
máy in 3D, xe tự lái, các vật liệu mới và công nghệ nano và trong lĩnh vực Kỹ thuật số,
CMCN 4.0 tập trung vào nghiên cứu trí tuệ nhân tạo (AI), Vạn vật kết nối - Internet of
Things (IoT) và dữ liệu lớn (Big Data).
Big data là một tập dữ liệu có các đặc trưng đặc biệt, được xử lý (lưu trữ, tính
toán, chuyển dạng) và được phân tích để tìm ra thông tin tri thức mới lạ, hữu dụng từ dữ
liệu bằng các quy trình hoặc công cụ đặc biệt nhằm phục vụ dự báo và hỗ trợ các quá
trình ra quyết định. Đặc trưng đặc biệt của big data được thể hiện bởi năm chữ “V” bao
gồm Volume: khối lượng dữ liệu; Velocity: tốc độ vào ra dữ liệu; Variety: tính đa dạng
của dữ liệu; Veracity: tính xác thực, khả dụng của dữ liệu và Value: thể hiện chất lượng,
giá trị của dữ liệu (Hình 1).
1.
Hình 1: 5 đặc trưng của big data (Hilber et al. 2011, Nguyễn Thanh Thủy et al.
2018)
Do dung lượng (Volume) của big data là rất lớn, cấu trúc dữ liệu đa dạng nên các
big data thường được tổ chức lưu trữ phân tán và được tổng hợp lại bằng phần mềm theo
mục tiêu của phân tích dữ liệu. Dữ liệu mới được tạo ra và việc dịch chuyển dữ liệu mới
với tốc độ (Velocity) thời gian thực theo cách thức hàng loạt (hay lô), theo quy trình hoặc
theo dòng. Các công nghệ xử lý big data được yêu cầu phải đảm bảo có thể thực hiện các
hoạt động phân tích dữ liệu ngay tại thời điểm dữ liệu được tạo ra mà có thể nó chưa
được cập nhật vào các cơ sở dữ liệu. Dữ liệu trong các big data rất đa dạng (Variety) về
2
- Hội thảo “Tác động của cách mạng công nghiệp lần thứ 4 tới hoạt động thông tin khoa học và
công nghệ", do Hội Thông tin KH&CN Việt Nam tổ chức tại Hà Nội, ngày 18/12/2018
nội dung, nó phản ánh rất nhiều yếu tố về tự nhiên, kinh tế, xã hội cũng như rất đa dạng
về hình thức thể hiện ở kiểu dữ liệu bao gồm dữ liệu có cấu trúc (như dữ liệu số, dữ liệu
số dạng bảng, ..) và dữ liệu không có cấu trúc (như các văn bản, hình ảnh, video, dữ liệu
cảm biến, v.v.). Để lưu trữ, quản lý chính xác những dữ liệu đó theo các công nghệ
truyền thống là rất khó khăn và tốn kém. Nhưng những dữ liệu phong phú, đa dạng như
vậy mới có thể cung cấp một cách nhìn đa chiều về các sự vật, hiện tượng tự nhiên và
kinh tế - xã hội mà chúng ta quan tâm, từ đó giúp ta phát hiện chính xác những thông tin
có giá trị nhằm nâng cao chất lượng dự báo và chất lượng của quá trình ra quyết định. Để
dữ liệu trong các big data được xác thực (Veracity) theo độ tin cậy, theo quy trình, xuất
xứ, uy tín, tính khả dụng và được giải trình thì các quy trình và các công cụ xử lý big data
cần kiểm soát được chất lượng và độ chính xác của dữ liệu. Chúng ta cũng biết rằng giá
trị, chất lượng của dữ liệu (Value) là rất quan trọng để từ đó trích xuất được những thông
tin, tri thức đắt gía (Đỗ Văn Thành 2018).
2. AI là gì ?
AI là lĩnh vực nghiên cứu triển khai, hướng tới phát triển máy tính với năng lực trí
tuệ có thể cảm nhận, so sánh, đo đếm và đánh giá được (Stuart Rusell, 2016; Nguyễn
Thanh Thủy, 2018). Một số năng lực trí tuệ điển hình là: (i) Học từ kinh nghiệm (trích
rút tri thức từ kinh nghiệm) và áp dụng tri thức; (ii) Xác định và trích chọn các đặc trưng
quan trọng của các đối tượng, sự kiện, quá trình; (iii) Xử lý tình huống phức tạp; (iv)
Phản ứng nhanh chóng và chính xác đối với tình huống mới; (v) Nhận dạng và hiểu được
ngữ nghĩa hình ảnh; (vi) Xử lý và thao tác ký hiệu (vii) Sáng tạo và có trí tưởng tượng;
(viii) Sử dụng heuristic (mẹo). Việc chứng minh khả năng trí tuệ của máy hoặc do con
người kiểm định hoặc thông qua đánh giá khách quan bằng sử dụng các công cụ thống
kê, lô gic. AI là lĩnh vực liên ngành của Triết học, Tâm lý học, Khoa học thần kinh, Toán
học, Điều khiển học, Khoa học máy tính, Ngôn ngữ học, Kinh tế học (Stuat Rusell
2016). AI gồm nhiều nhánh con như học máy, suy luận tự động và lập luận xấp xỉ, nhận
dạng ảnh, xử lý ngôn ngữ tự nhiên, dịch tự động, ...
Big data hiện diện hầu như ở khắp mọi nơi và được tạo ra với tốc độ nhanh hơn
nhiều so với khả năng tính toán để xử lý chúng và có thể nói không thể xử lý hoặc phân
tích được các big data bằng các quy trình và công cụ truyền thống. Kỹ thuật AI được sử
dụng để xử lý loại dữ liệu này thường là học máy... Học máy về cơ bản được dựa trên
thuật toán. Các phương pháp thuật toán này được sử dụng trên các big data để tạo ra kết
quả mong muốn và tìm ra các xu hướng, mẫu và dự báo.
3
- Hội thảo “Tác động của cách mạng công nghiệp lần thứ 4 tới hoạt động thông tin khoa học và
công nghệ", do Hội Thông tin KH&CN Việt Nam tổ chức tại Hà Nội, ngày 18/12/2018
3. Học máy (machine learning) là gì?
Là một nhánh con của AI, học máy dạy cho máy tính làm được những gì mà một
cách tự nhiên con người và động vật cần đến nó, đó là: học hỏi từ kinh nghiệm 1. Thuật
toán học máy sử dụng các phương pháp tính toán để "tìm hiểu" thông tin trực tiếp từ dữ
liệu mà không dựa vào một phương trình được xác định trước làm mô hình. Các thuật
toán phù hợp sẽ cải thiện hiệu suất của chúng khi số lượng mẫu có sẵn cho việc học tập
tăng lên. Học máy là lĩnh vực rất quan trọng của AI và nó liên quan trực tiếp với Big
data. Trong ngữ cảnh của big data, khi nói về AI thì thường được ngầm hiểu là nói về học
máy và các thuật toán của nó.
4. So sánh kỹ thuật (hay thuật toán) học máy và kỹ thuật thống kê
Các thuật toán học máy tìm các mẫu trong dữ liệu. Các mẫu này cung cấp những
hiểu biết mới và giúp con người ra các quyết định và dự báo tốt hơn. Các thuật toán học
máy được sử dụng hàng ngày để đưa ra các quyết định quan trọng trong chẩn đoán y
khoa, kinh doanh chứng khoán, dự báo tải năng lượng, dự báo ùn tắc và phân luồng giao
thông ... . Các trang web thường dựa vào việc học máy để sàng lọc hàng triệu các lựa
chọn để tư vấn cho người sử dụng lựa chọn bài hát hoặc bộ phim, lựa chọn các mặt hàng
yêu thích. Các nhà bán lẻ sử dụng các thuật toán học máy để hiểu rõ hơn về hành vi mua
sắm của khách hàng.
Các thuật toán học máy (cây quyết định, mạng nơ tron, giải thuật di truyền, học
máy véc tơ hỗ trợ, luật kết hợp, người láng giềng gần nhất, ...) đã được nghiên cứu từ lâu,
nhưng mấy năm gần đây nó được nói rất nhiều, vì nó được ứng dụng hết sức thành công
trong việc phân tích và dự báo trên các big data.
Các kỹ thuật phân tích và dự báo được phân làm 2 nhóm: kỹ thuật AI và kỹ thuật
thống kê. Ưu điểm chính của các kỹ thuật thống kê là: mô hình phân tích và dự báo dữ
liệu là tường minh; tinh tế do được nghiên cứu thời gian rất dài, thuận lợi để phân tích và
dự báo dữ liệu số; độ chính xác dự báo khá cao, ... Nhược điểm chính: không tự động hóa
được hoàn toàn, phải thực hiện nhiều các kiểm định thống kê kể cả kiểm định các biến
đầu vào, cần có sự tham gia của con người trong quá trình dự báo; không thực hiện được
trên các tập big data. không dự báo được những sự vật, hiện tượng hiếm khi xẩy ra do
1
: www.mathworks.com/trademarks/5th _IIBA_ConferenceProceeding_Florida_ November 2015 (179-189).pdf
4
- Hội thảo “Tác động của cách mạng công nghiệp lần thứ 4 tới hoạt động thông tin khoa học và
công nghệ", do Hội Thông tin KH&CN Việt Nam tổ chức tại Hà Nội, ngày 18/12/2018
dựa vào quy luật số lớn; rất khó để phân tích, dự báo được những dữ liệu không có cấu
trúc: dữ liệu text, dữ liệu ảnh, dữ liệu âm thanh, .... Các kỹ thuật AI khắc phục những hạn
chế của kỹ thuật thống kê, cụ thể ưu điểm chính của các kỹ thuật AI là: Có thể được thực
hiện trên tập big data, không cần thực hiện các kiểm định thống kê, có thể tự động hóa
được hoàn toàn, có thể phân tích và dự báo dữ liệu số cũng như các dữ liệu không có cấu
trúc khác; Có thể dự báo những sự vật, hiện tượng rất hiếm xẩy ra. Việc phân tích các dữ
liệu không có cấu trúc bằng sử dụng kỹ thuật AI là cách tiếp cận để phân tích và dự báo
hành vi. Nhược điểm chính: mô hình phân tích và dự báo không được từng minh; về mặt
lý thuyết nói rằng có thể dự báo với độ chính xác cao, nhưng để đạt được như vậy thì tốn
rất nhiều chi phí nhất là về thời gian. Các kỹ thuật AI đã rất thành công trong phân tích và
dự báo các dữ liệu khoa học, kể cả ở dạng số nhưng chưa thực sự nổi trội hơn các kỹ
thuật thống kê trong phân tích dự báo dữ liệu kinh tế - xã hội ở dạng số (Đỗ Văn Thành
2017).
5. Quan hệ giữa big data và học máy, AI ?
Big Data là đầu vào thô cần phải được làm sạch, cấu trúc và tích hợp trước khi nó
trở nên hữu ích, trong khi AI là đầu ra, là trí thông minh được kết xuất từ dữ liệu. AI
được xem là một dạng máy tính cho phép các máy thực hiện các chức năng nhận thức,
như hành động hoặc phản ứng lại với các đầu vào tương tự như cách con người làm. Các
ứng dụng điện toán truyền thống cũng hành động, phản ứng với dữ liệu nhưng hành động
và phản ứng theo cách không được thay đổi trong khi các hệ thống AI liên tục thay đổi
hành vi của chúng để phù hợp với những tri thức mới phát hiện được và điều chỉnh, thay
đổi phản ứng của chúng.
Big data và học máy là đôi bạn song hành. Không có thuật toán học máy sẽ không
thể thực hiện được các hoạt động phân tích và dự báo trên các big data. Nhưng nếu không
có big data thì các thuật toán học máy cũng không có nhiều giá trị. Big data là mạch máu
của các hệ thống AI, là tiền đề của các thuật toán học máy. Càng có nhiều dữ liệu để ứng
dụng AI thì kết quả càng chính xác. Trước đây, thuật toán học máy không hoạt động tốt
do bộ xử lý chậm và bộ dữ liệu nhỏ. Không có cảm biến để thu thập dữ liệu như ngày nay
và không có dữ liệu thời gian thực vì Internet không có sẵn và được sử dụng rộng rãi.
Hiện nay chúng ta đã có mọi thứ mà chúng ta cần; bộ vi xử lý nhanh, thiết bị đầu vào
mạnh, mạng và lượng dữ liệu khổng lồ. Sự đồng hành của big data và học máy làm cho
càng có nhiều dữ liệu, càng xuất hiện nhiều câu hỏi và câu trả lời càng tốt hơn.
5
- Hội thảo “Tác động của cách mạng công nghiệp lần thứ 4 tới hoạt động thông tin khoa học và
công nghệ", do Hội Thông tin KH&CN Việt Nam tổ chức tại Hà Nội, ngày 18/12/2018
6. Quan hệ giữa big data, học máy và kết nối vạn vật (IoT)
Với sự gia tăng của kết nối vạn vật (Internet of Things – IoT) và những tiến bộ của
các kỹ thuật học máy, nhiều thiết bị kết nối hơn đang tạo ra dữ liệu làm cho thông tin
toàn cầu ngày càng được số hoá. Dữ liệu số hóa được gia tăng một cách hết sức nhanh
chóng, cần tổ chức lưu trữ chúng bằng công nghệ mới và phân tích chúng bằng sử dụng
các hệ thống AI.
Việc kết nối vạn vật – IoT cũng cho thấy dữ liệu dựa trên cảm biến có thể mang lại
lợi ích cho doanh nghiệp và khách hàng như thế nào. Do đó, ngày càng có nhiều công ty
đang đầu tư vào phân tích dữ liệu dựa trên cảm biến. Với việc tăng cường sử dụng các
thiết bị thông minh như điện thoại thông minh, đồng hồ thông minh, IoT giúp thu thập
thông tin cho mục đích phân tích dữ liệu. Việc phát triển IoT sẽ đóng vai trò then chốt
trong phân tích big data. Xu hướng big data với IoT đang và sẽ đóng vai trò quan trọng
trong việc cải thiện và định hình lại cuộc sống con người.
7. Khi nào sử dụng kỹ thuật học máy và những lĩnh vực ứng dụng kinh tế -
xã hội của nó
Hãy xem xét để sử dụng học máy khi phải đối mặt với những nhiệm vụ phức tạp
hoặc vấn đề liên quan đến một lượng lớn dữ liệu và có rất nhiều biến, nhưng không có
công thức hoặc phương trình nào có thể mô tả được tường đối đầy đủ các quan hệ tiềm ẩn
trong dữ liệu.
Học máy (cũng như AI) được gắn chặt với các hoạt động trong nền kinh tế. Với
sự gia tăng của big data, học máy trở nên đặc biệt quan trọng trong việc giải quyết các
vấn đề trong các lĩnh vực sau:
a) Linh vực kinh tế - tài chính: phân tích và dự báo trên tập big data về kinh
tế, tài chính; phân tích và đánh giá doanh nghiệp; phân tích và xếp hạng tín dụng; phân
tích và dự báo thị trường chứng khoán, tư vấn đầu tư, ...
b) Lĩnh vực sản xuất: Phân tích, dự báo nhu cầu thị trường; Dự báo khách
hàng tiềm năng trong tương lai và lập kế hoạch sản xuất kinh doanh doanh nghiệp; Phân
tích xác định vấn đề và tự động hóa quá trình sản xuất công nghiệp, trồng trọt, chăn nuôi,
...
c) Giáo dục từ xa, khám chữa bệnh từ xa,...
d) Giao thông vận tải: dự báo tắc đường và phân luồng giao thông thời gian
thực, hệ thống lái xe tự động, chẩn đoán và bảo trì các phương tiện giao thông, ...
6
- Hội thảo “Tác động của cách mạng công nghiệp lần thứ 4 tới hoạt động thông tin khoa học và
công nghệ", do Hội Thông tin KH&CN Việt Nam tổ chức tại Hà Nội, ngày 18/12/2018
e) Xử lý hình ảnh và thị giác máy tính, nhận dạng khuôn mặt, phát hiện
chuyển động và phát hiện đối tượng, xử lý ngôn ngữ tự nhiên (dịch tự động), phát hiện
trình tự DNA, ...
f) Quản trị nhà nước: Thăm dò dư luận, phân tích quan điểm những người
tham gia, phân tích tâm lý (sentiment) người sử dụng trên các mạng xã hội, ...
8. Một số ví dụ minh họa
- Ví dụ 1 2: Phát hiện tai nạn xe hơi tốc độ thấp: RAC là một trong những tổ chức
xe hơi lớn nhất ở Anh có hơn 8 triệu thành viên. RAC cung cấp các dịch vụ hỗ trợ xe bên
đường, bảo hiểm và nhiều dịch vụ khác cho lái xe cá nhân và kinh doanh. Để phản ứng
nhanh với các tai nạn giao thông xẩy ra trên đường, giảm nhẹ sự cố và giảm thiểu chi phí
bảo hiểm, RAC đã phát triển một hệ thống cảm biến sự cố trên xe. Hệ thống này sử dụng
thuật toán học máy tiên tiến để phát hiện các cú va chạm tốc độ thấp và phân biệt các sự
kiện này với nhiều sự kiện lái xe phổ biến khác như lái xe vượt quá tốc độ cho phép hoặc
ổ gà, .... Các thử nghiệm độc lập cho thấy hệ thống này của RAC chính xác đến 92%.
- Ví dụ 2 3: Tạo ra các thuật toán có thể phân tích các tác phẩm nghệ thuật: Các
nhà nghiên cứu tại phòng thí nghiệm: Nghệ thuật và AI, Đại học Rutgers muốn tìm hiểu
thuật toán học máy có thể phân loại được các bức tranh theo phong cách, theo thể loại và
theo tác giả như con người làm hay không. Họ bắt đầu bằng cách xác định các đặc tính
trực quan để phân loại các bức tranh theo phong cách. Các thuật toán do họ phát triển đã
phân loại theo phong cách các bức tranh trong cơ sở dữ liệu với độ chính xác vượt trội
đến hơn 60% so với một người không phải là chuyên gia điển hình. Họ cũng đã thử
nghiệm các thuật toán đó trên hơn 1.700 bức tranh từ 66 các họa sĩ khác nhau tạo ra
trong khoảng 550 năm. Các thuật toán đã dễ dàng xác định được các tác phẩm và kết nối
chúng một cách phù hợp.
- Ví dụ 3 4: Tối ưu hóa việc sử dụng hệ thống năng lượng trong các Tòa nhà lớn:
Hệ thống sưởi, thông gió và điều hòa không khí (HVAC) trong các tòa nhà văn phòng,
bệnh viện và các tòa nhà thương mại lớn khác, ..., thường không hiệu quả vì không tính
đến việc thay đổi thời tiết, thay đổi chi phí năng lượng, hoặc các thuộc tính nhiệt của tòa
nhà. Người ta xây dựng một nền tảng phần mềm dựa trên đám mây tên là IQ để giải
2
: www.mathworks.com/trademarks/ 80655-93014_ mach inelearn ing_section2_ ebook. Pdf
3
: www.mathworks.com/trademarks/ 80655-93014_ mach inelearn ing_section2_ ebook. Pdf
4
: www.mathworks.com/trademarks/ 80323v00_ machinelearn ing_section3_ebook.pdf
7
- Hội thảo “Tác động của cách mạng công nghiệp lần thứ 4 tới hoạt động thông tin khoa học và
công nghệ", do Hội Thông tin KH&CN Việt Nam tổ chức tại Hà Nội, ngày 18/12/2018
quyết vấn đề này. Nền tảng IQ sử dụng các thuật toán học máy tiên tiến để xử lý một
cách liên tục hàng gigabyte thông tin từ các đồng hồ đo điện, các nhiệt kế và cảm biến đo
áp suất của hệ thống sưởi, hệ thống thông gió và điều hòa không khí, cũng như để đo thời
tiết và chi phí năng lượng. Đặc biệt, các thuật toán học máy được sử dụng để phân đoạn
dữ liệu và xác định tương đối đóng góp của khí đốt, điện, hơi nước và năng lượng mặt
trời đối với các quá trình làm nóng và làm mát. Nền tảng IQ đã làm giảm một mức độ lớn
về tiêu thụ năng lượng (HVAC) trong các tòa nhà thương mại, từ 10% - 25% so với hoạt
động bình thường.
9. Big data và AI đang thay đổi thế giới kinh doanh như thế nào?
Ngày nay, các doanh nghiệp đang được dữ liệu dẫn dắt, điều chỉnh. Cụ thể, Big
data và AI đã từng bước phát triển để định hình các quy trình kinh doanh hàng ngày và
đóng vai trò như là động lực chủ chốt trong việc ra quyết định kinh doanh thông minh
(Kristian & Ulrich, 2018). Với những tiến bộ của AI và tính toán nhận thức với big data,
giờ đây các công ty có thể có được những hiểu biết thời gian thực về xu hướng kinh
doanh và hành vi của người tiêu dùng để có được lợi thế so với các đối thủ cạnh tranh
khác.
Theo dự báo của Công ty Forrester, xu hướng mô hình kinh doanh như vậy đã làm
gia tăng việc xây dựng big data và AI trong năm 2018 lên mức 70% doanh nghiệp đa
quốc gia cao hơn mức 51% so với năm 2017. Đây là một dấu hiệu rõ ràng cho thấy AI và
big data đang biến đổi thế giới kinh doanh. Trong khi big data đang đóng vai trò như là
các hồ chứa dữ liệu không ngừng tăng lên, nó giúp AI trở thành lực lượng đột phá của
nhiều nền kinh tế trên thế giới. Công ty nêu trên cũng ước tính rằng AI có thể đóng góp
tới 15,7 nghìn tỷ đô la vào GDP toàn cầu vào năm 2030, trong đó 9,1 nghìn tỷ đô la là do
tiêu thụ các sản phẩm AI, trong khi 6,6 nghìn tỷ đô la là do việc tăng năng suất (Anand
& Gerard, 2017).
10. Những khu vực nào ở đó big data và AI có thể đóng góp cho kinh
5
doanh ?
Cải thiện hoạt động phân tích doanh nghiệp: Với việc phân tích big data bằng
cách sử dụng kỹ thuật AI làm cho hoạt động phân tích doanh nghiệp trở nên hiệu quả và
dễ dàng hơn trước đây. Sự gia tăng của các nguồn big data khác nhau nhờ các thiết bị
5
: www.teckreck.com/ro les-of-big-data-and-ai-in-the-business-world/
8
- Hội thảo “Tác động của cách mạng công nghiệp lần thứ 4 tới hoạt động thông tin khoa học và
công nghệ", do Hội Thông tin KH&CN Việt Nam tổ chức tại Hà Nội, ngày 18/12/2018
thông minh được kết nối (IoT) sẽ tạo điều kiện để tạo ra các báo cáo phân tích doanh
nghiệp theo thời gian thực. Các big data còn chứa những dữ liệu phi cấu trúc và việc sử
dụng các thuật toán AI để phân tích những dữ liệu như vậy để nhận được những thông tin
cụ thể, chi tiết và những hiểu biết mới có thể hỗ trợ đắc lực cho các quá trình ra quyết
định. Điều đó là rất hiệu quả để dự báo hành vi của người tiêu dùng.
Big data và AI sẽ sử dụng dữ liệu truyền thông xã hội làm nguồn cấp dữ liệu
doanh nghiệp: Trong những năm tới dữ liệu truyền thông xã hội sẽ đóng một vai trò quan
trọng để tăng cơ hội bán hàng. Trong khi các công cụ big data sẽ thu thập, xử lý và cấp
dữ liệu cho các hệ thống AI, với phương pháp luận hướng đến hành vi, AI có thể cho
phép sắp xếp cách tiếp thị một cách chính xác và hiệu quả. Do đó, big data và AI sẽ xác
định một cách thông minh kinh nghiệm phục vụ và chăm sóc khách hàng. Những loại
thông tin này cực kỳ hữu ích để nâng cao cơ hội bán hàng và quản lý khách hàng.
Giới thiệu sản phẩm đáp ứng yêu cầu của khách hàng kỹ tính: Big data và AI cùng
nhau không chỉ chủ động cải thiện kinh nghiệm phục vụ khách hàng mà còn thúc đẩy các
công ty tạo ra các sản phẩm đáp ứng khách hàng được tự động hơn. Với việc sử dụng và
triển khai phân tích big data bằng cách sử dụng AI, ngày nay các công ty lớn đã tập trung
vào thiết kế sản phẩm theo cách để có thể đáp ứng nhu cầu của khách hàng trong tương
lai.
Phân tích chatbots giúp tăng doanh thu bán hàng trên mạng: chatbot là một chương
trình máy tính thực hiện các cuộc trò chuyện thông qua phương pháp thính giác hoặc văn
bản. Chatbots thường được sử dụng trong các hệ thống hộp thoại cho các mục đích thực
tế khác nhau bao gồm dịch vụ khách hàng hoặc thu thập thông tin. Với mọi doanh nghiệp
bán hàng trực tuyến thì việc phân tích các chatbot đã trở thành hoạt động thường xuyên.
Ở đây dữ liệu được rút ra từ nhiều nguồn, và sau khi phân tích nó như theo cách của phân
tích big data, các câu hỏi có thể xảy ra và các câu trả lời được đưa vào các chương trình
chatbot thông qua việc sử dụng kỹ thuật AI. Cuối cùng, các chatbot hoạt động hỗ trợ
khách hàng 24 * 7, do đó đẩy nhanh tốc độ bán hàng.
Big data và AI giúp hoạt động kinh doanh an toàn hơn: Khi thế giới số đã trải qua
những hỗ trợ tinh vi của nhiều công nghệ hiện đại, thì số lượng những kẻ gian lận chuyên
nghiệp, những người làm cho rủi ro tài chính doanh nghiệp tăng cao cũng sẽ nhiều lên.
AI, với các công cụ AI thông minh như trình nhận dạng giọng nói, trình nhận dạng video,
ngôn ngữ tự nhiên và nhiều tính năng khác sẽ hỗ trợ bảo vệ doanh nghiệp khỏi các hoạt
động gian lận.
9
- Hội thảo “Tác động của cách mạng công nghiệp lần thứ 4 tới hoạt động thông tin khoa học và
công nghệ", do Hội Thông tin KH&CN Việt Nam tổ chức tại Hà Nội, ngày 18/12/2018
Về mặt hiệu quả, Big data và AI đang làm thay đổi bức tranh toàn cảnh về kỹ
thuật công nghiệp: Ngày nay, để tăng hiệu quả trong kỹ thuật công nghiệp thì không thể
không có big data. Trong kinh doanh kỹ thuật công nghiệp, bằng sử dụng các thuật toán
phân tích big data có thể xác định được các ràng buộc về kinh doanh và cách nó ràng
buộc với kinh doanh. Vì vậy, người có thể loại bỏ các ràng buộc một cách nhanh chóng
mà cuối cùng giúp tăng một cách rõ rệt hiệu suất kinh doanh.
Big data và AI giúp giảm chi phí quản lý hàng tồn kho: Quản lý hàng tồn kho là
một việc đặc biệt tốn kém nếu ta không chắc chắn trong tương lai sẽ sản xuất những gì và
nên sản xuất bao nhiêu? Tuy nhiên, với sự giúp đỡ của việc phân tích big data, doanh
nghiệp có thể dự đoán được xu hướng và sự kiện trong tương lai của ngành hàng. Chưa
kể nó còn giúp quản lý hàng tồn kho một cách có tổ chức đáp ứng yêu cầu của khách
hàng mà không tốn quá nhiều chi phí. Dự báo về doanh thu cung cấp cho doanh nhân một
phân tích chuyên sâu về thời điểm lý tưởng để mua hàng lưu kho.
Giúp chuyển đổi nhanh chóng các ngành công nghiệp khác nhau: AI giúp đẩy
mạnh tự động hóa sản xuất trong các ngành công nghiệp khác nhau. Hơn nữa, trí thông
minh của máy móc có được do ứng dụng AI còn nâng cao chất lượng của các quy trình
sản xuất trong các ngành công nghiệp. Ngày nay, robot tham gia vào các hoạt động sản
xuất làm cho quá trình hiệu quả hơn, sản phẩm được tạo ra chính xác và nhanh hơn.
AI cung cấp những hiểu biết tốt hơn về dữ liệu trên các mô hình phân tích: AI làm
cho các mô hình phân tích thông minh hơn bằng cách bổ sung thêm phần tự động hóa của
nó. Phần tự động được sinh ra bởi AI cung cấp thông tin phản hồi thời gian thực về dữ
liệu sẽ nâng cao chất lượng các mô hình phân tích dẫn dắt đến những quyết định được
quy định tiếp theo một cách tự động tốt hơn so với những mô hình trước đó. Khả năng
đặc biệt này của AI giúp đưa ra quyết định kinh doanh hiệu quả hơn.
11. Big data và AI đang thúc đẩy sáng tạo, đổi mới kinh doanh
Vài năm trước đây, big data mới chỉ là một từ thông dụng “nóng”. Hầu hết các tổ
chức chỉ dừng ở thử nghiệm các công nghệ liên quan. Ngày nay, big data, đặc biệt là
phân tích big data, đã phát triển để trở thành một phần quan trọng trong chiến lược của
hầu hết các doanh nghiệp, và các tổ chức đang phải đối mặt với áp lực mãnh liệt để theo
kịp những tiến bộ nhanh chóng trong lĩnh vực này.
10
- Hội thảo “Tác động của cách mạng công nghiệp lần thứ 4 tới hoạt động thông tin khoa học và
công nghệ", do Hội Thông tin KH&CN Việt Nam tổ chức tại Hà Nội, ngày 18/12/2018
Cuộc khảo sát năm 2018 của NewVantage Partners 6, được công bố vào ngày 8
tháng 1, đại diện cho các công ty lớp C (gồm gần 60 công ty có doanh thu trên 1000 tỷ đô
la hoặc các công ty hàng đầu trong ngành như American Express, Capital One, Ford
Motors, Goldman Sachs, MetLife, Morgan Stanley và Verizon, ...) đều cho rằng các dự
án big data - và những lợi ích thu được từ các dự án đó - đã trở nên gần như phổ biến.
Trong số những người trả lời, 97,2% tổng giám đốc điều hành cho biết các công ty của họ
đang làm việc trên các big data hoặc các sáng kiến AI, và 98,6% nói rằng các công ty của
họ đang cố gắng tạo ra một nền văn hóa theo hướng dữ liệu, tăng từ 85,5% trong năm
2017; 73,2% cũng cho biết họ đã đạt được giá trị đo lường được nhờ vào các sáng kiến
big data và đầu tư AI của họ. Đặc biệt, theo báo cáo của các tổng giám đốc điều hành, tỷ
lệ thành công là 69% và 60,9% với các sáng kiến về big data và AI tương ứng để cải
thiện quá trình ra quyết định và để giảm chi phí. Rất nhiều doanh nghiệp cũng đang sử
dụng big data và đầu tư AI để đẩy nhanh thời gian tiếp cận các sản phẩm và dịch vụ mới
(tỷ lệ thành công 54,1%) và cải thiện dịch vụ khách hàng (tỷ lệ thành công 53,4%). Tuy
nhiên, chỉ hơn một phần tư (27,3%) tổng giám đốc điều hành báo cáo là thành công trong
việc kiếm tiền từ big data và đầu tư AI của họ. Đây, hiện vẫn là một mục tiêu khó đạt của
hầu hết các doanh nghiệp.
Có một sự đồng thuận ngày càng tăng trong các doanh nghiệp lớn, đa quốc gia
rằng big data và AI là chìa khóa thành công của doanh nghiệp trong những năm tới. Với
93% tổng giám đốc điều hành xác định AI mà công ty của họ đang đầu tư là công nghệ
đột phá cho tương lai. Dường như cũng có sự đồng thuận rằng các công ty phải tận dụng
các công nghệ nhận thức để cạnh tranh trong một thời kỳ ngày càng phức tạp. Đầu tư vào
AI có thể được dự kiến sẽ tăng lên khi các doanh nghiệp tự đặt mình vào bối cảnh phải
cạnh tranh trong tương lai. Những công ty giỏi trong việc phát triển và thực hiện các sáng
kiến sử dụng big data và khả năng AI sẽ là những công ty có vị trí tốt nhất trong các cuộc
cạnh tranh trong thập kỷ tới.
Một cuộc khảo sát riêng biệt về big data năm 2018 do nhà cung cấp AtScale thực
hiện cũng cho thấy 66% các tổ chức coi big data là chiến lược hoặc thay đổi trò chơi, so
với chỉ 17% vẫn xem xét thử nghiệm công nghệ. Ngoài ra, 95% người được hỏi dự định
làm nhiều hay nhiều hơn với big data trong ba tháng tới.
6
: www. newvantage.com/wp-content/uploads/2018/01/Big-Data-Executive-Survey-2018-Findings.pdf
11
- Hội thảo “Tác động của cách mạng công nghiệp lần thứ 4 tới hoạt động thông tin khoa học và
công nghệ", do Hội Thông tin KH&CN Việt Nam tổ chức tại Hà Nội, ngày 18/12/2018
Nhiều công ty lớn truyền thống đang phải đối mặt với các mối đe dọa từ các đối
thủ cạnh tranh dựa trên dữ liệu, các đối thủ này không có các quy trình kinh doanh kế
thừa và đã xây dựng được văn hóa dữ liệu. Các công ty như Amazon, Google, Facebook
và Apple là những đối thủ cạnh tranh nổi bật nhất của các doanh nghiệp truyền thống đó.
12. Một số kết luận và thảo luận ?
Big data, AI và kết nối vạn vật là ba nội dung quan trọng để xây dựng nền kinh tế
dựa trên kỹ thuật tính toán số. Ba nội dung này có quan hệ mật thiết với nhau trong đó
big data và AI là hai nội dung có liên quan chủ yếu nhất đến quá trình chuyển đổi số của
cộng đồng doanh nghiệp.
Big data và học máy-một nhánh con rất quan trọng của AI, là đồng hành với nhau,
trong đó big data là tiền đề thực hiện các kỹ thuật học máy. Muốn thực hiện chuyển đổi
số trước hết cần phải đầu tư xây dựng các big data. Kinh nghiệm thế giới cho thấy để có
thể triển khai ứng dụng của kỹ thuật AI thì phải tập trung tạo lập các big data từ 3 đến 5
năm về trước.
Big data và AI đã được ứng dụng rất thành công ở các doanh nghiệp lớp C của
Mỹ. Chúng đang làm thay đổi thế giới kinh doanh. Nhờ ứng dụng big data và AI, việc
điều tra nhu cầu khách hàng, dự báo khách hàng tiềm năng, thiết kế và sản xuất sản phẩm
theo nhu cầu của khách hàng tiềm năng, tự động hóa quá trình sản xuất, giải đáp và tư
vấn khách hàng, thực hiện bán hàng trực tuyến (on line), ...được thực hiện hiệu quả hơn
và nhanh hơn, trong đó đa phần là có thể thực hiện theo thời gian thực.
Big Data và AI là tương lai của doanh nghiệp. Một doanh nghiệp muốn thành công
trong bối cảnh hội nhập kinh tế và cạnh tranh gay gắt như hiện nay thì cần phải nắm bắt,
phải ứng dụng triển khai công nghệ tiên tiến này.
Do khuôn khổ có hạn, bài viết này chưa đánh giá về thực trạng xây dựng các big
data cũng như ứng dụng các kỹ thuật AI ở Việt Nam. Nhưng có thể đánh giá một cách
tổng quát rằng việc triển khai những nội dung còn rất manh mún, nhỏ lẻ và hiệu quả đạt
được là rất hạn chế ở hầu hết các lĩnh vực kinh tế - xã hội cũng như trong hoạt động của
doanh nghiệp. Những câu hỏi như: nguyên nhân của tình trạng hạn chế nêu trên là gì?,
Chuyển đổi số ở Việt Nam nên được bắt đầu từ đâu? nhà nước và cộng đồng doanh
nghiệp giữ vai trò thế nào trong triển khai thực hiện những nội dung ấy ?... hy vọng sẽ
được trả lời trong một báo cáo khác.
TÀI LIỆU THAM KHẢO
12
- Hội thảo “Tác động của cách mạng công nghiệp lần thứ 4 tới hoạt động thông tin khoa học và
công nghệ", do Hội Thông tin KH&CN Việt Nam tổ chức tại Hà Nội, ngày 18/12/2018
1. Anand S. Rao, Gerard Verweij. Sizing the prize: What’s the real value of AI
for your business and how can you capitalise. PwC report, 2017.
2. Hilbert M. & Lopez P. (2011): The World’s Technological Capacity to Store,
Communicate, and Compute Information. Science, 332(6025): 60–65.
3. Klaus Schwab (2016): “The Fourth Industrial Revolution”, Report in the
World Economic Forum 2016.
4. Kristian Kersting & Ulrich Meyer, From Big Data to Big Artificial
Intelligence? Algorithmic Challenges and Opportunities of Big Data. KI -
Künstliche Intelligenz (2018) 32:3–8. https://doi.org/10.1007/s13218-017-
0523-7
5. Stuart Russell, Peter Norvig (2016). Artificial Intelligence. A Modern
Approach (3rd Global Edition). Pearson.
6. Đỗ Văn Thành (2018). Phân tích và dự báo phục vụ tái cấu trúc nền kinh tế
trong bối cảnh cách mạng công nghiệp 4.0, Kỷ yếu Hội thảo khoa học quốc tế
NCIF-Irish Aid: Tái cấu trúc nền kinh tế Việt Nam trong bối cảnh cách mạng
công nghiệp 4.0. Pages. 9-24.
7. Đỗ Văn Thành (2017). Mô hình dự báo giá cổ phiếu trong ngữ cảnh dữ liệu số
chiều cao. Kỷ yếu Hội nghị khoa học công nghệ quốc gia lần thứ X, FAIR, Đã
Nẵng ngày 17-18/8/2017, 422-433. DOI: 10.15625/vap.2017.00051.
8. Nguyễn Thanh Thủy, Hà Quang Thụy, Phan Xuân Hiếu, Nguyễn Trí Thành
(2018): Trí tuệ nhân tạo trong thời đại số: Bối cảnh thế giới và liên hệ với Việt
Nam – Báo Công thương.
13
nguon tai.lieu . vn