Big Data cho nhà quản lý

Dưới đây là tóm tắt nội dung chính của từng chương:

• Lời nói đầu: Nhấn mạnh sự thay đổi trong quan điểm về dữ liệu lớn, từ một khái niệm kỹ thuật hẹp sang một phong trào kinh tế và xã hội rộng lớn, áp dụng trong nhiều ngành nghề (ví dụ: thời trang). Cuốn sách hướng đến việc giúp các nhà quản lý hiểu và áp dụng Big Data để tạo ra giá trị kinh tế.
• Chương 1: Giới thiệu: Trình bày mục tiêu cơ bản của mọi doanh nghiệp là kiến tạo giá trị, và Big Data là một công nghệ bổ sung gần đây hỗ trợ mục tiêu này. Cuốn sách giúp các nhà quản lý không chuyên về kỹ thuật hiểu tiềm năng của Big Data để đưa ra các quyết định đầu tư hợp lý, tạo ra giá trị bền vững.
• Chương 2: Cuộc cách mạng dữ liệu lớn:
  • Các quyết định và quá trình tạo giá trị dựa trên dữ liệu: Minh họa cách các doanh nghiệp như Waitrose, Airbnb, Uber đã sử dụng dữ liệu để đưa ra các quyết định chiến lược, đổi mới và giành lợi thế cạnh tranh.
  • Lịch sử dữ liệu và dữ liệu lớn: Trình bày lịch sử phát triển của việc quản lý dữ liệu, từ thư viện truyền thống đến các hệ thống quản lý cơ sở dữ liệu (DBMS, RDBMS), sự ra đời của World Wide Web, và những thách thức về lưu trữ, quản lý dữ liệu lớn mà Google và Yahoo! đã tiên phong giải quyết với MapReduce và Hadoop.
  • Dữ liệu và phân tích: Định nghĩa phân tích dữ liệu là quá trình truy xuất và phân tích dữ liệu để phát hiện thông tin hữu ích.
  • Phân tích dữ liệu và thống kê: Giải thích nguồn gốc của phân tích dữ liệu từ thống kê, vai trò của nó trong việc hoạch định chính sách của chính phủ và ra quyết định kinh doanh.
  • Phân tích dữ liệu và điện toán: Đề cập đến những tiến bộ trong công nghệ điện toán đã mở ra nhiều khả năng phân tích dữ liệu, từ máy lập bảng của Herman Hollerith đến cơ sở dữ liệu quan hệ (RDB).
  • Kho dữ liệu và tình báo doanh nghiệp: Giới thiệu khái niệm Kho Dữ liệu (Data Warehouse) của William H. Inmon và Tình báo doanh nghiệp (Business Intelligence – BI) của Howard Dresner, cách chúng hỗ trợ ra quyết định kinh doanh.
  • Khai phá dữ liệu: Định nghĩa khai phá dữ liệu là quy trình điện toán nhằm xác định các mô típ và xu hướng trong một tập dữ liệu để đưa ra dự đoán.
  • Tìm kiếm trên mạng với Google: Nêu bật vai trò của Google trong việc xử lý và phân tích dữ liệu lớn trên các máy tính phân tán, dẫn đến sự ra đời của các dự án mã nguồn mở như Apache Hadoop và Apache Cassandra.
  • Phân tích dữ liệu lớn trên đám mây: Giới thiệu các dịch vụ đám mây như Amazon Redshift và Google BigQuery đã giúp giảm chi phí và đơn giản hóa việc xử lý dữ liệu lớn.
  • Dữ liệu có cấu trúc: Định nghĩa dữ liệu có cấu trúc là dữ liệu có mức độ tổ chức cao (ví dụ: trong cơ sở dữ liệu quan hệ, bảng tính), dễ dàng nhập, lưu trữ, truy vấn và phân tích bằng SQL.
  • Dữ liệu phi cấu trúc: Mô tả dữ liệu phi cấu trúc là dữ liệu có nhiều hình dạng và quy mô khác nhau (ví dụ: văn bản, email, video), khó lưu trữ và phân tích bằng phương pháp truyền thống. Nguồn dữ liệu phi cấu trúc tăng nhanh nhờ Web 2.0, mạng xã hội, thiết bị di động.
  • Dữ liệu lớn: Định nghĩa “Dữ liệu lớn” là thuật ngữ bao trùm các loại dữ liệu khổng lồ, đa dạng, có tốc độ tăng trưởng rất nhanh, không thể xử lý bằng công cụ truyền thống. Khái niệm này được phổ biến với mô hình 3V (Volume, Velocity, Variety) của Doug Laney, đôi khi thêm 2V (Variability, Complexity). Tầm quan trọng của Big Data không nằm ở số lượng mà ở cách khai thác để cắt giảm chi phí, giảm thời gian thực hiện, phát triển sản phẩm mới và ra quyết định thông minh. Cuốn sách cũng nhấn mạnh sự khác biệt giữa dữ liệu cũ (có cấu trúc, kiểm soát chặt chẽ) và dữ liệu mới (phi cấu trúc, từ nhiều nguồn không kiểm soát) và cách các doanh nghiệp có thể tận dụng dữ liệu mới để đổi mới sáng tạo.
  • Dữ liệu khách hàng: Liệt kê các loại dữ liệu khách hàng có thể thu thập (phản hồi về sản phẩm, lắng nghe mạng xã hội, dữ liệu tại điểm bán) và các nguồn dữ liệu khả thi.
• Chương 3: Kiến tạo giá trị từ dữ liệu lớn: Cung cấp kiến thức nền tảng về kiến tạo giá trị, cách tính toán giá trị tài chính và các ví dụ về việc sử dụng dữ liệu lớn để tạo giá trị. Chương này đặt trọng tâm vào các yếu tố tác động trong quá trình kiến tạo giá trị và hy vọng các nhà quản lý sẽ vận dụng để đo lường thành công của các dự án.
• Chương 4: Các kỹ thuật và giải pháp dữ liệu lớn: Mô tả các công nghệ dữ liệu lớn, các kỹ thuật phân tích dữ liệu khác nhau (từ thống kê truyền thống đến khoa học phân tích dự đoán và trực quan hóa dữ liệu). Chương này cung cấp tổng quan về các lợi ích và bất lợi của các kỹ thuật để nhà quản lý tự tin trao đổi với chuyên gia.
• Chương 5: Giới thiệu mô hình C-ADAPT: Là trọng tâm của cuốn sách, giới thiệu mô hình C-ADAPT có hệ thống và là một biểu mẫu thiết thực giúp nhà quản lý triển khai thành công các dự án dữ liệu lớn, xây dựng chiến lược và đo lường giá trị tạo ra.
• Chương 6: Các trường hợp ví dụ điển hình về dữ liệu lớn: Bao gồm một loạt các trường hợp ví dụ thực tế về phân tích và tạo giá trị liên quan đến dữ liệu lớn ở nhiều doanh nghiệp và lĩnh vực khác nhau (ví dụ: Intel, John Deere, Ooredoo, Domino’s Pizza, Tesco, Delta Airlines, Airbnb, Walmart), chứng minh rằng mô hình C-ADAPT có thể được áp dụng linh hoạt.
• Chương 7: Những người thực hành nói gì: Trình bày kết quả khảo sát và phỏng vấn những người thực hành dữ liệu lớn về tầm quan trọng của Big Data, giá trị chính mà nó mang lại và những thách thức khi triển khai dự án.
• Chương 8: Kết luận và bàn luận: Tóm lược những bài học chính và đề cập đến một số vấn đề quan trọng mà nhà quản lý cần tìm hiểu và đưa ra quyết định trong bối cảnh công nghệ thay đổi nhanh chóng.

Nhìn chung, cuốn sách “Big Data cho nhà quản lý” là một tài liệu thực tế và hữu ích, cung cấp cho các nhà quản lý cái nhìn tổng quan về Big Data, cách thức khai thác giá trị từ nó, và một khung làm việc (C-ADAPT) để triển khai các dự án Big Data một cách hiệu quả trong tổ chức.