English 
Vietnamese Bạn có bao giờ tự hỏi làm thế nào Netflix có thể đề xuất các bộ phim truyền hình phù hợp với sở thích của bạn hoặc cách Amazon đề xuất các sản phẩm được cá nhân hóa để thúc giục bạn mua nhiều hơn không? Tất cả những điều này đều có thể thực hiện được nhờ vào Trí tuệ Nhân tạo (Artificial Intelligence – AI) và Học Máy (Machine Learning).
Việc áp dụng hai công nghệ mới nổi này đang phát triển với tốc độ chưa từng có. Ngày nay, các ứng dụng kinh doanh của Trí tuệ Nhân tạo (AI) nói riêng có thể bao gồm từ một chatbot đơn giản đến những thứ phức tạp, tất cả đều nhằm phục vụ mục đích sử dụng đầy đủ dữ liệu mà các doanh nghiệp đang sở hữu.
Doanh nghiệp có thể hưởng lợi ở từ sức mạnh của AI và dữ liệu đến mức nào? Tại sao doanh nghiệp nên đầu tư vào các giải pháp AI? Hãy đọc tiếp để hiểu thêm về chủ đề nhé.
1. Tuân thủ dữ liệu
Tuân thủ dữ liệu là quy trình mà các doanh nghiệp phải tuân theo các quy định do luật bảo vệ dữ liệu đặt ra để đảm bảo rằng thông tin cá nhân của khách hàng được giữ an toàn trước các hành vi sai trái hoặc trộm cắp. Quy định chung về bảo vệ dữ liệu (GDPR) quy định rằng mọi người có quyền biết các tổ chức dữ liệu có thông tin gì về họ.
Các tổ chức cần có phần mềm phù hợp để xác định xem thông tin có trong tay thuộc về khách hàng hay nhân viên. Đây được gọi là Yêu cầu truy cập Chủ thể dữ liệu (Data Subject Access Request - DSAR), nơi một cá nhân có thể hỏi một tổ chức về những thông tin cá nhân mà họ sở hữu.
Một tổ chức phải được chuẩn bị để thực hiện điều này theo luật và phải khai báo tất cả thông tin họ có nếu có DSAR. Nếu không, họ có thể phải đối mặt với tiền phạt nặng hoặc cả hành động pháp lý.
Một nghiên cứu gần đây được thực hiện bởi Macro 4 chỉ ra rằng "khoảng 40% tổ chức trong mẫu không hoàn toàn tuân thủ các quy tắc GDPR để xử lý DSAR, với 14% mất nhiều thời gian hơn một tháng cho phép để cung cấp dữ liệu cá nhân được yêu cầu"1. Điều này có thể gây tổn hại đến danh tiếng của tổ chức vì nó dẫn đến sự hài lòng của khách hàng thấp hơn và cuối cùng dẫn đến việc không tuân thủ từ góc nhìn pháp lý.
Đọc thêm: Thế nào là Quản lý Rủi ro và Tuân thủ (GRC) liên tục?
2. Chuyển đổi dữ liệu
Dữ liệu có thể có nhiều hình dạng và kích thước, có thể có hoặc không có cấu trúc. Sẽ không quá khi nói rằng dữ liệu là nguồn dầu mới vì nó cho phép các tổ chức đưa ra các quyết định sáng suốt hơn. Do đó, các tổ chức cần phải hiểu biết về tất cả các tài sản dữ liệu mà họ nắm giữ và cách họ có thể sử dụng dữ liệu của mình để có lợi cho riêng họ.
Điều thú vị là lượng dữ liệu phi cấu trúc trên toàn thế giới được dự báo sẽ đạt 80% vào năm 20252. Điều này có ý nghĩa gì đối với các tổ chức? Nó có nghĩa là họ chỉ xem xét 20% dữ liệu có sẵn thuận tiện cho họ, và 80% còn lại không được sử dụng.
Các tổ chức cần đầu tư vào trình thu thập dữ liệu hỗ trợ AI để lập chỉ mục dữ liệu của họ và lưu trữ chúng trong một kho lưu trữ an toàn, ví dụ như các hồ dữ liệu, để bảo vệ tài sản quan trọng nhất mà doanh nghiệp có.
Ngoài ra, trình thu thập dữ liệu hỗ trợ AI có thể tìm kiếm toàn bộ cơ sở dữ liệu tại chỗ hoặc cơ sở dữ liệu đám mây và giúp các tổ chức phân loại tất cả dữ liệu của họ, đánh dấu các lỗi hoặc trùng lặp. Một khi các tổ chức nhận thức được những gì họ có và giá trị của chúng, họ có thể quyết định giữ lại hoặc loại bỏ dữ liệu đó.
3. An ninh mạng
Dữ liệu rất dễ bị vi phạm. Khách hàng đặt niềm tin vào tổ chức trong việc bảo mật thông tin cá nhân của họ, do đó, các tổ chức nên đảm bảo niềm tin này bằng cách đầu tư vào bảo mật để giữ an toàn cho các thông tin nhạy cảm.
Đọc thêm: Làm thế nào để bảo vệ dữ liệu của bạn khi nhân viên thôi việc
Báo cáo vi phạm dữ liệu 2020 chỉ ra rằng ‘tổng chi phí trung bình của một vi phạm dữ liệu là 3,86 triệu USD và mất trung bình 280 ngày’3 để xác định và ngăn chặn vi phạm.
Các tổ chức cần chủ động và đầu tư vào công nghệ AI để tránh gặp phải sự cố. Việc thêm Malops (Malicious Operations - Hoạt động độc hại hay thời gian tin tặc xâm nhập và đạt được mục tiêu của chúng) vào nội dung dữ liệu có thể giúp xác định kịp thời các vi phạm dữ liệu tiềm ẩn so với 280 ngày sau đó.
Điều quan trọng đối với các tổ chức là không chỉ bảo vệ tài sản dữ liệu của họ mà còn phải biết độ nhạy của hệ thống dữ liệu. Những nội dung dữ liệu có độ nhạy cao hơn nên được ưu tiên trước.
4. Cải thiện năng suất
AI có thể giúp các tổ chức tiết kiệm thời gian tìm kiếm hoặc đối chiếu dữ liệu cho một báo cáo. Tại sao một nhân viên phải dành hàng giờ để tìm kiếm thông tin khi trình thu thập dữ liệu hỗ trợ AI có thể tìm thấy nó trong vòng vài giây?
Đặc biệt, ngành Bảo hiểm lưu trữ một lượng dữ liệu vô tận và dữ liệu này phải chính xác khi xác định giá trị của hợp đồng hoặc yêu cầu bồi thường. Đầu tư vào công nghệ AI có thể giúp các công ty bảo hiểm giảm thiểu sự không chính xác và đưa ra phản ánh trung thực hơn về giá trị của các hợp đồng hoặc các khiếu nại tranh chấp.
Hơn nữa, khả năng dự đoán của AI có thể giúp nhân viên quản lý khối lượng công việc và vận hành trơn tru nhất có thể. Từ đó, năng suất được cải thiện. Ví dụ: nếu người lái xe tải đang vận chuyển hàng hóa từ Điểm A đến Điểm B, anh ta cần phải biết điều kiện thời tiết, tắc nghẽn, tai nạn đường bộ hoặc liệu anh ta có cần giảm tốc độ hay không, v.v.
5. Định giá dữ liệu
Bạn có biết dữ liệu có ý nghĩa như thế nào về mặt tiền tệ không? Có ba cách tiếp cận để xác định dữ liệu của bạn đáng giá bao nhiêu.
Phương pháp tiếp cận #1 – Tiếp cận chi phí
Sẽ tốn bao nhiêu để thay thế hoặc sao chép dữ liệu kinh doanh bị mất?
Phương pháp tiếp cận #2 – Tiếp cận thu nhập
Nếu bạn mất dữ liệu doanh nghiệp, doanh nghiệp của bạn sẽ mất bao nhiêu doanh thu? Nếu bạn không thể tiếp cận với khách hàng của mình, làm thế nào bạn có thể tiến hành kinh doanh?
Phương pháp tiếp cận số 3 – Tiếp cận thị trường, nơi dữ liệu có thể được mua trên thị trường mở
Khi ước tính giá trị dữ liệu của bạn, hãy luôn thận trọng. Dữ liệu có thể dễ xảy ra lỗi, trùng lặp, không chính xác và không đầy đủ.
Do đó, điều tối quan trọng đối với các tổ chức là sử dụng phần mềm để khám phá, phân loại, lập chỉ mục và xác định giá trị của dữ liệu để biết những gì họ có, những gì họ không có và những gì họ có thể cần.
Ví dụ: với M&As, sẽ có hai bản ghi khách hàng. Do đó, bạn sẽ cần phải kết hợp chúng để có được một bản ghi với chất lượng và độ chính xác cao, và không bị trùng lặp.
Nếu tổ chức của bạn đang tìm kiếm một giải pháp được hỗ trợ bởi AI để thúc đẩy tăng trưởng và giúp bạn tận dụng tối đa dữ liệu, đầu tư vào dataBelt có thể là thứ bạn đang tìm kiếm.
Nguồn:
1. https://enterprisetalk.com/featured/six-customer-experience-failures-while-handling-gdpr/
2. https://solutionsreview.com/data-management/80-percent-of-your-data-will-be-unstructured-in-five-years/
3. https://www.capita.com/sites/g/files/nginej146/files/2020-08/Ponemon-Global-Cost-of-Data-Breach-Study-2020.pdf
