Dự Án BI Thất Bại Vì Dữ Liệu: Bốn Nguyên Nhân Thường Gặp Và Cách Xử Lý

Chào bạn, lại là Trí đây! Bạn có phần mềm bán hàng, có file Excel của kế toán, có báo cáo quảng cáo. Nhưng khi sếp hỏi một câu cụ thể, bạn vẫn phải ngồi gõ tay cả buổi. Vấn đề không nằm ở chỗ thiếu dữ liệu.

Trả lời nhanh: Dữ liệu chỉ dùng được khi nó vừa đúng, vừa tìm thấy được, vừa cập nhật kịp lúc. Thiếu một trong ba thì kho dữ liệu của bạn chỉ là chỗ chứa. Bốn nguyên nhân phổ biến nhất:

• Dữ liệu có lỗi: trùng lặp, thiếu ô, định dạng mỗi nơi một kiểu.
• Không ai biết dữ liệu nằm ở đâu, phòng này không biết phòng kia có gì.
• Các nguồn cập nhật lệch nhịp nhau, chỗ theo tuần chỗ theo tháng.
• Hệ thống thay đổi mà không ai báo, làm số liệu đứt quãng.

Gartner đo được chất lượng dữ liệu kém khiến một tổ chức mất trung bình ít nhất 12,9 triệu USD mỗi năm.

Cập nhật tháng 9/2026

1. Dữ Liệu Dùng Được Nghĩa Là Gì?

Dữ liệu dùng được là dữ liệu vừa liên quan tới câu hỏi đang cần trả lời, vừa lấy ra được đúng lúc cần, vừa đủ tin cậy để ra quyết định. Thiếu một trong ba điều kiện đó thì bạn có file nhưng không có thông tin.

Nhiều chủ doanh nghiệp nghĩ mình đang thiếu dữ liệu. Thực tế phần lớn đang thừa file mà thiếu thứ dùng được. Phòng bán hàng có lịch sử đơn hàng. Phòng kho có tồn kho. Phòng marketing có số liệu quảng cáo. Ba kho này tồn tại song song và không nói chuyện với nhau.

Đây là lý do một dự án dữ liệu luôn nên bắt đầu bằng việc kiểm kê những gì đang có, chứ không phải bằng việc thu thập thêm. Trí đã bàn kỹ hơn trong bài giá trị cốt lõi của Business Intelligence.

2. Nguyên Nhân Thứ Nhất: Dữ Liệu Có Lỗi

Dữ liệu có lỗi, hay còn gọi là dữ liệu bẩn, là dữ liệu sai, không hợp lệ, thiếu hoặc mâu thuẫn, khiến nó không đáng tin để dùng cho việc kinh doanh. Đây là định nghĩa của IBM.

Các dạng hay gặp gồm bản ghi trùng lặp, ô để trống, định dạng ngày tháng mỗi nơi một kiểu, thông tin đã cũ, và định nghĩa xung đột giữa hai hệ thống. Một khách hàng xuất hiện ba lần với ba cách viết tên khác nhau là ví dụ kinh điển.

Cái giá của chuyện này đo được. Gartner ước tính chất lượng dữ liệu kém khiến một tổ chức mất ít nhất 12,9 triệu USD mỗi năm tính trung bình, theo nghiên cứu công bố năm 2020. Forrester thì thấy hơn một phần tư tổ chức ước tính thiệt hại hàng năm của họ vượt quá 5 triệu USD.

Con số đáng lo hơn nằm ở chỗ khác. Gartner ghi nhận 59% tổ chức không hề đo lường chất lượng dữ liệu của mình. Họ mất tiền mà không biết mình đang mất bao nhiêu.

3. Nguyên Nhân Thứ Hai: Không Ai Biết Dữ Liệu Nằm Ở Đâu

Khả năng nhìn thấy dữ liệu là mức độ mà thông tin trong tổ chức có thể được nhận biết, theo dõi và kết nối từ nhiều nguồn khác nhau. Khi khả năng này thấp, dữ liệu tốt vẫn nằm im vì không ai biết nó tồn tại.

Chuyện thường thấy trong doanh nghiệp là nhân viên phòng vận hành không biết phòng truyền thông đang lưu những gì. Một người ở bộ phận giao nhận giữ file chứa rất nhiều thông tin hữu ích, và cả công ty không ai hay.

Đây cũng là việc người làm Business Intelligence đảm nhận, như Trí có nói trong bài lộ trình học BI cho người mới. Cách xử lý đơn giản hơn nhiều người nghĩ. Bạn lập một danh sách các kho dữ liệu trong công ty bằng cách phỏng vấn ngắn từng người phụ trách, hoặc gửi một bản khảo sát trực tuyến hỏi họ đang thu thập và dùng dữ liệu gì. Việc này mất vài buổi nhưng thường phát hiện ra thứ bạn tưởng phải đi mua.

Đừng quên nguồn bên ngoài. Có rất nhiều bộ dữ liệu công khai miễn phí từ cơ quan nhà nước, các khảo sát ngành, nghiên cứu về khí hậu, năng lượng và y tế. Chúng đều có thể góp vào một dự án dữ liệu.

4. Nguyên Nhân Thứ Ba: Các Nguồn Cập Nhật Lệch Nhịp

Tần suất cập nhật là chuyện các nguồn dữ liệu được làm mới bao lâu một lần. Một dự án thường dùng nhiều nguồn cùng lúc, và việc chúng cập nhật vào những thời điểm khác nhau sinh ra sai lệch mà không ai để ý.

Lấy một ví dụ minh họa. Công ty phân tích doanh số theo từng thành phố. Một đối tác bán lẻ chuyển trụ sở từ thành phố này sang thành phố khác vào giữa tháng. Nếu địa chỉ trong hệ thống chưa được cập nhật, toàn bộ doanh số tháng đó vẫn bị ghi cho thành phố cũ.

Bạn có hai cách sửa. Một là ép nguồn dữ liệu đối tác làm mới sớm hơn để khớp với dữ liệu bán hàng. Hai là chấp nhận chỉ xem số liệu theo tháng thay vì theo tuần, để sai lệch trong tháng không ảnh hưởng kết luận.

Ngay cả khi từng nguồn riêng lẻ đều chuẩn, phần ghép nối vẫn thường là chỗ lộn xộn nhất.

5. Nguyên Nhân Thứ Tư: Hệ Thống Thay Đổi Mà Không Ai Báo

Thay đổi là chuyện xảy ra liên tục với dữ liệu. Nó đến từ bên trong khi công ty nâng cấp phần mềm hoặc đổi cách ghi chép. Nó cũng đến từ bên ngoài khi một nền tảng đổi giao diện hoặc chỉnh thuật toán.

Marketer gặp chuyện này nhiều hơn ai hết. Một nền tảng quảng cáo đổi cách tính một chỉ số, và số liệu tháng này không còn so được với tháng trước. Nếu bạn không biết thay đổi đó đã xảy ra, bạn sẽ đi giải thích một xu hướng không có thật.

Cách phòng là có kế hoạch thông báo. Người phụ trách dữ liệu cần chủ động hỏi các bên: công cụ nào đang dùng, cái gì có thể đổi, đổi rồi thì ảnh hưởng chỉ số nào, và lấp khoảng trống bằng cách nào.

6. Ba Giới Hạn Của Dữ Liệu Bạn Nên Lường Trước

Ngoài bốn nguyên nhân trên, có ba giới hạn bạn sẽ gặp đi gặp lại trong mọi dự án. Bảng dưới liệt kê từng cái kèm cách xử lý.

Một lưu ý thực tế. Bạn sẽ không bao giờ đạt được dữ liệu hoàn hảo, và điều đó chấp nhận được. Với phần lớn dự án, đủ dùng là đủ. Chỉ cần bạn nói rõ giới hạn và ràng buộc khi trình bày kết quả, thay vì im lặng để người đọc tưởng số liệu là tuyệt đối.

Nếu bạn cần khung để bắt đầu dọn dẹp, Trí có bài về chiến lược BI kèm 3 biểu mẫu chuẩn.

7. Câu Hỏi Thường Gặp

Doanh nghiệp nhỏ có cần lo chuyện chất lượng dữ liệu không?

Cần, nhưng ở mức khác. Bạn không cần hệ thống quản trị dữ liệu phức tạp. Bạn cần thống nhất một cách ghi tên khách hàng, một định dạng ngày tháng, và một chỗ lưu duy nhất cho mỗi loại thông tin. Ba việc đó xử lý được phần lớn rắc rối.

Làm sạch dữ liệu nên làm một lần hay định kỳ?

Định kỳ. Dữ liệu bẩn không phải sự cố xảy ra một lần rồi thôi. Mỗi ngày có người nhập sai, mỗi tháng có hệ thống đổi. Nếu chỉ dọn một lần, sau sáu tháng bạn quay lại điểm xuất phát.

Bao nhiêu phần trăm dữ liệu sạch là đủ?

Không có ngưỡng chung. Mức đủ phụ thuộc vào quyết định bạn sẽ đưa ra. Chọn ngân sách quảng cáo tháng tới thì sai số vài phần trăm không đổi kết luận. Tính lương hoặc báo cáo thuế thì phải chính xác tuyệt đối.

Dữ liệu công khai miễn phí lấy ở đâu?

Các cổng thông tin của cơ quan nhà nước, tổng cục thống kê, báo cáo ngành do hiệp hội công bố, và các khảo sát của tổ chức quốc tế. Trước khi dùng, hãy kiểm tra thời điểm thu thập và cỡ mẫu, vì hai thứ đó quyết định số liệu còn giá trị hay không.

Gộp dữ liệu từ nhiều phòng ban bắt đầu từ đâu?

Bắt đầu từ việc thống nhất định nghĩa, không phải từ việc chọn phần mềm. Hai phòng cùng báo cáo "số khách hàng mới" nhưng một bên tính theo người đăng ký, một bên tính theo người đã thanh toán, thì mọi hệ thống bạn mua đều vô ích.

Dữ liệu cũ tới mức nào thì nên bỏ?

Tùy chỉ số. Hành vi mua sắm thay đổi nhanh nên dữ liệu quá hai năm ít giá trị dự báo. Thông tin liên hệ khách hàng thì có thể giữ lâu hơn, miễn là có cơ chế xác nhận lại định kỳ.

8. Lời Kết Từ Tác Giả

Hai điều Trí muốn bạn nhớ.

Con số 59% tổ chức không đo chất lượng dữ liệu đáng chú ý hơn con số 12,9 triệu USD. Nó nghĩa là phần lớn doanh nghiệp đang chịu thiệt hại mà không có cách nào biết thiệt hại đó lớn hay nhỏ, và cũng không có cách nào biết việc mình bỏ công dọn dẹp có hiệu quả hay không.

Điều thứ hai. Đừng chờ dữ liệu hoàn hảo rồi mới bắt đầu. Hãy bắt đầu với dữ liệu đủ dùng, ghi rõ nó thiếu gì, và sửa dần. Nhưng mức nào là đủ thì Trí chưa thấy ai đưa ra được công thức chung, vì nó phụ thuộc vào quyết định mà bạn sắp đưa ra.

Công ty bạn có ai đang giữ một file dữ liệu quý mà cả công ty không biết không? Nếu bài viết này hữu ích, hãy chia sẻ nó và tiếp tục theo dõi blog của Trí.

Nguồn Tham Khảo

1. Data Quality: Why It Matters and How to Achieve It. Gartner, dẫn nghiên cứu 2020 về con số 12,9 triệu USD và tỷ lệ 59%.
2. What Is Dirty Data? IBM, định nghĩa và phân loại dữ liệu bẩn, dẫn số liệu Forrester.
3. The Staggering Impact of Dirty Data. Progress.