Keywords: Digital transformation, data, data management, metadata, metadata management.
1. Tình hình chuyển đổi số trên thế giới và Việt Nam
Chuyển đổi số là quá trình áp dụng công nghệ - kĩ thuật đột phá nhằm tăng năng suất, tạo giá trị và đem lại tính bền vững cao hơn. Chuyển đổi số càng được chú ý nhiều hơn sau đại dịch Covid-19 xảy ra, tạo ra sự thay đổi của các hình thức kinh doanh thông minh và linh hoạt. Nhiều quốc gia trên thế giới, tổ chức và hiệp hội nghiên cứu đề xuất tầm nhìn chiến lược về chuyển đổi số, làm cơ sở cho chính sách dài hạn của họ. Theo Petroc Taylor (2023), nỗ lực chuyển đổi số của nhiều tổ chức, doanh nghiệp đang được tiến hành rất tốt, với gần 3/4 tổ chức toàn cầu coi quy trình chuyển đổi số là ưu tiên hàng đầu. Bên cạnh đó, theo thống kê trên Statista (2023), đầu tư cho công nghệ và dịch vụ chuyển đổi số trên toàn thế giới từ 2017 đến năm 2026 dự kiến tăng liên tục. (Hình 1)
Hình 1: Thống kê chi phí đầu tư cho công nghệ
và dịch vụ chuyển đổi số trên toàn thế giới từ năm 2017 - 2026
Đơn vị: Nghìn tỉ USD
Nguồn: Theo Statista, 2023
Cũng như các quốc gia khác trên thế giới, Chính phủ Việt Nam đưa ra nhiều chính sách, chiến lược để thúc đẩy quá trình chuyển đổi số (Nghị quyết số 52-NQ/TW ngày 27/9/2019 của Bộ Chính trị về một số chủ trương, chính sách chủ động tham gia cuộc Cách mạng công nghiệp lần thứ tư, Quyết định số 749/QĐ-TTg ngày 03/6/2020 của Thủ tướng Chính phủ phê duyệt “Chương trình chuyển đổi số quốc gia đến năm 2025, định hướng đến năm 2030”…). Theo thống kê của Ngân hàng Thế giới, trong năm 2020, giá trị của một số công ty công nghệ trong nước tăng khoảng 200% trên Sàn giao dịch chứng khoán Thành phố Hồ Chí Minh, bao gồm Công ty cổ phần Thế giới Số (Digiworld) - nhà cung cấp dịch vụ phát triển thị trường và Công ty Viễn Liên - doanh nghiệp thiết bị viễn thông tăng lần lượt 252,1% và 189,4%. Theo Báo cáo khảo sát xếp hạng mức độ phát triển chính phủ điện tử của Liên hợp quốc, năm 2021, doanh thu của các doanh nghiệp số ở Việt Nam đã tăng trưởng gần 10%, xếp hạng chỉ số phát triển Chính phủ điện tử của Việt Nam đã tăng ba bậc so với năm 2016 (Madani, Dorsati, H. Morisset, Jacques, 8/2021). Theo Source of Asia (12/2022), Việt Nam được cho là một nước phát triển kinh tế số nhanh nhất ở Đông Nam Á. Đến năm 2030, dự đoán chuyển đổi số sẽ đóng góp khoảng 30% vào GDP cả nước. Triển vọng chuyển đổi số của Việt Nam thể hiện rất rõ: Từ tháng 6/2020 đến tháng 01/2021, số lượng doanh nghiệp sử dụng kĩ thuật số tăng từ 48% đến 73%; tính đến tháng 6/2022, 45,78% dịch vụ hành chính được thực hiện trực tuyến, tăng 1,6 lần so với cùng kì năm 2021.
Lĩnh vực tài chính - ngân hàng luôn đi đầu trong hoạt động chuyển đổi số tại Việt Nam. Theo thống kê của Ngân hàng Nhà nước Việt Nam (NHNN), đến cuối năm 2022, ngành Ngân hàng đã đầu tư hơn 15.000 tỉ đồng cho hoạt động chuyển đổi số. Cũng theo báo cáo của NHNN, 95% ngân hàng thương mại (NHTM) đã và đang xây dựng, triển khai chiến lược chuyển đổi số, trong đó nhiều ngân hàng đạt tỉ lệ trên 90% giao dịch thực hiện trên kênh số. Nhiều nghiệp vụ đã số hóa hoàn toàn, các ngân hàng đã chú trọng đầu tư nâng cao năng lực về an ninh thông tin phục vụ chuyển đổi số.
2. Siêu dữ liệu
Về mặt kĩ thuật, siêu dữ liệu có thể được định nghĩa là chạy các lệnh phức tạp bằng cách xem xét các chỉ mục tìm kiếm mà không cần dữ liệu gốc. Các chỉ mục siêu dữ liệu sẽ biến khung dữ liệu thành một công cụ tìm kiếm, nơi người ta có thể tìm kiếm trên dữ liệu và siêu dữ liệu.
2.1. Khái niệm
Theo DAMA (2017), định nghĩa phổ biến nhất về siêu dữ liệu là “dữ liệu về dữ liệu”, là loại thông tin có phạm vi rộng. Siêu dữ liệu bao gồm thông tin về các quy trình kĩ thuật và nghiệp vụ, quy tắc và ràng buộc dữ liệu cũng như cấu trúc dữ liệu logic và vật lí. Nó mô tả bản thân dữ liệu (cơ sở dữ liệu, phần tử dữ liệu, mô hình dữ liệu), khái niệm mà dữ liệu đại diện (quy trình nghiệp vụ, hệ thống ứng dụng, mã phần mềm, cơ sở hạ tầng công nghệ) và các kết nối (mối quan hệ) giữa dữ liệu và khái niệm. Siêu dữ liệu giúp tổ chức, doanh nghiệp hiểu về dữ liệu, hệ thống và quy trình làm việc, cho phép đánh giá chất lượng dữ liệu. Bên cạnh đó, siêu dữ liệu góp phần vào khả năng xử lí, duy trì, tích hợp, bảo mật, kiểm soát và quản lí các dữ liệu khác.
Siêu dữ liệu tóm tắt từng phần dữ liệu để giúp doanh nghiệp dễ dàng tìm kiếm và hiểu sâu hơn thông tin. Siêu dữ liệu trả lời cho các câu hỏi (ai?, cái gì?, khi nào?, ở đâu?, tại sao? và như thế nào?) của bất kì nội dung dữ liệu cụ thể nào và thường được sử dụng cho tệp máy tính, tệp âm thanh hoặc video, trang web và cơ sở dữ liệu quan hệ. Ví dụ như: Siêu dữ liệu cho tệp tài liệu có thể sẽ bao gồm tác giả, ngày tháng, kích thước tệp và từ khóa của nội dung. Siêu dữ liệu có thể nằm ở nhiều vị trí, bao gồm email, hướng dẫn thu thập dữ liệu hoặc bảng tính. Siêu dữ liệu cho các trang web tồn tại trong mã dưới dạng thẻ siêu dữ liệu, tiêu đề trang. Siêu dữ liệu cho cơ sở dữ liệu có thể được lưu trữ trong bảng hoặc trường. Từ đó, ta có thể thấy, siêu dữ liệu là điểm tựa của doanh nghiệp.
Siêu dữ liệu có thể phân chia làm 03 loại: Siêu dữ liệu nghiệp vụ, siêu dữ liệu kĩ thuật, siêu dữ liệu hoạt động. (Bảng 1)
Bảng 1: Phân loại siêu dữ liệu
2.2. Kiến trúc siêu dữ liệu
Kiến trúc siêu dữ liệu có thể chia thành 03 loại:
- Kiến trúc tập trung: Một kho lưu trữ siêu dữ liệu doanh nghiệp tập trung được lấy thông tin từ tất cả các kho lưu trữ siêu dữ liệu hệ thống nguồn có sẵn. Cổng thông tin siêu dữ liệu kết nối với kho lưu trữ siêu dữ liệu doanh nghiệp này sẽ cho tìm kiếm tất cả các loại dữ liệu.
- Kiến trúc phân tán: Không có kho lưu trữ siêu dữ liệu doanh nghiệp, do đó, cổng thông tin siêu dữ liệu được kết nối trực tiếp với tất cả các kho siêu dữ liệu nguồn.
- Kiến trúc lai: Bao gồm cả kho lưu trữ siêu dữ liệu doanh nghiệp và kiến trúc siêu dữ liệu phân tán. Kiến trúc này có lợi hơn khi siêu dữ liệu nguồn đang thay đổi nhanh chóng và có tốc độ tăng trưởng cao trong hệ thống nguồn siêu dữ liệu.
2.3. Quản lí siêu dữ liệu
Quản lí siêu dữ liệu bao gồm: Phân tích dữ liệu, ghi nhãn dữ liệu và phân loại dữ liệu. Quá trình này cho phép các tổ chức giành được nhiều quyền kiểm soát hơn đối với dữ liệu của mình, để từ đó có thể khám phá dữ liệu nhanh hơn, tận dụng dữ liệu cho bất kì quy trình nào.
Siêu dữ liệu giải phóng giá trị dữ liệu của tổ chức bằng cách cải thiện khả năng sử dụng và khả năng tìm kiếm của dữ liệu đó. Thông tin dữ liệu càng quan trọng thì việc quản lí siêu dữ liệu đó càng được quan tâm. Chiến lược quản lí siêu dữ liệu tốt sẽ đảm bảo dữ liệu của tổ chức có chất lượng cao, nhất quán và chính xác trên nhiều hệ thống khác nhau. Các tổ chức, doanh nghiệp sử dụng chiến lược quản lí siêu dữ liệu toàn diện sẽ có nhiều khả năng đưa ra quyết định kinh doanh chính xác hơn so với những tổ chức không có sẵn giải pháp quản lí siêu dữ liệu.
2.4. Tầm quan trọng và lợi ích quản lí siêu dữ liệu
Hầu hết các tổ chức, doanh nghiệp đều có kiến trúc thông tin giống như một hiệu sách quá tải và hoàn toàn không có tổ chức. Dữ liệu ở khắp mọi nơi, không được sắp xếp hay lập danh mục, khiến cho việc tìm kiếm trở nên vô cùng khó khăn. Siêu dữ liệu kết nối tất cả dữ liệu của tổ chức, doanh nghiệp để có thể tìm thấy chính xác những gì doanh nghiệp cần. Nhưng với rất nhiều siêu dữ liệu cùng tồn tại trong môi trường kinh doanh cũng gây ra khó khăn trong phân tích dữ liệu và tách dữ liệu thiết yếu khỏi dữ liệu không liên quan nếu không có bối cảnh phù hợp.
Vấn đề đặt ra là làm sao để sắp xếp, tìm kiếm dữ liệu hữu ích trong kho siêu dữ liệu khổng lồ, từ đó, sử dụng những dữ liệu có ích đó để đưa được chiến lược cạnh tranh, tạo lợi thế của tổ chức, doanh nghiệp.
Lợi ích của quản lí siêu dữ liệu
- Cải thiện tính nhất quán: Tạo sự nhất quán về siêu dữ liệu trong toàn tổ chức để các thuật ngữ xung đột không dẫn đến các vấn đề truy xuất dữ liệu.
- Chất lượng dữ liệu tốt hơn: Các giải pháp quản lí siêu dữ liệu hầu như luôn tận dụng khả năng tự động hóa, có khả năng xác định vấn đề và sự không nhất quán của dữ liệu trong thời gian thực.
- Truy cập nhanh hơn vào thông tin chi tiết: Các nhà khoa học dữ liệu có nhiều thời gian hơn để phân tích dữ liệu nhằm trích xuất giá trị kinh doanh thực và các nhóm dữ liệu có thể giúp việc phân phối dự án nhanh hơn.
- Giảm chi phí: Hiệu quả đạt được và các quy trình quản lí siêu dữ liệu có thể lặp lại làm giảm thời gian và chi phí dư thừa, ví dụ như chi phí lưu trữ.
Các công việc trong quản lí siêu dữ liệu (Hình 2)
Hình 2: Các công việc trong quản lí siêu dữ liệu
- Xác định và bảo mật thành tố dữ liệu quan trọng: Dữ liệu được xác định là quan trọng thường dựa trên việc dữ liệu có được sử dụng trong các quy trình nghiệp vụ hay các báo cáo trọng yếu của tổ chức.
- Xây dựng bảng từ điển thuật ngữ nghiệp vụ: Bảng thuật ngữ nghiệp vụ là tập hợp các thuật ngữ, định nghĩa và thuộc tính khác có liên quan được giải thích bằng ngôn ngữ rõ ràng để mọi thành viên trong tổ chức, doanh nghiệp hiểu được. Bảng thuật ngữ nghiệp vụ đảm bảo rằng một tổ chức sử dụng ngôn ngữ dữ liệu chung khi thảo luận về dữ liệu, giúp làm rõ mọi sự mơ hồ trong thuật ngữ kinh doanh hoặc hiểu những gì một trường cụ thể trong cơ sở dữ liệu nắm giữ. Bảng thuật ngữ nghiệp vụ giúp thiết lập thêm các chính sách quản trị dữ liệu và tiêu chuẩn chất lượng dữ liệu để cải thiện sự tin cậy và chấp nhận dữ liệu trong một tổ chức.
- Xây dựng từ điển dữ liệu: Theo DAMA định nghĩa, từ điển dữ liệu là “phần mềm trong đó siêu dữ liệu được lưu trữ, thao tác và xác định”. Từ điển dữ liệu cung cấp thông tin chung về các thành tố dữ liệu bao gồm thông tin kĩ thuật chi tiết như hệ thống, bảng, tên trường, loại trường của mỗi thành tố dữ liệu. Từ điển dữ liệu là một tập hợp con của bảng thuật ngữ nghiệp vụ.
- Lưu đồ truy xuất nguồn dữ liệu: Truy xuất nguồn dữ liệu thể hiện vòng đời dữ liệu từ khi khởi tạo và những nơi mà dữ liệu đi qua. Truy xuất nguồn dữ liệu mô tả những gì xảy ra với dữ liệu khi dữ liệu đi qua những tiến trình khác nhau.
- Phân tích tác động: Phân tích tác động dữ liệu là đánh giá tác động tiềm ẩn của những thay đổi dữ liệu đối với các yếu tố, quy trình hoặc hệ thống dữ liệu khác. Phân tích tác động dữ liệu là một tính năng cho phép đánh giá tác động của các thay đổi dữ liệu trước khi chúng được triển khai, chẳng hạn như thêm, xóa hoặc sửa đổi trường dữ liệu, bảng hoặc lược đồ. Điều này giúp tránh được lỗi dữ liệu, sự không nhất quán cũng như để tối ưu hóa hiệu suất và chất lượng dữ liệu. Phân tích tác động dữ liệu cũng có thể giúp tổ chức quản lí rủi ro dữ liệu, chẳng hạn như vi phạm dữ liệu, bằng cách cho thấy mức độ lộ diện và lỗ hổng của dữ liệu.
Các công cụ quản lí siêu dữ liệu
- IBM InforSphere Information Server: Là một nền tảng quản lí dữ liệu và tích hợp dữ liệu mạnh mẽ được phát triển bởi IBM. Công cụ này được thiết kế để giúp các tổ chức quản lí, tích hợp, làm sạch, biến đổi và bảo mật dữ liệu từ nhiều nguồn khác nhau để có thể sử dụng dữ liệu một cách hiệu quả và an toàn. IBM InfoSphere Information Server đã được sử dụng rộng rãi trong nhiều lĩnh vực và ngành công nghiệp giúp cải thiện quản lí dữ liệu, đảm bảo tính nhất quán của dữ liệu và hỗ trợ đưa ra quyết định dựa trên cơ sở dữ liệu.
- Collibra: Được sử dụng hầu hết trong quản trị dữ liệu để xử lí dữ liệu khổng lồ trong toàn doanh nghiệp. Tất cả dữ liệu có thể kết hợp với nhau để siêu dữ liệu được quản lí tốt. Các công nghệ kĩ thuật số như trí tuệ nhân tạo, Internet… đều có thể ứng dụng khi tương tác với dữ liệu. Điều này làm cho việc quản lí dữ liệu dễ dàng và linh hoạt hơn.
- Alation: Giúp tự động hóa dữ liệu và tạo danh mục để dữ liệu được quản lí dễ dàng. Các nhà khoa học dữ liệu thấy dễ dàng sử dụng công cụ này và sắp xếp làm kho dữ liệu trong hệ thống.
- Trung tâm siêu dữ liệu (Metadata Hub): Là một sản phẩm của AB Initio giúp tận dụng siêu dữ liệu của tổ chức, doanh nghiệp vào hệ thống để dữ liệu có thể được sử dụng cho quản trị dữ liệu, chất lượng dữ liệu, hồ sơ dữ liệu...
3. Ứng dụng Metadata Hub trong quản lí siêu dữ liệu của tổ chức
Metadata Hub giúp các tổ chức, doanh nghiệp theo dõi nguồn dữ liệu của họ, xác định xem dữ liệu có bắt nguồn từ một hệ thống hồ sơ đã được phê duyệt hay không, chuẩn hóa các định nghĩa về thuật ngữ nghiệp vụ và đánh giá chất lượng dữ liệu dọc theo luồng dữ liệu. Metadata Hub có thể thu thập dữ liệu từ nhiều nguồn khác nhau, đọc và nhập siêu dữ liệu từ hàng chục nguồn bao gồm: Công cụ kinh doanh thông minh (phổ biến như BusinessObjects, Cognos và MicroStrategy); cơ sở dữ liệu (Teradata, Oracle và SQL Server) và các công cụ mô hình hóa (ERwin và PowerDesigner). Metadata Hub hỗ trợ tích cực các quy trình tuân thủ quy định và quản lí chất lượng dữ liệu…
Khi các công ty muốn cải thiện hoạt động kinh doanh và trải nghiệm khách hàng thông qua dịch vụ dữ liệu, Metadata Hub cung cấp hỗ trợ cần thiết thông qua quản trị. Cụ thể, Metadata Hub nắm bắt siêu dữ liệu kĩ thuật và kinh doanh trên toàn doanh nghiệp, cung cấp quản trị tiên tiến (bao gồm theo dõi và quản lí sự thay đổi của dữ liệu, xác định người dùng truy cập vào dữ liệu, duyệt thông tin từ dữ liệu hiệu quả), quản lí quy trình làm việc và công tác, các tính năng tập trung vào kinh doanh khác. Với những cải tiến này, Metadata Hub của AB Initio trực quan cho cả người dùng kĩ thuật và doanh nghiệp, đồng thời trao quyền cho họ quản lí tài sản dữ liệu doanh nghiệp từ đầu đến cuối.
Kiến trúc và các tính năng của Metadata Hub (Hình 3)
Hình 3: Kiến trúc của Metadata Hub
Cổng siêu dữ liệu (End user client):
Là nơi người dùng tìm kiếm, phân tích và quản lí siêu dữ liệu của tổ chức, đồng thời trực quan hóa các tài sản thông tin chảy trong tổ chức. Một nhà phân tích dữ liệu có thể kiểm tra dòng dữ liệu đầu cuối, định nghĩa kinh doanh và mô hình logic. Người dùng kĩ thuật có thể thực hiện phân tích tác động hoặc nghiên cứu vấn đề về dữ liệu bằng cách xem xét chuỗi tính toán. Một người dùng kĩ thuật khác có thể định cấu hình và tùy chỉnh chế độ xem, gán quyền và quản lí trung tâm siêu dữ liệu.
Máy chủ ứng dụng (Application server): Máy chủ ứng dụng sẽ lưu trữ các ứng dụng web Ab Initio như Metadata Hub, Control>Center, Authorization Gateway và Express>It Web Interface. Trung tâm siêu dữ liệu chạy dưới dạng ứng dụng Java trong một máy chủ ứng dụng, quản lí bảo mật, tính toán các dạng xem dựa trên vai trò và triển khai quy trình làm việc xung quanh việc bảo trì siêu dữ liệu. Máy chủ ứng dụng có thể là Apache Tomcat, WebSphere, WebSphere Liberty, WebLogic, WildFly, JBoss hoặc ab-app.
Kho dữ liệu (Datastore): Kho dữ liệu Trung tâm siêu dữ liệu chứa tất cả siêu dữ liệu kinh doanh, tóm tắt hoạt động siêu dữ liệu và kĩ thuật, chạy trên cơ sở dữ liệu quan hệ thương mại tiêu chuẩn (Oracle, PostgreSQL, DB2, MS SQL Server hoặc cơ sở dữ liệu ab-db nhúng của Ab Initio). Các công cụ báo cáo của bên thứ ba kết nối thông qua SQL có thể báo cáo về siêu dữ liệu trong cơ sở dữ liệu.
Máy chủ nhập (Import Host): Trình nhập trung tâm siêu dữ liệu trích xuất siêu dữ liệu từ các nguồn bên ngoài như công cụ báo cáo, công cụ nghiệp vụ thông minh (BI), cơ sở dữ liệu, bộ lập lịch... Sau đó, tải siêu dữ liệu vào kho dữ liệu và đồng bộ hóa siêu dữ liệu đó với các nguồn đó.
Máy chủ dòng (Lineage Server): Máy chủ dòng tính toán dòng trong bộ nhớ thay vì sử dụng các truy vấn cơ sở dữ liệu, tăng tốc độ tính toán và làm cho ít bị ảnh hưởng bởi vấn đề về hiệu suất cơ sở dữ liệu. Đối với hệ thống gồm một tỉ phần tử dữ liệu và mười tỉ phần tử dữ liệu biến đổi, máy chủ dòng trả về dòng trong vòng chưa đầy 10 giây cho 90% phép tính dòng, nhanh như một hệ thống nhỏ hơn nhiều và trong khoảng từ 10 đến 30 giây cho 10% còn lại.
Quy trình ứng dụng Metadata Hub trong quản lí siêu dữ liệu của tổ chức (Hình 4)
Hình 4: Quy trình ứng dụng Metadata Hub
trong quản lí siêu dữ liệu của tổ chức
Quy trình ứng dụng Meta data Hub trong quản lí siêu dữ liệu tại tổ chức, doanh nghiệp giống như quy trình quản lí siêu dữ liệu nói chung. Tuy nhiên, các kĩ thuật viên khi ứng dụng để quản lí cần thực hiện đúng theo từng bước của quy trình, đồng thời cần mô hình hóa các bước của quy trình để thấy được các công việc cụ thể phải làm của từng bước.
Chi tiết hóa các bước trong quy trình ứng dụng Metadata Hub tại một tổ chức. (Hình 5, 6, 7, 8, 9, 10, 11)
Trong đó, các hoạt động sẽ có sự tham gia của: Cán bộ quản lí dữ liệu nghiệp vụ (CBQLDLNV), bộ phận quản lí dữ liệu (BPQLDL), hội đồng quản lí dữ liệu (HĐQLDL), chủ sở hữu dữ liệu (CSHDL), cán bộ quản lí dữ liệu kĩ thuật (CBQLDLKT).
Kinh nghiệm thực tế cho triển khai quản lí siêu dữ liệu với công cụ Metadata Hub đã được tác giả giới thiệu trên đây là tài liệu cho các tổ chức tài chính - ngân hàng tham khảo, nghiên cứu và triển khai hoạt động quản lí siêu dữ liệu tại đơn vị của mình.
Tài liệu tham khảo:
1. Báo cáo ngành Ngân hàng năm 2021, https://www.sbv.gov.vn/webcenter/ShowProperty?nodeId=/UCMServer/SBV556218//idcPrimaryFile&revision=latestreleased
2. Chrissis, M. B., Konrad, M., and Shrum, S. (2011). CMMI for development: guidelines for process integration and product improvement. Pearson Education.
3. Dinter, B., Gluchowski, P., and Schieder, C. (2015). A stakeholder lens on metadata management in business intelligence and big data-results of an empirical investigation.
4. Grunzke, R., Hesser, J., Starek, J., Kepper, N., Gesing, S., Hardt, M., and Jakel, R. (2014, February). Device-driven metadata management solutions for scientific big data use cases. In 2014 22nd Euromicro International Conference on Parallel, Distributed, and Network-Based Processing, papes 317 - 321.
5. GUPTA¹, S. K., and Vijay, R. (2011). Role of Metadata in Data Warehousing for Effective Business Support.
6. Hoa Trà, Ngân hàng chi hơn 1.500 tỉ đồng cho chuyển đổi số (tháng 5/2023), https://vtv.vn/kinh-te/ngan-hang-chi-hon-15000-ty-dong-cho-chuyen-doi-so-20230518162152527.htm
7. International, D. (2017). DAMA-DMBOK: data management body of knowledge. Technics Publications, LLC.
8. Kostakis, P., and Kargas, A. (2021). Big-Data Management: A Driver for Digital Transformation?. Information, 12(10), 411.
9. Madani, Dorsati H. Morisset, Jacques (2021), Taking Stock: Digital Vietnam - The Path to Tomorrow (English), https://documents.worldbank.org/en/publication/documents-reports/documentdetail/522031629469673810/taking-stock-digital-vietnam-the-path-to-tomorrow
10. Petroc Taylor (2023), Digital transformation - statistics & facts, https://www.statista.com/topics/6778/digital-transformation/#topicOverview
11. Prasanna, M. K. L., Kiran, J. S., and Murthyc, K. S.(2018), Significance of metadata and data modeling of metadata by using Marklogic.
12. Statista (2023), Spending on digital transformation technologies and services worldwide from 2017 to 2026, https://www.statista.com/statistics/870924/worldwide-digital-transformation-market-size/
13. Source of Asia (12,2022), Vietnam’s digital transformation Outolook 2022, https://www.sourceofasia.com/vietnams-digital-transformation-outlook-2022/
14. Thu Anh (tháng 6/2023), Chuyển đổi số, quản trị dữ liệu cần được cải tiến phù hợp với tiến bộ công nghệ, https://1thegioi.vn/chuyen-doi-so-quan-tri-du-lieu-can-duoc-cai-tien-phu-hop-voi-tien-bo-cong-nghe-201345.html
15. Tiến Lực (tháng 3/2023), Thành phố Hồ Chí Minh triển khai Chiến lược quản trị dữ liệu phục vụ chuyển đổi số, https://www.vietnamplus.vn/tphcm-trien-khai-chien-luoc-quan-tri-du-lieu-phuc-vu-chuyen-doi-so/849153.vnp
ThS. Triệu Thu Hương
Khoa Hệ thống thông tin quản lý, Học viện Ngân hàng