Chuyển đổi số là gì? Thực trạng chuyển đổi số tại Việt Nam

Để đánh giá một chương trình chuyển đổi số, bạn cần xem công việc đã thay đổi như thế nào. Khi nhân viên vẫn nhập lại dữ liệu, khách hàng vẫn phải chờ và các bộ phận chưa phối hợp được, vấn đề có thể chưa được giải quyết dù tổ chức đã mua công cụ mới. Kết quả cần được kiểm tra qua cách vận hành và trải nghiệm người dùng.

Sansan Academy phân biệt các khái niệm này qua thay đổi trong quy trình, cách sử dụng dữ liệu và trách nhiệm của người vận hành. Những tình huống ứng dụng dưới đây giúp bạn xem công nghệ nào phục vụ công việc gì trước khi chọn hướng triển khai.

Chuyển đổi số là gì?

Chuyển đổi số là quá trình sử dụng dữ liệu và công nghệ số để thay đổi cách tổ chức vận hành, phục vụ khách hàng hoặc tạo ra sản phẩm và dịch vụ. Quá trình này gắn với mục tiêu cụ thể, từ giảm thời gian xử lý đến thay đổi cách cung cấp dịch vụ, chứ không chỉ chuyển giấy tờ thành tệp số.

Trong tiếng Anh, chuyển đổi số được gọi là Digital Transformation, thường viết tắt là DX. Phạm vi thay đổi có thể bắt đầu từ một quy trình của tổ chức nhỏ hoặc bao gồm nhiều hoạt động liên quan. Bạn có thể nhận diện một chương trình chuyển đổi bằng việc xem nó thay đổi cách làm nào, cần dữ liệu gì và dùng kết quả nào để đánh giá.

Mục tiêu và vai trò của chuyển đổi số

Mục tiêu của chuyển đổi số cần thể hiện bằng kết quả hoạt động, chẳng hạn giảm thời gian chờ, hạn chế lỗi nhập liệu hoặc tăng tỷ lệ người dùng hoàn thành một thủ tục. Số tài liệu đã số hóa hay số phần mềm đã mua chỉ phản ánh một phần công việc triển khai. Dữ liệu được kết nối còn có thể hỗ trợ ra quyết định khi người quản lý cần xem tình trạng vận hành. Tổ chức nên chọn kết quả ưu tiên theo vấn đề đang gặp, thay vì áp cùng một mục tiêu cho mọi bộ phận.

Cải thiện cách vận hành và sử dụng nguồn lực

Khi mỗi bộ phận dùng một bảng tính riêng, nhân viên thường phải sao chép thông tin và chờ người khác xác nhận. Kết nối dữ liệu có thể giảm những lần nhập lại ấy và giúp người quản lý xem trạng thái công việc sớm hơn. Phần nguồn lực được tiết kiệm cần được kiểm tra qua thời gian xử lý, số lỗi hoặc số lần bàn giao thực tế.

Trước khi tự động hóa, nhóm triển khai cần xem bước nào tạo giá trị và bước nào có thể bỏ. Nếu giữ nguyên các bước thừa rồi đưa tất cả lên phần mềm, tổ chức vẫn phải xử lý một quy trình rườm rà, chỉ khác công cụ sử dụng.

Tạo trải nghiệm mới cho khách hàng và người dùng

Một khách hàng có thể bắt đầu giao dịch trên điện thoại, tiếp tục trên website rồi liên hệ bộ phận hỗ trợ. Dữ liệu giữa các điểm chạm được kết nối phù hợp sẽ giúp nhân viên tiếp nhận thông tin đã có, thay vì yêu cầu khách hàng trình bày lại từ đầu. Để thiết kế trải nghiệm này, tổ chức cần biết người dùng thường phải chờ hoặc bỏ dở ở đâu. Những điểm gây khó đó giúp xác định phần quy trình, dữ liệu hay giao diện cần thay đổi. Mở thêm kênh tương tác nhưng để mỗi kênh dùng thông tin mâu thuẫn có thể làm trải nghiệm phức tạp hơn.

Tạo hoặc thay đổi sản phẩm, dịch vụ và mô hình hoạt động

Công nghệ số có thể làm thay đổi cả sản phẩm và cách cung cấp dịch vụ. Chẳng hạn, một sản phẩm vật lý được bổ sung tính năng theo dõi từ xa để người dùng biết trạng thái thiết bị. Một dịch vụ vốn chỉ thực hiện trực tiếp cũng có thể kết hợp online và offline, hoặc cho phép khách hàng tự thực hiện một số bước.

Những thay đổi này đòi hỏi tổ chức xem lại cách tạo và cung cấp giá trị. Bộ phận vận hành phải hỗ trợ dịch vụ mới, dữ liệu phải phục vụ được người dùng và phương án tài chính cần phù hợp. Việc thay máy tính hay chuyển biểu mẫu thành PDF tự nó chưa cho thấy mô hình hoạt động đã thay đổi.

Tăng khả năng thích ứng

Dữ liệu được cập nhật kịp thời giúp tổ chức phát hiện biến động trong nhu cầu khách hàng hoặc hoạt động nội bộ. Một nền tảng có thể tích hợp và mở rộng cũng thuận tiện hơn khi cần thử nghiệm cách làm mới. Nhóm triển khai có thể theo dõi kết quả, điều chỉnh từng phần thay vì phải xây lại toàn bộ hệ thống.

Khả năng thích ứng còn phụ thuộc vào việc nhân sự có sử dụng được dữ liệu và quy trình có cho phép điều chỉnh hay không. Đổi công nghệ liên tục có thể phát sinh chi phí chuyển dữ liệu, tích hợp và học lại, nên cần cân nhắc giữa nhu cầu thay đổi với sự ổn định khi vận hành.

Bản chất của chuyển đổi số khác số hóa và tin học hóa như thế nào?

Số hóa tập trung vào chuyển dạng thông tin, như scan hồ sơ giấy thành PDF. Tin học hóa sử dụng công nghệ thông tin để hỗ trợ công việc, còn chuyển đổi số xem xét rộng hơn cách vận hành và tạo giá trị. Đây là sự phân biệt về trọng tâm, không phải ba bước bắt buộc phải lần lượt hoàn thành. Một dự án có thể đồng thời số hóa hồ sơ, đưa khâu phê duyệt lên hệ thống và thiết kế lại quy trình xử lý.

Chuyển đổi số trải qua những giai đoạn và cấp độ nào?

Có thể hình dung quá trình chuyển đổi qua bốn giai đoạn: đánh giá hiện trạng, xác định mục tiêu và thiết kế, triển khai và tích hợp, rồi tối ưu theo kết quả. Đây là khung tham khảo để hiểu các nhóm công việc, không phải mô hình duy nhất cho mọi tổ chức. Các giai đoạn có thể lặp lại khi thử nghiệm cho thấy cần điều chỉnh thiết kế.

Cấp độ chuyển đổi thường được xem xét qua digital maturity, tức mức trưởng thành trong việc sử dụng công nghệ, dữ liệu và quy trình. Mỗi mô hình đánh giá có tiêu chí riêng. Vì vậy, một mức điểm chỉ có ý nghĩa khi biết thang đo, phạm vi đánh giá và điểm xuất phát của tổ chức.

Đánh giá hiện trạng

Việc đánh giá hiện trạng cần ghi nhận cả hệ thống đang dùng và công việc diễn ra ngoài hệ thống. Nhóm triển khai xem dữ liệu được tạo ở đâu, các bộ phận trao đổi ra sao và nhân viên đang phải xử lý thủ công những bước nào. Năng lực người dùng và các điểm gây khó cho khách hàng cũng thuộc phạm vi đánh giá. Kết quả cần tạo được baseline để so sánh về sau, chẳng hạn thời gian xử lý hồ sơ hiện tại, số lần bàn giao và tỷ lệ phải làm lại. Nếu không đo được điểm xuất phát, nhóm sẽ khó xác định thay đổi sau triển khai có đáp ứng mục tiêu hay không.

Xác định mục tiêu và thiết kế chuyển đổi

Từ hiện trạng, tổ chức chọn những kết quả đáng ưu tiên và xác định người chịu trách nhiệm. Một mục tiêu như giảm lỗi nhập liệu cần có dữ liệu để đo, phạm vi áp dụng và thời điểm xem lại. Các yêu cầu này giúp giới hạn dự án, thay vì cố thay đổi mọi hoạt động cùng lúc.

Thiết kế chuyển đổi mô tả cách làm sau khi thay đổi: dữ liệu cần có, hệ thống phải kết nối và vai trò của từng người. Nhóm cũng cần dự kiến cách vận hành, bảo mật và quyền riêng tư ngay ở bước này. Công nghệ được lựa chọn để đáp ứng thiết kế ấy, không phải thiết kế quy trình theo mọi tính năng của một công cụ đã mua.

Triển khai và tích hợp

Thử nghiệm một use case, tức tình huống ứng dụng cụ thể, trong phạm vi kiểm soát được giúp nhóm kiểm chứng giải pháp trước khi mở rộng. Use case cần có người dùng rõ, dữ liệu đủ cho thử nghiệm và kết quả có thể đo. Phản hồi từ phạm vi này cho biết thiết kế có phù hợp với công việc thực tế hay còn thiếu tình huống cần xử lý.

Khi tích hợp, đội kỹ thuật cần thống nhất định danh dữ liệu, quy tắc đồng bộ và quyền truy cập giữa các hệ thống. API hoặc phương án kết nối khác phải đi kèm cách xử lý khi đồng bộ thất bại. Nếu hệ thống mới không trao đổi được thông tin với hệ thống đang dùng, nhân viên có thể phải nhập lại dữ liệu, trái với mục tiêu ban đầu.

Vì thế, kiểm tra tích hợp cần dựa trên luồng công việc đầu cuối, không chỉ việc từng phần mềm chạy được riêng lẻ.

Tối ưu và đổi mới liên tục

Sau khi vận hành, nhóm so sánh kết quả với mục tiêu và baseline đã ghi nhận. Thời gian xử lý, chi phí, tỷ lệ lỗi hay mức sử dụng là những chỉ số có thể theo dõi tùy bài toán. Những phần chưa đạt cần được xem lại cả thiết kế lẫn cách triển khai.

Phản hồi của người dùng và dữ liệu vận hành cũng có thể gợi ý use case tiếp theo. Ví dụ, một quy trình đã có dữ liệu nhất quán có thể được xem xét để tự động hóa hoặc hỗ trợ dự báo. Việc mở rộng cần dựa trên mức sẵn sàng và kết quả kiểm chứng, không chỉ vì xuất hiện một công nghệ mới.

Những yếu tố cốt lõi của chuyển đổi số

Chiến lược chọn kết quả cần đạt, con người thực hiện thay đổi, quy trình tổ chức công việc và dữ liệu giúp đo kết quả. Công nghệ hỗ trợ các phần này kết nối và vận hành theo thiết kế. Nếu chỉ đầu tư phần mềm mà chưa thống nhất trách nhiệm hoặc định nghĩa dữ liệu, tổ chức có thể phải xử lý thêm công việc ngoài hệ thống. Những yếu tố dưới đây cần được xem xét cùng nhau trong mỗi chương trình chuyển đổi.

Chiến lược và lãnh đạo

Chiến lược cần xác định vấn đề ưu tiên, kết quả mong muốn và nguồn lực dành cho việc thay đổi. Người lãnh đạo có trách nhiệm thống nhất các lựa chọn này giữa các bộ phận. Họ không cần tự chọn từng tính năng kỹ thuật, nhưng phải làm rõ ai sở hữu kết quả và ai được quyền quyết định. Tiêu chí thành công cùng giới hạn rủi ro giúp đội triển khai xử lý yêu cầu phát sinh.

Khi mục tiêu giữa các bộ phận khác nhau, việc giải quyết xung đột cần dựa trên ưu tiên chung của chương trình. Nếu mỗi phòng ban tự mua công cụ theo nhu cầu riêng, tổ chức có thể hình thành nhiều hệ thống rời rạc và phải tốn thêm công tích hợp về sau.

Con người, kỹ năng số và quản trị thay đổi

Nhân viên cần hiểu công việc của mình sẽ thay đổi thế nào, không chỉ biết cách bấm các nút trên phần mềm. Đào tạo nên gắn với dữ liệu họ chịu trách nhiệm, tình huống phải xử lý và cách đánh giá kết quả. Những người trực tiếp sử dụng cần được tham gia góp ý khi thiết kế quy trình mới. Phản hồi của họ có thể cho thấy công cụ đang tăng thao tác hoặc phân công trách nhiệm chưa rõ. Quản trị thay đổi sử dụng những thông tin đó để điều chỉnh cả cách làm và công cụ, thay vì xem mọi khó khăn là thiếu kỹ năng sử dụng.

Quy trình và mô hình vận hành

Một quy trình cần làm rõ dữ liệu được tạo ở đâu, ai kiểm tra và ai phê duyệt. Nhóm triển khai cũng phải xem người dùng chờ ở bước nào và lý do phải chờ. Việc rà soát này giúp quyết định bước nào cần giữ, bỏ hoặc thiết kế lại trước khi tự động hóa.

Mô hình vận hành còn quy định cách các bộ phận phối hợp và trách nhiệm với kết quả cuối cùng. Khi giải quyết vấn đề ở từng khâu, nhóm cần kiểm tra tác động lên toàn luồng công việc để tránh trường hợp một bộ phận xử lý nhanh hơn nhưng công việc vẫn ùn lại ở nơi khác.

Dữ liệu và quản trị dữ liệu

Báo cáo, Data Analytics, Automation và AI đều sử dụng dữ liệu đầu vào. Nếu các bộ phận định nghĩa cùng một chỉ số theo nhiều cách, kết quả có thể mâu thuẫn dù mỗi hệ thống vẫn chạy bình thường. Quản trị dữ liệu cần thống nhất những trách nhiệm cụ thể:

• Nguồn chuẩn và định nghĩa dữ liệu giúp các bộ phận biết dùng bộ số liệu nào và hiểu chỉ số theo cách nào.
• Người phụ trách chất lượng cần có quy tắc kiểm tra, xử lý dữ liệu thiếu, trùng hoặc không nhất quán.
• Quyền truy cập và thời gian lưu trữ cần phù hợp với mục đích sử dụng, nhất là dữ liệu cá nhân.

Bắt đầu từ quyết định cần hỗ trợ sẽ giúp xác định dữ liệu thực sự cần thu thập. Tổ chức không cần thu mọi loại dữ liệu chỉ vì công cụ cho phép.

Các công nghệ chuyển đổi số phổ biến

Cloud Computing, Big Data, Data Analytics, AI, IoT, Automation và Cybersecurity phục vụ những nhiệm vụ khác nhau. Trong một luồng vận hành, dữ liệu từ cảm biến có thể được chuyển lên cloud, phân tích rồi dùng để kích hoạt workflow. Tổ chức cần xác định nhiệm vụ cần giải quyết trước khi chọn cách kết hợp các công nghệ.

Khóa học AI

Hiểu cách chọn bài toán, thiết kế quy trình và dùng AI có kiểm soát trong công việc hằng ngày.

Xem khóa học

Cloud Computing và nền tảng số

Cloud Computing cung cấp tài nguyên tính toán, lưu trữ, ứng dụng và dịch vụ qua mạng theo nhu cầu. Tổ chức có thể tăng hoặc giảm tài nguyên mà không phải tự xây toàn bộ hạ tầng vật lý cho mỗi lần thay đổi. Khả năng này hữu ích khi thử nghiệm dịch vụ hoặc khi nhu cầu sử dụng biến động.

Việc chuyển hệ thống lên cloud thay đổi cách cung cấp hạ tầng, nhưng chưa chứng minh quy trình đã được cải thiện. Kiến trúc ứng dụng, khả năng tích hợp, quyền truy cập và chi phí vẫn cần được thiết kế phù hợp. Một hệ thống trên cloud vẫn có thể tồn tại dữ liệu rời rạc hoặc các bước làm việc thừa như trước.

Dữ liệu, Big Data và Data Analytics

Big Data thường chỉ dữ liệu có quy mô, tốc độ hoặc mức đa dạng khiến cách xử lý thông thường gặp khó. Data Analytics tập trung vào việc phân tích dữ liệu để tìm mẫu và hỗ trợ quyết định. Hai khái niệm có liên quan nhưng không đồng nhất. Một tổ chức không có Big Data vẫn có thể phân tích dữ liệu phù hợp với câu hỏi cần trả lời.

Dữ liệu nhất quán giúp dashboard phản ánh cùng cách tính chỉ số, còn dữ liệu chính xác hỗ trợ Automation kích hoạt đúng công việc. AI cũng cần dữ liệu phù hợp với nhiệm vụ và cách đánh giá mô hình. Metadata, quy tắc chất lượng và quyền truy cập cần được chuẩn bị khi mở rộng các use case này.

AI, Machine Learning và Generative AI

Artificial Intelligence, thường gọi là AI, bao gồm các phương pháp giúp hệ thống thực hiện nhiệm vụ như nhận biết, suy luận, dự đoán hoặc tạo nội dung. Machine Learning là một nhánh của AI, phát triển mô hình học từ dữ liệu. Vì vậy, đây không phải hai nhóm công nghệ tách biệt hoàn toàn.

Generative AI tập trung vào tạo nội dung mới, như văn bản, hình ảnh hoặc mã. Các hệ thống Generative AI hiện đại thường dựa trên Machine Learning. Trong doanh nghiệp, nhiệm vụ cụ thể có thể là phân loại yêu cầu, tìm kiếm thông tin, dự báo hoặc tạo bản nháp, với tiêu chí đánh giá khác nhau cho từng nhiệm vụ.

Trước khi sử dụng đầu ra, tổ chức cần xác định dữ liệu nào được đưa vào hệ thống, ai kiểm tra và ai chịu trách nhiệm. Những trường hợp liên quan đến dữ liệu nhạy cảm hoặc quyết định có rủi ro cần được kiểm soát phù hợp, thay vì mặc định đầu ra của AI luôn chính xác.

IoT và hệ thống kết nối

Internet of Things, hay IoT, kết nối thiết bị để thu thập hoặc trao đổi dữ liệu, thường qua cảm biến. Trong sản xuất, logistics hoặc nông nghiệp, dữ liệu này có thể phản ánh trạng thái tài sản vật lý. Nhóm vận hành cần xác định trạng thái nào dẫn đến cảnh báo, bảo trì hoặc điều chỉnh công việc. Việc thu thêm dữ liệu mà không có hành động tiếp theo chưa đáp ứng được mục tiêu vận hành. Độ tin cậy của thiết bị, kết nối mạng, bảo mật và khả năng tích hợp đều cần được kiểm tra theo tình huống sử dụng.

Automation và RPA

Automation sử dụng công nghệ để thực hiện tự động một phần công việc. Robotic Process Automation, hay RPA, là một cách triển khai, trong đó software robot mô phỏng thao tác của người dùng trên giao diện ứng dụng. Những tác vụ lặp lại theo quy tắc, như nhập liệu, chuyển tệp hoặc điền biểu mẫu, có thể phù hợp khi quy trình tương đối ổn định.

Giao diện thay đổi thường xuyên hoặc nhiều ngoại lệ sẽ làm bot khó duy trì. Nhóm triển khai cần so sánh RPA với kết nối trực tiếp qua API và khả năng bỏ hẳn thao tác đó bằng cách thiết kế lại quy trình.

Cybersecurity, quyền riêng tư và quản trị

Cybersecurity kiểm soát rủi ro đối với hệ thống và thông tin. Khi kết nối thêm thiết bị hoặc dịch vụ, tổ chức cần đánh giá các đường truy cập và luồng dữ liệu mới. Mức rủi ro còn phụ thuộc vào thiết kế và biện pháp kiểm soát, không tự động tăng chỉ vì số hệ thống nhiều hơn. Phân quyền, bảo vệ dữ liệu và cách xử lý sự cố nên được xem xét từ giai đoạn thiết kế.

Quyền riêng tư liên quan đến việc dữ liệu cá nhân được thu thập và sử dụng thế nào. Tổ chức cần biết mục đích sử dụng, người được truy cập và thời gian lưu giữ, kể cả khi dữ liệu đi qua AI, IoT hay cloud. Kiểm soát truy cập tốt chưa đủ để kết luận dữ liệu đã được sử dụng đúng mục đích.

Những lĩnh vực có thể áp dụng chuyển đổi số

Chính phủ, thương mại, sản xuất, tài chính, giáo dục, y tế, logistics và nông nghiệp đều có thể sử dụng dữ liệu và công nghệ để thay đổi cách hoạt động. Mỗi lĩnh vực có mục tiêu, loại dữ liệu và mức rủi ro riêng. Một cách làm phù hợp với nhà máy chưa chắc đáp ứng được yêu cầu của bệnh viện hoặc trường học, nên các ví dụ dưới đây cần được đặt trong bài toán chuyên môn của từng nơi.

Chính phủ và dịch vụ công

Trong khu vực công, dữ liệu và nền tảng dùng chung có thể giúp các cơ quan phối hợp khi giải quyết thủ tục. Một tình huống là cơ quan tiếp nhận dùng thông tin đã được chia sẻ hợp lệ, thay vì yêu cầu người dân nộp lại cho nhiều nơi. Định danh, chuẩn dữ liệu và quyền truy cập cần được thống nhất để thực hiện luồng xử lý đó.

Kết quả nên được xem qua số bước người dân phải thực hiện và thời gian xử lý thực tế. Đưa biểu mẫu lên mạng nhưng vẫn yêu cầu nhiều bước bổ sung ngoài hệ thống chưa giải quyết được toàn bộ trải nghiệm sử dụng dịch vụ.

Doanh nghiệp và thương mại

Một doanh nghiệp bán lẻ có thể kết nối dữ liệu cửa hàng và kênh online để quản lý tồn kho, đơn hàng và hồ sơ khách hàng nhất quán hơn. Phạm vi chuyển đổi cũng có thể bao gồm tài chính, nhân sự hoặc chuỗi cung ứng. Việc lựa chọn cần bám vào vấn đề kinh doanh hoặc nhu cầu khách hàng cụ thể. Nếu khó khăn nằm ở thông tin tồn kho, nhóm cần xem dữ liệu được cập nhật và chia sẻ ra sao trước khi chọn công cụ. Thiết kế lại luồng xử lý ấy giúp phân biệt việc chuyển đổi hoạt động với chỉ đưa các bước cũ lên phần mềm.

Sản xuất

Dữ liệu máy móc, chuỗi cung ứng và kiểm tra chất lượng có thể được kết nối để phản ánh tình trạng sản xuất. IoT hỗ trợ thu thập dữ liệu thiết bị, còn Data Analytics hoặc Machine Learning có thể hỗ trợ phát hiện xu hướng. Nhóm vận hành dùng kết quả để xem xét bảo trì hoặc điều chỉnh kế hoạch sản xuất.

Một use case cần xác định thiết bị quan trọng, dữ liệu phản ánh trạng thái và hành động khi phát hiện bất thường. Các yêu cầu này giúp giới hạn phần cần lắp cảm biến và tránh thu nhiều dữ liệu nhưng không có người sử dụng trong vận hành.

Tài chính – ngân hàng

Tài chính và ngân hàng sử dụng dữ liệu định danh, giao dịch và hồ sơ để cung cấp dịch vụ qua kênh số, xử lý nghiệp vụ hoặc phát hiện dấu hiệu bất thường. Những nhiệm vụ này cần độ chính xác, khả năng kiểm tra lại và bảo mật phù hợp. Với một mô hình AI hỗ trợ quyết định tài chính, tổ chức phải xác định cách đánh giá sai sót, kiểm tra đầu ra và trách nhiệm xử lý, bởi kết quả có thể ảnh hưởng trực tiếp đến khách hàng. Mức kiểm soát được chọn theo rủi ro của nhiệm vụ, không chỉ theo tên công nghệ.

Giáo dục

Chuyển đổi số trong giáo dục có thể bao gồm quản lý học tập, đánh giá và sử dụng dữ liệu người học. Giáo viên có thể xem tiến độ để nhận biết phần kiến thức học viên đang gặp khó. Thông tin ấy là cơ sở để cân nhắc điều chỉnh hoạt động học tập hoặc hỗ trợ thêm.

Tải bài giảng lên mạng hoặc thay sách giấy bằng PDF chủ yếu thay đổi cách truyền tải nội dung. Muốn thay đổi phương pháp dạy học, nhà trường còn phải thiết kế cách thu thập, diễn giải và sử dụng dữ liệu trong quá trình học, thay vì mặc định dùng công cụ số sẽ cải thiện kết quả.

Y tế

Hồ sơ sức khỏe điện tử, tư vấn từ xa và hệ thống hỗ trợ quyết định là những phạm vi có thể áp dụng trong y tế. Dữ liệu cần đến được người có trách nhiệm trong quy trình chăm sóc, đồng thời được kiểm soát truy cập và sử dụng đúng mục đích. Khi thiết kế, nhóm triển khai phải xem công nghệ có giúp nhân viên y tế hoặc người bệnh giải quyết công việc cụ thể hay tạo thêm bước nhập liệu. Với AI và các chức năng hỗ trợ chuyên môn, việc đánh giá đầu ra cần phù hợp với nhiệm vụ và rủi ro sử dụng. Khả năng liên thông dữ liệu phải đi cùng bảo vệ thông tin nhạy cảm của người bệnh.

Logistics

Trong logistics, kết nối đơn hàng, kho, vận tải, định vị và chứng từ giúp doanh nghiệp theo dõi dòng hàng qua các khâu. Dữ liệu vận hành hoặc IoT có thể hỗ trợ phát hiện chậm trễ và lập kế hoạch tuyến đường. Thông tin cần được cập nhật theo cách các đơn vị tham gia thực sự sử dụng.

Một lô hàng thường đi qua nhiều doanh nghiệp và nền tảng. Hệ thống nội bộ vì vậy cần có cách trao đổi dữ liệu với đối tác, cùng định nghĩa và tiêu chuẩn phù hợp. Nếu thiếu kết nối ở khâu bàn giao, người theo dõi vẫn có thể gặp khoảng trống thông tin dù phần mềm bên trong doanh nghiệp hoạt động tốt.

Nông nghiệp

Cảm biến độ ẩm kết hợp dữ liệu thời tiết có thể hỗ trợ người vận hành cân nhắc thời điểm tưới. Các ứng dụng khác có thể theo dõi đất, nước, thiết bị, vật nuôi hoặc quá trình cung ứng. Để chọn giải pháp, cần kiểm tra điều kiện kết nối, kỹ năng sử dụng và chi phí theo quy mô triển khai. Một công cụ đơn giản nhưng được sử dụng thường xuyên có thể phù hợp hơn hệ thống phức tạp mà người vận hành không duy trì được.

Quy trình chuyển đổi số nên bắt đầu từ đâu?

Bốn giai đoạn ở trên mô tả quá trình tổng quát, còn sáu bước dưới đây cụ thể hóa các công việc cần thực hiện. Trình tự bắt đầu bằng vấn đề, đi qua đánh giá và thiết kế, rồi kiểm chứng trước khi mở rộng. Đây là khung tham khảo, có thể điều chỉnh hoặc quay lại bước trước theo kết quả thử nghiệm, không phải tiêu chuẩn bắt buộc cho mọi tổ chức.

Bước 1 – Xác định vấn đề, mục tiêu và kết quả cần thay đổi

Nhóm triển khai cần mô tả vấn đề cùng hậu quả quan sát được. Ví dụ, thời gian xử lý đơn hàng kéo dài hoặc số liệu tồn kho không nhất quán sẽ dẫn đến yêu cầu khác nhau. Từ vấn đề đó, tổ chức chọn kết quả muốn thay đổi và chỉ số để theo dõi.

Phạm vi mục tiêu cần nêu rõ quy trình nào được thay đổi và ai chịu trách nhiệm với kết quả cuối cùng. Đây là cơ sở để quyết định yêu cầu công nghệ nào thực sự cần thiết. Một tính năng hấp dẫn nhưng không hỗ trợ mục tiêu có thể được để ngoài phạm vi triển khai.

Bước 2 – Đánh giá hiện trạng về quy trình, dữ liệu, công nghệ và con người

Trước hết, nhóm ghi lại luồng công việc hiện tại: nơi tạo dữ liệu, người sử dụng, bước chờ và hệ thống chưa kết nối. Cần xem cả thao tác thủ công ngoài phần mềm. Việc trao đổi với người trực tiếp làm giúp nhận biết các tình huống mà bản mô tả quy trình có thể bỏ sót.

Sau đó, đối chiếu thời gian xử lý, số lần chuyển giao, số lỗi và phản hồi người dùng nếu có dữ liệu. Khi thiếu dữ liệu, quan sát và phỏng vấn giúp khoanh vùng vấn đề để kiểm tra thêm, không tự chúng chứng minh nguyên nhân.

Đánh giá cũng cần xác định nhân sự có đủ kỹ năng và khả năng vận hành giải pháp dự kiến hay không. Những thiếu hụt về dữ liệu, hạ tầng hoặc kỹ năng cần được ghi thành điều kiện phải xử lý. Kết quả này giúp chọn phạm vi thử nghiệm phù hợp với mức sẵn sàng thực tế.

Bước 3 – Chọn use case và xác định thứ tự ưu tiên

Khi so sánh các use case, nhóm cần làm rõ người sử dụng và kết quả cần đạt. Các lựa chọn được xem xét theo tác động dự kiến, chất lượng dữ liệu, độ khó tích hợp và mức thay đổi hành vi. Rủi ro cùng khả năng kiểm soát phạm vi cũng ảnh hưởng đến thứ tự ưu tiên.

Dự án nhỏ, đo được kết quả có thể giúp kiểm chứng cách triển khai trước khi mở rộng. Tuy vậy, chỉ chọn việc dễ mà không đóng góp cho mục tiêu sẽ khiến nguồn lực bị phân tán, nên mức độ khả thi cần được cân nhắc cùng giá trị dự kiến.

Bước 4 – Thiết kế lại quy trình, dữ liệu và lựa chọn công nghệ phù hợp

Quy trình tương lai cần mô tả bước được bỏ, bước tự động và bước vẫn do con người thực hiện. Nhóm phải biết dữ liệu nào dùng chung và ngoại lệ sẽ được xử lý ra sao. Nguồn chuẩn, quyền truy cập và cách trao đổi thông tin giữa hệ thống cũng thuộc thiết kế này. Những yêu cầu đó tạo cơ sở để đánh giá giải pháp công nghệ.

Khi so sánh công cụ, cần tính khả năng tích hợp, bảo mật, mở rộng và chi phí vòng đời. Chi phí này bao gồm cả vận hành, hỗ trợ và bảo trì, không chỉ khoản mua ban đầu. Một giải pháp ít tính năng hơn vẫn có thể phù hợp nếu xử lý đúng luồng công việc và nằm trong khả năng duy trì của tổ chức.

Bước 5 – Thử nghiệm, đo lường và điều chỉnh

Pilot cần có tiêu chí đánh giá trước khi bắt đầu. Với use case phân loại yêu cầu khách hàng, nhóm phải thống nhất cách xác định kết quả đúng, mức chấp nhận sai sót và trường hợp chuyển cho con người xử lý. Chỉ số thử nghiệm được so với baseline của cách làm hiện tại.

• Lỗi kỹ thuật cần được kiểm tra ở chức năng, tích hợp hoặc hạ tầng liên quan.
• Vấn đề dữ liệu cần được đối chiếu với đầu vào, định nghĩa và quy tắc chất lượng.
• Khó khăn khi sử dụng cần được xem cùng thiết kế quy trình, tình huống thực tế và kỹ năng người dùng.

Phân loại phản hồi giúp nhóm chọn cách sửa phù hợp. Không phải vấn đề nào cũng cần thêm tính năng.

Bước 6 – Mở rộng, quản trị thay đổi và cải tiến liên tục

Khi pilot đáp ứng tiêu chí và các rủi ro đã được xem xét, tổ chức mới có cơ sở mở rộng. Công việc bao gồm chuẩn hóa quy trình, tài liệu vận hành, phân quyền và cách hỗ trợ người dùng. Người tham gia pilot có thể chia sẻ kinh nghiệm, nhưng trách nhiệm chính thức cần được phân công. Việc mở rộng không nên phụ thuộc vào vài người nhớ cách xử lý từng tình huống.

Sau triển khai, KPI cần tiếp tục được theo dõi vì dữ liệu, hệ thống và nhu cầu có thể thay đổi. Nhóm dùng kết quả để quyết định cải tiến hay mở rộng thêm. Một sáng kiến không còn phù hợp cũng cần được xem xét dừng hoặc thay đổi, thay vì duy trì chỉ vì đã đầu tư.

Thực trạng chuyển đổi số tại Việt Nam

Các số liệu dưới đây phản ánh tình hình được công bố vào cuối năm 2025, không phải thống kê cập nhật liên tục cho năm 2026. Chúng cho thấy sự phát triển của kinh tế số, dịch vụ công và hạ tầng dữ liệu ở cấp quốc gia. Khi đánh giá một doanh nghiệp cụ thể, vẫn cần xem quy trình, dữ liệu và kết quả hoạt động của chính doanh nghiệp đó.

Kinh tế số tiếp tục mở rộng nhưng chưa đạt mục tiêu đề ra

Theo thông tin về Diễn đàn quốc gia phát triển kinh tế số và xã hội số được Báo Điện tử Chính phủ công bố ngày 20/12/2025, xuất khẩu sản phẩm công nghệ số năm 2025 ước đạt 172 tỷ USD, còn thương mại điện tử ước đạt 36 tỷ USD. Đây là số ước tính tại thời điểm báo cáo. Hai chỉ số thể hiện quy mô hoạt động ở những phạm vi khác nhau, không phải giá trị đóng góp trực tiếp của toàn bộ kinh tế số vào GDP.

Cũng tại diễn đàn, tỷ trọng kinh tế số được nêu ở mức 14%, chưa đạt mục tiêu 20% đặt ra cho năm 2025. Kết quả này cần được đọc theo chỉ tiêu được báo cáo, thay vì suy rằng mọi ngành hoặc mọi doanh nghiệp có cùng mức chuyển đổi.

Dịch vụ công và dữ liệu số được triển khai ngày càng rộng

Thông tin tổng kết trên Báo Điện tử Chính phủ ngày 21/12/2025 nêu việc làm sạch dữ liệu đất đai, hộ tịch, bảo hiểm và giấy phép lái xe. Cùng với VNeID và các cơ sở dữ liệu quốc gia, hoạt động này tạo điều kiện kết nối thông tin phục vụ quản lý và cung cấp dịch vụ. Khả năng người dân hoàn thành thủ tục vẫn cần được đánh giá theo quy trình sử dụng thực tế.

Báo cáo nêu tỷ lệ hồ sơ trực tuyến toàn trình đạt 36,8%. Đây là chỉ số về hồ sơ, không phải tỷ lệ các dịch vụ công được cung cấp trực tuyến. Phân biệt hai loại chỉ số giúp tránh đồng nhất việc có dịch vụ trên mạng với mức sử dụng của người dân.

Doanh nghiệp tăng ứng dụng công nghệ nhưng mức độ chuyển đổi chưa đồng đều

Tại diễn đàn ngày 20/12/2025, Bộ trưởng Bộ Khoa học và Công nghệ nhận định nhiều doanh nghiệp nhỏ và vừa chưa tham gia sâu vào chuỗi giá trị số. Việc sử dụng phần mềm, thương mại điện tử hay AI vì vậy không nên được xem là bằng chứng các doanh nghiệp đã có cùng mức trưởng thành số. Để đánh giá một đơn vị, cần kiểm tra dữ liệu có được kết nối, quy trình có thay đổi và các bộ phận có phối hợp được hay không. Những kết quả này phản ánh cách công nghệ được sử dụng trong kinh doanh rõ hơn số công cụ đang có.

Chuyển đổi số đang chuyển từ số hóa sang khai thác dữ liệu và đổi mới vận hành

Định hướng được nêu tại diễn đàn cuối năm 2025 đặt trọng tâm vào dữ liệu, AI và nền tảng dùng chung, thay vì chỉ số hóa hoạt động hiện có. Luật Dữ liệu và việc Trung tâm dữ liệu quốc gia số 1 đi vào vận hành trong năm 2025 là những thay đổi ở cấp nền tảng. Đây là định hướng và điều kiện hỗ trợ, không có nghĩa mọi cơ quan hay doanh nghiệp đã hoàn tất chuyển đổi.

Trong tổ chức, khai thác dữ liệu để phân tích, dự báo hoặc tự động hóa cần gắn với trách nhiệm và cách vận hành. Một hệ thống mới có thể làm công việc phức tạp hơn nếu dữ liệu chưa tin cậy hoặc quy trình chưa rõ. Khi dự án chưa đạt kết quả, nhóm cần xem các phần này liên quan với nhau thế nào trước khi kết luận lỗi do phần mềm hay người sử dụng.

Năm nhóm vấn đề dưới đây giúp rà soát những điểm có thể cản trở triển khai.

Không có bài toán, mục tiêu và tiêu chí đo lường rõ ràng

Dự án có thể hoàn thành nhiều tính năng nhưng không trả lời được công việc đã tốt hơn ở điểm nào. Đây là dấu hiệu cần xem lại mục tiêu và cách đo, nhất là khi yêu cầu chỉ ghi chung như hiện đại hóa hoặc ứng dụng AI. Mỗi use case cần gắn với kết quả cụ thể và baseline để so sánh.

Nếu pilot cho thấy giả định ban đầu không phù hợp, nhóm cần điều chỉnh mục tiêu theo bằng chứng. Việc dự án đã được phê duyệt không phải lý do để giữ một thước đo không còn phản ánh vấn đề thực tế.

Dữ liệu phân mảnh hoặc chất lượng thấp

Hồ sơ khách hàng trùng mã hoặc cùng một KPI được tính khác nhau giữa các bộ phận là những dấu hiệu dữ liệu thiếu nhất quán. Sai lệch này có thể đi tiếp vào báo cáo, Automation và đầu ra của AI. Nhóm nên kiểm tra phần dữ liệu liên quan trực tiếp đến use case, xác định nguồn chuẩn, người phụ trách và quy tắc chất lượng. Khi chưa đủ tin cậy, có thể thu hẹp phạm vi hoặc bổ sung bước kiểm tra của con người. Cách xử lý cần phù hợp với rủi ro của tác vụ, thay vì chờ làm sạch toàn bộ dữ liệu rồi mới bắt đầu mọi hoạt động.

Hệ thống cũ khó tích hợp và hạ tầng chưa phù hợp

Legacy system có thể vẫn giữ những nghiệp vụ quan trọng nhưng chưa được thiết kế để tích hợp với nền tảng mới. Nhóm cần phân biệt phần đang hoạt động tốt với phần cản trở luồng dữ liệu. Tuổi của hệ thống không đủ để quyết định giữ hay thay thế.

Các lựa chọn kết nối, nâng cấp hoặc thay thế cần được so sánh theo chi phí vòng đời, hiệu năng, bảo mật và năng lực vận hành. Đồng thời phải tính việc duy trì nghiệp vụ trong lúc chuyển đổi, vì thay toàn bộ cùng lúc có thể tạo rủi ro gián đoạn. Đánh giá theo từng phần giúp xác định phạm vi cần thay đổi thay vì mặc định mọi hệ thống cũ đều phải bỏ.

Nhân sự chưa sẵn sàng thay đổi cách làm việc

Nếu nhân viên liên tục quay lại bảng tính hoặc cách làm cũ, nhóm cần tìm hiểu việc gì chưa thực hiện được trên hệ thống mới. Nguyên nhân có thể là thao tác tăng thêm, tình huống bị bỏ sót hoặc trách nhiệm chưa rõ. Kết luận người dùng ngại công nghệ sẽ không giúp phân biệt các vấn đề này.

Cho người sử dụng góp ý qua tình huống công việc giúp chọn cách xử lý phù hợp. Đào tạo bổ sung hữu ích khi thiếu kỹ năng, còn lỗi quy trình hoặc công cụ cần được sửa ở thiết kế.

Bỏ qua quản trị rủi ro, an toàn thông tin và quyền riêng tư

Phân quyền không phù hợp, luồng dữ liệu chưa được kiểm soát hoặc thiếu cách xử lý sự cố có thể làm gián đoạn dự án và ảnh hưởng đến người dùng. Các nội dung này cần được kiểm tra từ giai đoạn thiết kế, thay vì để đến lúc vận hành mới sửa. Với dữ liệu cá nhân, nhóm phải làm rõ thông tin cần thu, mục đích sử dụng, thời gian lưu và người được truy cập. Nếu use case có AI, còn cần quy định cách kiểm tra đầu ra và trách nhiệm khi kết quả sai. Mức kiểm soát phải bám vào rủi ro thực tế của tác vụ, không chỉ số lượng công nghệ được kết nối.

Kết luận

Một chương trình chuyển đổi số cần làm rõ cách làm nào sẽ thay đổi và dùng dữ liệu gì để đánh giá kết quả. Từ một vấn đề cụ thể, tổ chức có thể đo hiện trạng, chọn use case, thiết kế quy trình và thử nghiệm ở phạm vi phù hợp. Kết quả thử nghiệm cùng mức sẵn sàng của con người, dữ liệu và công nghệ là cơ sở để quyết định mở rộng. Cách tiếp cận này giúp gắn việc đầu tư công nghệ với nhu cầu vận hành, thay vì chỉ thêm công cụ vào công việc cũ.