Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh chuyển đổi số và cạnh tranh ngày càng gia tăng giữa các ngân hàng thương mại, dữ liệu đã trở thành tài sản chiến lược phục vụ quá trình ra quyết định, tối ưu hóa hiệu suất vận hành và nâng cao trải nghiệm khách hàng. Tại Ngân hàng Thương mại Cổ phần Đầu tư và Phát triển Việt Nam (BIDV), khối lượng giao dịch và thông tin người dùng khổng lồ được phân tán trên khoảng 15 hệ thống công nghệ thông tin khác nhau (bao gồm hệ thống CoreBanking, hệ thống dữ liệu Quản trị rủi ro, hệ thống Quản lý chăm sóc khách hàng...).

Mặc dù BIDV đã triển khai dự án Khung quản trị dữ liệu toàn hàng từ năm 2020 với 6 sáng kiến trọng tâm (cơ cấu tổ chức, chính sách/quy trình, kiến trúc dữ liệu, chất lượng dữ liệu, văn hóa dữ liệu, công cụ và công nghệ), công tác quản lý siêu dữ liệu (metadata) trên thực tế vẫn tồn tại nhiều hạn chế:

  • Ngân hàng chưa có công cụ chuyên dụng tự động hóa quản trị dữ liệu và siêu dữ liệu.
  • Dữ liệu bị phân tán, thiếu từ điển dữ liệu chung và thiếu tài liệu mô tả mối liên hệ giữa các hệ thống, dẫn đến sự không nhất quán về mặt ngữ nghĩa và định dạng.
  • Vai trò, quyền hạn của các đơn vị đối với dữ liệu chưa được phân định rõ ràng.
  • Quy trình quản lý siêu dữ liệu phần lớn thực hiện thủ công bằng văn bản giấy và bảng tính (Excel, Word), gây chậm trễ trong việc cập nhật khi có thay đổi từ hệ thống nguồn và xuất hiện nhiều bảng dữ liệu trùng lặp.
  • BIDV đang trong tiến trình chuyển đổi hệ thống CoreBanking, đòi hỏi phải chuẩn hóa dữ liệu, truy xuất nguồn gốc và phân tích tác động thay đổi một cách chặt chẽ.

Mục tiêu nghiên cứu:

  1. Nghiên cứu cơ sở lý thuyết về quy trình quản lý siêu dữ liệu và giải pháp phần mềm trung tâm siêu dữ liệu Metadata Hub của hãng Ab Initio.
  2. Phân tích yêu cầu nghiệp vụ và thiết kế giải pháp ứng dụng hệ thống Metadata Hub để quản lý thống nhất siêu dữ liệu tại BIDV.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Hệ thống quản lý siêu dữ liệu Metadata Hub và các quy trình quản trị siêu dữ liệu doanh nghiệp.
  • Phạm vi không gian: Áp dụng cho hệ thống quản trị dữ liệu tại Ngân hàng BIDV, thông qua quá trình khảo sát và thực tập tại Công ty Cổ phần Phát triển Công nghệ Viễn thông Tin học Sun Việt (SVTECH).
  • Phạm vi nghiệp vụ: Tập trung vào việc chuẩn hóa thuật ngữ nghiệp vụ, từ điển dữ liệu, xác định thành tố dữ liệu quan trọng (CDE), thiết lập luồng dữ liệu (lineage) và phân tích tác động cho các miền thông tin trọng yếu của ngân hàng.

Cơ sở lý thuyết và phương pháp

Khóa luận xây dựng hệ thống lý thuyết dựa trên các chuẩn mực quốc tế và tài liệu chuyên ngành về quản trị dữ liệu:

  • Khái niệm dữ liệu và siêu dữ liệu: Dẫn chiếu theo khung hướng dẫn DAMA International (2017), Cục Thống kê Úc, Gartner (2023) và Viện CMMI (2014), xác định siêu dữ liệu là thông tin mô tả ngữ cảnh, cấu trúc, nguồn gốc và thuộc tính của tài sản dữ liệu nhằm trả lời các câu hỏi: Who, What, When, Where, Why và How.
  • Phân loại siêu dữ liệu: Gồm 3 nhóm chính:
    1. Siêu dữ liệu nghiệp vụ (Business Metadata): Thuật ngữ, định nghĩa kinh doanh, quy tắc nghiệp vụ, chính sách bảo mật, vị trí dữ liệu, chủ sở hữu.
    2. Siêu dữ liệu kỹ thuật (Technical Metadata): Cấu trúc bảng, kiểu dữ liệu trường, khóa chính/khóa ngoại, mô hình vật lý, tập lệnh ETL, tệp DDL/XML.
    3. Siêu dữ liệu hoạt động (Operational Metadata): Nhật ký thực thi tác vụ (job logs), lịch trình tải dữ liệu, chỉ số chất lượng, khối lượng truy cập, điều khoản SLA.
  • Mô hình kiến trúc siêu dữ liệu: Khóa luận so sánh ba mô hình kiến trúc cơ bản:
Tiêu chí so sánh Kiến trúc tập trung (Centralized) Kiến trúc phân tán (Distributed) Kiến trúc lai (Hybrid)
Kho lưu trữ tập trung Có kho lưu trữ siêu dữ liệu doanh nghiệp duy nhất Không có, kết nối trực tiếp đến các nguồn Kết hợp kho tập trung và kết nối nguồn
Tính sẵn sàng Cao, độc lập với hệ thống nguồn Phụ thuộc vào trạng thái hệ thống nguồn Cao, linh hoạt theo cấu hình
Tốc độ cập nhật Có độ trễ nhất định Cập nhật tức thời theo thời gian thực Tối ưu hóa giữa trễ và hiệu năng
Nhập thủ công siêu dữ liệu Hỗ trợ đầy đủ Không hỗ trợ Hỗ trợ đầy đủ
Độ phức tạp duy trì Tốn tài nguyên lưu trữ tập trung Cần chuẩn hóa truy vấn đa nguồn Cần quản lý đồng bộ hai tầng
  • Quy trình nghiệp vụ quản lý siêu dữ liệu:
    • Xác định và bảo mật thành tố dữ liệu quan trọng (CDE): Quy trình 4 bước gồm Ánh xạ dữ liệu $\rightarrow$ Xác định trách nhiệm/nghĩa vụ $\rightarrow$ Đánh giá rủi ro tiềm tàng $\rightarrow$ Xác định mức độ bảo mật.
    • Xây dựng từ điển thuật ngữ nghiệp vụ (Business Glossary): Quy trình 4 bước gồm Xác định CDE $\rightarrow$ Gán chủ sở hữu/liên kết chính sách $\rightarrow$ Giai đoạn đồng thuận $\rightarrow$ Gắn thẻ và quản lý.
    • Xây dựng từ điển dữ liệu (Data Dictionary): Quy trình 4 bước gồm Xây dựng thuật ngữ nghiệp vụ $\rightarrow$ Tạo từ điển dữ liệu $\rightarrow$ Giai đoạn đồng thuận $\rightarrow$ Xuất bản.
    • Thiết lập dòng dữ liệu (Data Lineage): Phân tách thành dòng dữ liệu kinh doanh (Business Lineage) và dòng dữ liệu kỹ thuật (Technical Lineage).
  • Công cụ so sánh: Khóa luận tiến hành khảo sát các nền tảng quản trị dữ liệu hàng đầu gồm IBM InfoSphere Information Server, Collibra, Alation và lựa chọn Ab Initio Metadata Hub dựa trên khả năng tương thích với hạ tầng xử lý của BIDV.

Phương pháp nghiên cứu thực tế:

  • Phương pháp phân tích - tổng hợp tài liệu chuyên ngành về quản trị dữ liệu (Data Governance).
  • Phương pháp khảo sát hiện trạng hệ thống thông tin, phỏng vấn chuyên gia tại Trung tâm Quản trị Dữ liệu BIDV và đội ngũ kỹ thuật SVTECH.
  • Phương pháp phân tích yêu cầu nghiệp vụ (Business Requirement Analysis) và thiết kế quy trình xử lý dữ liệu.
  • Phương pháp thực nghiệm hệ thống: Cấu hình kết nối nguồn, nạp siêu dữ liệu (import feed) qua tệp bảng tính và tập lệnh trích xuất XML từ công cụ ETL (IBM InfoSphere DataStage).

Thiết kế và triển khai hệ thống

1. Kiến trúc hệ thống Metadata Hub của Ab Initio

Hệ thống Metadata Hub được thiết kế theo mô hình đa tầng tích hợp mở:

  • Cổng thông tin siêu dữ liệu (Metadata Portal): Giao diện web hỗ trợ người dùng tìm kiếm thuật ngữ, phân tích tác động, tra cứu phả hệ dữ liệu và cấu hình phân quyền.
  • Máy chủ ứng dụng (Application Server): Ứng dụng Java chạy trên các nền tảng máy chủ web (IBM WebSphere, WebSphere Liberty, WildFly, Tomcat), xử lý logic nghiệp vụ, bảo mật và máy trạng thái quy trình làm việc (workflow).
  • Kho dữ liệu siêu dữ liệu (Data Repository): Cơ sở dữ liệu quan hệ (Oracle, PostgreSQL, IBM DB2, MS SQL Server) lưu trữ toàn bộ siêu dữ liệu nghiệp vụ và tóm lược siêu dữ liệu kỹ thuật/hoạt động.
  • Máy chủ nhập (Import Server/Host): Trích xuất siêu dữ liệu từ cơ sở dữ liệu, công cụ BI, lịch trình tác vụ, tệp cấu hình bên ngoài và đồng bộ vào kho dữ liệu.
  • Máy chủ dòng (Lineage Server): Động cơ tính toán dòng dữ liệu trực tiếp trong bộ nhớ RAM chuyên dụng, xử lý truy vấn phả hệ phức tạp (đạt tốc độ phản hồi dưới 10 giây cho 90% các phép tính dòng đối với hệ thống chứa 1 tỷ phần tử dữ liệu và 10 tỷ phần tử biến đổi).

2. Thông số kỹ thuật và yêu cầu môi trường triển khai

Thành phần máy chủ Hệ điều hành / Nền tảng CPU / Bộ nhớ RAM Dung lượng đĩa / Cơ sở dữ liệu Yêu cầu kết nối / Phần mềm bổ trợ
Máy chủ Cơ sở dữ liệu Windows hoặc Unix RAM: 24 GB (môi trường nhỏ) đến 64 GB (môi trường lớn) Tablespace: 1 TB – 5 TB; Thông lượng đọc I/O $\ge 250\text{ MB/s}$, độ trễ $< 5\text{ ms}$ Oracle 12c, IBM DB2, MS SQL Server, PostgreSQL; mạng độ trễ thấp
Máy chủ Ứng dụng Windows hoặc Unix 4 Cores (nhỏ) đến 16 Cores (lớn); RAM: 10 GB – 40 GB Ổ cứng trống: 100 GB – 500 GB WebSphere 9.11+, WildFly 16.3+; Java 8 (Update 112+) hoặc Java 11 (64-bit); JDBC Driver
Máy chủ Dòng (Lineage) Unix/Windows (trong tường lửa ứng dụng) 4 Cores – 16 Cores RAM chuyên dụng: 20 GB (nhỏ) đến 100 GB (lớn) 01 JVM 64-bit chuyên dụng riêng biệt
Máy chủ Nhập (Import Host) Windows hoặc Unix Co>Operating System 3.1+; RAM: $\ge 40\text{ GB}$ Ổ cứng trống: 100 GB – 500 GB Java 8/11 (64-bit); Ab Initio Bridge 3.1+; JDBC Driver tương ứng nguồn trích xuất
Máy khách người dùng Trình duyệt Web đa nền tảng Đạt chuẩn máy trạm văn phòng Bật JavaScript, bật Cookie, tắt duyệt web ẩn danh Firefox 78 ESR+, Chrome 79+, Edge 79+; Thời gian chờ tường lửa $\ge 3600\text{ s}$

Nội dung chính theo từng chương

Chương 1: Bài toán nghiên cứu

  • Trình bày tổng quan về đơn vị thực tập là Công ty Cổ phần Phát triển Công nghệ Viễn thông Tin học Sun Việt (SVTECH) – doanh nghiệp tích hợp hệ thống thành lập năm 2001 với hơn 500 chứng chỉ công nghệ quốc tế từ Oracle, IBM, Juniper, HPE.
  • Đánh giá thực trạng quản lý siêu dữ liệu tại BIDV do Trung tâm Quản trị Dữ liệu làm đầu mối, chỉ ra các điểm nghẽn khi vận hành thủ công 15 hệ thống nghiệp vụ độc lập.
  • Đánh giá tính khả thi triển khai Metadata Hub trên 3 khía cạnh: kinh tế (tối ưu hóa nhân lực và chi phí lưu trữ), kỹ thuật (hạ tầng CNTT BIDV hiện đại, phù hợp với kiến trúc Ab Initio), con người (đội ngũ nhân sự CNTT trình độ cao).
  • Xác lập chi tiết các yêu cầu nghiệp vụ quản lý siêu dữ liệu tại BIDV:
    • Phân loại 2 dạng thuật ngữ: Thuật ngữ rút gọn (Abbreviation) và Thuật ngữ nghiệp vụ (BusinessTerm).
    • Thiết lập 6 bộ từ điển dữ liệu đặc thù: Basel II BIDV, Bảng chú giải thuật ngữ nghiệp vụ doanh nghiệp, MIS-IBM Model, MPA-OFSSAA, BCTK NHNN (Báo cáo thống kê Ngân hàng Nhà nước), Định danh cá nhân.
    • Quy định 8 tiêu chí nhận diện Thành tố dữ liệu quan trọng (CDE) qua trường Combobox lựa chọn "Có/Không":
STT Tiêu chí đánh giá CDE Kiểu dữ liệu Diễn giải yêu cầu nghiệp vụ
1 Sử dụng cho mục đích tuân thủ quy định Combobox (Option) Phục vụ tuân thủ các quy định pháp lý, ngân hàng nhà nước
2 Bảo mật thông tin / Quyền riêng tư Combobox (Option) Chứa thông tin cá nhân nhạy cảm, định danh khách hàng
3 Cấp độ Báo cáo Combobox (Option) Dữ liệu xuất hiện trên các báo cáo quản trị trọng yếu
4 Ảnh hưởng tới Danh tiếng Combobox (Option) Sai lệch dữ liệu gây tổn hại đến uy tín tổ chức
5 Ảnh hưởng Tài chính Combobox (Option) Dữ liệu tác động trực tiếp đến hạch toán và số liệu tài chính
6 Ảnh hưởng đến hiệu quả hoạt động Combobox (Option) Tác động đến sự liên tục và năng suất của quy trình nghiệp vụ
7 Rủi ro hoạt động Combobox (Option) Phát sinh rủi ro gián đoạn hoặc lỗi tác nghiệp
8 Quản trị Rủi ro Combobox (Option) Phục vụ mô hình đo lường, giám sát rủi ro tín dụng/thị trường

Chương 2: Cơ sở lý thuyết về quản lý siêu dữ liệu và hệ thống Metadata Hub

  • Hệ thống hóa các khái niệm nền tảng về dữ liệu, siêu dữ liệu, quản lý siêu dữ liệu và vai trò xóa bỏ "silo dữ liệu" trong doanh nghiệp.
  • Phân tích chi tiết các hoạt động trọng tâm: Nhận diện CDE, xây dựng Business Glossary, Data Dictionary, thiết lập Data Lineage và thực hiện phân tích tác động (Impact Analysis).
  • Khảo sát các giải pháp công nghệ trên thị trường (IBM InfoSphere Information Server với 3 tầng Services/Engine/Repository; Collibra tích hợp trí tuệ nhân tạo/học máy; Alation với công cụ phân tích hành vi BAE).
  • Giới thiệu chuyên sâu về Metadata Hub của Ab Initio: Lịch sử hình thành từ công ty phần mềm tại Lexington (Massachusetts, Hoa Kỳ); kiến trúc 5 thành phần; thông số hạ tầng phần cứng/phần mềm; các tính năng cốt lõi (Business Glossary, Report Builder, quản lý quyền và các bên chịu trách nhiệm, máy trạng thái workflow, phân cấp nghiệp vụ, phân tích dòng dữ liệu kinh doanh và kỹ thuật).

Chương 3: Ứng dụng hệ thống Metadata Hub quản lý siêu dữ liệu cho ngân hàng BIDV

  • Thiết kế và chuẩn hóa các quy trình quản lý siêu dữ liệu phù hợp với mô hình vận hành của BIDV:
    • Quy trình xác định và cập nhật trạng thái CDE.
    • Quy trình xây dựng và phê duyệt từ điển thuật ngữ nghiệp vụ và từ điển dữ liệu.
    • Quy trình thu thập siêu dữ liệu từ các hệ sinh thái cơ sở dữ liệu nguồn của BIDV (Oracle, DB2 cho AS/400, Sybase).
    • Quy trình xây dựng sơ đồ luồng dữ liệu nghiệp vụ và luồng dữ liệu kỹ thuật từ nguồn đến các báo cáo trọng yếu.
    • Quy trình kiểm soát và đánh giá tác động khi có sự thay đổi cấu trúc bảng/trường dữ liệu.
  • Mô hình hóa các lớp đối tượng siêu dữ liệu trên hệ thống: BizTermType, BizTermGroup, BizAssetType, BizAsset, IssueType.
  • Triển khai thực nghiệm các tính năng trên Metadata Hub:
    • Cấu hình nguồn cấp dữ liệu nhập (Import Feeds) từ tệp cấu trúc chuẩn Excel.
    • Cấu hình kết nối nguồn dữ liệu Oracle và trích xuất chi tiết lược đồ (schema).
    • Thực hiện trích xuất và nạp tệp dòng dữ liệu kỹ thuật Datastage XML (Standard Datastage Lineage Import) lên máy chủ Linux Import Host, xử lý lỗi phân tích cú pháp tham số thông qua cấu hình tệp Parameters.csv và Dataset.csv.
    • Thiết lập các mẫu báo cáo quản trị chuyên dụng trên hệ thống: Báo cáo danh sách xác định CDE, Báo cáo trạng thái CDE và thời gian cập nhật cuối cùng, Báo cáo các thành tố dữ liệu chưa được gán thuật ngữ nghiệp vụ.

Kết quả và đóng góp

1. Kết quả đạt được

  • Chuẩn hóa khung nghiệp vụ siêu dữ liệu: Xây dựng bộ quy chuẩn gồm 2 loại thuật ngữ, 6 bộ từ điển dữ liệu chuyên ngành và bộ 8 tiêu chí đánh giá CDE, tích hợp vào màn hình quản lý thuật ngữ của hệ thống.
  • Mô hình hóa kiến trúc tích hợp: Xây dựng thành công mô hình thu thập siêu dữ liệu đa nguồn tại BIDV, kết nối giữa các kho dữ liệu quan hệ (Oracle, DB2 AS/400, Sybase) và công cụ ETL (IBM InfoSphere DataStage) với kho lưu trữ tập trung của Metadata Hub.
  • Thực nghiệm quy trình nhập liệu và trích xuất dòng dữ liệu: Thực hiện thành công việc nhập danh mục đối tượng siêu dữ liệu qua mẫu Excel tiêu chuẩn và phân tích phả hệ dòng dữ liệu kỹ thuật từ các tệp Datastage XML trên môi trường Linux.
  • Xây dựng hệ thống báo cáo giám sát: Thiết lập các mẫu báo cáo phục vụ trực tiếp cho Trung tâm Quản trị Dữ liệu BIDV, hỗ trợ phát hiện các thành tố dữ liệu bị khuyết thiếu định nghĩa nghiệp vụ và theo dõi lịch sử cập nhật CDE.

2. Giải pháp và kiến nghị đề xuất

  • Áp dụng cơ chế phân quyền dựa trên vai trò (Role-Based Access Control) kết hợp máy trạng thái (workflow) để tự động hóa khâu phê duyệt thay đổi từ điển dữ liệu, thay thế văn bản giấy.
  • Tận dụng máy chủ Lineage Server tính toán trong bộ nhớ để thực hiện phân tích tác động trước khi thực hiện thay đổi schema hoặc nâng cấp hệ thống CoreBanking.
  • Thiết lập định kỳ việc đồng bộ siêu dữ liệu từ các hệ thống nguồn nhằm đảm bảo tính toàn vẹn và độ tươi mới của dữ liệu phục vụ đánh giá chất lượng dữ liệu (Data Quality).

3. Đóng góp của đề tài

Khóa luận đã chuyển hóa thành công khung lý thuyết quản trị dữ liệu thành giải pháp công nghệ cụ thể có thể triển khai thực tế tại một ngân hàng thương mại quy mô lớn. Đề tài khắc phục được tình trạng quản lý siêu dữ liệu thủ công, phân tán tại BIDV bằng việc thiết lập quy trình tự động hóa trên nền tảng Ab Initio Metadata Hub, tạo tiền đề kỹ thuật vững chắc cho công tác quản lý chất lượng dữ liệu và dự án chuyển đổi CoreBanking.

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế:

    • Nghiên cứu mới dừng lại ở phạm vi thiết kế quy trình, mô hình hóa và triển khai thử nghiệm trên các tệp cấu hình mẫu (Excel, Datastage XML, kết nối Oracle) tại đơn vị thực tập, chưa triển khai toàn diện trên toàn bộ 15 hệ thống nghiệp vụ thực tế của BIDV.
    • Hiệu quả quản lý siêu dữ liệu của Metadata Hub còn phụ thuộc chặt chẽ vào tính chính xác và đầy đủ của siêu dữ liệu được cung cấp từ các hệ thống nguồn.
    • Quá trình triển khai kỹ thuật ban đầu đòi hỏi cấu hình phức tạp trên nhiều máy chủ thành phần (DB, App, Lineage, Import).

  • Hướng nghiên cứu tiếp:

    • Mở rộng phạm vi tích hợp tự động cho toàn bộ các hệ thống nguồn còn lại của ngân hàng (Cognos, DB2 trên AS/400, Sybase).
    • Nghiên cứu tích hợp sâu giữa Metadata Hub với module đánh giá và làm sạch chất lượng dữ liệu tự động (Data Quality Management).
    • Tối ưu hóa quy trình làm việc (workflow) và tự động hóa cảnh báo khi phát sinh xung đột trong quá trình chuyển đổi hệ thống CoreBanking.

Giá trị tham khảo

  • Đối tượng hưởng lợi:
    • Sinh viên và học viên chuyên ngành Hệ thống thông tin quản lý, Khoa học dữ liệu, Công nghệ thông tin: Nắm bắt bức tranh thực tế về kiến trúc quản trị dữ liệu doanh nghiệp lớn và phương pháp phân tích thiết kế hệ thống metadata.
    • Chuyên viên phân tích dữ liệu, cán bộ quản trị dữ liệu (Data Governance/Data Steward) tại các tổ chức tài chính - ngân hàng: Tham khảo khung tiêu chí đánh giá CDE, cấu trúc từ điển dữ liệu ngân hàng và quy trình vận hành luồng dữ liệu.
  • Phần nội dung có giá trị tham khảo cao:
    • Bộ 8 tiêu chí định lượng nhận diện Thành tố dữ liệu quan trọng (CDE) phù hợp chuẩn mực ngành ngân hàng.
    • Tài liệu đặc tả kỹ thuật và yêu cầu tài nguyên hạ tầng phần cứng/phần mềm chi tiết cho 5 thành phần của hệ thống Ab Initio Metadata Hub.
    • Quy trình kỹ thuật nhập và xử lý dòng dữ liệu từ tệp Datastage XML lên môi trường máy chủ Linux.

Câu hỏi thường gặp

1. Hệ thống Metadata Hub yêu cầu cấu hình phần cứng chuyên biệt cho Máy chủ Dòng (Lineage Server) như thế nào?
Máy chủ Lineage Server được triển khai trên máy chủ lưu trữ ứng dụng nằm trong tường lửa, sử dụng 1 JVM 64-bit riêng biệt. Yêu cầu CPU từ 4 cores (môi trường nhỏ) đến 16 cores (môi trường lớn), RAM chuyên dụng từ 20 GB (nhỏ), 50 GB (trung bình) đến 100 GB (lớn) để thực hiện tính toán dòng dữ liệu hoàn toàn trong bộ nhớ, giúp trả về kết quả truy vấn phả hệ dưới 10 giây cho 90% trường hợp trên tập dữ liệu quy mô tỷ phần tử.

2. Tiêu chí xác định một Thành tố dữ liệu quan trọng (CDE) tại BIDV được quy định như thế nào?
Một thành tố dữ liệu được xác định là CDE khi thỏa mãn ít nhất một trong 8 tiêu chí đánh giá dạng Combobox (Có/Không): Sử dụng cho mục đích tuân thủ quy định; Bảo mật thông tin/Quyền riêng tư; Cấp độ Báo cáo; Ảnh hưởng tới Danh tiếng; Ảnh hưởng Tài chính; Ảnh hưởng đến hiệu quả hoạt động; Rủi ro hoạt động; Quản trị Rủi ro. Kết quả sau đó được tự động cập nhật vào thuộc tính Criticality của thuật ngữ nghiệp vụ.

3. Hệ thống quản lý siêu dữ liệu tại BIDV thiết lập những bộ từ điển dữ liệu nào?
Hệ thống thiết lập 6 bộ từ điển dữ liệu gồm: Basel II BIDV (theo chuẩn Basel II), Bảng chú giải thuật ngữ nghiệp vụ doanh nghiệp (bộ từ điển chung toàn hàng), MIS-IBM Model (từ điển hệ thống MIS), MPA-OFSSAA (từ điển hệ thống MPA), BCTK NHNN (thuật ngữ báo cáo thống kê Ngân hàng Nhà nước) và Định danh cá nhân (thông tin định danh khách hàng).

4. Khóa luận chỉ ra những điểm khác biệt chính giữa 3 công cụ quản trị siêu dữ liệu IBM InfoSphere, Collibra và Alation là gì?
IBM InfoSphere Information Server tập trung vào kiến trúc 3 tầng (Services, Engine, Repository) tích hợp chặt chẽ với kho dữ liệu quan hệ và công cụ ETL; Collibra nổi bật với khả năng tự động hóa quản lý quy tắc chất lượng dữ liệu bằng học máy và quản trị quy trình tương tác; trong khi Alation phát triển dựa trên bộ não phân tích hành vi người dùng (Behavior Analysis Engine - BAE) và hỗ trợ triển khai linh hoạt đa nền tảng đám mây.

5. Các bước xử lý kỹ thuật khi nạp dữ liệu luồng từ IBM DataStage lên Metadata Hub được thực hiện ra sao?
Quy trình gồm: Chuẩn bị tệp XML trích xuất từ DataStage trên máy chủ Linux Import Host $\rightarrow$ Phân quyền truy cập tệp $\rightarrow$ Tạo nguồn cấp dữ liệu mới với loại Standard Datastage Lineage Import $\rightarrow$ Khai báo tham số trích xuất (Extractor Parameters) $\rightarrow$ Khắc phục lỗi phân tích cú pháp ban đầu bằng cách cấu hình bổ sung thông số ánh xạ trong 2 tệp Parameters.csv và Dataset.csv $\rightarrow$ Chạy lại tiến trình để hoàn tất nhập dòng dữ liệu kỹ thuật.

Kết luận

Khóa luận tốt nghiệp của tác giả Trần Phương Hà đã giải quyết toàn diện bài toán quản lý siêu dữ liệu tại Ngân hàng BIDV thông qua việc nghiên cứu chuyên sâu giải pháp Ab Initio Metadata Hub. Tác giả đã chuyển hóa thành công các khung lý thuyết quản trị dữ liệu quốc tế thành hệ thống quy trình nghiệp vụ chuẩn mực, bao gồm nhận diện CDE, quản lý từ điển dữ liệu và thiết lập dòng dữ liệu kỹ thuật/nghiệp vụ. Kết quả nghiên cứu và thực nghiệm kỹ thuật nạp dữ liệu từ Excel, Oracle và DataStage XML cung cấp giải pháp khả thi giúp BIDV từng bước tự động hóa quản trị dữ liệu, phục vụ đắc lực cho công tác quản lý rủi ro và lộ trình chuyển đổi CoreBanking.