Đề án tốt nghiệp: Tích hợp dữ liệu quản lý cán bộ Viện Năng lượng nguyên tử Việt Nam

Đề án nghiên cứu giải pháp tích hợp dữ liệu cho hệ thống quản lý cán bộ, viên chức Viện Năng lượng nguyên tử Việt Nam bằng kỹ thuật ETL và ảo hóa.

• Tác giả: Trần Đức Long
• Người hướng dẫn: TS. Trần Thiện Chính
• Trường học: Học viện Công nghệ Bưu chính Viễn thông
• Chuyên ngành: Hệ thống thông tin
• Đề tài: Tích hợp dữ liệu cho hệ thống quản lý cán bộ, viên chức của Viện Năng lượng nguyên tử
• Loại tài liệu: Đề án tốt nghiệp thạc sĩ
• Năm xuất bản: 2025
• Địa điểm: Hà Nội

Tóm tắt

I. Tổng quan về tích hợp dữ liệu cán bộ Viện Năng lượng nguyên tử

Viện Năng lượng nguyên tử Việt Nam là tổ chức nghiên cứu khoa học hạt nhân hàng đầu. Đơn vị quy tụ đội ngũ cán bộ khoa học kỹ thuật và viên chức đông đảo. Công tác quản lý nhân sự tại đây đóng vai trò then chốt đối với sự phát triển ngành. Hệ thống nhân sự hiện hữu lưu trữ nhiều thông tin chuyên sâu về chuyên môn, chức danh nghề nghiệp và lộ trình công tác. Tích hợp dữ liệu nhân sự là yêu cầu cấp thiết nhằm đáp ứng tiến trình chuyển đổi số quốc gia. Phương pháp này gom dữ liệu từ nhiều phòng ban và viện thành viên về một mối duy nhất. Dữ liệu tập trung giúp tạo ra bức tranh toàn diện về năng lực cán bộ. Cán bộ quản lý dễ dàng tra cứu lịch sử đào tạo, quá trình khen thưởng và chế độ chính sách. Việc hợp nhất này cũng loại bỏ các rào cản hành chính rườm rà. Nguồn thông tin chính xác giúp đơn vị hoạch định chính sách nhân tài kịp thời. Quá trình tích hợp dữ liệu cán bộ, viên chức Viện Năng lượng nguyên tử tạo tiền đề vững chắc cho việc liên thông với cơ sở dữ liệu quốc gia.

1.1. Khái niệm và mục tiêu tích hợp dữ liệu

Tích hợp dữ liệu là kỹ thuật kết hợp dữ liệu từ nhiều nguồn khác nhau. Mục tiêu chính là cung cấp một khung nhìn thống nhất cho người dùng. Trong quản lý cán bộ, giải pháp này giải quyết triệt để tình trạng phân mảnh thông tin. Dữ liệu nhân sự được gom tụ từ các tệp bảng tính và phần mềm nội bộ rời rạc. Hệ thống mới tổ chức lại dữ liệu theo tiêu chuẩn chung. Các thuộc tính như chức vụ, ngạch bậc, học vị và quá trình công tác được liên kết chặt chẽ. Đơn vị đạt được tính nhất quán và toàn vẹn dữ liệu trên toàn hệ thống. Cơ chế này giảm thiểu chi phí quản lý và hỗ trợ công tác tra cứu tức thời.

1.2. Đặc thù quản lý nhân sự tại Viện Năng lượng nguyên tử

Viện Năng lượng nguyên tử quản lý đội ngũ nghiên cứu có trình độ chuyên môn cao. Hồ sơ viên chức bao gồm nhiều thông tin đặc thù về công trình khoa học, đề tài nghiên cứu và an toàn bức xạ. Các cán bộ thường xuyên tham gia chương trình đào tạo quốc tế và công tác dài hạn. Do đó, hồ sơ nhân sự biến động liên tục và đòi hỏi tính cập nhật cao. Mỗi đơn vị trực thuộc lại áp dụng phương thức lưu trữ hồ sơ khác nhau qua từng thời kỳ. Sự không đồng nhất về định dạng gây khó khăn cho việc tổng hợp dữ liệu chung. Việc chuẩn hóa thông tin trở thành ưu tiên hàng đầu của đơn vị. Một hệ thống thống nhất sẽ phản ánh chính xác nguồn nhân lực chất lượng cao.

II. Phân tích dữ liệu quản lý cán bộ Viện Năng lượng nguyên tử

Thực trạng quản lý cán bộ tại Viện Năng lượng nguyên tử bộc lộ nhiều điểm nghẽn kỹ thuật. Dữ liệu hồ sơ nhân sự phân tán trên nhiều hệ thống và định dạng tệp khác nhau. Trước năm 2024, dữ liệu lưu trữ tại Trung tâm Công nghệ thông tin sử dụng định dạng chuỗi ký tự cố định. Sự thiếu đồng bộ về cấu trúc bảng biểu dẫn đến sai lệch thông tin khi kết xuất báo cáo. Nhiều trường dữ liệu quan trọng như số căn cước công dân, ngày vào Đảng hay quá trình nâng lương bị thiếu sót. Các đơn vị cơ sở nhập liệu thủ công nên tỷ lệ lỗi chính tả và trùng lặp rất cao. Quyết định số 893 của Thủ tướng Chính phủ đặt ra yêu cầu kết nối Cơ sở dữ liệu quốc gia về cán bộ, công chức, viên chức. Viện đối mặt áp lực hoàn thiện và làm sạch thông tin trước hạn chót. Nếu không có giải pháp kỹ thuật phù hợp, việc đối khớp với cơ sở dữ liệu dân cư sẽ thất bại. Tình trạng này đòi hỏi một phân tích toàn diện về cấu trúc dữ liệu để xây dựng luồng xử lý tự động.

2.1. Thực trạng phân mảnh và sai lệch định dạng

Hệ thống cũ lưu trữ dữ liệu với định dạng NCHAR và NVARCHAR không đồng nhất. Các bảng dữ liệu phát sinh nhiều khoảng trắng thừa và lỗi mã hóa font chữ tiếng Việt. Một số trường thông tin bị cắt ngắn do độ dài cột khai báo không đủ lớn. Khi trích xuất ra bảng tính Excel, cấu trúc dữ liệu thường xuyên bị xáo trộn. Tình trạng này cản trở việc kết nối tự động giữa các phòng ban. Cán bộ quản lý phải chỉnh sửa tệp dữ liệu thủ công trước mỗi kỳ báo cáo. Phương thức làm việc này tiêu tốn nhiều thời gian và tiềm ẩn rủi ro sai lệch số liệu. Khâu làm sạch dữ liệu nguồn là điều kiện bắt buộc trước khi chuyển đổi.

2.2. Áp lực đồng bộ cơ sở dữ liệu quốc gia

Bộ Nội vụ ban hành công văn yêu cầu chuẩn hóa toàn diện hồ sơ cán bộ. Viện Năng lượng nguyên tử trực thuộc Bộ Khoa học và Công nghệ phải đồng bộ dữ liệu đúng hạn. Hồ sơ viên chức cần khớp hoàn toàn với Cơ sở dữ liệu quốc gia về dân cư. Các tiêu chí nhân thân, học vị và quá trình công tác phải đạt chuẩn tuyệt đối. Sự bất đồng bộ trong quá khứ tạo ra khối lượng công việc tồn đọng rất lớn. Việc kiểm tra từng tệp hồ sơ giấy không còn khả thi về mặt tiến độ. Đơn vị cần công cụ tự động hóa để rà soát lỗi dữ liệu trên diện rộng. Đây là sức ép hành chính lớn nhưng cũng là cơ hội bứt phá.

III. Phương pháp tích hợp dữ liệu cán bộ Viện Năng lượng nguyên tử

Đề án xây dựng giải pháp tích hợp dữ liệu dựa trên quy trình ETL gồm ba giai đoạn: Trích xuất, Chuyển đổi và Nạp dữ liệu. Hệ thống vận hành bằng ngôn ngữ lập trình Python kết hợp với thư viện xử lý dữ liệu Pandas và OS. Cấu hình chương trình xác định rõ thư mục dữ liệu đầu vào và thư mục xuất dữ liệu đầu ra. Giai đoạn trích xuất tự động quét các tệp bảng tính nguồn và nạp vào các đối tượng DataFrame độc lập. Chương trình nhận diện chính xác các định dạng tệp hồ sơ nhân sự theo cấu hình quy định. Giai đoạn chuyển đổi sử dụng hàm reduce để gộp và liên kết nhiều DataFrame theo các trường khóa duy nhất. Quy trình làm sạch dữ liệu tự động loại bỏ khoảng trắng, chuẩn hóa ngày tháng và sửa lỗi định dạng văn bản. Giai đoạn nạp dữ liệu tái cấu trúc toàn bộ thông tin theo biểu mẫu chuẩn của Cơ sở dữ liệu quốc gia. Toàn bộ quy trình diễn ra tự động và khép kín. Giải pháp này giúp rút ngắn thời gian xử lý và giảm thiểu sai sót chủ quan của con người.

3.1. Kiến trúc quy trình trích xuất và biến đổi ETL

Quy trình ETL bắt đầu bằng việc đọc toàn bộ tệp dữ liệu lưu trong thư mục đầu vào đã cấu hình. Mô-đun sử dụng thư viện OS để quét cấu trúc cây thư mục linh hoạt. Các tệp dữ liệu đạt chuẩn được nạp đồng thời vào các biến DataFrame của Pandas. Tiếp theo, hệ thống áp dụng các phép biến đổi để chuẩn hóa kiểu dữ liệu. Các ký tự Unicode bị lỗi được ánh xạ lại chính xác theo bảng mã chuẩn. Những trường thông tin bị thiếu được bổ sung giá trị mặc định theo quy tắc nghiệp vụ. Hàm xử lý logic loại bỏ các bản ghi trùng lặp dựa trên mã định danh cán bộ. Quy trình bảo đảm tính toàn vẹn của dữ liệu trước khi thực hiện bước hợp nhất.

3.2. Ứng dụng Pandas và hàm reduce để hợp nhất

Hàm reduce là công cụ cốt lõi giúp kết nối tuần tự nhiều nguồn dữ liệu. Thay vì ghép bảng thủ công, hàm thực hiện phép kết trên các DataFrame liên tiếp. Mã định danh cán bộ hoặc số căn cước công dân được chọn làm khóa chính duy nhất. Quá trình ghép bảo toàn đầy đủ các trường thông tin từ lý lịch cá nhân đến quá trình công tác. Thao tác xử lý diễn ra trực tiếp trên bộ nhớ RAM giúp tối ưu hóa tốc độ thực thi. Tệp dữ liệu đầu ra được ghi vào thư mục chỉ định theo định dạng chuẩn hóa. Kết quả tạo ra một bảng dữ liệu sạch, không trùng lặp và sẵn sàng cho việc đồng bộ. Công cụ cho phép người quản trị dễ dàng tùy biến đường dẫn và tiêu chí xử lý.

IV. Ứng dụng tích hợp dữ liệu cán bộ Viện Năng lượng nguyên tử

Hệ thống tích hợp dữ liệu mang lại giá trị thực tiễn to lớn cho công tác quản trị nhân sự. Việc hoàn thiện hệ thống giúp Viện Năng lượng nguyên tử đồng bộ dữ liệu cán bộ thành công với Cơ sở dữ liệu quốc gia. Mọi sai lệch thông tin trước đây được giải quyết dứt điểm và chính xác. Các báo cáo định kỳ về nâng lương, quy hoạch cán bộ và chế độ hưu trí được lập tự động. Cán bộ tổ chức nhân sự tiết kiệm đáng kể thời gian xử lý thủ công và hạn chế tối đa sai sót. Dữ liệu tập trung giúp ban lãnh đạo theo dõi sát sao sự phát triển nguồn nhân lực chất lượng cao của Viện. Nền tảng này cũng hỗ trợ xây dựng kế hoạch đào tạo chuyên sâu và phân bổ nhiệm vụ nghiên cứu khoa học hợp lý. Mô hình tích hợp dữ liệu thực nghiệm đã chứng minh tính ổn định, linh hoạt và chi phí triển khai thấp. Thành công của đề tài mở ra hướng đi mới cho việc số hóa quản trị tại các viện nghiên cứu chuyên ngành.

4.1. Hiệu quả tự động hóa báo cáo và chính sách

Hệ thống tự động hóa quá trình tổng hợp báo cáo nhân sự theo mẫu của Bộ Khoa học và Công nghệ. Cơ chế tính toán tự động dựa trên ngày sinh và ngày vào ngành để lập danh sách nâng bậc lương. Lịch trình nghỉ hưu và các chính sách thâm niên được cảnh báo kịp thời. Cán bộ quản lý dễ dàng xuất dữ liệu ra định dạng Excel hoặc PDF chỉ với vài thao tác. Việc này xóa bỏ tình trạng chậm trễ hoặc bỏ quên quyền lợi của người lao động. Dữ liệu chuẩn xác thúc đẩy sự minh bạch trong môi trường nghiên cứu khoa học. Năng suất lao động của bộ phận tổ chức cán bộ tăng lên rõ rệt.

4.2. Khả năng mở rộng cho cơ quan nghiên cứu

Kiến trúc phần mềm xây dựng bằng Python và Pandas có tính module hóa cao. Mã nguồn được thiết kế mở, cho phép tùy biến cấu hình đầu vào và đầu ra dễ dàng. Các viện nghiên cứu khoa học có mô hình hoạt động tương tự đều có thể áp dụng giải pháp. Đơn vị chỉ cần thay đổi đường dẫn thư mục và cấu trúc cột tương ứng mà không phải viết lại mã nguồn. Hệ thống cũng có thể mở rộng để tiếp nhận các định dạng dữ liệu phức tạp hơn như cơ sở dữ liệu quan hệ hay tệp JSON. Đây là giải pháp công nghệ có chi phí thấp nhưng mang lại hiệu năng cao. Hướng tiếp cận này đóng góp thiết thực cho mục tiêu chuyển đổi số toàn diện.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU Tích hợp dữ liệu hay còn được biết đến là Data Integration là một khái niệm quan trọng trong việc giải quyết bài toán quản lý và khai thác dữ liệu trong thời đại 4. Nó đóng vai trò trung tâm và nền móng không thể thiếu trong việc giải quyết các thách thức trong việc quản lý, khai thác và phân tích Dữ liệu lớn (Big Data). Quá trình này rất quan trọng vì Big Data thường đến từ các nguồn dữ liệu đa dạng, có khối lượng lớn và đòi hỏi tốc độ cao. Chính vì vậy thách thức đặt ra trong việc xử lý dữ liệu Big Data đỏi hỏi các cơ sở dữ liệu phải được gom lại để xử lý hiệu quả và Tích hợp dữ liệu là kỹ thuật hoàn hảo để giải quyết vấn đề đó.

Hiện tại có ba hướng giải pháp chính cho bài toán quản lý và khai thác dữ liệu hiệu quả hiện nay thường được sử dụng là Tích hợp dữ liệu (Data Integration), Hợp nhất dữ liệu (Data Consolidation) và Tổng hợp dữ liệu (Data Aggregation) tuỳ vào nhu cầu sử dụng và trường hợp sử dụng mà người dùng có thể chọn phương án thích hợp. Tuy nhiên, để có thể thực hiện việc Data Consolidation hay Data Aggregation thì điều kiện tiên quyết là dữ liệu cần phải được Tích hợp, nên có thể coi việc Tích hợp dữ liệu là nền móng căn bản và quan trọng nhất trong bài toán quản lý dữ liệu. Từ đó học viên tiến hành nghiên cứu về bài toán Tích hợp dữ liệu. “Tích hợp dữ liệu là vấn đề kết hợp dữ liệu tại nhiều nguồn và cho phép người dùng có một cách nhìn hợp nhất với những dữ liệu đó” [3].

Nghiên cứu và tìm hiểu lý thuyết về Tích hợp dữ liệu – Data Intergration, các kỹ thuật tích hợp dữ liệu, các công cụ liên quan để thực hiện việc tích hợp dữ liệu để qua đó nghiên cứu đề xuất phương án giải quyết bài toán “Tích hợp dữ liệu cho hệ thống quản lý cán bộ, viên chức của Viện Năng lượng nguyên tử”. Nghiên cứu xây dựng và đề xuất phương án Tích hợp dữ liệu nhằm giải quyết bài toán về khai thác và sử dụng cơ sở dữ liệu cán bộ, viên chức, người lao động tại Viện Năng lượng nguyên tử Việt Nam sau sáp nhập. Cách tiếp cận vấn đề quản lý và khai thác dữ liệu Trong bối cảnh các cơ sở dữ liệu ngày một lớn và phân hóa một cách dàn trải trên thế giới nói chung và tại Việt Nam nói riêng ở trên thì việc quản lý và khai thác dữ liệu là yêu cầu vô cùng cấp thiết. Cùng với nhu cầu phát triển của con người, việc công nghệ phát triển để phục vụ nhân loại là tất yếu.

Tuy nhiên, các cơ sở dữ liệu đi kèm theo nó liên tục được tạo mới, liên tục thay đổi và được hình thành từ nhiều nguồn luôn luôn là một mớ hỗn độn khiến các nhà khoa học, các nhà nghiên cứu luôn đau đầu trong việc quản lý và khai thác chúng một cách hiệu quả. Để có thể khai thác, sử dụng và quản lý các cơ sở dữ liệu trên một cách khoa học và dễ hiểu nhất, các nhà khoa học đã nghiên cứu không ngừng và đề xuất nhiều giải pháp nhằm giải bài toán này. Trong đó ba hướng kỹ thuật, giải pháp chính cho bài toán quản lý và khai thác dữ liệu hiệu quả hiện nay thường được sử dụng là Tích hợp dữ liệu (Data Integration), Hợp nhất dữ liệu (Data Consolidation) và Tổng hợp dữ liệu (Data Aggregation) với mục tiêu cuối cùng là đưa ra một nguồn sự thật duy nhất (Single Source of Truth). Tuy nhiên trong ngữ cảnh rộng hơn thì thuật ngữ “Tích hợp dữ liệu” thường được dùng để chỉ toàn bộ các kỹ thuật trên và trong kỹ thuật quản trị dữ liệu nó ám chỉ quy trình bao trùm nhiều bước nhỏ bao gồm cả các bài toán về hợp nhất và tổng hợp dữ liệu.

Tích hợp dữ liệu (Data Integration) Tích hợp dữ liệu hay Data Integration thường được sử dụng để đề cập đến quá trình kết hợp dữ liệu từ nhiều nguồn, nhiều cơ sở dữ liệu, databasse khác nhau và rời rạc trở thành một thể thống nhất (thường là một cơ sở dữ liệu) nhằm đảm bảo tính toàn vẹn của dữ liệu đồng thời cung cấp khả năng truy xuất dữ liệu đồng bộ [3]. Cũng theo tác giả Lenzerini thì đây là bước nền tảng mang tính quyết định cho phép người dùng có thể khai thác thông tin từ nhiều nguồn khác nhau, đây là một lĩnh vực nghiên cứu có tính chất quan trọng trong việc quản trị cơ sở dữ liệu. Ứng dụng điển hình của quá trình này là giúp giảm thiểu phân mảnh dữ liệu, hỗ trợ truy vấn và khai thác dữ liệu cụ thể trong các nền tảng Dữ liệu lớn (Big Data) như Kho dữ liệu (Data warehouse), Hồ dữ liệu (Data lake) hoặc các hệ thống Internet vạn vật (Internet of Things)… 1. Tổng hợp dữ liệu (Data Aggregation) Tổng hợp dữ liệu hay Data Aggregation là thuật ngữ nhằm chỉ quá trình thu thập dữ liệu từ nhiều nguồn khác nhau hoặc nhiều hệ thống (thường là các cửa hàng, các công ty con, các đơn vị trực thuộc, các điểm có cùng một tiêu chuẩn và dạng dữ liệu) sau đó tiến hành gộp lại thành một dữ liệu mang tính tóm tắt tổng quan, thống nhất (thường là một báo cáo tổng hợp trung bình số liệu, tổng số liệu, giá trị thấp nhất và giá trị cao nhất trong các cơ sở dữ liệu) để giúp người dùng phân tích sâu hơn và hỗ trợ việc quản trị và sử dụng dữ liệu.

Quá trình này giúp đơn hóa công tác thống kê, cung cấp một cái nhìn tổng thể cho người quản lý dữ liệu. Cách tiếp cận việc xử lý dữ liệu này giúp giảm thiểu đáng kể khối lượng dữ liệu cũng như thời gian phân tích dữ liệu. Theo các tác giả Karthick & Kalrani nhận định trong nghiên cứu của họ năm 2014, “Data Aggregation không tập trung vào tính toàn vẹn tuyệt đối của dữ liệu nguồn mà nó tập trung vào việc tổng hợp, phân tích và tóm tắt dữ liệu một cách tổng quan nhất”. Ứng dụng cụ thể của quá trình này là giúp việc quản trị doanh nghiệp có thể dễ dàng so sánh doanh số giữa các mặt hàng, so sánh doanh số và tiêu thụ tại mỗi điểm bán hàng, tổng quan các báo cáo thống kê, kết quả kinh doanh nhằm đưa ra phương án quản trị, tìm ra xu hướng thị trường, tổng hợp dữ liệu sử dụng các thiết bị IoT… 1.

Hợp nhất dữ liệu (Data Consolidation) Hợp nhất dữ liệu hay Data Consolidation là thuật ngữ thường được dùng để nhắc đến quá trình thu thập và kết hợp dữ liệu từ nhiều nguồn dữ liệu khác nhau thành một nguồn dữ liệu duy nhất. Khác với Tích hợp dữ liệu, quá trình này thường được sử dụng với các nguồn dữ liệu sau khi đã được tích hợp với mục đích chính là loại bỏ các dữ liệu bị trùng lặp, có mâu thuẫn với nhau nhằm đảm bảo dữ liệu cuối. Tác giả Batini et al [12] đề cập và ca ngợi đến quá trình này là một “single source of truth” (nguồn sự thật duy nhất) trong quản trị dữ liệu. Mục đích chính của Hợp nhất dữ liệu là nó giúp đơn giản hóa việc quản lý dữ liệu, giảm thiểu chi phí vận hành và tăng cường tính chính xác trong việc phân tích dữ liệu cho người dùng trong Data Warehouse hoặc trong hệ thống các máy chủ… 1.

So sánh giữa Tích hợp dữ liệu (Data Integration), Tổng hợp dữ liệu (Data Aggregation) và Hợp nhất dữ liệu (Data Consolidation) Bảng 1. So sánh các cách giải quyết vấn đề tích hợp dữ liệu Tích hợp dữ liệu Tổng hợp dữ liệu Hợp nhất dữ liệu Mục đích Kết hợp dữ liệu từ Tổng hợp số liệu, Chuẩn hóa, hợp nhiều nguồn, tóm tắt dữ liệu và nhất dữ liệu vào nhiều cơ sở dữ tính toán dữ liệu một hệ thống trung liệu khác nhau cơ bản để phục vụ tâm, loại bỏ trùng thành một cơ ở dữ phân tích lặp và dữ liệu xấu liệu thống nhất Đặc thù Đặc điểm chính là Đặc điểm chính là Đặc điểm chính là khả năng kết nối khả năng tính độ chính xác, tính và tương thích toán, rút gọn và toàn vẹn và đưa ra giữa các hệ thống phân nhóm các dữ một nguồn duy cơ sở dữ liệu khác liệu nhất nhau Kết quả Tạo ra một hệ Tạo ra báo cáo cơ Tạo ra cơ sở dữ thống cơ sở dữ sở dữ liệu dễ đọc liệu duy nhất, liệu đa nguồn có và hình dung, được chuẩn hóa và khả năng truy xuất phục vụ mục đích có tính ổn định lâu và khai thác đồng phân tích dài bộ Ứng dụng ETL, IoT, Big Báo cáo tài chính, Data warehouse Data phân tích kết quả kinh doanh Vai trò Bước nền móng Tạo ra thông tin Đảm bảo cơ sở dữ quan trọng trong dễ hiểu và tập liệu đáng tin cậy, khối liên thông dữ trung, giúp người dài hạn liệu dùng nhận định thông tin Từ đó có thể thể thấy mối quan hệ giữa ba quá trình này mang tính tuần tự và bổ trợ lẫn nhau trong một quy trình tổng thể về quản trị liên thông dữ liệu: Tích hợp dữ liệu => Tổng hợp dữ liệu => Hợp nhất dữ liệu. Tuy nhiên tùy thuộc vào mục đích sử dụng và yêu cầu về dữ liệu đầu ra và nguồn kinh phí mà người dùng có thể chọn phương án quản lý dữ liệu hợp lý nhất. Giới thiệu về Viện Năng lượng nguyên tử Việt Nam Viện Năng lượng nguyên tử Việt Nam tiền thân là Viện Nghiên cứu hạt nhân Đà Lạt chính thức tiếp nhận lò phản ứng hạt nhân Đà Lạt vào cuối năm 1975 sau khi thống nhất đất nước từ Việt Nam Cộng hoà.

Vào năm 1979, Viện được chính thức thành lập theo quyết định số 59-CP ngày 23/2/1979 của Hội đồng Chính phủ, đặt dưới sự chỉ đạo trực tiếp của Thủ tướng Chính phủ. Viện Năng lượng nguyên tử Việt Nam là tổ chức sự nghiệp khoa học và công nghệ hạng đặc biệt trực thuộc Bộ Khoa học và Công nghệ có chức năng giúp Bộ trưởng nghiên cứu cơ bản, nghiên cứu ứng dụng và triển khai các hoạt động ứng dụng kết quả nghiên cứu trong lĩnh vực năng lượng nguyên tử; hỗ trợ kỹ thuật phục vụ công tác quản lý nhà nước về năng lượng nguyên tử, an toàn bức xạ và hạt nhân; tổ chức hoạt động đào tạo, dịch vụ trong lĩnh vực năng lượng nguyên tử theo quy định của pháp luật. Viện Năng lượng nguyên tử Việt Nam có tên giao dịch quốc tế bằng tiếng Anh là: Vietnam Atomic Energy Institute (viết tắt là VINATOM).