Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh cuộc Cách mạng Công nghiệp lần thứ tư, khoa học công nghệ và Internet trở thành động lực then chốt cho sự phát triển kinh tế - xã hội. Dữ liệu từ Ngân hàng Thế giới (2020) ghi nhận Việt Nam đạt 68,72 triệu người sử dụng Internet, chiếm khoảng 70% dân số. Sự gia tăng kết nối số tạo ra khối lượng dữ liệu khổng lồ trong mọi lĩnh vực, thường được gọi là "Dữ liệu lớn" (Big Data). Theo báo cáo của Entrepreneur (2019), các doanh nghiệp ứng dụng dữ liệu lớn trong sản xuất kinh doanh có thể gia tăng tỷ lệ lợi nhuận từ 8% đến 10%, đồng thời cải thiện năng suất, tối ưu hóa chi phí và nâng cao năng lực cạnh tranh.

Tuy nhiên, việc thu thập, lưu trữ, quản lý và phân tích dữ liệu lớn là quy trình phức tạp. Đối với các doanh nghiệp vừa và nhỏ (DNNVV) — đối tượng chiếm hơn 97% tổng số doanh nghiệp, đóng góp 50% GDP và tạo ra trên 60% việc làm tại Việt Nam theo định nghĩa tại Nghị định số 56/2009/NĐ-CP — việc tiếp cận công nghệ này gặp nhiều trở ngại. Báo cáo của Vietnam Report (2019) và khảo sát từ Bộ Công Thương chỉ ra các thách thức lớn như: nguồn vốn hạn hẹp, khoảng 30% doanh nghiệp gặp khó khăn trong tuyển dụng nhân sự công nghệ thông tin chất lượng cao, nhận thức về dữ liệu lớn chưa đầy đủ, e ngại rủi ro bảo mật và khung pháp lý hỗ trợ chưa đồng bộ.

Xuất phát từ thực tế đó, đề tài "Ứng dụng phương pháp AHP đánh giá các nhân tố ảnh hưởng tới áp dụng dữ liệu lớn trong doanh nghiệp vừa và nhỏ: Trường hợp Công ty Cổ phần Chọn lọc thông tin (INFORE)" được thực hiện bởi tác giả Dương Thị Kim Ngân, dưới sự hướng dẫn của PGS. Lưu Quốc Đạt tại Trường Đại học Kinh tế – Đại học Quốc gia Hà Nội (11/2022).

Mục tiêu nghiên cứu: Trên cơ sở nghiên cứu lý luận và tổng kết thực tiễn, đề tài ứng dụng phương pháp Phân tích thứ bậc (AHP) nhằm xác định và đánh giá mức độ quan trọng của các nhân tố ảnh hưởng tới việc áp dụng dữ liệu lớn tại Công ty Cổ phần Chọn lọc thông tin (INFORE), từ đó đề xuất hệ thống giải pháp khả thi giúp các DNNVV định hướng và áp dụng dữ liệu lớn.

Nhiệm vụ nghiên cứu:

  1. Tổng quan tài liệu về các nhân tố ảnh hưởng tới áp dụng dữ liệu lớn trong doanh nghiệp tại các quốc gia và bối cảnh khác nhau, từ đó xây dựng mô hình nghiên cứu phù hợp cho DNNVV.
  2. Hệ thống hóa cơ sở lý luận về dữ liệu lớn và đặc điểm phát triển của doanh nghiệp vừa và nhỏ.
  3. Ứng dụng phương pháp AHP để xác định mức độ ưu tiên của các nhân tố ảnh hưởng tới áp dụng dữ liệu lớn tại Công ty Cổ phần Chọn lọc thông tin (INFORE).
  4. Đề xuất quan điểm, phương hướng, giải pháp và kiến nghị thực tiễn cho doanh nghiệp và cơ quan quản lý.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các nhân tố ảnh hưởng tới việc áp dụng dữ liệu lớn trong doanh nghiệp vừa và nhỏ.
  • Đối tượng khảo sát thực nghiệm: Ban lãnh đạo và chuyên gia tại Công ty Cổ phần Chọn lọc thông tin (INFORE).
  • Phạm vi nội dung: Đánh giá 3 nhóm nhân tố chính theo mô hình TOE gồm Công nghệ (5 tiêu chí), Tổ chức (4 tiêu chí) và Môi trường (4 tiêu chí).
  • Phạm vi không gian: Công ty Cổ phần Chọn lọc thông tin (INFORE).
  • Phạm vi thời gian: Thu thập số liệu khảo sát sơ cấp từ ngày 15/09/2022 đến ngày 15/10/2022; dữ liệu thứ cấp được tổng hợp trong giai đoạn 2015–2022.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và khái niệm nền tảng

Khóa luận tiếp cận dữ liệu lớn dựa trên định nghĩa của Gartner (2013): dữ liệu lớn là tài sản thông tin có dung lượng lớn, tốc độ cao và đa dạng cao, đòi hỏi các hình thức xử lý thông tin hiệu quả về chi phí nhằm nâng cao việc ra quyết định và tối ưu hóa quy trình. Đặc trưng của dữ liệu lớn được chuẩn hóa qua mô hình 5Vs:

  • Khối lượng (Volume): Quy mô dữ liệu vượt khả năng xử lý của các công cụ truyền thống, đòi hỏi hệ thống lưu trữ phân tán.
  • Tốc độ (Velocity): Tốc độ phát sinh và yêu cầu xử lý dữ liệu theo thời gian thực (real-time).
  • Sự đa dạng (Variety): Dữ liệu tồn tại dưới dạng có cấu trúc, bán cấu trúc và phi cấu trúc (chiếm hơn 80% tổng lượng dữ liệu toàn cầu).
  • Độ tin cậy (Veracity): Tính chính xác, xác thực và yêu cầu loại bỏ dữ liệu nhiễu.
  • Giá trị thông tin (Value): Khả năng chuyển hóa dữ liệu thành tri thức phục vụ dự báo và quản trị.

Về mô hình tiếp nhận công nghệ, tác giả kế thừa khung phân tích Công nghệ – Tổ chức – Môi trường (Technology - Organization - Environment: TOE) của Tornatzky và cộng sự (1990), kết hợp đối sánh với các lý thuyết liên quan như: Lý thuyết khuếch tán đổi mới (DOI), Mô hình chấp nhận công nghệ (TAM), Mô hình chấp nhận và sử dụng công nghệ hợp nhất (UTAUT) của Venkatesh và cộng sự (2003), và Mô hình Động lực – Cơ hội – Khả năng (MOA) của Wang và cộng sự (2018).

Tiêu chuẩn cấp 1 Tiêu chí cấp 2 Nội dung / Định nghĩa Nguồn tài liệu kế thừa
Công nghệ (C1) Nhận thức về lợi ích (C11) Nhận thức về lợi thế vượt trội so với giải pháp truyền thống (tăng doanh thu, giảm chi phí). Sun và cs (2016), Nam và cs (2015), Mahesh và cs (2018), Lutfi và cs (2022)
Khả năng tương thích (C12) Mức độ phù hợp với hệ thống thông tin, quy trình và văn hóa hiện tại của doanh nghiệp. Gangwar (2018), Walker & Brown (2019), Park & Kim (2021), Paik và cs (2015)
Tính phức tạp/đơn giản (C13) Mức độ thách thức hoặc dễ dàng trong triển khai, khai thác và đào tạo nhân sự. Rogers (2010), Asiaei & Rahim (2019), Wessels & Jokonya (2022)
An toàn bảo mật (C14) Rủi ro về bảo mật thông tin, kiểm soát và quyền riêng tư dữ liệu. Skafi và cs (2020), Armi & Almaiah (2021), Lutfi và cs (2022)
Chất lượng dữ liệu (C15) Độ chuẩn hóa, tính chính xác và độ tin cậy của dữ liệu đầu vào. Walker & Brown (2019), Park & Kim (2021)
Tổ chức (C2) Trình độ người lao động (C21) Đội ngũ nhân sự có đủ năng lực chuyên môn để phân tích, đánh giá dữ liệu. Chen và cs (2015), Fredriksson (2015), Wessels & Jokonya (2022)
Khả năng tài chính (C22) Nguồn lực tài chính đảm bảo chi phí đầu tư hạ tầng, phần mềm và vận hành hệ thống. Cao và cs (2014), Paik và cs (2015), Park & Kim (2021)
Năng lực công nghệ (C23) Nền tảng hạ tầng kỹ thuật và công nghệ thông tin sẵn có của doanh nghiệp. Xu và cs (2004), Lian và cs (2014), Nam và cs (2015)
Sự ủng hộ của lãnh đạo (C24) Cam kết, tầm nhìn và sự đồng thuận của nhà quản lý cấp cao đối với việc đổi mới. Ahmad và cs (2016), Hung và cs (2016), Salleh & Janczewski (2016)
Môi trường (C3) Áp lực cạnh tranh (C31) Tác động thúc đẩy từ các đối thủ cạnh tranh trên thị trường. Grandon & Pearson (2004), Albar & Hoque (2019), Lutfi và cs (2022)
Áp lực từ khách hàng (C32) Yêu cầu đáp ứng và phân tích hành vi khách hàng trong nền kinh tế số. Wessels & Jokonya (2022), Lutfi và cs (2022)
Chính sách của Chính phủ (C33) Khung pháp lý, tiêu chuẩn và chính sách hỗ trợ phát triển công nghệ. Lai và cs (2018), Paik và cs (2015), Park & Kim (2021)
Áp lực từ đối tác (C34) Yêu cầu tích hợp dữ liệu để duy trì chuỗi cung ứng và hợp tác kinh doanh. Chong & Ooi (2008), Lin & Lin (2008), Walker & Brown (2019)

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp Phân tích thứ bậc (Analytic Hierarchy Process - AHP) do Thomas L. Saaty đề xuất. Phương pháp này phân rã bài toán ra quyết định phức tạp thành cấu trúc phân cấp, sử dụng ma trận so sánh cặp giữa các yếu tố theo thang đo 5 bậc thu gọn ($1/5, 1/4, 1/3, 1/2, 1, 2, 3, 4, 5$).

Quy trình tính toán toán học gồm các bước:

  1. Xây dựng cây phân cấp với mục tiêu tổng thể tại đỉnh, 3 tiêu chuẩn cấp 1 và 13 tiêu chí cấp 2.
  2. Thiết lập ma trận so sánh cặp $A = [a_{ij}]{n \times n}$ thỏa mãn $a{ij} > 0, a_{ji} = 1/a_{ij}, a_{ii} = 1$.
  3. Kiểm tra tính nhất quán thông qua Tỷ số nhất quán ($CR$): $$CR = \frac{CI}{RI}$$ Trong đó, Chỉ số nhất quán $CI = \frac{\lambda_{\max} - n}{n - 1}$ ($\lambda_{\max}$ là giá trị riêng lớn nhất của ma trận, $n$ là cấp ma trận). Chỉ số ngẫu nhiên ($RI$) được tra theo bảng chuẩn của Saaty:
$n$ 1 2 3 4 5 6 7 8 9 10
$RI$ 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49

Điều kiện chấp nhận độ tin cậy của đánh giá là $CR \le 0.10$ (10%). 4. Xác định trọng số thành phần và trọng số tổng hợp bằng phương pháp trung bình nhân (Geometric Mean) và chuẩn hóa vector trọng số $W = (w_1, w_2, \dots, w_n)^T$.

Nội dung chính theo từng chương

Chương 1: Tổng quan tình hình nghiên cứu và cơ sở lý luận về các nhân tố ảnh hưởng tới việc sử dụng dữ liệu lớn trong doanh nghiệp vừa và nhỏ

Chương này tổng kết các công trình nghiên cứu quốc tế và trong nước về ứng dụng dữ liệu lớn. Tác giả phân loại hai nhóm nghiên cứu chính:

  • Nhóm nghiên cứu ứng dụng mô hình TOE: Tiêu biểu gồm Sun và cs (2016) với 26 nhân tố; Nam và cs (2015) sử dụng mô hình cấu trúc tuyến tính (SEM); Mahesh và cs (2018) khảo sát 30 công ty tài chính tại Sri Lanka; Lutfi và cs (2022) phân tích 37 lãnh đạo DNNVV tại Jordan bằng PLS-SEM; Walker & Brown (2019) xác định 14 yếu tố tại Nam Phi; Park & Kim (2021) kết hợp AHP và hồi quy trên 276 doanh nghiệp Hàn Quốc; Paik và cs (2015) sử dụng AHP với 50 chuyên gia công nghệ; Wessels & Jokonya (2022) tổng hợp tài liệu giai đoạn 2004–2020.
  • Nhóm nghiên cứu không sử dụng mô hình TOE: Silva và cs (2019) với 564 nhà quản lý qua UTAUT; Sanchez & Ramos (2020); Wang và cs (2018) khảo sát 20 chuyên gia Trung Quốc bằng mô hình MOA kết hợp DEMATEL-ANP; Rahman (2016); Hằng và Bảo (2021) khảo sát 55 nhà quản lý doanh nghiệp dịch vụ tại Việt Nam.

Từ việc chỉ ra khoảng trống nghiên cứu (các công trình tại Việt Nam chưa tập trung phân tích sâu cho quy mô DNNVV dưới mô hình TOE và AHP), chương 1 làm rõ các khái niệm, đặc trưng 5Vs, 8 lợi ích kinh tế (theo Henka, 2016), 4 rào cản thực tế của DNNVV và thiết lập bảng danh mục 13 nhân tố ảnh hưởng.

Chương 2: Thiết kế và phương pháp nghiên cứu

Chương 2 trình bày chi tiết quy trình nghiên cứu 4 bước:

  1. Tổng quan tài liệu thứ cấp giai đoạn 2015–2022 để xác định danh mục biến.
  2. Xây dựng khung đánh giá và cây phân cấp AHP.
  3. Thiết kế bảng câu hỏi khảo sát chuyên gia và phỏng vấn tại Công ty INFORE.
  4. Thu thập, xử lý số liệu, kiểm định tỷ số nhất quán $CR$, tính toán trọng số ưu tiên và đưa ra khuyến nghị.

Tác giả giải thích chi tiết cơ sở toán học của phương pháp AHP, quy tắc thiết lập ma trận vuông cấp $n$, thang điểm so sánh 5 mức độ, công thức tính $\lambda_{\max}$, chỉ số $CI$, tỷ số $CR$, và công thức tổng hợp điểm trọng số toàn cục ($WS$).

Chương 3: Ứng dụng phương pháp AHP đánh giá các nhân tố ảnh hưởng tới việc sử dụng dữ liệu lớn trong doanh nghiệp vừa và nhỏ: Trường hợp Công ty Cổ phần Chọn lọc thông tin (INFORE)

Chương 3 tập trung vào nghiên cứu thực nghiệm tại Công ty Cổ phần Chọn lọc thông tin (INFORE) — một doanh nghiệp khoa học công nghệ chuyên về phát triển ứng dụng Trí tuệ nhân tạo (AI) và đào tạo nhân lực.

Nội dung chương trình bày:

  • Tổng quan về lịch sử hình thành, cơ cấu tổ chức, đặc điểm sản xuất kinh doanh và thực trạng hạ tầng dữ liệu lớn tại INFORE.
  • Quy trình triển khai bảng hỏi khảo sát ma trận so sánh cặp đối với các thành viên trong ban lãnh đạo công ty từ ngày 15/09/2022 đến ngày 15/10/2022.
  • Kiểm định tính nhất quán của các ma trận đánh giá chuyên gia, đảm bảo hệ số $CR \le 0.10$.
  • Tính toán và tổng hợp ma trận trọng số cục bộ của từng nhóm tiêu chuẩn (Công nghệ, Tổ chức, Môi trường) và trọng số toàn cục của 13 tiêu chí thành phần.

Chương 4: Kết luận và một số kiến nghị

Dựa trên thứ tự ưu tiên của các trọng số thu được từ mô hình AHP, chương 4 tổng kết các phát hiện chính và đề xuất hệ thống giải pháp cho DNNVV:

  • Về phía doanh nghiệp: Nâng cao nhận thức của lãnh đạo về giá trị kinh tế của dữ liệu lớn, xây dựng lộ trình đào tạo nguồn nhân lực CNTT nội bộ, đầu tư hạ tầng công nghệ tương thích từng giai đoạn nhằm giảm áp lực tài chính.
  • Về phía cơ quan quản lý nhà nước: Hoàn thiện khung pháp lý về an toàn, bảo mật dữ liệu số, ban hành các gói chính sách hỗ trợ tài chính và kỹ thuật cho DNNVV tiếp cận công nghệ dữ liệu lớn.

Kết quả và đóng góp

Kết quả nghiên cứu chính

  • Khóa luận đã hệ thống hóa và chứng minh tính thực tiễn của khung mô hình TOE tích hợp 13 tiêu chí phụ để đánh giá việc áp dụng dữ liệu lớn trong môi trường DNNVV.
  • Áp dụng thành công thuật toán AHP của Saaty với thang đo so sánh 5 bậc, thực hiện kiểm định tính nhất quán toán học đạt chuẩn ($CR \le 10%$), loại bỏ các đánh giá cảm tính không nhất quán.
  • Xác lập cơ sở định lượng về mức độ ưu tiên của các yếu tố tác động, làm rõ vai trò then chốt của nguồn lực nội bộ (trình độ nhân lực, sự ủng hộ của lãnh đạo, năng lực tài chính) bên cạnh các yêu cầu kỹ thuật về an toàn bảo mật và chất lượng dữ liệu.

Đóng góp về mặt lý luận

  1. Tổng quan có hệ thống các công trình nghiên cứu trong và ngoài nước về dữ liệu lớn, tổng hợp đa dạng các mô hình lý thuyết (TOE, DOI, TAM, UTAUT, MOA, DEMATEL-ANP, PLS-SEM).
  2. Xây dựng khung phân tích hoàn chỉnh dựa trên mô hình TOE, chuẩn hóa 13 tiêu chí phù hợp với đặc thù quy mô và năng lực của doanh nghiệp vừa và nhỏ.
  3. Đóng góp thêm tài liệu học thuật về việc ứng dụng phương pháp ra quyết định đa tiêu chí (AHP) trong lĩnh vực kinh tế phát triển và quản trị công nghệ tại Việt Nam.

Đóng góp về mặt thực tiễn

  1. Cung cấp bức tranh thực tế về quá trình tiếp cận dữ liệu lớn tại một doanh nghiệp công nghệ tiêu biểu (INFORE).
  2. Kết quả xếp hạng trọng số là nguồn tài liệu tham khảo cho các nhà quản lý DNNVV khác trong việc phân bổ ngân sách, lựa chọn công nghệ và chuẩn bị nhân lực khi triển khai dữ liệu lớn.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài

  • Quy mô mẫu khảo sát: Nghiên cứu thực nghiệm tập trung vào trường hợp một doanh nghiệp đơn lẻ là Công ty Cổ phần Chọn lọc thông tin (INFORE) — một đơn vị hoạt động trong ngành CNTT/AI, vốn có mức độ sẵn sàng công nghệ cao hơn so với mặt bằng chung các DNNVV truyền thống.
  • Tính chủ quan của phương pháp: Kết quả ma trận AHP phụ thuộc vào nhận định chuyên môn của các chuyên gia trong hội đồng đánh giá tại doanh nghiệp được khảo sát.
  • Phạm vi thời gian: Quá trình thu thập dữ liệu diễn ra trong 1 tháng (15/09/2022 – 15/10/2022), chưa phản ánh được biến động dài hạn của thị trường công nghệ.

Hướng nghiên cứu tiếp theo

  • Mở rộng phạm vi khảo sát thực nghiệm trên tập mẫu nhiều DNNVV thuộc các ngành nghề khác nhau (sản xuất, thương mại, dịch vụ, tài chính).
  • Kết hợp phương pháp AHP với các công cụ phân tích định lượng khác như mô hình mạng ANP, DEMATEL hoặc mô hình phương trình cấu trúc (SEM/PLS-SEM) trên cỡ mẫu lớn để kiểm định mối quan hệ tương tác hai chiều và tác động nhân quả giữa các biến số.

Giá trị tham khảo

  • Đối tượng thụ hưởng:
    • Sinh viên, học viên cao học các ngành Kinh tế phát triển, Quản trị kinh doanh, Quản trị công nghệ thông tin và Hệ thống thông tin quản lý.
    • Các nhà nghiên cứu đang tìm kiếm tài liệu tham khảo về mô hình chấp nhận công nghệ (TOE) và kỹ thuật ra quyết định đa tiêu chí (MCDM/AHP).
    • Chủ doanh nghiệp và các nhà quản trị tại các doanh nghiệp vừa và nhỏ đang xây dựng chiến lược chuyển đổi số và khai thác dữ liệu lớn.
  • Nội dung có giá trị tham khảo cao:
    • Bảng tổng quan hệ thống hóa các biến số công nghệ, tổ chức, môi trường từ các nghiên cứu quốc tế giai đoạn 2015–2022.
    • Hướng dẫn chi tiết từng bước tính toán toán học của phương pháp AHP, quy tắc thiết lập ma trận so sánh cặp và kiểm tra tính nhất quán thông qua chỉ số $CR$ và bảng tra $RI$.

Câu hỏi thường gặp

1. Khóa luận sử dụng khung lý thuyết nào làm nền tảng chính để đánh giá các nhân tố ảnh hưởng?
Tác giả sử dụng mô hình Công nghệ – Tổ chức – Môi trường (TOE) của Tornatzky và cộng sự (1990), kết hợp với Lý thuyết khuếch tán đổi mới (DOI) và mô hình TAM/UTAUT để phân loại các yếu tố tác động thành 3 nhóm: bối cảnh Công nghệ, bối cảnh Tổ chức và bối cảnh Môi trường.

2. Cây phân cấp AHP trong nghiên cứu bao gồm bao nhiêu tiêu chuẩn và tiêu chí thành phần?
Cây phân cấp gồm 3 tiêu chuẩn cấp 1 (Công nghệ - C1, Tổ chức - C2, Môi trường - C3) và 13 tiêu chí cấp 2: 5 tiêu chí thuộc nhóm Công nghệ (C11–C15), 4 tiêu chí thuộc nhóm Tổ chức (C21–C24) và 4 tiêu chí thuộc nhóm Môi trường (C31–C34).

3. Khảo sát thực nghiệm được tiến hành tại đơn vị nào và trong thời gian bao lâu?
Nghiên cứu khảo sát thực tế tại Công ty Cổ phần Chọn lọc thông tin (INFORE) — một doanh nghiệp CNTT chuyên về ứng dụng AI và đào tạo nhân lực — với thời gian thu thập dữ liệu bảng hỏi từ ngày 15/09/2022 đến ngày 15/10/2022.

4. Điều kiện để ma trận so sánh cặp trong phương pháp AHP của tác giả được chấp nhận là gì?
Tỷ số nhất quán ($CR = CI / RI$) của ma trận so sánh cặp phải thỏa mãn điều kiện $CR \le 0.10$ (tức không vượt quá 10%). Nếu $CR > 0.10$, người ra quyết định phải tiến hành đánh giá và tính toán lại ma trận so sánh.

5. Những rào cản chính nào đối với DNNVV Việt Nam khi ứng dụng dữ liệu lớn được văn bản nêu ra?
Văn bản nêu ra 4 rào cản chính: nguồn vốn đầu tư và duy trì hệ thống hạn hẹp; thiếu hụt nhân lực CNTT chất lượng cao (khoảng 30% doanh nghiệp gặp khó khăn tuyển dụng); nhận thức của lãnh đạo về dữ liệu lớn còn hạn chế; cùng với sự e ngại về an toàn bảo mật và khung pháp lý hỗ trợ chưa hoàn chỉnh.

Kết luận

Khóa luận tốt nghiệp của tác giả Dương Thị Kim Ngân đã hệ thống hóa cơ sở lý luận về dữ liệu lớn và mô hình TOE, đồng thời ứng dụng thành công phương pháp phân tích thứ bậc AHP trong việc định lượng hóa mức độ ưu tiên của các nhân tố ảnh hưởng tới việc áp dụng dữ liệu lớn tại Công ty Cổ phần Chọn lọc thông tin (INFORE). Nghiên cứu xây dựng cấu trúc đánh giá gồm 3 tiêu chuẩn cấp 1 và 13 tiêu chí cấp 2 đảm bảo độ tin cậy toán học qua chỉ số nhất quán. Kết quả nghiên cứu cung cấp căn cứ khoa học và thực tiễn hữu ích giúp các nhà quản lý doanh nghiệp vừa và nhỏ tại Việt Nam xây dựng chiến lược chuyển đổi số và ứng dụng dữ liệu lớn phù hợp với nguồn lực tổ chức.