648
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3
MỨC ĐỘ SẴN SÀNG ÁP DỤNG PHÂN TÍCH DỮ LIỆU LỚN TRONG CÁC
TỔ CHỨC-DOANH NGHIỆP DỰA TRÊN KHUNG LÝ THUYẾT TOE:
NGHIÊN CỨU TỔNG QUAN
Lê Thị Thu
Trường Đại học Thương mại
Email: lethithu@tmu.edu.vn
Tóm tt: Bài viết tập trung nghiên cứu tổng quan về việc đánh giá mức độ sẵn sàng
áp dụng phân tích dữ liệu lớn trong các tổ chức/doanh nghiệp, dựa trên khung lý thuyết
TOE (Technological-Organizational-Environmental). Bằng phương pháp nghiên cứu trắc
lượng thư mục kết hợp phân tích nội dung và sử dụng phần mềm VOSviewer, bài viết đã
tổng hợp một số mô hình và phương pháp đánh giá sự sẵn sàng áp dụng phân tích dữ liệu
lớn, trong đó tập trung vào các yếu tố ảnh hưởng từ Công nghệ, Tổ chức, và Môi trường.
Từ đó cung cấp một cái nhìn đa chiều về sự sẵn sàng áp dụng phân tích dữ liệu lớn bằng
cách kết hợp nhiều yếu tố chứ không chỉ xem xét từ một góc độ cụ thể nào đó. Bên cạnh
đó, nghiên cứu cũng phát hiện ra rằng, cần mở rộng khung lý thuyết TOE bằng cách tích
hợp yếu tố mới như "nhận thức và kiến thức về phân tích dữ liệu lớn của nhân viên",
nhằm nâng cao khả năng đánh giá sự sẵn sàng của tổ chức. Đồng thời, việc tổng hợp các
xu hướng nghiên cứu hiện tại về phân tích dữ liệu lớn và TOE đã mang lại cái nhìn tổng
quan về xu hướng phát triển của lĩnh vực này. Tóm lại, bài viết không chỉ giúp hiểu rõ về
sự sẵn sàng áp dụng phân tích dữ liệu lớn trong tổ chức, mà còn đóng góp vào việc phát
triển phương pháp đánh giá và mở rộng lý thuyết để phản ánh sự phức tạp của việc áp
dụng phân tích dữ liệu lớn trong các tổ chức hiện nay.
Từ khoá: Phân tích dữ liệu lớp, mức độ sẵn sàng áp dụng phân tích dữ liệu lớn, TOE.
1. Giới thiệu
Dữ liệu lớn (Big data) đề cập đến tập hợp lớn dữ liệu có cấu trúc, bán cấu trúc hoặc phi
cấu trúc, được lấy từ các nguồn tài nguyên khác nhau (Matthew & cộng sự, 2015). Do việc xử
lý dữ liệu lớn vượt quá khả năng của các công cụ phần mềm thông thường (Yin & Kaynak,
2015), nên các tổ chức/doanh nghiệp phải đối mặt với các quyết định đầu tư vào công nghệ liên
quan đến dữ liệu lớn. Tuy nhiên, dữ liệu lớn cũng đem lại rất nhiều lợi ích: Là một tài sản, dữ
liệu lớn có thể “cải thiện khả năng cạnh tranh, đổi mới và hiệu quả trong các tổ chức” (Braganza
& cộng sự, 2016).
Thuật ngữ phân tích dữ liệu lớn bao gồm các kỹ thuật và công nghệ phân tích tiên tiến
hoạt động trên dữ liệu lớn để có được thông tin chi tiết, nâng cao và cải thiện quá trình ra quyết
định (Malaka & Brown, 2015). Chen & cộng sự (2016) cho rằng, phân tích dữ liệu lớn có “khả
năng xử lý thông tin độc đáo mang lại lợi thế cạnh tranh cho các tổ chức” và được kỳ vọng sẽ
cải thiện hiệu suất hoạt động của tổ chức (Kwon & cộng sự, 2014).
Bắt nguồn sâu xa từ kinh doanh thông minh (BI), phân tích dữ liệu lớn “đánh thức” mối
quan tâm đến toán học, thống kê và phân tích định lượng (Braganza & cộng sự, 2016), nhưng
bổ sung thêm một số yêu cầu cụ thể. Vì mục tiêu của phân tích dữ liệu lớn là trả lời các câu hỏi
649
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3
có tính cụ thể cao, các giải pháp của nó phải phù hợp với bối cảnh này, đòi hỏi kỹ năng phương
pháp luận tốt (Debortoli & cộng sự, 2014).
Năng lực của kinh doanh thông minh và phân tích dữ liệu lớn có thể được phân loại thành
ba làn sóng, bao gồm: (1) được đặc trưng bởi nội dung có cấu trúc, dựa trên hệ quản trị cơ sở
dữ liệu - DBMS (làn sóng thứ nhất), (2) dựa trên nền web, do người dùng tạo ra, nội dung phi
cấu trúc (làn sóng thứ hai) và (3) dựa trên thiết bị di động và cảm biến (làn sóng thứ 3) (Chen
& cộng sự, 2012). Khả năng của phân tích dữ liệu lớn có thể được hiểu là các khả năng động,
đòi hỏi “sự kết hợp tinh tế giữa quản lý, tài năng và công nghệ” (Akter & cộng sự, 2016). Vì
những khả năng này được điều chỉnh để phù hợp với câu hỏi chuyên biệt (Debortoli & cộng sự,
2014), chúng sẽ phù hợp với ngữ cảnh (Chen & cộng sự, 2016).
Việc áp dụng phân tích dữ liệu lớn đòi hỏi đầu tư vào công nghệ với chi phí tốn kém, bởi
công nghệ này đang thay đổi nhanh chóng và mang lại cơ hội mới để xử lý thông tin với tốc độ
ngày càng cao. Nó yêu cầu đầu tư vào việc phát triển các kỹ năng phân tích, xác định cho một
nhiệm vụ theo ngữ cảnh cụ thể và tăng cường thu thập, lưu trữ dữ liệu, quan tâm đến các vấn
đề chất lượng dữ liệu, bảo mật CNTT và về quyền riêng tư. Những yếu tố này có mối liên hệ
chặt chẽ với nhau và ảnh hưởng đến các quyết định áp dụng phân tích dữ liệu lớn theo những
cách khác nhau.
Việc nghiên cứu các phương pháp, quy trình và cách thức tiếp cận để áp dụng phân tích
dữ liệu lớn một cách hiệu quả vào tổ chức/doanh nghiệp là một nhu cầu hết sức cần thiết. Có
rất nhiều cách tiếp cận khác nhau, một trong số đó là dựa trên khung lý thuyết nền tảng TOE.
Lý thuyết TOE thường được sử dụng để giải thích quá trình áp dụng công nghệ, để xem xét bối
cảnh của quá trình ra quyết định, làm sáng tỏ ảnh hưởng của các yếu tố đối với việc áp dụng
phân tích dữ liệu lớn bằng cách xác định các yếu tố ảnh hưởng nhất, do đó giúp ưu tiên các yếu
tố này và khuyến khích đầu tư cho phù hợp (Schüll & Maslan, 2018). Vì thế, nghiên cứu này
sẽ tập trung vào vấn đề sẵn sàng áp dụng phân tích dữ liệu lớn trong tổ chức-doanh nghiêp dựa
trên khung lý thuyết TOE.
2. Tổng quan nghiên cứu về phân tích dữ liệu lớn và khung lý thuyết TOE
2.1. Phân tích dữ liệu lớn
Có ý kiến cho rằng việc các tổ chức tiếp tục tạo ra dữ liệu từ nhiều nguồn khác nhau và ở
các định dạng khác nhau sẽ tạo nên các tổ chức “giàu có” về tài nguyên dữ liệu. Tuy nhiên, bất
chấp sự phong phú về dữ liệu, những dữ liệu này chỉ cung cấp ít giá trị trừ khi nó đã được xử
lý bằng cách sử dụng kỹ thuật phân tích dữ liệu lớn thích hợp. Do đó, phân tích dữ liệu lớn đã
trở thành một mối quan tâm chính của nhiều tổ chức, cả ở khu vực tư nhân và khu vực công vì
họ mong đợi thông tin có được từ phân tích dữ liệu lớn sẽ giúp cải thiện năng suất, đáp ứng nhu
cầu khách hàng, giảm chi phí hoạt động, cũng như có cơ hội mở rộng doanh nghiệp của họ. Để
thực hiện điều này, việc lên kế hoạch cho các chính sách, chương trình và sáng kiến phân tích
dữ liệu lớn là vô cùng quan trọng.
Các tổ chức khi xem xét phân tích dữ liệu lớn cần hiểu và nắm vững các kỹ thuật và
công nghệ phân tích dữ liệu lớn, đặc biệt là khi xử lý dữ liệu phi cấu trúc. Đối với những tình
huống như vậy, tổ chức có thể cần thay đổi công nghệ và các phương pháp phân tích để quản
lý dữ liệu. Những thay đổi này có thể là một thách thức đối với các tổ chức, ví dụ các trường
đại học công lập chỉ có nguồn ngân sách CNTT hạn chế. Do đó, sự sẵn sàng áp dụng phân tích
650
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3
dữ liệu lớn phải xem xét một số vấn đề về chính sách, kinh phí, nội bộ cấu trúc, công nghệ và
cơ sở hạ tầng cùng những khía cạnh khác. Nghiên cứu của Kalema & Mokgadi (2017) phát hiện
ra rằng, trong khi công nghệ là tiền đề của BDA thì nhận thức của nhân viên và kiến thức/kỹ
năng (kinh nghiệm sử dụng công nghệ) đóng một vai trò quan trọng đối với sự sẵn sàng ứng
dụng phân tích dữ liệu lớn. Theo nghiên cứu của Tengku Izhar & Mohd Shoid (2016), nhận
thức và kiến thức của nhân viên có thể được đo lường bằng (1) mức độ kinh nghiệm sử dụng
phân tích dữ liệu lớn, (2) mức độ tính hữu ích của phân tích dữ liệu lớn, và (3) mức độ hiệu quả
của phân tích dữ liệu lớn. Tất cả các thành phần này sẽ giúp xác định được nhận thức và kiến
thức về phân tích dữ liệu lớn cho nhân viên. Trong đó, có kinh nghiệm phân tích dữ liệu lớn
bao gồm việc biết định nghĩa phân tích dữ liệu lớn, hiểu cách dữ liệu lớn được tạo ra và các loại
dữ liệu lớn trong một tổ chức. Kinh nghiệm sử dụng phân tích dữ liệu là quan trọng để đánh giá
mức độ nhận thức và kiến thức phân tích dữ liệu, vì kinh nghiệm có thể cung cấp cho nhân viên
và tổ chức các chiến lược tốt hơn trong việc quản lý phân tích dữ liệu. Hơn nữa, mức độ hữu
ích của phân tích dữ liệu lớn cũng rất quan trọng, vì nó giúp tổ chức hiểu được ý nghĩa của việc
sử dụng dữ liệu lớn trong các hoạt động hàng ngày, đặc biệt là giúp người dùng đưa ra quyết
định và mức độ ưu tiên cho từng công việc. Đánh giá mức độ sử dụng có thể thông qua việc
xác định các khía cạnh về công cụ phân tích, phân tích dữ liệu và tối ưu hóa việc sử dụng dữ
liệu trong quá trình ra quyết định. Đối với tính hiệu quả của phân tích dữ liệu lớn, điều quan
trọng là xem xét việc sử dụng dữ liệu lớn đã được phân tích để nâng cao lợi nhuận của tổ chức,
đặc biệt là về các khía cạnh đổi mới, cạnh tranh và năng suất (Ijab & cộng sự, 2019).
2.2. TOE Framework
Lý thuyết công nghệ - tổ chức - môi trường (TOE) được mô tả trong cuốn sách “The
processes of technological innovation” của Drazin (1991). Cuốn sách mô tả toàn bộ quá trình
đổi mới - trải dài từ quá trình phát triển các đổi mới của kỹ sư và doanh nhân đến việc người
dùng áp dụng và thực hiện các đổi mới đó trong bối cảnh của một doanh nghiệp. Khung lý
thuyết TOE đại diện cho một phân đoạn của quá trình này – xem xét bối cảnh doanh nghiệp
ảnh hưởng đến việc áp dụng và thực hiện các đổi mới như thế nào.
Khung TOE là một lý thuyết cấp tổ chức, giải thích rằng ba yếu tố khác nhau trong bối
cảnh của một doanh nghiệp ảnh hưởng đến quyết định áp dụng công nghệ mới. Ba yếu tố này
là bối cảnh công nghệ, bối cảnh tổ chức và bối cảnh môi trường. Cả ba đều được cho là có ảnh
hưởng đến sự đổi mới công nghệ.
Theo Baker (2011), việc mở rộng các nghiên cứu đã chứng minh rằng mô hình TOE có
khả năng ứng dụng rộng rãi và sở hữu khả năng có thể giải thích trên một số bối cảnh công
nghệ, công nghiệp và quốc gia/văn hóa. Mô hình TOE được sử dụng để giải thích việc áp dụng
các hệ thống liên tổ chức (Baker, 2011; Grover, 2007), kinh doanh điện tử (Ilin & cộng sự,
2017), trao đổi dữ liệu điện tử (EDI) (Kuan & Chau, 2001), hệ thống mở (Chau & Tam, 1997),
hệ thống doanh nghiệp (Ramdani & cộng sự, 2009), và một loạt các ứng dụng của hệ thống
thông tin nói chung.
Mô hình TOE đã được sử dụng để giải thích việc áp dụng các đổi mới trong một loạt các
ngành công nghiệp, bao gồm sản xuất (Zhu & cộng sự, 2006), chăm sóc sức khỏe (AlMuhayfith
& Shaiti, 2020), dịch vụ bán lẻ, bán buôn và tài chính (Zhu & cộng sự, 2006).
Hơn nữa, mô hình TOE đã được thử nghiệm trong bối cảnh Châu Âu, Châu Mỹ và Châu
Á, cũng như ở cả các nước phát triển và đang phát triển (Zhu & cộng sự, 2006). Trong mỗi
651
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3
nghiên cứu, ba yếu tố công nghệ, tổ chức và môi trường đã được chứng minh là có ảnh hưởng
đến cách một doanh nghiệp xác định nhu cầu, tìm kiếm và áp dụng công nghệ mới. Trong mỗi
nghiên cứu thực nghiệm kiểm định theo khung lý thuyết TOE, các nhà nghiên cứu đã sử dụng
các yếu tố có một chút sự khác nhau cho bối cảnh công nghệ, tổ chức và môi trường. Về bản
chất, các nhà nghiên cứu đã đồng ý với Tornatzky & cộng sự (1990) rằng, ba bối cảnh TOE ảnh
hưởng đến việc áp dụng, nhưng những nhà nghiên cứu này sau đó đã giả định rằng đối với mỗi
công nghệ hoặc bối cảnh cụ thể đang được nghiên cứu, có một tập hợp các yếu tố hoặc biện
pháp nhất định. Ví dụ, trong Zhu & cộng sự (2004), các tác giả cho rằng một yếu tố thích hợp
trong bối cảnh công nghệ ảnh hưởng đến việc áp dụng kinh doanh điện tử là “sự sẵn sàng về
công nghệ”. Tương tự, các tác giả này cho rằng “quy mô doanh nghiệp”, “phạm vi toàn cầu”
và “nguồn lực tài chính” là những yếu tố thích hợp cần được nghiên cứu để hiểu bối cảnh tổ
chức ảnh hưởng như thế nào đến việc áp dụng kinh doanh điện tử. Cuối cùng, “môi trường pháp
lý” và “cường độ cạnh tranh” có liên quan khi các nhà nghiên cứu muốn hiểu bối cảnh môi
trường ảnh hưởng như thế nào đến việc áp dụng kinh doanh điện tử. Mỗi sự đổi mới sẽ có các
yếu tố khác nhau ảnh hưởng đến việc áp dụng chúng. Tương tự, các bối cảnh quốc gia/văn hóa
khác nhau và các ngành khác nhau cũng sẽ có các yếu tố khác nhau. Do đó, các nghiên cứu
khác nhau sẽ sử dụng các yếu tố khác nhau cho bối cảnh công nghệ, tổ chức và môi trường.
Bảng 1 dưới đây liệt kê các yếu tố trong bối cảnh công nghệ, tổ chức và môi trường trong
mỗi nghiên cứu thực nghiệm hiện có. Trong đó, dấu * biểu thị các yếu tố dự báo có ý nghĩa
thống kê về việc áp dụng; chữ nghiêng biểu thị yếu tố không có ý nghĩa thống kê, các yếu tố
còn lại biểu thị sự ảnh hưởng một phần. Ngoài ra, bảng này cũng xác định loại hoạt động đổi
mới đang được nghiên cứu.
Bảng 1. Tổng hợp các nghiên cứu thực nghiệm áp dụng TOE
Nguồn tham khảo
và các hoạt động đổi
mới
Các nhân tố trong
bối cảnh công nghệ
Các nhân tố trong
bối cảnh tổ chức
Các nhân tố trong
bối cảnh môi
trường
Chau & Tam (1997)
Open systems
- Rào cản về nhận
thức*
- Lợi ích cảm nhận
- Nhận thức được tầm
quan trọng của việc
tuân thủ các tiêu
chuẩn, khả năng
tương tác và tính liên
kết
- Sự hài lòng với các
hệ thống hiện có*
- Sự phức tạp của cơ
sở hạ tầng CNTT
- Chính thức hóa quy
trình quản lý và phát
triển hệ thống
- Môi trường không
chắc chắn
Grover (1993)
Customer-based IOS
- Khả năng tương
thích*
- Độ phức tạp *
- Lợi thế quan hệ
(Relative advantage)
- Quy mô*
- Lập kế hoạch chiến
lược*
- Cơ sở hạ tầng*
- Hỗ trợ quản lý cấp
cao*
- Vị trí của tổ chức*
- Tập trung hóa
- Chính thức hóa
- Hội nhập
- Kế hoạch thực hiện
- Vai trò của CNTT*
- Quản lý rủi ro*
- Những đổi mới có
thể điều chỉnh*
- Chính sách công
nghệ
- Tương tác khách
hàng
- Xác định đối thủ
- Sức mạnh cạnh
tranh - Sức mạnh
thông tin
652
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3
- Quyền lực
- Chiến lược chung
- Mức độ trưởng
thành
- Hội nhập dọc
Kuan & Chau (2001)
EDI
- Lợi ích cảm nhận
trực tiếp*
- Lợi ích cảm nhận
gián tiếp
- Chi phí tài chính
cảm nhận *
- Năng lực kỹ thuật
cảm nhận *
- Nhận thức áp lực
ngành*
- Nhận thức áp lực
của chính phủ*
Ramdani & cộng sự
(2009)
Enterprise systems
- Lợi thế quan hệ
(Relative
advantage)*
- Khả năng tương
thích
- Sự phức tạp
- Có thể dùng thử*
- Khả năng quan sát
- Hỗ trợ quản lý cấp
cao*
- Sự sẵn sàng của tổ
chức
- Quy mô*
- Kinh nghiệm về
HTTT
- Ngành
- Phạm vi thị trường
- Áp lực cạnh tranh
- Hỗ trợ HTTT từ bên
ngoài
Thong (1999)
IS
- Lợi thế tạo mối liên
hệ của IS
- Khả năng tương
thích của IS
- Mức độ phức tạp
của IS
- Quy mô kinh
doanh*
- Kiến thức IS của
nhân viên*
- Độ lớn của thông
tin
- Sự đổi mới của
CEO
- Kiến thức IS của
CEO
- Đối thủ cạnh tranh
Zhu & cộng sự
(2003)
E-business
- Năng lực công nghệ
(cấu trúc 2 bậc, bao
gồm cơ sở hạ tầng
CNTT, kỹ năng
Internet, bí quyết
kinh doanh điện tử)*
- Quy mô công ty
- Phạm vi công ty
- Áp lực cạnh tranh*
- Sự sẵn sàng của
người dùng (cấu trúc
tương tác bao gồm sự
sẵn sàng của người
dùng, sự mở rộng của
Internet)
- Thiếu sự sẵn sàng
của đối tác
Zhu & cộng sự
(2006)
E-business
- Tích hợp công
nghệ*
- Mức độ sẵn sàng về
công nghệ
- Quy mô công ty
- Phạm vi toàn cầu
- Trở ngại quản lý
- Cường độ cạnh
tranh
- Môi trường pháp lý
Nguồn: Baker (2011)
2.3. Lý thuyết TOE và phân tích dữ liệu lớn
Dưới đây là một số nghiên cứu về việc áp dụng phân tích dữ liệu lớn dựa trên khung
TOE trong thời gian vừa qua.