Phát triển kiến trúc ảo hóa dữ liệu tiên tiến nhằm nâng cao hiệu quả ra quyết định trong kinh doanh thông minh

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:14

Thêm vào BST

Báo xấu

2
lượt xem 1
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết đề xuất một kiến trúc ảo hóa dữ liệu (DV) tiên tiến nhằm nâng cao hiệu quả trong kinh doanh thông minh (BI) hiện đại. Mục tiêu chính là cải thiện tính linh hoạt, hiệu suất và khả năng mở rộng của các hệ thống hiện tại thông qua việc tích hợp các công nghệ tiên tiến như trí tuệ nhân tạo (AI) để tối ưu hóa truy vấn, blockchain nhằm đảm bảo bảo mật và minh bạch, Edge computing để xử lý dữ liệu gần nguồn, và giao diện người dùng thân thiện giúp nâng cao khả năng tiếp cận.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Phát triển kiến trúc ảo hóa dữ liệu tiên tiến nhằm nâng cao hiệu quả ra quyết định trong kinh doanh thông minh

Phát triển kiến trúc ảo hóa dữ liệu tiên tiến nhằm nâng cao hiệu quả ra quyết định trong kinh doanh thông minh Chu Thị Hồng Hải Học viện Ngân hàng, Việt Nam Ngày nhận: 03/01/2025 Ngày nhận bản sửa: 07/04/2025 Ngày duyệt đăng: 10/04/2025 Tóm tắt: Bài báo đề xuất một kiến trúc ảo hóa dữ liệu (DV) tiên tiến nhằm nâng cao hiệu quả trong kinh doanh thông minh (BI) hiện đại. Mục tiêu chính là cải thiện tính linh hoạt, hiệu suất và khả năng mở rộng của các hệ thống hiện tại thông qua việc tích hợp các công nghệ tiên tiến như trí tuệ nhân tạo (AI) để tối ưu hóa truy vấn, blockchain nhằm đảm bảo bảo mật và minh bạch, Edge computing để xử lý dữ liệu gần nguồn, và giao diện người dùng thân thiện giúp nâng cao khả năng tiếp cận. Dựa trên phương pháp phân tích tài liệu và phỏng vấn chuyên gia, nghiên cứu đã đề xuất 08 cải tiến lớn: 02 cải tiến tại lớp Trực quan hóa dữ liệu người dùng, 02 tại lớp Truy cập và phân phối dữ liệu, và 04 cải tiến tổng quát trên toàn hệ thống. Những cải tiến này hỗ trợ tích hợp An advanced data virtualization architecture for improving decision-making efficiency in Business Intelligence Abstract: This paper discusses a new architecture for Data Virtualization (DV) that aims to improve current practices in Business Intelligence (BI). The integration of AI for optimizing queries, blockchain technology for security and transparency, Edge computing for closer to source data processing, and an ergonomically designed interface for better usability all work together to improve system flexibility, performance, and scalability. Following a review of literature and expert interviews, the study formulated eight major modifications: two at the User Data Visualization layer, two at the Data Access and Distribution layer, and four fundamental modifications throughout the complete system. The proposed refinements help in merging the data in real time, decrease the lag time, and increase responsiveness to data. With the new DV architecture, businesses are not only able to seamlessly integrate and analyze data, but they are also able to digitally transform and gain operational efficiency and a competitive edge. Organizations can continuously revise their strategies with the help of this architecture and achieve sustainable development in a fast-paced global marketplace Keywords: Data Virtualization architecture, Business Intelligence, Digital transformation, Data integration, Data governance Doi: 10.59276/JELB.2025.04.2858 Chu, Thi Hong Hai Email: haict@hvnh.edu.vn Banking Academy of Vietnam © Học viện Ngân hàng Tạp chí Kinh tế - Luật & Ngân hàng ISSN 3030 - 4199 45 Số 276- Năm thứ 27 (4)- Tháng 4. 2025
Phát triển kiến trúc ảo hóa dữ liệu tiên tiến nhằm nâng cao hiệu quả ra quyết định trong kinh doanh thông minh dữ liệu theo thời gian thực, giảm độ trễ và tăng cường khả năng phản hồi dữ liệu. Kiến trúc DV tiên tiến không chỉ hỗ trợ doanh nghiệp tối ưu hóa quá trình tích hợp và phân tích dữ liệu mà còn thúc đẩy chuyển đổi số, tối ưu vận hành và duy trì lợi thế cạnh tranh. Với vai trò là một nền tảng chiến lược, kiến trúc này giúp các tổ chức thích nghi và phát triển bền vững trong môi trường kinh doanh toàn cầu đầy biến động. Từ khóa: Kiến trúc ảo hóa dữ liệu, Kinh doanh thông minh, Chuyển đổi số, Tích hợp dữ liệu, Quản trị dữ liệu 1. Giới thiệu hiện nay vẫn gặp phải một số vấn đề lớn. Theo Gartner (2023), 78% doanh nghiệp Trong kỷ nguyên số hóa, dữ liệu đã trở gặp khó khăn do giao diện phức tạp, khiến thành tài sản chiến lược quan trọng đối với người dùng không chuyên về công nghệ khó các doanh nghiệp, thúc đẩy các quyết định khăn trong việc truy xuất và phân tích dữ chiến lược và duy trì sự cạnh tranh. Theo liệu. Hơn nữa, thiếu tích hợp trí tuệ nhân tạo McKinsey (2022), 90% doanh nghiệp cho (AI) và bảo mật yếu cũng là những yếu tố rằng việc khai thác dữ liệu là yếu tố quyết hạn chế. Theo Deloitte (2023), các hệ thống định sự cạnh tranh. Bên cạnh đó, Kinh này chưa phát huy tối đa tiềm năng của dữ doanh thông minh (BI) đóng vai trò chủ liệu vì thiếu AI và không đủ bảo mật. chốt trong việc tích hợp và phân tích dữ Khác với các nghiên cứu trước đây chỉ liệu, chuyển đổi thông tin thô thành tri thức tập trung vào phát triển DV với từng công hữu ích để hỗ trợ các quyết định chiến lược nghệ riêng lẻ, mục tiêu nghiên cứu của bài (Chu Thị Hồng Hải, 2024). Theo Gartner báo này là phát triển một kiến trúc DV mới, (2019), BI không chỉ tập trung vào dữ liệu tích hợp đồng thời bốn giải pháp tiên tiến: nội bộ mà còn mở rộng khai thác từ các AI, Blockchain, Edge Computing và NLP. nền tảng trực tuyến, thương mại điện tử Việc kết hợp đồng thời các công nghệ này và Internet vạn vật (IoT). Tuy nhiên, với nhằm giải quyết triệt để các vấn đề hiện tại sự gia tăng khối lượng và sự đa dạng của của các hệ thống DV như giao diện phức các nguồn dữ liệu, các phương pháp truyền tạp, thiếu tính năng tối ưu hóa qua AI, bảo thống như ETL (Extract, Transform, Load) mật yếu và khả năng xử lý dữ liệu thời gian không thể đáp ứng các yêu cầu xử lý dữ thực còn hạn chế. Cụ thể, AI sẽ tối ưu hóa liệu thời gian thực, đặc biệt là khi đối mặt truy vấn tự động, Blockchain đảm bảo bảo với dữ liệu lớn và phi cấu trúc. Điều này mật và tính minh bạch trong quá trình truy đặt ra thách thức lớn cho doanh nghiệp, khi cập dữ liệu, Edge Computing sẽ giảm độ tốc độ và độ chính xác trong phân tích dữ trễ và tối ưu hóa việc xử lý dữ liệu tại biên, liệu đóng vai trò quyết định. trong khi NLP sẽ cung cấp giao diện người Công nghệ ảo hóa dữ liệu (DV) đã được đề dùng dễ sử dụng và thân thiện. xuất như một giải pháp thay thế, giúp truy Bài viết này sẽ sử dụng phương pháp nghiên cập và tích hợp dữ liệu mà không cần sao cứu tài liệu kết hợp với phỏng vấn chuyên chép vật lý, tối ưu hóa hiệu suất hệ thống gia để đánh giá tính khả thi của kiến trúc và giảm độ trễ. Tuy nhiên, các hệ thống DV mới trên các tập dữ liệu đa nguồn, bao gồm 46 Tạp chí Kinh tế - Luật & Ngân hàng- Số 276- Năm thứ 27 (4)- Tháng 4. 2025
CHU THỊ HỒNG HẢI dữ liệu IoT, mạng xã hội và thương mại việc truy cập và tích hợp dữ liệu từ nhiều điện tử. Kiến trúc được đề xuất không chỉ nguồn khác nhau mà không cần sao chép giúp cải thiện hiệu quả tích hợp và phân dữ liệu vật lý. tích dữ liệu trong thời gian thực mà còn Tuy nhiên, dù có nhiều ưu điểm, các hệ hướng đến việc xây dựng một hệ thống linh thống DV hiện tại vẫn còn tồn tại nhiều hạn hoạt, dễ sử dụng và bảo đảm tính bảo mật. chế. Gartner (2022) chỉ ra rằng giao diện Với những cải tiến vượt trội, nghiên cứu kỳ người dùng của các hệ thống DV vẫn còn vọng kiến trúc này sẽ giúp doanh nghiệp phức tạp, khiến người dùng không chuyên tận dụng tối đa tiềm năng của dữ liệu, từ đó gặp khó khăn. Alex Merced (2024) cũng duy trì và nâng cao lợi thế cạnh tranh trong nhấn mạnh rằng tốc độ truy vấn dữ liệu môi trường kinh doanh số hóa ngày nay. trong các hệ thống này chưa đáp ứng được yêu cầu trong môi trường kinh doanh cạnh 2. Tổng quan nghiên cứu tranh khốc liệt. Một vấn đề quan trọng khác là bảo mật, khi các nền tảng DV chưa tích Phần này tổng hợp các nghiên cứu trước hợp đủ mạnh công nghệ Blockchain để đây về phương pháp ETL, Ảo hóa dữ liệu đảm bảo tính minh bạch và bảo mật dữ liệu (DV), và các công nghệ liên quan như AI, (Deloitte, 2023). Blockchain, Edge Computing, NLP, làm rõ Tại Việt Nam, nghiên cứu về DV còn rất những ưu điểm, hạn chế và khoảng trống hạn chế, chủ yếu chỉ là các thông tin giới nghiên cứu cần được khắc phục. thiệu nền tảng DV của các hãng công nghệ, các thông tin các hãng công nghệ giới thiệu 2.1. Phát triển công nghệ ảo hóa dữ liệu họ chỉ nhấn mạnh những lợi ích đạt được (DV) khi triển khai và làm mờ đi những vấn đề bất cập trong bối cảnh của Việt Nam và Trong bối cảnh dữ liệu ngày càng đóng những kỹ thuật bên trong nền tảng họ sử vai trò quan trọng đối với các doanh dụng. Điều này chỉ ra khoảng trống nghiên nghiệp, công nghệ DV đã nổi lên như một cứu trong việc ứng dụng toàn diện các công giải pháp thay thế cho phương pháp ETL nghệ tiên tiến trong DV tại Việt Nam. truyền thống, giúp cải thiện khả năng tích hợp và xử lý dữ liệu. DV hoạt động dựa 2.2. Các hướng nghiên cứu DV liên quan trên lớp trừu tượng hóa, cho phép truy vấn trực tiếp dữ liệu gốc từ các nguồn phân Mặc dù các nghiên cứu về ảo hóa dữ liệu tán mà không cần sao chép dữ liệu vật lý, và ETL đã phát triển mạnh trong thời gian giúp giảm độ trễ và tối ưu hóa hiệu suất hệ qua nhưng vẫn còn nhiều khoảng trống cần thống (Earley, 2016). Điều này khác biệt được lấp đầy, đặc biệt là trong việc kết hợp với ETL, phương pháp yêu cầu sao chép và các công nghệ tiên tiến để giải quyết những làm sạch dữ liệu trước khi sử dụng, gây tốn vấn đề tồn tại trong hệ thống DV hiện tại. thời gian và tài nguyên tính toán. Hiên nay, các nghiên cứu về DV chủ yếu Với sự gia tăng của dữ liệu lớn và dữ liệu được công bố bởi các hãng công nghệ lớn, phi cấu trúc, DV đã chứng minh hiệu quả nhưng phần lớn trong số đó chỉ đề cập đến trong việc xử lý các nguồn dữ liệu như IoT các lợi ích tổng thể khi ứng dụng các công và mạng xã hội, nơi mà ETL gặp khó khăn. nghệ này mà không đi sâu, công bố các kỹ Denodo (2023) chỉ ra rằng DV giúp tối ưu thuật cụ thể đã sử dụng và thiết kế, cấu hình hóa hiệu suất hệ thống và giảm độ trễ trong ra sao. Do đó, việc nghiên cứu kiến trúc Số 276- Năm thứ 27 (4)- Tháng 4. 2025- Tạp chí Kinh tế - Luật & Ngân hàng 47
Phát triển kiến trúc ảo hóa dữ liệu tiên tiến nhằm nâng cao hiệu quả ra quyết định trong kinh doanh thông minh Bảng 1. Tổng hợp nghiên cứu theo chủ đề Hướng nghiên cứu Công trình tiêu biểu Đóng góp chính Hạn chế Earley (2016), Denodo Chưa áp dụng AI để tối ưu Tối ưu hiệu suất Giảm 30% độ trễ truy vấn (2023) hóa quy trình Đề xuất Blockchain để Chỉ nhắc tới, chưa triển Bảo mật dữ liệu Deloitte (2023) tăng cường bảo mật nghiên cứu và công bố Khảo sát nhu cầu NLP để Thiếu hỗ trợ đa ngôn ngữ Giao diện người dùng Gartner (2022) cải thiện giao diện và giao diện thân thiện Nguồn: Tác giả tổng hợp mô hình tích hợp các công nghệ tiên tiến là Từ tổng quan tài liệu, có thể thấy rằng nhu cực kỳ cần thiết và tạo ra một khoảng trống cầu cấp thiết về một kiến trúc DV mới có nghiên cứu quan trọng. thể khắc phục đồng thời bốn hạn chế chính: Các nghiên cứu của Earley (2016) và (1) giao diện phức tạp, (2) hiệu suất chưa Denodo (2023) đã chứng minh rằng AI có cao, (3) bảo mật yếu, và (4) khả năng xử thể giúp giảm độ trễ truy vấn thông qua tự lý dữ liệu thời gian thực. Nghiên cứu này động hóa quy trình. Tuy nhiên, AI chưa kế thừa và phát triển có chọn lọc các đề được áp dụng rộng rãi trong các hệ thống xuất trước đó từ AI (Denodo), Blockchain DV hiện tại, do thiếu các giải pháp và (Deloitte), Edge Computing (Simuni) và nghiên cứu kỹ thuật rõ ràng. Về bảo mật, NLP (Gartner), với mục tiêu phát triển một Deloitte (2023) đã đề xuất việc tích hợp giải pháp tích hợp toàn diện đầu tiên, hướng Blockchain vào hệ thống DV để tăng cường đến việc tối ưu hóa hệ thống ảo hóa dữ liệu tính bảo mật, nhưng điều này vẫn chưa cho kinh doanh thông minh tại các doanh được triển khai thực tế. Edge Computing nghiệp trong bối cảnh chuyển đổi số. được Govindaiah (2024) khuyến nghị để xử lý dữ liệu tại biên, giúp cải thiện tốc độ 3. Cơ sở lý thuyết kinh doanh thông truy cập dữ liệu lên đến 50%. Cuối cùng, minh và ảo hóa dữ liệu Gartner (2022) nhấn mạnh nhu cầu tích hợp NLP để cải thiện giao diện người dùng, 3.1. Kinh doanh thông minh giúp người dùng dễ dàng tương tác với hệ thống. Tuy nhiên, hiện tại vẫn chưa có giải Kinh doanh thông minh (Business pháp toàn diện để giải quyết vấn đề này. Intelligence- BI) là tập hợp các chiến lược, Điều đáng chú ý là các nghiên cứu hiện nay quy trình, và công nghệ nhằm thu thập, chủ yếu là các công bố của các hãng công phân tích dữ liệu để hỗ trợ doanh nghiệp nghệ, tập trung vào việc giới thiệu lợi ích ra quyết định chiến lược (Gartner, 2019). khi sử dụng các công nghệ này mà không Trong kỷ nguyên số, BI đã mở rộng từ đi sâu vào các kỹ thuật và mô hình cụ thể. phân tích dữ liệu nội bộ sang khai thác dữ Chính vì vậy, việc nghiên cứu và phát triển liệu từ thương mại điện tử, vạn vật kết nối, kiến trúc mô hình tích hợp các công nghệ và các nền tảng trực tuyến (Watson, 2019). như AI, Blockchain, Edge Computing, và Các thành phần chính của BI bao gồm: NLP để cải thiện hiệu quả của DV là rất - Thu thập dữ liệu: Tích hợp dữ liệu từ cần thiết. Đây chính là khoảng trống nghiên nhiều nguồn, cả truyền thống và phi truyền cứu lớn mà bài nghiên cứu này hướng đến, thống, thông qua các công nghệ như ETL nhằm phát triển một mô hình tích hợp toàn và ảo hóa dữ liệu. diện cho hệ thống ảo hóa dữ liệu. - Phân tích dữ liệu: Áp dụng các công cụ 48 Tạp chí Kinh tế - Luật & Ngân hàng- Số 276- Năm thứ 27 (4)- Tháng 4. 2025
CHU THỊ HỒNG HẢI phân tích thống kê và trí tuệ nhân tạo để đáng tin cậy, tăng khả năng cạnh tranh của xác định xu hướng và hỗ trợ dự đoán. doanh nghiệp. - Trình bày dữ liệu: Chuyển đổi kết quả phân Các ưu điểm này giúp ảo hóa dữ liệu không tích thành báo cáo trực quan, hỗ trợ các nhà chỉ là một công nghệ hỗ trợ, mà còn là nền quản lý đưa ra quyết định nhanh chóng. tảng chiến lược cho kinh doanh thông minh Với lượng dữ liệu ngày càng lớn và đa trong kỷ nguyên dữ liệu. dạng, khả năng tích hợp và xử lý dữ liệu nhanh chóng, linh hoạt đã trở thành yêu 3.2.2. Kiến trúc ảo hóa dữ liệu cầu thiết yếu của hệ thống BI hiện đại. Theo các tài liệu của Forrester (2023) và Denodo (2023), kiến trúc DV thông thường 3.2. Kiến trúc ảo hóa dữ liệu được chia thành 3 lớp chính như sau: - Lớp Nguồn Dữ liệu (Data Sources Layer) 3.2.1. Ảo hóa dữ liệu Bao gồm các nguồn dữ liệu đa dạng như Ảo hóa dữ liệu là một phương pháp tích cơ sở dữ liệu quan hệ, kho dữ liệu (Data hợp dữ liệu, trong đó dữ liệu từ các nguồn Warehouses), hồ dữ liệu (Data Lakes), khác nhau được truy cập thông qua một API, và dữ liệu phi cấu trúc từ IoT hoặc lớp trừu tượng mà không cần di chuyển dữ mạng xã hội...; đảm bảo khả năng tích hợp liệu vật lý (Tibco, 2021). Thay vì thực hiện mà không cần sao chép dữ liệu vật lý. các quy trình ETL truyền thống với độ trễ - Lớp Ảo hóa (Data Virtualization Layer) cao, DV cung cấp khả năng truy vấn thời Đây là trung tâm của DV, nơi dữ liệu từ các gian thực từ nhiều nguồn dữ liệu khác nhau nguồn được hợp nhất và chuẩn hóa thông (Denodo, 2023). qua một lớp trừu tượng; đảm bảo Tích hợp Các ưu điểm chính của DV: dữ liệu động mà không thay đổi dữ liệu gốc. - Tích hợp dữ liệu thời gian thực - Lớp Truy cập và Phân phối Dữ liệu (Data Cho phép truy cập và phân tích dữ liệu Access and Delivery Layer) ngay lập tức từ nhiều nguồn mà không cần Cung cấp giao diện truy cập cho người sao chép vật lý, giảm độ trễ và tăng tốc độ dùng qua API, giao thức hoặc tích hợp với ra quyết định. BI (Tableau, Power BI); biến dữ liệu thành - Tăng tính linh hoạt thông tin sẵn sàng sử dụng, hỗ trợ ra quyết Dễ dàng tích hợp cả dữ liệu có cấu trúc và định nhanh chóng và chính xác. phi cấu trúc từ các nguồn như IoT, mạng xã DV đang trở thành thành phần không thể hội, và đám mây, đáp ứng nhu cầu mở rộng thiếu trong hệ thống BI hiện đại, vượt trội và thích nghi nhanh của doanh nghiệp. hơn so với ETL nhờ khả năng tích hợp dữ - Giảm chi phí vận hành liệu thời gian thực, giảm độ trễ xử lý đến Loại bỏ nhu cầu lưu trữ dữ liệu trùng lặp, 40% và hỗ trợ ra quyết định nhanh chóng tối ưu hóa hạ tầng và giảm đáng kể chi phí (Forrester, 2023). Với khả năng xử lý cả dữ triển khai và bảo trì hệ thống dữ liệu. liệu phi cấu trúc, hiện chiếm 80% tổng dữ - Nâng cao bảo mật và minh bạch liệu doanh nghiệp (Wang, 2025), DV giúp Phương pháp mã hóa tiên tiến, cung cấp tổ chức tối ưu hóa chi phí và tăng trưởng kiểm soát truy cập chặt chẽ và theo dõi dữ doanh thu trung bình 20% (McKinsey, liệu minh bạch, giảm thiểu rủi ro bảo mật. 2023). DV không chỉ là giải pháp công - Hỗ trợ quyết định chiến lược nghệ mà còn là nền tảng chiến lược để Tạo điều kiện cho các phân tích dữ liệu doanh nghiệp khai thác tối đa giá trị dữ liệu toàn diện và ra quyết định dựa trên dữ liệu trong kỷ nguyên số. Số 276- Năm thứ 27 (4)- Tháng 4. 2025- Tạp chí Kinh tế - Luật & Ngân hàng 49
Phát triển kiến trúc ảo hóa dữ liệu tiên tiến nhằm nâng cao hiệu quả ra quyết định trong kinh doanh thông minh 3.2.3. Mối quan hệ giữa BI hiện đại với DV 25% chi phí hạ tầng và 40% thời gian triển Mối quan hệ giữa BI hiện đại và DV được khai dự án dữ liệu. Điều này đặc biệt quan mô tả như trong Hình 1. trọng trong môi trường kinh doanh cạnh Có thể thấy, BI truyền thống với phương tranh ngày nay, nơi tốc độ ra quyết định là pháp ETL đã đóng vai trò quan trọng trong yếu tố sống còn. việc xử lý và phân tích dữ liệu nội bộ. Tuy Các ứng dụng thực tiễn của ảo hóa dữ nhiên, trong một thế giới mà dữ liệu phi liệu đã chứng minh giá trị chiến lược của cấu trúc từ IoT, thương mại điện tử, và công nghệ này. Netflix sử dụng tích hợp mạng xã hội đang chiếm đến 80% tổng dữ dữ liệu thời gian thực để tối ưu hóa khả liệu doanh nghiệp, ETL đã không còn đáp năng cá nhân hóa nội dung cho hàng triệu ứng kịp nhu cầu (Wang, 2025). Phương người dùng toàn cầu, tăng đáng kể tỷ lệ pháp này đòi hỏi thời gian xử lý dài, tiêu giữ chân khách hàng. Amazon áp dụng ảo tốn nhiều tài nguyên hạ tầng, và không hóa dữ liệu để giám sát thời gian thực các thể hỗ trợ các yêu cầu phân tích thời gian hoạt động logistics, giảm chi phí vận hành thực. Theo Gartner (2022), hơn 60% doanh và cải thiện tốc độ giao hàng. McKinsey nghiệp sử dụng ETL gặp độ trễ xử lý dữ (2023) chỉ ra rằng nhờ xử lý dữ liệu thời liệu từ vài giờ đến vài ngày, dẫn đến mất cơ gian thực, các doanh nghiệp đạt mức tăng hội trong các quyết định chiến lược. trưởng doanh thu trung bình 20%- một lợi Ngược lại, DV cung cấp một lớp trừu thế đáng kể trong thị trường đầy biến động. tượng, cho phép tích hợp dữ liệu từ nhiều Ngoài ra, DV còn giúp doanh nghiệp linh nguồn mà không cần sao chép vật lý. Công hoạt hơn trong việc tích hợp nguồn dữ liệu nghệ này không chỉ giảm chi phí lưu trữ mới và mở rộng quy mô mà không cần tái mà còn tăng tính linh hoạt, bảo mật, và khả cấu trúc hệ thống. Điều này mang lại khả năng xử lý dữ liệu thời gian thực. Forrester năng thích ứng nhanh chóng với sự thay (2023) báo cáo rằng các doanh nghiệp triển đổi của thị trường và khách hàng. Trong khai ảo hóa dữ liệu giảm được trung bình khi BI truyền thống tiêu tốn trung bình Nguồn: Tác giả đề xuất Hình 1. Mối quan hệ giữa BI hiện đại và DV 50 Tạp chí Kinh tế - Luật & Ngân hàng- Số 276- Năm thứ 27 (4)- Tháng 4. 2025
CHU THỊ HỒNG HẢI 30% ngân sách IT hàng năm vào lưu trữ và 4.1.2. Nguồn tài liệu xử lý dữ liệu (Wang, 2025), ảo hóa dữ liệu Các tài liệu được lựa chọn từ các nguồn tài giúp tối ưu hóa nguồn lực và giải phóng liệu uy tín: Bài báo khoa học trong các tạp doanh nghiệp để tập trung vào các chiến chí uy tín; Báo cáo của các tổ chức nghiên lược tăng trưởng. cứu thị trường (Gartner, Deloitte); Sách Tóm lại, DV không chỉ là một giải pháp chuyên ngành về kinh doanh thông minh công nghệ mà còn là nền tảng chiến lược (BI), quản lý dữ liệu; Tài liệu kỹ thuật từ để các doanh nghiệp vượt qua giới hạn các nhà cung cấp giải pháp DV (Denodo, của BI truyền thống. Công nghệ này mang TIBCO, Oracle, SAP). lại khả năng tích hợp và phân tích dữ liệu thời gian thực, hỗ trợ ra quyết định nhanh 4.1.3. Tổng hợp các nghiên cứu trước đây chóng, chính xác, và tạo ra lợi thế cạnh (Xem Bảng 2) tranh bền vững. Trong một thế giới mà dữ liệu là trung tâm của mọi đổi mới, ảo 4.2. Phỏng vấn chuyên gia hóa dữ liệu chính là chìa khóa giúp doanh nghiệp không chỉ thích nghi mà còn dẫn 4.2.1. Mục tiêu phỏng vấn đầu trong hành trình chuyển đổi số. Mục tiêu của buổi phỏng vấn là hiểu rõ hơn về lợi ích và hạn chế của DV trong thực 4. Phương pháp phát triển kiến trúc ảo tế, đồng thời kiểm chứng tính khả thi của các cải tiến đề xuất. Ngoài ra, phỏng vấn Nghiên cứu này sử dụng hai phương pháp còn nhằm thu thập góc nhìn chuyên gia về chính: (i) phân tích tài liệu nhằm tổng hợp việc ứng dụng các công nghệ tiên tiến như và đánh giá các nghiên cứu trước đây, làm AI, Blockchain, Edge Computing và Xử lý cơ sở lý thuyết cho việc phát triển kiến trúc Ngôn ngữ Tự nhiên vào DV, từ đó đánh mới; (ii) phỏng vấn chuyên gia để đảm bảo giá tiềm năng và thách thức khi triển khai tính thực tiễn và khả thi của các đề xuất. những giải pháp này. Dữ liệu thu thập từ phỏng vấn được phân tích bằng phương pháp định tính, giúp đưa 4.2.2. Đối tượng và nội dung phỏng vấn ra các kết luận dựa trên bằng chứng cụ thể Nghiên cứu ban đầu chọn 10 chuyên gia và đa chiều. nhưng sau đó mở rộng lên 15 chuyên gia nhằm phản ánh đầy đủ hơn các góc nhìn. 4.1. Phân tích tài liệu Tiêu chí lựa chọn: Kinh nghiệm: Tối thiểu 5 năm trong lĩnh 4.1.1. Mục tiêu phân tích tài liệu vực BI, quản lý dữ liệu, hoặc công nghệ Mục tiêu của việc phân tích tài liệu là tổng thông tin. hợp và đánh giá các nghiên cứu trước Vai trò: Đã triển khai, tham gia quản trị dữ đây về ETL, Ảo hóa Dữ liệu và các công liệu trong doanh nghiệp. nghệ hỗ trợ như AI, Blockchain, Edge Kiến thức chuyên môn: Am hiểu AI, Computing và Xử lý Ngôn ngữ Tự nhiên. Blockchain và các giải pháp tích hợp dữ liệu. Quá trình này nhằm so sánh các phương Các nội dung phỏng vấn tập trung vào các pháp tích hợp dữ liệu, làm rõ ưu điểm và chủ đề: Hiện trạng DV, Hạn chế của DV, hạn chế của từng phương pháp, từ đó xác Ứng dụng AI, Bảo mật dữ liệu, Ứng dụng định những yếu tố cần cải tiến trong kiến Edge Computing, Giao diện và NLP. trúc DV để tối ưu hóa hệ thống BI. Thời gian và cách thức tiếp cận thực hiện Số 276- Năm thứ 27 (4)- Tháng 4. 2025- Tạp chí Kinh tế - Luật & Ngân hàng 51
Phát triển kiến trúc ảo hóa dữ liệu tiên tiến nhằm nâng cao hiệu quả ra quyết định trong kinh doanh thông minh Bảng 2. Bảng tổng hợp các kết quả nghiên cứu liên quan Nội dung Tác giả Năm Kết luận Hạn chế nghiên cứu ETL tiêu tốn tài nguyên, mất thời Scroggins 2017 Phân tích hạn chế Không đề xuất giải gian xử lý dữ liệu, ảnh hưởng đến của ETL trong BI pháp thay thế ETL hiệu suất hệ thống Chưa tích hợp NLP để Đánh giá giao diện Giao diện DV hiện nay phức tạp, Gartner 2022 hỗ trợ truy vấn trực người dùng của DV yêu cầu kỹ năng kỹ thuật cao quan 80% dữ liệu doanh nghiệp là phi Khả năng xử lý dữ Không đưa ra giải cấu trúc, ETL gặp khó khăn trong Wang x. L 2025 liệu phi cấu trúc pháp thay thế toàn tích hợp dữ liệu IoT, TMĐT và của ETL diện MXH DV giúp tối ưu hóa hiệu suất hệ Ảo hóa dữ liệu Chưa tích hợp công Denodo 2023 thống, giảm độ trễ, không cần trong BI nghệ AI, Blockchain sao chép vật lý Tiềm năng của DV DV có khả năng tích hợp dữ liệu Hiệu suất truy vấn Alex Merced 2024 trong tích hợp dữ thời gian thực nhưng chưa có chưa đạt kỳ vọng do- liệu thời gian thực nhiều giải pháp tối ưu anh nghiệp Chưa có nhiều nền Ứng dụng Block- Blockchain giúp tăng cường bảo Deloitte 2023 tảng DV tích hợp chain vào DV mật và minh bạch dữ liệu Blockchain Edge Computing giúp xử lý dữ Ứng dụng Edge Simuni và liệu ngay tại nguồn, giảm tải cho Chưa có chuẩn hóa 2024 Computing trong cộng sự hệ thống trung tâm, cải thiện tốc tích hợp Edge vào DV DV độ truy vấn Nguồn: Tác giả tổng hợp cuộc phỏng vấn: Các cuộc phỏng vấn được thêm cơ sở thực tiễn cho các cải tiến kiến thực hiện trong khoảng thời gian từ tháng trúc DV. Nhờ đó, kiến trúc được đề xuất 5 đến tháng 7 năm 2024, đảm bảo đủ thời không chỉ phù hợp về mặt lý thuyết mà còn gian để chuyên gia chia sẻ quan điểm về mang tính ứng dụng cao trong các ngành các vấn đề hiện tại và các xu hướng tương công nghiệp hiện đại. lai; Hình thức gặp trực tiếp và phỏng vấn qua video call (Zalo, Messenger), tùy thuộc 5. Kết quả nghiên cứu vào sự thuận tiện của từng chuyên gia. Các câu hỏi được chuẩn bị trước, tập trung vào Nghiên cứu này đã tổng hợp tài liệu và tiến các chủ đề đã nêu, với các câu hỏi mở để hành phỏng vấn chuyên gia nhằm đánh thu thập các quan điểm sâu sắc và chi tiết. giá hiện trạng và tiềm năng phát triển của Thời gian mỗi cuộc phỏng vấn dao động từ DV. Kết quả thu được cho thấy mặc dù DV 45 phút đến 1 giờ; Địa điểm thực hiện tại mang lại nhiều lợi ích trong tích hợp và văn phòng của các tổ chức tại Hà Nội hoặc phân tích dữ liệu, nhưng các hệ thống hiện qua nền tảng trực tuyến. tại vẫn còn nhiều hạn chế, đặc biệt là về khả năng mở rộng, hiệu suất xử lý dữ liệu 4.2.3. Phương pháp xử lý dữ liệu phỏng vấn thời gian thực, bảo mật và giao diện người Dữ liệu phỏng vấn được xử lý theo các dùng. bước thể hiện ở Hình 2. Những phát hiện này (thể hiện ở Bảng 3 Việc mở rộng mẫu chuyên gia không chỉ và phần 5.1, 5.2 dưới đây) cũng hoàn toàn đáp ứng yêu cầu phản biện mà còn củng cố phù hợp với các nghiên cứu trước đây từ 52 Tạp chí Kinh tế - Luật & Ngân hàng- Số 276- Năm thứ 27 (4)- Tháng 4. 2025
CHU THỊ HỒNG HẢI Nguồn: Tác giả Hình 2. Quy trình xử lý dữ liệu phỏng vấn các tổ chức công nghệ lớn như Gartner, được bổ sung vào kiến trúc ảo hóa đã có McKinsey và Deloitte... Cụ thể: trước đây. Đây là những cải tiến được tích - Wang (2025) chỉ ra rằng 80% dữ liệu hợp vào kiến trúc hiện tại dựa trên các phân doanh nghiệp là phi cấu trúc, trong khi tích về cải tiến trong các nội dung đã trình DV hiện tại chưa tối ưu cho dữ liệu từ IoT, bày ở các phần trên. thương mại điện tử và mạng xã hội. - Gartner (2022) nhấn mạnh rằng giao diện 5.1. Cải tiến trên từng lớp của kiến trúc trực quan có thể giúp tăng 30% hiệu suất làm việc của người dùng không chuyên, So với kiến trúc DV cũ, kiến trúc DV tiên tuy nhiên, phần lớn các nền tảng DV vẫn tiến được đề xuất đã có những cải tiến cụ còn phức tạp. thể trên từng lớp như sau: - McKinsey (2023) cho thấy xử lý dữ liệu - Lớp Ảo hóa (Data Virtualization Layer): thời gian thực có thể giúp doanh nghiệp Lớp Ảo hóa có sự cải tiến so với các nghiên tăng trưởng doanh thu trung bình 20%, cứu tiền nhiệm như Hình 4 (phần khoanh nhưng các hệ thống DV hiện tại chưa đáp tròn là phần cải tiến). ứng được tốc độ truy vấn tối ưu. Thứ nhất, tích hợp một công cụ có tên là - Deloitte (2023) khẳng định blockchain Data discovery vào kiến trúc mới. Data đóng vai trò quan trọng trong bảo mật dữ discovery được xây dựng trên nền tảng của liệu, nhưng việc tích hợp blockchain vào trí tuệ nhân tạo có nhiệm vụ xác định và DV vẫn còn rất hạn chế. phân loại các nguồn dữ liệu mới một cách Điểm khác biệt từ kết quả phỏng vấn của tự động. Hỗ trợ tiếp nhận dữ liệu thời gian Tác giả so với các nghiên cứu trước đây thể thực và xử lý đồng thời dữ liệu theo luồng hiện trên Bảng 3. hoặc theo thời gian, giúp doanh nghiệp tận Từ các kết quả trên, nghiên cứu này đề dụng được một phạm vi dữ liệu rộng lớn xuất một kiến trúc ảo hóa dữ liệu mới với hơn cho việc phân tích. các cải tiến quan trọng được trình bày như Thứ hai, Metadata Management được nâng trong Hình 3. cấp thành một lớp trừu tượng thông minh Trong Hình 3 những khung được bôi màu thông qua việc tích hợp trí tuệ nhân tạo (AI). đánh số từ 1 đến 4 là những thành phần Công nghệ này tự động thiết lập một mô Số 276- Năm thứ 27 (4)- Tháng 4. 2025- Tạp chí Kinh tế - Luật & Ngân hàng 53
Phát triển kiến trúc ảo hóa dữ liệu tiên tiến nhằm nâng cao hiệu quả ra quyết định trong kinh doanh thông minh Bảng 3. Bảng so sánh tính mới của kết quả nghiên cứu Phát hiện từ nghiên cứu Kết quả từ nghiên cứu Nội dung Điểm khác biệt trước đây này Gartner (2022): DV chưa 85% chuyên gia đồng ý Phỏng vấn chuyên gia xác Hiệu suất DV tối ưu cho dữ liệu thời rằng DV hiện tại gây độ nhận vấn đề này trong gian thực trễ cao. thực tế. Wang (2025): 80% dữ liệu 78% chuyên gia nhận thấy Thực tế cho thấy vấn đề Tích hợp dữ liệu phi doanh nghiệp là phi cấu DV chưa tích hợp tốt dữ này chưa được giải quyết cấu trúc trúc, DV chưa hỗ trợ tốt liệu phi cấu trúc. triệt để. 72% chuyên gia đồng ý Kết quả nghiên cứu phù Gartner (2022): DV yêu cầu Giao diện người dùng rằng DV cần được đơn hợp với nhận định trước kỹ năng kỹ thuật cao. giản hóa. đó. 68% chuyên gia nhận thấy Kết quả nghiên cứu này Deloitte (2023): DV chưa Bảo mật dữ liệu DV chưa có giải pháp bảo xác nhận blockchain là giải tích hợp blockchain. mật mạnh mẽ. pháp cần thiết. Nguồn: Tác giả tổng hợp Nguồn: Tác giả tổng hợp và đề xuất. Hình 3. Kiến trúc hệ thống ảo hóa dữ liệu tiên tiến cho BI hiện đại hình đồng nhất về ý nghĩa dữ liệu trên tất thích ứng theo ngữ cảnh, cho phép ảo hóa cả các nguồn, tối ưu hóa nhiệm vụ quản lý và tích hợp dữ liệu nhanh chóng, hiệu quả siêu dữ liệu và giảm thiểu sự can thiệp thủ trong thời gian thực, đáp ứng tối ưu nhu công. Đồng thời, Metadata Management cầu của các doanh nghiệp hiện đại. được tăng cường khả năng quản trị dữ liệu - Lớp Truy cập và Phân phối Dữ liệu (Data với các tính năng như tự động phân loại dữ Access and Delivery Layer): liệu nhạy cảm và đảm bảo tuân thủ các quy Sự cải tiến ở lớp DV Layer thể hiện ở Hình 5. định pháp lý đa lĩnh vực. Sự cải tiến này Thứ nhất, công cụ truy vấn sẽ được tích giúp DV trở nên linh hoạt hơn trong việc hợp AI, nhờ có AI tự động xác định kế 54 Tạp chí Kinh tế - Luật & Ngân hàng- Số 276- Năm thứ 27 (4)- Tháng 4. 2025
CHU THỊ HỒNG HẢI Nguồn: Tác giả tổng hợp và đề xuất Hình 4. Công cụ Data discovery và Metadata management trong DV hoạch thực thi truy vấn hiệu quả nhất bằng cáo dữ liệu tùy chỉnh, cho phép người dùng cách xem xét các yếu tố như: vị trí dữ liệu, khám phá và sử dụng dữ liệu một cách độc phân phối khối lượng công việc và hiệu lập mà không cần sự trợ giúp thường xuyên suất truy vấn lịch sử... AI tính toán để tăng từ bên IT. tốc độ truy vấn và giảm tải cho các nguồn dữ liệu cá nhân, đảm bảo hiệu suất nhất 5.2. Một số cải tiến chung quán ngay cả khi có nhu cầu cao. Hệ thống này sẽ được học các mẫu truy vấn và thích Ngoài sự thay đổi riêng trên từng lớp, phần nghi theo thời gian nhằm cải thiện hiệu suất dưới đây (Hình 6) trình bày sự cải tiến trên tổng thể. tất cả các lớp để đạt được hiệu quả tốt hơn Thứ hai, cải thiện giao diện Ảo hóa Dữ cho hệ thống. liệu theo hướng đơn giản hơn, dễ sử dụng Thứ nhất, các giải pháp truyền thống cho phép người dùng trong doanh nghiệp thường gặp thách thức trong việc bảo mật không chuyên về công nghệ thông tin cũng dữ liệu trong môi trường phức tạp và đa có thể tạo và quản lý các chế độ liên quan nguồn. Kiến trúc mới được đề xuất sẽ cải đến dữ liệu ảo hóa. Để thực hiện điều đó, tiến đáng kể tính năng bảo mật, đảm bảo lớp Data Access and Delivery Layer đã tích kiểm soát an toàn thông tin toàn diện ở tất hợp xử lý ngôn ngữ tự nhiên (NLP), người cả các lớp với mức độ cao hơn. Cụ thể, dữ dùng có thể tương tác thông qua giọng nói, liệu sẽ được mã hóa toàn bộ, quyền truy ngoài ra giao diện này hỗ trợ tính năng kéo cập được kiểm soát chính xác, và các bất và thả để thiết kế các chế độ xem và báo thường được tự động phát hiện kịp thời. Nguồn: Tác giả tổng hợp và đề xuất Hình 5. Cải tiến công cụ SEARCH/QUERY lớp Truy cập và Phân phối Dữ liệu Số 276- Năm thứ 27 (4)- Tháng 4. 2025- Tạp chí Kinh tế - Luật & Ngân hàng 55
Phát triển kiến trúc ảo hóa dữ liệu tiên tiến nhằm nâng cao hiệu quả ra quyết định trong kinh doanh thông minh Hơn nữa, kiến trúc này sẽ tích hợp thêm giây đều ảnh hưởng trực tiếp đến hiệu quả công nghệ blockchain để cung cấp dấu vết vận hành. Với cách tiếp cận này, kiến trúc kiểm toán không thể thay đổi, đảm bảo tính không chỉ mang lại tính linh hoạt mà còn minh bạch và trách nhiệm trong việc quản đảm bảo hiệu suất tối đa trong việc tích hợp lý dữ liệu, từ đó nâng cao khả năng bảo mật và xử lý dữ liệu hiện đại. và quyền riêng tư dữ liệu của cả hệ thống Thứ ba, chia sẻ dữ liệu và cộng tác theo lên một tầm cao mới. thời gian thực, các nền tảng hiện tại thường Thứ hai, tích hợp dữ liệu tối ưu hóa cho thiếu những tính năng mạnh mẽ để hỗ trợ Edge và Cloud-Native- Khác với các giải công việc cộng tác dữ liệu hiệu quả. Để pháp truyền thống chỉ dừng ở việc tích hợp khắc phục, kiến trúc mới sẽ tích hợp một đám mây, kiến trúc mới được thiết kế với Trung tâm Dữ liệu Cộng tác cho phép chia bản chất là Cloud-Native, tối ưu hóa toàn sẻ dữ liệu theo thời gian thực và thực hiện diện cho các môi trường điện toán Edge phân tích chung một cách liền mạch. Trung và đa đám mây. Kiến trúc này hỗ trợ triển tâm này cho phép nhiều người dùng làm khai trên nhiều nền tảng đám mây, cho việc đồng thời trên cùng một tập dữ liệu, phép doanh nghiệp khai thác tối đa các với các cập nhật theo thời gian thực và tính năng ưu việt từ nhiều nhà cung cấp mà kiểm soát phiên bản chặt chẽ, đảm bảo tính vẫn đảm bảo quản lý tập trung thông qua đồng nhất và minh bạch trong quá trình một mặt phẳng điều khiển chung. Tối ưu làm việc nhóm. Ngoài ra, việc tích hợp với hóa cho Edge mang lại khả năng xử lý dữ các công cụ cộng tác phổ biến như Slack, liệu gần nguồn hơn, giảm độ trễ và tăng Microsoft Teams và phần mềm quản lý cường khả năng phản hồi của các ứng dụng dự án khác sẽ tăng cường năng suất, giúp BI trong thời gian thực. Điều này đặc biệt các thông tin chi tiết được chia sẻ nhanh quan trọng trong các ngành yêu cầu tốc độ chóng và hỗ trợ ra quyết định ngay lập tức. cao như sản xuất và logistics, nơi mỗi mili- Điều này không chỉ cải thiện hiệu quả làm Nguồn: Tác giả tổng hợp và đề xuất Hình 6. Một số cải tiến chung trên các lớp 56 Tạp chí Kinh tế - Luật & Ngân hàng- Số 276- Năm thứ 27 (4)- Tháng 4. 2025
CHU THỊ HỒNG HẢI việc mà còn tạo điều kiện thuận lợi cho các hóa, nhằm khắc phục những hạn chế của tổ chức tận dụng tối đa giá trị của dữ liệu hệ thống hiện tại, dựa trên phân tích tài liệu trong thời gian thực. và ý kiến chuyên gia. Theo các chuyên gia Thứ tư, mở rộng kiến trúc theo hướng trong lĩnh vực phân tích dữ liệu, AI có thể Module hóa, kiến trúc hiện đại cần tính tối ưu hóa truy vấn, giúp giảm độ trễ và mô-đun hóa cao, cho phép mở rộng linh nâng cao hiệu suất xử lý dữ liệu. Trong khi hoạt và đáp ứng nhu cầu thay đổi của doanh đó, chuyên gia về an toàn thông tin nhấn nghiệp. Mỗi thành phần, từ tích hợp dữ liệu mạnh rằng Blockchain đóng vai trò quan đến xử lý truy vấn, đều được thiết kế độc trọng trong tăng cường bảo mật, đặc biệt lập, giúp doanh nghiệp nâng cấp từng phần đối với các lĩnh vực tài chính và chuỗi cung mà không ảnh hưởng đến toàn bộ hệ thống, ứng. Ngoài ra, chuyên gia trong lĩnh vực đảm bảo khả năng phát triển cùng tổ chức tối ưu hóa hệ thống nhận định rằng mô-đun và xử lý dữ liệu ngày càng phức tạp. hóa giúp doanh nghiệp linh hoạt hơn, đồng Những cải tiến như tích hợp dữ liệu hỗn hợp, thời giảm chi phí bảo trì và mở rộng hệ quản lý siêu dữ liệu thông minh, tối ưu hóa thống, phù hợp với đánh giá của Forrester truy vấn bằng AI, và giao diện dễ sử dụng đã rằng việc mô-đun hóa có thể giúp tiết kiệm khắc phục hạn chế về hiệu suất và tính linh 40% chi phí vận hành (Forrester, 2023). hoạt của kiến trúc truyền thống. Tính bảo Những cải tiến này không chỉ nâng cao hiệu mật cũng được nâng cao với blockchain, suất và bảo mật cho hệ thống DV mà còn trong khi tối ưu hóa cho Edge và Cloud- tạo nền tảng vững chắc để thúc đẩy chuyển Native giúp phù hợp với các xu hướng công đổi số và khai thác dữ liệu hiệu quả. Tuy nghệ mới. Tuy nhiên, hệ thống mô-đun đòi nhiên, việc triển khai DV tiên tiến có thể hỏi chi phí cao, nguồn lực kỹ thuật đáng kể, gặp thách thức về tài nguyên tính toán, tích và sự đồng bộ hóa với các hệ thống hiện có, hợp với hệ thống cũ và quản lý dữ liệu phi điều này cần được lên kế hoạch cẩn thận để cấu trúc. Do đó, các nghiên cứu tiếp theo đảm bảo hiệu quả triển khai. có thể tập trung vào tối ưu hóa chi phí triển khai, đánh giá hiệu suất thực tế trong các 6. Kết luận và gợi mở hướng nghiên cứu ngành khác nhau, cũng như xây dựng chiến lược quản trị dữ liệu phù hợp. Việc áp dụng Trong kỷ nguyên số, ảo hóa dữ liệu (DV) kiến trúc đề xuất sẽ giúp doanh nghiệp duy giữ vai trò chiến lược trong hoạt động trì lợi thế cạnh tranh, thích ứng linh hoạt của hầu hết các doanh nghiệp, đặc biệt là và tận dụng tối đa giá trị dữ liệu, mở ra những doanh nghiệp dựa vào dữ liệu để tiềm năng ứng dụng rộng rãi trong y tế, tài hỗ trợ ra quyết định kinh doanh. Nghiên chính, chuỗi cung ứng và các lĩnh vực yêu cứu này đã đề xuất một kiến trúc DV tiên cầu tích hợp dữ liệu phức tạp với độ chính tiến, tích hợp AI, Blockchain và mô-đun xác và bảo mật cao. ■ Tài liệu tham khảo Alonge, E. O., Dudu, O. F., & Alao, O. B. (2024). Utilizing advanced data analytics to boost revenue growth and operational efficiency in technology firms. International Journal of Frontiers in Science and Technology Research, 07(02), 039–059. https://doi.org/10.53294/ijfstr.2024.7.2.0056 Alex Merced. (2024). Data virtualization tools: The key to real-time analytics. Dremio. Retrieved from https://www. dremio.com/blog/data-virtualization-tools-real-time-analytics/ Chu Thị Hồng Hải. (2024). Ảo hóa dữ liệu - Xu hướng tích hợp dữ liệu ưu việt cho kinh doanh thông minh. Tạp chí Nghiên cứu Tài chính Kế toán, 278, 12(2), 64-69. Số 276- Năm thứ 27 (4)- Tháng 4. 2025- Tạp chí Kinh tế - Luật & Ngân hàng 57
Phát triển kiến trúc ảo hóa dữ liệu tiên tiến nhằm nâng cao hiệu quả ra quyết định trong kinh doanh thông minh Deloitte. (2023). Blockchain technology in data virtualization: Enhancing transparency and security. Deloitte Insights. Retrieved from https://www2.deloitte.com/us/en/insights/topics/understanding-blockchain-potential.html Denodo. (2023). Data virtualization. Denodo. Retrieved from https://www.denodo.com/en/data-management/data- virtualization?utm_source=chatgpt.com Earley, S. (2016). Data virtualization: A breakthrough for data integration. Journal of Business Technology, 7(1), 34–45. Jordan Cole. (2024). The challenges of implementing blockchain in government services. BlockApps. Retrieved from https://blockapps.net/blog/the-challenges-of-implementing-blockchain-in-government-services/?utm_ source=chatgpt.com Forrester. (2023). Forrester’s North America predictions 2023: To thrive, organizations will make consumer and employee trust their business imperative. Forrester Research. Retrieved from https://www.forrester.com/press- newsroom/forrester-predictions-2023/ Gartner. (2019). Business intelligence in the digital age: Integrating IoT and e-commerce data. Retrieved from https:// enterrasolutions.com/business-intelligence-in-the-digital-age/ Gartner. (2022). Gartner Magic Quadrant for Data Integration Tools. Gartner Research. Retrieved from https://www. denodo.com/en/document/analyst-report/2022-gartner-magic-quadrant-data-integration-tools McKinsey & Company. (2023). Real-time data processing: A growth catalyst for enterprises. McKinsey Quarterly. Retrieved from https://www.mckinsey.com/ Scroggins, C. (2017). ETL vs. data virtualization: A comparative analysis for modern BI. Journal of Data Management, 10(2), 67–80. Simuni, G., Sinha, M., Madhuranthakam, R. S., & Vadlakonda, G. (2024). Edge Computing in IoT: Enhancing Real- Time Data Processing and Decision Making in Cyber-Physical Systems. International Journal of Unique and New Updates, ISSN: 3079-4722, 6(2), 75-84. https://ijunu.com/index.php/journal/article/view/60/61 Tibco. (2021). Data virtualization: Revolutionizing data integration through abstraction. Tibco. Retrieved from https:// www.tibco.com/content/dam/tibco/documents/data-sheet/tibco-data-virtualization.pdf Wang, X. L. (2025). From data to decision: Enhancing SME financial health prediction with advanced machine learning techniques. ORBilu. Retrieved from https://orbilu.uni.lu/handle/10993/64305 Watson, H. (2019). Business intelligence: Evolving from internal analysis to integrated IoT and e-commerce platforms. Journal of Business Intelligence, 15(4), 56–78. Retrieved from https://www.researchgate.net/ publication/334487529_Integration_of_Business_Intelligence_with_e-commerce 58 Tạp chí Kinh tế - Luật & Ngân hàng- Số 276- Năm thứ 27 (4)- Tháng 4. 2025