Kho dữ liệu tập trung: khi nào doanh nghiệp thật sự cần

"Kho dữ liệu tập trung" nghe như chuyện của tập đoàn. Nhưng bản chất của nó rất bình dân: một nơi gom dữ liệu từ nhiều hệ thống về, làm cho thống nhất, để báo cáo lấy từ đó thay vì lấy trực tiếp từ từng hệ thống. Doanh nghiệp 30 người cũng có thể cần, và tập đoàn cũng có thể chưa cần nếu chỉ chạy đúng một hệ thống.

Ba tình huống thật sự cần

1. Dữ liệu nằm ở từ ba hệ thống trở lên

Bán hàng ở một phần mềm, kế toán ở phần mềm khác, chấm công ở ứng dụng thứ ba, đơn từ sàn thương mại điện tử ở nơi thứ tư. Muốn biết lãi thật của một đơn hàng phải mở bốn chỗ. Đây là tình huống phổ biến nhất và cũng rõ ràng nhất.

2. Cần dữ liệu lịch sử mà hệ thống nguồn ghi đè

Phần mềm bán hàng lưu giá hiện tại của mặt hàng. Đổi giá là mất giá cũ. Muốn phân tích biên lợi nhuận theo thời gian thì phải có nơi lưu lại trạng thái từng thời điểm — đó chính là việc kho dữ liệu làm.

3. Báo cáo nặng làm chậm hệ thống đang chạy

Chạy một báo cáo tổng hợp hai năm ngay trên cơ sở dữ liệu vận hành khiến quầy thu ngân giật lag. Tách phần phân tích sang nơi khác giải quyết được cả hai việc cùng lúc.

Khi nào CHƯA cần

• Chỉ có một hệ thống và nó đã báo cáo đủ dùng — thêm một tầng nữa chỉ là thêm chỗ để hỏng.
• Dữ liệu nguồn còn bẩn. Gom dữ liệu bẩn từ ba nơi về một nơi chỉ tạo ra dữ liệu bẩn tập trung.
• Chưa ai định nghĩa được các chỉ số cần đo. Xây kho trước khi biết đo gì là xây kho cho vui.

Kiến trúc tối giản cho doanh nghiệp vừa và nhỏ

Không cần công nghệ đắt tiền. Ba tầng là đủ, và mỗi tầng có một nhiệm vụ rõ ràng:

1. 1Tầng thô — chép nguyên trạng dữ liệu từ các nguồn về, không sửa gì. Giữ nguyên bản để khi nghi ngờ còn truy lại được.
2. 2Tầng chuẩn hoá — thống nhất mã khách, mã hàng, đơn vị tính, múi giờ; xử lý trùng lặp. Đây là tầng chiếm nhiều công nhất và quyết định chất lượng.
3. 3Tầng phục vụ báo cáo — các bảng đã tổng hợp sẵn theo ngày, theo khách, theo mặt hàng, để dashboard truy vấn nhanh.

Đồng bộ bao lâu một lần

Câu trả lời mặc định nên là "mỗi đêm một lần", không phải "thời gian thực". Đồng bộ thời gian thực đắt hơn nhiều lần và hầu hết báo cáo quản trị không cần. Chỉ những chỉ số thật sự cần theo dõi trong ngày — doanh thu, đơn trễ — mới nên lấy trực tiếp từ hệ thống nguồn.

Ba sai lầm hay gặp

1. 1Xây kho trước, hỏi nhu cầu sau. Kết quả là một kho đầy bảng mà không báo cáo nào dùng. Hãy bắt đầu từ 8–10 câu hỏi kinh doanh cụ thể và chỉ đưa vào những dữ liệu trả lời được chúng.
2. 2Không có giám sát. Một nguồn ngừng đẩy dữ liệu ba ngày mà không ai biết, và báo cáo vẫn hiển thị bình thường với số liệu thiếu. Mọi luồng đồng bộ phải có cảnh báo khi trễ hoặc khi số bản ghi lệch bất thường.
3. 3Không ai chịu trách nhiệm định nghĩa chỉ số. Khi kế toán và kinh doanh hiểu "doanh thu" khác nhau, kho dữ liệu không giải quyết được — nó chỉ làm cho sự khác nhau đó hiển thị ở nhiều nơi hơn.

Nếu doanh nghiệp bạn đang ở tình huống 1 hoặc 3 ở đầu bài, nhóm giải pháp dữ liệu và báo cáo là nơi bắt đầu — thường chỉ cần một luồng gom dữ liệu và vài bảng tổng hợp là đã giải quyết được phần lớn nhu cầu.