Thứ Tư, ngày 01 tháng 12 năm 2021

Phát triển hệ thống hoạch định tài nguyên doanh nghiệp (ERP) ứng dụng dữ liệu lớn và trí tuệ nhân tạo

Ngày đăng:01:45 05/01/2021
Lượt xem: 7.799
Cỡ chữ
Hệ thống hoạch định nguồn lực doanh nghiệp (ERP) là một giải pháp quản lý tổng thể doanh nghiệp đã được các doanh nghiệp biết đến. Điểm nổi bật của giải pháp này là việc tích hợp các phân hệ thành một thể thống nhất cung cấp thông tin tổng hợp, nhất quán theo thời gian thực.
Cùng với thời gian, những nhu cầu mới, công nghệ mới ra đời đã buộc các hệ thống ERP phải phát triển để phù hợp và một trong những thách thức lớn nhất đối với các hệ thống ERP ngày nay là thực hiện được các chức năng thông minh với tốc độ xử lý nhanh, độ chính xác cao. Thách thức này đòi hỏi các nhà cung cấp ERP phải ứng dụng các công nghệ mới vào phát triển hệ thống. Trong bài viết này, tác giả đề xuất một mô hình kiến trúc tổng thể hệ thống ERP ứng dụng công nghệ mới, dữ liệu lớn và trí tuệ nhân tạo để thực hiện được các chức năng thông minh, tự động hóa sản xuất nhằm đạt lợi thế cạnh tranh tối đa cho doanh nghiệp, đồng thời là một kênh giúp các doanh nghiệp xác định chức năng, công nghệ và dữ liệu cần thiết khi xây dựng hệ thống ERP cho mình.
 
1. Đặt vấn đề 
 
Cuộc cách mạng công nghiệp 4.0 đã đem lại những tác động sâu sắc đến tư duy và nhận thức của các doanh nghiệp không chỉ ở Việt Nam, mà trên toàn thế giới. Nó đã và đang đặt ra rất nhiều cơ hội và thách thức cho các doanh nghiệp, nhất là khi thế giới đang tiến vào kỷ nguyên số, công nghệ thông tin, thiết bị hỗ trợ quản lý ngày càng phát triển nhanh, mạnh và tiện dụng. Việc, sử dụng công cụ quản lý hiện đại cho doanh nghiệp trong thời đại mới là điều vô cùng cần thiết, ERP - hệ thống hoạch định nguồn lực doanh nghiệp được ưu tiên lựa chọn cho các doanh nghiệp hiện nay. 
 
Theo báo cáo từ Market Research Engine năm 2018, thị trường ERP toàn cầu được kì vọng vượt qua mức 49 tỷ USD vào năm 2020. Trong một nghiên cứu khác của MarketResearch, dự đoán thị trường ERP sẽ đáng giá 41.04 tỷ USD vào năm 2020, với tỷ lệ tăng trưởng bình quân 6,9% từ 2015 - 2020 [Market Research Future, 2018]. Allied Market Research cũng đưa ra con số tương tự, vào khoảng 41,0 tỷ USD, với tỷ lệ tăng trưởng 7,2%. Đến nay, ERP còn được coi là tiền đề để doanh nghiệp tiến hành chuyển đổi số, điều này giúp phần thúc đẩy thị trường ERP phát triển nhanh và mạnh hơn [Panorama Consulting Solutions, 2018].
 
ERP là sự tích hợp tất cả các phần mềm được sử dụng để quản lý doanh nghiệp thành một hệ thống duy nhất. Với ERP, tất cả các dữ liệu về hoạt động của doanh nghiệp được tạo ra luôn được cập nhật đầy đủ, tổng quan theo thời gian thực,... Chính sự kết nối và hợp nhất các phần mềm trong cùng một hệ thống đã giúp doanh nghiệp lưu trữ dữ liệu ở một nơi với một phiên bản sử dụng xuyên suốt cho tất cả bộ phận, phòng, ban hay chi nhánh. Khi xảy ra bất cứ sự thay đổi nào thì mọi thông tin đều tự động hiển thị và tính toán lại sao cho trùng khớp và giúp tránh được những sai sót,... Các hệ thống ERP hiện nay, tuy có sự đồng bộ và thống nhất về dữ liệu nhưng mới chỉ sử dụng được các dữ liệu có cấu trúc, một khoảng trống rất lớn cần được khai thác chính là sử dụng được nguồn dữ liệu lớn (bigdata). Ngày nay, công nghệ thông tin đóng vai trò quan trọng, không thể thiếu trong quá trình quản lý, điều hành các hoạt động sản xuất kinh doanh của doanh nghiệp. Sự xuất hiện của những công nghệ thời đại như: Vạn vật kết nối; dữ liệu lớn; điện toán đám mây; trí tuệ nhân tạo,... đã làm thay đổi mô hình và cách thức hoạt động kinh doanh của doanh nghiệp, các giao dịch truyền thống chuyển dần sang giao dịch điện tử, nhiều hoạt động thủ công được thay bằng tự động hóa,... tất cả đã đỏi hỏi sự phát triển, hoàn thiện trong các công cụ quản lý doanh nghiệp và tất yếu, hệ thống ERP cũng cần được phát triển lên một tầm cao mới. ERP mới này sẽ lấp được khoảng trống mà các hệ thống ERP hiện nay chưa giải quyết được như: Hỗ trợ doanh nghiệp thực hiện được những chức năng kinh doanh thông minh, tự động hóa sản xuất, cá nhân hóa sản phẩm, ra các quyết định quản lý,... để hệ thống ERP giải quyết được các nhiệm vụ trên, cần phải ứng dụng các công nghệ hiện đại như dữ liệu lớn và trí tuệ nhân tạo,... để thu thập, xử lý và phân tích dữ liệu tự động.
 
Bước vào kỷ nguyên số, thông tin chính là tài sản quan trọng của doanh nghiệp, cơ hội có được thông tin một cách nhanh nhất, chính xác nhất sẽ là chìa khóa thành công của mỗi doanh nghiệp. Chính vì vậy, sự xuất hiện của ERP ứng dụng dữ liệu lớn và trí tuệ nhân tạo là một tất yếu và trở nên quan trọng hơn bao giờ hết. Với hệ thống ERP này, các doanh nghiệp chủ động hơn trong việc khai thác thông tin để xây dựng giải pháp theo thời gian thực nhằm thúc đẩy việc đưa ra các quyết định chiến lược một cách nhanh chóng, cải thiện hoạt động, gia tăng lợi nhuận của tổ chức.
 
2. Thực trạng các hệ thống ERP hiện nay
 
Đến nay, ERP không chỉ được coi là một phần mềm, mà nó còn được xem là một giải pháp quản lý tổng thể cho doanh nghiệp, vì khi một doanh nghiệp triển khai ERP là doanh nghiệp có sự thay đổi về qui trình quản lý, con người và công nghệ. Theo kết quả nghiên cứu thị trường ERP của Panorama Consulting Group năm 2019 cho thấy: Hiện nay, tất cả các doanh nghiệp có qui mô khác nhau thuộc tất cả các ngành nghề đang phải đối mặt với thách thức tăng chi phí hoạt động, tài nguyên bị hạn chế và nhân sự thay đổi,... dẫn đến thách thức lớn với các nhà cung cấp giải pháp ERP, buộc các nhà cung cấp giải pháp phải bổ sung chức năng, thay đổi công nghệ,... để giải quyết được các thách thức mà doanh nghiệp đang phải đối mặt. Thị trường ERP trong và ngoài nước rất đa dạng và phong phú, có khá nhiều cách để phân loại giải pháp ERP. Tuy nhiên, mục tiêu của bài báo là đề xuất một kiến trúc hệ thống ERP ứng dụng dữ liệu lớn và trí tuệ nhân tạo để thực hiện các chức năng mới cần bổ sung vào hệ thống. Do vậy, giải pháp ERP được phân loại theo hướng giải pháp trong nước và giải pháp nước ngoài, tập trung vào các chức năng và công nghệ sử dụng.
 
2.1. Phân loại các giải pháp ERP
 
Để xác định được các chức năng và các công nghệ đang sử dụng của ERP hiện nay, tác giả thu thập dữ liệu từ báo cáo về kết quả nghiên cứu của Panorama năm 2018 và năm 2019 làm căn cứ xác định các chức năng đã cung cấp, các chức năng sẽ bổ sung trong tương lai và công nghệ của các giải pháp nước ngoài. Các chức năng và công nghệ của các giải pháp ERP trong nước được tác giả tổng hợp từ kết quả khảo sát của 10 doanh nghiệp cung cấp giải pháp ERP trong nước hàng đầu Việt Nam. Đối tượng được lựa chọn để khảo sát là các giám đốc công nghệ và giám đốc triển khai hệ thống. Kết quả như sau:
 
Giải pháp ERP nước ngoài
 
Các giải pháp ERP nước ngoài nổi tiếng trên thị trường: ERP SAP, Oracle ERP, Microsoft Dynamics, Sage ERP... các giải pháp này có điểm chung là: Có đầy đủ các chức năng, công nghệ hiện đại, bề dầy kinh nghiệm và đã áp dụng thành công tại nhiều doanh nghiệp ở trên thế giới. Khi triển khai ở Việt Nam, quy trình quản lý đã được chuẩn hóa, được thiết kế và điều chỉnh theo nhu cầu của các doanh nghiệp cho phù hợp với quy trình và tính pháp lý trong nước. Các phần mềm ERP nước ngoài thường có giá thành cao, ngoài chi phí tư vấn, triển khai phần mềm, doanh nghiệp còn phải trả khoản tiền bản quyền tương đối lớn. Đặc biệt, trong hệ thống ERP, phân hệ Kế toán thường là module quan trọng nhất, module này là đầu mối trung tâm của dữ liệu, có nhiệm vụ hạch toán các nghiệp vụ phát sinh và in ra các báo cáo theo đúng chế độ, chuẩn mực kế toán Việt Nam, các nhà cung cấp nước ngoài thường khó đáp ứng được yêu cầu này.
 
Giải pháp ERP trong nước
 
Các nhà cung cấp giải pháp ERP trong nước hiện nay cũng đủ khả năng thiết kế những phần mềm ERP thuần Việt. Những phần mềm này phù hợp với năng lực, trình độ, luật pháp và cũng nhanh chóng kịp thời cập nhật các thông tư, quyết định hướng dẫn các doanh nghiệp cần phải thực hiện. Tuy nhiên, các phần mềm ERP trong nước thường phát triển từ các phần mềm kế toán và chưa thực sự cung cấp đầy đủ các chức năng, phân hệ cho doanh nghiệp, công nghệ sử dụng chưa cập nhật được theo thời đại. Chi phí cho các hệ ERP trong nước thường rẻ hơn nhiều so với ERP ngoại.
Kết quả nghiên cứu của Panorama năm 2019 còn cho thấy các chức năng cần bổ sung thêm trong thời gian tới là: CRM (Quản trị quan hệ khách hàng); HCM (Quản trị nguồn nhân lực); EAM (Quản trị tài sản doanh nghiệp); PLM (Quản lý vòng đời sản phẩm); PIM (Quản lý thông tin sản phẩm); PDM (Quản lý dữ liệu sản phẩm); QA (Đảm bảo chất lượng); MES (Hệ thống thực thi sản xuất); Quản lý chuỗi cung ứng (SCM); TMS (Hệ thống quản lý vận tải) và WMS (Hệ thống quản lý kho),... Mỗi ứng dụng này được thực hiện ở mức độ tự động hoặc bán tự động và có thể được triển khai như một hệ thống bổ sung cho các hệ thống để hỗ trợ giải pháp ERP hiện đại hoặc có thể được nhúng hoặc tích hợp với hệ thống ERP cốt lõi.

 
2.2. Kiến trúc chung của ERP hiện nay
 
Đặc trưng chung của phần mềm ERP trong nước và nước ngoài đều có cấu trúc phân hệ, mỗi phân hệ có một tập hợp các chức năng. Từng phân hệ có thể hoạt động độc lập nhưng do bản chất của hệ thống ERP nên các phân hệ được kết nối với nhau để tự động chia sẻ nhằm tạo nên một hệ thống đồng nhất. Từ kết quả khảo sát của Panorama và của tác giả, kiến trúc tổng thể của ERP trong nước và nước ngoài được mô hình hóa như hình 1.
 
- Tầng ứng dụng là tầng giao tiếp với người sử dụng thông qua việc cung cấp các giao diện, các chức năng của các phân hệ. Các hệ thống ERP của các hãng khác nhau có sự đặt tên chức năng và phân hệ khác nhau, tên của các phân hệ trong tầng ứng dụng hình 1 được lựa chọn từ số đông các nhà cung cấp sử dụng. 
 
- Tầng công nghệ và dịch vụ là các công nghệ được sử dụng để thiết kế, xây dựng các chức năng. Ngoài ra, còn có các công nghệ nền được cài đặt trên các hệ thống máy chủ, máy trạm khi triển khai hệ thống. Mỗi nhà cung cấp sử dụng các công nghệ khác nhau cho sản phẩm của mình. Các công nghệ được liệt kê ở hình 1 là các công nghệ cốt lõi các nhà cung cấp giải pháp ERP đang sử dụng hiện nay.
 
Tầng dữ liệu là nơi cho phép hệ thống khai thác các dữ liệu để thực hiện được các yêu cầu từ người dùng thông qua giao diện các chức năng ở tầng ứng dụng. Với các hệ thống ERP hiện nay thì các dữ liệu hệ thống đang khai thác thường là những dữ liệu truyền thống dữ liệu có có cấu trúc.
 
Các hệ thống ERP ngày nay, về cơ bản, đã cung cấp các chức năng đáp ứng được nhu cầu tối thiểu của doanh nghiệp. Tuy nhiên, với sự phát triển của xã hội, của công nghệ,... cần phát triển hệ thống ERP lên một tầm cao mới, ERP ứng dụng các công nghệ mới để giải quyết những bài toán của doanh nghiệp trong thời đại 4.0 và bước vào thời kì số hóa. 
 
3. Đề xuất kiến trúc ERP ứng dụng dữ liệu lớn và trí tuệ nhân tạo
 
Trí tuệ nhân tạo đang là một chủ đề nóng trong những năm gần đây, ứng dụng trí tuệ nhân tạo trong tất cả các hoạt động đời sống của con người ngày một gia tăng và đem lại những kết quả đáng ghi nhận. Thực tế cho thấy rằng, những tổ chức nào chấp nhận ứng dụng trí tuệ nhân tạo sẽ có những bước tiến mạnh mẽ, trong khi những tổ chức từ chối tiếp nhận công nghệ sẽ bị tụt hậu. ERP ứng dụng dữ liệu lớn và trí tuệ nhân tạo sẽ là một giải pháp, một công cụ quản lý tổng thể doanh nghiệp đáp ứng được như cầu của thời đại. Kiến trúc hệ thống ERP này được xây dựng dựa trên: (i) Xu hướng các chức năng cần bổ sung; (ii) Các công nghệ mới (điện toán đám mây; dữ liệu lớn; trí tuệ nhân tạo; vạn vật kết nối); (iii) Thu thập và lưu trữ dữ liệu.
 
3.1. Xu hướng các chức năng cần bổ sung
 
Thực chất ERP ứng dụng dữ liệu lớn và trí tuệ nhân tạo không dựa trên một công nghệ cụ thể nào, mà dựa trên khả năng hệ thống ERP có thể sử dụng nhiều công nghệ để hỗ trợ các chức năng thông minh. Trong doanh nghiệp, các chức năng thông minh thường bắt đầu từ việc tự động hóa các qui trình, nhất là các qui trình được thực hiện thường xuyên. Theo thời gian, lại có các chức năng khác được phát triển như phát hiện lỗi trong sản xuất, phân tích dự đoán để lập kế hoạch và dự báo nhu cầu, thì lại cần các công nghệ học máy, học sâu,  xử lý ngôn ngữ tự nhiên cho các hệ thống điều khiển bằng giọng nói trong sản xuất hoặc trong kho,... điều này phần thực trạng cũng đã khẳng định được sự cần thiết phải thay đổi.  Do vậy, kiến trúc hệ thống ERP mới này được xây dựng dựa trên khả năng ứng dụng các công nghệ để mở rộng các chức năng và tích hợp với các ứng dụng sáng tạo theo thời gian nhằm đáp ứng được nhu cầu thay đổi của doanh nghiệp.
 
3.2. Các công nghệ mới
 
Các hệ thống thông minh đòi hỏi một lượng dữ liệu lớn mới có thể xác định xu hướng, mô hình và mối tương quan, cũng như khả năng tìm hiểu và đưa ra kết luận. Hệ thống ERP mới rất cần nguồn dữ liệu đa dạng, chính xác theo thời gian thực để thực hiện các chức năng. Do vậy, ngoài hai công nghệ chủ chốt là dữ liệu lớn và trí tuệ nhân tạo, hệ thống còn ứng dụng nhiều công nghệ khác, dưới đây sẽ làm rõ ý nghĩa và chức năng của các công nghệ chính được ứng dụng vào hệ thống.
 
Điện toán đám mây (Cloud Computing)
 
Điện toán đám mây là công nghệ cung cấp các tài nguyên máy tính cho người dùng theo mục đích sử dụng thông qua kết nối Internet. Điện toán đám mây cung cấp theo ba loại hình dịch vụ chính: (1) IaaS - Internet as a Service (Dịch vụ mạng), cung cấp hạ tầng máy chủ, thường dành cho các nhà phát triển phần mềm; (2) PaaS - Platform as a Service (Dịch vụ hạ tầng), cung cấp nền tảng để triển khai phần mềm; (3) SaaS - Software as a Service (Dịch vụ phần mềm), cung cấp sản phẩm ứng dụng, chủ yếu dành cho người dùng cuối. 
 
Ngày nay, dữ liệu là tâm điểm của các hệ thống ERP, trong các hệ thống ERP truyền thống, quá trình thu thập và lưu trữ dữ liệu thiếu hiệu quả, hầu hết việc lưu trữ hạn chế và độ chính xác chưa cao do nhập dữ liệu thủ công và không tương thích. Sự phát triển nhanh chóng của công nghệ đám mây đã tạo ra một cơ hội hoàn toàn mới cho ERP, lưu trữ dữ liệu đã trở nên hợp lý hơn khi các giải pháp ERP được xây dựng dựa trên đám mây có thể dễ dàng được tích hợp với nhiều hệ thống. Khi triển khai hệ thống ERP, tùy vào từng doanh nghiệp sẽ sử dụng các loại hình dịch vụ điện toán đám mây khác nhau, loại hình SaaS được coi là phù hợp với nhiều doanh nghiệp nhất.
 
Vạn vật kết nối (Internet of Things - IoT)
 
Ngày nay, số lượng thiết bị kết nối ngày càng tăng đã tạo ra các nguồn lực có thể giúp phát triển ERP truyền thống. Các thiết bị cá nhân như điện thoại thông minh, đồng hồ thông minh đã được nhiều công ty hiệu chỉnh để thu thập dữ liệu hữu ích và cung cấp cho hệ thống. Nhờ có IoT đã cải thiện đáng kể quy trình thu thập dữ liệu, hoàn toàn vượt qua quy trình trước đây khi dữ liệu được thu thập thủ công, chuyển qua nhiều cấp nhân viên và cuối cùng đưa vào hệ thống. Điều này còn đảm bảo rằng doanh nghiệp có thể thu thập dữ liệu thời gian thực, do vậy các hệ thống ERP cập nhật liên tục một khối lượng thông tin khổng lồ giúp quá trình phân tích kết quả được nhanh chóng và chính xác. 
 
Dữ liệu lớn (Big Data)
 
Sự xuất hiện của dữ liệu lớn trong bối cảnh hiện nay được các doanh nghiệp kỳ vọng như nguồn tài nguyên khổng lồ, đẩy các doanh nghiệp phải đối mặt với hàng loạt hạn chế trong việc xử lý thông tin, dẫn đến khả năng đưa ra các quyết định kinh doanh bị chậm trễ hoặc thậm chí là trì hoãn. Điều này về lâu dài chắc chắn sẽ ảnh hưởng không nhỏ đến hiệu quả kinh doanh. Dữ liệu lớn là chỉ những tập hợp dữ liệu phát triển nhanh chóng và rộng khắp dưới nhiều hình thức khác nhau, làm cho chúng vượt quá khả năng xử lý của những hệ thống cơ sở dữ liệu truyền thống và  dữ liệu lớn có 5 đặc trưng:
 
- Khối lượng dữ liệu (Volume): Chỉ sự tăng trưởng về mặt khối lượng dữ liệu rất lớn được tạo ra và lưu trữ. Khối lượng của dữ liệu lớn được tính từ đơn vị terabyte cho đến petabyte. Với dữ liệu lớn, công nghệ Điện toán đám mây mới đủ khả năng đáp ứng nhu cầu lưu trữ.
 
- Tốc độ (Velocity): Thể hiện sự tăng trưởng về mặt tốc độ hoạt động xử lý và phân tích dữ liệu. Tốc độ có thể hiểu theo 2 khía cạnh: (1) Khối lượng dữ liệu gia tăng rất nhanh (mỗi giây có tới 72.9 triệu các yêu cầu truy cập tìm kiếm trên web bán hàng của Amazon); (2) Xử lý dữ liệu nhanh ở mức thời gian thực (real-time), có nghĩa dữ liệu được xử lý ngay tức thời, ngay sau khi chúng phát sinh. 
 
- Đa dạng (Variety): Là sự tăng lên về tính đa dạng của dữ liệu, đối với dữ liệu truyền thống - dữ liệu có cấu trúc, nhưng ngày nay hơn 80% dữ liệu được sinh ra là phi cấu trúc (tài liệu, blog, hình ảnh, video, bài hát, dữ liệu từ thiết bị cảm biến vật lý, thiết bị chăm sóc sức khỏe, file log,...). Dữ liệu lớn của một tổ chức là tập hợp của nhiều nguồn dữ liệu, mà tính đa dạng của nó cũng đang ngày càng tăng lên làm cho tính phức tạp của dữ liệu ngày càng phức tạp hơn.
 
- Độ tin cậy/chính xác (Veracity): Tính xác thực dữ liệu lớn phản ánh mức độ tin cậy ứng với từng kiểu dữ liệu trong từng nguồn dữ liệu khác biệt [B.Vorhies, 2013]. Trên thực tế, có một số nguồn dữ liệu vốn không xác định và thường xuyên thay đổi, như ý kiến khách hàng về một thương hiệu hay sản phẩm dịch vụ, mức độ hứng thú đối với một chiến dịch hay một dòng sản phẩm mới, xu hướng thị trường và các yếu tố kinh tế. Tính tin cậy của dữ liệu lớn phụ thuộc vào nguồn gốc dữ liệu, có giá trị ảnh hưởng bởi yếu tố thời gian và sự tác động của các kĩ thuật khai phá đối với các thông tin phân tích để đưa ra quyết định hành động [K.Normandeau, 2013]. 
 
- Giá trị (Value): Là tính chất quan trọng nhất. Ở đây, cần phải hoạch định được những giá trị thông tin hữu ích của dữ liệu lớn cho vấn đề, bài toán hoặc mô hình hoạt động kinh doanh cần giải quyết. Dữ liệu lớn được xem là công nghệ mang lại cho tổ chức những giá trị gia tăng nhằm duy trì và bảo vệ lợi thế cạnh tranh [Rao, et al., 2015) (Vorhies, 2013)]. Thay vì lưu trữ và quản trị dữ liệu khách hàng theo cách tiếp cận tổng quát, dữ liệu lớn giúp tổ chức chuyên biệt hóa từng đối tượng và lưu trữ dữ liệu độc lập phục vụ cho hoạt động phân tích hành vi và gia tăng trải nghiệm. 
 
Hệ sinh thái Hadoop
 
Hệ sinh thái Hadoop là nền tảng công nghệ mã nguồn mở, cho phép lưu trữ và xử lý phân tán các tệp dữ liệu lớn trên các cụm máy tính thông qua một mô hình lập trình linh hoạt, dễ dàng mở rộng quy mô [BMC, 2016]. Hệ sinh thái Hadoop bao gồm nhiều thành phần: 
 
- Hadoop Common: Các tiện ích phổ biến hỗ trợ các phần Hadoop khác.
- Hadoop Distributed File System: Cung cấp khả năng truy cập dữ liệu ứng dụng cao.
- Hadoop YARN: Một khuôn mẫu cho kế hoạch làm việc và quản lý tài nguyên cụm.
- Hadoop MapReduce: Một hệ thống dựa trên YARN để xử lý song song bộ Big Data.
 
Ngoài ra, trong hệ sinh thái Hadoop, còn bao gồm nhiều công nghệ và các công cụ giải pháp khác, như mô hình lập trình Spark là một khuôn mẫu tính toán cụm nguồn mở được sử dụng làm công cụ xử lý Big Data trong Hadoop. Spark đã trở thành một trong những khuôn mẫu xử lý dữ liệu lớn quan trọng, và có thể được triển khai theo nhiều cách khác nhau. Nó cung cấp các ràng buộc bản địa đối với Java, Scala, Python, ngôn ngữ lập trình R và hỗ trợ SQL, streaming data, machine learning và xử lý đồ thị, cung cấp cổng vào cho các tính toán trên bộ nhớ, giao diện dòng lệnh,... [J. Roman, 2014].
 
Trí tuệ nhân tạo (Artificial Intelligence - AI)
 
Trí tuệ nhân tạo đang là xu hướng phát triển chung trên toàn thế giới bởi khả năng xử lý hàng triệu thông tin một cách tự động trong thời gian rất ngắn. Trí tuệ nhân tạo là trí tuệ của máy móc được tạo ra bởi con người. Trí tuệ này có thể tư duy, suy nghĩ, học hỏi... như trí tuệ con người, nhưng xử lý dữ liệu ở mức rộng lớn hơn, quy mô hơn, hệ thống, khoa học và nhanh hơn so với con người. Trí tuệ nhân tạo là sự kết hợp giữa công nghệ: Học máy; xử lý ngôn ngữ tự nhiên và thị giác máy tính. Trí tuệ nhân tạo ra đời là mong muốn chuyển giao trí thông minh từ con người sang máy móc bởi con người luôn luôn có giới hạn về bộ nhớ, tốc độ khi con người thực hiện các nhiệm vụ nhất định. Thành công của việc ứng dụng trí tuệ nhân tạo thường không đến ngay lập tức. Đó là cả một quá trình từ xây dựng chiến lược, thu thập và chuẩn hóa dữ liệu, huấn luyện máy học cho đến sử dụng các kiến thức thu được từ dữ liệu để ra quyết định. Dữ liệu lớn đóng vai trò vô cùng quan trọng đối với sự thành công của trí tuệ nhân tạo trong việc ra quyết định, tối ưu hóa quy trình hay sản phẩm,...
 
3.3. Thu thập và lưu trữ dữ liệu
 
Khi các doanh nghiệp ứng dụng công nghệ như trí tuệ nhân tạo, tự động hoá và vạn vật kết nối,… nhằm nâng cao hiệu quả quản lý doanh nghiệp, thì việc thu thập, lưu trữ và quản lý dữ liệu trở nên quan trọng hơn bao giờ hết. Dữ liệu không đầy đủ, thiếu chính xác là một trong những thách thức lớn trong việc ra phân tích và quyết định. Nguồn dữ liệu phong phú, chính xác sẽ giúp quá trình ra quyết định chặt chẽ hơn và thúc đẩy chất lượng đầu ra. So với các hệ thống ERP truyền thống thì ERP ứng dụng dữ liệu lớn và trí tuệ nhân tạo được bổ sung thêm dữ liệu từ nguồn dữ liệu lớn. Các nguồn dữ liệu thu thập theo cách truyền thống được đưa vào DataWare house, còn các dữ liệu được thu thập từ các trang mạng, các dữ liệu từ IoT,... sẽ được lưu trữ vào Data lake rồi nhờ công nghệ Hadoop chuẩn hóa dữ liệu để đưa vào CSDL cho hệ thống khai thác.
 
Kho dữ liệu (Data Warehouse)
 
Kho dữ liệu được dùng để lưu trữ những mô hình dữ liệu hoặc những dữ liệu đã được cấu trúc từ các nguồn thông tin thu thập trong tổ chức [Nguyen, 2018), (Craig, 2016)]. Kho dữ liệu lưu trữ dữ liệu đến từ nhiều nguồn khác nhau, được sử dụng cho việc cung cấp báo cáo và phân tích dữ liệu cho các yêu cầu đặc tả của doanh nghiệp [Nguyen, 2018]. 
 


Hình 2. Kiến trúc hệ thống ERP ứng dụng dữ liệu lớn và trí tuệ nhân tạo
 
Hồ dữ liệu (Data lake)
 
Hồ dữ liệu là chỉ một kho dữ liệu lớn ở dạng tự nhiên, không có cấu trúc [Nguyen, 2018]. Dữ liệu thô được đưa vào lưu trữ trong Data lake và người dùng có thể biến đổi, phân loại hay phân tích các phần dữ liệu khác nhau dựa trên nhu cầu của họ và các dữ liệu này cần được xử lý thêm khi có nhu cầu sử dụng. 
 
Sự phát triển mạnh của các công nghệ như dữ liệu lớn, điện toán đám mây, trí tuệ nhân tạo,... sẽ tạo ra ERP ngày càng thông minh hơn, hỗ trợ quản lý doanh nghiệp tốt hơn. Dưới đây là đề xuất kiến trúc của ERP thế hệ mới.
 
Kiến trúc hệ thống ERP đề xuất ở hình 2, trước hết từ nhu cầu bổ sung các chức năng cần cung cấp theo nhu cầu của tổ chức trong thời gian tới [Panorama, 2019]. So với kiến trúc hệ thống ERP hiện nay thì kiến trúc hệ thống ERP đề xuất có sự thay đổi: (i) Bổ sung các chức năng; (ii) Bổ sung thêm các công nghệ; (iii) Bổ sung thêm nguồn dữ liệu. Sự thay đổi bắt nguồn từ việc bổ sung các chức năng vào hệ thống. Sau khi phân tích yêu cầu của các chức năng cần phải xác định rõ các nguồn dữ liệu cần thu thập để có thể thực hiện được các chức năng mới nhanh chóng, chính xác, hiệu quả theo thời gian thực. Cuối cùng, là việc xác định các công nghệ cần dùng để thu thập, xử lý, lưu trữ,... dữ liệu cũng như thực hiện các chức năng và duy trì hệ thống an toàn, hiệu quả, phù hợp với doanh nghiệp với thời đại.
 
4. Kết luận
 
Môi trường kinh doanh luôn thay đổi, tốc độ thay đổi tăng nhanh, các doanh nghiệp luôn tìm cách đáp ứng nhu cầu của khách hàng và tiếp cận các cơ hội thị trường cao hơn. Các doanh nghiệp thành công ngày nay đã nhận ra sự cần thiết của các hệ thống ERP cho việc cải thiện chất lượng, sự hài lòng của khách hàng, hiệu suất và lợi nhuận. Phát triển hệ thống ERP ứng dụng dữ liệu lớn và trí tuệ nhân tạo là một điều tất yếu trong thời gian tới. Hệ thống này không chỉ cung cấp cho các tổ chức, doanh nghiệp một cái nhìn tổng thể về kinh doanh cốt lõi theo thời gian thực, mà nó còn hỗ trợ các doanh nghiệp tự động hóa, kết hợp quy trình kinh doanh bằng cách cho phép chia sẻ dữ liệu và thông tin để thực hiện các chức năng thông minh giúp tổ chức đạt được các kết quả kinh doanh tốt nhất. Cũng đã có bài viết đề cập đến hệ thống ERP có khả năng này, nhưng chưa một công bố nào, về mô hình tổng thể hệ thống ERP ứng dụng dữ liệu lớn và trí tuệ nhân tạo để thực hiện các chức năng trên. Nhờ mô hình, các tổ chức nhận biết được xu thế phát triển của công nghệ quản lý doanh nghiệp trong tương lai. Mặc dù công nghệ là yếu tố góp phần tăng mạnh lợi ích kinh doanh nhưng các doanh nghiệp cũng cần phải chú ý nếu chỉ quan tâm đến công nghệ thì công nghệ không tạo ra những lợi ích. Do vậy, cũng nên xem xét 

lại chiến lược và mục tiêu của mình, sau khi chuẩn bị nhân tố con người và qui trình rồi mới đến việc xác định lựa chọn công nghệ nào là cần thiết cho phép thực hiện được mục tiêu đề ra. Bên cạnh đó, mô hình còn giúp các doanh nghiệp có thể hình dung được các chức năng cần phải có trong quản lý doanh nghiệp tương lai. Vậy nên chăng doanh nghiệp cần phải xác định trước cách thức hoạt động của mình và xây dựng các qui trình, nhất là, các qui trình thực hiện thường xuyên để làm cho nó thông minh hơn và tiến tới tự động hóa. Ngoài ra, mô hình còn là một kênh tham khảo cho các tổ chức khi họ cần xác định mở rộng hệ thống, nâng cấp, hay thay thế một hệ thống hoàn toàn mới cho tổ chức của mình sau khi đã xây dựng các mục tiêu và phân tích thực trạng doanh nghiệp về con người, qui trình và công nghệ. Thêm nữa, mô hình còn giúp các doanh nghiệp xác định được những chức năng nào cần, những dữ liệu nào cần thiết và lấy từ những nguồn nào, tính pháp lý và chất lượng dữ liệu của việc thu thập các dữ liệu. Cuối cùng, lưu ý rằng ERP ứng dụng dữ liệu lớn và trí tuệ nhân tạo nhất thiết phải triển khai trên cơ sở điện toán đám mây, do đó, các doanh nghiệp phải ối mặt với những thách thức từ việc an toàn và bảo mật thông tin doanh nghiệp.

Tài liệu tham khảo:
- B. Vorhies. (2013). How Many “V’s” in Big Data? The Characteristics that Define Big Data, Data Magnum.
- BMC. (2016). Hadoop Ecosystem and Components.
- K. Normandeau, (2013). Beyond Volume, Variety and Velocity is the Issue of Big Data Veracity, InsideBigData. 
- J. Roman. (2014). The Hadoop Ecosystem Table, GitHub. 
- H. Nguyen. (2018). Data Lake vs Data Warehouse vs Data Mart, Holistics Blog.  
- G. Craig, Intersog. (2016). What is the difference between data lakes, data marts, data swamps, and data cubes?, Intersog.
- Panorama Consulting Solutions, 2019 ERP report.
- Panorama Consulting Solutions, 2018 ERP report.
-  V. M. Rao, V. V. Kumari and N. Silpa. (2015). A Comprehensive Study on Potential Research Opportunities of Big Data Analytics to Leverage the Transformation in Various Key Domains, International Journal of Computer Science, Engineering and Information Technology. 5. pp.1-18. 


TS. Chu Thị Hồng Hải

Theo Chuyên đề Công nghệ và Ngân hàng số, số 4/2020

 
Bình luận Ý kiến của bạn sẽ được biên tập trước khi đăng. Xin vui lòng gõ tiếng Việt có dấu