Self-service BI (SSBI) có nghĩa là hệ thống dữ liệu tự phục vụ, cũng như khi bạn đi ăn buffet, bạn thích món gì thì bạn có thể lựa món đó, không cần phải đợi phục vụ bàn, không cần đợi đầu bếp làm từng dĩa một. Trước đây, người ta thường sử dụng các công cụ như Power BI hay Tableau để làm SSBI, tuy nhiên các công cụ này cũng đòi hỏi người dùng phải học, biết cách sử dụng, trong khi thực ra những người thật sự tiêu thụ và cần số lại không phải người làm data. Vậy tại sao chúng ta không dùng chính tiếng Việt để làm SSBI nhỉ?
Khó khăn của các công cụ BI truyền thống
Các công cụ quen thuộc như Power BI, Tableau, Looker Studio (mới đây đổi tên thành Google Data Studio) có tính năng rất mạnh mẽ, nhưng cũng chính vì thế mà tính dễ dùng không cao bằng những công cụ BI mới, đòi hỏi người sử dụng phải “học” thì mới dùng được. Trong thời gian gần đây, AI Agent đã giúp đơn giản hóa việc khai phá dữ liệu bằng các công cụ BI này khi bạn có thể nhờ agent chẳng hạn như Claude tự tạo, chỉnh sửa các file báo cáo, dashboard luôn. Nhưng nó vẫn đòi hỏi người sử dụng phải có kiến thức căn bản, từ đó mới prompt hiệu quả. Việc kéo thả các biểu đồ khác nhau rất dễ dàng với người làm trong lĩnh vực data, nhưng với những người non-tech, thuần túy về kinh doanh, không có kinh nghiệm làm việc với data thì khó đấy, không dễ như bạn nghĩ.
Thay vì phải đi kéo thả như thế, sao người ta không hỏi luôn câu hỏi họ muốn cho lẹ? Đây chính là hướng đi mới của các công cụ BI nói chung khi tích hợp AI để bạn có thể hỏi đáp và trích xuất data mà người dùng cần ngay lập tức, thay vì phải đi qua đoạn làm dashboard thủ công. “Doanh thu 7 ngày qua như thế nào, so sánh với cùng kì năm ngoái?”, hay các câu khó hơn như “Đối chiếu doanh số của tuần rồi, kết hợp với dữ liệu về traffic cửa hàng và website, tìm thử xem có điểm tương quan nào giải thích cho việc số rớt hay không”.
Tất nhiên, dashboard sẽ không biến mất, mà thậm chí vai trò của nó còn quan trọng hơn bao giờ hết. Với các số cần nhiều người xem, cố định và mở ra phát thấy luôn, thì dashboard là công cụ nên sử dụng chứ không lẽ mỗi lần cần coi số đều hỏi thì lại mất thời gian, mà tốn tiền token AI nữa. Chỉ khi nào có những câu hỏi khó hơn, phức tạp hơn mà dashboard không đáp ứng được thì hãy hỏi.
BI với sự hỗ trợ của data và agent
Khi mà AI ngày càng dễ tiếp cận, càng rẻ, và các lựa chọn self host AI càng khả thi nhờ sự xuất hiện của các model AI dạng open weight tốt như Qwen3.8 hay Gemma4, thì việc áp dụng AI vào việc phân tích dữ liệu càng dễ hơn. Agent sẽ đọc câu hỏi của người dùng, tự biết cần lấy các dữ liệu gì, lấy như thế nào (thường là lấy từ data warehouse), và tổng hợp lại thành các biểu đồ trực quan hóa, hoặc thậm chí đưa ra nhận xét, so sánh. Khâu này có thể tiết kiệm vài chục phút đến nhiều tiếng đồng hồ chỉ phục vụ cho việc trích xuất dữ liệu như những gì từng diễn ra với thế giới data truyền thống.
Ở những ngày đầu của AI, người ta nhờ AI viết giùm câu SQL để trích xuất dữ liệu, người ta nhờ AI để tóm tắt thông tin, nhưng giờ với agent, bạn có thể làm gần hết khâu này chỉ bằng 1 prompt và 1 hệ thống phù hợp (Elton DataUtils là một agent platform chuyên phục vụ cho mục đích BI, data, sinh ra để giúp business user có thể tiếp cận data nhanh gọn lẹ mà vẫn đảm bảo an toàn bảo mật).
Việc của người dùng data giờ đây sẽ thật sự là tập trung vào khai thác dữ liệu xem nó có ý nghĩa như thế nào, tìm ra những insight mà chỉ họ mới làm được (vì chỉ bạn mới có kiến thức chuyên ngành, nghiệp vụ để nhìn ra vì sao số đó như thế, nó có ý nghĩa ra sao). Đó là những thứ mà AI chưa và thậm chí rất khó để thay thế được con người. Chưa kể đoạn đưa ra hành động phù hợp từ dữ liệu và insight là một câu chuyện rất dài, kết hợp nhiều yếu tố mà chỉ AI không thể làm.
Gỡ bỏ rào cản phụ thuộc và bottle neck vào team data
Giờ đây cái quan trọng nhất: bạn có dữ liệu chưa, data warehouse của bạn sẵn sàng chưa. Đây mới là điểm quan trọng nhất, chứ giờ AI và agent thì dễ tiếp cận rồi. Nếu bạn có team data trong công ty, họ vẫn ở đó, vẫn cần thiết, nhưng thay vì đi làm các việc phục vụ dữ liệu như truyền thống thì giờ họ chuyển sang vai trò chuẩn bị dữ liệu để các phòng ban sử dụng dễ dàng hơn, tùy ý muốn hơn, không cần phải yêu cầu “xuất data” mỗi khi cần nữa.
Còn nếu bạn không có team data trong công ty, các công cụ mới ngày nay sẽ giúp các team business tự tiếp cận được với data, có thể là sẽ cần một chút hướng dẫn và tổ chức dữ liệu từ team triển khai, nhưng quá trình này sẽ nhanh và dễ hơn nhiều so với xưa.
Việc phục vụ dữ liệu sẽ quay về đúng mục tiêu: phục vụ cho việc kinh doanh, vận hành, và data cần được delivery nhanh, đúng, và tinh gọn quy trình.