Trả lời nhanh: Data (dữ liệu) là các sự kiện, con số, văn bản, hình ảnh hay âm thanh được ghi nhận lại, thường ở dạng số để máy tính lưu trữ và xử lý. Khi được xử lý và đặt trong ngữ cảnh, dữ liệu trở thành thông tin phục vụ ra quyết định.
1. Data là gì trong công nghệ thông tin
Dữ liệu hiểu đơn giản là những sự kiện, số liệu, ký hiệu được ghi nhận lại để lưu trữ và xử lý. Trong công nghệ thông tin, data thường được mã hoá thành số để máy tính hiểu được.
Ví dụ đời thường thì rất nhiều. Số bước chân trên đồng hồ thông minh, vị trí GPS khi bạn đi làm, tấm ảnh chụp bằng điện thoại, tin nhắn hay lịch sử mua hàng đều là dữ liệu. Vì vậy data không chỉ là con số, mà còn gồm văn bản, hình ảnh, âm thanh và video.
Về gốc từ, data có nguồn gốc tiếng Latin, là dạng số nhiều của datum, nghĩa là "thứ được cho". Trong tin học, người ta thường dùng data như danh từ không đếm được.
Cũng cần phân biệt dữ liệu thô (raw data) với dữ liệu đã xử lý (processed data). Dữ liệu thô là dữ liệu vừa thu thập, còn lẫn lỗi hoặc trùng lặp. Sau khi làm sạch, sắp xếp và tính toán, ta có dữ liệu đã xử lý, dễ dùng hơn nhiều.
Nhiều người nghĩ data và information là một, nhưng thực tế không phải vậy. Data là nguyên liệu thô. Information (thông tin) là data được đặt trong ngữ cảnh, trả lời các câu hỏi như cái gì, bao nhiêu, ở đâu. Knowledge (tri thức) kết hợp thông tin với kinh nghiệm, trả lời làm thế nào và tại sao.
Lấy ví dụ nhiệt độ. Con số "35" tự nó chưa nói lên điều gì. Khi biết đó là 35 độ C tại Hà Nội lúc 13 giờ trưa, nó mới thành thông tin. Từ đó, bạn rút ra kinh nghiệm là nên mang theo nước và tránh đi ngoài nắng, đó là tri thức.
Ba tầng này thường được hình dung như một chuỗi đi từ data đến information rồi knowledge. Một điểm đáng nhớ: data chỉ thành thông tin hữu ích khi chính xác, hoàn thiện và kịp thời. Dữ liệu sai hoặc đã cũ thì thông tin rút ra cũng lệch theo.
3. Phân loại dữ liệu theo nhiều cách
3.1 Phân loại dữ liệu theo cấu trúc
Cách phổ biến nhất là chia theo mức độ tổ chức:
- Dữ liệu có cấu trúc: xếp thành bảng, hàng và cột, lưu trong cơ sở dữ liệu và truy vấn bằng SQL (ngôn ngữ dùng để hỏi và lấy dữ liệu từ bảng). Ví dụ: bảng danh sách khách hàng, bảng điểm, hay tệp CSV khi nó chỉ là bảng số liệu phẳng.
- Dữ liệu bán cấu trúc: không theo bảng cứng nhắc nhưng có thẻ hoặc cặp khoá-giá trị, như JSON, XML, file log hay email.
- Dữ liệu phi cấu trúc: văn bản tự do, ảnh, video, âm thanh. Loại này khó phân tích tự động hơn vì không có khuôn mẫu rõ ràng.
Ảnh bạn chụp là dữ liệu phi cấu trúc, nhưng thông tin kèm theo như ngày chụp, tên thiết bị lại gần với dạng bán cấu trúc.
3.2 Phân loại theo tính chất và nguồn gốc
Theo tính chất, dữ liệu định tính mô tả quan sát, ví dụ nhận xét "pin trâu, màn hình đẹp". Dữ liệu định lượng là số đo, số đếm, ví dụ dung lượng pin hay số lượt mua.
Theo nguồn gốc, có thể chia thành:
- Dữ liệu mở, ai cũng truy cập được.
- Dữ liệu của doanh nghiệp, như doanh thu, tồn kho.
- Dữ liệu người dùng, như thói quen sử dụng ứng dụng.
- Dữ liệu từ nghiên cứu, khảo sát.
Trong marketing và kinh doanh, dữ liệu người dùng giúp biết khách quan tâm gì, còn dữ liệu doanh nghiệp cho thấy hoạt động bán hàng, tồn kho đang diễn ra thế nào.
4. Dữ liệu được thu thập và lưu trữ ở đâu?
4.1 Dữ liệu được thu thập và lưu trữ ở đâu?
Dữ liệu đến từ nhiều nguồn: ứng dụng, cảm biến IoT (các thiết bị thông minh kết nối internet như đồng hồ, camera, cảm biến nhiệt độ), giao dịch, khảo sát và nhật ký hệ thống. Chỉ cần bạn mở một ứng dụng, thao tác đó đã có thể được ghi lại.
Sau khi thu thập, dữ liệu được lưu trên ổ đĩa cứng, USB, thẻ nhớ, máy chủ hoặc đám mây. Với nhu cầu cá nhân, bạn có thể sao lưu ảnh và tài liệu từ máy tính sang thẻ nhớ hoặc usb, và nên giữ thêm một bản trên đám mây để phòng khi thiết bị hỏng hay thất lạc.
Dung lượng đo bằng KB, MB, GB, TB, PB. Hãy chú ý Mb (megabit) khác MB (megabyte): 1 byte bằng 8 bit nên 1 Mb = 0,125 MB. Ngoài ra, nhà sản xuất ổ lưu trữ thường tính 1 GB = 1000 MB (hệ thập phân), còn hệ điều hành đôi khi dùng cách tính nhị phân 1024 MB (đơn vị GiB), nên dung lượng hiển thị có thể thấp hơn con số ghi trên hộp.
4.2 Database, data warehouse và data lake khác nhau thế nào?
Ba khái niệm này hay bị nhầm lẫn:
| Khái niệm |
Đặc điểm |
Hình dung |
| Database |
Cơ sở dữ liệu lưu dữ liệu có tổ chức, phục vụ hoạt động hằng ngày |
Tủ hồ sơ sắp xếp gọn gàng |
| Data warehouse |
Kho tổng hợp dữ liệu từ nhiều nguồn để phân tích |
Kho hàng đã phân loại sẵn |
| Data lake |
Chứa dữ liệu dạng thô, nhiều định dạng |
Hồ chứa mọi thứ đổ về |
Lưu ý, database là cơ sở dữ liệu, không phải hệ quản trị cơ sở dữ liệu (đó là phần mềm dùng để quản lý nó). Dữ liệu sau khi được tổ chức và đặt vào ngữ cảnh mới thành thông tin, và ngay cả những dấu vết nhỏ như cookies trên trình duyệt cũng là dữ liệu được lưu lại về thói quen duyệt web của bạn.
Xem thêm về thông tin và lưu trữ:
5. Vai trò của dữ liệu trong đời sống và doanh nghiệp
5.1 Dữ liệu giúp ra quyết định và dự đoán như thế nào?
Doanh nghiệp dùng dữ liệu để hiểu khách hàng, tối ưu quy trình và giảm lãng phí. Thay vì đoán, họ nhìn vào số liệu để biết sản phẩm nào bán chạy, thời điểm nào cần nhập thêm hàng.
Big data là dữ liệu thường được mô tả bằng ba đặc trưng: khối lượng lớn, tốc độ sinh ra nhanh và sự đa dạng về định dạng. Đây là các tiêu chí hay dùng để nhận diện, không phải điều kiện bắt buộc tuyệt đối. Data science là lĩnh vực dùng thống kê và máy tính để rút ra thông tin, dự đoán xu hướng từ dữ liệu.
5.2 Dữ liệu cá nhân, pháp luật và những lưu ý khi dùng data
Dữ liệu cá nhân có thể bị lộ khi hệ thống bị tấn công (data breach). Vì vậy, bạn nên đặt mật khẩu mạnh và cẩn trọng khi cấp quyền cho ứng dụng.
Về pháp lý, Luật Giao dịch điện tử 2005 từng định nghĩa dữ liệu ở thời điểm ban hành, và các quy định này đã được thay thế, cập nhật bằng văn bản mới. Luật An ninh mạng và Nghị định 53/2022/NĐ-CP quy định một số loại dữ liệu phải lưu trữ tại Việt Nam, nhưng chỉ áp dụng cho những đối tượng và điều kiện nhất định chứ không phải mọi doanh nghiệp. Khi cần áp dụng, hãy đối chiếu văn bản hiện hành.
Câu hỏi thường gặp
Data thô (raw data) là gì?
Dữ liệu thô là dữ liệu vừa thu thập, chưa được làm sạch hay xử lý. Chẳng hạn, một xấp phiếu khảo sát gốc còn bỏ trống nhiều ô, hay file nhật ký hệ thống ghi từng lượt đăng nhập, đều là dữ liệu thô. Chúng cần được lọc lỗi, bỏ trùng rồi mới dùng để phân tích.
Data là số ít hay số nhiều trong tiếng Anh?
Về gốc, data là số nhiều của datum. Tuy nhiên trong tin học, người ta thường dùng như danh từ không đếm được với động từ số ít, ví dụ "the data is saved". Trong văn bản học thuật, đôi khi vẫn gặp cách dùng số nhiều, nên hãy theo thói quen của tài liệu bạn đang đọc.
Data engineer, data analyst và data scientist khác nhau thế nào?
Data engineer xây dựng và vận hành hệ thống dữ liệu, như đường ống đưa dữ liệu từ ứng dụng về kho. Data analyst phân tích dữ liệu và làm báo cáo, ví dụ chỉ ra tháng nào doanh thu giảm. Data scientist xây mô hình để dự đoán, như ước tính khách nào có khả năng quay lại mua.
Vì sao dữ liệu được coi là tài sản quan trọng của doanh nghiệp?
Hãy hình dung một chuỗi cửa hàng phụ kiện: nhờ số liệu bán hằng ngày, họ biết mẫu nào sắp hết để nhập kịp, mẫu nào ế để ngừng đặt thêm. Dữ liệu giúp quyết định dựa trên bằng chứng, hiểu khách hàng, dự đoán xu hướng và cắt giảm chi phí không cần thiết. Mất hoặc để lộ dữ liệu cũng đồng nghĩa mất lợi thế này.
Data là nguyên liệu thô, chỉ trở thành thông tin và tri thức khi được xử lý đúng ngữ cảnh. Biết các loại dữ liệu, nơi lưu trữ và cách bảo vệ dữ liệu cá nhân sẽ giúp bạn dùng công nghệ chủ động và an toàn hơn.
Nếu muốn quản lý dữ liệu ngay trên thiết bị của mình, các bài dưới đây sẽ là bước tiếp theo hữu ích.
Xem thêm về dữ liệu trên thiết bị: