Phát triển hệ thống là một quy trình có hệ thống bao gồm các giai đoạn như lập kế hoạch, phân tích, thiết kế, triển khai và bảo trì. Trong bài viết này, chúng ta sẽ chủ yếu tập trung vào:
Phân tích hệ thống
Thiết kế hệ thống
Phân tích hệ thống
Đây là quá trình thu thập và diễn giải các sự kiện, xác định vấn đề và phân rã hệ thống thành các thành phần của nó.
Phân tích hệ thống được thực hiện nhằm mục đích nghiên cứu một hệ thống hoặc các phần của nó để xác định các mục tiêu của nó. Đây là một kỹ thuật giải quyết vấn đề giúp cải thiện hệ thống và đảm bảo rằng tất cả các thành phần của hệ thống hoạt động hiệu quả để đạt được mục đích của chúng.
Bước phân tích hệ thống xác định hệ thống cần làm gì.
Thiết kế hệ thống
Đây là quá trình lập kế hoạch một hệ thống kinh doanh mới hoặc thay thế một hệ thống hiện có bằng cách xác định các thành phần hoặc mô-đun của nó để đáp ứng các yêu cầu cụ thể. Trước khi lập kế hoạch, bạn cần hiểu rõ hệ thống cũ và xác định cách sử dụng máy tính tốt nhất để hoạt động hiệu quả.
Công việc thiết kế hệ thống tập trung vào cách đạt được mục tiêu của hệ thống.
Phân tích và Thiết kế hệ thống (System Analysis and Design – SAD) chủ yếu tập trung vào:
Hệ thống
Quy trình
Công nghệ
Hệ thống là gì?
Từ “Hệ thống” bắt nguồn từ từ Hy Lạp “Systema”, có nghĩa là một mối quan hệ có tổ chức giữa bất kỳ tập hợp các thành phần nào để đạt được một mục đích hoặc mục tiêu chung.
Hệ thống là “một nhóm các thành phần phụ thuộc lẫn nhau được liên kết với nhau theo một kế hoạch để đạt được một mục tiêu cụ thể.”
Các ràng buộc của hệ thống
Một hệ thống phải có ba ràng buộc cơ bản:
Một hệ thống phải có cấu trúc và hành vi được thiết kế để đạt được một mục tiêu đã được định trước.
Sự kết nối và phụ thuộc lẫn nhau phải tồn tại giữa các thành phần của hệ thống.
Các mục tiêu của tổ chức có ưu tiên cao hơn so với các mục tiêu của các hệ thống con.
Ví dụ: hệ thống quản lý giao thông, hệ thống tính lương, hệ thống thư viện tự động, hệ thống thông tin nhân sự.
Các tính chất của hệ thống
Một hệ thống có các tính chất sau:
Tổ chức: Tổ chức ngụ ý cấu trúc và trật tự. Đó là sự sắp xếp các thành phần giúp đạt được các mục tiêu đã định trước.
Tương tác: Được xác định bởi cách các thành phần hoạt động với nhau.
Ví dụ: trong một tổ chức, phòng mua hàng phải tương tác với phòng sản xuất và phòng tính lương phải tương tác với phòng nhân sự.
Phụ thuộc lẫn nhau: Phụ thuộc lẫn nhau có nghĩa là các thành phần của hệ thống phụ thuộc vào nhau như thế nào. Để hoạt động đúng, các thành phần phải được phối hợp và liên kết với nhau theo một kế hoạch cụ thể. Đầu ra của một hệ thống con là đầu vào cần thiết của hệ thống con khác.
Tích hợp: Tích hợp liên quan đến việc các thành phần của hệ thống được kết nối với nhau như thế nào. Nó có nghĩa là các phần của hệ thống làm việc cùng nhau trong hệ thống ngay cả khi mỗi phần thực hiện một chức năng riêng biệt.
Mục tiêu trung tâm: Mục tiêu của hệ thống phải là trung tâm. Nó có thể là mục tiêu thực sự hoặc mục tiêu đã tuyên bố. Không có gì lạ khi một tổ chức tuyên bố một mục tiêu và hoạt động để đạt được mục tiêu khác.
Người sử dụng phải biết rõ mục tiêu chính của một ứng dụng máy tính từ sớm trong quá trình phân tích để thiết kế và chuyển đổi thành công.
Thông tin chiến lược Loại thông tin này được yêu cầu bởi quản lý cấp cao nhất cho việc lập kế hoạch dài hạn trong những năm tiếp theo. Ví dụ, các xu hướng về doanh thu, đầu tư tài chính, nhân sự và sự tăng trưởng dân số.
Loại thông tin này được thu thập với sự hỗ trợ của Hệ thống Hỗ trợ quyết định (Decision Support System – DSS).
Thông tin quản lý Loại thông tin này được yêu cầu bởi quản lý cấp trung cho việc lập kế hoạch ngắn hạn và trung hạn trong khoảng thời gian vài tháng. Ví dụ, phân tích doanh số, dự báo dòng tiền và báo cáo tài chính hàng năm.
Loại thông tin này được thu thập với sự hỗ trợ của Hệ thống thông tin quản lý (Management Information Systems – MIS).
Thông tin hoạt động Loại thông tin này được yêu cầu bởi quản lý cấp thấp cho việc lập kế hoạch hàng ngày và ngắn hạn để thực hiện các hoạt động hàng ngày. Ví dụ, lưu giữ hồ sơ chấm công của nhân viên, các đơn hàng mua hàng quá hạn, và lượng hàng tồn kho hiện có.
Loại thông tin này được thu thập với sự hỗ trợ của Hệ thống xử lý dữ liệu (Data Processing Systems – DPS).
Trong bối cảnh kỹ thuật số phát triển nhanh chóng, các doanh nghiệp trên toàn cầu đang phải đối mặt với việc triển khai những công nghệ mới đầy hứa hẹn nhưng cũng gây bối rối. Thuật ngữ chuyển đổi số (digital transformation – DX) đề cập đến việc tích hợp những công nghệ này nhằm thúc đẩy năng suất, hiệu quả và bền vững hơn. Thuật ngữ này đã trở nên phổ biến trong thời kỳ đại dịch COVID-19 và đại diện cho sự chuyển đổi rộng lớn sang các phương thức kinh doanh linh hoạt và thông minh hơn. Trí tuệ nhân tạo (AI), dữ liệu lớn và điện toán đám mây được coi là các công nghệ cốt lõi có khả năng biến đổi mạnh mẽ với ứng dụng rộng rãi trên nhiều ngành công nghiệp, trong khi các lĩnh vực như sản xuất đang áp dụng robot chuyên biệt.
Chi tiêu đang tăng nhanh, với công nghệ đám mây đứng đầu
Chi tiêu toàn cầu cho chuyển đổi số đạt 1,85 nghìn tỷ đô la Mỹ vào năm 2022, tăng hơn 16% so với năm 2021. Đại dịch COVID-19 được cho là đã khởi động sự chi tiêu này cho nhiều doanh nghiệp, với sự gia tăng của làm việc từ xa thúc đẩy các tổ chức áp dụng công nghệ đám mây cho phép môi trường làm việc linh hoạt. Hơn 90% các tổ chức trên toàn thế giới đã triển khai công nghệ đám mây tính đến năm 2023, tỷ lệ áp dụng cao nhất trong số các công nghệ mới nổi, với chi tiêu toàn cầu cho đám mây công cộng ước tính đã vượt qua 560 tỷ đô la Mỹ trên toàn cầu.
Việc áp dụng AI khác nhau giữa các ngành
AI tạo sinh đại diện cho mũi nhọn của nhiều sáng kiến chuyển đổi số, tuy nhiên phần lớn các tổ chức trên toàn thế giới vẫn chưa triển khai công nghệ này. Việc triển khai toàn cầu đạt khoảng một phần ba các tổ chức trên toàn thế giới vào năm 2023, với tỷ lệ này tăng lên 40% ở Bắc Mỹ. Khi được triển khai, AI và học máy có thể cho phép ra quyết định thông minh cho các giám đốc điều hành thông qua mô hình dự đoán và cải thiện dịch vụ cho khách hàng thông qua cá nhân hóa và chatbot tự động. Tuy nhiên, những phức tạp liên quan đến việc triển khai AI đặt ra một ngưỡng cao cho việc tham gia, gây khó khăn cho các tổ chức nhỏ với ngân sách hạn chế.
Chuyển đổi lực lượng lao động
Việc áp dụng rộng rãi các quy trình kỹ thuật số mới đã thúc đẩy việc đánh giá lại vai trò của lực lượng lao động, với một số công nghệ yêu cầu kỹ năng và năng lực chuyên môn. Một loạt các kỹ năng kỹ thuật đang tăng cao về nhu cầu trong bối cảnh AI được áp dụng, với các kỹ năng học máy, phân tích dữ liệu và an ninh mạng nằm trong số những kỹ năng nổi bật. Nhiều công ty sẽ tìm đến Ấn Độ để đáp ứng nhu cầu này, với quốc gia này đứng đầu bảng xếp hạng về sự thâm nhập của kỹ năng AI, trong khi những công ty khác có thể tìm cách nâng cao kỹ năng cho nhân viên hiện tại trong bối cảnh thị trường học tập doanh nghiệp bùng nổ.
Nhiệm vụ của các tổ chức sẽ là cân bằng khi họ tiến tới triển khai những công nghệ mới mạnh mẽ đồng thời cân nhắc các mối quan tâm về an ninh mạng và đạo đức. Mặt khác, nhân viên sẽ tìm cách nâng cao danh mục kỹ năng của mình để thành công trong một thị trường việc làm toàn cầu đòi hỏi sự thành thạo kỹ thuật số và sẵn sàng đón nhận thay đổi.
Nghiên cứu ngành và khảo sát các chuyên gia quản lý dự án tiết lộ các nguyên nhân hàng đầu dẫn đến thất bại dự án là:
1. Thiếu mục tiêu và phạm vi rõ ràng (64%)
2. Lập kế hoạch và dự báo không đầy đủ (57%)
3. Giao tiếp kém/kết nối không đồng bộ với các bên liên quan (56%)
4. Phân bổ tài nguyên không đủ (52%)
5. Quy trình quản lý thay đổi yếu kém (49%)
6. Thiếu sự hỗ trợ từ lãnh đạo (48%)
7. Quản lý rủi ro không hiệu quả (47%)
8. Lịch trình không thực tế (45%)
9. Phạm vi dự án mở rộng không kiểm soát (45%)
Những yếu tố hàng đầu này nhấn mạnh cách các vấn đề liên quan đến sự liên kết, lập kế hoạch, tài nguyên và khả năng thích ứng làm trật đường ray kết quả dự án. Mục tiêu mơ hồ, các nhóm làm việc riêng lẻ, rủi ro bị bỏ qua, thời hạn chặt chẽ, thay đổi không kiểm soát và các nhà tài trợ không gắn kết đều tạo nền tảng cho thất bại.
Xem xét kỹ hơn các nguyên nhân gốc rễ:
1. Mục tiêu không rõ ràng: Mục tiêu mơ hồ khiến không thể định nghĩa thành công có thể đo lường được hoặc điều chỉnh nhiệm vụ và kỳ vọng. Kết quả chịu ảnh hưởng nếu không có mục tiêu cụ thể để đánh giá tiến độ và sự hoàn thành.
2. Lập kế hoạch không đầy đủ: Lập kế hoạch không đủ về tài nguyên, ngân sách, lịch trình, rủi ro và yêu cầu làm cho các nhóm không chuẩn bị sẵn sàng để thực hiện một cách dự đoán. Khoảng trống không thể tránh khỏi khi công việc bắt đầu.
3. Giao tiếp kém: Giới hạn sự hợp tác liên chức năng và minh bạch góp phần vào sự không đồng bộ. Mọi người bị ngắt kết nối với kết quả và thay đổi, gây ra hiệu ứng dây chuyền.
4. Tài nguyên không đủ: Kế hoạch tài nguyên không thực tế làm căng thẳng các nhóm và cản trở năng suất. Công việc kéo dài hơn hoặc chất lượng giảm do khối lượng công việc không nhất quán.
5. Quản lý thay đổi yếu kém: Các thay đổi phạm vi không được quản lý chủ động. Thay vào đó, phạm vi mở rộng không kiểm soát làm lệch ngân sách, lịch trình, tài nguyên và chất lượng.
6. Thiếu hỗ trợ từ lãnh đạo: Các lãnh đạo không gắn kết không ủng hộ các dự án quan trọng hoặc cung cấp bảo vệ, làm cho các nhóm thiếu hỗ trợ.
7. Quản lý rủi ro không hiệu quả: Các nhóm phản ứng thay vì chủ động đối với các vấn đề mới nổi. Rủi ro không được xác định trở thành mối đe dọa lớn.
8. Lịch trình không thực tế: Lịch trình gấp gáp làm quá tải các nhóm và không để lại chỗ cho các tình huống dự phòng khi các vấn đề không thể tránh khỏi xuất hiện.
Tập hợp lại, những sai sót này ngăn cản các tổ chức tối đa hóa tỷ lệ thành công của dự án. Nhưng dữ liệu cũng cung cấp một lộ trình rõ ràng để cải thiện. Định nghĩa mục tiêu, lập kế hoạch kỹ lưỡng, giao tiếp chủ động, đảm bảo tài nguyên, kiểm soát thay đổi, nhận được sự ủng hộ của lãnh đạo, giảm thiểu rủi ro và lên lịch thực tế đều nằm trong tầm kiểm soát của quản lý.
Nhắm vào những khu vực này thông qua đào tạo, quy trình tinh chỉnh và quản trị sẽ mở khóa tỷ lệ thành công cao hơn theo thời gian. Kết quả dự án được xác định trực tiếp bởi các thực tiễn và văn hóa được xây dựng bởi ban lãnh đạo.
GDVN – Trong các nguồn lực cần đầu tư cho giáo dục và đào tạo thì nguồn lực tài chính rất quan trọng và vẫn là chính yếu.
Để có hệ thống đại học của quốc gia lớn mạnh, dẫn dắt đất nước phát triển thì chắc chắn chúng ta phải có đội ngũ nhà giáo tốt – yếu tố chủ chốt đi cùng với hạ tầng, cơ sở vật chất đồng bộ, hiện đại…
Và tất nhiên có được những thứ đó chúng ta cần phải đầu tư thực sự, chứ không phải “tiết giảm chi tiêu” và “kêu gọi đóng góp” từ xã hội.
Đại hội XIII của Đảng tiếp tục khẳng định “phát triển nguồn nhân lực, nhất là nguồn nhân lực chất lượng cao là một đột phá chiến lược, là yếu tố quyết định đẩy mạnh phát triển và ứng dụng khoa học, công nghệ, cơ cấu lại nền kinh tế, chuyển đổi mô hình tăng trưởng và là lợi thế cạnh tranh quan trọng nhất, bảo đảm cho phát triển nhanh, hiệu quả và bền vững”.
Trong bối cảnh cách mạng công nghệ, muốn phát triển đất nước hùng cường, nhất định phải cần nguồn nhân lực đủ mạnh. Trong khi muốn có nguồn nhân lực chất lượng tốt chắc chắn phải có hệ thống trường đại học của đất nước thực sự mạnh.
Chúng ta không thể trông cậy vào việc nhờ các đại học hàng đầu thế giới giúp chúng ta đào tạo nguồn nhân lực chất lượng tốt để phát triển đất nước hùng cường.
Ảnh minh họa: nguồn Trường Đại học Sư phạm (Đại học Đà Nẵng)
Ngược lại, nếu chúng ta vẫn quan niệm không cần đầu tư đại học trong nước mà chỉ cần gửi người đi học ở các nước để phát triển nguồn lực thì trong bối cảnh cạnh tranh nguồn lực như hiện nay, chúng ta sẽ mất nhiều hơn được.
Để có hệ thống đại học của quốc gia lớn mạnh, dẫn dắt đất nước phát triển thì chắc chắn chúng ta phải có đội ngũ nhà giáo tốt – yếu tố chủ chốt đi cùng với hạ tầng, cơ sở vật chất đồng bộ, hiện đại…
Và tất nhiên có được những thứ đó chúng ta cần phải đầu tư thực sự, chứ không phải “tiết giảm chi tiêu” và “kêu gọi đóng góp” từ xã hội.
Trong các nguồn lực cần đầu tư cho giáo dục và đào tạo thì nguồn lực tài chính rất quan trọng và vẫn là chính yếu. Thế nhưng, trong thực tế vẫn còn rất nhiều thứ khó gỡ cho câu chuyện tài chính.
Câu chuyện tài chính của giáo dục đại học Việt Nam trong bối cảnh hiện nay
Hiện nay, giáo dục đại học Việt Nam có 2 loại hình chính, đó là công lập và ngoài công lập. Ngoài công lập cũng được phân chia thành các mô hình khác nhau, nhưng cơ bản vẫn hoạt động như một doanh nghiệp, đóng góp nguồn thu cho ngân sách và nguồn lực xã hội cũng rất đáng kể.
Tuy nhiên, nếu để đầu tư vào một số lĩnh vực nghiên cứu cơ bản hay một số lĩnh vực công nghệ đặc thù mà có số người theo học ít trong khi chi phí đầu tư cao, thì rất khó có trường ngoài công lập nào theo đuổi.
Thông thường, trường ngoài công lập chỉ đầu tư đào tạo các ngành có số người theo học nhiều và ít phải đầu tư hơn.
Hệ thống đại học công lập hiện nay không còn “bao cấp” như trước đây (trừ khối trường công an, quân đội).
Các trường đại học công lập, ngoài đất đai, cơ sở hạ tầng đã được đầu tư trước và một số có một phần chi thường xuyên, còn lại các trường phải lo tìm nguồn thu để đầu tư cho con người và đầu tư phát triển.
Và như thế cuộc chạy đua, cạnh tranh trong thị trường giáo dục dù chưa được đề cập một cách cụ thể, nhưng không thể nói là hoàn toàn được kiểm soát, ngược lại đâu đó vẫn ẩn chứa nhiều điều thiếu bền vững.
Ảnh minh họa: nguồn Trường Đại học Sư phạm (Đại học Đà Nẵng)
Nguồn lực xã hội được cho là có thể huy động cho đại học bao gồm: học phí, tài trợ (trong nước và quốc tế), các dịch vụ hỗ trợ, tư vấn, nghiên cứu khoa học và chuyển giao công nghệ hoặc đầu tư khác.
Từ nhiều năm nay, mỗi khi nói đến xã hội hóa, đa dạng hóa nguồn thu cho giáo dục đại học, người ngoài có thể kể ra rất nhiều thứ có thể thu, nhưng người trong cuộc cũng kể ra hàng tá thứ khó, không dám làm. Và sự thật là như vậy. Kể cả về lí thuyết các trường công lập được quyền vay tín dụng để đầu tư phát triển, nhưng thực tế cũng không dễ.
Tương tự như vậy, nhận tài trợ từ nước ngoài, trường đại học chỉ là bên nhận, thậm chí là không hoàn lại và không phải đối ứng, nhưng cũng không dễ. Cho dù khoản tài trợ nhỏ, nhưng thủ tục cũng rất dài dòng và thật sự là rất khó sử dụng.
Ảnh minh họa: nguồn Trường Đại học Sư phạm (Đại học Đà Nẵng)
Mặt khác, khai thác đất, công trình của nhà trường để cung cấp các dịch vụ trong trường cho dù tự chủ hay chưa tự chủ cũng phải thủ tục xin phép…
Nhiều cái khó cho bản thân các trường đại học, nhưng khi đề cập vấn đề với cơ quan quản lí thì họ cũng nêu nhiều lí do khó vì cơ chế, vì quy định liên quan. Bởi tất cả cũng vì một mục tiêu là cần làm đúng quy định!
Trong bối cảnh toàn cầu hóa, các đại học ở các nước phát triển có xu hướng xâm nhập và cạnh tranh với các đại học trong nước, xu hướng sính ngoại của một bộ phận người Việt trong xã hội cũng là một thách thức và nhiều rủi ro cho giáo dục đại học nước nhà.
Nhìn chung, trong nền kinh tế thị trường hoàn hảo và cạnh tranh lành mạnh thường thúc đẩy sự phát triển, nhưng với lĩnh vực giáo dục và đặc biệt là trong bối cảnh cạnh tranh thiếu lành mạnh thì rủi ro sẽ là vô cùng to lớn.
Các trường đại học đã nỗ lực, nhưng kết quả chưa đạt như kỳ vọng
Ở khía cạnh quản lí nhà nước, một số người cho rằng các đại học chưa thay đổi tư duy, chưa chủ động để tự chủ, đổi mới… Do vậy cần phải có cạnh tranh và nhất là cạnh tranh với các đại học nước ngoài mới hi vọng đổi mới.
Có vẻ như suy nghĩ như vậy một mặt không sai với một số ít trường nhưng ở diện rộng, trên toàn hệ thống thì là một vấn đề rất đáng phải quan tâm.
Nhìn kĩ lại, với cơ chế quản lí nhà nước như hiện nay không dễ gì các đại học vươn ra để phát triển, cạnh tranh với các trường đại học quốc tế trong khi nguồn tài chính quá hạn chế và bị gò bó bởi rất nhiều quy định.
Ảnh minh họa: nguồn Trường Đại học Sư phạm (Đại học Đà Nẵng)
Tự chủ đại học mới hình thành, mô hình quản trị cũng chưa thực sự rõ ràng, trong khi nguồn ngân sách từ nhà nước đã cắt giảm…
Và nếu chỉ trông chờ vào học phí thì không dễ gì phát triển, trong khi hiện nay, xã hội cũng chưa “chấp nhận trả” học phí cao cho giáo dục đại học trong nước tương tự như chi trả cho du học.
Mặt khác, đại học ngoài công lập nghĩ rằng bản thân họ bị đối xử không công bằng, trong khi trường công có đất, có cơ sở hạ tầng….
Trường công lập thì nghĩ cạnh tranh tuyển sinh, tự do xác định mức học phí và đầu tư mua sắm, tự quyết các chính sách thu hút nguồn nhân lực… là lợi thế cho các trường tư thục.
Nói chung, ai cũng nghĩ người khác thuận lợi hơn mình, nhưng nếu phân tích kĩ ra thì cũng chẳng ai hoàn toàn thuận lợi cả.
Có thể cái khó chung của các đại học công lập và ngoài công lập là mọi nỗ lực để phát triển vẫn luẩn quẩn huy động tài chính từ nguồn thu học phí.
Thật ra, vì còn nhiều lí do khác nhau, doanh nghiệp chưa sẵn sàng đầu tư hay tài trợ cho các trường đại học.
Ngược lại khi sử dụng lao động sản phẩm từ trường đại học thường thì họ đòi hỏi cao ở chất lượng đầu ra và than phiền vì các trường chưa đáp ứng yêu cầu đầu ra có thể sử dụng ngay mà phải đào tạo lại?
Ảnh minh họa: nguồn Trường Đại học Sư phạm (Đại học Đà Nẵng)
Trong khi một số các doanh nghiệp lớn mạnh thì xu hướng xin được tự đầu tư mở trường riêng, thay vì đầu tư hay tài trợ vào các trường đại học đã lớn mạnh, để cùng nghiên cứu và đào tạo nguồn lực để sử dụng.
Nhận thức về giáo dục đại học và giáo dục nghề nghiệp đâu đó vẫn còn nhầm lẫn trong xã hội và thậm chí là ngay cả trong những người tham gia làm giáo dục và quản lí giáo dục. Chính vì vấn đề đó mà chưa có sự tham gia để cùng kiến tạo phát triển một cách bài bản xuyên suốt.
Cho dù còn nhiều điểm rất khác nhau, nhưng điểm chung nhất đều nhận thức rõ ràng rằng, nguồn nhân lực để phát triển đất nước là rất quan trọng; vai trò của trường đại học đối với sự phát triển nguồn nhân lực chất lượng cao là rất lớn và để các trường đại học phát triển và đóng góp cho sự phát triển đất nước thì đầu tư tài chính là rất cần thiết.
Xoay quanh vấn đề đó, gần đây nhiều diễn giả nêu quan điểm về nền kinh tế chia sẻ và vai trò của các bên đối với đầu tư cho giáo dục đại học rất cần phải được thúc đẩy. Về nguyên tắc là vậy, nhưng để hiện thực hóa thì cần phải luật hóa và định hướng phát triển văn hóa chia sẻ.
Sứ mệnh của trường đại học và bài toán tài chính
Hiện nay, trường đại học của chúng ta đã có nhiều cấp quản lí và nhiều kiểu khác nhau. Có trường thuộc địa phương quản lí; có trường do bộ, ngành quản lí; có trường do gia đình đầu tư, có trường do doanh nghiệp thành lập…
Người sử dụng lao động khen chê khác nhau vì nhu cầu sử dụng nhân sự khác nhau và nhận thức về bằng cấp, tay nghề khác nhau…
Dù tên gọi thế nào thì nếu xác định giáo dục đại học từ sứ mệnh của đại học và tập trung đầu tư để phát triển đảm bảo duy trì được sứ mệnh đó thì chắc chắn hình thành nên các đại học mạnh.
Tất nhiên, bản thân trường đại học nếu đủ lực về tài chính và kiên định mục tiêu, sứ mệnh là rất cần, nhưng điều kiện đủ để thành công vẫn phải cần cả hệ thống chính trị và toàn xã hội hiểu đúng mới kiên trì thực hiện được.
Sứ mệnh của trường đại học trước tiên phải (1) sáng tạo tri thức (tức nghiên cứu khoa học là hàng đầu), tiếp đến là (2) truyền bá tri thức (tức giảng dạy, bồi dưỡng…) và thứ ba là (3) phục vụ cộng đồng, xã hội.
Nếu kiểm đếm một cách thật kĩ lưỡng thì vẫn có trường chưa đầu tư cho nghiên cứu đúng nghĩa mà chủ yếu là tuyển sinh giảng dạy, thậm chí gửi cho doanh nghiệp đào tạo, huấn luyện là chủ yếu. Thực chất đó chính là giáo dục nghề nghiệp không phải là giáo dục đại học.
Cũng có trường đầu tư nghiên cứu chỉ để công bố, để tăng thứ hạng thành tích, chứ việc nghiên cứu và giảng dạy, phục vụ cộng đồng không nhiều.
Mỗi khi kiến thiết mô hình trường đại học bài bản từ triết lí nền tảng thì xã hội mới tin tưởng vào chất lượng và quyết định đầu tư hay tài trợ. Trong trường hợp cơ chế kiểm soát chưa tốt và chưa minh bạch thì rất khó cho tất cả.
Ảnh minh họa: nguồn Trường Đại học Sư phạm (Đại học Đà Nẵng)
Nếu trường đại học kiến tạo sự phát triển dựa trên nền tảng khoa học và kiên định sứ mệnh; đồng thời nguồn lực xã hội đầu tư, tài trợ vào đại học được xác định là đầu tư cho nghiên cứu, cho các hoạt động khoa học, để thu về tri thức khoa học và công nghệ thì đó là thực sự là mô hình tốt đẹp cho phát triển đại học đúng từ bản chất.
Mỗi khi các nguồn đầu tư, tài trợ cho khoa học được duy trì tốt thì đời sống của giảng viên được đảm bảo, năng lực của giảng viên được nâng cao.
Và khi năng lực giảng viên tốt thì đào tạo sinh viên cũng chất lượng tốt. Người học có năng lực tốt thì xã hội cũng được hưởng lợi, đồng thời thúc đẩy mọi lĩnh vực phát triển.
Dù có thế nào đi nữa, nguồn đầu tư hay tài trợ chính cho nghiên cứu khoa học ở các trường đại học vẫn cần từ ngân sách nhà nước.
Với một xã hội phát triển, người dân đóng thuế và theo dõi nguồn chi ngân sách thì việc chi đúng và quản lí hợp lí nguồn chi cho giáo dục và khoa học dễ tạo sự đồng thuận cao.
Bởi lẽ, giáo dục và khoa học luôn trực tiếp hoặc gián tiếp có tác động tích cực đến người dân; rất cần thiết vì lợi ích công thiết thực như thông qua các hoạt động đó sẽ tác động đến chất lượng chăm sóc sức khỏe, nâng cao chất lượng giáo dục, đảm bảo an ninh, an toàn…
Ngoài ra, nếu có cơ chế, chính sách xã hội tốt, các doanh nghiệp cũng sẽ tham gia đầu tư hoặc tài trợ cho khoa học.
Một đất nước có nền kinh tế phát triển và cạnh tranh lành mạnh, doanh nghiệp cần ý tưởng sáng tạo và công nghệ để phát triển.
Việc đầu tư, tài trợ cho đại học cũng vì lợi ích cho chính doanh nghiệp chứ không chỉ là nghĩa vụ, nghĩa hiệp.
Bên cạnh đó, các doanh nghiệp còn có thể đầu tư mạo hiểm cho các nhà khoa học để nghiên cứu các công trình vĩ đại hoặc đầu tư sáng chế các sản phẩm, công nghệ mới tốt hơn, có giá trị to lớn.
Hơn nữa, các tổ chức từ thiện cũng là bên liên quan, có thể hỗ trợ, tài trợ cho các đại học thực thi sứ mệnh cao cả. Có thể nói, xã hội lúc nào cũng có rất nhiều vấn đề phát sinh và có cả các đối tượng dễ bị tổn thương.
Ảnh minh họa: nguồn Trường Đại học Sư phạm (Đại học Đà Nẵng)
Dịch bệnh, thiên tai, bệnh hiểm nghèo, dị tật… là những vấn đề thời nào cũng có. Các nhà từ thiện, các tổ chức thiện nguyện có thể thực hiện các chiến dịch quyên góp kinh phí từ nhiều nguồn khác nhau thay vì phân phát từ thiện, thì họ tài trợ cho các công trình nghiên cứu để tìm ra các phương thuốc, công nghệ, giải pháp mới hữu ích để quay trở lại cứu giúp những đối tượng khó khăn cũng như giải quyết từ gốc các vấn đề phát sinh, bất trắc.
Mỗi khi các trường đại học nhận được tài trợ, viện trợ đa dạng, phong phú thì áp lực tài chính sẽ giảm; giảng viên tập trung nghiên cứu và đào tạo; sản phẩm nghiên cứu phục vụ cho xã hội, cộng đồng; người học là sản phẩm chính cũng được trang bị kĩ lưỡng về tri thức, phát triển năng lực cũng như cảm nhận được trách nhiệm và hình thành nhân cách tốt hơn.
Tài trợ cho khoa học thông qua đại học là cách tốt nhất thúc đẩy phát triển theo chiều sâu. Ngày nay, khoa học và công nghệ phát triển, để phát triển hơn và vượt tầm cần phải có những thí nghiệm, thử nghiệm lớn…
Nếu những nhà khoa học không được tài trợ kinh phí để thiết kế nghiên cứu cũng như cống hiến thì rất khó có thể tự thân giải quyết các vấn đề hóc búa tạo nên những sản phẩm giá trị.
Các trường đại học nếu chỉ dựa vào học phí của người học để đầu tư phát triển thì chỉ là nhỏ lẻ, chỉ đủ để chứng minh cho người học những thí nghiệm có tính nguyên lí, lí thuyết có sẵn, không thể cùng nghiên cứu và cùng học tập đúng nghĩa như sứ mệnh của đại học.
Những gương điển hình, mẫu mực của khoa học trước đây là những người dấn thân, đam mê, hiến dâng tất cả cho nghiên cứu khoa học; sống trong khổ cực, cơ hàn hi vọng tìm thấy vinh quang từ những việc làm có ích.
Ngày nay, chúng ta không nên và cũng không thể đòi hỏi hay yêu cầu nhà khoa học cũng phải như vậy.
Để có những nghiên cứu tốt, vượt tầm, người làm khoa học và đào tạo người làm khoa học cũng cần phải có cuộc sống tốt, không phải lo lương tháng, lương tuần hay trông chờ các nguồn thưởng bài báo được công bố.
Điều tốt nhất là để họ tự hào vì những công trình của họ có đóng góp như thế nào với học thuật hàn lâm, với những ứng dụng đem lại hiệu quả thiết thực…
Khi nhà khoa học cảm thấy hạnh phúc, năng lượng tích cực sẽ lan tỏa vào giới trẻ, len lỏi vào ý thức của cộng đồng, giúp xã hội trân quý khoa học và ít mù quáng hơn.
Trong thực tế, kết quả của nghiên cứu khoa học thường có tác động lớn, giống như đòn bẩy thúc đẩy phát triển xã hội vượt trội, đồng thời cũng kích thích sự phát triển kinh tế địa phương thông qua sự chia sẻ, trao đổi từ các hội thảo, hội nghị và các chuyến khảo cứu, trưng bày, triển lãm…
Nếu có những nguồn tài chính đầu tư dài hạn, các nhà nghiên cứu sẽ theo đuổi những ý tưởng khoa học, tự khám phá và tìm kiếm các giải pháp ứng dụng một cách hiệu quả.
Và như vậy, ý tưởng sáng tạo không bị đứt gãy hay bị dừng lại nửa chừng mà có thể kết nối phát triển thành những chuỗi giá trị rất ý nghĩa.
Giải pháp cho giáo dục đại học Việt Nam hiện nay
Trước hết, những người làm chính sách cần đầu tư nghiên cứu nhằm xây dựng thể chế đủ mạnh để thúc đẩy nền giáo dục đại học Việt Nam và xem đây chính là chiến lược đột phá như tinh thần của văn kiện Đại hội XIII.
Thực sự chúng ta rất cần hành lang pháp lí thật vững chắc từ các luật như: Luật Khoa học Công nghệ, Luật Giáo dục, Luật Giáo dục đại học, Luật Nhà giáo, Luật Sở hữu trí tuệ, Luật Đầu tư…
Xác định rõ chức nghiệp của giảng viên đại học và trách nhiệm của các trường đại học. Dù công lập hay ngoài công lập khi đã là đại học thì phải đảm bảo là cơ sở đào tạo nguồn nhân lực chất lượng cao; đã là giảng viên thì phải thực thi chức nghiệp với sứ mệnh một nhà khoa học thực sự và phải có ý thức truyền bá tri thức cũng như phục vụ cộng đồng xã hội một cách dấn thân và phải được Nhà nước tôn vinh, có chế độ hợp lí để đảm bảo sống tốt.
Đặc biệt phải thống nhất quan điểm rằng, giáo dục đại học không bao giờ được xác định là thị trường để đầu tư sinh lời.
Thứ hai, cần đẩy nhanh tiến độ xây dựng chiến lược giáo dục Việt Nam giai đoạn 2022-2030; đặc biệt là rất cần và nhất thiết phải xây dựng một chiến lược phát triển nhân tài quốc gia.
Đây là cơ sở quan trọng để sắp xếp lại mạng lưới cơ sở giáo dục đại học, hình thành các đại học quốc gia, đại học trọng điểm; tập trung nguồn lực đầu tư trọng tâm từ ngân sách với các chương trình dự án trọng tâm vì mục tiêu phát triển nhân tài cho một giai đoạn dài ở tương lai.
Thứ ba, đầu tư công và cơ chế đặt hàng từ Nhà nước đối với các đại học phải được Chính phủ xác định rõ ràng và cần có cơ chế giám sát từ Quốc hội.
Cần có cơ cấu tài chính phù hợp đối với đầu tư công trong lĩnh vực giáo dục đại học; xác định rõ tỉ lệ ngân sách đủ lớn cho giáo dục đại học để thúc đẩy phát triển khoa học công nghệ và đào tạo nhân tài.
Thứ tư, lĩnh vực sáng chế và sáng tạo cần được khuyến khích và ưu tiên giảm thuế cho doanh nghiệp có đầu tư và sử dụng kết quả từ các công trình phát minh, sáng chế; thúc đẩy khởi nghiệp từ đổi mới sáng tạo.
Cần nhấn mạnh đến các hoạt động đầu tư và tài trợ cho nghiên cứu ở các trường đại học, nhất là các nghiên cứu có tính ứng dụng, phát triển công nghệ, giải pháp mới.
Khi có chính sách cụ thể sẽ thúc đẩy các doanh nghiệp có trách nhiệm với sự phát triển các đại học. Đồng thời có chính sách hạn chế, nghiêm cấm các hoạt động sản xuất, kinh doanh sử dụng công nghệ lạc hậu…
Mỗi khi chúng quyết tâm như vậy thì mới thúc đẩy phát triển đại học và cũng như thúc đẩy phát triển xã hội lành mạnh hơn, hàm lượng tri thức kết tinh trong hàng hóa, sản phẩm cũng sẽ cao hơn, xã hội phát triển văn minh, hiện đại hơn.
Thứ năm, cần xem đại học như nhà cung ứng dịch vụ đặc biệt và nhà sản xuất hàng hóa đặc biệt, khi đó những người sử dụng dịch vụ và hàng hóa đặc biệt có trách nhiệm chi trả với giá cả đặc biệt tương ứng với giá trị của hàng hóa và dịch vụ.
Đồng thời chính các trường đại học cũng phải có trách nhiệm với chính sản phẩm, dịch vụ cũng như có trách nhiệm “bảo trì”, “bảo hành”…
Thứ sáu, Nhà nước cũng cần phải có chính sách tín dụng cho người dân vay đầu tư học tập ở đại học với mức vay cao hơn, đối tượng rộng hơn hiện nay.
Mỗi khi giá dịch vụ cao và sản phẩm đầu ra rất chất lượng thì chi phí cũng cao. Để đảm bảo công bằng xã hội, chi phí cho việc học đại học cũng là khoản đầu tư cần thiết và đáng lựa chọn.
Ở một khía cạnh tích cực khác, mỗi khi chi phí cao thì trách nhiệm của người học đối với việc học cũng sẽ tốt hơn; việc theo đuổi mục tiêu sẽ thuận lợi hơn một nền giáo dục “giá rẻ”.
Thứ bảy, văn hóa – khoa học – giáo dục luôn có quan hệ khăng khít với nhau và rất cần cho nhau. Để có nền giáo dục đại học chuẩn mực, chất lượng rất cần xây dựng một nền văn hóa với các giá trị chuẩn mực.
Cần nỗ lực để kiến thiết văn hóa chia sẻ trong xã hội cũng như quy định về trách nhiệm giải trình của các bên liên quan.
Có được nền tảng văn hóa tốt, việc huy động nguồn lực tài chính đầu tư cho đại học, cho khoa học sẽ thuận lợi hơn và hi vọng sẽ có nguồn nhân lực thực sự chất lượng. Có như vậy chúng ta sẽ có niềm tin vào một tương lai của đất nước tươi sáng hơn.
Tóm lại, chúng ta luôn ao ước về một nền giáo dục đại học hiện đại, chuẩn mực như nhiều trường ở các nước tiên tiến nhưng nếu nghiên cứu thật kĩ thì không có nơi đâu, thời nào chỉ có màu hồng mà không màu xám.
Giáo dục đại học Việt Nam dù còn nhiều điều đáng phải bàn, nhưng khách quan nhìn nhận thì đã có xu hướng phát triển tốt hơn, hội nhập mạnh hơn.
Trong bối cảnh hiện nay, đổi mới mô hình quản trị đại học là rất cần và cũng rất cần đổi mới mô hình quản lí nhà nước đối với giáo dục đại học.
Quản trị đại học và quản lí nhà nước rất cần tháo gỡ các nút thắt để khơi thông nguồn tài chính đầu tư, tài trợ cho giáo dục đại học và là vấn đề rất đáng quan tâm từ Đảng, Nhà nước và toàn xã hội. Điều đó nên xuất phát từ một chiến lược phát triển nhân tài tầm cỡ của quốc gia.
GDVN – Theo khuyến nghị của Ngân hàng Thế giới, chúng ta cần tăng lên khoảng 0,8-1% GDP đầu tư cho giáo dục đại học cho đến năm 2030.
LTS GDVN: Hiện nay, ngân sách đầu tư cho giáo dục đại học đang rất thấp (chỉ chiếm 0,27% GDP theo thống kê của Bộ Tài chính năm 2020).
Theo khuyến nghị của Ngân hàng Thế giới, chúng ta cần tăng lên khoảng 0,8-1% GDP đầu tư cho giáo dục đại học cho đến năm 2030.
Bài toán tài chính với các trường đại học đến nay vẫn là một thách thức lớn. Để hiểu rõ hơn về nguồn lực đầu tư cho giáo dục đại học, Tạp chí điện tử Giáo dục Việt Nam có cuộc trao đổi với Phó Giáo sư, Tiến sĩ Hoàng Minh Sơn – Thứ trưởng Bộ Giáo dục và Đào tạo.
Phó Giáo sư, Tiến sĩ Hoàng Minh Sơn – Thứ trưởng Bộ Giáo dục và Đào tạo
Phóng viên:Giáo dục đại học có vai trò quan trọng, đầu tư cho giáo dục đại học là đầu tư cho phát triển, cần có đầu tư tương xứng. Thứ trưởng Hoàng Minh Sơn đánh giá như thế nào về nguồn lực đầu tư cho giáo dục đại học Việt Nam hiện nay?
Phó Giáo sư, Tiến sĩ Hoàng Minh Sơn: Giáo dục đại học có sứ mạng phát triển con người thế hệ mới, cung cấp nguồn nhân lực trình độ cao, chất lượng cao gắn với phát triển khoa học, công nghệ và đổi mới sáng tạo, nâng cao năng suất lao động và năng lực cạnh tranh quốc gia, đáp ứng yêu cầu phát triển bền vững của đất nước.
Đầu tư cho giáo dục đại học là đầu tư cho phát triển, mang lại hiệu quả trực tiếp và lâu dài cho người học và gia đình (lợi ích riêng hay lợi ích tư) cũng như cho cả nền kinh tế và toàn xã hội (lợi ích chung hay lợi ích công), vì vậy mà cả nhà nước, người học và toàn xã hội cùng có trách nhiệm chia sẻ kinh phí đầu tư.
Quy mô và chất lượng giáo dục đại học phụ thuộc nhiều yếu tố, trong đó yếu tố quyết định đó là nguồn lực tài chính.
Thực chất, các yếu tố bảo đảm chất lượng bên trong như đội ngũ giảng viên, cơ sở vật chất, chương trình đào tạo, phương thức đào tạo… cũng phụ thuộc nhiều vào nguồn lực tài chính.
Theo báo cáo “Giáo dục, đào tạo Việt Nam – Kết quả đánh giá từ Tổng điều tra kinh tế năm 2021” của Tổng Cục thống kê, tổng chi của tất cả cơ sở giáo dục đại học trong năm 2020 là gần 47,8 nghìn tỉ đồng, tương đương 0,6% GDP.
Như vậy, suất chi bình quân trên một người học xấp xỉ 25,8 triệu đồng, tương đương với 31% bình quân GDP trên đầu người, số liệu này khá trùng khớp với tính toán qua khảo sát của Bộ Giáo dục và Đào tạo.
Đáng chú ý là so với năm 2016, tổng chi của khối giáo dục đại học năm 2020 chỉ tăng 0,3 nghìn tỉ đồng (tăng 0,6%), trong khi đó tổng chi của khối giáo dục phổ thông năm 2020 tăng 43,7 nghìn tỉ đồng (tăng 34,2%).
Ảnh minh họa: nguồn Đại học Bách khoa Hà Nội
Theo số liệu do Bộ Tài chính cung cấp, dự toán chi ngân sách nhà nước cho giáo dục đại học năm 2020 là 16,7 nghìn tỉ, tương ứng với 0,96% tổng dự toán chi ngân sách nhà nước, 4,62% dự toán chi ngân sách nhà nước cho giáo dục, đào tạo hay 0,27% GDP.
Tuy nhiên, kinh phí thực chi chỉ đạt 11,32 nghìn tỉ, tương ứng 0,65% tổng dự toán chi ngân sách nhà nước, 4,06% ngân sách nhà nước thực chi cho giáo dục, đào tạo hay 0,18% GDP (tỉ trọng kinh phí thực chi cho giáo dục đại học trên GDP năm 2018 là 0,20% và năm 2019 là 0,19%).
Như vậy, dự toán ngân sách nhà nước chiếm 34,9% tổng chi của toàn khối giáo dục đại học (phù hợp với số liệu cơ cấu nguồn thu do Tổng cục Thống kê đưa ra), nhưng tỉ trọng thực chi chỉ đạt 23,7%.
Những con số trên đây cho thấy nguồn lực đầu tư cho giáo dục đại học ở nước ta không những rất thấp, mà thực tế còn giảm trong một số năm gần đây nếu tính tới chỉ số lạm phát.
Mặc dù trong điều kiện như vậy, hệ thống giáo dục đại học đã có những chuyển biến tích cực về quy mô và chất lượng đào tạo, nghiên cứu và hội nhập quốc tế, nhưng thực tế đang rơi vào “bẫy chất lượng trung bình”.
Có thể nói, nguồn lực tài chính đang là điểm nghẽn lớn nhất đối với phát triển giáo dục đại học và thực hiện đột phá chiến lược về nguồn nhân lực chất lượng cao, khoa học, công nghệ và đổi mới sáng tạo của nước ta.
Ảnh minh họa: nguồn Đại học Bách khoa Hà Nội
Phóng viên:So với các nước có cùng mức sống và các nước phát triển, nguồn lực đó đang ở mức độ nào, thưa Thứ trưởng?
Phó Giáo sư, Tiến sĩ Hoàng Minh Sơn: Theo số liệu thống kê của OECD năm 2020 (không tính đào tạo trình độ cao đẳng), tỉ trọng tổng chi của các cơ sở giáo dục đại học trên GDP bình quân các nước khối OECD đạt 1,4%, khối EU đạt 1,3%, Hàn Quốc 1,4%, Nhật Bản 1,2 %, Australia 1,7% và Anh 1,9%, cao gấp từ 2 đến 3 lần so với Việt Nam (0,6%).
Tính theo suất chi bình quân cho một người học (đại học và sau đại học) trên bình quân GDP/đầu người, bình quân các nước khối OECD là 42%, khối EU 40%, Hàn Quốc 30%, Nhật Bản 49%, Australia 45% và Anh 62%, trong khi tỉ lệ này của Việt Nam là 31% (GDP bình quân đầu người ở Việt Nam thấp hơn nhiều lần so với các quốc gia nói trên).
Đối sánh tỉ trọng chi ngân sách nhà nước cho giáo dục đại học trên tổng chi ngân sách nhà nước cho giáo dục và đào tạo, theo thống kê năm gần nhất (có số liệu) của Ngân hàng thế giới thì bình quân nhóm quốc gia thu nhập thấp đạt 19%, nhóm quốc gia thu nhập trung bình đạt 18% và nhóm quốc gia thu nhập cao đạt 23%, cao hơn gấp 4 đến 5 lần so với Việt Nam (dù lấy số liệu thực chi 4,06% hoặc số liệu dự toán 4,62%).
Tính theo tỉ trọng chi ngân sách nhà nước cho giáo dục đại học trên GDP, số liệu bình quân các nước khối OECD trong giai đoạn 10 năm gần đây đều giữ ổn định ở mức xấp xỉ 1%, trong khi Cộng hòa liên bang Đức có tỉ trọng tăng dần và đạt 1,39% vào năm 2020.
Đối với một số nước trong khu vực Đông Nam Á, tỉ trọng chi ngân sách nhà nước cho giáo dục đại học trên GDP năm 2020 nằm trong khoảng từ 0,6% tới 0,75%, mặc dù đã giảm nhiều sau một giai đoạn đầu tư mạnh nhiều năm trước (Malaysia năm 2001 đạt 2,56%, Thái Lan năm 2000 đạt 1,07%, Singapore năm 2012 đạt 1,17%).
Như vậy, tính trên tất cả các chỉ số quan trọng, mức đầu tư cho giáo dục đại học của Việt Nam đều thấp hơn nhiều lần so với các nước thuộc nhiều nhóm khác nhau.
Nhìn ngay sang Trung Quốc, một quốc gia điển hình mà chúng ta có thể học hỏi được nhiều từ đổi mới phát triển nền kinh tế dựa trên khoa học và công nghệ, 24 đại học có dự toán ngân sách thu chi lớn nhất năm 2023 đều vượt 10 tỉ Nhân dân tệ, trong đó 4 đại học vượt 20 tỉ Nhân dân tệ (quy đổi sang USD: Đại học Thanh Hoa 5,67 tỉ, Đại học Chiết Giang 4,26 tỉ, Đại học Giao thông Thượng Hải 3,66 tỉ, Đại học Bắc Kinh 3,11 tỉ); chi hỗ trợ từ ngân sách nhà nước bình quân trên một sinh viên/năm là 39.220 Nhân dân tệ (tương đương 5.415 USD).
Phóng viên:Theo Thứ trưởng, chúng ta cần phải tăng nguồn lực tài chính mức nào để đáp ứng yêu cầu năm 2030 trở thành nước có thu nhập trung bình cao và đến năm 2045 là một nước có thu nhập cao như văn kiện Đại hội XIII của Đảng đã đặt ra?
Phó Giáo sư, Tiến sĩ Hoàng Minh Sơn: Để đạt được mục tiêu tới năm 2030 trở thành nước có thu nhập trung bình cao và đến năm 2045 là một nước phát triển, có thu nhập cao, thì phải thực hiện được đột phá chiến lược về nguồn nhân lực chất lượng cao gắn với khoa học, công nghệ và đổi mới sáng tạo, phải tháo gỡ được điểm nghẽn về tài chính cho giáo dục đại học và khoa học, công nghệ.
Những số liệu phân tích trên đây đã chỉ rõ, trong giai đoạn tới 2030 chúng ta cần tăng nguồn lực tài chính cho giáo dục đại học lên ít nhất 2 đến 3 lần so với hiện nay, cả từ ngân sách nhà nước và nguồn lực huy động từ xã hội.
Đây cũng là nội dung mà Bộ Giáo dục và Đào tạo đã đề xuất, kiến nghị trong dự thảo Báo cáo tổng kết 10 thực hiện Nghị quyết 29-NQ/TW của Trung ương khóa XI đã trình Bộ Chính trị, cũng như trong dự thảo Chiến lược phát triển giáo dục tới 2030 và dự thảo Báo cáo Quy hoạch mạng lưới cơ sở giáo dục đại học và sư phạm đang trình Thủ tướng Chính phủ.
Ảnh minh họa: nguồn Trường Đại học Sư phạm (Đại học Đà Nẵng)
Phóng viên:Việc huy động các nguồn lực xã hội, sự tham gia của người dân và tổ chức xã hội đối với giáo dục đại học của nước ta hiện còn hạn chế.
Theo Thứ trưởng, làm sao để nguồn lực đầu tư của Nhà nước có thể dẫn dắt đầu tư công, để đầu tư công dẫn dắt đầu tư tư nhằm tạo nên một sức bật cho giáo dục đại học nước nhà?
Phó Giáo sư, Tiến sĩ Hoàng Minh Sơn: Các nguồn thu chính của các cơ sở giáo dục đại học bao gồm kinh phí từ ngân sách nhà nước, học phí của người học, kinh phí hợp đồng khoa học-công nghệ từ doanh nghiệp, hoạt động dịch vụ khác của cơ sở giáo dục đại học và tài trợ, cho tặng từ các tổ chức, cá nhân.
Như vậy, cần phải đổi mới cơ chế phân bổ ngân sách nhà nước nhằm tối ưu hóa hiệu quả đầu tư, đồng thời phải có những chính sách phù hợp nhằm tăng cường huy động các nguồn lực từ xã hội.
Trước hết, cần minh bạch hóa toàn bộ kết quả hoạt động của tất cả cơ sở giáo dục đại học thông qua các chỉ số chủ yếu, bao gồm cả kết quả tài chính, trên cơ sở đó phân tích hiệu quả chi ngân sách nhà nước ở các cấp độ lĩnh vực đào tạo, cơ sở đào tạo và cả hệ thống giáo dục đại học, xây dựng và triển khai hệ thống tiêu chí phân bổ ngân sách nhà nước theo nguyên tắc cạnh tranh, bình đẳng, lấy hiệu quả đầu tư là tiêu chí chủ yếu.
Đồng thời, gắn phân bổ ngân sách cho giáo dục đại học với phân bổ ngân sách cho khoa học công nghệ, bảo đảm tỉ trọng ngân sách nhà nước chi cho nghiên cứu, phát triển tại các cơ sở giáo dục đại học tương xứng với năng lực và kết quả hoạt động nghiên cứu, phát triển.
Để thu hút, khuyến khích doanh nghiệp cũng như các tổ chức, cá nhân hợp tác, tài trợ cho các cơ sở giáo dục đại học trong đào tạo, nghiên cứu và đổi mới sáng tạo, cần tiếp tục đổi mới các chính sách ưu đãi về thuế.
Khi năng lực của các cơ sở giáo dục đại học được tăng cường đồng thời trình độ của nền công nghiệp nước ta từng bước được nâng lên, nhu cầu hợp tác, tài trợ nghiên cứu với các cơ sở giáo dục đại học cũng sẽ gia tăng.
Ảnh minh họa: nguồn Đại học Bách khoa Hà Nội
Bên cạnh đó, cần tháo gỡ các điểm nghẽn trong cơ chế sử dụng ngân sách, tài sản nhà nước, trao quyền sở hữu trí tuệ cho các cơ sở giáo dục đại học đối với các kết quả thực hiện nhiệm vụ khoa học, công nghệ từ ngân sách nhà nước, đồng thời cho phép các cơ sở giáo dục đại học công lập đầu tư rủi ro vào các dự án khởi nghiệp, công ty khởi nguồn.
Có như vậy, các cơ sở giáo dục đại học mới thúc đẩy được hợp tác nghiên cứu khoa học, phát triển và chuyển giao công nghệ với doanh nghiệp, cải thiện được cơ cấu nguồn thu đồng thời nâng cao chất lượng đào tạo, nghiên cứu.
Trên cơ sở đầu tư, hỗ trợ từ ngân sách nhà nước, để có thể huy động tốt hơn, hiệu quả hơn sự đóng góp từ người học, các cơ sở giáo dục đại học cần tập trung đổi mới chương trình và phương thức đào tạo, gắn kết với nghiên cứu khoa học và nhu cầu thị trường việc làm, nâng cao chất lượng và hiệu quả đào tạo, qua đó củng cố niềm tin và thu hút người học.
Ảnh minh họa: nguồn Đại học Bách khoa Hà Nội
Bên cạnh đó, các cơ quan nhà nước cần tiếp tục hoàn thiện chính sách học phí gắn với cải tiến và mở rộng các chính sách hỗ trợ người học (đại học và sau đại học), nhất là chính sách học bổng khuyến khích học tập và tín dụng ưu đãi, căn cứ điều kiện kinh tế, năng lực học tập và lĩnh vực, ngành học, không phân biệt trường công lập hay tư thục.
Cuối cùng, chính sách tốt nhất để huy động hiệu quả các nguồn lực từ xã hội đó là tăng quyền tự chủ cho các cơ sở giáo dục đại học, bảo đảm tự chủ đại học đi vào chiều sâu, thực chất và toàn diện.
Khi đó, các cơ sở giáo dục đại học sẽ phải đổi mới hệ thống quản trị để phát huy tối đa nội lực, khai thác và sử dụng hiệu quả nguồn lực đầu tư từ nhà nước (bao gồm cả tài sản hữu hình và tài sản trí tuệ, thương hiệu nhà trường) để đẩy mạnh hợp tác và thu hút tài trợ từ doanh nghiệp, tổ chức và cá nhân.
Các cơ sở giáo dục đại học cũng sẽ phải chú trọng xây dựng và phát triển thương hiệu, giữ gìn lòng tin đối với người học và xã hội thông qua liên tục nâng cao chất lượng đào tạo và nghiên cứu.
Nói cách khác, cơ chế tự chủ chính là cái đòn bẩy cho phát triển giáo dục đại học, đã có điểm tựa chắc chắn, cần phải gỡ bỏ mọi sức cản và tăng đầu tư nguồn lực của nhà nước vào đúng chỗ.
Giảng viên và sinh viên Đại học Bách khoa Hà Nội tại cuộc thi Sáng tạo trẻ năm 2023 (Ảnh minh họa: nguồn Đại học Bách khoa Hà Nội)
Phóng viên: Từ thực tiễn cho thấy, dù chúng ta có tăng nguồn lực từ Nhà nước, từ xã hội đến đâu đi chăng nữa thì cũng không bao giờ đáp ứng được yêu cầu phát triển. Phải chăng chúng ta cần phải xác định rõ những lĩnh vực cần phải ưu tiên, các trình độ của giáo dục đại học cần phải ưu tiên, thưa Thứ trưởng?
Phó Giáo sư, Tiến sĩ Hoàng Minh Sơn: Đúng vậy, đã là đầu tư thì dù từ nguồn lực của Nhà nước hay xã hội cũng cần ưu tiên vào những nơi mang lại hiệu quả đầu tư cao nhất, tạo sức bật lớn nhất cho cả hệ thống. Đối với cả hệ thống giáo dục đại học thì đầu tư cho thu hút, đào tạo và phát triển đội ngũ giảng viên gắn với công tác nghiên cứu và đào tạo tiến sĩ cần phải được ưu tiên hàng đầu.
Đối với người học thì đầu tư cho đào tạo, bồi dưỡng nhân tài và hỗ trợ người học có hoàn cảnh khó khăn, gia đình thuộc diện chính sách cần được đặc biệt quan tâm.
Các lĩnh vực đào tạo cần được ưu tiên đầu tư cũng đã được chỉ rõ trong các chủ trương, chính sách của Đảng và Nhà nước, đó là các lĩnh vực thiết yếu đối với lợi ích chung của toàn xã hội và sự phát triển nhanh, bền vững của đất nước, đặc biệt các lĩnh vực khoa học cơ bản, kỹ thuật và công nghệ then chốt phục vụ phát triển và ứng dụng công nghệ cao.
Cuối cùng, các cơ sở giáo dục đại học cần được ưu tiên đầu tư nhiều nhất chính là các cơ sở giáo dục đại học công lập có uy tín và năng lực mạnh nhất cả nước và từng vùng về đào tạo, nghiên cứu trong các lĩnh vực ưu tiên, có khả năng dẫn dắt và ảnh hưởng lan tỏa tới toàn hệ thống.
Mạng Bayes có thể được sử dụng cho nhiều ứng dụng trong AI và học máy (machine learning – ML). Trong bài “Mạng Bayes: Chìa khóa để khai mở tiềm năng thực sự của AI” ta đã xem xét một số ví dụ về ứng dụng của mạng Bayes trong AI qua các lĩnh vực chăm sóc sức khỏe, xe tự lái. Dưới đây là một số nhóm các cách sử dụng phổ biến của mạng Bayes: [1]
1. Suy diễn xác suất (hay Suy diễn Bayes): Mạng Bayes cho phép suy diễn xác suất, có nghĩa là chúng có thể trả lời các truy vấn về phân bố xác suất của các biến qua các bằng chứng quan sát được. Mạng Bayes có thể giúp tính toán xác suất hậu nghiệm của các biến không được quan sát dựa trên sự phụ thuộc xác suất trong mạng.
2. Chẩn đoán và hỗ trợ quyết định: Mạng Bayes được sử dụng rộng rãi trong các hệ thống hỗ trợ quyết định và chẩn đoán y tế. Bằng cách quan sát các triệu chứng hoặc bằng chứng, mạng Bayes có thể tính toán xác suất của các bệnh hoặc tình trạng khác nhau, hỗ trợ quá trình chẩn đoán. Mạng Bayes cũng có thể hỗ trợ việc ra quyết định bằng cách xem xét các xác suất và lợi ích gắn với các lựa chọn khác nhau.
3. Mô hình hóa dự đoán: Mạng Bayes có thể được sử dụng cho các nhiệm vụ mô hình hóa dự đoán. Với các biến quan sát được, mạng Bayes có thể giúp dự đoán giá trị của các biến không quan sát được hoặc ước tính xác suất của chúng. Điều này làm cho chúng hữu ích trong nhiều lĩnh vực khác nhau, chẳng hạn như dự báo thời tiết, phân tích tài chính và phân tích hành vi khách hàng.
4. Đánh giá và quản lý rủi ro: Mạng Bayes có giá trị trong việc đánh giá và quản lý rủi ro. Chúng có thể mô hình hóa sự phụ thuộc giữa các yếu tố rủi ro và ước tính xác suất của các kết quả hoặc sự kiện khác nhau. Điều này rất hữu ích trong các lĩnh vực như bảo lãnh bảo hiểm, quản lý dự án [2] và phân tích rủi ro môi trường.
5. Phát hiện bất thường: Mạng Bayes còn có thể được sử dụng cho các nhiệm vụ phát hiện bất thường. Bằng cách tìm hiểu hành vi bình thường của một hệ thống hoặc quy trình, chúng có thể phát hiện những sai lệch hoặc bất thường so với các mô hình dự kiến. Điều này rất hữu ích trong an ninh mạng, phát hiện gian lận và giám sát các quy trình công nghiệp.
6. Xử lý ngôn ngữ tự nhiên: Mạng Bayes cũng được ứng dụng trong các tác vụ xử lý ngôn ngữ tự nhiên. Chúng có thể được sử dụng cho các tác vụ như gắn thẻ một phần lời nói (part-of-speech), nhận dạng thực thể được đặt tên và phân tích ngữ nghĩa. Mạng Bayes có thể biểu diễn được sự phụ thuộc giữa các yếu tố ngôn ngữ và suy diễn những cách diễn giải hoặc cấu trúc có khả năng xảy ra nhất.
7. Mô hình hóa môi trường: Mạng Bayes được sử dụng trong mô hình hóa môi trường để hiểu các hệ thống phức tạp và đánh giá tác động môi trường. Chúng có thể được dùng để lập mô hình tương tác giữa các biến số như khí hậu, các hệ sinh thái và hoạt động của con người, từ đó đưa ra các dự đoán và phân tích kịch bản.
8. Tin sinh và gen: Mạng Bayes được sử dụng trong tin sinh học (bioinformatics) và gen để mô hình hóa và phân tích các tương tác di truyền và protein. Chúng có thể giúp hiểu được các mạng điều hòa gen, tương tác protein-protein và các mối liên hệ giữa bệnh-gen.
Mạng Bayes đại diện cho một công cụ mạnh mẽ để khai thác tiềm năng thực sự của AI. Bằng cách cho phép các hệ thống AI suy luận trong điều kiện bất định, học hỏi từ dữ liệu hạn chế và mô hình nhân quả, mạng Bayes có thể giúp vượt qua một số thách thức chính mà nghiên cứu AI ngày nay phải đối mặt.
Đọc được bài dịch trên VnExpress nhưng thấy nội dung dịch chưa rõ, chưa sát ý nên xin được dịch lại bài này.
—
Trí tuệ nhân tạo (AI) đã trải qua một chặng đường dài kể từ khi ra đời, với các kỹ thuật học máy và học sâu thúc đẩy những tiến bộ nhanh chóng trong lĩnh vực này. Tuy nhiên, bất chấp những tiến bộ ấn tượng, vẫn còn nhiều thách thức phải vượt qua trước khi AI thực sự có thể phát huy hết tiềm năng của mình. Một cách tiếp cận đầy hứa hẹn để giải quyết những thách thức này là sử dụng mạng Bayes, một mô hình đồ họa xác suất mạnh mẽ có khả năng mở ra các cấp độ hiểu biết và lý luận mới trong các hệ thống AI.
Mạng Bayes, được đặt theo tên của nhà toán học thế kỷ 18 Thomas Bayes, là một đồ thị có hướng biểu diễn một tập các biến và sự ràng buộc có điều kiện giữa chúng(*). Nói một cách đơn giản hơn, chúng cung cấp một cách để mô hình hóa các mối quan hệ phức tạp giữa các biến bằng cách nắm bắt cấu trúc xác suất cơ bản của dữ liệu. Điều này cho phép các hệ thống AI suy luận trong điều kiện bất định, học tập từ nguồn dữ liệu hạn chế và đưa ra quyết định sáng suốt dựa trên dữ kiện sẵn có.
Một trong những ưu điểm chính của mạng Bayes là khả năng xử lý sự bất định (uncertainty) và thông tin khuyết thiếu. Trong nhiều tình huống thực tế, các hệ thống AI phải đưa ra quyết định dựa trên dữ liệu khuyết thiếu hoặc bị nhiễu. Các kỹ thuật máy học truyền thống, chẳng hạn như mạng thần kinh, thường gặp khó khăn trong các tình huống này vì chúng yêu cầu lượng lớn dữ liệu được đào tạo để đạt được mức độ chính xác cao. Ngược lại, Mạng Bayes có thể đưa ra dự đoán chính xác ngay cả khi phải đối mặt với hạn chế dữ liệu, vì chúng có thể kết hợp kiến thức trước đó và cập nhật thông tin khi có bằng chứng mới. (**)
Một lợi ích khác của mạng Bayes là khả năng cung cấp AI có thể hiểu và giải thích được. Khi các hệ thống AI ngày càng được tích hợp nhiều hơn vào cuộc sống hàng ngày của chúng ta, điều quan trọng là chúng ta phải hiểu lý do đằng sau các quyết định của chúng. Cấu trúc đồ họa của mạng Bayes cho phép hình dung rõ ràng mối quan hệ giữa các biến, giúp con người dễ dàng hiểu được quá trình ra quyết định hơn. Sự minh bạch này rất cần thiết để xây dựng niềm tin vào các hệ thống AI và đảm bảo rằng chúng được sử dụng một cách có trách nhiệm và có đạo đức.
Hơn nữa, mạng Bayes có thể được sử dụng để mô hình hóa quan hệ nhân quả – một khía cạnh quan trọng trong lý luận và ra quyết định của con người. Mặc dù các kỹ thuật học máy truyền thống có thể xác định mối tương quan giữa các biến, nhưng chúng thường gặp khó khăn trong việc xác định mối quan hệ nhân quả làm nền tảng cho những mối tương quan này. Bằng cách mô hình hóa rõ ràng các mối quan hệ nhân quả, mạng Bayes có thể giúp các hệ thống AI hiểu rõ hơn về cơ chế cơ bản của các hệ thống phức tạp và đưa ra các quyết định sáng suốt hơn.
Trong những năm gần đây, mối quan tâm về mạng Bayes trong cộng đồng nghiên cứu AI đang gia tăng trở lại. Điều này một phần là do sự phát triển của các thuật toán và kỹ thuật tính toán mới giúp làm việc với mạng Bayes quy mô lớn dễ dàng hơn. Ngoài ra, sự sẵn có ngày càng tăng của dữ liệu và độ phức tạp ngày càng tăng của các ứng dụng AI đã làm nổi bật nhu cầu về khả năng suy luận và ra quyết định phức tạp hơn.
Một lĩnh vực mà mạng Bayes đã thể hiện nhiều hứa hẹn là lĩnh vực chăm sóc sức khỏe. Bằng cách mô hình hóa mối quan hệ phức tạp giữa các triệu chứng của bệnh nhân, tiền sử bệnh và các lựa chọn điều trị, mạng Bayes có thể giúp các bác sĩ đưa ra chẩn đoán và khuyến nghị điều trị chính xác hơn. Điều này có khả năng cải thiện đáng kể kết quả của bệnh nhân và giảm chi phí chăm sóc sức khỏe.
Một ứng dụng đầy hứa hẹn khác của mạng Bayes là trong lĩnh vực xe tự lái. Bằng cách mô hình hóa các tương tác phức tạp giữa các phương tiện, người đi bộ và môi trường, mạng Bayes có thể giúp cải thiện độ an toàn và độ tin cậy của ô tô tự lái. Điều này đặc biệt quan trọng do mức độ không chắc chắn và khó lường cao liên quan đến các tình huống lái xe trong thế giới thực.
Tóm lại, mạng Bayes đại diện cho một công cụ mạnh mẽ để khai thác tiềm năng thực sự của AI. Bằng cách cho phép các hệ thống AI suy luận trong điều kiện bất định, học hỏi từ dữ liệu hạn chế và mô hình nhân quả, mạng Bayes có thể giúp vượt qua một số thách thức chính mà nghiên cứu AI ngày nay phải đối mặt. Khi lĩnh vực này tiếp tục phát triển, có khả năng chúng ta sẽ thấy mạng Bayes đóng vai trò ngày càng quan trọng trong việc phát triển các hệ thống AI thông minh, minh bạch và đáng tin cậy.
(*) Thực ra theo [1] mạng Bayes là một đồ thị dạng đặc biệt, ngoài các nút (các biến) và đồ thị biểu diễn mối quan hệ giữa các nút, thì mỗi nút còn gắn với một bảng phân phối xác suất. Hình dưới đây biểu diễn rõ điều đó qua ví dụ về mạng Bayes đơn giản gồm 3 biến (giả sử việc chậm tiến độ một công việc nào đó – delay in task, có quan hệ nhân quả với khả năng đúng hạn của nhà thầu phụ – subcontract, và chất lượng nhân viên – staff quality)
(**) Chính vì vậy mạng Bayes còn được gọi là mạng niềm tin Bayes (Bayesian Belief Networks), do “niềm tin” trước đó được cập nhật khi có bằng chứng mới.
Mạng Bayes dựa trên Định lý hay luật Bayes, với công thức nổi tiếng ở dạng đơn giản biểu diễn xác suất giữa các biến như sau:
P(R/S) = P(S/R)*P(R)/P(S)
Quy tắc Bayes ở trên được hiểu theo nghĩa cập nhật niềm tin (xác suất hậu nghiệm của từng trạng thái có thể có của một biến, nghĩa là các xác suất trạng thái sau khi xem xét tất cả các bằng chứng có sẵn) về giả thuyết R dưới góc độ bằng chứng mới S. Vì vậy, niềm tin hậu nghiệm P(R/S) được tính bằng cách nhân niềm tin trước đó P(R) với khả năng P(S/R) rằng S sẽ xảy ra nếu R đúng.[1]
Công thức trên cũng có tính đối xứng (hai chiều) nên có thể biết hoặc tiên đoán 1 đại lượng sau nếu biết hoặc giả định các đại lượng khác.
(***) Thomas Kehler, thành viên của Global Enlightenment Mountain, Giám đốc Khoa học của CrowdSmart nhận xét về bài viết như sau [2]:
“Bài báo đưa ra quan điểm cực kỳ quan trọng – Mạng Bayes trao quyền cho một thế hệ AI mới, mở ra cơ hội đưa trí tuệ tập thể của con người vào. Trong 8 năm qua, trọng tâm công việc của tôi và công việc của CrowdSmart là sử dụng Mạng niềm tin Bayes* như một phương tiện tích hợp thế hệ AI hiện tại với trí tuệ tập thể của con người. Judea Pearl, người đóng góp quan trọng ban đầu cho Mạng niềm tin Bayes, đã tuyên bố ‘Bạn thông minh hơn dữ liệu của mình’. Cho đến nay, với tất cả những tiến bộ vượt bậc mà chúng tôi đã đạt được trong lĩnh vực AI, việc học tập đều dựa trên dữ liệu chúng tôi đã tạo ra, tức dữ liệu của chúng tôi. Hãy nghĩ về việc sức mạnh của AI hiện tại và trí tưởng tượng chung của con người cùng nhau sáng tạo. Đó là tương lai và Mạng Bayes đóng vai trò quan trọng trong tương lai đó.”
Trí tuệ nhân tạo (AI) đã đi được một chặng đường dài kể từ khi ra đời, với các kỹ thuật học máy và học sâu thúc đẩy những tiến bộ nhanh chóng trong lĩnh vực này. Tuy nhiên, dù có những tiến bộ ấn tượng nhưng vẫn còn nhiều thách thức cần vượt qua trước khi AI thực sự có thể phát huy hết tiềm năng của mình. Một cách tiếp cận đầy hứa hẹn để giải quyết những thách thức này là sử dụng mạng Bayes, một mô hình đồ họa xác suất mạnh mẽ có tiềm năng mở ra những cấp độ hiểu biết và lý luận mới trong các hệ thống AI.
May mắn cho các nhà phân tích dữ liệu là có rất nhiều trang web và tài nguyên đáng tin cậy sẵn có cho dữ liệu mở. Cần lưu ý là ngay cả dữ liệu có uy tín cũng cần được đánh giá liên tục, nhưng những trang web sau vẫn là những nguồn dữ liệu khởi đầu hữu ích:
Trang dữ liệu của Chính phủ Mỹ: Data.gov là một trong những nguồn dữ liệu toàn diện nhất ở nước Mỹ. Tài nguyên này cung cấp cho người dùng dữ liệu và công cụ cần thiết để thực hiện nghiên cứu, thậm chí còn giúp họ phát triển các ứng dụng web và di động cũng như thiết kế trực quan hóa dữ liệu.
Cục điều tra dân số Mỹ (U.S. Census Bureau): Nguồn dữ liệu mở này cung cấp thông tin nhân khẩu học từ chính quyền liên bang, tiểu bang và địa phương cũng như các tổ chức thương mại ở nước Mỹ.
Open Data Network: Nguồn dữ liệu này có một công cụ tìm kiếm thực sự mạnh mẽ và các bộ lọc nâng cao. Tại đây, bạn có thể tìm thấy dữ liệu về các chủ đề như tài chính, an toàn công cộng, cơ sở hạ tầng, nhà ở và phát triển.
Google Cloud Public Datasets: Có một số bộ dữ liệu công khai có sẵn thông qua Chương trình bộ dữ liệu công khai trên đám mây của Google mà bạn có thể thấy là đã được tải vào BigQuery.
Dataset Search: Dataset Search là một công cụ tìm kiếm được thiết kế dành riêng cho các tập dữ liệu; bạn có thể sử dụng công cụ này để tìm kiếm các tập dữ liệu cụ thể.
Bài viết này giới thiệu cho bạn về mô hình hóa dữ liệu và các loại mô hình dữ liệu khác nhau. Các mô hình dữ liệu giúp giữ cho dữ liệu nhất quán và cho phép mọi người vạch ra cách tổ chức dữ liệu. Hiểu biết cơ bản giúp các nhà phân tích và các bên liên quan khác dễ dàng hiểu được dữ liệu của họ và sử dụng dữ liệu đó theo đúng cách.
Bài viết này giới thiệu cho bạn về mô hình hóa dữ liệu và các loại mô hình dữ liệu khác nhau. Các mô hình dữ liệu giúp giữ cho dữ liệu nhất quán và cho phép mọi người vạch ra cách tổ chức dữ liệu. Hiểu biết cơ bản giúp các nhà phân tích và các bên liên quan khác dễ dàng hiểu được dữ liệu của họ và sử dụng dữ liệu đó theo đúng cách.
Lưu ý quan trọng: Nếu là một nhà phân tích dữ liệu mới vào nghề, bạn sẽ không được yêu cầu thiết kế mô hình dữ liệu. Nhưng bạn có thể bắt gặp các mô hình dữ liệu hiện có mà tổ chức của bạn đã có sẵn.
Mô hình hóa dữ liệu là gì?
Mô hình hóa dữ liệu là quá trình tạo sơ đồ thể hiện trực quan cách tổ chức và cấu trúc dữ liệu. Những biểu diễn trực quan này được gọi là mô hình dữ liệu. Bạn có thể coi mô hình dữ liệu như một bản thiết kế của một ngôi nhà. Tại bất kỳ thời điểm nào, có thể có thợ điện, thợ mộc và thợ sửa ống nước sử dụng bản thiết kế đó. Mỗi người trong số những người thợ xây dựng này có mối quan hệ khác nhau với bản thiết kế, nhưng tất cả họ đều cần nó để hiểu cấu trúc tổng thể của ngôi nhà. Các mô hình dữ liệu cũng tương tự; những người dùng khác nhau có thể có các nhu cầu dữ liệu khác nhau, nhưng mô hình dữ liệu mang lại cho họ sự hiểu biết về toàn bộ cấu trúc.
Các cấp độ mô hình hóa dữ liệu
Mỗi cấp độ mô hình hóa dữ liệu có một mức độ chi tiết khác nhau.
kim tự tháp với ba loại mô hình hóa dữ liệu phổ biến: khái niệm, logic và vật lý
Mô hình hóa dữ liệu khái niệm cung cấp chế độ xem ở mức cao về cấu trúc dữ liệu, chẳng hạn như cách dữ liệu tương tác trong một tổ chức. Ví dụ, một mô hình dữ liệu khái niệm có thể được sử dụng để xác định các yêu cầu kinh doanh cho một cơ sở dữ liệu mới. Một mô hình dữ liệu khái niệm không chứa các chi tiết kỹ thuật.
Mô hình hóa dữ liệu logic tập trung vào các chi tiết kỹ thuật của cơ sở dữ liệu như mối quan hệ, thuộc tính và thực thể. Ví dụ: một mô hình dữ liệu logic xác định cách các bản ghi riêng lẻ được xác định duy nhất trong cơ sở dữ liệu. Nhưng nó không đánh vần tên thực của các bảng cơ sở dữ liệu. Đó là công việc của một mô hình dữ liệu vật lý.
Mô hình hóa dữ liệu vật lý mô tả cách cơ sở dữ liệu hoạt động. Một mô hình dữ liệu vật lý xác định tất cả các thực thể và thuộc tính được sử dụng; ví dụ, nó bao gồm tên bảng, tên cột và kiểu dữ liệu cho cơ sở dữ liệu.
Có rất nhiều cách tiếp cận khi phát triển mô hình dữ liệu, nhưng hai phương pháp phổ biến là Sơ đồ mối quan hệ thực thể (Entity Relationship Diagram–ERD) và sơ đồ Ngôn ngữ mô hình hóa thống nhất (Unified Modeling Language –UML). ERD là một cách trực quan để hiểu mối quan hệ giữa các thực thể trong mô hình dữ liệu. Sơ đồ UML là những sơ đồ rất chi tiết mô tả cấu trúc của một hệ thống bằng cách hiển thị các thực thể, thuộc tính, hoạt động của hệ thống và các mối quan hệ của chúng. Nếu là một nhà phân tích dữ liệu mới vào nghề, bạn cần hiểu rằng có nhiều kỹ thuật lập mô hình dữ liệu khác nhau, nhưng trên thực tế, có thể bạn sẽ sử dụng kỹ thuật hiện có của tổ chức mình.
Mô hình hóa dữ liệu có thể giúp bạn khám phá các chi tiết ở mức độ cao về dữ liệu của mình và cách dữ liệu đó có liên quan trên các hệ thống thông tin của tổ chức. Mô hình hóa dữ liệu đôi khi yêu cầu phân tích dữ liệu để hiểu cách dữ liệu được kết hợp với nhau; theo cách đó, bạn biết cách lập bản đồ dữ liệu. Và cuối cùng, các mô hình dữ liệu giúp mọi người trong tổ chức của bạn hiểu và cộng tác với bạn trên dữ liệu của bạn dễ dàng hơn. Điều này rất quan trọng đối với bạn và mọi người trong nhóm của bạn!