Vì sao những nỗ lực thay thế nhà phát triển phân tích dữ liệu cứ lặp lại mỗi 10 năm kể từ năm 1974

(blog.rittmananalytics.com)

11 điểm bởi GN⁺ 2026-01-27 | Chưa có bình luận nào. | Chia sẻ qua WhatsApp

Giấc mơ thay thế nhà phát triển phân tích dữ liệu đã lặp lại suốt 50 năm, từ SQL đến AI; công cụ đã thay đổi nhưng nhu cầu về chuyên gia vẫn không biến mất
Các công cụ của từng thời kỳ thực sự đã nâng cao năng suất, nhưng những công việc cốt lõi là hiểu doanh nghiệp và đưa ra phán đoán mô hình hóa thì không được tự động hóa
Self-service, semantic layer và analytics engineering đã mở rộng khả năng tiếp cận, nhưng đồng thời tạo ra những dạng vai trò chuyên môn mới
Các công cụ dựa trên AI đã tăng mạnh tốc độ sinh mã, nhưng quá trình tư duy để quyết định cần xây dựng gì vẫn là phần việc của con người
Điểm nghẽn của công việc dữ liệu không nằm ở việc gõ lệnh hay công cụ, mà nằm ở tư duy và phán đoán; đó là sự thật không đổi trong suốt 50 năm
Bài viết này được truyền cảm hứng từ "Giấc mơ thay thế nhà phát triển lặp lại mỗi 10 năm" và được sắp xếp lại theo góc nhìn dữ liệu

Mô thức lặp lại: Vì sao giấc mơ này luôn xuất hiện

Cứ mỗi 10 năm lại có một công cụ mới xuất hiện, hứa hẹn sẽ đơn giản hóa việc xây dựng nền tảng dữ liệu và giảm phụ thuộc vào chuyên gia
Doanh nghiệp không hài lòng với tốc độ cung cấp dữ liệu chậm, còn các đội dữ liệu thì tiếp tục bị quá tải bởi những yêu cầu bất tận
Lý do vòng lặp này lặp lại suốt 50 năm nằm ở bản chất cốt lõi của công việc phân tích dữ liệu

SQL được thiết kế để cả người không phải lập trình viên cũng có thể truy vấn dữ liệu, nhưng trên thực tế vẫn đòi hỏi hiểu biết về join và aggregate phức tạp
Lý tưởng để người dùng doanh nghiệp tự truy vấn trực tiếp đã không thành hiện thực, và những vai trò chuyên môn mới đã xuất hiện
Việc tiếp cận dữ liệu trở nên dễ hơn, nhưng chuyên môn vẫn cần thiết

Cách tiếp cận cho rằng nếu cấu trúc dữ liệu phù hợp với cách tư duy của doanh nghiệp, người dùng sẽ có thể tự phân tích đã lan rộng
Máy chủ MOLAP đã thực sự mang lại năng suất cho các bộ phận tài chính và kế hoạch
Việc thiết kế chiều dữ liệu, tối ưu hiệu năng và tích hợp vẫn đòi hỏi kiến thức chuyên môn
Công cụ đã thay đổi, nhưng vai trò của chuyên gia chỉ đổi hình thức

Mô hình hóa chiều là nỗ lực che giấu sự phức tạp trong tầng ETL để đơn giản hóa việc phân tích cho người dùng
Dù có đầu tư quy mô lớn, nhiều dự án vẫn bị chậm tiến độ hoặc thất bại
Công việc mô hình hóa chính xác các quy tắc và ngoại lệ của doanh nghiệp vẫn là lĩnh vực không thể tự động hóa

Semantic layer trừu tượng hóa các thuật ngữ kỹ thuật thành ngôn ngữ doanh nghiệp
BI self-service đã nâng cao đáng kể khả năng tiếp cận trực quan hóa
Sự không nhất quán trong định nghĩa và tình trạng hỗn loạn dữ liệu nổi lên như những vấn đề mới
Quản trị và điều phối tập trung lại trở nên quan trọng

Sự phổ biến của cloud data warehouse giúp việc chuyển đổi dữ liệu bằng SQL trở nên khả thi
Các nhà phân tích có thể trực tiếp xây dựng một phần của pipeline dữ liệu
dbt đã đưa các thực hành phát triển như kiểm thử, tài liệu hóa và quản lý phiên bản vào lĩnh vực dữ liệu
Khi quy mô dự án tăng lên, tầm quan trọng của kiến trúc và phán đoán vẫn được giữ nguyên

AI thực hiện rất nhanh các công việc mang tính cơ học trong việc chuyển ý định thành mã
Việc chọn kiểu thiết kế chiều dữ liệu, định nghĩa chỉ số và đạt được đồng thuận trong doanh nghiệp vẫn cần phán đoán của con người
Tốc độ phát triển đã nhanh hơn, nhưng tổng thời gian dự án vẫn được dùng cho tư duy và điều phối
Thay đổi lớn nhất là vòng lặp phản hồi đã ngắn hơn, cho phép cải tiến lặp đi lặp lại

Data warehouse là mô hình của doanh nghiệp, và việc hiểu đúng doanh nghiệp là điều bắt buộc
Đằng sau những yêu cầu có vẻ là câu hỏi đơn giản luôn tồn tại vô số định nghĩa và ngoại lệ
Đây là vùng phức tạp mà công cụ không thể loại bỏ

Điều cốt lõi không phải là công cụ có thay thế chuyên gia hay không, mà là nó nâng năng suất của chuyên gia lên bao nhiêu
Cần đánh giá liệu công cụ có giúp giảm việc lặp lại và cho phép tập trung vào những phán đoán giá trị cao hay không
Công cụ mới đòi hỏi những năng lực kỹ thuật mới

Giấc mơ loại bỏ chuyên gia đã đóng vai trò là động lực thúc đẩy đổi mới công cụ
Dù giấc mơ đó chưa bao giờ được hiện thực hóa hoàn toàn, nó vẫn tạo ra giá trị thực chất trong quá trình đó
AI cũng không thay thế chuyên gia, nhưng khiến chuyên gia làm việc hiệu quả hơn

Không có lý do gì để từ chối công cụ mới, nhưng kỳ vọng cần được đặt ở mức thực tế
Đối tượng đầu tư cốt lõi không phải là công cụ, mà là những con người hiểu được sự phức tạp của doanh nghiệp
Phân tích dữ liệu rốt cuộc là công việc biến sự hiểu biết về doanh nghiệp thành dạng có thể truy vấn
Sự thật không đổi trong suốt 50 năm là phán đoán và tư duy mới là điểm nghẽn lớn nhất