TRẢ LỜI NHANH
Chất lượng dữ liệu là gì? Chất lượng dữ liệu (data quality) là mức độ dữ liệu phù hợp để sử dụng, được đánh giá qua 6 đặc tính: đầy đủ (completeness), kịp thời (timeliness), nhất quán (consistency), toàn vẹn (integrity), phù hợp (conformity) và chính xác (accuracy). Thiếu một đặc tính, dữ liệu dù nhiều vẫn có thể dẫn tới quyết định hoặc báo cáo sai.
TÓM TẮT Ý CHÍNH
- 6 đặc tính chất lượng dữ liệu liên kết chặt với nhau: dữ liệu đầy đủ, kịp thời nhưng sai hoặc không nhất quán vẫn không dùng được.
- Một công ty tài chính số phục vụ hơn 16 triệu khách hàng phải nộp hơn 300 báo cáo cho Ngân hàng Nhà nước vào cao điểm cuối năm, với khâu đối soát hoàn toàn thủ công.
- Hệ quả: sai sót, nộp lại nhiều lần, trễ hạn và bị phạt; đội IT Data chỉ biết lỗi khi kế toán phát hiện.
- Giải pháp là công cụ đối soát chất lượng dữ liệu tự động, kiểm tra đủ 6 đặc tính hằng ngày: so khớp chéo, kiểm tra định dạng, checksum, audit log và cảnh báo sớm.
Bài viết là bài thu hoạch của anh Lý Bảo Huy, Data Products Team Leader, học viên Hạt giống lãnh đạo số mùa 8 tại TP HCM và trợ giảng các mùa sau, trong chủ đề huấn luyện Hệ thống thông tin quản lý (MIS). Ban biên tập giữ nguyên nội dung của tác giả, bổ sung tiêu đề mục, phần tóm tắt, câu hỏi thường gặp và tài liệu đọc thêm. “HHH”, “BKGGG” là tên gọi tác giả dùng cho doanh nghiệp và hệ thống trong bài.

6 đặc tính của chất lượng dữ liệu (data quality characteristics)
Chất lượng dữ liệu là một khái niệm quan trọng trong thời đại số hóa, nơi dữ liệu trở thành nền tảng cho các quyết định chiến lược, phân tích kinh doanh và phát triển công nghệ. Chất lượng dữ liệu bao gồm 6 khái niệm cốt lõi: Completeness, Timeliness, Consistency, Integrity, Conformity và Accuracy.
- Completeness (Tính đầy đủ): dữ liệu phải chứa tất cả các thông tin cần thiết để phục vụ mục đích sử dụng.
- Timeliness (Tính kịp thời): nhấn mạnh rằng dữ liệu phải được cập nhật và cung cấp đúng thời điểm để có giá trị sử dụng.
- Consistency (Tính nhất quán): đảm bảo rằng dữ liệu đồng bộ giữa các hệ thống hoặc nguồn khác nhau. Nếu một khách hàng được ghi nhận là “Nguyễn Văn A” trong hệ thống bán hàng nhưng là “NVA” trong hệ thống kế toán, sự không nhất quán này có thể dẫn đến nhầm lẫn và sai sót.
- Integrity (Tính toàn vẹn): liên quan đến việc dữ liệu không bị hư hỏng, mất mát hoặc thay đổi trái phép trong quá trình lưu trữ và xử lý.
- Conformity (Tính phù hợp): yêu cầu dữ liệu phải tuân thủ các tiêu chuẩn, định dạng hoặc quy định đã được xác định.
- Accuracy (Tính chính xác): đảm bảo rằng dữ liệu phản ánh đúng thực tế.
Sáu yếu tố trên không tồn tại độc lập mà liên kết chặt chẽ với nhau để tạo nên chất lượng dữ liệu toàn diện. Một tập dữ liệu có thể đầy đủ và kịp thời nhưng nếu thiếu chính xác hoặc không nhất quán, nó vẫn không hữu ích. Trong bối cảnh hiện nay, khi các tổ chức ngày càng phụ thuộc vào dữ liệu để vận hành và phát triển, việc hiểu và áp dụng các nguyên tắc này là điều bắt buộc.
Bối cảnh: báo cáo Ngân hàng Nhà nước tại một công ty tài chính số
HHH là một trong những công ty tài chính số dẫn đầu tại Việt Nam, phục vụ hơn 16 triệu khách hàng trên toàn quốc trong suốt 16 năm qua.
Là một công ty tài chính, HHH chịu sự giám sát của Ngân hàng Nhà nước (SBV) và thường xuyên gửi các báo cáo (thường bao gồm thông tin về hoạt động tín dụng, tình hình tài chính, quản trị rủi ro và tuân thủ các quy định hiện hành) cho SBV. Việc gửi báo cáo định kỳ không chỉ giúp SBV giám sát và đảm bảo tính minh bạch trong hoạt động của công ty, mà còn hỗ trợ công ty duy trì uy tín và sự ổn định trên thị trường tài chính.
Quy trình này thường được thực hiện đều đặn theo lịch trình quy định, bao gồm hàng ngày, hàng tháng, quý và năm.
Hiện HHH đang có một hệ thống chính để quản lý tất cả core thông tin như hợp đồng, khách hàng, điểm bán, nhân viên… và rất nhiều các hệ thống con được tích hợp hoặc chạy song song với hệ thống chính, chuyên cho một mảng nghiệp vụ như hệ thống thanh toán, hệ thống CRM, hệ thống SAP… Các hệ thống con đều có kho dữ liệu (database) riêng biệt.
Để phục vụ mục đích báo cáo cho SBV:
- HHH đã xây dựng kho dữ liệu chung (Data Warehouse), kho dữ liệu chuyên biệt (Data Marts) cho từng phòng ban nghiệp vụ và các quy trình khai thác, chuẩn hóa và tổng hợp dữ liệu từ các nguồn hệ thống chính và hệ thống con thành các dữ liệu báo cáo theo yêu cầu trong các kho dữ liệu chuyên biệt.
- Bên cạnh đó, phòng Tài chính của HHH có team Kế toán phối hợp cùng phòng Pháp chế và Tuân thủ để thực hiện bước đối soát và gửi file báo cáo cho SBV. Các công việc này hiện được thực hiện thủ công, không có hệ thống ghi nhận.
Quy trình báo cáo SBV
- Hệ thống Data của phòng IT thực hiện thu thập và xử lý dữ liệu từ các hệ thống nguồn mỗi ngày để ra các dữ liệu báo cáo.
- Team kế toán kiểm tra dữ liệu, so sánh đối chiếu các thông số giữa các báo cáo với nhau để đảm bảo tất cả các số liệu gửi đi đều đúng và đồng nhất.
- Trường hợp báo cáo đã nộp có lỗi hoặc trễ deadline, phòng Pháp chế nhận kết quả của phòng kế toán và làm việc với bên SBV để nộp lại hoặc nhận biên bản phạt.
Hạn chế hiện tại
- Các công việc đối soát hoàn toàn thủ công và không có hệ thống ghi nhận lại.
- HHH chưa có hệ thống theo dõi việc vận hành dữ liệu thành báo cáo để đảm bảo chất lượng đầu ra của các báo cáo tự động nên phải phụ thuộc chính vào nhân viên kế toán để kiểm tra số một cách thủ công.
- Khi kế toán phát hiện dữ liệu báo cáo có vấn đề và báo lại, đội IT Data mới rà soát xem vấn đề ở đâu và chạy lại dữ liệu cho báo cáo đó. Với các báo cáo phức tạp sẽ rất mất thời gian và tài nguyên hệ thống vì khi đó đã vào giờ làm việc của công ty và tài nguyên hệ thống sẽ hạn hẹp.
- Với số lượng báo cáo rất lớn, hơn 300 báo cáo vào đợt cao điểm như cuối năm, việc kiểm tra thủ công bị quá tải dẫn đến nhiều sai sót trong các báo cáo và phải nộp lại báo cáo nhiều lần dẫn đến SBV phạt.
- Ngoài ra, việc kiểm tra thủ công tốn rất nhiều thời gian và công sức dẫn đến trễ các deadline yêu cầu của SBV và bị phạt.
Vì vậy, công ty quyết định xây dựng công cụ đối soát chất lượng dữ liệu tự động để:
- Đảm bảo chất lượng dữ liệu từ nguồn đến báo cáo.
- Giảm thiểu công việc đối soát thủ công.
- Cung cấp thông tin kịp thời về chất lượng dữ liệu cho các bên liên quan.
Thách thức khi xây dựng công cụ đối soát chất lượng dữ liệu
- Tích hợp hệ thống: đảm bảo công cụ tương thích với các hệ thống dữ liệu Oracle, Postgres, MS SQL Server, Hadoop…
- Văn hóa tự xây dựng sản phẩm của HHH.
- Nâng cao kỹ năng về các công nghệ mới cho đội lập trình cơ sở dữ liệu.
- Các ràng buộc về giới hạn chi phí khá gắt gao.
- Đào tạo nhân viên kế toán và các phòng ban sử dụng công cụ mới.
- Bảo mật dữ liệu: đảm bảo dữ liệu nhạy cảm được mã hóa và tuân thủ quy định bảo mật của SBV.
Áp dụng 6 đặc tính chất lượng dữ liệu vào công cụ đối soát
Hệ thống đối soát dữ liệu cần phải có khả năng đối soát cho tất cả các yếu tố cốt lõi của chất lượng dữ liệu.
Completeness (tính đầy đủ)
Tại HHH, dữ liệu từ các hệ thống con (như BKGGG, Payment) thường không đồng bộ hay đồng bộ trễ (ví dụ khách hàng thanh toán lúc 23:59 cuối ngày, dù việc thanh toán vẫn được ghi nhận thành công vào hôm trước nhưng ngày dữ liệu hiện thực trên hệ thống lại là hôm sau), dẫn đến báo cáo thiếu thông tin (ví dụ:
thông tin hợp đồng hoặc khách hàng bị bỏ sót). Công cụ tự động hóa cần kiểm tra tính đầy đủ bằng cách so sánh dữ liệu từ các nguồn với danh sách yêu cầu của SBV, đảm bảo không có trường dữ liệu nào bị bỏ trống.
Khi công cụ phát hiện ra trường hợp lỗi, công cụ sẽ thông báo cho phòng IT Data để xử lý ngay lập tức.
Consistency (tính nhất quán)
Hiện tại, dữ liệu của HHH không đồng bộ giữa hệ thống chính và hệ thống con (ví dụ: thông tin về khoản vay của khách hàng trong hệ thống core ghi nhận khách hàng nợ 80 triệu nhưng bên hệ thống con BKGGG không sinh ra các số liệu bút toán đầy đủ, dẫn đến số liệu không khớp nhau). Công cụ kiểm tra tự động cần áp dụng các quy tắc so sánh chéo (cross-check) để phát hiện và cảnh báo các bất thường, như số liệu tín dụng khác nhau giữa hệ thống chính và hệ thống con, giữa hệ thống nguồn và kho dữ liệu, từ đó giúp HHH chuẩn hóa dữ liệu trước khi ra dữ liệu báo cáo hoặc biết được vấn đề ngay lập tức.
Conformity (tính phù hợp)
Khi SBV yêu cầu báo cáo sẽ gửi văn bản mẫu bao gồm nội dung yêu cầu, trường thông tin và mô tả của trường thông tin đó. Nếu dữ liệu của HHH không tuân thủ, báo cáo sẽ bị từ chối. Ví dụ SBV có thể yêu cầu ngày tháng theo định dạng DD/MM/YYYY hoặc số tiền phải có hai chữ số thập phân.
Công cụ tự động hóa cần được lập trình để kiểm tra định dạng của dữ liệu đầu vào, trong quá trình xử lý và trong dữ liệu báo cáo đầu ra để đảm bảo phù hợp với yêu cầu của SBV; nếu không, thông báo cho các bên liên quan để điều chỉnh.
Accuracy (tính chính xác)
Sai sót trong báo cáo của HHH (như số liệu tài chính không đúng) là nguyên nhân chính dẫn đến việc phải nộp lại và bị phạt. Nguyên nhân do lỗi đồng bộ giữa các hệ thống và logic chồng chéo đan xen nhau giữa các hệ thống tại HHH. Ví dụ một hợp đồng vay của khách hàng chỉ 10 triệu, khách hàng đã trả 3 triệu.
Tuy nhiên hệ thống BKGGG lại không phát sinh ra bút toán để ghi nhận thanh toán của khách hàng trong khi hệ thống core đã ghi nhận thanh toán này, dẫn đến báo cáo kế toán theo bút toán sẽ không đúng.
Công cụ tự động hóa có thể sử dụng các thuật toán kiểm tra tổng (checksum), áp dụng công thức hoặc cách kiểm tra chéo dữ liệu giữa các báo cáo của nhân viên kế toán để xác minh tính chính xác tự động, giúp giảm thiểu lỗi do kiểm tra thủ công và giúp các bên liên quan nhìn được vấn đề sớm để giảm ảnh hưởng cũng như chi phí khắc phục.
Integrity (tính toàn vẹn)
Với hệ thống phức tạp của HHH, dữ liệu có thể bị lỗi khi truyền từ các hệ thống nguồn sang Data Warehouse hoặc bị biến đổi sai trong quá trình xử lý dữ liệu.
Ví dụ: khách hàng đã thanh toán 10 triệu và số tiền đã được phân bổ vào 3 loại là gốc, lãi và phí. Tuy nhiên trong quá trình xử lý, báo cáo sau cùng lại ghi nhận khách hàng này đã thanh toán 10 triệu nhưng số tiền là gốc, lãi và phạt.
Công cụ tự động hóa cần ghi lại nhật ký hoạt động (audit log) để theo dõi quá trình xử lý dữ liệu, đồng thời áp dụng các biện pháp mã hóa và kiểm tra tính toàn vẹn (data integrity checks) để phát hiện bất kỳ thay đổi không mong muốn nào.
Timeliness (tính kịp thời)
Hiện tại với số lượng hơn 300 báo cáo vào cuối năm, HHH thường trễ deadline của SBV do kiểm tra thủ công tốn thời gian, và giai đoạn này gần các kỳ nghỉ nên chất lượng công việc của các phòng ban không như ý (ví dụ nhân viên nghỉ phép, người khác làm thay…) nên hay phát sinh nhiều lỗi trên các hệ thống.
Công cụ tự động hóa sẽ giúp rút ngắn thời gian kiểm tra bằng cách chạy các quy trình kiểm tra hàng ngày, gửi cảnh báo sớm nếu phát hiện lỗi và tinh chỉnh dữ liệu từng ngày, giúp giảm thiểu mức độ ảnh hưởng của vấn đề.
Kết luận
Bằng cách áp dụng sáu đặc tính chất lượng dữ liệu (Completeness, Consistency, Conformity, Accuracy, Integrity và Timeliness), công cụ kiểm tra dữ liệu tự động hóa của HHH sẽ giải quyết triệt để các vấn đề hiện tại. Tính đầy đủ và nhất quán đảm bảo dữ liệu không bị thiếu hoặc mâu thuẫn, tính phù hợp và chính xác đáp ứng yêu cầu của SBV, tính toàn vẹn bảo vệ dữ liệu trong quá trình xử lý, và tính kịp thời giúp HHH nộp báo cáo đúng hạn.
Kết quả là HHH không chỉ cải thiện quy trình báo cáo mà còn nâng cao uy tín và hiệu quả hoạt động trên thị trường tài chính.

Câu hỏi thường gặp về chất lượng dữ liệu
6 đặc tính của chất lượng dữ liệu là gì?
Completeness (đầy đủ), Timeliness (kịp thời), Consistency (nhất quán), Integrity (toàn vẹn), Conformity (phù hợp) và Accuracy (chính xác).
Tính nhất quán khác tính chính xác thế nào?
Nhất quán là dữ liệu khớp nhau giữa các hệ thống, ví dụ cùng một khách hàng có cùng tên ở hệ thống bán hàng và kế toán. Chính xác là dữ liệu phản ánh đúng thực tế. Dữ liệu có thể nhất quán giữa các hệ thống nhưng cùng sai.
Vì sao báo cáo cho cơ quan quản lý cần kiểm tra chất lượng dữ liệu tự động?
Khối lượng báo cáo lớn, hạn nộp cố định và sai sót có thể bị phạt. Kiểm tra tự động hằng ngày phát hiện lỗi sớm, trước khi báo cáo được gửi đi, thay vì chờ kế toán đối soát thủ công.
Công cụ đối soát chất lượng dữ liệu kiểm tra những gì?
Theo bài viết: trường dữ liệu bị thiếu, số liệu lệch giữa hệ thống nguồn và kho dữ liệu, định dạng theo mẫu của cơ quan quản lý, tổng kiểm tra (checksum) giữa các báo cáo, nhật ký xử lý (audit log) và thời điểm dữ liệu sẵn sàng.
Tham khảo và đọc thêm
- DAMA-DMBOK: Data Management Body of Knowledge – DAMA International
- Enterprise Data Management: khi câu hỏi về dữ liệu không còn bắt đầu từ công nghệ
- 5 thành phần của hệ thống thông tin
- Hệ thống thông tin quản lý (MIS) là gì?
VỀ TÁC GIẢ
Anh Huy phụ trách các sản phẩm dữ liệu trong lĩnh vực tài chính tiêu dùng, từ kho dữ liệu đến báo cáo tuân thủ.
Bài thu hoạch của anh Lý Bảo Huy là một trong nhiều chia sẻ sau chủ đề Hệ thống thông tin quản lý (MIS) của chương trình huấn luyện Hạt giống lãnh đạo số. Nếu bạn muốn được huấn luyện cùng những người làm thực tế, xem thông tin tuyển sinh mùa mới.
