Metadata (siêu dữ liệu) là gì — và 3 loại metadata

Khi bạn chụp một bức ảnh bằng điện thoại, bản thân bức ảnh là dữ liệu. Nhưng kèm theo đó còn có ngày giờ chụp, vị trí GPS, loại máy, độ phân giải — những thông tin mô tả về bức ảnh. Đó chính là metadata. Trong thế giới dữ liệu doanh nghiệp, metadata cũng đóng vai trò y hệt: nó là lớp thông tin giúp ta biết một dữ liệu nghĩa là gì, từ đâu ra, đáng tin tới đâu — và nó là thứ làm cho một data catalog trở nên hữu ích. Trang này dành cho người mới: metadata là gì, vì sao là “nguyên liệu” của catalog, và ba loại metadata bạn cần gom đủ.

Metadata là gì?

Metadata (siêu dữ liệu) là dữ liệu mô tả dữ liệu. Nếu dữ liệu là nội dung — những con số, cái tên, giao dịch — thì metadata là mọi thứ nói về nội dung đó: nó tên gì, thuộc kiểu nào, nghĩa là gì, ai tạo ra, cập nhật khi nào.

Vài ví dụ đời thường để dễ hình dung:

Một cuốn sách là dữ liệu; còn tựa đề, tác giả, nhà xuất bản, năm in, mã ISBN in ở trang đầu là metadata.
Một file nhạc là dữ liệu; còn tên bài, ca sĩ, album, thời lượng, thể loại hiển thị trong trình phát là metadata.
Một bảng doanh thu là dữ liệu; còn thông tin “bảng này tên gì, có bao nhiêu cột, mỗi cột nghĩa gì, ai chủ, cập nhật lần cuối khi nào” là metadata.

Điểm quan trọng cần nhớ: metadata không phải là dữ liệu phụ ít giá trị. Ngược lại, chính metadata mới là thứ giúp con người (và cả AI) hiểu và tin được dữ liệu. Một bảng đầy số mà không có metadata thì cũng giống một cuốn sách bị xé hết bìa và mục lục — vẫn có chữ, nhưng rất khó dùng.

Vì sao metadata là “nguyên liệu” của catalog

Ở trang Data catalog là gì, ta đã ví catalog như “thư viện cho dữ liệu”. Vậy thư viện ấy được xây từ gì? Câu trả lời là: từ metadata.

Catalog không chứa bản thân dữ liệu (không sao chép hàng triệu dòng giao dịch vào trong nó). Cái nó thu thập, tổ chức và hiển thị chính là metadata của từng tài sản dữ liệu.
Khi bạn tìm một bảng, bạn đang tìm trên metadata (tên, mô tả, nhãn). Khi bạn hiểu một cột, bạn đang đọc metadata (ý nghĩa, đơn vị, thuật ngữ). Khi bạn tin một dữ liệu, bạn đang nhìn metadata (điểm chất lượng, độ tươi mới, chủ sở hữu).
Nói cách khác, ba việc cốt lõi TÌM – HIỂU – TIN mà catalog mang lại đều chạy trên nền metadata. Metadata càng đầy đủ và chính xác, catalog càng hữu ích; metadata nghèo nàn thì catalog cũng chỉ là một danh sách tên bảng khô khan.

Vì thế, xây catalog về bản chất là thu thập và làm giàu metadata một cách có hệ thống. Đó là lý do ta gọi metadata là nguyên liệu của catalog.

Ba loại metadata

Không phải mọi metadata đều giống nhau. Để dữ liệu thật sự dùng được, người ta phân metadata thành ba loại, mỗi loại trả lời một nhóm câu hỏi khác nhau. Hiểu rõ ba loại này giúp bạn biết một catalog tốt cần ghi nhận những gì.

1. Metadata kỹ thuật — dữ liệu này được lưu thế nào

Đây là loại metadata mô tả cấu trúc kỹ thuật của dữ liệu. Nó trả lời câu hỏi: dữ liệu này được tổ chức và lưu trữ ra sao?

Schema và tên bảng: dữ liệu nằm trong cơ sở dữ liệu nào, bảng nào.
Danh sách cột: bảng có những cột gì, tên từng cột.
Kiểu dữ liệu: mỗi cột là số, chữ, ngày tháng hay đúng/sai; độ dài tối đa ra sao.
Ràng buộc và khóa: cột nào là khóa chính, cột nào liên kết sang bảng khác.

Metadata kỹ thuật thường được hệ thống tự đọc ra khi quét nguồn, nên nó là loại dễ thu thập nhất. Nhưng riêng nó thì chưa đủ — biết một cột tên dt kiểu số chưa cho bạn biết nó nghĩa là gì.

2. Metadata nghiệp vụ — dữ liệu này nghĩa là gì với con người

Đây là loại metadata mang ý nghĩa nghiệp vụ, do con người (thường là người am hiểu lĩnh vực) bổ sung. Nó trả lời câu hỏi: với công việc kinh doanh, dữ liệu này nghĩa là gì?

Ý nghĩa / mô tả: cột dt thực ra là “doanh thu thuần”, tính sau khi trừ chiết khấu và thuế.
Thuật ngữ nghiệp vụ liên quan: cột này gắn với định nghĩa chuẩn nào trong business glossary (ví dụ “Doanh thu thuần”).
Chủ sở hữu dữ liệu (data owner): ai chịu trách nhiệm về dữ liệu này, ai duyệt thay đổi.
Độ nhạy cảm / phân loại: đây có phải thông tin cá nhân, tài chính, bí mật không — để áp dụng quy tắc bảo mật và tuân thủ.

Metadata nghiệp vụ chính là lớp biến dữ liệu từ “đúng kỹ thuật” thành “có nghĩa” với người dùng. Nó thường tốn công nhất để xây, nhưng cũng mang lại giá trị cao nhất.

3. Metadata vận hành — dữ liệu này đang sống thế nào

Đây là loại metadata mô tả trạng thái và lịch sử sử dụng của dữ liệu theo thời gian. Nó trả lời câu hỏi: dữ liệu này có còn tươi mới và đáng tin không, ai đang dùng?

Độ tươi mới: cập nhật lần cuối khi nào, có theo đúng lịch không.
Mức độ sử dụng: ai đang dùng bảng này, dùng nhiều hay ít, trong báo cáo nào.
Điểm chất lượng: kết quả đánh giá chất lượng — tỷ lệ ô trống, dữ liệu trùng, giá trị bất thường.
Lịch sử thay đổi: dữ liệu đã được nạp, xử lý, biến đổi qua những bước nào.

Metadata vận hành thường được sinh ra liên tục từ hoạt động thực tế của hệ thống. Nó chính là cơ sở để bạn TIN dữ liệu — một bảng đẹp về cấu trúc và rõ về nghĩa nhưng đã ba tháng không cập nhật thì vẫn không nên đưa vào quyết định.

Vì sao phải gom đủ cả ba loại

Mỗi loại metadata trả lời một câu hỏi, và chỉ khi có đủ cả ba thì dữ liệu mới thật sự tìm được – hiểu đúng – tin được.

Chỉ có kỹ thuật: bạn biết bảng có cột gì, kiểu gì, nhưng không biết nó nghĩa là gì hay có sạch không. Giống như cầm một cuốn sách ngoại ngữ không biết đọc.
Chỉ có nghiệp vụ: bạn hiểu khái niệm “doanh thu thuần”, nhưng không biết nó nằm ở bảng nào, cột nào thật sự, hay dữ liệu có còn mới không.
Chỉ có vận hành: bạn thấy điểm chất lượng và độ tươi mới, nhưng không biết nó mô tả cái gì và dùng vào việc gì.

Ba loại metadata bổ sung cho nhau như ba mảnh của một bức tranh: kỹ thuật cho biết dữ liệu ở đâu và có hình dạng gì, nghiệp vụ cho biết nó nghĩa là gì với con người, vận hành cho biết nó có đáng tin lúc này không. Thiếu một mảnh, bức tranh vẫn dở dang — và đó là lý do một catalog tốt luôn cố gắng thu thập đủ cả ba.

Trong Ataccama ONE: metadata được quản lý tập trung (MMM)

Một thách thức lớn là metadata vốn nằm rải rác: thông tin kỹ thuật ở cơ sở dữ liệu, ý nghĩa nghiệp vụ trong đầu vài người hoặc trong file riêng, điểm chất lượng ở công cụ khác. Nếu mỗi loại nằm một nơi, ta lại quay về đúng vấn đề rời rạc ban đầu.

Ataccama ONE giải bài toán này bằng cách quản lý metadata tập trung trên một mô hình thống nhất, thường gọi là MMM (Metadata Management Model).

Mọi metadata — kỹ thuật, nghiệp vụ, vận hành — được đưa về một mô hình chung, liên kết với nhau quanh từng tài sản dữ liệu.
Nhờ vậy, khi bạn mở một cột trong Knowledge Catalog, bạn thấy cùng lúc cấu trúc kỹ thuật, ý nghĩa nghiệp vụ, thuật ngữ gắn vào, điểm chất lượng và nguồn gốc — không phải nhảy qua lại nhiều công cụ.
Việc tập trung này cũng giúp các mảng khác (chất lượng dữ liệu, glossary, lineage, phân loại) dùng chung một nguồn metadata, đảm bảo nhất quán trên toàn nền tảng.

Bạn có thể tìm hiểu sâu hơn về mô hình này ở trang Metadata Management Model (MMM).

Ví dụ Việt Nam

Lấy một cột rất quen: cột tên doanh_thu trong một bảng bán hàng. Với người mới, đó chỉ là một dãy số. Nhưng khi gom đủ metadata, nó “kể” được cả câu chuyện:

Metadata kỹ thuật: cột doanh_thu thuộc bảng ban_hang_ngay trong cơ sở dữ liệu bán lẻ; kiểu số thập phân; không cho phép để trống.
Metadata nghiệp vụ: đây là doanh thu thuần (đã trừ chiết khấu và thuế), đơn vị nghìn đồng; gắn với thuật ngữ chuẩn “Doanh thu thuần” trong glossary; chủ sở hữu là trưởng phòng Kế toán bán hàng; không phải dữ liệu nhạy cảm.
Metadata vận hành: cập nhật hằng đêm lúc 1 giờ sáng; được dùng trong 12 báo cáo, trong đó có báo cáo doanh thu theo tỉnh; điểm chất lượng 98% (gần như không có ô trống hay số âm bất thường).

Với đủ ba lớp metadata này, một nhân viên mới nhìn vào là tìm được đúng cột, hiểu đúng nó là doanh thu thuần tính bằng nghìn đồng, và tin được vì biết nó cập nhật mỗi đêm với chất lượng cao. Đó chính là sức mạnh của metadata khi được gom đủ và quản lý tập trung.

Bạn đã hiểu metadata là gì và ba loại của nó. Bước tiếp theo là xem catalog đóng gói metadata ấy thành các “tài sản dữ liệu” ra sao, và đào sâu mô hình quản lý metadata tập trung của Ataccama.

Quay lại: Data catalog là gì Ôn lại catalog là gì, ba việc TÌM – HIỂU – TIN, và vì sao catalog là nền của data governance.

Tài sản dữ liệu và tự động làm giàu metadata Catalog tổ chức metadata thành tài sản dữ liệu (nguồn, bảng, cột) và tự động làm giàu chúng như thế nào.

Metadata Management Model (MMM) Cách Ataccama ONE quản lý mọi metadata tập trung trên một mô hình thống nhất.