Nền tảng dữ liệu được quản trị cho MPA

1. Vì sao MPA cần một nền tảng dữ liệu được quản trị

Phân tích lợi nhuận đa chiều chỉ đáng tin bằng đúng dữ liệu bên dưới nó. Một con số lợi nhuận theo khách hàng, sản phẩm hay chi nhánh là kết quả của cả một chặng: gom từ nhiều nguồn, chuẩn hoá, gộp trùng, gắn khoá chiều, phân bổ, rồi lên báo cáo. Chỉ cần một mắt xích trong chặng đó lệch — một khách hàng bị tách thành hai mã, một mã sản phẩm phân nhóm sai, một khoản thiếu khoá đơn vị — thì chỉ tiêu hiển thị vẫn “đẹp” nhưng sai bản chất, và người đọc không có cách nào biết.

Nền tảng dữ liệu được quản trị là lớp bảo đảm chất lượng, tính chủ, tính nhất quán và khả năng truy vết cho toàn bộ chặng đó — để mọi ô số trên dashboard MPA đều đứng vững được trước câu hỏi “số này ở đâu ra, có tin được không”.

Thiếu nền tảng	Hệ quả trực tiếp trên MPA
Bản ghi khách hàng trùng/không khớp giữa các hệ	Lợi nhuận per-CIF sai, phân khúc lệch, RM ghi nhận nhầm
Bộ mã & cây phân cấp mỗi nơi một kiểu	Roll-up không cộng khớp, so sánh giữa các kỳ vô nghĩa
Không kiểm chất lượng đầu vào	Chỉ tiêu lên số nhưng lệch sổ, phát hiện sau khi đã phát hành
Không truy vết được	Không giải trình được với kiểm toán/ban lãnh đạo
Không giám sát	Dữ liệu trễ hoặc gãy âm thầm, dashboard “vỡ” mà không ai hay

2. Sáu trụ của nền tảng — bản đồ nhanh

Trụ	Làm gì	Vai trò trong MPA
Chất lượng dữ liệu (DQ)	Đo, giám sát, phát hiện bất thường, khắc phục	Chặn lỗi đầu vào trước khi thành số lợi nhuận sai
Quản lý dữ liệu chủ (MDM)	Bản ghi vàng KH/sản phẩm/đối tác, khớp bằng AI	Nền tảng của lợi nhuận per-CIF đáng tin
Dữ liệu tham chiếu (RDM)	Chuẩn hoá & phân phối bộ mã, cây phân cấp	Cây chiều roll-up nhất quán, phiên bản hoá
Danh mục & Từ điển (Catalog)	Tự khám phá tài sản dữ liệu, từ điển nghiệp vụ	Data Dictionary tự sinh, định nghĩa 26 chỉ tiêu thống nhất
Dòng chảy dữ liệu (Lineage)	Lần vết từ nguồn tới đích	Click chỉ tiêu sai → truy ngược tới cột nguồn
Giám sát dữ liệu (Observability)	Theo dõi độ tươi/khối lượng/đối chiếu, cảnh báo	”Khớp sổ” có bằng chứng giám sát, cảnh báo trước

Sáu trụ này không nằm ở một công đoạn — chúng trải bên dưới toàn bộ luồng dữ liệu MPA (Nguồn → Chuẩn hoá → Mô hình → Dữ liệu phẳng → Phân tích), như một dải nền mà cả năm tầng đứng lên trên. Bố cục cụ thể xem mục 10.

3. Chất lượng dữ liệu (Data Quality)

Đo và làm sạch dữ liệu một cách tự động và liên tục: lập hồ sơ (profiling) để hiểu hiện trạng, khai báo quy tắc kiểm tra (định dạng, khoảng giá trị, ràng buộc quan hệ, tính duy nhất), phát hiện bất thường và khắc phục ngay tại đầu luồng thay vì rà soát thủ công một lần vào cuối kỳ.

Giá trị trong MPA: số đo lợi nhuận chỉ đúng khi đầu vào sạch. Quy tắc DQ chặn đúng những lỗi làm hỏng bức tranh đa chiều: giao dịch trùng (thổi phồng thu nhập), bản ghi thiếu customer_key/org_key (rơi vào nhóm “không phân bổ được”), sai loại tiền trước khi quy đổi, số dư âm bất thường. Kiểm tra đặt ngay tại tầng Nguồn và Chuẩn hoá → lỗi bị bắt trước khi kịp lan vào FACT_PL, FACT_BALANCE.

4. Quản lý dữ liệu chủ (Master Data Management)

Tạo và duy trì một bản ghi vàng cho các thực thể lõi — khách hàng, sản phẩm, cán bộ quan hệ, đối tác — bằng cơ chế khớp và gộp (matching) có hỗ trợ AI, kèm quy tắc ưu tiên nguồn (survivorship) để chọn giá trị đáng tin nhất khi các hệ mâu thuẫn.

Giá trị trong MPA — đây là lõi: lợi nhuận per-CIF đòi hỏi một khách hàng thật = một CIF. Nếu cùng một khách bị tách thành ba mã ở ba hệ, hoặc hai khách khác nhau bị gộp nhầm, thì lợi nhuận theo khách sai, phân khúc sai, và RM được/bị ghi nhận nhầm công. MDM tạo customer_key vàng ổn định cấp cho DIM_CUSTOMER, và tương tự cho DIM_RM, DIM_PRODUCT — để mọi phép drill xuống tới từng CIF, từng sản phẩm đều dựa trên một danh tính thống nhất toàn hàng. Không có lớp này, “phân tích tới từng khách” chỉ là con số trông có vẻ chi tiết.

5. Quản lý dữ liệu tham chiếu (Reference Data Management)

Quản lý, thẩm định và phân phối các bộ mã và cây phân cấp dùng chung: chuẩn hoá về một nguồn, phiên bản hoá theo thời gian hiệu lực, sẵn sàng cho kiểm toán, và phát cùng một bộ chuẩn tới mọi hệ tiêu dùng.

Giá trị trong MPA: các cây chiều roll-up của MPA — DIM_SEGMENT, DIM_PRODUCT, DIM_ORG_UNIT, cây tài khoản DIM_GL_ACCOUNT, cùng nhóm nợ 1–5, mã ngành, loại tiền — phải nhất quán thì tổng ở mỗi cấp mới cộng khớp. Nếu giữa kỳ có nhóm sản phẩm bị phân loại lại mà không phiên bản hoá, việc so sánh cùng kỳ năm trước trở nên vô nghĩa. RDM giữ các bộ mã này ở một nơi được quản trị, phát chuẩn cho cả kho MPA lẫn hệ nguồn → chấm dứt việc “cứng hoá” phân loại rải rác trong các truy vấn.

6. Danh mục & Từ điển nghiệp vụ (Catalog & Business Glossary)

Tự động khám phá và lập danh mục tài sản dữ liệu trên các nguồn, kèm từ điển nghiệp vụ gắn định nghĩa chuẩn của tổ chức vào từng bảng/cột để mọi người hiểu dữ liệu theo cùng một ngôn ngữ.

Giá trị trong MPA: trang Data Dictionary của mô hình MPA được sinh và cập nhật tự động từ kho thật thay vì soạn tay và lệch dần. Từ điển nghiệp vụ gắn định nghĩa của các chỉ tiêu lõi — TOI (Total Operating Income), NIM (Net Interest Margin), CIR (Cost-to-Income Ratio), LNTT (lợi nhuận trước thuế), chi phí vốn FTP (Funds Transfer Pricing)… — vào đúng cột dữ liệu, để người đọc dashboard biết chính xác một con số nghĩa là gì và tính từ đâu. Đây là cách giảm dứt điểm tranh cãi “mỗi phòng hiểu chỉ tiêu một kiểu”.

7. Dòng chảy dữ liệu (Data Lineage)

Ghi lại và hiển thị hành trình của dữ liệu từ nguồn tới đích: mỗi cột đích được dựng từ cột nguồn nào, qua phép biến đổi gì. Cho phép truy ngược từ một điểm bất thường về tận gốc, và phân tích ảnh hưởng theo chiều xuôi khi có thay đổi.

Giá trị trong MPA: khi một ô lợi nhuận trên dashboard trông sai, người dùng lần ngược ngay từ chỉ tiêu → FACT_PL → tầng chuẩn hoá → đúng cột tài khoản GL nguồn, thay vì phải mở từng luồng xử lý ra đọc thủ công. Chiều ngược lại — phân tích ảnh hưởng — trả lời được “nếu đổi một mã GL hay một quy tắc phân bổ thì những chỉ tiêu nào đổi theo” trước khi thực hiện. Lineage biến nguyên tắc truy vết của MPA thành thứ bấm xem được, không chỉ là cam kết trên giấy.

8. Giám sát dữ liệu (Data Observability)

Thiết lập giám sát cho các nguồn dữ liệu trọng yếu và cảnh báo kịp thời: theo dõi độ tươi (dữ liệu về đúng hạn không), khối lượng (số dòng có bất thường không) và thay đổi lược đồ; đồng thời phối hợp với quy tắc chất lượng để giám sát các phép đối chiếu — phát hiện sự cố đường ống trước khi nó lan xuống báo cáo.

Giá trị trong MPA: cam kết “khớp sổ” chỉ đáng tin khi có bằng chứng giám sát đứng sau. Nền tảng theo dõi hằng ngày: dữ liệu kỳ này đã về đủ chưa, khối lượng giao dịch có tụt bất thường ở một chi nhánh nào không (observability), và — qua quy tắc chất lượng — chênh lệch số dư so với sổ cái có vượt ngưỡng không; rồi cảnh báo trước mốc chốt kỳ để đội dữ liệu xử lý, thay vì để dashboard lên số sai rồi mới phát hiện. Đây là lớp bảo hiểm cho niềm tin vào con số.

9. Trợ lý dữ liệu tự động (ONE AI)

Xuyên suốt sáu trụ là một trợ lý dữ liệu tự động: từ hồ sơ dữ liệu, nó gợi ý quy tắc chất lượng phù hợp, phát hiện bất thường trên dòng chảy, giải thích lý do một cách minh bạch và hỗ trợ khắc phục để người quản trị kiểm chứng và duyệt.

Giá trị trong MPA: giảm tải công việc tay của đội quản trị dữ liệu — ví dụ tự đề xuất luật kiểm cho một cột số đo mới, hay tự nêu “chi nhánh X kỳ này thiếu FACT_BALANCE, lệch pattern các kỳ trước” kèm căn cứ. Con người vẫn là người duyệt cuối, nhưng khối lượng rà soát thủ công để giữ dữ liệu MPA sạch giảm đi rõ rệt.

10. Nền tảng đặt ở đâu trong kiến trúc MPA

Trong sơ đồ năm tầng của MPA — Nguồn → Chuẩn hoá → Mô hình MPA (Curated) → Dữ liệu phẳng → Phân tích & Dashboard — nền tảng dữ liệu không phải một tầng chen vào giữa. Nó là dải nền chạy full-width bên dưới cả năm tầng: mỗi tầng đều đứng trên nó, và mỗi trụ phát huy mạnh nhất ở những đoạn khác nhau của luồng.

Kiến trúc và Nền tảng dữ liệu MPA — luồng 5 tầng (Nguồn → Chuẩn hoá → Mô hình MPA → Phẳng → Phân tích) đứng trên dải nền dữ liệu được quản trị gồm 6 trụ, vận hành trên Ataccama ONE

Kiến trúc & Nền tảng dữ liệu MPA — luồng 5 tầng đứng trên nền dữ liệu được quản trị (Ataccama ONE).

Trụ	Mạnh nhất ở đoạn nào của luồng
MDM, Chất lượng dữ liệu	Đầu luồng — Nguồn & Chuẩn hoá (làm sạch, gộp trùng trước khi vào mô hình)
Dữ liệu tham chiếu, Danh mục & Từ điển	Mô tả & chuẩn hoá tầng Mô hình MPA (Curated)
Dòng chảy dữ liệu, Giám sát dữ liệu	Trải toàn bộ pipeline — từ Nguồn tới Dashboard

Vì thế trên sơ đồ, nền tảng hiện dưới dạng một dải nền mang nhãn “Nền tảng dữ liệu được quản trị”, trên đó gắn sáu chip trụ (DQ · MDM · Dữ liệu tham chiếu · Danh mục & Từ điển · Dòng chảy · Giám sát) và ghi chú trợ lý dữ liệu tự động xuyên suốt. Thông điệp: MPA không chỉ là lớp phân tích đa chiều — nó đứng trên một nền dữ liệu được quản trị bài bản.

11. Ghi chú

Nội dung trên trình bày vai trò của một nền tảng quản trị dữ liệu chuẩn ngành trong bối cảnh MPA; phạm vi triển khai từng trụ, mức độ tự động hoá và cách gắn với hệ nguồn được cấu hình theo hiện trạng dữ liệu và nhu cầu quản trị của từng ngân hàng, không thay đổi kiến trúc lõi của MPA.

Nền tảng tham chiếu triển khai: BSD hiện thực hoá lớp nền dữ liệu được quản trị này trên nền tảng Ataccama ONE — BSD là đối tác của Ataccama. Sáu trụ mô tả ở trên ánh xạ trực tiếp sang năng lực của nền tảng (Data Quality · MDM · Reference Data · Catalog & Glossary · Data Lineage · Data Observability) cùng trợ lý ONE AI (autonomous data steward).