Doanh nghiệp cần chuẩn bị dữ liệu gì trong ERP trước khi dùng AI?
Dữ liệu sẵn sàng cho AI không phải là dữ liệu hoàn hảo, mà là dữ liệu đủ đúng cho một bài toán cụ thể. Doanh nghiệp chờ dọn sạch toàn bộ ERP rồi mới dùng AI thường không bao giờ bắt đầu. Doanh nghiệp đưa AI vào ngay trên dữ liệu rời rạc thì nhận về những câu trả lời không ai dám dùng. Cách làm hiệu quả nằm ở giữa: chọn một bài toán, rồi chuẩn bị đúng phần dữ liệu bài toán đó cần.
Đọc nền tảng: Triển khai ERP: Phương pháp và quy trình thực hiện.
1. “Dữ liệu sẵn sàng cho AI” nghĩa là gì?
Dữ liệu sẵn sàng hay chưa phải xét theo từng bài toán, không xét cho cả hệ thống. Mức “đủ tốt” cho bài toán nhắc công nợ khác với mức cần cho bài toán dự báo theo mùa. Với mỗi bài toán, có thể kiểm tra bằng ba câu hỏi:
Dữ liệu có chứa thông tin câu hỏi cần không? Hỏi “khách nào sắp ngừng mua” khi ERP mới có 4 tháng lịch sử thì AI không có gì để so.
Một khách hàng có đúng một mã, chứng từ ghi đúng ngày, số liệu khớp sổ kế toán.
AI chỉ đọc phần dữ liệu mà người hỏi có quyền xem.
Thiếu một trong ba, câu trả lời của AI có thể nghe hợp lý nhưng không dùng được để ra quyết định.
2. Năm lớp dữ liệu trong ERP cần chuẩn bị
Không phải bài toán nào cũng cần cả năm lớp.
Phần lớn việc ở lớp 1, 2 và 4 trùng với những gì một dự án ERP tốt đã phải làm. Nếu doanh nghiệp từng gặp các vấn đề nêu trong bài những lý do khiến triển khai ERP thất bại, khả năng cao dữ liệu cũng đang yếu ở các lớp này.
3. Chuẩn bị theo bài toán, không dọn cả hệ thống
Cách nhanh nhất để biết cần chuẩn bị gì là bắt đầu từ một câu hỏi cụ thể. Mỗi bài toán chỉ cần một phần dữ liệu, và phải dẫn tới một quyết định đo được. Nếu chưa chắc câu hỏi đó có thật sự cần AI, hãy đối chiếu trước với các tình huống nên và chưa nên dùng AI trong ERP.
| Bài toán | Dữ liệu tối thiểu | Chưa cần chờ | Quyết định và cách đo |
|---|---|---|---|
| Tóm tắt công nợ quá hạn và soạn thư nhắc khách | Danh mục khách hàng không trùng; công nợ khớp sổ; hạn thanh toán trên hóa đơn; người phụ trách từng khách | Lịch sử nhiều năm; dữ liệu marketing | Kế toán công nợ duyệt thư nhắc trước khi gửi. Đo số ngày thu tiền bình quân và giá trị nợ quá hạn sau 2–3 tháng. |
| Phân nhóm lý do trả hàng | Lý do trả hàng có cấu trúc kèm ghi chú; mã hàng thống nhất; dữ liệu ít nhất một mùa bán | Giá vốn chốt chính xác; dữ liệu kho chi tiết | Mua hàng xử lý các lý do lặp lại nhiều nhất. Đo tỷ lệ trả hàng của nhóm mã đó sau một mùa bán. |
| Hỏi số liệu bán hàng bằng tiếng Việt | Định nghĩa doanh thu thống nhất; danh mục hàng hóa, khách hàng, chi nhánh sạch; phân quyền theo chi nhánh | Dữ liệu dạng chữ; tài liệu đính kèm | Quyết định có mở rộng cho thêm người dùng hay không. Đo tỷ lệ câu trả lời khớp báo cáo gốc trên một bộ câu hỏi mẫu. |
Định nghĩa “đủ” cho từng bài toán nên được ghi thành một văn bản ngắn trước khi thử AI, giống cách dự án ERP xác định yêu cầu trước khi cấu hình. Khi kết quả thử nghiệm không như kỳ vọng, văn bản này giúp phân biệt lỗi do dữ liệu hay do công cụ.
4. Ba hiểu lầm thường gặp
5. Tự chấm mức sẵn sàng dữ liệu cho một bài toán
Chọn bài toán định thử, rồi chấm từng lớp: Đạt được 2 điểm, Một phần được 1 điểm, Chưa được 0 điểm. Nên chấm cùng kế toán trưởng và người phụ trách vận hành, không chỉ bộ phận IT.
6. Kế hoạch 30 ngày cho lớp dữ liệu yếu nhất
Chọn một bài toán AI, xác định dữ liệu tối thiểu theo cách ở mục 3 và giao một người chịu trách nhiệm có quyền quyết định.
Đếm mã trùng, trường bỏ trống, chứng từ ghi sai ngày, nghiệp vụ còn ngoài hệ thống. Ghi thành con số để so sánh sau.
Sửa đúng những lỗi đã đếm ở tuần 2 theo “việc cần làm” của lớp tương ứng ở mục 2, rồi kiểm tra lại trên dữ liệu thật như giai đoạn UAT của dự án ERP.
Chạy thử bài toán trên phần dữ liệu đã làm sạch, đối chiếu câu trả lời với báo cáo gốc. Chỉ mở rộng khi tỷ lệ câu trả lời đúng đạt ngưỡng đã thống nhất từ tuần 1.
BEESUITE KHUYẾN NGHỊ
Gắn mọi việc làm sạch dữ liệu với một bài toán AI cụ thể và một người chịu trách nhiệm. Không mở dự án “dọn dữ liệu” chung chung.
Mỗi lỗi dữ liệu đã sửa phải đi kèm một cách chặn nó ngay từ khâu nhập liệu. Sửa dữ liệu cũ mà không chặn lỗi mới thì vài tháng sau sẽ phải làm lại.
Theo dõi hằng tháng ba chỉ số: số mã trùng, tỷ lệ trường quan trọng bị bỏ trống, chênh lệch giữa ERP và sổ kế toán. Ba chỉ số cùng giảm là dữ liệu đang tiến gần mức sẵn sàng.
Nội dung mô tả cách chuẩn bị dữ liệu nói chung, áp dụng cho nhiều hệ thống ERP, không mô tả tính năng của một phần mềm cụ thể.
Dữ liệu ERP của bạn đang ở mức nào?
BeeSuite có thể cùng doanh nghiệp rà năm lớp dữ liệu, chấm mức sẵn sàng và chọn bài toán AI nên thử trước.
Chỉ nên đưa khi mã cũ đã được ánh xạ sang mã mới và cách tính số liệu giống nhau. Nếu dữ liệu cũ chỉ có số dư đầu kỳ hoặc hạch toán theo cách khác, nên tách riêng và ghi chú rõ để AI và người đọc không so sánh nhầm hai giai đoạn.
Người hiểu nghiệp vụ của từng danh mục: kế toán trưởng với tài khoản và công nợ, phụ trách mua hàng với nhà cung cấp, kinh doanh với khách hàng. IT hoặc đối tác triển khai hỗ trợ công cụ và phân quyền. Điều quan trọng là mỗi danh mục có một người quyết định cuối cùng.
Không nên với dữ liệu khách hàng, giá vốn, lương hay hợp đồng. Doanh nghiệp không kiểm soát được dữ liệu sau khi gửi vào công cụ bên ngoài, và nhiều công cụ miễn phí có thể lưu nội dung người dùng nhập. Nếu muốn thử, hãy dùng dữ liệu đã ẩn tên và số liệu nhạy cảm, hoặc dùng bản dành cho doanh nghiệp có cam kết rõ về việc không dùng dữ liệu để huấn luyện.
