Data mart là gì? Kiến trúc, loại và cách dùng cho doanh nghiệp
Data mart là kho dữ liệu nhỏ phục vụ một phòng ban hoặc một mảng nghiệp vụ. Bài giải thích cơ chế, các loại, ví dụ cho doanh nghiệp Việt và khi nào nên hoặc không nên dùng.
Chuyên mục Dữ liệu và phân tích dành cho phần nền móng của mọi dự án AI và báo cáo quản trị: dữ liệu lớn (big data), kho dữ liệu (data warehouse), hồ dữ liệu (data lake), khoa học dữ liệu, gán nhãn dữ liệu (data annotation) và DataOps. Các bài so sánh kiến trúc lưu trữ, mô tả quy trình thu thập, làm sạch, gán nhãn và quản trị dữ liệu, kèm nguyên tắc “garbage in, garbage out”: dữ liệu đầu vào kém thì mô hình và báo cáo đầu ra cũng kém, dù thuật toán tốt đến đâu.
Data mart là kho dữ liệu nhỏ phục vụ một phòng ban hoặc một mảng nghiệp vụ. Bài giải thích cơ chế, các loại, ví dụ cho doanh nghiệp Việt và khi nào nên hoặc không nên dùng.
Metadata (siêu dữ liệu) là dữ liệu mô tả dữ liệu khác. Bài giải thích các loại, ví dụ thực tế, cách doanh nghiệp quản lý và rủi ro lộ thông tin trong file.
Synthetic data (dữ liệu tổng hợp) do thuật toán sinh ra để thay hoặc bổ sung dữ liệu thật. Bài giải thích cách tạo, loại, ví dụ, rủi ro lộ thông tin và cách kiểm tra chất lượng.
Data cleaning là bước phát hiện và sửa dữ liệu sai, trùng, thiếu hoặc sai định dạng trước khi phân tích. Bài giải thích cơ chế, quy trình, ví dụ và giới hạn.
Data driven là cách vận hành mà quyết định được kiểm bằng dữ liệu đã định nghĩa rõ. Bài giải thích vòng lặp, cấp độ trưởng thành, ví dụ, bẫy số liệu và khi nào không nên dùng.
Data lakehouse đặt giao dịch ACID, lược đồ và SQL lên hồ dữ liệu giá rẻ nhờ table format mở. Bài giải thích Delta Lake, Iceberg, Hudi, medallion và khi nào nên dùng.
So sánh dữ liệu có cấu trúc, bán cấu trúc và phi cấu trúc: định nghĩa, ví dụ, cách lưu trữ, công cụ xử lý và cách biến tài liệu, email, ảnh thành dữ liệu dùng được.
Data pipeline là chuỗi bước tự động đưa dữ liệu từ nguồn tới kho, báo cáo, AI. Bài giải thích thành phần, các loại, kiến trúc Lambda, Kappa và cách xây pipeline bền vững.