BÀI GIẢNG NHẬP MÔN KHAI PHÁ DỮ LIỆU

CHƯƠNG 2. CÔNG NGHỆ TRI THỨC

PGS. TS. HÀ QUANG THỤY

HÀ NỘI 01-2023
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ
ĐẠI HỌC QUỐC GIA HÀ NỘI

1
 Nội dung

 Vai trò của CNTT trong kinh tế. Nghịch lý năng suất của
Công nghệ Thông tin
 Dữ liệu, Thông tin, Tri thức. Dữ liệu lớn
 Các mô hình khai phá dữ liệu
 Sơ bộ về khoa học dữ liệu
 Từ tri thức tổ chức tới kinh tế tri thức

6/2/23 Công nghệ tri thức 2

 Vai trò của CNTTtrong kinh tế
 Vai trò của CNTT trong kinh tế
 Nghịch lý về tính hiệu quả của CNTT

 Luận điểm của CARR

 Bản chất vai trò của CNTT trong kinh tế

 Kinh tế thông tin và kinh tế tri thức

6/2/23 Công nghệ Tri thức 3

 Vai trò của CNTT

 Nghịch lý năng suất của CNTT

 Robert Solow, nhà kinh tế được giải thưởng Nobel, có nhận định
“chúng ta nhìn thấy máy tính ở mọi nơi ngoại trừ trong thống kê năng
suất“ (1987)
 Căn cứ: Thống kê năng suất kinh tế (theo lý thuyết kinh tế cổ
điển) và đầu tư CNTT
 Luận điểm của CARR
 “CNTT không quan trọng”: IT does not matter !
 Nhận đinh về luận điểm của CARR
 Vai trò bản chất của CNTT trong kinh tế
 Hệ thống tác nghiệp, điều hành
 Hệ thống phát hiện tri thức

6/2/23 Công nghệ tri thức 4

 Nghịch lý năng suất của CNTT
 “Nghịch lý năng suất “: Một xung đột của kỳ vọng
với thống kê
 Mối quan hệ giữa IT và năng suất: nhiều tranh luận song hiểu
biết vẫn còn rất hạn chế.
 Năng lực máy tính được đưa vào kinh tế Mỹ đã tăng hơn bậc hai
về độ lớn từ năm 1970
 Năng suất, đặc biệt trong khu vực dịch vụ có vẻ đình trệ.
 Cho một hứa hẹn khổng lồ của IT tới mở ra trong “cuộc cách
mạng công nghệ lớn nhất mà loài người từng có" (Snow, 1966),
 Sự vỡ mộng, thâm chí làm thất vọng với công nghệ gia tăng một
cách hiển nhiên: “Không, máy tính không làm tăng hiệu quả, ít nhất
không hầu hết thời gian" (Economist, 1990).

Erik Brynjolfsson. The Productivity Paradox of Information Technology: Review

and Assessment. Communications of the ACM, Volume 36 Issue 12, Dec.
1993 Pages 66-77
Erik Brynjolfsson, Daniel Rock, Chad Syverson. Artificial Intelligence and the Modern
Productivity Paradox: A Clash of Expectations and Statistics. Working Paper 24001, 2017.
5
Nghịch lý năng suất: Nền kinh tế Mỹ

Sự không tương quan trong tăng GNP

Chi phí cho máy
Giai đoạn Tăng GNP hàng năm
tính (%GNP)
1960s 0.003 4.50%
1970s 0.05 2.95%
1980s 0.3 2.75%
1990s 3.1 2.20%

6
 Nghịch lý năng suất: mức công ty

 Trái: Không có quan hệ giữa đầu tư CNTT/nhân viên (trục hoành)

với thu hồi vốn (trục tung): tỷ lệ đầu tư nhiều cũng như ít !
 Phải: Có 90,6 % số công ty giá thành CNTT lớn hơn giá thu hồi
vốn: đầu tư CNTT lãng phí ? Thu hồi vốn chậm ?
 http://www.strassmann.com/pubs/cf/cf970603.html 7
 Nghịch lý năng suất: mức công ty tài chính

 Quan hệ “tỷ lệ thuận” giữa đầu tư CNTT/nhân viên (trục

hoành) với thu hồi vốn (trục tung) tại các công ty tài chính
8
 Luận điểm của G. Carr: IT does'n matter !
 Nicholas G. Carr. IT does'n matter! HBR at Large,
May 2003: 41-49
 CNTT xuất hiện khắp nơi và tầm quan trọng chiến lược của nó
đã giảm. Cách tiếp cận đầu tư và quản lý CNTT cần phải thay
đổi đáng kể !
 Khi một tài nguyên trở thành bản chất để cạnh tranh nhưng

không quan trọng cho chiến lược, rủi ro mà nó tạo ra trở

thành quan trọng hơn các lợi thế mà nó cung cấp.
 Với các cơ hội đạt được lợi thế chiến lược từ CNTT đã nhanh

chóng biến mất, nhiều công ty cần có một cái nhìn nghiêm
khắc đầu tư vào CNTT và quản lý các hệ thống của họ.
Carr đưa ra ba quy tắc hướng dẫn cho tương lai: phủ nhận vai
trò chiến lược của CNTT !
 Nicholas G. Carr. The end of corporate computing,
MIT Sloan Management Review, Spring 2005: 67-73.
 Thuộc 100 người có tên được nhắc đến nhiều nhất !

9
Định hướng quản lý đầu tư CNTT

Paul A. Strassmann [Strass07]: chi tiêu CNTT so với các

doanh nghiệp đồng hạng:
 Hơn hay kém hơn so với mức thông thường khi có hiệu quả đo
lường được,
 Hơn mức thông thường khi mà hiệu quả thông tin của doanh
nghiệp hơn mức thông thường,
 Hơn mức thông thường khi mà tri thức của nhân viên hơn mức
thông thường.
[Strass07] Paul A. Strassmann (2007), Measuring and
Communicating I.T. Value,
http://www.strassmann.com/talks/one-talk.php?talk=123.
 Phân tích nghịch lý năng suất
 E. Brynjolfsson [Bryn93]: không nghịch lý năng suất
 Lỗi đo lường từ công thức tính năng suất của kinh tế cổ điển: Biến
đầu vào, biến đầu ra và đo lường các biến này .
 Đầu tư CNTT có độ trễ phát huy năng suất 2-3 năm
 Tính phân phối lại tài nguyên thông tin “sản phẩm công cộng”: Cty
này đầu tư – công ty khác hưởng lợi
 Sai lầm trong quản lý đầu tư CNTT: Ph/pháp phân tích lỗi thời.
 Công thức tính năng suất kinh tế

11
 2. Dữ liệu, thông tin, tri thức

Biết quan hệ
Biết xử lý

12
Dữ liệu  Thông tin dựa trên tri thức

13
Dữ liệu, thông tin, tri thức, trí tuệ

14
Dữ liệu, thông tin, tri thức, trí tuệ

15
 Các đặc trưng của thông tin có giá trị
 Thông tin có giá trị
 Cho người quản lý và người ra quyết định (“quản lý” và “lãnh đạo”).
Nhìn chung “chính xác, đúng người, đúng thời điểm”
 Đặc trưng: truy nhập được, chính xác, đầy đủ, kinh tế, linh hoạt, có
liên quan, tin cậy, an toàn, đơn giản, kịp thời, kiểm chứng được.
 Truy nhập được
 Người sử dụng có thẩm quyền dễ dàng nhận được, ở dạng phù
hợp, đúng thời điểm theo yêu cầu.
 Chính xác
 Chính xác là không bị lỗi. Trong nhiều trường hợp, thông tin không
chính xác do dữ liệu không chính xác trong quá trình chuyển đổi
(được gọi là “nhập rác, xuất rác”: garbage in, garbage out: GIGO).
 Đầy đủ
 Thông tin cần bao gồm các yếu tố quan trọng. Phản ví dụ: Một báo
cáo đầu tư không nói về chi phí quan trọng.

16
 Thông tin có giá trị (tiếp)
 Kinh tế
 Tính kinh tế liên quan tới chi phí tạo thông tin. Người ra quyết định
cần cân bằng giá trị của thông tin với chi phí tạo ra nó.
 Linh hoạt
 Thông tin được sử dụng linh hoạt cho nhiều mục đích. Ví dụ,
thông tin lượng hàng tồn kho cho người bán hàng, cho người
quản lý tài chính…
 Có liên quan
 Có liên quan là quan trọng cho người ra quyết định.
 Tin cậy
 Theo sự tín nhiệm của người dùng. Tính tin cậy phụ thuộc vào
tính tin cậy của phương pháp thu thập thông tin / tính tin cậy của
nguồn thông tin.
 An toàn
 Tránh được sự truy nhập trái phép. 17
 Thông tin có giá trị (tiếp)
 Đơn giản
 Cần đơn giản, không quá phức tạp. Thông tin phức tạp và chi
tiết có thể không cần thiết.
 Kịp thời
 Được cung cấp khi cần đến nó: “Biết thời tiết cuối tuần trước
không giúp gì cho chọn áo khoác mặc thứ Năm”.
 Kiểm chứng được
 Thông tin cần kiểm chứng được: kiểm tra được tính đúng đắn
có thể bằng nhiều nguồn khác nhau.
 Lưu ý
 Độ quan trọng các đặc trưng tùy thuộc vào kiểu dữ liệu cần đến:
(i) Với dữ liệu thông minh thị trường: tính kịp thời > tính chính
xác / tính đầy đủ (chẳng hạn, các đối thủ cạnh tranh có thể tạo
ra giảm giá lớn…); (ii) tính chính xác, đầy đủ và kiểm chứng
được là quan trọng

18
Dữ liệu thế kỷ 21Dầu mỏ thế kỷ 20

 Một vài đối sánh

 Đều là động lực tăng trưởng và trao đổi
 Dầu mỏ và dữ liệu: “nhồi vào ống dẫn”
 Nhà máy lọc dầu: dầu thô (nhiệt) xăng, nhớt, thành phần khác
 Trung tâm dữ liệu: dữ liệu thô (hàng nghìn máy tính mát ) mẫu
có giá trị, dự báo, và hiểu biết sâu sắc mới.
 Đều tạo nguyên liệu thô quan trọng  nền kinh tế thế giới
 Hệ thống thực ảo cho sản xuất
 Dữ liệu lớn biết rất nhiều về mỗi con người, mọi thứ, v.v.
https://www.economist.com/news/briefing/21721634-how-it-shaping-up-data-giving
-rise-new-economy
: Fuel of the future - Data is giving rise to a new economy
Tăng trưởng dữ liệu

 Dự báo IDC
 2020: Vũ trụ dữ liệu 35 zettabytes (“35” và 21 chữ số “0”, dự báo
2011)  44 zettabytes (dự báo 2014); 2025: 180 zettabytes.
 Bơm qua Internet băng thông rộng mất 450 triệu năm!
 Amazon: vì mục đích tính toán đám mây, dùng thùng chứa 100
petabytes
 2016: Amazon, Alphabet và Microsoft đạt gần 32 tỷ US$ chi tiêu
và hợp đồng
 Dữ liệu lớn (Big data)
 Đặt vấn đề
 Vũ trụ số: chứa dữ liệu về mọi thứ, mọi lúc, mọi nơi 
“biết” được mọi thứ
 Tiềm ẩn thông tin hữu ích cho các tổ chức  dữ liệu
lớn
 Khái niệm
 Dữ liệu lớn là một tập dữ liệu có các đặc trưng đặc
biệt, được xử lý (lưu trữ, tính toán, chuyển dạng) và
phân tích (tìm các mẫu liên quan mới lạ hữu dụng từ dữ
liệu) bằng các quy trình hoặc công cụ đặc biệt nhằm
nhận được thông tin hỗ trợ ra quyết định hoặc đánh
giá có giá trị
 Được mô tả qua các đặc trưng đặc biệt thường là nV
 3V  5V  8V, 14V, 42V
21
Đặc trưng 5V của dữ liệu lớn

22
 Đặc trưng 5V: chi tiết
 Dung lượng lớn (Volume)
 Cỡ Texabytes (1012Bytes)
 Kích thược lớn tiềm ẩn thông tin giá trị
 Tốc độ cao (Velocity)
 Tốc độ cao: tốc độ phát sinh, tốc độ chuyển động
 Thời gian thực hoặc tựa thời gian thực
 Tốc độ cao  tính kịp thời
 Ví dụ: phát hiện gian lận giao dịch cần với tốc độ mili-
giây, dữ liệu cần cập nhật tốc độ cao
 Đa dạng (Variety)
 Có/không cấu trúc (văn bản, hình ảnh, video, dữ liệu
cảm biến, v.v.), đa yếu tố, có tính xác suất
 Đa dạng  khung nhìn đa chiều (chính xác hơn) về sự
vật/hiện tượng
23
 Đặc trưng 5V: chi tiết (2)
 Xác thực được (Veracity)
 Được xác thực theo độ tin cậy, quy trình, xuất xứ, uy
tín, tính khả dụng và được giải trình
 Thông tin giá trị từ nguồn tin cậy, được xác thực
 Có giá trị (Value)
 Đặc trưng giá trị là quan trọng nhất
 Mục tiêu phân tích dữ liệu lớn (mục tiêu kinh doanh)
dẫn dắt hoạt động xây dựng/phân tích dữ liệu lớn
 Hiểu biết thực sự về chi phí và lợi ích
 Dữ liệu lớn chỉ bao gồm các dữ liệu liên quan
 Tránh hiện tượng “dữ liệu lớn” theo phong trào

24
 Đặc trưng 8V, 10V

Dung lượng
Lan truyền
Giá trị

Kết dính

Xác thực

Tốc độ Trực quan

Đa dạng

 10V: #1: Volume, #2: Velocity, #3: Variety, #4:

Variability, #5: Veracity, #6: Validity, #7: Vulnerability,
#8: Volatility, #9: Visualization, #10: Value
25
 Đặc trưng nV

 https://www.elderresearch.com/blog/42-v-of-big-data
 Hfujita-799@acm.org
26
Nguồn dữ liệu cho Big data

[Stubbe18] Andrea Ahlemeyer-Stubbe, Shirley Coleman. Monetising Data:

How to Uplift Your Business. Wiley, 2018.
 Dữ liệu cho kinh doanh
 Cải thiện việc ra quyết định
 Dữ liệu  lập mô hình và mô phỏng
 Nhiều dữ liệu  hiểu rõ hơn các yếu tố liên quan tới tổ chức
 Ra quyết định dựa trên bằng chứng. Ra quyết định “tự động”
 Thấu hiểu khách hàng và thị trường
 Thấu hiểu KH và TT dựa trên dữ liệu, TTNT và phân tích nâng cao
 KH: muốn gì, sử dụng cái gì, cách mua, nghĩ gì.
 TT: người chơi chính, đối thủ cạnh tranh. SP mới: KH tiềm năng, …
 Tạo sản phẩm tốt hơn
 Mọi SP “thông minh hơn”, kết nối nhau, IoT sẽ vượt trội SP không
thông minh.
 Bóng đá thông minh: ghi nhận dữ liệu để cải thiện bóng đá.
 “Bồn cầu thông minh”: ghi nhận lượng đường nước tiểu.
 v.v.

[Marr22] Bernard Marr. Data strategy: how to profit from a world of big data, analytics and
artificial intelligence (2nd edition). Kogan Page, 2022.
28
 Dữ liệu cho kinh doanh [Marr22]
 Tạo dịch vụ tốt hơn
 Kinh tế dịch vụ: DV là cơ sở trao đổi trong XH và KT
 “cá nhân hóa” tối đa  tạo dịch vụ đề xuất chính xác như cầu KH
 Cải tiến quy trình kinh doanh
 Hoạt động nội bộ trơn tru, ít lãng phí: luôn phù hợp với mục tiêu KD.
 Mọi khâu trong chuỗi giá trị hiệu quả hơn dựa trên phân tích DL.
 Công cụ: khai thác đám mây, TTNT, v.v.
 Tạo doanh thu từ chính dữ liệu
 Doanh nghiệp kinh doanh dữ liệu: mục tiêu chính.
 DN khác: Mọi dữ liệu thu thập được đều có cơ hội tạo doanh thu bất
kể mục đích ban đầu của thu thập là gì.
 Dữ liệu từ vòng đeo tay, dữ liệu tiếp thị của Google và Facebook, v.v.
 John Deere: tổng hợp dữ liệu cảm biến gắn vào máy nông nghiệp 
bán lại dữ liệu cho nông dân.

29
Big data nâng sức mạnh kinh doanh

[Stubbe18] Andrea Ahlemeyer-Stubbe, Shirley Coleman. Monetising Data:

How to Uplift Your Business. Wiley, 2018.
Sử dụng Big data: Một lộ trình thành công

[Stubbe18] Andrea Ahlemeyer-Stubbe, Shirley Coleman. Monetising Data:

How to Uplift Your Business. Wiley, 2018.
Khảo sát lợi ích từ dữ liệu và “kiếm tiền dữ liệu”

[Stubbe18] Andrea Ahlemeyer-Stubbe, Shirley Coleman. Monetising Data:

How to Uplift Your Business. Wiley, 2018.
Trình độ hiểu dữ liệu cho kiếm tiền dữ liệu

[Stubbe18] Andrea Ahlemeyer-Stubbe, Shirley Coleman. Monetising Data:

How to Uplift Your Business. Wiley, 2018.
 Ai quan tâm tới thông tin
Thông tin là một Thông tin là một
trong những tài trong những tài
sản kinh doanh sản cạnh tranh
lớn nhất của lớn nhất của
chúng tôi. chúng tôi.

Thông tin là một Thông tin là một

trong những rủi trong những vấn
ro kinh doanh đề lớn nhất của
lớn nhất của chúng tôi.
chúng tôi.
http://mitiq.mit.edu/IQIS/Documents/CDOIQS_201177/Papers/05_01_7A-1_Laney.pdf
34
 Thông tin: Một tài sản thực sự?

 Không
 Không nằm trong bảng cân đối kế toán.
 Không thể giải thích vì nó vô hình.
 Không thực sự tiêu hao như các tài sản khác.
 Có
 Có thể có giá trị trao đổi.
 Có thể tạo ra một giá trị kinh tế tích cực.
 Có thể đếm / đo được, nhưng theo cách nào?

http://mitiq.mit.edu/IQIS/Documents/CDOIQS_201177/Papers/05_01_7A-1_Laney.pdf

35
 Vòng đời tài sản
Tiêu thu tài sản Bán Cho vay Chia sẻ
(hiện thực giá trị) Chi tiêu Buôn bán Áp dụng
. T V C T
À Â O B H
T N Í Ô
I N
Danh mục tài sản C Q G
C N
H U
doanh nghiệp H G Y
Í Ư
Ấ Ế T
. N Ờ T I
T
H I N

Quản lý tài sản Thu thập Chuẩn bị Kết hợp Tinh chế
Sản xuất Kiểm kê Định vị Bảo vệ
(gia tăng giá trị) Tổ chức Phân phối Quản trị Giám sát
http://mitiq.mit.edu/IQIS/Documents/CDOIQS_201177/Papers/05_01_7A-1_Laney.pdf
36
 Các yếu tố ảnh hưởng lợi ích của tài sản thông
tin và cuối cùng là giá trị kinh tế
 Khách quan
Xác thực: Dữ liệu thể hiện chính
xác hoặc nguồn xác minh.
Toàn vẹn: Các liên kết và mối quan
hệ thích hợp tồn tại giữa các dữ liệu.
Nhất quán: Mỗi loại dữ liệu có một
biểu diễn duy nhất
Hoàn thiện: Hồ sơ không phải là
lĩnh vực thiếu. Bộ dữ liệu không bị
thiếu các cá thể.
Khả năng tiếp cận: Dữ liệu được
thu thập và / hoặc tích hợp dễ dàng
vào quy trình kinh doanh.
Chính xác: Dữ liệu được ghi với độ
chính xác yêu cầu của doanh nghiệp.
Kịp thời: Dữ liệu được cập nhật với
tần suất đủ để đáp ứng các yêu cầu
kinh doanh.
 Chủ quan
Liên quan: Dữ liệu được áp dụng
cho một hoặc nhiều quy trình hoặc
quyết định kinh doanh.
Hữu dụng: Quá trình kinh doanh
và/hoặc cá nhân có thể hiểu và tận
dụng dữ liệu này.
Tin cậy: Dữ liệu được xem là đáng
tin cậy bởi những người sử dụng nó
Tinh khiết: Dữ liệu có ý nghĩa độc
đáo và dễ thấu hiểu.
Khách quan: Dữ liệu không thiên vị
và vô tư, không phụ thuộc vào phán
đoán, diễn giải hoặc đánh giá cá
nhân.
Khó khăn: Dữ liệu là độc quyền,
được bảo vệ và khó lấy với người
không thẩm quyền.
37
 Kinh tế học thông tin và Quản lý thông tin
doanh nghiệp

 Infonomis
 Information economis
 Vấn đề quản lý
 Vấn đề đo lường
 Vấn đề tiền hóa
 Quản lý TT doanh nghiệp
 Tầm nhìn
 Chiến lược
 Đo lường và độ đo
 Quản trị
 Con người
 Quy trình
 Cơ sở hạ tầng

38
Từ chuỗi giá trị dữ liệu tới tiền hóa dữ liệu

39
 3. Các mô hình Khai phá dữ liệu

 Nội dung cơ bản của KDD và DM

 Khai phá dữ liệu và phát hiện tri thức trong CSDL là bài toán
“kinh doanh”, bài toán “chiến lược” mà không phải là bài
toán công nghệ.
 Khi nào nên khai phá dữ liệu
 Ví dụ: Chương 3 sách Data Mining: Methods and Tools, 1998.

6/2/23 Bài toán phát hiẹn tri thức 40

 Tiếp cận truyền thống và tiếp cận KPDL

 Tiếp cận truyền thống

 Từ lý thuyết (hệ toán mệnh đề)  phát triển các giả thuyết 
kiểm định (chứng minh) giả thuyết. Ngô Bảo Châu: Bổ đề cơ bản
 Tiếp cận khai phá dữ liệu
 Từ dữ liệu  phát hiện quan hệ  phát triển giả thuyết  Xây
dựng mô hình và kiểm định giả thuyết  Đánh giá mô hình  Sử
dụng mô hình.
6/2/23 Bài toán phát hiẹn tri thức 41
 Mô hình vòng khai phá dữ liệu DN’98

• Xác định mục tiêu kinh doanh. Bắt đầu với nhiều nhất ba mục tiêu
kinh doanh để nghiên cứu có tính tập trung,
• Định danh dữ liệu doanh nghiệp chứa thông tin liên quan tới các
mục tiêu kinh doanh đã được xác định,
• Tạo tập dữ liệu mẫu chứa mọi thông tin liên quan,
• Định danh chuyên gia miền lĩnh vực làm việc với nhóm thực
nghiệm hệ thống phát hiện tri thức,
• Khởi tạo dữ liệu: đủ năng lực tính toán làm chủ được dữ liệu được
khảo sát và thích hợp với công cụ phát hiện tri thức phù hợp mục
tiêu kinh doanh,
• Chuyên gia miền ứng dụng làm việc với chuyên gia khai phá dữ
liệu xác nhận bộ công cụ là thích hợp nhất với mục tiêu kinh doanh,
• Trích chọn quan hệ và mẫu từ tập dữ liệu kinh doanh,
• Chuyên gia miền ứng dụng làm việc với chuyên gia khai phá dữ
liệu để xác định các quan hệ và mẫu thực sự liên quan tới mục tiêu
kinh doanh.

6/2/23 Chương 2: 42
 Chuẩn công nghiệp khai phá dữ liệu
CRISP-DM

 Các pha trong mô hình quy trình CRISP-DM (Cross-Industry

Standard Process for Data Mining). “Hiểu kinh doanh”: hiểu bài
toán và đánh giá
 Thi hành chỉ sau khi tham chiếu kết quả với “hiểu kinh doanh”
 CRISP-DM 2.0 SIG WORKSHOP, LONDON, 18/01/2007
 Nguồn: http://www.crisp-dm.org/Process/index.htm (13/02/2011)
Nhập môn khai phá dữ liệu: Chương 2
6/2/23 Chương 2: 43
 Chuẩn công nghiệp khai phá dữ liệu
CRISP-DM
• Hiểu kinh doanh (Business understanding)
 tập trung vào hiểu biết mục tiêu/yêu cầu từ góc độ kinh doanh
 chuyển đổi tri thức này thành
 một định nghĩa bài toán khai phá dữ liệu
 một kế hoạch sơ bộ được thiết kế đạt được các mục tiêu.
• Hiểu dữ liệu (Data understanding)
 Với một tập dữ liệu ban đầu: tiến hành hoạt động “làm quen” dữ
liệu, xác định các vấn đề chất lượng dữ liệu,
 khám phá hiểu biết ban đầu tới tập dữ liệu /phát hiện các tập
con dữ liệu thú vị nhằm hình thành giả thuyết cho thông tin ẩn.
 Tri thức kinh doanh từ giai đoạn hiểu kinh doanh định hướng
hiểu dữ liệu  phân tích dữ liệu để hiểu dữ liệu có thể phản
hồi, phối hợp với nội dung hiểu kinh doanh  làm rõ bài toán
khai phá dữ liệu, mục tiêu và kế hoạch thực hiện.

Nhập môn khai phá dữ liệu: Chương 2

6/2/23 Chương 2: 44
 Chuẩn công nghiệp khai phá dữ liệu
CRISP-DM

• Chuẩn bị dữ liệu (Data preparation)

 gồm mọi các hoạt động nhằm xây dựng các tập dữ liệu
cuối làm đầu vào cho công cụ mô hình hóa.
 gồm các hoạt động lập bảng, ghi lại và lựa chọn thuộc
tính cũng như chuyển đổi, và làm sạch dữ liệu cho các
công cụ mô hình hóa.
 thực hiện nhiều lần và không theo một thứ tự quy định.

Nhập môn khai phá dữ liệu: Chương 2

6/2/23 Chương 2: 45
 Chuẩn công nghiệp khai phá dữ liệu
CRISP-DM

• Mô hình hóa (Modeling)

 Các kỹ thuật mô hình khác nhau được lựa chọn và áp dụng.
 Xác định tham số mô hình nhằm đạt tới giá trị tối ưu.
 Một số kỹ thuật được sử dụng
 thực hiện lặp một số lần mô hình hóa và chuẩn bị dữ liệu
nhằm đạt được mô hình có kết quả tối ưu.
• Đánh giá (Evaluation)
 Tìm ra (một số) mô hình kết quả với mục tiêu chất lượng
cao theo góc độ phân tích dữ liệu.
 Đánh giá mô hình kết quả kỹ lưỡng và xem xét các bước đã
được thực hiện để xây dựng mô hình  niềm tin chắc chắn
rằng mô hình kết quả đạt được các mục tiêu kinh doanh
theo đúng cách thức.

Nhập môn khai phá dữ liệu: Chương 2

6/2/23 Chương 2: 46
 Một mô hình khai phá dữ liệu DN’00

 Một mô hình KDD năm 2000 [Nac00]

6/2/23 Chương 2: 47
 Mô hình KPDL và mô hình kinh doanh’08

 Wang, H. and S. Wang (2008). A knowledge management approach

to data mining process for business intelligence, Industrial
Management & Data Systems, 2008. 108(5): 622-634. [Oha09]
6/2/23 Chương 2: 48
 Một mô hình KPDL hướng BI

 Mô hình phát triển tri thức hướng thông minh doanh nghiệp, 2009
[HF09]

6/2/23 Chương 2: 49
 Chiến lược tài năng với AutoML

 Phối hợp chuyên gia KH dữ liệu + chuyên gia nghiệp vụ kinh doanh
 Đào tạo: tài năng TTNT + tài năng nghiệp vụ
lger Hürtgen, Sebastian Kerkhoff, Jan Lubatschowski, Manuel Möller. Rethinking
AI talent strategy as automated machine learning comes of age . McKinsey&
Company Article, August 14, 2020. https://www.mckinsey.com/business-
functions/mckinsey-analytics/our-insights/rethinking-ai-talent-strategy-as-automated-
machine-learning-comes-of-age?cid=other-eml-alt-mip-
mck&hlkid=16e1ccda088c4061938cbb51f973d214&hctky=11970886&hdpid=9fee72b5-
745e-4899-a6b0-fad315c62056
6/2/23 Chương 2: 50
 Tương tác người-máy trong KPDL’10

 Mô hình quá trình C-KDD [Pan10]

6/2/23 Chương 2: 51
 Mô hình KPDL hướng ứng dụng

 Mô hình quá trình khai phá dữ liệu hướng miền ứng dụng [CYZ10]

6/2/23 Chương 2: 52
 Mô hình KPDL hướng ứng dụng

P1. Hiểu vấn đề (định danh và xác định các vấn đề, bao gồm cả phạm vi
của nó và những thách thức ...);
P2. Phân tích ràng buộc (định danh ràng buộc xung quanh các vấn đề ở
trên, từ dữ liệu, miền ứng dụng, tính thú vị và cách phân bố);
P3. Định nghĩa các mục tiêu phân tích, và xây dựng đặc trưng (định
nghĩa mục tiêu khai phá dữ liệu, và các đặc trưng được lựa chọn phù
hợp hoặc xây dựng để đạt được các mục tiêu);
P4. Tiền xử lý dữ liệu (trích chọn, chuyển đổi và tải dữ liệu, nói riêng,
chuẩn bị dữ liệu chẳng hạn như xử lý dữ liệu mất tích và riêng tư);
hoặc
P5. Lựa chọn phương pháp và mô hình hóa (lựa chọn được các mô hình
và phương pháp thích hợp để đạt được các mục tiêu trên);
P05. Mô hình hóa chuyên sâu (áp dụng mô hình hóa chuyên sâu bằng
cách sử dụng nhiều mô hình hiệu quả tiết lộ cốt lõi của vấn đề, hoặc
dụng khai phá đa bước, khai phá kết hợp);

6/2/23 Chương 2: 53
 Mô hình KPDL hướng ứng dụng
P6. Phân tích và đánh giá kết quả chung ban đầu (phân tích /đánh giá
các phát hiện ban đầu);
P7. Là hoàn toàn hợp lý khi mỗi giai đoạn từ P1 có thể được lặp đi lặp
lại thông qua phân tích ràng buộc và tương tác với các chuyên gia
miền ứng dụng theo phương thức quay lui và xem xét;
P07. Khai phá chuyên sâu về kết quả chung ban đầu khi áp dụng;
P8. Đo lường và nâng cao khả năng hành động (đánh giá tính thú vị
theo quan điểm cả về kỹ thuật và kinh doanh, và tăng cường hiệu
suất bằng cách áp dụng phương pháp hiệu quả hơn).
P9. Thực hiện qua lại giữa P7 và P8;
P10. Hậu xử lý kết quả (hậu phân tích hoặc hậu khai phá dữ liệu các kết
quả ban đầu);
P11. Xem xét lại các giai đoạn từ P1 có thể được đòi hỏi;
P12. Triển khai (triển khai các kết quả vào các ngành kinh doanh);
P13. Cung cấp tri thức và báo cáo tổng hợp để ra quyết định thông
minh (tổng hợp phát hiện cuối cùng thành báo cáo ra quyết định sẽ
được chuyển giao cho người kinh doanh).

6/2/23 Chương 2: 54
 Các pha dự án PTDL thương mại

6/2/23 Chương 2: 55
Tổ chức hướng dữ liệu

Bánh xe thông tin từ một góc nhìn tổ chức

[Laursen11] Gert H. N. Laursen. Business Analytics for Sales and Marketing
Managers: How to Compete in the Information Age. Wiley, 2011 Chương 2: 56
12 bước đưa TTNT vào hoạt động CNTT

https://www.gartner.com/ngw/eventassets/en/conferences/sym28/documents/gartner-
symposium-us-cio-guide-ai-2018.pdf Chương 2: 57
4. Từ tri thức tổ chức tới kinh tế tri thức
Tri thức
 Khái niệm
 Từ điển Compact Oxford English Dictionary
 sự hiểu biết tinh thông cùng với các kỹ năng mà con

người thu nhận được qua kinh nghiệm hoặc giáo dục
 tổng hợp những gì mà con người biết rõ

 nhận thức và hiểu biết tường minh về một sự việc hoặc

một hiện tượng mà thu nhận được nhờ kinh nghiệm

 Nội dung khái niệm còn phụ thuộc vào từng lĩnh vực:
 Ở đây: Compact Oxford English Dictionary

 Khai phá dữ liệu: mẫu có độ hấp dẫn vượt qua ngưỡng

 Hình thức thu nhân tri thức: giáo dục, kinh nghiệm
qua hoạt động thực tiễn

http://dantri.com.vn/giao-duc-khuyen-hoc/giam-doc-dh-qghn-thoi-dai-moi-sinh-
vien-phai-tich-luy-cho-minh-cai-bat-bien-201709180717191.htm
Chương 2: 58
Tri thức: Một phân loại

 tri thức hiện – tri thức ẩn (Explicit knowledge – Tacit knowledge), tri
thức chủ quan – tri thức khách quan (Objective knowledge –
Subjective knowledge), tri thức biết – tri thức hành động (Knowing
that – Knowing how). Ví dụ tri thức ẩn  tri thức hiện: ngành CNPM
 "know what“: tri thức về sự vật, sự kiện, hiện tượng
 "know why“: tri thức về thế giới, xã hội và trí tuệ con người,
 "know who“: tri thức về ai và họ làm được gì,
 "know how“: tri thức về kỹ năng và kinh nghiệm thực tiễn.
 "know where“, "know when“: tri thức quan trọng cho một nền kinh tế
mềm dẻo và động,

Chương 2: 59
 Khía cạnh kinh tế của tri thức tổ chức
 Tổ chức là một thực thể tích hợp tri thức
 Môi trường văn hóa tổ chức và tính chất chuyên môn trình độ
cao liên quan tới ngành nghề tạo nên một cộng đồng đơn nhất
tổ chức thực hiện thu nhận và chuyển giao tri thức hướng tới
mục tiêu tốt nhất hoặc hiệu quả nhất cho tổ chức.
 Tổ chức là một thực thể sáng tạo tri thức
 Một tập hợp mạng quan hệ trong tổ chức tạo điều kiện thuận lợi
cho trao đổi và phát triển tri thức tổ chức. Vào năm 2000, Giám
đốc điều hành tập đoàn HP Lew Platt lúc đó đưa ra nhận định
"Nếu HP biết được những điều HP biết thì lợi nhuận của chúng
tôi sẽ gấp ba lần" Nguyên văn, “If HP knew what HP knows, we
would be three times profitable”.
 Tổ chức là thực thể bảo vệ tri thức
 Một mặt, tổ chức tạo điều kiện thuận lợi cho trao đổi và phát
triển tri thức nội bộ, mặt khác, tổ chức cần có cơ chế bảo vệ tri
thức tổ chức của mình.

60
Cơ chế tích hợp tri thức doanh nghiệp

- Các quy tắc tương tác giữa các cá nhân tạo điều kiện
chuyển hóa tri thức ẩn thành tri thức hiện
- Chuẩn hóa hoạt động mức doanh nghiệp qua quá trình
tiến hành các bước tham gia của các chuyên gia vào
sản phẩm
 Nên và chỉ nên sử dụng các quy trình chuẩn đối với các vấn
đề quá phức tạp hoặc quan trọng và bất thường.
- Các thói quen được hình thành trong doanh nghiệp hỗ
trợ sự tương tác linh hoạt trong doanh nghiệp
 Thói quen: một bộ phận quan trọng trong văn hóa doanh
nghiệp
 “Tự phát” –> “tự giác”

Chương 2: 61
 Cơ bản về công nghệ tri thức

 Khái niệm công nghệ tri thức

 Công nghệ tri thức là một quá trình bao gồm thu nhận và biểu
diễn tri thức, và xây dựng cơ chế suy luận và giải thích.
 Bốn bước thi hành
 thu nhận tri thức, biểu diễn tri thức, xây dựng một cơ chế suy
luận, và thiết kế các công cụ giải thích.
 Metaknowledge “siêu tri thức”
 Metaknowledge: tri thức về tri thức. Một số ví dụ: làm thế nào sử
dụng tri thức trong tình huống cụ thể, làm thế nào xác định tri
thức có liên quan, và khi nào tri thức là chưa đầy đủ.
 So sánh với metadata (dữ liệu về dữ liệu): dữ liệu mô tả file
 Metaknowledge: YKYN (you know that you know), DKYK, YKDK,
DKDK (don’t know that you don’t know)

6/2/23 62
Mô hình SECI chuyển hóa tri thức
 Xã hội hóa (Socialization): quá trình chia sẻ kinh nghiệm và do đó tạo ra tri ​thức
ẩn (tri thức của cá nhân bao gồm nhận định, sự hiểu biết, niềm tin và trực giác,
tri ​thức tiềm ẩn, cá nhân hóa sâu sắc và trình bày khuếch tán trong phạm vi tổ
chức). Một cá nhân có thể tiếp thu tri ​thức ẩn của cá nhân khác mà không cần sử
dụng ngôn ngữ. Bắt chước được coi là một phương tiện xã hội hóa.

 Ngoại hiên hóa

(Externalization) là quá trình
chuyển đổi tri ​thức ẩn thành
tri ​thức hiện (tri ​thức hình
thức, dễ tiếp cận, tương đối
dễ dàng lây truyền giữa các
cá nhân và nhóm) bằng cách
sử dụng phép ẩn dụ, tương
tự hóa và các mô hình.
 Ngoại hiện hóa tri ​ thức ẩn
là hoạt động quan trọng
nhất liên quan đến việc tạo
ra tri ​thức, nhưng cũng là
khó khăn nhất.
Chương 2: 63
Mô hình SECI: Kết hợp và chủ quan hóa

 Kết hợp / trộn

Combination/mixing) là quá
trình tạo ra tri ​thức hiện
bằng cách kết hợp tri ​thức
hiện từ các nguồn khác
nhau. Ví dụ, các cá nhân
thay đổi và kết hợp tri ​thức
hiện của họ bằng cách
chuyển đổi các cuộc họp
qua điện thoại.
 Thông tin có trong
CSDL có thể được xử
lý để tạo tri ​thức rõ
mới (KDD)
 Chủ quan hóa (Internalization) là quá trình phát huy tri ​thức hiện vào nhận biết
tri ​thức ẩn mới. Điều này tạo điều kiện thuận lợi nếu cá nhân có thể lại trải
nghiệm những kinh nghiệm của những người khác, gián tiếp.
Trong công ty sáng tạo tri ​thức, mô hình chuyển đổi tri ​thức SECI
làm việc theo tương tác động, trong một xoắn ốc tri ​thức
Chương 2: 64
Mô hình SECI doanh nghiệp: Giải thích

Chương 2: 65
 Cơ bản về công nghệ tri thức
 Một số khái niệm
 Thu nhận tri thức là việc khai thác tri thức từ nguồn (chuyên gia)
đã văn bản hóa và chưa văn bản hóa và chuyển nó vào máy tính.
Sử dụng 3 kỹ thuật: quy nạp, lập luận dựa trên trường hợp, tính
toán neuron.
 Biểu diễn tri thức liên quan đến việc tổ chức các tri thức trong các
cơ sở tri thức.
 Tri thức văn bản hóa có trong sách vở, đĩa máy tính, báo cáo,
phim… Tri thức không văn bản hóa có trong tâm trí con người. Tri
thức văn bản hóa là mục tiêu (dù có thể được diễn giải một cách
chủ quan)
 Một số nguồn tri thức
 Chuyên gia, sách hướng dẫn, phim ảnh, sách, cơ sở dữ liệu,
tập tin văn bản, hình ảnh, băng hình, cảm biến, và các bức
ảnh chụp.

6/2/23 Chương 2: 66
 Quản lý tri thức trong tổ chức

 Tri thức tiến hóa qua bốn giai đoạn theo thời gian: khởi tạo, huy
động, lan truyền (phổ biến), sản phẩm hóa (trở thành sản phẩm)
 Khi tri thức truy cập được càng nhiều người hơn - đầu tiên nội tại tổ
chức, sau đó tới nhiều tổ chức, và cuối cùng cho công chúng nói
chung - các công ty phải có chiến lược sử dụng khác nhau nhận
được giá trị lớn nhất của nó.
6/2/23 Chương 2: 67
 Vòng đời tri thức thức trong tổ chức

 CKC - Codified Knowledge Claim: Yêu cầu tri thức hệ thống hóa
 UKC - Unvalidated Knowledge Claim: Yêu cầu tri thức không hợp lệ
 VKC - Validated Knowledge Claim: Yêu cầu tri thức hợp lệ
 IK - Invalidated Knowledge: Tri thức hết hiệu lực
 IKC - Invalidated Knowledge Claim: Yêu cầu tri thức hết hiệu lực
 OK - Organizational Knowledge: Tri thức của tổ chức

6/2/23 Chương 2: 68
 Chuyển đổi meta-knowledge

 Hầu hết kỹ thuật khai phá dữ liệu chuyển hóa DKYK  YKYK.
 Cựu giám đốc điều hành HP, Lew Platt đã từng nói, “Chỉ cần HP biết
được những gì mà HP biết, chúng tôi sẽ có hiệu quả gấp ba lần“. ”If
only HP knew what HP knows, we'd be three times more productive”.
6/2/23 Chương 2: 69
 Hàm quản lý tri thức

Hiệu quả của tổ chức là một hàm theo các hoạt động quản lý
tri thức [Liebowitz16]
6/2/23 Chương 2: 70
Kinh tế tri thức

Khái niệm
 Knowledge Economy/Knowledge-Based Economy
 [WB06] nền kinh tế mà việc sử dụng tri thức là động lực chủ
chốt cho tăng trưởng kinh tế. Trong nền kinh tế tri thức, tri
thức được yêu cầu, được phát sinh, được phổ biến và được vận
dụng một cách hiệu quả cho tăng trưởng kinh tế.
 [UN00] nền kinh tế mà các yếu tố then chốt cho sự phát triển
là tri thức, năng lực trí tuệ, một thiết chế xã hội cho một hạ
tầng thông tin hữu hiệu và truy nhập được.
 Hai định nghĩa trên là tương tự nhau: ở đây sử dụng định nghĩa
[WB06].

Chương 2: 71
Kinh tế tri thức: đặc trưng

Bốn cột trụ của một nền kinh tế tri thức

 Một thiết chế xã hội pháp quyền và khuyến khích kinh tế (An
economic incentive and institutional regime)
Cột trụ này bao gồm các chính sách và thể chế kinh tế tốt, khuyến
khích phân phối hiệu quả tài nguyên, kích thích cách tân và thúc đẩy
phát kiến, phổ biến và sử dụng các tri thức đang có.
 Một lực lượng lao động được giáo dục và lành nghề (An
educated and skilled labor force)
Cột trụ này bao gồm các yếu tố về năng lực tri thức của nguồn nhân
lực trong nền kinh tế. Các thông số về giáo dục và sáng tạo được lựa
chọn nhằm thể hiện tiềm năng nói trên. Xã hội học tập và hoạt động
học tập suốt đời cũng là các yếu tố đảm bảo tăng cường tiềm năng tri
thức của nền kinh tế.

Chương 2: 72
Kinh tế tri thức: đặc trưng

Bốn cột trụ của một nền kinh tế tri thức

 Một hệ thống cách tân hướng tri thức hiệu quả (a effective
innovation system)
Nền kinh tế tri thức cần là một nền kinh tế cách tân hiệu quả của các
tập đoàn, trung tâm nghiên cứu, trường đại học, các chuyên gia và các
tổ chức khác , trong đó, tri thức khi mà đã trở nên lỗi thời - lạc hậu cần
liên tục được thay thế bằng tri thức mới - tiến bộ phù hợp với trình độ
phát triển của nền kinh tế tri thức. Trong nền kinh tế tri thức, hoạt động
không ngừng cách tân tri thức, phát huy sáng kiến mang tính xã hội.
 Một hạ tầng thông tin hiện đại và đầy đủ (a modern and adequate
information infrastructure) là phương tiện hiệu quả để truyền thông,
phổ biến và xử lý thông tin và tri thức
Hạ tầng thông tin hiện đại và đầy đủ đảm bảo hoạt động thu nhận,
cách tân tri thức cũng như để đảm bảo xã hội học tập và hoạt động
học tập suốt đời.

Chương 2: 73
Kinh tế tri thức: đo lường
 Là một công việc khó khăn: Từ chính Khái niệm tri thức và nội
dung 4 cột trụ [OEC96, RF99, CD05]
 [Ram08] nhận định “người ta ngày càng nhận thức rõ hơn rằng tri
thức về tăng trưởng kinh tế không hoàn toàn rõ ràng như ta vẫn
tưởng”.
 [OEC96] xác định 4 khó khăn nguyên tắc (trang sau)
 Thông qua hệ thống tiêu chí: Đầu ra của kinh tế tri thức
 Đang trong quá trình hình thành và cải tiến:
 Hệ thống tiêu chí
 Đo lường từng tiêu chí
 Tổng hợp các tiêu chí

Chương 2: 74
Kinh tế tri thức: đo lường

Bốn nguyên tắc [Oec96]

 Không có một công thức hoặc một cách làm ổn định để chuyển
dịch các đầu vào của nguồn tạo tri thức thành đầu ra tri thức.
tính phức tạp của quá trình nhận thức cho nên không thể có một công
thức hay cách làm nói trên.
hệ thống các tiêu chí thể hiện được tiềm năng tạo ra tri thức cho nền
kinh tế ? công thức định lượng đúng tuyệt đối
Ví dụ, đầu tư cho khoa học – công nghệ <=> kinh tế tri thức

 Việc lên sơ đồ cho đầu vào của bộ tạo tri thức là rất khó khăn vì
chưa có cách thức thống kê tri thức tương tự như cách thức
thống kê quốc dân truyền thống.
Việc chọn các tiêu chí trong hệ thống đánh giá kinh tế tri thức vẫn
đang được nghiên cứu đề xuất, chẳng hạn hệ thống đo lường kinh tế
tri thức của Ngân hàng thế giới (KAM) được đổi mới theo thời gian

Chương 2: 75
Kinh tế tri thức: đo lường

Bốn nguyên tắc [OEC96]

 Thiếu tri thức về một hệ thống định giá có tính phương pháp luận
(hợp các phần tử tri thức thành thành phần bản chất duy nhất).
Thành phần bản chất duy nhất được dùng để làm giá trị đo mức độ
“tri thức” của một nền kinh tế.
Chẳng hạn, hệ thống KAM, việc “đo” cho từng tiêu chí cũng như tổng
hợp các giá trị đó thành giá trị “đo” mức độ kinh tế tri thức của một
quốc gia vẫn chưa có tính phương pháp luận hoàn toàn.
 Chưa văn bản hóa được việc tạo tri thức mới mà không phải bổ
sung mạng vào kho tri thức và sự lạc hậu của các phần tử trong
kho tri thức.

Chương 2: 76
Kinh tế tri thức: đo lường

Các bài toán cần giải quyết [OEC96]

 Đo lường tri thức của đầu vào.
 Đo lường kho tri thức và tri thức trong kho.
 Đo lường tri thức của đầu ra
 Đo lường mạng tri thức
 Đo lường tri thức thông qua học tập
Yogesh Malhotra [Mal03] trình bày hệ thống về mô hình đánh giá
kinh tế tri thức của một quốc gia.
 phân tích nội dung, điểm mạnh và điểm hạn chế của một số hệ

thống đánh giá điển hình.

 đề xuất một mô hình đánh giá kinh tế tri thức của một quốc gia

 hệ thống đo lường kinh tế tri thức phổ biến: có KAM của WB

Chương 2: 77
Đo lường kinh tế tri thức: KAM

KAM - Knowledge Assessment Methodology [CD05]

 Đo lường điển hình KTTT
 Chi tiết hóa 4 cột trụ bằng hệ thống tiêu chí

 Đang được cải tiến

 2005: 80 tiêu chí; 2008: 83 tiêu chí; 2009: 109 tiêu chí

Chương 2: 78
 Đo lường kinh tế tri thức: KAM
Một số giải thích
 Tiêu đề Điều hành chính quyền được chuyển từ các tiêu đề
tiếng Anh là Institutions (KAM-2005) và Governance (KAM-
2008, KAM-2009)
 Hệ thống KAM chứa một số tiêu chí có nội dung liên quan trực
tiếp tới kinh tế dịch vụ, chẳng hạn như các tiêu chí Employment
in Services (%), Local availability of specialized research and
training services,
 Cột trụ Hệ thống cách tân được thi hành trong các tập đoàn,
trung tâm nghiên cứu, trường đại học, các chuyên gia và các tổ
chức khác nhằm đảm bảo sự tiến hóa tri thức, chuyển đổi
thành dòng tăng trưởng tri thức tổng thể, đồng hóa và làm phù
hợp tri thức mới cho nhu cầu địa phương
 Cột trụ Hạ tầng thông tin hiện đại và đầy đủ đảm bảo hệ thống
phương tiện hiệu quả để truyền thông, phổ biến và xử lý thông
tin và tri thức

Chương 2: 79
Cuộc đua giành TikTok tại Mỹ

Who are the TikTok saga's biggest winners?

 TikTok của ByteDance (TQ) tại Mỹ có 100 triệu người dùng
 D. Trump: ByteDance bán TikTok ở Mỹ  công ty Mỹ
 Cuộc đua giành TikTok Mỹ “rất khốc liệt”
 Microsoft (+Walmart) dường như đã dẫn trước
 14/9/2020: công ty CSDL Oracle, môi giới được một thỏa thuận.
 Mối quan hệ với Nhà trắng

https://
www.economist.com/business/2020/09/16/who-are-the-tiktok-sagas-biggest-winners?
utm_campaign=the-economist-today&utm_medium=newsletter&utm_source=salesfor
ce-marketing-cloud&utm_term=2020-09-16&utm_content=article-link-1&etear=nl_toda
y_1
https://
vn.sputniknews.com/usa/202009179486833-ong-trump-phe-phan-dieu-kien-dang-
duoc-bao-chi-dua-tin-ve-thuong-vu-tiktok/
Chương 2: 80
 Kinh tế tri thức Việt Nam
Total Factor Productivity: TFP

[NHTG12] Ngân hàng Thế giới. Báo cáo phát triển KT Việt Nam năm 2012. 2012.
Chất lượng tăng trưởng kém 1998-2010: Tốn quá nhiều tiền!

[TCTK23] Tổng cục Thống kê. Năng suất lao động của Việt Nam giai đoạn 2011-2020:
Thực trạng và giải pháp. Hà Nội, tháng 2/2023
NSLĐ năm 2020: Việt Nam và các nước

1000 US$

[TCTK23] Tổng cục Thống kê. Năng suất lao động của Việt Nam giai đoạn 2011-2020:
Thực trạng và giải pháp. Hà Nội, tháng 2/2023