Professional Documents
Culture Documents
KPDL C2 CNTT
KPDL C2 CNTT
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
Nghịch lý năng suất: mức công ty
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
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 21Dầu mỏ thế kỷ 20
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
Đa dạng
https://www.elderresearch.com/blog/42-v-of-big-data
Hfujita-799@acm.org
26
Nguồn dữ liệu cho Big data
[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
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 Chủ quan
Xác thực: Dữ liệu thể hiện chính Liên quan: Dữ liệu được áp dụng
xác hoặc nguồn xác minh. cho một hoặc nhiều quy trình hoặc
Toàn vẹn: Các liên kết và mối quan quyết định kinh doanh.
hệ thích hợp tồn tại giữa các dữ liệu. Hữu dụng: Quá trình kinh doanh
Nhất quán: Mỗi loại dữ liệu có một và/hoặc cá nhân có thể hiểu và tận
biểu diễn duy nhất dụng dữ liệu này.
Hoàn thiện: Hồ sơ không phải là Tin cậy: Dữ liệu được xem là đáng
lĩnh vực thiếu. Bộ dữ liệu không bị tin cậy bởi những người sử dụng nó
thiếu các cá thể. Tinh khiết: Dữ liệu có ý nghĩa độc
Khả năng tiếp cận: Dữ liệu được đáo và dễ thấu hiểu.
thu thập và / hoặc tích hợp dễ dàng Khách quan: Dữ liệu không thiên vị
vào quy trình kinh doanh. và vô tư, không phụ thuộc vào phán
Chính xác: Dữ liệu được ghi với độ đoán, diễn giải hoặc đánh giá cá
chính xác yêu cầu của doanh nghiệp. nhân.
Kịp thời: Dữ liệu được cập nhật với Khó khăn: Dữ liệu là độc quyền,
tần suất đủ để đáp ứng các yêu cầu được bảo vệ và khó lấy với người
kinh doanh. 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
• 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
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
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
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
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
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.
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
Chương 2: 72
Kinh tế tri thức: đặc trưng
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
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
Chương 2: 76
Kinh tế tri thức: đo lường
Chương 2: 77
Đo lường kinh tế tri thức: KAM
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
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