Skip to content

Bài 9: Việt Nam đang sở hữu những kho dữ liệu chiến lược nào?

Đỗ Đức Dũng

Tóm tắt

Trong kỷ nguyên trí tuệ nhân tạo, dữ liệu không chỉ là sản phẩm phụ của quá trình quản lý, sản xuất và nghiên cứu, mà đang trở thành tài sản chiến lược của quốc gia. Tuy nhiên, không phải mọi dữ liệu đều có giá trị chiến lược như nhau. Bài viết phân tích những nhóm dữ liệu mà Việt Nam đang sở hữu hoặc có điều kiện hình thành, bao gồm dữ liệu dân cư – định danh, đất đai – không gian địa lý, tài nguyên nước – khí tượng thủy văn – môi trường, nông nghiệp – nông thôn, y tế – bảo hiểm – an sinh, giáo dục – nhân lực, doanh nghiệp – thuế – thương mại, giao thông – logistics – đô thị, dữ liệu pháp luật – hành chính công, dữ liệu khoa học công nghệ và đặc biệt là dữ liệu chuyên gia trong các ngành chuyên sâu. Bài viết cho rằng giá trị chiến lược của các kho dữ liệu này không nằm ở việc lưu trữ đơn thuần, mà ở khả năng chuẩn hóa, liên thông, bảo vệ, chia sẻ có kiểm soát và chuyển hóa thành tri thức số, AI chuyên ngành và năng lực ra quyết định. Đối với Việt Nam, một hướng đi thiết thực là ưu tiên làm chủ các kho dữ liệu chuyên ngành gắn với lợi thế và bài toán phát triển của chính mình, trong đó tài nguyên nước, thủy lợi, nông nghiệp, khí tượng thủy văn và phòng chống thiên tai là những lĩnh vực có giá trị đặc biệt.

Từ khóa: dữ liệu chiến lược, dữ liệu quốc gia, dữ liệu chuyên ngành, AI, chủ quyền dữ liệu, tài nguyên nước, đất đai, dân cư, y tế, giáo dục, nông nghiệp, Việt Nam.

1. Đặt vấn đề

Sau khi bàn về dữ liệu, chủ quyền dữ liệu và nguy cơ mất lợi thế tri thức trong kỷ nguyên AI, một câu hỏi rất thực tế cần được đặt ra là:

Việt Nam đang sở hữu những kho dữ liệu chiến lược nào?

Câu hỏi này quan trọng vì AI không phát triển trong khoảng trống. AI cần dữ liệu. Nhưng đối với một quốc gia đang phát triển như Việt Nam, điều quan trọng không phải là chạy theo các mô hình AI lớn nhất thế giới, mà là nhận diện đúng những kho dữ liệu mà mình có lợi thế, sau đó tổ chức, chuẩn hóa và khai thác chúng để phục vụ các bài toán phát triển của chính mình.

Việt Nam có thể chưa phải là cường quốc về chip, trung tâm dữ liệu hay mô hình AI nền tảng. Nhưng Việt Nam có những kho dữ liệu rất riêng: dữ liệu về dân cư, đất đai, tài nguyên nước, nông nghiệp nhiệt đới, khí tượng thủy văn, thiên tai, đô thị hóa, y tế, giáo dục, pháp luật, hành chính công và kinh nghiệm chuyên gia trong nhiều ngành.

Những kho dữ liệu này, nếu được quản trị tốt, có thể trở thành nền móng cho AI Việt Nam.

Nhưng nếu để phân tán, thiếu chuẩn, thiếu cập nhật, thiếu liên thông và thiếu cơ chế khai thác, chúng sẽ chỉ là những “kho tư liệu” nằm rải rác trong các hệ thống khác nhau.

Vì vậy, bài viết này không chỉ nhằm liệt kê dữ liệu. Điều quan trọng hơn là xác định đâu là dữ liệu chiến lược, vì sao chiến lược, có thể tạo ra giá trị gì cho AI, và Việt Nam cần làm gì để biến dữ liệu đó thành năng lực phát triển.

2. Phương pháp tiếp cận

Bài viết tiếp cận vấn đề từ góc độ quản trị dữ liệu quốc gia và dữ liệu chuyên ngành.

Các phân tích dựa trên bốn nhóm căn cứ.

Thứ nhất là các chính sách dữ liệu của Việt Nam. Chiến lược dữ liệu quốc gia đến năm 2030 được phê duyệt theo Quyết định số 142/QĐ-TTg ngày 02/02/2024; Luật Dữ liệu năm 2024 quy định về xây dựng, phát triển, bảo vệ, quản trị, xử lý và sử dụng dữ liệu số; Nghị quyết số 175/NQ-CP năm 2023 phê duyệt Đề án Trung tâm dữ liệu quốc gia. Đây là các nền tảng thể chế quan trọng cho quản trị dữ liệu quốc gia.

Thứ hai là các hệ thống dữ liệu quốc gia và dữ liệu ngành đã hình thành hoặc đang được đẩy mạnh, như cơ sở dữ liệu quốc gia về dân cư, đất đai, bảo hiểm, tài nguyên nước, giáo dục và đào tạo, y tế, cổng dữ liệu quốc gia và các kho dữ liệu dùng chung của địa phương.

Thứ ba là cách tiếp cận quốc tế về dữ liệu cho phát triển. World Bank nhấn mạnh dữ liệu có thể tạo ra giá trị kinh tế – xã hội thông qua sử dụng và tái sử dụng, nhưng phải đi cùng niềm tin, công bằng và quản trị rủi ro; OECD nhấn mạnh dữ liệu là tài sản chiến lược nhưng cần quản trị toàn diện để cân bằng giữa khai thác giá trị và bảo vệ quyền lợi.

Thứ tư là kinh nghiệm chuyên ngành, đặc biệt trong lĩnh vực tài nguyên nước, thủy lợi, quy hoạch, phòng chống thiên tai và chuyển đổi số, nơi dữ liệu không chỉ là con số mà còn là tri thức tích lũy qua nhiều thế hệ chuyên gia.

3. Thế nào là một kho dữ liệu chiến lược?

Không phải dữ liệu nào cũng là dữ liệu chiến lược.

Một kho dữ liệu có thể được xem là chiến lược khi hội tụ một số đặc điểm sau.

Thứ nhất, dữ liệu đó gắn với chức năng cốt lõi của quốc gia hoặc một ngành: dân cư, đất đai, tài nguyên, y tế, giáo dục, an sinh, tài chính công, hạ tầng, môi trường, an ninh nguồn nước, thiên tai.

Thứ hai, dữ liệu đó có giá trị lâu dài, không chỉ phục vụ một báo cáo hoặc một dự án ngắn hạn.

Thứ ba, dữ liệu đó có thể tạo ra giá trị lớn nếu được liên thông với dữ liệu khác.

Thứ tư, dữ liệu đó khó mua từ bên ngoài, vì nó phản ánh điều kiện riêng của Việt Nam.

Thứ năm, dữ liệu đó có thể trở thành đầu vào cho AI chuyên ngành, mô hình số, Digital Twin hoặc hệ thống hỗ trợ ra quyết định.

Thứ sáu, dữ liệu đó nếu bị mất kiểm soát có thể tạo rủi ro về an ninh, quyền riêng tư, lợi thế cạnh tranh hoặc năng lực quản trị.

Theo cách hiểu này, một chuỗi số liệu mưa 50 năm, một cơ sở dữ liệu đất đai, một cơ sở dữ liệu dân cư, một kho hồ sơ bệnh án, một hệ thống dữ liệu giáo dục toàn ngành, một kho báo cáo quy hoạch thủy lợi hay một bộ dữ liệu vận hành hồ chứa đều có thể là dữ liệu chiến lược.

Vấn đề không chỉ là dữ liệu nhiều hay ít.

Vấn đề là dữ liệu đó có độc đáo không, có liên thông được không, có phục vụ quyết định không và có thể chuyển hóa thành tri thức AI không.

4. Kho dữ liệu dân cư, định danh và hành chính công

Kho dữ liệu chiến lược đầu tiên của Việt Nam là dữ liệu dân cư, định danh và hành chính công.

Cơ sở dữ liệu quốc gia về dân cư là một trong những nền tảng quan trọng nhất của chính phủ số. Bộ Công an công bố vận hành chính thức hệ thống Cơ sở dữ liệu quốc gia về dân cư và hệ thống sản xuất, cấp, quản lý căn cước công dân từ ngày 01/7/2021.

Dữ liệu dân cư có ý nghĩa đặc biệt vì nó là “trục định danh” để liên thông nhiều dữ liệu khác: bảo hiểm, y tế, giáo dục, thuế, an sinh, đất đai, dịch vụ công, ngân hàng, viễn thông, giao thông và nhiều thủ tục hành chính.

Trong kỷ nguyên AI, dữ liệu dân cư không chỉ phục vụ xác thực danh tính. Nó còn giúp thiết kế chính sách tốt hơn nếu được sử dụng đúng cách: chính sách an sinh, phân bố trường học, y tế cơ sở, quy hoạch đô thị, phòng chống dịch bệnh, dịch vụ công cá nhân hóa và đánh giá nhu cầu xã hội.

Tuy nhiên, đây cũng là nhóm dữ liệu nhạy cảm nhất. Dữ liệu dân cư liên quan trực tiếp đến quyền riêng tư, an toàn cá nhân, an ninh xã hội và niềm tin của người dân. Vì vậy, giá trị của kho dữ liệu này không nằm ở việc khai thác tối đa, mà ở việc khai thác có giới hạn, có mục đích, có pháp lý, có bảo vệ và có trách nhiệm.

Đây là kho dữ liệu nền, nhưng không được xem như dữ liệu thông thường.

5. Kho dữ liệu đất đai, không gian địa lý và quy hoạch

Đất đai là một trong những loại tài sản quan trọng nhất của quốc gia. Dữ liệu đất đai vì vậy là một kho dữ liệu chiến lược đặc biệt.

Dữ liệu đất đai bao gồm địa chính, quyền sử dụng đất, quy hoạch sử dụng đất, giá đất, hiện trạng sử dụng đất, biến động đất đai, kiểm kê đất đai, chất lượng đất, bản đồ nền, địa giới hành chính, hạ tầng kỹ thuật và các dữ liệu liên quan đến không gian địa lý.

Việc xây dựng, hoàn thiện và đưa Cơ sở dữ liệu quốc gia về đất đai vào vận hành, khai thác hiệu quả đang được xác định là nhiệm vụ chính trị quan trọng, cấp bách; yêu cầu đặt ra là dữ liệu đất đai phải “đúng – đủ – sạch – sống – thống nhất – dùng chung”.

Đây là một yêu cầu rất đáng chú ý. Sáu chữ “đúng – đủ – sạch – sống – thống nhất – dùng chung” thực chất có thể xem như tinh thần cốt lõi của quản trị dữ liệu hiện đại.

Dữ liệu đất đai có thể tạo ra giá trị rất lớn cho AI trong các bài toán:

  • quy hoạch không gian;
  • quản lý đô thị;
  • định giá đất;
  • giải phóng mặt bằng;
  • giám sát biến động sử dụng đất;
  • quản lý thuế và tài chính đất đai;
  • phát hiện vi phạm sử dụng đất;
  • đánh giá rủi ro ngập, sạt lở, xói mòn;
  • phân tích tác động của quy hoạch đến dân cư và môi trường.

Đặc biệt, khi kết nối dữ liệu đất đai với dữ liệu tài nguyên nước, giao thông, dân cư, nông nghiệp và thiên tai, chúng ta có thể có những hệ thống hỗ trợ quy hoạch và quản trị lãnh thổ mạnh hơn rất nhiều.

Đây là kho dữ liệu có ý nghĩa nền tảng cho mọi bài toán phát triển không gian của Việt Nam.

6. Kho dữ liệu tài nguyên nước, khí tượng thủy văn, môi trường và thiên tai

Đây là kho dữ liệu mà tôi cho rằng có ý nghĩa chiến lược đặc biệt đối với Việt Nam.

Việt Nam là quốc gia chịu tác động mạnh của biến đổi khí hậu, bão, lũ, hạn hán, xâm nhập mặn, sạt lở, nước biển dâng và các rủi ro liên quan đến quản trị lưu vực sông xuyên biên giới. Vì vậy, dữ liệu tài nguyên nước, khí tượng thủy văn, môi trường và thiên tai không chỉ phục vụ nghiên cứu, mà liên quan trực tiếp đến an ninh nước, an ninh lương thực, an toàn dân cư, vận hành công trình và phát triển bền vững.

Luật Tài nguyên nước năm 2023 có hiệu lực từ ngày 01/7/2024, quy định về quản lý, bảo vệ, điều hòa, phân phối, phục hồi, phát triển, khai thác, sử dụng tài nguyên nước và phòng, chống, khắc phục tác hại do nước gây ra. Các định hướng gần đây về quản trị tài nguyên nước nhấn mạnh việc hiện đại hóa trên nền tảng công nghệ số thông qua hệ thống thông tin, cơ sở dữ liệu tài nguyên nước quốc gia, công cụ hỗ trợ ra quyết định và hệ thống giám sát tài nguyên nước.

Cơ sở dữ liệu tài nguyên nước quốc gia được đặt ra yêu cầu phải bảo đảm tính chính xác, đầy đủ, kịp thời, thống nhất, toàn vẹn, có khả năng tích hợp, chia sẻ, truy xuất và phục hồi khi có sự cố.

Trong lĩnh vực này, Việt Nam đang có nhiều loại dữ liệu rất quý:

  • dữ liệu mưa;
  • dữ liệu mực nước;
  • dữ liệu lưu lượng;
  • dữ liệu chất lượng nước;
  • dữ liệu hồ chứa;
  • dữ liệu khai thác, sử dụng nước;
  • dữ liệu nước dưới đất;
  • dữ liệu xâm nhập mặn;
  • dữ liệu hạn hán;
  • dữ liệu ngập lụt;
  • dữ liệu đê điều, bờ bao, ô bao;
  • dữ liệu công trình thủy lợi;
  • dữ liệu sạt lở;
  • dữ liệu lưu vực sông;
  • dữ liệu quy hoạch và điều tra cơ bản.

Đây là những dữ liệu có giá trị rất cao cho AI chuyên ngành. AI có thể hỗ trợ dự báo lũ, cảnh báo hạn, nhận dạng bất thường trong quan trắc, vận hành hồ chứa, phân bổ nước, đánh giá rủi ro ngập, mô phỏng kịch bản và xây dựng Digital Twin lưu vực sông.

Nhưng chính vì dữ liệu này quan trọng, nó càng cần được chuẩn hóa và liên thông. Nếu mỗi dự án, mỗi địa phương, mỗi cơ quan giữ một phần dữ liệu theo một chuẩn khác nhau thì AI rất khó phát huy giá trị.

Đối với ngành tài nguyên nước, đây có lẽ là kho dữ liệu cần được xem như tài sản chiến lược quốc gia.

7. Kho dữ liệu nông nghiệp, nông thôn và an ninh lương thực

Việt Nam là quốc gia có thế mạnh về nông nghiệp, đặc biệt trong lúa gạo, thủy sản, cà phê, hồ tiêu, trái cây nhiệt đới và nhiều chuỗi giá trị nông sản.

Dữ liệu nông nghiệp vì vậy có ý nghĩa chiến lược ở ít nhất ba phương diện: an ninh lương thực, sinh kế nông thôn và năng lực cạnh tranh nông sản.

Kho dữ liệu nông nghiệp có thể bao gồm:

  • dữ liệu đất nông nghiệp;
  • thổ nhưỡng;
  • cây trồng;
  • mùa vụ;
  • năng suất;
  • giống;
  • sâu bệnh;
  • phân bón;
  • thuốc bảo vệ thực vật;
  • tưới tiêu;
  • thủy lợi nội đồng;
  • chuỗi cung ứng;
  • giá nông sản;
  • mã vùng trồng;
  • truy xuất nguồn gốc;
  • thị trường xuất khẩu;
  • phát thải khí nhà kính trong nông nghiệp.

Trong thời đại AI, đây là nền tảng để phát triển nông nghiệp chính xác, dự báo sâu bệnh, tối ưu tưới, tối ưu phân bón, cảnh báo rủi ro khí hậu, truy xuất nguồn gốc và nâng cao năng lực cạnh tranh của nông sản Việt Nam.

Điểm đáng lưu ý là dữ liệu nông nghiệp có liên hệ rất chặt với dữ liệu tài nguyên nước, khí tượng thủy văn, đất đai và thị trường.

Một hệ thống AI nông nghiệp tốt không thể chỉ biết cây trồng. Nó phải biết đất, nước, thời tiết, giống, mùa vụ, hạ tầng, thị trường và hành vi của người sản xuất.

Vì vậy, kho dữ liệu nông nghiệp chỉ thật sự chiến lược khi được kết nối với các kho dữ liệu khác.

8. Kho dữ liệu y tế, bảo hiểm và an sinh xã hội

Dữ liệu y tế và an sinh xã hội là một trong những nhóm dữ liệu có giá trị lớn nhất nhưng cũng nhạy cảm nhất.

Cơ sở dữ liệu quốc gia về bảo hiểm được quy định là cơ sở dữ liệu lưu trữ thông tin về bảo hiểm xã hội, bảo hiểm y tế, bảo hiểm thất nghiệp và thông tin về y tế, an sinh xã hội được cơ quan có thẩm quyền ghi nhận, nhằm bảo đảm quyền lợi, nghĩa vụ về bảo hiểm của công dân.

Trong lĩnh vực y tế, Việt Nam đang thúc đẩy Sổ sức khỏe điện tử tích hợp trên VNeID. Các thông tin như dữ liệu hành chính, tiền sử bệnh, đợt khám chữa bệnh, tóm tắt hồ sơ bệnh án nếu đã được liên thông, tích hợp và hiển thị đầy đủ có thể được sử dụng thay thế cho giấy tờ y tế tương đương trong thủ tục hành chính, đồng thời phải bảo đảm quyền truy cập, tải về và sử dụng dữ liệu của người bệnh theo quy định bảo vệ dữ liệu cá nhân.

Kho dữ liệu y tế có thể tạo ra giá trị rất lớn cho AI:

  • hỗ trợ chẩn đoán;
  • cảnh báo nguy cơ bệnh;
  • quản lý bệnh mạn tính;
  • tối ưu phân bổ nguồn lực y tế;
  • dự báo dịch bệnh;
  • đánh giá hiệu quả điều trị;
  • cá thể hóa chăm sóc sức khỏe;
  • quản lý bảo hiểm y tế;
  • phát hiện gian lận trong thanh toán bảo hiểm.

Tuy nhiên, đây cũng là kho dữ liệu không thể khai thác tùy tiện. Dữ liệu sức khỏe là dữ liệu cá nhân rất nhạy cảm. Nếu dùng sai, nó có thể ảnh hưởng đến quyền riêng tư, cơ hội việc làm, bảo hiểm, danh dự và sự an toàn của người dân.

Vì vậy, dữ liệu y tế là ví dụ điển hình cho nguyên tắc: dữ liệu càng quý thì càng phải quản trị chặt chẽ.

9. Kho dữ liệu giáo dục, đào tạo và nguồn nhân lực

Giáo dục là nơi hình thành nguồn nhân lực của quốc gia. Dữ liệu giáo dục vì vậy là kho dữ liệu chiến lược cho tương lai dài hạn.

Bộ Giáo dục và Đào tạo đã có hệ thống Cơ sở dữ liệu ngành giáo dục và đào tạo, phục vụ quản lý các cấp học và nhà quản lý. Hệ thống cơ sở dữ liệu giáo dục và đào tạo được vận hành trên mạng Internet tại địa chỉ csdl.moet.gov.vn.

Dữ liệu giáo dục có thể bao gồm:

  • trường lớp;
  • giáo viên;
  • học sinh;
  • cơ sở vật chất;
  • thiết bị dạy học;
  • chương trình;
  • kết quả học tập;
  • thi cử;
  • tuyển sinh;
  • giáo dục nghề nghiệp;
  • đại học;
  • kỹ năng lao động;
  • nhu cầu nhân lực;
  • dữ liệu học tập trực tuyến.

Trong thời đại AI, dữ liệu giáo dục có thể giúp:

  • cá thể hóa học tập;
  • phát hiện học sinh có nguy cơ bỏ học;
  • đánh giá chất lượng giáo dục;
  • dự báo nhu cầu giáo viên;
  • quy hoạch mạng lưới trường lớp;
  • định hướng đào tạo nghề;
  • kết nối giáo dục với thị trường lao động;
  • phát triển AI tiếng Việt và AI giáo dục.

Đặc biệt, trong bài toán dài hạn, dữ liệu giáo dục không chỉ phục vụ quản lý trường học. Nó phục vụ chiến lược phát triển nguồn nhân lực quốc gia.

Một quốc gia muốn phát triển AI phải biết mình có nguồn nhân lực gì, kỹ năng nào đang thiếu, vùng nào thiếu giáo viên, ngành nào thừa hoặc thiếu lao động, và hệ thống đào tạo đang đáp ứng thị trường ra sao.

Dữ liệu giáo dục vì vậy là dữ liệu nền cho phát triển con người.

10. Kho dữ liệu doanh nghiệp, thuế, thương mại và tài chính công

Một nền kinh tế hiện đại cần dữ liệu tốt về doanh nghiệp, hộ kinh doanh, thuế, hải quan, đầu tư, thương mại, tài chính công, ngân sách, tín dụng, thị trường lao động và chuỗi cung ứng.

Đây là nhóm dữ liệu có ý nghĩa chiến lược đối với quản trị kinh tế.

Nếu được tổ chức tốt, dữ liệu kinh tế có thể giúp:

  • đánh giá sức khỏe doanh nghiệp;
  • phát hiện rủi ro thuế;
  • hỗ trợ chính sách tín dụng;
  • dự báo thị trường;
  • phân tích chuỗi cung ứng;
  • theo dõi xuất nhập khẩu;
  • đánh giá hiệu quả đầu tư công;
  • phát hiện bất thường trong đấu thầu, mua sắm công;
  • hỗ trợ doanh nghiệp nhỏ và vừa;
  • phân tích tác động chính sách.

Trong kỷ nguyên AI, dữ liệu kinh tế không chỉ giúp thống kê quá khứ. Nó có thể hỗ trợ dự báo tương lai gần, mô phỏng tác động chính sách và cảnh báo rủi ro vĩ mô.

Tuy nhiên, đây cũng là nhóm dữ liệu liên quan đến bí mật kinh doanh, cạnh tranh, thuế, tài chính và quyền lợi của doanh nghiệp. Vì vậy, cần phân biệt rõ dữ liệu công khai, dữ liệu chia sẻ có điều kiện, dữ liệu tổng hợp và dữ liệu mật.

Đây là lĩnh vực mà AI có thể tạo ra giá trị rất lớn, nhưng chỉ khi có khung quản trị dữ liệu chặt chẽ.

11. Kho dữ liệu giao thông, logistics, đô thị và hạ tầng

Dữ liệu giao thông, logistics, đô thị và hạ tầng là nền tảng cho một nền kinh tế vận hành hiệu quả.

Dữ liệu trong nhóm này gồm:

  • đường bộ, đường sắt, đường thủy, hàng không;
  • cảng biển, cảng cạn, logistics;
  • phương tiện;
  • lưu lượng giao thông;
  • tai nạn;
  • vận tải hành khách;
  • vận tải hàng hóa;
  • hạ tầng cầu đường;
  • hạ tầng thoát nước;
  • cấp điện, cấp nước;
  • chiếu sáng;
  • chất thải;
  • công trình ngầm;
  • dữ liệu đô thị thông minh.

Nhiều địa phương đã xây dựng cổng dữ liệu hoặc kho dữ liệu dùng chung; ví dụ, Cổng dữ liệu TP. Hồ Chí Minh được giới thiệu là nơi khai thác tập trung kho dữ liệu dùng chung của thành phố, phục vụ kết nối, chia sẻ, khai thác dữ liệu của các cơ quan nhà nước thành phố.

AI có thể ứng dụng mạnh trong dữ liệu đô thị và giao thông:

  • tối ưu đèn tín hiệu;
  • dự báo ùn tắc;
  • quản lý vận tải công cộng;
  • phát hiện điểm đen tai nạn;
  • tối ưu logistics;
  • quản lý bảo trì hạ tầng;
  • cảnh báo ngập đô thị;
  • quy hoạch phát triển đô thị;
  • điều hành đô thị thông minh.

Điểm đáng chú ý là dữ liệu đô thị có tính liên ngành rất cao. Một trận mưa lớn không chỉ là dữ liệu khí tượng. Nó liên quan đến thoát nước, giao thông, dân cư, trường học, bệnh viện, điện lực và xử lý khẩn cấp.

Vì vậy, đô thị thông minh không thể chỉ là camera và trung tâm điều hành. Nó phải là hệ sinh thái dữ liệu liên thông.

12. Kho dữ liệu pháp luật, hành chính công và chính sách

Việt Nam có một kho dữ liệu rất lớn về văn bản pháp luật, thủ tục hành chính, hồ sơ giải quyết thủ tục, phản ánh kiến nghị, quyết định hành chính, quy hoạch, tiêu chuẩn, quy chuẩn và chính sách công.

Đây là kho dữ liệu rất quan trọng trong thời đại AI.

AI pháp luật và AI hành chính công có thể hỗ trợ:

  • tra cứu văn bản;
  • rà soát chồng chéo pháp luật;
  • hỗ trợ người dân hiểu thủ tục;
  • hỗ trợ cán bộ soạn thảo văn bản;
  • phân tích tác động chính sách;
  • phát hiện mâu thuẫn trong quy định;
  • chuẩn hóa quy trình hành chính;
  • giảm chi phí tuân thủ cho doanh nghiệp.

Tuy nhiên, dữ liệu pháp luật có yêu cầu rất cao về độ chính xác, hiệu lực, thời điểm áp dụng và quan hệ giữa các văn bản. Một câu trả lời sai về pháp luật có thể gây hậu quả lớn.

Do đó, AI trong pháp luật không thể chỉ dựa trên mô hình ngôn ngữ tổng quát. Nó phải được kết nối với cơ sở dữ liệu pháp luật chính thống, có kiểm soát nguồn, có cập nhật hiệu lực và có cơ chế cảnh báo giới hạn trách nhiệm.

Đây là một trong những kho dữ liệu có thể tạo ra giá trị rất lớn cho cải cách hành chính nếu được quản trị đúng.

13. Kho dữ liệu khoa học công nghệ, tiếng Việt và tri thức văn hóa

Một nhóm dữ liệu chiến lược khác thường bị đánh giá thấp là dữ liệu khoa học công nghệ, tiếng Việt và tri thức văn hóa.

AI muốn phục vụ tốt người Việt Nam phải hiểu tiếng Việt, ngữ cảnh Việt Nam, pháp luật Việt Nam, văn hóa Việt Nam, lịch sử Việt Nam và tri thức chuyên ngành bằng tiếng Việt.

Các mô hình ngôn ngữ quốc tế có thể rất mạnh, nhưng không tự nhiên hiểu sâu các thuật ngữ chuyên ngành, văn phong hành chính, ngôn ngữ địa phương, tài liệu lịch sử, báo cáo kỹ thuật hoặc các bối cảnh chính sách của Việt Nam.

Trong lĩnh vực xử lý ngôn ngữ tiếng Việt, đã có nhiều nỗ lực nghiên cứu như PhoBERT – một trong những mô hình ngôn ngữ đơn ngữ quy mô lớn đầu tiên cho tiếng Việt, nhằm hỗ trợ các tác vụ như gán nhãn từ loại, phân tích cú pháp phụ thuộc, nhận dạng thực thể và suy luận ngôn ngữ tự nhiên. Các bộ dữ liệu đánh giá tiếng Việt như UIT-ViQuAD, VLUE hay VNHSGE cũng cho thấy việc xây dựng dữ liệu tiếng Việt có ý nghĩa quan trọng đối với phát triển AI bản địa.

Nhưng dữ liệu tiếng Việt không chỉ là văn bản phổ thông.

Đối với AI chuyên ngành, còn cần dữ liệu:

  • báo cáo khoa học;
  • luận văn, luận án;
  • tiêu chuẩn, quy chuẩn;
  • hồ sơ quy hoạch;
  • tài liệu kỹ thuật;
  • bản đồ;
  • bài học thực tiễn;
  • thuật ngữ chuyên ngành;
  • văn bản hành chính;
  • kho tri thức của chuyên gia.

Đây là kho dữ liệu rất quan trọng để xây dựng các hệ thống AI phục vụ nghiên cứu, đào tạo, tư vấn chính sách và quản lý chuyên ngành tại Việt Nam.

14. Kho dữ liệu tri thức chuyên gia

Có một kho dữ liệu rất quý nhưng thường không được gọi tên: tri thức chuyên gia.

Tri thức này nằm trong:

  • kinh nghiệm của cán bộ lâu năm;
  • nhận định trong các báo cáo;
  • ghi chú trong quá trình khảo sát;
  • bài học từ các công trình;
  • cách xử lý tình huống vận hành;
  • ký ức về các trận lũ, đợt hạn, đợt mặn;
  • kinh nghiệm điều hành dự án;
  • phương pháp thẩm định quy hoạch;
  • cách đọc số liệu;
  • cách phát hiện bất thường;
  • cách cân nhắc giữa kỹ thuật, kinh tế và xã hội.

Trong lĩnh vực tài nguyên nước và thủy lợi, tri thức chuyên gia có giá trị rất lớn.

Nhiều quyết định không chỉ dựa vào số liệu, mà dựa vào khả năng hiểu bối cảnh. Một chuyên gia nhiều năm kinh nghiệm có thể nhìn một đường quá trình mực nước và nhận ra điều gì đó bất thường. Một cán bộ quy hoạch có thể đọc một phương án công trình và thấy ngay điểm chưa hợp lý. Một người từng sống với ĐBSCL nhiều năm có thể hiểu những khác biệt mà mô hình chưa chắc phản ánh đầy đủ.

Nếu không được số hóa và tổ chức lại, kho dữ liệu này sẽ mất dần khi các thế hệ chuyên gia nghỉ hưu.

Đây là một mất mát âm thầm nhưng rất lớn.

Trong kỷ nguyên AI, một nhiệm vụ rất quan trọng là chuyển tri thức chuyên gia thành tri thức số: phỏng vấn, ghi âm, biên soạn, chuẩn hóa thuật ngữ, xây dựng kho hỏi đáp, số hóa báo cáo, gắn dữ liệu với bối cảnh và tạo AI hỗ trợ truy vấn tri thức chuyên ngành.

Theo tôi, đây là một trong những kho dữ liệu chiến lược nhất của các viện nghiên cứu.

15. Kho dữ liệu nào là quan trọng nhất đối với Việt Nam?

Không nên xếp hạng cứng nhắc, vì mỗi kho dữ liệu phục vụ một mục tiêu khác nhau.

Tuy nhiên, nếu xét từ góc độ phát triển quốc gia và AI, có thể chia thành ba nhóm.

Nhóm nền tảng quốc gia

Bao gồm dữ liệu dân cư, định danh, đất đai, bảo hiểm, thuế, doanh nghiệp, pháp luật, hành chính công và hạ tầng số.

Nhóm này tạo nền cho chính phủ số, dịch vụ công, quản trị kinh tế và xã hội số.

Nhóm an ninh phát triển

Bao gồm dữ liệu tài nguyên nước, khí tượng thủy văn, nông nghiệp, môi trường, thiên tai, năng lượng, giao thông và đô thị.

Nhóm này liên quan trực tiếp đến an ninh nước, an ninh lương thực, an ninh năng lượng, an toàn cộng đồng và phát triển bền vững.

Nhóm tri thức và năng lực tương lai

Bao gồm dữ liệu giáo dục, khoa học công nghệ, tiếng Việt, văn hóa, nghiên cứu, đổi mới sáng tạo và tri thức chuyên gia.

Nhóm này quyết định năng lực học hỏi, sáng tạo và làm chủ AI của Việt Nam trong dài hạn.

Nếu nhìn theo hướng này, Việt Nam không thiếu dữ liệu chiến lược. Điều còn thiếu là khả năng tổ chức dữ liệu thành hệ sinh thái.

16. Vấn đề lớn nhất không phải là thiếu dữ liệu, mà là dữ liệu còn phân tán

Việt Nam đang có rất nhiều dữ liệu.

Nhưng dữ liệu còn phân tán theo ngành, theo địa phương, theo dự án, theo phần mềm, theo đơn vị quản lý và theo định dạng khác nhau.

Một số dữ liệu nằm trong hệ thống chính thức.

Một số nằm trong báo cáo PDF.

Một số nằm trong bản đồ giấy.

Một số nằm trong Excel.

Một số nằm trong ổ cứng cá nhân.

Một số nằm trong trí nhớ chuyên gia.

Đây là tình trạng rất phổ biến.

Vì vậy, nhiệm vụ quan trọng không chỉ là tiếp tục thu thập dữ liệu, mà là:

  • kiểm kê dữ liệu;
  • chuẩn hóa dữ liệu;
  • làm sạch dữ liệu;
  • cập nhật dữ liệu;
  • liên thông dữ liệu;
  • phân loại dữ liệu;
  • bảo vệ dữ liệu;
  • chia sẻ dữ liệu có kiểm soát;
  • gắn dữ liệu với bài toán ra quyết định.

Chiến lược dữ liệu quốc gia và Luật Dữ liệu đã tạo khung chính sách, nhưng công việc thực chất nằm ở từng ngành, từng địa phương, từng cơ quan và từng viện nghiên cứu.

17. Hàm ý cho ngành tài nguyên nước và thủy lợi

Đối với ngành tài nguyên nước và thủy lợi, tôi cho rằng cần ưu tiên xây dựng một “bản đồ dữ liệu ngành”.

Bản đồ đó phải trả lời được các câu hỏi:

  • Ngành đang có những bộ dữ liệu nào?
  • Dữ liệu nào là dữ liệu nền?
  • Dữ liệu nào là dữ liệu động theo thời gian?
  • Dữ liệu nào có thể mở?
  • Dữ liệu nào phải bảo vệ?
  • Dữ liệu nào cần chuẩn hóa trước?
  • Dữ liệu nào có thể dùng cho AI?
  • Dữ liệu nào đang nằm trong báo cáo cần số hóa?
  • Dữ liệu nào nằm trong tri thức chuyên gia cần bảo tồn?
  • Dữ liệu nào cần kết nối với đất đai, dân cư, nông nghiệp, khí tượng, giao thông và môi trường?

Nếu làm được điều này, ngành có thể tiến tới xây dựng:

  • kho dữ liệu tài nguyên nước quốc gia;
  • kho dữ liệu thủy lợi và công trình;
  • kho dữ liệu hồ chứa;
  • kho dữ liệu lũ, hạn, mặn;
  • kho dữ liệu quy hoạch;
  • kho tri thức chuyên gia;
  • AI hỗ trợ tra cứu và thẩm định;
  • AI hỗ trợ dự báo, cảnh báo;
  • Digital Twin cho lưu vực sông và hệ thống thủy lợi.

Đây là con đường rất thiết thực để ngành tài nguyên nước bước vào kỷ nguyên AI.

18. Kết luận

Việt Nam đang sở hữu nhiều kho dữ liệu chiến lược.

Đó là dữ liệu dân cư, đất đai, tài nguyên nước, khí tượng thủy văn, môi trường, nông nghiệp, y tế, bảo hiểm, giáo dục, doanh nghiệp, giao thông, đô thị, pháp luật, khoa học công nghệ, tiếng Việt và tri thức chuyên gia.

Nhưng giá trị của các kho dữ liệu này không tự động xuất hiện.

Dữ liệu chỉ trở thành tài sản chiến lược khi được tổ chức đúng.

Dữ liệu chỉ trở thành năng lực AI khi được chuẩn hóa, liên thông và gắn với bài toán chuyên ngành.

Dữ liệu chỉ trở thành năng lực quốc gia khi được khai thác để phục vụ quyết định, phát triển, an ninh và lợi ích của người dân.

Vì vậy, câu hỏi “Việt Nam có dữ liệu gì?” cần được tiếp tục bằng câu hỏi quan trọng hơn:

  • Việt Nam có làm chủ được dữ liệu đó không?
  • Và có biến được dữ liệu đó thành tri thức, AI và năng lực ra quyết định không?

Đây chính là nhiệm vụ chiến lược của thập niên tới.

Một suy nghĩ bổ sung

Tôi ngày càng tin rằng Việt Nam không thiếu tài sản dữ liệu.

Vấn đề là nhiều tài sản ấy chưa được nhận diện như tài sản.

Có những dữ liệu đang nằm trong cơ sở dữ liệu quốc gia. Có những dữ liệu nằm trong từng bộ, ngành, địa phương. Có những dữ liệu nằm trong báo cáo cũ, bản đồ cũ, file Excel, nhật ký vận hành, hồ sơ công trình. Và có những dữ liệu quý nhất lại nằm trong trí nhớ của những người đã làm nghề hàng chục năm.

Trong thời đại AI, những thứ đó không nên tiếp tục nằm im.

Chúng cần được đánh thức.

Được số hóa.

Được chuẩn hóa.

Được liên thông.

Được bảo vệ.

Được đưa vào mô hình.

Được chuyển hóa thành tri thức số.

Đối với tài nguyên nước và thủy lợi, tôi cho rằng đây là một cơ hội rất lớn. Nếu biết tổ chức lại dữ liệu của mình, chúng ta có thể xây dựng những hệ thống AI rất Việt Nam, giải quyết những bài toán rất Việt Nam, phục vụ những nhu cầu rất thực của đất nước.

Trong kỷ nguyên AI, lợi thế không chỉ thuộc về quốc gia có nhiều dữ liệu nhất.

Lợi thế sẽ thuộc về quốc gia biết rõ mình có dữ liệu gì, biết bảo vệ dữ liệu nào, biết chia sẻ dữ liệu nào, biết kết nối dữ liệu nào và biết biến dữ liệu ấy thành tri thức phục vụ tương lai.

Tài liệu tham khảo

  1. Thủ tướng Chính phủ. Quyết định số 142/QĐ-TTg ngày 02/02/2024 phê duyệt Chiến lược dữ liệu quốc gia đến năm 2030.
  2. Quốc hội. Luật Dữ liệu số 60/2024/QH15.
  3. Chính phủ. Nghị quyết số 175/NQ-CP ngày 30/10/2023 phê duyệt Đề án Trung tâm dữ liệu quốc gia.
  4. Bộ Công an. Cơ sở dữ liệu quốc gia về dân cư và hệ thống căn cước công dân.
  5. Cổng Thông tin điện tử Chính phủ. Yêu cầu hoàn thiện Cơ sở dữ liệu quốc gia về đất đai “đúng – đủ – sạch – sống – thống nhất – dùng chung”.
  6. Quốc hội. Luật Tài nguyên nước số 28/2023/QH15.
  7. Cục Quản lý tài nguyên nước. Quản trị tài nguyên nước trên nền tảng công nghệ số.
  8. Cổng Thông tin điện tử Chính phủ. Quy định về cấu trúc và chuẩn dữ liệu tài nguyên nước.
  9. Bảo hiểm xã hội Việt Nam. Cơ sở dữ liệu quốc gia về bảo hiểm.
  10. Bộ Y tế. Sổ sức khỏe điện tử trên VNeID.
  11. Bộ Giáo dục và Đào tạo. Cơ sở dữ liệu ngành giáo dục và đào tạo.
  12. Bộ Khoa học và Công nghệ. Khởi động Cổng dữ liệu quốc gia data.gov.vn.
  13. Nguyễn Đạt Quốc và cộng sự. PhoBERT: Pre-trained language models for Vietnamese.
  14. Nguyen và cộng sự. UIT-ViQuAD: Vietnamese Question Answering Dataset.
  15. Do và cộng sự. VLUE: Vietnamese Language Understanding Evaluation benchmark.