top of page
Mastering Data Analytics (MDA)

+240,000 people follow us across platforms. Leave your email to receive the latest updates on Data Analytics with No-code, AI & Automation! 👇

Cuộc đua AI không còn là ai viết SQL, DAX giỏi hơn - mà là ai hiểu doanh nghiệp hơn

LÊ THỊ PHƯƠNG THẢO

November 5, 2026 at 8:38:57 PM

Cuộc đua AI không còn là ai viết SQL, DAX giỏi hơn - mà là ai hiểu doanh nghiệp hơn


Model AI hiện đã đủ mạnh, nên các công ty lớn không còn đua xem AI viết SQL, DAX, dựng dashboard giỏi tới đâu nữa - việc đó gần như đã thành chuẩn chung của mọi model. Cuộc đua thật sự bây giờ là AI có hiểu đúng doanh nghiệp hay không, vì viết được công thức đúng cú pháp không có nghĩa là hiểu đúng ý nghĩa kinh doanh phía sau công thức đó.


Google vừa đổi tên Dataplex thành Knowledge Catalog, định vị lại nó là bộ máy cung cấp ngữ cảnh cho mọi AI Agent (tác nhân AI tự thực hiện tác vụ) trong doanh nghiệp. Microsoft đưa Ontology (mô hình hóa thực thể, quan hệ và quy tắc nghiệp vụ) vào Fabric IQ, cho phép generate (tạo tự động) thẳng từ Power BI semantic model (mô hình ngữ nghĩa nằm sau mỗi report). Cả hai đều đang đi về cùng một hướng: xây Knowledge Graph (đồ thị tri thức nối dữ liệu với ý nghĩa kinh doanh) - tức là thay vì để mỗi agent tự suy ra ý nghĩa của dữ liệu theo cách riêng mỗi lần được hỏi, cả công ty dùng chung một nguồn định nghĩa đã được xác minh.


🔹Một ví dụ cho thấy vì sao điều này quan trọng


Trong một demo gần đây của Knowledge Catalog, một VP Sales hỏi agent: "Giá trị đơn hàng trung bình quý 4 của nhóm khách hàng cao cấp là bao nhiêu?" Agent dò schema (cấu trúc bảng dữ liệu) mấy vòng, viết ra câu SQL chạy được, giả định nghe cũng hợp lý - nhưng con số trả về lại sai, vì không ai nói cho nó biết "khách hàng cao cấp" ở công ty này được định nghĩa như thế nào. Schema chỉ cho agent biết dữ liệu được tổ chức ra sao, không cho biết dữ liệu đó mang nghĩa gì trong nghiệp vụ - và đây chính là khoảng trống mà một SQL chạy được vẫn có thể lấp đầy bằng một giả định sai.


Khi bật Knowledge Catalog, agent lấy được chính sách phân khúc khách hàng đã được xác minh, chọn đúng bảng và trả về đúng con số 88 USD trong một lần chạy, không phải dò lại từ đầu. Theo thử nghiệm nội bộ của Google, độ chính xác tăng gần 4 lần, độ trễ giảm đáng kể, và chi phí token (đơn vị tính tiền khi gọi AI) giảm tới 75% - vì agent không còn phải tốn nhiều lượt gọi để tự suy luận ra điều lẽ ra đã có sẵn câu trả lời.


🔹 Không phải mua tool về là xong


Tới đây, nhiều người sẽ nghĩ: vậy chỉ cần mua tool về là xong. Nhưng có một chi tiết đáng chú ý trong demo: Google thiết kế hẳn Knowledge Studio cho hai vai trò riêng - data steward (người chịu trách nhiệm về định nghĩa và chất lượng dữ liệu) và context engineer (người xây và quản lý ngữ cảnh cho AI). Khi quy tắc "khách hàng cao cấp" thay đổi, AI tự nhặt thay đổi đó từ các cuộc hội thoại và đề xuất cập nhật - nhưng người duyệt, sửa hoặc từ chối đề xuất đó vẫn là con người.


Bên Microsoft cũng đi theo logic tương tự. Ontology có thể generate từ semantic model, nên nếu semantic model có measure (công thức tính chỉ số) đặt tên lung tung, quan hệ bảng mơ hồ, mỗi phòng ban hiểu "doanh thu" một kiểu, thì agent sẽ thừa hưởng nguyên sự lộn xộn đó và trả lời sai một cách rất tự tin. Ontology không tự làm sạch nghiệp vụ, nó chỉ phản chiếu lại đúng những gì semantic model phía dưới đang có - rõ ràng hay lộn xộn đều được giữ nguyên.


🔹 Tóm lại

Câu hỏi bây giờ không còn là AI có viết được SQL hay DAX (ngôn ngữ công thức trong Power BI) hay không. Câu hỏi là: trong công ty bạn, ai định nghĩa được "khách hàng cao cấp", "doanh thu thuần", "đơn hàng hợp lệ"? Ai nhìn vào đề xuất của AI mà biết nó đúng hay sai?


Nhiều người hỏi: đóng gói hết kiến thức cho AI rồi thì người làm phân tích còn làm gì? Demo của Google đã trả lời sẵn câu đó: hệ thống càng tự động, người hiểu business, hiểu data model (mô hình dữ liệu), và đủ năng lực đánh giá kết quả AI lại càng có giá. Đây cũng là lý do Semantic Layer trước, AI Agent sau vẫn đúng ngay cả khi công cụ context đã mạnh hơn nhiều: công cụ chỉ vận chuyển và tự động hóa phần ngữ cảnh đã có, còn ai viết ra ngữ cảnh đó đúng hay sai vẫn luôn là con người.


Còn bạn: trong doanh nghiệp của bạn, ai là người có thể định nghĩa chính xác "khách hàng cao cấp" hay "doanh thu thuần" ngay lúc này?


Khóa Agentic AI Analytics (AAA) của MDA được thiết kế cho đúng vai trò đó: đóng gói nghiệp vụ và chuẩn dữ liệu của doanh nghiệp thành ngữ cảnh mà AI Agent dùng được trên Power BI và Microsoft Fabric, rồi tự vận hành, kiểm tra và sửa kết quả mà agent trả ra.


Tìm hiểu về chương trình bạn sẽ học được kiến thức thật sự nền tảng & ứng dụng thực tế cao, không chỉ kiến thức bề mặt!

→ Agentic AI Analytics (BI): https://www.mastering-da.com/agentic-ai-anlytics-program


---

🔔+250.000 người đăng ký theo dõi chúng tôi trên các nền tảng: https://www.mastering-da.com/newsletter

📌Các chương trình ANALYTICS ứng dụng vào AGENTIC AI - phiên bản NÂNG CẤP mới nhất 2026, kế thừa nền tảng đào tạo Analytics hàng đầu Việt Nam từ 2020, tập trung vào tư duy phân tích, năng lực ra quyết định và ứng dụng AI trong thực tế doanh nghiệp

→ Agentic AI Analytics (BI) dành cho mọi phòng ban làm việc với dữ liệu: https://www.mastering-da.com/agentic-ai-anlytics-program

→ Finance Analytics Agent Skills (FA) dành cho tài chính, kế hoạch, quản trị, CFO: https://www.mastering-da.com/finance-analytics-agent-skills-program

Tại MDA nơi tập trung vào tư duy phân tích & năng lực ra quyết định, không chỉ công cụ.


#PhuongThaoAnalytics #AI #Analytics #DataDriven #AgenticAI #MasteringDataAnalytics



Until next time, keep turning data into decisions!

Mastering Data Analytics (MDA)

Providing training and data analysis consulting services (Zalo: 0961 48 66 48)

+170,000 people follow us across platforms. Leave your email to stay updated with the latest knowledge about Data Analytics with No-code, AI & Automation! 👇

​Read more from Mastering Data Analytics (MDA)
55% sếp hối hận vì cắt người do AI - nhưng được gọi lại không hẳn là tin vui

Doanh nghiệp gọi người quay lại, nghĩa là đang có một khoảng trống mà AI chưa gánh được. Số ra sai, quy trình gãy giữa chừng, mà không ai trong phòng biết sai ở đâu để sửa.

Nov 13, 2026

Lỡ dán dữ liệu công ty vào ChatGPT, ai chịu trách nhiệm?

Shadow AI - những công cụ AI nhân viên tự dùng ngoài kiểm soát của công ty - không còn là rủi ro lý thuyết, mà đang là chuyện rất thật ở nhiều doanh nghiệp Việt Nam.

Nov 13, 2026

Cuộc đua AI không còn là ai viết SQL, DAX giỏi hơn - mà là ai hiểu doanh nghiệp hơn

Hệ thống càng tự động, người hiểu business, hiểu data model (mô hình dữ liệu), và đủ năng lực đánh giá kết quả AI lại càng có giá

Nov 5, 2026

bottom of page