Ontology là lớp Knowledge Graph nằm trên semantic model, giúp AI không chỉ đọc đúng số mà còn hiểu đúng bối cảnh business. Đây là nền tảng bắt buộc của các hệ thống Agentic AI Analytics thế hệ mới như Microsoft Fabric IQ. Để giúp cộng đồng tiếp cận kỹ năng này, Microsoft vừa open-source Ontology Playground — công cụ học trực quan với 6 domain mẫu, visual editor và 8 khóa học có cấu trúc. Không backend, không đăng ký, MIT license.

Tìm hiểu ngày về Ontology dưới đây.

AI của bạn phân tích đúng số liệu nhưng có thực sự hiểu đúng ngữ cảnh business không?

Đó chính là vấn đề mà Ontology trong Microsoft Fabric IQ sinh ra để giải quyết.

Ai đã làm Agentic AI Analytics sẽ biết đây là một trong những tính năng quan trọng nhất giúp AI phân tích dữ liệu không chỉ đúng số, mà còn đúng nghĩa.

✨ Ontology là gì và tại sao nó khác với semantic model?

Hầu hết dân Analytics đã quen với semantic model - Star Schema, Medallion Architecture, Power BI Dataset. Đây là lớp định nghĩa số liệu: Revenue là gì, Customer là ai, KPI tính thế nào.

Nhưng semantic model vẫn có một giới hạn lớn: nó mô tả cấu trúc dữ liệu, chứ không mô tả mối quan hệ ý nghĩa giữa các khái niệm.

Ví dụ: "Revenue" trong bảng CRM và "Revenue" trong bảng ERP cùng tên, nhưng có thể là hai khái niệm hoàn toàn khác nhau. Semantic model không tự biết điều đó. Nhưng Ontology thì biết.

Ontology là lớp tri thức (Knowledge Graph) phía trên semantic model - nơi bạn định nghĩa:

→ Entity: Customer, Product, Transaction, Market Segment...

→ Relationship: Customer mua Product, Transaction thuộc về Customer...

→ Property: mỗi entity có những thuộc tính gì, kiểu dữ liệu nào

→ Business rule: Revenue được công nhận khi nào, Customer được phân loại thế nào

Đây là chuẩn kỹ thuật được W3C định nghĩa từ nhiều năm trước thông qua hai chuẩn chính: RDF (Resource Description Framework) để biểu diễn dữ liệu dưới dạng bộ ba *subject-predicate-object*, và OWL (Web Ontology Language) để định nghĩa logic và ràng buộc giữa các khái niệm.

Google Knowledge Graph, Wikidata, hay hệ thống của các tập đoàn lớn, tất cả đều xây trên nền tảng này.

✨ Tại sao Ontology lại quan trọng với Agentic AI Analytics?

Khi AI Agent nhận câu hỏi: "Doanh thu tháng này của khách hàng enterprise tại miền Nam là bao nhiêu?" nó cần hiểu:

→ "Doanh thu" nghĩa là gì trong context doanh nghiệp bạn (recognized revenue, booked revenue, hay collected revenue?)

→ "Enterprise" được phân loại theo tiêu chí nào (doanh số, số nhân viên, hay ngành?)

→ "Miền Nam" map vào trường dữ liệu nào trong hệ thống?

Không có ontology, AI phải đoán và đoán sai là chuyện bình thường. Có ontology, AI tra cứu được định nghĩa chính xác từ knowledge graph của doanh nghiệp, rồi mới truy vấn dữ liệu.

Đây là lý do các hệ thống AI phân tích dữ liệu thế hệ mới bao gồm Microsoft Fabric IQ - đều đang tích hợp Knowledge Graph như một lớp bắt buộc. Không có semantic grounding tốt, natural language query sẽ không đáng tin cậy ở cấp production.

Vấn đề là: xây ontology không phải chuyện đơn giản. Nếu bạn chưa từng làm việc với RDF, OWL, hay Knowledge Graph trước đây, điểm bắt đầu có thể khá mơ hồ.

✨ Microsoft hiểu điều đó và vừa open-source một tool giúp bạn học Ontology theo cách trực quan nhất có thể: Ontology Playground.

Nếu bạn đang tìm hiểu Microsoft Fabric IQ, đây là công cụ học tập tốt nhất hiện tại và hoàn toàn miễn phí.

Một React app tĩnh, không backend, không cần đăng ký.

→ Khám phá 6 domain ontology có sẵn: Retail, Healthcare, Finance, Manufacturing, E-Commerce, Education

→ Thiết kế ontology của riêng bạn bằng visual editor (kéo thả entity, relationship, property)

→ Học theo lộ trình có cấu trúc: 8 courses, từ Ontology Fundamentals đến hands-on lab xây 15-entity ontology từ đầu

→ Export RDF/XML đúng format mà Fabric IQ yêu cầu

→ Thử Natural Language Query - gõ câu hỏi tiếng Anh, xem nó map vào ontology thế nào

Không vendor lock-in. Deploy ở đâu cũng được. MIT license.

🔗 Link Repo miễn phí từ Microsoft: https://github.com/microsoft/Ontology-Playground

---

Đây chính là lý do trong chương trình Agentic AI Analytics (Business Intelligence) của MDA, chúng tôi dành riêng phần AI-Ready BI System để nói về semantic layer, ontology, và cách chuẩn bị data foundation cho AI.

Phân tích dữ liệu bằng AI không chỉ là "gõ câu hỏi, nhận insight". Nó đòi hỏi hệ thống metadata phía sau phải đủ chuẩn để AI có chỗ mà "đứng" và ontology chính là một trong những nền tảng đó.

Tất cả kiến thức mới nhất về Agentic AI Analytics sẽ được cập nhật liên tục trong chương trình.

Cách bạn dùng AI để phân tích dữ liệu tại Mastering Data Analytics luôn đảm bảo ba điều: đúng chuẩn chuyên môn Analytics, đúng chuẩn vận hành doanh nghiệp, và cập nhật đúng những gì các hãng công nghệ lớn đang triển khai mới nhất trên thế giới.

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!

---

🔔+230.000 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

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

Until next time, keep turning data into decisions!