1. Khi dữ liệu trở thành gánh nặng
Trong quá trình chuyển đổi số, doanh nghiệp ngày càng có nhiều nguồn dữ liệu khách hàng từ hoạt động bán hàng, giao dịch, tiếp thị, chăm sóc khách hàng và hợp tác với đối tác. Tuy nhiên, lượng dữ liệu tăng lên không đồng nghĩa với việc thông tin trở nên đáng tin cậy hơn hoặc có giá trị sử dụng cao hơn.
Một cơ sở dữ liệu khách hàng có thể chứa thông tin liên hệ không chính xác, bản ghi trùng lặp, dữ liệu đã lỗi thời, trường thông tin bị bỏ trống hoặc những khách hàng không còn phù hợp với sản phẩm, dịch vụ đang được cung cấp. Các vấn đề này ảnh hưởng đến khả năng xác định đúng đối tượng, tổ chức hoạt động tiếp cận và phân bổ nguồn lực kinh doanh.
Khung chất lượng dữ liệu của Chính phủ Anh xác định sáu khía cạnh thường được sử dụng để đánh giá dữ liệu: tính đầy đủ, tính duy nhất, tính nhất quán, tính kịp thời, tính hợp lệ và tính chính xác [1]. Đây là cơ sở hữu ích để chuyển khái niệm chất lượng dữ liệu thành những tiêu chí có thể kiểm tra và đo lường. Tuy nhiên, không phải mọi khía cạnh đều có mức độ quan trọng như nhau trong tất cả các tình huống; việc lựa chọn tiêu chí cần dựa trên mục đích sử dụng dữ liệu.
Cần phân biệt ba dạng vấn đề thường gặp. Thứ nhất là dữ liệu sai hoặc thiếu, khiến doanh nghiệp không thể xác định chính xác đối tượng. Thứ hai là dữ liệu lỗi thời, vốn có thể từng đúng nhưng không còn phản ánh tình trạng hiện tại. Thứ ba là dữ liệu không phù hợp với mục tiêu kinh doanh, dù bản thân thông tin vẫn chính xác. Chẳng hạn, thông tin liên hệ của một doanh nghiệp vẫn còn hiệu lực nhưng không có nghĩa doanh nghiệp đó đang có nhu cầu đối với dịch vụ được giới thiệu.
Mỗi dạng vấn đề đòi hỏi cách xử lý riêng: xác minh và bổ sung thông tin; cập nhật theo chu kỳ; hoặc phân loại lại dữ liệu theo mục đích sử dụng. Nếu không phân biệt được các nguyên nhân này, doanh nghiệp dễ tập trung vào việc tăng số lượng bản ghi hoặc sửa lỗi kỹ thuật mà chưa giải quyết được vấn đề thực sự.
Nghiên cứu của Peltier, Zahay và Lehmann công bố trên *Journal of Interactive Marketing* năm 2013 xem chất lượng dữ liệu khách hàng là vấn đề vừa mang tính kỹ thuật, vừa mang tính tổ chức. Nghiên cứu xây dựng và kiểm định mô hình liên hệ giữa thực tiễn học hỏi trong tổ chức, chất lượng dữ liệu khách hàng và hiệu quả hoạt động của doanh nghiệp. Kết quả cho thấy chất lượng dữ liệu có liên quan đến hiệu quả khách hàng và hiệu quả kinh doanh; đồng thời, vai trò của lãnh đạo và sự phối hợp giữa các bộ phận có ý nghĩa đối với việc cải thiện chất lượng dữ liệu [2].
Phát hiện này gợi ý rằng chất lượng dữ liệu không thể chỉ được giao cho bộ phận công nghệ thông tin. Các bộ phận trực tiếp tạo lập, cập nhật và sử dụng thông tin cũng cần tham gia vào quá trình quản trị.
2. Làm sạch dữ liệu mới chỉ là bước đầu
Làm sạch dữ liệu thường bao gồm phát hiện bản ghi trùng lặp, chuẩn hóa định dạng, kiểm tra các trường thông tin, xác minh dữ liệu liên hệ và xử lý những bản ghi không đáp ứng tiêu chí sử dụng. Đây là công việc cần thiết, nhưng không thể giải quyết toàn bộ bài toán chất lượng dữ liệu.
Tiêu chuẩn ISO 8000-1:2022 cung cấp cái nhìn tổng quan về các nguyên tắc chất lượng dữ liệu và hệ thống tiêu chuẩn ISO 8000. Cách tiếp cận này đặt chất lượng dữ liệu trong phạm vi rộng hơn việc sửa lỗi trên một tập dữ liệu riêng lẻ [3]. Trên thực tế, dữ liệu có thể thay đổi ngay sau khi được làm sạch. Một số điện thoại được xác minh hôm nay vẫn có thể không còn được sử dụng trong tương lai. Một doanh nghiệp có thể thay đổi tên, địa chỉ hoặc cơ cấu tổ chức; một điểm giao dịch có thể ngừng hoạt động; một khách hàng có thể thay đổi nhu cầu hoặc chuyển sang sử dụng dịch vụ khác.
Vì vậy, làm sạch dữ liệu cần được đặt trong một quy trình quản trị liên tục, bao gồm xác định nguồn gốc dữ liệu, thống nhất cấu trúc và quy tắc nhập liệu, kiểm tra tính hợp lệ, phát hiện và xử lý trùng lặp, cập nhật thông tin, ghi nhận lịch sử thay đổi và phân công trách nhiệm quản lý.
Khi có dữ liệu mới hoặc phát sinh thay đổi trong quá trình giao dịch, doanh nghiệp cần có cơ chế bổ sung, kiểm tra và cập nhật thông tin trở lại hệ thống. Đồng thời, cần xác định chu kỳ rà soát phù hợp với từng loại dữ liệu. Thông tin phục vụ giao dịch thường xuyên có thể cần kiểm tra với tần suất khác thông tin chỉ dùng cho mục đích thống kê hoặc tham khảo.
Một vấn đề quan trọng khác là nhận diện đúng các đối tượng dữ liệu. Trong môi trường B2B, một tổ chức có thể có nhiều chi nhánh, đơn vị trực thuộc hoặc điểm giao dịch. Nếu tất cả được ghi nhận như những khách hàng độc lập mà không có quan hệ liên kết, doanh nghiệp có thể đánh giá sai quy mô khách hàng, thực hiện hoạt động chăm sóc trùng lặp hoặc phân bổ nguồn lực không hợp lý.
Đây là cơ sở để xem xét phương pháp quản trị dữ liệu chủ (*Master Data Management – MDM*). MDM hướng tới việc thống nhất cách nhận diện và quản lý những thực thể cốt lõi như tổ chức, đơn vị trực thuộc, điểm giao dịch và các đối tượng liên quan. Mục tiêu không nhất thiết là tập trung mọi dữ liệu vào một hệ thống duy nhất, mà là giúp các hệ thống nhận diện đúng đối tượng và duy trì sự nhất quán cần thiết khi trao đổi thông tin.
Theo hướng dẫn của Chính phủ Anh về xây dựng kế hoạch hành động chất lượng dữ liệu, các tiêu chí đánh giá cần được lựa chọn dựa trên nhu cầu của người sử dụng và được cụ thể hóa thành những quy tắc có thể kiểm tra [4]. Doanh nghiệp không nhất thiết phải kiểm soát mọi trường dữ liệu với mức độ ưu tiên như nhau. Những thông tin có ảnh hưởng trực tiếp đến quyết định hoặc quy trình nghiệp vụ cần được xác định rõ và kiểm soát chặt chẽ hơn.
Chất lượng dữ liệu vì vậy phụ thuộc đồng thời vào công nghệ, quy trình và con người. Nếu không có quy tắc nhập liệu thống nhất, phân quyền rõ ràng và trách nhiệm cập nhật cụ thể, dữ liệu có thể nhanh chóng trở lại tình trạng thiếu chính xác ngay cả sau khi đã được làm sạch.
3. Quản trị dữ liệu trong môi trường nhiều người dùng
Ở nhiều doanh nghiệp, dữ liệu khách hàng được tạo lập và sử dụng bởi nhiều bộ phận. Nhân viên kinh doanh, chăm sóc khách hàng, vận hành, kế toán và đối tác có thể cùng tham gia thu thập hoặc xử lý thông tin. Điều này giúp mở rộng nguồn dữ liệu nhưng cũng làm tăng nguy cơ thiếu nhất quán, trùng lặp và sử dụng sai mục đích.
Một giải pháp quan trọng là xác định rõ vai trò của từng bộ phận trong vòng đời dữ liệu. Bộ phận nào được quyền tạo mới bản ghi? Ai có trách nhiệm xác minh thông tin? Khi phát hiện dữ liệu sai, ai được phép sửa? Những thay đổi nào cần được ghi nhận trong lịch sử? Ai chịu trách nhiệm kiểm tra chất lượng dữ liệu định kỳ?
Các câu hỏi này thuộc phạm vi quản trị dữ liệu, không chỉ là vấn đề cấu hình phần mềm. Quản trị dữ liệu cần xác lập thẩm quyền, trách nhiệm, quy tắc và cơ chế ra quyết định để bảo đảm dữ liệu được quản lý nhất quán trong tổ chức. Nếu thiếu các yếu tố này, việc cải thiện chất lượng dữ liệu thường phụ thuộc vào nỗ lực riêng lẻ của từng nhân viên và khó duy trì lâu dài.
Doanh nghiệp cũng cần xác định những trường thông tin tối thiểu cho từng loại đối tượng và mục đích sử dụng. Hồ sơ khách hàng phục vụ quản lý hợp đồng có thể cần những thông tin khác với hồ sơ phục vụ phân loại khách hàng tiềm năng. Việc thiết kế cấu trúc dữ liệu cần dựa trên nhu cầu nghiệp vụ, tránh thu thập quá nhiều thông tin nhưng không có mục đích sử dụng rõ ràng.
Bên cạnh đó, cần phân biệt dữ liệu về tổ chức với dữ liệu cá nhân. Tên doanh nghiệp, mã số doanh nghiệp hoặc thông tin về điểm giao dịch không đồng nhất về bản chất với số điện thoại cá nhân, địa chỉ liên hệ của một cá nhân hay thông tin có thể xác định một người cụ thể. Trong thực tế B2B, các nhóm dữ liệu này thường cùng xuất hiện trong một hồ sơ nên việc phân loại và kiểm soát phải được thực hiện cẩn trọng.
Tại Việt Nam, Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15 và Nghị định số 356/2025/NĐ-CP có hiệu lực từ ngày 1/1/2026, là những căn cứ pháp lý quan trọng đối với hoạt động xử lý dữ liệu cá nhân [5], [6]. Việc thu thập, lưu trữ, chia sẻ và sử dụng dữ liệu cần được xem xét theo mục đích xử lý, căn cứ pháp lý và các yêu cầu áp dụng cho từng hoạt động cụ thể.
Vì vậy, việc một dữ liệu đã được thu thập không mặc nhiên đồng nghĩa với việc dữ liệu đó có thể được sử dụng cho mọi chiến dịch tiếp thị hoặc chia sẻ cho mọi đối tác. Doanh nghiệp cần xác định mục đích sử dụng, quyền truy cập, phạm vi chia sẻ, thời hạn lưu giữ và cơ chế tiếp nhận, xử lý các yêu cầu liên quan đến dữ liệu. Tuân thủ pháp luật cần được tích hợp vào quy trình quản trị ngay từ đầu, thay vì chỉ kiểm tra sau khi dữ liệu đã được đưa vào sử dụng.
4. Từ dữ liệu đến hành động: Vai trò và giới hạn của CRM
Sau khi dữ liệu được chuẩn hóa và quản trị, thách thức tiếp theo là chuyển dữ liệu thành hành động cụ thể. Đây là một trong những vai trò của hệ thống quản trị quan hệ khách hàng (*Customer Relationship Management – CRM*).
CRM có thể hỗ trợ tập hợp lịch sử tương tác, phân loại khách hàng, quản lý cơ hội kinh doanh, giao nhiệm vụ cho nhân viên, theo dõi tiến độ xử lý và ghi nhận kết quả. Thay vì chỉ lưu trữ danh sách liên hệ, hệ thống giúp kết nối thông tin khách hàng với quy trình công việc và trách nhiệm của người thực hiện.
Chẳng hạn, trong hoạt động gia hạn dịch vụ, doanh nghiệp có thể sử dụng dữ liệu về thời hạn hợp đồng, lịch sử giao dịch, tình trạng sử dụng dịch vụ và các lần liên hệ trước đó để xác định nhóm khách hàng cần ưu tiên xử lý. CRM có thể hỗ trợ phân công nhiệm vụ, nhắc thời hạn, theo dõi kết quả liên hệ và ghi nhận lý do khách hàng tiếp tục hoặc không tiếp tục sử dụng dịch vụ.
Trong hoạt động tiếp thị trực tiếp, dữ liệu có thể được phân loại theo mức độ phù hợp với sản phẩm, lịch sử phản hồi và trạng thái tương tác. Từ đó, doanh nghiệp có cơ sở lựa chọn nhóm đối tượng, kênh liên hệ và thời điểm tiếp cận phù hợp hơn, đồng thời hạn chế việc gửi thông điệp lặp lại hoặc không cần thiết.
Tuy nhiên, CRM không tự động giải quyết mọi vấn đề về dữ liệu. Nếu thông tin đầu vào thiếu chính xác, quy tắc phân loại không phù hợp hoặc quy trình giao việc không rõ ràng, hệ thống có thể khiến sai sót được thực hiện nhanh hơn và trên phạm vi rộng hơn. CRM cũng không mặc nhiên thay thế các giải pháp tích hợp dữ liệu, quản trị dữ liệu chủ hoặc các cơ chế kiểm soát tuân thủ.
Tổng quan nghiên cứu của Soltani và Jafari Navimipour về các cơ chế CRM cho thấy lĩnh vực này bao gồm nhiều nhóm phương pháp và kỹ thuật, đồng thời tồn tại những thách thức trong quá trình triển khai và khai thác [7]. Điều đó cho thấy CRM không nên được hiểu đơn thuần là phần mềm lưu thông tin liên hệ, mà là một hệ thống hỗ trợ quản lý quan hệ khách hàng, cần được gắn với quy trình nghiệp vụ và mục tiêu tổ chức.
Dù vậy, hiệu quả của CRM phụ thuộc vào mức độ phù hợp giữa dữ liệu, quy trình nghiệp vụ, cách thiết kế hệ thống và năng lực của người sử dụng. Công nghệ chỉ phát huy giá trị khi được triển khai trên nền tảng quản trị rõ ràng, có sự phối hợp giữa các bộ phận và có cơ chế phản hồi để cải tiến liên tục.
5. Đo lường hiệu quả khai thác dữ liệu
Một hạn chế thường gặp trong quản trị dữ liệu là doanh nghiệp chú trọng số lượng bản ghi được thu thập hoặc làm sạch nhưng chưa xây dựng hệ thống chỉ số đủ rõ để đánh giá dữ liệu có thực sự hỗ trợ hoạt động kinh doanh hay không.
Việc đo lường nên được thực hiện ở ba cấp độ.
Thứ nhất, chất lượng dữ liệu. Các chỉ số có thể bao gồm tỷ lệ bản ghi có đủ trường thông tin bắt buộc, tỷ lệ thông tin liên hệ hợp lệ, tỷ lệ bản ghi trùng lặp, tỷ lệ dữ liệu được cập nhật trong thời hạn quy định và tỷ lệ bản ghi có thể xác định rõ nguồn gốc. Mỗi chỉ số cần có cách tính và tiêu chí đánh giá thống nhất để kết quả giữa các kỳ có thể so sánh được.
Thứ hai, hiệu quả vận hành. Doanh nghiệp có thể theo dõi tỷ lệ nhiệm vụ được hoàn thành đúng hạn, thời gian xử lý trung bình, tỷ lệ liên hệ thành công, số trường hợp phải xác minh lại thông tin và tỷ lệ công việc bị gián đoạn do dữ liệu không đầy đủ. Những chỉ số này giúp nhận diện các điểm nghẽn trong quy trình, thay vì chỉ đánh giá hiệu suất qua số lượng cuộc gọi hoặc số lượng thông điệp đã gửi.
Thứ ba, kết quả kinh doanh. Các chỉ số có thể gồm tỷ lệ chuyển đổi, tỷ lệ gia hạn dịch vụ, doanh thu phát sinh từ từng nhóm khách hàng, chi phí trên mỗi khách hàng đạt được và hiệu quả của từng kênh tiếp cận. Khi có dữ liệu phù hợp, doanh nghiệp có thể phân tích mối quan hệ giữa chất lượng dữ liệu và kết quả kinh doanh theo từng nhóm khách hàng hoặc từng chiến dịch.
Các chỉ số trên là gợi ý cho việc thiết kế hệ thống đo lường, không phải bộ tiêu chuẩn áp dụng giống nhau cho mọi doanh nghiệp. Việc lựa chọn cần căn cứ vào mục tiêu kinh doanh, đặc điểm dữ liệu, mô hình vận hành và khả năng thu thập thông tin đáng tin cậy.
Cũng cần thận trọng khi diễn giải kết quả. Nếu tỷ lệ chuyển đổi tăng sau khi doanh nghiệp làm sạch dữ liệu, chưa thể kết luận rằng toàn bộ mức tăng đó chỉ do chất lượng dữ liệu. Kết quả có thể đồng thời chịu tác động của giá bán, chính sách ưu đãi, chất lượng sản phẩm, kỹ năng nhân viên, thời điểm triển khai và nhiều yếu tố khác.
Để đánh giá đáng tin cậy hơn, doanh nghiệp cần xác định đường cơ sở trước khi thay đổi, thống nhất cách tính chỉ số và so sánh kết quả trong những điều kiện phù hợp. Khi có đủ điều kiện, việc thử nghiệm trên các nhóm tương đồng hoặc so sánh giữa các nhóm triển khai khác nhau có thể giúp nhận diện rõ hơn tác động của từng biện pháp.
Quan trọng hơn, các chỉ số cần được sử dụng để điều chỉnh quy trình. Nếu tỷ lệ liên hệ thành công thấp, doanh nghiệp cần xem xét chất lượng thông tin liên hệ, thời điểm tiếp cận và kênh sử dụng. Nếu tỷ lệ chuyển đổi thấp dù dữ liệu hợp lệ, vấn đề có thể nằm ở phân khúc khách hàng, thông điệp, sản phẩm hoặc cách tổ chức bán hàng. Việc xác định đúng nguyên nhân giúp doanh nghiệp tránh tập trung quá mức vào dữ liệu trong khi bỏ qua những yếu tố khác có ảnh hưởng đến kết quả.
Kết luận
Chất lượng dữ liệu khách hàng là điều kiện quan trọng để nâng cao hiệu quả tiếp thị, bán hàng và chăm sóc khách hàng, nhưng không phải yếu tố duy nhất quyết định kết quả kinh doanh. Dữ liệu chỉ tạo ra giá trị khi được quản trị xuyên suốt, cập nhật phù hợp, sử dụng đúng mục đích và kết nối với các quy trình ra quyết định cụ thể.
Đối với khách hàng B2B, doanh nghiệp cần đồng thời giải quyết ba yêu cầu: bảo đảm dữ liệu đáng tin cậy; thiết lập quy trình và trách nhiệm quản trị rõ ràng; và đo lường hiệu quả sử dụng dữ liệu bằng những chỉ số có thể kiểm chứng. CRM có thể hỗ trợ kết nối dữ liệu với hoạt động thực thi, nhưng không thể thay thế nền tảng quản trị dữ liệu hay trách nhiệm của tổ chức.
Trong dài hạn, lợi thế không chỉ nằm ở việc doanh nghiệp sở hữu bao nhiêu dữ liệu, mà còn ở khả năng xác định dữ liệu nào đáng tin cậy, được phép sử dụng cho mục đích nào, cần chuyển thành hành động gì và kết quả thực tế ra sao. Đó là cơ sở để chuyển từ tích lũy dữ liệu sang khai thác dữ liệu một cách có trách nhiệm và hiệu quả.
Tài liệu tham khảo
[1] Government Digital Service, UK Government. (2020). *The Government Data Quality Framework*. GOV.UK. https://www.gov.uk/government/publications/the-government-data-quality-framework/the-government-data-quality-framework
[2] Peltier, J. W., Zahay, D., & Lehmann, D. R. (2013). Organizational Learning and CRM Success: A Model for Linking Organizational Practices, Customer Data Quality, and Performance. *Journal of Interactive Marketing, 27*(1), 1–13. https://doi.org/10.1016/j.intmar.2012.05.001
[3] International Organization for Standardization. (2022). *ISO 8000-1:2022 Data quality — Part 1: Overview*. https://www.iso.org/standard/81745.html
[4] Government Digital Service, UK Government. *Implementing a data quality action plan*. GOV.UK. https://www.gov.uk/government/publications/implement-a-data-quality-action-plan/data-quality-action-plan-implementation-guide
[5] Quốc hội. (2025). *Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15*, ban hành ngày 26/6/2025, có hiệu lực từ ngày 1/1/2026. https://vanban.chinhphu.vn/?classid=1&docid=214590&pageid=27160&typegroup=
[6] Chính phủ. (2025). *Nghị định số 356/2025/NĐ-CP quy định chi tiết một số điều và biện pháp thi hành Luật Bảo vệ dữ liệu cá nhân*, ban hành ngày 31/12/2025, có hiệu lực từ ngày 1/1/2026. https://vanban.chinhphu.vn/?classid=1&docid=216387&pageid=27160
[7] Soltani, Z., & Jafari Navimipour, N. (2016). Customer relationship management mechanisms: A systematic review of the state of the art literature and recommendations for future research. *Computers in Human Behavior, 61*, 667–688. https://doi.org/10.1016/j.chb.2016.03.008
