Mục tiêu bài học
Sau bài này, bạn sẽ hiểu sự khác nhau giữa dữ liệu có cấu trúc và dữ liệu phi cấu trúc,
vì sao dữ liệu là thành phần quan trọng để xây dựng AI, và vì sao AI hiện đại có thể tạo ra
giá trị lớn từ những loại dữ liệu trước đây rất khó phân tích.
Bức tranh tổng quan
AI không thể hoạt động tốt nếu không có dữ liệu. Dữ liệu là nguyên liệu để mô hình học,
nhận ra mẫu, đưa ra dự đoán và tạo ra kết quả hữu ích.
Trong thực tế, dữ liệu có thể tồn tại dưới nhiều dạng khác nhau. Có loại dữ liệu được tổ chức rõ ràng
thành bảng, hàng và cột. Nhưng cũng có loại dữ liệu ở dạng văn bản, hình ảnh, video, email,
âm thanh hoặc tài liệu tự do. Hai nhóm dữ liệu quan trọng nhất bạn cần phân biệt là:
dữ liệu có cấu trúc và dữ liệu phi cấu trúc.
So sánh nhanh: dữ liệu có cấu trúc và dữ liệu phi cấu trúc
01
Dữ liệu có cấu trúc
Là dữ liệu được tổ chức theo dạng rõ ràng, thường là bảng với hàng và cột,
ví dụ như dữ liệu trong Excel hoặc database.
02
Dễ tìm kiếm và phân tích
Vì có cấu trúc rõ ràng, loại dữ liệu này dễ lọc, sắp xếp, tổng hợp,
tính toán và tạo báo cáo.
03
Dữ liệu phi cấu trúc
Là dữ liệu không nằm gọn trong bảng hàng/cột, ví dụ như văn bản tự do,
hình ảnh, video, âm thanh, email hoặc tài liệu.
04
Khó phân tích hơn
Dữ liệu phi cấu trúc thường khó xử lý bằng cách truyền thống vì nó không có format cố định.
05
AI mở ra giá trị mới
AI hiện đại giúp biến dữ liệu phi cấu trúc thành thông tin có thể tìm kiếm,
phân tích, phân loại và sử dụng trong sản phẩm thực tế.
Dữ liệu có cấu trúc là gì?
Dữ liệu có cấu trúc là dữ liệu được tổ chức theo một định dạng rõ ràng,
thường là dạng bảng gồm hàng và cột. Mỗi cột thường đại diện cho một thuộc tính,
còn mỗi hàng đại diện cho một bản ghi.
Ví dụ, nếu bạn muốn theo dõi giao dịch bán hàng trong tháng này,
bạn có thể tạo một bảng Excel gồm các cột như mã đơn hàng, tên khách hàng,
ngày mua, sản phẩm, số lượng và doanh thu. Đây là dữ liệu có cấu trúc.
Ví dụ về dữ liệu có cấu trúc
- Bảng khách hàng trong database.
- Danh sách đơn hàng trong Excel.
- Dữ liệu giao dịch ngân hàng.
- Bảng điểm học sinh.
- Báo cáo doanh thu theo tháng.
- Dữ liệu sản phẩm trong hệ thống bán hàng.
Ghi nhớ nhanh
Dữ liệu có cấu trúc thường dễ xử lý bằng SQL, Excel, báo cáo BI hoặc các hệ thống database truyền thống
vì dữ liệu đã được sắp xếp thành hàng và cột rõ ràng.
Dữ liệu phi cấu trúc là gì?
Dữ liệu phi cấu trúc là dữ liệu không có cấu trúc cố định theo dạng hàng và cột.
Nó có thể chứa rất nhiều thông tin giá trị, nhưng không dễ phân tích bằng các công cụ truyền thống.
Ví dụ, một email của khách hàng, một bài viết trên mạng xã hội, một ảnh sản phẩm,
một đoạn video, một file ghi âm cuộc gọi hoặc một tài liệu PDF đều có thể chứa thông tin quan trọng,
nhưng chúng không nằm trong một bảng dữ liệu rõ ràng.
Ví dụ về dữ liệu phi cấu trúc
- Email và tin nhắn chat.
- Bài viết, bình luận, review của khách hàng.
- Hình ảnh và ảnh chụp màn hình.
- Video và audio.
- Tài liệu PDF, Word, ghi chú tự do.
- Log hệ thống hoặc nội dung website.
Ví dụ thực tế
-
Một công ty thương mại điện tử có dữ liệu có cấu trúc như đơn hàng, doanh thu, tồn kho.
-
Cùng lúc đó, công ty cũng có dữ liệu phi cấu trúc như review khách hàng,
hình ảnh sản phẩm, email hỗ trợ và tin nhắn khiếu nại.
-
Nếu biết dùng AI, công ty có thể phân tích review để hiểu khách hàng đang hài lòng hay phàn nàn điều gì.
Vì sao dữ liệu phi cấu trúc quan trọng?
Trước đây, dữ liệu có cấu trúc thường được xem là dễ dùng và có giá trị hơn
vì nó dễ phân tích bằng bảng tính, SQL hoặc báo cáo. Trong khi đó, dữ liệu phi cấu trúc
khó xử lý hơn vì không có định dạng cố định.
Nhưng ngày nay, AI đã giúp mở khóa giá trị từ dữ liệu phi cấu trúc.
Các mô hình AI có thể đọc văn bản, hiểu ngôn ngữ, phân tích hình ảnh,
nhận diện âm thanh, tóm tắt tài liệu và trích xuất thông tin quan trọng.
Đây là lý do dữ liệu phi cấu trúc trở thành một nguồn tài nguyên rất lớn cho doanh nghiệp,
đặc biệt trong các bài toán như chăm sóc khách hàng, phân tích phản hồi,
tìm kiếm tài liệu, chatbot, phân loại nội dung và hệ thống RAG.
AI cần cả hai loại dữ liệu
Trong sản phẩm AI thực tế, dữ liệu có cấu trúc và dữ liệu phi cấu trúc thường được dùng cùng nhau.
Dữ liệu có cấu trúc giúp hệ thống hiểu các thông tin rõ ràng như số liệu, trạng thái, ngày tháng,
danh mục và giao dịch. Dữ liệu phi cấu trúc giúp hệ thống hiểu nội dung tự nhiên như văn bản,
hình ảnh và cuộc hội thoại.
Ví dụ, một chatbot nội bộ có thể cần dữ liệu có cấu trúc từ database nhân sự,
đồng thời cần dữ liệu phi cấu trúc từ tài liệu chính sách, email và file hướng dẫn.
Key concepts
- Structured Data: dữ liệu có cấu trúc, thường ở dạng bảng hàng/cột.
- Unstructured Data: dữ liệu phi cấu trúc như văn bản, ảnh, video, audio, email.
- Database: nơi lưu trữ dữ liệu có tổ chức để dễ truy vấn và quản lý.
- Data Analysis: quá trình phân tích dữ liệu để tìm insight.
- AI Insight: thông tin có giá trị được AI phát hiện từ dữ liệu.
- RAG: kỹ thuật thường dùng dữ liệu phi cấu trúc để hỗ trợ LLM trả lời tốt hơn.
Điểm cần nhớ
- Dữ liệu là nguyên liệu quan trọng để xây dựng AI.
- Dữ liệu có cấu trúc thường được tổ chức thành hàng và cột.
- Dữ liệu phi cấu trúc gồm văn bản, hình ảnh, video, âm thanh, email và tài liệu.
- Dữ liệu có cấu trúc dễ phân tích hơn bằng công cụ truyền thống.
- AI hiện đại giúp khai thác giá trị từ dữ liệu phi cấu trúc tốt hơn trước đây.
- Một ứng dụng AI thực tế thường cần kết hợp nhiều loại dữ liệu khác nhau.
Kết luận
Hiểu dữ liệu có cấu trúc và dữ liệu phi cấu trúc là bước nền tảng khi học AI.
AI không chỉ làm việc với bảng số liệu, mà còn có thể khai thác văn bản, hình ảnh,
âm thanh, video và tài liệu. Đây là lý do dữ liệu trở thành một trong những yếu tố quan trọng nhất
khi xây dựng sản phẩm AI hiện đại.