Từ Microsoft, DBS đến một “cá mập” Shark Tank đi học tiến sĩ: Khoa học dữ liệu thành năng lực bắt buộc của người đứng đầu
Từ Microsoft, DBS đến JPMorgan, nhiều CEO toàn cầu đã coi dữ liệu là năng lực của người đứng đầu chứ không phải việc riêng của phòng công nghệ. Họ xây văn hóa dữ liệu, đào tạo hàng nghìn nhân viên, nhưng cũng sẵn sàng chất vấn chính các con số. Ở Việt Nam, đã có doanh nhân chọn đi học lại để bổ sung năng lực này.
Khảo sát CEO năm 2025 của IBM với 2.000 CEO tại 33 quốc gia, thực hiện từ tháng 2 đến tháng 4/2025, cho thấy 72% CEO coi dữ liệu độc quyền của tổ chức là yếu tố then chốt để khai thác giá trị của AI tạo sinh. Cũng khảo sát này ghi nhận chỉ 25% dự án AI trong vài năm qua đạt ROI như kỳ vọng, và chỉ 16% được mở rộng ra toàn doanh nghiệp.
Khoảng cách giữa kỳ vọng và kết quả ấy không nằm chủ yếu ở công nghệ. Theo khảo sát lãnh đạo dữ liệu và AI năm 2025 tại các tổ chức lớn, được MIT Sloan Management Review dẫn lại, 92% người trả lời cho rằng thách thức chính là văn hóa và quản trị thay đổi. Vì thế, ở nhiều tập đoàn, câu chuyện dữ liệu bắt đầu từ chính người đứng đầu.
Satya Nadella: văn hóa dữ liệu phải nằm trong kết cấu của công ty
Tháng 4/2014, khoảng hai tháng sau khi nhận ghế CEO Microsoft, Satya Nadella dùng sự kiện ra mắt SQL Server 2014 tại San Francisco để nói về điều ông gọi là "văn hóa dữ liệu". "Mọi khía cạnh trong hoạt động kinh doanh của Microsoft đang thay đổi căn bản vì dữ liệu", ông nói. Theo Nadella, doanh nghiệp phải xây dựng sâu vào kết cấu của mình một nền văn hóa phát triển nhờ dữ liệu, nơi mỗi kỹ sư, mỗi ngày đều nhìn vào dữ liệu sử dụng sản phẩm để học hỏi.
Thông điệp đáng chú ý không nằm ở công cụ được ra mắt hôm đó, mà ở chỗ một CEO mới nhậm chức đặt văn hóa dữ liệu vào nhóm việc ưu tiên của chính mình, thay vì giao lại cho bộ phận kỹ thuật.
DBS và JPMorgan: đưa dữ liệu vào cả bộ máy
Ở châu Á, DBS dưới thời CEO Piyush Gupta là một ví dụ thường được nhắc tới. Tháng 10/2019, ngân hàng cho biết hơn 16.000 nhân viên đã được đào tạo về dữ liệu lớn và phân tích dữ liệu trong 18 tháng, qua chương trình Data Heroes. Mục tiêu của chương trình là giúp nhân viên dùng dữ liệu để giải quyết thách thức kinh doanh một cách có cấu trúc, xác định cơ hội và phối hợp chặt chẽ hơn với đội ngũ nhà khoa học dữ liệu.
Theo bài viết đăng trên website DBS tháng 10/2022, ngân hàng chi khoảng 1 tỷ SGD mỗi năm cho công nghệ trong bốn năm trước đó, trong đó khoản tăng nhanh nhất dành cho năng lực dữ liệu. DBS khi đó có 250 trường hợp ứng dụng AI; trong năm trước đó, AI và dữ liệu mang lại khoảng 150 triệu SGD doanh thu bổ sung và 25 triệu SGD từ ngăn ngừa thất thoát, tăng năng suất. Dù vậy, Gupta vẫn tự chấm mức ứng dụng AI của DBS ở khoảng 2-3 trên thang điểm 10. "Chúng tôi không biết điều mình chưa biết", ông nói.
Ở Mỹ, JPMorgan Chase cũng đi theo hướng tương tự. Theo FStech dẫn thư gửi cổ đông của CEO Jamie Dimon công bố tháng 4/2023, ngân hàng có hơn 300 trường hợp ứng dụng AI đang vận hành, hơn 900 nhà khoa học dữ liệu, 600 kỹ sư học máy và hơn 1.000 người làm quản lý dữ liệu. Năm 2024, Dimon viết rằng việc sử dụng AI "có tiềm năng hỗ trợ gần như mọi công việc" tại ngân hàng.
Jeff Bezos: biết dùng dữ liệu cũng là biết nghi ngờ dữ liệu
Xây được hệ thống dữ liệu chưa phải là điểm dừng. Trên Lex Fridman Podcast, nhà sáng lập Amazon Jeff Bezos kể lại một buổi họp nội bộ, khi số liệu của công ty cho thấy thời gian phản hồi của bộ phận chăm sóc khách hàng dưới 60 giây. Ông gọi thử đường dây nóng của Amazon ngay trong phòng họp và phải chờ hơn 10 phút mới có người nghe máy.
"Khi dữ liệu và những phản ánh thực tế mâu thuẫn, phản ánh thực tế thường đúng", Bezos nói. Theo ông, khi đó thường là vì doanh nghiệp đang đo sai thứ cần đo. Câu chuyện cho thấy vai trò của người đứng đầu không phải là tin tuyệt đối vào con số, mà là biết hỏi con số đang đo điều gì.
Điểm chung: CEO không cần viết code, nhưng cần biết hỏi
Từ Nadella, Gupta đến Bezos, điểm chung không phải là việc CEO tự tay xử lý dữ liệu, mà là năng lực biến nhận định thành câu hỏi có thể kiểm chứng. Thay vì dừng ở nhận định "khách hàng rời đi vì giá", người lãnh đạo có thể hỏi cụ thể hơn: nhóm khách hàng nào rời đi, vào thời điểm nào, dữ liệu nào đủ tin cậy để trả lời, dùng phương pháp phân tích nào và kết quả giải thích được đến đâu.
Trong đầu tư, câu hỏi giúp nhìn vào chất lượng tăng trưởng thay vì chỉ nhìn quy mô doanh thu: doanh thu tăng nhờ khách hàng quay lại hay nhờ đẩy mạnh chi phí quảng cáo, tốc độ mở rộng có đi cùng hiệu quả vận hành hay không. Trong quản trị rủi ro, câu hỏi hướng tới dấu hiệu bất thường về dòng tiền, chi phí hoặc mức độ phụ thuộc vào một nhóm khách hàng. Người lãnh đạo cũng cần hiểu dữ liệu được thu thập ra sao, mô hình dựa trên giả định gì và kết quả áp dụng được đến đâu.
Kinh nghiệm vẫn giữ vai trò quan trọng. Người đã đi qua nhiều chu kỳ kinh doanh biết một chỉ số có thể bị tác động bởi mùa vụ, thay đổi chính sách hay hành vi khách hàng. Nghiên cứu năm 2011 của Erik Brynjolfsson, Lorin Hitt và Heekyung Kim (MIT và Wharton) trên 179 doanh nghiệp lớn niêm yết ghi nhận những công ty đề cao quyết định dựa trên dữ liệu có sản lượng và năng suất cao hơn khoảng 5-6% so với mức có thể dự đoán từ đầu tư công nghệ thông tin của chính họ. Dữ liệu không thay thế kinh nghiệm, mà giúp kinh nghiệm được kiểm chứng.
Ở Việt Nam: khi doanh nhân chọn đi học lại
Nếu các tập đoàn toàn cầu xây năng lực dữ liệu ở cấp tổ chức, ở Việt Nam đã có trường hợp người lãnh đạo tự bổ sung năng lực này ở cấp cá nhân. Tháng 2/2026, bà Lê Mỹ Nga, Chủ tịch WeAngels Capital và là nhà đầu tư của Shark Tank Việt Nam mùa 7, chia sẻ trên trang cá nhân việc nhận học bổng chương trình Applied Doctorate in Data Science (Tiến sĩ ứng dụng về Khoa học Dữ liệu) của East Bridge University (EBU). Theo email của trường mà bà chia sẻ, bà được chọn sau khi được đánh giá về nền tảng học thuật và 27 năm kinh nghiệm lãnh đạo trong quản trị chiến lược, đổi mới sáng tạo, quản trị rủi ro và chuyển đổi số.
Trường hợp này đáng chú ý vì bà Nga đã có bằng tiến sĩ về Quản trị Công nghệ và Đổi mới sáng tạo. Ở góc độ quản trị, lựa chọn này cùng hướng với cách các tập đoàn toàn cầu đang tiếp cận: dùng dữ liệu để bổ sung, chứ không thay thế, kinh nghiệm của người ra quyết định.
Applied Doctorate của EBU: học để giải những bài toán đang hiện hữu
Với người đang điều hành doanh nghiệp, việc chọn một chương trình học chuyên sâu thường bắt đầu từ những câu hỏi rất thực tế: vì sao khách hàng rời bỏ dịch vụ, yếu tố nào đang chi phối dòng tiền, hay dấu hiệu nào cho thấy một mô hình kinh doanh có thể tăng trưởng bền vững. Applied Doctorate in Data Science (Tiến sĩ ứng dụng về Khoa học Dữ liệu) của East Bridge University (EBU), cơ sở giáo dục tư thục, độc lập, đăng ký tại Paris (Pháp), được thiết kế theo hướng đó. Theo giới thiệu của EBU, chương trình kết hợp kiến thức lý thuyết với nghiên cứu ứng dụng, chú trọng tư duy phản biện và ra quyết định dựa trên dữ liệu. Người học theo hình thức trực tuyến, thời gian tối đa 36 tháng, nên có thể sắp xếp song song với trách nhiệm điều hành.
Giá trị của hướng học này nằm ở cách nó rèn người học nhìn một vấn đề quản trị: làm rõ giới hạn của kết luận, nói được điều gì dữ liệu đã cho thấy và điều gì chưa đủ cơ sở để khẳng định. Nhờ vậy, những quan sát tích lũy qua nhiều năm thực tiễn có thể được hệ thống hóa thành cách tiếp cận có căn cứ, đủ rõ để trao đổi với đội ngũ và giải trình với hội đồng quản trị hay nhà đầu tư. Đổi lại, nghiên cứu đòi hỏi người học sẵn sàng kiểm tra cả những điều mình từng tin là đúng, vì vậy đây cũng là dịp nhìn lại cách tư duy và ra quyết định của chính mình.
Tiến sĩ Janat Ruby Clemis, Tổng Giám đốc East Bridge University, có bằng Tiến sĩ chuyên ngành Lãnh đạo Giáo dục và hơn 18 năm kinh nghiệm quốc tế trong lĩnh vực giáo dục. Bà cho biết: "Với người đã có nhiều năm kinh nghiệm lãnh đạo, việc học cần gắn rõ với những vấn đề họ đang đối diện. Kinh nghiệm mang đến chiều sâu bối cảnh; phương pháp nghiên cứu giúp kiểm chứng giả định và phát triển giải pháp có căn cứ. Một môi trường giáo dục tốt cần ghi nhận sự khác biệt về nền tảng nghề nghiệp và văn hóa, đồng thời khuyến khích người học tiếp nhận góc nhìn mới."
Học bổng dựa trên hồ sơ thành tích
Với người học đã đi làm lâu năm, hồ sơ thành tích có thể gồm nền tảng học thuật, trách nhiệm nghề nghiệp, kết quả công việc và đóng góp cho lĩnh vực hoạt động. Theo quy trình tuyển sinh được EBU công bố, ứng viên nộp hồ sơ, hoàn thành biểu mẫu đánh giá và cung cấp bản cập nhật quá trình nghề nghiệp. Sau khi được chấp nhận, thư mời dự kiến sẽ nêu học phí, phương án thanh toán và học bổng được áp dụng (nếu có).
Việc xét học bổng căn cứ đánh giá từng hồ sơ và chính sách của nhà trường tại thời điểm ứng tuyển. Một hồ sơ thuyết phục giúp đơn vị xét duyệt hiểu ứng viên đã làm được gì, có nền tảng nào và muốn nghiên cứu vấn đề gì. Số năm kinh nghiệm chỉ là một phần; điều quan trọng hơn là sự ăn khớp giữa kinh nghiệm, năng lực học tập và định hướng nghiên cứu.
Tại Việt Nam, HOE là đối tác tuyển sinh của EBU, kết nối người học với các chương trình của trường. Ở vai trò này, HOE hỗ trợ ứng viên tìm hiểu điều kiện đầu vào, phương thức học và hệ thống hóa quá trình học tập, kinh nghiệm nghề nghiệp, mục tiêu nghiên cứu để trình bày mạch lạc với nhà trường. Làm rõ yêu cầu ngay từ đầu giúp người học cân nhắc chương trình theo nhu cầu công việc và quỹ thời gian có thể dành cho nghiên cứu. Quyết định xét tuyển và học bổng thuộc thẩm quyền của nhà trường.
Một cân nhắc thực tế khác là mục đích sử dụng văn bằng. EBU là cơ sở đào tạo tư thục, độc lập; việc văn bằng được cơ quan, doanh nghiệp hay cơ sở giáo dục chấp nhận phụ thuộc vào quy định và yêu cầu của từng nơi. Với trường hợp cần dùng văn bằng nước ngoài tại Việt Nam, người học nên đối chiếu từ đầu với Thông tư 65/2026/TT-BGDĐT về công nhận văn bằng do cơ sở giáo dục nước ngoài cấp, có hiệu lực từ 26/9/2026, để chọn chương trình phù hợp với mục tiêu của mình.
Khi AI và dữ liệu đi sâu vào hoạt động kinh doanh, khoảng cách giữa doanh nghiệp dẫn đầu và phần còn lại có thể không nằm ở công cụ, mà ở cách người đứng đầu đặt câu hỏi cho dữ liệu. Kinh nghiệm không bị thay thế; nó có thêm một điểm tựa.