1️⃣ Data Governance Là Gì? 🧭

Data Governance là tập hợp các quy trình, chính sách, vai trò và công cụ nhằm đảm bảo dữ liệu trong tổ chức:

• 📝 Chính xác (accuracy)

• 📅 Nhất quán & cập nhật (consistency & timeliness)

• 🧠 Được hiểu thống nhất giữa các phòng ban

• 🔐 Được quản lý & kiểm soát truy cập rõ ràng

• 📂 Có lineage & metadata rõ ràng → biết dữ liệu đến từ đâu & đi đâu

📌 Nói nôm na: Governance = luật lệ + quy trình + “sổ hộ khẩu” của dữ liệu trong công ty 🏛️

2️⃣ Tại Sao Governance & Data Quality Quan Trọng? ⚡

• 🚨 Giảm rủi ro sai quyết định vì dữ liệu lỗi hoặc trùng lặp

• 🧠 Tăng tốc phân tích & model nhờ metadata & schema rõ ràng

• 🧱 Tạo niềm tin vào dữ liệu giữa các team (sales, finance, marketing…)

• 🛠️ Hỗ trợ audit & tuân thủ pháp lý (GDPR, Nghị định bảo vệ dữ liệu VN…)

📌 Một tổ chức dữ liệu “già dơ” luôn có: Data Catalog, Data Quality Check, Naming Convention chuẩn chỉnh 😎

3️⃣ 6 Trụ Cột Chính Của Data Governance 🧱

📌 Khi 6 trụ này vững, team Data có thể scale từ vài người → vài chục mà không hỗn loạn 💪

4️⃣ Data Quality – “Thanh Gươm Diệt Bug Dữ Liệu” 🗡️

Data Quality tập trung vào kiểm tra & đảm bảo dữ liệu đáp ứng được tiêu chuẩn.

🔸 Các tiêu chí chất lượng dữ liệu chính:

• ✅ Completeness – đủ dữ liệu, không null quan trọng

• 🧠 Validity – dữ liệu đúng định dạng, đúng domain (VD: email, date, enum)

• 📅 Timeliness – dữ liệu cập nhật đúng hạn, không trễ batch

• 🔁 Consistency – dữ liệu đồng bộ giữa các hệ thống

• 📝 Accuracy – phản ánh đúng thực tế business

• 🧱 Uniqueness – không trùng lặp, không record ma

📌 Ví dụ: bảng customer có 20% email bị null → dashboard marketing sai bét chiến dịch gửi mail 📉

5️⃣ Kỹ Thuật & Công Cụ Data Quality Phổ Biến 🧰

🟦 Rule-based Check

• Kiểm tra giá trị null, trùng lặp, phạm vi logic, khóa ngoại...

• Thường được đặt ở pipeline (ETL/ELT step)

📌 Ví dụ:

SELECT * FROM orders WHERE order_date IS NULL;

🟨 Data Profiling & Anomaly Detection

• Tự động phát hiện phân bố lạ, outlier, drift

• Hữu ích khi dữ liệu phức tạp, volume lớn

🟧 Great Expectations / Soda / dbt tests

• Công cụ chuyên dụng để viết rule, validate, log & alert khi dữ liệu sai

• Tích hợp với Airflow, dbt, CI/CD

📌 Ví dụ rule Great Expectations:

expect_column_values_to_not_be_null:
  column: user_id

6️⃣ Data Catalog & Lineage 🧠📂

Khi tổ chức lớn lên → hàng trăm bảng, hàng nghìn cột 😵
👉 Bạn cần Data Catalog để:

• Lưu metadata + định nghĩa business rõ ràng

• Hiển thị lineage: dataset nào → bảng nào → dashboard nào

• Ai sở hữu, ai sử dụng

📌 Công cụ phổ biến: DataHub, Amundsen, Collibra, Alation, dbt docs.

7️⃣ Case Study – Governance “Cứu” Dashboard 📊

Bối cảnh:
Công ty Retail có 3 team → marketing, sales, BI → mỗi team có “bảng khách hàng riêng” 😅
→ KPI churn mỗi dashboard một kiểu → sếp không biết tin ai 🤯

Triển khai Governance:

• Thiết lập 1 bảng “customer master” làm single source of truth

• Áp dụng naming convention + data quality check

• Tạo data catalog & assign owner cho từng dataset

• Thiết lập lineage từ source đến dashboard

Kết quả:

• KPI churn thống nhất

• Dashboard refresh đúng giờ

• Không còn cuộc họp “đổ lỗi dữ liệu” kéo dài 2 tiếng 😎☕

8️⃣ Best Practice Governance & Quality 📝

• 🧱 Single Source of Truth – luôn xác định bảng “chuẩn”

• 📝 Định nghĩa rõ ràng cho mỗi KPI & field

• 🔔 Automated checks – đừng kiểm thủ công

• 👤 Phân quyền rõ ai sửa được gì

• 📂 Versioning + lineage rõ ràng

• 📊 Đưa Data Quality vào dashboard monitoring

📝 Kết Luận

Data Governance & Quality không sexy như deep learning, nhưng:

• 🧭 Là nền móng để mọi thứ phía sau vận hành chuẩn

• 🧠 Giúp tổ chức tránh rủi ro sai lệch & chaos dữ liệu

• 📈 Tăng tốc độ ra quyết định & độ tin cậy business

👉 Làm chủ module này, bạn trở thành “data architect” trong đội DS, chứ không còn chỉ là người phân tích nữa 🫡🏛️

📞 Hotline: 0352.433.233
🌐 mcivietnam.com
📺 youtube.com/@HocVienMCI
👥 facebook.com/groups/dataaivn