Categories
Gambaru News

Airbnb cam kết remote work toàn thời gian – ‘Sống và làm việc ở bất cứ đâu’

Airbnb đang thực hiện toàn bộ triết lý “sống và làm việc bất kỳ đâu” mà phần lớn thế giới kinh doanh đã buộc phải thích nghi, cam kết làm việc từ xa toàn thời gian cho hầu hết nhân viên và một số đặc quyền như 90 ngày làm việc / du lịch quốc tế.

Đó là một chính sách đơn giản, mạnh mẽ mà rất ít công ty lớn có đủ can đảm để thực hiện.

AirBnB
AirBnB cam kết làm từ xa toàn thời gian

Trong một email gửi cho nhân viên được đăng trên blog và trong một bài đăng trên Twitter, Giám đốc điều hành Airbnb, Brian Chesky, đã phác thảo chính sách mới, tóm tắt nó trong năm điểm:

  1. Bạn có thể làm việc tại nhà hoặc văn phòng
  2. Bạn có thể chuyển đến bất kỳ đâu tại quốc gia bạn làm việc và mức lương của bạn không thay đổi
  3. Bạn có thể linh hoạt đi du lịch và làm việc trên khắp thế giới
  4. Chúng ta sẽ gặp nhau thường xuyên để họp mặt
  5. Chúng ta sẽ tiếp tục phối hợp cao khi làm việc 

Rõ ràng là chúng khá dễ hiểu, nhưng hãy bàn sâu thêm 1 chút.

Ngoài “một vài vai trò” cần hiện diện tại văn phòng hoặc địa điểm làm việc thì tất cả nhân viên có thể làm việc từ bất cứ đâu họ muốn.

Nếu bạn muốn di chuyển, miễn là bạn ở trong nước, tiền lương của bạn sẽ không thay đổi. 

Ví dụ: dù bạn đi bất cứ đâu ở Mỹ, mức lương của bạn cũng không thay đổi, vẫn đầy đủ dù bạn sống trong thị trấn nhỏ ở Colorado hay khu trung tâm Manhattan. Tuy nhiên nếu bạn chuyển đến London hoặc Seoul, thì sẽ kiểu “việc này tương đối phức tạp, nên chúng tôi sẽ không thể hỗ trợ những người đó trong năm nay“.

Mặc dù người lao động cần một địa chỉ thường trú, nhưng họ sẽ có hàng tá công ty và địa điểm để làm việc trong tối đa 90 ngày một năm – vì vậy họ có thể ở lại Lisbon một chút và làm việc tại biệt thự ở đó trong một hoặc hai tuần sau kỳ nghỉ. 

Chesky nói rằng tất cả họ sẽ “gặp gỡ thường xuyên”, mặc dù Airbnb có khoảng 15.000 nhân viên vào thời điểm này. Họ sẽ có “vài nơi gặp mặt trực tiếp” trong năm 2022, điều này hẳn nhiên là thông minh, nhưng năm tới “bạn sẽ gặp trực tiếp mỗi quý trong khoảng một tuần tại một thời điểm” thì thực sự không hiểu họ làm thế nào để hoàn thành công việc ở đó.

Ý cuối cùng có vẻ hơi thừa, nhưng có lẽ cũng tốt khi chính thức lưu ý rằng hình thức làm việc chung tại công ty hoặc cách mọi người được quản lý,… sẽ không thay đổi do chính sách mới này.

Nhiều công ty đã công bố các chính sách dự kiến ​​với sự nhất trí rằng chúng sẽ được xem xét lại sau một vài tháng. Có rất nhiều lời bàn tán về mô hình “hydrid” hoặc “flex” trong đó nhân viên làm việc tại văn phòng một vài ngày, sau đó ở nhà trong thời gian còn lại.

Tùy thuộc vào vị trí và cách bạn làm việc, điều này có thể là tốt nhất hoặc tệ nhất. Nhưng nó cho thấy sự thiếu quyết đoán nhất định trong lãnh đạo. (Trong số những người đầu tiên áp dụng làm việc từ xa toàn thời gian là Twitter).

Có lẽ Airbnb sẽ là chuột bạch cho loại hình “không gian làm việc hoàn toàn từ xa” này và tất cả các công ty khác sẽ theo dõi và chờ đợi có phát sinh một số gánh nặng thuế mới hoặc vấn đề năng suất hay không. Nhưng sự đơn giản và linh hoạt của chính sách, mặc dù có những hạn chế pháp lý quốc tế, có thể vượt trội hơn bất kỳ rắc rối mới nào mà nó tạo ra.

Nguồn: TechCrunch

Categories
Dev's Corner

Data Labeling là gì? Hướng dẫn cơ bản Data Labeling cho Machine Learning

Hiểu biết về Data Labeling có hữu ích cho bạn?

Nếu bạn có một lượng lớn dữ liệu muốn sử dụng trong học máy (machine learning) hoặc học sâu (deep learning), bạn sẽ cần tới các công cụ và con người để làm giàu cho dữ liệu đó nhằm đào tạo, đánh giá và điều chỉnh mô hình của mình.

Hướng dẫn này sẽ hữu ích nhất nếu bạn có dữ liệu mà bạn có thể gắn nhãn và bạn đang đối mặt với một hoặc nhiều thách thức dưới đây.

1. Bạn có rất nhiều dữ liệu chưa được gắn nhãn

Hầu hết dữ liệu không được gắn nhãn và đó là thách thức đối với hầu hết các nhóm dự án AI.

Theo công ty phân tích Cognilytica, toàn bộ 80% thời gian dự án AI được dành cho việc thu thập, sắp xếp và gắn nhãn dữ liệu (data labeling), và đây là thời gian mà các nhóm không muốn bỏ ra vì họ đang trong cuộc chạy đua tới dữ-liệu-có-thể-sử-dụng được, tức là dữ liệu được cấu trúc và dán nhãn phù hợp để đào tạo và triển khai các mô hình.

Phân bổ thời gian cho các tác vụ dự án Machine Learning
Phân bổ thời gian cho các tác vụ dự án Machine Learning

2. Các nhãn dữ liệu của bạn có chất lượng thấp

Có rất nhiều lý do khiến dữ liệu được gắn nhãn của bạn có chất lượng thấp, nguyên nhân thường ở con người, quy trình hoặc công nghệ được sử dụng trong quy trình data labeling.

3. Quá trình gắn nhãn dữ liệu của bạn không hiệu quả hoặc tốn kém

Nếu bạn đang trả tiền cho các nhà khoa học dữ liệu (data scientist) để xử lý dữ liệu, thì tốt hơn bạn nên tìm cách thức khác.

Mức lương cho các nhà khoa học dữ liệu có thể lên tới 190.000 đô / năm. Thật phí phạm khi để những nhân sự được trả lương cao này dành thời gian vào công việc cơ bản, lặp đi lặp lại.

4. Bạn cần bổ sung QA (quality assurance) vào quy trình gắn nhãn dữ liệu của mình hoặc cải tiến quy trình QA đã thực hiện

Đây là nơi mà data labeling thường bỏ sót và có thể cung cấp giá trị đáng kể, đặc biệt là trong giai đoạn thử nghiệm và đánh giá mô hình học máy.


Dừng lại chút nào, nếu bạn đang #open_to_work, thử nghía qua các công việc đang tuyển trên Gamba nhé. Vào LINK NÀY để xem các job Data hoặc scan QR Code ở bên dưới nhé.

Xem và ứng tuyển các 'data' job
Xem và ứng tuyển các ‘data’ job

Dữ liệu được gắn nhãn (Labeled Data) và sự thật cơ bản

Dữ liệu được gắn nhãn là gì?

Trong học máy (machine learning), nếu bạn có dữ liệu đã được gắn nhãn, điều đó có nghĩa là dữ liệu của bạn được đánh dấu hoặc được chú thích, để hiển thị mục tiêu, là câu trả lời mà bạn muốn mô hình machine learning của mình dự đoán.

Nói chung, data labeling có thể hiểu là các tác vụ bao gồm gắn thẻ dữ liệu, chú thích, phân loại, kiểm duyệt, phiên âm hoặc xử lý.

Chú thích dữ liệu (data annotation) là gì?

Chú thích dữ liệu thường để nói về quá trình gắn nhãn dữ liệu. Chú thích dữ liệu và gắn nhãn dữ liệu thường được sử dụng thay thế cho nhau, mặc dù chúng có thể được sử dụng khác nhau tùy theo ngành hoặc tình huống sử dụng.

Dữ liệu được gắn nhãn làm nổi bật các đặc tính của dữ liệu – thuộc tính, đặc điểm hoặc phân loại – mà có thể được phân tích để tìm ra các hình mẫu giúp dự đoán mục tiêu.

Ví dụ: trong tầm nhìn máy tính dành cho xe tự hành, một người gắn nhãn dữ liệu có thể sử dụng công cụ gắn nhãn video từng khung hình để chỉ ra vị trí của biển báo đường phố, người đi bộ hoặc các phương tiện khác.

Data Labeling là gì?
Data Labeling là gì?

‘Human-in-the-Loop’ (HITL) là gì?

HITL (bán tự hành) tận dụng trí thông minh của con người và máy móc để tạo ra các mô hình học máy.

Trong cấu hình HITL, con người tham gia vào một vòng tròn cải tiến trong đó khả năng phán đoán của con người được sử dụng để đào tạo, điều chỉnh và kiểm tra một mô hình dữ liệu cụ thể.

Các nhãn trong học máy là gì?

Nhãn là thứ mà HITL sử dụng để xác định và gọi ra các đặc tính có trong dữ liệu.

Việc lựa chọn các đặc tính có tính thông tin, phân biệt và độc lập để gắn nhãn là cực kỳ quan trọng nếu bạn muốn phát triển các thuật toán trong nhận dạng hình mẫu, phân loại và hồi quy một cách hiệu quả.

Dữ liệu được gắn nhãn chính xác có thể cung cấp sự thật nền tảng để thử nghiệm và lặp lại các mô hình của bạn.

“Sự thật nền tảng” trong học máy là gì?

Trong học máy, “sự thật nền tảng” (ground truth) nghĩa là kiểm tra độ chính xác trong kết quả của các thuật toán ML so với thế giới thực. Về bản chất, đó là kiểm tra thực tế về độ chính xác của các thuật toán.

Thuật ngữ này được mượn từ khí tượng học, trong đó “sự thật nền tảng” đề cập đến thông tin thu được trên mặt đất nơi một sự kiện thời tiết xảy ra, dữ liệu đó sau đó được so sánh với các mô hình dự báo để xác định độ chính xác của chúng.

“Dữ liệu đào tạo” trong học máy là gì?

Dữ liệu đào tạo là dữ liệu đã được làm giàu (enriched data) mà bạn sử dụng để đào tạo mô hình hoặc thuật toán machine learning.

Ngày nay, các công ty thực hiện data labeling ra sao?

Các tổ chức sử dụng sự kết hợp giữa phần mềm, quy trình và con người để làm sạch, tạo cấu trúc hoặc gắn nhãn dữ liệu.

Nói chung, bạn có 4 phướng án đối với nhân sự làm data labeling:

  • Nhân viên – Họ thuộc biên chế của bạn, toàn thời gian hoặc bán thời gian. Mô tả công việc của họ có thể không bao gồm data labeling.
  • Các nhóm được quản lý – Bạn sử dụng các nhóm nhân viên gắn nhãn dữ liệu đã được kiểm tra, đào tạo và quản lý.
  • Nhà thầu – Họ là người lao động tạm thời hoặc tự do.
  • Crowdsourcing – Bạn sử dụng nền tảng của bên thứ ba để tiếp cận nhiều người lao động cùng một lúc.
Các phương án lực lượng lao động Data Labeling
Các phương án cho nhân sự Data Labeling

Data Labeling bao gồm một loạt các nhiệm vụ:

  • Sử dụng công cụ để làm giàu dữ liệu
  • Đảm bảo chất lượng cho việc gắn nhãn dữ liệu
  • Lặp lại quy trình, chẳng hạn như các thay đổi trong lựa chọn đặc tính dữ liệu, tiến trình tác vụ hoặc QA
  • Quản lý nhân viên gắn nhãn dữ liệu
  • Đào tạo thành viên mới trong nhóm
  • Lập kế hoạch dự án, vận hành quy trình và đo lường thành công

Dưới đây là 5 yếu tố cần thiết bạn cần xem xét khi cần làm data labeling cho machine learning:

1. Chất lượng và độ chính xác của dữ liệu – Điều gì ảnh hưởng đến chất lượng và độ chính xác?

Mặc dù các thuật ngữ thường được sử dụng thay thế cho nhau, nhưng chúng ta cần hiểu rằng độ chính xácchất lượng là hai thứ khác nhau.

  1. Độ chính xác đo lường mức độ sự sai biệt giữa việc gắn nhãn với sự thật nền tảng, hoặc các đặc tính được gắn nhãn trong dữ liệu nhất quán ra sao với các điều kiện trong thế giới thực. Điều này đúng cho dù bạn đang xây dựng mô hình thị giác máy tính (ví dụ: đặt các hộp giới hạn xung quanh các đối tượng trên cảnh đường phố) hay mô hình xử lý ngôn ngữ tự nhiên (NLP) (ví dụ: phân loại văn bản theo cảm tính xã hội).
  1. Chất lượng là độ chính xác trên toàn bộ tập dữ liệu. Công việc của tất cả nhân viên dán nhãn của bạn có giống nhau không? Việc gắn nhãn có luôn chính xác trên các tập dữ liệu của bạn không? Có chính xác dù bạn có 29, 89 hoặc 999 nhân viên gắn nhãn dữ liệu làm việc cùng một lúc không?

Dữ liệu chất lượng thấp có thể phản tác dụng hai lần: lần đầu tiên trong quá trình đào tạo mô hình và lần nữa khi mô hình của bạn sử dụng dữ liệu được gắn nhãn để thông tin cho các quyết định trong tương lai.

Để tạo, đánh giá và duy trì các mô hình học máy hiệu suất cao, bạn phải đào tạo và xác thực chúng bằng cách sử dụng dữ liệu đáng tin cậy và có thể tin cậy.

4 đặc điểm của Lực lượng lao động ảnh hưởng đến Chất lượng trong Data Labeling

Điều gì ảnh hưởng đến chất lượng dữ liệu trong việc gắn nhãn?

1. Kiến thức và bối cảnh

Trong data labeling, kiến ​​thức lĩnh vực cơ bản và hiểu ngữ cảnh là điều cần thiết để lực lượng lao động của bạn tạo bộ dữ liệu có cấu trúc, chất lượng cao cho học máy. 

Nhân viên gắn nhãn dữ liệu sẽ có chất lượng cao hơn khi họ hiểu ngữ cảnh hoặc biết về mục đích hoặc mức độ liên quan của dữ liệu mà họ gắn nhãn. 

Ví dụ: những người gắn nhãn dữ liệu văn bản của bạn phải hiểu khi nào một số từ nhất định có thể được sử dụng theo nhiều cách, tùy thuộc vào ý nghĩa của văn bản.

Để gắn thẻ từ “bass” một cách chính xác, họ sẽ cần biết liệu văn bản đó có liên quan đến cá hay âm nhạc. Họ có thể cần hiểu cách các từ có thể được thay thế cho những từ khác, chẳng hạn như “Kleenex” cho “khăn giấy”.

Để có dữ liệu chất lượng cao nhất, người gắn nhãn nên biết các chi tiết chính về ngành bạn phục vụ và công việc của họ liên quan như thế nào đến vấn đề bạn đang giải quyết. 

Thậm chí còn tốt hơn nữa khi một thành viên trong nhóm gắn nhãn của bạn có kiến ​​thức chuyên môn hoặc hiểu biết cơ bản về ngành mà dữ liệu của bạn phục vụ, vì vậy họ có thể quản lý nhóm và đào tạo các thành viên mới về các quy tắc liên quan đến ngữ cảnh, hoạt động kinh doanh hoặc sản phẩm và các trường hợp đặc thù. 

Ví dụ: từ vựng, định dạng và phong cách của văn bản liên quan đến chăm sóc sức khỏe có thể thay đổi đáng kể đối với ngành luật.

2. Linh hoạt (Agility)

Học máy là một quá trình lặp đi lặp lại.

Việc gắn nhãn dữ liệu phát triển khi bạn kiểm tra và đánh giá các mô hình của mình cũng như học hỏi từ kết quả của chúng, vì vậy, bạn cần chuẩn bị các tập dữ liệu mới và làm phong phú thêm các tập dữ liệu hiện có để cải thiện kết quả thuật toán của mình.

Nhóm data labeling của bạn phải linh hoạt trong việc kết hợp các thay đổi theo nhu cầu của người dùng cuối, các thay đổi trong sản phẩm của bạn hoặc bổ sung các sản phẩm mới.

Một nhóm data labeling linh hoạt có thể phản ứng với những thay đổi về khối lượng dữ liệu, độ phức tạp tác vụ và thời lượng tác vụ. Nhóm gắn nhãn của bạn càng dễ thích ứng, bạn càng có thể thực hiện nhiều dự án máy học hơn.

Khi bạn phát triển các thuật toán và đào tạo mô hình của mình, người gắn nhãn dữ liệu có thể cung cấp thông tin có giá trị (insight) về các đặc tính của dữ liệu – tức là thuộc tính, đặc điểm hoặc phân loại – sẽ được phân tích để tìm ra các hình mẫu giúp dự đoán mục tiêu hoặc trả lời những gì bạn muốn mô hình của mình dự đoán.

3. Mối quan hệ

Trong học máy, quy trình làm việc của bạn thay đổi liên tục.

Bạn cần những người gắn nhãn dữ liệu có thể phản ứng nhanh chóng và thực hiện các thay đổi trong quy trình làm việc của mình, dựa trên những gì bạn học được trong giai đoạn kiểm tra và đánh giá mô hình.

Để thực hiện loại công việc linh hoạt đó, bạn cần sự linh hoạt trong quy trình của mình, những người quan tâm đến dữ liệu của bạn và sự thành công của dự án và kết nối trực tiếp tới người lãnh đạo trong nhóm data labeling để bạn có thể lặp lại các đặc tính dữ liệu, thuộc tính và quy trình làm việc dựa trên những gì bạn học trong giai đoạn thử nghiệm và đánh giá.

4. Giao tiếp

Bạn sẽ cần trao đổi trực tiếp với nhóm gắn nhãn của mình.

Vòng phản hồi khép kín là một cách rất tốt để tạo dựng sự giao tiếp và cộng tác đáng tin cậy giữa nhóm dự án và những người gắn nhãn dữ liệu.

Người gắn nhãn có thể chia sẻ những gì họ rút ra được khi làm data labeling, vì vậy bạn có thể sử dụng thông tin này để điều chỉnh cách tiếp cận của mình.

Chất lượng được đo lường như thế nào trong data labeling?

Có bốn cách để đo lường chất lượng data labeling từ góc độ lực lượng lao động:

  1. Tiêu chuẩn vàng – Có một câu trả lời chính xác cho tác vụ. Đo lường chất lượng dựa trên các tác vụ đúng và sai.
  2. Đánh giá mẫu – Chọn một mẫu ngẫu nhiên của các tác vụ đã hoàn thành. Một nhân viên nhiều kinh nghiệm, chẳng hạn như trưởng nhóm hoặc quản lý dự án, sẽ xem xét độ chính xác của mẫu.
  3. Sự đồng thuận – Chỉ định một số người làm cùng một tác vụ và câu trả lời đúng là câu trả lời từ phần lớn các nhân viên gắn nhãn.
  4. IoU (Intersection over Union) – Đây là một mô hình đồng thuận thường được sử dụng để phát hiện đối tượng trong ảnh. Nó kết hợp con người và tự động hóa để so sánh các hộp giới hạn (bounding box) của hình ảnh thực được dán nhãn thủ công với các hộp giới hạn được dự đoán từ mô hình.

Hãy thoải mái lựa chọn một trong số các phương pháp đảm bảo chất lượng này thay vì bị bó buộc vào một mô hình đo lường chất lượng duy nhất.

2. Quy mô – Điều gì xảy ra khi khối lượng data labeling tăng lên?

Điều cần thiết thứ hai để gắn nhãn dữ liệu cho học máy là quy mô. Những gì bạn muốn là khả năng mở rộng hoặc giảm lực lượng lao động theo dự án và nhu cầu kinh doanh của bạn mà không ảnh hưởng đến chất lượng dữ liệu.

Gắn nhãn dữ liệu là một quá trình tốn thời gian và thậm chí còn nhiều hơn thế khi làm machine learning, đòi hỏi bạn phải lặp lại và phát triển các đặc tính dữ liệu khi bạn đào tạo và điều chỉnh mô hình của mình để cải thiện chất lượng dữ liệu và hiệu suất của mô hình. 

Khi độ phức tạp và khối lượng dữ liệu của bạn tăng lên, nhu cầu gắn nhãn của bạn cũng vậy. 

Chú thích video đặc biệt tốn nhiều công sức: mỗi giờ dữ liệu video được thu thập mất khoảng 800 giờ công (manhour) để chú thích. Một video dài 10 phút chứa khoảng 18.000 đến 36.000 khung hình, khoảng 30-60 khung hình mỗi giây.

Thời điểm cần mở rộng quy mô và thuê dịch vụ gắn nhãn dữ liệu?

Nếu tài nguyên đắt tiền nhất của bạn (nhà khoa học dữ liệu hoặc kỹ sư dữ liệu) đang dành thời gian đáng kể để xử lý dữ liệu cho machine learning hoặc phân tích dữ liệu, thì đó là lúc bạn nên xem xét mở rộng quy mô với dịch vụ gắn nhãn dữ liệu. 

Việc gia tăng khối lượng gắn nhãn dữ liệu, cho dù chúng xảy ra trong nhiều tuần hoặc nhiều tháng, sẽ ngày càng khó khăn hơn nếu tự quản lý.

Chúng cũng tiêu hao thời gian và sự tập trung của một số nguồn nhân lực đắt giá nhất : các nhà khoa học dữ liệu (data scientist) và kỹ sư machine learning. Nếu nhà khoa học dữ liệu của bạn đang gắn nhãn hoặc quấn dữ liệu, bạn sẽ phải trả tới 90 đô la một giờ.

Tốt hơn nên giải phóng một nguồn tài nguyên có giá trị cao như vậy cho các công việc phân tích và có tính chiến lược hơn, là trích xuất giá trị kinh doanh từ dữ liệu của bạn.

5 Bước mở rộng Data Labeling

1. Thiết kế cho năng lực của lực lượng lao động

Dịch vụ gắn nhãn dữ liệu có thể cung cấp quyền truy cập vào một nhóm lớn nhân sự. Crowdsourcing (nhân viên tuyển từ cộng đồng) cũng vậy, nhưng nghiên cứu của nhà phát triển công nghệ khoa học dữ liệu Hivemind cho thấy những nhân viên ẩn danh (từ crowdsourcing) cung cấp dữ liệu có chất lượng thấp hơn so với các nhóm được quản lý nếu so về các tác vụ gắn nhãn dữ liệu giống hệt nhau.

Tốt nhất là bạn nên làm việc với cùng một đội nhân viên gắn nhãn, vì khi mức độ quen thuộc của họ với các quy tắc kinh doanh, ngữ cảnh và các trường hợp đặc thù tăng lên, chất lượng dữ liệu sẽ cải thiện theo thời gian. 

Họ cũng có thể đào tạo khi có người mới khi họ tham gia nhóm. Điều này đặc biệt hữu ích với việc gắn nhãn dữ liệu cho các dự án machine learning, nơi chất lượng và tính linh hoạt để lặp lại là điều cần thiết.

2. Tìm sự linh hoạt

Hãy tìm kiếm sự linh hoạt trong việc mở rộng hoặc thu hẹp quy mô gắn nhãn. Bạn có thể phải gắn nhãn dữ liệu theo thời gian thực, dựa trên khối lượng dữ liệu đến được tạo ra.

Có thể doanh nghiệp của bạn có lượng mua hàng tăng đột biến theo mùa trong những tuần nhất định trong năm. Việc ra mắt sản phẩm có thể tạo ra lượng dữ liệu gắn nhãn tăng đột biến. Bạn hẳn sẽ muốn có một lực lượng lao động có thể điều chỉnh quy mô dựa trên nhu cầu của bạn.

3. Chọn dụng cụ thông minh

Cho dù bạn mua hay tự xây dựng, công cụ làm giàu dữ liệu bạn chọn sẽ ảnh hưởng đáng kể đến khả năng mở rộng gắn nhãn dữ liệu của bạn. 

Xin lưu ý rằng đó là một quá trình liên tục: các nhiệm vụ gắn nhãn dữ liệu của bạn ngày hôm nay có thể khác sau một vài tháng, vì vậy, bạn sẽ cần tránh các quyết định khiến bạn phải đi theo một hướng duy nhất có thể không phù hợp với nhu cầu của bạn trong tương lai gần.

Cho dù bạn đang phát triển hay đang hoạt động trên quy mô lớn, bạn sẽ cần một công cụ cho phép bạn linh hoạt để thực hiện các thay đổi đối với các đặc tính dữ liệu, quy trình gắn nhãn và dịch vụ gắn nhãn dữ liệu. 

Các công cụ có sẵn trên thị trường cung cấp cho bạn nhiều quyền kiểm soát hơn đối với quy trình làm việc, tính năng, bảo mật và tích hợp so với các công cụ được tích hợp sẵn. Chúng cũng cung cấp cho bạn sự linh hoạt để thực hiện các thay đổi.

4. Đo lường năng suất nhân viên

Năng suất có thể được đo lường theo nhiều cách khác nhau, có ba thước đo cụ thể cung cấp một cái nhìn hữu ích về năng suất của người lao động

  1. khối lượng công việc đã hoàn thành
  2. chất lượng công việc (độ chính xác cộng với tính nhất quán), và 
  3. sự gắn kết của nhân viên

Về phía người lao động, các quy trình mạnh mẽ dẫn đến năng suất cao hơn. Kết hợp công nghệ, công nhân và huấn luyện giúp rút ngắn thời gian gắn nhãn, tăng kết quả đầu ra và giảm thiểu thời gian chết. 

Chất lượng dữ liệu cao hơn khi đặt người gắn nhãn dữ liệu trong các nhóm nhỏ, đào tạo họ về các tác vụ và quy tắc kinh doanh của bạn, đồng thời cho họ thấy chất lượng công việc như thế nào.

Các trưởng nhóm khuyến khích cộng tác, học hỏi đồng đẳng, hỗ trợ và xây dựng cộng đồng. 

Các kỹ năng và điểm mạnh của người lao động được các trưởng nhóm của họ biết đến và đánh giá cao, những người này tạo cơ hội cho người lao động phát triển về mặt chuyên môn. 

Phương pháp tiếp cận theo nhóm nhỏ này, kết hợp với môi trường công cụ thông minh, đưa đến việc gắn nhãn dữ liệu chất lượng cao.

5. Giao tiếp hiệu quả giữa dự án của bạn và nhóm gắn nhãn dữ liệu

Giao tiếp có tổ chức, dễ dàng với nhóm gắn nhãn dữ liệu của bạn giúp mở rộng quy trình dễ dàng hơn. 

Dựa trên kinh nghiệm, chúng tôi đề xuất một vòng phản hồi khép kín để liên lạc với nhóm gắn nhãn của bạn để bạn có thể thực hiện các thay đổi có tác động nhanh chóng, chẳng hạn như thay đổi quy trình gắn nhãn hoặc lặp lại các đặc tính dữ liệu.

Khi việc gắn nhãn dữ liệu trực tiếp cung cấp cho các tính năng sản phẩm hoặc trải nghiệm khách hàng của bạn, thì thời gian phản hồi của người gắn nhãn cần phải nhanh và thông tin giao tiếp là chìa khóa.

Các nhà cung cấp dịch vụ gắn nhãn dữ liệu phải có thể làm việc trên các múi giờ và tối ưu hóa giao tiếp của bạn cho múi giờ ảnh hưởng đến người dùng cuối của dự án machine learning.

3. Định giá – Nên trả theo giờ hay theo tác vụ?

Dịch vụ gắn nhãn dữ liệu có giá bao nhiêu?

Thông thường, các dịch vụ gắn nhãn dữ liệu tính phí theo tác vụ hoặc theo giờ và mô hình bạn chọn có thể tạo ra các động cơ khác nhau cho các nhân viên gắn nhãn.

Nếu bạn trả tiền cho mỗi tác vụ, điều đó có thể khuyến khích họ thực hiện nhiều tác vụ nhất có thể, dẫn đến dữ liệu chất lượng kém sẽ làm trì hoãn việc triển khai và lãng phí thời gian quan trọng.

Ngược lại, những nhân viên được quản lý được trả lương cho thời gian của họ và được khuyến khích hoàn thành đúng nhiệm vụ, đặc biệt là những công việc phức tạp hơn và đòi hỏi tính khách quan. 

Sự khác biệt này có ý nghĩa quan trọng đối với chất lượng dữ liệu và tiếp theo, chúng tôi sẽ trình bày bằng chứng từ một nghiên cứu gần đây nêu bật một số điểm khác biệt chính giữa hai mô hình.

Nghiên cứu về chất lượng và chi phí gắn nhãn dữ liệu

Nhà phát triển công nghệ khoa học dữ liệu Hivemind đã tiến hành một nghiên cứu về chất lượng và chi phí gắn nhãn dữ liệu.

Họ đã tiến hành trên lực lượng lao động được quản lý, được trả lương theo giờ và nhân viên tự do hàng đầu của nền tảng dịch vụ hàng đầu, được trả lương theo tác vụ, để hoàn thành một loạt các tác vụ giống hệt nhau.

Mục tiêu của Hivemind là hiểu chi tiết hơn về những động cơ này – để xem nhóm nào phân phối dữ liệu chất lượng cao nhất và với chi phí tương đối.

Cùng một nhiệm vụ, hai nhóm gắn nhãn dữ liệu

Các công việc dựa trên văn bản và từ cơ bản đến phức tạp. Hivemind đã gửi các tác vụ cho các nhân viên tự do với hai mức hưởng khác nhau, trong đó một nhóm nhận nhiều hơn, để xác định xem chi phí ảnh hưởng như thế nào đến chất lượng dữ liệu.

Nhiệm vụ A: Phiên âm

Trong 7% trường hợp, nhân viên tự do đã phiên âm sai ít nhất một trong các số.

Khi họ được trả gấp đôi, tỷ lệ lỗi giảm xuống chỉ còn dưới 5%, đây là một sự cải thiện đáng kể.

Các nhân viên được quản lý chỉ mắc lỗi trong 0,4% trường hợp, một sự khác biệt quan trọng do hàm ý của nó đối với chất lượng dữ liệu.

Nhìn chung, đối với nhiệm vụ này, nhân viên tự do có tỷ lệ sai sót cao hơn 10 lần so với lực lượng lao động được quản lý.

Easy Transcription
Easy Transcription

Nhiệm vụ B: Phân tích cảm tính

Người lao động đã nhận được văn bản đánh giá của công ty từ một trang web đánh giá và phải xếp hạng tình cảm của bài đánh giá từ 1 đến 5. Xếp hạng thực tế, hay sự thật cơ bản, đã bị xóa. 

Nhân viên được quản lý có độ chính xác nhất quán, nhận được xếp hạng chính xác trong khoảng 50% trường hợp. 

Nhân viên tự do thì gặp vấn đề, đặc biệt là với những đánh giá kém.

Độ chính xác gần như là 20%, về cơ bản giống như phỏng đoán, đối với các bài đánh giá 1 và 2 sao. Đối với các đánh giá 4 và 5 sao, có rất ít sự khác biệt giữa các nhóm nhân viên.

Nhiệm vụ C: Trích xuất thông tin từ văn bản không có cấu trúc

Các nhân viên đã sử dụng tiêu đề và mô tả về đợt thu hồi sản phẩm để phân loại đợt thu hồi theo loại nguy cơ, chọn một trong 11 tùy chọn, bao gồm “khác” và “không đủ thông tin”.

Độ chính xác của nhân viên tự do là 50% đến 60%, bất kể số lượng từ. 

Nhân viên được quản lý đạt độ chính xác cao hơn, 75% đến 85%. Độ chính xác của nhân viên được quản lý cao hơn 25% so với độ chính xác của nhóm nhân viên tự do.

Định giá Gắn nhãn Dữ liệu: 3 Cân nhắc Quan trọng

Hãy tìm một dịch vụ gắn nhãn dữ liệu với các điều khoản và điều kiện thực tế, linh hoạt. Cụ thể:

  1. Cấu trúc chi phí có thể dự đoán, nhờ vậy bạn biết việc dán nhãn dữ liệu sẽ có giá như thế nào khi mở rộng quy mô và thông lượng tăng lên
  2. Định giá phù hợp với mục đích của bạn, chỉ trả cho những gì bạn cần để có được bộ dữ liệu chất lượng cao
  3. Linh hoạt thực hiện các thay đổi khi các tính năng dữ liệu và yêu cầu gắn nhãn của bạn thay đổi. Tránh các hợp đồng dịch vụ kéo dài nhiều tháng, phí nền tảng hoặc các điều khoản hạn chế khác.

4. Bảo mật – Dữ liệu của tôi sẽ được bảo vệ như thế nào?

Các rủi ro bảo mật của việc gắn nhãn dữ liệu thuê ngoài là gì?

Dịch vụ gắn nhãn dữ liệu có thể xâm phạm bảo mật của bạn khi nhân viên của họ:

  1. Truy cập dữ liệu của bạn từ một mạng không an toàn hoặc sử dụng thiết bị không có phần mềm bảo vệ
  2. Tải xuống hoặc lưu một số dữ liệu của bạn (ví dụ: ảnh chụp màn hình, ổ đĩa flash)
  3. Thực hiện gắn nhãn dữ liệu ở nơi công cộng
  4. Không được đào tạo, bối cảnh hoặc trách nhiệm liên quan đến các quy tắc bảo mật cho công việc
  5. Làm việc trong môi trường vật lý hoặc kỹ thuật số không được chứng nhận tuân thủ các quy định về dữ liệu mà doanh nghiệp của bạn phải tuân theo (ví dụ: HIPAA, SOC 2).

Bảo mật và nhân viên Data Labeling

Nếu bảo mật dữ liệu là một yếu tố trong quy trình machine learning, thì dịch vụ gắn nhãn dữ liệu phải có một cơ sở để công việc được thực hiện một cách an toàn, đào tạo chính sách và quy trình phù hợp – và phải có chứng chỉ để cho thấy quy trình của họ đã được đánh giá.

Quan trọng nhất là, dịch vụ gắn nhãn dữ liệu phải tôn trọng dữ liệu theo cách bạn và tổ chức của bạn làm. Họ cũng nên lập văn bản bảo mật dữ liệu cho cả 3 hạng mục sau:

  • Con người và Lực lượng lao động: Điều này bao gồm việc kiểm tra lý lịch đối với người lao động và có thể yêu cầu các nhà gắn nhãn ký thỏa thuận không tiết lộ (NDA) hoặc tài liệu tương tự nêu rõ các yêu cầu bảo mật dữ liệu của bạn. Lực lượng lao động có thể được quản lý hoặc đo lường mức độ tuân thủ. Nó có thể bao gồm đào tạo nhân viên về các giao thức bảo mật liên quan đến dữ liệu.
  • Công nghệ và Mạng: Người lao động có thể được yêu cầu sử dụng các thiết bị mà họ mang đến nơi làm việc, chẳng hạn như điện thoại di động hoặc máy tính bảng. Các tính năng tải xuống hoặc lưu trữ có thể bị tắt trên các thiết bị mà nhân viên sử dụng để gắn nhãn dữ liệu. Có khả năng an ninh mạng được nâng cao đáng kể.
  • Cơ sở vật chất và Không gian làm việc: Người lao động có thể ngồi trong một không gian ngăn người khác xem công việc của họ. Họ có thể làm việc ở một vị trí an toàn, với quyền truy cập chỉ cho phép những người được ủy quyền vào tòa nhà hoặc văn phòng nơi dữ liệu đang được dán nhãn. Giám sát video có thể được sử dụng để tăng cường an ninh vật lý cho tòa nhà và văn phòng.

Những lo ngại về bảo mật sẽ không ngăn bạn sử dụng dịch vụ gắn nhãn dữ liệu, dịch vụ này sẽ giúp bạn và nhóm của bạn tập trung vào phần chiến lược và sáng tạo nhất của machine learning là đào tạo mô hình, điều chỉnh và phát triển thuật toán.

5. Công cụ – Có cần một nền tảng công cụ để gắn nhãn dữ liệu không?

Điều cần thiết thứ 5 để gắn nhãn dữ liệu trong machine learning là công cụ, bạn sẽ cần công cụ cho dù bạn tự xây dựng hay mua từ bên thứ ba. Tại sao? 

Bởi vì việc gắn nhãn dữ liệu cấp độ sản xuất cho machine learning đòi hỏi các công cụ phần mềm thông minh và con người có kỹ năng. 

Một dịch vụ gắn nhãn dữ liệu phải có thể cung cấp các đề xuất và thực tiễn tốt nhất trong việc lựa chọn và làm việc với các công cụ gắn nhãn dữ liệu. Lý tưởng nhất là họ sẽ có quan hệ đối tác với nhiều nhà cung cấp công cụ khác nhau để cho bạn nhiều sự lựa chọn và làm cho trải nghiệm của bạn được mạch lạc.

Họ cũng sẽ cung cấp kiến ​​thức chuyên môn cần thiết để giao cho con người những tác vụ đòi hỏi bối cảnh, sự sáng tạo và khả năng thích ứng trong khi giao cho máy móc những nhiệm vụ đòi hỏi tốc độ, khả năng đo lường và tính nhất quán.

Tiến trình công việc

Giao việc cho con người và máy móc dễ dàng thực hiện hơn với các công cụ thân thiện với người dùng giúp chia nhỏ công việc gắn nhãn dữ liệu thành các tác vụ nguyên tử hoặc nhỏ hơn. 

Bằng cách chuyển đổi các nhiệm vụ phức tạp thành một loạt các thành phần nhỏ hơn, bạn có thể giao các tác vụ máy móc mà các công cụ đang thực hiện với chất lượng cao và để con người thực hiện các nhiệm vụ mà các công cụ này chưa thành thạo.

Việc chia nhỏ công việc thành các thành phần nguyên tử cũng giúp dễ dàng hơn trong việc đo lường, định lượng và tối đa hóa chất lượng cho mỗi tác vụ.

Mỗi loại nhiệm vụ có thể có lớp đảm bảo chất lượng (QA) riêng và quy trình đó cũng có thể được chia thành các nhiệm vụ nguyên tử.

Task Progression
Task Progression

Mọi tác vụ lập mô hình machine learning đều khác nhau, nên bạn có thể thực hiện vài lần chạy đơn giản để đưa ra các định nghĩa tốt và một bộ hướng dẫn, ngay cả trước khi bạn bắt đầu thu thập dữ liệu của mình.

Nếu bạn có thể chuyển đổi kiến ​​thức về mô hình của mình thành dữ liệu được gắn nhãn một cách hiệu quả, bạn đã giải quyết được một trong những vấn đề khó nhất trong học máy.

Sau một thập kỷ cung cấp các nhóm gắn nhãn dữ liệu, chúng tôi biết rằng đó là một quá trình cải tiến. Các nhiệm vụ gắn nhãn mà bạn bắt đầu có thể sẽ thay đổi sau một vài tháng. 

Đồng thời, bạn và nhóm gắn nhãn dữ liệu của bạn có thể điều chỉnh quy trình gắn nhãn của mình nhằm đạt được chất lượng cao và hiệu suất mô hình.

5 Bước chọn công cụ gắn nhãn dữ liệu

5 bước dưới đây rất quan trọng trong việc lựa chọn công cụ gắn nhãn dữ liệu để tối đa chất lượng dữ liệu và tối ưu đầu tư vào lực lượng lao động của bạn:

1. Thu hẹp công cụ dựa trên trường hợp sử dụng của bạn

Loại dữ liệu của bạn sẽ xác định các công cụ cần sử dụng. Các công cụ khác nhau ở các tính năng làm giàu dữ liệu, khả năng đảm bảo chất lượng (QA), loại tệp được hỗ trợ, chứng nhận bảo mật dữ liệu, tùy chọn lưu trữ, v.v.

Các tính năng để gắn nhãn có thể bao gồm hộp giới hạn, đa giác, điểm 2-D và 3-D, phân đoạn ngữ nghĩa, v.v.

2. So sánh lợi ích của tự xây và đi mua

Việc xây dựng công cụ của riêng bạn có thể mang lại những lợi ích có giá trị, bao gồm kiểm soát nhiều hơn quy trình gắn nhãn, thay đổi phần mềm và bảo mật dữ liệu.

Bạn cũng có thể dễ dàng giải quyết và giảm thiểu sự thiên vị ngoài ý muốn trong việc gắn nhãn của mình.

Tuy nhiên, việc mua một công cụ có sẵn trên thị trường thường ít tốn kém hơn về lâu dài vì nhóm của bạn có thể tập trung vào nhiệm vụ cốt lõi của họ hơn là hỗ trợ và mở rộng khả năng phần mềm, giải phóng nguồn lực quý giá cho các khía cạnh khác của dự án.

Khi mua, bạn có thể cấu hình công cụ cho các tính năng bạn cần và có sự hỗ trợ người dùng.

Có nhiều công cụ cho bất kỳ khối lượng công việc gắn nhãn dữ liệu nào và các nhóm luôn phát triển các công cụ mới và các tính năng nâng cao.

Khi bạn mua, về cơ bản bạn đang thuê quyền truy cập vào các công cụ, có nghĩa là:

  • Có các thực thể được tài trợ được trao cho sự thành công của công cụ đó
  • Có thể linh hoạt sử dụng nhiều hơn một công cụ, dựa trên nhu cầu của bạn; và
  • Nhà cung cấp công cụ hỗ trợ sản phẩm, vì vậy bạn không phải chi tiêu các nguồn lực kỹ thuật có giá trị cho việc tạo công cụ.

3. Xem xét quy mô và giai đoạn phát triển của tổ chức bạn

Chúng tôi nhận thấy giai đoạn công ty là một yếu tố quan trọng trong việc lựa chọn công cụ.

Bắt đầu

Có một số cách để bắt đầu trên con đường lựa chọn công cụ phù hợp. 

Đây là lúc mà câu hỏi quan trọng về việc xây dựng hay mua xuất hiện. Bạn sẽ muốn đánh giá các phương án có sẵn trên thị trường, bao gồm cả mã nguồn mở và xác định sự cân bằng hợp lý giữa các tính năng và chi phí để bắt đầu quy trình. 

Các nhà cung cấp rộng rãi cho cộng đồng thường bị tụt lại phía sau về mặt hoàn thiện tính năng so với các nhà cung cấp thương mại, những người tập trung 100% vào các công cụ gắn nhãn dữ liệu tốt nhất trong năng lực cốt lõi của họ. 

Ngoài ra, hãy nhớ rằng những người gắn nhãn dữ liệu có nguồn gốc từ cộng đồng sẽ không tiết lộ danh tính, vì vậy bối cảnh và chất lượng có thể là những điểm khó khăn.

Mở rộng quy trình

Nếu bạn đang trong giai đoạn phát triển, các công cụ thương mại có thể là lựa chọn tốt nhất của bạn. 

Bạn có thể tùy chỉnh, cấu hình và triển khai các tính năng một cách nhẹ nhàng với ít hoặc không cần tài nguyên phát triển. 

Nếu thích, các công cụ nguồn mở có thể cung cấp cho bạn nhiều quyền kiểm soát hơn đối với bảo mật, tích hợp và tính linh hoạt để thực hiện các thay đổi.

Lưu ý rằng, xây dựng một công cụ là một cam kết lớn: bạn sẽ đầu tư vào việc duy trì nền tảng đó theo thời gian và điều đó rất tốn kém.

Duy trì quy mô

Nếu bạn đang hoạt động ở quy mô lớn và muốn duy trì sự tăng trưởng đó theo thời gian, bạn có thể cân nhắc các công cụ thương mại, được tùy chỉnh đầy đủ và yêu cầu ít tài nguyên phát triển. 

Nếu bạn đi theo con đường mã nguồn mở, hãy đảm bảo tạo các quy trình dài hạn và tích hợp ngăn xếp sẽ cho phép bạn tận dụng bất kỳ lợi thế bảo mật hoặc linh hoạt nào mà bạn muốn tận dụng.

Quy mô và giai đoạn phát triển
Quy mô và giai đoạn phát triển

4. Đừng để sự lựa chọn lực lượng lao động của bạn khóa bạn vào một công cụ

Để có sự linh hoạt nhất và kiểm soát quá trình của bạn, đừng ràng buộc lực lượng lao động với công cụ.

Lựa chọn lực lượng lao động của bạn có thể làm giảm hoặc phá vỡ chất lượng dữ liệu, đây là trọng tâm của hiệu suất mô hình của bạn, vì vậy, điều quan trọng là phải giữ cho các lựa chọn công cụ của bạn luôn cởi mở. 

Các nhóm gắn nhãn dữ liệu tốt nhất có thể nhanh chóng áp dụng bất kỳ công cụ nào và giúp bạn điều chỉnh công cụ đó để đáp ứng tốt hơn nhu cầu gắn nhãn của mình.

5. Yếu tố trong yêu cầu chất lượng dữ liệu của bạn

Các tính năng đảm bảo chất lượng được tích hợp sẵn trong một số công cụ và bạn có thể sử dụng chúng để tự động hóa một phần của quy trình QA. 

Tuy nhiên, các tính năng QA này có thể sẽ không đủ, vì vậy, hãy tìm đến các nhà cung cấp lực lượng lao động được quản lý, những người có thể cung cấp nguồn nhân sự được đào tạo và có nhiều kinh nghiệm về các tác vụ gắn nhãn, để tạo ra dữ liệu đào tạo chất lượng cao hơn.

Cẩn thận với việc ký hợp đồng dài hạn

Một số nhà cung cấp dịch vụ gắn nhãn dữ liệu yêu cầu bạn ký hợp đồng nhiều năm cho lực lượng lao động hoặc công cụ của họ. 

Nếu nhà cung cấp dịch vụ gắn nhãn dữ liệu không đáp ứng các yêu cầu chất lượng của bạn, bạn cần sự linh hoạt khi kiểm tra hoặc chọn nhà cung cấp khác mà không bị phạt.

Nguồn: CloudFactory

Categories
Gambaru News

Elon Musk mua lại Twitter!

Twitter đã chấp nhận lời đề nghị của Giám đốc điều hành Tesla và là người hâm mộ Dogecoin để mua Twitter với giá 54,20 USD / cổ phiếu.

Elon Musk and Twitter bird
Elon Musk sẽ mua lại Twitter – theo một thông cáo báo chí được chia sẻ bởi nền tảng truyền thông xã hội.

Vào đầu tuần trước, Musk đã đưa ra mức giá 54,20 USD / cổ phiếu, khiến Internet trở nên điên cuồng khi hội đồng quản trị của Twitter và các cổ đông tranh luận về việc mua lại có ý nghĩa như thế nào đối với công ty. Với thỏa thuận mua lại, các cổ đông Twitter sẽ nhận được 54,20 đô la tiền mặt cho mỗi cổ phần của cổ phiếu Twitter của họ.

Trước đó đã có thông tin cho rằng quyết định có thể được đưa ra ngay trong ngày hôm nay, vì cả hai bên của thương vụ dường như đã gặp nhau để đàm phán vào cuối tuần – trong khi thị trường đóng cửa và không thể bị ảnh hưởng bởi bất kỳ cuộc thảo luận thỏa thuận nào.

Về việc mua lại, Musk nói: “Tự do ngôn luận là nền tảng của một nền dân chủ đang hoạt động, và Twitter là quảng trường thị trấn kỹ thuật số, nơi các vấn đề quan trọng đối với tương lai của nhân loại được tranh luận.”

Musk từ lâu đã là một nhân vật gây tranh cãi: mặc dù là một trong những Tweeter am hiểu về internet nhất, nhưng anh ấy thường khiến thế giới tiền điện tử phát điên với những dòng tweet ủng hộ đồng Doge và lập trường ngược ngạo của mình về Bitcoin.

Tesla, nơi Musk cũng là Giám đốc điều hành, đã bắt đầu chấp nhận Bitcoin cho ô tô điện của mình vào năm ngoái, nhưng Musk thay đổi quyết định dường như do lo ngại về việc sử dụng năng lượng của Bitcoin và tác động đến môi trường.

Tất cả các quyết định liên quan đến tiền điện tử này – và thậm chí cả quyết định ban đầu của anh ấy là mua 9% Twitter vào đầu tháng này – lần đầu tiên được Musk đăng trên Twitter, cho thấy rằng anh ấy rõ ràng biết cách tận dụng vị trí của mình trên nền tảng truyền thông xã hội.

Trong thông cáo báo chí về việc Twitter chấp nhận giá thầu của Musk, Parag Agrawal, Giám đốc điều hành của Twitter, cho biết, “Twitter có mục đích và mức độ liên quan tác động đến toàn thế giới. Tự hào sâu sắc về các đội của chúng tôi và được truyền cảm hứng từ công việc chưa bao giờ quan trọng hơn.”

Nguồn: https://coinmarketcap.com/alexandria/article/elon-musk-to-buy-twitter

Categories
All about Japan

Nghề trồng hoa hái ra tiền ở Fukushima

Mười một năm sau thảm họa hạt nhân ở Fukushima, chính phủ đã dỡ bỏ một số lệnh sơ tán đối với các thị trấn và làng mạc gần nhà máy, nhưng công tác tái thiết các cộng đồng từng phát triển mạnh không phải là nhiệm vụ dễ dàng.

Ông Kawamura Hiroshi là một trong số hơn 2.000 người buộc phải rời khỏi thị trấn Namie sau sự cố nóng chảy hạt nhân ở Nhà máy điện hạt nhân Fukushima Số 1. Đất nông nghiệp của ông chỉ cách nhà máy có 7km.

Hai năm sau thảm họa, khi giới chức chỉ cho phép mọi người ra vào trong ban ngày, ông Kawamura trở về và thử trồng rau. Năm sau đó, ông chuyển sang trồng hoa vì cảm thấy hoa sẽ góp phần mang lại niềm vui cho mọi người.

Ông cho biết: “Khi mọi người trở lại thị trấn để dọn dẹp nhà cửa và viếng mộ gia đình, tôi nghĩ nếu được nhìn thấy những bông hoa đẹp thì tốt hơn là chỉ thấy cảnh hoang tàn“.

3 năm sau sự cố hạt nhân, ông Kawamura Hiroshi bắt đầu trồng hoa ở Fukushima
3 năm sau sự cố hạt nhân, ông Kawamura Hiroshi bắt đầu trồng hoa ở Fukushima

Đó là một khởi đầu cô đơn. 

Ngay cả khi chính quyền dỡ bỏ hoàn toàn lệnh sơ tán trên 20% thị trấn vào năm 2017, trong đó có cả trang trại của ông, nhiều cư dân cũ đã chọn không quay trở lại. Dân số của Namie vẫn chỉ bằng 10% so với trước thảm họa. Một yếu tố khiến mọi người do dự là ở đây thiếu việc làm.

Ông Kawamura nghĩ rằng ngành nghề mới của mình mở ra một con đường phía trước cho Namie. 

Ông sẽ khuyến khích những người khác tham gia nghề trồng hoa để tạo dựng danh tiếng mới tích cực hơn cho Namie.

Ông nói: “Nếu mọi người có thể chuyển đến đây và chúng tôi xây dựng ngành công nghiệp hoa, tôi nghĩ sẽ tạo được sự khích lệ cho khu vực. Đặc biệt, tôi mong những người trẻ tuổi đến và thành công tại đây“.

Hiện mỗi năm ông giao hoa cho hơn 200.000 đơn hàng.

Và ông không còn là người duy nhất trong thị trấn làm nghề này.

Hiện đã có 7 trang trại trồng hoa, 3 trang trại nữa đang được triển khai, và ông Kawamura đã đào tạo nhiều người có liên quan.

Ông Kawamura trồng 8 loại hoa trong nhà kính.
Ông Kawamura trồng 8 loại hoa trong nhà kính

Những gương mặt mới

Anh Watase Masanori và vợ là chị Megumi trước sống ở Kanagawa, gần Tokyo. Anh chị đến làng Kawauchi ở Fukushima để giúp một nông dân trồng nho. Sau khi nghe được về ông Kawamura và ngành trồng hoa nở rộ ở Namie, anh chị đã chuyển hẳn đến đây, thuê đất và xây dựng nhà kính. 

Hai vợ chồng nói rằng đã chuẩn bị sẵn sàng để bắt đầu trồng hoa cát tường từ tháng 4.

Anh Masanori nói: “Mục tiêu của chúng tôi là trở thành nông dân trồng hoa thành công, và khuyến khích thêm nhiều người ở các khu vực khác đến Namie“.

Ông Kawamura đã tạo dựng được danh tiếng với các sản phẩm chất lượng cao, các loại hoa của ông như dạ yến thảo và cúc vạn thọ bán được giá cao trên khắp Nhật Bản. 

Mặc dù không chính thức nêu tên người trồng, nhưng những bông hoa cát tường từ Fukushima đã được sử dụng trong bó hoa trao tặng vận động viên giành huy chương tại Olympic và Paralympic Tokyo 2020.

Những người cùng trồng hoa với ông Kawamura hy vọng có thể noi theo thành công của ông và biến một thị trấn mới đây còn là nơi không thể sinh sống trở thành biểu tượng của sự hồi sinh thịnh vượng.

Nguồn: www3.nhk.or.jp

Categories
Dev's Corner

Vũ trụ ảo Metaverse – Thực tế hay phi thực tế?

Metaverse là chủ đề nóng hổi kể từ khi ông chủ Meta đưa ra các tuyên bố liên quan và chính thức đổi tên từ Facebook sang Meta. Các startup công nghệ tại Việt Nam cũng sớm sôi nổi và rục rịch gia nhập cuộc chơi này.

Trong bài này, cùng nghe anh Trịnh Nguyễn Thiên Phước, CTO tại Gianty Việt Nam chia sẻ góc nhìn về Metaverse trong một video trên kênh ANTV.

Ông Phước - CTO công ty Gianty Việt Nam
Anh Trịnh Nguyễn Thiên Phước, hiện là CTO của GIANTY Vietnam. Anh Phước có 15 năm kinh nghiệm trong lĩnh vực công nghệ, đặc biệt là về AI, Big Data và gần nhất là Blockchain.

1. Metaverse đem lại những lợi ích gì? 

Anh Phước 🗣️:

Trước tiên là phải định nghĩa Metaverse là gì, thì mới biết lợi ích mà nó mang lại cho những người tham gia.

Metaverse theo định nghĩa ngắn gọn nhất là “Internet với biểu hiện dưới dạng 3D“. Metaverse là một xu hướng của tương lai và không thể tránh khỏi.

Lấy ví dụ về 1 sự kiện diễn ra trên Metaverse là concert của Ariana Grande trên nền tảng Fortnite đã nhanh chóng thu hút hơn 1 triệu người tham gia.

Lợi ích của Metaverse
Lợi ích của Metaverse

Nhìn vào ví dụ trên ta thấy lợi ích lớn nhất mà Metaverse mang lại chính là khả năng truy cập (accessibility).

Gần như tất cả mọi người với 1 chiếc điện thoại hoặc trình duyệt web hiện đại, đều có thể tham gia vào sự kiện của Ariana, với chỉ 1 cú click.

Ngoài ra, Metaverse được thiết kế cho thế giới ảo, nên không có giới hạn về số lượng người tham gia và sức chứa của khán đài. Để dễ so sánh với thế giới thực thì có chưa đến 10 khán đài trên khắp thế giới có sức chưa hơn 1M như vậy.

Đứng từ vai trò của người tổ chức sự kiện, các hoạt động, tương tác diễn ra trên Metaverse cũng dễ dàng được thu thập, phân tích và cải thiện hơn.

Avatar đại diện người dùng có thể đi bộ, nói chuyện, nhảy, bắt tay, chia sẻ, thích, bình luận và tương tác trong suốt một sự kiện ảo, có nghĩa là mức độ tương tác có thể được ghi lại một cách chi tiết. 

Dưới góc nhìn xã hội thì Metaverse cũng giúp tạo ra những cộng đồng có chung hệ giá trị (hay gọi là DAOs) và cũng giúp thể hiện bản thân theo cách chân thực hơn thông qua 3D Avatar.

Hãy nhìn cách các fans hâm mộ chạy theo sát từng bước chân của Ariana trong sự kiện đó, bạn có thể hiểu Metaverse đã phá bỏ những rào cản về mặt không gian, thời gian và cả cảm xúc.

2. Metaverse có nhiều vấn đề đáng lo ngại?

PV 🎙:

Ở góc độ công nghệ thì Metaverse là xu hướng và cũng là bước tiến lớn trong quá trình phát triển. Tuy nhiên, một số chuyên gia cho rằng có nhiều vấn đề đáng lo ngại. Ông có phân tích gì về vấn đề này?

Anh Phước 🗣️:

Mọi công nghệ đều trải qua 3 giai đoạn trong sự phát triển của nó, nó cũng phản ánh thông qua các giai đoạn người dùng tiếp cận công nghệ đó. Đối với một người dùng, bạn sẽ phải đi vào (Enter) thế giới Metaverse, sống và làm việc (Live and Work) và cuối cùng là rời đi và để lại một loại di sản nào đó (Legacy).

Hiện nay, các công ty vẫn đang tập trung xây dựng cơ sở hạ tầng và các ứng dụng nền tảng cho Metaverse, nên đứng ở góc độ người dùng, ta thấy vẫn còn những trở ngại ngay từ giai đoạn đầu tiên, đó là làm sao đưa người dùng (onboard) đi vào thế giới Metaverse nào đó một cách mượt mà và đơn giản nhất.

5G hay các công nghệ 3D Avatar, sinh trắc học đang là những vấn đề cần giải quyết về mặt công nghệ trước khi người dùng có thể gặp phải các vấn đề ở các giai đoạn sau này.

Thỉnh thoảng chúng ta quá lo lắng về những vấn đề của những giai đoạn phía sau nên chúng ta để lỡ những cơ hội ngay trước mắt.

3. Metaverse có làm suy giảm trầm trọng việc giao tiếp trong đời thực

PV 🎙:

Hiện nay điện thoại thông minh và mạng xã hội đã làm nhiều người đắm chìm vào đó, giảm đi những hoạt động, giao tiếp đời thực. Với Metaverse, vấn đề này có thể còn nghiêm trọng hơn nếu mọi người sống trong thế giới đó nhiều hơn thế giới thực.

Anh Phước 🗣️:

Đúng là ở giai đoạn cao trào, “tính nghiện” đã khiến Smart Phone và MXH ảnh hưởng tiêu cực đến chất lượng cuộc sống của một bộ phận người dùng.

Nhưng cũng như bất kỳ giải pháp nào, việc giải quyết một vấn đề đa phần sẽ tạo ra những vấn đề khác.

Metaverse chắc chắn cũng sẽ tạo ra những vấn đề mới khi cố gắng mô phỏng thế giới thực.

Tuy nhiên, ở góc độ xã hội, điểm mấu chốt là không phải một, mà rất nhiều thế giới ảo sẽ giúp mọi người tương tác tốt hơn và qua đó cũng tạo ra những mối quan hệ xã hội chất lượng hơn.

Điều này được thực hiện bằng cách thêm lớp ba chiều, mang tính đắm chìm vào web, tạo ra trải nghiệm chân thực và tự nhiên hơn.

Giải quyết các bài toán liên quan đề giai đoạn Sống trong Metaverse sẽ tạo ra những cuộc cạnh tranh khốc liệt về mặt công nghệ và kinh doanh.

NFT Games có lẽ là những ứng dụng nổi trội đầu tiên khiến người ta dễ suy đoán việc sống cho Metaverse chỉ là chơi games nhưng sẽ còn rất nhiều các ứng dụng và mô hình kinh doanh độc đáo sẽ xuất hiện.

4. Thông tin sai lệch trong thế giới Metaverse được xử lý thế nào?

Metaverse với sự kết hợp với các công nghệ Web3 tạo ra một đặc tính quan trọng của thời đại thông tin mới: tính sở hữu (ownership).

Biết được chủ sở hữu thông tin, sự tương quan giữa họ và thông tin họ đưa ra có thể hạn chế những thông tin sai lệch.

5. Metaverse kích thích sự phát triển của các ngành khác

PV 🎙:

Theo nhận định của các chuyên gia công nghệ trên thế giới, metaverse hứa hẹn sẽ trở thành ngành công nghiệp nghìn tỷ USD trong tương lai, bởi nó sẽ  kích thích sự phát triển của các ngành công nghiệp sản xuất thiết bị như chip, linh kiện điện tử, các thiết bị thực tế ảo tăng cường…, tương ứng hệ thống cơ sở hạ tầng.  Điều này có thực sự chính xác?

Anh Phước 🗣️:

Chính xác thì Metaverse sẽ thâm nhập vào mọi lĩnh vực trong những năm sắp tới, với một cơ hội thị trường siêu lớn, ước tính mang lại lợi nhuận hằng năm hơn 1 nghìn tỷ đô la.

Cuộc đua tạo ra Metaverse lớn nhất đang là cuộc đua song mã giữa Microsoft và Meta. Với thông tin gần đây về việc Google đầu tư nghiêm túc vào Web3 cũng tạo ra sức nóng cho cuộc đua này. 

Ngoài ra, những nền tảng nổi trội khác có thể kể đến như Decentraland và The Sandbox. Với một thị trường mới và siêu bự, thật dễ dàng để nhận ra sự cạnh tranh khốc liệt thời gian tới.

Ngoài ra còn có các chính phủ Hàn Quốc và ngân hàng rất lớn JP Morgan cũng đã bắt đầu triển khai xây dựng Metaverse của riêng họ.

6. Tương lai Metaverse tại Việt Nam

PV 🎙:

Điều gì sẽ xảy ra nếu ở một thời điểm trong tương lai khi chúng ta sống trong thế giới kỹ thuật số nhiều hơn sống trong thế giới thực? Metaverse mở ra cơ hội và thách thức như thế nào đối với Việt Nam?

Anh Phước 🗣️:

Việt Nam là một thị trường mới nổi, tuy nhiên cũng đã có một vài sản phẩm giải quyết các bài toán ở các giai đoạn khác nhau của Metaverse.

Cơ hội thì như tôi có trình bày ở trên, cái quan trọng nhất không phải là nhìn vào những thách thức ở những giai đoạn đầu như này để nhụt chí.

Mà cái quan trọng nhất là tâm thế, một tâm thế sẵn sàng, hội nhập, đóng góp mang tính giá trị sẽ giúp các công ty xây dựng các giải pháp Metaverse ở Việt Nam vững tin và vươn ra xa hơn. 

Ngoài ra, Metaverse cũng mở ra nhiều cơ hội cho việc làm, những ngành nghề mới sẽ xuất hiện như chuyên gia thiết kế trải nghiệm ảo, quản trị cộng đồng, chuyên gia an ninh ảo, quản lý tài sản ảo và kinh doanh nội dung ảo.

Cá nhân tôi nghĩ nhiều về thợ mã nguồn mở (open source engineers), nó giống thợ sửa máy tính nở rộ khi Internet mới vào Việt Nam. Ngày nay, đa phần các hệ thống, framework lớn đều xây dựng theo hướng open source để tận dụng sự đóng góp to lớn từ cộng đồng.

Từ góc độ doanh nghiệp, chúng ta có cơ hội để mở rộng quy mô một cách ồ ạt. Thay vì có các cửa hàng ở mọi thành phố, một nhà bán lẻ lớn có thể xây dựng một trung tâm toàn cầu trong metaverse để có thể phục vụ hàng triệu khách hàng.

Các doanh nghiệp Việt Nam có thể bắt đầu thử nghiệm các chương trình liên quan đến branding và services trên các Metaverse hiện có.

Metaverse cũng sẽ thay thế các thiết bị thịnh hành ngày nay như điện thoại thông minh, thế nên các thiết bị mới cần được nghiên cứu và triển khai nhanh hơn sẽ tạo đà tốt để phát triển sau này.

Tiềm năng của Metaverse cũng rất lớn trong lĩnh vực giáo dục. Sẽ rất nhiều nguồn lợi nhuận và các mô hình giáo dục tương tác mới được tạo ra.

Học mà chơi, chơi mà học cũng sẽ là xu hướng tất yếu trong Metaverse, thay cho mô hình truyền tải kiến thức một chiều và thiếu tính tương tác như truyền thống.

7. Con người sẽ ra sao trong Metaverse

PV 🎙:

Mối lo ngại con người có trở nên phụ thuộc hoặc sống trong thế giới ảo nhiều hơn thế giới thực?

Anh Phước 🗣️:

Đó là một câu hỏi hay. Metaverse không phải là một, mà sẽ là rất nhiều thế giới ảo. Mỗi thế giới sẽ có hệ giá trị, những điểm đặc trưng riêng và phục vụ các mục đích rất khác nhau như công việc, giải trí, học hành.

Các nền tảng tạo ra các thế giới ảo đó sẽ phải cân nhắc yếu tố an toàn cho người dùng (user safety). An toàn ở đây bao gồm cả việc bảo đảm sức khoẻ, tính cân bằng giữa tinh thần và thể chất. Là một cư dân của một thế giới ảo, bạn hãy chọn những nền tảng nào đảm bảo yếu tố an toàn đó nhé. 

Như Apple, họ tạo ra Screen Time để giúp người dùng quản lý thời gian sử dụng điện thoại của mình dễ dàng hơn và qua đó cân bằng các hoạt động khác để tạo ra một cuộc sống chất lượng hơn.

Categories
Dev's Corner

MLOps là gì? Tại sao MLOps lại quan trọng? Và cách triển khai nó

“Cái thứ MLOps này là gì?”

Đó là câu hỏi mà tôi trăn trở, nhưng cho đến gần đây, tôi mới chỉ nghe nói về MLOps một vài lần tại các hội nghị lớn về AI, tôi thấy một số đề cập trong các bài báo tôi đã đọc trong nhiều năm, nhưng tôi không biết bất cứ điều gì cụ thể.

Vào khoảng thời gian đó, tôi có cuộc trò chuyện với một người bạn làm Chuyên gia khai thác dữ liệu (Data Mining Specialist) ở Mozambique, Châu Phi. Gần đây, họ bắt đầu tạo quy trình Machine Learning (ML) nội bộ của mình, và tình cờ là tôi bắt đầu viết bài này khi đang tự nghiên cứu về lĩnh vực MLOps bí ẩn để quy mọi thứ về một mối.

Bên lề: Bạn có thể tham khảo video dưới đây để hiểu thêm về MLOps. Đây là video buổi chia sẻ tại Gambaru Technical Event #11 của anh Quân Đặng, Senior ML Engineer.

Chia sẻ chủ đề MLOps tại Technical Event #11

Trong lần trao đổi này, tôi biết thêm về những khó khăn mà cả các công ty cũ (và nhiều công ty công nghệ làm ML thương mại) mắc phải:

  • Di chuyển lên đám mây
  • Tạo và quản lý quy trình ML
  • Mở rộng quy mô
  • Xử lý dữ liệu nhạy cảm trên quy mô lớn
  • Và khoảng một triệu vấn đề khác

Và vì vậy, tôi có nhiệm vụ đi sâu và thực hiện các nghiên cứu sâu rộng và học hỏi nhiều nhất có thể khi tôi viết ra các ghi chú và ý tưởng của riêng mình.

Kết quả là bài viết này.

Nhưng tại sao tôi lại nghiên cứu về MLOps?

Theo techjury, mỗi người tạo ra ít nhất 1,7 MB dữ liệu mỗi giây vào năm 2020. Đối với các nhà khoa học dữ liệu, điều đó giống như Giáng sinh sớm vì có rất nhiều lý thuyết / ý tưởng để khám phá, thử nghiệm và nhiều khám phá được thực hiện và các mô hình được phát triển.

Nhưng nếu chúng ta trở nên nghiêm túc và thực sự để những mô hình đó chạm đến các vấn đề kinh doanh trong đời thực và con người thực, chúng ta phải giải quyết các yếu tố cần thiết như:

  • thu thập & làm sạch một lượng lớn dữ liệu
  • thiết lập theo dõi và lập phiên bản cho các thử nghiệm và chạy huấn luyện mô hình
  • thiết lập các quy trình triển khai và giám sát cho các mô hình đi vào sản xuất.

Và chúng ta cần tìm cách mở rộng quy mô hoạt động ML của mình theo nhu cầu của doanh nghiệp và / hoặc người dùng các mô hình ML.

Trước đây cũng có những vấn đề tương tự khi chúng tôi cần mở rộng các hệ thống phần mềm thông thường để nhiều người có thể sử dụng chúng hơn.

Giải pháp của DevOps là một tập hợp các phương pháp phát triển, thử nghiệm, triển khai và vận hành các hệ thống phần mềm quy mô lớn. Với DevOps, chu kỳ phát triển trở nên ngắn hơn, tốc độ triển khai tăng lên và các bản phát hành hệ thống trở nên dễ kiểm soát và đáng tin cậy.

Điều đó đưa chúng ta đến MLOps. Nó được sinh ra tại nơi giao thoa của DevOps, Data Engineering và Machine Learning và nó có khái niệm tương tự như DevOps, nhưng cách thực thi thì khác.

Các hệ thống ML có bản chất là thử nghiệm và có nhiều thành phần rất phức tạp để xây dựng và vận hành.

Nào, cùng nói sâu hơn!

MLOps là gì?

MLOps là một tập hợp các phương pháp để hợp tác và giao tiếp giữa các nhà khoa học dữ liệu và các chuyên gia vận hành.

Việc áp dụng các thực hành này sẽ làm tăng chất lượng, đơn giản hóa quy trình quản lý và tự động hóa việc triển khai các mô hình Machine Learning và Deep Learning trong môi trường sản xuất quy mô lớn. Liên kết các mô hình với nhu cầu kinh doanh cũng như các quy định bắt buộc cũng dễ dàng hơn.

Chu trình MLOps
Chu trình MLOps

MLOps đang dần phát triển thành một phương pháp độc lập để quản lý vòng đời ML. Nó áp dụng cho toàn bộ vòng đời – thu thập dữ liệu, tạo mô hình (vòng đời phát triển phần mềm, CI/CD), điều phối, triển khai, sức khỏe, chẩn đoán, quản trị và các chỉ số kinh doanh.

Các giai đoạn chính của MLOps là:

  • Thu thập dữ liệu
  • Phân tích dữ liệu
  • Chuyển đổi / chuẩn bị dữ liệu
  • Huấn luyện & phát triển mô hình
  • Đánh giá mô hình 
  • Dịch vụ hóa mô hình
  • Giám sát mô hình
  • Huấn luyện lại mô hình.

DevOps vs. MLOps

DevOps và MLOps có những điểm tương đồng cơ bản vì MLOps được bắt nguồn từ các nguyên tắc của DevOps. Nhưng chúng khá khác nhau về cách thực hiện:

1. Không giống như DevOps, MLOps mang bản chất thử nghiệm hơn

Các nhà khoa học dữ liệu (data scientist) và kỹ sư ML/DL (Machine Learning/Data Labeling) phải tinh chỉnh các tính năng khác nhau – siêu tham số, thông số và mô hình – đồng thời theo dõi và quản lý dữ liệu cũng như cơ sở mã (code base) để có kết quả có thể phục dựng được.

Bên cạnh những nỗ lực và công cụ, ngành ML/DL vẫn phải vật lộn với khả năng phục dựng lại các thí nghiệm.

2. Đội nhóm hỗn hợp

Đội nhóm cần để xây dựng và triển khai các mô hình vào sản xuất không chỉ gồm các kỹ sư phần mềm (software engineer).

Trong dự án ML, đội nhóm thường gồm các nhà khoa học dữ liệu hoặc nhà nghiên cứu ML (Machine learning researcher), những người tập trung vào phân tích dữ liệu khám phá, phát triển mô hình và thử nghiệm.

Họ không nhất thiết phải là những kỹ sư phần mềm giàu kinh nghiệm để có thể xây dựng các dịch vụ ở cấp sản xuất.

3. Kiểm thử

Kiểm thử một hệ thống ML bao gồm đánh giá mô hình, huấn luyện mô hình,… ngoài các kiểm thử thông thường, chẳng hạn như kiểm thử đơn vị và kiểm thử tích hợp.

4. Triển khai tự động

Bạn không thể chỉ triển khai mô hình ML được huấn luyện ngoại tuyến (offline-trained ML model) như một dịch vụ dự đoán (prediction service). Bạn sẽ cần quy trình gồm nhiều bước để tự động huấn luyện lại và triển khai mô hình.

Quy trình tăng tính phức tạp vì bạn cần tự động hóa các bước mà các nhà khoa học dữ liệu thực hiện thủ công trước khi triển khai huấn luyện và đánh giá các mô hình mới.

5. Sự suy giảm kết quả trong môi trường sản xuất của hệ thống do hồ sơ dữ liệu thay đổi hay đơn giản là Chênh lệch Huấn luyện – Thực tế (Training – Serving Skew).

Các mô hình ML trong môi trường sản xuất có thể bị giảm hiệu suất không chỉ do việc lập trình không tối ưu mà còn do hồ sơ dữ liệu liên tục thay đổi.

Các mô hình có thể phân rã theo nhiều cách hơn so với các hệ thống phần mềm thông thường và bạn cần phải lên kế hoạch cho nó. 

Điều này có thể xảy ra bởi:

  • Sự khác biệt giữa cách bạn xử lý dữ liệu trong quy trình huấn luyện và chạy thực tế.
  • Sự thay đổi dữ liệu giữa khi bạn huấn luyện và khi bạn chạy thực tế.
  • Vòng lặp phản hồi – khi bạn chọn sai giả thuyết để tối ưu, điều này khiến bạn thu thập dữ liệu sai lệch khi huấn luyện mô hình của mình. Sau đó, không hề hay biết, bạn thu thập các điểm dữ liệu mới hơn bằng cách sử dụng giả thuyết này, nó được phản hồi để huấn luyện lại / tinh chỉnh các phiên bản mô hình trong tương lai, làm cho mô hình trở nên sai lệch hơn và hiệu ứng hòn tuyết lăn xảy ra.

6. Giám sát

Các mô hình trong môi trường sản xuất cần được giám sát. Tương tự, cần theo dõi các thống kê tóm tắt dữ liệu đã xây dựng mô hình để làm mới mô hình khi cần.

Các thống kê này có thể và sẽ thay đổi theo thời gian, bạn cần thông báo hoặc một quy trình khôi phục khi các giá trị đi chệch hướng so với mong đợi.

MLOps và DevOps tương tự nhau khi nói tới việc tích hợp liên tục kiểm soát nguồn, kiểm thử đơn vị, kiểm thử tích hợp và phân phối liên tục mô-đun hoặc gói phần mềm.

Tuy nhiên, trong ML có một số điểm khác biệt đáng chú ý:

  • Tích hợp liên tục (CI) không còn là về kiểm thử và đánh giá code và các thành phần, mà còn kiểm thử và thẩm định dữ liệu, lược đồ CSDL và mô hình.
  • Triển khai liên tục (CD) không còn là về một gói phần mềm hoặc dịch vụ đơn lẻ, mà là một hệ thống (quy trình huấn luyện ML) sẽ tự động triển khai một dịch vụ khác (dịch vụ dự đoán mô hình) hoặc khôi phục các thay đổi từ một mô hình.
  • Kiểm thử liên tục (CT) là một thuộc tính mới, duy nhất đối với các hệ thống ML, liên quan đến việc tự động huấn luyện lại và chạy thực tế mô hình.
Nền tảng Machine Learning End-to-End
Nền tảng Machine Learning End-to-End

MLOps vs. Theo dõi thử nghiệm vs. Quản lý mô hình ML

Chúng ta đã định nghĩa MLOps là gì, còn theo dõi thử nghiệm và quản lý mô hình ML thì sao?

Theo dõi thử nghiệm (Experiment tracking)

Theo dõi thử nghiệm là một phần (hoặc một quy trình) của MLOps, tập trung vào việc thu thập, tổ chức và theo dõi thông tin huấn luyện mô hình qua nhiều lần chạy với các cấu hình khác nhau (siêu tham số, quy mô mô hình, phân tách dữ liệu, tham số, v.v.).

Như đã đề cập trước đó, vì ML/DL có bản chất là thử nghiệm, chúng ta sẽ sử dụng các công cụ theo dõi thử nghiệm để so sánh các mô hình khác nhau được tạo bởi các công ty, đội nhóm hoặc thành viên khác nhau.

Quản lý mô hình

Để đảm bảo rằng các mô hình ML nhất quán và tất cả các yêu cầu kinh doanh được đáp ứng ở quy mô lớn, một chính sách hợp lý, dễ thực hiện đối với Quản lý mô hình là điều cần thiết.

Phương pháp luận MLOps bao gồm một quy trình để phối hợp việc huấn luyện mô hình, đóng gói, thẩm định, triển khai và giám sát. Bằng cách này, bạn có thể chạy các dự án ML một cách nhất quán từ đầu đến cuối.

Bằng cách thiết lập một phương pháp luận Quản lý mô hình rõ ràng, nhất quán, các tổ chức có thể:

  • Chủ động giải quyết các mối quan tâm kinh doanh chung (chẳng hạn như tuân thủ quy định);
  • Cho phép các mô hình có thể tái tạo bằng cách theo dõi dữ liệu, mô hình, mã và lập phiên bản mô hình;
  • Đóng gói và cung cấp các mô hình theo cấu hình có thể lặp lại để hỗ trợ khả năng tái sử dụng.

Tại sao MLOps lại quan trọng?

MLOps là nền tảng. Machine Learning giúp các cá nhân và doanh nghiệp triển khai các giải pháp giúp mở khóa những nguồn doanh thu chưa khai thác, tiết kiệm thời gian và giảm chi phí bằng cách tạo quy trình làm việc hiệu quả hơn, tận dụng phân tích dữ liệu để ra quyết định và cải thiện trải nghiệm khách hàng.

Những mục tiêu này khó có thể hoàn thành nếu không có một khuôn khổ vững chắc để tuân theo. Tự động hóa việc phát triển và triển khai mô hình với MLOps có nghĩa là thời gian thâm nhập thị trường nhanh hơn và chi phí vận hành thấp hơn. Nó giúp các nhà quản lý và nhà phát triển trở nên linh hoạt và có tính chiến lược hơn trong các quyết định.

MLOps đóng vai trò như bản đồ hướng dẫn các cá nhân, nhóm nhỏ và thậm chí cả doanh nghiệp đạt được mục tiêu của họ bất kể các ràng buộc như dữ liệu nhạy cảm, ít tài nguyên, ngân sách nhỏ…

Bạn quyết định bản đồ của mình sẽ lớn tới mức nào vì MLOps không phải là những thực tiễn cứng nhắc. Bạn có thể thử nghiệm với các thiết lập khác nhau và chỉ giữ lại những gì hiệu quả.

Các thực hành  MLOps tốt nhất

Lúc đầu, tôi chỉ muốn liệt kê 10 thực hành tốt nhất, nhưng sau một số nghiên cứu, tôi đã đi đến kết luận rằng tốt nhất nên đưa vào các thực hành tốt nhất cho các thành phần khác nhau của một quy trình ML, đó là: Đội nhóm, Dữ liệu, Mục tiêu, Mô hình, Mã và Triển khai.

Đội nhóm

Dữ liệu 

Mục tiêu (Thang đo và KPI)

Model 

Code

Triển khai

Các thực hành tốt nhất này sẽ đóng vai trò nền tảng để bạn xây dựng các giải pháp MLOps.

Cách triển khai MLOps

Có 3 cách triển khai MLOps:

  • MLOps cấp 0 (Quy trình thủ công)
  • MLOps cấp 1 (tự động hóa quy trình ML)
  • MLOps cấp 2 (tự động hóa quy trình CI / CD)

MLOps cấp 0

Điển hình cho các công ty mới bắt đầu với ML. Quy trình ML hoàn toàn thủ công và quy trình dựa trên nhà khoa học dữ liệu là đủ nếu các mô hình hiếm khi được thay đổi hoặc huấn luyện.

Đặc trưng

  • Quy trình thủ công, theo hướng kịch bản và tương tác: mọi bước đều thủ công, bao gồm phân tích dữ liệu, chuẩn bị dữ liệu, huấn luyện mô hình và đánh giá. Yêu cầu thực hiện thủ công từng bước và chuyển đổi thủ công từ bước này sang bước khác.
  • Không kết nối giữa ML và các hoạt động: quy trình tách biệt giữa các nhà khoa học dữ liệu tạo ra mô hình với các kỹ sư chạy thực tế mô hình. Các nhà khoa học dữ liệu chuyển giao một mô hình đã huấn luyện như một tạo tác (artifact) để nhóm kỹ sư triển khai trên cơ sở hạ tầng API của mình.
  • Phát hành không thường xuyên: giả định ở đây là nhóm khoa học dữ liệu quản lý một số mô hình không thường xuyên thay đổi (triển khai mô hình hoặc huấn luyện lại mô hình bằng dữ liệu mới). Một phiên bản mô hình mới chỉ được triển khai một vài lần mỗi năm.
  • Không tích hợp liên tục (CI): vì có ít thay đổi trong triển khai, nên bỏ qua CI. Thông thường, kiểm thử là một phần trong việc thực thi kịch bản.
  • Không triển khai liên tục (CD): vì không có triển khai phiên bản mô hình thường xuyên, nên CD không được cân nhắc.
  • Triển khai liên quan đến dịch vụ dự đoán (tức là một microservice với REST API)
  • Thiếu chủ động giám sát hiệu suất: quy trình không theo dõi hoặc ghi lại các dự đoán và hành động của mô hình.

Đội ngũ kỹ sư có thể có thiết lập phức tạp khi cấu hình API, kiểm thử và triển khai, bao gồm bảo mật, hồi quy và thử nghiệm tải + canary.

Các thách thức

Trong thực tế, các mô hình thường bị hỏng khi chúng được triển khai trong thế giới thực. Mô hình không thích ứng với những thay đổi của môi trường hoặc trong dữ liệu mô tả môi trường.

Để giải quyết những thách thức của quy trình thủ công này, bạn nên sử dụng các phương pháp MLOps cho CI / CD và CT. Bằng cách triển khai quy trình huấn luyện ML, bạn có thể kích hoạt CT và có thể thiết lập hệ thống CI / CD để kiểm thử, xây dựng và thực thi các triển khai mới của quy trình ML một cách nhanh chóng.

MLOps cấp độ 1

Mục tiêu của MLOps cấp 1 là thực hiện huấn luyện liên tục (CT) mô hình bằng cách tự động hóa quy trình ML. Bằng cách này, bạn có thể cung cấp liên tục dịch vụ dự đoán mô hình.

Kịch bản này có thể hữu ích cho các giải pháp hoạt động trong môi trường thay đổi liên tục và cần chủ động giải quyết những thay đổi trong hành vi của khách hàng, tỷ giá và các chỉ số khác.

Đặc trưng

  • Thử nghiệm nhanh: Các bước thử nghiệm ML được sắp xếp và thực hiện tự động.
  • CT của mô hình trong môi trường sản xuất: mô hình được huấn luyện tự động trong môi trường sản xuất, sử dụng dữ liệu mới dựa trên các live pipeline trigger.
  • Cân xứng giữa vận hành – thử nghiệm: triển khai quy trình được sử dụng trong môi trường phát triển hoặc thử nghiệm được sử dụng trong môi trường tiền sản xuất và sản xuất, đây là một khía cạnh chính của thực hành MLOps để thống nhất DevOps.
  • Mã được mô-đun hóa cho các thành phần và quy trình: để xây dựng quy trình ML, các thành phần cần phải tái sử dụng được, kết hợp được và chia sẻ được ở các quy trình ML (tức là sử dụng các container).
  • Phân phối liên tục các mô hình: tự động hóa bước triển khai mô hình, tức là chạy thực tế mô hình đã được huấn luyện và công nhận như một dịch vụ dự đoán cho các dự đoán online.
  • Triển khai quy trình: ở cấp độ 0, bạn triển khai một mô hình được huấn luyện như một dịch vụ dự đoán vào môi trường sản xuất. Đối với cấp độ 1, bạn triển khai quy trình huấn luyện tổng thể (một cách tự động và thường xuyên) để chạy thực tế mô hình đã được huấn luyện như một dịch vụ dự đoán.

Các thành phần bổ sung

  • Xác thực dữ liệu và mô hình: quy trình kỳ vọng dữ liệu sống, mới nhằm tạo ra một phiên bản mô hình mới được huấn luyện dựa trên dữ liệu mới. Do đó, các bước xác thực dữ liệu và xác thực mô hình tự độnglà bắt buộc trong quy trình sản xuất.
  • Kho tính năng: kho tính năng là một kho lưu trữ tập trung, nơi chuẩn hóa định nghĩa, lưu trữ và truy cập của các tính năng để huấn luyện và phục vụ.
  • Quản lý metadata: thông tin về mỗi lần thực thi quy trình ML được ghi lại, hữu ích cho dòng đời dữ liệu và tạo tác, khả năng tái tạo và so sánh. Nó cũng giúp bạn gỡ lỗi và các bất thường
  • Kích hoạt quy trình ML: bạn có thể tự động hóa quy trình sản xuất ML để huấn luyện lại các mô hình bằng dữ liệu mới, tùy thuộc vào tình huống của bạn:
    • Theo nhu cầu
    • Theo lịch trình
    • Theo tính sẵn có của dữ liệu huấn luyện mới
    • Theo sự suy giảm hiệu suất của mô hình
    • Theo những thay đổi đáng kể trong phân phối dữ liệu (hồ sơ dữ liệu đang thay đổi).

Những thách thức

Thiết lập này phù hợp khi bạn triển khai các mô hình mới dựa trên dữ liệu mới, thay vì dựa trên các ý tưởng ML mới.

Tuy nhiên, bạn cần thử các ý tưởng ML mới và nhanh chóng triển khai các thành phần ML. Nếu bạn quản lý nhiều quy trình ML trong môi trường sản xuất, bạn cần thiết lập CI / CD để tự động hóa việc xây dựng, kiểm tra và triển khai các quy trình ML.

MLOps cấp độ 2

Với 1 cập nhật nhanh chóng và đáng tin cậy các quy trình trong môi trường sản xuất, bạn cần có một hệ thống CI/CD tự động mạnh mẽ.

Với hệ thống CI/CD tự động này, các data scientist sẽ sớm khám phá nhiều ý tưởng mới quanh feature engineering (kỹ thuật loại bỏ thuộc tính dư thừa), kiến ​​trúc định hướng mô hình và siêu tham số.

Cấp độ này phù hợp với các công ty hoạt động trong lĩnh vực công nghệ phải huấn luyện lại mô hình của họ hàng ngày, thậm chí hàng giờ, cập nhật chúng trong vài phút và triển khai lại trên hàng nghìn máy chủ đồng thời.

Nếu không có chu trình MLOps từ đầu đến cuối, các tổ chức như vậy sẽ không tồn tại được.

Thiết lập MLOps này bao gồm các thành phần sau:

  • Kiểm soát nguồn
  • Dịch vụ kiểm thử và xây dựng 
  • Dịch vụ triển khai
  • Sổ đăng ký mô hình
  • Kho thuộc tính
  • Kho siêu dữ liệu ML
  • Bộ điều phối quy trình ML

Đặc trưng

  • Phát triển và thử nghiệm: bạn liên tục thử các thuật toán ML và mô hình mới, trong đó các bước thử nghiệm được điều phối. Đầu ra của giai đoạn này là mã nguồn của các bước quy trình ML, sau đó được đẩy đến một kho lưu trữ nguồn.
  • Tích hợp liên tục theo quy trình: bạn xây dựng mã nguồn và chạy các bài kiểm thử khác nhau. Đầu ra của giai đoạn này là các thành phần quy trình (gói, tệp thực thi và tạo tác) sẽ được triển khai trong giai đoạn sau.
  • Phân phối liên tục theo quy trình: bạn triển khai các tạo tác được tạo ra bởi giai đoạn CI tới môi trường mục tiêu. Đầu ra của giai đoạn này là một quy trình được triển khai với việc triển khai mô hình mới.
  • Kích hoạt tự động: quy trình được thực hiện tự động trong quá trình sản xuất dựa trên lịch trình hoặc phản ứng với trình kích hoạt. Đầu ra của giai đoạn này là một mô hình mới được huấn luyện được đẩy vào sổ đăng ký mô hình.
  • Phân phối liên tục mô hình: bạn chạy thực tế mô hình đã được huấn luyện như một dịch vụ dự đoán cho các dự đoán. Đầu ra của giai đoạn này là một dịch vụ dự đoán mô hình đã triển khai.
  • Giám sát: bạn thu thập thống kê hiệu suất của mô hình dựa trên dữ liệu sống. Đầu ra của giai đoạn này là một trigger để thực thi quy trình hoặc thực thi một chu kỳ thử nghiệm mới.

Bước phân tích dữ liệu vẫn là một quy trình thủ công đối với các data scientist trước khi quy trình bắt đầu lặp lại thử nghiệm mới. Bước phân tích mô hình cũng là một quy trình thủ công.

Cơ sở hạ tầng MLOps: Xây dựng, mua hay kết hợp (hydrid)?

Các công ty điện toán đám mây đã đầu tư hàng trăm tỷ đô la vào cơ sở hạ tầng và quản lý.

Để cung cấp cho bạn một chút bối cảnh, một báo cáo của canalys nói rằng chi tiêu cho cơ sở hạ tầng đám mây công cộng đạt 77,8 tỷ đô vào năm 2018 và đã tăng lên 107 tỷ đô vào năm 2019.

Theo một nghiên cứu khác của IDC, với tốc độ tăng trưởng kép hàng năm (CAGR) là 22,3%, chi tiêu cho cơ sở hạ tầng đám mây ước tính sẽ tăng lên gần 500 tỷ đô vào năm 2023.

Chi tiêu cho các dịch vụ cơ sở hạ tầng đám mây đạt mức kỷ lục 30 tỷ đô trong quý 2 năm 2020, với Amazon Web Services (AWS), Microsoft và Google Cloud chiếm một nửa chi tiêu của khách hàng.

Từ góc độ nhà cung cấp, thị phần AWS vẫn ở mức “lâu đời” là khoảng 33% trong quý 2 năm 2020, tiếp theo là Microsoft với 18% và Google Cloud là 9%.

Trong khi đó, các nhà cung cấp đám mây Trung Quốc hiện chiếm hơn 12% thị trường toàn thế giới, dẫn đầu là Alibaba, Tencent và Baidu.

Các công ty này đầu tư vào nghiên cứu và phát triển phần cứng, phần mềm và các ứng dụng SaaS chuyên dụng, cũng như phần mềm MLOps. Hai ví dụ tuyệt vời xuất hiện trong tâm trí tôi:

  • AWS với Sagemaker, một nền tảng ML đám mây được quản lý từ đầu chí cuối, cho phép các nhà phát triển tạo, huấn luyện và triển khai các mô hình học máy trong đám mây, hệ thống nhúng và thiết bị tiên tiến.
  • Google với AI Platform Pipelines gần đây để xây dựng và quản lý các quy trình ML, tận dụng các thành phần và mẫu được tạo sẵn của TensorFlow (TFX’s) thực hiện rất nhiều công việc triển khai mô hình.

Vậy bạn nên xây dựng hay mua cơ sở hạ tầng hay kết hợp đây?

Các công ty công nghệ muốn tồn tại lâu dài thường có đội ngũ nội bộ và xây dựng các giải pháp tùy chỉnh. Nếu họ có kỹ năng, kiến ​​thức và công cụ để giải quyết các vấn đề phức tạp, thì không có gì sai với cách tiếp cận đó. Nhưng có những yếu tố khác đáng được tính đến, như:

  • thời gian và nỗ lực
  • nguồn nhân lực
  • thời gian để thu lợi nhuận
  • chi phí cơ hội.

Thời gian và nỗ lực

Theo một cuộc khảo sát của cnvrg.io, các data scientist thường dành thời gian xây dựng các giải pháp để bổ sung vào cơ sở hạ tầng hiện có của họ nhằm hoàn thành các dự án.

65% thời gian của họ dành cho các nhiệm vụ nặng về kỹ thuật, phi khoa học dữ liệu như theo dõi, giám sát, cấu hình, quản lý tài nguyên tính toán, cơ sở hạ tầng chạy thực tế, khai thác tính năng và triển khai mô hình.

Thời gian lãng phí này thường được gọi là “nợ kỹ thuật ẩn” và là một nút thắt cổ chai phổ biến đối với các đội nhóm machine learning.

Việc xây dựng một giải pháp nội bộ hoặc duy trì một giải pháp hoạt động kém hiệu quả có thể mất từ ​​6 tháng đến 1 năm.

Ngay cả khi bạn đã xây dựng cơ sở hạ tầng đang hoạt động, chỉ để duy trì cơ sở hạ tầng và cập nhật công nghệ mới nhất, bạn cần phải có quản lý vòng đời và một đội nhóm chuyên tâm.

Nguồn nhân lực

Việc vận hành machine learning đòi hỏi rất nhiều kỹ thuật. Để có một quy trình làm việc machine learning trôi chảy, mỗi đội nhóm data science phải có một nhóm vận hành hiểu được các yêu cầu riêng biệt của việc triển khai các mô hình machine learning.

Bằng việc đầu tư vào nền tảng MLOps end-to-end, các quy trình này có thể hoàn toàn tự động, sẽ giúp các nhóm vận hành tập trung vào việc tối ưu hóa cơ sở hạ tầng của họ dễ dàng hơn.

Phí tổn

Việc có một nhóm vận hành chuyên tâm để quản lý các mô hình có thể tốn kém. Nếu muốn mở rộng quy mô thử nghiệm và triển khai, bạn cần thuê thêm kỹ sư để quản lý quy trình này. Đó là một khoản đầu tư lớn và một quá trình chậm chạp để tìm được nhóm phù hợp.

Giải pháp MLOps có sẵn được xây dựng tính đến khả năng mở rộng, với chi phí thấp. Sau khi tính toán tất cả các chi phí khác nhau liên quan đến việc thuê và giới thiệu toàn bộ đội ngũ kỹ sư, lợi tức đầu tư của bạn giảm xuống, điều này đưa chúng ta đến yếu tố tiếp theo.

Thời gian sinh lời

Có thể mất hơn một năm để xây dựng cơ sở hạ tầng machine learning hoạt động được. Có thể mất nhiều thời gian hơn nữa để xây dựng một quy trình dữ liệu có thể tạo ra giá trị cho tổ chức của bạn.

Các công ty như Uber, Netflix và Facebook đã dành nhiều năm và nỗ lực kỹ thuật lớn để mở rộng quy mô và duy trì nền tảng học máy của họ để duy trì tính cạnh tranh.

Đối với hầu hết các công ty, một khoản đầu tư như thế này là không thể, và cũng không cần thiết. Lĩnh vực machine learning đã phát triển kể từ khi Uber, Netflix và Facebook xây dựng các giải pháp nội bộ của họ.

Ngày càng nhiều giải pháp có sẵn cung cấp tất cả những gì bạn cần ngay lập tức, với chi phí thấp hơn.

Chi phí cơ hội

Như đã đề cập ở trên, một cuộc khảo sát cho thấy 65% ​​thời gian của một nhà khoa học dữ liệu được dành cho các nhiệm vụ không liên quan đến khoa học dữ liệu. Việc sử dụng nền tảng MLOps sẽ tự động hóa các tác vụ kỹ thuật và giảm tắc nghẽn DevOps.

Các nhà khoa học dữ liệu có thể dành thời gian làm nhiều việc hơn – cung cấp các mô hình có ý nghĩa – trong khi nhà cung cấp đám mây lo phần còn lại.

Việc áp dụng nền tảng MLOps end-to-end có một lợi thế cạnh tranh đáng kể cho phép sự phát triển machine learning của bạn mở rộng quy mô lớn.

Còn về cơ sở hạ tầng MLOps kết hợp?

Một số công ty được tin tưởng giao phó với dữ liệu riêng tư và nhạy cảm. Nó không thể rời khỏi máy chủ của họ vì nếu có một lỗ hổng nhỏ, hiệu ứng gợn sóng sẽ rất thảm khốc. Đây là lúc cơ sở hạ tầng đám mây MLOps kết hợp ra đời.

Hiện tại, cơ sở hạ tầng đám mây tồn tại song song với các hệ thống tại chỗ trong hầu hết các trường hợp.

Quản lý đám mây lai rất phức tạp, nhưng thường cần thiết. Theo báo cáo Cơ sở hạ tầng đám mây năm 2020 của Cloudcheckr, cơ sở hạ tầng ngày nay là sự kết hợp giữa đám mây và tại chỗ (cloud và on-premise)

Cơ sở hạ tầng đám mây ngày càng phổ biến, nhưng vẫn hiếm khi tìm thấy một công ty lớn từ bỏ hoàn toàn cơ sở hạ tầng tại chỗ (hầu hết đều vì những lý do rõ ràng, chẳng hạn như dữ liệu nhạy cảm).

Một nghiên cứu khác của RightScale cho thấy rằng tỷ lệ áp dụng đám mây lai đã tăng 58% vào năm 2019 từ 51% trong năm 2018. Điều này có thể hiểu được vì có nhiều lý do để tiếp tục duy trì cơ sở hạ tầng tại chỗ.

Nền tảng On-prem
Tại sao công ty của bạn tiếp tục duy trì cơ sở hạ tầng tại chỗ?

Quản lý cơ sở hạ tầng hydrid là một thách thức

Quản lý bất kỳ loại cơ sở hạ tầng công nghệ doanh nghiệp nào không phải việc dễ dàng. Luôn có những vấn đề liên quan đến bảo mật, hiệu suất, tính khả dụng, chi phí và nhiều vấn đề khác.

Môi trường đám mây lai tạo thêm một lớp phức tạp khiến việc quản lý CNTT thậm chí còn trở nên khó khăn hơn.

Phần lớn các bên liên quan đến đám mây (96%) phải đối mặt với những thách thức trong việc quản lý cả cơ sở hạ tầng tại chỗ và đám mây.

Thách thức nào trong việc quản lý cơ sở hạ tầng tại chỗ lẫn đám mây?

Thách thức trong quản lý hạ tầng on prem và cloud
Thách thức trong quản lý hạ tầng on prem và cloud

Các vấn đề “khác” được báo cáo bao gồm nhu cầu về một bộ kỹ năng hoàn toàn khác, thiếu khả năng tiếp cận với máy tính và lưu trữ chuyên dụng.

Ngoài ra, phải thay đổi vai trò của nhân viên hiện tại để giao cho họ quản lý các hệ thống tại chỗ và cuối cùng là giải quyết các vấn đề về độ tin cậy đang diễn ra (như Timeout, Thiếu tài nguyên dữ liệu, Thiếu tài nguyên máy tính, Lỗi phần mềm, Lỗi cơ sở dữ liệu, Lỗi phần cứng và Lỗi mạng)..

Việc xây dựng nền tảng và cơ sở hạ tầng của riêng bạn sẽ ngày càng chiếm nhiều sự tập trung và chú ý của bạn khi nhu cầu tăng lên.

Thời gian có thể dành cho R&D mô hình và thu thập dữ liệu sẽ do quản lý cơ sở hạ tầng đảm nhận. Điều này không hay chút nào trừ khi nó là một phần của hoạt động kinh doanh cốt lõi của bạn (nếu bạn là nhà cung cấp dịch vụ đám mây, PaaS hoặc IaaS).

Mua một nền tảng được quản lý hoàn toàn mang lại cho bạn tính linh hoạt và khả năng mở rộng cao, nhưng sau đó bạn phải đối mặt với các vấn đề về tuân thủ, quy định và bảo mật.

Cơ sở hạ tầng MLOps đám mây kết hợp là tốt nhất lúc này, nhưng nó đặt ra những thách thức riêng, vì vậy, bạn có thể quyết định xem nó có phù hợp với mô hình kinh doanh của mình hay không.

Kết

Giờ đây bạn đã xác định được công ty của mình đang ở cấp độ nào, bạn có thể sử dụng một trong hai giải pháp MLOps:

  • End-to-end
  • Giải pháp MLOps được xây dựng tùy chỉnh (hệ sinh thái các công cụ)

Giải pháp MLOps end-to-end

Đây là những dịch vụ được quản lý hoàn toàn cung cấp cho các nhà phát triển và nhà khoa học dữ liệu khả năng xây dựng, huấn luyện và triển khai các mô hình ML một cách nhanh chóng. Các giải pháp thương mại hàng đầu là:

  • Amazon Sagemaker, bộ công cụ để xây dựng, huấn luyện, triển khai và giám sát các mô hình học máy
  • Bộ Microsoft Azure MLOps:
    • Azure Machine Learning để xây dựng, huấn luyện và xác thực các quy trình ML có thể tái tạo
    • Azure Pipelines để tự động triển khai ML
    • Azure Monitor để theo dõi và phân tích các chỉ số
    • Dịch vụ Azure Kubernetes và các công cụ bổ sung khác.
  • Bộ MLOps của Google Cloud:
    • Luồng dữ liệu để trích xuất, xác thực và chuyển đổi dữ liệu cũng như để đánh giá các mô hình
    • AI Platform Notebook để phát triển và huấn luyện các mô hình
    • Cloud Build để xây dựng và kiểm tra các quy trình học máy
    • TFX để triển khai quy trình ML
    • Kubeflow Pipelines để sắp xếp triển khai ML trên Google Kubernetes Engine (GKE).

Giải pháp MLOps tùy chỉnh

Các giải pháp end-to-end là tuyệt vời, nhưng bạn cũng có thể tự xây dựng bằng các công cụ yêu thích của mình, bằng cách chia quy trình MLOps thành nhiều microservices.

Cách tiếp cận này có thể giúp bạn tránh một điểm lỗi duy nhất (SPOF) và giúp quy trình của bạn trở nên mạnh mẽ – điều này làm cho quy trình của bạn dễ kiểm tra, gỡ lỗi và tùy chỉnh hơn. Trong trường hợp nhà cung cấp microservice gặp sự cố, bạn có thể dễ dàng thay thế bằng một nhà cung cấp dịch vụ mới.

Ví dụ gần đây nhất về SPOF là AWS ngừng hoạt động, điều này rất hiếm nhưng có thể xảy ra. Ngay cả Goliath cũng có thể gục ngã.

Microservices đảm bảo rằng mỗi dịch vụ được kết nối với nhau thay vì nhúng với nhau. Ví dụ, bạn có thể có các công cụ riêng biệt để quản lý mô hình và theo dõi thử nghiệm.

Cuối cùng, có rất nhiều công cụ MLOps có sẵn, tôi xin đề xuất 7 lựa chọn hàng đầu của tôi:

  • Project Jupyter
  • Nbdev
  • Airflow
  • Kubeflow
  • MLflow
  • Optuna
  • Cortex
  • Neptune

Bằng cách tận dụng những công cụ này và nhiều công cụ khác, bạn có thể xây dựng một giải pháp end-to-end bằng cách kết hợp các microservice lại với nhau.

MLOps là một lĩnh vực mới đang phát triển nhanh chóng, với các công cụ và quy trình mới luôn ra đời. Nếu bạn tham gia chương trình đào tạo MLOps ngay bây giờ, bạn đang đạt được lợi thế cạnh tranh rất lớn.

Tham khảo: Neptune.ai

Categories
Gambaru News

Nhìn lại hành trình Technical Event Series sau gần nửa năm “kích hoạt”

Đến nay, chuỗi Technical Event do Gambaru tổ chức đã sắp đi đến số thứ 08 (vào thứ 7 tuần này), đây cũng là dịp để Gambaru team nhìn lại chặn đường vừa qua, tổng kết những kết quả đạt được cũng như bài học rút ra cho chặn đường tiếp theo.

Các số Technical Event đã thực hiện

TE#01: Flutter

Đây là event mở màn cho chuỗi, do chưa có nhiều kinh nghiệm vận hành nên event này chỉ thực hiện cho anh em developer nội bộ.

Chủ đề của event là Flutter Project Architecture do anh Phúc Trần chia sẻ. Đây là cũng là thời điểm cộng đồng Telegram của Gambaru được dựng lên, thu hút một lượng ‘le que’ các thành viên ban đầu, nhưng cũng đầy hứa hẹn sẽ tăng trưởng tốt.

Xem video TE#01:

TE#01: Flutter – anh Phúc Trần

TE#02: Distributed Crawling

Số thứ 2 có số lượng đăng ký lên đến 70 người, một con số không tưởng với nỗ lực của team lúc bấy giờ. Chủ đề này may mắn có đến 2 speaker chia sẻ, đó là anh Đạt Hồ và anh Tín Đặng đến từ VietMoney. 

Xem video TE#02:

TE#03: Distributed Crawling – anh Đạt Hồ và anh Tín Đặng

TE#03: CI/CD và Monorepo

Lần đầu tiên kết hợp với speaker ngoài biên giới Việt Nam, rất may đây lại một speaker nữ xinh xắn, nụ cười tỏa nắng  nên cũng thu hút khá nhiều anh em developer, engineer tham gia. Chị Châu công tác tại một startup về xe hơi tự lái có trụ sở tại Mỹ. Châu cũng đang là CI/CD team lead với những chia sẻ thú vị và chứa đựng nhiều kiến thức.

Một điểm nổi bật tại TE#03 là các bài quizz thú vị được speaker của chúng ta được rất người anh em hưởng ứng.

Đây cũng là event đánh dấu cột mốc hơn 200 người đăng ký, làm team phải xuống hầu bao mua thêm “chỗ” khi event diễn ra.

Xem video TE#03:

TE#03: CI & Monorepo – chị Châu Vũ

TE#04: Graph 

Phải nói rằng chủ đề này khá kén người tham gia, vì mang tính học thuật khá cao. Tuy nhiên may mắn làm sao, vẫn nhận được lượng đăng ký đông đảo.

Speaker TE#04 là Thầy Hiển, tiến sĩ và giảng viên trường UIT. Trên thực tế, Thầy Hiển đã dành thời gian đào tạo thực tế các kiến thức về Graph cho anh em dev của Gambaru rồi. Đây cũng là chủ đề cuối cùng của năm Tân Sửu

Video TE#04:

TE#04: Graph – Thầy Hiển

TE#05: Cyber Security

Đây là event rất được kỳ vọng với sự xuất hiện của idol Hiếu PC. Anh là nhân vật rất nổi tiếng trong giới công nghệ, có lẽ không ai không biết. Buổi này cung cấp kiến thức về bảo mật sản phẩm đến các anh em dev nên ai cũng hoan nghênh.

Video TE#05:

TE#05: Cyber Security – anh Hiếu PC

TE#06: Kubernetes

Nếu phải gọi là bùng nổ, thì có lẽ đây là event bùng nổ nhất từ khi bắt đầu tổ chức chuỗi event. TE#08 kêu gọi được hơn 500 thành viên đăng ký. Tất cả cùng chào đón anh Thắng Chung, một senior dev tương đối kín tiếng.

Tại buổi này, anh Thắng đã “truyền thụ” nội công thâm hậu của mình suốt 4 tiếng đồng hồ tới các thành viên tham gia. Bình thường có 2 tiếng thôi nhưng speaker của chúng ta sung quá, cũng may là anh em cũng không ngại chèo tới bến cùng speaker.

Video TE#06:

TE#06: Kubernetes – anh Thắng Chung

TE#07: Site Reliability

Đây là event thứ 2 có sự tham gia của speaker đang làm việc ở nước ngoài với gần 168 thành viên đã đăng ký. Đây là chủ đề nhận được sự hưởng ứng không nhỏ, một phần vì speaker là cựu nhân viên của AWS và chia sẻ triết lý của AWS. 

Video TE#07:

TE#07: Reliability – anh Ryan Dao

Chờ đón các event đặc sắc khác

Với phương châm liên tục tổ chức Technical Event để nâng cao kiến thức, phục vụ các thành viên trong cộng đồng. Gambaru sẽ tổ chức các event trong Tháng 04, 05.

Technical Event được tổ chức vào tháng 04, 05.2022
Technical Event được tổ chức vào tháng 04, 05.2022

Nếu bạn có sự quan tâm đến chủ đề hoặc speaker nào, đừng ngại liên hệ Gambaru.

Những kết quả ấn tượng

Vậy là sau nhiều tháng tổ chức, kết quả mà Gambaru team đạt được là gì?

7 số TE đã tổ chức

Việc này hẳn đã quá rõ ràng, hy vọng trong năm 2022, chúng tôi có thể tổ chức nhiều chủ đề hữu ích hơn để hỗ trợ phát triển cho cộng đồng.

Cộng đồng Telegram gần 800 thành viên

Gambaru rất tự hào khi tổ chức và thu hút nhiều anh em developer, engineer tham gia vào cộng đồng của mình. Ban đầu chỉ có vài thành viên, giờ đây con số đã tăng nhanh chóng và có tiềm năng bức phá không nhỏ.

Kênh Youtube với gần 300 subscriber, hơn 2.500 lượt xem

Mỗi video đăng trên kênh Youtube của Gambaru có thời lượng không nhỏ, từ 120 phút trở lên, vì vậy sẽ khá kén người xem, chỉ thu hút đa phần với các anh em ngành IT, Engineering.

Vì vậy với lượt view mỗi video cũng như tổng lượt view cũng cho thấy sự quan tâm và sẵn sàng học hỏi của mọi người.

Một vài con số khác

  • Tổng thời lượng tham gia: 90.900 phút
  • Tổng số thành viên đăng ký và có tham gia: 952
  • Tổng số câu hỏi từ thành viên: 131

Thực hiện: Gambaru

Categories
Dev's Corner

Chiến lược Go to Market trong thời đại Web3: Tư duy, Chiến thuật và Chỉ số

Mọi công ty lúc ban đầu đều phải đối diện với loạt câu hỏi:

  • Làm thế nào để đi từ con số 0?
  • Làm thế nào để có được khách hàng?
  • Làm thế nào để tạo ra hiệu ứng mạng lưới – nơi sản phẩm hoặc dịch vụ của bạn trở nên có giá trị hơn đối với người dùng bởi ngày càng nhiều người sử dụng nó – tạo ra động lực cho khách hàng sử dụng hoặc đăng ký?

Tóm lại, làm thế nào để thâm nhập thị trường (GTM – Go to market) và thuyết phục khách hàng tiềm năng dành tiền bạc, thời gian và sự chú ý của họ vào sản phẩm hoặc dịch vụ của bạn?

Phản ứng của hầu hết các tổ chức trong thời đại web2 – kỷ nguyên Internet được định nghĩa bởi các sản phẩm / dịch vụ tập trung lớn (centralization) như Amazon, eBay, Facebook và Twitter, trong đó phần lớn giá trị tích lũy cho chính nền tảng chứ không phải cho người dùng – là đầu tư đáng kể cho đội ngũ bán hàng và marketing như một phần trong chiến lược thâm nhập thị trường (TNTT) truyền thống, tập trung vào việc tạo ra khách hàng tiềm năng, thu hút và giữ chân khách hàng.

Nhưng trong những năm gần đây, một mô hình xây dựng tổ chức hoàn toàn mới đã xuất hiện. Thay vì bị kiểm soát bởi các công ty – với ban lãnh đạo tập trung đưa ra tất cả các quyết định về sản phẩm hoặc dịch vụ – mô hình mới này sử dụng các công nghệ phi tập trung (decentralization) và đưa người dùng vào vai trò sở hữu thông qua một nguyên thủy kỹ thuật số (digital primitive) gọi là token.

Mô hình mới này, được gọi là web3, thay đổi toàn bộ ý tưởng thâm nhập thị trường cho những loại hình công ty mới này.

Mặc dù một số phương pháp thu hút khách hàng truyền thống vẫn còn phù hợp, nhưng việc giới thiệu token và cơ cấu tổ chức mới như các tổ chức tự trị phi tập trung (DAO) đòi hỏi sự đa dạng trong phương pháp tiếp cận thị trường.

Vì web3 vẫn còn mới đối với rất nhiều người nên trong bài viết này, tôi chia sẻ quan điểm cá nhân về việc thâm nhập thị trường trong bối cảnh này cũng như nơi các loại tổ chức khác nhau có thể tồn tại trong hệ sinh thái.

Tôi cũng sẽ đưa ra một số mẹo và chiến thuật cho những ai muốn xây dựng chiến lược go to market web3 của riêng họ.

Chất xúc tác của chiến lược Go to Market mới: Token

Khái niệm phễu khách hàng là một chiến lược go to market rất căn bản và quen thuộc với hầu hết các doanh nghiệp: đi từ nhận thức (awareness) và tạo khách hàng tiềm năng (acquistion) ở đầu phễu đến chuyển đổi (conversion) và giữ chân khách hàng (retention) ở cuối phễu.

Do đó, chiến lược go to market truyền thống trong thời đại web2 giải quyết các câu hỏi thu hút khách hàng thông qua lăng kính rất tuyến tính, bao gồm các thành phần như giá cả, tiếp thị, quan hệ đối tác, lập bản đồ kênh bán hàng và tối ưu lực lượng bán hàng.

Các thước đo thành công bao gồm thời gian chốt đơn, tỷ lệ nhấp vào trang web và doanh thu trên mỗi khách hàng, cùng nhiều thước đo khác.

Phễu thu hút khách hàng truyền thống trong web2
Phễu thu hút khách hàng truyền thống trong web2

Web3 thay đổi toàn bộ cách tiếp cận nhằm tận dụng các mạng lưới mới, bởi vì token đem lại một giải pháp thay thế cho cách tiếp cận truyền thống.

Thay vì chi tiền cho hoạt động marketing truyền thống để lôi kéo khách hàng tiềm năng, đội ngũ phát triển có thể sử dụng token để thu hút người dùng ban đầu, những người này sẽ được tưởng thưởng cho những đóng góp ban đầu khi hiệu ứng mạng lưới chưa rõ ràng hoặc chưa bắt đầu.

Điều này làm cho người dùng ban đầu trong thời đại web3 trở nên quyền lực hơn so với mô hình phát triển kinh doanh truyền thống hoặc nhân viên bán hàng trong web2.

Ví dụ:

  • Compound, một giao thức cho vay, đã sử dụng token để khuyến khích những người cho vay và người đi vay ban đầu bằng cách tặng thưởng COMP token để tham gia, hoặc ‘tăng tính thanh khoản’ bằng một chương trình khai thác thanh khoản.
  • Bất kỳ người dùng nào của giao thức này, cho dù là người đi vay hay người cho vay, đều nhận được COMP token.
  • Sau khi chương trình ra mắt vào năm 2020, tổng lượng giá trị tài sản khóa lại (TVL – Total value locked) trong Compound đã tăng từ 100 lên 600 triệu đô.
  • Trong khi các công ty truyền thống thưởng cho nhân viên thông qua sở hữu cổ phần, họ hiếm khi thưởng cho khách hàng (ngoài chiết khấu mua hàng hoặc hoa hồng giới thiệu).

Tóm lại:

Trong web2, bên liên quan chính của chiến lược go to market là khách hàng, thường có được thông qua các nỗ lực bán hàng và tiếp thị.

Còn trong thời đại web3, bên liên quan không chỉ bao gồm khách hàng / người dùng mà còn bao gồm các nhà phát triển, nhà đầu tư và đối tác của họ.

Do đó, nhiều công ty web3 nhận thấy vai trò cộng đồng quan trọng hơn vai trò bán hàng và tiếp thị.

Ma trận Go to market trong web3

Với các tổ chức web3, chiến lược go to market phụ thuộc vào vị trí của tổ chức trong ma trận dưới đây, theo 2 chiều kích: Cơ cấu tổ chức (là tập trung hay phi tập trung) và Đòn bẩy kinh tế (có token hay không có token):

Ma trận Go to Market trong web3
Ma trận Go to Market trong web3

Chiến lược GTM sẽ khác nhau ở mỗi góc phần tư và có thể mở rộng mọi thứ, từ các chiến lược web2 truyền thống đến các chiến lược mới và có tính thử nghiệm.

Bây giờ tôi sẽ tập trung vào góc phía trên bên phải (phi tập trung và có token) và so sánh nó với góc phía dưới bên trái (token và không token) để minh họa sự khác biệt giữa chiến lược go to market của web3 và web2.

Phi tập trung và có token

Hãy nhìn vào góc phía trên bên phải.

Ở đây bao gồm các tổ chức, mạng lưới và giao thức với mô hình hoạt động web3, nó đòi hỏi các chiến lược go to market mới.

Các tổ chức trong góc phần tư này tuân theo mô hình phi tập trung (mặc dù họ thường bắt đầu với đội ngũ lập trình hạch tâm hoặc nhân viên vận hành) và sử dụng token để thu hút các thành viên mới, tưởng thưởng cho những người đóng góp và phân phối phần thưởng đến những người tham gia. 

Sự khác biệt cơ bản giữa các tổ chức web3 trong góc phần tư này và những tổ chức sử dụng mô hình go to market truyền thống nằm ở câu hỏi cốt lõi: Sản phẩm là gì?

Trong khi các công ty web2 và những công ty ở góc phần tư phía dưới bên trái phần lớn phải bắt đầu với một sản phẩm thu hút khách hàng (đến vì công cụ, ở lại vì mạng lưới), thì các công ty web3 tiếp cận thị trường thông qua 2 thứ: Mục đíchCộng đồng.

Việc có một sản phẩm và một nền tảng kỹ thuật vững chắc vẫn quan trọng, nhưng nó không nhất thiết phải có trước.

Điều mà các tổ chức này cần là một mục đích rõ ràng xác định lý do họ tồn tại. Vấn đề mà họ đang cố gắng giải quyết là gì? Việc này có ý nghĩa hơn là chỉ huy động tiền dựa trên whitepaper (sách trắng, tài liệu chi tiết về sản phẩm, dự án) và đội ngũ sáng lập.

Điều đó cũng nghĩa là có một cộng đồng lớn mạnh – không chỉ là “dẫn dắt bởi cộng đồng” hay “cộng đồng là trên hết” mà còn do cộng đồng làm chủ – xóa mờ sự phân biệt giữa chủ sở hữu, cổ đông và người dùng.

Điều cho phép thành công lâu dài trong web3 là mục đích rõ ràng, có một cộng đồng chất lượng cao và tương tác tích cực, cũng như có cơ chế quản trị phù hợp với mục đích và cộng đồng đó.

Mục đích, con người và quản trị tạo nên chiến lược Go to market trong web3
Mục đích, con người và quản trị hợp thành chiến lược go to market trong web3

Bây giờ chúng ta hãy đi sâu hơn vào các hoạt động go to market trong hai danh mục chính của các tổ chức web3 ở góc phía trên bên phải:

  1. Các ứng dụng phi tập trung (decentralized application)
  2. Các blockchain Lớp 1, các giải pháp mở rộng Lớp 2 và các giao thức khác.

Hoạt động go tp market cho các ứng dụng phi tập trung

“Ứng dụng phi tập trung” bao gồm tài chính phi tập trung (DeFi), token không thể thay thế (NFT), mạng xã hội và trò chơi.

DAO tài chính phi tập trung (DeFi)

Một danh mục chính của ứng dụng phi tập trung là các ứng dụng tài chính phi tập trung (DeFi), chẳng hạn các sàn giao dịch phi tập trung (ví dụ: Uniswap hoặc dYdX) hoặc stablecoin (ví dụ: MakerDAO’s Dai).

Mặc dù chúng có thể có các hoạt động go to market tương tự như một ứng dụng tiêu chuẩn, không phi tập trung, nhưng giá trị tích lũy là khác nhau do cơ cấu tổ chức và nền kinh tế token (token economic).

Nhiều dự án DeFi đi theo con đường mà giao thức được một nhóm phát triển tập trung ưu tiên phát triển trước. Sau khi tung ra giao thức, nhóm thường tìm cách phi tập trung hóa giao thức để tăng tính bảo mật và phân phối quyền quản lý hoạt động của nó cho một nhóm phi tập trung những người nắm giữ token.

Sự phi tập trung này thường được thực hiện thông qua:

  • Phát hành token quản trị
  • Ra mắt giao thức quản trị phi tập trung (thường là một DAO)
  • Cấp quyền kiểm soát giao thức cho DAO

Quá trình phi tập trung này có thể liên quan đến nhiều cơ cấu và hình thức thực thể khác nhau.

Ví dụ:

Nhiều DAO không có bất kỳ pháp nhân nào liên kết với họ và chỉ hoạt động trong thế giới kỹ thuật số, trong khi những DAO khác sử dụng ví đa chữ ký (“multisig”) hành động theo chỉ đạo của DAO.

Trong một số trường hợp, các tổ chức phi lợi nhuận được thành lập để giám sát sự phát triển trong tương lai của giao thức theo chỉ đạo của DAO.

Trong hầu hết các trường hợp, nhóm nhà phát triển ban đầu tiếp tục hoạt động, đóng vai trò là một trong nhiều người đóng góp vào hệ sinh thái do giao thức tạo ra cũng như phát triển các sản phẩm và dịch vụ bổ sung hoặc phụ trợ.

Dưới đây là hai ví dụ DeFi phổ biến:

MakerDAO

Hoạt động như một DAO vào tháng 3 năm 2015, thành lập quỹ vào tháng 6 năm 2018 và ngừng hoạt động vào tháng 7 năm 2021.

MakerDAO
MakerDAO

MakerDAO có một stablecoin (đồng tiền ổn định) là Dai, với mục đích là cho phép người dùng giao dịch nhanh chóng, chi phí thấp, không biên giới, và minh bạch với một đơn vị giá trị ổn định. Điều này có thể thông qua việc mua hàng hóa và dịch vụ hoặc tương tác với các ứng dụng DeFi khác.

Nó cũng có token quản trị là MKR. DAO phê duyệt các thay đổi quản trị khác nhau cũng như các thông số về hoạt động của giao thức, bao gồm cả tài sản bảo đảm mà giao thức sử dụng để đúc DAI.

Giao thức Uniswap

Được tung ra bởi một công ty tập trung, nhưng hiện được sở hữu và quản lý bởi Uniswap DAO, được kiểm soát bởi những người nắm giữ token UNI.

Uniswap
Uniswap

Uniswap Labs, người tạo ra protocol, vận hành một giao diện cho giao thức Uniswap và là một trong nhiều nhà phát triển đóng góp vào hệ sinh thái của giao thức.

Vậy chiến lược GTM ở đây trông như thế nào?

Lấy ví dụ về Dai, stablecoin được phát hành và quản lý bởi MakerDAO.

Một mục tiêu đối với hầu hết các tổ chức phát hành stablecoin thuật toán (algorithmic stablecoin) như MakerDAO là tạo ra nhiều hoạt động sử dụng stablecoin trong hệ sinh thái tài chính.

Do đó, hoạt động GTM phải:

  1. Được niêm yết trên các sàn giao dịch tiền điện tử để bán lẻ và trading;
  2. Được tích hợp vào ví và ứng dụng; và
  3. Được chấp nhận như một hình thức thanh toán cho hàng hóa hoặc dịch vụ.

Ngày nay, có hơn 400 thị trường Dai, nó được tích hợp vào hàng trăm dự án và được chấp nhận như một hình thức thanh toán thông qua các giải pháp thương mại lớn như Coinbase Commerce.

Họ đã làm điều đó như thế nào?

Ban đầu, MakerDAO đã thực hiện điều này thông qua một nhóm phát triển kinh doanh truyền thống, họ thúc đẩy nhiều quan hệ đối tác và tích hợp ban đầu.

Tuy nhiên, khi nó tăng mức độ phi tập trung, việc phát triển kinh doanh trở thành trách nhiệm của đơn vị hạch tâm tăng trưởng (growth core unit), một cộng đồng con những người nắm giữ token MakerDAO, được gọi là SubDAO.

Ngoài ra, vì MakerDAO được phi tập trung và hoạt động giao thức của nó không cần sự tin cậy hay cho phép, bất kỳ ai cũng có thể tạo hoặc mua Dai bằng cách sử dụng giao thức.

Và vì Dai là mã nguồn mở nên các nhà phát triển có thể tích hợp nó vào ứng dụng của họ theo kiểu tự phục vụ. Theo thời gian, giao thức trở nên tự phục vụ – với các tài liệu phát triển tốt hơn, nhiều playbook tích hợp hơn – các dự án khác có thể mở rộng quy mô dựa trên đó.

Các chỉ số go to market cho DeFi DAO

Các chiến lược GTM mới cho web3 đưa đến nhiều cách thức mới nhằm đo lường mức độ thành công.

Đối với ứng dụng DeFi, chỉ số thành công chuẩn là tổng giá trị tài sản khóa lại (TVL) đã nói ở trên. Nó đại diện tất cả các tài sản mà sử dụng giao thức / mạng lưới cho những thứ như giao dịch, đặt cược và cho vay.

Tuy nhiên, TVL không phải là thước đo lý tưởng để đo lường sức khỏe và thành công lâu dài của tổ chức. Mặc dù các giao thức DeFi mới có thể sao chép mã nguồn mở, mang lại lợi suất cao và thu hút dòng vốn tài chính đáng kể và TVL, thông thường thì các nhà giao dịch thường rời đi ngay khi dự án tiếp theo xuất hiện.

Do đó, các chỉ số quan trọng hơn cần theo dõi bao gồm:

  • Số người nắm giữ token
  • Tần suất tương tác của cộng đồng
  • Hoạt động của nhà phát triển

Ngoài ra, vì các giao thức có thể kết hợp – được lập trình để tương tác và xây dựng dựa vào nhau – một thước đo quan trọng khác ở đây là tích hợp.

Số lượng và loại tích hợp cho biết cách thức và vị trí mà giao thức được sử dụng trong các ứng dụng khác, chẳng hạn như ví, sàn giao dịch và sản phẩm.

Thước đo thành công cho GTM của DeFi DAO
Thước đo thành công cho GTM của DeFi DAO

DAO xã hội, văn hóa và nghệ thuật

Đối với các DAO xã hội, văn hóa và nghệ thuật, Go to Market có nghĩa là xây dựng cộng đồng với một mục đích cụ thể – đôi khi bắt đầu bằng việc trò chuyện qua tin nhắn giữa bạn bè – và phát triển nó bằng cách tìm những người khác tin vào mục đích đó.

Nhưng đó không phải “chỉ là một cuộc trò chuyện nhóm” hay giống như gọi vốn cộng đồng trên Kickstarter?

Mặc dù người tổ chức các dự án huy động vốn từ cộng đồng trên web2 truyền thống cũng có thể có mục đích rõ ràng, nhưng họ phải rõ ràng hơn nhiều về các phương tiện để đạt được mục đích đó từ trên xuống.

Những người khởi xướng dự án thường phác thảo bản phân tích chi tiết về cách sử dụng số tiền huy động được, lộ trình sản phẩm rõ ràng và tiến độ hiện tại.

Trong mô hình web3, mục đích là rất quan trọng, nhưng phương pháp đạt mục đích thường được tìm hiểu sau – bao gồm cách sử dụng vốn, lộ trình sản phẩm và tiến độ.

Ví dụ:

  • Với ConstitutionDAO, mục đích là mua một bản sao của Hiến pháp Hoa Kỳ;
  • Với Krause House, mục đích là mua một đội NBA và đi tiên phong trong việc quản lý người hâm mộ của một đội;
  • Với LinksDAO, nó tạo ra một câu lạc bộ ảo với một cộng đồng những người mê golf; và
  • Với PleasrDAO, đó là thu thập, trưng bày và chia sẻ một cách sáng tạo cho cộng đồng những NFT đại diện cho các ý tưởng và phong trào có ý nghĩa văn hóa.

ConstitutionDAO

Đã huy động được 47 triệu đô la từ một cộng đồng những người xa lạ đến với nhau vì mục đích này, toàn bộ quá trình đã kết hợp với nhau trong vài tuần và bắt đầu với một mục đích rõ ràng và chỉ huy động tiền cho mục đích cụ thể đó.

ConstitutionDAO không có lộ trình rõ ràng, kế hoạch thực hiện hoặc thậm chí là token vào thời điểm đó (nó được tạo sau khi đấu thầu không thành công).

Các cá nhân đóng góp tài chính phù hợp với mục đích và được thúc đẩy bởi cộng đồng, đến nỗi họ chỉ muốn đóng góp và lan truyền, lấp đầy Twitter bằng các biểu tượng cảm xúc đã trở thành meme.

Friends with Benefits

Là một DAO xã hội được hỗ trợ bởi token, ban đầu là một máy chủ Discord cho các nhà sáng tạo web3. Ngoài việc mua tối thiểu $FWB token, đại diện cho tư cách thành viên trong DAO, các thành viên tiềm năng phải đăng ký FWB thông qua một đơn viết tay.

Cộng đồng phát triển, được kết nối trong nhiều kênh Discord khác nhau, chạy các sự kiện IRL và cuối cùng nhận ra rằng một trong những sản phẩm mà họ có thể xây dựng là ứng dụng sự kiện.

FWB mang lại cho các nhà sáng tạo một vai trò thực sự trong cộng đồng, trong khi framework của DAO mở lối cho sự phối hợp quy mô lớn của nhóm phi tập trung này để thực hiện các việc như phân bổ ngân sách và hoàn thành các dự án từ xuất bản nội dung đến sản xuất sự kiện.

Các chỉ số go to market đối với DAO xã hội

Một trong những chỉ số quan trọng về sức khỏe của một DAO là chất lượng tương tác của cộng đồng, có thể được đo lường thông qua các nền tảng quản trị và truyền thông mà nó sử dụng.

Ví dụ

Một DAO có thể theo dõi:

  • Hoạt động của kênh trên Discord;
  • Kích hoạt và giữ chân thành viên;
  • Sự tham gia vào những lần kêu gọi của cộng đồng
  • Sự tham gia của ban quản trị (ai đang bỏ phiếu về cái gì, và tần suất ra sao); và
  • Công việc thực tế đang được thực hiện (số người đóng góp được trả tiền).
Thước đo GTM thành công cho DAO xã hội
Thước đo GTM thành công cho DAO xã hội

Các chỉ số khác có thể là số mối quan hệ mới được xây dựng hoặc đo lường lòng tin giữa các thành viên cộng đồng DAO.

Mặc dù đã có một số công cụ và khuôn khổ, nhưng các thước đo DAO xã hội vẫn còn tương đối mới, vì vậy chúng ta sẽ thấy nhiều công cụ hơn xuất hiện và phát triển khi địa vực này phát triển.

Thước đo GTM DAO xã hội
Thước đo GTM DAO xã hội

DAO game

Ngày nay, hầu hết các game trên web3, cho dù là chơi-để-kiếm (play to earn), chơi-để-đúc (play-to–mint) hay các thể loại chơi- để khác, gần giống với các trò chơi web2 phổ biến – nhưng có hai điểm khác biệt chính:

  1. Việc sử dụng các tài sản trong trò chơi có nguồn gốc từ các nền tảng blockchain có tính mở, tính toàn cầu thay vì các nền kinh tế có tính đóng, được kiểm soát trong các tựa game trả-tiền-để-sở hữu và chơi-thoải-mái; và 
  2. Khả năng người chơi trở thành các bên liên quan thực sự và có tiếng nói trong việc quản trị trò chơi.

Trong web3 gaming, chiến lược go to market được xây dựng thông qua phân phối nền tảng, giới thiệu người chơi và quan hệ đối tác với các bang hội.

Các bang hội chẳng hạn như Yield Guild Games (YGG) cho phép người chơi mới bắt đầu chơi một trò chơi bằng cách cho họ mượn tài sản trò chơi mà họ có thể không đủ khả năng chi trả.

Các bang hội chọn hỗ trợ trò chơi nào bằng cách xem xét ba yếu tố:

  • chất lượng của trò chơi;
  • sức mạnh của cộng đồng; và
  • sự mạnh mẽ và công bằng của trò chơi.

Trò chơi, cộng đồng và sức khỏe kinh tế phải được duy trì song song với nhau.

Mặc dù các nhà phát triển trò chơi dựa trên blockchain có thể có tỷ lệ sở hữu thấp hơn, nhưng bằng cách khuyến khích người chơi làm chủ sở hữu, các nhà phát triển đang giúp phát triển giá trị kinh tế nói chung cho tất cả mọi người.

Nhưng không giống như trong web2, dẫn dắt bởi mục đích và cộng đồng.

Ví dụ

Loot

Một trò chơi bắt đầu với nội dung trước khi chuyển sang nhập vai, là một ví dụ về mục đích và cộng đồng, thay vì sản phẩm, dẫn dắt GTM.

Loot
Loot

Loot là một bộ sưu tập NFT, mỗi NFT được gọi là Loot bag, có sự kết hợp độc đáo của các vật phẩm phiêu lưu (ví dụ bao gồm thắt lưng da rồng, găng tay lụa cuồng nộ và bùa hộ mệnh).

Về cơ bản, Loot cung cấp một gợi ý – hoặc khối xây dựng cơ bản – mà dựa vào đó các trò chơi, dự án và thế giới khác có thể được xây dựng.

Cộng đồng Loot đã tạo ra mọi thứ, từ công cụ phân tích đến nghệ thuật phái sinh, bộ sưu tập âm nhạc, cảnh giới, nhiệm vụ và nhiều trò chơi khác, lấy cảm hứng từ Loot bag của họ.

Ý tưởng chính ở đây là Loot phát triển không phải do một sản phẩm hiện có mà người dùng đổ xô đến, mà là do ý tưởng và truyền thuyết mà nó thể hiện – một mạng lưới mở, có thể kết hợp chào đón sự sáng tạo và khuyến khích người dùng thông qua token.

Cộng đồng tạo ra sản phẩm – chứ không phải là mạng lưới tạo ra sản phẩm với hy vọng nó sẽ thu hút được cộng đồng.

Do đó, một số liệu quan trọng ở đây sẽ là số lượng các công cụ phái sinh, ví dụ, ở đây có thể được coi là có giá trị hơn so với các số liệu truyền thống.

Thước đo GTM thành công cho DAO Game
Thước đo GTM thành công cho DAO Game

Hoạt động GTM cho blockchain Lớp 1 và các giao thức khác

Trong web3, Lớp 1 đề cập đến blockchain nền tảng. Avalanche, Celo, Ethereum và Solana là ví dụ về blockchain Lớp 1.

Tất cả các blockchain này đều là mã nguồn mở, vì vậy bất kỳ ai cũng có thể xây dựng dựa trên chúng, sao chép hoặc thay đổi và tích hợp với chúng. Sự phát triển của các blockchain này đến từ việc có nhiều ứng dụng được xây dựng dựa trên chúng.

Lớp 2 đề cập đến bất kỳ công nghệ nào hoạt động trên Lớp 1, giúp giải quyết các thách thức về khả năng mở rộng với các mạng lưới Lớp 1.

Một loại giải pháp Lớp 2 là rollup. Các rollup Lớp 2 thực hiện điều đó – chúng “cuộn” các giao dịch ngoài chuỗi và sau đó đăng dữ liệu trở lại mạng Lớp 1 thông qua một cầu nối.

Có hai danh mục chính của rollup Lớp 2.

  • Đầu tiên là optimistic rollups, nghĩa là giao dịch phải trung thực và không gian lận thông qua bằng chứng gian lận.
  • Thứ hai, zk rollups, sử dụng bằng chứng không kiến thức (zero knowledge) để xác định điều tương tự.

Phần lớn các giải pháp Lớp 2 đang được phát triển cho Ethereum và chưa có token riêng, nhưng chúng ta sẽ thảo luận về chúng ở đây vì các thước đo GTM thành công của chúng tương tự như các thước đo của các mạng lưới khác trong danh mục này.

Ngoài ra, các giao thức có thể được xây dựng dựa trên các L1 hoặc L2 khác, ví dụ như Uniswap protocol hỗ trợ Ethereum (L1), Optimism (L2) và Polygon (L2).

Sự phát triển của các blockchains Lớp 1, các giải pháp mở rộng quy mô Lớp 2 và các giao thức khác này có thể đến từ các phân tách (fork), là khi một mạng lưới được sao chép và sau đó được sửa đổi.

Ví dụ:

  • Ethereum, một blockchain Lớp 1, đã được phân tách bởi Celo.
  • Optimism, một giải pháp mở rộng Lớp 2, đã được tạo ra bởi Nahmii và Metis.
  • Và Uniswap đã được phân tách để tạo ra SushiSwap.

Mặc dù điều này ban đầu có vẻ tiêu cực, nhưng số lượng phân tách mà một mạng có thực sự có thể được coi là thước đo thành công – nó cho thấy rằng những người khác muốn sao chép nó.

Thước đo thành công GTM Lớp 1
Thước đo thành công GTM Lớp 1

Những ví dụ và tư duy này đều tập trung vào góc phần tư phía trên bên phải, các mạng phi tập trung với token – nói rộng ra, là các ví dụ tiên tiến nhất hiện tại của web3.

Tuy nhiên, tùy thuộc vào loại hình tổ chức, vẫn có sự pha trộn hợp lý giữa các chiến lược tiếp cận thị trường web2 và các mô hình web3 mới nổi.

Các nhà xây dựng nên hiểu nhiều phương pháp tiếp cận khi họ bắt đầu phát triển chiến lược tiếp cận thị trường, vì vậy, bây giờ chúng ta hãy xem xét một mô hình kết hợp kết hợp tiếp cận thị trường web2 với các chiến lược tiếp cận thị trường web3.

Tập trung và không có token: Lai giữa web2-web3

Nhiều công ty ở góc phần tư phía dưới bên trái này (nhóm tập trung và không có token) cung cấp các điểm và giao diện để người dùng truy cập vào cơ sở hạ tầng và giao thức web3.

Tập trung và không token
Tập trung và không token

Ở góc phần tư này, có sự chồng chéo đáng kể trong chiến lược thâm nhập thị trường giữa web2 và web3 – đặc biệt là SaaS và Marketplace.

SaaS

Một số công ty ở góc phần tư này tuân theo mô hình kinh doanh phần-mềm-như-một-dịch-vụ (SaaS) truyền thống, ví dụ như Alchemy, cung cấp nodes-as-a-service.

Các công ty này cung cấp cơ sở hạ tầng theo yêu cầu qua các mức phí đăng ký khác nhau, được xác định bởi các yếu tố như dung lượng lưu trữ, nodes là riêng hay chia sẻ và khối lượng yêu cầu hàng tháng.

Mô hình SaaS thường yêu cầu go to market và các và khuyến khích web2 truyền thống. Thu hút khách hàng thông qua sự kết hợp của các chiến lược theo sản phẩm và theo kênh:

Thu hút người dùng dựa trên sản phẩm tập trung vào việc thu hút người dùng dùng thử sản phẩm.

Ví dụ:

Một trong những sản phẩm của Alchemy là Supernode, một API Ethereum nhắm vào bất kỳ tổ chức nào đang xây dựng trên Ethereum nhưng không muốn quản lý cơ sở hạ tầng của chính mình.

Trong trường hợp này, khách hàng sẽ thử Supernode thông qua mô hình freemium và những khách hàng đó sẽ giới thiệu sản phẩm cho những khách hàng tiềm năng khác.

Ngược lại, thu hút người dùng dựa theo kênh tập trung vào việc phân khúc các loại khách hàng khác nhau (ví dụ: khách hàng khu vực công so với khách hàng khu vực tư) và có đội ngũ bán hàng phù hợp với những khách hàng đó.

Trong trường hợp này, một công ty có thể có một đội ngũ bán hàng chỉ tập trung vào các khách hàng thuộc khu vực công như chính phủ và giáo dục, và hiểu sâu sắc nhu cầu của loại khách hàng đó.

Thước đo GTM công ty SaaS
Chỉ số go to market công ty SaaS

Thị trường và sàn giao dịch

Các công ty khác trong góc phần tư này dựa trên các mô hình sàn giao dịch tương đối quen thuộc với người tiêu dùng, chẳng hạn như thị trường NFT ngang hàng OpenSea và sàn giao dịch tiền điện tử Coinbase.

Các doanh nghiệp này tạo ra doanh thu dựa trên phí giao dịch (thường là phần trăm giao dịch), tương tự như mô hình kinh doanh của các thị trường web2 cổ điển như eBay và Amazon.

Đối với loại công ty này, tăng trưởng doanh thu đến từ việc tăng số lượng mặt hàng, giá trị trung bình mỗi mặt hàngsố lượng người dùng của nền tảng – tất cả đều dẫn đến tăng khối lượng giao dịch, đồng thời mang lại lợi ích cho người dùng về sự đa dạng, tính thanh khoản trên thị trường và hơn thế nữa.

Một hoạt động go to market chính ở đây là tăng phân phối kênh bằng cách hợp tác với các nền tảng khác để trưng bày các mặt hàng chọn lọc.

Điều này tương tự như chương trình tiếp thị liên kết (affiliate) của Amazon, trong đó các blogger có thể chèn link đến các mặt hàng yêu thích của họ và bất kỳ giao dịch mua nào được thực hiện thông qua các link đó đều mang lại cho blogger một khoản hoa hồng.

Nhưng một điểm khác biệt chính so với web2 là cấu trúc web3 cho phép phân phối tiền bản quyền trở lại người tạo bên cạnh phí affiliate.

Ví dụ:

OpenSea cung cấp kênh bán hàng affiliate truyền thống thông qua chương trình White Label, trong đó các giao dịch mua được thực hiện thông qua liên kết giới thiệu mang lại phần trăm doanh thu cho đơn vị liên kết, nhưng nó cũng trả tiền bản quyền để người sáng tạo có thể kiếm được phần trăm của bất kỳ doanh số thứ cấp nào.

Vì người sáng tạo giờ đây có cơ hội kiếm tiền từ công việc của họ thông qua thị trường thứ cấp – giá trị mà trước đây họ không thể nhìn thấy trong hệ thống web2 – họ được khuyến khích tiếp tục quảng bá thị trường. Người sáng tạo trở thành người giới thiệu và bán hàng.

Thang đo GTM cua thị trường và sàn giao dịch
Chỉ số go to market của thị trường và sàn giao dịch

Các chiến thuật Go to market

Tôi đã chia sẻ tổng quan về các tư duy quan trọng và một số tình huống ứng dụng, hãy cùng xem xét các chiến thuật go to market thường thấy trong các tổ chức web3.

Đây là những thành phần cốt lõi, không phải là một cuốn sách hoàn chỉnh, nhưng vẫn có thể giúp bạn khám phá các chiến thuật và phương án.

Airdrop

Airdrop là khi một dự án phân phối token cho người dùng để tưởng thưởng cho hành vi nhất định mà dự án muốn khuyến khích, bao gồm cả việc dùng thử mạng lưới hoặc giao thức.

AirDrop
AirDrop

Chúng có thể được phân phối đến tất cả các địa chỉ hiện hữu trên một mạng blockchain nhất định hoặc được nhắm vào một đối tượng nào đó (chẳng hạn các influencer); thông thường, chúng được sử dụng để giải quyết các câu hỏi ở đầu bài viết này – nhằm thúc đẩy sự đón nhận ban đầu, thưởng hoặc động viên những người dùng đầu tiên…

  • Năm 2020, Uniswap đã airdrop 400 UNI cho bất kỳ ai đã sử dụng nền tảng này.
  • Tháng 9 năm 2021, dYdX airdrop DYDX cho người dùng.
  • Gần đây, ENS đã airdrop cho bất kỳ ai có tên miền ENS (tên miền .eth phi tập trung); airdrop được tiến hành vào tháng 11 năm 2021, nhưng bất kỳ ai sở hữu tên miền ENS trước ngày 31 tháng 10 năm 2021 đều có / đủ điều kiện (cho đến tháng 5 năm 2022) để yêu cầu token $ENS, cung cấp cho người nắm giữ quyền quản trị đối với giao thức ENS.

Trong địa hạt NFT, airdrop cho các dự án NFT đang ngày càng phổ biến để tiếp cận ngày càng nhiều người hơn và một vài lý do khác.

Một đợt airdrop đáng chú ý gần đây là từ Bored Ape Yatch Club, một bộ sưu tập 10.000 NFT độc đáo; vào ngày 28 tháng 8 năm 2021, BAYC thành lập Mutant Ape Yatch Club phản ứng.

Mỗi người nắm giữ mã thông báo BAYC nhận được một tinh chất đột biến “mutant serum“, cho phép họ đúc 10.000 khỉ đột biến và 10.000 khỉ đột biến mới luôn có sẵn cho những người mới tham gia.

Vì có nhiều loại tinh chất khác nhau nên tinh chất chỉ có thể được sử dụng một lần và vì Bored Ape không thể sử dụng nhiều tinh chất cùng cấp, nên tinh chất đã thêm một mẫu hiếm mới.

Lý do đằng sau việc tạo ra MAYC là để “thưởng cho những người sở hữu apes một NFT hoàn toàn mới” – một phiên bản khỉ “đột biến” – đồng thời cho phép những người mới tham gia vào hệ sinh thái BAYC ở cấp độ thành viên thấp hơn.

Điều này duy trì khả năng tiếp cận với cộng đồng rộng lớn hơn, trong khi không làm giảm tính độc quyền của tập hợp ban đầu hoặc khiến những chủ sở hữu ban đầu đó cảm thấy như đóng góp của họ bị hạ cấp. (Một cách khác để giải quyết khả năng tiếp cận là sử dụng chia nhỏ NFT, trong đó NFT có nhiều chủ sở hữu.)

Giá sàn MAYC, hoặc giá niêm yết thấp nhất cho một MAYC, luôn thấp hơn giá sàn BAYC, nhưng về cơ bản chủ sở hữu có cùng lợi ích.

Những airdrop này được thực hiện từ trước để thưởng cho chủ sở hữu NFT hoặc người dùng mạng và giao thức (như airdrop ENS), nhưng airdrop cũng có thể được sử dụng như một hoạt động go to market chủ động để tạo ra nhận thức về một dự án cụ thể và khuyến khích mọi người biết tới nó. 

Trong bất kỳ tình huống nào, các dự án nên trình bày rõ ràng về việc phân phối token tổng thể, sự cố và kế hoạch của họ trước khi tiến hành airdrop. Có rất nhiều ví dụ về việc airdrop được sử dụng cho các mục đích bất chính và airdrop lệch lạc.

Ngoài ra, airdrop token có thể được coi là dịch vụ chứng khoán ở Mỹ, vì vậy các dự án nên tham khảo ý kiến ​​tư vấn trước khi tham gia vào bất kỳ hoạt động nào như vậy.

Tài trợ nhà phát triển

Tài trợ dành cho nhà phát triển là các khoản tài trợ được thực hiện từ ngân quỹ của giao thức cho các cá nhân hoặc đội nhóm đang đóng góp vào việc cải thiện giao thức.

Đây có thể là cơ chế go to market hiệu quả cho các DAO, vì hoạt động của nhà phát triển là một phần không thể thiếu trong thành công của giao thức.

Ví dụ về các dự án và giao thức có sự tài trợ nhà phát triển bao gồm Celo, Chainlink, Compound, Ethereum và Uniswap.

Nhưng các khoản tài trợ có thể được trao cho mọi thứ, từ phát triển giao thức đến truy lỗi, code audit và các hoạt động khác ngoài lập trình.

Compound thậm chí còn có một loại tài trợ liên quan đến phát triển kinh doanh và tích hợp, tài trợ cho bất kỳ tích hợp nào làm tăng việc sử dụng Compound. Chẳng hạn họ đã tài trợ cho việc tích hợp Compound với Polkadot.

Memes

Hình ảnh lan truyền với lớp phủ văn bản là một chiến thuật go to market khác dành cho các tổ chức web3.

Web3 meme
Web3 meme

Với sự phức tạp và rộng lớn của hệ sinh thái tiền điện tử và sự chú ý ngắn ngủi của người dùng mạng xã hội, meme cho phép thông tin được truyền tải nhanh chóng.

Memes cũng có thể cho biết bạn thuộc về đâu, cộng đồng, thiện chí theo cách cô đọng thông tin.

Dự án NFT Pudgy Penguins, một bộ sưu tập 8.888 chú chim cánh cụt, bắt đầu do khả năng meme của nó.

Pudgy Penguins
Pudgy Penguins

Đợt giảm giá đầu tiên của bộ sưu tập đã được bán hết trong 20 phút và bộ sưu tập đã được giới thiệu trên các phương tiện truyền thông lớn, điều này giúp các dự án như vậy trở nên phổ biến.

Yếu tố cộng đồng và hiển thị xã hội của bộ sưu tập “PFP” (ảnh profile) cũng kích phát sự lan truyền này.

Twitter gần đây đã triển khai một tính năng cho phép người dùng chứng minh quyền sở hữu của họ đối với NFT thông qua ảnh profile hình lục giác liên kết với API của OpenSea.

Những chủ sở hữu có lượng người theo dõi trên mạng xã hội lớn tạo ra nhận thức về một dự án khi họ thay đổi ảnh hồ sơ của mình thành ảnh đại diện từ dự án đó và các chủ sở hữu dự án thường theo dõi tất cả các chủ sở hữu khác của cùng một dự án.

Những động thái này cũng có thể “đẻ” các meme khác, như trong trường hợp của Crypto Covens và meme “web2 me vs. web3 me”, nơi người dùng hiển thị với khuôn mặt phù thủy và khuôn mặt thực của họ, cho biết họ là ai, thuộc về đâu,…

web2 me vs. web3 me
web2 me vs. web3 me

Vậy tất cả những điều này có ý nghĩa gì đối với những người sáng lập web3? Sự thay đổi tư duy lớn nhất là chuyển từ lập kế hoạch sang một thứ gì đó giống như làm vườn hơn.


Trong các công ty web2, những người sáng lập không chỉ đặt ra tầm nhìn từ trên xuống mà còn chịu trách nhiệm phát triển đội ngũ và lập kế hoạch và thực hiện theo tầm nhìn đó.

Trong web3, những người sáng lập đảm nhận nhiều hơn vai trò của một người làm vườn, giúp ươm mầm và nuôi dưỡng các sản phẩm có khả năng thành công nhưng cũng thiết lập không gian để tất cả xảy ra.

Trong khi những người sáng lập web3 vẫn đặt ra mục đích của tổ chức và cơ cấu quản trị ban đầu của nó, thì bản thân cơ cấu quản trị có thể nhanh chóng dẫn đến những vai trò mới cho họ.

Thay vì tối ưu để tăng trưởng số lượng nhân viên hoặc doanh thu và lợi nhuận, những người sáng lập có thể tối ưu việc sử dụng giao thức và chất lượng của cộng đồng.

Ngoài ra, theo bất kỳ sự phi tập trung nào, những người sáng lập phải thích ứng với môi trường không tồn tại cấu trúc quyền lực phân cấp và nơi họ là một trong nhiều tác nhân đưa tới thành công của một dự án.

Do đó, trước khi phi tập trung, người sáng lập nên đảm bảo rằng họ đang thiết lập dự án của mình để thành công trong một môi trường như vậy.

Tôi đã tận mắt chứng kiến ​​điều này khi còn là giám đốc của Tony Hsieh, cựu Giám đốc điều hành của Zappos.com, một công ty thương mại điện tử hiện thuộc sở hữu của Amazon.

Công ty đã thử nghiệm các cơ cấu quản trị phi tập trung (so với chỉ từ trên xuống) từ năm 2014, bao gồm cả hệ thống quản lý tự tổ chức được gọi là “holacracy”.

Holacracy liên quan đến hệ thống phân cấp công việc hơn là con người, và có nhiều kết quả khác nhau.

Nhưng Hsieh đã đưa ra một phép ẩn dụ hữu ích khi so sánh vai trò của anh ta là người trồng trọt trong nhà kính (trong mô hình holacracy), chứ không phải là cây tốt nhất.

Anh ấy đã nói rằng anh ấy cần phải trở thành “kiến trúc sư nhà kính” – thiết lập các điều kiện thích hợp để cho phép tất cả các loài thực vật khác sinh sôi và phát triển.

Alex Zhang, thị trưởng của Friends with Benefits (FWB), DAO xã hội với một token có thể thay thế, mô tả rằng công việc của ông “không phải là đặt ra tầm nhìn từ trên xuống” mà là tạo điều kiện cho việc tạo ra các “framework, giấy phép, và các quy định cho các thành viên cộng đồng” để phê duyệt và xây dựng trên đó.

Một nhà lãnh đạo web2 tập trung vào việc cập nhật lộ trình sản phẩm và hướng tới việc ra mắt sản phẩm mới, còn Zhang tự coi mình là một người làm vườn hơn là một người xây dựng từ trên xuống.

Vai trò của anh ấy bao gồm việc theo dõi “ông hàng xóm” của FWB (trong trường hợp này là các kênh Discord) và quản lý nó bằng cách loại bỏ các kênh có ít lực kéo và giúp hỗ trợ và phát triển các kênh có quán tính.

Bằng cách tạo ra khuôn khổ cho các kênh này – và các cuốn sách về sự thành công của kênh (chẳng hạn như kết hợp hoạt động, lãnh đạo rõ ràng và cơ câu quản trị) – Zhang trở thành một nhà giáo dục và nhà truyền thông nhiều hơn.

Trong trường hợp của những người sáng lập các dự án NFT, vai trò của họ chủ yếu là người khởi tạo và người quản lý tạm thời đối với sở hữu trí tuệ (IP).

Yuga Labs, người sáng lập Bored Ape Yacht Club, đã viết, “Chúng tôi coi mình như những người quản lý tạm thời đối với IP đang trong quá trình ngày càng trở nên phi tập trung hơn. Tham vọng của chúng tôi là trở thành một thương hiệu thuộc sở hữu của cộng đồng, với những xúc tiến trong trò chơi, sự kiện và thời trang dạo phố đẳng cấp thế giới ” .

Việc sở hữu NFT – cho dù đó là hình ảnh, video hoặc clip âm thanh hay hình thức khác – chuyển giao cho chủ sở hữu tất cả các quyền liên quan đến NFT.

Khi NFT được mua và bán, quyền sở hữu đó sẽ được chuyển giao – và khi hệ sinh thái phát triển xung quanh NFT, những lợi ích đó sẽ thuộc về chủ sở hữu NFT, không chỉ nhóm sáng lập của dự án NFT.

Quyền sở hữu NFT cũng có thể là về cấp phép theo định hướng cộng đồng và nội dung hướng đến cộng đồng (không giống như nhượng quyền IP truyền thống).

Một ví dụ ở đây là Jenkins The Valet, một hình đại diện NFT từ bộ sưu tập BAYC (cụ thể là Ape #1798) đã ký kết với Creative Artists Agency (CAA) để đại diện trên nhiều hình thức truyền thông khác nhau.

Jenkins The Valet
Jenkins The Valet

Jenkins được tạo ra bởi Tally Labs, nhóm sở hữu Ape #1798. Tally Labs đã quyết định đưa apes vào thương hiệu và câu chuyện cốt lõi của riêng mình, đồng thời biến khái niệm về độ hiếm thống kê của NFT trở thành yếu tố chính quyết định giá cả và thành công của nó.

Sau đó, họ tạo ra cách thức để những người khác tham gia vào việc tạo nội dung xung quanh Jenkins thông qua NFT, nơi các thành viên cộng đồng có thể bầu chọn thể loại của cuốn sách đầu tiên.

Rất nhiều khả năng xảy ra ở đây, nhưng chúng tôi vẫn chưa thấy có nhiều người đón nhận các công nghệ tiền điện tử và phi tập trung cũng như các mô hình web3.

Các khuôn khổ web2 GTM truyền thống là một tài liệu tham khảo hữu ích và cung cấp một số playbook ữu ích – nhưng chúng chỉ là một vài trong số rất nhiều khuôn khổ cho các tổ chức web3.

Điểm khác biệt chính cần nhớ là mục tiêu, tốc độ tăng trưởng và chỉ số thành công của web2 và web3 không giống nhau.

Các nhà xây dựng nên bắt đầu với một mục đích rõ ràng, phát triển một cộng đồng xung quanh mục đích đó và ăn khớp các chiến lược phát triển với các phần thưởng cộng đồng – và với họ là các hoạt động go to market.

Nguồn: https://future.a16z.com/

Categories
Gambaru News

TƯNG BỪNG NGÀY HỘI VIỆC LÀM 2022 TẠI ĐH BÁCH KHOA TP. HCM

Sáng ngày 03/04/2022, Gambaru đã cùng GIANTY tham dự chương trình CSE JOBFAIR 2022 diễn ra tại trường ĐH Bách Khoa TP. HCM cơ sở Dĩ An.

CSE JOB FAIR 2022 tại Trường đại học Bách Khoa, cơ sở Dĩ An

Sự kiện có sự góp mặt của hơn 60 gian hàng doanh nghiệp tới từ các lĩnh vực khác nhau như công nghệ, điện tử, truyền thông… cùng với sự tham gia của hơn 1500 sinh viên khoa Khoa học và Kỹ Thuật Máy tính.

CSE JOBFAIR là sự kiện thường niên của khoa Khoa học và Kỹ thuật Máy tính Trường ĐH Bách Khoa TP. HCM, nhằm kết nối, hướng nghiệp, quy tụ và đón đầu hàng trăm cơ hội tuyển dụng lớn từ các doanh nghiệp, tập đoàn trong và ngoài nước cho sinh viên Trường.

Việc hợp tác Doanh nghiệp – Nhà trường nhằm mục tiêu rút ngắn lý thuyết và thực tiễn, định hướng nghề nghiệp, rèn luyện kỹ năng và tăng kinh nghiệm làm việc cho sinh viên, đồng thời đạt được mục đích chung là đào tạo nguồn nhân lực chất lượng cao, nguồn nhân lực mang tính “ứng dụng” cho xã hội.

Khoa Khoa học và Kỹ thuật Máy tính, ĐH Bách Khoa TP. HCM là cái nôi sản sinh nhiều nhân tài, hiện tại có rất nhiều kỹ sư chất lượng cao, thực tập sinh đang làm việc tại GIANTY và Gambaru là cựu sinh viên của Trường

Tập thể các thành viên Gianty và Gambaru tại CSE Job Fair 2022
Tập thể các thành viên Gianty và Gambaru tại CSE Job Fair 2022

Tiếp nối thành công từ các mùa trước, GIANTY và Gambaru tham dự CSE JOB FAIR 2022 với một phương diện hoàn toàn mới, hoành tráng hơn, chuyên nghiệp hơn, chất lượng hơn!

Điểm danh một số lý do mà gian hàng GIANTY và Gambaru có đông đảo các bạn sinh viên ghé thăm:

👉 Chỉ cần check-in, có ngay quà tặng!

👉 Thắng Minigame, nhận voucher khủng!

👉 Chơi game VR, mang quà về nhà!

Trong tương lai gần, GIANTY cũng như Gambaru sẽ có nhiều hơn nữa các hoạt động hợp tác với đối tác Trường Đại học để cùng đem đến cho sinh viên những kỹ năng và hành trang quý báu cho tương lai của mình. 

Top 3 bạn sinh viên dành chiến thắng minigame
Top 3 bạn sinh viên dành chiến thắng minigame

Đáp lại kỳ vọng kết nối Doanh nghiệp – Nhà trường là lòng hiếu khách, công tác tổ chức chỉn chu và chuyên nghiệp từ BTC CSE JOBFAIR 2022, là sự nhiệt tình hào hứng tham gia của hàng ngàn sinh viên khoa Khoa học và Kỹ thuật Máy tính, tất cả để lại những ấn tượng đẹp trong mắt nhà tuyển dụng.

Ngày hội việc làm CSE JOBFAIR 2022 diễn ra thành công và tốt đẹp, qua đó càng khẳng định thêm mối quan hệ tốt đẹp giữa Doanh nghiệp và Nhà Trường.

Chúng tôi xin gửi lời cảm ơn đến khoa Khoa học và Kỹ thuật Máy tính đã tạo cơ hội kết nối để doanh nghiệp cùng đồng hành trong sự kiện ý nghĩa này.

Hẹn gặp lại sinh viên Bách Khoa vào các ngày hội việc làm kỳ tới!

Nguồn: Gianty

Categories
Dev's Corner

Thị trường cơ hội: Cầu nối giữa đầu tư vào lực lượng lao động và tạo giá trị trong doanh nghiệp

Hãy học cách sử dụng thị trường cơ hội (opportunity marketplace) để kết nối con người, phát triển kỹ năng và làm việc hiệu quả, tối đa giá trị cho cả tổ chức và cá nhân.

Sơ lược về Thị trường cơ hội

Nhằm đối phó với sự đột phá số thức (digital disruption) không ngừng nghỉ, nhiều nhà lãnh đạo đang suy nghĩ lại cách đánh giá và đầu tư vào lực lượng lao động. Các lãnh đạo doanh nghiệp đang tìm cách phát triển ngày càng nhiều người lao động linh hoạt, thích ứng và có giá trị.

Nghiên cứu toàn cầu của chúng tôi trực tiếp giải quyết thách thức này.

Dựa trên khảo sát với gần 3.900 người trả lời và 18 cuộc phỏng vấn giám đốc điều hành, chúng tôi thấy rằng những phương pháp hiệu quả nhất để có một lực lượng lao động có giá trị cao hơn đều có điểm chung đó chính là: cơ hội.

Đầu tư có trọng tâm vào cơ hội đang nhanh chóng trở thành nguyên tắc tổ chức giúp cho ngày càng nhiều người trở nên có giá trị hơn trong nhiều tổ chức.

Khảo sát và phỏng vấn lãnh đạo toàn cầu này cũng cho thấy, thiết kế thị trường cơ hội (opportunity marketplace design) có lẽ là thách thức hàng đầu với hầu hết tổ chức đang tìm cách tối đa lợi tức đầu tư vào nguồn nhân lực.

Chúng tôi nhận thấy thị trường cơ hội là các hệ thống, nền tảng kỹ thuật số và địa điểm ảo để các tổ chức cung cấp (và người lao động tìm được) những cơ hội phù hợp nhất với lợi ích và thành công của họ.

Thị trường cơ hội (opportunity marketplace)
Thị trường cơ hội (opportunity marketplace)

Trong một thị trường hiệu quả, doanh nghiệp cung cấp cho người lao động các lựa chọn đối với phát triển chuyên môn, cố vấn, tham gia dự án và kết nối, cùng những lựa chọn khác. Còn người lao động có thể chọn theo đuổi những cơ hội mà họ coi trọng nhất.

Về mặt chiến lược, các thị trường cơ hội sôi động, mạnh mẽ và bao quát, sẽ kết nối giữa nguyện vọng của cá nhân và của doanh nghiệp. Đầu tư vào cơ hội lực lượng lao động lớn hơn chính là đầu tư vào việc tạo ra giá trị lực lượng lao động lớn hơn.

Trong năm đầu tiên nghiên cứu về tương lai của lực lượng lao động, MIT Sloan Management Review và Deloitte trình bày báo cáo này nêu bật tính cấp thiết và tầm quan trọng của phương pháp này.

Chúng tôi nhận thấy rằng nhiều nhà lãnh đạo cũng như người lao động không hài lòng với khoản đầu tư của doanh nghiệp vào sự phát triển của họ.

  • 74% người được hỏi tin rằng việc phát triển các kỹ năng và năng lực của nhân viên là quan trọng đối với chiến lược của tổ chức, nhưng chỉ 34% hài lòng với sự đầu tư của tổ chức vào họ.
  • Gần một nửa số người được khảo sát sẵn sàng rời khỏi công ty của mình nếu được đề nghị gói thôi việc hoặc trợ cấp thất nghiệp.

Nghiên cứu của chúng tôi cho thấy, việc khắc phục không chỉ tập trung nhiều hơn vào tái cơ cấu lực lượng lao động, đào tạo lại, học lại kỹ năng và giảm biên chế.

Với nhiều người, nhiều kỹ năng hơn – và thậm chí kinh nghiệm tốt hơn – mà không có nhiều cơ hội là không đủ.

Nếu người lao động không coi trọng những cơ hội mà họ được trao cho — nếu những cơ hội đó không “ăn uống” gì với đam mê, tiềm năng và mục đích của họ — thì họ có thể và sẽ rời đi.

Việc nhân tài mới được phát triển, có kỹ năng cao hơn sẵn sàng bước ra khỏi cửa có thể làm gia tăng thách thức đối với lực lượng lao động mà nhiều nhà lãnh đạo phải đối mặt.

Để thoát khỏi cái bẫy này, các nhà lãnh đạo nên thay đổi tư duy trước đây là ưu tiên kiểm soát chi phí sang trao quyền cho mọi người.

Một trong những thu hoạch quan trọng nhất đối với ban quản lý cấp cao là thị trường cơ hội đó đều cần và gợi lên sự tự chủ (agency) và lật lại câu hỏi bất diệt về quản lý lực lượng lao động và tài năng hàng đầu, câu mà các nhà điều hành đều từng hỏi “Làm thế nào để đầu tư tốt hơn và thông minh hơn vào con người?” thì thị trường cơ hội khiến họ hỏi “Làm thế nào chúng ta có thể hỗ trợ nhân viên đầu tư vào bản thân tốt hơn, thông minh hơn?

Sự đảo ngược này trực tiếp thách thức phong cách lãnh đạo chỉ huy và kiểm soát và có thể đe dọa các nhà điều hành luôn coi chuyển đổi số (digital transformation) là nền tảng để tăng cường giám sát doanh nghiệp.

Sự nhấn mạnh lên thị trường cơ hội phản ánh nghiên cứu đoạt giải Nobel về phát triển nguồn nhân lực, kinh tế học hành vi, lý thuyết trò chơi và thiết kế thị trường.

Các nhà lãnh đạo và tổ chức được khảo sát đều khẳng định rằng theo thời gian, một thiết kế thị trường cơ hội (opportunity marketplaces design) sẽ dung hòa tốt nhất các yêu cầu đạo đức và kinh tế nhằm tối đa hóa năng suất và giá trị của doanh nghiệp.

Thông điệp rất rõ ràng: Một trong những cách chắc chắn nhất để các nhà lãnh đạo tạo cơ hội tốt hơn cho tổ chức của họ là tạo cơ hội tốt hơn cho nhân viên của họ.

Schneider Electric tạo ra một thị trường cơ hội

Andrew Saidy ở Schneider Electric nhận thức rõ rằng hầu hết mọi người không hiểu chức danh công việc của mình. Nên vị phó chủ tịch phụ trách Số hóa tài năng (Talent Digitization) của công ty quản lý năng lượng toàn cầu giải thích vai trò của mình như thế này: “Tôi giúp tạo ra doanh thu bằng cách phát hành ra các công nghệ đảm bảo nhân viên của chúng tôi làm việc hiệu quả hơn, họ vẫn ở lại với Schneider và mức độ gắn bó của họ tăng lên”.

Schneider Electric
Schneider Electric

Tập đoàn đa quốc gia của Pháp, được thành lập vào năm 1836 với tên gọi Schneider & Cie, với 135.000 nhân viên và có mặt tại hơn 100 quốc gia (với nhân viên ở Mỹ nhiều hơn bất kỳ nơi nào khác).

Đó là một công ty lâu đời, nhưng nó buộc phải hủy bỏ các tập tục nhân sự trước giờ khi các phân tích tiết lộ rằng gần một nửa số nhân viên rời tổ chức vì họ cảm thấy không có tầm nhìn về các cơ hội phát triển trong tương lai.

Tại Schneider, chi phí cho việc mất người đã khiến công ty, vào năm 2018, tung ra chương trình “thị trường tài năng mở”, sử dụng AI để gán nhân viên với các dự án ngắn hạn, các nhiệm vụ cao hơn khả năng hiện tại, những việc sau giờ làm, công việc toàn thời gian và cố vấn.

Như phó chủ tịch nhân sự của Schneider, Amy deCastro có giải thích, “Chúng tôi đang tạo ra một thị trường nội bộ chưa từng có trước đây và đó là thị trường mà nhân viên có thể tận dụng thay vì ra thị trường bên ngoài.

Ở chiều ngược lại, thị trường cơ hội tạo ra dữ liệu phong phú cho Schneider về các kỹ năng và sở thích của nhân viên, đảm bảo sự liên kết rõ ràng và dễ đo lường giữa các cơ hội nội bộ và nguyện vọng chiến lược rộng lớn của Schneider. Nó cũng khuyến khích nhân viên thực hiện ưu tiên đáp ứng tốt và vượt mong đợi của khách hàng.

Quan trọng là, các phân tích của nền tảng không được sử dụng để chỉ ra con đường sự nghiệp mà để mở ra sự tự chủ và chọn lựa: Nhân viên được kỳ vọng đưa ra chủ kiến.

Saidy nói: “Chúng tôi luôn nói với nhân viên rằng họ làm chủ sự nghiệp của mình, rằng họ đang ở vị trí của người cầm lái“.

Với thị trường cơ hội, văn hóa nơi làm việc của Schneider trở nên năng động và nhạy bén hơn để nhân viên thấy đầu tư vào bản thân là việc dễ dàng.

Cam kết này không chỉ dừng lại ở việc đào tạo lại và nâng cao kỹ năng. Thị trường cơ hội của Schneider có thể hướng nhân tài đến với các dự án phù hợp với ý thức và mục tiêu của họ.

Trao quyền cho người lao động nhất quán với văn hóa và giá trị của công ty. Saidy và deCastro nhấn mạnh rằng Schneider không xem mỗi nhân viên là phương tiện để thu lợi mà là một con người toàn diện.

Saidy mô tả Schneider như ‘người’ có văn hóa “tử tế” và nhấn mạnh rằng vai trò của người ấy không chỉ tạo ra ROI.

Chúng tôi thực sự nhìn vào tổng thể 1 cá nhân khi họ làm việc với Schneider” deCastro nói.

Công ty sử dụng các biện pháp bảo vệ kỹ thuật số để đảm bảo rằng những công việc bên lề (side gig) và công việc vượt tầm (stretch assignment) không khiến nhân viên bị choáng ngợp, thêm cả việc thử nghiệm các tính năng mới cảnh báo nhân viên nếu họ thường xuyên bắt đầu ngày làm việc quá sớm hoặc gửi quá nhiều email liên quan đến công việc sau giờ làm.

HR là một cộng sự thân thiết và không thể thiếu trong suốt quá trình chuyển đổi số. Theo Saidy, HR “không phải là một chức năng hành chính” mà là một “đối tác chiến lược”.

Andrew Saidy, phó chủ tịch chương trình Số hóa tài năng ở Schneider Electric
Andrew Saidy, phó chủ tịch chương trình Số hóa tài năng ở Schneider Electric

Mặc dù vẫn chưa có dữ liệu chính xác, nhưng Saidy cho biết tỷ lệ nghỉ việc đã giảm ở những bộ phận mà thị trường cơ hội được triển khai.

Một phó chủ tịch Số hóa tài năng có thể là một vai trò không bình thường, nhưng khi “số hóa tài năng” thể hiện là khoản đầu tư chiến lược vào nguồn nhân lực, thì nó có cái lý của nó.

Saidy thấy sự hợp lý đó theo cách này:

“Nếu bạn đang làm công việc hàng ngày của mình và không làm bất cứ điều gì khác, bạn sẽ không có được những trải nghiệm mới. Mục đích của chúng tôi là tạo cơ hội mới để nhân viên có được kinh nghiệm và kỹ năng mới”.

Với dữ liệu từ một khảo sát toàn cầu gần 3.900 người trả lời và phỏng vấn 18 giám đốc điều hành và nhà lãnh đạo tư tưởng, báo cáo này lập luận rằng lãnh đạo cấp cao nhất phải đưa ra một định nghĩa mới xung quanh tương lai của cơ hội lực lượng lao động.

Sự chú trọng thường xuyên và công khai vào việc nâng cao, rèn luyện lại và đào tạo kỹ năng dường như là chưa đầy đủ. Mà đầy đủ thì phải xem người lao động vừa là tài sản kinh tế, vừa là con người toàn vẹn.

Khung đề xuất của chúng tôi sẽ định nghĩa lại và thiết kế lại các cơ hội nội bộ để phát triển cá nhân và chuyên môn. Nó có thể giúp các nhà lãnh đạo đánh giá liệu doanh nghiệp của họ có tư duy và cơ chế để tạo ra cơ hội đầy đủ cho người lao động hay không. Các cơ hội sẽ giúp nhân viên đầu tư có ý nghĩa và hiệu quả vào bản thân để tạo giá trị cho tổ chức.

Cách tiếp cận lấy cơ hội làm trung tâm này được chứng minh là cách thức kinh tế và nhân văn nhất để liên kết giữa các giá trị doanh nghiệp với việc tạo ra giá trị doanh nghiệp.

Schneider Electric đưa ra một tình huống mà các khoản đầu tư dựa trên dữ liệu và phân tích vào các thị trường cơ hội có thể làm cho cả nhân viên và người sử dụng lao động trở nên hiệu quả và có giá trị hơn.

Người lao động và ban quản lý, mất kết nối và lạc nhịp

Các tổ chức đã đạt được nhiều tiến bộ trong việc phát triển các chiến lược số tận dụng mạng xã hội, thiết bị di động và đám mây. Tuy nhiên, sự tăng trưởng bùng nổ trong lĩnh vực AI, dữ liệu và phân tích đang thúc đẩy một sự đột phá số thức mới.

Những đột phá này thường đòi hỏi các phương pháp tiếp cận mới đối với quản lý, trao quyền và liên kêt người lao động tới các kết quả chiến lược mong muốn. Tuy nhiên, không có phương pháp hay nhất nào mà đa số các nhà quản lý chấp nhận.

Nghiên cứu của chúng tôi cho thấy rằng ở một mức độ đáng chú ý, nhiều người lao động không hài lòng với các khoản đầu tư của tổ chức vào sự phát triển nghề nghiệp của họ.

Nhiều người cảm thấy bị coi như tài sản và như những người đóng góp tiềm năng vào việc tạo ra giá trị tương lai. Những phát hiện này cho thấy có sự lệch lạc nghiêm trọng giữa lực lượng lao động và chiến lược tổ chức.

Góc nhìn của người lao động

Theo khảo sát toàn cầu của chúng tôi, nhiều người lao động cảm thấy mất kết nối và không hài lòng. Phần lớn những người mà chúng tôi khảo sát, bao gồm cả giám đốc điều hành, nhận thấy sự thiếu đầu tư cho sự phát triển của họ.

  • 74% người được hỏi tin rằng việc phát triển các kỹ năng và năng lực mới là quan trọng về mặt chiến lược trong tổ chức, nhưng chưa đến một phần ba (32%) nói rằng họ được thưởng nhờ phát triển các kỹ năng mới. (Xem Hình 1.)
Hình 1 - Sự phát triển được coi trọng, nhưng nhân viên thiếu động lực.
Hình 1 – Sự phát triển được coi trọng, nhưng nhân viên thiếu động lực.
  • 47% nghĩ rằng công ty đang đầu tư đáng kể vào sự phát triển nghề nghiệp của họ và chỉ 34% hài lòng với sự đầu tư vào việc cải thiện kỹ năng và hiệu suất.
  • Không quá 40% giám đốc điều hành hài lòng với sự đầu tư của tổ chức vào sự phát triển của họ. (Xem Hình 2.)
Hình 2. Sự không hài lòng của nhân viên với đầu tư phát triển chuyên môn
Hình 2. Sự không hài lòng của nhân viên với đầu tư phát triển chuyên môn

Với những phát hiện này, không có gì ngạc nhiên khi nhiều người lao động cảm thấy tách rời khỏi tổ chức và nhiều người tin rằng kỹ năng của họ sẽ được coi trọng ở nơi khác. 45% số người được hỏi muốn nhận nhận gói thôi việc hoặc trung lập về câu hỏi.

Số người cho rằng kiếm được một công việc mới bên ngoài (dễ hơn (40%) so với bên trong tổ chức (17%). (Xem Hình 3.)

Hình 3. Với nhân viên, có rất nhiều cơ hội ở bên ngoài
Hình 3. Với nhân viên, có rất nhiều cơ hội ở bên ngoài

Với nhận thức của họ về tình trạng thiếu đầu tư, điều hấp dẫn là phần lớn những người được hỏi (84%) khẳng định rằng họ tiếp tục học hỏi những kỹ năng quý giá và có những kinh nghiệm quý giá trong công việc hiện tại.

Một tỷ lệ tương tự (82%) tự tin vào khả năng tìm được việc khác trong hoặc ngoài công ty dựa trên các kỹ năng và kinh nghiệm có được từ vị trí hiện tại.

Chúng tôi suy ra rằng họ tận hưởng sự tự tin này bất chấp — chứ không phải vì — người sử dụng lao động.

Ít hơn một nửa số người được hỏi (41%) thừa nhận rằng họ có các kỹ năng cần thiết để phát triển nghề nghiệp trong tối đa bốn năm. (Xem Hình 4.)

Hình 4. Nhân viên mông lung về kỹ năng của mình
Hình 4. Nhân viên mông lung về kỹ năng của mình

Những câu trả lời trái ngược này đặt ra câu hỏi liệu sự bất mãn rộng khắp trong khảo sát của chúng tôi là bắt nguồn từ nhận thức hay thực tế.

Các tổ chức khác nhau rõ ràng có những giá trị khác nhau khi nói đến sự phát triển của nhân viên: một số quan niệm đầu tư vào nhân viên chủ yếu về mặt kinh tế, trong khi những tổ chức khác cân bằng các yếu tố kinh tế với các cân nhắc về đạo đức và văn hóa. Vẫn còn những công ty khác đã cân nhắc trả lời kỹ lưỡng trước các câu hỏi này.

Tuy nhiên, một số người được phỏng vấn của chúng tôi đã quan sát thấy các hình mẫu chung về cách nhìn của ban quản lý cấp cao vào lực lượng lao động.

Các quan sát của họ khẳng định quan điểm chung của những người được hỏi rằng các tổ chức đang áp dụng các phương pháp mang tính giao dịch và hiệu quả về chi phí và giao dịch để quản lý lực lượng lao động.

Quan điểm của Thomas Kochan xác thực cảm giác của những người trả lời rằng nơi làm việc của họ không quan tâm đến sự phát triển lâu dài của họ. “Các giám đốc điều hành không nhìn thấy giá trị đầy đủ của việc đầu tư vào lực lượng lao động về lâu dài” Kochan, đồng giám đốc Viện Nghiên cứu Việc làm và Công việc của Trường Quản lý MIT Sloan, cho biết.

Ông mô tả khoản đầu tư đó “có thể thúc đẩy cải thiện năng suất bằng cách có công việc tốt với mức lương tốt và có những nhân viên được đào tạo tốt hơn bất kỳ khoản đầu tư nào vào công nghệ, để họ có thể gia tăng giá trị cho quá trình thiết kế và triển khai công nghệ và sau đó tiếp tục quá trình đổi mới đó.” ông tiếp tục, “Người lao động vẫn thường được coi là một chi phí.

Oren Cass, tác giả của cuốn sách The Once and Future Worker và giám đốc điều hành của American Compass, đưa ra quan điểm liên quan. “Cộng đồng doanh nghiệp luôn mặc định rằng lao động chỉ là một đầu vào giống như bất kỳ đầu vào nào khác và khi họ thiết kế mô hình kinh doanh, quy trình và thực hành, họ giả định rằng có một thị trường sẽ cung cấp cho họ bất kỳ lao động nào họ muốn, giống như họ có thể tin tưởng rằng thị trường sẽ cung cấp bất kỳ dịch vụ, vật dụng và những thứ khác mà họ có thể muốn” Cass nói. “Tôi nghĩ điều đó sai cả về mặt kinh tế lẫn thực tế và sai cả về mặt triết học và xã hội”.

Cơ hội sửa sự mất kết nối 

Các doanh nghiệp hàng đầu thực hiện các bước đầu tư và chuyển đổi lực lượng lao động của họ theo những cách có lợi cho cả đôi bên.

Họ không chỉ đầu tư vào việc đào tạo lại hoặc nâng cao trình độ cho người lao động mà còn cung cấp cơ hội phát triển nghề nghiệp và thành tích.

Dữ liệu của chúng tôi cho thấy rằng các tổ chức này không chỉ coi người lao động như một phương tiện hoạt động để đạt được mục đích cuối cùng mà còn là tài sản đáng để nuôi dưỡng.

Quản lý cấp cao ở các công ty này dường như đảm bảo rằng tầm nhìn chiến lược và các ưu tiên của họ được phản ánh và gắn liền với các cơ hội.

Cách tiếp cận lấy cơ hội làm trung tâm thể hiện sự thay đổi, thoát ly khỏi các cam kết có tính giao dịch. Chúng báo hiệu cách tiếp cận lấy nhân viên làm trung tâm trong việc tạo ra giá trị.

Hơn nữa, chúng không yêu cầu nhân viên hy sinh bản thân khi họ bước tới cửa văn phòng.

Kết quả khảo sát của chúng tôi cho thấy rằng những người lao động mà tổ chức đang đầu tư vào họ theo những cách này hài lòng hơn với công việc.

Những người trả lời từ các công ty này cũng có nhiều khả năng báo cáo rằng tổ chức của họ hoạt động tốt hơn các công ty cùng ngành.

Hình 5. Sự hài lòng của nhân viên với đầu tư mang tính tổ chức
Hình 5. Sự hài lòng của nhân viên với sự đầu tư mang tính tổ chức

Tìm hiểu sâu hơn về dữ liệu mới phát hiện ra mối liên hệ phức tạp giữa sự đầu tư vào nhân viên, sự hài lòng trong công việc và hiệu suất của tổ chức.

Tầm nhìn, giao tiếp và hành động của lãnh đạo có thể góp phần đáng kể vào cả sự hài lòng của người lao động và hiệu quả hoạt động của tổ chức.

Tầm quan trọng của “tiếng nói cấp cao nhất” — với các giám đốc điều hành cấp cao hỗ trợ một cách rõ ràng các đức tính và giá trị của cơ hội — không thể bị nhấn mạnh quá mức.

Phân tích cụm (cluster analysis) các dữ liệu khảo sát của chúng tôi cho thấy rằng Nhóm phản hồi có thiện cảm (Promoters) hài lòng với sự đầu tư của tổ chức vào sự phát triển nghề nghiệp của họ, cảm thấy gắn bó hơn với tổ chức và được hỗ trợ nhiều hơn bởi tầm nhìn của lãnh đạo về cách nhân viên sẽ đóng góp giá trị.

85% các Promoter đồng ý hoặc đồng ý mạnh mẽ rằng lãnh đạo của họ có tầm nhìn về cách nhân viên sẽ đóng góp giá trị trong 5 năm tới, so với 38% Detractor (nhóm phản hồi không thiện cảm)

Lãnh đạo ở các công ty của Promoter không chỉ thường xuyên thảo luận về việc cải thiện năng lực lãnh đạo hơn công ty khác mà còn có nhiều khả năng mang lại cơ hội để nâng cao năng lực của nhân viên.

Những phát hiện này chủ yếu không phải là chức năng của việc Promoter là người có hiệu suất cao; phần lớn cả nhóm Promoter và Detractor tự mô tả mình là những người có hiệu suất cao.

  • Promoter làm việc trong các tổ chức mà các nhà lãnh đạo đã thảo luận về việc cải thiện năng lực trong tháng qua cao gấp 3 lần so với Detrator.
  • 61% Promoter được đào tạo về cách sử dụng công nghệ mới hoặc dịch vụ kỹ thuật số trong sáu tháng qua, so với 18% Detractor.

Cũng có sự khác biệt rõ ràng giữa nhận thức của nhóm Promoter và nhóm Detractor về cơ hội nội bộ. So với Detractor, nhóm Promoter (69% so với 32%) đồng ý rằng việc kiếm được một công việc trong tổ chức của họ dễ dàng hơn bên ngoài tổ chức. Hơn một nửa số Detractor nói rằng kiếm việc làm bên ngoài tổ chức của họ dễ dàng hơn.

Những thiếu sót về cơ hội có xu hướng kéo theo tinh thần xuống thấp, năng suất thấp và sự hao mòn.

Nhìn qua lăng kính cơ hội

Việc đáp ứng nhu cầu về các kỹ năng mới của doanh nghiệp là khác biệt và tách biệt khỏi việc tạo cơ hội cho người lao động có những trải nghiệm mới và học hỏi từ chúng, phát triển và áp dụng các kỹ năng có giá trị, đồng thời chuyển sang các vai trò mới trong tổ chức một cách liền mạch và dễ dàng.

Các giám đốc điều hành mà chúng tôi đã nói chuyện đều khẳng định rằng họ cảm thấy cách tốt nhất để hoàn thành cái đầu tiên là cam kết với cái sau đó. Họ nhấn mạnh tầm quan trọng của việc cung cấp các cơ hội để người lao động có thể phát triển theo những cách mà cả họ và công ty đều coi trọng.

Lấy ví dụ, Schneider Electric duy trì một hệ thống tham chiếu được cập nhật liên tục nhằm liệt kê các kỹ năng cần thiết cho mỗi công việc trên toàn tổ chức. Công ty cũng tìm kiếm ý kiến ​​đóng góp của nhân viên một cách có phương pháp về những kỹ năng mà họ quan tâm nhất để có được.

Saidy nói: “Các số liệu phân tích có sẵn có thể cho chúng tôi biết những kỹ năng nào đang được yêu cầu, những kỹ năng nào mà nhân viên muốn học và những kỹ năng nào là những kỹ năng sắp bị đào thải và không còn được sử dụng nữa”.

Các cơ hội lực lượng lao động mà Schneider cung cấp sẽ ngày càng được củng cố bởi dữ liệu đó.

Một công ty chúng tôi từng làm việc đã cung cấp rõ ràng và hệ thống các cơ hội mới cho người lao động như một cách để tạo ra giá trị tốt hơn cho cá nhân và tổ chức.

Giám đốc điều hành cho biết: “Ưu tiên hàng đầu chúng tôi thực hiện là nuôi dưỡng sự phụ thuộc lẫn nhau, đảm bảo rằng chúng tôi đang đặt họ vào vị trí mà họ có thể duy trì sự tiên tiến về công nghệ đó. Nếu chúng tôi không làm vậy, người của chúng tôi sẽ rời đi. Hơn bất cứ lúc nào, họ nhận ra họ đang đầu tư vào chính mình. Tôi tin rằng họ đang kiểm soát nhiều hơn và có trách nhiệm hơn đối với sự phát triển của chính mình”.

Công ty phần mềm và dịch vụ nhân sự Ceridian cũng coi trọng tính di động và phát triển, nhưng giám đốc văn hóa và nhân sự Lisa Sterling lưu ý rằng nhân viên phải chấp nhận trách nhiệm lớn hơn đối với sự nghiệp của họ và chủ động đầu tư vào chúng.

Bà nói: “Chúng tôi phải tạo cơ hội cho mọi người được đầu tư vào, nhưng mọi người phải chủ động tự tìm kiếm và chứng minh sự xứng đáng của họ đối với khoản đầu tư đó.

Đó là sự tự chủ. Nếu người lao động tin rằng các cơ hội là chân chính, có giá trị, đáng tin cậy và dễ tiếp cận, họ sẽ cảm thấy được trao quyền để theo đuổi chúng. An toàn tâm lý là điều tối quan trọng đối với người lao động để nhận thức và tận dụng các cơ hội.

Theo người đoạt giải Nobel, Amartya Sen, quyền tự quyết là điều cần thiết cho sự phát triển của con người và phụ thuộc vào khả năng đạt được các mục tiêu mà người ta có lý do để đánh giá.

Các chiến lược hiệu quả trong việc nâng cấp kỹ năng, giữ chân nhân viên và tính di động dung hòa các giá trị của nhà lãnh đạo và nhân viên.

Nghiên cứu của chúng tôi làm nổi bật ba yếu tố chính có thể tạo ra sự thành công của doanh nghiệp lấy cơ hội làm trung tâm:

  • Một tầm nhìn lãnh đạo rõ ràng về cách mà nguồn nhân lực tạo ra giá trị.
  • Một sự thay đổi văn hóa ghi nhận và khen thưởng sáng kiến ​​và sự tự chủ cá nhân.
  • Tiếp cận các công cụ và nguồn lực để nâng cao năng lực, tự đầu tư và mối quan tâm chung về phát triển.

Cam kết của lãnh đạo trong việc xây dựng cơ hội

Sterling ở Ceeridian cho biết, khả năng lãnh đạo là rất quan trọng để đảm bảo dòng chảy tài năng lành mạnh trong một doanh nghiệp.

Trước đây, một số nhà lãnh đạo tại Ceridian do dự trong việc khuyến khích người lao động nâng cao kỹ năng của họ cho các bộ phận khác của tổ chức.

Giờ đây, cô nói, các nhà lãnh đạo hiểu rằng “chúng tôi thực sự thúc đẩy năng suất cao hơn từ những người ở vai trò hiện tại khi họ có thể làm những việc khác mà họ đam mê và xuất sắc”.

Thực hành sự tự chủ xung quanh cơ hội có thể mở ra giá trị kinh tế và tiềm năng của con người.

Tại Henry Ford Health System, Sarah Sheffer, giám đốc hoạch định nguồn nhân lực chiến lược, có một chỉ thị giúp cho các lãnh đạo “không còn nghĩ, ‘Ai đó đã rời đi. Tôi có một chỗ trống và cần vị trí này được lấp đầy càng sớm càng tốt’ mà là, ‘Làm thế nào bắt đầu suy nghĩ về các kỹ năng của tương lai? Công việc của người này sẽ như thế nào trong năm hoặc hai năm hoặc ba năm tới?’ Đó là tư duy lãnh đạo cần phải thay đổi.”

Marriott International, khách sạn đa quốc gia, đã phát hiện rằng khả năng lãnh đạo bằng sự gương mẫu có ý nghĩa rất lớn. Người lao động có nhiều khả năng tận dụng các cơ hội học tập hơn khi người lãnh đạo của họ tự mình làm điều đó.

Tại các khách sạn có tổng giám đốc (TGĐ) hoàn thành một chương trình đào tạo cụ thể về Nền tảng học tập kỹ thuật số của công ty, thì có hơn 80% nhân viên đã làm theo.

Ngược lại, khi TGĐ không thể hoàn thành khóa đào tạo, thường ít hơn một phần ba số nhân viên hoàn thành khóa đào tạo đó.

Đáng chú ý hơn, các cơ sở nơi TGĐ và nhân viên đã hoàn thành khóa đào tạo thành công tỏ ra cạnh tranh hơn so với các tổ hợp được đào tạo chưa tới.

Văn hóa trao quyền cho người lao động

Khi Ngân hàng DBS ra mắt chương trình đào tạo kỹ thuật số để đào tạo lại hơn 20.000 nhân viên, công ty muốn đảm bảo rằng mọi nhân viên đều hiểu, chấp nhận và thấm nhuần những thay đổi bên cạnh việc xây dựng các khả năng và năng lực kỹ thuật số mới.

Ying Yuan Ng, Giám đốc học tập và COO, Bộ phận nhân sự của DBS cho biết: “Chúng tôi đã bắt tay vào can thiệp văn hóa trên toàn tổ chức để trang bị và cho phép mọi cá nhân thoải mái với các kỹ năng số mới. Mục đích kép của chương trình học được hiểu rõ ràng: mang lại lợi nhuận cho ngân hàng và chứng minh cho nhân viên thấy rằng sự đột phá số thức tạo ra cơ hội mới cho họ. Chúng tôi muốn nhân viên của mình biết rằng DBS hỗ trợ trong việc chuyển đổi bản thân vừa là một nhân viên vừa là một cá nhân. Chúng tôi đầu tư rất nhiều vào con người của mình. Triết lý của chúng tôi là không để ai bị bỏ lại phía sau”.

Tiếp cận các tài nguyên cải thiện hiệu suất

Các kỹ thuật quản lý hiệu suất có thể thúc đẩy sự tự chủ và mở ra các cơ hội mới, nhưng chúng cũng có thể làm suy yếu ý thức tự chủ của người lao động và phá hoại kết quả kinh doanh.

Một mô phỏng của Domino gần đây minh họa sự căng thẳng này.

Vào năm 2019, công ty đã thử nghiệm “pizza checker”, sử dụng camera AI trong cửa hàng để giám sát chất lượng làm bánh tại một cửa hàng cụ thể. Mục đích là chia sẻ dữ liệu với nhân viên để cải thiện kỹ năng làm bánh pizza và hiệu suất tổng thể của họ.

Donald Meij, Giám đốc điều hành của tập đoàn, nói rằng nhân viên ban đầu có “nỗi sợ sâu sắc” rằng ý định của công ty là giảm biên chế và giám sát.

Nhưng nhóm của ông đã thuyết phục nhân viên rằng việc giám sát là cơ hội để họ “cảm thấy tốt hơn về công việc của mình vì họ có thể thực hiện tốt hơn”.

Trên thực tế, các cửa hàng Domino’s với công nghệ kiểm tra bánh pizza đã cải thiện số điểm đánh giá từ khách hàng.

Kết quả là “niềm tự hào ở một cấp độ khác những gì chúng tôi có trước đây.”

Một chủ lao động tư nhân có trụ sở tại Massachusetts sử dụng chứng chỉ vi mô do Đại học Southern New Hampshire (SNHU) tạo ra để cải thiện hiệu suất của nhân viên chăm sóc sức khỏe tuyến đầu.

Chủ tịch SNHU, Paul LeBlanc giải thích: “Đây là những nhân viên mới vào, làm việc theo giờ. 70% tương tác của bạn với các hệ thống chăm sóc sức khỏe là với những người đó, nhưng đó là nhóm có tỷ lệ nghỉ việc cao nhất và tỷ lệ hài lòng của bệnh nhân thấp nhất. Tổ chức này biết rằng họ cần nhóm đó trở nên tốt hơn và muốn có một chiến lược để giúp phát triển và giữ chân họ. Chúng tôi đã phát triển một chứng chỉ vi mô đưa vào giáo trình của môn Quản trị chăm sóc sức khỏe. Tổ chức rất thích nó, nó được triển khai trên toàn hệ thống.

LeBlanc nói rằng bằng cách cho phép mọi người học hỏi nhanh chóng và do đó chuyển đến các vị trí tốt hơn nhanh hơn, “chứng chỉ vi mô sẽ mở ra nhiều cơ hội hơn”.

Địa hạt mới cho quản lý nguồn nhân lực: Thị trường cơ hội

Nghiên cứu của chúng tôi gợi ý rằng các cơ hội thăng tiến giúp trao quyền và gắn kết người lao động có thể giúp các lãnh đạo của họ đạt được các cấp độ giá trị chiến lược mới.

Với những lãnh đạo này, cơ hội đang trở thành một nguyên tắc tổ chức cho thiết kế và chiến lược nguồn nhân lực.

Nhiều lãnh đạo đang thay thế quan điểm dựa trên chi phí đối với người lao động thành quan điểm dựa trên cơ hội.

Mục tiêu ở đây là cùng tạo ra giá trị cho người lao động thông qua việc cung cấp và theo đuổi cơ hội.

Các tổ chức khác nhau ở cách họ tạo ra và phân bổ cơ hội một cách có hệ thống. Ngày càng nhiều phương pháp có tính hệ thống sử dụng thị trường cơ hội để kích hoạt việc tạo, truyền đạt và sử dụng cơ hội.

Các thị trường này có cấu trúc và mục đích khuyến khích và cho phép người lao động trao đổi sức lao động của họ để lấy cơ hội, không chỉ vì giá cả. Chúng hoàn toàn khác với các thị trường nhân tài truyền thống.

Thị trường cơ hội được thiết kế tốt giúp gắn kết năng lực và tham vọng của nhân viên với tham vọng về mặt vận hành và chiến lược của công ty.

Thị trường nhân tài có trọng tâm hẹp so với thị trường cơ hội

Các thị trường nhân tài điển hình bao gồm mạng lưới hoặc nhóm người lao động có sẵn để các tổ chức “hoàn thành công việc”.

Họ bao gồm nhân viên toàn thời gian và nhà thầu, cũng như nhân viên bán thời gian và nhân viên dự phòng khác.

Các thị trường nhân tài truyền thống khá tĩnh và một chiều, nhấn mạnh giải pháp cho các mối quan tâm liên quan đến công việc được xác định rõ ràng.

Họ hầu như chỉ có góc nhìn giao dịch về thị trường lao động; cá nhân cung cấp kỹ năng và năng lực để nhận lấy sự phát triển nghề nghiệp từ công ty.

Đối với đại đa số các doanh nghiệp, sự trao đổi kinh tế mang tính chức năng và hạn hẹp. Người lao động bán sức lao động của mình với hiểu biết rằng công việc của họ sẽ phải tuân theo sự kiểm soát và quy tắc của quản lý công ty.

Nhân sự đảm bảo tuân thủ. Thông thường, khả năng thương lượng trong các thị trường nhân tài nằm ở nhà tuyển dụng. Đó là thị trường của người mua.

Thị trường cơ hội là gì?

Thị trường cơ hội tạo điều kiện thuận lợi cho việc trao đổi thành công giữa tổ chức và nhân viên quanh các cơ hội phát triển chuyên môn, đào tạo, cố vấn, tham gia dự án, kết nối, thăng tiến,…

Việc xác định cách thức và lý do mà các nguồn lực cụ thể (như đào tạo, lương thưởng và nhiệm vụ) được chuyển đổi thành cơ hội nhằm cung cấp cơ chế và tính hợp lý cho một thị trường cơ hội nhất định chính là mấu chốt.

Thị trường cơ hội hiệu quả đòi hỏi sự chủ động của cá nhân và các ưu tiên chiến lược của doanh nghiệp phải phù hợp và củng cố lẫn nhau.

Do đó, chúng mang làm tăng sự tự chủ cá nhân và mở rộng quan điểm về cơ hội, từ quan điểm của người lao động và người sử dụng lao động.

Các thị trường này trao quyền cho người lao động đánh giá, lựa chọn và hành động dựa trên các cơ hội; chúng khuyến khích mọi người đầu tư tốt hơn vào bản thân.

Đổi lại, thị trường cơ hội có thể cung cấp cho doanh nghiệp các dữ liệu và phân tích về những cơ hội bên trong mà nhân viên coi trọng.

Thị trường cơ hội thành công thúc đẩy sự trao đổi công bằng mang lại lợi ích cho cả người lao động và tổ chức. Toàn bộ tổ chức trở nên hiệu quả hơn, có giá trị và năng suất hơn.

Thị trường cơ hội, như bất kỳ thị trường được thiết kế công bằng nào, đều có lợi cho cả hai bên.

Nâng cao sự tự chủ giúp xây dựng giá trị

Thị trường cơ hội hoạt động hiệu quả khi người lao động muốn theo đuổi nỗ lực mới và được trao quyền để thành công.

Với ý thức mạnh mẽ về sự tự chủ, người lao động chủ động theo đuổi các cơ hội mà họ và tổ chức cho là có giá trị.

Không có sự tự chủ đó, các cơ hội có thể không được đón nhận hoặc trở thành nỗi đau “vạn kiếp bất phục” đối với người lao động (và doanh nghiệp).

Thị trường cơ hội kết hợp việc cung cấp cơ hội có giá trị của tổ chức với lựa chọn của người lao động để theo đuổi các mục tiêu có ý nghĩa.

Điều này trông như thế nào trên thực tế?

Chương trình đào tạo JIT tập trung và có tính hỗ trợ tại Marriott International có thể thay đổi mức độ sẵn sàng và khả năng đầu tư vào bản thân của các cộng sự.

Theo nhận xét của Marriott’s Breland, việc cung cấp “những gì họ cần, khi họ cần, cách họ cần, được coi là cơ hội để các cộng sự cải thiện hiệu suất công việc bằng cách nhanh chóng bắt kịp các chương trình đổi mới số của nhà cung cấp dịch vụ khách sạn, chẳng hạn như như dịch vụ nhận phòng di động”.

Breland nói: “Đó là mục tiêu của chúng tôi. Chúng tôi muốn các cộng sự của mình cảm thấy tự tin khi họ tham gia vào một nhiệm vụ, một tương tác hoặc một khách hàng.”

Cầu nối người lao động với chiến lược

Thị trường cơ hội phong phú và sôi động không chỉ khuyến khích những người hoạt động hiệu quả cao duy trì kỹ năng và kiến ​​thức của họ trong tổ chức; mà còn cải thiện những đóng góp từ những nhân viên “trung bình”.

Sterling của Ceridian đã nhìn thấy cơ hội để chuyển những người lao động bình thường thành những nhân viên xuất chúng. “Một vài trong số những người đang làm công việc trung bình có thể trở nên đặc biệt khi các cơ hội xuất hiện và họ được đúc kết lại trong tổ chức,” cô nói.

Thị trường cơ hội có thể trao quyền cho cả những người tài năng và tiêu biểu, làm tăng giá trị tổng thể nguồn nhân lực và cải thiện việc tạo giá trị trong doanh nghiệp.

Cass khẳng định dứt khoát rằng sự lựa chọn giữa đầu tư vào lực lượng lao động và việc nhận lại giá trị cho cổ đông là một “sự phân đôi sai lầm”. Thị trường cơ hội, giống như bất kỳ thị trường được thiết kế công bằng nào, đều có lợi cho cả hai bên.

Để đảm bảo rằng những thành quả này nâng cao việc tạo ra giá trị chiến lược, nghiên cứu của chúng tôi chỉ ra rằng những lãnh đạo trên khắp tổ chức (nhân sự, giám đốc điều hành, giám đốc tài chính, giám đốc chiến lược và lãnh đạo đơn vị kinh doanh cấp cao) liên kết cơ hội với chiến lược, hoạt động và con người.

Họ coi cơ hội là cách hiệu quả và đạo đức nhất để đầu tư vào sự phát triển trong tương lai của nhân viên họ và vào thành công chiến lược của công ty.

Các nhà lãnh đạo tạo ra mối liên kết giữa các giá trị mà tổ chức tán thành và các cơ hội nội bộ mà tổ chức hỗ trợ.

Ví dụ, Schneider Electric về cơ bản đã tạo ra một nền kinh tế gig để tăng sự gắn kết, giảm mức độ nghỉ việc và khuyến khích giáo dục và cố vấn liên tục.

Tạo hiệu quả mới dựa trên dữ liệu

Dữ liệu và phân tích từ thị trường cơ hội có khả năng cho biết những cơ hội nào hấp dẫn nhất, đáng mong đợi nhất, bị đánh giá thấp và / hoặc bị hiểu nhầm. Với siêu dữ liệu cơ hội (tức là các thẻ có ý nghĩa được áp dụng cho các cơ hội), các lãnh đạo và quản lý có thể dễ dàng xác định nhân tài.

Nhân viên có thể nhận được nhiều đề xuất cá nhân hóa về cơ hội tốt nhất cho mình, gồm đào tạo, phát triển, dự án, cố vấn và huấn luyện.

“Ứng dụng” này của thị trường cơ hội (nơi người dùng xem xét các cơ hội việc làm giống như họ xem phim hoặc lựa chọn mua sắm) có tác động to lớn đối với cách các nhà lãnh đạo phát triển các cơ hội và trình bày chiến lược cũng như quan điểm văn hóa của họ.

Dữ liệu của thị trường cơ hội có thể định hình mạnh mẽ các phân tích nguồn nhân lực. Khả năng theo dõi các cơ hội kích thích sự quan tâm và những cơ hội không đáp ứng được kỳ vọng cho phép các lãnh đạo trả lời:

  • Các cơ hội bị bỏ qua vì chúng được mô tả kém hay do người quản lý và nhóm của họ mang tiếng xấu?
  • Nhân tài quan tâm hơn đến việc đạt được kỹ năng mới, vai trò mới hay thách thức mới?
  • Những kinh nghiệm, nhóm, đội hoặc chức năng nào luôn được những người giỏi nhất săn đón?

Với thông tin từ dữ liệu và phân tích của doanh nghiệp, thị trường cơ hội có thể đưa ra lời khuyên và đề xuất hữu ích cho nhân viên cũng như cấp quản lý: “Nhân viên giống bạn đã xem xét những cơ hội này” hoặc “Nhân viên đã khám phá cơ hội x cũng đã xem xét cơ hội y”.

Nói cách khác, thiết kế thị trường cơ hội hiệu quả giúp đảm bảo sự phù hợp giữa các sở thích và ưu tiên của cá nhân và tổ chức.

Tùy vào quy định và thiết kế thị trường, siêu dữ liệu cơ hội có thể liên kết đến các tài liệu tham khảo, đánh giá và phân tích hiệu suất có liên quan.

Sự nhạy cảm của thị trường cơ hội dựa trên dữ liệu này vượt xa hình thức danh sách công việc đang tuyển, danh mục khóa học và / hoặc “những nhân viên mà bạn có thể biết”.

Nó mang cảm giác hướng đến khách hàng vào quản lý nguồn nhân lực. Cũng như việc số hóa tăng cường sự lựa chọn và cơ hội của khách hàng, thì việc số hóa cũng có thể tăng cường những lựa chọn và cơ hội nghề nghiệp của lực lượng lao động.

Kết nối sự tự chủ – cơ hội

Mối quan hệ lành mạnh giữa sự tự chủ và cơ hội là nền tảng cho bất kỳ thị trường cơ hội nào đang hoạt động.

Khung làm việc trong hình bên dưới cho thấy cách các tổ chức và các lãnh đạo của họ mô tả văn hóa thị trường cơ hộ (Hình 6.)

Trục đứng thể hiện sự tự chủ của nhân viên: Nhân viên có khả năng thấy, khám phá, lựa chọn và hành động khi có cơ hội không?

Trục ngang mô tả chiều rộng, chiều sâu và sự sống động của các cơ hội như đào tạo, giáo dục, dự án và việc làm.

Tổ chức khác nhau sẽ có hồ sơ cơ hội khác nhau, tùy vào năng lực, khả năng, chiến lược và giá trị của họ.

Hình 6. Framework mô tả mối quan hệ giữa tổ chức và thị trường cơ hội
Hình 6. Framework mô tả mối quan hệ giữa tổ chức và thị trường cơ hội

Góc phần tư phía trên bên phải thể hiện phần lớn mong muốn đặc trưng của người lao động là sự tự do, tự chủ và động lực đầu tư vào bản thân.

Họ có quyền truy cập vào một danh mục rộng lớn các cơ hội trong một tổ chức hiểu rõ sức mạnh của cơ hội. Các công ty này coi trọng việc cố vấn và huấn luyện cũng như coi trọng tính minh bạch và tính di động. Lãnh đạo có xu hướng coi nhân viên là con người với cuộc sống bên ngoài công việc, chứ không chỉ “khối óc và bàn tay”.

Cả những người có thành tích cao lẫn trung bình đều coi trọng rằng các cơ hội nội bộ có thể mang lại những kết quả phát triển chuyên môn tốt hơn so với tìm kiếm việc làm bên ngoài.

Những nhân viên được trao quyền ra giá thầu cho các cơ hội mà họ và bên tuyển đánh giá cao.

Góc phần tư phía dưới bên trái đặc trưng cho người lao động có ít sự tự chủ và các công ty có thị trường cơ hội hạn hẹp, thưa thớt và / hoặc không rõ ràng.

Các tổ chức trong góc phần tư này chật vật thu hút, giữ chân nhân tài mới cũng như lấp đầy khoảng trống kỹ năng. Người lao động không thấy hứng thú theo đuổi (hoặc “mua”) những cơ hội nhỏ nhỏi mà công ty của họ đưa ra.

Người lao động ở đây thường được giao và / hoặc chỉ dẫn những gì cần làm; thờ ơ hơn là chủ động. Nghiên cứu chỉ ra rằng các công ty ở góc phần tư này bắt buộc phải đào tạo lại / nâng cao kỹ năng. Quản lý hiệu suất thường bị tách khỏi lãnh đạo và phát triển.

Để tiến tới góc phần tư phía trên bên phải:

  • Các giám đốc điều hành quen với việc áp đặt kế hoạch phải hy sinh quyền kiểm soát ảnh hưởng
  • Người lao động quen với việc đánh giá và xếp hạng dựa trên sự chấp hành tiếp nhận những nhiệm vụ lớn lao hơn.

Thị trường cơ hội đại diện cho sự đột phá chân chính về mặt văn hóa và cơ cấu lực lượng lao động đối với các tổ chức này.

Góc phần tư phía dưới bên phải là những người lao động có ít sự tự chủ nhưng công ty thì lại có nhiều cơ hội.

Nhân viên cân nhắc những phương án nội bộ nào đáng để theo đuổi, nhưng họ gần như phụ thuộc vào người giám sát, bộ phận nhân sự, một nhà vô địch nội bộ và / hoặc quy trình phê duyệt chính quy để tận dụng chúng.

Người lao động nhận nhiệm vụ cỏn con hoặc có ít động lực tiếp nhận các cơ hội được đề xuất, ngay cả khi cơ hội rất hứa hẹn.

Quản lý cấp cao thì ưu tiên lập kế hoạch từ trên xuống thay vì là trao quyền cho nhân viên. Quyết định thuê từ bên trong hay tuyển dụng tài năng mới là một mối quan tâm thường xuyên và đánh đổi đầy khó khăn.

Để tiến lên, các công ty này phải đối mặt với thách thức trao quyền cho nhân viên.

Sheffer ở Henry Ford nói: “Chúng tôi là một tổ chức khá lớn. Chúng tôi có xu hướng là rất ‘bậc thang’ trong lĩnh vực trọng tâm của mình, và chuyện như thế thì thường xuyên. Khi chúng tôi cần mở chi nhánh và tìm người có chuyên môn đặc biệt, chúng tôi muốn tìm người nội bộ trước và sau đó đưa ra cơ hội để ai đó phát huy thế mạnh đó. Hoặc nếu đó là một cơ hội phát triển, có lẽ cá nhân đó — hoặc lãnh đạo của người đó — có thể giúp hướng dẫn họ ở các dự án hoặc chương trình khác nhau để họ được phát triển ”.

Góc phần tư phía trên bên trái có các nhân viên có sự tự chủ lớn hơn nhưng lại không có qua nhiều lựa chọn.

Các lựa chọn nghề nghiệp có xu hướng là những lộ trình định sẵn; những nhân viên tài năng nhất có xu hướng nhìn ra ngoài để tìm cơ hội. Quy tắc bậc thang. Tính linh hoạt nội bộ hạn chế và khoảng cách kỹ năng ngày càng tăng dẫn đến tỷ lệ nghỉ việc cao hơn, đặc biệt là ở những người có hiệu suất cao.

Sự khan hiếm cơ hội thách thức những nhân viên tiêu biểu: Sự tự mãn len lỏi.

(Dựa trên các câu trả lời khảo sát và các cuộc phỏng vấn, chúng tôi suy ra rằng việc tiếp nhận văn hóa ở các môi trường có cơ hội hạn chế là một yếu tố gây mất động lực ở môi trường làm việc; nó kiểu như một cửa hàng có ít hoặc không có gì đáng mua.)

Thách thức đối với thị trường cơ hội

Các công ty tạo ra thị trường cơ hội có thể lường trước một số thách thức nhất định. Thị trường cơ hội cho phép người lao động đầu tư vào chính họ, có nghĩa là gánh nặng thành công một phần thuộc về người lao động.

Vậy thì, cấp quản lý nên xử lý như thế nào đối với những người không sẵn sàng hoặc không thể tận dụng các cơ hội này?

Quản lý những người không hứng thú với các cơ hội

Các giám đốc điều hành chấp nhận rằng không phải ai cũng sẽ thành công trong tất cả các cơ hội mà họ theo đuổi.

Để đối phó với tình trạng thiếu hụt nhân tài ở bang Kentucky, công ty khởi nghiệp công nghệ Interapt đã cung cấp chương trình đào tạo và học việc CNTT cho các ứng viên đủ tiêu chuẩn.

Người sáng lập và Giám đốc điều hành Ankur Gopal lưu ý rằng ngay cả khi được kiểm tra sớm và hỗ trợ liên tục, không phải tất cả những người tham gia đều hoàn thành chương trình.

Chúng tôi có thể cung cấp tất cả các dịch vụ trọn gói, hỗ trợ hết sức có thể, nhưng vẫn có một số người sẽ không thành công. Cho dù chúng tôi sắp đặt mọi người đến mức nào để đạt được thành công, thì kiểu gì cũng có 20 phần trăm lớp học không thành công vì lý do cuộc sống, không phải lý do kết quả”.

Vào năm 2016, Ceridian đã hỗ trợ rất nhiều cho những người kém hiệu quả, thông qua đào tạo bổ sung hoặc bằng cách tìm kiếm họ các vị trí khác trong tổ chức.

Vào năm 2020, Sterling nói: “Chúng tôi sẽ chuyển những cá nhân đó ra khỏi tổ chức và dành không gian đó cho những tài năng đặc biệt mà chúng tôi cần đưa vào, nếu không chúng tôi sẽ không bao giờ đạt được các mục tiêu kinh doanh. Chúng tôi không cung cấp mức độ đầu tư cao, vào đào tạo, thời gian hoặc lương thưởng, cho những người dưới chuẩn.”

Mặc dù không phải ai cũng thành công, nhưng cũng đáng để khảo sát những cách mà các công ty có thể tăng động lực cho người lao động, đặc biệt là ở những lĩnh vực mà nhân tài còn hạn hẹp.

Nghiên cứu chỉ ra rằng đam mê tạo ra tác động – một thành phần quan trọng của động lực học hỏi, kết nối và cải tiến – có thể được nuôi dưỡng hoặc bị loại bỏ đáng kể bởi các phương thức quản lý và môi trường làm việc.

Yếu tố sợ hãi

Một thách thức khác là các cơ hội liên quan đến tự động hóa có thể bị người lao động coi là sự thiếu tin tưởng.

Một số người lo sợ bị thay thế bởi máy móc, nhờ những tiến bộ trong trí tuệ nhân tạo và tự động hóa quy trình bằng robot.

Trong khi các lãnh đạo nhận thức được những nỗi sợ hãi này, các tổ chức mà chúng tôi đã nói chuyện cho biết họ coi tự động hóa là một cơ hội để cải thiện trải nghiệm của người lao động, chứ không phải là một cách để loại bỏ công việc.

Họ coi mối đe dọa này đối với người lao động như một cơ hội để tự động hóa các công việc tốn thời gian và tẻ nhạt.

Thông điệp: Tự động hóa sẽ giải phóng người lao động để làm những công việc sáng tạo hơn.

Breland ở Marriott thừa nhận rằng đối với những công nhân được đào tạo công nghệ tự động hóa quy trình, “Điều đầu tiên tôi nghĩ đến là điều này đang lấy đi một thứ gì đó nhưng chúng tôi nhìn nhận nó hoàn toàn khác. Chúng tôi coi đó là cách để trao cho các cộng sự của mình những siêu năng lực — cho họ khả năng tận dụng công nghệ để giải phóng thời gian giải quyết các yếu tố cấp cao hơn với khách hàng. Chúng tôi rất có mục đích sống theo các giá trị cốt lõi của mình và đầu tư vào con người của chúng tôi.

Meij sử dụng lối phân tích tương tự khi thảo luận về sự không thoải mái của người lao động với việc sử dụng AI, robot và machine learning tại Domino’s. “Cách chúng tôi nói về vấn đề này trong nội bộ là nếu bạn là một siêu anh hùng như Tony Stark, chúng tôi đang cố gắng chế tạo bộ đồ Jarvis được cải tiến về mặt công nghệ của anh ấy. Đây là những công cụ chúng tôi muốn các thành viên trong nhóm yêu thích và đón nhận vì họ sẽ cảm thấy tốt hơn về công việc của mình khi họ có thể thực thi tốt hơn ”.

Đáng chú ý, một số người được phỏng vấn nhận thấy kỹ năng con người ngày càng tăng giá trị trong thời đại tự động hóa.

LeBlanc của SNHU nói rằng khi công việc ngày càng trở nên tự động hóa, “Chúng tôi không nhận ra rằng thứ có giá trị nhất sẽ là kỹ năng con người: cộng tác, sáng tạo, tạo ý nghĩa, tổng hợp, đồng cảm.”

Những kỹ năng này đôi khi được coi là khả năng bền bỉ của con người vì chúng không được dạy hoặc áp dụng theo cách giống như hầu hết các kỹ năng.

Chúng ngày càng có giá trị vì giúp các cá nhân làm việc cùng nhau để giải quyết các điều kiện thay đổi và nhu cầu phát triển nằm ngoài các quy trình tiêu chuẩn được xử lý bằng tự động hóa.

Tạo thị trường cơ hội trong tổ chức của bạn

Xác định xuất phát điểm là bước đầu tiên cần thiết để tạo ra một thị trường cơ hội. “Chỉ số gắn bó” hoặc “khảo sát tinh thần” theo cách truyền thống thường không đủ đối với cơ hội lẫn sự tự chủ.

1. Xem xét lập chỉ mục cơ hội để xác định trạng thái của cơ hội và sự tự chủ trong tổ chức.

Các câu hỏi bên dưới cung cấp khung làm việc để hiểu nhận thức của người lao động và nhà quản lý về cơ hội và sự tự chủ.

  • Nhân viên của bạn có hài lòng với các cơ hội nội bộ trong công việc và nhiệm vụ được giao, tính linh động, phát triển cá nhân, phát triển kỹ năng và thăng tiến không?
  • Nhân viên của bạn có hài lòng với khả năng hành động dựa trên những cơ hội này không? Các quy trình và văn hóa của bạn khuyến khích hay ngăn cản cơ hội và tính linh động?
  • Bạn có hài lòng rằng tư duy, phần thưởng và các chỉ số hiệu suất của nhà quản lý sẽ khuyến khích và hỗ trợ các cơ hội, sự phát triển và tính linh động?

2. Tạo quy trình nhận diện cơ hội cho thị trường cơ hội

Dự báo nhu cầu nhân tài và sử dụng dữ liệu chỉ mục cơ hội ở trên để thông tin những cơ hội nào được tạo ra, chúng được cung cấp cho ai và bằng cách nào.

Xác định ai sẽ quản lý thị trường cơ hội và đảm bảo rằng nhóm của bạn đồng ý về cách quản lý các thị trường này.

Đảm bảo rằng văn hóa tổ chức hỗ trợ hoạt động của các thị trường này. Ví dụ: xây dựng các quy tắc văn hóa thưởng cho các nhà quản lý vì đã hỗ trợ dòng chảy tài năng trong doanh nghiệp thay vì các tiêu chuẩn thưởng cho các nhà quản lý vì đã tích trữ tài năng.

3. Giải quyết cách các nhóm nguồn nhân lực khác nhau đánh giá cơ hội

Lực lượng lao động ngày nay bao gồm nhiều thế hệ. Mỗi thế hệ có thể đánh giá một cơ hội theo những cách khác nhau.

Dữ liệu gần đây cho thấy rằng “không giống như những người thế hệ millenial của mình, thế hệ GenZ… thực sự muốn cam kết lâu dài với công ty. Vì vậy, công ty nên chuẩn bị tốt nhằm mang lại cho thế hệ này sự ổn định và cơ hội từ nội bộ”.

Người lao động lớn tuổi sắp nghỉ hưu tới nơi có nắm bắt cơ hội mạnh mẽ như những người lao động trẻ tuổi không?

Một số muốn mở rộng sự nghiệp để có cơ hội đạt được các kỹ năng mới. Những người lao động lớn tuổi hơn có thể muốn kéo dài thời gian làm việc, nhưng với sự linh hoạt hoặc sự lựa chọn để xác định công việc trông như thế nào. Yếu tố nhân khẩu học rất đáng cân nhắc.

Kết

Việc đón nhận thị trường cơ hội nói lên sự thay đổi cơ bản trong cách các tổ chức tối đa hóa lợi tức từ đầu tư cho nguồn nhân lực.

Nó công nhận lực lượng lao động là một nguồn nhân lực độc nhất. Nó đòi hỏi một sự thay đổi trong các phương thức quản lý lực lượng lao động như lập kế hoạch và triển khai cũng như quản lý và phát triển hiệu quả công việc.

Các lãnh đạo quen với việc tuân thủ và kiểm soát nên dẫn dắt thông qua sự ảnh hưởng và đưa ra các lựa chọn cho người lao động – giống như cách mà các công ty thu hút và tạo ra các lựa chọn cho khách hàng.

Các phương pháp hỗ trợ sự phát triển của người lao động trong công ty và khuyến khích tài năng nên được thúc đẩy bởi cơ hội thay vì con đường sự nghiệp.

Với cách tiếp cận cơ hội này, các tổ chức và nhân viên sẽ nhận ra rằng thành công chung của họ phụ thuộc vào việc đầu tư ngày càng thông minh hơn vào bản thân và lẫn nhau.

Lợi tức đầu tư trong cách tiếp cận mới này sẽ phụ thuộc đáng kể vào sự hiểu biết và tập trung vào nền tảng con người và kỹ thuật của thị trường cơ hội: hành vi và kỳ vọng của lực lượng lao động, khuyến khích quản lý, dữ liệu và phân tích, học máy và nền tảng cũng như ứng dụng.

Những điều này đóng vai trò quan trọng trong việc tổ chức và tinh chỉnh cơ hội, đồng thời làm cho nó trở nên dễ tiếp cận. Khi máy móc và thuật toán trở nên thông minh hơn, các lựa chọn cơ hội sẽ tăng lên.

Với khoản đầu tư đúng đắn vào các công cụ số, khả năng lãnh đạo và văn hóa, thị trường cơ hội trở thành những hệ thống cho phép người lao động trên toàn tổ chức tạo ra nhiều giá trị, tác động và ý nghĩa cá nhân hơn.

Nguồn: Deloitte Insights