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
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
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.
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.
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
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.
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
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
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.
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.
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
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.
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
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.
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
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
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 đích và Cộng 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 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:
Các ứng dụng phi tập trung (decentralized application)
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 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 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:
Được niêm yết trên các sàn giao dịch tiền điện tử để bán lẻ và trading;
Được tích hợp vào ví và ứng dụng; và
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
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
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
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:
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
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 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
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
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
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.
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 hàng và số 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.
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
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
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
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
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 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.
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
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
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.
Một số hình ảnh khác tại Job Fair
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!
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)
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
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
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.
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
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
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
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 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
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.
Mỗi ngày chúng ta đều tiêu thụ các sản phẩm giải trí xoay quanh các nhân vật. Nhiều nhân vật được sử dụng để thương mại hoá như Star Wars, Marvel, Harry Potter,… có thể kéo dài hàng thập kỷ và được kết hợp với các sản phẩm thành công trên khắp các nền tảng hoặc phương tiện truyền thông.
Nhưng ngày nay, những nhân vật thành công nhất tồn tại dưới hình thức sở hữu trí tuệ (IP – intellectual properties) được sở hữu bởi một công ty duy nhất.
Điều này nghĩa là người hâm mộ không có quyền quản lý, cũng như quyền sở hữu trực tiếp đối với những nhân vật này, họ chỉ là người tiêu dùng thụ động đối với các sản phẩm, câu chuyện và bộ phim mà công ty quyết định tạo ra.
Ngay cả khi người hâm mộ là cổ đông trong các công ty đó bằng cách mua cổ phiếu thì việc thể hiện sự ủng hộ hoặc liên kết và tham gia trong quá trình phát triển, định hướng nhân vật cũng rất khó xảy ra.
Việc để người hâm mộ và nhà đầu tư chọn diễn viên nào sẽ đóng vai nhân vật yêu thích của mình trong tập tiếp theo của loạt phim hoặc giúp đưa ra những quyết định có tính tác động như vậy cũng sẽ không đời nào diễn ra.
Nghe hơi điên khi nói rằng hiện nay người hâm mộ cuồng nhiệt các nhận vật đã và đang thành lập cộng đồng trực tuyến, tổ chức các chiến dịch và thậm chí xuất bản fan-fiction (tiểu thuyết do fan viết).
Thay vì loại bỏ các cộng đồng này, bên sở hữu IP nhân vật có thể mang chúng vào quá trình sáng tạo, dành chỗ để thử nghiệm và nhân rộng ý tưởng, tuy nhiên cách này vẫn có những hạn chế về mặt quản lý ở quy mô lớn với công cụ và công nghệ hiện tại.
Ngày nay, các công nghệ tiền điện tử như DAO (tổ chức tự trị phi tập trung) và NFT (token không thể thay thế) giúp mở ra mô hình phát triển và sở hữu nhân vật mới không chỉ tách khỏi các truyền thông sáng tạo mà còn giảm rào cản gia nhập cộng đồng trực tuyến và mang các nhân vật mới ra thế giới.
Việc này có thể đưa tới sự xuất hiện của những nhân vật đại điện đầy đủ hơn cho những cộng đồng ủng hộ họ.
Xé tan vòng lặp “quản trị nhân vật”
Đã có một sự thay đổi văn hóa rộng khắp trong các công ty, chỉ cần nhìn vào sự gia tăng của hoạt động đầu tư về môi trường, xã hội và quản trị doanh nghiệp hay đầu tư hoạt động xã hội, hoặc các cộng đồng fan hâm mộ cho mọi loại người sáng tạo.
Điểm chung của nhiều kiểu tham gia khác nhau này là các bên liên quan hoặc cộng đồng tìm kiếm cách thức mới để tổ chức và đầu tư thời gian lẫn tiền bạc vào việc ủng hộ những người và nguyên do hấp dẫn với họ.
Chúng ta đang trong tình trạng y chang thứ xảy ra với tài sản trí tuệ quanh các nhân vật văn hóa.
Trong những năm tháng làm việc ở Trial Pay (được VISA mua lại), một nền tảng quảng cáo và thanh toán thương mại điện tử, tôi có cơ hội làm việc với một số nhà phát triển trò chơi free-to-play thành công nhất để giúp họ phát triển và kiếm tiền từ ý tưởng của mình.
Một trong những trò chơi có khả năng mang lại cho người chơi cảm giác điều khiển một nhân vật nổi tiếng từ điện thoại di động của họ.
Đó là Kim Kardashian: một người mẫu nổi tiếng Hollywood (do Glu Mobile ra mắt vào năm 2014), một trò chơi theo phong cách phiêu lưu đơn giản do bạn tự chọn nơi mà người chơi đóng vai họ là Kardashian và đưa ra quyết định về trang phục mình mặc, cảnh quay phim hư cấu và diện mạo khi xuất hiện của người chơi dưới danh nghĩa là Kardashian.
Kim Kardashian game
Khi trò chơi trở thành xu hướng và số lượng người chơi ngày càng nhiều, thì đồng tiền của trò chơi – và mọi kết quả từ vô số các lựa chọn và quyết định fan đưa ra – đều bị giới hạn một phần nào đó trong một thế giới khép kín.
Trải nghiệm chơi game trước đây đã chứng minh lời hứa của chính quyền mô phỏng thông qua một “nhân vật” nổi tiếng mà mỗi người có thể tận hưởng, tuy nhiên họ chưa từng đem lại cơ hội nào để cùng làm việc với cộng đồng.
Thay vào đó, điều gì sẽ xảy ra nếu người hâm mộ có thể giới thiệu một nhân vật mới vào thế giới thực, với bất kỳ ai cũng có cơ hội tham gia vào niềm vui từ sự thành công của nó, cả về mặt tài chính?
DAOs và đòn bẩy kinh tế token
Hãy nói về DAO.
Các tổ chức tự trị phi tập trung này cung cấp cho những người sáng tạo trên khắp thế giới một cơ chế để thành lập cộng đồng và các nhân vật mới, bằng tiền thật – giống như các môn thể thao giả tưởng hấp dẫn khao khát sở hữu đội hình của fan thể thao (và có khả năng thu được lợi nhuận tài chính).
DAO
Có một thị trường cho phiên bản phi tập trung của “Hollywood ảo” – chỉ là nó chưa hiện thực hoá.
Các DAOs làm điều này bằng cách nào?
Nói một cách đơn giản, DAOs là các mạng lưới được vận hành bởi các hợp đồng thông minh hoặc mã tự thực thi trên một blockchain, có thể đưa ra các cam kết về các quyền và trách nhiệm nhất định nếu bạn là thành viên của tổ chức phi tập trung đó mà không có hoặc có rất ít sự giám sát bởi một nhân vật trung tâm.
Bất kỳ ai trên thế giới có điện thoại di động và kết nối internet đều có thể trở thành người tham gia vào mạng lưới như vậy và mạng lưới có thể phát hành tokens cho người tham gia dựa theo đóng góp của họ (hoặc dựa trên bất kỳ yếu tố nào khác mà người tạo ra giao thức quyết định).
Các token này có thể trao quyền biểu quyết hoặc quyền quản trị nhất định và các token có thể tăng giá trị (không chỉ tiền tệ) nếu ngày càng có nhiều người muốn tham gia vào mạng lưới.
Do đòn bẩy kinh tế của token, người tham gia quan tâm hơn vào việc tối đa tiện ích của mạng lưới, bao gồm việc sử dụng “cổ phần” của họ để đưa ra các quyết định tập thể về hoạt động đang diễn ra.
Chu kì đầu tiên của các DAO thành công phần lớn đã được hình thành xung quanh các giao thức tài chính, chẳng hạn như cho phép cộng đồng những người nắm giữ token quản lý việc vay và cho vay phi tập trung bằng cách đề xuất và bầu chọn về những thay đổi cụ thể đối với một giao thức.
Mặc dù cấu trúc này thúc đẩy sự phát triển và vận hành các giao thức mới trong hệ sinh thái tài chính phi tập trung hay DeFi, nhưng hầu hết người tiêu dùng phổ thông không có kiến thức hoặc mối quan tâm tài chính cần thiết để cân nhắc các quyết định quản trị cụ thể, chẳng hạn như khả năng trả nợ.
Tuy nhiên, khái niệm DAO ngày một hữu ích hơn và cũng có thể được áp dụng cho các tình huống khác khi có một mạng lưới những người có chung động cơ và lợi ích.
Chu kì tiếp theo của DAO đang nổi lên quanh các cộng đồng sáng tạo, mở ra sự phối hợp và sáng tạo dựa trên nguồn lực từ cộng đồng (hay còn gọi là “creator DAO”).
Nhưng các cộng đồng có thể thành lập quanh nhân vật, chứ không chỉ người sáng tạo và những cộng đồng đó có thể cộng tác và đưa những nhân vật này hướng tới khán giả đại chúng.
Xây dựng cộng đồng xung quanh các nhân vật
Hiện nay, có ít nhất 2 cách để các cộng đồng có thể hình thành quanh các nhân vật, đổi mới trên IP của họ, thiết lập định danh kỹ thuật số và nhận về lợi ích tài chính từ sự thành công của nhân vật.
Chắc chắn sẽ có nhiều cách khác xuất hiện trong những năm tới, sau đây là những ví dụ hiện tại để minh họa cho từng mô hình.
CryptoPunks
CryptoPunks thể hiện cách thức mà các nhà phát triển như Larva Labs tạo ra tác phẩm nghệ thuật cho 10.000 nhân vật mà mỗi nhân vật tồn tại dưới dạng NFT với các thuộc tính độc đáo.
CryptoPunks
Một cộng đồng phi tập trung các nhà sưu tập được phát triển xung quanh CryptoPunk NFT, với các chuẩn mực và hành vi văn hóa của mình, chẳng hạn như sử dụng punk làm ảnh đại diện trên các nền tảng truyền thông xã hội.
Mặc dù hồi đầu CryptoPunks được phát hành miễn phí, nhưng cộng đồng đã kéo về cho dự án hơn 680 triệu đô la doanh thu trọn đời (có những punk hiếm bán được với giá hơn 7 triệu đô).
Tuy nhiên, thay vì chỉ nắm giữ một cách thụ động, các nhà sưu tập đã bắt đầu hợp tác với nhau để tạo ra những câu chuyện lấy cảm hứng từ nghệ thuật nhân vật CryptoPunk và mang punk của mình vào ‘đời thật’.
Nhân vật NFT hoạt động như một khối LEGO kỹ thuật số hoặc một dạng tế bào sáng tạo, cung cấp cơ sở cho trí tưởng tượng phát triển theo mọi hướng và cách thức.
Ví dụ: một nhóm các nhà sưu tập đã tạo ra một PUNKS Comic gồm 16 punk, hoàn chỉnh với cốt truyện chính và các phần truyện phụ giúp tạo ra nhân vật hoàn chỉnh cho những punk này.
Tuy nhiên, các sáng kiến cộng đồng như vậy hoàn toàn khác với dự định ban đầu của các nhà phát triển đứng sau CryptoPunks.
Cộng đồng tạo ra những nhân vật hoàn toàn mới bằng cách sử dụng những punk nguyên thủy làm nguồn cảm hứng khi mở rộng sang các hình thức mới ngoài tầm kiểm soát và giám sát sáng tạo của Larva Labs.
Bản thân những câu chuyện lấy cảm hứng từ punk mới này có thể trở thành NFT mới mà các thành viên cộng đồng có thể kiếm tiền và bán dưới dạng fan art (tác phẩm của người hâm mộ) mà không cần thỏa thuận cấp phép.
Khi nói đến fan fiction cho các nhân vật truyền thống thuộc sở hữu của công ty, sự sáng tạo của người hâm mộ có thể làm tăng giá trị và độ phủ cho những nhân vật này, nhưng nó không cho phép người hâm mộ tham gia vào quá trình ngược lại.
Tuy nhiên, với PUNKS Comic, fan giờ đã có quyền sở hữu trong các NFT CryptoPunk lõi.
Do đó, sự thành công của các nhân vật và câu chuyện dựa theo punk của họ thúc đẩy nhận thức và nhu cầu nhiều hơn đối với các punk nguyên thủy – mang lại lợi ích cho những người sáng tạo PUNKS Comic, các nhà phát triển ban đầu và cộng đồng punk rộng lớn.
Aku
Một cách khác là bắt đầu bằng một nhân vật cụ thể đã đi kèm một câu chuyện và ngoại hình truyền cảm hứng để tạo NFT, nhưng sau đó cho phép cộng đồng các nhà sưu tập tham gia vào quá trình phát triển của nó.
Aku NFT
Ví dụ điển hình này là Aku, một nhân vật phi hành gia trẻ tuổi, da đen được tạo ra bởi cựu cầu thủ bóng chày Micah Johnson.
Johnson tình cờ nghe được cháu trai hỏi mẹ rằng liệu các phi hành gia có thể là người Da đen hay không.
Điều này đã thôi thúc anh bắt đầu vẽ cháu trai của mình trong một chiếc mũ phi hành gia – vốn dĩ đã không có các hình mẫu và nhân vật như thế này – để động viên và xây dựng niềm tin rằng cháu trai của anh có thể đạt được ước mơ này.
Johnson sau đó đã tạo ra nhân vật mới dựa trên NFT của một cậu bé Da đen đội mũ phi hành gia.
Khi tôi xem tác phẩm của Johnson và tương tác với cộng đồng quanh nó, tôi đã bị ấn tượng bởi tiềm năng mà hàng trăm triệu người dùng internet – thay vì các tổ chức – có thể xác định giá trị của một tác phẩm nghệ thuật và cũng dễ dàng sở hữu một token đại diện cho nó.
Hơn nữa, họ có thể sử dụng token này, đại diện cho tư cách thành viên của mình trong cộng đồng này, để xây dựng định danh văn hóa kỹ thuật số (digital cultural identity).
Điều này rất có ý nghĩa đối với các nghệ sĩ như Johnson và tất cả các nghệ sĩ đang xây dựng cộng đồng hoặc những ai có người hâm mộ.
Văn hóa da màu và các hình thức thể hiện sáng tạo trong âm nhạc, văn học và nghệ thuật thị giác đã phát triển mạnh và dẫn đến nền văn hóa toàn cầu trong nhiều thế hệ, nhưng về mặt thời gian, rất khó để các nghệ sĩ và nhà sáng tạo da màu nắm giữ, chứ chưa nói đến việc sở hữu, thậm chí là một phần giá trị họ tạo ra thông qua đó.
Nhìn thấy sức mạnh của một nghệ sĩ Da đen tài năng bán một NFT đại diện cho một nhân vật Da đen đầy cảm hứng từ những tác phẩm chủ yếu từ bộ sưu tập của người Da đen, tôi cảm thấy giống như giai đoạn đầu của một phong trào mới, thời kỳ phục hưng kỹ thuật số của người da màu.
Chỉ vài tháng trước, Johnson thông báo rằng anh ấy sẽ đăng tải câu chuyện của Aku mỗi lần một chương bằng cách tạo ra mười chương video hoạt hình, dạng ngắn của NFT phiên bản giới hạn có hình ảnh Aku tương tác với những người và địa điểm khác nhau.
Aku NFTs không chỉ đạt được hơn 2 triệu đô doanh thu qua hai chương đầu tiên, NFTs còn có một cộng đồng những người ủng hộ nhiệt tình, những người muốn thấy Aku thành công như một đại diện tích cực cho trẻ em Da đen và biểu tượng của sự trao quyền lực kinh tế cho người Da đen.
Thông qua việc sở hữu các NFT này, những người sưu tập Aku ban đầu được lợi ích tài chính từ sự thành công của Aku, từ đó có thể làm tăng nhu cầu và giá trị của các quà lưu niệm kỹ thuật số Aku.
Tiềm năng đối với IP nhân vật do cộng đồng sở hữu và điều hành cũng có tiếng vang trên các phương tiện truyền thống: Johnson không chỉ làm việc với một nhà điêu khắc 3D để tạo ra phiên bản chân thực của Aku, mà nó còn là NFT đầu tiên được lựa chọn cho phim và truyền hình.
“Skin in The Character”: Tình huống IP nhân vật do cộng đồng sở hữu
Trong cả hai cách nêu trên – cho dù bằng cách tạo hoặc mở rộng các câu chuyện về nhân vật – NFT đóng vai trò như một công cụ mạnh mẽ để một nghệ sĩ kiểm tra nhu cầu thị trường đối với những thể hiện ban đầu của nhân vật.
Skin in the character
Nó có thể là một buổi ra mắt, một MVP, một tiền-“character market fit” đối với tầm nhìn sáng tạo của họ – trong đó những người sưu tập NFT ban đầu là những dấu hiệu cho thấy phong cách, thuộc tính và thông điệp của nhân vật có thu hút được một đối tượng rộng hơn hay không.
Tuy nhiên, không giống như các nhóm tập trung truyền thống, nơi không cho đả động gì vào, mô hình này mang lại tín hiệu mạnh mẽ và khả quan hơn cho nghệ sĩ và các nhà sưu tập.
Nếu có đủ nhu cầu thị trường cho nhân vật đó – đủ để các cá nhân sẵn sàng chi hàng trăm đến hàng nghìn đô la thu thập các NFT đó – thì người sáng tạo biết rằng “tác động lên nhân vật” (skin in the character), không khác gì tác động được lên cuộc chơi vậy.
Khi NFT có thể duy trì một cộng đồng gồm những người đam mê sưu tập, những người tác động được lên nhân vật, thì thách thức sau đó là làm thế nào để phát triển cộng đồng đó, cải tiến nhân vật và phân phối nó đến một lượng lớn khán giả trên các nền tảng truyền thông chính thống.
Trên thực tế, mô hình này cũng có thể mang lại lợi ích cho các công ty lớn, vì theo hệ thống hiện tại, rất khó để phối hợp và thực hiện các hoạt động hợp tác sáng tạo giữa nhiều nhân vật thuộc sở hữu của các công ty luôn coi nhau là đối thủ cạnh tranh trực tiếp.
Ngay cả khi có sự trùng lặp đáng kể giữa 2 nhóm fan của hai nhân vật thuộc sở hữu của hai công ty riêng biệt, thì việc cấu trúc những sự hợp tác này là thực sự thách thức, thậm chí bất khả.
NFT và DAO mở ra lối đi mới cho vấn đề này.
Nhưng trước tiên, những khác biệt với cách làm sáng tạo mới này là gì?
Khi trò chuyện với các nghệ sĩ như Micah, mô hình kể chuyện phi tập trung (decentralized storytelling) của anh ấy tạo ra phương pháp “hãy chọn cuộc phiêu lưu của riêng bạn”, nơi các thành viên cộng đồng có thể gợi ý nhiều câu chuyện hoặc trải nghiệm khác nhau cho nhân vật của họ.
Nhưng nó sẽ hoạt động như thế nào?
Các cộng đồng có thể phân phối token quản trị (tokens) cho những người nắm giữ NFT nhân vật, cái mà sau đó được sử dụng để bỏ phiếu cho các quyết định sáng tạo quan trọng cho nhân vật đó.
Mối quan hệ hợp tác như vậy giữa người sáng tạo và cộng đồng đã và sẽ chỉ tăng lên khi những người tham gia khám phá các khả năng, kể cả về mặt sáng tạo lẫn tài chính.
Ơ, thế thì đó không phải là một phiên bản khác của crowdsourcing – cách tệ hại nhất để tạo ra IP nhân vật chất lượng – và không phải nó sẽ phá vỡ tầm nhìn của người sáng tạo hay sao?
Không hề, bởi chính sự nhấn mạnh lên phần thưởng mạng liên kết (aligned network incentive) mới tạo nên sự khác biệt: Nó thực sự tạo ra một lĩnh vực rộng lớn các mô hình mới, trong đó người sáng tạo trở thành nhà lãnh đạo của một cộng đồng fan phi tập trung.
Chúng ta có thể sớm thấy các thành viên cộng đồng cùng nhau yêu cầu đề xuất công khai (RFP) từ các nghệ sĩ và agency cho những loại nội dung kỹ thuật số cụ thể (giống như việc người ta đã làm khi phát triển phần mềm trong các dự án mã nguồn mở).
Sự trỗi dậy của các “DAO nhân vật”
Nhưng công nghệ cũng ở đây để cho phép điều đó xảy ra. Dưới đây là một mô hình, hoàn toàn có thể thực hiện được với công nghệ hiện tại:
Một thành viên trong cộng đồng soạn thảo bản brief cho một bộ phim ngắn hoặc loạt phim hoạt hình. Những người nắm giữ token – các thành viên cộng đồng đã có được NFT hoặc token có thể bầu chọn thông qua bản brief và phân bổ ngân sách cho nó.
Các công ty sản xuất có thể đáp ứng điều đó, tạo ra video giới thiệu (trailer) cho bản brief đó. Cộng đồng xem xét tất cả các trailer đã gửi và bỏ phiếu bằng token của họ, cũng chính là nguồn vốn để thực hiện.
Nghệ sĩ sáng lập có chức năng như giám đốc sáng tạo làm việc cho những người nắm giữ tokens để giúp quản lý quy trình RFP, sau đó hợp tác chặt chẽ với công ty giành chiến thắng để tiến hành sản xuất series đó.
Nguồn vốn mà những người sưu tập sử dụng để mua NFT ban đầu cũng như các khoản giảm giá đang diễn ra có thể được tái đầu tư vào quỹ cộng đồng, sau đó có thể được sử dụng để kêu gọi đóng góp nội dung để phát triển nhân vật NFT đó, nhằm tăng nhận thức thương hiệu và phát triển cộng đồng xung quanh.
Điều này nghe có vẻ xa vời, nhưng không đâu. Hãy xem những nghệ sĩ họ khao khát khám phá NFT và những cách thức tương tác với cộng đồng fan ra sao. Tính tương tác của tiền điện tử sẽ cho phép xây dựng nhanh chóng những đổi mới và ý tưởng dựa trên một cái khác.
Sau đây là lợi ích của một số mô hình nêu trên:
Chu kì sáng tạo nhanh hơn
Bằng cách sở hữu các nhân vật – nhưng thuê ngoài việc thực thi sáng tạo loạt phim, hoặc trò chơi điện tử có nhân vật đó – các cộng đồng có thể tạo ra các thương hiệu toàn cầu mới và làm chúng trở nên phổ biến một cách nhanh chóng.
Thay vì thực hiện quảng bá vào từng thị trường riêng lẻ ở một thời điểm nhất định, thì một “DAO nhân vật” có thể tài trợ cho nhiều chương trình, phim, trò chơi điện tử và hàng hóa (cả vật lý và kỹ thuật số) được thực hiện bởi các nhóm độc lập hướng vào các thị trường khác nhau – và được thực hiện cùng một lúc.
Vì vậy các nhân vật hay nói cách khác các sản phẩm có thể được thử nghiệm được trên nhiều thị trường hơn.
Cộng tác mạch lạc
Khi nhiều DAO độc lập, sáng tạo xuất hiện xung quanh các nhân vật khác nhau, sẽ có sự chồng chéo về quyền sở hữu giữa chúng.
Nhưng đó không phải là lỗi, mà là tính năng: Sự trùng lặp như vậy tạo cơ hội cộng tác giữa các nhân vật trên các DAO, chẳng hạn như bằng cách tạo nội dung kỹ thuật số kết hợp cả hai nhân vật, cho phép họ kiểm soát việc phân phối trên các cộng đồng khác nhau và tạo ra một đối tượng khán giả chung (và các đại sứ thương hiệu) mà không bận tâm về việc cạnh tranh.
Lợi ích liên kết giữa các DAO
Các thành viên cộng đồng sẽ được tặng thưởng để ủng hộ sự cộng tác với tư cách khách hàng và quảng bá nó với tư cách đại sứ.
Sau đó, mỗi lần kích hoạt thành côsng trên phương tiện truyền thông sẽ chuyển đổi khán giả mới thành thành viên cộng đồng, những người muốn tham gia, sở hữu và quản lý nhân vật mà họ vừa xem trong bộ phim mà mình yêu thích.
Hình tượng văn hóa tốt hơn
Ngoài việc tạo ra các nhân vật đại diện tích cực cho các nền văn hóa riêng biệt (ví dụ: dân tộc thiểu số và tôn giáo), các mô hình như vậy cũng dân chủ hóa các loại câu chuyện được kể.
Thay vì cố gắng tìm các nhân vật hiện có, các bậc cha mẹ có chung giá trị giờ đã có thể thực sự hợp tác và tập hợp các nguồn lực tài chính và sáng tạo để tạo ra các nhân vật của riêng họ, phù hợp với giá trị của họ dành cho con cái.
Nắm bắt giá trị và tăng trưởng doanh thu
Đây không phải là cái gì đó mơ hồ, mà thực sự có tiềm năng mở ra thị trường thực sự.
Khi cộng đồng và khán giả toàn cầu phát triển, và nhu cầu đối với các token quản trị và NFT tăng lên, nó có thể mang về doanh thu dùng để tài trợ cho nhiều câu chuyện và phương tiện truyền thông xoay quanh nhân vật.
Các câu hỏi về vấn đề quản trị
Tất nhiên, không phải mọi thứ đều vui vẻ, hoan hỉ, vì DAO không chỉ là một khái niệm tiền điện tử trừu tượng, mà là các hệ thống có con người trong đó.
Và mặc dù chúng tạo ra các mô hình mới cho sự liên kết với con người quanh các nguyên tắc hay mục tiêu chung, chúng cũng mang lại những thách thức mới đối với việc quản trị hiệu quả, và mở rộng quy mô.
Một số câu hỏi sau thường gặp để làm rõ vấn đề:
DAO sẽ được tối ưu quanh những loại quyết định nào?
Nếu cộng đồng cần bỏ phiếu cho từng chi tiết nhỏ của một nhân vật, trải nghiệm sẽ kém thú vị hơn, kém hiệu quả hơn và có khả năng sẽ có tỷ lệ tham gia thấp hơn.
Tuy nhiên, nếu các quyết định được biểu quyết ở cấp quá cao, các thành viên cộng đồng có thể không cảm thấy như họ có đủ quyền kiểm soát và quyền sở hữu.
Ai sẽ quản lý các chức năng quản lý cộng đồng hàng ngày?
Các DAOs sẽ hoạt động hiệu quả hơn với tư cách là “hội đồng sáng tạo”, bỏ phiếu cho các quyết định và vai trò chiến lược cấp cao quan trọng trong khi việc thuê ngoài quản lý sản phẩm và phát triển sáng tạo sẽ đẩy cho các bên thứ ba thông qua RFP.
Các DAO duy trì kiểm soát chất lượng quanh IP như thế nào?
Các nhượng quyền nhân vật lớn có các quy tắc nghiêm ngặt về những gì các nhân vật có thể và không thể làm, để thiết lập tính nhất quán, chất lượng,… của nhân vật.
Các cộng đồng sẽ cần thiết lập các hướng dẫn hoặc nguyên tắc riêng cho nhân vật của họ mà các thành viên có thể sử dụng để đánh giá các đề xuất mới.
Cuối cùng, nếu các cộng đồng theo đuổi nhiều hoạt động khác nhau của nhân vật trên các hình thức truyền thông khác nhau cùng một lúc, một vài trong số đó sẽ thành công hơn và trải nghiệm tốt hơn cái khác.
Cốt lõi ở đây là những thử nghiệm này có thể xảy ra theo cái cách họ không thể làm gì nếu ở trong các công ty.
Các DAO sẽ chuyển đổi doanh thu tạo ra từ IP nhân vật ngoài chuỗi vào lại chuỗi như thế nào?
Doanh thu NFT cho phép dễ dàng tài trợ cho quỹ trên chuỗi được quản lý bởi những người nắm giữ token (tokens holder).
Nhưng các DAO có thể cần quản trị viên bên thứ ba có thể cung cấp các dịch vụ thanh toán và hợp đồng theo chỉ đạo của DAO để làm cầu nối giữa doanh thu, chi phí và ngân quỹ ngoài chuỗi (ví dụ: thế giới thực) với trên chuỗi.
Chi phí và rào cản của việc mang nhân vật mới ra thế giới, thử nghiệm để xem có thu hút được một đối tượng cụ thể hay không và khai thác nhiều hình thức truyền thông và câu chuyện xoay quanh nhân vật đang giảm đáng kể – nhờ vào tiền điện tử, những công cụ mới như NFT và DAO nổi lên.
Không chỉ các nghệ sĩ có cơ hội lớn để tạo dựng cộng đồng quanh mình, người tiêu thụ nội dung sẽ có thể chuyển từ người tham gia bị động sang chủ động – những người kể chuyện cùng những nghệ sĩ mà họ ủng hộ – và những người liên quan đã bỏ đi trước đó, những ông bố bà mẹ, những người sáng tạo / người tiêu thụ nội dung và những người khác có thể tìm thấy đường đi và tiếng nói.
Có thể nói rằng lĩnh vực Khoa học Dữ liệu (Data Science) luôn được coi là công việc số 1 và là một trong số các công việc được trả lương cao nhất trên thế giới. Nhiều công ty đang chi hàng nghìn đô để thuê và nâng cao kỹ năng cho các data scientist tiềm năng.
Vì vậy, nhiều người cũng đang tìm hiểu và nâng trình trong lĩnh vực này. Nếu bạn là một người đam mê Data Science, đây là thời điểm thích hợp.
Tuy nhiên, bắt đầu sự nghiệp trong lĩnh vực này không đơn giản như những vai trò truyền thống khác vì nó còn khá mới mẻ. Nhiều người mắc sai lầm đáng tiếc do đi sai đường hoặc hiểu sai vì không có sự hướng dẫn.
Trong bài này, các nhà khoa học dữ liệu từ các công ty hàng đầu như IBM, American Express, Fractal Analytics, Myntra, Forbes sẽ chia sẻ và hướng dẫn bạn, một “tấm chiếu mới”, muốn bắt đầu sự nghiệp hoặc trở thành chuyên gia trong ngành khoa học dữ liệu.
1. Tại sao chọn Data Science?
Có rất nhiều nghề nghiệp với mức lương hấp dẫn ngoài thị trường việc làm và bạn có thể chọn để trở thành chuyên gia trong bất kỳ ngành nghề nào trong số đó, vậy tại sao lại chọn nghiên về ngành Khoa học dữ liệu?
Tại sao chọn theo nghề Khoa học dữ liệu?
1/ Tiến sĩ Chiranjiv Roy
Một trong 10 nhà khoa học dữ liệu hàng đầu của Ấn Độ | Phó chủ tịch cấp cao về Data Science của Forbes, Nissan Motors và Mercedes.
Đúng rằng có rất nhiều nghề nghiệp thú vị ngoài kia. Tuy nhiên lúc tôi mới bắt đầu thì “Data Science” có sự khác biệt rất lớn.
Tôi tốt nghiệp năm 2001 với chuyên ngành Xác suất Thống kê và Toán, hai chuyên ngành này là môn phụ của tôi và tôi đã làm trong lĩnh vực này trong 21 năm qua.
Trong thời gian đó, các lập trình viên Java là những người nhận được mức lương cao nhất và nếu bạn không phải là một lập trình viên Java thì mọi thứ trở nên khó khăn đối với bạn.
Hầu hết mọi người, bao gồm cả tôi, bị giới hạn trong Quản lý rủi ro vào thời điểm đó. Không có gì được gọi là Khoa học Dữ liệu hay Phân tích (mặc dù chúng tôi làm điều đó một cách vô tình).
Sau đó, với những tiến bộ công nghệ, các công cụ và định nghĩa của Data Science đã phát triển. Những người có kiến thức về Xác suất Thống kê và Toán dễ dàng thích nghi với việc làm việc trong các dự án liên quan đến phân tích dữ liệu và cuối cùng chúng tôi phát hiện ra sức mạnh của những công cụ này và bắt đầu chú ý đến các tài liệu nghiên cứu khác.
Deep Learning và tất cả những thuật ngữ mà bạn nghe thấy ngày nay không phổ biến và thực sự hấp dẫn cho lắm vào thời điểm đó và bên cạnh đó hầu hết các công ty đều nghi ngờ về việc triển khai nó.
Tuy nhiên, phân tích dữ liệu vẫn bùng nổ do những kết quả trực tiếp và tức thì mà chúng ta có thể đạt được.
Vì vậy, tôi bắt đầu làm việc tại HSBC với tư cách là Chuyên viên Quản trị Rủi ro. Sau đó, tôi nghiên cứu thêm và 5 năm sau đó tôi tham gia nhóm Analytics tại Nissan Motors – nơi mà tôi bắt đầu tìm hiểu và làm khoa học dữ liệu chuyên nghiệp.
Nền tảng kiến thức mà tôi có trước đây đã giúp tôi phát triển niềm yêu thích trong lĩnh vực này và đó là lý do tại sao tôi có thể ở lại lĩnh vực này cho đến bây giờ.
2/ Saniya Jaswani – Kỹ sư Machine Learning tại IBM
Tôi bắt đầu sự nghiệp của mình với tư cách là một .NET Developer. Đó là khỏi đầu cho việc theo đuổi nghề nghiệp tốt nhưng theo thời gian thì khoa học dữ liệu bắt đầu trở nên thông dụng và tôi quyết định tìm hiểu về nó.
Tôi thấy hứng thú hơn khi bắt tay vào thực hiện một hoặc hai dự án và thấy kết quả của tôi có tác động trực tiếp và tức thì như thế nào thông qua cái được gọi là khoa học dữ liệu.
Nó giống như khi bạn cố gắng đào sâu hơn vào dữ liệu, dữ liệu tự nó nói lên những ý nghĩa của các con số và điều đó làm tôi kinh ngạc.
Một lý do khác là ngành khoa học dữ liệu này khá rộng lớn và tôi có thể khám phá bất kỳ ngách nào tùy thích.
3/ Suraj Shukla – Data Scientist tại CIMB Lab
Thật không đơn giản để nói rằng tôi muốn trở thành một kỹ sư phần mềm (software engineer) hay một cái gì đó khác vì nó khá nhàm chán.
Tôi đã học kỹ sư phần mềm trong thời gian tốt nghiệp đại học, mặc dù tôi muốn làm một cái gì đó liên quan đến động vật vì tôi thích giao tiếp và tìm hiểu về động vật nhưng bố tôi phản đối niềm yêu thích của tôi, vì vậy tôi nghe lời ông và làm kỹ thuật.
Sau khi tốt nghiệp cử nhân, tôi may mắn được đầu quân cho một số công ty ở Nam Á.
Ban đầu, hầu hết công việc tôi tham gia là công việc mà chúng tôi thường gọi là “tìm hiểu nguyên nhân dẫn đến hậu quả”: về cơ bản là tìm kiếm những gì đã xảy ra trước đó.
Nhưng sau đó, tôi đã làm việc với các khách hàng từ Vương quốc Anh và hầu hết công việc là phân tích dự đoán, lập mô hình và lập bảng điều khiển.
Sau đó, tôi muốn tập trung và làm cái mình giỏi nhất nhưng mặc khác tôi cũng không muốn nghỉ việc.
Vì vậy, tôi bắt đầu với việc học một chương trình Executive dài 1 năm rưỡi và sau đó tôi tham gia CIMB Lab với vai trò Nhà khoa học dữ liệu.
Tôi gia nhập một công ty ở Malaysia, cách xa Ấn Độ và đó là một cơ hội lớn hơn cho tôi. Tôi trở lại Ấn Độ sau một vài năm và tham gia cùng 25 nhà khoa học dữ liệu khác ở Bangalore để thành lập một phòng thí nghiệm trí tuệ nhân tạo (A.I).
Kể từ đó, tôi đã làm việc với vai trò Nhà khoa học dữ liệu cho đến nay. Vì vậy, đó là cách tôi nhận ra rằng mình thật sự phù hợp trong lĩnh vực này.
4/ Kanav Anand – Data Scientist tại American Express
Lúc đầu, tôi rất phân vân trong việc lựa chọn giữa Khoa học dữ liệu và Kỹ thuật phần mềm vì khoa của tôi ở trường đại học được định hướng theo cả 2 hướng kỹ thuật phần mềm và khoa học dữ liệu.
Khi tôi bắt đầu làm việc với các dự án, tôi càng có xu hướng nghiêng về A.I (trí tuệ nhân tạo) và công việc đầu tiên của tôi là về Xử lý ngôn ngữ tự nhiên (NLP) và sau đó, tôi cũng thực hiện một vài dự án về thị giác máy tính (computer vision) giúp tôi có rất nhiều kiến thức.
Sau đó, tôi bắt đầu tìm hiểu thêm các khóa học trực tuyến về Trí tuệ nhân tạo (AI). Tôi cũng phát hiện ra rằng nó được liên kết với số liệu thống kê mà tôi rất thích làm và tôi có thể dễ dàng hiểu chúng thông qua những kiến thức tôi đã học trước đó.
Do đó, tôi nhận công việc thực tập trong lĩnh vực Data Science và mọi thứ bắt đầu mở ra từ đó, tôi quyết định gắn bó với lĩnh vực này cho đến bây giờ.
5/ Ranjeet Dhumal – Data Scientist tại Fractal Analytics
Mối quan tâm của tôi là về công nghệ và sau khi tốt nghiệp cử nhân, tôi bắt đầu xây dựng trang web. Tôi học Vật lý và chủ yếu là Cơ học lượng tử, là sự kết hợp giữa Toán và Vật lý.
Hầu hết những điều tôi đang làm trong Cơ học lượng tử tương tự như những gì chúng ta gọi là Machine Learning ngày nay nhưng vào thời điểm đó, chúng ta không gọi nó là Machine Learning.
Trong Cơ học lượng tử, chúng ta thường cố gắng tìm các giải pháp gần đúng cho một vấn đề và đó cũng là điều được thực hiện trong Machine Learning, cố gắng tìm ra con đường tối ưu nhất và giải pháp gần đúng cho các vấn đề trong thế giới thực.
Đó là điều hấp dẫn đối với tôi trong lĩnh vực Data Science và nền tảng thúc đẩy tôi tiếp tục trong lĩnh vực này hơn.
6/ Sajan Kedia – Data Scientist tại IBM, Myntra
Khi tôi hoàn thành khóa học thạc sĩ về khoa học máy tính vào năm 2013, không có gì giống như Khoa học dữ liệu, Máy học (Machine Learning) hoặc Trí tuệ nhân tạo.
Tuy nhiên, tôi may mắn được tham gia nhóm Thông tin Dữ liệu tại Phòng thí nghiệm Nghiên cứu của IBM, nơi tôi đã làm việc trong các dự án Khai thác Dữ liệu. Chúng tôi đã từng khai thác dữ liệu từ Twitter để tìm ra ai và ở đâu có khả năng xảy ra một cuộc biểu tình và bình luận có khả năng gây ra bất ổn xã hội.
Tôi phải nói rằng đó là một dự án rất thú vị. Tôi đã tham gia dự án này trong 2 năm và sau đó tôi bắt đầu khởi nghiệp với dự án riêng của mình.
Tôi khởi nghiệp trong lĩnh vực Adtech (quảng cáo – công nghệ). Ở đây, tôi và nhóm của tôi đã từng làm việc trên 20 terabyte dữ liệu mỗi ngày. Tôi đã học mọi thứ từ A-Z về Data Science.
Chúng tôi không có nhiều nguồn lực để thuê từ bên ngoài nên tôi phải làm hầu hết mọi việc một mình và đôi khi có sự giúp đỡ của đồng nghiệp. Chúng tôi đã từng xây dựng các mô hình để dự đoán liệu khách hàng có nhấp vào một quảng cáo cụ thể hay không.
Tôi đã làm điều đó trong khoảng 3 năm và sau đó tôi tham gia Myntra, một phần của nhóm Walmart và Flipkart với tư cách là Nhà khoa học dữ liệu. Tại Myntra, tôi hiện đang làm việc về tối ưu giá.
Vì vậy, đây là cách tôi tìm thấy chính mình trong Data Scienece và tôi yêu thích nó.
2. Kỹ năng nào có giá trị nhất đối với một nhà khoa học dữ liệu (data scientist)?
Nếu một người muốn bắt đầu sự nghiệp với tư cách là Nhà khoa học dữ liệu, người đó nên tập trung vào những kỹ năng nào nhất?
Các kỹ năng của nhà khoa học dữ liệu là gì?
1/ Benjamin Skrainka – Nhà khoa học dữ liệu tại Galvanize
Các nhà khoa học dữ liệu cần có chuyên môn trong nhiều lĩnh vực.
Bạn cần phải giỏi về cơ sở dữ liệu. Bạn cần một ít kiến thức về kỹ thuật phần mềm. Bạn cần biết một chút về học máy (Machine Learning). Và bạn cần biết một chút về thống kê.
“Đồng thời, tôi nghĩ rằng sự tò mò là rất quan trọng. Các nhà khoa học dữ liệu rất tò mò. Họ liên tục khám phá, đặt câu hỏi, thực hiện các phân tích điều gì-xảy ra (what-if analysis) cho các giả định và quy trình hiện có.”
Họ sẽ luôn học hỏi và suy nghĩ về những công nghệ mới sẽ giúp họ hoạt động hiệu quả và giúp doanh nghiệp thành công. Mặc dù có rất nhiều công cụ tuyệt vời có sẵn, nhưng không có gì thay thế được tư duy.
2/ Cliff Click – Giám đốc công nghệ tải Neurecular
Các nhà khoa học dữ liệu cần có sự kết hợp tốt giữa kiến thức chuyên môn và hiểu biết về kinh doanh. Họ cần phải cực kỳ ham học hỏi và không ngừng tìm ra cách giải quyết một vấn đề cụ thể.
Điều đó có nghĩa là đào sâu vào các cách tiếp cận và lựa chọn thay thế khác nhau – không chỉ xây dựng mô hình và chạy các thuật toán, mà còn giải thích kết quả để thúc đẩy các cơ hội kinh doanh mới.
3/ Jorge Castañón – Data Scientist tại IBM
Sáng tạo là yếu tố then chốt của khoa học dữ liệu. Bạn cần phải có nền tảng kỹ thuật, nhưng bạn cũng cần đủ tò mò để khám phá ở mức độ sâu hơn.
Một nhà khoa học dữ liệu lành nghề khám phá và kiểm tra dữ liệu từ nhiều nguồn khác nhau.
Họ không đơn giản thu thập và báo cáo về dữ liệu, mà còn xem xét nó từ nhiều góc độ, xác định ý nghĩa của nó và sau đó đề xuất các cách áp dụng các phát hiện.
4/Jonathan Dinu – Phó Chủ tịch của Academic Excellence tại Galvanize
Một trong những thuộc tính chính giúp phân biệt nhà khoa học dữ liệu ngày nay là sự nhạy bén trong kinh doanh cùng với khả năng truyền đạt những phát hiện từ dữ liệu cho cả doanh nghiệp và các nhà lãnh đạo CNTT theo cách có thể ảnh hưởng đến cách một tổ chức tiếp cận một thách thức kinh doanh.
Các nhà khoa học dữ liệu thường trở thành người liên lạc giữa IT và giám đốc cấp C (C-level).
Do đó, họ cần có khả năng truyền đạt cả hai và hiểu hệ thống phân cấp của dữ liệu; họ không thể chỉ là chuyên gia dữ liệu.
Tóm tắt các kỹ năng cần thành thạo từ các chuyên gia
Kiến thức cơ bản về Toán học và Thống kê
Kiến thức vững chắc về Python, SQL, Cơ sở dữ liệu và Excel
Mạnh về Trực quan hóa dữ liệu
Kiến thức chuyên sâu về thuật toán học máy
Chọn một lĩnh vực và chuyên môn hóa (Natural Language Processing, Computor Vision, Big Data…)
Làm chủ nghệ thuật Storytelling
Thành thạo Kỹ năng Giao tiếp và Thuyết trình
Làm chủ kỹ năng làm việc nhóm và cộng tác
Phát triển kiến thức chuyên môn.
3. Nguồn lực nào đã giúp bạn trở thành một nhà khoa học dữ liệu?
Khi bạn bắt đầu tìm hiểu lĩnh vực Data Science, bạn sử dụng những tài nguyên nào. Bất kỳ sách, blog, bài báo, khóa học hoặc bất kỳ thứ gì khác mà bạn có thể chia sẻ?
Tài liệu học Data Science
1/ Kanav Anand – Data Scientist tại American Express
Tôi nghĩ điều quan trọng nhất cần làm khi bạn bắt đầu hoàn thiện dần các thống kê và lập trình.
Điều đó có nghĩa là đảm bảo bạn phát triển một nền tảng vững chắc về toán và thống kê cùng với kỹ năng lập trình. Đối với tôi, tôi đã sử dụng các video Youtube ngẫu nhiên để học viết code bằng Python.
Tôi đã có những kiến thức cơ bản về thống kê nên tôi không cần phải lo lắng nhiều về thống kê và toán học nhưng tôi vẫn đọc một vài cuốn sách thống kê như “Practical Statistics For Data Scientist” của Peter Bruce và Andrew Bruce.
Đối với Python, bạn có thể dễ dàng bắt đầu với các video trên Youtube hoặc các khóa học Udemy như Python Crash Course.
Đối với Học máy (Machine Learning), tôi đã sử dụng khóa của Andrew Ng trên Coursera, đây là một khóa tuyệt vời để bắt đầu với Học máy (Machine Learning).
2/ Ranjeet Dhumal – Nhà khoa học dữ liệu tại Fractal Analytics
Tôi nghĩ rằng nguồn tốt nhất là có được trải nghiệm thực tế ngay từ ngày đầu tiên.
Trong trường hợp của tôi, tôi đã học được từ những người cố vấn của mình, những người đang hoạt động trong lĩnh vực Data Science.
Tôi không có bất kỳ chứng chỉ nào và cho đến nay, tôi không có một chứng chỉ nào về Data Science. Tôi tập trung làm việc với các vấn đề trong thực tế hơn là chọn các tập dữ liệu giả định.
Tôi đã từng chọn một vấn đề cụ thể xung quanh của mình và cố gắng tự mình thu thập dữ liệu, sau đó chuẩn bị và xây dựng mô hình để đưa ra dự đoán số liệu.
Điều đó đã cho tôi cảm nhận và hiểu hơn về khoa học dữ liệu trong thực tế và điều này giúp tôi tham gia và theo đuổi lĩnh vực này dễ dàng hơn.
Tôi đã từng tham gia Hackathons, một số từ Hackerank, Kaggle,… Tôi cũng đã từng đọc blog rất nhiều từ Medium.
Tôi đảm bảo rằng tôi đã tìm kiếm trên Google càng nhiều càng tốt về một chủ đề cụ thể.
Ví dụ, nếu tôi chọn Logistics Regression, tôi sẽ google rất nhiều tài nguyên về chủ đề đó và tìm hiểu chi tiết, đặc biệt là về mặt toán học đằng sau nó.
Đối với Deep Learning, tôi đã sử dụng ebook về Deep Learning của Ian Goodfellow và Yoshua Bengio.
Tôi tham gia một công ty khởi nghiệp và bắt đầu làm việc với các dự án liên quan đến Deep Learning, đặc biệt là các dự án về Computor Vision.
Vì vậy, đó là cách tôi học để trở thành một nhà khoa học dữ liệu.
3/ Sajan Kedia – Nhà khoa học dữ liệu IBM tại Myntra
Tôi thích hackathons hơn nên tôi đã theo dõi Kaggle rất nhiều. Tôi cũng đã từng đọc rất nhiều blog từ Medium, Analyticsvidya và KDNuggets. Những nguồn tài liệu này đã giúp tôi hiểu một số khái niệm cơ bản, cũng như cách mọi người triển khai các khái niệm lạ lẫm đối với tôi.
Tôi đặc biệt không tham gia bất kỳ khóa học Khoa học Dữ liệu nào vì chúng không có sẵn vào thời điểm tôi bắt đầu học tức vào năm 2013. Nhưng như tôi đã đề cập trước đó, tôi may mắn được tham gia nhóm Thông tin Dữ liệu tại Phòng thí nghiệm Nghiên cứu của IBM.
4/ Suraj Shukla – Nhà khoa học dữ liệu tại CIMB Lab
Tôi đã có một nền tảng kiến thức về lập trình nên tôi không gặp khó khăn. Tuy nhiên, ở thời của tôi, chúng tôi không biết ngôn ngữ lập trình nào tốt nên tôi bắt đầu với Java, sau đó chuyển sang lập trình R rồi sau đó là Python.
Nhưng bây giờ rõ ràng Python là tốt nhất khi nói đến Khoa học dữ liệu. Vì vậy, tôi đã bắt đầu với Python, nó cũng dễ học hơn so với tất cả các ngôn ngữ lập trình khác cho đến nay.
Đối với Python, tôi khuyên bạn chỉ nên bắt đầu với tài liệu Python hoặc nếu bạn là người mới bắt đầu thì hãy tham gia một số khóa học Udemy hoặc Coursera.
Tôi cũng đã từng đọc rất nhiều về chi tiết của các thuật toán khác nhau, chẳng hạn như toán học đằng sau một thuật toán cụ thể là gì và tại sao một thuật toán này tốt hơn thuật toán kia và theo những cách cụ thể nào.
Tôi cũng có đủ hiểu biết về một số khái niệm thống kê và toán học chính như đại số tuyến tính và giải tích, điều này đặc biệt hữu ích khi bạn đang cố gắng giảm thiểu chi phí trong machine learning. Tôi nghĩ rằng thuật toán không phải là một vấn đề, nó cần đi kèm với kinh nghiệm, khi bạn làm nhiều dự án, bạn sẽ biết phải sử dụng thuật toán nào cho vấn đề nào.
5/ Saniya Jaswani – Kỹ sư học máy tại IBM
Tôi chủ yếu tham gia một số khóa học Khoa học dữ liệu từ Coursera và Udemy.
Để luyện tập, tôi sử dụng Kaggle. Tôi nghiên cứu những gì mọi người đang làm và bắt đầu làm dự án riêng của tôi với một số bộ dữ liệu và các cuộc thi.
Tôi cũng đã đọc rất nhiều blog hay từ Medium để hiểu các chủ đề nhất định. Ngày nay, hầu hết các khái niệm đều có trên Google và tìm kiếm về một chủ đề cụ thể nào đó thì trở nên rất đơn giản.
4. Thách thức bạn phải đối mặt hàng ngày là gì?
Các thách thức đối với Data Science
1/ Michael Schmidt – Data Scientist / Founder, Nutonian
Một trong những thách thức lớn nhất với tư cách là nhà khoa học dữ liệu là áp dụng kiến thức chuyên môn để giải quyết vấn đề.
Chúng tôi có rất nhiều thuật toán và kỹ thuật để thu được giá trị từ dữ liệu, nhưng chúng tôi cần các giải pháp áp dụng và mang tính ứng dụng nhiều nhất – để liên kết ý nghĩa của số liệu thống kê với cơ hội kinh doanh.
“Giải quyết vấn đề và dự đoán kết quả bằng cách sử dụng các mô hình phức tạp đòi hỏi cả sự hiểu biết về các khả năng, công cụ và kỹ thuật khoa học dữ liệu cũng như khả năng đặt câu hỏi để cung cấp thông tin cho xử lý dữ liệu.
Giải thích vấn đề cũng vừa khoa học vừa nghệ thuật.
2/ Andy Gants – Nhà khoa học dữ liệu tại Spare5
Một trong những thách thức lớn hơn mà tôi phải đối mặt trong công việc hiện tại là các công cụ ước tính xác suất và thống kê mà tôi đã sử dụng trước đây trong nghiên cứu khoa học trái đất là những công cụ giống nhau, nhưng chúng không nhất thiết phải thực hiện theo cùng một cách đối với những vấn đề mới chẳng hạn ước lượng người dùng và đáp án, ước tính chất lượng trong các vấn đề crowdsourcing.
Vì vậy, các công cụ là giống nhau, nhưng ứng dụng của các công cụ đó khác nhau. Học cách thực hiện với bộ phận phát triển phần mềm là một thách thức khá lớn – nhưng rất thú vị.
3/ Roman Schindlauer – Giám đốc chương trình tại Dato
Một trong những trở ngại lớn nhất đối với năng suất phân tích là tinh chỉnh và định dạng dữ liệu cần thiết cho phân tích chất lượng cao.
Việc thiếu ngôn ngữ lập trình chuẩn hóa hoặc mang tính đại chúng dành riêng cho khoa học dữ liệu sẽ làm cho việc này trở nên khó khăn hơn.
Ngay cả với các công cụ tốt nhất hiện nay, cũng không có cách nào tốt để làm sạch dữ liệu theo cách thủ công.
Đó là một chu kỳ liên tục thu thập và làm sạch dữ liệu và cố gắng tìm hiểu xem liệu nó có mang lại những phát hiện nào đáng kể hay không.
Hay bạn sẽ cần quay lại và thay đổi các thông số hoặc dữ liệu nhiều hơn? Tôi nghĩ rằng chúng ta đang đi tới vị trí mà ở đó sự hỗ trợ bằng công cụ sẽ giúp có đất dụng võ, nhưng nó vẫn đòi hỏi rất nhiều thao tác thủ công.
5. Tuyệt chiêu để đậu phỏng vấn Data Science?
Làm sao để đậu cuộc phỏng vấn Khoa học Dữ liệu dường như là mối quan tâm của nhiều ‘tấm chiếu mới’. Một người nên tiếp cận buổi phỏng vấn Khoa học Dữ liệu như thế nào?
Làm sao chắc đậu phỏng vấn Data Science
1/ Sajan Kedia – Data Scientist tại IBM, Myntra
Tôi nghĩ điều khiến các cuộc phỏng vấn Khoa học Dữ liệu trở nên khó đoán một chút là vì nó rất khác nhau giữa các công ty.
Không giống như Kỹ thuật phần mềm, nơi bạn có thể nói rằng bạn có khả năng được hỏi về Cấu trúc dữ liệu, thuật toán và kỹ năng lập trình, trong Khoa học dữ liệu, mọi công ty đều có yêu cầu và kỹ năng nhất định mà họ tìm kiếm ở một ứng viên và điều đó khiến nó rất khó xác định .
Trước tiên hãy dành thời gian nghiên cứu về công ty. Nếu công ty có quy mô lớn, họ có thể sẽ hỏi bạn về kinh nghiệm của bạn trong việc xử lý các tập dữ liệu lớn.
Nếu công ty tập trung nhiều hơn vào tư vấn và định hướng dịch vụ, có khả năng họ sẽ quan tâm đến các kỹ năng như SQL, Excel, một chút về lập trình. Nếu công ty có lĩnh vực đặc thù như chăm sóc sức khỏe và tài chính, thì ngoài kỹ năng lập trình, họ có thể hỏi về kiến thức về lĩnh vực đó.
Nếu bạn dành thời gian để thực hiện nghiên cứu cơ bản này, bạn sẽ biết những gì sẽ được hỏi trong các vòng phỏng vấn và điều đó sẽ không làm bạn ngạc nhiên. Bạn cũng có thể tìm kiếm một số công ty khi bạn bắt đầu làm việc và phát triển các kỹ năng phù hợp. Bằng cách đó, bạn có thể dễ dàng đáp ứng yêu cầu công việc của họ và có khả năng được tuyển.
2/ Suraj Shukla – Data Scientist tại CIMB Lab
Bạn sẽ rất có lợi thế khi chia sẻ trong buổi phỏng vấn Khoa học Dữ liệu về việc bạn có một số dự án đã từng làm trước đây. Điều quan trọng là phải có một nơi lưu trữ trên Github về những dự án của bạn.
Nó sẽ giúp bạn kéo cuộc trò chuyện về vùng an toàn và nằm trong sự hiểu biết của bạn. Người phỏng vấn có thể có trải nghiệm khác với những gì bạn có và nếu bạn để họ dẫn dắt cuộc trò chuyện, họ sẽ hỏi bạn những điều mà bạn có thể không quen.
3/ Kanav Anand – Data Scientist tại American Express
Trong các cuộc phỏng vấn Khoa học Dữ liệu, bạn có thể sẽ có một vòng kỹ thuật và một vòng CV / Sơ yếu lý lịch.
Trong vòng kỹ thuật, hãy nắm thật vững các thuật toán, tức là không chỉ cách nhập và sử dụng chúng để xây dựng mô hình mà logic toán học đằng sau chúng cũng rất quan trọng. Bạn sẽ cần giải thích lý do tại sao bạn sử dụng thuật toán này thay vì thuật toán kia.
Bạn đã xem xét tối ưu hóa siêu tham số nào. Cuối cùng, cách bạn giải thích kết quả đầu ra kết quả cũng rất quan trọng.
Đối với vòng CV / Resume, tất cả phụ thuộc vào dự án bạn đã làm và bạn có thể giải thích chúng ở mức độ như thế nào để người phỏng vấn tin rằng bạn đã tự làm và bạn thực sự hiểu những gì bạn đã làm.
Nếu bạn không có bất kỳ dự án nào trên GitHub hay portfolio thì kiểu gì thảm họa cũng ập tới. Người phỏng vấn sẽ dội bom bạn với những câu hỏi mà bạn có thể không biết.
Nỗ lực táo bạo của Facebook trong việc tạo ra mạng lưới thanh toán tiền điện tử đã gặp phải kết cục không mấy suôn sẻ vào đầu năm nay khi Silvergate Capital thành công mua lại tài sản công nghệ Diem với giá 182 triệu đô.
Diem
Thỏa thuận cho thấy Facebook, hiện là Meta, còn lại rất ít cơ hội trở thành người chơi trung tâm trong hệ sinh thái blockchain, một hiện thực khiến công ty mất rất nhiều tài năng, bao gồm cả ông chủ tiền điện tử David Marcus.
Một số nhân viên cũ của Meta đang bắt đầu tiếp nhận “lớp vỏ” mã nguồn mở của Diem blockchain trong nỗ lực hiện thực hóa tầm nhìn về mạng lưới phi tập trung mà họ cho là được xây dựng để phục vụ hàng tỷ người dùng và được thiết kế để sớm phục vụ cho một số khách hàng doanh nghiệp đầu tiên.
Một nỗ lực như vậy, gọi là Aptos – được dẫn dắt bởi các cựu nhân viên Meta, những người mới rời công ty vào tháng 12 – đã kiếm được nguồn tài trợ kỳ lân từ Andreessen Horowitz và một số nhà đầu tư web3 hàng đầu khác.
Aptos
Mo Shaikh, Giám đốc điều hành Aptos đã viết trong một bài blog vào tháng trước.
“Chúng tôi là những người sáng tạo, nhà nghiên cứu, nhà thiết kế và xây dựng ban đầu của Diem, blockchain lần đầu tiên được xây dựng để phục vụ mục đích này. Dù thế giới không bao giờ được chứng kiến những gì chúng tôi đã xây dựng, nhưng công việc của chúng tôi còn lâu mới kết thúc.”
Startup này nói rằng họ đã đóng khoản đầu tư “chiến lược” 200 triệu đô do a16z dẫn đầu, với sự tham gia của Tiger Global, Katie Haun, Multicoin Capital, 3 Arrows Capital, FTX Ventures và Coinbase Ventures cùng những bên khác.
Một nhà đầu tư khác được chú ý trong vòng đầu tiên là Silvergate Capital, mặc dù nhóm Aptos tuyên bố rằng họ sẽ không cấp phép hoặc sử dụng bất kỳ Diem IP nào mà Silvergate sở hữu khi xây dựng blockchain của mình.
Những người sáng lập không tiết lộ mức định giá, nhưng cho biết họ “đủ khá giả để trở thành kỳ lân”. (Định giá tài sản là 1 tỷ đô, nhưng sau khi tính đến các token, con số này còn nhiều hơn thế. Nhóm Aptos từ chối chia sẻ số liệu chính xác.)
Aptos blockchain sẽ là một hệ thống được gọi là Lớp 1 (Layer 1), có nghĩa là nó sẽ không được thiết kế để nằm trên các chuỗi khối hiện có như Ethereum hoặc Solana và thay vào đó sẽ xây dựng mạng phi tập trung của riêng nó.
Cùng với tin tức tài trợ của công ty, Aptos cũng chia sẻ rằng họ đã chính thức ra mắt “devnet”, cho phép các nhà phát triển thử nghiệm và xây dựng trên Aptos blockchain trước khi phát hành công khai, điều mà nhóm hy vọng sẽ xảy ra vào quý 3.
Nhóm Aptos cho biết một số công ty, bao gồm Anchorage, Binance, Coinbase, Livepeer, Moonclave, Paxos, Paymagic, Rarible và Streaming Fast, đã tương tác với startup, cung cấp phản hồi và đóng góp mã trên devnet.
Aptos đang hướng tới việc xây dựng một blockchain có khả năng mở rộng cao hơn với các giao dịch nhanh hơn và phí thấp hơn mức cho phép của các mạng chính thống ngày nay. Kỳ vọng của những người sáng lập là có thể thiết kế một mạng đáng tin cậy hơn và có thể dự đoán được cho các khách hàng lớn quan tâm đến việc sử dụng blockchain.
Có nhiều cách để mở rộng quy mô blockchain. Chẳng hạn, những người ủng hộ Ethereum và các giải pháp mở rộng quy mô của nó đang đặt cược vào việc sử dụng kỹ thuật rollups và sharding – kỹ thuật chia nhỏ các blockchain thành các phần nhỏ hơn và sau đó kết nối lại chúng – để mở rộng quy mô.
Nhưng một số bên khác tin rằng có cách tiếp cận tốt hơn để giải quyết thử thách này.
“Các blockchain hiện tại không đáng tin cậy như các đường dẫn tài chính hiện có, chúng tôi đã phát hiện các vấn đề về thời gian ngừng hoạt động và điều này kéo dài hàng giờ” – Avery Ching, CTO của Aptos cho biết.
Kyle Samani, đối tác quản lý của Multicoin Capital, một công ty đầu tư mạo hiểm nổi tiếng là người ủng hộ sớm cho một số blockchain, lập luận rằng cách tiếp cận nói trên làm tăng độ trễ, độ phức tạp kỹ thuật cho các nhà phát triển, làm cho các ứng dụng chuỗi chéo (cross-chain) “vốn đã mỏng manh” và phá vỡ khả năng kết hợp .
“Ngành công nghiệp tiền điện tử định hình cuộc tranh luận này theo một cách tương đối “nhị phân”. Nhưng có sắc thái. Những cách tiếp cận này không loại trừ lẫn nhau.
Trong khi hầu hết mọi người trong ngành đều lập luận ủng hộ việc chia nhỏ trạng thái thành nhiều phần, chúng tôi đã lập luận ủng hộ việc tối ưu hóa hiệu suất một phân đoạn để tối ưu hóa UX, DX và tối đa hóa không gian thiết kế cho các ứng dụng tiền điện tử có thể kết hợp. Niềm tin đó đã khiến chúng tôi tăng gấp ba lần đối với Solana cho đến năm 2019 và 2020, đồng thời giữ vững mức tăng siêu tốc vào năm 2021” anh ấy viết trong một bài đăng trên blog.
Trong khi những người tin tưởng Diem như Andreessen Horowitz có thể tập hợp xung quanh một nhóm cố gắng lấy “lớp vỏ” của những gì Facebook đang cố gắng xây dựng với Diem và Libra, những người khác trong thế giới tiền điện tử lại hoài nghi hơn về việc hiện thực hóa tầm nhìn về web3 mà Facebook hình thành ban đầu.
“Nói rõ hơn, chúng tôi không có mối quan hệ chính thức nào với Facebook và cũng không có khoản đầu tư nào từ họ” – Shaikh nói trong một cuộc phỏng vấn.
“Chúng tôi chắc chắn rất vui mừng về một tầm nhìn chung cho thế giới web3. Một điều tốt khi chúng tôi ở bên ngoài là hiện tại chúng tôi có thể tập trung vào tất cả mọi người, chúng tôi không cần phải chỉ tập trung vào Meta. Mục tiêu của chúng tôi là hợp tác với một số thương hiệu và công ty công nghệ lớn nhất thế giới để thực sự xây dựng một hệ sinh thái web3 cho đại chúng.”
Một thách thức / cơ hội khác trước mắt Aptos là nó có thể thu hút các nhà phát triển nhanh đến mức nào. Công ty hy vọng sẽ thu phục được các nhà phát triển một phần nhờ việc sử dụng Move, một ngôn ngữ lập trình mã nguồn mở do Meta phát triển.
Ching cho biết: “Move được thiết kế để quản lý tài nguyên an toàn, mang tính xác định và đo lường” – Ching nói, lưu ý rằng ngôn ngữ này phù hợp với các quy trình kiểm tra và xác minh nghiêm ngặt.
“Thứ hai, nhóm của chúng tôi đã phát triển giao thức Byzantine Fault Tolerance có độ trễ thấp nhất đáp ứng một cách lạc quan mà chúng tôi đã thực hiện thử nghiệm và kiểm tra rộng rãi trong nhiều năm. Chúng tôi thực sự đang ở lần lặp thứ tư của giao thức này và chúng tôi đã đẩy mạnh nâng cấp cho giao thức” ông nói, đồng thời tuyên bố rằng trong quá trình thử nghiệm mạng riêng trong nhiều năm qua, giao thức không có thời gian chết.
Trong một tuyên bố, Multicoin Capital’s Samani nói thêm:
“Ngôn ngữ lập trình Move đã được kiểm tra kỹ lưỡng và là một môi trường tuyệt vời để xây dựng các hợp đồng an toàn, cấp độ sản xuất có khả năng phục vụ hàng tỷ người. Chúng tôi hoàn toàn mong đợi Aptos sẽ thành công và ngay lập tức trở thành một ứng cử viên khả thi trong trận chiến cho Lớp 1”
Để làm cho mọi thứ trở nên hấp dẫn hơn đối với các nhà phát triển, Aptos đang xem xét các con đường khác nhau để hỗ trợ Ethereum và Solidity trên mạng của họ.
“Tôi có mối quan hệ rất thân thiết với cộng đồng Ethereum. Rõ ràng đó là một thế giới đa chuỗi: mọi người đã xây dựng các cầu nối, các giải pháp hoặc giải quyết khả năng mở rộng hoặc có thể từ L1 này sang L1 khác để theo đuổi các thị trường lớn hơn” Shaikh, người trước đây đứng đầu quan hệ đối tác chiến lược cho ví Novi của Meta cho biết.
“Chúng tôi muốn trở thành một phần của hệ sinh thái đó. Chúng tôi không nhất thiết phải cạnh tranh. Chúng tôi muốn bổ sung cho [họ] và những thách thức [cộng đồng phải đối mặt] cho chúng tôi dấu hiệu rõ ràng rằng mọi thứ phải được xây dựng một cách có trách nhiệm ngay từ đầu” – Shaikh nói thêm.
“Phản hồi mà chúng tôi đã nghe được từ các nhà phát triển Solidity và Ethereum là họ đang gặp phải những hạn chế, họ đang đối mặt với những thách thức mà bạn phải dành hàng giờ để kiểm tra các hợp đồng thông minh của mình. Ngày nay chỉ người kiểm tra hợp đồng thông minh mới có được có nhiều năng lực nhất. Những điều đó tiếp tục trở thành nỗi đau. Họ đang tìm kiếm các L1 khác để xây dựng nguyên bản thay vì chuyển qua lại thông qua 1 bên khác vì điều đó thường ảnh hưởng đến an ninh”.
