Salesforce Tableau cho rằng phân tích dữ liệu đang bước sang giai đoạn “agentic analytics”, trong đó AI agent không chỉ trả lời câu hỏi mà còn chủ động phát hiện insight, hiểu bối cảnh doanh nghiệp và hỗ trợ đưa ra hành động tiếp theo.

Phát biểu tại phiên keynote của hội nghị AI và dữ liệu thường niên DataFam Seoul 2026 do Salesforce Korea tổ chức tại Grand InterContinental Seoul Parnas ở Seoul, Matthew Miller, Phó chủ tịch phụ trách quản lý sản phẩm Tableau toàn cầu tại Salesforce, nói rằng thời người dùng phải tự đi tìm dữ liệu đã qua. Theo ông, trong giai đoạn mới, dữ liệu và insight sẽ chủ động tìm đến người dùng.

Matthew Miller nhận định trước đây, hoạt động phân tích chủ yếu dựa vào việc con người trực tiếp sử dụng các công cụ như Tableau để đọc và hiểu dữ liệu. Trong khi đó, AI agent có thể nhận biết nhu cầu của người dùng, ghi nhớ cách họ làm việc, đồng thời tự điều chỉnh theo thuật ngữ và cách tư duy riêng của từng tổ chức.

Theo ông, agentic analytics còn tiến xa hơn ở chỗ agent có thể chủ động phát hiện những tín hiệu và góc nhìn mới, thay vì chỉ phản hồi truy vấn như các công cụ phân tích truyền thống.

Matthew Miller mô tả agentic analytics qua ba bước chuyển. Thứ nhất là từ phân tích thụ động sang phân tích chủ động. Thứ hai là từ phân tích mô tả, vốn chỉ dừng ở việc hiển thị số liệu, sang phân tích nâng cao. Thứ ba là biến những phân tích phức tạp trước đây chỉ giới chuyên môn sâu mới hiểu được thành kết quả mà mọi nhân viên đều có thể tiếp cận bằng chính ngôn ngữ của mình.

Ông cũng nhấn mạnh chỉ dữ liệu thôi chưa đủ để tạo ra insight hoàn chỉnh. Để đưa ra quyết định chính xác, hệ thống cần thêm bối cảnh từ các tài liệu nội bộ, tài liệu điều hành và cả nội dung trao đổi trên các công cụ cộng tác trong doanh nghiệp.

Matthew Miller lấy ví dụ về thuật ngữ “tỷ lệ chuyển đổi”. Ở bộ phận marketing, khái niệm này có thể được hiểu là tỷ lệ chuyển từ lead sang khách hàng, trong khi ở bộ phận tài chính, đó lại có thể là tỷ lệ quy đổi tiền tệ. Vì tri thức và bối cảnh ở mỗi tổ chức khác nhau, AI agent cũng phải học được lớp ngữ cảnh này.

Theo Matthew Miller, Tableau hiện dựa trên hai trụ cột để hỗ trợ phân tích chủ động, gồm Knowledge Engine và Decision Engine. Khi kết hợp hai thành phần này, agent có thể chủ động đưa ra insight mà không cần chờ người dùng đặt câu hỏi trước.

Trong đó, Knowledge Engine đảm nhiệm vai trò kết nối dữ liệu và diễn giải ý nghĩa. Thành phần này không chỉ xử lý dữ liệu có cấu trúc của doanh nghiệp mà còn hỗ trợ dữ liệu phi cấu trúc và bán cấu trúc như PDF, CSV hay các tệp Excel do cá nhân quản lý. Hệ thống cũng có thể gán ngữ nghĩa cho cả các mô hình dữ liệu chuẩn đã được cơ quan chức năng xác nhận lẫn những bộ dữ liệu tạm thời được tạo ra trong quá trình làm việc.

Ông cho biết Tableau đã tích lũy nhiều tài sản tri thức trong hệ sinh thái của mình, và Knowledge Engine được thiết kế để giúp agent hiểu bối cảnh tổ chức dựa trên các thông tin đó.

Trong khi đó, Decision Engine tập trung vào việc tạo ra insight một cách chủ động và thông minh hơn. Theo Matthew Miller, lớp này không chỉ bao gồm trực quan hóa dữ liệu mà còn tích hợp các mô hình thống kê, machine learning và lớp thực thi để chuyển insight thành hành động.

Sau phiên keynote, sự kiện tiếp tục với ba phiên chia sẻ về các trường hợp triển khai Tableau tại một số doanh nghiệp lớn trong nước như Olive Young, LG CNS, Toss Bank, Krafton và Baropharm.

Olive Young giới thiệu quá trình xây dựng văn hóa sử dụng dữ liệu theo hướng gắn với nghiệp vụ, bắt đầu từ Self-Service Analytics và sau đó mở rộng sang AI Data Agent dựa trên Tableau MCP. Doanh nghiệp này cho biết đã nâng mức độ nhất quán dữ liệu trong quá trình ứng dụng AI bằng cách sử dụng các bộ dữ liệu đã được kiểm chứng. Nhờ đó, nhân viên có thể nhanh chóng kiểm tra các thông tin cần thiết như so sánh doanh thu theo giai đoạn hay phân tích kết quả chỉ bằng ngôn ngữ tự nhiên trong môi trường làm việc như Slack.

LG CNS giới thiệu môi trường phân tích hỗ trợ ra quyết định dựa trên dữ liệu, được xây dựng bằng cách tích hợp dữ liệu mua sắm, ERP cùng dữ liệu nội bộ và bên ngoài doanh nghiệp.

Toss Bank chia sẻ kinh nghiệm vận hành và tự động hóa hệ thống phân tích với khoảng 5.700 dashboard và 362 dự án, đồng thời trình bày các trường hợp nâng cấp hệ thống quản lý data lineage và phân quyền truy cập.

Krafton nhấn mạnh tầm quan trọng của data governance trong việc quản lý nhất quán các chỉ số kinh doanh và ngữ cảnh dữ liệu. Trong khi đó, Baropharm công bố trường hợp nâng hiệu quả phân tích dữ liệu dược phẩm thông qua quy trình tiền xử lý dữ liệu dựa trên Tableau.

Tại sự kiện, các chiến lược ứng dụng dữ liệu nhằm nâng cao năng lực xác định vấn đề, thiết kế chỉ số, kiểm chứng kết quả và ra quyết định cũng được giới thiệu. Salesforce đồng thời trình diễn toàn bộ quy trình từ chuẩn bị dữ liệu, phân tích đến xây dựng dashboard bằng ngôn ngữ tự nhiên với Tableau Agent.

Công ty cũng giới thiệu khả năng kết nối giữa Salesforce và Slack, đồng thời trình bày quy trình agentic analytics liên kết từ khâu phân tích đến khâu thực thi bằng cách kết nối các LLM và AI agent bên ngoài như Claude Code thông qua Tableau MCP (Model Context Protocol).

Kim Young-kyun, người phụ trách mảng Tableau tại Salesforce Korea, cho rằng khi AI giúp bất kỳ ai cũng có thể nhanh chóng phân tích dữ liệu và tìm ra câu trả lời, năng lực cạnh tranh của doanh nghiệp sẽ không còn nằm ở việc sở hữu nhiều dữ liệu hơn hay thực hiện các phân tích phức tạp hơn.

Theo ông, thước đo mới của năng lực dữ liệu sẽ là khả năng chuyển insight thành hành động nhanh và chính xác đến đâu, dựa trên dữ liệu đáng tin cậy và bối cảnh kinh doanh rõ ràng.

Ông nói thêm rằng vai trò của agentic analytics đang mở rộng từ việc chỉ cho thấy hiện trạng trong quá khứ sang đề xuất bước đi tiếp theo và hỗ trợ triển khai ngay trong công việc. Salesforce và Tableau sẽ tiếp tục bổ sung độ tin cậy và bối cảnh cho dữ liệu doanh nghiệp, qua đó hỗ trợ quá trình chuyển đổi AI tại các doanh nghiệp trong nước, tạo ra kết quả kinh doanh thực chất.