Khi tìm hiểu về Qlik, phần lớn doanh nghiệp tại Việt Nam gặp cùng một điểm bối rối: Qlik không chỉ có một sản phẩm, mà có ít nhất hai dòng sản phẩm phân tích dữ liệu (QlikView và Qlik Sense), và bản thân Qlik Sense lại được bán theo bốn gói capacity khác nhau (Starter, Standard, Premium, Enterprise) với tính năng không hề giống nhau. Chọn sai sản phẩm hoặc sai gói không chỉ lãng phí ngân sách, mà còn khiến dự án BI khó mở rộng về sau.
Bài viết này đi sâu vào hai phần: (1) sự khác biệt thực sự giữa QlikView và Qlik Sense, và (2) so sánh chi tiết tính năng giữa các gói Qlik Cloud hiện hành, để bạn có đủ thông tin trước khi quyết định.
Nhiều người mới tìm hiểu Qlik thường nhầm QlikView và Qlik Sense là hai phiên bản cũ/mới của cùng một sản phẩm. Trên thực tế, đây là hai kiến trúc và triết lý thiết kế khác nhau, dù cùng dùng chung công nghệ lõi Associative Engine của Qlik.
Sự khác biệt dễ nhận thấy nhất nằm ở đơn vị làm việc cơ bản. QlikView tổ chức mọi thứ xoay quanh khái niệm document (file .qvw) — một tài liệu chứa dữ liệu, script tải dữ liệu và các sheet hiển thị, được xây dựng chủ yếu bằng cách viết script. Qlik Sense thay thế khái niệm này bằng app, với cách tiếp cận kéo-thả (drag-and-drop) trực quan hơn, hướng tới người dùng nghiệp vụ không có nền tảng kỹ thuật, thay vì chỉ dành cho các chuyên gia BI biết viết script.
Về mặt hạ tầng, QlikView sử dụng kiến trúc desktop-first, nền Windows, lưu cấu hình dưới dạng file hệ thống, và quản lý việc phân phối tài liệu qua một thành phần riêng gọi là Publisher. Qlik Sense được xây dựng theo hướng web-based hiện đại hơn: cấu hình được lưu trong một repository database (PostgreSQL), việc lập lịch tải dữ liệu (reload) được xử lý ngay trong engine mà không cần thành phần Publisher riêng biệt, và các app được tổ chức theo “stream” — tương đương khái niệm thư mục tài liệu trong QlikView.
Đây là khác biệt quan trọng với các doanh nghiệp có yêu cầu quản trị dữ liệu chặt chẽ. QlikView phân quyền theo kiểu truyền thống — gán quyền trực tiếp trên từng document. Qlik Sense chuyển sang mô hình bảo mật theo thuộc tính (attribute-based), sử dụng các rule dạng biểu thức để đánh giá quyền truy cập theo ngữ cảnh (ai, truy cập gì, trong điều kiện nào) — cho phép kiểm soát chi tiết hơn ở cấp stream, app và cả trong QMC (Qlik Management Console). Qlik Sense còn có thêm công cụ gắn tag (tagging) và audit tool để xem trước tác động của một rule bảo mật trước khi áp dụng.
QlikView dùng layout cố định, truy cập di động chủ yếu qua plugin hoặc công nghệ AJAX. Qlik Sense có giao diện responsive theo chuẩn hiện đại, cùng ứng dụng di động native cho trải nghiệm cảm ứng mượt hơn trên điện thoại/tablet.
QlikView đi theo mô hình license truyền thống (mua đứt/theo server), trong khi Qlik Sense — đặc biệt là bản Qlik Cloud — chuyển hẳn sang subscription-based, tính phí theo dung lượng dữ liệu xử lý (capacity-based pricing) như trình bày ở Phần 2.
Nhìn chung, QlikView vẫn phù hợp với các tổ chức đã đầu tư lâu năm vào hệ thống này, có đội ngũ kỹ thuật quen viết script và chưa có nhu cầu chuyển đổi ngay lập tức. Qlik Sense là lựa chọn phù hợp hơn cho phần lớn doanh nghiệp đang triển khai mới, ưu tiên trải nghiệm tự phục vụ dữ liệu cho người dùng không chuyên kỹ thuật, cần truy cập di động và muốn triển khai trên cloud thay vì tự vận hành hạ tầng on-premises phức tạp. Đây cũng là hướng đầu tư chính mà Qlik tập trung phát triển hiện nay.
Nếu đã chọn Qlik Sense /Qlik Cloud, bước tiếp theo là chọn đúng gói capacity. Dưới đây là bảng so sánh tính năng theo thông tin công bố trên qlik.com:
| Tính năng | Starter | Standard | Premium | Enterprise |
|---|---|---|---|---|
|
Giá tham khảo (thanh toán theo năm)
|
300 USD/tháng
|
825 USD/tháng
|
2.750 USD/tháng
|
Báo giá riêng
|
|
Số user |
10 user cố định |
Không giới hạn |
Không giới hạn |
Không giới hạn |
|
Dung lượng dữ liệu
|
10 GB cố định |
25 GB (mở rộng theo gói) |
50 GB (mở rộng theo gói 25GB/250GB) |
Từ 250 GB trở lên |
|
Dung lượng app tối đa |
5 GB |
Không nêu cụ thể |
10 GB |
15 GB (tối đa 50 GB nếu mua thêm) |
|
Phân tích AI cơ bản, Answers Agents |
Có |
Có (mở rộng hơn) |
Có (mở rộng hơn) |
Có (số lượng lớn hơn) |
|
Dữ liệu phi cấu trúc / GenAI |
Không |
Có |
Có (dung lượng bổ sung) |
Có (số lượng lớn hơn) |
| Tính năng | Starter | Standard | Premium | Enterprise |
|---|---|---|---|---|
|
Phân tích dự đoán / Machine Learning (Qlik Predict)
|
Không
|
Không
|
Có
|
Có
|
|
Kết nối chuẩn (connectors) |
Hàng trăm nguồn dữ liệu |
Có |
Có |
Có |
|
Talend Cloud (tích hợp dữ liệu)
|
Chỉ nguồn relational & SaaS |
Cloud, SAP, hệ thống legacy |
Đầy đủ |
Đầy đủ |
|
Trích xuất dữ liệu SAP |
Không |
Không |
Có |
Có |
|
Data lineage (truy vết nguồn dữ liệu) |
Không |
Không |
Có |
Có |
|
Managed/Shared Spaces (không gian làm việc quản lý) |
Không |
Có |
Có |
Có |
|
Truy cập công khai / ẩn danh |
Không |
Không |
Có |
Có |
|
Tự động hóa không cần code |
Có |
Có |
Có |
Có (số lượng lớn hơn) |
|
Hỗ trợ |
Community Support |
Hỗ trợ 24/7 |
Hỗ trợ 24/7 |
24/7 + kế hoạch triển khai riêng |
|
Onboarding |
Tự triển khai |
Tự triển khai |
Có hướng dẫn (guided) |
Kế hoạch cá nhân hóa theo doanh nghiệp |
(Lưu ý: Qlik có trang “Compare All Plan Features” với bảng chi tiết đầy đủ hơn — SIFT có thể gửi bạn bản so sánh cập nhật và chính xác nhất theo thời điểm báo giá.)
Vài điểm doanh nghiệp Việt Nam nên lưu ý khi đọc bảng trên:
Một điều quan trọng cần nhấn mạnh: bảng giá niêm yết trên qlik.com là giá tham khảo toàn cầu (USD). Khi triển khai tại Việt Nam, mức giá thực tế, cách đóng gói license và các điều khoản hỗ trợ thường được điều chỉnh theo quy mô dữ liệu, số lượng người dùng thực tế và các chương trình ưu đãi tại từng thời điểm — đây là lý do nên làm việc trực tiếp với đối tác được Qlik ủy quyền tại Việt Nam thay vì chỉ dựa vào bảng giá quốc tế để ra quyết định ngân sách.
Tổng hợp lại, gợi ý nhanh cho doanh nghiệp Việt Nam:
Vì bảng giá và tính năng thay đổi theo từng giai đoạn, và vì việc chọn sai gói có thể khiến doanh nghiệp phải nâng cấp giữa chừng (tốn thời gian và chi phí), lời khuyên thực tế là nên làm việc với một đơn vị hiểu rõ cả sản phẩm lẫn bối cảnh triển khai tại Việt Nam ngay từ đầu.
SIFT Analytics Group Vietnam hiện là Authorized Partner duy nhất của Qlik tại Việt Nam, đồng hành cùng doanh nghiệp từ bước đánh giá nhu cầu, lựa chọn gói license phù hợp, thiết kế kiến trúc triển khai, đến đào tạo và hỗ trợ vận hành sau khi go-live.
Đội ngũ SIFT có thể hỗ trợ bạn:
Trao đổi trực tiếp cùng chuyên gia
Khám phá những thông điệp mới nhất của chúng tôi
Nếu bạn đang tìm hiểu Qlik Sense để chọn nền tảng phân tích dữ liệu cho doanh nghiệp, hai câu hỏi thường gặp nhất là: “Qlik Sense hoạt động như thế nào?” và “chi phí thực tế là bao nhiêu khi triển khai tại Việt Nam?”. Bài viết này tổng hợp cả hai phần, đồng thời giới thiệu SIFT Analytics Group — Authorized Partner duy nhất của Qlik tại Việt Nam.
Qlik Sense là nền tảng phân tích dữ liệu và Business Intelligence (BI) cho phép doanh nghiệp xây dựng dashboard, báo cáo và ứng dụng phân tích tương tác theo mô hình self-service — nghĩa là người dùng không cần biết lập trình hay SQL vẫn có thể tự khai thác dữ liệu.
Ba điểm khác biệt chính của Qlik Sense so với các công cụ BI truyền thống:
– Associative Engine — công nghệ lõi cho phép người dùng khám phá dữ liệu tự do, không bị giới hạn bởi các truy vấn được định sẵn trước. Hệ thống tự động làm nổi bật các mối liên hệ giữa các tập dữ liệu, giúp phát hiện insight mà cách phân tích truyền thống (query-based) dễ bỏ sót.
– Kết nối đa nguồn dữ liệu — Qlik Sense hỗ trợ kết nối tới hơn 800 nguồn dữ liệu khác nhau, từ Excel, CSV đến các hệ cơ sở dữ liệu và nền tảng cloud phổ biến.
– Insight Advisor (AI) — tự động gợi ý phân tích và biểu đồ phù hợp dựa trên dữ liệu người dùng đưa vào, giảm thời gian xây dựng dashboard thủ công.
Nền tảng phù hợp với nhiều nhóm người dùng: đội ngũ phân tích dữ liệu, ban điều hành cần theo dõi chỉ số real-time, và cả nhân sự nghiệp vụ ở các phòng ban không có nền tảng kỹ thuật.
Qlik hiện tính phí theo mô hình capacity-based pricing (tính theo dung lượng dữ liệu xử lý), với 4 gói chính:
| Gói | Giá tham khảo (thanh toán theo năm) | Dung lượng dữ liệu | Điểm nổi bật |
|---|---|---|---|
|
Starter |
300 USD/tháng |
10 GB, 10 user |
Phân tích AI cơ bản, kết nối chuẩn, tự động hóa |
|
Standard |
825 USD/tháng |
25 GB (mở rộng theo gói 25 GB) |
Không giới hạn thêm user, dữ liệu phi cấu trúc/GenAI, hỗ trợ 24/7 |
|
Premium (phổ biến nhất) |
2.750 USD/tháng |
50 GB |
Phân tích dự đoán, machine learning, trích xuất dữ liệu SAP, data lineage |
|
Enterprise
|
Liên hệ SIFT để nhận báo giá |
Từ 250 GB |
Quy mô lớn, multi-region, lộ trình triển khai riêng theo doanh nghiệp |
Đây là mức giá niêm yết công khai trên qlik.com — mang tính tham khảo. Trên thực tế, mức giá áp dụng tại Việt Nam thường được SIFT – đối tác uỷ quyền của Qlik tại Việt Nam – tư vấn với các chương trình ưu đãi riêng theo từng giai đoạn.
Việc mua license qua một đơn vị Authorized Partner của Qlik mang lại một số lợi ích cụ thể so với việc tự đăng ký trực tiếp:
– Tư vấn đúng gói license theo quy mô dữ liệu và số lượng người dùng thực tế, tránh mua dư hoặc thiếu dung lượng.
– Hỗ trợ triển khai và đào tạo bằng tiếng Việt, thay vì chỉ có support quốc tế bằng tiếng Anh.
– Hỗ trợ kỹ thuật tại chỗ khi tích hợp với hệ thống dữ liệu nội bộ, hạ tầng cloud/on-premises hiện có của doanh nghiệp.
– Quy trình mua và thanh toán phù hợp với thủ tục nội bộ của doanh nghiệp Việt Nam (hợp đồng, xuất hóa đơn, quy trình phê duyệt).
– Các chương trình ưu đãi và giảm giá trên giá niêm yết trực tiếp từ SIFT
SIFT Analytics Group Vietnam hiện là Authorized Partner của các hãng hàng đầu tại Việt Nam, đồng hành cùng doanh nghiệp trong toàn bộ hành trình từ tư vấn lựa chọn gói license, thiết kế kiến trúc triển khai, đến đào tạo và hỗ trợ vận hành sau triển khai.
Nếu bạn đang cân nhắc Qlik Sense cho doanh nghiệp của mình, đội ngũ SIFT có thể hỗ trợ:
Trao đổi trực tiếp cùng chuyên gia
Khám phá những thông điệp mới nhất của chúng tôi
Từ chatbot chăm sóc khách hàng, trợ lý ảo nội bộ đến dự báo nhu cầu, phát hiện gian lận hay tối ưu chuỗi cung ứng, AI đang dần trở thành một phần trong chiến lược tăng trưởng của doanh nghiệp. Theo đó, ngày càng nhiều tổ chức đầu tư vào AI cho doanh nghiệp với kỳ vọng nâng cao năng suất, cải thiện khả năng ra quyết định và tạo lợi thế cạnh tranh.
Tuy nhiên, thực tế cho thấy không phải dự án AI nào cũng mang lại kết quả như kỳ vọng. Nhiều doanh nghiệp đầu tư vào mô hình AI hiện đại, thuê chuyên gia hoặc triển khai các nền tảng Generative AI, nhưng sau một thời gian vẫn gặp khó khăn trong việc mở rộng hoặc tạo ra giá trị thực cho hoạt động kinh doanh.
Điều đáng nói là nguyên nhân thường không nằm ở AI. Mà nằm ở một bước quan trọng đã bị bỏ qua ngay từ đầu.
Khi nhắc đến triển khai AI cho doanh nghiệp, nhiều người thường nghĩ đến việc lựa chọn mô hình AI, xây dựng chatbot hay tích hợp các công cụ Generative AI.
Nhưng thực tế, AI chỉ là lớp ứng dụng nằm trên cùng của toàn bộ hệ thống dữ liệu doanh nghiệp.
Nếu dữ liệu phân tán giữa ERP, CRM, HRM, hệ thống bán hàng, website, ứng dụng di động và hàng trăm tệp Excel khác nhau, AI sẽ không có một nguồn dữ liệu đáng tin cậy để phân tích.
Đó cũng là lý do nhiều tổ chức gặp phải các vấn đề như:
Một nguyên tắc quen thuộc trong lĩnh vực AI vẫn luôn đúng:
AI chỉ thông minh bằng dữ liệu mà doanh nghiệp cung cấp.
Nhiều doanh nghiệp vẫn đang tiếp cận AI theo hướng “triển khai công nghệ trước, chuẩn bị dữ liệu sau”. Không ít tổ chức dành nhiều thời gian để đánh giá mô hình AI, lựa chọn nền tảng hoặc xây dựng chatbot nội bộ, nhưng lại chưa xác định được dữ liệu nào thực sự có giá trị đối với hoạt động kinh doanh.
Ba hiểu lầm phổ biến nhất khi triển khai AI là:
Chính vì vậy, nhiều chuyên gia nhận định rằng thách thức lớn nhất của AI hiện nay không còn là thuật toán, mà là dữ liệu.
Nếu ví AI là bộ não của doanh nghiệp, thì Data Foundation chính là hệ thần kinh và nguồn tri thức giúp bộ não đó hoạt động hiệu quả. Một mô hình AI dù tiên tiến đến đâu cũng không thể tạo ra quyết định chính xác nếu dữ liệu đầu vào thiếu nhất quán, khó truy cập hoặc không được quản trị đúng cách.
Trước khi triển khai AI, doanh nghiệp cần trả lời một câu hỏi quan trọng:
Dữ liệu đã thực sự sẵn sàng cho AI hay chưa?
Đó chính là khái niệm AI Readiness – mức độ sẵn sàng của doanh nghiệp trong việc ứng dụng AI vào hoạt động thực tế.
Ở trung tâm của AI Readiness là Data Foundation (nền tảng dữ liệu) – lớp hạ tầng giúp doanh nghiệp thu thập, lưu trữ, quản trị và khai thác dữ liệu một cách thống nhất.
Một Data Foundation hiện đại không chỉ là nơi lưu trữ dữ liệu, mà còn cần đảm bảo:
Nói cách khác, AI không phải điểm khởi đầu. Data Foundation mới là nền móng của mọi chiến lược AI.
Sau khi xác định được tầm quan trọng của nền tảng dữ liệu, câu hỏi tiếp theo là doanh nghiệp nên xây dựng Data Foundation bằng cách nào.
Đây là lúc các nền tảng Cloud Data Warehouse và AI Data Platform phát huy vai trò của mình.
Là nền tảng Snowflake AI Data Cloud, Snowflake giúp doanh nghiệp hợp nhất dữ liệu từ nhiều nguồn vào một hệ thống thống nhất, giảm tình trạng Data Silos và xây dựng Single Source of Truth cho toàn tổ chức.
Bên cạnh khả năng lưu trữ và xử lý dữ liệu trên quy mô lớn, Snowflake còn tích hợp các tính năng AI như Snowflake Cortex AI, cho phép người dùng đặt câu hỏi bằng ngôn ngữ tự nhiên để khai thác dữ liệu mà không cần viết SQL hay xây dựng báo cáo thủ công. Điều này giúp các phòng ban kinh doanh, marketing hay vận hành tiếp cận dữ liệu nhanh hơn, đồng thời giảm tải cho đội ngũ Data.
Snowflake cũng cung cấp các khả năng Data Governance, phân quyền truy cập, Secure Data Sharing và mở rộng tài nguyên linh hoạt trên môi trường đám mây. Nhờ đó, doanh nghiệp không chỉ xây dựng được một AI-ready Data Platform mà còn tạo nền tảng để phát triển các ứng dụng Machine Learning và AI trong tương lai.
Thay vì xem Snowflake đơn thuần là một Cloud Data Warehouse, nhiều doanh nghiệp đang coi đây là lớp hạ tầng dữ liệu giúp kết nối dữ liệu, AI và hoạt động kinh doanh trên cùng một nền tảng thành hệ sinh thái Data – AI – Cloud.
SIFT Analytics Group là đối tác Snowflake được chứng nhận tại khu vực APAC, với hơn 25 năm kinh nghiệm triển khai các giải pháp dữ liệu cho doanh nghiệp tại Đông Nam Á. Đội ngũ chuyên gia SIFT đã hỗ trợ hàng trăm tổ chức từ ngân hàng, bảo hiểm đến sản xuất và bán lẻ tại Việt Nam xây dựng nền tảng dữ liệu sẵn sàng cho AI.
Nếu doanh nghiệp của bạn đang cân nhắc ứng dụng Snowflake, SIFT cung cấp:
Liên hệ đội ngũ SIFT:
Trao đổi trực tiếp cùng chuyên gia
Khám phá những thông điệp mới nhất của chúng tôi
Bạn vẫn đang sử dụng SPSS 26 hoặc các phiên bản SPSS cũ hơn để làm luận văn, nghiên cứu, giảng dạy hay phân tích dữ liệu?
Nếu câu trả lời là có, đã đến lúc kiểm tra lại phiên bản SPSS và tình trạng bản quyền của mình.
IBM SPSS Statistics không phải là phần mềm có một phiên bản được duy trì mãi mãi. Mỗi phiên bản đều có vòng đời hỗ trợ riêng. SPSS 26 được phát hành từ năm 2019 và đã chuyển sang Extended Support từ ngày 30/09/2025. Nói cách khác, SPSS 26 vẫn có thể tiếp tục hoạt động trong một số môi trường, nhưng đây không còn là phiên bản nên tiếp tục đầu tư cho các nhu cầu sử dụng mới.
Đối với người dùng đang chuẩn bị luận văn, nghiên cứu hoặc mua license mới, việc tiếp tục phụ thuộc vào một phiên bản quá cũ có thể khiến bạn phải đối mặt với nhiều vấn đề không đáng có.
Một phần mềm thống kê có thể vẫn mở được và chạy phân tích bình thường không có nghĩa là nó còn phù hợp với môi trường công nghệ hiện tại.
Khi hệ điều hành thay đổi, tiêu chuẩn bảo mật được nâng cao và cơ chế cấp phép được cập nhật, các phiên bản SPSS cũ có thể dần xuất hiện những vấn đề như khó cài đặt, khó kích hoạt, không tương thích hoặc thiếu hỗ trợ cho các môi trường mới.
Đây chính là lý do vòng đời sản phẩm quan trọng.
Phần mềm cũ không được cập nhật thường xuyên sẽ khó theo kịp những thay đổi về tiêu chuẩn bảo mật.
IBM từng công bố security bulletin liên quan đến các cipher suite SHA-1 trong các phiên bản SPSS Statistics cũ, trong đó có SPSS 26, và khuyến nghị nâng cấp lên phiên bản mới hơn đối với phiên bản bị ảnh hưởng.
Điều này đặc biệt đáng lưu ý với các trường đại học, viện nghiên cứu và tổ chức đang xử lý dữ liệu khảo sát, dữ liệu nghiên cứu hoặc dữ liệu người học.
SPSS dùng để phân tích dữ liệu, nhưng bản thân môi trường chạy SPSS cũng cần được đảm bảo an toàn.
Bạn có thể nâng cấp máy tính, nhưng không thể kỳ vọng một phần mềm từ nhiều năm trước luôn tương thích hoàn hảo với hệ điều hành mới.
Đây là tình huống khá quen thuộc:
Máy tính mới → hệ điều hành mới → SPSS cũ → lỗi cài đặt hoặc kích hoạt.
Khi đó, người dùng thường phải tìm các bản cài cũ, thay đổi cấu hình máy hoặc tìm cách khắc phục lỗi activation.
Với sinh viên đang chạy deadline luận văn hay giảng viên cần chuẩn bị dữ liệu cho một nghiên cứu, đây là những rủi ro hoàn toàn có thể tránh được nếu sử dụng phiên bản SPSS được hỗ trợ phù hợp.
Một trong những vấn đề khiến người dùng SPSS phiên bản cũ dễ “đau đầu” nhất là license và activation.
Khi máy tính thay đổi, license hết hạn hoặc thông tin authorization không còn đầy đủ, việc kích hoạt lại phiên bản cũ có thể trở nên phức tạp.
Đặc biệt, nếu license được mua từ nguồn không chính thức hoặc sử dụng key không rõ nguồn gốc, người dùng gần như không có một đầu mối đáng tin cậy để hỗ trợ khi phát sinh lỗi.
Đây cũng là lý do IBM khuyến nghị người dùng GradPack và Faculty Pack xử lý các vấn đề về authorization và licensing thông qua nhà phân phối mà bạn đã mua sản phẩm.
Sử dụng SPSS 26 hoặc các phiên bản cũ đồng nghĩa với việc bạn có thể bỏ lỡ nhiều cải tiến đáng giá trên các phiên bản mới.
Trang sản phẩm hiện tại của IBM đã giới thiệu SPSS Statistics v32 với các tính năng như tích hợp R/Python cho phân tích nâng cao, các phương pháp thống kê mới, trực quan hoá dữ liệu được cải thiện và AI hỗ trợ phân tích.
Đặc biệt, SPSS phiên bản mới đã có AI Output Assistant giúp tóm tắt, diễn giải kết quả và hỗ trợ người dùng hiểu output nhanh hơn.
Vì vậy, nâng cấp SPSS không chỉ để đảm bảo khả năng tương thích và hỗ trợ, mà còn giúp người dùng tận dụng các công cụ phân tích hiện đại để nghiên cứu và làm việc hiệu quả hơn.
Đây là điểm mà nhiều người dùng thường bỏ qua.
Nếu SPSS hiện tại vẫn chạy, việc nâng cấp có vẻ chưa cấp thiết. Nhưng đến khi:
thì việc chuyển đổi sẽ trở thành việc phải làm ngay, thay vì một kế hoạch có thể chủ động chuẩn bị.
Với luận văn, nghiên cứu và hoạt động giảng dạy, việc để phần mềm thống kê trở thành điểm nghẽn ngay trước deadline là rủi ro không đáng có.
Chủ động trang bị bản quyền mới từ đầu luôn dễ hơn xử lý một license cũ đã phát sinh lỗi.
IBM hiện có các gói bản quyền được thiết kế riêng cho môi trường giáo dục, nổi bật là SPSS GradPack và Faculty Pack.
GradPack được IBM thiết kế riêng cho sinh viên và có ba lựa chọn: Base, Standard và Premium.
Điều này cho phép sinh viên lựa chọn theo nhu cầu thay vì phải trả tiền cho toàn bộ tính năng nếu chỉ cần những công cụ thống kê cơ bản.
GradPack phù hợp với sinh viên cần SPSS cho:
Cần lưu ý rằng, theo quy định cấp phép của IBM, SPSS GradPack chỉ dành cho mục đích học tập và nghiên cứu cá nhân của sinh viên, không được sử dụng cho các nghiên cứu được tài trợ, nghiên cứu thương mại hoặc mục đích kinh doanh.
Với giảng viên, Faculty Pack được IBM thiết kế riêng cho nhu cầu giảng dạy và nghiên cứu cá nhân.
Faculty Pack có các phiên bản dành cho nhu cầu học thuật và còn bao gồm SPSS Amos, giúp giảng viên có thêm công cụ phục vụ các nghiên cứu chuyên sâu.
Thay vì tiếp tục sử dụng một phiên bản SPSS cũ không rõ tình trạng hỗ trợ, giảng viên có thể lựa chọn một license chính hãng, đúng đối tượng và có kênh hỗ trợ rõ ràng. Tuy nhiên, theo quy định cấp phép của IBM, Faculty Pack chỉ được sử dụng cho mục đích giảng dạy và nghiên cứu cá nhân của giảng viên, tương tự GradPack dành cho sinh viên; không áp dụng cho các nghiên cứu được tài trợ, nghiên cứu thương mại hoặc mục đích kinh doanh.
Nếu nhu cầu không chỉ dành cho một sinh viên hoặc một giảng viên mà là toàn bộ khoa, phòng máy hoặc trường đại học, GradPack và Faculty Pack không phải lựa chọn tối ưu.
IBM có SPSS Campus Edition dành cho các cơ sở giáo dục, cho phép triển khai SPSS ở quy mô toàn trường và hỗ trợ hoạt động giảng dạy, học tập và nghiên cứu với chi phí rất tốt.
Khi đó, nhà trường có thể lựa chọn mô hình license phù hợp thay vì mua rời từng license cá nhân.
Tại Việt Nam, SIFT Analytics Group Việt Nam với hơn 26 năm là đơn vị duy nhất được IBM uỷ quyền tại Việt Nam, đồng hành cùng hơn 400 trường đại học toàn Đông Nam Á.
SIFT hỗ trợ tư vấn:
Đặc biệt, SIFT có chính sách dành riêng cho khối giáo dục, giúp sinh viên và giảng viên tiếp cận SPSS bản quyền chính hãng với mức giá ưu đãi.
Liên hệ SIFT Analytics để được tư vấn gói SPSS phù hợp và nhận chính sách dành riêng cho giáo dục:
Trao đổi trực tiếp cùng chuyên gia
Khám phá những thông điệp mới nhất của chúng tôi
Trong bối cảnh các trường đại học, viện nghiên cứu, bệnh viện và cơ quan nghiên cứu ngày càng chú trọng chất lượng công bố khoa học cũng như chuẩn hóa quy trình phân tích dữ liệu, Mô hình phương trình cấu trúc (SEM – Structural Equation Modeling) đã trở thành một phương pháp không thể thiếu trong nhiều lĩnh vực như y tế, kinh tế, giáo dục, tâm lý học hay khoa học xã hội.
Khi lựa chọn phần mềm để triển khai SEM, hai công cụ được nhắc đến nhiều nhất là IBM SPSS AMOS và SmartPLS. Mặc dù đều hỗ trợ xây dựng mô hình cấu trúc, hai phần mềm này được phát triển theo những triết lý thống kê khác nhau và phục vụ những mục tiêu nghiên cứu khác nhau.
Đối với các đơn vị đang tìm hiểu SPSS là gì, cân nhắc đầu tư IBM SPSS Statistics hoặc xây dựng một hệ sinh thái phân tích dữ liệu thống nhất cho toàn tổ chức, việc lựa chọn đúng công cụ ngay từ đầu sẽ ảnh hưởng trực tiếp đến chất lượng nghiên cứu, khả năng công bố quốc tế và tính chuẩn hóa của toàn bộ quy trình phân tích.
Để trả lời câu hỏi công cụ nào tốt hơn, chúng ta cần hiểu rằng SPSS AMOS và Smart PLS đại diện cho hai trường phái phân tích thống kê hoàn toàn khác biệt:
● SPSS AMOS (CB-SEM – Dựa trên hiệp phương sai): Công cụ này tập trung đánh giá mức độ phù hợp giữa mô hình lý thuyết và dữ liệu thực tế, từ đó xác nhận hoặc bác bỏ giả thuyết nghiên cứu dựa trên các tiêu chí thống kê nghiêm ngặt. Đây là phương pháp được sử dụng rộng rãi trong các nghiên cứu học thuật, luận án tiến sĩ và các công bố trên tạp chí quốc tế.
● Smart PLS (PLS-SEM – Dựa trên phương sai): Mục tiêu chính của công cụ này là dự báo và phát triển lý thuyết (Prediction and theory development). Nó cực kỳ phù hợp cho những nghiên cứu mang tính khám phá, khi mô hình chưa thực sự hoàn thiện hoặc hệ thống lý thuyết nền tảng còn mỏng.
Đối với các trường đại học, viện nghiên cứu và tổ chức y tế hướng đến nghiên cứu có độ tin cậy cao, IBM SPSS AMOS được xem là chuẩn tham chiếu trong phân tích SEM nhờ khả năng kiểm định mô hình một cách toàn diện và được cộng đồng học thuật quốc tế chấp nhận rộng rãi.
Thế mạnh nổi bật của AMOS nằm ở khả năng thực hiện:
Đây đều là những kỹ thuật thường xuyên xuất hiện trong các nghiên cứu ISI/Scopus, nghiên cứu lâm sàng, luận án sau đại học và các đề tài cấp Bộ.
Khác với nhiều phần mềm SEM khác, AMOS cung cấp đầy đủ hệ thống Model Fit Indices được cộng đồng khoa học sử dụng để đánh giá chất lượng mô hình, bao gồm:
Việc đánh giá đồng thời các chỉ số này giúp mô hình được kiểm định chặt chẽ hơn, đồng thời tạo cơ sở khoa học vững chắc khi công bố trên các tạp chí quốc tế hoặc báo cáo nghiên cứu có yêu cầu phản biện cao.
Một lợi thế quan trọng khác là AMOS được tích hợp trực tiếp trong hệ sinh thái IBM SPSS Statistics. Từ làm sạch dữ liệu, xử lý biến khuyết thiếu, tới thực hiện phân tích Cronbach’s alpha SPSS ngay trên phần mềm SPSS Statistics. Sau khi dữ liệu đã chuẩn hóa, chỉ cần đẩy trực tiếp tệp này sang AMOS để chạy mô hình cấu trúc mà không phải bận tâm về việc sai lệch định dạng hay hao hụt dữ liệu.
Một số người dùng đang đánh giá “AMOS khó dùng hơn SmartPLS” – rào cản này có thực sự lớn?
Đây là băn khoăn phổ biến nhất khi các nhà nghiên cứu cân nhắc chuyển từ SmartPLS sang AMOS, nhưng thực tế không đáng lo như vẫn tưởng:}
Đội ngũ SIFT triển khai các chương trình đào tạo chuyên sâu về SPSS Statistics và SPSS AMOS dành cho giảng viên, nhà nghiên cứu và đội ngũ phân tích dữ liệu, giúp đơn vị nhanh chóng làm chủ CFA, SEM cũng như cách diễn giải chính xác các chỉ số đánh giá mô hình.
Dù AMOS rất mạnh mẽ, Smart PLS vẫn chiếm một vị thế quan trọng nhờ tính linh hoạt. Lợi thế lớn nhất của SmartPLS là nó không yêu cầu khắt khe về giả định phân phối chuẩn của dữ liệu. Nếu tập dữ liệu của bạn bị lệch (skewed) hoặc cỡ mẫu quá nhỏ để đáp ứng yêu cầu của CB-SEM, PLS-SEM sẽ là cứu cánh. Bên cạnh đó, phần mềm này xử lý rất tốt các mô hình chứa biến nguyên nhân (formative constructs) – điều mà các phần mềm CB-SEM truyền thống thường gặp khó khăn.
Tuy nhiên, đối với các nghiên cứu yêu cầu tính chuẩn mực cao, SmartPLS vẫn tồn tại một số hạn chế cần cân nhắc.
Hiện nay, PLS-SEM vẫn chưa có hệ thống chỉ số đánh giá độ phù hợp tổng thể (Global Model Fit) được cộng đồng học thuật thống nhất hoàn toàn như CB-SEM.
Ngoài ra, chỉ số HTMT (Heterotrait-Monotrait Ratio) mặc dù được sử dụng phổ biến để đánh giá giá trị phân biệt nhưng ngưỡng chấp nhận vẫn còn nhiều quan điểm khác nhau trong giới nghiên cứu.
Trong quá trình phản biện các công bố quốc tế hoặc đánh giá luận án, nhiều hội đồng khoa học cũng thường yêu cầu giải trình rõ lý do lựa chọn PLS-SEM thay vì CB-SEM nếu mô hình nghiên cứu hoàn toàn phù hợp để kiểm định bằng AMOS.
Do đó, SmartPLS là lựa chọn hiệu quả trong các trường hợp đặc thù, trong khi IBM SPSS AMOS vẫn được xem là giải pháp ưu tiên đối với các nghiên cứu yêu cầu tính xác nhận, độ tin cậy và khả năng kiểm định mô hình ở mức cao.
Quy trình phân tích dữ liệu ngày nay không chỉ dừng lại ở một công cụ. Tuỳ thuộc vào tính chất dự án, có thể kết hợp thêm các phần mềm khác:
Đối với các trường đại học, bệnh viện và viện nghiên cứu, việc triển khai phần mềm IBM SPSS cùng quy trình phân tích dữ liệu chuẩn hóa ngay từ đầu giúp giảm thiểu sai sót trong thiết kế mô hình và nâng cao chất lượng nghiên cứu.
Việc lựa chọn phần mềm SEM nên xuất phát từ mục tiêu nghiên cứu và chiến lược phát triển của tổ chức.
Trong đa số trường hợp IBM SPSS Statistics kết hợp SPSS AMOS là lựa chọn được ưu tiên khi đơn vị cần:
Trong khi đó, SmartPLS sẽ phù hợp hơn đối với các nghiên cứu mang tính khám phá, mô hình mới, dữ liệu không phân phối chuẩn hoặc cỡ mẫu nhỏ.
Không chỉ phục vụ SEM, IBM SPSS Statistics còn hỗ trợ thống kê mô tả, thống kê suy luận, phân tích dự báo, tích hợp R và Python, đáp ứng nhiều nhu cầu phân tích khác nhau trên cùng một nền tảng. Đây cũng là lý do hệ sinh thái SPSS đang được triển khai rộng rãi tại các trường đại học, bệnh viện và cơ quan thống kê ở Singapore nhằm chuẩn hóa hoạt động nghiên cứu và phân tích dữ liệu.
Việc làm chủ dữ liệu không chỉ nằm ở thao tác phần mềm, mà là việc xây dựng một luồng phân tích chuẩn xác để đưa ra các quyết định chiến lược (Data-driven). Nếu doanh nghiệp, tổ chức của bạn đang tìm kiếm giải pháp chuẩn hóa dữ liệu chuyên sâu hoặc cần tư vấn triển khai hệ thống IBM SPSS thương mại, hãy liên hệ ngay với SIFT để nhận được sự tư vấn lộ trình bài bản và chuyên nghiệp nhất!
Trao đổi trực tiếp cùng chuyên gia
Khám phá những thông điệp mới nhất của chúng tôi
Trong kỷ nguyên chuyển đổi số y tế, dữ liệu hồ sơ bệnh án điện tử (EMR) và thông tin nghiên cứu lâm sàng đang trở thành tài sản vô giá của các bệnh viện. Để khai thác sâu sắc khối lượng dữ liệu này, IBM SPSS Statistics luôn là một trong những giải pháp phân tích hàng đầu được các chuyên gia y tế tin dùng.
Tuy nhiên, trong quá trình xây dựng hệ thống Health IT, một thách thức phổ biến ở các cơ sở y tế là việc tối ưu hóa và lựa chọn đúng chuẩn cấp phép (licensing) của SPSS software. Khá nhiều y bác sĩ có thói quen sử dụng phiên bản Học thuật (Academic) từ thời đại học cho công việc hiện tại. Xét trên phương diện quản trị chiến lược và bảo mật hệ thống, việc chuyển đổi sang IBM SPSS Commercial Editions (Bản Thương mại) đang trở thành xu hướng tất yếu.
Vậy đâu là điểm khác biệt cốt lõi, và vì sao các Lãnh đạo y tế nên ưu tiên phiên bản Thương mại cho tổ chức của mình?
IBM thiết kế các nhánh giấy phép phần mềm rất tinh tế nhằm tối ưu hóa chi phí và tính năng cho từng tệp người dùng cụ thể.
Nhóm Academic (Học thuật): Thiết kế riêng cho môi trường đào tạo
Nhóm này được phân cấp linh hoạt để phục vụ từ đối tượng cá nhân đến quy mô tổ chức. Trong khi Faculty Pack và GradPack là các gói cấp phép dành riêng cho cá nhân (giảng viên, sinh viên) nhằm mục đích học tập và nghiên cứu độc lập với SPSS Statistics, thì Campus Edition lại là giải pháp triển khai diện rộng cho toàn bộ hệ thống trường học. Điểm chung cốt lõi của các phiên bản này là bám sát mục tiêu phục vụ khối giáo dục đào tạo.
Đáng chú ý, xét về tính ứng dụng, Campus Edition sở hữu một điểm giao thoa chiến lược: Phiên bản này hoàn toàn hợp lệ để triển khai tại các Bệnh viện Đại học (University Hospitals) – tức các cơ sở y tế trực thuộc hoặc có viện đào tạo đại học ngay bên trong hệ thống. Tuy nhiên, đối với các bệnh viện, phòng khám hoặc tổ chức y tế vận hành hoàn toàn độc lập (không gắn liền với chức năng giáo dục), việc ứng dụng nhánh giấy phép Academic vào hệ thống dữ liệu lâm sàng thực tế và các dự án thương mại là không đúng theo quy định về bản quyền từ IBM.
Nhóm Commercial (Thương mại): Quy chuẩn vàng cho Y tế và Doanh nghiệp
IBM SPSS Commercial Editions là giải pháp toàn diện, được kiến tạo để đáp ứng các tiêu chuẩn khắt khe về phân tích dữ liệu quy mô lớn và bảo mật thông tin của các tập đoàn, chính phủ và các bệnh viện tuyến đầu.
| Tiêu chí cốt lõi | IBM SPSS Commercial Editions (Thương mại) | Nhóm IBM SPSS Academic (Học thuật) |
|---|---|---|
|
Định hướng ứng dụng |
Quản trị vận hành bệnh viện, phân tích y tế chuyên sâu, nghiên cứu lâm sàng thực tế. |
Tối ưu cho việc giảng dạy, học tập và nghiên cứu học thuật thuần túy tại viện đào tạo. |
|
Tính tuân thủ (Compliance) |
Đáp ứng 100% tiêu chuẩn trong các hồ sơ đấu thầu mua sắm giải pháp công nghệ thông tin y tế. |
Không hỗ trợ cấp phép cho việc xử lý dữ liệu vận hành thực tế tại các cơ sở y tế/doanh nghiệp. |
|
Kiến trúc bảo mật |
Đạt chuẩn doanh nghiệp. Đảm bảo tính toàn vẹn khi xử lý các tệp dữ liệu bệnh án nhạy cảm. |
Cơ bản, thường được thiết kế để chạy trên thiết bị cá nhân hoặc phòng máy thực hành. |
|
Khả năng mở rộng |
Linh hoạt nâng cấp các module (Base, Standard, Professional, Premium) theo định hướng phát triển của từng Khoa/Phòng. |
Đóng gói theo chuẩn cố định dành cho giáo dục |
Đối với Ban Giám đốc bệnh viện, việc đầu tư chuẩn hóa hệ thống phần mềm không chỉ là câu chuyện công cụ, mà là chiến lược quản trị rủi ro và nâng cao năng lực cạnh tranh:
Việc thiết lập một hệ thống phân tích dữ liệu lâm sàng bài bản đòi hỏi chiến lược rõ ràng và sự đồng hành của đối tác công nghệ am hiểu ngành y tế.
Là đối tác chiến lược được IBM ủy quyền phân phối và triển khai các giải pháp phần mềm cấp doanh nghiệp tại khu vực Đông Nam Á, SIFT Analytics Group đã tư vấn lộ trình nâng cấp dữ liệu thành công cho nhiều cơ sở y tế hàng đầu như: Singapore General Hospital, Bệnh viện Đại học Y Dược TP.HCM, National Cancer Centre Singapore…
Tùy thuộc vào ngân sách và lộ trình chuyển đổi số, SIFT sẽ tư vấn các mô hình đầu tư linh hoạt. Để nhận tư vấn chuyên sâu về lộ trình triển khai IBM SPSS Statistics cho Bệnh viện, Quý vị vui lòng liên hệ:
Trao đổi trực tiếp cùng chuyên gia
Khám phá những thông điệp mới nhất của chúng tôi
Theo Snowflake, hiện có hơn 13.600 trong tổng số gần 14.000 khách hàng của hãng đang sử dụng các tính năng AI hàng tuần — một con số cho thấy AI agent không còn là thử nghiệm, mà đã trở thành công cụ làm việc hàng ngày. Trong số đó, cái tên được nhắc đến nhiều nhất tại Snowflake Summit 2026 chính là Snowflake CoWork: một AI agent cá nhân, được thiết kế để bất kỳ nhân viên văn phòng nào, đặc biệt bản lãnh đạo — không cần biết SQL hay lập trình — cũng có thể tự đặt câu hỏi cho dữ liệu doanh nghiệp và nhận về hành động cụ thể, thay vì chỉ chờ 3-7 ngày cho một bản báo cáo từ nhiều phòng ban.
Vậy Snowflake CoWork thực chất là gì, hoạt động ra sao, và vì sao đây là xu hướng doanh nghiệp Việt Nam nên theo dõi ngay từ bây giờ? Bài viết này sẽ đi qua từng phần.
Snowflake CoWork là tên gọi mới của Snowflake Intelligence, được Snowflake chính thức đổi thương hiệu tại Snowflake Summit 2026. Đây là một “personal work agent” — agent làm việc cá nhân — giúp người dùng doanh nghiệp:
● Đặt câu hỏi bằng ngôn ngữ tự nhiên và nhận về báo cáo có trích dẫn nguồn dữ liệu trong vài phút, thay vì chờ đội data team xử lý. BLĐ có số liệu chính xác real-time như mong muốn để ra quyết định ngay lập tức
● Kết nối và hành động trực tiếp trên các công cụ làm việc hàng ngày như Slack, Gmail, Jira, Salesforce thông qua giao thức MCP (Model Context Protocol).
● Truy cập trên ứng dụng di động (iOS) với cùng mức kiểm soát bảo mật như trên desktop.
● Tự tạo các quy trình làm việc lặp lại (skills/automation) chỉ bằng cách mô tả và hệ thống sẽ tự làm việc cho yêu cầu
Ông Baris Gultekin, VP Product & AI của Snowflake, mô tả: “Snowflake CoWork là agent làm việc cá nhân của bạn” — kết hợp ngữ cảnh công việc với dữ liệu doanh nghiệp để đưa ra câu trả lời chất lượng cao.
Song song với CoWork, Snowflake cũng đổi tên Cortex Code thành CoCo — trợ lý dành cho lập trình viên. Điều này cho thấy chiến lược rõ ràng của Snowflake: tách biệt AI cho người dùng nghiệp vụ (CoWork) và AI cho đội kỹ thuật (CoCo).
Không chỉ là công bố trên sân khấu, CoWork đã có những ví dụ thực tế:
● Under Armour sử dụng CoWork để mở rộng khả năng tiếp cận insight dữ liệu từ cấp vận hành đến ban điều hành cấp cao.
● Viral Nation, một agency truyền thông xã hội, dùng CoWork để phân tích khối lượng lớn dữ liệu mạng xã hội phi cấu trúc, từ đó định hướng chiến lược thương hiệu và hợp tác với influencer theo thời gian thực. Theo ông Nicolas Doyen, VP Product & Data Strategy của Viral Nation, CoWork “không chỉ là BI trong doanh nghiệp, mà thực sự đang dẫn dắt cách chúng tôi ra quyết định trên toàn tổ chức.”
Về tốc độ tăng trưởng, số tài khoản sử dụng CoWork đã tăng gấp đôi chỉ trong một quý — từ khoảng 2.500 tài khoản ở Q4 FY26 lên hơn 5.000 tài khoản ở Q1 FY27.
Với các doanh nghiệp tại Việt Nam, đặc biệt trong các ngành y tế, bán lẻ, ngân hàng, sản xuất, thương mại điện tử, khoảng cách lớn nhất hiện nay không phải là thiếu dữ liệu, mà là thiếu người có thể khai thác dữ liệu đúng lúc. Đội ngũ data/BI thường quá tải với hàng loạt yêu cầu báo cáo từ các phòng ban, trong khi lãnh đạo và nhân viên nghiệp vụ lại phải chờ đợi để có câu trả lời.
Snowflake CoWork hướng đến giải quyết đúng bài toán này: đưa khả năng tự phục vụ dữ liệu (self-service analytics) đến từng nhân viên, mà vẫn đảm bảo dữ liệu nằm trong một nền tảng quản trị tập trung, tuân thủ phân quyền và chính sách bảo mật đã thiết lập — điều đặc biệt quan trọng với các ngành chịu quản lý chặt như tài chính – ngân hàng tại Việt Nam.
Tuy nhiên, để CoWork phát huy hiệu quả thực sự, doanh nghiệp cần một nền tảng dữ liệu đã được tổ chức tốt, mô hình hóa rõ ràng và có chiến lược quản trị phù hợp — đây cũng là bước mà nhiều doanh nghiệp Việt Nam còn đang trong quá trình hoàn thiện.
Snowflake CoWork đánh dấu một bước chuyển trong cách các tổ chức tiếp cận dữ liệu: từ “hỏi đội BI” sang “tự hỏi AI agent được huấn luyện trên chính dữ liệu doanh nghiệp mình”. Với tốc độ tăng trưởng người dùng nhanh và các ví dụ ứng dụng thực tế đã được ghi nhận, đây là xu hướng các doanh nghiệp Việt Nam nên chủ động tìm hiểu sớm, thay vì chờ đến khi đối thủ đã đi trước.
● Tư vấn đánh giá mức độ sẵn sàng dữ liệu (miễn phí)
● Thiết kế kiến trúc Snowflake phù hợp với hạ tầng hiện tại
● Triển khai pilot trong 4 – 6 tuần và tài trợ tài khoản sử dụng miễn phí
Country Manager – SIFT Analytics Group Vietnam
Zalo: https://zalo.me/0931045700
Email: sift-vn@sift-ag.com
Website: https://sift-ag.com/ibm-spss-vn/
Nguồn tham khảo: Snowflake.com, SiliconANGLE, TechAchieve Media (Snowflake Summit 2026 coverage).
Khám phá những thông điệp mới nhất của chúng tôi
Một trong những rào cản lớn nhất khi doanh nghiệp mở rộng quy mô ứng dụng AI agent là chi phí inference/token/credits tăng nhanh hơn dự kiến — đặc biệt khi mọi tác vụ, dù đơn giản hay phức tạp, đều được xử lý bằng cùng một mô hình AI mạnh nhất (và đắt nhất). Snowflake vừa giới thiệu một tính năng mới trong Cortex AI nhằm giải quyết đúng vấn đề này: Dynamic Model Routing.
Dynamic Model Routing là một khả năng mới trong Cortex AI Gateway, tự động chọn mô hình phù hợp và tiết kiệm chi phí nhất cho từng tác vụ trong quá trình agent thực thi — thay vì mặc định dùng các mô hình frontier (mạnh và đắt nhất) cho mọi yêu cầu và không bị lock-in vào bất kỳ vendor AI nào. Thay vì doanh nghiệp dùng rất nhiều loại GPT, Gemini, Claude…trên nhiều nền tảng thì Snowflake có tất cả và hiểu cách tối ưu chi phí.
Ý tưởng cốt lõi mà Snowflake gọi là “intelligence efficiency”: không phải tác vụ nào cũng cần mô hình AI mạnh nhất. Việc tạo một bản tóm tắt trạng thái đơn giản và việc tổng hợp phân tích rủi ro danh mục đầu tư phức tạp rõ ràng đòi hỏi mức độ “thông minh” rất khác nhau — nhưng nhiều doanh nghiệp vẫn đang trả cùng một mức chi phí cho cả hai.
● Theo mô tả từ Snowflake, hệ thống sẽ:
● Tự động định tuyến các tác vụ đơn giản, lặp lại tới các mô hình hiệu quả về chi phí, trong khi vẫn chuyển các tác vụ đòi hỏi suy luận phức tạp tới mô hình frontier.
● Chỉ hoạt động trong phạm vi các mô hình đã được quản trị viên phê duyệt — đảm bảo tuân thủ chính sách quản trị nội bộ.
● Tôn trọng các ràng buộc về data residency và compliance đã thiết lập.
● Ghi log lại từng quyết định định tuyến, phục vụ minh bạch và audit trail.
Nói cách khác, đội ngũ kỹ thuật không cần tự tay quyết định “tác vụ này nên dùng model nào” cho từng use case — Cortex AI Gateway sẽ tự tối ưu, trong khi vẫn nằm trong khuôn khổ bảo mật và quản trị dữ liệu đã cấu hình.
Tính năng này mở rộng khả năng lựa chọn mô hình cho doanh nghiệp, bao gồm cả các mô hình mã nguồn mở:
● DeepSeek-V4-Flash 0731 (private preview) — đạt 74,4% trên bộ benchmark ADE-bench, vượt qua một số mô hình độc quyền được thử nghiệm.
● GLM-5.3 (sắp ra mắt) — kế thừa độ chính xác cao trong tác vụ data engineering của GLM-5.2 (66% trên ADE-bench), với mức tiêu thụ token thấp nhất.
Trên thực tế, danh mục mô hình mà Cortex AI hỗ trợ hiện đã lớn hơn nhiều so với hai cái tên trên — đây cũng là “nguyên liệu” để Dynamic Model Routing có nhiều lựa chọn để định tuyến. Theo tài liệu Snowflake, danh mục này bao gồm cả mô hình đóng (proprietary) lẫn mã nguồn mở, từ nhiều nhà cung cấp:
● Anthropic — dòng Claude Opus và Claude Sonnet (bao gồm các phiên bản mới nhất), Claude Haiku cho các tác vụ cần tốc độ/chi phí thấp.
● OpenAI — dòng GPT-5 (gồm cả các bản mini/nano tối ưu chi phí) và GPT-4.1.
● Google — Gemini 3, được Snowflake tích hợp trực tiếp (native) vào Cortex AI từ đầu năm 2026 trong khuôn khổ mở rộng hợp tác với Google Cloud.
● Meta — dòng Llama, gồm Llama 4 Maverick và các bản Llama 3.x.
● Mistral AI — Mistral Large và các phiên bản Mixtral/Mistral nhỏ hơn.
● DeepSeek và GLM (Zhipu AI) — như đã đề cập ở trên.
● Snowflake Arctic — dòng mô hình embedding và trích xuất dữ liệu (arctic-embed, arctic-extract) do chính Snowflake phát triển, phục vụ các tác vụ tìm kiếm ngữ nghĩa và xử lý văn bản trong nội bộ nền tảng.
Điểm đáng chú ý là danh mục này liên tục được cập nhật — Snowflake bổ sung mô hình mới gần như mỗi quý — nên lợi ích thực sự của Dynamic Model Routing không chỉ nằm ở việc “có nhiều lựa chọn”, mà ở chỗ doanh nghiệp không phải tự theo dõi và cấu hình lại ứng dụng mỗi khi danh mục thay đổi, không bị lock-in vào 1 vendor.
Theo dữ liệu Snowflake công bố:
● Hiệu quả sử dụng token tăng tới gấp 3 lần đối với các workload xử lý data pipeline.
● Giảm 25% số lượng token cần thiết cho các tác vụ liên quan đến coding.
● Chất lượng đầu ra tương đương với cách tiếp cận chỉ dùng mô hình frontier cho mọi tác vụ.
● Không cần rebuild ứng dụng khi mô hình nền tảng được cải tiến hoặc thay thế.
● Giảm đáng kể chi phí sử dụng AI
Với các doanh nghiệp Việt Nam đang trong giai đoạn thử nghiệm hoặc mở rộng AI agent — từ chatbot nội bộ, trợ lý phân tích dữ liệu, đến tự động hóa quy trình — chi phí inference thường là yếu tố quyết định việc dự án có mở rộng được ra toàn công ty hay mãi dừng ở mức pilot. Việc tối ưu “mô hình nào dùng cho tác vụ nào” theo cách thủ công đòi hỏi năng lực kỹ thuật và thời gian mà không phải đội ngũ nào cũng có sẵn.
Dynamic Model Routing đưa phần tối ưu này về phía nền tảng, giúp doanh nghiệp:
● Kiểm soát chi phí AI tốt hơn khi mở rộng quy mô sử dụng, thay vì chi phí tăng tuyến tính theo số lượng yêu cầu.
● Vẫn giữ được quyền kiểm soát: chỉ những mô hình được phê duyệt mới được sử dụng, phù hợp với các ngành có yêu cầu tuân thủ chặt như y tế, ngân hàng, tài chính, bảo hiểm tại Việt Nam.
● Có thêm lựa chọn giữa mô hình đóng và mô hình mở, tránh phụ thuộc hoàn toàn vào một nhà cung cấp AI duy nhất.
Dynamic Model Routing cho thấy hướng đi rõ ràng của Snowflake: AI agent trong doanh nghiệp không chỉ cần “thông minh”, mà còn cần “thông minh đúng chỗ, đúng chi phí”. Đây là yếu tố các doanh nghiệp Việt Nam nên đưa vào tiêu chí đánh giá khi lựa chọn nền tảng AI/dữ liệu, đặc biệt khi bài toán không chỉ dừng ở việc chạy thử một use case, mà là mở rộng AI ra toàn tổ chức mà vẫn kiểm soát được ngân sách.
● Tư vấn đánh giá mức độ sẵn sàng dữ liệu (miễn phí)
● Thiết kế kiến trúc Snowflake phù hợp với hạ tầng hiện tại
● Triển khai pilot trong 4 – 6 tuần và tài trợ tài khoản sử dụng miễn phí
Liên hệ đội ngũ SIFT:
ThS. Phan Thị Thu Thùy
Country Manager – SIFT Analytics Group Vietnam
Zalo: https://zalo.me/0931045700
Email: sift-vn@sift-ag.com
Website: https://sift-ag.com/ibm-spss-vn/
Nguồn tham khảo: Snowflake.com/blog (Dynamic Model Routing with Open Models in Cortex AI); Snowflake Documentation — Models and regional availability for Cortex AI Functions; TechTarget — Snowflake boosts Google partnership, integrates Gemini 3.
Khám phá những thông điệp mới nhất của chúng tôi
