Dữ liệu doanh nghiệp có thể trở thành dữ liệu nghiên cứu như thế nào?

Doanh nghiệp thường có rất nhiều dữ liệu: báo cáo vận hành, phản hồi khách hàng, kết quả bán hàng, tài liệu nội bộ, quy trình, biên bản họp, khảo sát nhân sự, dữ liệu đào tạo hoặc hồ sơ dự án. Với nhà lãnh đạo, đây là lợi thế lớn khi làm DBA, vì nghiên cứu không phải bắt đầu từ một bối cảnh xa lạ. Tuy nhiên, dữ liệu doanh nghiệp không tự động trở thành dữ liệu nghiên cứu. Nó cần được lựa chọn, xử lý và diễn giải theo một cách có phương pháp.

Dữ liệu quản trị khác với dữ liệu nghiên cứu

Trong doanh nghiệp, dữ liệu thường được dùng để ra quyết định nhanh. Một báo cáo doanh thu giúp điều chỉnh chiến dịch bán hàng. Một khảo sát nhân sự giúp phòng nhân sự cải thiện chính sách. Một chỉ số vận hành giúp lãnh đạo biết bộ phận nào đang gặp vấn đề. Cách dùng này rất thực tế, nhưng chưa đủ cho nghiên cứu Tiến sĩ.

Dữ liệu nghiên cứu cần trả lời một câu hỏi rõ ràng. Người học không chỉ lấy dữ liệu vì dữ liệu đang có sẵn, mà cần hỏi: dữ liệu này giúp hiểu vấn đề nghiên cứu như thế nào, có đáng tin không, có đầy đủ không, có thiên lệch không, và có phù hợp với phương pháp đã chọn không. Một bộ dữ liệu nội bộ có thể rất hữu ích cho điều hành, nhưng nếu không liên quan trực tiếp đến câu hỏi nghiên cứu, nó vẫn có thể không phù hợp cho luận án.

Không phải dữ liệu nào cũng được sử dụng

Một điểm cần đặc biệt thận trọng là quyền sử dụng dữ liệu. Dữ liệu doanh nghiệp có thể liên quan đến khách hàng, nhân sự, tài chính, chiến lược, đối tác hoặc thông tin cạnh tranh. Người học không thể đưa các dữ liệu này vào luận án chỉ vì mình là lãnh đạo hoặc người sở hữu doanh nghiệp.

Nghiên cứu cần tuân thủ các nguyên tắc về đạo đức, bảo mật, đồng thuận và ẩn danh khi cần thiết. Israel và Hay (2006) nhấn mạnh rằng đạo đức nghiên cứu trong khoa học xã hội không chỉ là thủ tục, mà liên quan trực tiếp đến trách nhiệm của người nghiên cứu với những người và tổ chức tham gia vào nghiên cứu. Với DBA, điều này càng quan trọng vì ranh giới giữa vai trò lãnh đạo và vai trò nghiên cứu sinh đôi khi rất gần nhau.

Dữ liệu cần được đặt trong bối cảnh

Một con số trong doanh nghiệp hiếm khi tự nói đủ. Doanh thu giảm có thể do thị trường, sản phẩm, đội ngũ bán hàng, chính sách giá hoặc thay đổi hành vi khách hàng. Tỷ lệ nghỉ việc tăng có thể liên quan đến văn hoá, lương thưởng, lãnh đạo trực tiếp, áp lực công việc hoặc cơ hội bên ngoài. Vì vậy, dữ liệu doanh nghiệp cần được đọc trong bối cảnh.

Đây là lý do nhiều luận án DBA phù hợp với nghiên cứu tình huống, phỏng vấn sâu, phân tích tài liệu hoặc phương pháp hỗn hợp. Người học có thể kết hợp dữ liệu định lượng với dữ liệu định tính để hiểu không chỉ “điều gì xảy ra”, mà còn “vì sao điều đó xảy ra”. Miles, Huberman và Saldaña (2014) cho rằng phân tích dữ liệu định tính đòi hỏi quá trình tổ chức, mã hoá, rút mẫu hình và kiểm tra diễn giải một cách có hệ thống. Với dữ liệu doanh nghiệp, sự hệ thống này giúp người học tránh kết luận quá nhanh từ những gì mình đã quen nhìn thấy.

DBA Bespoke™ và năng lực đọc dữ liệu của người trong cuộc

Trong hệ sinh thái SwissEdu⁺, DBA Bespoke™ có thể hỗ trợ người học ở một điểm rất thực tế: biến dữ liệu doanh nghiệp thành dữ liệu nghiên cứu có thể sử dụng. Điều này không chỉ là thu thập tài liệu. Người học cần xác định dữ liệu nào liên quan đến câu hỏi nghiên cứu, dữ liệu nào cần loại bỏ, dữ liệu nào cần bổ sung và dữ liệu nào không nên sử dụng vì lý do bảo mật hoặc đạo đức.

Một lộ trình thiết kế riêng có giá trị khi giúp nhà lãnh đạo giữ được lợi thế người trong cuộc, nhưng không để lợi thế đó biến thành thiên lệch. Người học hiểu doanh nghiệp của mình, nhưng vẫn cần phương pháp để kiểm tra cách hiểu đó.

Kết luận

Dữ liệu doanh nghiệp có thể trở thành nền tảng rất tốt cho luận án DBA, nhưng chỉ khi được chuyển hoá thành dữ liệu nghiên cứu đúng cách. Người học cần biết dữ liệu nào phù hợp, dữ liệu nào có thể sử dụng, dữ liệu nào cần bảo vệ và dữ liệu đó trả lời câu hỏi nghiên cứu ra sao. Với nhà lãnh đạo, đây là một bước quan trọng: không chỉ dùng dữ liệu để điều hành tốt hơn, mà dùng dữ liệu để tạo ra tri thức có thể phản biện, chia sẻ và tiếp tục phát triển sau luận án.

Tài liệu tham khảo

Israel, M., & Hay, I. (2006). Research ethics for social scientists. SAGE Publications.

Miles, M. B., Huberman, A. M., & Saldaña, J. (2014). Qualitative data analysis: A methods sourcebook (3rd ed.). SAGE Publications.