Applied Data Studies - Nghiên cứu Dữ liệu Ứng dụng

  • Home
  • Vietnam
  • Hanoi
  • Applied Data Studies - Nghiên cứu Dữ liệu Ứng dụng

Applied Data Studies - Nghiên cứu Dữ liệu Ứng dụng Giữa một Facebook ồn ào và hời hợt, đây là nơi một giảng viên Kinh tế kiên trì chia sẻ nghiên cứu nghiêm túc về ứng dụng dữ liệu.
(1)

12 TUỔI ĐÃ LÀM DATA SCIENTIST, MỌI THỨ BẮT ĐẦU TỪ VIỆC TÒ MÒ HƠN NGƯỜI KHÁC MỘT CHÚTNhân ngày Quốc tế Thiếu nhi 1/6, tha...
01/06/2026

12 TUỔI ĐÃ LÀM DATA SCIENTIST, MỌI THỨ BẮT ĐẦU TỪ VIỆC TÒ MÒ HƠN NGƯỜI KHÁC MỘT CHÚT

Nhân ngày Quốc tế Thiếu nhi 1/6, thay vì chỉ chúc các em nhỏ chăm ngoan học giỏi như mọi năm, hôm nay chúng ta thử nói về một thiếu nhi rất đặc biệt trong thế giới công nghệ và dữ liệu: Pilli Siddharth Srivatsav.

👳Đây là một cậu bé đến từ Ấn Độ, người được truyền thông gọi là Data Scientist trẻ nhất châu Á khi mới 12 tuổi. Nghe đến đây có lẽ nhiều người sẽ phải dừng lại vài giây để kiểm tra xem mình có đọc nhầm không,

💻Câu chuyện của Siddharth bắt đầu từ một thứ rất quen thuộc với nhiều đứa trẻ đó là trò chơi điện tử. Khi còn nhỏ, cậu cũng thích chơi game như bao bạn bè cùng trang lứa. Tuy nhiên, điểm khác biệt là bố của Siddharth, vốn là một kỹ sư phần mềm, nhận ra rằng con trai mình không chỉ đơn giản là chơi game cho vui. Cậu có khả năng quan sát, xử lý logic và hiểu cơ chế vận hành của trò chơi một cách rất nhanh, điều khá hiếm gặp ở một đứa trẻ mới 7 tuổi.

👨‍🍼Bố của Siddharth đã nhìn thấy một tín hiệu đặc biệt và bắt đầu dạy cậu những kiến thức lập trình cơ bản. Có thể nói, đây là một ví dụ rất thú vị cho thấy đôi khi niềm yêu thích công nghệ không bắt đầu từ những lớp học quá nghiêm túc, mà bắt đầu từ chính sự tò mò rất tự nhiên của trẻ nhỏ.

⭐Điều khiến câu chuyện này càng đáng kinh ngạc hơn là tốc độ học của Siddharth. Theo chia sẻ của bố cậu, Siddharth có khả năng học một chương trình máy tính chỉ trong vài ngày.

📌Đến năm 9 tuổi, cậu đã học được ngôn ngữ lập trình C.
📌Sau đó, Siddharth tiếp tục học thêm Python, Java, HTML, SQL và nhiều công cụ khác.
📌Không chỉ dừng lại ở việc biết viết code, cậu còn thành thạo các kỹ năng liên quan đến Exploratory Data Analysis
📌Xây dựng mô hình Machine Learning và phát triển các chương trình máy tính phức tạp

💼 Ở tuổi 12, Siddharth được Montaigne Smart Business Solutions phỏng vấn và nhận vào làm việc với vai trò Data Scientist. Đây chính là cột mốc khiến cậu được gọi là Data Scientist trẻ nhất châu Á.

💼 Sau đó, cậu tiếp tục làm việc tại Infinity Learn, một công ty công nghệ giáo dục, đồng thời tham gia các dự án freelance liên quan đến bot và giải pháp trí tuệ nhân tạo cho một công ty tư vấn tài chính và chứng khoán tại Mỹ.

💼 Không dừng lại ở đó, Siddharth còn tham gia dự án về Deep Learning và Computer Vision trong lĩnh vực nông nghiệp cùng IIT-Hyderabad, và từng được chính quyền Telangana tiếp cận để tham gia một dự án phát hiện sớm động đất

Với những người làm trong lĩnh vực dữ liệu, câu chuyện của Siddharth cũng gợi ra một suy nghĩ rất đáng chú ý đó là Data Science không bắt đầu từ sự yêu thích thuật toán, mà bắt đầu từ sự tò mò của bản thân.

💞Nhân ngày Quốc tế Thiếu nhi, có lẽ lời chúc ý nghĩa nhất không chỉ là chúc các em nhỏ học giỏi, mà là chúc các em luôn giữ được sự tò mò, sự ham khám phá và sự dũng cảm để thử những điều mới. Còn với người lớn chúng ta, đặc biệt là những người đang học hoặc làm trong ngành Data, có lẽ cũng nên giữ lại một chút tinh thần “thiếu nhi” trong cách học: dám hỏi, dám thử, không sợ sai và không ngại bắt đầu lại từ đầu.

👩‍👧‍👦Biết đâu các Data Scientist tiếp theo không bắt đầu từ một khóa học đắt tiền hay một roadmap dài 200 bước. Biết đâu hành trình ấy bắt đầu từ một đứa trẻ đang chơi game, nhìn vào màn hình

📈 Cuốn Sách Này Giúp Dân Kinh Tế Tiếp Cận Vận Trù Học Mà Không Bị “Ngợp” (Nơi mua ở cmt) Bạn muốn tối ưu hóa chi phí vận...
31/05/2026

📈 Cuốn Sách Này Giúp Dân Kinh Tế Tiếp Cận Vận Trù Học Mà Không Bị “Ngợp”

(Nơi mua ở cmt)

Bạn muốn tối ưu hóa chi phí vận chuyển? Bạn muốn phân bổ nguồn lực doanh nghiệp sao cho lợi nhuận tối đa hoá ? Khi đó Đại số tuyến tính - nền tảng cốt lõi của Vận trù học (Operations Research) sẽ giúp bạn làm điều đó

Nhưng nghe đến "Toán cao cấp", có phải bạn lại thấy tiền đình? Đừng lo, cuốn sách huyền thoại của Thầy Lê Đình Thúy (Nguyên Trưởng Bộ môn Toán Cơ bản - ĐH Kinh tế Quốc dân) chính là cứu cánh dành riêng cho bạn!

✨ Tại sao cuốn sách này lại nhẹ nhàng đến thế?
Không giống như các giáo trình thuần toán đầy rẫy những chứng minh không gian trừu tượng, cuốn "Toán cao cấp cho các nhà kinh tế - Phần 1: Đại số tuyến tính" được tinh chỉnh 100% cho dân kinh doanh và quản lý

📚Lộ trình 5 chương cực kỳ logic:

📌Chương 1: Tập hợp, quan hệ và lôgic suy luận (Tư duy nền tảng).

📌Chương 2 & 3: Không gian vectơ, Ma trận & Định thức

📌Chương 4: Hệ phương trình tuyến tính (Mô hình hóa các bài toán trong thực tế).

📌 Chương 5: Dạng toàn phương

Học đi đôi với hành: Phiên bản mới này đã được bổ sung hệ thống bài tập thực hành ngay sau mỗi bài giảng lý thuyết, giúp bạn "vừa học vừa ngấm" chứ không lo quên bài.

💡 Góc bật mí: Nếu bạn đang muốn lấn sân sang mảng Tối ưu vận hành, Phân tích dữ liệu hay chỉ đơn giản là muốn qua môn Toán cao cấp tại NEU một cách mượt mà, thì đây là cuốn sách gối đầu giường bắt buộc phải có!

📦 Thông tin thêm cho bạn nào cần
Tác giả: Lê Đình Thúy (Giảng viên gạo cội Khoa Toán Kinh tế NEU từ năm 1975)
NXB: Đại học Kinh tế Quốc dân
Hình thức: Bìa mềm, 306 trang (Khổ 14,5 x 20,5 cm gọn nhẹ, dễ mang theo đi cafe học tập)

⭐Wayne Winston - Nếu bạn chưa đọc sách của ông thì coi như bạn chưa biết gì về Vận Trù Học (Hồ sơ học thuật - Phần 14)Bạ...
31/05/2026

⭐Wayne Winston - Nếu bạn chưa đọc sách của ông thì coi như bạn chưa biết gì về Vận Trù Học (Hồ sơ học thuật - Phần 14)

Bạn chắc từng nghĩ Operations Research (Vận Trù Học) hay Khoa học ra quyết định (Decision Sciences) chỉ là những lý thuyết khô khan nằm trên giảng đường đại học, thì hành trình cuộc đời của Giáo sư Emeritus Wayne Winston sẽ hoàn toàn thay đổi định kiến đó.

🏆Bởi vì ông đã đem kiến thức OR và Excel từ giảng đường của Đại học Indiana (IU) cho đến chiếc cúp vô địch NBA danh giá, từ phòng làm việc của Bill Gates tại Microsoft cho đến những chiến lược quân sự của Quân đội Hoa Kỳ dấu ấn của Wayne Winston dường như hiện hữu ở khắp mọi nơi.

📚Huyền thoại đứng sau những cuốn "Kinh thánh" về Vận Trù Học và Excel

Mọi cử nhân, thạc sĩ hay chuyên gia trong ngành Vận Trù Học đều ít nhất một lần nghe danh hoặc lật mở những trang sách của Wayne Winston. Sở hữu tấm bằng Cử nhân Toán học tại M.I.T và Tiến sĩ Vận Trù Học tại Đại học Yale, ông là tác giả của hơn một chục cuốn sách kinh điển, bao gồm:

📌Operations Research (Cuốn sách gối đầu giường của bất kỳ ai muốn bước chân vào Vận Trù Học)

📌Practical Management Science

📌Excel Data Analysis and Business Modeling (Bộ sách được chính Microsoft "chọn mặt gửi vàng")

📌Marketing Analytics và Mathletics

✅ Tầm ảnh hưởng của ông lớn đến mức Microsoft phải tin tưởng giao cho ông trọng trách biên soạn toàn bộ sách hướng dẫn Excel cấp độ Trung và Cao cấp.

✅ Thậm chí, Đại học Harvard (Harvard Business School Publishing) cũng phải "xếp hàng" nhờ ông thiết kế toàn bộ chương trình học và tài liệu mô phỏng trên spreadsheet cho họ.

🏫Người thầy vĩ đại với hơn 40 giải thưởng giảng dạy

Trong suốt 38 năm cống hiến tại Trường Kinh doanh Kelley thuộc Đại học Indiana, Giáo sư Wayne Winston không chỉ nghiên cứu mà còn là một phù thủy truyền cảm hứng trên bục giảng.

Ông đã xuất sắc giành hơn 40 giải thưởng giảng dạy lớn nhỏ, trong đó có tới 6 lần ẵm giải thưởng danh giá Top MBA Teaching Award.

🥇Từ nhà vô địch "Jeopardy!" đến bộ não đứng sau chức vô địch NBA của Dallas Mavericks

Học thuật đỉnh cao là vậy, nhưng cuộc đời của Wayne Winston còn ly kỳ hơn một bộ phim điện ảnh. Ông từng là nhà vô địch 2 lần liên tiếp tại Jeopardy! – show truyền hình trí tuệ nổi tiếng và thách thức nhất nước Mỹ.

Chính sự xuất hiện đầy ấn tượng trên TV năm đó đã khiến tỷ phú Mark Cuban – một cựu sinh viên từng học lớp của ông tại Indiana University ngay lập tức nhớ ra người thầy thiên tài của mình. Mark Cuban đã trải thảm đỏ mời Giáo sư Winston về làm cố vấn phân tích số liệu cầu thủ (Player Analytics) cho đội bóng rổ Dallas Mavericks.

✅ Kết quả? Những thuật toán tối ưu và mô hình phân tích của ông đã góp công lớn đưa Dallas Mavericks bước lên đỉnh vinh quang, trở thành Nhà vô địch NBA vào năm 2011.

Không dừng lại ở thể thao, tư duy Vận Trù Học của ông còn được săn đón bởi các tập đoàn sừng sỏ nhất thế giới và các tổ chức chính phủ như: Cisco, Eli Lilly, Pfizer, Verizon, Microsoft, Ford, 3M, GM, và cả Bộ Hải quân lẫn Lục quân Hoa Kỳ.

Vận Trù Học dưới góc nhìn của Wayne Winston đúng chất là nghệ thuật tối ưu hóa cuộc sống, là công cụ để các ông lớn xoay chuyển vận hành và cũng là vũ khí để một đội bóng chạm tay vào chiếc cúp vô địch.

⭐ Lưu về ngay bài giảng miễn phí về Vận Trù Học, Tối Ưu Tuyến Tính từ giáo sư đầu ngành cho dân Data(Học cùng chuyên gia...
30/05/2026

⭐ Lưu về ngay bài giảng miễn phí về Vận Trù Học, Tối Ưu Tuyến Tính từ giáo sư đầu ngành cho dân Data

(Học cùng chuyên gia - Phần 20, bài giảng dưới cmt)

Nếu bạn muốn hiểu cách doanh nghiệp hiện đại tối ưu chi phí, phân bổ nguồn lực và ra quyết định bằng dữ liệu, thì chuỗi bài giảng miễn phí về Linear Optimization này là một điểm khởi đầu cực kỳ đáng giá.

💎 Giảng Viên Đứng Sau Khóa Học

Khóa học được giảng dạy bởi Phó Giáo sư Alberto Del Pia tại Đại học Wisconsin-Madison (Mỹ) – chuyên gia đầu ngành thuộc Nhóm Tối ưu hóa và Trung tâm Khoa học Dữ liệu. Thầy có bằng Tiến sĩ Toán học (Đại học Padova), từng nghiên cứu tại ETH Zürich và IBM Research. Thầy sở hữu hàng loạt giải thưởng danh giá như Egon Balas Prize 2023 và INFORMS Computing Society Prize 2023.

📚 Bạn Sẽ Học Được Gì?

📌Mô hình hóa bài toán: Biến bài toán vận hành thực tế thành hàm mục tiêu và hệ ràng buộc toán học.

📌Tối ưu hóa số nguyên (Integer Programming): Giải quyết các bài toán có biến số nguyên như nhân lực, số xe (giống bài toán lập lịch trong ảnh).

📌Nền tảng chắc chán: Hiểu sâu về tập lồi, đa diện và các nền tảng quan trọng về toán học và thuật toán trong vận trù học

Học liệu chuẩn Mỹ, hoàn toàn miễn phí, giúp DA/DS nâng tầm tư duy giải quyết vấn đề và ra quyết định dựa trên dữ liệu

Có thể nói đây là con ghẻ trong các ngách liên quan đến phân tích dữ liệu, thậm chí khéo nhiều người còn chưa nghe đến t...
30/05/2026

Có thể nói đây là con ghẻ trong các ngách liên quan đến phân tích dữ liệu, thậm chí khéo nhiều người còn chưa nghe đến tên nó 😀

💸Cách Linear Programming quyết định doanh nghiệp nên đầu tư vào đâu từ ngân sách hữu hạn(Vận trù học - Phần 4, code ví d...
29/05/2026

💸Cách Linear Programming quyết định doanh nghiệp nên đầu tư vào đâu từ ngân sách hữu hạn

(Vận trù học - Phần 4, code ví dụ ở dưới cmt)

Bạn có một nguồn vốn giới hạn, nhưng trước mắt lại có quá nhiều cơ hội đầu tư béo bở ? Làm sao để chọn được những dự án mang lại giá trị lớn nhất mà không làm vượt quá ngân sách qua từng giai đoạn ?

⭐ Đó chính là bài toán Capital Budgeting (Lập ngân sách vốn) kinh điển trong tài chính doanh nghiệp. Hôm nay, hãy cùng Page tìm hiểu cách Quy hoạch tuyến tính giải quyết bài toán chọn dự án của Công ty Dầu khí Star Oil nhé

🔹 Bối cảnh bài toán:

Star Oil đang đứng trước 5 cơ hội đầu tư khác nhau. Điểm đặc biệt là dòng tiền outflow (chi phí đổ vào) sẽ chia làm 2 giai đoạn: đầu tư ngay bây giờ (Thời điểm 0) và đầu tư ở năm sau (Thời điểm 1).

Ngân sách của Star Oil có giới hạn:
📌Thời điểm 0: Tối đa $40 triệu.
📌Thời điểm 1: Tối đa $20 triệu.
(Lưu ý: Tiền thừa ở Thời điểm 0 không được cộng dồn sang Thời điểm 1).

📸 Bảng số liệu chi tiết (Đơn vị: Triệu USD) và mô hình LP các bạn có thể xem trong ảnh

✅ Mục tiêu: Tìm tỷ lệ đầu tư vào mỗi dự án để Tổng NPV đạt giá trị cao nhất. Giả định ban đầu: Công ty có thể mua một phần của dự án

🎯 Kết quả tối ưu & Bài học thực tế
Sau khi chạy mô hình toán học, chúng ta thu được kết quả tối ưu "đẹp như mơ":

📌Mua 100%: Dự án 1, Dự án 3 và Dự án 4 (x1 = x3 = x4 = 1)
📌Mua 20.1%: Dự án 2 (x2 = 0.201)
📌Mua 28.8%: Dự án 5 (x5 = 0.288)

⭐Tổng NPV tối ưu cực đại đạt được: $57.449 triệu.

💡 Góc nhìn chuyên gia: Lỗ hổng của Giả định phân số ?

Trong thực tế, bài toán trên đang áp dụng giả định về việc bạn có thể mua một phần cơ hội đầu tư nào đó, nhưng đời không như là mơ !

❌Hãy tưởng tượng bạn chi 6 triệu USD để khoan... nửa cái giếng dầu sâu 12 triệu USD. Kết quả là bạn chẳng thu được giọt dầu nào và mất trắng 6 triệu USD đó.

Việc giảm 50% vốn không có nghĩa là bạn nhận lại được 50% hiệu quả.Vì vậy, đối với các dự án mang tính "All or Nothing" (Được ăn cả, ngã về không), các kỹ sư tài chính sẽ chuyển sang một công cụ nâng cao hơn: Integer Programming (Quy hoạch nguyên), nơi biến quyết định chỉ có thể nhận giá trị bằng 0 (Không đầu tư) hoặc 1 (Đầu tư toàn bộ).

Nguồn: Operations Research Applications and Algorithms của Wayne L.Winston

👥Hãy nhìn cách Linear Programming đã giải quyết bài toán nhân sự kinh điển của hàng triệu doanh nghiệp ra sao ? (Vận trù...
28/05/2026

👥Hãy nhìn cách Linear Programming đã giải quyết bài toán nhân sự kinh điển của hàng triệu doanh nghiệp ra sao ?

(Vận trù học - Phần 2, code ví dụ ở dưới cmt)

👨‍💼 Quản lý nhân sự chưa bao giờ là việc dễ dàng, đặc biệt là bài toán xếp lịch làm việc (Work-Scheduling Problem). Làm sao để vừa đáp ứng đủ người cho những ngày cao điểm, vừa không lãng phí quỹ lương vào ngày thấp điểm và lại phải đúng luật lao động?

Hôm nay, hãy cùng page mình mổ xẻ một bài toán kinh điển trong vận hành: Bài toán nhân sự tại Bưu điện.

👉 Thử thách đặt ra là gì?

📌Một bưu điện có nhu cầu nhân sự thay đổi theo từng ngày trong tuần (ví dụ: Thứ Năm cần tới 19 người, nhưng Chủ Nhật chỉ cần 11 người).

📌 Quy định của công đoàn: Mỗi nhân viên toàn thời gian phải làm việc 5 ngày liên tiếp và nghỉ 2 ngày.

📌 Mục tiêu: Tìm ra tổng số nhân viên tối thiểu cần tuyển để tiết kiệm chi phí nhất.

❌ Cái bẫy đối với các nhà quản lý

📌 Nhiều người sẽ nghĩ ngay đến việc: “Thứ Hai cần 17 người, Thứ Ba cần 13 người... cứ xếp đủ số người cho ngày đó rồi cộng tổng lại là xong! Nhưng thực tế là bạn sẽ thất bại ngay lập tức vì hai lý do:

❌Đếm trùng: Một nhân viên đi làm vào thứ Hai sẽ tiếp tục làm đến thứ Sáu. Nếu bạn tính họ riêng lẻ cho từng ngày, bạn đang đếm một người tận... 5 lần!

❌ Ràng buộc phức tạp: Số người đi làm ngày hôm nay phụ thuộc chặt chẽ vào việc có bao nhiêu người đã đi làm từ những ngày trước đó.

💡 Bí mật nằm ở góc nhìn và cách mô hình hoá bài toán

Để giải quyết tận gốc, các chuyên gia Vận trù học (Operations Research) không đếm số người đi làm mỗi ngày. Họ đếm: Có bao nhiêu người BẮT ĐẦU tuần làm việc của họ vào ngày đó để mô hình hoá

❓Ví dụ như để trả lời câu hỏi Ai sẽ là người đi làm vào ngày Thứ Hai ?

👉 Đó sẽ là tổng của những người bắt đầu đi làm vào: Thứ Hai, Thứ Năm, Thứ Sáu, Thứ Bảy và Chủ Nhật. (Chỉ có những người bắt đầu vào Thứ Ba và Thứ Tư là được nghỉ ngày Thứ Hai).

Từ thay đổi tư duy này, bài toán được đưa về dạng Quy hoạch tuyến tính (Linear Programming) để máy tính tìm ra đáp án tối ưu nhất với ràng buộc số lượng nhân sự tối thiểu của từng ngày. Các bạn xem rõ hơn trong ảnh, hoặc code ví dụ ở cmt

🎯 Lưu ý đừng "Làm tròn" bừa bãi!

Khi giải bằng thuật toán thông thường, máy tính có thể cho ra kết quả kiểu... cần 3.3 người bắt đầu vào Thứ Hai". Vì không thể cắt đôi một con người, xu hướng thông thường là làm tròn lên.

Tuy nhiên, trong quản trị vận hành, việc làm tròn thủ công thường dẫn đến kết quả sai lệch. Các chuyên gia phải dùng đến Quy hoạch nguyên (Integer Programming) để ép các biến số thành số nguyên.

Kết quả tối ưu cuối cùng là 23 nhân viên với lịch trình chi tiết (ví dụ: 4 người bắt đầu vào Thứ Hai, 6 người vào Thứ Năm,...). Không thừa, không thiếu một ai!

🤝 Bài toán "Thấu tình đạt lý" – Giữ chân nhân viên
Nhìn vào kết quả trên, những nhân viên có lịch bắt đầu vào Thứ Bảy sẽ rất ấm ức vì họ không bao giờ được nghỉ cuối tuần.

Để giải quyết bài toán lòng người, bưu điện đã áp dụng phương pháp Xoay tua lịch trình (Schedule Rotation) theo chu kỳ 23 tuần. Tuần này bạn làm ca Thứ Hai, tuần sau bạn chuyển sang ca Thứ Ba... Kết quả là sau 23 tuần, tất cả nhân viên đều được hưởng số ngày nghỉ cuối tuần công bằng như nhau!

🚀 Ứng dụng thực tế: Từ Bưu điện đến các Doanh nghiệp

Bài toán này không chỉ nằm trên giấy thuyết. Ngân hàng Ohio National Bank từng dùng mô hình này để xếp lịch cho giao dịch viên xử lý séc, giúp họ tối ưu hóa chi phí giữa nhân viên full-time, part-time và giờ làm thêm (overtime). Các chuỗi thức ăn nhanh (Fast-food) hay siêu thị lớn hiện nay đều dùng thuật toán này để vận hành.

Nguồn: Operations Research Applications and Algorithms của Wayne L.Winston

📊 Linear Programming - cách các doanh nghiệp lớn biến nguồn lực giới hạn thành lợi nhuận tối đaBạn có bao giờ tự hỏi vì ...
27/05/2026

📊 Linear Programming - cách các doanh nghiệp lớn biến nguồn lực giới hạn thành lợi nhuận tối đa

Bạn có bao giờ tự hỏi vì sao hãng hàng không có thể sắp xếp hàng nghìn chuyến bay mỗi ngày? Tại sao các nhà máy biết nên sản xuất bao nhiêu sản phẩm để vừa tối đa lợi nhuận vừa không vượt quá nguồn lực ?

Đằng sau rất nhiều hệ thống như vậy là một phương pháp có tên là Linear Programming (Quy hoạch tuyến tính). Đây là một trong những nền tảng quan trọng nhất của Operations Research, Supply Chain, Logistics, Data Analytics và Optimization.

👉 Hiểu đơn giản, Linear Programming là phương pháp giúp tìm ra phương án tốt nhất khi nguồn lực bị giới hạn hay ở những ràng buộc cụ thể

⭐ Ví dụ, một công ty sản xuất hai loại đồ chơi bằng gỗ: lính gỗ và tàu gỗ. Mỗi sản phẩm mang lại mức lợi nhuận khác nhau, tiêu tốn lượng nguyên vật liệu khác nhau và cần số giờ lao động khác nhau để hoàn thành. Tuy nhiên, công ty chỉ có một lượng thời gian sản xuất hữu hạn mỗi tuần

Câu hỏi đặt ra là:

❓Doanh nghiệp nên sản xuất bao nhiêu lính gỗ và bao nhiêu tàu gỗ để đạt lợi nhuận cao nhất?

Đây chính xác là mộ bài toán của Linear Programming. Và một mô hình như này thường bao gồm ba thành phần chính:

📌 Đầu tiên là Decision Variables (biến quyết định). Đây là những gì doanh nghiệp cần quyết định. Trong ví dụ trên:

x₁ là số lượng lính gỗ được sản xuất
x₂ là số lượng tàu gỗ được sản xuất

📌 Tiếp theo là Objective Function (hàm mục tiêu). Đây là thứ doanh nghiệp muốn tối ưu, thường là lợi nhuận hoặc chi phí.

Ví dụ:
Max Profit = 3x₁ + 2x₂

Điều này có nghĩa là:

✅ Mỗi lính gỗ tạo ra 3 đơn vị lợi nhuận
✅ Mỗi tàu gỗ tạo ra 2 đơn vị lợi nhuận

Mục tiêu của doanh nghiệp là tối đa hóa giá trị này. Tuy nhiên, doanh nghiệp không thể sản xuất vô hạn vì luôn tồn tại các Constraints (ràng buộc). Ví dụ:

📌 giới hạn giờ lao động
📌 giới hạn máy móc
📌 giới hạn nguyên vật liệu
📌 giới hạn nhu cầu thị trường

Trong bài toán trên, các ràng buộc có thể được biểu diễn như:

2x₁ + x₂ ≤ 100
x₁ + x₂ ≤ 80
x₁ ≤ 40

Nghĩa là tổng nguồn lực sử dụng không được vượt quá khả năng hiện có của doanh nghiệp (có thể tồn kho, công suất,v...v)

Điều thú vị là những mô hình toán như ở trên hoàn toàn có thể được giải bằng Python thông qua các thư viện tối ưu hóa như PuLP, SciPy,... Ví dụ, sau khi giải bài toán trên có thể đưa ra kết quả:

✅ x₁ = 20 --> Sản xuất 20 lính gỗ
✅ x₂ = 60 --> Sản xuất 60 tàu gỗ
✅ Lợi nhuận tối đa đạt được: 180 đơn vị

Thay vì ra quyết định bằng cảm tính như:
“Có lẽ nên sản xuất thêm sản phẩm này”

Doanh nghiệp có thể sử dụng mô hình toán học để xác định chính xác:

📌Nên sản xuất cái gì
📌 Sản xuất bao nhiêu
📌 Phân bổ nguồn lực như thế nào
📌 Làm sao để đạt hiệu quả cao nhất

📊 Khi AI không phải là thứ duy nhất giúp doanh nghiệp tiết kiệm hàng triệu đô mỗi ngày (Series Vận trù học - Phần 1)Bạn ...
26/05/2026

📊 Khi AI không phải là thứ duy nhất giúp doanh nghiệp tiết kiệm hàng triệu đô mỗi ngày (Series Vận trù học - Phần 1)

Bạn nhiều khi tự hỏi đâu là thứ đứng sau cách Amazon giao hàng, Grab điều phối tài xế và hãng hàng không tối ưu lịch bay. Thì câu trả lời đó là rất nhiều quyết định quan trọng đó lại được giải bằng vận trù học

🧠 Hiểu đơn giản, vận trù học (Operation Research - OR) là:

“Sử dụng dữ liệu, mô hình toán học và tư duy tối ưu để đưa ra quyết định tốt nhất.”

👉 Các bạn có thể xem ảnh để nhìn qua một ví dụ mà người ta sử dụng mô hình toán để tối ưu quãng đường và lập lịch cho xe tải vận chuyển trên Excel (Vâng bạn không nghe nhầm đâu, là hoàn toàn bằng Excel đó)

Lấy một số ví dụ như sau:

✅ Làm sao để giao hàng nhanh hơn nhưng vẫn giảm chi phí?
✅ Nên đặt tồn kho bao nhiêu để tránh thiếu hàng nhưng không bị tồn đọng?
✅ Một hãng hàng không nên sắp xếp lịch bay như thế nào để tối đa lợi nhuận?
✅ Grab nên phân bổ tài xế ở đâu vào giờ cao điểm?
✅ Shopee nên đặt kho hàng ở vị trí nào để giao nhanh nhất?

Tất cả các ví dụ trên bạn có thể thấy đều rất hữu ích đều là bài toán của Vận trù học.

⚔️ Và điều thú vị là :

Vận trù học không sinh ra từ kinh doanh mà là từ THẾ CHIẾN THỨ HAI vì khi đó, quân đội Anh cần tìm cách:

✅ Tối ưu radar phát hiện máy bay địch
✅ Giảm tổn thất tàu vận tải
✅ Tăng hiệu quả không kích
✅ Phân bổ nguồn lực quân sự hợp lý

Các nhà khoa học đã dùng mô hình toán học để hỗ trợ ra quyết định chiến lược.
Kết quả hiệu quả đến mức sau chiến tranh, phương pháp này được đưa vào doanh nghiệp và phát triển thành một lĩnh vực cực kỳ quan trọng trong quản trị hiện đại.

🚀 Những vũ khí nổi tiếng của Vận trù học bao gồm những thứ sau:

📌 Linear Programming (Quy hoạch tuyến tính)
→ Mô hình hoá rất nhiều bài toán trong thực tế và tìm ra quyết định tối ưu

📌 Inventory Models (Mô hình tồn kho)
→ Giảm thiếu hàng và tồn kho dư thừa

📌 Queueing Theory (Lý thuyết hàng chờ)
→ Giảm thời gian chờ ở ngân hàng, bệnh viện, sân bay

📌 Simulation (Mô phỏng)
→ Thử nghiệm hệ thống trước khi triển khai thực tế

📌 Stochastic Models (Mô hình ngẫu nhiên)
→ Ra quyết định trong môi trường bất định

📌 Transportation & Routing
→ Tối ưu tuyến đường logistics và giao hàng

Ngày nay, Vận trù học không còn giới hạn trong môi trường học thuật mà đã trở thành nền tảng quan trọng trong quá trình ra quyết định và tối ưu hóa vận hành của doanh nghiệp. Các mô hình và phương pháp của Vận trù học được ứng dụng rộng rãi trong nhiều lĩnh vực như logistics và chuỗi cung ứng, sản xuất, tài chính, hàng không, y tế, thương mại điện tử, dịch vụ gọi xe, năng lượng, cũng như AI và khoa học dữ liệu.

Nếu Data Science giúp dự đoán tương lai, thì Vận trù học giúp ra quyết định tối ưu cho tương lai đó. Nói cách khác ML/AI cho bạn biết trước tương lai trong khi Vận trù học sẽ cho bạn biết bạn nên hành động như thế nào

⭐ Đây là lí do ad biết ngách này khá khoai và ít người đọc nhưng mà vẫn sẽ làm vì thực sự nó rất hữu ích và sát với nhu cầu của doanh nghiệp :v

Nguồn ảnh: Decision Making 101

🏆 Lưu ngay Cheatsheet Cực Gọn Về Hồi Quy trong Kinh Tế Lượng Cho Data Analyst, Data Scientist Và Dân Nghiên CứuP.s: Tuần...
25/05/2026

🏆 Lưu ngay Cheatsheet Cực Gọn Về Hồi Quy trong Kinh Tế Lượng Cho Data Analyst, Data Scientist Và Dân Nghiên Cứu

P.s: Tuần này các bạn muốn ad làm series về gì nào ? Hay là quay lại series về Chuỗi Thời Gian nhé :v

Address

Hanoi

Website

Alerts

Be the first to know and let us send you an email when Applied Data Studies - Nghiên cứu Dữ liệu Ứng dụng posts news and promotions. Your email address will not be used for any other purpose, and you can unsubscribe at any time.

Share