Vấn đề • HTKH có 5 bước đều do con người SCC thực hiện: duyệt kế hoạch, confirm thực hiện, hỗ trợ trong kế hoạch, confirm kết thúc, update hạ tầng • Các bước đều dựa trên nền tảng kiến thức của nhân sự trực, không theo form chuẩn dễ dẫn đến sai sót • Lượng kế hoạch phát sinh tăng tiến tỉ lệ thuận với độ lớn hạ tầng, tang trưởng nhân sự khó có thể đảm bảo chất lượng hỗ trợ Mục tiêu • Tạo ra một nền tảng có tiềm năng thay thế con người hỗ trợ kỹ thuật và đưa quyết định trong kế hoạch dựa trên kiến thức được con người huấn luyện mà không cần lập trình cụ thể (do tính chất đa dạng của kế hoạch) • Từng bước cải thiện độ chính xác của nền tảng này tới mức chính xác cao hơn con người, có thể đo đếm được • Tăng cường số lượng để áp đảo con người về mặt khối lượng • Nâng khối lượng hỗ trợ lên x2 hiện tại, tỉ lệ hỗ trợ chính xác đạt >90% Kế hoạch thực hiện • Nền tảng công nghệ: Đưa quyết định trước, trong, sau kế hoạch: Big Data, Machine Learning – Classification & Decision Hỗ trợ kỹ thuật trong kế hoạch: Machine Learning – Language & Command Processing – Chatbot
• Giai đoạn thực hiện:
H2/2018: Chuẩn bị kiến thức, thử nghiệm giải pháp dựa trên kiến thức, chuẩn bị sẵn đầu mục kế hoạch/ nguồn lực, xây dựng các nền tảng chuẩn hóa thu thập dữ liệu H1/2019: Tiếp tục thu thập dữ liệu, xây dựng các bot hỗ trợ, giao diện H2/2019: Tiếp tục thu thập dữ liệu, bắt đầu xây dựng các model quyết định H1/2020: Đóng gói và release sản phẩm phase 1, rút kinh nghiệm và tiếp tục cải thiện H2/2020: Cải thiện tỉ lệ hỗ trợ chính xác và khối lượng hỗ trợ H1/2021: Đóng gói và release dự án Kế hoạch dự án Data Science Vấn đề • Dữ liệu thu thập được đang được phân tích ở dạng thống kê thông thường, chưa tận dụng tối đa ý nghĩa • Việc đưa ra xu hướng, dự báo còn mang nhiều yếu tố cảm quan • Việc lập báo cáo dữ liệu còn nhiều khó khan, tốn tài nguyên thời gian do phải làm thủ công Mục tiêu • Tạo ra một nền tảng có tiềm năng dự báo mọi kết quả của việc thay đổi hạ tầng, dự báo sự cố, độ tang trưởng, phân loại cảnh báo, dự báo đầu tư v.v. • Tăng cường độ chính xác để trở thành công cụ đưa ra quyết định cho các công cụ vận hành Kế hoạch thực hiện • Nền tảng công nghệ: Dự báo, phân loại: Big Data/ Machine Learning
• Giai đoạn thực hiện:
H2/2018: Chuẩn bị kiến thức, giải nhiều nhất có bài toán dự báo dựa trên kiến thức hiện có, củng cố độ chính xác. Chuẩn bị trước kế hoạch, xây dựng sẵn kho dữ liệu H1/2019: Tiếp tục xây dựng kho dữ liệu H2/2019: Tiếp tục xây dựng kho dữ liệu, bắt đầu xây dựng các model dự báo H1/2020: Đóng gói và release sản phẩm phase 1, rút kinh nghiệm và tiếp tục cải thiện H2/2020: Xây dựng liên kết với các công cụ vận hành H1/2021: Đóng gói và release dự án Kế hoạch dự án Training Data Science/ Computer Science Vấn đề • SCC thiếu nhân sự có tư duy thuật toán và tư duy toán học • Các mảng công việc mới như phân tích, tối ưu vận hành đang thiếu nguồn lực • Mindset vận hành thủ công vẫn hằn sâu trong các kỹ sư cũ và mới Mục tiêu • Tạo ra một lứa nhân lực có mindset mở và thông thạo nhiều lĩnh vực, đặc biệt là thuật toán và toán học • Sử dụng nguồn lực này như đầu tầu các dự án cải tiến/ công nghệ mới, tiết kiệm chi phí thuê ngoài và sẵn sang cho các dự án mà không phụ thuộc vào đơn vị khác • Lan tỏa mindset mới tới toàn trung tâm/ toàn FTEL Kế hoạch thực hiện • Nền tảng công nghệ: Data Science: Math, Programming Computer Science: Programming, Data Structure & Algorithm, System
• Giai đoạn thực hiện:
H2/2018: Training mạnh về Machine Learning (DS) để lấy abstract, mindset mới 2019-2020: Đẩy Computer Science vào chương trình học để tối ưu suy nghĩ, tiếp tục cải thiện Math và Programming. Hỗ trợ học viên thi vào các chương trình cao học chính quy thuộc 2 lĩnh vực trên 2020-2021: Sản phẩm thu được là đội ngũ kỹ sư có chuyên môn network và thế mạnh ở phân tích/ tự động hóa. Thank you ==============================