Năng lực phân tích dữ liệu và hiệu quả công việc của nhân viên: Tổng quan nghiên cứu

Nguyễn Thị Kim Ngân

Trường Đại học Ngoại Thương

Email: [email protected]

Tóm tắt

Năng lực phân tích dữ liệu (Data Analytics Competency - DAC) ngày càng trở thành năng lực quan trọng của người lao động trong bối cảnh số hóa. Tuy nhiên, các nghiên cứu hiện nay chủ yếu tập trung vào năng lực phân tích dữ liệu ở cấp độ tổ chức, trong khi bằng chứng về tác động của DAC đối với hiệu quả công việc cá nhân vẫn còn phân tán. Bài viết sử dụng phương pháp tổng quan theo chủ đề nhằm hệ thống hóa các nghiên cứu liên quan đến mối quan hệ giữa DAC và hiệu quả công việc của nhân viên. Kết quả cho thấy DAC có thể nâng cao hiệu quả công việc thông qua việc cải thiện chất lượng ra quyết định, hiệu quả thực hiện nhiệm vụ, khả năng thích ứng và hành vi đổi mới sáng tạo. Đồng thời, bài viết chỉ ra một số khoảng trống nghiên cứu và đề xuất định hướng cho các nghiên cứu tiếp theo.

Từ khóa: Năng lực phân tích dữ liệu, hiệu quả công việc, quyết định dựa trên dữ liệu, hành vi đổi mới sáng tạo

Abstract

Data Analytics Competency (DAC) has become increasingly essential for employees in the context of digitalization. However, existing studies have primarily focused on organizational-level data analytics capabilities, while evidence on the impact of DAC on individual job performance remains fragmented. This article employs a thematic literature review approach to systematically synthesize studies examining the relationship between DAC and employee job performance. The findings indicate that DAC can enhance job performance by improving decision quality, task execution efficiency, adaptability, and innovative work behavior. In addition, the article identifies several research gaps and proposes directions for future studies.

Keywords: Data analytics competency, job performance, data-driven decision-making, innovative work behavior

ĐẶT VẤN ĐỀ

Trong bối cảnh chuyển đổi số, năng lực phân tích dữ liệu (Data Analytics Competency - DAC) được xem là một năng lực thiết yếu của người lao động, giúp nâng cao chất lượng quyết định và kết quả thực hiện công việc. Mặc dù được nghiên cứu rộng rãi, phần lớn các nghiên cứu hiện nay chủ yếu tập trung vào cấp độ tổ chức và tác động của năng lực này đến hiệu quả hoạt động doanh nghiệp (Akter và cộng sự, 2016; Wamba và cộng sự, 2017). Trong khi đó, bằng chứng về mối quan hệ giữa DAC ở cấp độ cá nhân và hiệu quả công việc của nhân viên vẫn còn phân tán, đặc biệt là các cơ chế giải thích quá trình chuyển hóa DAC thành hiệu quả công việc cũng như vai trò của bối cảnh tổ chức, nhất là tại các nền kinh tế mới nổi.

Xuất phát từ khoảng trống nghiên cứu trên, bài viết sử dụng phương pháp tổng quan theo chủ đề nhằm hệ thống hóa các bằng chứng liên quan đến mối quan hệ giữa DAC và hiệu quả công việc của nhân viên. Cụ thể, bài viết tập trung phân tích bốn hướng giải thích chính, bao gồm: (i) ra quyết định dựa trên dữ liệu; (ii) hiệu quả thực hiện nhiệm vụ; (iii) khả năng thích ứng và hành vi đổi mới sáng tạo; và (iv) vai trò của bối cảnh tổ chức. Qua đó, bài viết xác định các khoảng trống và đề xuất định hướng cho các nghiên cứu tiếp theo.

PHƯƠNG PHÁP NGHIÊN CỨU

Bài viết sử dụng phương pháp tổng quan theo chủ đề (thematic review) nhằm hệ thống hóa các nghiên cứu về mối quan hệ giữa năng lực phân tích dữ liệu và hiệu quả công việc của nhân viên. Phương pháp này phù hợp để tổng hợp tri thức, xác định xu hướng và khoảng trống nghiên cứu (Tranfield và cộng sự, 2003; Snyder, 2019).

Các tài liệu được tìm kiếm trên Google Scholar, Scopus, Web of Science và ScienceDirect bằng các từ khóa như “data analytics competency”, “big data analytics capability”, “job performance”, “data-driven decision making”, “innovative work behavior”. Các nghiên cứu được lựa chọn chủ yếu là các bài báo khoa học có phản biện, công bố từ năm 2010 và có liên quan trực tiếp đến DAC ở cấp độ cá nhân hoặc các cơ chế giải thích tác động của DAC đến hiệu quả công việc. Các tài liệu được phân tích và tổng hợp theo bốn chủ đề chính: (i) ra quyết định dựa trên dữ liệu; (ii) hiệu quả thực hiện nhiệm vụ; (iii) khả năng thích ứng và hành vi đổi mới sáng tạo; và (iv) vai trò của bối cảnh tổ chức.

TỔNG QUAN NGHIÊN CỨU

Khái niệm năng lực phân tích dữ liệu và hiệu quả công việc cá nhân

Mặc dù năng lực phân tích dữ liệu (DAC) ngày càng được quan tâm, khái niệm này vẫn chưa thống nhất hoàn toàn, đặc biệt ở cấp độ cá nhân. Các nghiên cứu ban đầu tiếp cận năng lực phân tích dữ liệu ở cấp độ tổ chức (Big Data Analytics Capability - BDAC), nhấn mạnh khả năng huy động nguồn lực công nghệ, con người và quản trị nhằm tạo ra giá trị từ dữ liệu (Gupta & George, 2016; Mikalef và cộng sự, 2018). Kế thừa logic này, DAC ở cấp độ cá nhân được hiểu là khả năng tiếp cận, diễn giải, phân tích, truyền đạt và vận dụng dữ liệu vào giải quyết vấn đề và hỗ trợ ra quyết định trong công việc.

Hiệu quả công việc cá nhân (individual job performance) là mức độ hoàn thành các yêu cầu công việc và được xem là khái niệm đa chiều, bao gồm hiệu quả thực hiện nhiệm vụ, hiệu quả theo ngữ cảnh và hiệu quả thích ứng (Koopmans và cộng sự, 2011, 2014). Hai khái niệm này là cơ sở giải thích mối quan hệ giữa DAC và hiệu quả công việc.

DAC và ra quyết định dựa trên dữ liệu

Ra quyết định dựa trên dữ liệu (data-driven decision making - DDDM) được xem là cơ chế quan trọng giải thích cách thức DAC chuyển hóa thành hiệu quả công việc. Theo quan điểm quản trị dựa trên bằng chứng, dữ liệu cung cấp cơ sở khách quan giúp cá nhân đánh giá các phương án hành động, giảm sự phụ thuộc vào trực giác và hạn chế thiên lệch nhận thức trong quá trình ra quyết định.

Các nghiên cứu về phân tích nhân sự cho thấy việc sử dụng dữ liệu góp phần cải thiện chất lượng quyết định liên quan đến quản lý hiệu suất, phát triển nhân tài và phân bổ nguồn lực (Marler & Boudreau, 2017). Rasmussen và Ulrich (2015) cũng cho rằng năng lực phân tích giúp người lao động chuyển từ việc mô tả hiện trạng sang đề xuất các hành động phù hợp dựa trên bằng chứng. Tuy nhiên, phần lớn bằng chứng hiện nay vẫn tập trung ở cấp độ tổ chức; các nghiên cứu kiểm định trực tiếp vai trò trung gian của DDDM trong mối quan hệ giữa DAC và hiệu quả công việc cá nhân vẫn còn hạn chế.

DAC và hiệu quả thực hiện nhiệm vụ

Hiệu quả thực hiện nhiệm vụ (task performance - TP) phản ánh mức độ hoàn thành các nhiệm vụ cốt lõi của công việc (Koopmans và cộng sự, 2011). DAC giúp người lao động xử lý thông tin phức tạp, phát hiện vấn đề, giảm sai sót và tối ưu hóa quy trình làm việc. Thông qua việc khai thác dữ liệu hiệu quả, người lao động có thể đưa ra các giải pháp dựa trên bằng chứng thay vì dựa vào kinh nghiệm chủ quan.

Mặc dù số lượng nghiên cứu trực tiếp về DAC cá nhân còn hạn chế, các bằng chứng hiện có nhìn chung đều ủng hộ mối liên hệ tích cực giữa DAC và TP. Chẳng hạn, Hizam và cộng sự (2021) cho thấy năng lực số có thể cải thiện mức độ phù hợp giữa công nghệ và nhiệm vụ (task-technology fit), từ đó nâng cao hiệu quả công việc. Tương tự, Tănăsescu (2024) cho rằng việc ứng dụng phân tích dữ liệu trong quản trị nhân lực góp phần cải thiện năng suất và dự báo hiệu quả làm việc của nhân viên. Tuy nhiên, các nghiên cứu kiểm định tác động trực tiếp của DAC lên TP ở cấp độ cá nhân vẫn còn tương đối ít.

DAC, khả năng thích ứng và hành vi đổi mới sáng tạo

Trong môi trường làm việc nhiều biến động, hiệu quả công việc không chỉ được phản ánh thông qua việc hoàn thành nhiệm vụ mà còn thông qua khả năng thích ứng và đổi mới. Khả năng đáp ứng (Adaptive performance) đề cập đến khả năng điều chỉnh hành vi nhằm đáp ứng những thay đổi về công nghệ, quy trình và yêu cầu công việc (Pulakos và cộng sự, 2000). DAC giúp cá nhân tiếp cận và xử lý thông tin mới nhanh hơn, qua đó hỗ trợ quá trình học hỏi và thích nghi với môi trường làm việc thay đổi.

Bên cạnh đó, DAC còn có thể thúc đẩy hành vi đổi mới sáng tạo trong công việc (innovative work behavior - IWB). Theo De Jong và Den Hartog (2010), IWB bao gồm việc khám phá cơ hội, tạo ra ý tưởng mới, vận động sự ủng hộ và triển khai các giải pháp sáng tạo. Dưới góc nhìn của lý thuyết năng lực động, khả năng khai thác dữ liệu giúp cá nhân nhận diện cơ hội cải tiến và chủ động thử nghiệm những phương thức làm việc mới (Teece và cộng sự, 1997). Do đó, thay vì xem IWB như một thành phần của hiệu quả công việc, nhiều nghiên cứu gợi ý rằng IWB nên được xem là cơ chế gần thông qua đó DAC tác động đến hiệu quả công việc trong dài hạn. Tuy nhiên, các bằng chứng thực nghiệm kiểm định đồng thời vai trò của AP và IWB trong mối quan hệ giữa DAC và hiệu quả công việc vẫn còn hạn chế.

Vai trò của bối cảnh tổ chức

DAC là điều kiện cần nhưng chưa đủ để nâng cao hiệu quả công việc. Các nghiên cứu về BDAC cho thấy tác động của năng lực phân tích phụ thuộc đáng kể vào các yếu tố ngữ cảnh như văn hóa ra quyết định dựa trên dữ liệu, sự hỗ trợ của lãnh đạo, chất lượng dữ liệu và hạ tầng công nghệ (Akter và cộng sự, 2016; Wamba và cộng sự, 2017).

Tương tự, Bechter và cộng sự (2022) chỉ ra rằng việc ứng dụng phân tích nhân sự trong quản lý hiệu suất chịu ảnh hưởng đồng thời bởi năng lực, cơ hội và động lực của tổ chức. Điều này hàm ý rằng DAC chỉ có thể phát huy tối đa giá trị khi người lao động được làm việc trong môi trường khuyến khích sử dụng dữ liệu, được đào tạo phù hợp và được hỗ trợ bởi các cơ chế quản trị minh bạch. Tuy nhiên, vai trò điều tiết của các yếu tố bối cảnh tổ chức trong mối quan hệ giữa DAC và hiệu quả công việc cá nhân vẫn chưa được kiểm định đầy đủ, đặc biệt tại các nền kinh tế mới nổi như Việt Nam.

KHOẢNG TRỐNG NGHIÊN CỨU VÀ HƯỚNG NGHIÊN CỨU TƯƠNG LAI

Tổng hợp các nghiên cứu cho thấy mặc dù vai trò của năng lực phân tích dữ liệu (DAC) đối với hiệu quả hoạt động đã được khẳng định, hiểu biết về cơ chế tác động của DAC ở cấp độ cá nhân vẫn còn hạn chế. Thứ nhất, phần lớn bằng chứng hiện nay được xây dựng dựa trên các nghiên cứu về năng lực phân tích dữ liệu ở cấp độ tổ chức, trong khi các nghiên cứu kiểm định trực tiếp tác động của DAC đến hiệu quả công việc của nhân viên còn tương đối ít. Thứ hai, các cơ chế giải thích như ra quyết định dựa trên dữ liệu, mức độ phù hợp giữa công nghệ và nhiệm vụ, hay hành vi đổi mới sáng tạo thường được xem xét riêng lẻ, dẫn đến sự thiếu hụt các mô hình tích hợp nhằm lý giải đầy đủ quá trình chuyển hóa DAC thành hiệu quả công việc.

Bên cạnh đó, vai trò điều tiết của các yếu tố bối cảnh tổ chức, như văn hóa ra quyết định dựa trên dữ liệu, sự hỗ trợ của lãnh đạo và hạ tầng công nghệ, vẫn chưa được kiểm định đầy đủ ở cấp độ cá nhân. Đồng thời, phần lớn bằng chứng thực nghiệm hiện nay được thực hiện tại các quốc gia phát triển, trong khi các nghiên cứu tại các nền kinh tế mới nổi, đặc biệt là Việt Nam, còn khá hạn chế.

Trên cơ sở đó, các nghiên cứu tương lai cần phát triển và kiểm định các mô hình tích hợp nhằm làm rõ cơ chế tác động của DAC đến hiệu quả công việc cá nhân, đồng thời xem xét vai trò của các yếu tố bối cảnh tổ chức trong những bối cảnh nghiên cứu khác nhau. Những hướng nghiên cứu này không chỉ góp phần hoàn thiện cơ sở lý thuyết về DAC ở cấp độ cá nhân mà còn cung cấp bằng chứng hữu ích cho các tổ chức trong việc phát triển năng lực phân tích dữ liệu cho lực lượng lao động trong kỷ nguyên số.

KẾT LUẬN

Thông qua cách tiếp cận tổng quan theo chủ đề, bài viết đã hệ thống hóa các bằng chứng về mối quan hệ giữa năng lực phân tích dữ liệu (DAC) và hiệu quả công việc của nhân viên. Kết quả cho thấy DAC góp phần nâng cao chất lượng ra quyết định, hiệu quả thực hiện nhiệm vụ, khả năng thích ứng và hành vi đổi mới sáng tạo của người lao động. Tuy nhiên, tác động này phụ thuộc đáng kể vào các điều kiện hỗ trợ từ môi trường tổ chức, như văn hóa ra quyết định dựa trên dữ liệu, sự hỗ trợ của lãnh đạo và hạ tầng công nghệ phù hợp.

Bài viết đã hệ thống hóa 4 cơ chế giải thích mối quan hệ giữa DAC và hiệu quả công việc ở cấp độ cá nhân, đồng thời chỉ ra những khoảng trống cần tiếp tục được kiểm định trong các nghiên cứu thực nghiệm. Từ góc độ thực tiễn, các tổ chức cần chú trọng phát triển DAC thông qua đào tạo kỹ năng phân tích và xây dựng môi trường làm việc khuyến khích khai thác, sử dụng dữ liệu trong quá trình ra quyết định. Những kết quả này góp phần cung cấp cơ sở lý luận cho các nghiên cứu tiếp theo và hỗ trợ các tổ chức phát triển lực lượng lao động đáp ứng yêu cầu của nền kinh tế số.

Tài liệu tham khảo

1. Akter, S., Wamba, S. F., Gunasekaran, A., Dubey, R., & Childe, S. J. (2016). How to improve firm performance using big data analytics capability and business strategy alignment? International Journal of Production Economics, 182, 113-131.

2. Bechter, B., Brandl, B., & Lehr, A. (2022). The role of the capability, opportunity, and motivation of firms for using human resource analytics to monitor employee performance. New Technology, Work and Employment, 37(3), 398-424.

3. De Jong, J. P. J., & Den Hartog, D. N. (2010). Measuring innovative work behaviour. Creativity and Innovation Management, 19(1), 23-36.

4. Gupta, M., & George, J. F. (2016). Toward the development of a big data analytics capability. Information & Management, 53(8), 1049-1064.

5. Hizam, S. M., Akter, H., Sentosa, I., & Ahmed, W. (2021). Digital competency of educators in the virtual learning environment: A structural equation modeling analysis. IOP Conference Series: Earth and Environmental Science, 704(1), 012023.

6. Koopmans, L., Bernaards, C. M., Hildebrandt, V. H., Schaufeli, W. B., De Vet, H. C. W., & Van der Beek, A. J. (2011). Conceptual frameworks of individual work performance. Journal of Occupational and Environmental Medicine, 53(8), 856-866.

7. Koopmans, L., Bernaards, C. M., Hildebrandt, V. H., Van Buuren, S., Van der Beek, A. J., & De Vet, H. C. W. (2014). Improving the Individual Work Performance Questionnaire using Rasch analysis. Journal of Applied Measurement, 15(2), 160-175.

8. Marler, J. H., & Boudreau, J. W. (2017). An evidence-based review of HR analytics. The International Journal of Human Resource Management, 28(1), 3-26.

9. Mikalef, P., Pappas, I. O., Krogstie, J., & Giannakos, M. (2018). Big data analytics capabilities: A systematic literature review and research agenda. Information Systems and e-Business Management, 16(3), 547-578.

10. Pulakos, E. D., Arad, S., Donovan, M. A., & Plamondon, K. E. (2000). Adaptability in the workplace: Development of a taxonomy of adaptive performance. Journal of Applied Psychology, 85(4), 612-624.

11. Rasmussen, T., & Ulrich, D. (2015). Learning from practice: How HR analytics avoids being a management fad. Organizational Dynamics, 44(3), 236-242.

12. Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104, 333-339.

13. Tănăsescu, L. G., Vines, A., Bologa, A. R., & Vîrgolici, O. (2024). Data analytics for optimizing and predicting employee performance. Applied Sciences, 14(8), 3254.

14. Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18(7), 509-533.

15. Tranfield, D., Denyer, D., & Smart, P. (2003). Towards a methodology for developing evidence-informed management knowledge by means of systematic review. British Journal of Management, 14(3), 207-222.

16. Wamba, S. F., Gunasekaran, A., Akter, S., Ren, S. J. F., Dubey, R., & Childe, S. J. (2017). Big data analytics and firm performance: Effects of dynamic capabilities. Journal of Business Research, 70, 356-365.