Nhìn lại 2025: hành trình của Carptech và câu chuyện thành công

Khi năm 2025 khép lại, chúng tôi dành chút thời gian để nhìn lại một năm đầy biến động, thử thách, nhưng cũng đầy ý nghĩa.

Năm 2025 đánh dấu một chương quan trọng trong hành trình của Carptech. Chúng tôi đã đồng hành cùng 20+ doanh nghiệp Việt Nam trong việc xây dựng Data Platform, chuyển đổi cách họ ra quyết định, và tạo ra tác động kinh doanh thực sự. Chúng tôi đã mở rộng đội ngũ từ 8 lên 15 người. Chúng tôi đã học được rất nhiều - từ thành công lẫn thất bại.

Trong bài viết này, chúng tôi muốn chia sẻ hành trình của Carptech năm 2025: những cột mốc quan trọng, thách thức lớn nhất, bài học kinh nghiệm, và đặc biệt - những câu chuyện thành công của khách hàng mà chúng tôi tự hào được đồng hành.

Đây không phải là một bài quảng cáo hay bán hàng. Đây là lời cảm ơn chân thành đến khách hàng, đối tác, và đội ngũ Carptech. Và cũng là lời cam kết cho năm 2026.

Lời cảm ơn

Trước hết, chúng tôi muốn gửi lời tri ân đến:

Khách hàng của Carptech: Cảm ơn các anh chị đã tin tưởng và giao phó những dự án quan trọng cho chúng tôi. Đặc biệt cảm ơn những khách hàng từng kiên nhẫn với chúng tôi khi dự án gặp thách thức, và đã cùng chúng tôi vượt qua. Sự thành công của các anh chị chính là động lực lớn nhất của chúng tôi.

Đội ngũ Carptech: Cảm ơn mỗi thành viên đã cống hiến hết mình. Những đêm muộn gỡ lỗi pipelines, những cuộc họp căng thẳng với thời hạn, những lúc phải học công nghệ mới trong thời gian ngắn - tất cả đều đã tạo nên một năm 2025 đáng nhớ. Đội ngũ chúng ta đã lớn lên rất nhiều, không chỉ về số lượng mà còn về chuyên môn và tinh thần.

Đối tác và cộng đồng: Cảm ơn các công ty công nghệ đã hỗ trợ, các cộng đồng dữ liệu Việt Nam đã tạo không gian để học hỏi và chia sẻ. Đặc biệt cảm ơn Snowflake, dbt Labs, Fivetran, và các đối tác đã luôn sẵn sàng hỗ trợ chúng tôi.

Hành trình của Carptech trong năm 2025

Tháng 1-3: Xây dựng nền tảng và tăng trưởng

Năm 2025 bắt đầu với một quyết định quan trọng: Mở rộng đội ngũ để có thể phục vụ nhiều khách hàng hơn, nhưng không hy sinh chất lượng.

Cột mốc:

• Tiếp nhận 3 data engineers và 2 analytics engineers mới
• Ra mắt "Carptech Academy" - chương trình đào tạo nội bộ 6 tuần cho nhân viên mới
• Đạt chứng chỉ: 100% đội ngũ đạt Snowflake SnowPro Core, 80% có chứng chỉ dbt

Thách thức lớn nhất: Tiếp nhận 5 người cùng lúc trong khi vẫn bàn giao dự án cho khách hàng. Chúng tôi đã đánh giá thấp công sức này, và Q1 khá căng thẳng cho cả đội ngũ.

Bài học: Tuyển dụng theo nhóm có lợi ích (học hỏi lẫn nhau, gắn kết đội ngũ) nhưng cần phân bổ người hướng dẫn chuyên trách và giảm bớt cam kết dự án trong giai đoạn tiếp nhận.

Tháng 4-6: Mở rộng và tối ưu

Với đội ngũ đã ổn định hơn, Q2 là thời điểm chúng tôi tập trung vào mở rộng hoạt động.

Cột mốc:

• Khởi động 5 dự án mới (kỷ lục!)
• Ra mắt "Data Platform Blueprint" - kiến trúc mẫu giúp giảm 40% thời gian thiết lập
• Thiết lập quan hệ đối tác với 3 nhà cung cấp cloud (AWS, GCP, Azure) để có giá tốt hơn cho khách hàng

Thách thức lớn nhất: Một dự án lớn bị trễ 6 tuần vì vấn đề chất lượng dữ liệu phía khách hàng tệ hơn dự kiến. Khách hàng thất vọng, đội ngũ kiệt sức, và chúng tôi phải làm việc với khách hàng để điều chỉnh lại tiến độ và kỳ vọng.

Bài học: Luôn thêm 30-50% thời gian dự phòng cho việc xử lý chất lượng dữ liệu. Và quan trọng hơn: Đặt kỳ vọng rõ ràng ngay từ đầu về yêu cầu sẵn sàng dữ liệu.

Tháng 7-9: Đổi mới và nghiên cứu phát triển

Q3 là quý chúng tôi đầu tư nhiều vào nghiên cứu phát triển và đổi mới.

Cột mốc:

• Thử nghiệm trợ lý phân tích tích hợp GenAI cho 3 khách hàng
• Triển khai đường ống dữ liệu thời gian thực đầu tiên sử dụng Kafka + Flink
• Đóng góp mã nguồn mở: Gửi 2 PR đến các gói dbt, viết 1 gói dbt cho các chỉ số e-commerce Việt Nam

Điểm nổi bật: Dự án trợ lý AI nhận phản hồi rất tích cực. Một khách hàng chia sẻ: "Đây là lần đầu tiên đội ngũ marketing của tôi có thể tự hỏi câu hỏi bằng tiếng Việt và nhận được SQL query + biểu đồ trong vài giây."

Thách thức: Cân bằng đổi mới với sự ổn định. Một số thử nghiệm không thành công, và chúng tôi đã "lãng phí" khoảng 15% thời gian R&D vào các hướng đi không khả thi. Nhưng đó là chi phí của việc đổi mới.

Bài học: Đổi mới cần không gian để thất bại. Chúng tôi chính thức hóa chính sách "20% thời gian" - mỗi kỹ sư có thể dành 1 ngày/tuần cho dự án cá nhân hoặc nghiên cứu phát triển.

Tháng 10-12: Trưởng thành và nhìn lại

Q4 là lúc chúng tôi tập trung vào xuất sắc vận hành và chuẩn bị cho 2026.

Cột mốc:

• Ra mắt "Data Platform Health Check" - dịch vụ giúp doanh nghiệp đánh giá nền tảng hiện có và xác định cơ hội tối ưu
• Tổ chức "Data Leaders Meetup" lần đầu tiên - 30 lãnh đạo dữ liệu từ các công ty khác nhau kết nối và chia sẻ kinh nghiệm
• Hoàn thành 3 dự án lớn với mức độ hài lòng xuất sắc (NPS 9-10)
• Nghỉ dưỡng đội ngũ tại Đà Lạt - 3 ngày gắn kết, nhìn lại, và lên kế hoạch cho 2026

Khoảnh khắc suy ngẫm: Trong chuyến nghỉ dưỡng, chúng tôi dành cả buổi để mỗi người chia sẻ: "Khoảnh khắc tự hào nhất của năm 2025" và "Bài học lớn nhất". Đây là lúc đội ngũ thực sự hiểu và trân trọng những gì chúng ta đã cùng nhau đạt được.

Bài học lớn nhất của năm: Con người > Công nghệ. Dự án thành công không phải vì chúng ta dùng công nghệ hiện đại nhất, mà vì chúng ta đầu tư vào mối quan hệ với khách hàng, hiểu sâu về kinh doanh, và có một đội ngũ gắn kết, có động lực.

Những con số đáng tự hào

Chúng tôi không phải là người hay khoe khoang với các chỉ số, nhưng một số con số năm 2025 mà chúng tôi muốn chia sẻ:

Tăng trưởng đội ngũ:

• 8 → 15 thành viên (tăng 87.5%)
• 3 thăng chức nội bộ (junior → mid, mid → senior)
• 0 người nghỉ việc (tỷ lệ giữ chân 100%)

Tác động đến khách hàng:

• 23 dự án đã bàn giao
• 18 khách hàng (13 khách hàng quay lại, 5 khách hàng mới)
• Điểm NPS trung bình: 8.2/10
• 100% dự án bàn giao (dù một số có điều chỉnh tiến độ)

Kết quả kinh doanh cho khách hàng (tổng hợp):

• Trung bình cải thiện 35% chất lượng quyết định dựa trên dữ liệu (đo bằng khảo sát)
• Trung bình giảm 40% chi phí hạ tầng dữ liệu (thông qua tối ưu)
• Trung bình tăng gấp 3 lần số người dùng kinh doanh sử dụng dữ liệu thường xuyên

Đóng góp cộng đồng:

• 60 bài blog đã xuất bản (bạn đang đọc bài thứ 60!)
• 500+ giờ đóng góp mã nguồn mở
• 2,000+ người tham dự các workshop và webinar của chúng tôi

Cột mốc kỹ thuật:

• 50+ data pipelines đã xây dựng
• 200+ data models đã tạo
• 3PB dữ liệu đã xử lý
• 500+ dashboards đã triển khai

Câu chuyện thành công của khách hàng

Đây là phần chúng tôi tự hào nhất. Dưới đây là 5 câu chuyện thành công (đã ẩn danh) đại diện cho các ngành khác nhau.

Câu chuyện 1: E-commerce - Tăng 30% ROI marketing

Bối cảnh: Một công ty e-commerce quy mô vừa với GMV $20M/năm. Đội ngũ marketing chi $200K/tháng cho quảng cáo số nhưng không có tầm nhìn rõ ràng về hiệu suất. Họ biết "Facebook ads hoạt động" nhưng không biết kênh nào, chiến dịch nào, đối tượng nào thực sự hiệu quả.

Thách thức:

• Dữ liệu nằm rải rác trên 8 nền tảng (Google Ads, Facebook, TikTok, Shopee, Lazada, website, ứng dụng di động, CRM)
• Không có cái nhìn thống nhất về hành trình khách hàng
• Phân bổ dựa trên phỏng đoán, không phải dựa trên dữ liệu
• Đội ngũ marketing mất 2-3 ngày để có một báo cáo theo yêu cầu

Giải pháp của Carptech:

• Xây dựng Data Platform tích hợp 8 nguồn dữ liệu vào Snowflake
• Triển khai mô hình phân bổ đa điểm chạm (first-touch, last-touch, linear, time-decay)
• Tạo dashboards phân tích marketing tự động cập nhật mỗi 6 giờ
• Đào tạo đội ngũ marketing để tự phục vụ insights

Kết quả sau 6 tháng:

• Tăng 30% ROI marketing (từ 3.5x lên 4.5x)
• Xác định được top 20% chiến dịch đóng góp 70% doanh thu → mở rộng những chiến dịch này
• Phát hiện được 3 kênh hoạt động kém (tổng chi phí $40K/tháng) → phân bổ lại ngân sách
• Thời gian có insights giảm từ 2-3 ngày xuống dưới 10 phút

Chia sẻ từ khách hàng:

"Trước đây marketing là 'nghệ thuật', giờ là khoa học. Chúng tôi biết chính xác đồng nào bỏ ra mang lại đồng nào về. Đây là bước ngoặt cho đội ngũ."

Bạn có thể tìm hiểu thêm về mô hình phân bổ trong bài Attribution modeling: multi-touch marketing analytics

Câu chuyện 2: Sản xuất - Tiết kiệm 2 triệu USD chi phí vận hành

Bối cảnh: Nhà máy sản xuất quy mô lớn với 3 nhà máy, 500+ nhân viên, 50+ dây chuyền sản xuất. Họ có rất nhiều dữ liệu từ cảm biến IoT, ERP, MES, hệ thống chất lượng nhưng mọi thứ tách biệt.

Thách thức:

• Thời gian ngừng máy không dự đoán được → mỗi giờ ngừng máy tốn $15K
• Quản lý tồn kho không hiệu quả → chi phí lưu kho cao và thường xuyên hết hàng
• Vấn đề chất lượng phát hiện muộn (cuối dây chuyền sản xuất) → chi phí làm lại lớn
• Không có tầm nhìn thời gian thực vào hiệu suất sản xuất

Giải pháp của Carptech:

• Xây dựng Data Lakehouse trên Databricks, thu thập dữ liệu thời gian thực từ cảm biến IoT (10K sự kiện/giây)
• Triển khai mô hình bảo trì dự đoán sử dụng machine learning
• Tạo mô hình dự báo nhu cầu để tối ưu tồn kho
• Xây dựng dashboard sản xuất thời gian thực cho quản lý xưởng

Kết quả sau 12 tháng:

• Tiết kiệm $2M phân tích:
  • $1M: Giảm 30% thời gian ngừng máy ngoài kế hoạch nhờ bảo trì dự đoán
  • $600K: Giảm 20% chi phí lưu kho
  • $400K: Giảm 25% chi phí làm lại nhờ phát hiện sớm vấn đề chất lượng
• OEE (Hiệu suất thiết bị tổng thể) tăng từ 65% lên 78%
• Thời gian từ đơn hàng đến giao hàng giảm 15%

Chia sẻ từ khách hàng:

"Năm đầu tiên ROI đã dương. Chúng tôi không thể tin được dữ liệu có thể mang lại giá trị đến mức này. Giờ mỗi quyết định từ lập kế hoạch sản xuất đến lịch bảo trì đều dựa trên dữ liệu."

Câu chuyện 3: Fintech - Ra mắt sản phẩm nhanh hơn 50%

Bối cảnh: Startup fintech đang tăng trưởng nhanh (50K → 200K người dùng trong 12 tháng). Họ muốn ra mắt các sản phẩm mới (cho vay, đầu tư) nhưng bị tắc nghẽn bởi thiếu hạ tầng dữ liệu.

Thách thức:

• Mỗi lần ra mắt sản phẩm mới, đội ngũ dữ liệu phải mất 6-8 tuần thiết lập pipelines và dashboards
• Đội ngũ sản phẩm không có phân tích tự phục vụ → phụ thuộc vào đội ngũ dữ liệu
• Báo cáo tuân thủ (yêu cầu của cơ quan quản lý) mất 2 người làm thủ công toàn thời gian
• Chi phí hạ tầng tăng 200% trong 6 tháng (vấn đề mở rộng)

Giải pháp của Carptech:

• Thiết kế Data Platform theo module với các thành phần tái sử dụng
• Triển khai phân tích tự phục vụ với Looker + dbt semantic layer
• Tự động hóa quy trình báo cáo tuân thủ
• Tối ưu hạ tầng với điều chỉnh quy mô phù hợp và bộ nhớ đệm truy vấn

Kết quả sau 9 tháng:

• Thời gian ra mắt sản phẩm mới: Giảm từ 6-8 tuần xuống 3 tuần (nhanh hơn 50%)
• 80% truy vấn phân tích sản phẩm tự phục vụ bởi đội ngũ sản phẩm (không cần đội ngũ dữ liệu)
• Báo cáo tuân thủ: Từ 2 người toàn thời gian xuống hoàn toàn tự động (tiết kiệm $100K/năm)
• Chi phí hạ tầng không đổi dù người dùng tăng gấp 3

Phản hồi từ khách hàng:

"Carptech không chỉ xây dựng nền tảng cho chúng tôi, họ đào tạo đội ngũ chúng tôi để tự chủ. Giờ đội ngũ dữ liệu tập trung vào công việc giá trị cao, còn đội ngũ sản phẩm tự trả lời 80% câu hỏi của mình."

Câu chuyện 4: Bán lẻ - Chuyển đổi từ "cảm tính" sang dựa trên dữ liệu

Bối cảnh: Chuỗi bán lẻ với 50 cửa hàng, 2,000 SKUs. Nhà sáng lập điều hành bằng kinh nghiệm 20 năm và "cảm tính". Nhưng khi mở rộng, cảm tính không đủ nữa.

Thách thức:

• Phân bổ tồn kho giữa các cửa hàng là phỏng đoán → một số cửa hàng thừa hàng, một số hết hàng
• Quyết định giá không nhất quán
• Không biết sản phẩm nào thực sự có lãi (tính đủ các chi phí)
• Quản lý cửa hàng không có tầm nhìn vào hiệu suất so với mục tiêu

Giải pháp của Carptech:

• Xây dựng Data Warehouse tập trung tích hợp POS, tồn kho, CRM, kế toán
• Tạo dashboards hiệu suất cửa hàng cho mỗi quản lý cửa hàng
• Triển khai dự báo nhu cầu và mô hình phân bổ tồn kho động
• Phát triển khung phân tích lợi nhuận sản phẩm

Kết quả sau 8 tháng:

• Tăng 15% doanh thu nhờ phân bổ tồn kho tốt hơn
• Vòng quay tồn kho cải thiện 25% (từ 4 lần/năm lên 5 lần/năm)
• Hết hàng giảm 60%, thừa hàng giảm 40%
• Áp dụng của quản lý cửa hàng: 100% quản lý kiểm tra dashboards hàng ngày

Câu chuyện chuyển đổi:

Trong một lần thăm, nhà sáng lập chia sẻ với chúng tôi:

"20 năm kinh nghiệm của tôi vẫn có giá trị, nhưng giờ nó được bổ trợ bởi dữ liệu. Tôi ra quyết định nhanh hơn và tự tin hơn. Quan trọng hơn, đội ngũ của tôi giờ có thể ra quyết định tốt mà không cần hỏi tôi mọi lúc. Đây là chuyển đổi về văn hóa, không chỉ công nghệ."

Câu chuyện 5: Y tế - Cải thiện kết quả điều trị bệnh nhân

Bối cảnh: Mạng lưới bệnh viện tư nhân với 3 bệnh viện, 200 giường. Họ muốn cải thiện chất lượng chăm sóc bệnh nhân và hiệu quả vận hành.

Thách thức:

• Dữ liệu bệnh nhân phân tán trên EMR, hệ thống xét nghiệm, chẩn đoán hình ảnh, dược, thanh toán
• Không có cái nhìn toàn diện về hành trình bệnh nhân
• Tỷ lệ tái nhập viện cao (12%) → ảnh hưởng đến uy tín và chi phí
• Phân bổ nguồn lực (bác sĩ, y tá, phòng) không hiệu quả → thời gian chờ lâu

Giải pháp của Carptech:

• Xây dựng Data Platform tuân thủ quy định y tế trên AWS
• Tạo cái nhìn 360 độ về bệnh nhân tích hợp tất cả điểm chạm
• Triển khai mô hình dự đoán nguy cơ tái nhập viện
• Xây dựng dashboards tối ưu nguồn lực cho đội ngũ vận hành

Kết quả sau 10 tháng:

• Tỷ lệ tái nhập viện giảm từ 12% xuống 7% nhờ can thiệp chủ động cho bệnh nhân có nguy cơ cao
• Thời gian chờ trung bình giảm 30% nhờ phân bổ nguồn lực tốt hơn
• Mức độ hài lòng bệnh nhân (NPS) tăng từ 65 lên 78
• Bác sĩ tiết kiệm trung bình 45 phút/ngày với cái nhìn thống nhất về bệnh nhân (không cần chuyển đổi giữa các hệ thống)

Tác động đến chất lượng chăm sóc:

Trưởng khoa Y vụ chia sẻ:

"Data Platform không chỉ cải thiện hiệu quả, nó thực sự cứu sống người. Chúng tôi giờ có thể xác định bệnh nhân có nguy cơ tái nhập viện cao và can thiệp sớm. Đó là điều mà trước đây chúng tôi làm dựa trên trực giác lâm sàng, giờ được hỗ trợ bởi phân tích dự đoán."

Đây chỉ là 5 trong số 23 dự án chúng tôi đã bàn giao trong năm 2025. Mỗi dự án đều có câu chuyện riêng, thách thức riêng, nhưng có một điểm chung: Chuyển đổi dữ liệu dẫn đến chuyển đổi kinh doanh.

Những bài học lớn nhất từ năm 2025

Nhìn lại một năm, đây là những bài học hàng đầu mà chúng tôi muốn chia sẻ:

1. Mối quan hệ quan trọng hơn công nghệ

Dự án thành công không phải vì chúng tôi dùng Snowflake hay dbt (dù chúng là công cụ tuyệt vời). Dự án thành công vì:

• Chúng tôi đầu tư thời gian để hiểu sâu về kinh doanh
• Chúng tôi xây dựng niềm tin với khách hàng thông qua sự minh bạch
• Chúng tôi coi thành công của khách hàng là thành công của mình

Ví dụ: Một dự án chúng tôi dành 40% thời gian ở đầu chỉ để hiểu mô hình kinh doanh, chuỗi giá trị, và điểm đau. Khách hàng ban đầu sốt ruột ("Sao chưa viết code?"), nhưng sau này chia sẻ: "Thời gian đó là khoản đầu tư tốt nhất. Carptech hiểu kinh doanh chúng tôi hơn cả một số nhân viên lâu năm."

2. Chất lượng dữ liệu chiếm 80% cuộc chiến

Thách thức công nghệ trong các dự án dữ liệu thường dễ giải quyết. Thách thức lớn nhất luôn là chất lượng dữ liệu.

Thực tế:

• 70% tiến độ dự án thường dành cho làm sạch và xác thực dữ liệu
• Đánh giá thấp vấn đề chất lượng dữ liệu là lý do số 1 cho việc trễ tiến độ

Bài học: Luôn thêm 50% thời gian dự phòng cho công việc chất lượng dữ liệu, và mời người dùng kinh doanh tham gia sớm để xác thực định nghĩa dữ liệu và quy tắc nghiệp vụ.

3. Đào tạo và áp dụng là điều không thể bỏ qua

"Nếu bạn xây, họ sẽ đến" không đúng với Data Platform.

Chúng tôi đã thấy quá nhiều trường hợp nền tảng được xây dựng đẹp, nhưng tỷ lệ áp dụng thấp vì:

• Người dùng không được đào tạo đúng cách
• Quản lý thay đổi bị bỏ qua
• Không có sự bảo trợ từ lãnh đạo cấp cao

Bài học: Dành 20-30% công sức cho đào tạo, quản lý thay đổi, và hỗ trợ liên tục. Đo lường thành công không chỉ bằng "nền tảng đã xây" mà bằng "người dùng hoạt động" và "quyết định kinh doanh được hỗ trợ".

4. Bắt đầu nhỏ, lặp lại nhanh

Cách tiếp cận "Big bang" thường thất bại. Khách hàng muốn "giải pháp hoàn hảo" cho 10 trường hợp sử dụng ngay từ đầu. Chúng tôi học được: Tốt hơn là bàn giao 2 trường hợp sử dụng thật tốt trong 2 tháng, hơn 10 trường hợp làm nửa vời trong 8 tháng.

Bài học: Thử nghiệm với 1-2 trường hợp sử dụng quan trọng, chứng minh giá trị nhanh, lấy phản hồi, lặp lại. Đà phát triển từ những chiến thắng nhanh sẽ xây dựng sự ủng hộ cho các sáng kiến dài hạn.

5. Nợ kỹ thuật là thật, và cần ưu tiên

Khi dự án gấp rút, dễ có xu hướng "đi tắt". Nhưng nợ kỹ thuật tích lũy nhanh và tốn kém để sửa.

Bài học: Phân bổ 15-20% năng lực cho việc trả nợ kỹ thuật và tái cấu trúc. Coi đó như một khoản đầu tư, không phải "lãng phí thời gian".

Chia sẻ từ đội ngũ Carptech

Chúng tôi hỏi đội ngũ: "Khoảnh khắc đáng nhớ nhất năm 2025 của bạn?" Đây là một số câu trả lời:

Minh - Senior Data Engineer:

"Khoảnh khắc tự hào nhất là khi khách hàng sản xuất gọi điện lúc 11 giờ đêm, hào hứng vì mô hình bảo trì dự đoán của chúng ta vừa phát hiện được một vấn đề trước 6 giờ, giúp họ tránh được $50K thời gian ngừng máy. Đó là lúc tôi nhận ra: công việc chúng ta thực sự có ý nghĩa."

Linh - Analytics Engineer:

"Khi đào tạo đội ngũ marketing khách hàng sử dụng các dbt models chúng ta xây dựng. Thấy họ từ 'SQL là gì?' đến có thể tự chỉnh sửa models sau 2 tuần. Đó là sự trao quyền."

Tùng - Data Scientist:

"Triển khai mô hình ML đầu tiên lên production. Chúng tôi đã huấn luyện, xác thực, kiểm tra trong 3 tháng. Ngày mô hình hoạt động và bắt đầu tạo dự đoán cho 200K người dùng - đó là cảm giác kỳ diệu."

Hương - Quản lý Dự án:

"Khi một khách hàng khó tính nhất (thường hay phàn nàn) gửi email cảm ơn và giới thiệu chúng tôi cho đối tác của họ. Đó là sự công nhận cho tất cả nỗ lực."

An - Trưởng nhóm Data Platform:

"Chuyến nghỉ dưỡng đội ngũ ở Đà Lạt. Ngồi quanh lửa trại, mọi người chia sẻ về năm qua. Lúc đó tôi nhận ra: chúng ta không chỉ là đồng nghiệp, chúng ta là một gia đình."

Cam kết cho năm 2026

Năm 2025 là nền tảng. Năm 2026, chúng tôi cam kết:

1. Tiếp tục đầu tư vào con người

Hành động cụ thể:

• Mở rộng đội ngũ thêm 5-7 người (mục tiêu: 20-22 thành viên cuối năm 2026)
• Ra mắt "Carptech University" - lộ trình học tập có cấu trúc cho các vai trò
• Tài trợ thành viên đội ngũ tham dự 2 hội nghị quốc tế (Data Council, Coalesce, v.v.)
• Triển khai chương trình hướng dẫn chính thức

2. Mở rộng dịch vụ

Các dịch vụ mới dự kiến:

• Data Platform Health Check: Đánh giá 2 tuần về nền tảng hiện có với khuyến nghị chi tiết
• Data Strategy Consulting: Giúp doanh nghiệp xác định lộ trình dữ liệu 3-5 năm
• Managed Services: Hỗ trợ và tối ưu liên tục cho các nền tảng đã triển khai
• Chương trình Đào tạo: Workshop công khai về data engineering, analytics engineering, ML engineering

3. Đóng góp nhiều hơn cho cộng đồng dữ liệu Việt Nam

Cam kết:

• 60+ bài blog (tiếp tục series này!)
• Ra mắt kênh YouTube: Video hướng dẫn về Data Platform, dbt, SQL, v.v.
• Quarterly Data Leaders Meetup: Không gian cho các lãnh đạo dữ liệu kết nối
• Đóng góp mã nguồn mở: Đóng góp cho dbt, Airflow, và các công cụ chúng tôi sử dụng
• Chương trình hướng dẫn: Hướng dẫn 10 chuyên gia dữ liệu junior

4. Nghiên cứu phát triển và đổi mới

Lĩnh vực trọng tâm 2026:

• Phân tích tích hợp GenAI: Mở rộng khả năng trợ lý AI, hỗ trợ truy vấn phức tạp hơn
• Thời gian thực cho mọi thứ: Đầu tư mạnh vào hạ tầng streaming và ML thời gian thực
• Data Mesh: Thử nghiệm kiến trúc Data Mesh với 2-3 khách hàng phù hợp
• Tối ưu chi phí: Xây dựng công cụ riêng để tối ưu chi phí cloud cho khách hàng

5. Duy trì chất lượng và sự hài lòng của khách hàng

Các chỉ số North Star của chúng tôi cho 2026:

• NPS khách hàng > 8.5 (từ 8.2 năm 2025)
• Tỷ lệ giữ chân đội ngũ > 95% (duy trì tiêu chuẩn cao)
• 100% dự án mang lại giá trị kinh doanh (đo bằng các chỉ số do khách hàng định nghĩa)
• Không có sự cố chất lượng dữ liệu nghiêm trọng trong môi trường production

Chúc mừng năm mới!

Năm 2025 đã khép lại với nhiều kỷ niệm đẹp. Chúng tôi biết ơn mỗi người đã là một phần của hành trình này.

Năm 2026 hứa hẹn nhiều thử thách mới: công nghệ tiếp tục thay đổi với tốc độ chóng mặt (GenAI, thời gian thực, Data Mesh...), môi trường kinh doanh không chắc chắn, cạnh tranh tăng. Nhưng chúng tôi lạc quan.

Chúng tôi tin vào sứ mệnh của mình: Giúp các doanh nghiệp Việt Nam trở nên data-driven, ra quyết định tốt hơn, và thành công hơn.

Nếu năm 2026 của bạn có các sáng kiến về Data Platform, chúng tôi rất muốn được đồng hành. Đặt lịch tư vấn miễn phí 60 phút để chúng tôi cùng thảo luận về thách thức của bạn và cách chúng tôi có thể giúp.

Chúc mọi người một năm 2026 thành công, hạnh phúc, và data-driven! 🎉

P.S. Đây là bài blog thứ 60 của năm 2025 - cột mốc quan trọng cho đội ngũ nội dung của chúng tôi. Nếu bạn đã theo dõi series blog này, cảm ơn bạn rất nhiều! Năm 2026, chúng tôi sẽ tiếp tục chia sẻ insights, thực hành tốt nhất, và kinh nghiệm thực tế. Hãy đón chờ!

Nếu bạn muốn nhìn lại những xu hướng lớn của năm 2025, đọc bài Xu hướng data platform 2025: nhìn lại một năm đầy biến động. Và để lên kế hoạch cho năm tới, đừng bỏ qua bài Lập kế hoạch data platform 2026: các ưu tiên cho năm tới.