Biến dữ liệu thành nguồn lực mới cho quản lý tài chính công

Khai thác dữ liệu để nâng chất lượng điều hành tài chính.

Đưa dữ liệu trở thành năng lực điều hành của Bộ Tài chính

Trong mô hình quản lý truyền thống, dữ liệu tài chính chủ yếu được thu thập sau khi giao dịch phát sinh, sau đó tổng hợp thành báo cáo để đánh giá tình hình. Cách làm này vẫn giữ vai trò thiết yếu trong bảo đảm kỷ luật tài chính. Tuy nhiên, khi nền kinh tế vận động nhanh, thông tin quá khứ ngày càng khó đáp ứng đầy đủ yêu cầu nhận diện những biến động có thể xuất hiện trong tương lai.

Sự phát triển của dữ liệu lớn đang tạo ra một cách tiếp cận khác. Dữ liệu ngân sách có thể được phân tích cùng thông tin kinh tế vĩ mô, sản xuất kinh doanh, đầu tư, thương mại và nhiều chỉ báo liên quan. Khi các nguồn dữ liệu được chuẩn hóa, kết nối, cơ quan quản lý có thêm cơ sở lý giải nguyên nhân biến động, nhận diện xu hướng, thay vì dừng ở việc biết khoản thu hay khoản chi đã thay đổi ra sao.

Trí tuệ nhân tạo (AI) tiếp tục mở rộng năng lực này thông qua khả năng phát hiện mối quan hệ trong lượng dữ liệu lớn, hỗ trợ dự báo và cập nhật đánh giá theo thông tin mới. Đối với tài chính công, dự toán ngân sách thường được xây dựng trong điều kiện nền kinh tế liên tục biến động, vì vậy khả năng cập nhật sớm có thể cung cấp thêm căn cứ để đánh giá nguồn thu, nhu cầu chi và rủi ro đối với cân đối tài khóa.

Bài toán này đang hiện hữu rõ nét tại Bộ Tài chính. Trong năm 2026, Bộ tiếp tục triển khai Cơ sở dữ liệu quốc gia về Tài chính giai đoạn 2026-2030, hướng tới mở rộng phạm vi dữ liệu, nâng cao năng lực xử lý, ứng dụng AI và công nghệ dữ liệu lớn. Hệ thống cũng được định hướng tiếp nhận dữ liệu có cấu trúc, bán cấu trúc và phi cấu trúc, qua đó mở rộng khả năng khai thác thông tin.

Giá trị lớn hơn sẽ xuất hiện khi dữ liệu ngân sách, thuế, đầu tư công, tài sản công cùng các lĩnh vực tài chính được đặt trong một hệ sinh thái có khả năng bổ trợ lẫn nhau. Bộ Tài chính đang phát triển nền tảng kết nối, chia sẻ dữ liệu với các bộ, ngành, địa phương và đơn vị trong ngành. Trọng tâm chuyển đổi vì thế dần dịch chuyển từ xây dựng từng cơ sở dữ liệu sang kết nối các nguồn thông tin.

Nếu khả năng kết nối được phát huy, quản lý ngân sách có thể tiến thêm một bước. Dữ liệu tiến độ dự án kết hợp với giải ngân có thể hỗ trợ nhận diện sớm nguy cơ chậm tiến độ; dữ liệu chi phí gắn với kết quả đầu ra tạo thêm căn cứ đánh giá hiệu quả; dữ liệu thu ngân sách kết hợp các chỉ báo kinh tế có thể hỗ trợ dự báo nguồn thu. Giá trị của dữ liệu vì thế nằm nhiều ở năng lực phân tích và liên kết.

Điều này đặc biệt quan trọng khi quản lý tài chính công phải đồng thời phục vụ mục tiêu tăng trưởng, giữ kỷ luật tài khóa và nâng hiệu quả phân bổ nguồn lực. Quy mô nhiệm vụ càng lớn, chất lượng quyết định càng phụ thuộc vào khả năng có được thông tin đầy đủ, chính xác, kịp thời. Đây chính là điểm dữ liệu có thể chuyển từ một “kho lưu trữ” thành nguồn lực thực sự cho quản lý, điều hành.

Biến AI thành công cụ hỗ trợ quản trị tài chính

AI có thể được hình dung như lớp phân tích phía trên nền dữ liệu đó như tìm kiếm quan hệ, phát hiện bất thường, hỗ trợ dự báo và cảnh báo. Song nền móng vẫn là chất lượng dữ liệu. Dữ liệu phân tán, thiếu chuẩn hóa hoặc cập nhật chậm sẽ giới hạn độ tin cậy của kết quả phân tích, dù thuật toán tiên tiến đến đâu. Bởi vậy, phát triển AI trong ngành Tài chính trước hết cũng là bài toán quản trị dữ liệu.

Theo định hướng, Việt Nam đang xây dựng kiến trúc dữ liệu ngành Tài chính, mô hình dữ liệu tham chiếu, khung quản trị và quản lý dữ liệu cùng từ điển dữ liệu tài chính. Đây là những cấu phần ít tạo hiệu ứng trực quan như một ứng dụng AI, song lại quyết định khả năng khai thác dữ liệu lâu dài, bởi một hệ thống thông minh cần biết dữ liệu được tạo ở đâu, ai chịu trách nhiệm và được sử dụng trong phạm vi nào.

Một hướng ứng dụng đáng chú ý là chuyển từ kiểm soát thuần túy sang quản trị dựa trên rủi ro. Các mô hình phân tích có thể sàng lọc lượng giao dịch rất lớn, nhận diện khoản chi hoặc hoạt động có đặc điểm bất thường để cơ quan quản lý tập trung nguồn lực kiểm tra. Điều này giúp giảm cách kiểm tra dàn trải, đồng thời nâng khả năng phát hiện sớm những khu vực cần được đánh giá kỹ hơn.

Tuy nhiên, cảnh báo của thuật toán không đồng nghĩa với kết luận vi phạm. Một giao dịch khác thông lệ có thể xuất phát từ nhiều nguyên nhân hợp pháp. Vì vậy, AI phù hợp với vai trò hỗ trợ sàng lọc, phân tích và cảnh báo, còn quyết định cuối cùng cần có sự kiểm chứng của con người. Nguyên tắc này càng quan trọng trong tài chính công - nơi kết luận quản lý có thể tác động trực tiếp tới cơ quan nhà nước, doanh nghiệp và người dân.

Bộ Tài chính đã bắt đầu thử nghiệm các nền tảng AI dùng chung tại nhiều đơn vị, tập trung vào những bài toán tối ưu quy trình nghiệp vụ và nâng năng suất. Các hướng được xác định gồm quản trị dữ liệu, phân tích rủi ro, kiểm toán, thanh tra và hỗ trợ ra quyết định. Thực tế triển khai cũng đặt ra những vấn đề về dữ liệu phân tán, chuẩn hóa, bảo mật và khả năng giải trình của hệ thống.

Vì vậy, thách thức tiếp theo không đơn giản nằm ở đầu tư thêm công nghệ. Chuyển từ hạ tầng số sang vận hành dựa trên dữ liệu đòi hỏi thay đổi đồng thời quy trình nghiệp vụ, phương thức ra quyết định và năng lực cán bộ. Người làm tài chính trong môi trường mới cần hiểu quy định chuyên môn, đồng thời có khả năng đọc dữ liệu, đánh giá kết quả phân tích, nhận diện giới hạn của mô hình trước khi sử dụng kết quả vào công tác quản lý.

Cách tiếp cận phù hợp là lựa chọn những bài toán có giá trị rõ ràng. Dự báo thu ngân sách, theo dõi giải ngân, phân tích chi phí, phát hiện bất thường hay đánh giá rủi ro là những hướng có tiềm năng. Mỗi bài toán cần được xem xét trên ba nền tảng: chất lượng dữ liệu, mức độ sẵn sàng của hệ thống và khả năng kiểm chứng kết quả trước khi mở rộng ứng dụng.

Ở tầng sâu hơn, dữ liệu và AI có thể thúc đẩy sự thay đổi trong cách nhìn về tài chính công. Thay vì một chu trình chủ yếu gồm lập dự toán, phân bổ, thực hiện và quyết toán, quản lý tài chính có thể tiến dần tới một hệ thống cập nhật, phân tích và phản hồi thông tin liên tục. Khi điều kiện kinh tế thay đổi, cơ quan quản lý có thêm căn cứ để nhận diện rủi ro sớm, điều chỉnh phương án điều hành phù hợp.

Giai đoạn 2026-2030 có thể trở thành bước chuyển quan trọng đối với Cơ sở dữ liệu quốc gia về Tài chính, từ mục tiêu “có dữ liệu” sang “dùng dữ liệu”. Mở rộng kho dữ liệu, kết nối hệ thống hay thử nghiệm AI mới là tiền đề. Giá trị thực sự nằm ở khả năng chuyển dữ liệu phân tán thành thông tin phục vụ dự báo, giám sát và hoạch định chính sách, qua đó nâng chất lượng quản trị tài chính quốc gia.