Cách ẩn danh dữ liệu doanh nghiệp trong luận án DBA

Trong các luận án DBA theo lộ trình APEL.Q, dữ liệu doanh nghiệp thường là nguồn dữ liệu rất có giá trị. Ứng viên có thể sử dụng dữ liệu từ dự án chuyển đổi số, báo cáo vận hành, phản hồi khách hàng, dữ liệu nhân sự, kết quả đào tạo, dữ liệu học viên, báo cáo tài chính tổng hợp hoặc tài liệu nội bộ. Đây là lợi thế lớn của DBA vì nghiên cứu không tách rời thực tiễn quản trị.

Tuy nhiên, dữ liệu doanh nghiệp thường đi kèm rủi ro bảo mật. Một bảng dữ liệu có thể chứa tên khách hàng, email, số điện thoại, doanh thu, hợp đồng, tình trạng nhân sự, đánh giá hiệu suất, chiến lược nội bộ hoặc thông tin cạnh tranh. Nếu đưa trực tiếp vào luận án mà không xử lý, ứng viên có thể vi phạm quyền riêng tư, nghĩa vụ bảo mật hoặc nguyên tắc đạo đức nghiên cứu.

Theo Corti, Van den Eynden, Bishop và Woollard (2019), quản lý dữ liệu nghiên cứu không chỉ là lưu trữ dữ liệu, mà còn bao gồm bảo vệ người tham gia, kiểm soát truy cập, ẩn danh và chia sẻ dữ liệu có trách nhiệm. Với APEL.Q cho DBA, ẩn danh dữ liệu doanh nghiệp là một bước kỹ thuật bắt buộc nếu ứng viên muốn sử dụng dữ liệu thật mà vẫn bảo vệ tổ chức và các bên liên quan.

Ẩn danh dữ liệu là gì?

Ẩn danh dữ liệu là quá trình loại bỏ hoặc thay đổi các thông tin có thể nhận diện cá nhân, tổ chức, khách hàng, nhân viên, học viên, đối tác hoặc đơn vị kinh doanh. Mục tiêu là bảo đảm người đọc luận án không thể xác định trực tiếp hoặc gián tiếp danh tính của các bên liên quan.

Ẩn danh không chỉ là xoá tên người. Trong nhiều trường hợp, dù đã xoá tên, người đọc vẫn có thể nhận diện qua chức danh, địa điểm, thời gian, quy mô doanh nghiệp, thị trường, doanh thu hoặc một sự kiện đặc thù. Vì vậy, ẩn danh cần xử lý cả thông tin nhận diện trực tiếp và nhận diện gián tiếp.

Ví dụ, nếu luận án ghi “Giám đốc Kinh doanh khu vực miền Nam của Công ty X, người duy nhất phụ trách dự án CRM năm 2023”, dù không ghi tên người, danh tính vẫn có thể bị suy ra. Một cách an toàn hơn là ghi “P04 – quản lý cấp trung phụ trách hoạt động bán hàng”. Tương tự, thay vì ghi tên doanh nghiệp thật, có thể dùng “Công ty A”, “Tổ chức giáo dục B” hoặc “một doanh nghiệp dịch vụ quy mô vừa”.

Vì sao ẩn danh quan trọng trong DBA?

DBA là chương trình Tiến sĩ ứng dụng nên nghiên cứu thường diễn ra trong môi trường thật. Ứng viên có thể đang nghiên cứu chính tổ chức mình làm việc, khách hàng của mình, nhân viên của mình hoặc dự án mình từng điều hành. Điều này tạo ra giá trị thực tiễn cao, đồng thời làm tăng trách nhiệm bảo mật.

Ẩn danh quan trọng vì bốn lý do. Thứ nhất, nó bảo vệ quyền riêng tư của cá nhân. Thứ hai, nó bảo vệ thông tin thương mại và chiến lược của tổ chức. Thứ ba, nó giúp ứng viên tuân thủ nguyên tắc đạo đức nghiên cứu. Thứ tư, nó giúp luận án có thể được đánh giá, lưu trữ hoặc chia sẻ ở mức phù hợp mà không gây rủi ro cho bên liên quan.

Một luận án DBA không cần tiết lộ tên thật của doanh nghiệp để có giá trị học thuật. Điều quan trọng là luận án mô tả đủ bối cảnh nghiên cứu, dữ liệu, phương pháp và phân tích để người đọc hiểu vấn đề, trong khi vẫn bảo vệ danh tính và thông tin nhạy cảm.

Phân biệt dữ liệu cần ẩn danh và dữ liệu có thể công khai

Không phải mọi dữ liệu đều cần ẩn danh ở cùng mức độ. Ứng viên cần phân loại dữ liệu trước khi xử lý.

Dữ liệu cần ẩn danh cao gồm tên cá nhân, email, số điện thoại, mã học viên, mã khách hàng, hồ sơ nhân sự, đánh giá hiệu suất, phản hồi phỏng vấn, dữ liệu tài chính chi tiết, hợp đồng, thông tin khách hàng, thông tin chiến lược, dữ liệu nội bộ chưa công bố và tài liệu có thể ảnh hưởng đến uy tín tổ chức.

Dữ liệu có thể sử dụng ở dạng tổng hợp gồm tỷ lệ hoàn thành, tỷ lệ bỏ học, số lượng phản hồi, xu hướng sử dụng hệ thống, tỷ lệ hài lòng theo nhóm, số liệu vận hành theo tháng hoặc kết quả phân tích đã loại bỏ thông tin nhận diện.

Dữ liệu có thể công khai gồm thông tin đã được công bố trên website chính thức, báo cáo thường niên công khai, tài liệu quảng bá công khai hoặc thông tin ngành đã có nguồn rõ. Tuy nhiên, ngay cả dữ liệu công khai cũng cần được trích dẫn đúng và không nên kết hợp với dữ liệu nội bộ theo cách làm lộ thông tin nhạy cảm.

Bước 1: Lập danh mục dữ liệu nhạy cảm

Trước khi ẩn danh, ứng viên cần lập danh mục dữ liệu nhạy cảm. Danh mục này giúp biết dữ liệu nào đang có rủi ro và cần xử lý thế nào.

Ứng viên có thể chia dữ liệu thành các nhóm: dữ liệu cá nhân, dữ liệu khách hàng, dữ liệu nhân viên, dữ liệu học viên, dữ liệu tài chính, dữ liệu vận hành, dữ liệu chiến lược, dữ liệu đối tác và dữ liệu tài liệu nội bộ. Với mỗi nhóm, cần ghi rõ: dữ liệu nằm ở đâu, có dùng trong luận án không, mức độ nhạy cảm, phương án ẩn danh và ai có quyền truy cập.

Ví dụ, dữ liệu phỏng vấn nhân viên có mức nhạy cảm cao vì có thể chứa ý kiến về lãnh đạo, quy trình, áp lực công việc hoặc vấn đề nội bộ. Dữ liệu tỷ lệ sử dụng hệ thống theo tháng có thể có mức nhạy cảm trung bình nếu không gắn với tên cá nhân. Báo cáo tài chính chi tiết có thể có mức nhạy cảm rất cao và chỉ nên dùng ở dạng tổng hợp nếu được phép.

Bước 2: Xoá thông tin nhận diện trực tiếp

Thông tin nhận diện trực tiếp là những thông tin có thể xác định ngay một người hoặc tổ chức. Ứng viên cần xoá hoặc thay thế các thông tin này trước khi đưa vào phụ lục hoặc bản thảo.

Các thông tin cần xử lý gồm tên cá nhân, tên doanh nghiệp nếu cần ẩn danh, email, số điện thoại, địa chỉ, mã số nhân viên, mã học viên, mã khách hàng, số hợp đồng, đường link nội bộ, chữ ký điện tử, ảnh chân dung, tên phòng ban quá đặc thù hoặc tên dự án có thể nhận diện.

Ví dụ, trong trích dẫn phỏng vấn, không nên ghi: “Chị Lan, Trưởng phòng Chăm sóc khách hàng tại Công ty ABC, cho biết…”. Có thể ghi: “P07, quản lý bộ phận hỗ trợ khách hàng, cho biết…”. Trong bảng khảo sát, không nên để email người trả lời. Chỉ nên giữ mã phản hồi như R01, R02, R03.

Bước 3: Xử lý thông tin nhận diện gián tiếp

Thông tin nhận diện gián tiếp khó xử lý hơn. Đây là những thông tin không trực tiếp nêu danh tính nhưng có thể giúp người đọc suy ra danh tính nếu kết hợp với bối cảnh.

Ví dụ, “doanh nghiệp giáo dục tư nhân duy nhất tại một tỉnh cụ thể triển khai chương trình X năm 2024” có thể làm lộ tổ chức. “Người phụ trách dự án, có 23 năm kinh nghiệm và là nữ giám đốc duy nhất trong ban điều hành” có thể làm lộ người tham gia. “Một hợp đồng trị giá 2,7 triệu EUR với đối tác tại Malta” có thể làm lộ thông tin thương mại.

Để xử lý, ứng viên có thể làm mờ chi tiết. Thay vì ghi tỉnh cụ thể, có thể ghi “một địa phương tại khu vực phía Nam”. Thay vì ghi số năm kinh nghiệm chính xác, có thể ghi “trên 15 năm kinh nghiệm”. Thay vì ghi số tiền cụ thể, có thể ghi “một hợp đồng quy mô lớn” hoặc sử dụng khoảng giá trị nếu được phép.

Ẩn danh tốt là ẩn danh đủ để bảo vệ danh tính, nhưng vẫn giữ đủ thông tin để người đọc hiểu bối cảnh nghiên cứu.

Bước 4: Dùng mã thay cho tên người tham gia

Nếu luận án có phỏng vấn, khảo sát hoặc phản hồi cá nhân, ứng viên nên dùng hệ thống mã. Mã giúp theo dõi dữ liệu mà không tiết lộ danh tính.

Ví dụ, người tham gia phỏng vấn có thể được mã hoá là P01, P02, P03. Người trả lời khảo sát có thể là R001, R002. Nhóm quản lý có thể là M01, M02. Nhóm học viên có thể là S01, S02. Nếu cần phân nhóm, có thể dùng mã như “M-P01” cho quản lý và “E-P01” cho nhân viên.

Ứng viên nên lưu bảng đối chiếu mã và tên thật ở nơi an toàn, không đưa vào luận án. Bảng này chỉ dùng nội bộ nếu cần kiểm tra dữ liệu. Trong luận án và phụ lục, chỉ sử dụng mã đã ẩn danh.

Bước 5: Tổng hợp dữ liệu thay vì công bố dữ liệu chi tiết

Với dữ liệu doanh nghiệp, cách an toàn thường là sử dụng dữ liệu tổng hợp. Dữ liệu tổng hợp giúp trình bày xu hướng, kết quả hoặc phát hiện mà không làm lộ thông tin chi tiết.

Ví dụ, thay vì đưa danh sách từng học viên bỏ học, có thể đưa tỷ lệ bỏ học theo tháng hoặc theo giai đoạn. Thay vì đưa doanh thu từng khách hàng, có thể đưa tỷ lệ tăng trưởng theo nhóm khách hàng. Thay vì đưa đánh giá hiệu suất từng nhân viên, có thể đưa mức trung bình theo phòng ban hoặc nhóm vai trò.

Tuy nhiên, tổng hợp dữ liệu phải trung thực. Ứng viên không nên tổng hợp theo cách làm méo kết quả. Cần nêu rõ cách tổng hợp và giới hạn của dữ liệu tổng hợp trong chương phương pháp hoặc phụ lục.

Bước 6: Ẩn danh trích dẫn phỏng vấn

Trích dẫn phỏng vấn là dữ liệu rất hữu ích trong luận án DBA, nhưng cũng dễ làm lộ danh tính. Khi đưa trích dẫn, ứng viên cần kiểm tra từng câu để loại bỏ thông tin nhận diện.

Ví dụ, nếu người tham gia nói: “Từ khi tôi chuyển từ chi nhánh Đà Nẵng về làm trưởng nhóm CRM tại văn phòng Quận 1, tôi thấy…”, trích dẫn này có thể làm lộ danh tính. Ứng viên có thể chỉnh thành: “Từ khi tôi chuyển sang vai trò quản lý nhóm triển khai hệ thống, tôi thấy…”. Khi chỉnh, cần bảo toàn ý nghĩa, không thay đổi nội dung cốt lõi.

Nếu trích dẫn chứa thông tin quá nhạy cảm, ứng viên có thể diễn giải thay vì trích nguyên văn. Điều quan trọng là bảo vệ người tham gia và tổ chức, đồng thời giữ tính trung thực của dữ liệu.

Bước 7: Ẩn danh tên tổ chức

Trong một số DBA, việc nêu tên tổ chức có thể được cho phép nếu tổ chức đồng ý và dữ liệu không nhạy cảm. Tuy nhiên, trong nhiều trường hợp, nên ẩn danh tên tổ chức.

Ứng viên có thể dùng “Tổ chức A”, “Công ty B”, “một doanh nghiệp giáo dục trực tuyến”, “một cơ sở đào tạo tư nhân”, “một doanh nghiệp dịch vụ quy mô vừa”. Cần mô tả đủ đặc điểm để người đọc hiểu bối cảnh: lĩnh vực hoạt động, quy mô tương đối, loại hình tổ chức, bối cảnh nghiên cứu và vấn đề quản trị. Không nhất thiết phải nêu tên thật.

Ví dụ, thay vì ghi “Công ty ABC Education”, có thể ghi “một tổ chức giáo dục trực tuyến hoạt động trong lĩnh vực đào tạo sau đại học xuyên biên giới”. Cách viết này vẫn cung cấp bối cảnh, nhưng giảm rủi ro nhận diện.

Bước 8: Kiểm tra rủi ro tái nhận diện

Sau khi ẩn danh, ứng viên cần kiểm tra rủi ro tái nhận diện. Tái nhận diện xảy ra khi người đọc có thể kết hợp nhiều thông tin để đoán ra danh tính.

Ví dụ, luận án không ghi tên người tham gia, nhưng lại ghi chức danh, giới tính, số năm kinh nghiệm, địa điểm và dự án cụ thể. Nếu chỉ có một người phù hợp với mô tả đó, danh tính vẫn bị lộ. Tương tự, luận án không ghi tên doanh nghiệp, nhưng mô tả quá chi tiết thị trường, đối tác, năm triển khai và quy mô dự án, khiến người trong ngành có thể đoán ra.

Ứng viên nên đọc lại bản thảo với câu hỏi: “Một người trong tổ chức hoặc trong ngành có thể đoán ra ai đang được nói đến không?”. Nếu câu trả lời là có, cần ẩn danh thêm.

Bước 9: Ghi rõ quy trình ẩn danh trong chương phương pháp

Ẩn danh không chỉ là thao tác kỹ thuật. Ứng viên nên trình bày quy trình ẩn danh trong chương phương pháp hoặc phần đạo đức nghiên cứu.

Có thể viết: “Tất cả người tham gia phỏng vấn được mã hoá bằng ký hiệu P01–P12. Tên cá nhân, tên phòng ban cụ thể, email và các thông tin có thể nhận diện đã được loại bỏ. Tên tổ chức được thay bằng ‘Tổ chức A’. Dữ liệu vận hành được trình bày ở dạng tổng hợp theo tháng và không bao gồm thông tin cá nhân hoặc thông tin thương mại chi tiết.”

Cách trình bày này giúp hội đồng thấy ứng viên xử lý dữ liệu có trách nhiệm. Nó cũng giúp bảo vệ ứng viên nếu có câu hỏi về quyền riêng tư hoặc đạo đức nghiên cứu.

Bước 10: Lưu trữ dữ liệu gốc an toàn

Ẩn danh dữ liệu trong luận án không có nghĩa là dữ liệu gốc được xử lý tuỳ tiện. Ứng viên cần lưu trữ dữ liệu gốc an toàn, giới hạn quyền truy cập và tránh chia sẻ không cần thiết.

Dữ liệu gốc nên được lưu trong thư mục bảo mật, có mật khẩu nếu cần, không gửi qua các kênh không an toàn, không chia sẻ cho người không có vai trò liên quan. Nếu có bảng đối chiếu mã và tên thật, bảng này cần được lưu riêng khỏi dữ liệu đã ẩn danh.

Theo Bhandari (2022), quản lý dữ liệu nghiên cứu cần bao gồm cả bảo mật trong quá trình lưu trữ, xử lý và chia sẻ. Với ứng viên DBA, điều này đặc biệt quan trọng vì dữ liệu có thể đến từ môi trường nghề nghiệp thật.

Ví dụ cách ẩn danh dữ liệu

Dữ liệu gốc: “Nguyễn Thị H., Trưởng phòng Học vụ tại SwissEdu, cho biết tỷ lệ học viên bỏ học trong chương trình DBA tháng 3/2024 tăng lên 18% sau khi thay đổi hệ thống LMS.”

Dữ liệu đã ẩn danh: “P04, quản lý bộ phận học vụ tại một tổ chức giáo dục trực tuyến, cho biết tỷ lệ học viên không tiếp tục tham gia tăng trong giai đoạn sau khi hệ thống LMS mới được triển khai.”

Trong ví dụ này, tên cá nhân, tên tổ chức, chương trình cụ thể, tháng cụ thể và tỷ lệ cụ thể đã được xử lý. Nếu tỷ lệ 18% là dữ liệu quan trọng và được phép dùng, có thể giữ ở dạng tổng hợp. Nếu tỷ lệ này nhạy cảm, nên dùng mô tả xu hướng hoặc khoảng số liệu.

Những lỗi thường gặp khi ẩn danh dữ liệu

Lỗi thứ nhất là chỉ xoá tên nhưng giữ lại quá nhiều chi tiết nhận diện. Đây là lỗi phổ biến nhất.

Lỗi thứ hai là ẩn danh không nhất quán. Một người lúc được ghi là P01, lúc khác lại được mô tả bằng chức danh thật.

Lỗi thứ ba là đưa dữ liệu thô vào phụ lục mà chưa kiểm tra thông tin cá nhân.

Lỗi thứ tư là quên ẩn danh trong bảng biểu, tên file, chú thích hình ảnh hoặc metadata của tài liệu.

Lỗi thứ năm là thay đổi trích dẫn quá nhiều làm sai ý nghĩa dữ liệu. Ẩn danh phải bảo vệ danh tính, nhưng không được bóp méo nội dung.

Lỗi thứ sáu là không ghi quy trình ẩn danh trong chương phương pháp, khiến hội đồng không biết dữ liệu đã được xử lý thế nào.

Kết luận

Ẩn danh dữ liệu doanh nghiệp là bước quan trọng trong luận án DBA theo lộ trình APEL.Q. Dữ liệu thực tiễn có thể tạo ra giá trị nghiên cứu rất lớn, nhưng chỉ nên được sử dụng khi ứng viên có trách nhiệm với quyền riêng tư, bảo mật tổ chức và đạo đức nghiên cứu.

Ứng viên cần lập danh mục dữ liệu nhạy cảm, xoá thông tin nhận diện trực tiếp, xử lý thông tin nhận diện gián tiếp, dùng mã thay tên người tham gia, tổng hợp dữ liệu khi cần, ẩn danh trích dẫn phỏng vấn, ẩn danh tên tổ chức, kiểm tra rủi ro tái nhận diện và trình bày quy trình ẩn danh trong chương phương pháp.

Một luận án DBA không cần tiết lộ mọi chi tiết để có giá trị. Điều quan trọng là dữ liệu được xử lý đủ minh bạch để hỗ trợ lập luận, đồng thời đủ an toàn để bảo vệ con người và tổ chức liên quan. Đây là dấu hiệu của một nghiên cứu ứng dụng nghiêm túc và có trách nhiệm.

Tài liệu tham khảo

Bhandari, P. (2022). Ethical considerations in research. Scribbr.

British Educational Research Association. (2018). Ethical guidelines for educational research (4th ed.). BERA.

Corti, L., Van den Eynden, V., Bishop, L., & Woollard, M. (2019). Managing and sharing research data: A guide to good practice (2nd ed.). SAGE Publications.

Kaiser, K. (2009). Protecting respondent confidentiality in qualitative research. Qualitative Health Research, 19(11), 1632–1641.

Saunders, B., Kitzinger, J., & Kitzinger, C. (2015). Anonymising interview data: Challenges and compromise in practice. Qualitative Research, 15(5), 616–632.