Trong phần lớn lịch sử cho đến hiện tại, kinh tế học là ngành học của những câu hỏi lớn, những lập luận chặt chẽ và những mô hình được xây dựng trong điều kiện dữ liệu còn rất hạn chế. Adam Smith viết Của cải của các dân tộc trong một thế giới gần như chưa có dữ liệu thực nghiệm theo nghĩa hiện đại. Alfred Marshall dựng nên phân tích cung – cầu bằng những đồ thị vẽ tay. Gàn suốt thế kỷ 20, dữ liệu kinh tế vẫn là thứ khan hiếm, được thu thập chậm rãi qua niên giám thống kê, khảo sát mẫu và sổ sách doanh nghiệp. Hai mươi năm gần đây, bối cảnh ấy đã thay đổi căn bản.

Ngày nay, mỗi giao dịch trực tuyến, mỗi cú nhấp chuột, mỗi lần đặt xe, mỗi lượt xác thực ngân hàng đều để lại một dấu vết dữ liệu. Các nền tảng số – từ Grab, MoMo tại Việt Nam đến Amazon, Alibaba trên phạm vi toàn cầu – vận hành trên một nguyên lý ngày càng quen thuộc: mỗi tương tác của người dùng đều có thể trở thành đầu vào cho một mô hình ra quyết định. Dữ liệu, từ chỗ là thứ mà nhà nghiên cứu phải vất vả đi tìm, đã trở thành thứ phải biết chọn lọc, xử lý, diễn giải và sử dụng một cách có trách nhiệm.

Một cuộc gặp tất yếu

Cuộc gặp giữa kinh tế học và dữ liệu không đơn giản là chuyện nhà kinh tế học học thêm lập trình, hay kỹ sư dữ liệu thay thế nhà kinh tế học. Cuộc gặp ấy diễn ra ở một tầng sâu hơn: tầng của câu hỏi.

Trong một thế giới kinh doanh có rất nhiều thông tin nhưng cũng đầy nhiễu, người ra quyết định không chỉ cần biết điều gì đang xảy ra. Họ cần biết vì sao nó xảy ra, điều gì sẽ xảy ra nếu ta can thiệp, một chính sách hay chiến lược có thật sự tạo ra tác động hay không, và một mô hình dự báo có còn đáng tin khi bối cảnh liên tục thay đổi hay không.

Dữ liệu có thể cho thấy hai biến số đi cùng nhau. Kinh tế học buộc ta phải hỏi: đó chỉ là mối tương quan, hay thật sự phản ánh một quan hệ nhân quả? Dữ liệu có thể dự báo một nhóm khách hàng sẽ rời bỏ nền tảng số. Kinh tế học buộc ta phải hỏi: nguyên nhân nằm ở giá, trải nghiệm người dùng, cạnh tranh thị trường, thu nhập của khách hàng, hay một cơ chế sâu hơn trong hành vi lựa chọn?

Trong thời đại dữ liệu, thách thức không còn chỉ là “có dữ liệu hay không”, mà là biết hỏi “làm gì với dữ liệu, hiểu gì từ dữ liệu, và ra quyết định thế nào từ dữ liệu”.

Kinh tế học mang đến điều gì?

Khi dữ liệu trở nên dồi dào, vấn đề không còn chỉ là đo lường nhiều hơn, mà là hiểu đúng hơn. Kinh tế học giúp ta đặt dữ liệu vào một khung phân tích về hành vi, động cơ, lựa chọn và hệ quả. Kinh tế kinh doanh giúp ta đọc được logic kinh tế phía sau hành vi doanh nghiệp/tổ chức, hành vi của người tiêu dùng cá nhân, cấu trúc thị trường và chiến lược cạnh tranh. Kinh tế đầu tư đặt các quyết định phân bổ nguồn lực, lựa chọn dự án, đánh giá rủi ro và hiệu quả đầu tư vào một khuôn khổ phân tích có hệ thống. Kinh tế học về nền tảng số mở ra cách hiểu mới về các mô hình kinh doanh dựa trên dữ liệu, hiệu ứng mạng lưới, thị trường hai phía và quyền lực cạnh tranh của các hệ sinh thái số.

Quan trọng hơn cả, kinh tế học đem đến một kiểu tư duy. Đó là tư duy nhân quả: không dừng ở việc thấy hai hiện tượng đi cùng nhau, mà hỏi cái gì thực sự gây ra cái gì. Đó là tư duy cân bằng: hiểu rằng hành vi của từng cá nhân và doanh nghiệp/tổ chức tương tác với nhau để tạo ra kết quả chung. Đó là tư duy đánh đổi: thừa nhận rằng mọi lựa chọn đều có chi phí cơ hội. Và đó là tư duy về động cơ: không chỉ hỏi con người đã làm gì, mà hỏi vì sao họ làm như vậy và họ sẽ thay đổi ra sao khi luật chơi thay đổi.

Những điều này làm nên khác biệt giữa một người chỉ biết “chạy mô hình” và một người hiểu mô hình ấy đang nói gì về thế giới.

Dữ liệu mang đến điều gì?

Nếu kinh tế học mang đến khung tư duy, thì dữ liệu mở ra một không gian quan sát mới. Nó cho phép ghi nhận những dấu vết hành vi, giao dịch và tương tác mà trước đây rất khó thu thập ở quy mô lớn. Học máy (machine learning) giúp phát hiện các quan hệ phức tạp mà nhiều mô hình truyền thống có thể bỏ sót. Phân tích văn bản biến tin tức, báo cáo doanh nghiệp, phản hồi khách hàng và bình luận trên mạng xã hội thành dữ liệu có thể đo lường. Phân tích mạng giúp nhận diện sự lan tỏa của thông tin, niềm tin và hành vi. Các thử nghiệm trực tuyến với hàng triệu người dùng, từng là điều rất khó hình dung cách đây vài thập kỷ, nay đã trở thành công cụ thường nhật của nhiều doanh nghiệp công nghệ.

Nhưng càng nhiều dữ liệu, nhu cầu hiểu nguyên lý kinh tế đứng sau càng lớn.

Một mô hình học máy có thể tái sản xuất những thiên lệch trong quá khứ. Một thuật toán dự báo có thể chính xác về mặt thống kê nhưng nghèo nàn về ý nghĩa kinh tế. Một quyết định tối ưu hóa ngắn hạn có thể làm tăng doanh thu trước mắt, nhưng làm tổn hại niềm tin, động cơ và giá trị dài hạn.

Dữ liệu vì thế không làm kinh tế học trở nên lỗi thời. Ngược lại, nó làm cho tư duy kinh tế trở nên cần thiết hơn. Khi dữ liệu quá nhiều, điều con người cần không chỉ là công cụ xử lý mạnh hơn, mà là năng lực phán đoán tốt hơn.

Khoảng trống đào tạo tại Việt Nam

Trên thế giới, nhiều đại học đã nhanh chóng phản ứng với cuộc gặp giữa kinh tế học và dữ liệu. Học viện Công nghệ Massachusetts phát triển chương trình Dữ liệu, Kinh tế học và Thiết kế chính sách; Đại học Glasgow có chương trình Thạc sĩ Phân tích dữ liệu cho Kinh tế và Tài chính; nhiều trường khác cũng xây dựng các chương trình kết hợp kinh tế học, dữ liệu và phân tích chính sách hoặc kinh doanh. Đáng chú ý, song hành với đó thì kinh tế kinh doanh đã trở thành một hướng đào tạo có tên gọi rõ ràng trong nhiều đại học quốc tế: Đại học Harvard có chương trình Tiến sĩ Kinh tế kinh doanh; Đại học California, Los Angeles có chương trình Cử nhân Kinh tế kinh doanh; ở bậc thạc sĩ, có thể kể đến chương trình Thạc sĩ Phân tích dữ liệu và Kinh tế kinh doanh của Đại học Lund, chương trình Thạc sĩ Kinh tế kinh doanh của Đại học Reading, KU Leuven, Đại học Antwerp và Đại học Brock. Những ví dụ này cho thấy kinh tế kinh doanh không phải là một cách gọi ngẫu nhiên, mà là một định hướng đào tạo đã có vị trí riêng trong không gian giáo dục quốc tế; đồng thời, điểm chung của các chương trình nói trên không phải là ghép cơ học vài môn kinh tế với vài môn dữ liệu, mà là một triết lý đào tạo mới: người học cần đồng thời có nền tảng kinh tế học, có năng lực sử dụng công cụ định lượng, có khả năng làm việc với dữ liệu hiện đại và năng lực chuyển hóa phân tích thành quyết định kinh doanh.

Tại Việt Nam, các chương trình thạc sĩ kinh tế đã có nhiều đổi mới về phương pháp định lượng. Tuy nhiên, một chương trình tập trung trực tiếp vào sự tích hợp giữa kinh tế kinh doanh và phân tích dữ liệu, với định hướng nghiên cứu rõ ràng, vẫn còn là một khoảng trống đáng chú ý.

Khoảng trống ấy phản ánh đúng nhu cầu đang lên của thị trường lao động. Nhiều doanh nghiệp không thiếu dữ liệu, nhưng thiếu người biết đọc dữ liệu bằng tư duy kinh tế. Nhiều tổ chức không thiếu phần mềm phân tích, nhưng thiếu người biết đặt câu hỏi đúng, đánh giá tác động, nhận diện rủi ro và diễn giải kết quả cho người ra quyết định.

Một câu trả lời từ Trường Đại học Ngoại thương

Trong bối cảnh đó, Trường Đại học Ngoại thương mở chương trình Thạc sĩ Kinh tế kinh doanh và Phân tích dữ liệu, viết tắt là BECONAN, thuộc ngành Kinh tế học, định hướng nghiên cứu.

Đây là chương trình thạc sĩ đầu tiên của Nhà trường thuộc ngành Kinh tế học, tạo thêm một nấc đào tạo sau đại học quan trọng trên nền tảng 65 năm Trường Đại học Ngoại thương đào tạo cử nhân ngành Kinh tế. Đơn vị phụ trách chuyên môn là Viện Kinh tế và Kinh doanh quốc tế – đơn vị có 65 năm lịch sử phát triển cùng trường.

Chương trình được xây dựng trên một nhận thức căn bản: trong bối cảnh kinh tế số, người học không thể chỉ hiểu thị trường bằng trực giác, cũng không thể chỉ xử lý dữ liệu bằng kỹ thuật. Họ cần một khuôn khổ tư duy đủ vững để kết nối dữ liệu với câu hỏi kinh tế, mô hình với bằng chứng, và phân tích với quyết định.

Triết lý đào tạo của BECONAN gồm hai trụ cột.

Trụ cột thứ nhất là tư duy kinh tế kinh doanh: sử dụng kinh tế học hiện đại để phân tích các quyết định của doanh nghiệp/tổ chức và thị trường. Đây không phải lý thuyết trừu tượng xa rời thực tế, cũng không phải quản trị tổng quát, mà là năng lực hiểu cấu trúc thị trường, hành vi doanh nghiệp, chiến lược cạnh tranh, đầu tư, rủi ro và cơ chế tạo giá trị.

Trụ cột thứ hai là năng lực phân tích dữ liệu hiện đại: từ thống kê, kinh tế lượng, phân tích nhân quả đến học máy và khai thác dữ liệu lớn. Mục tiêu không phải biến mọi học viên thành kỹ sư AI, mà giúp người học biết sử dụng dữ liệu một cách có phương pháp khoa học, có khả năng kiểm chứng và có ý nghĩa kinh tế.

Điểm quan trọng là hai trụ cột này không tách rời. Người học không học kinh tế học ở một bên và dữ liệu ở một bên, mà học cách dùng dữ liệu để trả lời câu hỏi kinh tế kinh doanh, đồng thời dùng kinh tế học để diễn giải những gì dữ liệu gợi ra.

Một năng lực mới cho một thời đại mới

Cuộc gặp giữa kinh tế học và dữ liệu đã định hình lại cách làm việc của những người xử lý các vấn đề kinh tế và kinh doanh phức tạp.

Một nhà phân tích kinh doanh hiện nay không thể chỉ dựa vào trực giác kinh tế, dù trực giác ấy sắc bén đến đâu. Nhưng họ cũng không thể chỉ dựa vào sức mạnh xử lý của thuật toán, dù thuật toán ấy tinh vi đến mức nào. Họ cần biết khi nào phải đặt câu hỏi về quan hệ nhân quả, khi nào nên thử nghiệm, khi nào nên tin vào mô hình, khi nào phải nghi ngờ kết quả, và khi nào một con số đẹp vẫn có thể dẫn đến một quyết định sai.

Đó không phải là một tập hợp kỹ năng có thể học vội. Đó là một khuôn khổ tư duy cần được rèn luyện nghiêm túc: có nền tảng học thuật, có năng lực dữ liệu, có ý thức thực tiễn và có khả năng tự đặt câu hỏi về chính lập luận của mình.

Trong một thế giới nơi dữ liệu ngày càng nhiều, điều làm nên khác biệt không chỉ là ai có nhiều dữ liệu hơn, mà là ai hiểu dữ liệu tốt hơn. Và để hiểu dữ liệu tốt hơn, con người cần nhiều hơn kỹ thuật. Họ cần tư duy kinh tế, năng lực phân tích và bản lĩnh trí tuệ để biến dữ liệu thành hiểu biết, biến hiểu biết thành quyết định, và biến quyết định thành giá trị.

Năm 2026, Nhà trường bắt đầu tuyển sinh Chương trình đào tạo trình độ Thạc sĩ Kinh tế kinh doanh và Phân tích dữ liệu. Để biết thông tin chi tiết, truy cập website: http://sdh.ftu.edu.vn/ của Khoa Sau đại học và website: https://ktkdqt.ftu.edu.vn/ của Viện Kinh tế và Kinh doanh quốc tế, trường Đại học Ngoại thương.