5 GIẢ ĐỊNH SAI LẦM KHI XÂY DỰNG HẠ TẦNG DỮ LIỆU ĐỊA CHỈ
Từ AI Bot tư vấn chốt đơn, Logistics, E-commerce cho đến GIS, tất cả đều phụ thuộc vào cùng một loại dữ liệu: địa chỉ.
Khác nhau về nghiệp vụ, nhưng đều có chung một yêu cầu cốt lõi: Hệ thống phải hiểu đúng địa chỉ trước khi có thể tự động hóa bất kỳ quy trình nào.
Sau nhiều năm làm việc với bài toán này, tôi nhận ra rất nhiều hệ thống được xây dựng dựa trên 5 giả định dưới đây.
1. Giả định địa chỉ luôn có thứ tự
Nhiều hệ thống mặc định địa chỉ sẽ theo dạng: Đường → Xã/Phường → Quận/Huyện → Tỉnh/Thành phố và quét từ phải sang trái để nhận diện từng cấp.
Thực tế, người dùng có thể nhập theo bất kỳ thứ tự nào, bỏ qua nhiều cấp hành chính hoặc xen lẫn địa điểm. Nếu hệ thống phụ thuộc vào vị trí của từng thành phần, độ chính xác sẽ giảm rất nhanh.
2. Giả định các cấp hành chính luôn có tiền tố
Không phải ai cũng viết "Phường", "Quận", "Thành phố". Dữ liệu thực tế thường chỉ là: Bình Tân, Tân Tạo A, HCM.
Hệ thống cần hiểu được ngữ nghĩa thay vì chỉ tìm kiếm tiền tố.
3. Giả định chính tả và dấu câu luôn đúng
TP.HCM, tphcm, Ho Chi Minh, HCM, Sài Gòn... Đó đều có thể là cùng một địa chỉ.
Nếu chỉ so khớp chuỗi, bạn đang biến một bài toán ngữ nghĩa thành bài toán tìm kiếm văn bản đơn thuần.
4. Giả định mọi địa chỉ đều theo đơn vị hành chính mới nhất
Dữ liệu trong doanh nghiệp thường được tích lũy trong nhiều năm. Địa chỉ cũ, địa chỉ mới và các biến thể lịch sử luôn tồn tại song song.
Một hạ tầng dữ liệu địa chỉ cần có khả năng xử lý xuyên suốt các phiên bản này, thay vì chỉ hiểu cấu trúc hành chính hiện tại.
5. Giả định các quan hệ hành chính luôn đúng
Đây là giả định nguy hiểm nhất. Một địa chỉ có thể chứa đầy đủ tên xã, huyện và tỉnh, nhưng xã đó thực tế không thuộc huyện được nhập, hoặc huyện không thuộc tỉnh tương ứng.
Ví dụ: "Phường Bến Nghé, Quận Đống Đa, Hà Nội".
Phường Bến Nghé có thật.
Quận Đống Đa có thật
Nhưng Bến Nghé không nằm ở Đống Đa.
Nếu chỉ nhận diện từng thành phần mà không kiểm tra quan hệ hành chính, hệ thống vẫn trả về một kết quả "có vẻ đúng", trong khi dữ liệu đã sai ngay từ đầu.
Với người dùng, địa chỉ chỉ là một dòng văn bản để nhập. Nhưng với hệ thống, đó là dữ liệu quyết định rất nhiều quy trình phía sau:
- AI Bot không thể tự động hóa quy trình chốt đơn.
- Logistics phân vùng và giao hàng sai.
- GIS giảm độ chính xác của geocoding.
- E-commerce tính sai khu vực và phí vận chuyển.
Đó cũng là lúc tôi nhận ra bài toán khó nhất không phải là tách một chuỗi địa chỉ, mà là xây dựng một lớp hiểu ngữ nghĩa của địa chỉ để mọi hệ thống đều có thể sử dụng cùng một nguồn dữ liệu đáng tin cậy.
Một hệ thống chỉ có thể đưa ra quyết định đúng khi dữ liệu đầu vào được hiểu đúng.
Với địa chỉ, điều đó không đến từ việc "đọc được", mà từ việc "hiểu được".
