Cách AI đang hỗ trợ trong phân tích dữ liệu lớn.

II. Vai trò của trí tuệ nhân tạo (AI) trong phân tích dữ liệu lớn

1. Tổng quan về AI và khả năng của nó trong xử lý dữ liệu lớn

Trí tuệ nhân tạo (AI) là lĩnh vực của khoa học máy tính nhằm tạo ra các hệ thống hoạt động như con người, có khả năng học và tự điều chỉnh từ dữ liệu. Trong phân tích dữ liệu lớn, AI đóng vai trò quan trọng như một công cụ mạnh mẽ để xử lý và trích xuất giá trị từ dữ liệu khổng lồ như sau:

Xử lý dữ liệu lớn: AI có khả năng xử lý và phân tích dữ liệu lớn với tốc độ và hiệu suất cao hơn so với con người. Công nghệ học máy và học sâu cho phép AI tự động hóa quy trình xử lý dữ liệu từ việc tiền xử lý đến phân tích chi tiết.

Khám phá dữ liệu: AI có khả năng tự động phát hiện các mẫu, xu hướng và thông tin tiềm ẩn trong dữ liệu lớn mà có thể bỏ qua bởi con người. Các thuật toán học máy và học sâu giúp AI tìm ra các liên kết phức tạp và học hỏi từ dữ liệu lịch sử để đưa ra dự đoán và khuyến nghị.

Dự đoán và tối ưu hóa: AI có khả năng dự đoán xu hướng và kết quả dựa trên dữ liệu lịch sử và hiện tại. Từ việc dự đoán doanh số bán hàng đến tối ưu hóa chiến lược marketing, AI giúp tối ưu hóa quyết định kinh doanh và nâng cao hiệu suất hoạt động của tổ chức.

Tăng cường bảo mật dữ liệu: AI cũng đóng vai trò quan trọng trong việc bảo vệ dữ liệu lớn bằng cách phát hiện và ngăn chặn các mối đe dọa bảo mật. Từ việc phân tích hành vi gian lận đến giám sát các hoạt động mạng, AI giúp tăng cường bảo mật và đảm bảo tính toàn vẹn của dữ liệu lớn.

Trong tổng thể, AI không chỉ là công cụ hỗ trợ mà còn là một yếu tố quyết định trong việc phân tích dữ liệu lớn, đóng vai trò quan trọng trong việc tạo ra giá trị và cơ hội mới cho các tổ chức và doanh nghiệp.

XEM THÊM: Chính sách hoàn tiền khi hủy tài khoản ChatGPT Plus có gì cần lưu ý?

2. Các phương pháp và công cụ AI được sử dụng trong phân tích dữ liệu lớn

Machine Learning (Học Máy):

Học Supervised: Các thuật toán như Linear Regression, Decision Trees, và Support Vector Machines được sử dụng để dự đoán và phân loại dữ liệu lớn dựa trên các tập dữ liệu huấn luyện đã được gán nhãn.

Học Unsupervised: Các phương pháp như K-means Clustering và Principal Component Analysis (PCA) được áp dụng để phân nhóm dữ liệu mà không cần có dữ liệu huấn luyện trước.

Deep Learning (Học Sâu):

Neural Networks: Mạng nơ-ron sâu như Convolutional Neural Networks (CNNs) và Recurrent Neural Networks (RNNs) được sử dụng để xử lý và phân tích dữ liệu lớn trong các lĩnh vực như xử lý ảnh, ngôn ngữ tự nhiên và dữ liệu chuỗi.

Generative Adversarial Networks (GANs): GANs được sử dụng để tạo ra dữ liệu mới từ dữ liệu hiện có, giúp tăng cường dữ liệu huấn luyện và cải thiện chất lượng mô hình.

Natural Language Processing (NLP):

Phân tích cảm xúc: Các thuật toán NLP được sử dụng để phân tích và hiểu ý kiến và cảm xúc từ văn bản, giúp doanh nghiệp hiểu được quan điểm của khách hàng về sản phẩm hoặc dịch vụ.

Xử lý ngôn ngữ tự nhiên: Công nghệ NLP giúp tự động hóa việc xử lý và hiểu ngôn ngữ tự nhiên từ văn bản, giúp tổ chức nắm bắt thông tin từ các nguồn dữ liệu lớn.

Reinforcement Learning (Học Có Hướng Dẫn):

Hệ thống tự động hóa: Reinforcement Learning được sử dụng để xây dựng các hệ thống tự động hoá quyết định trong môi trường phức tạp, như tự động lái xe và quản lý tài nguyên.

Công cụ và Frameworks:

TensorFlow: Một framework mã nguồn mở được phát triển bởi Google, được sử dụng rộng rãi cho học sâu và phân tích dữ liệu lớn.

PyTorch: Một framework học sâu phổ biến khác được sử dụng cho việc phân tích dữ liệu lớn và nghiên cứu AI.

Apache Spark MLlib: Thư viện học máy phân tán được tích hợp trong Apache Spark, được sử dụng cho việc xử lý và phân tích dữ liệu lớn trong môi trường phân tán.

Các phương pháp và công cụ AI này đóng vai trò quan trọng trong việc phân tích và trích xuất giá trị từ dữ liệu lớn, giúp tổ chức và doanh nghiệp hiểu sâu hơn về môi trường kinh doanh và tạo ra giải pháp thông minh và hiệu quả.

III. Cách AI đang hỗ trợ trong việc phân tích dữ liệu lớn

1. Tăng cường khả năng xử lý và hiểu dữ liệu

Trí tuệ nhân tạo (AI) đóng vai trò quan trọng trong việc tăng cường khả năng xử lý và hiểu dữ liệu lớn thông qua các phương pháp và công cụ sau:

Xử lý dữ liệu tự động: AI có khả năng tự động hóa quy trình xử lý dữ liệu từ việc thu thập, tiền xử lý đến phân tích chi tiết. Công nghệ học máy và học sâu cho phép AI tự động hóa các tác vụ phức tạp như chuẩn hóa dữ liệu, loại bỏ dữ liệu nhiễu và trích xuất đặc trưng.

Phát hiện mẫu và xu hướng: AI sử dụng các thuật toán học máy và học sâu để phát hiện và hiểu các mẫu và xu hướng trong dữ liệu lớn. Từ việc nhận diện nhóm khách hàng tiềm năng đến dự báo xu hướng tiêu thụ, AI giúp tạo ra những hiểu biết sâu sắc từ dữ liệu đa dạng.

Dự đoán và tối ưu hóa: AI có khả năng dự đoán và tối ưu hóa dựa trên dữ liệu lớn. Từ việc dự báo doanh số bán hàng đến tối ưu hóa chiến lược marketing và phân phối, AI giúp tối ưu hóa quyết định kinh doanh và tăng cường hiệu quả hoạt động.

Xử lý ngôn ngữ tự nhiên (NLP): AI sử dụng công nghệ NLP để xử lý và hiểu ngôn ngữ tự nhiên từ văn bản, giúp tổ chức nắm bắt thông tin từ các nguồn dữ liệu lớn như phản hồi khách hàng, đánh giá sản phẩm và báo cáo từ các hệ thống khác nhau.

Học tăng cường (Reinforcement Learning): AI sử dụng học tăng cường để xây dựng các hệ thống tự động hoá quyết định trong môi trường phức tạp, như quản lý tài nguyên và tối ưu hóa quy trình sản xuất.

Nhờ vào khả năng xử lý và hiểu dữ liệu mạnh mẽ của mình, AI đóng vai trò quan trọng trong việc hỗ trợ phân tích dữ liệu lớn và tạo ra giá trị cạnh tranh cho các tổ chức và doanh nghiệp.

2. Tối ưu hóa quyết định và dự đoán

Trí tuệ nhân tạo (AI) cung cấp các công cụ và phương pháp giúp tối ưu hóa quyết định và dự đoán trong việc phân tích dữ liệu lớn như sau:

Dự đoán và tối ưu hóa: AI sử dụng các thuật toán học máy và học sâu để dự đoán xu hướng và kết quả từ dữ liệu lớn. Từ việc dự báo doanh số bán hàng đến tối ưu hóa chiến lược marketing và quản lý rủi ro, AI giúp tối ưu hóa quyết định và nâng cao hiệu suất hoạt động của tổ chức.

Học tăng cường (Reinforcement Learning): AI sử dụng học tăng cường để xây dựng các hệ thống tự động hoá quyết định trong môi trường phức tạp. Các thuật toán này học từ kinh nghiệm và tương tác với môi trường để đưa ra các quyết định tối ưu, như quản lý tài nguyên và tối ưu hóa quy trình sản xuất.

Dự đoán và phân loại: AI sử dụng các mô hình học máy và học sâu để phân loại dữ liệu và dự đoán kết quả dựa trên các đặc trưng của dữ liệu. Điều này có thể áp dụng trong việc phân loại khách hàng tiềm năng, dự đoán xu hướng thị trường, hoặc đánh giá rủi ro trong tài chính.

Tối ưu hóa chiến lược kinh doanh: AI cung cấp các công cụ và phương pháp để tối ưu hóa chiến lược kinh doanh dựa trên phân tích dữ liệu lớn. Từ việc tối ưu hóa giá cả đến tối ưu hóa vị trí cửa hàng, AI giúp tổ chức đưa ra các quyết định chiến lược dựa trên dữ liệu và dự đoán hiệu quả.

Nhờ vào khả năng dự đoán và tối ưu hóa quyết định từ dữ liệu lớn, AI giúp tổ chức và doanh nghiệp tạo ra giá trị cạnh tranh và nâng cao hiệu suất hoạt động.

IV. Các ứng dụng thực tế của AI trong phân tích dữ liệu lớn

1. Trong lĩnh vực tài chính và ngân hàng

Trí tuệ nhân tạo (AI) có nhiều ứng dụng thực tế trong lĩnh vực tài chính và ngân hàng, giúp cải thiện quy trình và tăng cường hiệu suất làm việc như sau:

Phân tích Rủi ro và Gói tín dụng: AI có thể sử dụng dữ liệu lớn để đánh giá rủi ro tín dụng của khách hàng và xây dựng các gói tín dụng phù hợp. Từ việc đánh giá lịch sử thanh toán đến dự đoán khả năng trả nợ của khách hàng, AI giúp ngân hàng đưa ra quyết định cho vay thông minh và hiệu quả.

Phát hiện gian lận và bảo mật tài khoản: AI được sử dụng để phát hiện các giao dịch gian lận và hoạt động không bình thường trong tài khoản ngân hàng. Bằng cách phân tích mẫu giao dịch và hành vi người dùng, AI giúp ngăn chặn các hành vi gian lận và bảo vệ dữ liệu khách hàng.

Quản lý Rủi ro và Đầu tư: AI có thể phân tích dữ liệu lớn từ thị trường tài chính để đưa ra dự đoán và khuyến nghị đầu tư. Từ việc phân tích xu hướng thị trường đến dự báo giá cổ phiếu, AI giúp các nhà đầu tư và quản lý rủi ro ra quyết định thông minh dựa trên thông tin chi tiết và đáng tin cậy.

Tư vấn tài chính cá nhân: AI được sử dụng để cung cấp tư vấn tài chính cá nhân dựa trên dữ liệu lớn về hành vi tiêu dùng và tài chính của cá nhân. Từ việc tối ưu hóa quản lý tài chính cá nhân đến việc lập kế hoạch tiết kiệm và đầu tư, AI giúp cá nhân quản lý tài chính một cách thông minh và hiệu quả.

Những ứng dụng của trí tuệ nhân tạo trong lĩnh vực tài chính và ngân hàng không chỉ giúp cải thiện quy trình và tăng cường hiệu suất hoạt động mà còn tạo ra giá trị cho khách hàng và doanh nghiệp thông qua các dịch vụ tài chính cá nhân hợp lý và quản lý rủi ro hiệu quả.

2. Trong lĩnh vực y tế và dược phẩm

Trí tuệ nhân tạo (AI) đã có những đóng góp đáng kể trong lĩnh vực y tế và dược phẩm, giúp cải thiện chẩn đoán, điều trị và quản lý dữ liệu y tế như sau:

Chẩn đoán y tế: AI được sử dụng để phân tích dữ liệu lớn từ các hồ sơ bệnh án, hình ảnh chụp từ MRI, CT scans và X-quang để hỗ trợ trong quá trình chẩn đoán các bệnh lý phức tạp. Các hệ thống AI có khả năng dự đoán và phát hiện các bệnh như ung thư, bệnh tim mạch, và bệnh đái tháo đường với độ chính xác cao hơn so với các phương pháp truyền thống.

Quản lý dữ liệu y tế: AI được sử dụng để quản lý và phân tích dữ liệu y tế lớn từ các hệ thống thông tin y tế điện tử (EHR) và hồ sơ y tế điện tử (EMR). Bằng cách phân tích dữ liệu này, AI giúp cải thiện việc đặt lịch hẹn, quản lý dược phẩm, và tăng cường tính toàn vẹn của dữ liệu bệnh nhân.

Nghiên cứu và phát triển dược phẩm: AI được sử dụng để phân tích dữ liệu lớn từ thử nghiệm lâm sàng và nghiên cứu y khoa để phát hiện các mô hình phản ứng thuốc và tìm ra các ứng dụng mới của các phương pháp điều trị. Điều này giúp tăng tốc độ phát triển và giảm chi phí cho việc phát triển dược phẩm mới.

3. Trong lĩnh vực sản xuất và chuỗi cung ứng

AI cũng có những ứng dụng quan trọng trong lĩnh vực sản xuất và chuỗi cung ứng, giúp tối ưu hóa quy trình sản xuất và quản lý chuỗi cung ứng như sau:

Dự đoán nhu cầu và lập kế hoạch sản xuất: AI sử dụng dữ liệu lớn từ lịch sử sản xuất, dữ liệu thị trường và dữ liệu từ chuỗi cung ứng để dự đoán nhu cầu và lập kế hoạch sản xuất. Điều này giúp giảm thiểu lãng phí và tối ưu hóa sự linh hoạt trong quá trình sản xuất.

Tối ưu hóa quy trình sản xuất: AI được sử dụng để tối ưu hóa các quy trình sản xuất thông qua việc phân tích dữ liệu lớn từ các cảm biến và hệ thống tự động hoá. Bằng cách tối ưu hóa lịch trình và điều khiển quá trình sản xuất, AI giúp tăng cường hiệu suất và giảm thiểu lãng phí trong sản xuất.

Quản lý chuỗi cung ứng: AI được sử dụng để quản lý và tối ưu hóa chuỗi cung ứng thông qua việc phân tích dữ liệu lớn từ các nhà cung cấp, nhà sản xuất và khách hàng. Bằng cách dự đoán nhu cầu, tối ưu hóa lịch trình vận chuyển và quản lý tồn kho, AI giúp cải thiện hiệu suất và giảm thiểu rủi ro trong chuỗi cung ứng.

Những ứng dụng của trí tuệ nhân tạo trong lĩnh vực y tế và dược phẩm, cũng như trong lĩnh vực sản xuất và chuỗi cung ứng, đóng vai trò quan trọng trong việc cải thiện chất lượng dịch vụ, tăng cường hiệu suất và giảm thiểu lãng phí.

XEM THÊM: Tại sao nhiều người lựa chọn tài khoản ChatGPT 4 thay vì bản miễn phí?

4. Trong lĩnh vực marketing và quảng cáo

Trí tuệ nhân tạo (AI) đã có những đóng góp đáng kể trong lĩnh vực marketing và quảng cáo, giúp tối ưu hóa chiến lược tiếp thị và tăng cường hiệu suất quảng cáo như sau:

Phân tích và dự đoán hành vi người tiêu dùng: AI sử dụng dữ liệu lớn từ các hoạt động trực tuyến và offline để phân tích và dự đoán hành vi người tiêu dùng. Từ việc hiểu rõ hơn về sở thích và nhu cầu của khách hàng đến dự đoán xu hướng mua sắm, AI giúp tối ưu hóa chiến lược tiếp thị và tạo ra những chiến dịch quảng cáo hiệu quả.

Tùy chỉnh nội dung và quảng cáo: AI được sử dụng để tùy chỉnh nội dung và quảng cáo dựa trên dữ liệu lịch sử và hành vi truy cập của người tiêu dùng. Từ việc cá nhân hóa email marketing đến tạo ra quảng cáo định hình theo sở thích cá nhân, AI giúp tăng cường tương tác và hiệu quả của các chiến dịch tiếp thị.

Optimizing Digital Advertising Campaigns: AI is used to optimize digital advertising campaigns by analyzing large datasets of consumer interactions, clicks, and conversions. Through machine learning algorithms, AI can optimize ad targeting, placement, and bidding strategies in real-time, maximizing the ROI of advertising budgets.

Predictive Analytics for Customer Engagement: AI leverages predictive analytics to forecast customer engagement and identify the most effective channels and messaging strategies. By analyzing past customer behavior and market trends, AI can predict future customer actions and preferences, enabling marketers to tailor their campaigns accordingly.

Content Creation and Optimization: AI tools are utilized to generate and optimize marketing content based on data analysis and consumer insights. From creating personalized product recommendations to generating dynamic ad copy, AI helps marketers streamline content creation processes and enhance the relevance and effectiveness of their messaging.

Những ứng dụng của trí tuệ nhân tạo trong lĩnh vực marketing và quảng cáo không chỉ giúp tối ưu hóa chiến lược tiếp thị mà còn tạo ra trải nghiệm cá nhân hóa và tăng cường tương tác giữa thương hiệu và khách hàng.

V. Tầm nhìn và triển vọng của sự kết hợp giữa AI và phân tích dữ liệu lớn

1. Tiềm năng phát triển của công nghệ AI và dữ liệu lớn

Tăng cường hiệu suất và hiệu quả: Sự kết hợp giữa trí tuệ nhân tạo và dữ liệu lớn hứa hẹn tăng cường hiệu suất và hiệu quả trong nhiều lĩnh vực, từ sản xuất đến y tế và tiếp thị. AI có khả năng phân tích và trích xuất giá trị từ dữ liệu lớn một cách tự động và nhanh chóng, giúp tối ưu hóa quy trình và ra quyết định thông minh.

Khám phá tri thức mới: Sự kết hợp giữa AI và dữ liệu lớn mở ra cánh cửa cho việc khám phá tri thức mới từ dữ liệu. Từ việc phát hiện mẫu và xu hướng mới đến dự đoán kết quả và xu hướng tương lai, công nghệ này giúp tạo ra những hiểu biết sâu sắc và dự báo chính xác cho các tổ chức và doanh nghiệp.

Tạo ra giá trị mới: Sự kết hợp giữa AI và dữ liệu lớn tạo ra giá trị mới thông qua việc tăng cường tương tác và trải nghiệm cá nhân hóa cho người dùng. Từ việc cải thiện dịch vụ khách hàng đến tối ưu hóa quy trình sản xuất và quản lý chuỗi cung ứng, công nghệ này giúp tạo ra trải nghiệm người dùng tốt hơn và tăng cường sự cạnh tranh cho các tổ chức và doanh nghiệp.

Đổi mới và tiến bộ: Sự kết hợp giữa AI và dữ liệu lớn là nguồn động viên cho sự đổi mới và tiến bộ trong nhiều lĩnh vực. Từ việc phát triển dược phẩm mới đến tối ưu hóa quy trình sản xuất và quản lý tài chính, công nghệ này giúp tạo ra những giải pháp thông minh và hiệu quả cho các thách thức hiện đại.

Trên tất cả, sự kết hợp giữa trí tuệ nhân tạo và dữ liệu lớn không chỉ là một xu hướng mạnh mẽ mà còn là một cơ hội lớn cho sự đổi mới và phát triển trong tương lai. Đối với các tổ chức và doanh nghiệp, việc khai thác tiềm năng của công nghệ này sẽ giúp tạo ra giá trị và cạnh tranh bền vững trong một thế giới kinh doanh ngày càng phức tạp và cạnh tranh.

2. Thách thức và cơ hội trong việc áp dụng AI vào phân tích dữ liệu lớn

Thách thức:

Bảo mật và quyền riêng tư: Sử dụng dữ liệu lớn trong các ứng dụng AI đặt ra những thách thức liên quan đến bảo mật và quyền riêng tư. Việc thu thập và xử lý dữ liệu cá nhân có thể dẫn đến rủi ro về việc lộ thông tin cá nhân và vi phạm quyền riêng tư.

Chất lượng và độ tin cậy của dữ liệu: Dữ liệu lớn có thể chứa nhiều dữ liệu nhiễu và không chính xác, điều này có thể ảnh hưởng đến hiệu suất của các hệ thống AI. Việc đảm bảo chất lượng và độ tin cậy của dữ liệu là một thách thức lớn đối với việc phân tích dữ liệu lớn.

Tính khách quan và đạo đức trong việc sử dụng AI: Sự phụ thuộc vào AI để ra quyết định có thể dẫn đến các vấn đề về tính khách quan và đạo đức. Có nguy cơ rằng các mô hình AI có thể phản ánh các định kiến hoặc thiên vị của những người tạo ra chúng.

Cơ hội:

Tăng cường hiệu quả và hiệu suất: Sử dụng AI trong phân tích dữ liệu lớn tạo ra cơ hội để tăng cường hiệu quả và hiệu suất trong nhiều lĩnh vực, từ sản xuất đến y tế và tiếp thị. Các hệ thống AI có khả năng phân tích và trích xuất giá trị từ dữ liệu lớn một cách tự động và nhanh chóng.

Tạo ra hiểu biết sâu sắc và dự báo chính xác: Sự kết hợp giữa AI và dữ liệu lớn mở ra cánh cửa cho việc tạo ra hiểu biết sâu sắc và dự báo chính xác từ dữ liệu. Các mô hình AI có thể phát hiện mẫu và xu hướng mới đồng thời dự báo kết quả và xu hướng tương lai.

Đổi mới và tiến bộ: Sự áp dụng AI vào phân tích dữ liệu lớn là nguồn động viên cho sự đổi mới và tiến bộ trong nhiều lĩnh vực. Công nghệ này giúp tạo ra những giải pháp thông minh và hiệu quả cho các thách thức hiện đại.

3. Tầm quan trọng của việc duy trì tính minh bạch, đạo đức và an toàn dữ liệu trong quá trình này

Tính minh bạch: Đảm bảo tính minh bạch trong quá trình sử dụng AI và phân tích dữ liệu lớn là quan trọng để xây dựng niềm tin từ phía người dùng và đối tác. Cần công khai về cách mà dữ liệu được sử dụng và quyết định được đưa ra bởi các hệ thống AI.

Đạo đức: Việc đảm bảo các hệ thống AI hoạt động theo nguyên tắc đạo đức và công bằng là cực kỳ quan trọng. Cần phải đảm bảo rằng quyết định được đưa ra bởi các mô hình AI không gây ra bất kỳ thiên vị hoặc tổn thương nào cho các cá nhân hoặc cộng đồng.

An toàn dữ liệu: Bảo vệ an toàn dữ liệu là một ưu tiên hàng đầu trong quá trình sử dụng AI và phân tích dữ liệu lớn. Cần phải có các biện pháp bảo mật hiệu quả để đảm bảo rằng dữ liệu được lưu trữ và xử lý một cách an toàn và bảo mật.

Tóm lại, duy trì tính minh bạch, đạo đức và an toàn dữ liệu là quan trọng trong quá trình áp dụng AI vào phân tích dữ liệu lớn để đảm bảo rằng công nghệ này mang lại những lợi ích và giá trị cho xã hội một cách bền vững và trách nhiệm.

VI. Kết luận

1. Tóm tắt lại vai trò quan trọng của AI trong phân tích dữ liệu lớn

Trong thế giới ngày nay, trí tuệ nhân tạo (AI) đóng vai trò quan trọng trong phân tích dữ liệu lớn, mang lại nhiều lợi ích và giá trị cho các tổ chức và doanh nghiệp. AI giúp tăng cường khả năng xử lý và hiểu dữ liệu, tối ưu hóa quyết định và dự đoán, cùng với đó là việc ứng dụng thực tiễn trong nhiều lĩnh vực như tài chính, y tế, sản xuất và tiếp thị.

2. Triển vọng và hướng phát triển của lĩnh vực này trong tương lai

Tương lai của việc kết hợp giữa trí tuệ nhân tạo và phân tích dữ liệu lớn là rất sáng lạng. Công nghệ AI và dữ liệu lớn tiếp tục phát triển và mang lại những cơ hội mới cho sự đổi mới và tiến bộ trong nhiều lĩnh vực. Sự kết hợp này sẽ tạo ra những ứng dụng thông minh và hiệu quả hơn, giúp cải thiện hiệu suất, tăng cường sức mạnh dự đoán và mang lại giá trị lớn cho xã hội.

Tóm lại, vai trò của trí tuệ nhân tạo trong phân tích dữ liệu lớn là không thể phủ nhận, và triển vọng của lĩnh vực này trong tương lai là rất hứa hẹn, đóng góp vào sự phát triển bền vững và tiến bộ của xã hội và nền kinh tế toàn cầu.