Bắt đầu một dự án số hóa từ đâu? Đừng mua máy scan trước khi hiểu kho tài liệu

Trước khi scan, phải biết mình đang có những gì

Một kho tài liệu nhìn từ bên ngoài có thể chỉ là vài chục tủ hồ sơ hoặc hàng trăm thùng giấy. Nhưng khi mở ra, bên trong thường phức tạp hơn rất nhiều.

Có hồ sơ A4 hai mặt, giấy A3 gấp lại, chứng từ nhỏ, hợp đồng đóng tập, ảnh, sổ, bản vẽ, tài liệu viết tay và những giấy tờ đã xuống cấp. Có tài liệu vẫn được sử dụng thường xuyên, có thứ nhiều năm không ai mở. Có hồ sơ phải lưu theo quy định, có tài liệu mang giá trị lịch sử và cũng có những giấy tờ thực tế không còn cần thiết.

Nếu chưa khảo sát mà mua ngay một scanner tốc độ cao, rất dễ xảy ra tình trạng thiết bị chỉ giải quyết tốt một phần kho tài liệu.

Vì vậy, bước đầu tiên của một dự án số hóa nên là khảo sát và lập danh mục sơ bộ.

Không nhất thiết phải đếm chính xác từng tờ ngay từ đầu. Điều quan trọng là hiểu cấu trúc của kho: có những nhóm tài liệu nào, khoảng bao nhiêu hộp hoặc mét giá, kích thước phổ biến, tình trạng vật lý, khoảng thời gian hình thành và mức độ quan trọng của từng nhóm.

Với doanh nghiệp, có thể phân thành hồ sơ pháp lý, hợp đồng, kế toán, nhân sự, kỹ thuật, khách hàng, hình ảnh và tài liệu lịch sử. Với trường học có thể là hồ sơ học sinh, sổ sách, kỷ yếu, ảnh hoạt động và tư liệu qua các thời kỳ. Với giáo xứ hay cộng đồng có thể có sổ bộ, văn thư, ảnh, kỷ yếu và tài liệu sinh hoạt. Với một dòng họ lại có gia phả, giấy tờ, thư từ, ảnh và những bản ghi chép qua nhiều thế hệ.

Chỉ riêng việc lập danh mục này đã tạo ra một giá trị đáng kể: lần đầu tiên người quản lý có thể nhìn thấy toàn cảnh tài sản thông tin mà mình đang giữ.

Sau đó mới đến bước chọn ưu tiên.

Không phải cứ có một triệu trang giấy thì phải scan cả một triệu trang cùng lúc. Có thể bắt đầu từ nhóm đang được sử dụng thường xuyên, nhóm có nguy cơ xuống cấp, tài liệu có giá trị đặc biệt hoặc một tập hồ sơ đủ đại diện để thử nghiệm quy trình.

Đây cũng là cách các dự án số hóa chuyên nghiệp thường tiếp cận: lựa chọn, đánh giá và ưu tiên tài liệu trước khi bước vào sản xuất hàng loạt.

Mục tiêu số hóa quyết định cách chúng ta tạo ra bản số

Hai đơn vị cùng có 100.000 trang giấy nhưng mục tiêu khác nhau có thể cần hai dự án hoàn toàn khác.

Một doanh nghiệp muốn nhân viên tìm hợp đồng nhanh hơn sẽ quan tâm nhiều đến OCR, tên file, cấu trúc thư mục và khả năng tìm kiếm. Một cơ quan lưu trữ muốn bảo tồn tài liệu lâu dài phải quan tâm sâu hơn đến chất lượng bản master, metadata, tính toàn vẹn và chiến lược lưu trữ. Một gia đình số hóa ảnh cũ lại cần ưu tiên chất lượng hình ảnh và thông tin về những người xuất hiện trong ảnh.

Vì vậy, trước khi lựa chọn DPI, định dạng file hay thiết bị, cần xác định bản số sau khi tạo ra sẽ được dùng vào việc gì.

Để tra cứu nội bộ? Chia sẻ cho nhiều người? Giảm việc sử dụng bản giấy? Phục vụ nghiệp vụ? Bảo tồn lâu dài? Công bố trên Internet? Hay kết hợp nhiều mục tiêu?

Câu trả lời sẽ kéo theo hàng loạt quyết định phía sau.

Nếu cần tìm nội dung trong hàng trăm nghìn trang, OCR trở nên quan trọng. Nếu cần giữ ảnh lịch sử, màu sắc và độ phân giải được ưu tiên hơn. Nếu dữ liệu phải tồn tại nhiều năm, định dạng master và chiến lược backup cần được xác lập ngay từ đầu. Nếu tài liệu chứa thông tin nhạy cảm, quyền truy cập phải được thiết kế trước khi dữ liệu được đưa lên hệ thống.

Metadata cũng phải được nghĩ từ giai đoạn này.

Nếu scan trước rồi vài tháng sau mới quyết định cách đặt tên và phân loại, hàng chục nghìn file có thể đã nằm trong những thư mục với các tên như , . Khi đó, việc tổ chức lại dữ liệu đôi khi còn tốn công hơn chính quá trình scan.

Một dự án tốt vì vậy cần xác định từ đầu: mỗi đối tượng số là gì, được đặt tên theo quy tắc nào, thuộc nhóm nào, cần những trường metadata gì và mối quan hệ giữa bản số với hồ sơ gốc được giữ ra sao.

Máy scan lúc này mới bắt đầu xuất hiện trong bài toán.

Và thay vì hỏi “máy nào tốt nhất?”, chúng ta đã có đủ thông tin để hỏi chính xác hơn: thiết bị nào phù hợp với vật liệu, chất lượng đầu ra và khối lượng mà dự án yêu cầu?

Hãy thử trên một lô nhỏ trước khi mở cả kho tài liệu

Một trong những cách an toàn nhất để bắt đầu dự án lớn là không bắt đầu thật lớn.

Giả sử một doanh nghiệp có 500.000 trang cần số hóa. Thay vì ngay lập tức tổ chức nhân sự và thiết bị cho toàn bộ khối lượng, có thể lựa chọn một lô thử nghiệm gồm vài nghìn trang đại diện cho những tình huống thực tế: giấy một mặt, hai mặt, tài liệu cũ, chứng từ nhỏ, hồ sơ có ghim, trang có màu và một số trường hợp ngoại lệ.

Lô thử nghiệm sẽ giúp trả lời những câu hỏi mà bảng thông số thiết bị không thể trả lời đầy đủ.

Một nhân viên thực tế chuẩn bị được bao nhiêu trang mỗi giờ? Scanner có thường gặp lỗi với loại giấy đang có không? OCR tiếng Việt đạt mức nào với tài liệu thực tế? Quy tắc đặt tên có đủ rõ để nhân viên thực hiện thống nhất không? Dung lượng trung bình mỗi hồ sơ là bao nhiêu? Kiểm tra chất lượng mất bao lâu? Một ngày cả quy trình thực sự hoàn thành được bao nhiêu hồ sơ?

Đây mới là những con số có giá trị khi dự toán dự án.

Ví dụ, một scanner được công bố 60 trang mỗi phút không có nghĩa một nhân viên sẽ tạo được 28.800 trang dữ liệu hoàn chỉnh trong tám giờ. Máy chỉ thực hiện một công đoạn. Thời gian còn nằm ở nhận hồ sơ, tháo ghim, sắp xếp, xử lý ngoại lệ, kiểm tra, OCR, metadata, đặt tên, lưu file và bàn giao lại tài liệu.

Chạy thử cũng giúp phát hiện những quyết định sai khi chi phí sửa còn thấp.

Nếu tên file chưa hợp lý, sửa sau 2.000 file dễ hơn sau 200.000 file. Nếu DPI chưa phù hợp, scan lại một lô nhỏ dễ hơn scan lại cả kho. Nếu metadata còn thiếu một trường quan trọng, bổ sung khi dự án mới bắt đầu sẽ đơn giản hơn nhiều so với quay lại từng hồ sơ sau vài tháng.

Quan trọng hơn, pilot tạo ra quy trình thực tế của chính đơn vị, thay vì sao chép một quy trình lý tưởng từ nơi khác.

Không có một cấu hình duy nhất cho mọi dự án số hóa. Hồ sơ ngân hàng, ảnh gia đình, gia phả, bản đồ địa chính và sách thư viện không thể sử dụng cùng một workflow. Ngay cả hai doanh nghiệp cùng ngành cũng có thể có cấu trúc tài liệu và mục tiêu sử dụng khác nhau.

Vì vậy, thử nghiệm nhỏ trước khi mở rộng không phải là làm chậm dự án.

Đó là cách giảm nguy cơ phải làm lại ở quy mô lớn.

Một dự án số hóa chỉ hoàn thành khi dữ liệu đã được kiểm tra, tổ chức và bảo vệ

Có một thời điểm rất dễ tạo cảm giác công việc đã xong: tờ giấy cuối cùng vừa chạy qua scanner.

Nhưng thực tế đó mới chỉ là lúc quá trình thu nhận kết thúc.

File còn phải được kiểm tra. Có thiếu trang không? Có trang bị ngược không? Hình ảnh có bị cắt mép không? Hai tờ có bị nạp cùng lúc không? File có mở được không? OCR có hoạt động không? Metadata có đúng không? Hồ sơ đã nằm đúng vị trí chưa?

Trong những dự án chuyên nghiệp, kiểm soát chất lượng – QC – không phải việc làm cuối cùng để “xem qua” sản phẩm. Nó phải được thiết kế thành một phần của quy trình.

Người trực tiếp scan có thể thực hiện kiểm tra ban đầu. Một lớp kiểm tra khác có thể đánh giá file, metadata và tính đầy đủ theo tiêu chí đã thống nhất. Với khối lượng rất lớn, phương pháp lấy mẫu có thể được sử dụng cho một số tiêu chí, trong khi những yêu cầu về tính đầy đủ hoặc các tài liệu đặc biệt có thể cần kiểm soát chặt hơn.

Quan trọng là phải xác định trước thế nào được xem là đạt.

Nếu không có tiêu chuẩn, hai nhân viên có thể đánh giá cùng một file theo hai cách khác nhau. Một người thấy hơi nghiêng vẫn chấp nhận, người khác lại scan lại. Một người giữ trang trắng, người khác xóa. Một người đặt tên theo ngày, người khác theo số hồ sơ.

Khi quy mô lên hàng trăm nghìn file, những khác biệt nhỏ ấy trở thành một kho dữ liệu thiếu nhất quán.

Sau QC là lưu trữ và backup.

Bản master nằm ở đâu? Bản phục vụ tra cứu nằm ở đâu? Ai được truy cập? Có bao nhiêu bản sao? Nếu máy chủ hỏng hôm nay, dữ liệu có thể phục hồi từ đâu? Sau năm hoặc mười năm, ai chịu trách nhiệm kiểm tra kho dữ liệu ấy?

Đến đây có thể thấy một dự án số hóa hoàn chỉnh thực tế đi qua một chuỗi dài:

Khảo sát tài liệu → xác định mục tiêu → lựa chọn ưu tiên → xây tiêu chuẩn → chọn thiết bị → chạy thử → chuẩn bị vật gốc → scan → OCR → metadata → QC → lưu trữ → backup → khai thác.

Scanner nằm ở giữa chuỗi, không nằm ở đầu và cũng không nằm ở cuối.

Điều này không làm chiếc máy scan bớt quan trọng. Ngược lại, nó giúp đặt thiết bị đúng vào vai trò của mình: cửa thu nhận dữ liệu của một hệ thống lớn hơn.

Và đây cũng là điểm khác biệt giữa “mua máy scan” với “xây dựng một dự án số hóa”.

Mua một chiếc máy có thể hoàn thành trong một ngày.

Nhưng nếu muốn hàng chục năm hồ sơ, sách, ảnh hay bản vẽ trở thành một kho dữ liệu có thể tìm kiếm, sử dụng và tồn tại lâu dài, điều cần xây dựng trước tiên không phải là danh sách thiết bị.

Đó là một quy trình đủ rõ để mọi người biết mình đang số hóa cái gì, vì sao phải số hóa, phải làm đến mức nào và dữ liệu sẽ đi đâu sau khi rời khỏi tờ giấy.

Vì vậy, trước khi hỏi:

“Chúng ta nên mua máy scan nào?”

Hãy mở kho tài liệu trước và hỏi:

“Chúng ta đang có những gì, thứ nào thực sự cần giữ và sau khi số hóa chúng ta muốn làm được điều gì với nó?”

Khi ba câu hỏi ấy được trả lời rõ, phần còn lại của dự án mới có một nền móng đủ chắc để bắt đầu.