Tầm quan trọng của việc số hóa tài liệu hiện nay không hẳn doanh nghiệp nào cũng nhận thức hết. Chính vì thế số hóa tài liệu cần được phổ biến rộng rãi hơn để mọi người có cái đánh giá đúng về vai trò của nó
Trước hết ta đi tìm hiểu số hoá dữ liệu là gì ?
Đó là một hình thức chuyển đổi các dữ liệu truyền thống bên ngoài thành dạng dữ liệu số mà máy tính có thể hiểu được.
Thông thường, các dữ liệu dạng chữ, hình ảnh, âm thanh… sử dụng trên máy tính và được máy tính nhận biết đúng định dạng, được gọi chung là dữ liệu số. Quá trình chuyển các dạng dữ liệu truyền thống như các bản viết tay, bản in trên giấy, hình ảnh… sang chuẩn dữ liệu trên máy tính và được máy tính nhận biết được gọi là số hoá dữ liệu.
Tại sao phải số hóa dữ liệu?
Hãy tưởng tường rằng phải mất bao nhiêu giấy tờ và không gian để lưu trữ kho kiến thức khổng lồ của nhân loại ngày một nhiều; hơn nữa việc bảo quản và phạm vi sử dụng bị hạn chế. Do vậy bắt buộc chúng ta phải nghĩ đến giải pháp số hóa dữ liệu. Việc số hóa dữ liệu sẽ giúp việc lưu trữ, truy xuất, chia sẻ, tìm kiếm thông tin một cách nhanh chóng và dễ dàng nhất.
Ưu điểm và hạn chế
a. Ưu điểm
- Giúp việc lưu trữ, truy xuất, chia sẻ, tìm kiếm thông tin một cách dễ dàng
- Linh hoạt trong việc chuyển đổi sang các loại dữ liệu số khác nhau
- Giảm chi phí tối đa cho việc quản lý, không gian lưu trữ
- Có khả năng chỉnh sửa và tái sử dụng dữ liệu
b. Hạn chế
- Cần đầu tư ban đầu về công nghệ, cơ sở hạ tầng CNTT, máy móc hiện đại.
- Dữ liệu dễ bị sao chép và sửa đổi trái pháp luật.
- Việc triển khai sử dụng gặp nhiều khó khăn do phải thực hiện training đồng bộ và có hệ thống. Ngoài ra việc bảo mật dữ liệu cũng là một thách thức lớn.
Tổng quan hệ thống số hóa dữ liệu
Hệ thống số hóa tốt cần có khả năng chuyển đổi nhanh chóng một khối lượng lớn tài liệu giấy sang các tài liệu số trong một thời gian ngắn.
Mô hình tổng quan của hệ thống số hóa tài liệu được mô tả ở hình vẽ dưới đây:
Quy trình hoạt động của hệ thống số hóa tài liệu được mô tả như sau :
Ở bước đầu tiên, các tài liệu giấy được đưa vào quét tại các máy quét chuyên dụng. Hệ thống máy quét này cho kết quả quét là các ảnh số, các ảnh này cần có độ phân giải đủ tốt để hỗ trợ tiến trình nhận dạng sau đó. Phần mềm nhận dạng chữ ký tự (OCR) có nhiệm vụ nhận dạng và kết xuất kết quả nhận dạng thành các tệp văn bản có thể soạn thảo được, ta gọi chúng là tài liệu số. Tùy vào mục đích sử dụng kết quả nhận dạng, các tài liệu số cần được kết xuất ở định dạng thích hợp. Một số định dạng phổ biến có thể kể ra ở đây bao gồm: text, MS Word, MS Excel, MS PowerPoint, hay PDF. Bước cuối cùng của dây chuyền số hóa là đưa các tài liệu số này vào hệ thống thông tin để phục vụ nhu cầu khai thác của người dùng cuối. Các hệ thống thông tin đó có thể là hệ quản lý văn bản, thư viện điện tử, hệ thống tra cứu điện tử.
Là khâu không thể thiếu được của dây chuyền số hóa, phần mềm nhận dạng có nhiệm vụ chuyển ảnh quét tài liệu gốc sang tài liệu số. Mục đích cơ bản của việc số hóa là để khai thác tài liệu số bằng các cách thức như biên tập lại, trích dẫn và tìm kiếm. Bởi vậy phần mềm số hóa công nghiệp phải đáp ứng một số tiêu chí tối thiểu sau:
- Nhận dạng tiếng Việt với độ chính xác 97% trở lên
- Có cơ chế hoạt động tự động và liên tục 24/7
- Có cơ chế kiểm soát lỗi và giao diện soát lỗi thân thiện
- Dàn trang của tài liệu số sau nhận dạng giống như tài liệu giấy
- Hỗ trợ kết xuất tài liệu số ra các định dạng phổ biến như Microsoft Office files,
- PDF, PDF/A.
Trên thị trường Việt Nam hiện nay có các phần mềm nhận dạng tài liệu tiếng Việt sau: VnDOCR của Viện công nghệ thông tin, phần mềm mã nguồn mởTesseract và giải pháp số hóa của ABBYY.
