Hướng dẫn phân tích dữ liệu doanh nghiệp cho người mới

Mỗi công ty đều là một nguồn dữ liệu.

Doanh nghiệp có quy mô như thế nào, làm trong lĩnh vực gì cũng có nhu cầu phân tích dữ liệu hiệu quả phục vụ cho hoạt động sản xuất kinh doanh.

Cho dù, nhiều công ty hiểu tầm quan trọng của dữ liệu nhưng rất ít doanh nghiệp có thể tận dụng nguồn dữ liệu quý giá mà mình có.

Nhiều doanh nghiệp cho rằng “hoặc làm tất cả hoặc chẳng làm gì cả”.

Họ thường hiểu lầm rằng chỉ có công ty lớn với hàng triệu khách hàng mới cần phân tích dữ liệu, còn họ thì chưa hoặc muốn làm nhưng không đủ kinh phí và có tâm lý mọi thứ phải hoàn hảo. Suy nghĩ này có thể làm cho họ bỏ quên nhu cầu phân tích dữ liệu và đánh mất nhiều cơ hội.

Ví dụ về sử dụng và phân tích dữ liệu trong doanh nghiệp

Theo Glenn Hopper, CFO của Sandline, “các công ty nhỏ chưa hiểu được tại sao cần tổng hợp dữ liệu và tổng hợp dữ liệu như thế nào cho dù quy mô và nguồn lực doanh nghiệp không có ảnh hưởng lắm đến việc sử dụng dữ liệu”

“Có thể dễ dàng nhận thấy các công ty lớn nhất đang sử dụng dữ liệu và đào tạo máy học để đưa ra những gợi ý trong công tác quản lý điều hành, giữ khách hàng ở lại trên website và điều chỉnh trải nghiệm khách hàng dựa trên dữ liệu mà họ có”

“Trong khi đó các công ty vừa và nhỏ thì có thể sẽ chẳng bao giờ có đủ nguồn lực như các công ty khổng lồ này, nhưng họ vẫn cố gắng học hỏi các công ty lớn và đưa ra các quyết định quan trọng dựa trên dữ liệu thông qua những hệ thống phần mềm quản lý các nghiệp vụ cốt lõi.”

Trong cuốn sách “Tài chính chuyên sâu: Tài chính doanh nghiệp trong kỷ nguyên thông tin – Deep Finance: Corporate Finance in the Information Age,” Hopper đã chia sẻ những trải nghiệm cá nhân của anh khi còn làm CFO cho một công ty rửa xe. Trước khi anh gia nhập, công ty này đang sử dụng một phần mềm kế toán lỗi thời. Mỗi một trạm rửa xe giống như một công ty riêng và chẳng có gì được chuẩn hóa cả.

Hopper thuê một lập trình viên hỗ trợ xây dựng nền tảng để anh có thể tổng hợp dữ liệu từ chuỗi trạm rửa xe. Từ hệ thống, đội ngũ của anh có thể biết có bao nhiêu chiếc xe đang được rửa, xe được rửa ở trạm nào và kỹ thuật viên đang chăm sóc xe là ai?. Hệ thống này đủ chi tiết đến mức theo dõi được lượng hóa chất sử dụng để rửa mỗi chiếc xe là bao nhiêu, tốc độ của từng máy rửa xe tự động, và chi phi rửa từng chiếc xe. Với dữ liệu đó, Hopper và đội ngũ của mình có thể  xây dựng các quy trình chuẩn và áp dụng cho toàn bộ chuỗi rửa xe của công ty.

Nhờ tận dụng dữ liệu và phân tích dữ liệu chuỗi rửa xe, công ty rửa xe này sau đó đã trở thành công ty đại chúng và thu hút rất nhiều nhà đầu tư tiềm năng.

Ví dụ này cho chúng ta biết việc sử dụng và phân tích dữ liệu hiệu quả mang lại những lợi ích không thể ngờ tới.

Xử lý dữ liệu và phân tích dữ liệu hiệu quả là yếu tố quan trọng, đặc biệt với các công ty tăng trưởng nhanh đang muốn mở rộng và kêu gọi đầu tư.

Lợi ích của việc theo dõi và phân tích dữ liệu trong các doanh nghiệp nhỏ:

→ Phân tích dữ liệu giúp doanh nghiệp hiểu rõ hơn về các hoạt động kinh doanh và có kế hoạch cắt giảm chi phí hiệu quả.

→ Cắt giảm chi phí nhưng vẫn tăng lợi nhuận và không ảnh hưởng đến chất lượng sản phẩm

→ Tăng hiệu quả điều hành với những thông tin chi tiết về các chỉ số kinh doanh

→ Báo cáo chính xác hơn

→ Giá trị doanh nghiệp tăng cao khi kêu gọi quỹ đầu tư hoặc mua bán sát nhập.

Hướng dẫn các bước phân tích dữ liệu doanh nghiệp

Bước 1: Chọn KPI và thu thập dữ liệu liên quan

Với các công ty chưa bắt đầu hành trình phân tích dữ liệu, bước đầu tiên là định nghĩa và lựa chọn KPI.

Hopper nói “Tôi từng làm việc cho một công ty khởi nghiệp từ những ngày đầu tiên – thời điểm mà họ vẫn còn loay hoay với các câu hỏi: sản phẩm của chúng ta là gì và chúng ta đang muốn làm điều gì?. Vì vậy, KPI  là thứ chẳng ai thèm quan tâm. Nếu bạn chỉ quay cuồng và cố gắng làm hài lòng từng khách hàng cá nhân với 1 sản phẩm duy nhất, đó có thể là 1 thảm họa và doanh nghiệp khởi nghiệp của bạn sẽ chẳng bao giờ phát triển mở rộng được”

Chọn đúng KPI bằng cách đặt các câu hỏi nhằm xác định điều gì là quan trọng nhất đối với doanh nghiệp của bạn.

→ Tầm nhìn, sứ mệnh, chiến lược của công ty là gì?

→ SWOT: Điểm mạnh, điểm yếu, cơ hội và các mối đe dọa?

→ Làm thế nào để gắn kết và thu hút sự chú ý của khách hàng?

→ Đối tác nào tôi muốn làm việc cùng và họ mong đợi gì ở tôi?

Nếu công ty, chiến lược, môi trường thay đổi, thì KPI  cũng phải thay đổi. KPI  nên được đánh giá lại hàng năm.

Hopper lấy thêm 01 ví dụ về doanh nghiệp kinh doanh nhà hàng di động/siêu thị di động. Họ mới bắt đầu hành trình sử dụng và phân tích dữ liệu.

Chủ doanh nghiệp này chỉ cần ngồi tại trụ sở có thể theo dõi nguyên liệu mua đầu vào theo số ượng, ngày hết hạn, và tình trạng hư hỏng.

Với thông tin có được, họ có thể biết 10 kg khoai tây được mua hôm thứ 3 phải bỏ đi 1 nửa vào chủ nhật sau đó vì hư hỏng.

Câu hỏi đặt ra là: nếu họ mua 5 kg vào thứ 6 ngay trước thời điểm cuối tuần người mua đông nhất thì sao? Họ có thể lưu giữ  và không để hàng bị hư hỏng suốt tuần chứ?

Tại các địa điểm bán hàng di động, họ có thể biết xe di động đỗ ở đâu?  Vào thời gian nào? điều kiện thời tiết ở khu vực đó ra sao? người mua hàng là người bộ hành hay người lái xe nhiều hơn?

Cho dữ liệu này vào bảng tính hoặc sử dụng công cụ phân tích đám mây, bạn có thể nhận được những thông tin hữu ích để cắt giảm chi phí và tăng lợi nhuận rõ ràng.

Doanh nghiệp nhỏ thường đưa ra quyết định dựa trên thông tin và trải nghiệm cá nhân chứ không qua nghiên cứu hoặc số liệu phân tích thực tế.

Họ không biết rằng sử dụng dữ liệu hiệu quả giúp họ tối ưu hóa hoạt động kinh doanh – giờ đây là yếu tố sống còn khi lạm phát bào mòn lợi nhuận doanh nghiệp.

Nếu nhân viên mua hàng của nhà hàng di động/siêu thị di động biết được từng mặt hàng trong kho còn  bao nhiêu, họ có thể đặt đơn hàng số lượng lớn để nhận được chiết khấu từ nhà cung cấp? Họ cũng biết được liệu mỗi nhà hàng di động/siêu thị di động có đủ nguyên vật liệu để bán không? Hoặc liệu nhân viên tại điểm bán có đang di chuyển ra nơi khác để nhận hàng họ đang thiếu? Nếu họ phải di chuyển thì nó có ảnh hưởng đến thời gian họ cần để hoàn thành công việc không?

Về mặt địa lý, liệu di chuyển khoảng cách xa hơn vị trị hay ngồi có tăng chi phí bảo trì xe và tăng chi phí xăng xe không? Nếu có, điều gì khiến họ vẫn muốn bán hàng tại các địa điểm xa hơn?

Ngày nay, thật dễ dàng cho bạn để theo dõi và phân tích dữ liệu với cả tá các phần mềm và công nghệ hỗ trợ

Vấn đề/thách thức cần giải quyết.  Dù có cả tá công cụ và phần mềm để ghi nhận dữ liệu và phân tích, nhưng lựa chọn công cụ và phần mềm nào để thu thập dữ liệu kinh doanh là một bài toán doanh nghiệp cần cân nhắc

Tham khảo phần mềm NetSuite erp có bộ KPI được dựng sẵn theo vai trò người dùng cho doanh nghiệp thuộc nhiều ngành nghề khác nhau.

Bước 2: Tổng hợp dữ liệu và tìm phương pháp phân tích dữ liệu 

Tại bước này trên hành trình phân tích dữ liệu, các công ty đã biết dữ liệu nào họ cần theo dõi và làm thế nào để ghi nhận dữ liệu đó.

Và giờ là lúc họ cần tổng hợp, phân tích.

Sandline nơi Hopper đang làm hiện có 1 hệ thống kế toán, 1 hệ thống quản lý dự án, một phần mềm CRM và một công cụ đặc thù cho ngành luật.

Tất cả các công cụ này đều cung cấp dữ liệu hữu ích, nhưng thách thức dành cho Hopper là anh phải tập hợp mọi dữ liệu về một nơi duy nhất.

Trước đây, Hopper và đội ngũ của anh phải trích xuất dữ liệu từ hệ thống quản lý dự án, lưu thành file CSV và tải lên phần mềm kế toán

Nhưng giờ đây khi chuyển sang phần mềm NetSuite erp, anh có thể thu thập mọi dữ liệu mà anh muốn bởi tất cả mọi thứ được vận hành trên cùng một hệ thống.

Đồng bộ và hợp nhất để phân tích dữ liệu, thậm chí phân tích dự báo nhờ việc tạo ra các dữ liệu có mối tương quan . Ví dụ: doanh thu thực hiện hàng tháng nói cho bạn biết bao nhiêu khách hàng đã rời khỏi bạn gần đây.

Tuy nhiên bạn sẽ không biết được tại sao cho đến khi bạn có trong tay các thông tin từ những nguồn dữ liệu khác như “bản khảo sát lý do khách hàng rời đi” hoặc “hồ sơ đầy đủ về khách hàng.

Biết được lý do, mới có thể tìm giải pháp ngăn chặn tình trạng khách hàng rời đì và tránh tổn thất cho tương lai.

Gợi ý hữu ích về đồng bộ và hợp nhất dữ liệu 

→ Chọn 01 hệ thống duy nhất ghi nhận mọi nguồn dữ liệu và kiểu dữ liệu.

→ Lập bản đồ nguồn dữ liệu và luồng dữ liệu để có cái nhìn toàn bộ về kho dữ liệu và sử dụng nó.

→ Xóa dữ liệu cũ hoặc lỗi/sai.

→ Chuẩn hóa dữ liệu.

→ Đảm báo tính đầy đủ hữu ích của dữ liệu

Ở bước này, bạn có thể cân nhắc đầu tư một công cụ như phần mềm ERP và tham khảo phần mềm NetSuite erp để tổng hợp và hợp nhật dữ liệu cũng như tạo ra các dashboard với những KPI bạn đã lựa chọn.

“Triển khai hệ thống ERP, các công vừa và nhỏ có thể tập hợp và khai thác dữ liệu, tạo ra các báo cáo thông minh để quản lý và tăng thêm giá trị cho khách hàng giống như cách các công ty  Fortune 1,000 đang làm” Hopper nói

Có rất nhiều thông tin giá trị doanh nghiệp có thể sử dụng khi lựa chọn và triển khai một phần mềm ERP đóng gói. Trong đó, có sẵn những báo cáo (canned reports) mà những nhà quản trị không rành về công nghệ chỉ cần 01 cú click chuột là ra báo cáo, thậm chí họ có thể thay đổi các thông tin đầu vào để tạo ra các báo cáo theo các chiều khác nhau phục vụ cho mục đích phân tích và quản trị.

Ở bước này, bạn không cần một nhà khoa học về dữ liệu, bạn chỉ cần một hoặc một vài người có chuyên môn làm phân tích dữ liệu.

Bước tiếp theo: nằm giữa giai đoạn triển khai phần mềm đóng gói có sẵn chức năng phân tích dữ liệu và giai đoạn thuê người chuyên trách về báo cáo thông minh sử dụng các công cụ như BI để tập hợp, tổ chức và phân tích dữ liệu.

Mục tiêu bước này là tìm ra sự tương quan đã tồn tại trong doanh nghiệp hoặc chưa được nhìn thấy trong những báo cáo xây dựng sẵn cho người không rành về công nghệ (canned report).

Theo Hopper, sau bước này, bạn sẽ bắt đầu sử dụng API (application programming interfaces) hoặc sử dụng ODBC (open database connectivity) để truy cập dữ liệu và phân tích. Bạn cần biết truy vấn SQL hoặc JSON để phân tích dữ liệu theo nhu cầu của công ty. Bạn cũng làm quen với những khái niệm data lake và data warehouses cũng như triển khai hệ thống đồng bộ dữ liệu theo thời gian thực.

Data Lake là gì	Data Wherehouse là gì?
Lưu dữ liệu thô, không cấu trúc. Dữ liệu được lựa chọn và tổ chức khi cần mà không có mục tiêu từ đầu.	Lưu dữ liệu có cấu trúc, được lọc trước và cho một mục tiêu cụ thể.  Phân tích được thực hiện trên dữ liệu sạch. Các hệ thống báo cáo thông minh thường sử dụng data warehouse.

Bước 3: Tinh chỉnh thuật toán và tiến tới phân tích dữ liệu theo thời gian thực. 

Nếu bạn đã đi đến bước này trong hành trình khai thác và phân tích dữ liệu, xin chúc mừng bạn, bởi bạn đã đi trước rất nhiều công ty.

Ở bước này,  công ty của bạn đang hướng tới trở thành công ty được tổ chức theo hướng khoa học dữ liệu.

Bước này cũng đánh dấu, công ty của bạn đã lên một tầm cao mới khi mà bạn có hẳn một đội ngũ phân tích dữ liệu làm việc xuyên suốt các phòng ban để tìm và giảm thiểu những quy trình hoặc bộ phận chưa hiệu quả.

Đội ngũ phân tích dữ liệu có thể giúp doanh nghiệp những gì?

→ Giúp đội marketing cải thiện tỉ lệ chuyển đổi từ website nhờ những kỹ thuật như A/B testing hoặc bản đồ nhiệt (heat mapping).

→ Phân tích hành vi sử dụng sản phẩm và dịch vụ và biết dịch vụ/tính năng nào khách hàng thích thú nhất.

→ Biết được tại sao và nơi nào doanh số bán hàng đang giảm.

→ Giải mã hầu hết các cuộc gọi hỗ trợ khách hàng và xây dựng chatbot hoặc FAQ để giảm bớt số cuộc gọi đến.

Có nhiều cách để thành lập một đội ngũ phân tích dữ liệu, nhưng Hopper thích ý tưởng các nhà khoa học dữ liệu làm trong từng bộ phận. Chiến lược này nhằm đảm bảo các bộ phận không quá tách biệt và nhà khoa học dữ liệu không ngồi riêng một nhóm.

Bước tiếp theo: Khi bạn gần tới cuối con đường của hành trình dữ liệu, sẽ có rất nhiều đất cho bạn cải thiện, đặc biệt là với các công nghệ mới và tiên tiến. Đội khoa học dữ liệu nên tập trung vào cải thiện không ngừng bằng cách bổ sung các chiến thuật mới, phức tạp hơn như  Hadoop clusters, tinh chỉnh thuật toán và phân tích dự báo.

Kết luận

Xây dựng một doanh nghiệp theo hướng dữ liệu là một hành trình dài. Việc sử dụng dữ liệu của bạn không cần phải quá cao siêu nhưng tuyệt đối không thể bỏ qua phân tích dữ liệu. Dù công ty quy mô nào, thuộc ngành nghề nào cũng đều có cơ hội như nhau trong việc phân tích dữ liệu và tận dụng những thành quả mà nó đem lại.

Megan O’Brien, Business & Finance Editor Oracle NetSuite