Dữ liệu chắc chắn là điều vô cùng thú vị, thậm chí còn mang tính cách mạng. Nhưng dữ liệu không phải lúc nào cũng hữu ích. Để thực sự có ích, về mặt kinh doanh, dữ liệu cần phải giải quyết được nhu cầu cụ thể của doanh nghiệp, giúp cho tổ chức đạt đến mục tiêu chiến lược của họ, hoặc tạo ra giá trị thực sự.
Tôi đã chứng kiến rất nhiều doanh nghiệp bị cuốn vào dòng xoáy của dữ liệu lớn, họ đã thu thập rất nhiều nhưng không thực sự tính đến việc họ sẽ làm gì với dữ liệu đó. Điều này chẳng giúp ích gì cả (hơn nữa, chúng ta sẽ thấy ở Chương 10, nó có thể đẩy bạn vướng vào những vấn đề pháp lý trong tương lai). Điều quan trọng đối với các doanh nghiệp là nên bắt đầu từ chiến lược, thay vì bắt đầu với chính bản thân dữ liệu. Vào lúc này, điều quan trọng không phải là dữ liệu nào đang có ở ngoài kia, những dữ liệu mà bạn và đối thủ đã và đang thu thập được, hoặc những loại dữ liệu mới đang có sẵn. Vào lúc này, điều quan trọng không phải là doanh nghiệp của bạn có sẵn hàng núi dữ liệu để phân tích theo ý bạn hay không. Một chiến lược dữ liệu tốt không phải được xác định bởi những dữ liệu đang có sẵn hay sẽ có, mà nó được xác định bởi những gì doanh nghiệp của bạn muốn đạt được và làm thế nào để dữ liệu có thể giúp bạn đạt được điều đó.
Thực tế là có rất nhiều loại dữ liệu khác nhau (chúng ta sẽ thấy ở Chương 6). Để có thể tìm kiếm chính xác dữ liệu cho mình, điều đầu tiên cần làm là phải xác định được bạn muốn sử dụng dữ liệu như thế nào. Bạn có thể cần một số loại dữ liệu nhất định cho một vài mục tiêu, và một số loại dữ liệu khác cho các mục tiêu khác. Ví dụ, “ dữ liệu cảm biến”, cực kỳ hữu dụng để gia tăng hiệu quả trong sản xuất, nhưng nó không giúp bạn tiên đoán được nhu cầu về một sản phẩm mới, hoặc hiểu được khách hàng cảm nhận như thế nào về dịch vụ mà bạn cung cấp.
Có vô vàn cách để dữ liệu giúp cho doanh nghiệp thành công, nhưng nói chung, có ba cách sử dụng dữ liệu chính được nêu ra trong Chương 1: sử dụng dữ liệu để cải thiện việc đưa ra quyết định, sử dụng dữ liệu để thúc đẩy những cải tiến trong quá trình hoạt động, và xem dữ liệu như là một loại tài sản. Trong chương này, tôi phân tích sâu hơn về cách thức để giúp bạn quyết định sử dụng dữ liệu như thế nào là tốt nhất cho tổ chức của mình. Chương 3, 4 và 5 sẽ trình bày quy trình chiến lược cho mỗi loại.
Trong thực tế, cho dù với những nguồn lực khổng lồ, sẽ thật phức tạp để tìm cách giải quyết cả ba mục tiêu sử dụng dữ liệu này cùng một lúc. Hiện nay, định hướng cho việc đưa ra quyết định hẳn nhiên là phương pháp sử dụng dữ liệu thông dụng nhất, và nói chung trong phần lớn các tổ chức, đó là xuất phát điểm tốt nhất. Vì thế, hầu hết các công ty đều bắt đầu với việc đưa ra quyết định và từ đó xây dựng cải tiến trong hoạt động, kế đến là xem dữ liệu như là một loại tài sản. Tuy nhiên, với một vài công ty – ví dụ như các nhà sản xuất lớn – việc cải tiến trong hoạt động có lẽ là ưu tiên hàng đầu. Nếu công ty của bạn thuộc trường hợp này, bạn có thể bỏ qua khía cạnh đưa ra quyết định trong lúc này và xem xét lại nó sau này. Đối với những công ty đã có một núi dữ liệu khách hàng, có thể sẽ hợp lý hơn để bắt đầu thúc đẩy việc xem xét dữ liệu như là một loại tài sản ngay lập tức. Không hề có bất kỳ quy tắc cứng nhắc hay nhanh chóng nào làm cho dữ liệu phát huy hiệu quả trong tổ chức của bạn.
Sử dụng dữ liệu để đưa ra những quyết định kinh doanh tốt hơn
Việc đưa ra những quyết định kinh doanh tốt hơn chính là mục tiêu của đa số khách hàng mà tôi làm việc cùng, và tôi tin rằng đó cũng là điều mà mọi doanh nghiệp nên nỗ lực để đạt được. Cho dù là bạn đang muốn hiểu rõ hơn về thị trường, muốn phát triển một sản phẩm mới, tăng thêm doanh thu, hoặc nhắm đến những khách hàng mới, thì điều quan trọng chính là việc đưa ra những quyết định kinh doanh tốt hơn. Chính dữ liệu sẽ cung cấp những hiểu biết sâu sắc cần thiết để bạn thực hiện những quyết định đó.
Một lần nữa, mục tiêu sử dụng dữ liệu và cách thức sử dụng dữ liệu của bạn càng cụ thể càng tốt. Trong tình huống đưa ra quyết định, bạn khởi đầu bằng việc xác định mức độ ưu tiên của tổ chức và những vấn đề kinh doanh chưa được giải quyết (như là “làm thế nào để chúng ta nhắm đến phân khúc khách hàng này?”, hoặc “làm thế nào để chúng ta tăng doanh số thêm 10%?”). Sau đó, bạn thu thập và phân tích những dữ liệu thích hợp để có được những hiểu biết sâu sắc nhằm trả lời những câu hỏi đó. Với cách này, sở hữu một chiến lược dữ liệu rõ ràng giúp bạn xác định được các vấn đề kinh doanh then chốt và mức độ ưu tiên cho chúng, đảm bảo được rằng bạn sử dụng thời gian và nguồn lực một cách hiệu quả nhất. Điều này sẽ được nói rõ hơn trong Chương 3.
Có thể bạn muốn bắt đầu bằng cách tập trung vào một phạm vi cụ thể của doanh nghiệp, chẳng hạn như hiểu rõ hơn về khách hàng của mình, nhưng ý tưởng cơ bản trong việc đưa ra quyết định khôn ngoan hơn và xây dựng văn hóa đưa ra quyết định dựa trên dữ liệu là cuối cùng sẽ mở rộng trong toàn bộ tổ chức. Đây là chủ đề mà tôi đặc biệt yêu thích và tôi sẽ phân tích chi tiết trong Chương 11.
Sử dụng dữ liệu để thấu hiểu khách hàng và thị trường
Đây là một trong những phương pháp phổ biến nhất (hoặc được công bố rộng rãi) mà mọi công ty sử dụng dữ liệu ngày nay, đặc biệt là truyền thông xã hội, đã khiến cho phương pháp này trở nên dễ dàng hơn bao giờ hết, tạo nên một bức tranh phong phú về khách hàng và thị trường. Với những hiểu biết sâu sắc về khách hàng và thị trường, công ty có thể đưa ra những quyết định khôn ngoan hơn – và những quyết định đó bắt nguồn từ trong dữ liệu, chứ không phải là trực giác hoặc các giả định. Phương pháp này có ba điều chủ yếu: nhận diện bức tranh toàn cảnh về khách hàng (họ là ai, ở đâu, hành vi của họ là gì, sở thích của họ,…) để bạn có thể tương tác với họ hiệu quả hơn; nhận biết được các xu hướng; và hiểu được đối thủ cạnh tranh.
Xây dựng một bức tranh hoàn chỉnh về khách hàng có thể bao gồm điều gì khiến cho họ chú ý, tại sao họ mua hàng, họ thích mua sắm như thế nào, họ sẽ mua món gì tiếp theo, điều gì khiến họ chọn công ty này thay vì chọn công ty khác… Truyền thông xã hội chính là nguồn lực mạnh mẽ và đáng chú ý của dạng thông tin như thế này. Trên các nền tảng truyền thông xã hội chính, bao gồm Facebook và Twitter, thường xuất hiện những lời mời quảng cáo được nhắm mục tiêu, để cho bạn có thể nhắm đến chính xác các nhóm lứa tuổi và khu vực địa lý. Mặc dù không tiêu tốn bất kỳ đồng xu nào, nhưng các nền tảng truyền thông xã hội vẫn có thể được dùng để nhận biết những ai đang bàn tán về chuyện gì, và xác định nó có khả năng ảnh hưởng như thế nào đến nhu cầu về sản phẩm và dịch vụ. Twitter, là nơi lý tưởng cho mọi cuộc đối thoại diễn ra công khai, cũng là nơi dễ dàng hơn để rút ra được những hiểu biết sâu sắc so với hầu hết các nền tảng khác. Thực tế, IBM đang hợp tác cùng với Twitter để đưa ra những dịch vụ giúp cho doanh nghiệp có được những thông tin có giá trị được thu thập từ các dòng tweet. Ra mắt dịch vụ lần nữa vào năm 2014, IBM đã đưa ra một số ví dụ mạnh mẽ về những hiểu biết sâu sắc thu thập được trên các dòng tweet. Những thông tin có giá trị này bao gồm một công ty truyền thông đã có thể giảm tỷ lệ khách hàng rời bỏ công ty xuống 5% bằng việc phán đoán những nơi mà khách hàng thường có khả năng bị ảnh hưởng nhất bởi việc mất dịch vụ do thời tiết bất ổn. Rồi một nhà bán lẻ thực phẩm và đồ uống phát hiện ra rằng lượng nhân viên nghỉ việc quá nhiều chính là một trong những yếu tố ảnh hưởng tiêu cực đến giá trị của những khách hàng trung thành nhất của họ.
Dự đoán xu hướng mạng xã hội cũng là một công dụng hữu hiệu khác của dữ liệu, cho dù nó là xu hướng toàn ngành, xu hướng hành vi của khách hàng, hoặc bất kể kiểu xu hướng nào đi chăng nữa, cũng có thể tạo nên sự khác biệt ở điểm mấu chốt. Thực chất, điều này hỗ trợ cho việc phát hiện và theo dõi các mẫu, và sử dụng thông tin đó để dự đoán xem các xu hướng sẽ thay đổi đến đâu trong tương lai, từ đó bạn có thể đưa ra những quyết định khôn ngoan hơn. Marketing cũng là một trường hợp thú vị về sự hiểu biết và tiên đoán, và một lần nữa, phương tiện truyền thông và Internet đóng vai trò to lớn trong việc này. Chúng ta đã quen với việc chia sẻ vô số thông tin về chính bản thân mình, những điều chúng ta quan tâm, thói quen, sở thích và những điều mình không thích – cho dù là có chủ ý hay không – các công ty nhanh chóng khai thác những thông tin này. Bên cạnh đó, các chủ đề thịnh hành chiếm ưu thế trên Facebook và Twitter mỗi ngày đã khiến cho việc dự đoán dễ dàng hơn bao giờ hết để xác định được những gì mà mọi người quan tâm hoặc mong muốn.
Trong ngành bán lẻ, hành vi của khách hàng trực tuyến và ngoại tuyến có thể được đo lường đến từng chi tiết nhỏ. Các dữ liệu đó có thể đối chiếu với những dữ liệu bên ngoài như thời gian, tình hình kinh tế và thậm chí là thời tiết để xây dựng bức tranh chi tiết về những gì mà mọi người thường mua và sẽ mua khi nào. Tất cả những thông tin này có thể được sử dụng để đưa ra những quyết định đúng đắn hơn cho các sản phẩm, các ưu đãi, hàng tồn kho và việc giao tiếp, đó là tôi chỉ mới kể đến một số thứ mà thôi.
Khi nói đến việc thấu hiểu đối thủ cạnh tranh của bạn, nếu không kể đến gián điệp công nghệ, các doanh nghiệp thường bị giới hạn trong việc thu thập tin đồn trong ngành hay lang thang tìm kiếm các trang web hoặc cửa hàng của đối thủ cạnh tranh chỉ để thu thập thông tin. Tuy nhiên, ngày nay, dữ liệu đã khiến cho việc hiểu được đối thủ cạnh tranh trở nên dễ dàng hơn bao giờ hết. Có vô vàn dữ liệu ngoài kia về các đối thủ của bạn: dữ liệu tài chính thì luôn dễ dàng tìm được, Google Trends sẽ cho bạn biết được sự yêu thích của người tiêu dùng về bất kỳ nhãn hàng hoặc sản phẩm nào, các bảng phân tích phương tiện truyền thông cung cấp cho bạn những hiểu biết sâu sắc có giá trị đối với các thương hiệu hoặc sản phẩm phổ biến (nó có thường xuyên được đề cập đến hay không) và cho thấy khách hàng nói gì về nhãn hàng hoặc sản phẩm một cách cụ thể, rành mạch. Twitter đặc biệt rõ ràng trong khía cạnh này. Tất cả những thông tin này có thể được so sánh với chính công ty hoặc sản phẩm của bạn để dẫn lối cho việc đưa ra quyết định. Ví dụ, có phải đối thủ của bạn bắt đầu được đề cập nhiều trên Twitter? Các cuộc đối thoại của họ với khách hàng trên Twitter so với bạn thì như thế nào? Có phải trang Facebook của họ có nhiều lượt thích và lượt chia sẻ hơn của bạn? Bây giờ bạn đã có được bức tranh phong phú hơn về hoạt động của đối thủ cạnh tranh. Ngược lại, hiển nhiên là đối thủ cạnh tranh cũng sẽ thu thập được ngày càng nhiều thông tin về hiệu suất của bạn. Nhưng, bằng cách thu thập thường xuyên những thông tin hữu ích và xây dựng nền văn hóa đưa ra quyết định dựa trên dữ liệu, bạn sẽ đi trước một bước và nắm giữ ưu thế trong cuộc cạnh tranh.
Xem xét dữ liệu trong thực tế – một sự sắp đặt không ngờ
Cho dù công ty bạn có quy mô lớn hay nhỏ, mang tính toàn cầu hay địa phương, công nghệ cao hay truyền thống, dữ liệu vẫn có thể giúp bạn đưa ra những quyết định đúng đắn hơn. Chuỗi nhà hàng Mỹ Dickey’s Barbecue Pit là ví dụ điển hình về việc dữ liệu làm thay đổi việc đưa ra quyết định trong môi trường không ngờ đến. Đó là một công ty hoạt động với hơn 500 nhà hàng phủ khắp nước Mỹ đã triển khai một hệ thống dữ liệu độc quyền gọi là Smoke Stack.
Ý tưởng đằng sau Smoke Stack là để có được những hiểu biết sâu sắc hơn trong kinh doanh nhằm gia tăng doanh thu, và mục đích cuối cùng là để dẫn dắt hoặc cải thiện các quyết định kinh doanh của Dickey theo mọi chiều hướng, bao gồm quá trình vận hành, marketing, đào tạo, xây dựng thương hiệu và phát triển thực đơn. Công ty đã thu thập dữ liệu từ rất nhiều nguồn khác nhau, nhưng họ không có khả năng phân tích dữ liệu để hiểu nó một cách tường tận nhất và có tính khả thi. Và công ty nhận ra rằng họ có thể tập hợp tất cả dữ liệu khác nhau vào cùng một chỗ, từ đó sẽ dễ dàng hơn trong việc sử dụng và am hiểu dữ liệu.
Smoke Stack đưa các dữ liệu tập hợp lại với nhau bắt đầu từ hệ thống các điểm bán lẻ, chương trình khuyến mãi, chương trình khách hàng thân thiết, khảo sát khách hàng và hệ thống kho hàng để đưa ra gần như tức thời các thông tin phản hồi về việc bán hàng và các chỉ số đo lường hiệu quả công việc khác. Các dữ liệu này được kiểm tra sau mỗi 20 phút để có thể đưa ra quyết định ngay tức thì, cũng như trong những cuộc họp thường ngày vào mỗi buổi sáng tại trụ sở chính, nơi mà các chiến lược cấp cao hơn được lên kế hoạch và thực thi. Bản chất của dữ liệu thời gian thực có giá trị rất đặc biệt trong hệ thống nhà hàng, cho phép công ty phản hồi một cách nhanh chóng đối với những vấn đề về cung và cầu. Ví dụ, đã quá giờ ăn trưa mà vẫn còn thừa rất nhiều món sườn có thể được xử lý bằng một tin nhắn đơn giản rồi gửi đến các khách hàng trong khu vực địa phương, và mời họ đến thưởng thức những món sườn đặc biệt.
Dữ liệu thậm chí đóng vai trò quan trọng trong việc quyết định món nào sẽ xuất hiện trong thực đơn. Những đề xuất về thực đơn mới được đánh giá bởi người dùng Smoke Stack dựa theo năm tiêu chí: doanh số, sự đơn giản trong việc chuẩn bị, khả năng sinh lời, chất lượng và thương hiệu. Nếu có món ăn nào hội tụ một vài chỉ tiêu trong năm tiêu chuẩn trên, nó sẽ trở thành món thường trực xuất hiện trên thực đơn của nhà hàng.
Lĩnh vực kinh doanh nhà hàng cực kỳ cạnh tranh, phân tích và đưa ra quyết định nhanh chóng là một phần sống còn của việc vượt ra khỏi sự cạnh tranh. Như có lần CIO (giám đốc thông tin) Laura Rea Dickey đã chia sẻ với tôi:
“Nếu như một khu vực hoặc một cửa hàng có mức KPI thực tế thấp hơn hoặc cao hơn KPI chuẩn – cho dù đó là vấn đề về người lao động hoặc giá vốn của sản phẩm – chúng tôi vẫn có thể triển khai nguồn lực để điều chỉnh, và chúng tôi thực hiện những hành động này đối với những kết quả trong chu kỳ 12 hoặc 24 tiếng thay vì mỗi cuối tuần hoặc trong vài trường hợp, sử dụng những dữ liệu cũ nhiều tháng trời. Để duy trì việc sinh lời, việc kinh doanh theo cách cũ đã không còn hợp lý nữa.”
Dữ liệu giúp cho Dickey’s Barbecue Pit hiểu được tốt hơn những gì đang diễn ra trong nhà hàng của họ và đưa ra quyết định nhanh chóng, xác thực dựa trên những thông tin mà họ có. Kết quả là họ đã tăng doanh số bán hàng và thấu hiểu hơn về khách hàng từ các khu vực khác nhau.
Sử dụng dữ liệu để cải thiện quá trình hoạt động
Việc sử dụng dữ liệu này là bước chuyển dịch từ việc ra quyết định tới việc tối ưu hóa quy trình kinh doanh và quá trình hoạt động hằng ngày để đem đến những sản phẩm hoặc dịch vụ chất lượng hơn. Với bất kỳ quy trình kinh doanh nào mà tạo ra dữ liệu (ví dụ, máy móc trên một dây chuyền sản xuất, thiết bị cảm biến trên các phương tiện vận chuyển hàng hóa, hệ thống đặt hàng của khách hàng), bạn có thể dùng những dữ liệu đó để cải tiến và tạo ra năng suất. Thực tế, điều này có nghĩa là sẽ lắp đặt các hệ thống nội bộ vào nơi cho phép bạn tận dụng dữ liệu một cách tự động. Từ khóa ở đây là “tự động”. Hơn nữa, hướng đi này chính là tự động hóa càng nhiều càng tốt.
Sự chuyển đổi toàn diện quá trình hoạt động kinh doanh của bạn là một bước chuyển lớn, quan trọng hơn cả việc dùng dữ liệu để cải thiện việc đưa ra quyết định, và do đó không phải là điều mà tất cả các doanh nghiệp thực hiện. Nếu bạn cảm thấy phần này không thực sự liên quan đến tổ chức của mình tại thời điểm này, không sao cả. Tuy nhiên, tôi khuyên mọi người nên tiếp tục mở cửa để đón nhận những cơ hội cho hoạt động của doanh nghiệp.
Đạt được hiệu quả nội bộ thông qua dữ liệu
Đối với các công ty sản xuất hoặc tập trung vào công nghiệp, máy móc, phương tiện vận tải và các công cụ có thể được sản xuất để trở nên “thông minh”, nghĩa là mọi thứ có thể được kết nối, cho phép truy cập dữ liệu và liên tục báo cáo tình trạng của chúng lẫn nhau. Dữ liệu về máy móc bao gồm bất kể thứ gì từ thiết bị công nghệ thông tin cho đến các bộ cảm biến, dụng cụ đo lường và thiết bị GPS. Với việc sử dụng những dữ liệu này, các tổ chức có thể thu được những thông tin trong thời gian thực về hoạt động của chúng. Hiệu quả công việc được gia tăng bằng cách cho phép từng khía cạnh của quy trình hoạt động công nghiệp được giám sát và điều chỉnh để đạt được hiệu suất tối ưu nhất. Và nó cũng giúp giảm thiểu chi phí về “thời gian chết”, khoảng thời gian mà các thiết bị máy móc không thể hoạt động. Bởi vì nếu chúng ta biết được chính xác khi nào cần thay thế những bộ phận bị hư hỏng, máy móc sẽ ít bị hư hỏng hơn.
Điều này chắc chắn không bị giới hạn ở các doanh nghiệp sản xuất. Ví dụ, trong ngành bán lẻ, mọi công ty đều có khả năng tối ưu hóa hàng tồn kho mà họ đang tích trữ, hàng hóa tự động được bổ sung khi đạt được các điều kiện đã xác định trước hoặc khi mức hàng tồn giảm xuống tới một con số nhất định. Thậm chí có thể sử dụng những dự đoán được tổng hợp từ dữ liệu truyền thông xã hội, các xu hướng tìm kiếm trên web và dự báo thời tiết để dự đoán về nhu cầu và mức tăng của hàng tồn kho.
Như chúng ta đã biết ở Chương 1, chuỗi cung ứng và phân phối là một phạm vi khác mà có thể được tối ưu hóa, nhờ vào tiềm năng mạnh mẽ của dữ liệu GPS, dữ liệu giao thông và thậm chí dữ liệu về thời tiết. Tôi biết một công ty phân phối bánh pizza theo dõi tài xế bằng cách sử dụng cảm biến GPS trong điện thoại thông minh của họ, mang lại cho công ty những thông tin hữu ích để tối ưu các tuyến đường vận chuyển. Về cơ bản, việc theo dấu các tài xế của họ và giám sát các điều kiện giao thông bằng cách sử dụng dữ liệu công khai có sẵn, họ có thể giao hàng cho khách nhanh hơn và hiệu quả hơn.
Dữ liệu lớn cũng có thể giúp tối ưu hóa nguồn tài nguyên công nghệ thông tin. Dữ liệu và các thuật toán được dùng để xác định các lỗ hổng của hệ thống thông tin, giảm thiểu rủi ro, phát hiện gian lận, và theo dõi bảo mật mạng theo thời gian thực. Một ví dụ về việc phát hiện gian lận nhờ vào dữ liệu là các công ty tín dụng phân tích các giao dịch trong thời gian thực, tắt các giao dịch đáng ngờ và không khả thi trong thực tế (như là việc bạn mua sắm một vài thứ ở thành phố New York vào lúc 2 giờ chiều, và lại tiếp tục sử dụng thẻ tín dụng đó vào lúc 3 giờ chiều để mua sắm ở một cửa hàng tại New Delhi). Ngành bảo hiểm cũng có nhiều tiến bộ trong việc sử dụng dữ liệu để phát hiện gian lận. Bằng việc phân tích khoảng thời gian cần thiết để hoàn thành một yêu cầu giải quyết quyền lợi bảo hiểm trực tuyến, hoặc là bằng cách xem xét một khách hàng có quay trở lại và thay đổi thông tin ở một trang trước đó, họ cũng vẫn có thể nhận biết được những yêu cầu thanh toán bảo hiểm gian lận tiềm ẩn.
Dữ liệu thậm chí có thể giúp cải thiện cách bạn tuyển dụng và quản lý nhân viên của mình – sau cùng, nhân viên của bạn chính là nhân tố sống còn của các quy trình và hoạt động nội bộ. Thỉnh thoảng, việc tìm kiếm và giữ người phù hợp là điều then chốt để duy trì ưu thế cạnh tranh. Dữ liệu sẽ hỗ trợ bạn tìm kiếm những ứng viên xuất sắc nhất, hiểu được rằng liệu kênh tuyển dụng hiện tại của bạn có hiệu quả hay không, và giữ cho các nhân viên hiện hữu luôn hài lòng. Chẳng hạn như, một khách hàng của tôi muốn tuyển một người quyết đoán và có thể sử dụng các ý tưởng của họ. Bằng cách phân tích các tập dữ liệu khác nhau từ những người mà công ty muốn và không muốn tuyển dụng, họ nhận thấy rằng các ứng cử viên điền đơn đăng ký bằng trình duyệt mà không được cài đặt sẵn trước đó trên máy tính của họ, và thay vào đó phải được cài đặt riêng (chẳng hạn như Firefox hoặc Chrome) có xu hướng phù hợp hơn cho các vị trí cụ thể đó. Đo lường chỉ số đơn giản này cho phép công ty có thể loại trừ những ai không đạt tiêu chuẩn trước giai đoạn phỏng vấn, qua đó tìm được người phù hợp một cách dễ dàng hơn. Một khách hàng khác của tôi, là một nhà bán lẻ, đã phân tích hồ sơ trên mạng xã hội của các ứng viên để dự đoán (cực kỳ chính xác!) về mức độ thông minh và sự ổn định về cảm xúc của những ứng viên tiềm năng.
Các ứng dụng điều hành có thể làm nhiều việc hơn là công việc tuyển dụng. Dữ liệu nhân sự, như là số lần vắng mặt, dữ liệu năng suất làm việc, đánh giá phát triển bản thân và dữ liệu hài lòng của nhân viên, đều có thể được phân tích để có được những hiểu biết sâu sắc. Bên cạnh một vài loại dữ liệu nhân sự truyền thống này, vẫn có thể thu thập được dữ liệu bằng nhiều cách mới lạ và thú vị, như là quan sát nhân viên thông qua camera an ninh CCTV, xem lướt qua dữ liệu trên các trang truyền thông xã hội, phân tích nội dung của e-mail, và thậm chí là giám sát xem nhân viên đang ở đâu bằng cách sử dụng dữ liệu định vị cảm biến từ những chiếc điện thoại thông minh mà công ty cung cấp cho nhân viên để làm việc. Một lần nữa, thách thức chính là thiết lập những loại dữ liệu nào thực sự ảnh hưởng đến năng suất của công ty bạn, và tránh việc bị cuốn vào vô số các khả năng. Bạn cần phải cân nhắc điều gì là hữu dụng nhất dựa vào quan điểm điều hành – ví dụ, việc tăng sự hài lòng của nhân viên để giảm bớt số nhân viên nghỉ việc. Hơn nữa, để tránh bất kỳ phản ứng dữ dội nào, điều quan trọng là các nhân viên phải biết được chính xác những dữ liệu nào đang được thu thập và nó được sử dụng cho việc gì. Tất cả mọi người cần phải nhận thức rằng mục đích là để tăng năng suất tổng thể của toàn bộ công ty chứ không phải là để đánh giá hoặc giám sát từng cá nhân trong đội ngũ như phong cách của nhà độc tài.
Amazon, và cách thức dữ liệu tối ưu các quá trình kinh doanh để tăng doanh thu
Chúng ta đều biết rằng Amazon là một công ty tiên phong trong lĩnh vực thương mại điện tử với nhiều phương thức khác nhau, nhưng có lẽ một trong những cuộc cách tân vĩ đại nhất chính là hệ thống đề xuất được cá nhân hóa – đã hình thành dựa trên dữ liệu lớn được thu thập từ hàng triệu giao dịch của khách hàng. Các nhà tâm lý học nói về sức mạnh của sự gợi ý – đặt trước mặt ai đó một thứ gì đó mà họ thích và họ sẽ khó mà vượt qua được sự khao khát đang bùng cháy mãnh liệt nên sẽ mua nó, bất kể nó có đáp ứng được bất kỳ nhu cầu thực tế nào hay không. Tất nhiên, đây cũng chính là cách thức mà quảng cáo nhắm vào cảm xúc luôn mang lại hiệu quả. Tuy nhiên, thay vì phương pháp tiếp cận hàng loạt, Amazon đã tận dụng dữ liệu khách hàng của họ và hoàn chỉnh hệ thống “súng bắn tỉa” nhắm thẳng vào mục tiêu cho trước một cách mạnh mẽ. Các hệ thống của họ ngày càng phát triển hơn và có vẻ như những gì chúng ta chứng kiến đến tận ngày hôm nay chỉ là sự khởi đầu. Trong một động thái được công bố rộng rãi, Amazon đã nhận được bằng sáng chế về một hệ thống được thiết kế để vận chuyển hàng hóa đến với chúng ta thậm chí trước khi chúng ta quyết định mua nó – giao hàng theo dự báo. Điều này là một dấu hiệu rõ ràng rằng sự tự tin của họ trong các phân tích về dự đoán đáng tin cậy đang tăng dần.
Amazon cũng đã kết hợp phân tích dữ liệu lớn vào các hoạt động chăm sóc khách hàng của mình. Việc mua lại nhà bán lẻ giày Zappos thường được đánh giá là yếu tố then chốt của việc này. Kể từ khi thành lập, Zappos đã giành được danh tiếng tuyệt vời cho dịch vụ khách hàng của mình và thường được tung hô như là công ty đứng đầu thế giới về lĩnh vực này. Phần lớn là do hệ thống quản lý quan hệ khách hàng tinh vi đã sử dụng rộng rãi dữ liệu khách hàng của riêng họ. Các phương pháp này được kết hợp với chính công ty của Amazon, sau khi được mua lại vào năm 2009.
Amazon đã phát triển lớn mạnh vượt ra khỏi khởi điểm ban đầu của nó như là một nhà sách trực tuyến, và phần lớn điều này có được là nhờ vào việc áp dụng triệt để các nguyên tắc dữ liệu lớn và việc sử dụng dữ liệu để cải thiện cách thức vận hành của Amazon.
Uber và cách thức dữ liệu thay đổi các chuyến đi
Uber là một dịch vụ đặt xe dựa trên ứng dụng điện thoại thông minh giúp kết nối người dùng (là người cần đi đến một nơi nào đó) với tài xế (là người sẵn lòng đưa họ đi). Doanh nghiệp được xây dựng với nền móng vững chắc dựa trên dữ liệu, và việc tận dụng dữ liệu theo một cách hiệu quả hơn so với những công ty taxi truyền thống đã đóng một vai trò to lớn trong thành công của Uber.
Toàn bộ mô hình kinh doanh của Uber là dựa vào những quy tắc dữ liệu lớn từ nguồn lực cộng đồng (crowd sourcing); bất kỳ ai có một chiếc xe và sẵn lòng giúp đỡ người khác trong việc di chuyển thì đều có thể thực hiện công việc này. Uber lưu trữ và giám sát dữ liệu trên từng chuyến đi của người dùng, rồi sử dụng nó để xác định rõ nhu cầu, phân phối nguồn lực và định giá cước phí. Công ty cũng thực hiện phân tích chuyên sâu về mạng lưới phương tiện di chuyển công cộng trong những thành phố mà nó đang phục vụ, để công ty có thể tập trung phủ sóng ở các khu vực được phục vụ kém và cung cấp các liên kết đến hệ thống xe buýt và tàu lửa.
Uber cũng nắm giữ một cơ sở dữ liệu khổng lồ của các tài xế trong tất cả thành phố mà nó phục vụ, vì thế khi có hành khách yêu cầu một chuyến đi, Uber có thể lập tức kết nối bạn với tài xế phù hợp nhất. Có một sự khác biệt quan trọng so với dịch vụ taxi thông thường, đó là khách hàng được tính cước phí dựa trên thời gian của chuyến đi chứ không phải là khoảng cách đã đi. Công ty đã phát triển một thuật toán để giám sát các điều kiện giao thông và thời gian của chuyến đi trong thời gian thực, nghĩa là giá cả có thể được điều chỉnh nếu như người đi xe thay đổi lộ trình, và khi điều kiện giao thông làm cho chuyến đi mất nhiều thời gian hơn. Điều này khuyến khích nhiều tài xế tham gia vào việc vận chuyển hành khách khi họ thấy cần thiết, và nghỉ ngơi ở nhà khi nhu cầu đi lại ở mức thấp. Công ty cũng xin được cấp bằng sáng chế về phương pháp định giá dựa vào dữ liệu này, được gọi là “surge pricing” (định giá nhảy cóc – điều chỉnh giá cước dựa trên việc kết nối cung và cầu). Nó chính là một hình thức nâng cao của “dynamic pricing” (định giá năng động), nếu như bạn muốn gọi như thế – tương tự như hình thức mà những chuỗi khách sạn và hàng không sử dụng để điều chỉnh giá với mục đích đáp ứng nhu cầu khách hàng – mặc dù chỉ đơn giản là tăng giá dịch vụ vào cuối tuần hoặc trong các kỳ nghỉ, Uber sử dụng mô hình dự đoán để ước lượng nhu cầu theo thời gian thực.
Uber xử lý nhiều loại dữ liệu khác nhau. Chẳng hạn như, Uber tự động tính cước phí bằng việc sử dụng GPS, dữ liệu giao thông và thuật toán của riêng công ty, có thể điều chỉnh dựa vào thời gian mà chuyến đi thường sẽ tiêu tốn. Công ty cũng phân tích những dữ liệu bên ngoài như các tuyến phương tiện công cộng để lên kế hoạch phục vụ.
Uber không đơn độc trong việc sử dụng dữ liệu để cách mạng hóa phương tiện vận chuyển, nó vẫn có những đối thủ cạnh tranh đưa ra các dịch vụ với quy mô nhỏ hơn (cho đến nay) như Lyft, Sidecar và Haxi. Nhưng rốt cuộc, công ty thành công nhất thường là công ty có khả năng sử dụng dữ liệu tốt nhất để cải thiện dịch vụ mà nó cung cấp cho khách hàng.
Rolls-Royce và cách thức dữ liệu thúc đẩy việc sản xuất đi đến thành công
Rolls-Royce là nhà sản xuất các động cơ khổng lồ được sử dụng bởi 500 hãng hàng không và khoảng 150 lực lượng vũ trang. Trong một ngành công nghiệp kỹ thuật cao như thế này, những thất bại và sai lầm có thể gây thiệt hại hàng tỷ đô la – chưa kể đến sinh mệnh của nhiều người. Do đó, điều cốt yếu của công ty là khả năng giám sát “tình trạng sức khỏe” cho sản phẩm của họ để nhận ra các vấn đề tiềm tàng trước khi chúng thực sự xảy ra. Với tư tưởng đó, Rolls-Royce sử dụng dữ liệu ở ba khu vực chủ chốt của quá trình hoạt động: thiết kế, sản xuất, và dịch vụ hỗ trợ sau bán hàng.
Ở phân đoạn thiết kế, dữ liệu được sử dụng trong mô phỏng sản phẩm để làm mẫu và dự đoán các bộ phận, động cơ sẽ hoạt động như thế nào trong một vài tình huống nhất định. Như giám đốc khoa học của công ty, Paul Stein, đã chia sẻ với tôi:
“Chúng tôi có nhiều cụm máy tính công suất lớn được sử dụng trong quá trình thiết kế. Chúng tôi tạo ra hàng chục terabyte dữ liệu trên mỗi mô phỏng động cơ của mình. Sau đó, chúng tôi dùng một vài kỹ thuật máy tính phức tạp để xem xét các tập hợp dữ liệu đó và hình dung xem những sản phẩm cụ thể mà chúng tôi thiết kế là tốt hay xấu.”
Thực ra, cuối cùng họ hy vọng có thể mường tượng ra được cách thức hoạt động của các sản phẩm trong quá trình sử dụng với tất cả các kịch bản tiềm tàng khác nhau, và họ đã gần như thực hiện được điều này.
Các hệ thống sản xuất của công ty đang dần trở nên được liên kết và giao tiếp với nhau theo hướng kết nối IoT trong môi trường công nghiệp. Công ty tạo ra một khối dữ liệu đồ sộ trong các quy trình sản xuất của riêng mình. Ví dụ, tại nhà máy mới của họ ở Singapore, Rolls-Royce đang tạo ra một nửa terabyte dữ liệu trên từng cánh quạt. Nên khi họ sản xuất ra 6.000 cánh quạt trong một năm, đã có rất nhiều dữ liệu được hình thành chỉ từ một bộ phận. Dữ liệu này rất hữu dụng ở nhiều mặt, đặc biệt là kiểm soát, giám sát chất lượng của các bộ phận được chế tạo.
Về mặt hỗ trợ sau bán hàng, hệ thống động cơ và chuyển động của Rolls-Royce đều được lắp đặt hàng trăm bộ cảm biến để có thể thu thập lại từng chi tiết nhỏ về quá trình vận hành của chúng và báo cáo về bất kỳ sự thay đổi nào theo thời gian thực đến các kỹ sư ở dưới mặt đất. Công ty sử dụng dữ liệu này để xác định các yếu tố và điều kiện để quyết định xem động cơ nào cần được bảo trì. Trong một vài trường hợp, con người thường can thiệp thủ công để tránh hoặc giảm thiểu bất cứ điều gì có thể gây ra vấn đề nghiêm trọng, nhưng Rolls-Royce kỳ vọng rằng các thiết bị điện tử tự chúng sẽ có thể thực hiện những can thiệp này.
Với những động cơ máy bay dân dụng đáng tin cậy như Rolls-Royce, tầm quan trọng của sự chuyển hướng này là giữ cho chúng hoạt động ở mức tốt nhất, tiết kiệm nhiên liệu bay và đảm bảo rằng chúng đáp ứng được lịch trình bay của các hãng hàng không. Bằng việc sử dụng dữ liệu, Rolls-Royce có thể xác định thời gian cần phải bảo dưỡng trước nhiều ngày hoặc nhiều tuần, vì thế các hãng hàng không có thể sắp xếp công việc mà không phải hủy chuyến bay. Để hỗ trợ điều này, họ tiến hành phân tích tiếng ồn của các động cơ được gắn trong máy bay thông qua một lượng lớn dữ liệu thu thập được và truyền thẳng các thông tin bất thường về mặt đất để phân tích sâu hơn. Ngay khi kết thúc chuyến bay, các kỹ sư sử dụng toàn bộ dữ liệu chuyến bay để kiểm tra và phát hiện các thông số dựa trên ngưỡng an toàn để cải thiện hiệu suất. Các kỹ sư tìm kiếm những điểm bất thường trong dữ liệu, chẳng hạn như các thông số về áp suất, nhiệt độ và độ rung để xác định khi nào một động cơ cần được bảo dưỡng. Và trong trường hợp xảy ra sự cố, có được tất cả dữ liệu trong tay nghĩa là công ty có khả năng xác định mọi thứ đã góp phần tạo ra sự cố. Họ sử dụng những thông tin này để dự đoán khi nào và ở đâu, vấn đề đó có khả năng lặp lại, và sau đó đưa thông tin này trở lại quá trình thiết kế – mang lại một quy trình tuần hoàn trọn vẹn.
Rolls-Royce là một ví dụ tuyệt vời về công ty sản xuất và chế tạo truyền thống chuyển sang một thời đại mới của việc cải tiến và năng suất hoạt động được kích hoạt bởi dữ liệu. Cuối cùng, dữ liệu và việc phân tích đã giúp Rolls-Royce hợp lý hóa quy trình thiết kế sản phẩm, giảm thời gian phát triển sản phẩm và nâng cao chất lượng, cũng như hiệu suất của sản phẩm. Mặc dù không có số liệu thống kê chính xác, nhưng công ty cho biết việc áp dụng cách tiếp cận dựa trên dữ liệu này đã giảm thiểu chi phí “một cách đáng kể”. Stein cho biết: “Việc số hóa Rolls-Royce không còn là vấn đề cần phải tranh luận nữa; vấn đề không phải là liệu nó có xảy ra hay không mà là nó sẽ diễn ra nhanh đến mức nào”.
Chuyển đổi mô hình kinh doanh: dữ liệu là một tài sản kinh doanh
Cũng như việc giúp bạn đưa ra quyết định tốt hơn và cải thiện quá trình vận hành, dữ liệu thậm chí cũng có thể là một phần then chốt của mô hình kinh doanh. Có hai hướng để thực hiện điều này: đầu tiên là dữ liệu trở thành một tài sản có giá trị giúp tăng thêm giá trị tổng thể của công ty, và hướng thứ hai là tạo ra doanh thu từ dữ liệu bằng cách bán lại cho khách hàng hoặc các bên quan tâm khác.
Làm thế nào để dữ liệu có thể gia tăng giá trị cho công ty bạn?
Các công ty ngày nay được mua và bán dựa trên những dữ liệu mà họ có. Vào năm 2015, IBM công bố rằng họ đã mua lại phần lớn công ty The Weather, sở hữu Weather.com và Weather Underground, với số tiền được ghi nhận là 2 tỷ đô la. Tại sao họ làm như vậy? Đó chính là vì những dữ liệu mà công ty The Weather nắm giữ. Các bộ dữ liệu liên quan đến thời tiết của công ty là rất lớn, bao gồm dữ liệu từ 3 tỷ điểm dự báo thời tiết, 50.000 chuyến bay và hơn 40 triệu chiếc điện thoại thông minh mỗi ngày. Chẳng lấy làm lạ khi gần 3/4 các nhà khoa học của The Weather Company thuộc lĩnh vực dữ liệu và máy tính (bên cạnh đó chỉ có 1/4 là những nhà khoa học khí quyển và khí tượng học). Giờ đây IBM đã có thể truy cập vào tất cả những dữ liệu đó và bán chúng cho những công ty cần biết về thời tiết. Dữ liệu thời tiết đáng tin cậy đang ngày càng quan trọng với nhiều ngành, không chỉ với những ngành như nông nghiệp và giao thông. Ví dụ, có những kiểu thời tiết sẽ ảnh hướng đến các cửa hàng bán lẻ. Các trường hợp thời tiết xấu có thể tác động lâu dài đến mọi thứ – từ ngành xây dựng cho đến bảo hiểm. Các công ty dược phẩm thậm chí sử dụng dữ liệu thời tiết để dự đoán nhu cầu về thuốc cho bệnh cúm và cảm lạnh. Doug Laney, chuyên viên phân tích tại Gartner, công ty hàng đầu về nghiên cứu công nghệ thông tin, chia sẻ trên Twitter của mình rằng: “60% thu nhập từ chỉ số S&P của họ bị mất đi do ảnh hưởng của thời tiết”. Vì thế, đầu tư vào một công ty có thể dự đoán chính xác thời tiết thực ra là một hành động rất thông minh.
Thêm một ví dụ khác nữa, Microsoft thông báo rằng gần đây họ đã mua lại LinkedIn với giá 26,2 tỷ đô la, và cho phép Microsoft tiếp cận một mạng lưới nghề nghiệp với hơn 400 triệu người dùng – và những dữ liệu họ tạo ra. Microsoft chia sẻ rằng dù LinkedIn hoạt động như là một thực thể bán tự trị, nhưng dữ liệu của nó sẽ được tích hợp với các công cụ cộng tác và năng suất của Microsoft. Điều này dẫn đến một cơ hội tuyệt vời cho việc cá nhân hóa các công cụ của Microsoft và có thể giúp họ trở nên cạnh tranh hơn trong thị trường doanh nghiệp so với các đối thủ lớn như Google Apps For Work.
Như chúng ta có thể thấy, quy tắc căn bản ở đây chính là dữ liệu là một loại tài sản. Thực ra, Gartner đưa ra khái niệm “infonomics” (nền kinh tế dữ liệu) để đề cập đến giá trị đang ngày một tăng nhanh của thông tin. Tuy nhiên, khi dữ liệu trở thành một thứ tài sản cốt lõi, nhu cầu cho sự quản lý dữ liệu thận trọng cũng trở nên cấp bách hơn bao giờ hết. Để nhấn mạnh điều này, một nghiên cứu gần đây của Gartner Research Circle nhận thấy rằng mối bận tâm lớn nhất về dữ liệu đó là “quản lý và tính riêng tư”1. Tôi sẽ thảo luận về việc quản lý và bảo mật dữ liệu sâu hơn ở Chương 10.
Biến dữ liệu thành luồng doanh thu mới
Hãy cùng tìm hiểu một khía cạnh khác của việc tạo ra doanh thu từ dữ liệu: bán quyền truy cập vào dữ liệu của bạn. Nếu như công ty bạn đang tạo ra hoặc thu thập dữ liệu, thì rất đáng để xem xét đến việc tìm kiếm một thị trường thứ cấp cho những dữ liệu đó. Hay nói cách khác, liệu bạn có thể bán dữ liệu đó lại cho khách hàng không? Hoặc bạn có thể bán ở một nơi khác, hay có thể là ở một định dạng khác?
Fitbit là ví dụ điển hình về một công ty sản xuất sản phẩm mà giờ đây trở thành một công ty kinh doanh về dữ liệu. Dựa trên quan điểm cho rằng mọi người sẽ lựa chọn phong cách sống thông minh hơn, các thiết bị của Fitbit khuyến khích mọi người ăn uống lành mạnh hơn và tập thể dục nhiều hơn bằng cách giám sát và cải thiện thói quen sinh hoạt của họ. Fitbit theo dõi các hoạt động, việc tập luyện, lượng calorie cơ thể hấp thụ, và giấc ngủ của người dùng. Các dữ liệu rõ ràng về sức khỏe như thế này cực kỳ giàu thông tin và vô cùng giá trị, thậm chí giá trị đó còn vượt xa cả nhu cầu của người dùng cá nhân. Vì vậy, Fitbit tập hợp dữ liệu về thói quen tập luyện và số liệu thống kê về sức khỏe để chia sẻ với các đối tác chiến lược. Dữ liệu cá nhân hoặc riêng tư đều có thể được chia sẻ với sự cho phép của người dùng. Chẳng hạn như, dịch vụ HealthVault của Microsoft cho phép mọi người dùng có thể đăng tải hoặc chia sẻ dữ liệu từ bộ theo dõi sức khỏe của họ với các chuyên gia y tế, có thể đem lại cho các bác sĩ một bức tranh hoàn chỉnh về sức khỏe tổng quát và thói quen của bệnh nhân hơn là chỉ qua các cuộc tham vấn và kiểm tra. Thậm chí tác động có thể vượt xa hơn nữa, một thông báo gần đây cho biết công ty bảo hiểm John Hancock đưa ra một khoản chiết khấu dành cho các chủ hợp đồng bảo hiểm có sử dụng thiết bị của Fitbit. Họ có thể chia sẻ dữ liệu Fitbit của mình để đổi lấy các phần thưởng liên quan đến hoạt động thể chất và chế độ ăn uống của họ. Sự sẵn sàng này ngày càng tăng giữa các cá nhân: “trao đổi” dữ liệu riêng tư của họ để đổi lấy một sản phẩm/dịch vụ hoặc một phần thưởng vật chất – những điều trên đều tuyệt vời, miễn là quá trình giao dịch phải minh bạch, nghĩa là mọi người phải nhận thức chính xác dữ liệu mà họ đang cho đi là gì và tại sao. Fitbit hiện nay cũng đang bán các bộ theo dõi của họ và phần mềm theo dõi đặc biệt cho các nhà tuyển dụng (như BP America) để họ có thể theo dõi sức khỏe và mức độ hoạt động của nhân viên (với sự cho phép của họ). Thực ra, đây chính là một trong những mảng kinh doanh phát triển nhanh nhất của Fitbit.
Facebook cũng đưa ra một ví dụ thực tế đơn giản của quy trình này. Mạng xã hội được cung cấp miễn phí cho người dùng, nhưng doanh thu có được là từ các quảng cáo trên đó. Hiện nay, công ty tận dụng một lượng dữ liệu khổng lồ của người dùng bằng cách cung cấp các dữ liệu có giá trị cho các doanh nghiệp khác – với một khoản chi phí nào đó. Cũng tương tự như vậy, Amazon đã thương mại hóa dữ liệu của họ ở một quy mô vô cùng ấn tượng. Và không như Facebook, dữ liệu của họ liên quan đến việc chúng ta tiêu dùng tiền mặt như thế nào – điều này đặc biệt có giá trị đối với các doanh nghiệp. Vì vậy, sau khi đã tìm ra cách sử dụng hiệu quả dữ liệu của mình để kiếm được nhiều tiền hơn từ túi của chúng ta, Amazon đang trợ giúp những doanh nghiệp khác làm điều tương tự, bằng cách tạo ra các bộ dữ liệu có sẵn để bán, cũng như các công cụ riêng để phân tích nó. Điều này có nghĩa là, cùng với Google, chúng ta thấy các quảng cáo được đưa vào bởi nền tảng của Amazon và dựa trên dữ liệu của nó xuất hiện trên những trang web khác trong vài năm qua. Theo ghi nhận của MIT Technology Review, điều này đã khiến cho công ty trở thành một đối thủ cạnh tranh hàng đầu của Google – và cả những gã khổng lồ trực tuyến khác đang chiến đấu giành thị phần trong ngân sách của những người làm marketing2.
Dù cho bạn không phải là một trong những người khổng lồ về dữ liệu lớn như Facebook hay Amazon, dù cho hiện tại bạn không tạo ra dữ liệu ở một quy mô “lớn” như Fitbit, dữ liệu vẫn có thể trở thành một loại tài sản kinh doanh then chốt. Tóm lại, nếu bạn có khả năng tạo ra dữ liệu, bạn sẽ thấy dữ liệu có thể chứng minh nó có giá trị vượt xa và hơn cả những gì được dự tính ban đầu.
Tầm quan trọng của dữ liệu phù hợp, chứ không phải là mọi loại dữ liệu
Cho dù bạn đang lên kế hoạch để sử dụng dữ liệu, thậm chí bạn dự kiến xem xét dữ liệu như là một loại tài sản kinh doanh then chốt, thì việc nắm giữ một núi dữ liệu đồ sộ mà bạn không thật sự cần chưa bao giờ là một ý tưởng hay ho. Hãy nhớ rằng sức mạnh của dữ liệu lớn không phải ở chính bản thân của dữ liệu, mà là ở cách bạn dùng nó như thế nào. Tôi đã lập luận một thời gian dài rằng nếu chỉ đơn thuần thu thập dữ liệu hoặc thậm chí là phân tích nó thì cũng chưa phải là mục đích cuối cùng của chiến lược dữ liệu. Thay vào đó, nó là cách bạn sử dụng thông tin mà bạn có được từ dữ liệu như thế nào. Đó là về các quá trình mà bạn cải tiến, là những quyết định đúng đắn hơn mà bạn có thể đưa ra, là những giá trị mà bạn gia tăng cho doanh nghiệp. Dữ liệu chỉ vì mục đích của dữ liệu là vô nghĩa. Do đó, thay vì tích trữ dữ liệu, chỉ thu thập những gì bạn thật sự cảm thấy cần thiết và những gì có ý nghĩa cho doanh nghiệp.
Chắc chắn những gã khổng lồ về dữ liệu lớn như Google sẽ không bao giờ vứt bỏ dữ liệu. Mỗi mẫu dữ liệu nhỏ cũng có thể có giá trị. Mọi thứ đều được lưu giữ và phân tích bởi vì nó có khả năng đưa ra những hiểu biết quan trọng và có tác động đến sự phát triển của doanh nghiệp. Ngay cả những lỗi cũng được lưu lại và phân tích. Bạn có thể nghĩ rằng những từ sai chính tả và những sai sót trong các truy vấn tìm kiếm có thể bị loại bỏ, nhưng bạn đã nhầm. Google lưu trữ những dữ liệu đó và dùng nó để tạo ra trình kiểm tra chính tả tốt nhất thế giới. Hãy nhớ một điều rằng những gã khổng lồ như Google hay Amazon đều có chuyên môn, tiền bạc và công nghệ để đương đầu với các tập dữ liệu đồ sộ. Họ có khả năng lưu trữ, nhân lực, kỹ thuật phân tích và phần mềm để khai thác tất cả những dữ liệu đó cho tầm nhìn của doanh nghiệp. Hầu hết các công ty, thậm chí những tổ chức tiếng tăm, sẽ không bao giờ ở vị trí đó. Và họ cũng không nên làm thế. Tôi tin việc cần thiết để giữ tập trung là một điều tốt.
Thay vì cố gắng thu thập càng nhiều dữ liệu càng tốt, sẽ tốt hơn nhiều nếu chỉ thu thập những dữ liệu thật sự cần thiết để đạt được mục tiêu của mình. Việc tạo lập một chiến lược dữ liệu toàn diện sẽ giúp bạn thực hiện được điều này, nhưng điều quan trọng là phải liên tục xem xét lại chiến lược đó để duy trì sự chú ý và vẫn tập trung vào kết quả.
Nhưng chuyện gì sẽ xảy ra nếu bạn xem dữ liệu như là một loại tài sản, hoặc tạo một nguồn doanh thu mới bằng cách bán dữ liệu? Đấy chẳng phải là một ý tưởng thú vị để thu thập càng nhiều càng tốt hay sao? Thực ra thì không phải vậy. Thậm chí khi xem xét dữ liệu như là một loại tài sản, bạn vẫn cần suy nghĩ rõ ràng về loại dữ liệu bạn muốn thu thập, và ai là người mà bạn có thể bán dữ liệu, để chắc chắn rằng bạn sẽ thu thập được những dữ liệu giá trị nhất.
Chúng ta chỉ cần nhìn vào sự phản ứng dữ dội chống lại dịch vụ âm nhạc trực tuyến của Spotify để nhận thấy rằng tại sao thu thập dữ liệu chỉ vì lợi ích của dữ liệu chưa bao giờ là một ý tưởng hay ho. Vào năm 2015, công ty ban hành một chính sách bảo mật mới. Trong số các điều khoản mới đó, Spotify tuyên bố họ có quyền truy cập vào điện thoại của bạn, truy cập vào hình ảnh, các tập tin đa phương tiện, vị trí GPS, dữ liệu cảm biến (như là tốc độ bước đi), và danh bạ của bạn. Những điều khoản này cũng cho phép Spotify chia sẻ các dữ liệu này với các nhà quảng cáo, người nắm giữ bản quyền âm nhạc, mạng di động và những “đối tác kinh doanh” khác. Đương nhiên, phiên bản miễn phí của dịch vụ được hỗ trợ bởi lợi nhuận quảng cáo, nhưng những điều khoản này cũng áp dụng cho 30 triệu người dùng trả tiền của nền tảng này. Phản ứng của người dùng tiêu cực đến không ngờ. Một sự phản đối kịch liệt bùng nổ trên Twitter và những trang mạng xã hội khác, người dùng nói rằng họ sẽ ngừng sử dụng dịch vụ này thay vì đồng ý với những điều khoản mới đó.
Một phần của vấn đề xuất phát từ chính sách bảo mật mới vô cùng mơ hồ về việc họ thu thập chính xác những dữ liệu gì, khi nào, tại sao, và nó được chia sẻ với ai. Sự phản ứng dữ dội chống đối lại sự thiếu minh bạch này đã khiến cho CEO của công ty, Daniel Ek, phải đưa ra lời xin lỗi để giải quyết, làm sáng tỏ lại vị thế và mục đích của công ty. Hành động này bao gồm cả lời hứa: “Chúng tôi sẽ yêu cầu sự cho phép của mọi người trước khi truy cập bất kỳ dữ liệu nào – và chúng tôi chỉ dùng nó cho mục đích cụ thể đó là cho phép bạn có thể tùy chỉnh trải nghiệm Spotify của mình”.
Tạo ra một giải pháp kinh doanh mạnh mẽ từ dữ liệu
Tương tự như việc bạn quyết định sử dụng dữ liệu như thế nào, điều quan trọng trong việc lập nên một chiến dịch dữ liệu vững mạnh là đưa ra những giải pháp kinh doanh mạnh mẽ để sử dụng dữ liệu trong tổ chức của mình – một dạng kế hoạch kinh doanh – và truyền đạt những yếu tố chủ chốt của kế hoạch cho toàn bộ tổ chức. Tôi cho rằng đây chính là một phần quan trọng để mọi người hưởng ứng việc sử dụng dữ liệu. Nếu đội ngũ của bạn biết và thích thú về những khả năng của dữ liệu, nhiều khả năng họ sẽ đóng góp thêm vào việc xây dựng ý tưởng đó.
Khi đưa ra những giải pháp cho dữ liệu lớn, có một số chi tiết quan trọng không thể bỏ sót. Chúng bao gồm bản phác thảo của chiến lược dữ liệu và mục tiêu của nó, tức là những gì mà tổ chức mong muốn tìm thấy hoặc đạt được từ dữ liệu. Ngoài ra, bạn cũng nên đặt ra những lợi ích hữu hình cho doanh nghiệp, như là dữ liệu sẽ giúp bạn cải thiện hoặc xoay chuyển doanh nghiệp của mình như thế nào. Điều quan trọng là phải rõ ràng về những khả năng cần thiết và bất kỳ lỗ hổng kỹ năng tiềm tàng nào trong tổ chức, và hơn nữa là bạn dự định lấp đầy những lỗ hổng đó như thế nào (chúng ta sẽ bàn nhiều hơn về những khả năng của dữ liệu và các kỹ năng ở Chương 9). Cuối cùng, điều quan trọng là hãy cởi mở và thực tế về khung thời gian, như là những gián đoạn trong kinh doanh và chi phí. Để đảm bảo bạn sẽ có được một vài giải pháp kinh doanh thực sự kinh ngạc từ dữ liệu, điều quan trọng là đừng xem nhẹ những vấn đề trên – sau cùng, làm việc với dữ liệu có thể sẽ tốn kém (không phải lúc nào cũng vậy, nhưng thường là như thế), và việc thực hiện các thay đổi trong hoạt động có thể sẽ gây ra một vài rắc rối.
Khi bạn đã xây dựng một lập luận vững chắc cho việc sử dụng dữ liệu lớn ở doanh nghiệp, bạn nên quảng bá và tuyên truyền nó cho toàn công ty. Cách bạn truyền đạt về kế hoạch dữ liệu ở công ty phụ thuộc vào một vài yếu tố, chẳng hạn như quy mô của công ty và những quy trình thông thường để bắt đầu các sáng kiến mới. Không phải ai trong công ty cũng cần biết tường tận mọi chi tiết về việc phân tích và chi phí của dữ liệu lớn, nhưng việc chia nhỏ kế hoạch thành những điểm then chốt là một cách khả quan để có được sự ủng hộ trong toàn bộ công ty.
Tôi không thể nhấn mạnh hết tầm quan trọng của giai đoạn này, việc “bán” dữ liệu cho đội ngũ của bạn chính là bước đầu quan trọng trong hành trình dữ liệu. Nó giúp bạn truyền tải cho mọi người niềm tin vào dữ liệu. Điều này thực sự rất quan trọng nếu bạn đang sử dụng dữ liệu để cải thiện việc ra quyết định trên toàn công ty. Khi đội ngũ của bạn thấu hiểu được giá trị mà dữ liệu mang lại cho tổ chức, họ sẽ có nhiều khả năng kết hợp nó vào những quyết định trong tương lai. Tuy nhiên, khi bạn dự định sử dụng dữ liệu, bạn mong đợi mọi người trong tổ chức cảm thấy yêu thích ý tưởng chung về việc sử dụng dữ liệu. Để biết thêm về việc nuôi dưỡng một nền văn hóa dữ liệu trong tổ chức, hãy chuyển đến Chương 11.
Chú thích
1. Cath Everett (2015), Bước đột phá của Anh cho các ứng dụng kinh doanh dựa trên IoT năm nay, Computer Weekly , xem tại: http://www.computerweekly.com/feature/British-breakthrough-for-IoT-based-business-applications-this-year
2. Tom Simonite (2016), Google và Microsoft mong muốn các công ty nghiên cứu mọi người với AI – Trí tuệ Nhân tạo, MIT Technology Review , ngày 1 tháng 8, xem tại: https://www.technologyreview.com/s/602037/google-and-microsoft-want-every-companyto-scrutinize-you-with-ai/
3. CEO của Spotify Daniel Ek đưa ra lời xin lỗi, xem tại: https://news.spotify.com/us/2015/08/21/sorry-2