Dữ liệu đang trở thành nguồn thông tin đầu vào ngày càng quan trọng trong quá trình ra quyết định, và cải thiện việc ra quyết định có lẽ là cách sử dụng dữ liệu phổ biến nhất trong các doanh nghiệp ngày nay. Đây là một phạm trù rộng, bao gồm bất kỳ cách thức nào, trong đó dữ liệu có thể giúp mọi người trong tổ chức đưa ra quyết định tốt hơn. “Mọi người” là từ quan trọng ở đây. Người sử dụng dữ liệu, nếu bạn thích gọi như vậy, trong trường hợp này ý nói đến con người. Chúng tôi không nói về những máy móc tự động thực hiện một hành động nào đó dựa trên dữ liệu chúng được cung cấp (chẳng hạn như các đề xuất sản phẩm của Amazon, được tạo ra tự động dựa trên dữ liệu và thuật toán). Chương này chỉ dành riêng để nói về quá trình của con người trong một tổ chức diễn giải dữ liệu để đưa ra các quyết định thông minh hơn, sáng suốt hơn. Về cơ bản, có được những quyết định thông minh hơn giúp cho tổ chức đến gần hơn với việc đạt được mục tiêu chiến lược của họ.
Tôi cho rằng dữ liệu nên được đặt ở trọng tâm của quá trình ra quyết định trong tất cả các doanh nghiệp, bất kể quy mô hay lĩnh vực hoạt động. Tất nhiên, kinh nghiệm và bản năng cũng có vai trò nhất định trong việc đưa ra một quyết định tốt, nhưng như vậy là không đủ trong thế giới kinh doanh với đầy rẫy sự cạnh tranh như ngày nay. Dữ liệu cung cấp thêm lợi thế mà các doanh nghiệp sẽ phải cần đến để thành công trong tương lai. Dữ liệu cung cấp những hiểu biết sâu sắc có giá trị giúp bạn trả lời các câu hỏi kinh doanh như “Mức độ hài lòng của khách hàng đối với chúng ta như thế nào?”. Và những hiểu biết sâu sắc này có thể được biến thành các quyết định và hành động giúp cho doanh nghiệp của bạn khởi sắc.
Đặt ra các câu hỏi kinh doanh quan trọng
Bạn sẽ không thể xác định bạn cần dữ liệu nào nếu bạn không biết mình muốn tìm hiểu nội dung gì. Việc có mục tiêu thật sự rõ ràng giúp bạn tận dụng tối đa dữ liệu. Đó là lý do tại sao quá trình ra quyết định dựa trên dữ liệu luôn luôn bắt đầu ở cùng một nơi: xác định các câu hỏi kinh doanh quan trọng của bạn. Các câu hỏi kinh doanh quan trọng (hoặc nếu thích, bạn có thể gọi nó là câu hỏi chiến lược) là những câu hỏi chưa được trả lời có liên quan đến các khía cạnh cốt lõi và mục tiêu của doanh nghiệp. Nói cách khác, bạn cần biết những gì để có thể đạt được mục tiêu chiến lược của mình? Tập trung vào các câu hỏi quan trọng giúp bạn hướng toàn bộ sự chú ý vào những dữ liệu bạn thực sự cần – bởi vì một khi bạn biết mình cần phải trả lời các câu hỏi nào, thì bạn sẽ dễ dàng xác định được những dữ liệu cần thiết để trả lời những câu hỏi đó.
Tôi khuyên bạn nên xem xét bốn khía cạnh chính trong tổ chức để xác định các mục tiêu và câu hỏi kinh doanh quan trọng của bạn. Những khía cạnh đó là: 1) khách hàng, thị trường và đối thủ cạnh tranh; 2) tài chính; 3) hoạt động nội bộ; và 4) con người. Dưới đây, tôi sẽ lần lượt đề cập đến từng khía cạnh này. Bạn có thể chọn xem xét toàn bộ bốn khía cạnh cùng một lúc, hoặc bạn có thể chỉ cần tập trung vào một khía cạnh cụ thể (ví dụ như khía cạnh nào đó đang kém hiệu quả). Dù bằng cách nào thì quá trình đều như nhau. Trước tiên, bạn đặt ra các mục tiêu chiến lược trong lĩnh vực bạn kinh doanh (tức là những gì bạn đang cố gắng để đạt được), sau đó bạn xác định những câu hỏi liên quan đến các mục tiêu (nghĩa là để đáp ứng các mục tiêu đó thì bạn cần biết những điều gì). Nếu bạn đã có sẵn một kế hoạch chiến lược toàn diện, bạn có thể chỉ cần xác định các câu hỏi liên quan đến mục tiêu của công ty. Ví dụ, nếu mục tiêu của bạn là tăng cơ sở dữ liệu khách hàng, câu hỏi kinh doanh chính của bạn có thể bao gồm: “Khách hàng hiện tại của chúng ta là ai?”, “Thống kê nhân khẩu học giá trị nhất về khách hàng mà chúng ta đang có là gì?”, và “Giá trị vòng đời của khách hàng là bao nhiêu?”.
Sau khi bạn đã tạo được một danh sách các câu hỏi, bạn cần phải dành thời gian để thiết lập độ ưu tiên và thu hẹp danh sách. Ví dụ, một danh sách với 100 câu hỏi là quá dài. Tôi đề nghị rằng nếu bạn đang xem xét tất cả bốn khía cạnh kinh doanh, hãy cố gắng rút nó xuống còn 10 câu hỏi hàng đầu cho mỗi khía cạnh (thậm chí, sẽ là tốt hơn nếu danh sách của bạn ít hơn 10 câu hỏi). Nói cách khác, nếu bạn chỉ có thể trả lời một số câu hỏi, bạn sẽ chọn câu hỏi nào? Tập trung vào các câu hỏi chính quan trọng nhất để đạt được chiến lược tổng thể của bạn. Bất kỳ câu hỏi nào còn sót lại cũng có thể được giải quyết tiếp theo ngay sau đó.
Nếu bạn đang tập trung vào một khía cạnh kinh doanh cụ thể, bạn có thể mở rộng danh sách thành 25 câu hỏi nếu thấy cần thiết. Tuy nhiên, nếu chỉ tập trung vào một khía cạnh, hãy chú ý đến việc khía cạnh đó có tác động tiềm năng đến các khía cạnh cốt lõi khác của doanh nghiệp như thế nào. Ví dụ, nếu bạn chỉ tập trung vào các câu hỏi liên quan đến khách hàng, bạn cần phải xem xét đến vấn đề tài chính, cách hoạt động và yếu tố con người có liên quan trong bất kỳ quyết định nào.
Một câu hỏi hay sẽ dẫn đến một câu trả lời hay hơn
Trong cuốn tiểu thuyết The Hitchhiker’s Guide to the Galaxy của Douglas Adams, một chủng tộc sinh vật xây dựng một siêu máy tính để tính toán ý nghĩa của “cuộc sống, vũ trụ và mọi thứ”. Sau hàng trăm năm xử lý, máy tính đưa ra câu trả lời là “42”. Khi mọi sinh vật đều đứng lên phản đối, máy tính bình tĩnh gợi ý rằng bây giờ chúng sẽ có câu trả lời, nếu chúng biết được câu hỏi thực sự là gì – một nhiệm vụ đòi hỏi phải có một máy tính lớn hơn và tinh vi hơn nhiều.
Đây là lý do tại sao việc bắt đầu với những câu hỏi đúng đắn là rất quan trọng. Khi bạn bắt đầu với một câu hỏi đơn giản và tiếp theo chỉ thu thập những dữ liệu có thể trả lời một cách trực tiếp cho câu hỏi đó, thì dữ liệu đột nhiên trở nên dễ dàng quản lý hơn nhiều. Bạn không còn phải quan tâm đến tất cả các nguồn dữ liệu có thể có, và tất cả các loại dữ liệu mới, thú vị đang có sẵn. Bạn chỉ cần tập trung vào dữ liệu sẽ giúp bạn giải quyết những nhiệm vụ trong tầm tay. Bằng cách này, các câu hỏi kinh doanh đúng đắn trở nên rất hữu ích. Các câu hỏi kinh doanh đúng giúp bạn hiểu được điều gì là quan trọng và điều gì không quan trọng. Các câu hỏi kinh doanh đúng giúp bạn xác định vấn đề lớn nhất của công ty bạn. Chúng hướng dẫn thảo luận. Và quan trọng nhất, chúng giúp mọi người đưa ra quyết định tốt hơn.
Dưới đây là ví dụ cho thấy sức mạnh của các câu hỏi kinh doanh rõ ràng. Tôi đã từng làm việc với một công ty bán lẻ thời trang nhỏ không có dữ liệu nào ngoài dữ liệu bán hàng truyền thống của họ. Họ muốn tăng doanh thu nhưng không có dữ liệu để giúp họ đạt được mục tiêu đó. Cùng nhau, chúng tôi đã phát hiện ra các câu hỏi cụ thể mà họ cần trả lời bao gồm:
• Có bao nhiêu người thực sự đi ngang qua cửa hàng của chúng ta?
• Có bao nhiêu người dừng lại để nhìn vào cửa sổ trưng bày và nhìn trong bao lâu?
• Có bao nhiêu người trong số họ sau đó đi vào bên trong cửa hàng?
• Có bao nhiêu người sau đó quyết định mua hàng?
Để trả lời cho những câu hỏi này, trước tiên chúng tôi đã cài đặt một thiết bị nhỏ, kín đáo vào cửa sổ của cửa hàng để theo dõi tín hiệu điện thoại di động, đếm số người đi qua cửa hàng (hoặc đúng hơn, số người có điện thoại di động) – từ đó trả lời cho câu hỏi đầu tiên. Các máy cảm biến cũng đếm được có bao nhiêu người dừng lại để nhìn vào cửa sổ và dừng lại trong bao lâu, và bao nhiêu người sau đó bước vào cửa hàng – trả lời cho các câu hỏi thứ hai và thứ ba. Và chúng tôi đã sử dụng dữ liệu bán hàng thông thường để ghi lại số người thực sự đã mua một thứ gì đó. Bằng cách kết hợp dữ liệu từ các cảm biến được đặt trong cửa sổ với dữ liệu giao dịch, chúng tôi có thể đo lường tỷ lệ chuyển đổi, cũng như kiểm tra cách thức trưng bày và các sản phẩm đề xuất khác nhau, để xem điều gì đã giúp tăng tỷ lệ chuyển đổi. Công ty bán lẻ ấy không chỉ tăng doanh thu bằng cách tìm hiểu điều gì đã thu hút khách hàng dừng lại và đi vào cửa hàng, mà họ còn sử dụng những hiểu biết sâu sắc trên để tiết kiệm chi phí đáng kể – bằng cách đóng cửa một trong những cửa hàng của mình. Các cảm biến cuối cùng đã cho thấy rằng báo cáo lưu lượng người đến cửa hàng do công ty nghiên cứu thị trường thực hiện trước khi mở cửa hàng ở vị trí đó là sai lầm, và lưu lượng khách đi qua không đủ để duy trì hoạt động của cửa hàng.
Những câu hỏi liên quan đến khách hàng, thị trường và đối thủ cạnh tranh
Việc xác định các câu hỏi nhằm xây dựng một bức tranh toàn diện về khách hàng, thị trường và đối thủ cạnh tranh có mối liên kết chặt chẽ với chức năng bán hàng và marketing của tổ chức. Như vậy, bạn cần phải xem xét hiện nay bạn biết được gì về khách hàng mà chiến lược của bạn đang nhắm tới (bao gồm hành vi, mô hình và phân khúc khách hàng) và thị trường mà bạn đang kinh doanh. Bạn cũng nên xem xét đối thủ cạnh tranh có thể làm gì để gây khó khăn cho bạn trong khi bạn thực hiện các mục tiêu chiến lược của mình, cũng như những rủi ro bạn có thể phải đối mặt là gì. Các câu hỏi kinh doanh quan trọng trong khía cạnh này có thể bao gồm:
• Xu hướng chính trong thị trường của chúng ta là gì?
• Nhu cầu đối với sản phẩm hoặc dịch vụ đề xuất của chúng ta có bất kỳ xu hướng tăng hay giảm nào không?
• Liệu trong 5 năm tới nhu cầu về sản phẩm của chúng ta có còn không?
• Chúng ta nên từ bỏ thị trường nào và từ bỏ vào lúc nào?
• Tại sao một số khách hàng không mua sản phẩm của chúng ta?
• Các mô hình mua của khách hàng và kỳ vọng của khách hàng thay đổi như thế nào?
• Làm thế nào để phân khúc khách hàng của chúng ta tốt nhất?
• Đối thủ cạnh tranh chính của chúng ta là ai và tại sao?
• Làm cách nào để chúng ta định giá tốt nhất sản phẩm hoặc dịch vụ của mình?
• Kênh marketing hoặc bán hàng nào hiệu quả nhất?
• Làm cách nào để thương hiệu của chúng ta so sánh được với thương hiệu của đối thủ cạnh tranh?
• Khách hàng hài lòng như thế nào với dịch vụ của chúng ta?
• Độ dài trung bình và giá trị của mối quan hệ khách hàng là bao nhiêu?
• Khách hàng tương tác với chúng ta trên mạng xã hội như thế nào?
• Xu hướng biến động chính của khách hàng là gì?
Ví dụ, có khả năng bạn sẽ tiếp cận các phân khúc thị trường khác nhau thông qua các kênh khác nhau, nhưng điều quan trọng là phải biết kênh nào đang hoạt động tốt và kênh nào hoạt động kém hiệu quả để bạn có thể đưa ra quyết định marketing tốt hơn. Có nhiều kênh và cách thức để marketing sản phẩm và dịch vụ, từ những bảng in quảng cáo truyền thống, quan hệ công chúng (PR), truyền thông và marketing trực tiếp đến marketing du kích, marketing trực tuyến và truyền thông xã hội. Điều cần thiết là hiểu được cách thức nào mang lại kết quả tốt nhất trên số tiền đã bỏ ra (Đây là nơi minh chứng cho câu ngạn ngữ marketing lâu đời: 50% số tiền dành cho hoạt động marketing là lãng phí, vấn đề ở chỗ chúng ta không biết được đó là 50% nào!). Phân tích kênh marketing về chi phí và lợi tức đầu tư để có thể sử dụng ngân sách marketing hiệu quả hơn. Điều này có thể giúp bạn trả lời các câu hỏi kinh doanh như “Loại marketing nào hiệu quả hơn về chi phí để tiếp cận khách hàng của chúng ta?”, “Kênh marketing nào hiệu quả nhất?”, hoặc “Marketing trực tuyến hay là marketing trực tiếp có hiệu quả hơn đối với công ty của chúng ta?”.
Giả sử phân tích kênh marketing của bạn cho thấy phương pháp marketing hiệu quả nhất là marketing trực tiếp, mang lại tỷ lệ phản hồi cao và tỷ lệ hoàn vốn đầu tư rất tốt. Chương trình khuyến mãi trực tuyến đứng vị trí thứ hai. Tuy nhiên, khi bạn xem xét chi phí, chương trình khuyến mãi trực tuyến là một chiến thắng rõ ràng, bởi vì mặc dù nó không mang lại doanh thu quá cao, nhưng chi phí thấp hơn đáng kể để triển khai. Do đó, quyết định kinh doanh hợp lý là đầu tư vào nhiều chương trình khuyến mãi trực tuyến hơn. Điều này có thể không rõ ràng nếu không có dữ liệu và phân tích, và công ty sẽ tiếp tục chi tiêu nhiều hơn mức cần thiết cho quảng cáo marketing trực tiếp tốn kém.
Hãy xem một số ví dụ thực tế về cách dữ liệu có thể cung cấp thông tin chi tiết hữu ích về khách hàng, thị trường và bán hàng. Công ty viễn thông Mỹ, Sprint có một lượng lớn dữ liệu người dùng, nhờ vào mạng lưới người dùng khổng lồ của họ. Ba năm trước, họ thành lập một công ty con, Pinsight Media, để giúp tận dụng nguồn dữ liệu đó và đưa ra các quyết định quảng cáo. Jason Delker, giám đốc công nghệ và dữ liệu tại Pinsight, giải thích với tôi rằng dữ liệu mạng di động có giá trị độc đáo bởi vì nó có thể được liên kết trực tiếp với một khách hàng thanh toán hóa đơn thực sự. Phần lớn thông tin kỹ thuật số được tạo trực tuyến thường liên kết đơn thuần với địa chỉ e-mail, mà địa chỉ e-mail này lại có thể dễ dàng được thiết lập chỉ với thông tin giới hạn, hoặc thậm chí thông tin sai lệch. Tuy nhiên, dữ liệu người dùng mạng di động có nhiều khả năng được ràng buộc với một con người thực (ví dụ như thông tin đăng nhập của họ đã được kiểm tra thông qua hồ sơ tín dụng, khi họ mở tài khoản).
Dữ liệu vị trí GPS là một ví dụ. Nếu bạn sử dụng Android hoặc iPhone, nhà phát triển ứng dụng (với sự cho phép của bạn) có thể thấy được bạn đang ở đâu và sử dụng dữ liệu về vị trí địa lý và thói quen hàng ngày để cung cấp cho bạn các dịch vụ hoặc quảng cáo có liên quan. Tuy nhiên, họ không theo dõi bạn như vậy. Tất cả những gì họ theo dõi là một địa chỉ e-mail, có thể đã được thiết lập bằng cách sử dụng các chi tiết giả mạo hoặc được chia sẻ giữa các thiết bị, người dùng khác nhau. Ngược lại, Pinsight kết nối dữ liệu vị trí với dữ liệu nhân khẩu học của khách hàng được xác minh thông qua quá trình thanh toán. Delker giải thích: “Kết quả là chúng tôi có được cái nhìn sâu sắc hơn về việc nên thực hiện loại hình quảng cáo nào dựa trên thông tin chúng tôi có được về một người đăng ký cụ thể”. Thật thú vị, họ đã nhận thấy thông thường, dữ liệu tự báo cáo sẽ khác với dữ liệu của Pinsight, đã được xác thực bằng cách sử dụng dữ liệu mạng. Điều này cho thấy quảng cáo dựa trên dữ liệu tự báo cáo có thể không phù hợp với người dùng.
Cũng như dữ liệu vị trí, Pinsight cũng sử dụng công nghệ và cơ sở hạ tầng mạng để xác thực dữ liệu thống kê nhân khẩu học và hành vi của khách hàng. Ví dụ, công ty có thể giám sát được những dịch vụ nào, chẳng hạn như Facebook hoặc Twitter, đang được sử dụng trên các thiết bị gì và trong thời gian bao lâu (nội dung, tức là dịch vụ đó được sử dụng như thế nào, vẫn được mã hóa). Điều này giúp họ hiểu thêm về hành vi của người dùng.
Rõ ràng, với quyền truy cập vào dữ liệu cá nhân chi tiết và tường tận như vậy, quyền riêng tư là rất quan trọng. Với ý nghĩ này, Sprint và Pinsight quyết định làm cho mọi thứ tùy vào lựa chọn của người dùng. Delker đã nói:
“Một trong những điều quan trọng nhất đối với chúng tôi là dữ liệu chọn không đăng ký (opt-out) và chọn đăng ký (opt-in) – Sprint là công ty duy nhất trong số bốn nhà khai thác mạng không dây lớn của Mỹ mặc định cho tất cả mọi người là chọn không đăng ký. Ý tôi là, về cơ bản chúng tôi sẽ không sử dụng dữ liệu hành vi của người đăng ký để gởi quảng cáo đến người dùng mà không được họ cho phép. Chúng tôi cố gắng thuyết phục họ – và điều đó rất dễ thực hiện – nếu họ thực sự cho phép chúng tôi tận dụng dữ liệu đó, chúng tôi sẽ gửi những thứ có liên quan hơn, do đó quảng cáo trở nên ít phiền toái và có nhiều dịch vụ hơn – người tiêu dùng khá thông minh và hiểu rằng thực tế các loại dịch vụ đó giúp tài trợ, giảm chi phí cho các dịch vụ di động cốt lõi của nhà mạng.”
Bằng cách này, Sprint và Pinsight cho chúng ta thấy rằng có thể thu thập nhiều dữ liệu mà không cần cố gắng lừa gạt người dùng để lấy dữ liệu cá nhân. Đây là một điểm quan trọng, và tôi sẽ nói nhiều hơn về tính minh bạch, cũng như quyền riêng tư trong Chương 10. Bây giờ, điểm mấu chốt là nếu bạn thông báo trước về cách bạn dự định sử dụng dữ liệu và những gì người dùng nhận được, cuối cùng bạn sẽ nhận được những dữ liệu hữu ích hơn (do đó có giá trị hơn). Và giá trị mà Sprint nhận được là khá đáng kể. Trong ba năm kể từ khi Pinsight được thành lập, số lượt hiển thị quảng cáo của công ty đã tăng từ 0 lên 6 tỷ quảng cáo mỗi tháng.
Một ví dụ thú vị khác về việc sử dụng dữ liệu để đưa ra các quyết định đến từ một nguồn mà chúng ta không hề nghĩ đến: giải đấu Wimbledon 2016. Ban tổ chức đã đầu tư vào phân tích nâng cao để thu hút sự chú ý của người hâm mộ quần vợt trên các phương tiện truyền thông xã hội và nền tảng trực tuyến. Một sự kiện lớn như Wimbledon tạo ra hàng trăm nghìn bài viết trên các phương tiện truyền thông xã hội, cũng như các bài viết trực tuyến. Bằng cách sử dụng nền tảng phân tích Watson của IBM, giờ đây họ có thể thu thập tất cả dữ liệu đó để tìm ra những câu chuyện mà người hâm mộ tương tác nhiều nhất, hiểu được loại nội dung mà mọi người muốn biết, và sau đó sử dụng thông tin ấy để thúc đẩy việc phát triển nội dung. Thật thú vị, thay vì đi theo xu hướng đã được tạo ra, Watson đã có thể đón đầu những xu hướng mới nổi – chẳng hạn như một màn trình diễn tốt bất ngờ của những tay vợt đến từ một quốc gia cụ thể – trước khi xu hướng ấy bắt đầu hình thành trên Twitter.
Tại sao điều này lại hữu ích? Trong năm 2014, ba tay vợt người Canada – Milos Raonic, Eugenie Bouchard và Vasek Pospisil – tất cả đều đã vào vòng bán kết của các giải đấu lớn. Điều này tạo ra rất nhiều cuộc trò chuyện bất ngờ về nền quần vợt Canada và thành công này (dường như chỉ trong một đêm) đã đến từ đâu. Các đài truyền hình và giới truyền thông phải tương tác với chủ đề này ngay lập tức. Bằng cách thay đổi chương trình phát sóng được định trước để dành chỗ cho một chủ đề thịnh hành như thế này, các nhóm truyền thông đã điều chỉnh nội dung của họ để giải thích lý do tại sao người Canada đột nhiên làm rất tốt tại giải đấu này. Alexandra Willis, người đứng đầu bộ phận truyền thông, nội dung và kỹ thuật số tại Câu lạc bộ Tennis và Croquet All England, nơi tổ chức cuộc tranh tài lớn hàng năm, đã nói: “Chúng tôi hy vọng có thể theo dõi sự quan tâm cụ thể trong một trận đấu cụ thể, hoặc nếu đó là một trong những tay vợt thu hút sự quan tâm đặc biệt, chúng tôi sẽ nhảy vào và thay đổi chương trình cho phù hợp với xu hướng đó”. Bằng cách sử dụng thông tin này, nhóm phát triển nội dung sẽ tạo các bài viết, dự báo và phóng sự truyền thông xã hội có liên quan. Do đó, dữ liệu cung cấp hiểu biết sâu sắc giúp thúc đẩy các quyết định biên tập.
Bạn có thể cảm thấy ngạc nhiên tại sao các bài viết trên phương tiện truyền thông xã hội lại hướng đến những giải đấu quần vợt truyền thống dường như chủ yếu được xem qua tivi. Tại thời điểm viết cuốn sách này, khán giả truyền hình đang ở mức khoảng 300 triệu trong khi khán giả trên tất cả các nền tảng số hàng đầu chỉ khoảng 30 triệu người. Wimbledon đang đầu tư vào một phần nhỏ người hâm mộ tương tác với quần vợt thông qua các phương tiện kỹ thuật số bởi vì con số đó rất có khả năng phát triển trong tương lai. Do đó, họ đảm bảo rằng họ có thể phục vụ (không có ý định chơi chữ) các phân khúc khách hàng khác nhau theo cách phù hợp nhất. Willis giải thích:
“Có những khán giả rất thích ngồi xem quần vợt hàng giờ liền trên tivi, nhưng cũng có những khán giả thích nhận thông báo cá nhân vào giữa trận đấu hoặc khi họ đang làm việc, và có những khán giả thích theo dõi trang Facebook của họ và xem nội dung được đưa đến cho họ. Thách thức của chúng tôi là đảm bảo rằng chúng tôi đang phục vụ từng đối tượng trên tất cả các nền tảng đó theo cách tốt nhất có thể, đồng thời đảm bảo rằng chúng tôi giữ đúng màu sắc của Wimbledon và mục đích của chúng tôi.”
Bằng cách này, dữ liệu giúp Wimbledon lên kế hoạch cho tương lai và duy trì sự kết nối trong môi trường truyền thông thể thao đông đúc.
Các câu hỏi liên quan đến tài chính
Mục tiêu ở đây là xem bạn biết được bao nhiêu về các tác động tài chính trong chiến lược của bạn và những câu hỏi nào bạn chưa thể trả lời. Việc này nhằm xác định và dự đoán các chỉ số tài chính quan trọng (như doanh thu, dòng tiền và hiệu suất giá cổ phần) – xác định cụ thể những điều bạn biết chắc chắn và những điều dựa trên phỏng đoán hoặc giả định. Khi đã xác định tốt các câu hỏi tài chính mà bạn chưa trả lời được, bạn có thể sử dụng dữ liệu để mang lại những quyết định chắc chắn hơn và sáng suốt hơn.
Các câu hỏi về tài chính quan trọng của bạn có thể bao gồm:
• Chiến lược tạo ra doanh thu của chúng ta là gì?
• Khi thực hiện kế hoạch chiến lược, chúng ta đã có những giả định gì về doanh thu, lợi nhuận và sự tăng trưởng?
• Xu hướng bán hàng, doanh thu và lợi nhuận chính của chúng ta là gì?
• Ai là đối tượng khách hàng mang lại lợi nhuận nhiều nhất và ít nhất cho chúng ta?
• Sản phẩm hoặc dịch vụ sinh lời nhiều nhất và ít nhất của chúng ta là gì?
• Chu kỳ chuyển đổi tiền mặt của chúng ta như thế nào?
• Chi phí sản xuất và cung cấp sản phẩm/dịch vụ của chúng ta sẽ là bao nhiêu trong 12 tháng tới?
• Giá cổ phiếu của chúng ta trong 12 tháng tới có khả năng là bao nhiêu?
• Các cơ hội tiết kiệm chi phí lớn nhất nằm ở đâu?
Ví dụ, giả sử bạn muốn khám phá ai là khách hàng mang lại lợi nhuận nhiều nhất (và ít nhất). Thường có một giả định trong kinh doanh rằng bất kỳ khách hàng nào cũng là một khách hàng tốt nhưng không phải lúc nào cũng như vậy. Khả năng sinh lời của khách hàng thường tuân theo nguyên tắc Pareto hoặc quy tắc 80/20, theo đó 20% khách hàng của bạn có khả năng mang lại 80% lợi nhuận cho bạn. Ngược lại, cũng có thể có 20% khách hàng khác chiếm đến 80% chi phí liên quan đến khách hàng của bạn. Hiểu được ai thuộc đối tượng nào là điều quan trọng. Nếu bạn không thể phân biệt được giữa khách hàng mang lại tiền và khách hàng làm tiêu hao tiền thì bạn sẽ đối xử với tất cả khách hàng đều như nhau và làm giảm lợi nhuận của bạn.
Khi bạn có thể chia khách hàng thành các nhóm, bạn có thể điều chỉnh thông điệp marketing và mức độ dịch vụ của bạn cho từng nhóm. Phân tích khả năng sinh lời của khách hàng cung cấp cho bạn hiểu biết sâu sắc về thói quen mua hàng và chi phí phát sinh trong việc cung cấp các sản phẩm mà khách hàng mua từ bạn. Có kiến thức này, bạn có thể tập trung vào trung tâm lợi nhuận cao nhất bằng cách thực sự chăm sóc những khách hàng mang lại lợi nhuận (và với những khách hàng đã làm tiêu tốn của bạn nhiều chi phí thì khuyến khích họ chuyển sang đối thủ cạnh tranh).
Bằng cách hiểu khả năng sinh lời của một số nhóm khách hàng nhất định, bạn cũng có thể phân tích từng nhóm để tìm ra bất kỳ điểm tương đồng nào giữa họ, chẳng hạn như họ sống ở đâu, họ đã mua gì trong lần mua hàng đầu tiên hoặc họ đã tìm thấy món hàng đó từ đâu. Ví dụ, bạn có thể khám phá ra rằng khách hàng có khả năng sinh lời nhiều nhất của bạn đã thực hiện giao dịch mua hàng đầu tiên từ một quảng cáo cụ thể trong một tạp chí cụ thể. Hiểu biết sâu sắc như vậy có thể giúp định hướng các nỗ lực marketing của bạn trong tương lai nhằm thu hút nhiều khách hàng có khả năng mang lại lợi nhuận cao hơn. Do đó, phân tích khả năng sinh lợi của khách hàng có thể giúp bạn trả lời không chỉ câu hỏi đơn giản về khách hàng (như ai là khách hàng có khả năng mang lại lợi nhuận cao nhất và thấp nhất), mà nó cũng có thể giúp bạn trả lời các câu hỏi như “Những sáng kiến marketing của chúng ta hơn kém nhau như thế nào?” và “Những nhân viên và khu vực bán hàng khác biệt nhau ra sao?”.
Giả sử bạn cung cấp linh kiện điện tử cho các nhà sản xuất lớn. Bạn có thể có 10.000 khách hàng trong cơ sở dữ liệu của bạn trong nhiều năm. Bằng cách phân tích lợi nhuận của khách hàng, bạn có thể chia 10.000 khách hàng đó thành các nhóm phần trăm – từ 10% đứng đầu tới 10% cuối cùng, dựa trên nhiều tiêu chí khác nhau, chẳng hạn như sản phẩm, khu vực, doanh số bán hàng, tần suất bán hàng và vấn đề dịch vụ khách hàng. Ví dụ, bạn có thể khám phá ra rằng một khách hàng cụ thể mà nhóm bán hàng của bạn yêu thích (và dành nhiều thời gian cho họ) vì họ mua hàng thường xuyên hóa ra lại là khách hàng gây thua lỗ, dựa trên mức hỗ trợ sau bán hàng mà họ yêu cầu. Vì vậy, mặc dù khách hàng này có vẻ tốt đẹp trên giấy tờ, nhưng họ lại lãng phí quá nhiều thời gian cho các câu hỏi và phàn nàn về các khía cạnh của sản phẩm hoặc kênh phân phối, khiến họ không phải là khách hàng mang lại lợi nhuận. Khi biết được điều này, bạn có thể hướng dẫn nhóm bán hàng của mình tập trung vào các khách hàng có thể mang lại lợi nhuận cao hơn.
Ngay cả các tổ chức không vì lợi nhuận cũng có thể hưởng lợi từ việc phân tích khả năng sinh lợi. Họ có thể không có “khách hàng” như vậy, nhưng các tổ chức không vì lợi nhuận thì có “người dùng”. Ngoài ra, các tổ chức như vậy chắc chắn cần phải quản lý chi phí một cách cẩn thận và kéo giãn ngân sách của họ càng lâu càng tốt. Ví dụ, tôi đã từng làm một số công việc với Dịch vụ Y tế Quốc gia Anh (NHS). Sử dụng phân tích khả năng sinh lợi của khách hàng, chúng tôi phát hiện ra rằng 5% số bệnh nhân của họ thực hiện hơn 200 lần đến khám tại phòng tai nạn và cấp cứu (A&E). Họ là “siêu người dùng”, nếu bạn thích gọi như vậy, những người này rõ ràng có vấn đề sâu xa khác vượt ra ngoài những lý do khiến họ ngay lập tức phải bước vào phòng A&E. Bằng cách xác định chính xác những “siêu người dùng” này, nhân viên đã có thể tìm được cách trợ giúp đặc biệt cho bệnh nhân, qua đó giải phóng nguồn lực quý giá để dành cho những người dùng khác.
Trong một ví dụ khác, Caesars Entertainment đã phân tích dữ liệu để hiểu về hồ sơ khách hàng và số tiền đã được chi tiêu trong khu nghỉ dưỡng của họ. Công ty này điều hành các khách sạn và sòng bạc trên khắp thế giới, bao gồm một số sòng bạc nổi tiếng nhất ở Las Vegas. Gần đây, họ đã bước vào thời kỳ khủng hoảng, với một vài hoạt động phải đối mặt với việc phá sản và đã bị ảnh hưởng bởi 1,5 triệu đô la tiền phạt do những bất thường trong các khoản mục tài chính của họ. Tuy nhiên, trong suốt quá trình này, nổi bật lên loại tài sản cá nhân được công ty đánh giá cao nhất – thậm chí trên cả danh mục tài sản của họ – là cơ sở dữ liệu khách hàng, chứa dữ liệu hơn 45 triệu khách hàng sử dụng các khách sạn và sòng bạc của họ trên toàn thế giới.
Caesars (trước đây gọi là Harrah) đầu tư mạnh vào phân tích dữ liệu lớn để có được sự hiểu biết sâu sắc về những khách hàng của mình, và tất nhiên, khuyến khích khách hàng tiếp tục chi tiền. Ngành công nghiệp sòng bài của Mỹ đã bị suy giảm trong nhiều năm qua, nhất là khoản tiền chi tiêu tại các bàn chơi game. Do đó, các nhà khai thác sòng bạc phải tìm nơi khác để tăng thu nhập cho họ – cụ thể là đồ uống, thực phẩm và giải trí.
Với ý tưởng này, đề án Caesars Total Rewards được đưa ra để thu thập dữ liệu về hành vi của khách hàng khi họ di chuyển xung quanh các dịch vụ tiện ích và tham gia vào các hoạt động giải trí khác nhau, cũng như dịch vụ giải khát. Dữ liệu truyền thông xã hội cũng được thu thập và người chơi được khuyến khích liên kết tài khoản Facebook cá nhân với tài khoản Tổng điểm thưởng của họ, “check in” trên mạng xã hội và đăng ảnh tại các khu nghỉ dưỡng. Nhờ dữ liệu khách hàng chuyên sâu này, công ty từ việc chỉ theo dõi được 58% số tiền chi tiêu trong sòng bạc đã tăng lên theo dõi được đến 85% số tiền do khách hàng chi tiêu. Một phát hiện quan trọng là phần lớn thu nhập của doanh nghiệp (80% doanh thu và gần 100% lợi nhuận) không đến từ những con bạc lớn, những kỳ nghỉ của giới siêu giàu hay những ngôi sao Hollywood. Nó đến từ các du khách hàng ngày chi tiêu trung bình từ 100 đến 500 đô la Mỹ cho mỗi lượt sử dụng dịch vụ. Bằng cách nhận ra giá trị lâu dài của các khách hàng trung thành nhất và thưởng cho họ trên cơ sở đó, doanh nghiệp đã có thể thúc đẩy sự hài lòng của khách hàng – và khiến cho khách hàng tiếp tục chi tiêu.
Các câu hỏi liên quan đến hoạt động nội bộ của bạn
Có một số điểm chồng chéo tự nhiên giữa chương này và Chương 4. Tuy nhiên, nếu phần lớn Chương 4 nói về việc dữ liệu được cung cấp trực tiếp cho hệ thống nội bộ của bạn, thì chương này có nội dung về cách mọi người diễn giải dữ liệu để đưa ra các quyết định liên quan đến việc vận hành. Vì vậy, ở đây bạn sẽ xem xét những gì cần làm trong nội bộ để đáp ứng chiến lược. Phần lớn trong số này là đánh giá nhà cung cấp, nhà phân phối, đối tác hoặc các trung gian khác, họ là yếu tố quan trọng trong việc hoàn thành chiến lược của bạn. Những câu hỏi đó cũng là về hệ thống và năng lực nội bộ của công ty bạn, và chúng đã được thiết lập để hướng đến mục tiêu chiến lược của bạn.
Các câu hỏi về hoạt động kinh doanh có thể bao gồm:
• Hiện tại chúng ta có đang hợp tác với đúng người để triển khai chiến lược của chúng ta hay không?
• Điểm tắc nghẽn trong năng lực của chúng ta là gì?
• Làm cách nào để tối ưu hóa chuỗi cung ứng của chúng ta?
• Chúng ta có đang tận dụng tối đa thiết bị hoặc máy móc của mình không?
• Nhà cung cấp nào không đáng tin cậy nhất và tại sao?
• Chúng ta đã có hệ thống công nghệ thông tin phù hợp hay chưa?
• Khu vực nào trong doanh nghiệp của chúng ta dễ xảy ra gian lận?
• Những phần nào trong hoạt động mà chúng ta có thể làm cho hiệu quả hơn?
• Các vấn đề quan trọng về chất lượng mà chúng ta đang gặp phải là gì?
• Các dự án của chúng ta hoàn thành đúng thời hạn và đúng ngân sách đến mức độ nào?
• Yếu tố tác động đến môi trường của doanh nghiệp chúng ta là gì, và làm cách nào chúng ta có thể cắt giảm nó?
• Chúng ta sử dụng các tòa nhà của mình hiệu quả đến mức nào?
Hãy xem xét hiệu suất dự án như là một ví dụ – sau cùng, hầu hết các sáng kiến chiến lược và cải tiến được thực hiện thông qua các dự án hoặc chương trình. Do đó, điều quan trọng là có thể hiểu được hiệu suất dự án về mặt thời gian biểu, ngân sách và chất lượng của kết quả. Phân tích dự án và chương trình là quá trình đánh giá hiệu quả của các dự án và chương trình nội bộ của bạn để có thể cải thiện chúng trong tương lai. Phân tích dự án và chương trình sẽ giúp bạn trả lời các câu hỏi kinh doanh như “Các dự án hoặc chương trình của chúng ta được tiến hành đúng tiến độ hay không?”, “Chúng được hoàn thành trong phạm vi ngân sách ra sao?”, và “Chúng đạt được kết quả mong đợi đến mức nào?”.
Triển khai một dự án hoặc chương trình, dù lớn hay nhỏ, không có bất kỳ đánh giá theo dõi nào là một công thức cho thảm họa và bạn gần như chắc chắn sẽ gặp khó khăn. Dự án thất bại theo nhiều cách khác nhau. Các ví dụ nổi tiếng bao gồm Sân vận động Wembley mới ở London được khai trương vào năm 2007 – trễ hơn bốn năm so với kế hoạch. Hoặc Nhà hát Opera Sydney dự kiến mở cửa vào năm 1963 với chi phí 7 triệu đô la Úc, nhưng thực sự đã mở cửa vào năm 1973 với chi phí 102 triệu đô la Úc. Đường hầm dưới biển nối liền Anh và Pháp đã vượt 80% so với ngân sách ban đầu, nhưng nó chẳng là gì đáng kể nếu so sánh với dự án xây dựng đường hầm “Big Dig” của Boston, đã tăng 275%, tương đương 11 tỷ đô la, so với ngân sách. Bằng cách sử dụng những phân tích dự án và chương trình, các công ty có thể phát hiện nhanh hơn khi mọi thứ đang chệch ra khỏi dự tính ban đầu và thực hiện hành động khắc phục. Hoặc họ có thể hiểu những gì đã làm cho một dự án thành công hay thất bại và áp dụng những hiểu biết đó cho các dự án khác trong tương lai. Cả hai yếu tố đều rất quan trọng nếu một tổ chức muốn đạt được các mục tiêu dài hạn của họ.
Tôi đã đề cập đến phân tích chuỗi cung ứng ở chương trước, vì đó là một cách thức đặc biệt hữu ích để sử dụng dữ liệu. Mục đích của phân tích chuỗi cung ứng là xác định các cơ hội tiết kiệm, cải thiện hoặc tăng lợi nhuận, đồng thời đảm bảo cho khách hàng nhận hàng đã đặt càng nhanh càng tốt. Bằng cách thấu hiểu những gì xảy ra trong doanh nghiệp của bạn giữa thời điểm bạn mua hàng từ nhà cung cấp cho đến khi khách hàng của bạn nhận hàng, bạn có thể kiểm soát tốt hơn chi phí, giá sản phẩm hoặc dịch vụ của bạn một cách chính xác, vừa giúp bạn kiếm tiền vừa làm cho khách hàng của bạn hài lòng.
Một ví dụ thực tế về phân tích chuỗi cung ứng đến từ một nhà sản xuất đồ uống lớn mà tôi đã làm việc với họ. Họ mong muốn hiểu rõ hơn về tỷ lệ hao hụt trong chuỗi cung ứng, từ khâu sản xuất đến khâu phân phối tới các nhà bán lẻ. Nói cách khác, họ muốn trả lời cho câu hỏi: “Chúng ta đang mất nhiều sản phẩm nhất ở đâu, cho dù là do hư hỏng hoặc trộm cắp?”. Kế hoạch là xác định các khu vực và quy trình tổ chức có vấn đề, hoặc phải đóng gói tốt hơn để ngăn ngừa phí tổn này trong tương lai. Kết quả của một số phân tích chuỗi cung ứng chuyên sâu – sử dụng cảm biến theo dõi, phân tích hình ảnh, phỏng vấn,… – là chúng tôi xác định rằng chuỗi cung ứng của họ thực sự rất an toàn. Chúng tôi phát hiện ra rằng phần lớn sự mất mát của họ xảy ra trong môi trường bán lẻ, nơi mọi người đang ăn cắp sản phẩm từ các siêu thị. Dựa trên thông tin này, công ty quyết định làm việc với các siêu thị để đảm bảo việc gắn thẻ sản phẩm tốt hơn, và nhờ đó họ có thể giảm đáng kể sự mất mát.
Các câu hỏi liên quan đến con người trong tổ chức
Nhân viên có lẽ là tài sản quan trọng nhất của bạn (thậm chí là đắt giá nhất). Trong một số lĩnh vực, thu hút đúng người có thể là chìa khóa dẫn đến thành công với lợi thế cạnh tranh. Đánh giá xem bạn có đang sở hữu đúng người không, làm thế nào để thu hút những người giỏi nhất, và sau đó làm thế nào để họ luôn giữ được sự nhạy bén trong kinh doanh. Phân tích nhân viên có thể giúp bạn hiểu tất cả điều này và nhiều hơn thế nữa, đồng thời là cơ sở cho các quyết định quan trọng liên quan đến con người.
Câu hỏi kinh doanh liên quan đến con người có thể bao gồm:
• Năng lực cốt lõi của chúng ta trong kinh doanh là gì?
• Những lỗ hổng về kỹ năng nào tồn tại trong doanh nghiệp của chúng ta vào lúc này?
• Chúng ta cần những kỹ năng chính nào trong hai năm tới?
• Nhân viên của chúng ta cam kết như thế nào?
• Chúng ta sử dụng nhân viên hiệu quả ra sao?
• Năng lực sản xuất dự phòng của nhân viên ở mức độ nào?
• Nhân viên của chúng ta có năng suất như thế nào?
• Các kênh tuyển dụng thành công nhất của chúng ta là gì?
• Các kênh tuyển dụng nào có hiệu quả nhất về chi phí cho các vị trí nhất định?
• Những lý do chính khiến cho nhân viên nghỉ việc là gì?
• Những nhân viên nào có nguy cơ nghỉ việc?
• Hành vi của nhân viên có phù hợp với văn hóa mà chúng ta theo đuổi hay không?
• Nhân viên của chúng ta đánh giá lãnh đạo như thế nào?
Ví dụ, việc phân tích mức độ luân chuyển nhân viên cho phép bạn đánh giá tỷ lệ nghỉ việc của nhân viên và dự đoán lượng nhân viên nghỉ việc trong tương lai, do đó bạn có thể can thiệp sớm hơn và giảm bớt sự bất ổn của nhân viên. Tuyển dụng nhân viên, đào tạo họ, sau đó cho họ tham gia vào hoạt động kinh doanh và giúp họ đạt được các yêu cầu về chi phí, thời gian làm việc. Khi khoản đầu tư đó bị mất đi do có quá nhiều nhân viên nghỉ việc, điều này có thể tác động bất lợi đến chất lượng sản phẩm hoặc dịch vụ, sự hài lòng của khách hàng, tinh thần, năng suất và doanh thu – tất cả đều có thể tác động mạnh đến khả năng đạt được mục tiêu chiến lược của doanh nghiệp.
Phân tích sự biến động nhân viên giúp bạn trả lời các câu hỏi kinh doanh như “Mức độ hài lòng của nhân viên như thế nào?”. Tỷ lệ nhân viên nghỉ việc trong quá khứ cũng có ích vì bạn có thể dùng nó như là một điểm chuẩn, nhưng điều đáng giá thực sự nằm ở việc so sánh doanh nghiệp của bạn với mức trung bình của ngành, và tìm cách xác định các hình mẫu. Có vẻ như việc phân tích sự biến động nhân viên khá hữu ích khi giúp bạn trả lời các câu hỏi như “Tại sao nhân viên nghỉ việc?”. Và, một khi bạn đã biết tại sao, bạn sẽ trả lời được câu hỏi “Nhân viên nào có nguy cơ nghỉ việc trong tương lai?”. Sau đó, bạn có thể thực hiện hành động nội bộ để giải quyết các vấn đề và gắn kết tốt hơn với nhân viên.
Ví dụ, giả sử bạn hoạt động kinh doanh hàng dệt kim. Bạn sử dụng những lao động có kỹ năng cao và ngày càng khó kiếm được người thay thế nếu họ nghỉ việc. Gần đây họ đã nghỉ việc với số lượng ngày càng nhiều hơn và bạn thấy bất an, vì vậy bạn thực hiện một số phân tích biến động về nhân viên. Bạn tuyển một nhà nghiên cứu độc lập để phỏng vấn các nhân viên đã nghỉ việc trong sáu tháng vừa qua. Bạn cho rằng những nhân viên này đang bị cám dỗ bởi lời hứa về mức lương cao hơn ở những công ty khác. Công ty bạn có được thương hiệu mạnh và bạn biết rằng nhân viên tự hào khi được làm việc cho công ty bạn, nhưng một điều gì đó đang kéo họ đến nơi khác. Ít nhất đó là những gì bạn nghĩ.
Dữ liệu phỏng vấn những nhân viên đã nghỉ việc là không mấy thuyết phục. Mặc dù các cá nhân đã nghỉ việc vẫn đủ thông minh để không phá hỏng cơ hội việc làm của mình ở nơi làm việc mới bằng cách cung cấp những câu trả lời như “Ồ đã đến lúc thay đổi”, hoặc “Tôi chỉ muốn một thử thách mới”; tuy nhiên, khi nhà nghiên cứu nhìn lại thông tin đánh giá năng lực và thêm vào đó là những dữ liệu trên các phương tiện truyền thông xã hội, một hình ảnh khác lạ đã nổi lên. Một nhà quản lý trong xưởng sản xuất đã gây ra sự đình trệ trong công việc, nhưng anh ta lại đổ lỗi cho nhóm của mình khi thời hạn giao hàng không được đảm bảo. Sự biến động phần lớn đến từ cá nhân này và tác động tiêu cực của anh ta vượt xa các tác động tích cực. Dựa trên điều này, bạn có thể quyết định thuyên chuyển anh ta, tránh không để anh ta tương tác trực tiếp với lực lượng lao động có tay nghề cao của bạn.
Một ví dụ thực tế khác đến từ Google. Công ty quyết định tìm hiểu xem các nhà quản lý có thực sự quan trọng hay không (trái ngược với các vị trí công nghệ có giá trị cao mà rõ ràng quan trọng), bằng cách đặt ra một câu hỏi đơn giản: “Các nhà quản lý có thực sự tạo ra tác động tích cực tại Google không?”. Để trả lời cho câu hỏi này, họ xem xét đánh giá hiệu suất và khảo sát nhân viên để có một biểu đồ đánh giá tổng thể về hiệu suất của cấp quản lý.
Nhìn chung, có vẻ như các nhà quản lý đã được phân nhóm chặt chẽ trên biểu đồ và tất cả hoạt động đều khá tốt. Vì vậy, họ phân tích dữ liệu đó thành các phần, quan sát cụ thể ở phần tư đầu tiên (người quản lý tốt nhất) và phần tư dưới cùng (người quản lý kém nhất). Họ phân tích cách những người quản lý tốt nhất và tệ nhất làm việc, về năng suất nhóm, mức độ hài lòng của nhân viên, khả năng nhân viên của họ ở lại với công ty,… Và kết quả rất ngạc nhiên. Mặc dù hầu hết các nhà quản lý dường như được phân nhóm chặt chẽ với nhau trên biểu đồ, nhưng điều tra sâu hơn lại cho thấy có sự khác biệt đáng kể giữa các nhà quản lý tốt nhất và tệ nhất trong nhóm. Điều này đã trả lời rõ ràng là: người quản lý có tác động tích cực tại Google.
Đó là một tín hiệu tốt khi biết được điều này, nhưng nó không thực sự thay đổi bất cứ điều gì trong công ty. Vì vậy, họ đã đưa ra một câu hỏi mới: “Điều gì tạo nên một người quản lý tuyệt vời tại Google?”. Để trả lời câu hỏi mới, họ đã thực hiện hai nghiên cứu định tính, một nghiên cứu với các báo cáo trực tiếp và một nghiên cứu với các nhà quản lý. Dựa trên dữ liệu này, họ đã đưa ra tám hành vi tạo ra tác động lớn nhất cho các nhà quản lý tại Google – những điều như “là một người huấn luyện giỏi” và “có một tầm nhìn rõ ràng cho đội nhóm”. Dữ liệu cũng nêu bật ba hành vi có thể khiến cho người quản lý phải chật vật. Tất cả điều này có thể hoạt động như là một hệ thống cảnh báo sớm để phát hiện cả những người quản lý tuyệt vời lẫn những người đang gặp khó khăn, đồng thời giúp cải thiện hiệu suất quản lý trong toàn tổ chức.
Trực quan hóa và truyền đạt hiểu biết sâu sắc ẩn chứa bên trong dữ liệu
Khi sử dụng dữ liệu để đưa ra quyết định tốt hơn, người dùng dữ liệu (hoặc khách hàng dữ liệu, nếu bạn thích gọi như vậy) là một con người. Toàn bộ quá trình là về cách con người diễn giải dữ liệu để đưa ra những quyết định thông minh hơn, sáng suốt hơn. Hãy nhớ rằng dữ liệu có khá ít giá trị trừ khi bạn có thể biến nó thành những hiểu biết sâu sắc và có hành động tương ứng. Nghĩa là, đảm bảo cho việc trích xuất hiểu biết từ dữ liệu sao cho càng dễ càng tốt là điều rất quan trọng. Nếu mọi người càng cảm thấy dễ dàng trong việc thấu hiểu dữ liệu và rút ra được những hiểu biết sâu sắc, quan trọng từ dữ liệu, thì mọi người sẽ càng dễ dàng đưa ra các quyết định và hành động dựa trên dữ liệu đó. Đây là lý do vì sao việc trực quan hóa và truyền thông dữ liệu đã trở thành một chủ đề lớn trong những năm gần đây. Có nhiều lựa chọn khác nhau để truyền tải dữ liệu. Chúng bao gồm đồ họa đơn giản (như biểu đồ dạng cột), báo cáo bằng văn bản, các nền tảng trực quan hóa dữ liệu thương mại giúp dữ liệu trở nên hấp dẫn và dễ hiểu hơn, và bảng báo cáo quản lý cung cấp cho mọi người thông tin họ cần biết bất cứ khi nào họ muốn.
Các đối tượng khác nhau sẽ có những nhu cầu khác nhau, cả về loại dữ liệu họ cần và cách thức họ sẽ sử dụng dữ liệu đó. Vì thế, khi suy nghĩ đến việc phổ biến và truyền tải dữ liệu, điều quan trọng là phải xác định ai sẽ có quyền truy cập vào dữ liệu (hoặc những hiểu biết sâu sắc từ dữ liệu đó) – bạn cần xác định “khách hàng” dữ liệu là ai và yêu cầu của họ là gì. Ví dụ, định dạng nào phù hợp nhất với nhân viên của bạn? Làm cách nào để họ truy cập thông tin (giao diện web, báo cáo, trang báo cáo tổng quan,…)? Mức độ thường xuyên như thế nào? Việc biết được câu trả lời cho những câu hỏi này sẽ giúp bạn quyết định các công cụ trực quan/giao tiếp nào phù hợp cho doanh nghiệp của bạn. Tôi sẽ phân tích một số ví dụ về các công cụ hữu ích này trong phần tiếp theo của chương.
Có nên trao quyền truy cập dữ liệu cho tất cả mọi người không?
Tôi nhận ra có một vài điều khó xử xung quanh việc trao đổi dữ liệu. Một vài trong số những công ty thành công nhất trong việc sử dụng dữ liệu đã đạt được thành tựu rõ rệt bởi vì mọi người trong tổ chức đều được đầu tư vào dữ liệu, họ có quyền truy cập vào dữ liệu và sử dụng dữ liệu đó để đưa ra các quyết định của mình. Sau đó, lý tưởng nhất là bạn sẽ xem xét để cung cấp cho các cá nhân trên toàn công ty quyền truy cập vào dữ liệu để họ có thể tự mình kiểm nghiệm và đưa ra những quyết định tốt hơn. Tuy nhiên, trong thực tế, điều này không phải lúc nào cũng mang lại kết quả tốt đẹp và sẽ tốt hơn nếu có một vài trung tâm điều phối hoạt động truyền thông dữ liệu. Bởi vì mọi người sẽ giải thích dữ liệu theo nhiều cách khác nhau, bạn sẽ nhận ra rằng họ có thể cần được trợ giúp để trích xuất các thông điệp chính. Do đó, tôi khuyên bạn nên sử dụng phương pháp kết hợp: truy cập rộng rãi vào dữ liệu trên toàn công ty, nơi mọi người được khuyến khích sử dụng dữ liệu làm cơ sở cho các quyết định kinh doanh trong tương lai, đồng thời cũng tạo nên một câu chuyện bao quát mạnh mẽ về công ty, đưa ra những hiểu biết sâu sắc và xu hướng chính, chỉ để đảm bảo rằng tất cả mọi người đều hiểu được mọi thông điệp quan trọng nhất.
Ngày càng có nhiều công cụ và dịch vụ được thiết kế để tạo điều kiện phân tích dữ liệu trong toàn bộ tổ chức. Điều này đã làm phát sinh thuật ngữ “nhà khoa học dữ liệu cộng đồng”. Ví dụ, công ty bán lẻ Sears đã cho phép 400 nhân viên từ các hoạt động trí tuệ doanh nghiệp (BI) thực hiện phân loại khách hàng nâng cao dựa trên dữ liệu – công việc trước đó chỉ do các nhà phân tích chuyên nghiệp thực hiện. Động thái này được cho là đã mang lại hiệu quả đáng giá hàng trăm ngàn đô la chỉ tính riêng cho chi phí chuẩn bị dữ liệu. Nó cũng cho phép họ đưa ra quyết định tốt hơn về việc hiển thị những sản phẩm nào cho mọi người khi họ sử dụng trang web của công ty.
Bạn còn nhớ công ty Dickey’s Barbecue Pit và hệ thống dữ liệu Smoke Stack của họ trong Chương 2 không? Trong môi trường đó, để người dùng cuối chấp nhận hệ thống và đưa dữ liệu vào việc ra quyết định hàng ngày của họ là một thách thức lớn – sau cùng, nhiều nhân viên của họ đã tham gia công ty để trở thành nghệ nhân nướng thịt chứ không phải các nhà phân tích dữ liệu. Như Laura Rea Dickey đã giải thích:
“Chúng tôi có những người ở các vị trí được tích hợp theo chiều dọc, rất khác nhau trong công ty. Từ những nhân viên văn phòng có trụ sở tại một văn phòng truyền thống làm việc xung quanh các vấn đề thực tế của doanh nghiệp, thực hiện những công việc ở phía sau cho tới những nhân viên khác trên tuyến đầu đang vận hành một khay nướng và tương tác với khách hàng. Việc có được một nền tảng phù hợp với tất cả nhân viên ở các bộ phận khác nhau có lẽ là thách thức lớn nhất của chúng tôi.”
Đối với Dickey, giải pháp đến dưới dạng trang báo cáo tổng quan giúp những người dùng cuối dễ dàng truy cập và hiểu được dữ liệu. Thực tế là bảng báo cáo tổng hợp này rất dễ sử dụng, nghĩa là nó tích hợp tốt hơn vào các hoạt động hàng ngày. Vào cuối ngày, những dữ liệu dễ truy cập và dễ hiểu hơn sẽ có nhiều khả năng được chuyển thành hành động.
Sprint, công ty mà chúng ta đã tìm hiểu trong phần đầu của chương này, cũng đã sử dụng các trang báo cáo tổng quan cũng như các công cụ trực quan khác để giúp nhân viên tận dụng tối đa dữ liệu. Như Jason Delker đã nói với tôi:
“Câu nói ‘Trăm nghe không bằng một thấy’ thậm chí còn đúng hơn khi nói về dữ liệu. Việc có thể sử dụng các công cụ trực quan cho phép mọi người hiểu rất nhanh những xu hướng đang xảy ra, các điểm nóng đang có là gì – điều gì đang thành công và điều gì đang thất bại – và tất cả những điều đó là vô giá.“
Điều này không có nghĩa là các tổ chức sẽ không còn cần đến các nhà khoa học dữ liệu có học vấn và chuyên môn cao nữa. Tôi nghĩ sẽ luôn có nhu cầu về các chuyên gia dữ liệu. Có được sự thuyết phục về dữ liệu cho toàn bộ doanh nghiệp là rất quan trọng, và liệu có cách nào tốt hơn để đạt được điều đó so với việc phải đưa dữ liệu vào tay những người mà sự tin tưởng của họ là cần thiết?
Tạm biệt báo cáo dạng bảng tính, xin chào dữ liệu trực quan
Thật công bằng khi nói rằng chúng ta đã trải qua hết những năm tháng thiếu niên vụng về của dữ liệu lớn, khi mà có nhiều công ty tham gia vào đoàn tàu dữ liệu và sau đó sử dụng các công cụ lỗi thời để cố gắng trực quan hóa và truyền tải dữ liệu đó, cụ thể là bảng tính. Khảo sát cho thấy 1/5 doanh nghiệp đang sử dụng bảng tính làm công cụ chính để truyền tải dữ liệu nội bộ. Không có gì sai đối với bảng tính; chúng hoạt động rất tốt cho nhiều công việc khác nhau. Nhưng việc truyền tải và trực quan hóa dữ liệu không phải là một trong số chúng.
Theo một cuộc khảo sát trên 2.000 nhân viên ở Anh và Mỹ, hơn một nửa số người được hỏi cho biết rằng việc biết được dữ liệu hiệu suất của công ty đã đóng góp đáng kể vào hiệu suất tích cực của riêng họ1. Nói cách khác, nhân viên muốn được tham dự vào các cuộc thảo luận về hiệu suất kinh doanh tổng thể, và điều đó có nghĩa là dữ liệu quan trọng phải được truyền đạt trên mọi cấp độ của doanh nghiệp. Để làm được điều này, các doanh nghiệp cần một thứ gì đó có thể giúp họ trực quan hóa dữ liệu dễ dàng hơn và hiệu quả hơn. Bảng tính không phải là công cụ phù hợp cho công việc này. Dữ liệu quan trọng bị ẩn trong bảng tính, có nghĩa là bạn không nhìn thấy tất cả dữ liệu thô cùng một lúc và điều này khiến bạn khó có thể biết điều gì quan trọng và điều gì không quan trọng. Tuy nhiên, các công cụ trực quan có thể làm nổi bật rõ ràng các dữ liệu hoặc kết quả quan trọng nhất. Ngoài ra, bảng tính được thiết kế để lưu trữ dữ liệu lịch sử, nó gây khó khăn hoặc thậm chí khó có khả năng cho việc phát hiện được xu hướng theo thời gian và so sánh dữ liệu trong khoảng thời gian dài hơn. Mặt khác, các công cụ trực quan hóa là cách tuyệt vời để thể hiện các xu hướng.
Tin vui là hiện nay đang có nhiều công cụ tuyệt vời, chi phí thấp cho phép các công ty báo cáo dữ liệu theo những cách hiệu quả hơn. Các công cụ như Tableau và Qlik, tên của một bộ đôi, đã giúp mang dữ liệu trực quan đến với mọi người. Và Google có bộ công cụ Analytics 360 mạnh mẽ, cho phép các nhóm doanh nghiệp trực quan hóa dữ liệu từ nhiều nguồn, tạo ra và chia sẻ các báo cáo, biểu đồ có thể truy cập (Gần đây họ đã công bố phiên bản miễn phí của sản phẩm Data Studio 360 cho các doanh nghiệp nhỏ và các cá nhân). Ngoài ra, cũng có rất nhiều nền tảng phân tích thương mại khác với các công cụ trực quan được tích hợp của riêng họ.
Trong hiện tại, đang có một sự dịch chuyển đáng kể. Không chỉ các doanh nghiệp bắt đầu thực sự hiểu tầm quan trọng của dữ liệu, họ cũng hiểu tầm quan trọng của việc truyền đạt những hiểu biết sâu sắc, rõ ràng cho mọi người trong tổ chức. Đây là một điều tuyệt vời cho tương lai của dữ liệu; những hiểu biết sâu sắc càng được truyền đạt tốt hơn, thì khả năng dữ liệu dẫn đến hành động tích cực càng nhiều (trong trường hợp này là các quyết định kinh doanh tốt hơn).
Kết hợp hình ảnh và từ ngữ để có được tác động tối đa
Người ta thường nói “Trăm nghe không bằng một thấy”. Bằng cách này, hình ảnh là điều tuyệt vời để truyền đạt thông tin bởi vì chúng nhanh chóng và trực tiếp, chúng đáng nhớ và tạo hứng thú (có thể giữ sự chú ý của người đọc hơn là một trang văn bản đầy chữ). Nhưng nếu như chúng ta không biết cách giải mã thông điệp của nó, một bức tranh cũng có thể rất khó đọc. Với một câu chuyện ngắn, bạn có thể đảm bảo mọi người đều hiểu dữ liệu theo cùng một cách. Đây là lý do tại sao sử dụng cùng lúc hình ảnh và tường thuật lại mạnh mẽ hơn nhiều so với việc sử dụng riêng lẻ từng phương tiện. Ví dụ, một biểu đồ chi tiết về lịch sử bán hàng là cực kỳ hữu ích để phân tích xu hướng theo thời gian, nhưng một câu chuyện có thể rút ra các thông điệp quan trọng và đưa thông tin đó vào ngữ cảnh – giải thích những điều thú vị ẩn chứa đằng sau xu hướng đó.
Tuy nhiên, việc tạo ra những câu chuyện bằng văn bản cần có thời gian và công sức. Và điều này làm cho mối quan hệ đối tác gần đây được công bố giữa Qlik và công ty Narrative Science trở nên thú vị. Narrative Science đã phát triển Quill, một công cụ xử lý ngôn ngữ tự nhiên mạnh mẽ, được sử dụng trong các ngành từ tài chính đến bán lẻ, và thậm chí cả báo chí, để tạo ra các báo cáo ngôn ngữ tự nhiên, chi tiết từ dữ liệu. Công nghệ của Quill mang tính đột phá. Nó không chỉ giải thích dữ liệu, mà còn có thể viết ra thành từ ngữ theo cách mà trên thực tế không thể phân biệt được với những từ do một con người thật sự viết ra. Và giờ đây, người dùng nền tảng Qlik Sense BI có thể sử dụng Quill để tạo ra các câu chuyện tự động, thông minh từ dữ liệu và những biểu tượng trực quan của họ.
Điều này có nghĩa là những hình ảnh trực quan có thể được sử dụng làm lớp trên cùng giúp cho dữ liệu dễ hiểu hơn. Và các công cụ xử lý ngôn ngữ tự nhiên sau đó lấy thông tin sâu hơn bằng cách thêm vào một lớp khác, một lớp văn bản, cung cấp một lời giải thích hữu ích về các biểu tượng trực quan. Điều này rất ấn tượng khi xem xét trong thực tiễn; người dùng chỉ đơn giản là tương tác với dữ liệu trực quan thông qua bảng điều khiển Qlik Sense và, ngay lập tức, họ sẽ thấy một câu chuyện tự viết về chính nó phù hợp với dữ liệu. Và nó được viết rất tốt, bằng ngôn ngữ đơn giản, rõ ràng, ngắn gọn và dễ hiểu. Cùng với sức mạnh của nó để làm cho dữ liệu dễ hiểu hơn, tôi mong đợi, vào một thời gian thích hợp, loại chức năng này sẽ trở thành một tính năng tiêu chuẩn của tất cả các nền tảng BI, phân tích và trực quan hóa tốt.
Thực tế ảo và tương lai của dữ liệu trực quan
Gần đây đã có rất nhiều cuộc thảo luận rất hào hứng về cách thức mà thực tế ảo (VR) có thể ảnh hưởng đến việc chúng ta trực quan hóa dữ liệu. Có những hạn chế cố hữu trong lượng dữ liệu mà con người có thể hấp thụ từ màn hình máy tính. Trên thực tế, theo kiến trúc sư phần mềm SAS Michael D Thomas, chúng ta bị giới hạn xử lý ít hơn 1 kilobit thông tin/giây khi đọc văn bản trên màn hình. Do đó, việc sử dụng sức mạnh xử lý ngày càng tăng có thể đưa ra ngày càng nhiều hiểu biết sâu sắc cho chúng ta hơn, mà chúng ta có lẽ sẽ khó có cơ hội theo kịp.
Đây là lĩnh vực mà nhiều người nghĩ rằng VR có thể có ích. Bằng cách đặt người dùng vào một không gian được tạo ra bằng kỹ thuật số với một tầm nhìn 360 độ và mô phỏng chuyển động theo cả ba chiều, có thể gia tăng đáng kể băng thông dữ liệu có sẵn vào bộ não của chúng ta. Điều này có nghĩa là với những dữ liệu phức tạp, chúng ta sẽ có thể hiểu nhanh hơn và chính xác hơn.
Thực tế là giao diện hiển thị mà chúng ta sử dụng để tiếp nhận dữ liệu trực quan từ lâu đã được điều chỉnh. Màn hình có thể đã nhỏ hơn và nhẹ hơn đáng kể trong những năm qua, nhưng về cơ bản chúng cùng một công nghệ. Trong khi đầu vào, khả năng xử lý và lưu trữ đã phát triển liên tục qua nhiều thế hệ kiến trúc máy tính, bản thân màn hình, ngoài việc tăng độ nét và màu sắc, thì không còn gì khác. Nhưng điều này đang thay đổi, nhờ sự xuất hiện của phần cứng VR với giá cả phải chăng hơn. Trên thực tế, phiên bản đầu tiên của một làn sóng tai nghe VR của người tiêu dùng (Oculus Rift của riêng Facebook) đã vừa lên kệ gần đây.
Một số ứng dụng VR mới xuất hiện được hướng đến việc khám phá và thử nghiệm dữ liệu. Unity Studios, hãng sản xuất một trong những máy chơi game 3D đang được sử dụng rộng rãi nhất hiện nay, đã khám phá ra cách sử dụng công nghệ của mình cho hoạt động phân tích dữ liệu kinh doanh. Cũng như cho phép hiển thị ngày càng phức tạp và chi tiết hơn, việc gia tăng chiều sâu sẽ mang lại lợi ích to lớn trong việc đảm bảo các thông điệp chính và những hiểu biết sâu sắc quan trọng về doanh nghiệp được thấu hiểu hoàn toàn bởi người dùng.
Chú thích
1. Simon Whittick (2015), Nghiên cứu báo cáo: 1/4 nhân viên bỏ việc vì phong cách quản lý mù quáng, Geckoboard , ngày 21 tháng 9, xem tại: https://www.geckoboard.com/blog/research-report-one-in-four-employees-leave-due-to-mushroom-management/#.WGwINnoYPHF