9 mức độ trưởng thành về phân tích dữ liệu của doanh nghiệp

Doanh nghiệp của bạn đang nằm ở mức độ nào trong 9 mức độ trưởng thành về phân tích dữ liệu? Bài viết dưới đây sẽ giúp bạn trả lời cho câu hỏi này, từ đó có chiến lược phát triển phù hợp. 

1. Tổng quan về “Độ trưởng thành phân tích dữ liệu”

Biểu đồ “Độ trưởng thành phân tích dữ liệu” – Analytics Maturity được tạo thành bởi 2 trục. Trong đó, trục ngang là Analytics Maturity, chỉ mức độ trưởng thành trong phân tích dữ liệu của doanh nghiệp. Trục dọc là Competitive Advantage, chỉ khả năng cạnh tranh của doanh nghiệp.

Một cách tổng quan, khi doanh nghiệp muốn bắt tay vào phân tích dữ liệu thường sẽ trải qua 9 mức độ như sau: Oh My God, Data System, Basic Reporting, Business Intelligence, Diagnostic Analytics, Predictive, Alert, Optimization, Automation.

Khi doanh nghiệp càng trưởng thành về khả năng phân tích dữ liệu (Analytics Maturity), thì khả năng đưa ra quyết định dựa trên dữ liệu càng hiệu quả, doanh nghiệp sẽ càng có nhiều cơ hội gia tăng khả năng cạnh tranh (Competitive Advantage).

2. 9 mức độ trưởng thành về phân tích dữ liệu của doanh nghiệp

• Oh My God: Doanh nghiệp chưa có dữ liệu hay kiến thức về phân tích dữ liệu, thậm chí là không có ý định đầu tư vào phân tích dữ liệu trong tương lai.
• Data System: Doanh nghiệp đã thu thập và lưu trữ dữ liệu thô, nhưng không rõ chúng được thu thập như thế nào cũng như giá trị của chúng.
• Basic Reporting: Doanh nghiệp có những báo cáo cùng dữ liệu để theo dõi hiệu quả của các hoạt động kinh doanh theo ngày, tháng hay quý. Đồng thời, doanh nghiệp cũng bắt đầu dùng báo cáo Ad-hoc để nhanh chóng tìm ra đáp án cho những câu hỏi phát sinh trong quá trình vận hành.

Doanh nghiệp có những báo cáo cùng dữ liệu để theo dõi hiệu quả của các hoạt động kinh doanh theo ngày, tháng hay quý
Nguồn: Pexels

• Business Intelligence: Doanh nghiệp ứng dụng sâu hơn các Real-time Dashboard và Interactive Dashboard. Trong đó, với Interactive Dashboard, người dùng có thể trực tiếp tương tác để chọn lọc những thông tin, khía cạnh cần xem. Hai công cụ trên giúp doanh nghiệp biết được chuyện gì đang xảy ra mỗi giờ, phút, thậm chí là giây, mà không cần sự can thiệp của nhiều phòng ban.
• Diagnostic Analytics: “Cuộc sống” dữ liệu của doanh nghiệp dần có sự hiện diện của Business Analytics (BA). Bởi lúc này, doanh nghiệp có đủ công cụ, thông tin, nhân sự và cơ sở hạ tầng để quản trị và tiếp tục đào sâu vào dữ liệu để trả lời cho câu hỏi “Tại sao”. Theo đó, BA bắt đầu áp dụng thống kê, toán học, thuật toán vào trong quá trình phân tích, và đưa ra kết luận dựa trên những phân tích đó.
• Predictive: Đến giai đoạn này, doanh nghiệp có thể đưa ra dự đoán dựa trên dữ liệu, thuật toán trong quá khứ. Ví dụ, trong 3.000 ngày vận hành, doanh thu là bao nhiêu? Mặt hàng nào bán chạy? Giá sản phẩm khi làm khuyến mãi ra sao? Dựa trên dữ liệu đó, doanh nghiệp thu được một tệp dữ liệu gọi là Historical Pattern. Từ Historical Pattern, doanh nghiệp có thể đưa ra các dự đoán, tiềm năng. Chẳng hạn, doanh thu của tháng sau là bao nhiêu nếu doanh nghiệp không làm khuyến mãi?
• Alert: Ở bước này, doanh nghiệp có thể dựa vào dữ liệu, kết hợp sử dụng các thuật toán, công nghệ… để tự động hoá hệ thống cảnh báo. Ví dụ doanh nghiệp có thể xây dựng hệ thống để cảnh báo sớm về tình trạng hết hàng của một số sản phẩm, từ đó bộ phận sản xuất có thể kịp thời lên dây chuyền sản xuất để bổ sung sản phẩm. Hoặc cảnh báo những trường hợp khách hàng nào có nguy cơ rời đi, khi đó doanh nghiệp kịp thời có chính sách để giữ chân khách hàng.
• Optimization: Khi đạt đến “cảnh giới” này, doanh nghiệp có thể phân tích rồi đưa ra những đề xuất, kiến nghị nhằm tối ưu hiệu quả hoạt động của phòng ban, sản phẩm, cửa hàng với độ tin cậy cao. Điều này dựa trên việc thử nghiệm liên tục các mẫu dữ liệu và thuật toán khác nhau.
• Automation: Đây là giai đoạn mà doanh nghiệp sử dụng công nghệ một cách nhuần nhuyễn. Theo đó, các đề xuất, quyết định được tự động hoá với độ hữu dụng gần như tuyệt đối mà không dựa nhiều vào sức người. Chẳng hạn, có rất ít sự can thiệp của con người để đưa ra những quy trình hay thuật toán tự động của Digital Marketing. Ví dụ, sau khi mua hàng trên các trang e-Commerce như Tiki, Shopee…, khách hàng sẽ được đề xuất mua những sản phẩm khác. Tất nhiên, không có nhân viên ngồi phía sau màn hình máy tính để đưa ra những kiến nghị, mà đó là kết quả của một chuỗi các thuật toán được viết dựa trên hành vi mua hàng trong quá khứ.

Phần đề xuất các sản phẩm tương tự trên Tiki
Nguồn: Tiki

Trên đây là toàn bộ nội dung về thang đo mức độ trưởng thành về phân tích dữ liệu của doanh nghiệp. Tuỳ vào tình hình công ty, bản chất công ty mà độ trưởng thành có thể thấp hay cao. Ví dụ, những công ty về Digital Marketing, e-Commerce Platform phải đi đến bước Optimization và Automation. Những công ty còn lại có thể chỉ dừng ở bước Basic Reporting hay Data System vì nhiều lý do như chưa có cơ sở hạ tầng, thiếu nhân lực hay chưa thực sự chú tâm đầu tư.

Chia sẻ bởi anh Trần Hùng Thiện - Founder tại Công ty Nghiên cứu Thị trường GCOMM, đồng thời là giảng viên tại Viện Đại học VNUK Đà Nẵng. Với kinh nghiệm hơn 20 năm trong lĩnh vực phân tích dữ liệu, anh Thiện sẽ giúp học viên thẩm thấu kiến thức về Business Analytics vốn được xem là khó nhằn và khô khan.