Analytic là gì?

Analytics đề cập đến khả năng thu thậpsử dụng dữ liệu để tạo ra các góc nhìn (insights) có ý nghĩa, hỗ trợ việc ra quyết định được tốt hơn.

Analytic là gì
Analytic là gì

Ở đây có 2 cụm từ: “Khả năng thu thập dữ liệu” và “sử dụng dữ liệu”. Bởi Analytics bắt đầu với dữ liệu, kết thúc cũng với dữ liệu. Vì vậy với Analytics luôn tâm niệm câu: “Right Data/Information is critical”.

Ví dụ: Một công ty A muốn phân tích thông tin về những khách hàng đã đến với mình để tối ưu sản phẩm và chiến lược kinh doanh thì bước đầu tiên công ty đó phải làm là thu thập dữ liệu về khách hàng của họ. Dữ liệu ở đây có thể là thông tin về ngành nghề của những khách hàng đến với công ty A, độ lớn doanh nghiệp ra sao, nhu cầu sử dụng sản phẩm công ty A với khách hàng tới đâu, những tính năng gì mà đa số khách hàng mong muốn dùng nhưng sản phẩm của công ty A không có, hoặc tính năng nào mà hầu như không được sử dụng khi triển khai sản phẩm… Từ những dữ liệu thu thập được, Công ty A sẽ có những góc nhìn sâu sắc về khách hàng để hỗ trợ thêm cho việc ra quyết định để tối ưu sản phẩm, chăm sóc khách hàng, lên chiến lược kinh doanh… được tốt hơn.

Business Analytics là gì
Business Analytics là gì

Analytics thường ẩn mình trong các lĩnh vực như “Data Mining”, “Business Intelligence”, “Decision Science”, “Business/Data Analysis”… (Business Analyst là gì)

Tại sao cần Analytics

Khi có Analytics trong doanh nghiệp, bạn sẽ đạt được những lợi ích sau:

  • Cải thiện mối quan hệ với khách hàng
  • Có được tầm nhìn rộng hơn trong kinh doanh
  • Xác định rõ vùng cơ hội của mình
  • Giảm được chi phí tổng thể
  • Đưa ra quyết định/hành động tốt hơn
  • Tăng năng suất và hiệu quả
Tại sao cần Analytics
Tại sao cần Analytics

Để mình lấy ví dụ chỗ này. Các bạn còn nhớ hồi đầu năm 2019, Magestore tiến hành phân tích khách hàng và đi tới quyết định chia khách hàng thành 4 phân khúc. Sau quá trình phân tích đó, công ty có ra quyết định: phân khúc khách hàng chính của mình là những khách hàng sử dụng Magento làm hệ thống trung tâm và Dùng POS + Backend Enhancement/Oriented. Nhờ đó mà Công ty có những hành động tập trung vào nhóm khách hàng này hơn. Tỷ lệ khách hàng quay lại tăng, độ thân thiết của công ty với khách hàng cũng được cải. Đồng thời cũng từ việc phân tích khách hàng, thì công ty cũng tiến hành phân tích các chức năng như sales, marketing, customer suport… Và thời điểm hiện tại năng suất và hiệu quả được cải thiện hơn rất nhiều so với 2,3 năm trước đó.

Phân biệt Báo cáo với phân tích (Reporting vs Analytics)

Phân tích liên tục (Analytics Continuum)

Cấp hạt (Granular level)

Đây là dạng mô hình từng bước liên tục cho việc phân tích kinh doanh dựa trên lợi thế cạnh tranh và sự sáng suốt của các doanh nghiệp.

Phân tích liên tục (Analytics Continuum)
Phân tích liên tục (Analytics Continuum)

Ở mô hình này, mức độ của báo cáo sẽ tăng độ khó từ dưới lên trên. Các cấp ở mô hình này bao gồm:

  • Dữ liệu thô (Row data): Là những hoạt động như thu thập dữ liệu và tạo những báo cáo excel cơ bản
  • Dữ liệu sạch (Clean data): Là những dữ liệu đã được làm sạch sau quá trình xác định và xóa (hoặc sửa) các bản ghi không chính xác từ bộ dữ liệu, bảng hoặc cơ sở dữ liệu không đáng tin cậy, không chính xác hoặc không liên quan của dữ liệu và sau đó khôi phục, tu sửa hoặc xóa dữ liệu bẩn hoặc thô.Hai bước đầu tiên là những viên gạch nền móng để có thể tiến hành những bước tiếp theo của quá trình phân tích.
  • Báo cáo chuẩn (Standard report): là những dữ liệu trả lời cho câu hỏi: Chuyện gì đã xảy ra? Nó giống như các báo cáo hàng quý của các công ty. Nó có thể mang ra để so sánh dữ liệu của tháng này với tháng trước, năm nay với năm trước… Nó là những báo cáo chuẩn, đã được định nghĩa từ đầu.
  • Báo cáo phát sinh theo nhu cầu (Ad hoc report): Nó trả lời cho câu hỏi về tần suất, số lượng, ở đâu… Là những dạng báo cáo một lần đánh giá dựa trên các yêu cầu cấp thiết phát sinh. Báo cáo này không tạo trên cơ sở hàng tháng. Nó hướng tới việc người tạo báo cáo phải hoàn toàn tự chủ. Báo cáo dạnh này hay dùng cho việc tìm hiểu tổng doanh số hiện tại, lợi nhuận theo thời gian, sản phẩm…
  • Truy vấn theo chiều sâu (Query drill down): Báo cáo này trả lời cho câu hỏi: vậy vấn đề chính xác ở đây là gì? Nó sẽ xuyên suốt dữ liệu từ standard report tới ad hoc reports. Ví dụ khả năng đào sâu trên báo cáo để tìm hiểu nguyên nhân chính xác gây ra tình trạng kinh doanh một số sản phẩm không tốt?
  • Thông tin cảnh báo khi có biến động (Alerts): là báo cáo để trả lời câu hỏi những hành động cần thiết là gì? Sau khi đã có những phân tích về vấn đề của bạn, thì đây Dạng báo cáo này tự động đưa ra khi có dữ liệu ở các cấp trước, kịp thời để thực hiện các quyết định kinh doanh đúng lúc, nhằm hạn chế đến mức tối đa rủi ro có thể xảy ra nếu thông tin chậm trễ.
  • Báo cáo phân tích thống kê (Statistical Analysis): Bước này trả lời cho câu hỏi tại sao chuyện này lại xảy ra. Để quyết định những hành động bạn cần làm phân tích thống kê để hiểu tại sao điều này xảy ra. Ở cấp này Cung cấp các số liệu được tính toán dựa trên các kỹ thuật phân tích thống kê toán học, giúp tìm hiểu nguyên nhân xảy ra các dữ kiện hiện tại và xác định rõ những cơ hội hoặc rủi ro mà doanh nghiệp đang phải đối mặt, từ đó làm cơ sở xác định các giải pháp xử lý kịp thời.
  • Báo cáo dự báo kinh doanh (Forecasting): Ở cấp này sẽ là những báo cáo trả lời câu hỏi vậy chuyện gì sẽ xảy ra nếu cứ tiếp tục như này. dự báo xu hướng kinh doanh trong tương lai của doanh nghiệp, được xác định trên khoảng thời gian cụ thể; ví dụ như các báo cáo dự báo doanh số trong năm tài chính, trong quý…
  • Báo cáo dự báo kinh doanh (Predictive Modeling): Báo cáo này trả lời cho câu hỏi vậy chuyện gì sẽ xảy ra tiếp theo. Cung cấp các báo cáo mang tính chất dự đoán, giúp các nhà quản trị có được cơ sở hoạch định chiến lược và kế hoạch hành động phù hợp; ví dụ các báo cáo phân khúc thị trường tiềm năng, nhóm khách hàng mục tiêu,… và mức độ ảnh hưởng với tình hình kinh doanh như thế nào?
  • Tối ưu hóa hoạt động kinh doanh (Optimization): Nó trả lời cho câu hỏi vậy việc tối ưu nhất có thể xảy ra là gì? Cung cấp các thông tin hỗ trợ thực hiện quyết định kinh doanh tối ưu cho các cấp lãnh đạo; hỗ trợ xác định các quyết định nào là tối ưu để giải quyết vấn đề cụ thể?

Công ty nào càng bước được lên các cấp như Forecast, Predict và Optimize thì công ty đó càng có những hiểu biết về business của họ sâu sắc và ra quyết định tốt hơn.

Cấp cao - High level

Phân tích liên tục (Analytics Continuum)
Phân tích liên tục (Analytics Continuum)

Dạng phân tích này chỉ ra rằng

  • Descriptive analytics: Bước này là bước mô tả chuyện gì đã xảy ra. Các công ty có bước này thì đã biết các “standard report” để có thể chỉ ra các số liệu về doanh thu, sự phát triển của doanh thu qua các năm, các tháng…
  • Diagnostic Analytics: Bước này có thể hiểu nôm như việc một bác sĩ khi thu thập thông tin về bệnh tình của bệnh nhân, sau đó sẽ cho tiến hành kiểm tra một số loại test để chẩn đoán dựa trên những dữ liệu ban đầu. Triển khai bước này giúp các công ty hiểu được tạo ra doanh thu năm nay của mình lại tăng hay tại sao doanh thu tháng này của minh lại giảm…
  • Predictive Analytics: Như sự nối tiếp của 2 bước trên. Bước này sẽ tiến hành việc dự đoán về việc chuyện gì sẽ xảy ra với các dữ liệu tiếp tục như vậy.
  • Prescriptive Analytics: Đây là bước phân tích để cho bạn biết bạn nên làm như nào nếu chuyện đó xảy ra. Các công ty càng đầu tư vào bước cuối này thì càng mang lại giá trị cao cho công ty.

Những trường hợp sử dụng Analytics

Ngành dọc (by Verticals)

Các ngành dọc luôn cần đến phân tích như Banking, Retail, Health care, Telecom, Financial, Travel.

Những trường hợp sử dụng Analytics
Những trường hợp sử dụng Analytics
Những trường hợp sử dụng Analytics
Những trường hợp sử dụng Analytics

Mình sẽ lấy ví dụ cho pricing của Banking.

Ở ngân hàng, người ta đã làm Analytics từ rất lâu rồi. Pricing luôn đòn bẩy trong các sản phẩm của ngân hàng và vì thế nó là một trong những cái được ưu tiên phân tích đầu tiên. Pricing ở đây được hiểu là việc khách hàng đồng ý mức lãi suất cho vay cá nhân của ngân hàng hay khách hàng đồng ý gửi tiết kiệm với mức lãi suất gửi của ngân hàng. Một số khách hàng đồng ý mức vay lãi suất 14%/ năm nhưng một số khác thì không, một số khách hàng lại muốn giảm mức lãi suất xuống thêm 2% thì sẽ hợp tác… Vậy ngân hàng phân tích như nào để cho ra một pricing hợp lý cho mình? Khách hàng của ngân hàng sẽ được xác định dựa trên độ rủi ro. Nếu khách hàng có độ rủi ro cao thì xác suất khách hàng không trả được khoản vay cao nên với các khách hàng này ngân hàng sẽ tăng lãi suất cao lên có thể tới tận 22%.

Nếu cá nhân hoặc doanh nghiệp có độ rủi ro thấp, họ có thể đưa ra mức lãi suất hấp dẫn dưới 14% để mời chào.

Hay như ở Bắc Á bank, ngoài việc lãi suất công bố chung, nếu bạn là người già gửi tiết kiệm, bạn có thể tăng thêm lãi suất 0.1%. Là phụ nữ gửi và tham gia chương trình “người xây tổ ấm” lại công thêm 0.1%. Hoặc là giáo viên hay bộ đội thì lại cộng thêm 0.1%. Đó là những phân tích từ phía ngân hàng Bắc Á để thu hút khách hàng của họ.

Chức năng (by Function)

Chức năng ở đây được chia cho: Marketing, sales, Logistics, risks, customer suporthuman resources.

Những trường hợp sử dụng Analytics
Những trường hợp sử dụng Analytics
Những trường hợp sử dụng Analytics
Những trường hợp sử dụng Analytics

Mình sẽ lấy một nhỏ về Customer segmentation của chức năng marketing.

Với Marketing, lựa chọn đầu tiên có lẽ phải kể đến phân khúc khách hàng. Vậy phân tích trên phân khúc khách hàng thì tức là các hành động không phải đúng cho toàn bộ khách hàng. Ví dụ các hãng hàng không luôn có 2 hàng ghế khác nhau trên các máy bay. Họ đã thực hiện phân khúc khách hàng, tại sao họ làm vậy? Bởi vì nếu một chiếc máy bay chỉ có hạng thương gia, không có hạng phổ thông thì sẽ không hiệu quả. Và có thể nó còn không có ý nghĩa vì khó thể có một lượng hành khách chỉ có nhu cầu đi ghế thương gia trong một khoảng thời gian xác định. Nhu cầu này thường ít hơn toàn bộ số ghế trên máy bay. Ngược lại, nếu chỉ toàn ghế hạng phổ thông thì có thể có một số ít người muốn dùng hạng thương gia không thể tham gia chuyến bay này. Analytics sẽ được dùng ở đây để trả lời câu hỏi vậy có bao nhiêu không gian cho ghế thương gia, bao nhiêu không gian cho ghế phổ thông… Bởi vậy, phân khúc khách hàng vô cùng quan trọng trong bước làm marketing.

Vậy đó, bạn đã thấy Analytics được sử dụng trong các ngành dọc như các ngành hàng bán lẻ, ngân hàng, y dược… và Analytics cũng được sử dụng cho các chức năng từ marketing đến quản lý nhân sự
nữa. Vì vậy, có thể hiểu, Analytics được sử dụng xuyên suốt cả một tổ chức. Nó cũng là yếu tố quan trọng quyết định tới thành công của một doanh nghiệp.

Các xu hướng phân tích mới nổi - Big Data

Ngày nay, bạn có thể thấy cụm từ Big Data được phủ sóng ở khắp mọi nơi. Vậy chính xác thì Big Data là cái gì?

Các xu hướng phân tích mới nổi - Big Data
Các xu hướng phân tích mới nổi - Big Data

Jason Williamson Đã chỉ cho chúng ta thấy vòng tròn của dữ liệu lớn. Chúng được gọi là 4 V’s (volume, variety, velocity, and veracity.) Chúng ta đang ở trong tình trạng mà khối lượng, vận tốc, sự đa dạng và tính xác thực của dữ liệu vượt quá khả năng lưu trữ hoặc tính toán của một tổ chức để thực hiện chính xác và kịp thời ra quyết định.

Các xu hướng phân tích mới nổi - Big Data
Các xu hướng phân tích mới nổi - Big Data

Thách thức trong Dữ liệu lớn là lưu trữ dữ liệuxử lý dữ liệu. Bạn cần đến hàng nghìn tỷ không gian ổ cứng để lưu trữ dữ liệu này và bạn cần tính toán tốc độ cao để xử lý một dữ liệu khổng lồ như vậy. Phần tích trong dữ liệu lớn bước đầu đặt ra những câu hỏi: làm thế nào để lưu trữ dữ liệu một cách hiệu quả, làm thế nào để xử lý dữ liệu một cách hiệu quả sau đó phân tích cơ học và làm thế nào để chúng ta sử dụng dữ liệu lớn để lấy giá trị ra khỏi dữ liệu lớn như vậy… Đây cũng đang là một thách thức lớn của Analytics.

Hãy đăng ký nhận tin để là người đầu tiên đọc bài viết mới nhất từ chúng tôi nhé

Posted 
Jun 25, 2020
 in 
Tech
 category

Bài viết khác từ

Tech

category

View All