Đọc 'Competing on Analytics' và suy nghĩ về quản trị dựa trên dữ liệu

Xin chào, mình là まさきん.

Từ hôm nay mình bắt đầu chuyên mục “Marketing”. Mình sẽ dần chia sẻ những cuốn sách đã đọc và những điều đã suy nghĩ trong quá trình làm digital marketer.

Bài đầu tiên là một bài review sách. Cuốn Competing on Analytics của Thomas H. Davenport và Jeanne G. Harris.

Bắt đầu từ câu hỏi “phân tích có sinh lời không”

Đôi khi mình được hỏi một câu như thế này. Phân tích dữ liệu tự nó có tạo ra doanh thu không?

Nói thật, phân tích dữ liệu không trực tiếp sinh ra doanh thu. Nhưng mình luôn có cảm giác rằng công ty nào không phân tích dữ liệu sẽ khó tồn tại lâu dài.

Nội dung sách: vì sao năng lực phân tích trở thành lợi thế cạnh tranh

Sách không chỉ nói về các công ty internet như Google hay Amazon, mà còn có ví dụ từ tài chính, sản xuất, bán lẻ, dịch vụ.

Đây là câu chuyện về các công ty tạo khác biệt với đối thủ nhờ quản trị dựa trên dữ liệu và phân tích. Sách đưa ra vài điều kiện để năng lực phân tích trở thành lợi thế cạnh tranh:

• Khó bị sao chép
• Có tính độc đáo
• Có thể ứng dụng rộng
• Vượt xa đối thủ
• Tiếp tục tiến hoá

Mình thấy hợp lý, nhưng cũng nhận ra không nhiều công ty làm được điều này một cách tự nhiên.

Điều thú vị là sách chỉ ra con đường của các công ty lấy năng lực phân tích làm vũ khí không giống nhau. Có công ty như Google, Amazon lấy dữ liệu làm trung tâm từ khi khởi nghiệp. Có công ty như Walmart hay các tổ chức tài chính, buộc phải tăng cường xử lý dữ liệu vì nhu cầu thực tế. Có công ty thể thao hay nhà sản xuất, đến một giai đoạn nào đó mới lấy phân tích làm vũ khí. Điểm khởi đầu khác nhau, nhưng đích đến lại giống nhau.

Doanh nghiệp cũng dần chuyển từ cảm tính sang dữ liệu khi ra quyết định. Cách nghĩ này có thể áp dụng cả cho chi phí cố định trong gia đình. Bản thân mình cũng định thử kiểm tra lại cước điện thoại hàng tháng bằng số liệu.

Hai con đường: “Fast Path” và “Slow Path”

Làm sao để trở thành công ty lấy năng lực phân tích làm vũ khí? Sách giới thiệu hai cách tiếp cận.

Một là “Fast Path”. Ban lãnh đạo tin vào dữ liệu hơn cảm tính ngay từ đầu, và không ngại đầu tư. Giống như đi tàu tốc hành, thay đổi toàn công ty diễn ra tương đối nhanh.

Nhưng thực tế không nhiều công ty ở trạng thái này. Đa số đi theo “Slow Path”. Bắt đầu từ một bộ phận nhỏ như marketing, tích lũy thành quả từng chút một, rồi lan sang các bộ phận khác. Mất thời gian, khả năng thất bại không thấp, nhưng bù lại vốn đầu tư ban đầu nhỏ. Dù đi con đường nào, khi năng lực phân tích đã lan ra toàn công ty, việc cần làm tiếp theo là giống nhau: thu thập dữ liệu, tăng cường nhân sự, liên tục tạo ra kết quả. Sự bền bỉ này chính là điểm chung của các công ty lấy phân tích làm vũ khí.

Ba nhóm nhân sự làm nền cho năng lực phân tích

Một điểm khác khiến mình nhớ là sách chia nhân sự cần thiết thành ba nhóm.

Nhóm một là ban lãnh đạo. Không chỉ hiểu tầm quan trọng của dữ liệu, mà tốt nhất nên có cảm quan nhất định về các phương pháp phân tích cụ thể. Nhóm hai là chuyên gia (professional). Đây là người được đào tạo chuyên sâu về dữ liệu, có kỹ năng cao. Gần đây có thể thuê ngoài, nhưng sách chỉ ra rằng nếu phụ thuộc hoàn toàn cốt lõi phân tích vào bên ngoài, năng lực cạnh tranh của công ty cũng trở thành thứ đi mượn.

Và nhóm ba, thực ra là đông nhất và quan trọng nhất, là “amateur analyst”. Không cần kỹ năng phân tích cao, nhưng người ở hiện trường cần hiểu đúng và thống nhất về định nghĩa, cách xử lý dữ liệu.

Điều này mình cảm nhận rất rõ trong công việc thực tế. Mình từng thấy cùng một dữ liệu nhưng được các team hiểu theo nghĩa hoàn toàn khác nhau. Nhìn cùng con số, một team thấy là dấu hiệu tốt, team khác lại thấy là tín hiệu nguy hiểm. Nguyên nhân thường là định nghĩa và giả định của dữ liệu chưa được chia sẻ rõ ràng ở hiện trường. Mình nghĩ việc thống nhất hiểu biết của các “amateur analyst” ở hiện trường, tuy có vẻ nhỏ nhặt, nhưng hiệu quả lại lớn hơn là chỉ tập trung xây hạ tầng phân tích cao cấp. Mình cũng đã viết về “khả năng phiên dịch” này trong bài Điều thực sự cần cho công việc phân tích dữ liệu.

Đọc lại vẫn thấy khung sách chưa cũ

Sách ra đời khoảng năm 2010, cũng đã hơn 15 năm. Nhưng khung tư duy trong sách, mình thấy vẫn còn giá trị đến giờ.

Gần đây, việc ứng dụng AI được nói đến nhiều dưới góc độ “năng lực tạo giá trị”. AI tạo sinh đã tự động hóa khá nhiều việc xử lý, tổng hợp dữ liệu, làm báo cáo. Chính vì thế, năng lực tìm ra KPI, năng lực rút ra hướng đi thắng từ dữ liệu, lại càng trở nên quan trọng hơn. Không chỉ “giải quyết vấn đề”, mà phần đặt ra “vấn đề là gì” mới là việc con người cần tiếp tục làm. Marketing Mix Modeling cũng là một ví dụ về phương pháp cũ đang được nhìn lại.

Công cụ phân tích có tiến hoá đến đâu, người ra quyết định cuối cùng vẫn là con người. Cách diễn giải số liệu và biến nó thành hành động tiếp theo, mình nghĩ vẫn là cốt lõi công việc, không thay đổi theo thời gian. Fast Path hay Slow Path, cuối cùng đều là việc điều chỉnh cách con người đối diện với số liệu.

Tổng kết

Đừng ngại vì đây là sách cũ, đọc lại vẫn học được nhiều điều. Ý tưởng biến năng lực phân tích thành lợi thế cạnh tranh, có thể áp dụng cả cho cách nhìn lại chi tiêu gia đình, không chỉ trong kinh doanh.

Bài viết này có chứa quảng cáo liên kết. Nếu bạn đăng ký sản phẩm hoặc dịch vụ qua liên kết trên trang này, chúng tôi có thể nhận được hoa hồng từ đối tác. Ngoài ra, người vận hành trang là nhân viên của Rakuten Group và có thể nhận thù lao qua chương trình giới thiệu nhân viên. Nội dung và đánh giá trong bài được viết dựa trên trải nghiệm thực tế và tìm hiểu của người vận hành, không phụ thuộc vào việc có quảng cáo hay không, nhưng mong bạn đọc với sự hiểu biết về mối quan hệ trên. Chi tiết xem tại phần Miễn trừ trách nhiệm & Tiết lộ liên kết. Miễn trừ trách nhiệm & Tiết lộ liên kết

Bài viết này có sử dụng dịch máy. Vui lòng tham khảo trang đa ngôn ngữ trên website chính thức của Rakuten Mobile để biết điều kiện chính xác.

Nếu bạn có thắc mắc về khu vực phủ sóng hoặc chất lượng tín hiệu của Rakuten Mobile, có thể liên hệ qua mẫu đề nghị khảo sát và cải thiện sóng chính thức.