Sự xuất hiện và ra đời của hàng loạt những công nghệ tân tiến như AI, Big Data, IoT, Sensors, Additive, Hyperspectrum,… đã vô tình làm mờ đi giá trị cốt lõi của chuyển đổi số, đó chính là Dữ liệu.

Dữ liệu là tương lai của doanh nghiệp

Trong quá trình khảo sát hoạt động kinh doanh của các doanh nghiệp thuộc nhiều lĩnh vực tại Việt Nam, chúng tôi nhận thấy họ đề cập rất nhiều đến câu chuyện dữ liệu, đặc biệt là việc thu thập dữ liệu về khách hàng. Điều đó cho thấy, chuyển đổi số đã thực sự khiến cho các doanh nghiệp thay đổi cách suy nghĩ theo hướng tập trung vào việc xây dựng quyết định một cách có cơ sở thay vì dựa trên “độ nhạy bén” của các nhà lãnh đạo như trước đây. Việc sở hữu và sử dụng dữ liệu lớn một cách hiệu quả có thể giúp các doanh nghiệp tối ưu hóa hoạt động sản xuất kinh doanh truyền thống của mình theo hướng:

Trong tương lai, bên cạnh việc nâng cao chất lượng hoạt động kinh doanh sẵn có, những doanh nghiệp nắm giữ được lượng dữ liệu người dùng có thể mở ra nhiều cánh cửa cơ hội và tạo ra những mô hình kinh doanh đột phá. Hãy lấy ví dụ với Grab, khi mới khởi nghiệp, đây là mô hình ứng dụng gọi xe giúp kết nối tài xế và khách hàng. Sau khi đã sở hữu một lượng dữ liệu người dùng đủ lớn, họ bắt đầu lấn sân sang các thị trường liền kề như ứng dụng giao hàng, ứng dụng giao đồ ăn, ứng dụng đặt chỗ để phục vụ cho những nhu cầu của khách hàng không muốn tự đi xe. Và hiện giờ, hãy xem bạn có thể tìm thấy những gì trong ứng dụng Grab? Đó là sàn thương mại và ví điện tử – một mô hình kinh doanh hoàn toàn khác so với mô hình cốt lõi là gọi xe truyền thống. Với tư cách là một khách hàng, tôi ưa thích sử dụng những ứng dụng một cửa kiểu này hơn là việc phải tải nhiều ứng dụng về điện thoại, mỗi ứng dụng phục vụ một mục đích. Và thực tế cũng cho thấy, Grab đã tăng trưởng ngoạn mục trong những năm vừa qua với doanh thu tăng trưởng gần 300% vào năm 20181

Câu chuyện mò cá trong hồ dữ liệu

Chắc hẳn các bạn đều từng nghe báo đài nói nhiều về Big Data, IoT và AI như là ba công nghệ chủ chốt của quá trình chuyển đổi số. Nếu bạn nhìn xa hơn vào bức tranh chung của công nghệ này, sẽ thấy điểm kết nối của cả ba chính là Dữ Liệu. Nếu như IoT được xây dựng để thu thập dữ liệu từ các thiết bị cảm biến/thiết bị đeo tay/máy móc theo thời gian thực…, thì Big Data là tập hợp của tất cả những loại dữ liệu này vào trong hồ dữ liệu, và từ tập hợp dữ liệu này, AI sẽ tiến hành phân tích và đưa ra gợi ý, thậm chí là ra quyết định trong một số trường hợp thay cho người sử dụng.

Lật lại câu chuyện về dữ liệu tại các doanh nghiệp Việt Nam, khó khăn lớn nhất mà những doanh nghiệp này nhắc đến, theo họ đó là việc làm cách nào để thu thập dữ liệu. Họ cho rằng việc sở hữu lượng dữ liệu sẽ giúp họ tìm thấy những mẫu thức nào đó có thể hỗ trợ cho việc ra quyết định một cách tối ưu, do vậy họ cố gắng lưu trữ lại dữ liệu càng nhiều càng tốt mặc dù bản thân họ cũng chưa biết phải sử dụng khối lượng dữ liệu này như thế nào. Điều này khiến tôi khá bất ngờ, nhưng hầu hết các doanh nghiệp mà chúng tôi tiến hành khảo sát đều đưa ra câu trả lời tương tự. Họ có nhận thức khá rõ ràng về tầm quan trọng của dữ liệu đối với chuyển đổi số, nhưng lại không xác định được cách thức dữ liệu phục vụ cho mục đích kinh doanh như thế nào. Việc lưu trữ dữ liệu một cách phân mảnh, thủ công và thiếu khoa học lại dẫn đến việc lãng phí nguồn lực và thời gian. Đồng thời, do dữ liệu được lưu trữ không đồng bộ nên bạn cũng khó có thể tìm kiếm thứ gì hữu ích từ nó.

Tôi cho rằng việc tìm kiếm cách thu thập dữ liệu không nên được coi là bước khởi đầu cho quá trình chuyển đổi số. Giống như trước khi bạn quyết định bắt cá, bạn cần biết mình sẽ làm món gì với nó. Ví dụ, hôm nay bạn đang muốn ăn cá chép om dưa, như vậy bạn sẽ phải câu cá chứ không phải là tôm cua ốc. Do đó, bạn tập trung vào mục đích sử dụng cần câu và mồi câu thích hợp để câu cá. Và kết quả là bạn sẽ được ăn món cá chép om dưa như ý. Nhưng nếu như hôm nay bạn không biết mình muốn ăn gì, bạn dành thời gian lòng vòng quanh hồ để bắt một con gì đó, kết quả bạn tốn thời gian và cũng không biết là thứ bạn bắt có ăn được hay không, hay có thể dùng để chế biến một món ăn mà bạn thích hay không.

Thông qua câu chuyện này, tôi muốn nhắn nhủ rằng, bạn không nên đi câu khi không có mục đích, trừ khi bạn thích bỏ thời gian và tiền bạc ra câu vì đam mê. Bạn cần biết được mục đích sử dụng dữ liệu trước tiên, sau đó sẽ tiến hành sử dụng các giải pháp IoT để bơm vào hồ loại con giống, loại nước, loại vi sinh nhằm nuôi lớn những con cá dữ liệu. Khi những con cá dữ liệu đủ lớn, bạn sẽ cần dùng cần câu AI với khả năng quay tự động để câu những con cá này thay vì sử dụng cần tre cho đỡ mỏi và giúp tăng khả năng câu trúng. Big Data, IoT và AI chẳng qua chỉ là công cụ để bạn đạt được mục đích.

Giải pháp nào để tận dụng dữ liệu một cách hiệu quả

Khi thực hiện tư vấn chuyển đổi số cho khách hàng, chúng tôi thường hay nhắc đến cụm từ “Begin From The End” – có nghĩa là bạn cần phải biết ngôi nhà của mình trông như thế nào trước tiên, sau đó mới tiến hành xây dựng nó. Điều này cũng phản ánh đúng với tinh thần của FPT Digital Kaizen – phương pháp luận chuyển đổi số của FPT – rằng bạn phải xác định chiến lược kinh doanh và nhiệm vụ vận hành cấp bách trước, sau đó mới xác định chiến lược chuyển đổi số và sáng kiến số đi kèm. Vậy làm thế nào để có thể khai thác và tận dụng dữ liệu một cách có hiệu quả? Thông thường chúng tôi sẽ sử dụng cách tiếp cận dựa trên giả thuyết để giải quyết những bài toán như thế này.

  • Thứ nhất, bạn cần xác định được mục đích sử dụng dữ liệu. Mục đích sử dụng dữ liệu có thể nằm trong phạm vi tối ưu hóa hoạt động sản xuất kinh doanh hay kiến tạo những giá trị mới như tôi đã nhắc đến trong phần đầu tiên. Lấy ví dụ: bạn muốn sử dụng dữ liệu để quản lý giá tối ưu.
  • Thứ hai, bạn cần phải xác định những phân tích cần có để đạt được mục đích đó. Ví dụ: bạn sử dụng dữ liệu để quản lý giá tối ưu thì bạn cần có những phân tích như: phản hồi của người tiêu dùng về giá, so sánh giá với đối thủ cạnh tranh, so sánh giá nguyên vật liệu của nhà cung ứng, so sánh giá cước của các đơn vị vận chuyển, giá hoa hồng tối ưu cho nhà phân phối…
  • Thứ ba, bạn cần xác định những dữ liệu cần cho những phân tích trên. Vi dụ: bạn cần phân tích phản hồi của người tiêu dùng về giá thì bạn cần có những dữ liệu như: thống kê tần suất phản hồi của khách hàng về giá thông qua các kênh email, cuộc gọi, tại cửa hàng, tin nhắn…; Thống kê các nhóm nội dung phản hồi của khách hàng; Thống kê phản hồi theo nhân khẩu học…
  • Thứ tư, bạn cần xác định cách thức mà bạn cần thực hiện để có thể thu thập được những dữ liệu trên. Ví dụ: bạn cần dữ liệu thống kê tần suất phản hồi của khách hàng về giá thông qua các kênh thì bạn cần thực hiện rà soát lại số lượng các loại phản hồi có nhắc đến “giá” trên từng kênh và ngồi vẽ các loại báo cáo. Đây chính là lúc công nghệ có thể hỗ trợ đắc lực cho bạn, thay vì ngồi đếm số lượng và đọc lại hết các nội dung phản hồi của khách hàng, bạn chỉ cần thực hiện vài thao tác trên CRM, và thế là bạn có thể nhận được dữ liệu thống kê ngay trong vài giây. Thông minh hơn, hệ thống có thể tự lấy dữ liệu thời gian thực từ CRM, đưa ra các báo cáo thống kê và sử dụng các thuật toán phân tích, sau đó gửi tin nhắn đẩy khuyến nghị hành động đến chiếc smartphone của bạn ngay lập tức.

Trên đây là 4 bước cơ bản dựa trên phương pháp tiếp cận bằng giả thuyết có thể giúp bạn “bơi đúng cách” trong biển dữ liệu khổng lồ.

¹Kết quả kinh doanh của Grab 2016-2018, CafeF

Thảo Nguyễn – FDX Hà Nội

Tin liên quan: