35
PHÂN TÍCH DỮ LIỆU VÀ ỨNG DỤNG PHÂN TÍCH DỮ LIỆU
CHO DOANH NGHIỆP
Nguyễn Quốc Thanh
Khoa Công nghệ Thông tin. Trường Đại học Tài chính - Marketing
Email: nqthanh@ufm.edu.vn
Tóm tắt: Ngành nghề phân tích dữ liệu (Data Analytics) đang là một trong những nghề nóng
nhất và phát triển nhanh trên toàn thế giới. Bài viết tìm hiểu về nghành nghề phân tích dữ liệu, các
số liệu cần phân tích, việc áp dụng phân tích dữ liệu trong kinh doanh cũng như tìm hiểu qua các
công cụ phần mềm hỗ trợ cho các kỹ sư phân tích dữ liệu trong tương lai.
Từ khóa: data analytics, phân tích dữ liệu, công cụ phân tích dữ liệu
1. PHÂN TÍCH DỮ LIỆU (DATA ANALYTICS) LÀ GÌ?
Trước tiên, chúng ta cần làm rõ khái niệm về Data Analysis – phân tích dữ liệu là gì?
Nói một cách ngắn gọn, phân tích dữ liệu là quá trình chọn lọc dữ liệu; rồi sau đó tìm kiếm,
thu thập thông tin quan trọng và tổng hợp số liệu dựa trên số lượng lớn các thông tin hỗn
độn.
Bạn có thể hiểu theo cách đơn giản, đây là quá trình chuyển dữ liệu thô thành dữ liệu
có thể dùng được và đưa đến kết luận.
Quy trình phân tích dữ liệu giờ đây, được tự động hóa thành quy trình và thuật toán
để chuyển từ số liệu thô thành dữ liệu dùng được.
Kỹ thuật phân tích giúp chúng ta tổng hợp dữ liệu và đưa đến kết luận cuối cùng.
Thông tin này có thể sử dụng để tối ưu hóa các quy trình và tăng hiệu quả tổng thể của
doanh nghiệp trong việc quản lý toàn bộ hệ thống.
Ví dụ: hình bên dưới là một mẫu báo cáo dữ liệu về bán hàng trên facebook, khi được
công cụ A1 Analytics phân tích và cho ra kết quả là những số liệu trực quan được thể hiện
bằng đồ thị
36
Hình 1: Báo cáo dữ liệu trên facebook sử dụng công cụ A1 Analytics
2. KHẢ NĂNG ỨNG DỤNG CỦA PHÂN TÍCH DỮ LIỆU (DATA ANALYTICS)
Phân tích dự đoán
Phân tích dự đoán là phân tích dữ liệu hiện tại để dự báo và tránh các tình huống có
vấn đề trước. Các nhà sản xuất rất quan tâm đến việc giám sát hoạt động của công ty và
hiệu suất cao của nó. Tìm cách tốt nhất có thể để xử lý các vấn đề có lỗi, khắc phục khó
khăn hoặc ngăn chặn chúng xảy ra là những cơ hội tuyệt vời cho các nhà sản xuất sử dụng
phân tích dự đoán. Việc thực hiện phân tích dự đoán cho phép xử lý tổn thất (sản xuất thừa,
thời gian nhàn rỗi, hậu cần, hàng tồn kho, …). Do đó, hãy tập trung vào các giải pháp khả
thi do phân tích dự đoán mang lại.
Dự đoán lỗi và bảo trì phòng ngừa
Cả hai mô hình dự đoán này đều nhằm mục đích dự báo thời điểm khi thiết bị không
thực hiện được nhiệm vụ. Kết quả là, mục tiêu thứ cấp có thể đạt được – để ngăn chặn
những thất bại này xảy ra hoặc ít nhất là để giảm số lượng của chúng. Điều này trở nên khả
thi với nhiều kỹ thuật dự đoán. Bảo trì phòng ngừa thường được áp dụng cho các thiết bị
vẫn đang hoạt động để giảm khả năng hỏng hóc của nó. Có hai loại bảo trì phòng ngừa
chính: dựa trên thời gian và dựa trên việc sử dụng. Sức mạnh lớn nhất của bào trì phòng
ngừa là lập kế hoạch. Có trong tay những dự đoán liên quan đến những rắc rối trong tương
lai với thiết bị, nhà sản xuất có thể lên kế hoạch nghỉ ngơi hoặc ngừng hoạt động để sửa
37
chữa. Việc nghỉ như vậy thường được thực hiện để tránh sự chậm trễ và thất bại đáng kể,
thường được gây ra bởi các vấn đề quan trọng hơn có thể phát sinh.
Dự báo nhu cầu và quản lý hàng tồn kho
Dự báo nhu cầu (demand forecast) là một quá trình phức tạp liên quan đến phân tích
dữ liệu và công việc lớn của kế toán viên và chuyên gia. Hơn nữa, nó dường như có mối
quan hệ mạnh mẽ với quản lý hàng tồn kho. Một thực tế đơn giản có thể giải thích mối liên
hệ này – dự báo nhu cầu sử dụng dữ liệu của chuỗi cung ứng. Có rất nhiều lợi ích của việc
dự báo nhu cầu cho các nhà sản xuất. Trước hết, nó mang lại cơ hội kiểm soát hàng tồn kho
tốt hơn và giảm nhu cầu lưu trữ một lượng đáng kể các sản phẩm vô dụng. Bên cạnh đó,
phần mềm quản lý hàng tồn kho trực tuyến giúp thu thập dữ liệu có thể được sử dụng nhiều
để phân tích thêm. Một yếu tố quan trọng hơn là đầu vào dữ liệu cho dự báo nhu cầu có thể
được cập nhật liên tục. Do đó, dự báo có liên quan có thể được thực hiện. Lợi ích bổ sung
nằm ở việc cải thiện mối quan hệ giữa nhà cung cấp và nhà sản xuất, vì cả hai đều có thể
điều tiết hiệu quả cổ phiếu và quy trình cung ứng của họ. Dự báo nhu cầu và quản lý hàng
tồn kho có tính đến nhiều yếu tố, trong đó có các yếu tố bên ngoài như nền kinh tế hoặc thị
trường, nguồn nguyên liệu thôi, … Bằng cách này, chúng ta có thể có được cái nhìn phức
tạp hơn về hiệu quả kinh doanh sản xuất của mình và lập kế hoạch thêm.
Tối ưu hóa giá thành sản xuất
Sản xuất và bán sản phẩm liên quan đến việc tính đến nhiều yếu tố và tiêu chí ảnh
hưởng đến giá sản phẩm. Tất cả các yếu tố bắt đầu với giá ban đầu của nguyên liệu thô và
đến chi phí phân phối đóng góp vào giá sản phẩm cuối cùng. Và điều gì xảy ra khi khách
hàng thấy mức giá này quá cao hoặc quá thấp? Tối ưu hóa giá là quá trình tìm giá tốt nhất
có thể cho cả nhà sản xuất và khách hàng, không quá cao và không quá thấp. Các giải pháp
tối ưu hóa giá hiện đại có thể tăng lợi nhuận của bạn một cách hiệu quả. Các công cụ này
tổng hợp và phân tích giá cả và dữ liệu chi phí cả từ các nguồn nội bộ và các đối thủ cạnh
tranh của bạn và rút ra các biến thể giá tối ưu hóa. Trong điều kiện thị trường cạnh tranh
cao và thay đổi nhu cầu của khách hàng, tối ưu hóa giá cả trở thành bắt buộc và phát triển
thành một quá trình liên tục.
Phân tích bảo hành
Các nhà sản xuất OEM đang chi một khoản tiền đáng kể mỗi năm cho việc hỗ trợ yêu
cầu bảo hành. Yêu cầu bảo hành tiết lộ thông tin có giá trị về chất lượng và độ tin cậy của
38
sản phẩm. Chúng giúp tiết lộ những cảnh báo sớm hoặc khiếm khuyến của sản phẩm. Sử
dụng dữ liệu này, nhà sản xuất có thể cải tiến các sản phẩm hiện có hoặc phát triển những
sản phẩm mới, hiệu quả và tốt hơn. Các giải pháp phân tích bảo hành hiện đại giúp các nhà
sản xuất xử lý khối lượng lớn dữ liệu liên quan đến bảo hành từ nhiều nguồn khác nhau và
áp dụng kiến thức này để khám phá các vấn đề bảo hành đang gia tăng và lý do xảy ra.
Robot hóa
Robot đang thay đổi bộ mặt sản xuất. Ngày nay, đó là một nguyên nhân phổ biến để
sử dụng robot thực hiện các nhiệm vụ thông thường và những thứ có thể gây khó khăn hoặc
nguy hiểm cho con người. Các nhà sản xuất có xu hướng đầu tự ngày càng nhiều tiền vào
việc robot hóa các doanh nghiệp của họ mỗi năm. Các mô hình robot được hỗ trợ bởi trí tuệ
nhân tạo (Artificial Intelligent) giúp đáp ứng nhu cầu ngày càng tăng. Hơn nữa, robot công
nghiệp phần lớn góp phần tăng chất lượng sản phẩm. Hàng năm, các mô hình nâng cấp
robot đến khu vực sản xuất để cách mạng hóa dây chuyền sản xuất. Và hiện tại, robot sản
xuất đang có giá cả phải chăng cho các doanh nghiệp hơn bao giờ hết.
Phát triển sản phẩm
Dữ liệu lớn đã mang lại cơ hội lớn cho các công ty sản xuất liên quan đến phát triển
sản phẩm. Các nhà sản xuất sử dụng lợi thế của dữ liệu lớn để hiểu khách hàng hơn, đáp
ứng nhu cầu của khách hàng và cả nhu cầu của họ. Do đó, dữ liệu có thể được sử dụng để
phát triển các sản phẩm mới hoặc để cải thiện các sản phẩm hiện có. Sử dụng dữ liệu lớn
để phát triển sản phẩm, các nhà sản xuất có thể thiết kế một sản phẩm với giá trị khách hàng
tăng lên và giảm thiểu rủi ro liên quan đến việc giới thiệu sản phẩm mới ra thị trường.
Những hiểu biết có thể hành động được tính đến trong khi lập mô hình và lập kế hoạch. Dữ
liệu này có thể tăng cường quá trình ra quyết định. Ngoài ra, các công cụ quản lý dữ liệu
được áp dụng rộng rãi để tối ưu hóa các khía cạnh hoạt động của chuỗi phân phối. Xử lý
phản hồi của khách hàng và cung cấp dữ liệu này cho các nhà tiếp thị sản phẩm có thể đóng
góp vào giai đoạn tạo ý tưởng. Do đó, một sản phẩm mới sẽ hữu ích hơn cho khách hàng
và có lợi hơn cho các nhà sản xuất có thể được phát triển.
Ứng dụng thị giác máy tính
Các công nghệ hỗ trợ trí tuệ nhân tạo và các ứng dụng thị giác máy tính đã tìm thấy
việc sử dụng chúng trong sản xuất ở giai đoạn kiểm soát chất lượng. Về mặt này, nhận dạng
đối tượng và phát hiện, phân loại đối tượng được chứng minh là rất hiệu quả. Thông thường,
39
giám sát kiểm soát chất lượng được thực hiện bởi mọi người. Tuy nhiên, hiện nay người ta
thường dựa vào thị giác máy tính hơn là thị giác con người. Các hệ thống giám sát này
thường bao gồm phần cứng và phần mềm máy tính, máy ảnh và ánh sáng để chụp ảnh. Sau
đó, những hình ảnh này được so sánh với các tiêu chuẩn để xác định sự khác biệt. Trong số
các lợi thế chính của các ứng dụng là: kiểm soát chất lượng cao được cải thiện, giảm chi
phí lao động, khả năng xử lý tốc độ cao, khả năng hoạt động liên tục 24/7.
Quản lý rủi ro chuỗi cung ứng
Chuỗi cung ứng luôn luôn phức tạp và không thể đoán trước. Rủi ro luôn là một phần
của qui trình sản xuất và phân phối sản phẩm. Sử dụng phân tích dữ liệu lớn để quản lý rủi
ro chuỗi cung ứng có thể khá có lợi cho các nhà sản xuất. Với sự trợ giúp của phân tích dữ
liệu, các công ty có thể dự đoán sự chậm trễ tiềm ẩn và tính toán xác suất của các vấn đề có
lỗi. Các công ty sử dụng kết quả của phân tích dữ liệu để xác định các nhà cung cấp dự
phòng và phát triển các kế hoạch dự phòng. Để theo kịp xu hướng thay đổi liên tục, việc áp
dụng phân tích dữ liệu thời gian thực là rất cần thiết. Dự đoán và quản lý rủi ro có thể xảy
ra là rất quan trọng cho hoạt động của một doanh nghiệp sản xuất thành công.
Trở lại thị trường Marketing & Sale tại Việt Nam trong mấy năm qua, một mặt thổi
phồng quá mức về Big Data, Machine Learning (trong khi ứng dụng trong thực tế rất hạn
chế), một mặt bị chán nản bởi nạn mua bán thông tin (rồi spam sms, email, messenger tràn
lan)….Tuy nhiên có nhiều doanh nghiệp đã ứng dụng Data Analytics rất thành công và tạo
ra tăng trưởng vượt bậc. Ví dụ: The Coffee House hiểu rất rõ hành vi của tất cả khách hàng
bằng cách thu thập dữ liệu giao dịch tại quán, app, đặt hàng online… từ đó đưa ra các chiến
dịch marketing/sale cá nhân hoá cho từng nhóm khách, từng sản phẩm và từng thời điểm.
Ví dụ sáng nay, Bình Thạnh âm u như sắp đổ mưa thì sẽ cần code gì cho thật “chill” và
push tới nhóm nào trên app để ra được lượng đặt hàng tốt nhất. Việc đó dĩ nhiên không thể
tự ngồi đoán..
3. HIỂU PHÂN TÍCH DỮ LIỆU NHƯ THẾ NÀO?
Đây là thuật ngữ rộng bao gồm nhiều loại phân tích khác nhau. Bất kỳ thông tin nào
cũng cần kỹ thuật phân tích dữ liệu để có được cái nhìn sâu sắc và sử dụng để cải thiện kết
quả kinh doanh. Ví dụ: Các xí nghiệp sản xuất thường phải dùng cách phân tích thủ công
để kiểm tra các hoạt động của một dây chuyền sản xuất, lên lịch sản xuất, thống kê số lượng
hàng, kiểm tra hết hàng, sản xuất hàng mới, thì giờ đây các dữ liệu sẽ được công cụ phân