Luận văn Thạc sĩ Quản trị kinh doanh: Ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng nhằm đẩy mạnh hoạt động kinh doanh tại Tổng công ty Viễn thông MobiFone

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG

LUẬN VĂN THẠC SĨ

ỨNG DỤNG BIG DATA TRONG PHÂN TÍCH HÀNH VI

MUA SẮM VÀ TIÊU DÙNG CỦA KHÁCH HÀNG NHẰM

ĐẨY MẠNH HOẠT ĐỘNG KINH DOANH TẠI TỔNG CÔNG

TY VIỄN THÔNG MOBIFONE

Chuyên ngành: Quản trị kinh doanh

NGUYỄN BÁ DŨNG

Hà Nội - năm 2017

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG

LUẬN VĂN THẠC SĨ

ỨNG DỤNG BIG DATA TRONG PHÂN TÍCH HÀNH VI

MUA SẮM VÀ TIÊU DÙNG CỦA KHÁCH HÀNG NHẰM

ĐẨY MẠNH HOẠT ĐỘNG KINH DOANH TẠI TỔNG CÔNG

TY VIỄN THÔNG MOBIFONE

Ngành: Kinh doanh

Chuyên ngành: Quản trị kinh doanh

Mã số: 60340102

Họ và tên học viên

: Nguyễn Bá Dũng

Người hướng dẫn

: PGS. TS. Nguyễn Văn Thoan

Hà Nội - 2017

LỜI CAM ĐOAN

Tác giả luận văn cam đoan đề tài luận văn “Ứng dụng Big Data trong phân tích

hành vi mua sắm và tiêu dùng của khách hàng nhằm đẩy mạnh hoạt động kinh

doanh tại Tổng công ty Viễn thông MobiFone” là công trình nghiên cứu của riêng

tôi, các kết quả nghiên cứu có tính độc lập riêng, không sao chép bất kỳ tài liệu nào

và chưa công bố nội dung này ở bất kỳ đâu. Các số liệu trong luận văn được sử

dụng trung thực, nguồn trích dẫn có chú thích rõ ràng, minh bạch, có tính kế thừa,

phát triển từ các tài liệu, tạp chí, các công trình nghiên cứu đã được công bố.

Tôi xin hoàn toàn chịu trách nhiệm về lời cam đoan danh dự của tôi.

Tác giả

Nguyễn Bá Dũng

LỜI CẢM ƠN

Trước tiên, người viết luận văn xin bày tỏ lòng cảm ơn sâu sắc tới các thầy cô

giáo trường Đại học Ngoại Thương, đặc biệt là các thầy cô trong Khoa Sau đại học

và Khoa Quản trị kinh doanh đã luôn giúp đỡ, tạo điều kiện cho học viên trong quá

trình học tập bậc cao học tại nhà trường.

Người viết luận văn xin trân trọng cảm ơn PGS. TS. Nguyễn Văn Thoan,

người hướng dẫn khoa học đã tận tâm và nhiệt tình hướng dẫn tác giả hoàn thiện

luận văn thạc sĩ này.

Cuối cùng, tác giả cảm ơn gia đình, bạn bè tại trường Đại học Ngoại Thương,

các đồng nghiệp tại Tổng công ty Viễn thông MobiFone đã hết sức giúp đỡ, tạo

điều kiện, phối hợp cung cấp tài liệu, thông tin cho tác giả trong suốt quá trình viết

đề tài luận văn. Mặc dù đã hết sức cố gắng từ việc nghiên cứu, sưu tầm tài liệu trong

và ngoài nước, song luận văn vẫn không tránh khỏi những thiếu sót nhất định. Tác

giả mong nhận được sự góp ý của quý thầy cô và các bạn.

iii

MỤC LỤC

Trang

LỜI CAM ĐOAN ...................................................................................................... I

LỜI CẢM ƠN ........................................................................................................... II

MỤC LỤC ............................................................................................................... III

DANH MỤC CÁC BẢNG .................................................................................... VII

DANH MỤC CÁC HÌNH, SƠ ĐỒ, BIỂU ĐỒ .................................................. VIII

DANH MỤC TỪ VIẾT TẮT ................................................................................. IX

TÓM TẮT KẾT QUẢ NGHIÊN CỨU LUẬN VĂN ............................................ X

LỜI MỞ ĐẦU ............................................................................................................ 1

CHƯƠNG 1. CƠ SỞ LÝ LUẬN VỀ BIG DATA VÀ ỨNG DỤNG BIG DATA TRONG PHÂN TÍCH HÀNH VI KHÁCH HÀNG ............................................... 6

1.1. Những vấn đề cơ bản về Big Data..................................................................... 6

1.1.1. Khái niệm về Big Data .................................................................................. 6

1.1.2. Đặc điểm ........................................................................................................ 6

1.1.3. Sự cần thiết của ứng dụng Big Data .............................................................. 7

1.1.3.1. Sự bùng nổ về dữ liệu của các doanh nghiệp trong nền kinh tế toàn cầu .............................................................................................................................. 7

1.1.3.2. Xu hướng mở rộng dữ liệu trên các lĩnh vực kinh doanh ....................... 9

1.1.3.3. Xu hướng gia tăng dữ liệu trong tương lai ............................................ 10

1.1.4. Lợi ích của ứng dụng Big Data .................................................................... 11

1.1.5. Tổng quan hệ thống kỹ thuật của ứng dụng Big Data ................................. 12

1.1.5.1. Các phương pháp phân tích dữ liệu Big Data ....................................... 12

1.1.5.2. Công nghệ sử dụng trong ứng dụng Big Data ....................................... 15

1.1.5.3. Các hình thức mô phỏng kết quả trong ứng dụng Big Data .................. 16

1.2. Những vấn đề cơ bản về hành vi mua sắm và tiêu dùng của khách hàng .. 19

1.2.1. Khái niệm ..................................................................................................... 19

1.2.2. Những yếu tố ảnh hưởng đến hành vi mua sắm và tiêu dùng ..................... 20

1.2.3. Quá trình mua sắm và tiêu dùng của khách hàng ........................................ 20

1.1.3.1. Ý thức về nhu cầu .................................................................................. 20

1.2.3.2. Tìm kiếm thông tin ................................................................................ 21

1.2.3.3. Đánh giá các phương án ........................................................................ 21

1.2.3.4. Quyết định mua ..................................................................................... 22

1.2.3.5. Đánh giá sau khi mua ............................................................................ 22

1.3. Xu hướng ứng dụng Big Data trong phân tích hành vi khách hàng trên thế giới và tại Việt Nam ................................................................................................. 23

1.3.1. Xu hướng ứng dụng Big Data trên thế giới ................................................. 23

1.3.1.1. Ngành bán lẻ .......................................................................................... 23

1.3.1.2. Ngành sản xuất ...................................................................................... 26

1.3.1.3. Dữ liệu về vị trí cá nhân ........................................................................ 28

1.3.1.4. Ngành viễn thông .................................................................................. 30

1.3.2. Kinh nghiệm triển khai ứng dụng Big Data tại một số doanh nghiệp viễn thông trên thế giới .................................................................................................. 32

1.3.3. Xu hướng ứng dụng Big Data tại Việt Nam ................................................ 38

CHƯƠNG 2. THỰC TẾ ỨNG DỤNG BIG DATA TRONG PHÂN TÍCH HÀNH VI MUA SẮM VÀ TIÊU DÙNG CỦA KHÁCH HÀNG TẠI TỔNG CÔNG TY VIỄN THÔNG MOBIFONE: NHỮNG THÀNH TỰU VÀ HẠN CHẾ .......................................................................................................................... 41

2.1. Giới thiệu về Tổng công ty Viễn thông MobiFone ........................................ 41

2.1.1. Thông tin chung ........................................................................................... 41

2.1.2. Lĩnh vực kinh doanh và sản phẩm, dịch vụ chủ yếu ................................... 41

2.1.2.1. Lĩnh vực kinh doanh .............................................................................. 41

2.1.2.2. Sản phẩm chủ yếu .................................................................................. 42

2.1.3. Quá trình hình thành và phát triển ............................................................... 43

2.1.4. Sơ đồ tổ chức ............................................................................................... 44

2.1.5. Kết quả kinh doanh ...................................................................................... 46

2.1.5.1. Bối cảnh chung ...................................................................................... 46

2.1.5.2. Kết quả kinh doanh của MobiFone ....................................................... 47

2.2. Đặc điểm hoạt động kinh doanh tại Tổng công ty Viễn thông MobiFone trước khi áp dụng Big Data .................................................................................... 49

2.2.1. Lưu trữ và phân tích đữ liệu ........................................................................ 49

2.2.2. Quy trình cung ứng sản phẩm, dịch vụ và triển khai khuyến mại ............... 51

2.3. Thực tế triển khai ứng dụng Big Data tại Tổng công ty Viễn thông MobiFone ................................................................................................................. 54

2.3.1. Xây dựng hệ thống cơ sở dữ liệu khách hàng ............................................. 55

2.3.2. Hệ thống kỹ thuật ......................................................................................... 56

2.3.2.1. Giải pháp kỹ thuật tổng thể ................................................................... 56

2.3.2.2. Mô tả năng lực, tính năng các thành phần ............................................. 57

2.3.3. Phương pháp triển khai ứng dụng Big Data ................................................ 60

2.3.3.1. Ứng dụng phân tích hành vi khách hàng để triển khai khuyến mại ...... 60

2.3.3.2. Ứng dụng phân tích hành vi khách hàng để phân khúc thị trường theo nhóm khách hàng cộng đồng .............................................................................. 71

2.4. Đánh giá hiệu quả ứng dụng Big Data tại Tổng công ty Viễn thông MobiFone ................................................................................................................. 73

2.4.1. Thành tựu ..................................................................................................... 74

2.4.1.1. Tiết kiệm thời gian ................................................................................ 74

2.4.1.2. Tiết kiệm nhân lực ................................................................................. 74

2.4.1.3. Triển khai được những ý tưởng mới ..................................................... 75

2.4.2. Hạn chế ........................................................................................................ 75

2.4.2.1. Hạn chế về kỹ thuật ............................................................................... 75

2.4.2.2. Hạn chế về nguồn dữ liệu ...................................................................... 76

2.4.2.3. Hạn chế về nguồn nhân lực ................................................................... 76

CHƯƠNG 3. ĐỀ XUẤT GIẢI PHÁP HOÀN THIỆN ỨNG DỤNG BIG DATA TRONG HOẠT ĐỘNG KINH DOANH TẠI TỔNG CÔNG TY VIỄN THÔNG MOBIFONE ............................................................................................. 78

3.1. Triển vọng ứng dụng Big Data trong ngành viễn thông thế giới và tại Việt Nam ........................................................................................................................... 78

3.1.1. Triển vọng trên thế giới ............................................................................... 78

3.1.2. Triển vọng tại Việt Nam .............................................................................. 80

3.2. Giải pháp đối với Tổng công ty Viễn thông MobiFone ................................ 80

3.2.1. Đề xuất về hệ thống kỹ thuật ....................................................................... 80

3.2.1.1. Triển khai giải pháp Hadoop ứng dụng Big Data ................................. 80

3.2.1.2. Triển khai giải pháp xử lý dữ liệu dòng (streaming data) ..................... 81

3.2.2. Đề xuất về quản trị cơ sở dữ liệu ................................................................. 83

3.2.3. Đề xuất về các mô hình ứng dụng Big Data ................................................ 84

3.2.3.1. Bổ sung các bài toán ứng dụng Big Data triển khai khuyến mại .......... 84

3.2.3.2. Triển khai giải pháp khuyến mại tức thời ............................................. 90

3.3. Đề xuất, kiến nghị đối với cơ quan quản lý nhà nước .................................. 94

3.3.1. Xây dựng kế hoạch phát triển nguồn nhân lực ............................................ 94

3.3.2. Quản lý việc chia sẻ dữ liệu ......................................................................... 94

3.3.3. Cân bằng lợi ích giữa cá nhân và doanh nghiệp .......................................... 95

3.3.4. Đảm bảo đầu tư vào cơ sở hạ tầng công nghệ thông tin và truyền thông.... 96

3.3.5. Điều chỉnh chính sách quy định quản lý khuyến mại .................................. 96

KẾT LUẬN .............................................................................................................. 98

DANH MỤC TÀI LIỆU THAM KHẢO ............................................................... 99

vii

Trang

Bảng 2.1. Phân nhóm khách hàng theo thời gian nghe ................................................... 55

Bảng 2.2. Nội dung khuyến mại theo các nhóm khách hàng .......................................... 55

Bảng 2.3. Các sản phẩm sử dụng trong chương trình khuyến mại ................................. 57

Bảng 2.4. Phân nhóm tập thuê bao có đăng ký gói trong tháng 1/2016 ......................... 57

Bảng 2.5. Phân nhóm tập thuê bao không đăng ký gói theo số ngày sử dụng................ 59

Bảng 2.6. Phân nhóm tập thuê bao sử dụng gói cước D5 ............................................... 60

Bảng 2.7. Phân nhóm tập thuê bao sử dụng M0 ............................................................. 60

Bảng 2.8. Nội dung khuyến mại theo các nhóm khách hàng .......................................... 61

Bảng 2.9. Bộ chỉ tiêu xác định các cộng đồng khách hàng của MobiFone .................... 64

Bảng 3.1. Các đề xuất bài toán ứng dụng Big Data triển khai khuyến mại .................... 85

DANH MỤC CÁC BẢNG

viii

Trang

Hình 1.1. Đặc điểm của Big Data ................................................................................... 10

Hình 1.2. Hình thức dữ liệu trong các ngành nghề năm 2011 ........................................ 13

Hình 1.3. Đám mây từ khóa – Tag Cloud ....................................................................... 20

Hình 1.4. Clustergram ..................................................................................................... 21

Hình 1.5. Dòng lịch sử .................................................................................................... 21

Hình 1.6. Dòng thông tin không gian ............................................................................. 22

Hình 1.7. Tỷ lệ sử dụng các ứng dụng Big Data phổ biến trong doanh nghiệp

viễn thông ....................................................................................................................... 32

Hình 2.1. Hệ thống máy chủ Big Data đặt tại MobiFone ............................................... 52

Hình 3.1. Giao diện hệ thống BI phân tích dữ liệu kinh doanh ...................................... 84

Sơ đồ 1.1. Mô hình các yếu tố ảnh hưởng đến hành vi của khách hàng ......................... 6

Sơ đồ 1.2. Quá trình mua sắm và tiêu dùng của khách hàng .......................................... 7

Sơ đồ 2.1. Sơ đồ tổ chức của Tổng công ty Viễn thông MobiFone ............................... 38

Sơ đồ 2.2. Quy trình cung ứng sản phẩm dịch vụ, triển khai khuyến mại của

MobiFone ........................................................................................................................ 45

Sơ đồ 2.3. Mô hình tổng thể giải pháp Big Data tại MobiFone ...................................... 49

Biểu đồ 1.1. Tốc độ gia tăng của dữ liệu toàn cầu 1986 - 2007 ..................................... 11

Biểu đồ 1.2. Số lượng dữ liệu định vị cá nhân 2009....................................................... 27

Biểu đồ 1.3. Tác động của Big Data tới lợi nhuận của doanh nghiệp viễn thông .......... 31

DANH MỤC CÁC HÌNH, SƠ ĐỒ, BIỂU ĐỒ

DANH MỤC TỪ VIẾT TẮT

STT Từ viết tắt

Tiếng Anh

Tiếng Việt

Dữ liệu lớn

Big Data

Chương trình khuyến mại

CTKM

Tài khoản chính

TKC

Tài khoản khuyến mại

TKKM

Công ty khu vực

CTKV

Sản xuất kinh doanh

SXKD

Công nghệ thông tin

CNTT

CDR Call detail record Bản ghi chi tiết cuộc gọi

MSC Mobile Switching Center Trung tâm chuyển mạch di động

OCS Online Charging System Hệ thống tính cước Online

QoS Quality of Service Chất lượng dịch vụ

HDFS Hadoop Distributed File System Hệ thống lưu trữ file của Hadoop

SMS Short Message Services Dịch vụ tin nhắn ngắn

CSDL - Cơ sở dữ liệu

16 MobiFone

SQL Structured Query Language Ngôn ngữ truy vấn có cấu trúc

- Tổng công ty viễn thông MobiFone

Viettel - Tập đoàn viễn thông quân đội Viettel

VinaPhone - Công ty dịch vụ viễn thông VinaPhone

ARPU Average Revenue Per User Doanh thu bình quân trên một thuê bao

TÓM TẮT KẾT QUẢ NGHIÊN CỨU LUẬN VĂN

Qua những phân tích, đánh giá, mục tiêu của luận văn là nghiên cứu một cách

tổng thể việc ứng dụng phân tích dữ liệu lớn (Big Data) từ đó đề xuất giải pháp

nâng cao hiệu quả ứng dụng phân tích Big Data tại MobiFone. Luận văn được kết

cấu làm 3 chương trong đó trình bày các vấn đề lớn để nhằm đạt được mục tiêu

nghiên cứu của luận văn:

Chương 1: Cơ sở lý luận về hành vi mua sắm và tiêu dùng của khách hàng và

xu hướng ứng dụng Big Data trong phân tích hành vi khách hàng.

Chương này cung cấp cơ sở lý luận và những vấn đề liên quan về hành vi mua

sắm và tiêu dùng của khách hàng, và về Big Data, đặc điểm, sự cần thiết của ứng

dụng Big Data trong các lĩnh vực và lợi ích của ứng dụng Big Data. Xu hướng ứng

dụng Big Data trong phân tích khách hàng trên thế giới và tại Việt Nam, đặc biệt tại

các doanh nghiệp viễn thông, sử dụng Big Data như một công cụ hữu hiệu nâng cao

tính trải nghiệm của khách hàng khi sử dụng dịch vụ. Chương này cũng phân tích

một số trường hợp điển hình về doanh nghiệp viễn thông ứng dụng Big Data trên

thế giới (Vodafone Qatar, Ufone, MTS India) từ đó rút ra bài học kinh nghiệm cho

các doanh nghiệp viễn thông tại Việt Nam nói chung và MobiFone nói riêng.

Chương 2: Thực tế ứng dụng Big Data trong phân tích hành vi mua sắm và

tiêu dùng của khách hàng tại Tổng công ty Viễn thông MobiFone: những thành tựu

và hạn chế.

Chương này giới thiệu tổng quan về Tổng công ty Viễn thông MobiFone, sau

đó phân tích đặc điểm hoạt động kinh doanh tại Tổng công ty. Tổng công ty Viễn

thông MobiFone là một trong những doanh nghiệp tiên phong tại Việt Nam đã ứng

dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng để

thiết kế sản phẩm, cung cấp ưu đãi phù hợp và bước đầu đạt được hiệu quả tích cực.

Mô tả thực tế quá trình triển khai ứng dụng Big Data tại Tổng công ty, phương pháp

triển khai ứng dụng, một số trường hợp ứng dụng điển hình, kết quả sau thời gian

hơn 1 năm triển khai, từ đó đánh giá hiệu quả ứng dụng, có so sánh với trước khi

triển khai, những thành tựu đạt được và hạn chế cần khắc phục.

Chương 3: Đề xuất giải pháp hoàn thiện ứng dụng Big Data trong hoạt động

kinh doanh tại Tổng công ty Viễn thông MobiFone

Qua những phân tích, đánh giá, chương này chỉ ra sự cần thiết và xu hướng

của ứng dụng phân tích dữ liệu lớn (Big Data) trong hoạt động sản xuất kinh doanh

tại các doanh nghiệp viễn thông trên thế giới và tại Việt Nam, sử dụng như một

công cụ tạo lợi thế cạnh tranh khác biệt với đối thủ trên thị trường. Từ việc nhìn

nhận những thành tựu, tồn tại, hạn chế qua quá trình thực tế triển khai áp dụng tại

MobiFone, đồng thời học hỏi kinh nghiệm triển khai tại một số doanh nghiệp viễn

thông trên thế giới, từ đó đưa ra các đề xuất giải pháp nhằm đẩy mạnh hơn nữa các

ứng dụng của Big Data, khai thác tối đa lợi ích mà Big Data mang lại nhằm nâng

cao hiệu quả của hoạt động sản xuất kinh doanh của Tổng công ty.

- 1 -

LỜI MỞ ĐẦU

1. Tính cấp thiết của đề tài

Dữ liệu nói chung đã trở thành một phần không thể thiếu trong hoạt động sản

xuất kinh doanh của các doanh nghiệp trong nền kinh tế, nhất là trong thời đại toàn

cầu hóa như hiện nay. Dữ liệu đang ở trong giai đoạn bùng nổ. Các công ty thường

lưu trữ hàng nghìn tỷ byte thông tin về khách hàng, nhà cung cấp, các hoạt động và

hàng triệu các thiết bị kết nối mạng đang được sử dụng trong các thiết bị như điện

thoại di động, thiết bị giám sát hành trình xe ô tô... Các thông tin đa phương tiện,

đặc biệt là việc truy cập mạng xã hội từ người tiêu dùng tiếp tục thúc đẩy tăng

trưởng theo cấp số nhân. Một lượng lớn dữ liệu cần được nắm bắt, truyền đạt, tổng

hợp, lưu trữ, phân tích - một phần quan trọng cho mỗi doanh nghiệp trong nền kinh

tế toàn cầu. Cũng giống như các yếu tố cần thiết khác của doanh nghiệp như tài sản

hay con người, dữ liệu có vai trò không thể thiếu trong thời đại nền kinh tế ngày

càng phát triển và yêu cầu khắt khe về năng lực của mỗi doanh nghiệp để cạnh tranh

và tồn tại.

Câu hỏi đặt ra là ý nghĩa của xu hướng gia tăng trên là gì? Liệu đó có đơn giản

là sự gia tăng của dữ liệu như là một xu thế của thế giới? Hay dữ liệu lớn đang đóng

một vai trò quan trọng trong nền kinh tế? Doanh nghiệp cần phải làm gì trước thời

đại của dữ liệu lớn để theo kịp xu hướng, và quan trọng hơn hết là gia tăng doanh

thu lợi nhuận, cải thiện và phát huy tình hình sản xuất kinh doanh của chính doanh

nghiệp mình, từ đó đóng góp một phần cho sự phát triển chung của đất nước và xã

hội.

Thuật ngữ Big Data (dữ liệu lớn) đang dần trở nên phổ biến trên thế giới trong

những năm gần đây, dùng để chỉ một giải pháp phân tích dữ liệu có số lượng lớn, đa

dạng, phức tạp với tốc độ xử lý cao. Ứng dụng Big Data giúp doanh nghiệp tìm hiểu

được giá trị thông tin thực sự nằm sau dữ liệu sẵn có, đặc biệt trong một xã hội toàn

cầu hóa và thế giới số như hiện nay, từ đó nghiên cứu được sở thích, thói quen của

khách hàng. Xa hơn nữa, ứng dụng được Big Data có thể giúp các tổ chức, chính

- 2 -

phủ dự đoán được tỉ lệ thất nghiệp, xu hướng nghề nghiệp trong tương lai để tập

trung đầu tư hoặc cắt giảm chi tiêu, kích thích tăng trưởng kinh tế...

Nhận thức được xu thế đó, Tổng công ty Viễn thông MobiFone cũng đã đưa

vào khai thác và ứng dụng Big Data trong việc phân tích hành vi tiêu dùng của

khách hàng từ đầu năm 2015 và đã đạt được những thành công bước đầu. Trong

tương lai, Big Data sẽ được ứng dụng phân tích sâu hơn và mở rộng trên tất cả các

lĩnh vực kinh doanh của MobiFone để ngày càng hoàn thiện và nâng cao hiệu quả

hoạt động kinh doanh.

2. Tổng quan tình hình nghiên cứu

Trên phạm vi quốc tế, Big Data đã được nghiên cứu và ứng dụng trong nhiều

lĩnh vực, một số bài viết điển hình về Big Data bao gồm:

- “As the economy contracts, the digital universe expands” (Gantz, John F.,

2009) đưa ra nhận định và dự báo về sự bùng nổ của dữ liệu dưới nhiều hình

thức, phương tiện, từ ký tự, văn bản tới hình ảnh, âm thanh, tuy nhiên phần lớn

dữ liệu vẫn đang ở dưới dạng “vật chất tối” (dữ liệu chưa có ý nghĩa với người

sử dụng). Trong giai đoạn bùng nổ dữ liệu, các doanh nghiệp, đặc biệt là

doanh nghiệp công nghệ thông tin phải đối mặt với những thách thức cũng

như cơ hội cải tiến công nghệ khai thác dữ liệu để tạo ra khác biệt về lợi thế

cạnh tranh.

- “Big Data for Good” (Roberto V. Zicari, 2012) đã chỉ ra rằng Big Data không

chỉ là kích thước của những dữ liệu đơn lẻ, mà bằng cách kết nối những dữ

liệu đơn lẻ lại với nhau để tạo ra những thông tin hữu ích và có giá trị. Từ đó,

Big Data được ứng dụng rộng rãi trong tất cả các lĩnh vực trong xã hội (kinh

tế, giáo dục, y tế, chăm sóc sức khỏe, xử lý khủng hoảng…) và giúp những dữ

liệu vô nghĩa trở thành một nguồn lực xã hội.

- “New Horizons for a Data-Driven Economy” (Cavanillas J. M., 2015): nghiên

cứu đã đưa ra dự báo về xu hướng của dữ liệu và Big Data tới năm 2020, tạo

ra một sự thay đổi hoàn toàn trong tất cả các ngành công nghiệp và sự phát

triển của hệ sinh thái Big Data. Chuỗi giá trị của Big Data gồm: thu thập dữ

- 3 -

liệu, phân tích dữ liệu, kiểm soát dữ liệu, lưu trữ dữ liệu và sử dụng dữ liệu.

Đồng thời, nghiên cứu phân tích những đổi mới sẽ diễn ra trong các ngành

công nghiệp về chăm sóc sức khỏe, lĩnh vực công, tài chính và bảo hiểm, năng

lượng và giao thông, truyền thông và giải trí, viễn thông, bán lẻ, sản xuất. Từ

đó, nghiên cứu đề xuất lộ trình, các kế hoạch hành động về công nghệ, kinh

doanh, chính sách và xã hội, hướng tới một nền kinh tế dựa trên dữ liệu.

Tại Việt Nam, tài liệu nghiên cứu sâu về Big Data còn tương đối hạn chế,

trong số đó có thể kể tới một số tài liệu tiêu biểu là:

- Tài liệu “Tuyển tập Dữ liệu lớn” (Nguyễn Minh Cao Hoàng, 2016): trình bày

thế nào là dữ liệu lớn qua một số minh họa và ứng dụng trong các ngành khác

nhau như kinh tế, giáo dục, báo chí, sử học, quản lí đô thị, y khoa...; đề

cập những vấn đề đang tranh luận, ví dụ như: những công nghệ tin học mới

trong việc xử lý những dữ liệu cực lớn có thay đổi triết lý tin học không, sự

chuyển đổi kinh tế và xã hội mà các công nghệ này tạo nên đặt ra những vấn

đề nào cho sự riêng tư của cá nhân hay liệu có hay không một sự đoạn tuyệt

mang tính khoa học luận, với sự chuyển tiếp từ các phương pháp giả thuyết và

suy diễn mà dựa trên đó khoa học hiện đại đã được xây dựng đến một logic

quy nạp, rất khác biệt với truyền thống.

- “Tổng quan về dữ liệu lớn (Big Data)” (Nguyễn Công Hoan, 2016) cung cấp

cái nhìn tổng quan, khái niệm, đặc trưng của Big Data, sự khác biệt so với dữ

liệu truyền thống; khái quát bức tranh tổng thể về ứng dụng Big Data trên thế

giới qua những ví dụ trong hoạt động chính trị, giao thông, y tế, thể thao, tài

chính, thương mại, thống kê; và đánh giá những cơ hội và thách thức khi ứng

dụng Big Data trong thống kê chính thức. Điều quan trọng nhất trong tài liệu

đã đưa ra những ưu điểm của Big Data, đó là cung cấp thông tin để người sử

dụng xử lý được tình huống nhanh nhất, chính xác nhất và luôn có tính định

hướng đến tương lai.

Đề tài nghiên cứu của luận văn kế thừa những cơ sở lý luận, nền tảng khoa học

của các đề tài nghiên cứu đi trước, kết hợp với việc phân tích đánh giá thực tiễn

- 4 -

triển khai tại Tổng công ty Viễn thông MobiFone, học hỏi kinh nghiệm từ những

doanh nghiệp cùng ngành trên thế giới, từ đó giải quyết câu hỏi làm thế nào để hoàn

thiện và nâng cao hiệu quả ứng dụng Big Data tại MobiFone.

3. Nhiệm vụ nghiên cứu

- Hệ thống những lý luận cơ bản về Big Data, chỉ ra xu hướng tất yếu của ứng

dụng Big Data trong tất cả các lĩnh vực trên thế giới và tại Việt Nam, đặc biệt

trong lĩnh vực viễn thông.

- Đánh giá thực trạng triển khai ứng dụng Big Data trong phân tích hành vi của

khách hàng tại Tổng công ty Viễn thông MobiFone, xác định những tồn tại

hạn chế cần khắc phục.

- Đề xuất các giải pháp nhằm hoàn thiện ứng dụng Big Data trong hoạt động sản

xuất kinh doanh tại Tổng công ty Viễn thông MobiFone, đưa ra đề xuất đối

với doanh nghiệp cũng như đối với cơ quan quản lý nhà nước.

4. Phương pháp nghiên cứu

Luận văn sử dụng phương pháp luận chủ nghĩa duy vật biện chứng và duy vật

lịch sử, kết hợp với phương pháp thống kê, phân tích, tổng hợp, so sánh để làm sáng

tỏ vấn đề nghiên cứu.

5. Đối tượng nghiên cứu và phạm vi nghiên cứu

5.1. Đối tượng nghiên cứu

Đối tượng nghiên cứu của đề tài là thực trạng ứng dụng Big Data trong phân

tích hành vi mua sắm và tiêu dùng của khách hàng và giải pháp để nâng cao hiệu

quả ứng dụng Big Data.

5.2. Phạm vi nghiên cứu

- Về mặt thời gian: Phạm vi nghiên cứu giới hạn về mặt thời gian từ khi Tổng

công ty Viễn thông MobiFone bắt đầu triển khai nâng cấp, tích hợp các hệ

thống kỹ thuật để triển khai ứng dụng Big Data vào năm 2014.

- Về mặt nội dung: Đề tài tập trung vào phân tích hiệu quả của việc ứng dụng

Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng trong

- 5 -

kinh doanh nói chung, tại một số doanh nghiệp viễn thông trên thế giới và tại

Tổng công ty Viễn thông MobiFone.

6. Kết quả nghiên cứu

Đánh giá xu hướng ứng dụng Big Data trong phân tích dữ liệu khách hàng,

phân tích hành vi mua sắm và tiêu dùng của khách hàng, đặc biệt trong lĩnh vực

viễn thông, nghiên cứu kinh nghiệm triển khai tại Tổng công ty Viễn thông

MobiFone, từ đó đưa ra những đề xuất cụ thể để Tổng công ty Viễn thông

MobiFone triển khai ứng dụng Big Data đạt hiệu quả cao hơn trong kinh doanh.

7. Kết cấu của luận văn

Luận văn gồm có 3 phần chính như sau:

- Cơ sở lý luận về hành vi mua sắm và tiêu dùng của khách hàng và xu hướng

ứng dụng Big Data trong phân tích hành vi khách hàng.

- Thực tế ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của

khách hàng tại Tổng công ty Viễn thông MobiFone: những thành tựu và hạn

chế.

- Đề xuất giải pháp hoàn thiện ứng dụng Big Data trong hoạt động kinh doanh

tại Tổng công ty Viễn thông MobiFone.

- 6 -

Chương 1. Cơ sở lý luận về Big Data và ứng dụng Big Data trong phân tích

hành vi khách hàng

1.1. Những vấn đề cơ bản về Big Data

1.1.1. Khái niệm về Big Data

Dữ liệu lớn (Big Data) là thuật ngữ dùng để mô tả các bộ dữ liệu có kích thước

rất lớn, tốc độ phát triển nhanh và khó thu thập, lưu trữ, quản lý và phân tích với các

công cụ hay ứng dụng truyền thống. Big Data khó có thể xác định bằng một số

lượng nhất định như Terabytes (1000 GB). Khi công nghệ tiến bộ theo thời gian,

kích thước của các dữ liệu cũng sẽ tăng lên và Big Data được hiểu luôn có kích

thước lớn hơn rất nhiều. Tại thời điểm hiện tại, Big Data có thể tạm tính dung lượng

từ vài chục terabyte tới nhiều petabyte (1 petabyte = 1000 terabyte).

Xét trên quan điểm toàn diện hơn, Big Data là “một hiện tượng văn hóa, công

nghệ và học thuật dựa trên sự tương tác của: (1) Công nghệ tối đa hóa sức mạnh

tính toán và độ chính xác thuật toán để thu thập, phân tích, liên kết, và so sánh các

tập dữ liệu lớn. (2) Phân tích tạo ra trên dữ liệu lớn để xác định mô hình giải thích

các hiện tượng kinh tế, xã hội, kỹ thuật và pháp lý.” (Danah Boyd và Kate Crawford

2012, Tr. 10).

1.1.2. Đặc điểm

Một số đặc điểm của Big Data bao gồm Dung lượng (volume), Tốc độ

(velocity), Tính đa dạng (variety), Độ chính xác (veracity), Giá trị thông tin (value).

Hình 1.1. Đặc điểm của Big Data

- 7 -

Dung lượng (volume): Dung lượng của Big Data đang tăng lên mạnh mẽ theo

thời gian. Lợi ích thu được từ việc xử lý một khối lượng lớn dữ liệu chính là điểm

thu hút chủ yếu của Big Data, tuy nhiên cũng đặt ra nhiều khó khăn trong việc tìm

ra những phương pháp, kỹ thuật để xử lý khối lượng dữ liệu này.

Tốc độ (velocity): Với sự ra đời của các kỹ thuật, công cụ, ứng dụng lưu trữ,

nguồn dữ liệu liên tục được bổ sung với tốc độ nhanh chóng.

Tính đa dạng (variety): Dữ liệu được thu thập từ nhiều nguồn khác nhau, từ

các thiết bị cảm biến, thiết bị di động, qua mạng xã hội… Các kiểu dữ liệu có cấu

trúc, bán cấu trúc và không có cấu trúc tồn tại dưới nhiều hình thức bao gồm hình

ảnh, âm thanh, video, văn bản…

Độ chính xác (veracity): Một trong những tính chất phức tạp nhất của Big

Data. Với xu hướng truyền thông xã hội (social media) và mạng xã hội (social

network) ngày nay và sự gia tăng mạnh mẽ tính tương tác và chia sẻ của người dùng

di động làm cho bức tranh xác định về độ tin cậy và chính xác của dữ liệu ngày một

khó khăn hơn.

Giá trị thông tin (value): Tính chất quan trọng nhất của xu hướng công nghệ

Big Data. Ở đây doanh nghiệp phải hoạch định được những giá trị thông tin hữu ích

của Big Data mang lại để giải quyết vấn đề, bài toán hoặc mô hình hoạt động kinh

doanh của mình. Có thể nói việc đầu tiên là phải xác định được tính chất giá trị

thông tin thì mới nên bắt đầu triển khai Big Data.

1.1.3. Sự cần thiết của ứng dụng Big Data

1.1.3.1. Sự bùng nổ về dữ liệu của các doanh nghiệp trong nền kinh tế toàn cầu

Thế giới đang chứng kiến sự tăng trưởng một cách đột biến về luồng dữ liệu

của các doanh nghiệp. Sự gia tăng ấy không chỉ diễn ra trong giới hạn một hay hai

ngành nghề, mà hầu hết trên tất cả các khía cạnh của nền kinh tế, đặc biệt là sự phát

triển nhanh chóng và phổ biến rộng rãi của công nghệ kỹ thuật số đã thúc đẩy sự

phát triển của kho dữ liệu.

- 8 -

Năm 2010, các nhà khoa học trên thế giới đã ước tính luồng dữ liệu mới được

lưu trữ bởi các doanh nghiệp sẽ xoay quanh mốc 7 exabyte (1 exabyte = 1000

petabyte) trên toàn cầu, nhưng thực tế luồng dữ liệu ấy đã vượt trên mức dự kiến

thêm 6 exabyte nữa. Có thể so sánh rằng nếu chuyển những dữ liệu các doanh

nghiệp đang có sang hình thức văn bản, thì cần đến 60.000 thư viện Quốc hội Hoa

kỳ mới có thể đủ diện tích. Dữ liệu mà các doanh nghiệp đang có không chỉ dưới

dạng văn bản thông thường, mà ngày nay, đó còn là hình ảnh, video, đa phương

tiện… Chính điều này là một phần tác nhân thúc đẩy việc gia tăng lượng dữ liệu

theo cấp số nhân trong tương lai gần (Manyika, K., Michael Chui 2011, Tr. 16).

Gần đây nhất, Martin Hilbert và Priscila López đã xuất bản một bài báo khoa

học trong đó phân tích tổng dữ liệu toàn cầu từ năm 1986 đến năm 2007, phân tích

cho thấy: Dung lượng lưu trữ trên toàn cầu đã tăng trưởng với tốc độ hàng năm là

23% trong giai đoạn 1986 - 2007 (hơn 290 exabyte vào năm 2007 cho tất cả các

phương tiện truyền thông và kỹ thuật số). Nghiên cứu cũng ghi nhận sự gia tăng của

thông tin kỹ thuật số, ước tính tỷ lệ phần trăm của dữ liệu được lưu trữ ở dạng kỹ

thuật số tăng từ 25% chỉ trong năm 2000 (hình thức tương tự như sách, ảnh, âm

thanh, video chiếm phần lớn khả năng lưu trữ dữ liệu tại thời điểm đó) đến 94%

trong năm 2007.

Biểu đồ 1.1: Tốc độ gia tăng của dữ liệu toàn cầu 1986 – 2007

(Nguồn: Hibert và Lopez, “The world’s technology capacity to store, communicate,

and compute information”, 2011)

- 9 -

1.1.3.2. Xu hướng mở rộng dữ liệu trên các lĩnh vực kinh doanh

Như vậy dữ liệu đã và đang phát triển theo cấp số nhân trong thời đại ngày nay

và diễn ra trên mọi lĩnh vực. Quan trọng hơn, sự gia tăng mạnh mẽ lượng dữ liệu là

cần thiết cho các doanh nghiệp trong quá trình phát triển. Một số công ty có luồng

dữ liệu nhiều hơn so với trung bình ngành có khả năng đem lại những cơ hội để

nắm bắt giá trị từ dữ liệu lớn. Các doanh nghiệp tài chính, bao gồm cả chứng khoán,

đầu tư, ngân hàng, có luồng dữ liệu kỹ thuật số lớn nhất so với các ngành khác vì

các doanh nghiệp tham gia trong lĩnh vực này có xu hướng giao dịch tập trung. Các

doanh nghiệp truyền thông hay chính phủ cũng có luồng dữ liệu kỹ thuật số tương

đối nhiều. Tuy nhiên, những đơn vị này thường không chia sẻ dữ liệu với nhau nên

giá trị mà họ có thể có được từ dữ liệu lớn có thể bị hạn chế.

Ngoài ra, với sự thay đổi về số lượng dữ liệu được lưu trữ trong các lĩnh vực

kinh tế khác nhau, các hình thức của dữ liệu được tạo ra cũng khác nhau rõ rệt. Ví

dụ, dịch vụ tài chính, bán lẻ đều tạo ra một lượng đáng kể các văn bản và dữ liệu số

bao gồm: dữ liệu khách hàng, thông tin giao dịch. Các lĩnh vực khác như sản xuất,

chăm sóc sức khỏe và thông tin liên lạc, phương tiện truyền thông có tỷ lệ các dữ

liệu đa phương tiện cao hơn. Trong lĩnh vực sản xuất, dữ liệu chủ yếu là hình ảnh

thiết kế. Dữ liệu hình ảnh X-quang, CT chiếm phần lớn trong ngành chăm sóc sức

khỏe. Một trang giấy duy nhất của hồ sơ có độ lớn tầm 1 kilobyte, nhưng một hình

ảnh duy nhất có thể cần đến 20 - 200 megabyte hoặc nhiều hơn để lưu trữ. Trong

thông tin liên lạc và phương tiện truyền thông, âm thanh lại chiếm nhiều dung lượng

nhất.

Hiện nay, khu vực Bắc Mỹ và châu Âu cùng lưu trữ khoảng 70% dữ liệu trên

toàn thế giới. Tuy nhiên, các nước phát triển và các nước đang phát triển được kỳ

vọng sẽ có sự tăng trưởng mạnh mẽ tới 35 đến 45%/năm. Các dữ liệu lưu trữ tại một

khu vực không có nghĩa sẽ chỉ phục vụ cho khu vực đó, mà hơn thế nữa, sẽ được sử

dụng trên phạm vi toàn cầu (Manyika, K., Michael Chui 2011, Tr. 18).

- 10 -

Video Hình ảnh Âm thanh Chữ/Văn bản

Ngân hàng

Bảo hiểm

Dịch vụ tài chính

Sản xuất công nghiệp

Sản xuất thủ công

Doanh nghiệp bán lẻ

Doanh nghiệp bán buôn

Dịch vụ chuyên nghiệp

Dịch vụ khách hàng

Y tế

Giao thông vận tải

Truyền thông

Công ty giải pháp

Xây dựng

Khai thác tài nguyên

Chính phủ

Giáo dục

Hình 1.2: Hình thức dữ liệu trong các ngành nghề năm 2011

(Nguồn: Manyika, K., Michael Chui, “Big data: The next frontier for innovation,

competition, and productivity”, 2011)

1.1.3.3. Xu hướng gia tăng dữ liệu trong tương lai

Không chỉ dừng lại ở dữ liệu riêng biệt trong mỗi ngành hay khu vực khác

nhau, xu hướng liên kết hợp tác, mở rộng phạm vi kết nối giữa các doanh nghiệp sẽ

triển mạnh mẽ. Cơ sở dữ liệu sẽ bao gồm những giao dịch truyền thống, các nội

dung đa phương tiện và đặc biệt là sự gia tăng của các ứng dụng mới trong thời đại

của Internet.

Các doanh nghiệp đang thu thập dữ liệu với mức độ chi tiết hơn, ghi lại mọi

giao dịch của khách hàng, đính kèm thông tin cá nhân nhiều hơn và cũng thu thập

thêm thông tin về hành vi của người tiêu dùng trong nhiều môi trường khác nhau.

Việc này yêu cầu lưu trữ nhiều hơn và phân tích sâu hơn. Tesco tạo ra hơn 1,5 tỷ

mục dữ liệu mới mỗi tháng. Kho Wal-Mart hiện nay bao gồm khoảng 2,5 petabyte

thông tin. Ngành chăm sóc sức khỏe và y tế ngày càng tăng cường sử dụng thông

tin lưu trữ dưới dạng đa phương tiện, việc này càng góp phần vào sự phát triển của

dữ liệu lớn. Hơn 95% các dữ liệu lâm sàng tạo ra trong y tế là là video với độ phân

giải cao (hình thức dữ liệu tiêu tốn nhiều diện tích trong kho thông tin nhất).

- 11 -

Sự gia tăng trong việc sử dụng mạng xã hội đã tạo ra một dòng dữ liệu mới.

Trong khi những thành viên đa số là giới trẻ, thì tỷ lệ gia tăng nhanh nhất lại là

nhóm người cao tuổi. McKinsey đã khảo sát người sử dụng các dịch vụ kỹ thuật số

và nhận thấy: Năm 2009, 7% gia tăng ở nhóm tuổi 25 đến 34, 21 – 22% ở nhóm

tuổi 35 đến 54, 52% ở nhóm tuổi 55 đến 64. Điện thoại thông minh ra đời đã thúc

đẩy việc sử dụng các mạng xã hội ngày càng rộng khắp. 600 triệu người dùng

Facebook thường xuyên và dành hơn 9,3 tỷ giờ/tháng. Nếu Facebook là một quốc

gia, quốc gia này sẽ có dân số lớn thứ ba trên thế giới.

Sự gia tăng sử dụng Internet là một xu hướng thúc đẩy tăng trưởng trong dữ

liệu lớn. Các dự án nghiên cứu McKinsey cho rằng số lượng các thiết bị có kết nối

Internet sẽ tăng trưởng với tốc độ trên 30% mỗi năm trong 5 năm tiếp theo. Một số

lĩnh vực công nghiệp dự kiến sẽ khai thác ứng dụng nhiều tiện ích như các nhà khai

thác lắp đặt công tơ thông minh hơn, thiết bị theo dõi sức khỏe từ xa, bán lẻ, ngành

công nghiệp ô tô (Manyika, J. 2011, Tr. 21).

Như vậy, dữ liệu đã trở thành một yếu tố quan trọng của hoạt động sản xuất

kinh doanh, ngang bằng với tài sản và nguồn lực con người. Với cường độ dữ liệu

ngày càng gia tăng mạnh mẽ, cùng với sự phát triển của công nghệ như phương tiện

truyền thông xã hội và các ứng dụng của Internet sẽ tiếp tục thúc đẩy tăng trưởng

theo cấp số nhân qua những dữ liệu có thể dự đoán. Big Data đóng vai trò quan

trọng trong việc tạo ra giá trị cho cả doanh nghiệp và người tiêu dùng.

1.1.4. Lợi ích của ứng dụng Big Data

Hình thức lưu trữ và xử lý dữ liệu truyền thống tạo ra nhiều bất lợi cho các

doanh nghiệp trong quá trình sử dụng nguồn dữ liệu sẵn có: Các dữ liệu có thể bị

trùng lặp, gây tốn kém, lãng phí bộ nhớ và các thiết bị lưu trữ, dư thừa thông tin lưu

trữ; dữ liệu không nhất quán và không bảo đảm được tính toàn vẹn của dữ liệu. Việc

ứng dụng Big Data sẽ giúp doanh nghiệp giải quyết được các vấn đề đó và đem lại

nhiều lợi ích tạo ra giá trị cho doanh nghiệp:

Thứ nhất, hầu hết các công cụ thiết kế trong hệ thống Big Data được dùng để

cung cấp các mẫu thống kê khổng lồ. Thay vì khai thác thủ công và sử dụng các

- 12 -

công cụ thống kê truyền thống, người sử dụng có thể tìm kiếm được ngay các phân

khúc khách hàng, dự đoán nhu cầu về sản phẩm hoặc mức sử dụng chi phí.

Thứ hai, thao tác thực hiện truy vấn dữ liệu và phân tích được diễn ra trong

thời gian rút ngắn hơn rất nhiều so với các công nghệ trước đây, giúp doanh nghiệp

đưa ra các phản ứng tức thời trước tình hình biến đổi của thị trường.

Thứ ba, các doanh nghiệp có thể nhìn thấy nhiều thông tin giá trị từ kho dữ

liệu khổng lồ, thậm chí là lộn xộn. Có rất nhiều loại dữ liệu trong doanh nghiệp, kể

cả những nguồn thông tin sai lệch, không đạt chuẩn. Tuy nhiên, theo một khía cạnh

khác, nhiều phân tích, dự đoán (ví dụ như phát hiện gian lân) lại phụ thuộc vào các

giá trị ngoại lai và dữ liệu bất thường.

1.1.5. Tổng quan hệ thống kỹ thuật của ứng dụng Big Data

Với lượng thông tin khổng lồ, Big Data cần đến các kĩ thuật khai thác xử lý

thông tin đặc biệt. Có một lượng lớn các công nghệ và kĩ thuật được nghiên cứu

phát triển và tích hợp dùng để phân tích Big Data, trong đó có thể kế đến một số kĩ

thuật liên quan đến xác xuất thống kê, khoa học máy tính, toán và kinh tế học. Một

số kĩ thuật và ứng dụng phân tích Big Data bước đầu đã được triển khai phân tích

trên nền tảng dữ liệu nhỏ, nhưng khi triển khai mô hình Big Data cũng đã rất thành

công và hiệu quả.

1.1.5.1. Các phương pháp phân tích dữ liệu Big Data

a. Kiểm tra phân tách (A/B Testing)

Kiểm tra phân tách (A/B testing hay split testing) là một kỹ thuật trong đó một

nhóm đối chứng được so sánh với nhiều nhóm thử nghiệm khác nhau để xác định

phương án tác động nào sẽ cải thiện một biến khách quan nhất định, ví dụ tỷ lệ phản

hồi của khách hàng. Một ứng dụng ví dụ là xác định văn bản, bố cục, hình ảnh hoặc

màu sắc nào sẽ làm tăng tỷ lệ chuyển đổi trên một website thương mại điện tử (tỷ lệ

chuyển đổi là tỷ lệ mà khách hàng thực hiện một hành động mong muốn nào đó).

Big Data cho phép thực hiện và phân tích số lượng lớn các bài kiểm tra, đảm

bảo rằng các nhóm có đủ kích cỡ để phát hiện sự khác biệt có ý nghĩa (có ý nghĩa

thống kê) giữa các nhóm đối chứng và thử nghiệm. Khi nhiều hơn một biến được

- 13 -

thao tác đồng thời trong quá trình xử lý và áp dụng mô hình thống kê, sự tổng quát

đa chiều của kỹ thuật gọi là thử nghiệm “A/B/N”.

b. Luật kết hợp (Association Rule)

Luật kết hợp là một tập hợp các kỹ thuật để phát hiện các mối quan hệ (quy tắc

kết hợp) giữa các biến trong các cơ sở dữ liệu lớn. Các kỹ thuật này bao gồm nhiều

thuật toán để tạo ra và kiểm tra các quy tắc có thể xảy ra.

Ví dụ một ứng dụng là phân tích giỏ hàng, trong đó một nhà bán lẻ có thể xác

định sản phẩm nào thường xuyên được mua lại, các sản phẩm nào thường được mua

cùng với nhau và sử dụng thông tin này để tiếp thị.

c. Phân nhóm (Cluster Analysis)

Kỹ thuật phân nhóm (phân cụm) là một phương pháp thống kê nhằm phân loại

các đối tượng trong một nhóm đa dạng thành các nhóm nhỏ có đặc điểm tương đồng

dựa vào một vài tiêu chí đã được xác định trước. Ứng dụng điển hình của kỹ thuật

phân nhóm là phân chia người tiêu dùng thành các nhóm nhỏ khách hàng mục tiêu,

tìm hiểu hành vi khách hàng, nhận dạng các cơ hội cho sản phẩm mới hay lựa chọn

phân khúc để thử nghiệm các chiến lược khác nhau.

d. Khai phá chuỗi (Sequential/Temporal Patterns)

Khai phá chuỗi thời gian là kỹ thuật tương tự như khai phá luật kết hợp nhưng

có thêm tính thứ tự và tính thời gian. Hướng tiếp cận này được ứng dụng nhiều

trong lĩnh vực tài chính và thị trường chứng khoán vì có tính dự báo cao.

e. Khai thác tài nguyên đám đông (Crowdsourcing)

Khai thác tài nguyên đám đông là kĩ thuật dùng để thu thập thông tin từ một

nhóm lớn người hoặc một cộng đồng thông qua các cuộc điều tra (phỏng vấn) mở,

thường sử dụng giao thức web. Ứng dụng kỹ thuật này kết hợp với truyền thông xã

hội (social media) đang trở thành một xu hướng mới trong việc thu thập và xử lý

các dữ liệu kinh tế vĩ mô, góp phần thúc đẩy tiến trình minh bạch hóa và tự do hóa

thông tin - nguồn nguyên liệu đầu vào cho cỗ máy kinh tế dựa trên nền tảng thị

trường.

- 14 -

f. Khai phá dữ liệu (Data Mining)

Khai phá dữ liệu là một tập hợp các kỹ thuật để trích xuất các mẫu từ các bộ

dữ liệu lớn bằng cách kết hợp các phương pháp từ thống kê tới học máy (machine

learning: là một lĩnh vực của trí tuệ nhân tạo liên quan đến việc nghiên cứu và xây

dựng các kĩ thuật cho phép các hệ thống có thể học tự động từ dữ liệu để giải quyết

những vấn đề cụ thể) với quản lý cơ sở dữ liệu. Khai phá dữ liệu đưa ra nhiều ứng

dụng hiệu quả, bao gồm khai phá dữ liệu khách hàng để xác định các phân đoạn thị

trường có nhiều khả năng phản ứng một hành động marketing, khai phá dữ liệu

nguồn nhân lực để xác định đặc điểm của những nhân viên thành công nhất hoặc

phân tích giỏ hàng để mô hình hóa hành vi mua hàng của khách hàng.

g. Xử lý ngôn ngữ tự nhiên (Natural Language Processing)

Xử lý ngôn ngữ tự nhiên là một tập hợp các kỹ thuật sử dụng các thuật toán

máy tính để phân tích ngôn ngữ tự nhiên của con người. Trong các lĩnh vực của trí

tuệ nhân tạo thì xử lý ngôn ngữ là một phần mang tính phức tạp cao do liên quan

đến ý nghĩa của ngôn ngữ - công cụ hoàn hảo nhất của giao tiếp và tư duy. Một ứng

dụng của xử lý ngôn ngữ tự nhiên là phân tích tình cảm trên phương tiện truyền

thông xã hội để xác định xem khách hàng đang phản ứng như thế nào với các chiến

dịch xây dựng thương hiệu.

h. Mạng Nơ-ron (Neural Networks)

Mạng Nơ-ron là một mô hình tính toán, xử lý thông tin được xây dựng mô

phỏng dựa trên cấu trúc và hoạt động của hệ thống thần kinh sinh học (tức là các tế

bào và các kết nối bên trong bộ não), bao gồm số lượng lớn các tế bào nơ-ron được

gắn kết để xử lý thông tin. Mạng Nơ-ron giống như bộ não con người, được hoàn

thiện thông qua thông qua huấn luyện, có khả năng lưu giữ những tri thức và sử

dụng những tri thức đó trong việc dự đoán các dữ liệu chưa biết.

Mạng Nơ-ron rất phù hợp để tìm các mô hình phi tuyến. Kỹ thuật này có thể

được sử dụng để nhận biết và tối ưu hóa mẫu. Ví dụ về ứng dụng của mạng Nơ-ron

như xác định khách hàng có nguy cơ tử bỏ sử dụng sản phẩm của doanh nghiệp

hoặc xác định các gian lận trong yêu cầu bồi thường bảo hiểm.

- 15 -

i. Phân tích cảm xúc (Sentiment Analytics)

Phân tích cảm xúc là ứng dụng xử lý ngôn ngữ tự nhiên và các kỹ thuật phân

tích khác để xác định và trích xuất các thông tin chủ quan từ nguồn dữ liệu, nói một

cách khác là lắng nghe và thấu hiểu những gì các phương tiện truyền thông xã hội

đang nói về nhãn hiệu, sản phẩm, thương hiệu của doanh nghiệp, tích cực hay hiêu

cực, tích cực về mặt nào và tiêu cực về mặt nào.

Những vấn đề chính của phân tích cảm xúc bao gồm xác định tính năng, khía

cạnh hoặc sản phẩm mà trong đó diễn ra tình cảm và xác định loại cảm xúc (tích

cực, tiêu cực hoặc trung lập), mức độ và sức mạnh của tình cảm. Ví dụ về ứng dụng

như doanh nghiệp áp dụng phương pháp phân tích tình cảm đối với các phương tiện

truyền thông xã hội (blog, mạng xã hội…) để xác định các phân đoạn khách hàng và

các bên liên quan khác nhau phản ứng như thế nào với sản phẩm của doanh nghiệp,

qua đó doanh nghiệp có được cái nhìn tổng quan về thái độ của khách hàng đối với

sản phẩm của mình tại một thời điểm nhất định.

1.1.5.2. Công nghệ sử dụng trong ứng dụng Big Data

Để phân tích và tổng hợp dữ liệu lớn, hiện có rất nhiều công nghệ đang được

áp dụng để triển khai phân tích Big Data. Trong đó có một số công nghệ nổi bật:

Big Table: là một hệ thống cơ sở dữ liệu phân tán được sử dụng để quản lý dữ

liệu có cấu trúc, dễ co giãn trong phạm vi lớn. Big Table đã được Google sử dụng

trong nhiều dự án lớn.

Business Intelligence (BI): là một loại phần mềm ứng dụng được thiết kế để

phân tích báo cáo và hiển thị dữ liệu. Các công cụ BI thường được sử dụng để đọc

các dữ liệu đã được lưu trữ trước đó trong một kho dữ liệu hoặc một siêu dữ liệu,

tạo các báo cáo trên cơ sở định kỳ hoặc theo thời gian thực.

Cassandra: là một hệ thống quản lý cơ sở dữ liệu mã nguồn mở được thiết kế

để xử lý số lượng lớn dữ liệu trên một hệ thống phân tán. Hệ thống này ban đầu

được phát triển bởi Facebook và hiện đang được quản lý như là một dự án của nền

tảng Apache Software.

- 16 -

MapReduce: là một quy trình giúp xử lý tập hợp dữ liệu siêu lớn đặt tại các hệ

thống máy tính phân tán, có thể xử lý được dữ liệu phi cấu trúc và dữ liệu cấu trúc.

Trong MapReduce, các máy tính chứa dữ liệu đơn lẻ được gọi là các nút (node).

Quy trình này định nghĩa dữ liệu dưới dạng cặp khóa/giá trị (key/value) và xử lý hai

luồng dữ liệu song song.

Hadoop: là một tập hợp phần mềm mã nguồn mở để xử lý các tập dữ liệu

khổng lồ trên một số loại vấn đề trên hệ thống phân tán. Hadoop ban đầu được phát

triển tại Yahoo! và hiện đang được quản lý như là một dự án của Tổ chức Phần

mềm Apache.

R: là một ngôn ngữ lập trình mã nguồn mở và môi trường phần mềm cho máy

tính và đồ họa thống kê. Ngôn ngữ R đã trở thành tiêu chuẩn thực tế và được sử

dụng rộng rãi để phát triển phần mềm thống kê và phân tích dữ liệu.

Stream Processing: là công nghệ dùng để xử lý dữ liệu lớn trong thời gian

thực. Dữ liệu sẽ được lưu trữ và xử lý theo thời gian thực, thích hợp với việc xử lý

dữ liệu online và triển khai các hoạt động tương tác với khách hàng một cách linh

động và hiệu quả.

1.1.5.3. Các hình thức mô phỏng kết quả trong ứng dụng Big Data

Dựa trên những kết quả phân tích và công nghệ được sử dụng trong phân tích

dữ liệu Big Data, để phân tích dữ liệu một cách hiệu quả cần có các phương pháp để

hiển thị, xem dữ liệu mô hình dưới dạng ảnh, lược đồ, đồ thị. Thông qua các hình

ảnh trực quan sẽ giúp các nhà phân tích dữ liệu đánh giá và cải thiện kết quả phân

tích dữ liệu Big Data.

a. Đám mây từ khóa – Tag cloud

Văn bản của một báo cáo hiển thị dưới hình thức một đám mây từ khóa, có thể

là một danh sách các từ được đánh giá mức độ quan trọng, trong đó các từ xuất hiện

thường xuyên nhất được hiển thị lớn hơn và các từ ít xuất hiện thường xuyên hơn sẽ

được hiển thị nhỏ hơn. Đây là cách trực quan giúp người đọc lĩnh hội nhanh chóng

các khái niệm nổi bật nhất trong một văn bản dài.

- 17 -

Hình 1.3: Đám mây từ khóa – Tag Cloud

b. Clustergram

Clustergram là một kỹ thuật trực quan hóa được sử dụng cho phân tích cụm,

hiển thị các thành phần riêng của một tập dữ liệu được gán thành các cụm khi số

lượng các cụm tăng lên. Sự lựa chọn số cụm là một tham số quan trọng trong phân

tích cụm. Kỹ thuật này cho phép các nhà phân tích có được sự hiểu biết tốt hơn về

cách kết quả của cụm thể hiện khác với các cụm khác.

Hình 1.4: Clustergram

c. Dòng lịch sử

Dòng lịch sử là một kỹ thuật trực quan hóa lập các biểu đồ tiến hóa của một tài

liệu khi được biên tập bởi nhiều tác giả. Thời gian nằm trên trên trục hoành, trong

- 18 -

khi những đóng góp vào văn bản nằm trên trục tung; mỗi tác giả có một mã màu

khác nhau và chiều dài của trục tung biểu thị số lượng văn bản được viết bởi mỗi

tác giả. Bằng cách trực quan hóa lịch sử của một tài liệu theo cách này, những hiểu

biết khác nhau dễ dàng xuất hiện.

Hình 1.5: Dòng lịch sử

d. Dòng thông tin không gian

Một kỹ thuật trực quan hóa khác là kỹ thuật mô tả các dòng thông tin không

gian. Ví dụ với mô hình New York Talk Exchange mô phỏng lượng dòng dữ liệu

của giao thức Internet giữa New York và các thành phố trên khắp thế giới. Kích

thước của ánh sáng trên một vị trí thành phố cụ thể tương ứng với tổng lưu lượng IP

lưu thông giữa các nơi đó và New York; ánh sáng càng sáng hơn, dòng lưu thông

càng lớn. Sự trực quang hóa này cho phép chúng ta xác định một cách nhanh chóng

thành phố nào được kết nối chặt chẽ nhất với New York về khối lượng thông tin

liên lạc của chúng.

- 19 -

Hình 1.6: Dòng thông tin không gian

1.2. Những vấn đề cơ bản về hành vi mua sắm và tiêu dùng của khách hàng

1.2.1. Khái niệm

Người tiêu dùng là người mua sắm và tiêu dùng những sản phẩm và dịch vụ

nhằm thỏa mãn nhu cầu và ước muốn cá nhân. Họ là người cuối cùng tiêu dùng sản

phẩm do quá trình sản xuất tạo ra. Người tiêu dùng có thể là một cá nhân, một hộ

gia đình hoặc một nhóm người.

Thị trường người tiêu dùng bao gồm tất cả các cá nhân, các hộ gia đình và các

nhóm người hiện có và tiềm ẩn mua sắm hàng hóa hoặc dịch vụ cho mục đích thỏa

mãn nhu cầu cá nhân.

Hành vi mua của người tiêu dùng là toàn bộ hành động mà người tiêu dùng

bộc lộ ra trong quá trình điều tra, mua sắm, sử dụng, đánh giá cho hàng hóa và dịch

vụ nhằm thỏa mãn nhu cầu của họ. Cũng có thể coi hành vi người tiêu dùng là cách

thức mà người tiêu dùng sẽ thực hiện để đưa ra các quyết định sử dụng tài sản của

mình (tiền bạc, thời gian, công sức…) liên quan đến việc mua sắm và sử dụng hàng

hóa, dịch vụ nhằm thỏa mãn nhu cầu cá nhân (Trần Minh Đạo 2012, tr. 93).

Hành vi tiêu dùng là những hành động của con người trong việc mua sắm và

sử dụng sản phẩm, dịch vụ bao gồm các quá trình tâm lý và xã hội trước, trong và

sau khi mua (Trương Đình Chiến 2011, tr. 106).

- 20 -

1.2.2. Những yếu tố ảnh hưởng đến hành vi mua sắm và tiêu dùng

Các nhân tố cơ bản ảnh hưởng đến hành vi của khách hàng được tập hợp thành

4 nhóm chính: những nhân tố văn hóa, những nhân tố mang tính chất xã hội, những

nhân tố mang tính chất cá nhân và những nhân tố tâm lý, thể hiện trong hình 1.1

dưới đây.

Văn hóa

Xã hội

Tâm lý

NGƯỜI MUA

Văn hóa Văn hóa đặc thù Tầng lớp xã hội Các nhóm tham khảo Gia đình Vai trò và địa vị Động cơ Nhận thức Kiến thức Niềm tin và quan điểm Cá nhân Tuổi đời Nghề nghiệp Hoàn cảnh kinh tế Cá tính và sự tự nhận thức

Sơ đồ 1.1. Mô hình các yếu tố ảnh hưởng đến hành vi của khách hàng

1.2.3. Quá trình mua sắm và tiêu dùng của khách hàng

Quá trình mua sắm và tiêu dùng của khách hàng được bắt đầu trước khi hành

động mua diễn ra và kéo dài sau mua, bao gồm 5 giai đoạn cơ bản: nhận biết nhu

cầu, tìm kiếm thông tin, đánh giá các phương án, quyết định mua và đánh giá sau

khi mua.

Quyết định mua Nhận biết nhu cầu Tìm kiếm thông tin Đánh giá các phương án Đánh giá sau khi mua

Sơ đồ 1.2. Quá trình mua sắm và tiêu dùng của khách hàng

1.1.3.1. Ý thức về nhu cầu

Quá trình mua sắm và tiêu dùng bắt đầu với việc khách hàng ý thức được nhu

cầu. Nhận biết nhu cầu là cảm giác của khách hàng về một sự khác biệt giữa trạng

thái hiện có với trạng thái họ mong muốn. Nhu cầu có thể phát sinh do các kích

- 21 -

thích bên trong (tác động của các quy luật sinh học, tâm lý) hoặc bên ngoài (kích

thích của marketing) hoặc cả hai.

Doanh nghiệp ở giai đoạn này cần xác định được các hoàn cảnh thường làm

cho khách hàng nhanh chóng hiểu rõ vấn đề, nghiên cứu để tìm ra những dạng cảm

giác đã làm phát sinh vấn đề hay nhu cầu, lý giải nguyên nhân và tác động của

chúng đến lựa chọn mua sản phẩm của khách hàng.

1.2.3.2. Tìm kiếm thông tin

Khi sự thôi thúc nhu cầu đủ mạnh, khách hàng sẽ bắt đầu tìm kiếm thông tin

liên quan đến sản phẩm, dịch vụ có thể thỏa mãn nhu cầu của mình. Các nguồn

thông tin cơ bản thường được sử dụng bao gồm:

- Nguồn thông tin cá nhân: gia đình, bạn bè, người quen…

- Nguồn thông tin thương mại: quảng cáo, nhân viên bán hàng, hội chợ, triển

lãm, bao bì, thương hiệu…

- Nguồn thông tin đại chúng: các phương tiện truyền thông, dư luận...

- Kinh nghiệm: khảo sát trực tiếp, dùng thử, qua tiêu dùng...

Doanh nghiệp cần quan tâm và phân tích những vấn đề cụ thể sau: có những

kênh thông tin nào mà khách hàng có thể tiếp cận để thu thập thông tin; nguồn

thông tin nào gây ảnh hưởng quan trọng tới nhận biết của khách hàng về sản phẩm,

thương hiệu; những loại thông điệp và kênh thông tin phù hợp để khách hàng dễ

dàng và thuận lợi trong việc tiếp nhận và xử lý thông tin.

1.2.3.3. Đánh giá các phương án

Sau khi tìm kiếm thông tin, khách hàng sẽ xử lý các thông tin để đánh giá các

thương hiệu có khả năng thay thế nhau nhằm tìm kiếm được thương hiệu theo họ là

hấp dẫn nhất.

Doanh nghiệp cần kiểm soát cách thức khách hàng sẽ sử dụng trong việc đánh

giá các thương hiệu có khả năng cạnh tranh với nhau. Những khuynh hướng cơ bản

giúp dự đoán được quan điểm của khách hàng là:

- 22 -

- Thứ nhất, khách hàng thường coi sản phẩm là một tập hợp các thuộc tính phản

ánh lợi ích của sản phẩm mà họ mong đợi.

- Thứ hai, khách hàng có khuynh hướng phân loại về mức độ quan trọng của

các thuộc tính.

- Thứ ba, khách hàng có khuynh hướng xây dựng niềm tin của mình gắn với các

thương hiệu. Khuynh hướng này tạo lợi thế cho các thương hiệu nổi tiếng

trong cạnh tranh.

- Thứ tư, khách hàng có xu hướng gán cho mỗi thuộc tính của sản phẩm một

chức năng hữu ích gọi là độ hữu dụng hay giá trị sử dụng. Tuy nhiên khi lựa

chọn, khách hàng không chọn giá trị sử dụng đơn lẻ mà chọn những sản phẩm

đem lại tổng giá trị tạo sự thỏa mãn tối đa so với chi phí bỏ ra.

1.2.3.4. Quyết định mua

Trong giai đoạn đánh giá, khách hàng sắp xếp các sản phẩm, thương hiệu theo

các thứ bậc và từ đó bắt đầu hình thành ý định mua sản phẩm, thương hiệu được

đánh giá cao nhất. Thông thường, khách hàng sẽ mua sản phẩm được ưu tiên nhất.

Tuy nhiên từ ý định mua tới quyết định mua thực tế, khách hàng còn chịu sự chi

phối bởi nhiều yếu tố kìm hãm, bao gồm:

- Thái độ của người khác: gia đình, bạn bè, dư luận…

- Những yếu tố hoàn cảnh: những rủi ro đột xuất, sự sẵn có của sản phẩm, các

điều kiện giao dịch, thanh toán, dịch vụ sau bán hàng, sản phẩm thay thế...

Doanh nghiệp cần tập trung tháo gỡ ảnh hưởng của các yếu tố kìm hãm quyết

định mua của khách hàng. Muốn làm được điều đó, doanh nghiệp cần nghiên cứu

thị trường một cách nghiêm túc, đồng thời triển khai các hoạt động xúc tiến (quảng

cáo, khuyến mãi, PR…) và phân phối một cách hiệu quả.

1.2.3.5. Đánh giá sau khi mua

Sự hài lòng hoặc không hài lòng sau khi mua và sử dụng sản phẩm sẽ ảnh

hưởng đến hành vi mua tiếp theo của khách hàng. Đây là nguyên nhân quan trọng

nhất hình thành thái độ và hành vi mua của khách hàng khi nhu cầu tái xuất hiện và

- 23 -

khi họ truyền bá thông tin về sản phẩm cho người khác. Doanh nghiệp cần tìm hiểu

và phân tích hành vi của khách hàng sau khi mua cũng như những phản ứng đáp lại

của họ đối với trạng thái hài lòng hay không hài lòng về sản phẩm để có các giải

pháp marketing đáp ứng và điều chỉnh kịp thời nhằm cải thiện tình hình. Như vậy,

công việc của doanh nghiệp không kết thúc khi sản phẩm đã được mua, mà kéo dài

cả đến giai đoạn sau khi mua.

1.3. Xu hướng ứng dụng Big Data trong phân tích hành vi khách hàng trên thế

giới và tại Việt Nam

1.3.1. Xu hướng ứng dụng Big Data trên thế giới

Big Data và các ứng dụng của Big Data ngày càng được sử dụng rộng rãi trong

các lĩnh vực khác nhau nhằm hỗ trợ doanh nghiệp trong việc hiểu sâu hơn về khách

hàng của mình, giảm thiểu các rủi ro và hỗ trợ ra quyết định. Việc áp dụng các ứng

dụng Big Data trong phân tích đã được áp dụng từ lâu, tuy nhiên tới những năm đầu

của thế kỷ 21 mới có khái niệm hoàn chỉnh và bắt đầu của sự bùng nổ dữ liệu cũng

như các công cụ tối ưu hóa việc phân tích dữ liệu.

Đứng trên góc độ quốc gia, các chính phủ định hướng phân tích dữ liệu tới

những chỉ số quốc gia như dự báo tỷ lệ thất nghiệp, xu hướng lựa chọn nghề nghiệp

trong tương lai. Ngành y tế phát triển ứng dụng trong việc quản lý và theo dõi sức

khỏe bệnh nhân, thiết kế các gói sản phẩm hợp lý nhằm tối ưu chi phí chăm sóc sức

khỏe. Ngành du lịch và khách sạn tích hợp các nguồn dữ liệu từ mạng xã hội và các

kênh truyền thông để tạo ra những gói nghỉ dưỡng phù hợp với khách hàng. Các

doanh nghiệp ứng dụng nhằm tìm hiểu một cách toàn diện hành vi mua sắm và tiêu

dùng của khách hàng, các động cơ thúc đẩy đến hành vi mua của khách hàng cũng

như phản ứng sau mua, từ đó thiết kế danh mục sản phẩm, chính sách giá hấp dẫn.

Một số ứng dụng tiêu biểu của Big Data trong xu hướng phát triển của các

ngành công nghiệp trên thế giới:

1.3.1.1. Ngành bán lẻ

Việc sử dụng công nghệ thông tin và dữ liệu số trong ngành bán lẻ ở Hoa Kỳ

chính là phương tiện nâng cao năng suất cho từng thành viên cũng như toàn bộ hệ

- 24 -

thống bán lẻ. Với việc ứng dụng thêm nhiều yếu tố sử dụng công nghệ Big Data,

ngành công nghiệp này dự kiến sẽ đạt mức tăng trưởng thêm ít nhất 0,5% trong năm

2020 và đối với từng doanh nghiệp, dự kiến Big Data có thể trợ giúp tăng tối đa

60% lợi nhuận cận biên (Manyika, K., Michael Chui 2011, Tr. 64). Bán lẻ chính là

lĩnh vực mà các dữ liệu số đóng vai trò ngày càng quan trọng trong việc duy trì và

phát triển mối quan hệ này bởi người tiêu dùng ngày càng có xu hướng tìm kiếm,

mua sắm từ các nhà bán lẻ trực tuyến.

Viện nghiên cứu toàn cầu McKinsey đã nhận diện 16 yếu tố sử dụng Big Data

trong ngành bán lẻ Hoa Kỳ, thuộc 5 nhóm: marketing, phân phối hàng hóa, vận

hành, chuỗi cung ứng và các mô hình kinh doanh mới.

a. Marketing

Bán chéo sản phẩm: Cách thức này có thể tận dụng lợi thế của Big Data để

khai thác các thông tin về khách hàng như về nhân khẩu học, sở thích, lịch sử mua

sắm…

Marketing dựa trên địa điểm: Hình thức marketing này chủ yếu dựa vào sự

phổ biến và ngày càng phát triển của các loại điện thoại thông minh và các thiết bị

di động định vị khác mà nhờ vào đó có thể xác định được các khách hàng tiềm năng

trong khu vực.

Phân tích hành vi mua sắm: Phân tích các dữ liệu này có thể giúp các cửa hàng

cải thiện hình thức trang trí, bố trí các kệ hàng… Những cải tiến gần đây còn cho

phép các nhà bán lẻ phân tích các mô hình mua sắm của người tiêu dùng, như thời

gian sử dụng trong từng gian hàng…

Phân tích quan điểm khách hàng: Hình thức này tận dụng nguồn dữ liệu do

khách hàng tạo ra thông qua nhiều hình thức truyền thông xã hội giúp doanh nghiệp

đưa ra những quyết định kinh doanh chính xác. Dựa vào các phân tích này để đo

lường hiệu quả chiến lược marketing và có các điều chỉnh kịp thời.

b. Phân phối

- 25 -

Tối ưu hóa phân loại hàng hóa: Quyết định sẽ bán mặt hàng nào ở cửa hàng

nào căn cứ vào các đặc điểm địa lý, cảm nhận của khách hàng và nhiều dữ liệu

khác.

Tối ưu hóa giá cả: Với sự phát triển của nhiều mô hình định giá phức tạp, nhà

bán lẻ có thể đưa ra các quyết định về giá cả sản phẩm chi tiết tới từng đối tượng

khách hàng, khu vực… căn cứ vào độ co giãn của cầu gần như ngay lập tức.

c. Vận hành

Minh bạch về kết quả hoạt động: nhờ việc ứng dụng CNTT trong kinh doanh

sản xuất, doanh nghiệp gần như ngay lập tức (real-time) phân tích được kết quả kinh

doanh của toàn bộ các loại mặt hàng, cửa hàng… phục vụ đắc lực cho việc đưa ra

các chính sách bán hàng trong tương lai

Tối đa hóa yêu cầu lao động đầu vào: Giúp doanh nghiệp đưa ra quyết định

chính xác hơn về nhu cầu lao động của đơn vị, tránh tình trạng lãng phí, dư thừa

năng suất.

d. Chuỗi cung ứng

Quản lý hàng tồn kho: Với những kỹ thuật phân tích nâng cao ngày càng chi

tiết nhờ khai thác các tệp dữ liệu đa chiều, Big Data tiếp tục khẳng định là một công

cụ mạnh mẽ giúp doanh nghiệp cải thiện việc quản lý hàng tồn kho nhằm đảm bảo

hàng hóa được giữ trong kho ở mức tối thiểu để tiết kiệm chi phí nhưng vẫn đảm

bảo đủ hàng hóa lưu thông.

Tối ưu hóa hệ thống phân phối và logistics: Những nhà bán lẻ hàng đầu luôn

biết cách tận dụng các thiết bị công nghệ (như hệ thống GPS) để tối ưu hóa vận

chuyển và lộ trình nhằm tiết kiệm chi phí, tăng năng suất.

Thông báo đàm phán với nhà cung cấp: Trong thế giới Big Data, nhà bán lẻ

hoàn toàn có thể sử dụng công cụ phân tích thị hiếu của khách hàng và hành vi mua

bán để đưa ra mức đàm phán với nhà cung cấp về giá cả.

e. Mô hình kinh doanh mới

- 26 -

Dịch vụ so sánh giá: Hiện nay dịch vụ so sánh giá khá phổ biến đối với các

bên thứ ba, bên cung cấp công cụ so sánh giá và các yếu tố khác liên quan đến giá

cả ngay tại/ngay sát thời điểm hiện tại của cùng mặt hàng của các nhà bán lẻ khác

nhau. Cũng nhờ đó mà người tiêu dùng được hưởng mức giá thấp hơn và gia tăng

sức mạnh trên thị trường.

1.3.1.2. Ngành sản xuất

Đây là ngành công nghiệp áp dụng CNTT từ rất sớm để cải thiện chất lượng và

hiệu quả của ngành, chẳng hạn áp dụng CNTT và tự động hóa trong thiết kế, sản

xuất và phân phối sản phẩm. Tuy vậy, đây cũng là ngành kinh tế chịu áp lực lớn

nhất trong việc cải thiện năng suất bởi vốn dĩ năng suất của ngành đã tương đối cao

so với các ngành công nghiệp khác.

Các nhà sản xuất có thể sử dụng Big Data trong toàn bộ chuỗi giá trị, trong đó

có 4 yếu tố có thể hỗ trợ đắc lực cho việc cải thiện năng suất ngành.

a. Nghiên cứu, phát triển và thiết kế sản phẩm

Quản lý vòng đời sản phẩm: Một hệ thống dữ liệu tích hợp giúp chia sẻ các dữ

liệu chung từ các hệ thống đơn lẻ trong các giai đoạn khác nhau của vòng đời sản

phẩm sẽ là công cụ hữu hiệu giúp họ nâng cao năng lực sản xuất thông qua hoạt

động chia sẻ các dữ liệu chung để cùng tham gia vào quá trình sáng tạo và thiết kế

sản phẩm. Toyota, Flat, Nissan là những tập đoàn lớn đã nhận thấy lợi ích rõ ràng

nhất từ việc chia sẻ dữ liệu này khi mà họ cắt giảm được tới 30%-50% thời gian tạo

ra một sản phẩm mới (Manyika, J. 2011, Tr. 76).

Thiết kế tạo ra giá trị: Các doanh nghiệp sẽ biết cách đưa ra các phân tích để

quyết định ở mức giá nào thì người tiêu dùng sẽ chấp nhận chi trả cho một tính năng

cụ thể nào đó của sản phẩm. Các nguồn dữ liệu có thể tận dụng cho các phân tích

trên có thể kể đến dữ liệu tại các điểm bán lẻ, phản hồi của khách hàng, các dữ liệu

mô tả cảm nhận, trải nghiệm thực tế khi sử dụng sản phẩm của khách hàng…

Sáng tạo mở: Với nhu cầu khách hàng ngày càng cao, các công ty sản xuất đã

tăng cường huy động các nguồn sáng tạo bên ngoài trong quá trình thiết kế và sản

xuất sản phẩm, chẳng hạn sử dụng nền tảng web để kêu gọi người tiêu dùng, các

- 27 -

nhà nghiên cứu… đưa ra các ý tưởng mới cho sản phẩm. Hệ thống phân tích giúp

doanh nghiệp tiết kiệm thời gian nhận diện các ý tưởng và đưa ra quyết định liệu

một ý tưởng có khả thi hay không.

b. Chuỗi cung ứng

Các nhà sản xuất, đặc biệt trong lĩnh vực hàng hóa tiêu dùng nhanh có nhiều

cơ hội để cải thiện hệ thống dự báo nhu cầu và lập kế hoạch chuỗi cung ứng. Điều

này có thể được thực hiện thông qua các hệ thống thông tin tích hợp thời gian thực

của nhà sản xuất. Khi nắm được mọi nguồn thông tin, thậm chí từ cả các nhà bán lẻ,

doanh nghiệp có thể chủ động lên kế hoạch sản xuất cũng như nhanh chóng điều

chỉnh sản lượng căn cứ vào các tín hiệu tiêu thụ trên thị trường.

c. Sản xuất

Nhà máy số: Sử dụng các dữ liệu nghiên cứu về sản phẩm cũng như các dữ

liệu về sản xuất trong quá khứ (ví dụ về đơn đặt hàng, năng suất máy móc…) giúp

các nhà sản xuất xây dựng các mô hình số hóa quy trình sản xuất của họ. Các nhà

sản xuất ô tô cũng đang sử dụng kỹ thuật này nhằm tối ưu hóa quy trình sản xuất

của các nhà máy mới, đặc biệt trong tình huống họ đang gặp những hạn chế về mặt

không gian, hạ tầng kỹ thuật…

d. Marketing và hỗ trợ bán hàng/sau bán hàng

Các dữ liệu tương tác với khách hàng không chỉ cải thiện hoạt động marketing

và bán hàng mà còn hỗ trợ cho quá trình ra quyết định phát triển sản phẩm. Công

nghệ hiện tại giúp các nhà sản xuất thu thập các dữ liệu về trải nghiệm thực tế khi

sử dụng sản phẩm của khách hàng. Đây sẽ là nguồn dữ liệu quý giá cho các nhà sản

xuất phát triển sản phẩm mới kịp thời, điều chỉnh các thiết kế sản phẩm. Cũng giống

như nhiều ngành kinh tế khác, đối với ngành sản xuất chế tạo, Big Data cũng là

công cụ đắc lực phân loại khách hàng, áp dụng các kỹ thuật phân tích nhằm gia tăng

hiệu quả của đội ngũ bán hàng.

- 28 -

1.3.1.3. Dữ liệu về vị trí cá nhân

Thế giới đang chứng kiến sự bùng nổ khối lượng thông tin về vị trí cá nhân.

Những công nghệ như GPS cho phép nhanh chóng xác định vị trí thiết bị nhỏ cỡ

một chiếc di động trong một vài chục mét, và việc sử dụng dữ liệu vị trí cá nhân đã

từng tạo nên làn sóng các doanh nghiệp mới và các hình thức kinh doanh sáng tạo

mà chính chúng đã tác động đến đời sống của con người trên toàn cầu.

Biểu đồ 1.2: Số lượng dữ liệu định vị cá nhân 2009

(Nguồn: Manyika, K., Michael Chui, “Big data: The next frontier for innovation,

competition, and productivity”, 2011)

Dữ liệu vị trí cá nhân không bị bó buộc trong một lĩnh vực nào mà mang tính

liên ngành, bao gồm viễn thông, bán lẻ và truyền thông. Các ứng dụng định vị:

- Định tuyến thông minh: xác định tuyến đường đi tối ưu. Định tuyến thông

minh dựa trên thông tin thời gian giao thông thực tế, là một trong những ứng

dụng cơ bản của dữ liệu vị trí cá nhân.

- Thông tin di động: Trong những năm tới, một số lượng lớn điện thoại đi động

sẽ được trang bị công nghệ GPS và Telematics (hệ thống điện tử giúp kết nối

trong mạng lưới thông tin, bao gồm khả năng gửi và nhận dữ liệu), có thể làm

- 29 -

phát sinh một loạt các ứng dụng về an ninh và giám sát. Ví dụ thực tế trên thị

trường là dịnh vụ Onstar của Gerenal Motors, dịch vụ này có thể truyền tải vị

trí thực tế của xe và và các thông tin đến một trung tâm giám sát, có thể cảnh

báo lái xe khi đến thời điểm cần sửa chữa hay cập nhật phần mềm, hoặc có thể

định vị vị trí của xe trong các trường hợp khẩn cấp (ví dụ như túi khí trong xe

bị bung hay khi xe bị báo mất trộm).

- Các dịch vụ định vị và giám sát đối tượng cho điện thoại di động: Các dịch vụ

này bao gồm các ứng dụng liên quan đến an toàn, ví dụ như theo dõi trẻ em và

các thành viên gia đình khác hoặc là tìm kiếm bạn bè. Các ví dụ hiện nay cho

các ứng dụng này bao gồm Foursquare (hơn 8 triệu người dùng vào tháng

4/2011) và Loopt (hơn 5 triệu người dùng vào tháng 4/2011). Loopt được phát

triển vào năm 2006 tại Mountain View, California, ứng dụng này có thể tải

cho các điện thoại thông minh, cho phép người dùng chia sẻ với bạn bè các

thông tin về vị trí, các thông báo trạng thái và ảnh được gắn vị trí của người

dùng, thể hiện bạn bè ở đâu, họ đang làm gì và làm thế nào để gặp họ. Loopt

tạo doanh thu chủ yếu từ các quảng cáo và chương trình khuyến mại liên quan

đến định vị.

- Quảng cáo theo định vị: Quảng cáo di động theo vị trí địa lý là một trong

những cách phổ biến nhất mà các doanh nghiệp có thể tạo ra giá trị từ dữ liệu

định vị cá nhân. Ví dụ, người sử dụng chọn loại hình quảng cáo này có thể có

1 quảng cáo mang tính cá nhân cho cửa hàng mình yêu thích và được hiển thị

trên điện thoại khi họ càng đi tới gần cửa hàng đó, hoặc có hẹn gặp bạn bè tại

một nhà hàng để có thể nhận phiếu giảm giá từ các quảng cáo...

- Thu phí điện tử: Công tác thu phí điện tử hiện nay đòi hỏi nhiều chi phí đáng

kể, nhưng dịch vụ định vị có khả năng thúc đẩy sự phát triển của một ứng

dụng thu phí thay thế hình thức truyền thống. Ví dụ, một điện thoại di động có

thể xác định vị trí chiếc xe, trả phí và phí trừ vào hóa đơn điện thoại của người

dùng.

- 30 -

- Phản ứng khẩn cấp: Sự sẵn có của dữ liệu vị trí cá nhân và tính thời gian thực

cung cấp rõ phạm vi nhanh hơn và hiệu quả hơn đối với cảnh sát, lính cứu hỏa

và nhân viên cứu thương. Những công nghệ này cho phép xác định nhanh

chóng vị trí của một người trong trường hợp khẩn cấp, đảm bảo rằng nhân

viên có thể đáp ứng càng nhanh càng tốt (thông qua định tuyến thông minh),

và giám sát an toàn của chính họ ở môi trường nguy hiểm.

1.3.1.4. Ngành viễn thông

Trong các lĩnh vực kinh doanh, có thể nói ngành viễn thông đang nắm giữ lợi

thế lớn nhất về dữ liệu khách hàng với xu hướng phổ biến của điện thoại thông

minh. Các thuê bao liên tục kết nối với mạng di động thông qua các dịch vụ thoại,

tin nhắn văn bản, truyền dữ liệu và các tương tác di động khác.

Theo kết quả khảo sát mới nhất được thực hiện bởi McKinsey&Company

trong năm 2016 trên 273 doanh nghiệp viễn thông, đại diện cho một phần tư tổng

doanh thu ngành viễn thông toàn cầu, kết quả cho thấy 50% số doanh nghiệp đang

cân nhắc đầu tư vào ứng dụng phân tích Big Data, và 30% số doanh nghiệp đã thực

sự triển khai ứng dụng Big Data trong hoạt động kinh doanh. Để tính toán hiệu quả

việc ứng dụng Big Data đem lại đối với các doanh nghiệp viễn thông,

McKinsey&Company đã thực hiện đánh giá 80 doanh nghiệp có đầu tư vào Big

Data, kết quả cho thấy: chỉ có 5 doanh nghiệp đã triển khai có hiệu quả tăng lợi

nhuận trên 10%; phần lớn doanh nghiệp có lợi nhuận gia tăng từ 0-5%, và 10 doanh

nghiệp gây ảnh hưởng giảm lợi nhuận. Nhìn chung, các doanh nghiệp vẫn chưa sắp

xếp việc quản lý dữ liệu và ứng dụng Big Data một vị trí ưu tiên trong chiến lược

kinh doanh của mình.

- 31 -

Biểu đồ 1.3. Tác động của Big Data tới lợi nhuận doanh nghiệp viễn thông

(Nguồn: Jacques Bughin, “Telcos: The untapped promise of big data”, 2016)

Một số những ứng dụng mô hình phân tích dữ liệu đạt hiệu quả trong quá trình

khảo sát bao gồm:

- Sử dụng mô hình phân tích để dự báo thời điểm hiệu suất mạng lưới đạt mức

cao điểm từ dịch vụ video streaming. Từ đó thực hiện các bước nhằm giảm bớt

tắc nghẽn trong giờ cao điểm.

- Sử dụng mô hình máy học (machine learning) kết hợp dữ liệu xã hội, thông tin

từ các điểm tiếp xúc với khách hàng (cửa hàng, tổng đài, phương tiện truyền

thông xã hội) và dữ liệu sử dụng mạng lưới. Từ đó xác định tức thời khi khách

hàng gặp khó khăn trong thanh toán hóa đơn, đưa ra những giải pháp kịp thời

cho khách hàng, từ đó giảm tỷ lệ rời mạng 3%, tăng giá trị thu hồi cước viễn

thông từ khách hàng lên tới 35% (McKinsey&Company 2016, Tr. 2).

Về các ứng dụng của Big Data trong doanh nghiệp viễn thông, theo khảo sát

của Telecoms.com thực hiện năm 2014, có 9 ứng dụng phổ biến nhất đem lại lợi ích

kinh tế cho các doanh nghiệp, trong đó ứng dụng đáng giá nhất là giữ khách hàng

khỏi rời mạng (55% doanh nghiệp có ứng dụng Big Data sử dụng).

- 32 -

Hình 1.7: Tỷ lệ sử dụng các ứng dụng Big Data phổ biến trong doanh

nghiệp viễn thông

(Nguồn: Telecoms.com Intelligence, “Intelligence Industry Survey”, 2014)

1.3.2. Kinh nghiệm triển khai ứng dụng Big Data tại một số doanh nghiệp viễn thông trên thế giới

1.3.2.1. Vodafone Qatar – Chiến lược tiếp thị cá nhân

a. Giới thiệu

Vodafone Qatar được thành lập vào năm 2008, là một công ty thành viên

trực thuộc Tập đoàn Vodafone và đặt trụ sở tại Doha, Qatar. Vodafone Qatar là nhà

cung cấp dịch vụ viễn thông hoàn chỉnh. Với hơn 500 nhân viên, năm 2016, công ty

chiếm 34% thị phần cung cấp dịch vụ truyền thông di động tại Qatar và tạo ra doanh

thu hàng năm tương đương với khoảng 527 triệu USD.

Để tăng tính cạnh tranh, Vodafone muốn tăng mức chi tiêu bình quân của

người dùng (ARPU – Average Revenue Per User) bằng cách tăng sự trung thành

của khách hàng. Nắm được thực tế thị trường một khách hàng có thể sở hữu nhiều

SIM của nhiều nhà cung cấp dịch vụ cùng một lúc, và khách hàng hoàn toàn có thể

chủ động so sánh các ưu đãi của các nhà cung cấp để quyết định sử dụng SIM nào

nhiều hơn, công ty đã tìm kiếm giải pháp để nổi bật các dịch vụ so với đối thủ cạnh

- 33 -

tranh bằng cách cung cấp cho mỗi khách hàng một ưu đãi sử dụng dịch vụ phù hợp

nhất vào đúng thời điểm.

b. Mục tiêu

Vodafone Qatar mong muốn tạo mối quan hệ tương tác với khách hàng bằng

cách xác định nhu cầu cá nhân và cung cấp các dịch vụ độc đáo.

Ngoài ra, đặc điểm thị trường tại Qatar bao gồm khách hàng với nhiều ngôn

ngữ, độ tuổi và nguồn gốc văn hoá và mỗi phân khúc đều có sở thích riêng. Ví dụ,

một chuyên gia gọi điện thoại cho gia đình ở Ai Cập có thể sẽ muốn sử dụng điện

thoại vào một thời điểm khác trong ngày với một khách hàng có gia đình ở

Philippines. Tương tự như vậy, một người Qatar gốc Anh có thể muốn nói chuyện

với tổng đài bằng tiếng Anh, trong khi những khách hàng khác lại thích sử dụng

tiếng Ả Rập hoặc Tagalog.

Vodafone Qatar đã triển khai nhiều hệ thống khác nhau cho các chương trình

quảng bá dịch vụ di động trong nước và quốc tế, làm cho việc xác định các nhu cầu

cá nhân của khách hàng và cung cấp các thông điệp phù hợp trở nên khó khăn. Việc

triển khai đồng thời nhiều hệ thống cũng làm tăng nguy cơ tương tác với khách

hàng vào thời điểm không thích hợp. Để giải quyết những vấn đề trên, Vodafone

Qatar đã quyết định xây dựng một giải pháp thống nhất sử dụng trong các hoạt động

marketing.

c. Giải pháp

Để thực hiện mục tiêu của mình, Vodafone đã tìm kiếm một giải pháp cho

phép xây dựng và quản lý các chiến dịch marketing dựa trên một cái nhìn duy nhất

về khách hàng, sở thích và tương tác gần đây của khách hàng với Vodafone.

Vodafone đã ứng dụng giải pháp Big Data với kỹ thuật kích hoạt dựa trên sự

kiện (events-based triggers), ví dụ: khi khách hàng nạp tiền vào tài khoản hoặc số

dư tài khoản vượt quá một ngưỡng nhất định, hệ thống sẽ lập tức cung cấp các ưu

đãi phù hợp cho khách hàng, như cuộc gọi đường dài giảm giá hoặc kế hoạch sử

dụng data. Kỹ thuật Big Data cho phép công ty quản lý dữ liệu từ các chiến dịch

- 34 -

trước đó, giảm thời gian phân tích để tiếp cận khách hàng và đảm bảo tính nhất

quán trong xây dựng thương hiệu.

Khi các chương trình đã sẵn sàng để khởi chạy, giải pháp sẽ gán các thông

điệp có liên quan nhất cho mỗi khách hàng. Dựa trên thói quen liên lạc của khách

hàng và những tương tác gần đây của họ với thương hiệu, phần mềm giải pháp sẽ

xác định các kênh thích hợp (gọi ra, tin nhắn, ứng dụng OTT, web…), thời gian

thích hợp để Vodafone tiếp cận và đảm bảo rằng tất cả các thông điệp tới khách

hàng đều được nhận. Và khi kết thúc chương trình, Vodafone có thể tổng kết kết

quả triển khai, thu thập được những kinh nghiệm có thể thực hiện để tinh chỉnh các

hoạt động tiếp thị trong tương lai.

d. Kết quả

Chiến lược tiếp thị cá nhân của Vodafone Qatar đã đem lại hiệu quả: số

lượng khách hàng phản ứng lại trước đề xuất ưu đãi tăng gấp ba lần. Vodafone đã

đạt được mục tiêu tăng sự trung thành của khách hàng và thúc đẩy ARPU.

Ngoài ra, giải pháp giúp doanh nghiệp có được một cái nhìn nhất quán về mọi

khách hàng, dù họ tương tác với doanh nghiệp trên mạng, trong cửa hàng, qua điện

thoại hoặc qua bất kỳ kênh nào. Sự hiểu biết sâu sắc hơn về sở thích cá nhân cho

phép nhà mạng cung cấp những ưu đãi được cá nhân hóa cao vào đúng thời điểm để

nắm bắt cơ hội bán hàng.

1.3.2.2. Ufone – Giảm tỷ lệ thuê bao rời mạng

a. Giới thiệu

Ufone là nhà cung cấp dịch vụ di động có trụ sở chính tại Islamabad,

Pakistan. Ufone là tên thương hiệu của Pak Telecom Mobile Limited (PTML), một

công ty con thuộc Công ty TNHH Viễn thông Pakistan (PTCL). Khi Công ty PTCL

được cổ phần hóa vào năm 2006, công ty này đã bị thâu tóm bởi Tập đoàn Viễn

thông Emirates và có toàn quyền quản lý Ufone. Trong chưa đầy 10 năm, Ufone đã

tích lũy được khoảng 24 triệu thuê bao và trở thành một trong những hãng điện

thoại không dây lớn nhất ở Pakistan. Thị trường viễn thông Pakistan cũng đang trải

- 35 -

qua giai đoạn tăng trưởng nóng, từ 1 triệu thuê bao vào năm 2003 lên tới 120 triệu

thuê bao trong năm 2013 với 5 nhà khai thác dịch vụ viễn thông.

b. Mục tiêu

Cũng giống như hầu hết các công ty trên thị trường có tính cạnh tranh cao,

Ufone có tỷ lệ thuê bao rời mạng lớn, khoảng 3% mỗi tháng. Ufone vừa phải đối

mặt với tình hình cạnh tranh về giá từ các doanh nghiệp cùng ngành, vừa phải tiêu

tốn chi phí để nghiên cứu các dịch vụ mới, tỷ lệ thuê bao rời mạng lớn làm giảm

hiệu quả chi phí doanh nghiệp phải bỏ ra để thu hút khách hàng.

Mục tiêu Ufone hướng tới là giảm tỷ lệ thuê bao rời mạng và nâng cao sự hài

lòng của khách hàng.

c. Giải pháp

Marketing đóng một vai trò quan trọng trong nỗ lực để đạt được mục tiêu

trên, nhưng thay vì chỉ dựa vào quảng cáo đại chúng, gọi điện thoại tư vấn và quảng

cáo truyền hình, Ufone sử dụng các công cụ công nghệ cao, bao gồm hệ thống, phần

mềm và phân tích tiên tiến, nhằm đạt được mục tiêu một cách thông minh hơn.

Ufone đã đầu tư giải pháp ứng dụng Big Data để cải thiện các kết quả chiến dịch

tiếp thị và trong thời gian thực.

Dựa trên hồ sơ chi tiết cuộc gọi (CDRs), công ty có thể tạo ra gói các dịch vụ

hoặc cung cấp các kế hoạch sử dụng dịch vụ khác nhau nhằm thu hút sở thích, thói

quen cá nhân (ví dụ như những người gửi 10 tin nhắn văn bản trong 10 phút hoặc

những người sử dụng điện thoại chỉ một lần hoặc hai lần trong một giờ).

Khi khách hàng nhận các ưu đãi sử dụng dịch vụ, khách hàng có thể chọn

phản hồi có hoặc không. Trong cả hai trường hợp, thông tin đó được ghi lại và đính

kèm vào hồ sơ khách hàng cá nhân. Dữ liệu này sau đó được sử dụng để tiếp tục

triển khai các chương trình tiếp theo trong nỗ lực tiếp cận tới khách hàng và cung

cấp cho Ufone khả năng phản ứng nhanh với các hành vi và sở thích của khách

hàng.

Ví dụ: khi hệ thống nhận diện một khách hàng có khả năng sử dụng thêm dữ

liệu, hệ thống sẽ gửi một tin nhắn: “Bạn là một khách hàng tuyệt vời và chúng tôi

- 36 -

có một đề xuất tuyệt vời cho phép bạn tận hưởng tất cả những gì bạn có thể. Hãy sử

dụng thêm data truy nhập Internet trong ngày mai để nhận ưu đãi giảm giá”. Những

phản hồi đồng ý hoặc không đồng ý của khách hàng sẽ được ghi lại để điều chỉnh

nội dung, phương thức tiếp cận trong lần tiếp theo.

d. Kết quả

Trước khi triển khai ứng dụng Big Data, Ufone đã triển khai giải pháp lưu trữ

dữ liệu và chạy các mô hình được cung cấp độc lập từ bên thứ ba, các thông tin trích

xuất từ dữ liệu chi tiết (CDR) thường có kết quả sau ba tiếng đồng hồ, sau đó sẽ

được chuyển qua bộ phận tiếp thị để triển khai chương trình hoặc qua một đối tác

bên ngoài cung cấp dịch vụ. Phương thức triển khai như vậy gây ra sự thiếu đồng bộ

trong khâu phối hợp do có nhiều bộ phận tham gia và khó đánh giá hiệu quả triển

khai chương trình.

Với giải pháp ứng dụng Big Data, thời gian xử lý dữ liệu giảm xuống còn 30

giây và dựa trên các quy tắc cung cấp ưu đãi đã được thiết lập sẵn, đề nghị ưu đãi sử

dụng dịch vụ sẽ được gửi tới khách hàng ngay tức thì.

1.3.2.3. MTS India - Ứng dụng dữ liệu vị trí cá nhân

a. Giới thiệu

MTS India có trụ sở tại New Delhi, Ấn Độ, là tên thương hiệu của một chi

nhánh của hãng viễn thông Nga Sistema Shyam TeleServices, phục vụ khoảng 10

triệu khách hàng điện thoại di động trên đất nước Ấn Độ (năm 2014).

b. Mục tiêu

Doanh nghiệp muốn thu thập dữ liệu vị trí khách hàng và các lộ trình di

chuyển để hỗ trợ quảng cáo, xúc tiến và bán các dịch vụ thời gian thực. Ngoài ra,

doanh nghiệp mong muốn thêm thông tin để nâng cao chất lượng hoạt động của

mạng lưới và chất lượng dịch vụ cung cấp cho khách hàng.

c. Giải pháp

MTS đã ứng dụng Big Data thiết lập các mô hình phân tích thời gian thực để

xác định thông tin về dữ liệu vị trí của thuê bao và hành động theo sự kiện hành vi

được lập trình sẵn. Hiện tại, hệ thống vận hành kiểm soát trực tuyến theo thời gian

- 37 -

thực với hơn 10 triệu khách hàng. MTS có thể tương tác với khách hàng thông qua

nhiều thiết bị, không chỉ điện thoại di động, dẫn đến khả năng mở rộng hơn khả

năng tiếp cận của các thông điệp truyền thông.

d. Kết quả

Với ứng dụng giải pháp này, MTS đã khai thác nhiều lợi ích từ dữ liệu thông

tin vị trí của khách hàng, trong đó có hai ứng dụng nổi bật:

- Bán chéo sản phẩm: Nhận thấy phạm vi cung cấp dịch vụ viễn thông thường

hoạt động không tốt dưới lòng đất, vì vậy MTS đã đầu tư rất nhiều vào các

mạng WiFi trong ga tàu điện ngầm. Khi xác định vị trí khách hàng đang ở gần

lối vào tàu điện ngầm, hệ thống sẽ gửi các thông báo đến khách hàng sử dụng

dịch vụ WiFi của hãng ở dưới lòng đất.

- Tăng sự hài lòng của khách hàng khi trải nghiệm dịch vụ: Giải pháp liên lạc

với các thuê bao trong vòng 30 giây sau khi khách hàng trải qua một cuộc gọi

bị rớt trên mạng. Trong trường hợp này, hệ thống thông báo cho người dùng

biết rằng sự cố đã được thông báo tới nhà mạng để khắc phục và cung cấp cho

khách hàng một khoản tín dụng vào tài khoản để bù đắp cho sự cố dịch vụ.

1.3.2.4. Bài học kinh nghiệm cho MobiFone

Qua một số kinh nghiệm thành cộng thực tế của các doanh nghiệp viễn thông

trên thế giới nêu trên, có thể rút ra một số bài học kinh nghiệm cho việc triển khai

ứng dụng Big Data:

Tận dụng tính tức thời (thời gian thực): Hầu hết các doanh nghiệp triển khai

ứng dụng Big Data thành công đều vận dụng linh hoạt tính chất thời gian thực của

dữ liệu để đưa ra các giải pháp tức thời ngay khi khách hàng có nhu cầu. Giải pháp

đưa ra được thiết kế phù hợp với từng khách hàng cá nhân chứ không chỉ dừng ở

mức nhóm khách hàng.

Phương thức tiếp cận khách hàng phù hợp: Dựa trên phân tích dữ liệu, lựa

chọn kênh tiếp cận (gọi điện thoại, tin nhắn, dịch vụ OTT, web…), thời gian tiếp

cận, thông điệp (ngôn ngữ) tiếp cận phù hợp với từng cá nhân cụ thể, làm khách

hàng cảm nhận được thông điệp được thiết kế ra để dành riêng cho mình.

- 38 -

Dữ liệu hành vi sau bán hàng: Nguồn dữ liệu về khách hàng không chỉ dừng

lại ở hành vi sử dụng dịch vụ của khách hàng mà còn nằm ở phản ứng của khách

hàng sau mua, bao gồm cả phản ứng tích cực và tiêu cực, doanh nghiệp cần thu thập

đầy đủ hệ thống dữ liệu này để liên tục cải thiện phương pháp tiếp cận của khách

hàng, tăng tỷ lệ phản ứng tích cực trước những ưu đãi của nhà mạng.

Giải pháp tăng lòng trung thành của khách hàng: Các ứng dụng của Big Data

được sử dụng phổ biến nhất để giữ chân khách hàng, giảm tỷ lệ thuê bao rời mạng.

Trong tình hình thị trường viễn thông đã bão hòa tại Việt Nam và định hướng triển

khai dịch vụ chuyển mạng giữ số từ đầu năm 2018 (khách hàng có thể chuyển đổi

nhà cung cấp dịch vụ mà không cần thay đổi số thuê bao), giải pháp tăng lòng trung

thành khách hàng là yếu tố cơ bản để cạnh tranh với các doanh nghiệp viễn thông

trong ngành.

1.3.3. Xu hướng ứng dụng Big Data tại Việt Nam

Các doanh nghiệp Việt Nam nhìn chung bắt nhịp rất nhanh với xu hướng công

nghệ thế giới, các ứng dụng Big Data đã bắt đầu xuất hiện và được đề cập nhiều

trong những năm gần đây, tập trung chủ yếu vào các doanh nghiệp hoạt động trong

lĩnh vực công nghệ thông tin.

VNG là một trong những doanh nghiệp Việt Nam tiên phong triển khai ứng

dụng Big Data, có đầu tư bài bản và đạt được những thành quả nhất định. Trong đó

có thể kể tới dự án Zalo, thực hiện thu thập dữ liệu và phân tích từ hàng triệu người

dùng dịch vụ, qua đó giúp doanh nghiệp đánh giá toàn diện và đưa ra những điều

chỉnh phù hợp, giải quyết các sự cố, tăng mức độ hài lòng của khách hàng khi trải

nghiệm dịch vụ. Hoặc với dự án ZingMp3, đội ngũ VNG đã ứng dụng Big Data để

xử lý khối lượng thông tin khổng lồ thu thập được, bao gồm: khách hàng nghe nhạc

ở đâu, nghe thể loại nhạc gì, số lượt bài hát nghe trung bình một phiên… để đưa ra

những đề xuất phù hợp.

FPT cũng là một doanh nghiệp đi đầu trong các xu hướng công nghệ mới tại

Việt Nam, đã triển khai những ứng dụng đầu tiên về Big Data từ năm 2013. Một

ứng dụng tiêu biểu trong năm 2016 là thương hiệu bán lẻ trực tuyến Sendo (dự án

- 39 -

thương mại điện tử do FPT phát triển) đã phân tích dữ liệu trên 5 triệu sản phẩm của

80.000 gian hàng trực tuyến, đảm bảo loại trừ chính xác hàng giả, hàng nhái, đồng

thời kiểm tra độ tin cậy về giá bán cuối cùng của các gian hàng trong sự kiện Lễ hội

mua sắm trực tuyến ngày 02/12/2016. Ngoài ra, Sendo dựa vào lịch sử thay đổi giá

của các gian hàng, lịch sử các đơn hàng thành công để nhận biết các sản phẩm được

giảm giá thật.

Vượt ra ngoài giới hạn của các doanh nghiệp công nghệ thông tin, các doanh

nghiệp hoạt động trong các lĩnh vực khác cũng đã và đang tìm kiếm các ứng dụng

Big Data phù hợp với lĩnh vực kinh doanh, gồm những lĩnh vực có lượng giao dịch,

dữ liệu lớn nhu ngân hàng, chứng khoán, bán lẻ… Ví dụ Bệnh viện Phụ sản quốc tế

Sài Gòn (SIH) lựa chọn triển khai giải pháp y tế thông minh phân tích các thông tin

y tế, hồ sơ bệnh án, quá trình xét nghiệm, khám bệnh… đưa ra thông tin kịp thời về

nhu cầu của bệnh nhân, xu hướng xã hội, qua đó đưa ra quyết định về hoạt động, lên

lịch và điều phối khám bệnh hiệu quả hơn. Ngân hàng Thương mại cổ phần Sài Gòn

- Hà Nội (SHB) và siêu thị điện máy Nguyễn Kim gần đây cũng đã công bố quyết

định đầu tư nâng cấp hệ thống lưu trữ và xử lý thông tin để triển khai ứng dụng Big

Data, cho thấy xu hướng mở rộng của ứng dụng Big Data trong các lĩnh vực khi các

doanh nghiệp thực sự nhận ra giá trị của dữ liệu mà mình nắm giữ.

Ngành viễn thông của Việt Nam với sự tham gia của 5 doanh nghiệp: Viettel,

MobiFone, VNPT, G-Tel và Vietnamobile, trong đó 3 doanh nghiệp dẫn đầu thị

trường là Viettel, MobiFone và VNPT cũng đã có những hoạt động nhất định trong

việc ứng dụng Big Data vào sản xuất kinh doanh.

Viettel là doanh nghiệp dẫn đầu trong ngành về đầu tư và triển khai các giải

pháp Big Data. Trong đó giải pháp phần mềm Kho dữ liệu tri thức khách hàng

(Customer Insights) đã đạt giải đồng Công nghệ thông tin - Truyền thông ASEAN

2016 (ASEAN ICT Awards 2016). Đây là hệ thống được xây dựng trên công nghệ

phân tích dữ liệu thời gian thực, cho phép thu thập, xử lý và phân tích hành vi tiêu

dùng của khách hàng sử dụng dịch vụ viễn thông trên nhiều chiều, kết hợp với mô

hình học máy (machine learning) để đưa ra các đề xuất giải pháp kinh doanh viễn

thông, quảng cáo di động phù hợp với hành vi của từng khách hàng cá nhân. Viettel

- 40 -

cũng đã tự xây dựng hệ thống phân tích Big Data thời gian thực (vRTAP), làm nền

tảng xây dựng các giải pháp ứng dụng, công nghệ xử lý dữ liệu trên cụm máy chủ

cluster computing, cho phép lưu trữ khối lượng dữ liệu lớn, thời gian xử lý nhanh và

mở rộng năng lực hệ thống theo chiều ngang.

Trong 3 doanh nghiệp dẫn đầu thị trường, VNPT là doanh nghiệp có động thái

muộn nhất về Big Data so với 2 doanh nghiệp còn lại. Tới đầu năm 2017, VNPT

mới bắt đầu triển khai đào tạo cho đội ngũ nhân lực về cách thức triển khai các ứng

dụng Big Data. Tuy nhiên, tập đoàn này cũng đã đưa Big Data vào một trong những

mục tiêu chiến lược phát triển trong giai đoạn tiếp theo và tầm nhìn tới năm 2030.

Về phía MobiFone, Tổng công ty cũng đã triển khai ứng dụng các giải pháp

Big Data từ năm 2015 vào phân tích hành vi khách hàng để triển khai các chương

trình khuyến mại, kích thích tiêu dùng, phân khúc khách hàng, hỗ trợ cho việc thiết

kế sản phẩm mới. Tình hình thực tế triển khai và những thành tựu, hạn chế của

MobiFone trong triển khai Big Data sẽ được phân tích cụ thể tại Chương 2 trong bài

luận văn này.

- 41 -

Chương 2. Thực tế ứng dụng Big Data trong phân tích hành vi mua sắm và

tiêu dùng của khách hàng tại Tổng công ty Viễn thông MobiFone: những

thành tựu và hạn chế

2.1. Giới thiệu về Tổng công ty Viễn thông MobiFone

2.1.1. Thông tin chung

- Tên tiếng Việt : TỔNG CÔNG TY VIỄN THÔNG MOBIFONE

- Tên tiếng Anh : MOBIFONE CORPORATION

- Tên viết tắt : MOBIFONE

- Địa chỉ trụ sở chính : Tòa nhà MobiFone, Lô VP1, Phường Yên Hòa, Quận

Cầu Giấy, Thành phố Hà Nội, Việt Nam

- Website : http://www.mobifone.vn/

- Logo :

- Vốn điều lệ : 15.000.000.000.000 đồng.

- Vốn pháp định : 500.000.000.000 đồng.

- Giấy CNĐKKD: Số 0100686209 do Sở Kế hoạch và Đầu tư Thành phố Hà

Nội cấp lần đầu ngày 20/9/2010, đăng ký thay đổi lần thứ 7 ngày 01/10/2015.

2.1.2. Lĩnh vực kinh doanh và sản phẩm, dịch vụ chủ yếu

2.1.2.1. Lĩnh vực kinh doanh

Theo chiến lược phát triển 5 năm giai đoạn 2016 - 2020, MobiFone xác định

hoạt động kinh doanh trong 4 lĩnh vực chính:

- Viễn thông - Công nghệ thông tin: Giữ vai trò một trong những trụ cột vững

chắc trong hoạt động kinh doanh và cung ứng dịch vụ của MobiFone, giữ vai

trò dẫn dắt các lĩnh vực khác mở rộng và phát triển. Nổi bật, MobiFone nắm

bắt xu hướng phát triển dịch vụ viễn thông di động sử dụng các công nghệ mới

(4G LTE/Advanced LTE) tập trung phát triển dịch vụ truyền dẫn dữ liệu di

- 42 -

động và các dịch vụ gia tăng phủ toàn bộ lãnh thổ Việt Nam. Đối với công

nghệ thông tin, MobiFone tập trung mũi nhọn phát triển các phần mềm và giải

pháp hỗ trợ hoạt động phát triển tập khách hàng cho dịch vụ viễn thông, khách

hàng doanh nghiệp và cá nhân, phục vụ hạ tầng truyền hình, quảng cáo di

động và các giá trị gia tăng đi kèm.

- Phân phối - bán lẻ: Doanh thu mang về từ lĩnh vực này chủ yếu từ kinh doanh

thương mại các thiết bị vật tư, thiết bị đầu cuối, bên cạnh các sản phẩm dịch

vụ do MobiFone cung cấp.

- Truyền hình: MobiFone sẽ tập trung đầu tư hạ tầng mạng lưới với mục tiêu

cung cấp và khai thác dịch vụ hạ tầng truyền hình trong giai đoạn 2016 - 2020.

Trong giai đoạn bắt đầu thâm nhập thị trường này, MobiFone chủ yếu sẽ chú

trọng mục tiêu về phát triển doanh thu và tăng quy mô thị trường (tăng số

lượng khách hàng, đa dạng sản phẩm và dịch vụ), và các chỉ số lợi nhuận,

doanh thu tạm dừng ở mức tương đối trong ngành.

- Đa phương tiện: Theo sát xu hướng phát triển của viễn thông trên thế giới và

các nước trong khu vực, MobiFone bắt tay vào việc cung cấp dịch vụ đa

phương tiện, mang đến những giải pháp sang tạo nhất về giáo dục, y tế, giải

trí, kinh doanh, tiện ích cho cuộc sống và xã hội. Đây là lĩnh vực mang tính

thời hạn trong kỷ nguyên công nghệ số, triển vọng về thị trường, và góp phần

tăng lợi thế cạnh tranh về công nghệ, dịch vụ của Tổng công ty trong giai đoạn

mới.

- Hoạt động viễn thông không dây: Vận hành, khai thác mạng lưới viễn thông,

tin học và truyền thông (chỉ hoạt động khi có đủ điều kiện theo quy định của

Luật viễn thông); Đầu tư, xây dựng, vận hành, khai thác mạng và cung cấp

dịch vụ viễn thông, công nghệ thông tin, phát thanh truyền hình, truyền thông

đa phương tiện

2.1.2.2. Sản phẩm chủ yếu

Các sản phẩm kinh doanh chính của MobiFone là các sản phẩm dịch vụ viễn

thông, bao gồm: dịch vụ thoại trong nước, quốc tế; dịch vụ gửi tin nhắn SMS; dịch

- 43 -

vụ truy cập Internet trên di động và trên thiết bị truy cập dữ liệu chuyên dụng; dịch

vụ giá trị gia tăng trên di động. Các dịch vụ trên được cung cấp cho khách hàng

dưới dạng sản phẩm gói cước. Hiện tại MobiFone đã và đang đa dạng hóa các nhóm

gói cước tới nhiều đối tượng khách hàng (công nhân, học sinh sinh viên, doanh

nhân, khách du lịch, doanh nghiệp, nhân viên văn phòng…). Các dịch vụ cung cấp

tới khách hàng liên tục được đổi mới, đa dạng hóa nhằm phù hợp với xu hướng sử

dụng dữ liệu và các dịch vụ OTT thay thế cho dịch vụ truyền thống (thoại, tin nhắn)

trong thời đại mới.

2.1.3. Quá trình hình thành và phát triển

MobiFone được thành lập ngày 16/4/1993 với tên gọi ban đầu là Công ty

thông tin di động. Ngày 01/12/2014, Công ty được chuyển đổi thành Tổng công ty

Viễn thông MobiFone, trực thuộc Bộ Thông tin và Truyền thông, kinh doanh trong

các lĩnh vực: dịch vụ viễn thông truyền thống, VAS, Data, Internet & truyền hình

IPTV/cable TV, sản phẩm khách hàng doanh nghiệp, dịch vụ công nghệ thông tin,

bán lẻ và phân phối và đầu tư nước ngoài. Tại Việt Nam, MobiFone là một trong ba

mạng di động lớn nhất với hơn 30% thị phần. Hiện nay, MobiFone có gần 50 triệu

khách hàng với hệ thống mạng lưới 21.101 trạm 2G và 20.003 trạm 3G (tháng

12/2016). Tổng doanh thu năm 2016 của MobiFone đạt 38 nghìn tỷ đồng.

Về các mốc phát triển của MobiFone:

- 1993: Thành lập Công ty Thông tin di động.

- 1995: Công ty Thông tin di động ký Hợp đồng hợp tác kinh doanh (BCC) với

Tập đoàn Kinnevik/Comvik (Thụy Điển)

- 2005: Công ty Thông tin di động ký thanh lý Hợp đồng hợp tác kinh doanh

(BCC) với Tập đoàn Kinnevik/Comvik.

- Tính đến tháng 4/2008, MobiFone chiếm lĩnh vị trí số một về thị phần thuê

bao di động tại Việt Nam.

- 2009: Nhận giải Mạng di động xuất sắc nhất năm 2008 do Bộ Thông tin và

Truyền thông trao tặng; MobiFone chính thức cung cấp dịch vụ 3G.

- 44 -

- 2010: Chuyển đổi thành Công ty TNHH một thành viên do Nhà nước làm chủ

sở hữu.

- 2014: Bàn giao quyền đại diện chủ sở hữu Nhà nước tại Công ty Thông tin di

động từ Tập đoàn VNPT về Bộ Thông tin và truyền thông; nhận quyết định

thành lập Tổng công ty Viễn Thông MobiFone trên cơ sở tổ chức lại Công ty

TNHH một thành viên Thông tin di động.

2.1.4. Sơ đồ tổ chức

Hiện nay, Tổng công ty Viễn thông MobiFone có 20 Phòng, Ban chức năng và

20 đơn vị trực thuộc khác bao gồm 9 Công ty Dịch vụ MobiFone tại 9 khu vực,

Trung tâm Viễn thông quốc tế MobiFone, Trung tâm Dịch vụ đa phương tiện và giá

trị gia tăng MobiFone, Trung tâm Công nghệ thông tin MobiFone, Trung tâm Quản

lý và điều hành mạng (NOC), Trung tâm Mạng lưới MobiFone miền Bắc, Trung,

Nam, Trung tâm Đo kiểm và sửa chữa thiết bị viễn thông MobiFone, Trung tâm

Tính cước và Thanh khoản, Trung tâm Nghiên cứu và Phát triển, Trung tâm Tư vấn

thiết kế MobiFone.

Ngoài ra, MobiFone có bốn công ty con bao gồm Công ty cổ phần Dịch vụ kỹ

thuật MobiFone, Công ty cổ phần Công nghệ MobiFone toàn cầu, Công ty cổ phần

Dịch vụ gia tăng MobiFone, Công ty cổ phần Nghe nhìn toàn cầu.

Văn phòng Tổng công ty viễn thông MobiFone: Tòa nhà MobiFone - Lô VP1,

Phường Yên Hòa, Quận Cầu Giấy, Thành phố Hà Nội.

- 45 -

Sơ đồ 2.1: Sơ đồ tổ chức của Tổng công ty Viễn thông MobiFone

- 46 -

2.1.5. Kết quả kinh doanh

2.1.5.1. Bối cảnh chung

Giai đoạn 5 năm 2011-2015 đã khép lại. Nhìn lại giai đoạn này, từ năm 2010

đã đánh dấu một giai đoạn khó khăn trên con đường phát triển của dịch vụ viễn

thông. Nền kinh tế Việt Nam vẫn tiếp tục bị ảnh hưởng của cuộc khủng hoảng tài

chính và suy thoái kinh tế toàn cầu, đã tác động lên thị trường viễn thông nói chung

và thị trường các dịch vụ thông tin di động nói riêng. Trong khi đó, thị trường viễn

thông Việt Nam đã bắt đầu tiệm cận bão hòa với tỷ lệ người dùng gần cao nhất khu

vực. Tốc độ tăng trưởng chung trên thị trường bị chậm lại trong bối cảnh có quá

nhiều nhà khai thác. Doanh thu tăng trưởng chậm, cạnh tranh giữa các nhà cung cấp

càng trở nên quyết liệt. Giai đoạn 2011-2015 cũng là thời kỳ xuất hiện liên tục

những gương mặt mới với hàng loạt gói cước và điện thoại di động siêu rẻ làm khấy

động thị trường viễn thông di động, đồng thời đẩy số lượng nhà mạng lên 7 doanh

nghiệp bao gồm VinaPhone, MobiFone, Viettel, S- Fone, EVN Telecom,

Vietnamobile và Beeline, vì vậy việc sử dụng tài nguyên tần số, kho số, hạ tầng

mạng trở nên khó khăn hơn trước. Tuy nhiên chính sự cạnh tranh quá khốc liệt đã

dẫn đến xu hướng mua bán, sáp nhập doanh nghiệp thông tin di động ngày càng rõ

nét và đây cũng là một trong những giải pháp tái cấu trúc doanh nghiệp theo quy

luật tất yếu của thị trường, điển hình là sự kiện EVN Telecom chính thức sáp nhập

vào Viettel, sự sụp đổ của mạng viễn thông CDMA S-Fone, hay việc thương hiệu

Beeline chấm dứt hoàn toàn sứ mệnh sau 3 năm gia nhập thị trường viễn thông,

nhường chỗ cho thương hiệu thay thế GMobile 100% vốn nhà nước.

Khi đã đi qua giai đoạn bùng nổ trước đó, ngành viễn thông phải đối mặt với

những thách thức của thị trường ngày càng có nhiều sự lựa chọn do vậy các nhà

mạng buộc phải nâng cao chất lượng và đa dạng dịch vụ để giữ chân khách hàng. Vì

vậy, trong 5 năm qua, thị trường chứng kiến cuộc chạy đua giảm giá tới mức quyết

liệt giữa các nhà cung cấp dịch vụ, cước dịch vụ tiếp tục giảm và đang tiến đến sát

với giá thành ảnh hưởng không nhỏ đến kết quả kinh doanh của các nhà mạng.

- 47 -

2.1.5.2. Kết quả kinh doanh của MobiFone

Vừa đầu tư không ngừng, vừa phải giảm cước liên tục để thu hút và giữ chân

thuê bao, thách thức MobiFone với vị thế là 1 trong những doanh nghiệp lớn hoạt

động trong ngành viễn thông phải đối đầu không khó để nhận thấy, nhưng trong sự

khó khăn và cạnh tranh khốc liệt ấy, sự tăng trưởng không ngừng cho thấy nỗ lực

hết mình của MobiFone. Bài toán để phát triển đã khó, phát triển trong môi trường

bão hòa, số thuê bao vượt dân số lại càng khó.

Đứng trước thách thức đó, trong khi một số doanh nghiệp nỗ lực đầu tư ra

nước ngoài để tìm kiếm cơ hội tại thị trường mới, MobiFone vẫn tiếp tục sứ mệnh

truyền tải trọn vẹn thông điệp kết nối và liên lạc cho gần 100 triệu người dân trên

toàn lãnh thổ Việt Nam, vận dụng toàn bộ tài nguyên và nguồn lực để phục vụ tốt

nhất cho khách hàng nội địa, mang đến những dịch vụ tiên tiến nhất, tạo sự hài lòng

cao nhất tới khách hàng. Một tín hiệu tốt cho MobiFone là xu hướng trung thành

của khách hàng với thương hiệu MobiFone cũng dần được định hình rõ ràng, tiến

tới định hình lớp khách hàng viễn thông bền vững.

Cũng chính sự gắn kết và niềm tin của khách hàng là động lực để MobiFone

tạo ra những bước đột phá, không ngừng đổi mới, hoàn thiện trong công tác nghiên

cứu phát triển, chính sách gói cước giá cước, chăm sóc khách hàng. Giai đoạn 2011-

2014, thị trường viễn thông chứng kiến sự chuyển dịch mạnh mẽ từ nhóm dịch vụ

thoại sang nhóm dịch vụ phi thoại, việc hiện hữu dàn trải của các thiết bị

smartphone chưa bao giờ mạnh mẽ hơn thế đã đặt ra bài toán kinh doanh tương

thích để đáp ứng nhu cầu gia tăng và ngày một đa dạng trong tiêu dùng.

Từ năm 2011, MobiFone đã cho ra đời rất nhiều gói cước linh hoạt để đáp ứng

các nhu cầu khác nhau của khách hàng nhằm tăng các chính sách khuyến khích

khách hàng, cung cấp thêm nhiều dịch vụ giá trị gia tăng và mở rộng các kênh phân

phối tiếp thị khách hàng. Nổi bật trong số đó là các gói cước ngắn ngày hoặc dài kỳ

với dung lượng cao; các gói cước dung lượng lớn không giới hạn, theo tháng hoặc

các gói ngắn hạn dùng song song với gói đang sử dụng… để khách hàng thoải mái

lựa chọn... Ví dụ như gói MobiQ hướng đến các đối tượng sử dụng SMS nhiều với

- 48 -

giá cước rẻ gần 50% so với cước tin nhắn thông thường trong khi gói Mobi Card lại

hướng đến đối tượng không nhắn tin nhiều và thời lượng gọi khoảng 30-135

phút/tháng với chi phí gọi rẻ hơn so với gói Mobi Q. Tính đến hết 2015, MobiFone

hiện có tất cả 21 gói cước dành cho các thuê bao trả trước, tùy theo nhu cầu tiêu

dùng và thu nhập hàng tháng, khách hàng có thể lựa chọn gói cước phù hợp cho

mình.

Đứng thứ hai về thuê bao di động với xấp xỉ 30% thị phần hết năm 2015,

MobiFone đã xác lập được một vị thế rất riêng khi suốt những năm qua luôn được

biết đến như là nhà mạng với cam kết chất lượng dịch vụ xuất sắc cùng phân khúc

khách hàng cao cấp hơn so với các nhà mạng còn lại. Theo kết quả khảo sát của

Nielsen cuối năm 2013, MobiFone là nhà mạng được yêu thích nhất tại thị trường

thành thị đặc biệt là Thành phố Hồ Chí Minh, chiếm 59% so với người dùng mạng

Viettel là 26% và Vinaphone là 11%. MobiFone cũng đồng thời là nhà mạng sở hữu

khách hàng có mức thu nhập trung bình cao hơn (tầng lớp A: từ 15 triệu đồng/tháng

trở lên) so với các nhà mạng lớn khác, cụ thể MobiFone: 15%; VinaPhone: 13%;

Viettel: 7%. Điều này đã làm nên bản sắc truyền thống của thương hiệu MobiFone

tại thị trường viễn thông Việt Nam.

Hiện nay, MobiFone đang là doanh nghiệp viễn thông có thị phần lớn thứ hai ở

Việt Nam, chỉ đứng sau Viettel. Sau khi tách ra khỏi Tập đoàn Bưu chính Viễn

thông VNPT, MobiFone đã được Thủ tướng cho phép nâng tầm trở thành Tổng

Công ty Viễn thông MobiFone. Cùng với 2 nhà mạng là Viettel và VNPT -

Vinaphone, đã tạo nên thế “kiềng ba chân” MobiFone - Vinaphone - Viettel chiếm

đến trên 90% thị phần cung cấp các dịch vụ viễn thông di động tại Việt Nam hiện

nay. Vốn điều lệ của Tổng công ty đã được tăng từ 12.600 tỉ đồng lên 15.000 tỉ

đồng vào cuối năm 2015.

Ngoài ra, kết quả kinh doanh giai đoạn 2011-2015 của MobiFone có nhiều dấu

ấn đặc biệt:

- 49 -

- Thuê bao phát triển mới hàng năm ở mức cao, đến cuối năm 2015, tổng số

khách hàng của MobiFone là 50 triệu thuê bao, trong đó 30 triệu thuê bao hoạt

động thường xuyên.

- Tổng doanh thu phát sinh 2011 - 2015 đạt trên 193 nghìn tỷ đồng, tăng trưởng

bình quân 5%/năm.

- Tổng lợi nhuận trước thuế của MobiFone đạt trên 32 nghìn tỷ đồng, tăng

trưởng bình quân đạt 6%/năm.

- Tổng số nộp ngân sách trong giai đoạn này là trên 22 nghìn tỷ đồng.

MobiFone liên tục đứng trong top 10 các doanh nghiệp thực hiện nghĩa vụ

đóng thuế thu nhập doanh nghiệp lớn nhất Việt Nam.

- Tỷ suất lợi nhuận / vốn chủ sở hữu bình quân trong giai đoạn 2011-2015 là

51,33% và luôn duy trì ở mức cao (trên 50%).

MobiFone liên tục được đánh giá xếp hạng doanh nghiệp hạng A, xếp hạng

cán bộ quản lý hoàn thành xuất sắc nhiệm vụ. Năng suất lao động đều tăng lên qua

mỗi năm. Công tác đào tạo, phát triển nguồn nhân lực luôn được quan tâm hàng

đầu. Hàng năm hầu hết các cán bộ lao động đều được tham gia các chương trình đào

tạo phù hợp để nâng cao trình độ chuyên môn, từ đó áp dụng một cách hiệu quả vào

hoạt động sản xuất kinh doanh của đơn vị.

Chiến lược đầu tư giai đoạn 2016 – 2020 của MobiFone sẽ dựa trên 4 trụ cột

chiến lược: viễn thông - công nghệ thông tin, truyền hình, bán lẻ và dịch vụ đa

phương tiện. MobiFone đang xây dựng khát vọng là doanh nghiệp viễn thông lớn

với quy mô doanh thu 100 nghìn tỷ vào năm 2020.

2.2. Đặc điểm hoạt động kinh doanh tại Tổng công ty Viễn thông MobiFone

trước khi áp dụng Big Data

2.2.1. Lưu trữ và phân tích đữ liệu

Thị trường thông tin di động Việt Nam đã trải qua những bước phát triển mạnh

mẽ trong vòng vài năm trở lại đây. Theo số liệu được Bộ Thông tin & Truyền thông

công bố trong Sách trắng về Công nghệ thông tin - truyền thông, tính đến cuối năm

- 50 -

2013, cả nước đã có trên 124 triệu thuê bao di động, đạt tỉ lệ trên 138 thuê bao/100

dân (NXB Thông tin và Truyền thông 2014, Tr. 54). Sau một thời gian phát triển

nóng, thị trường dịch vụ thông tin di động Việt Nam đang dần trở nên bão hòa.

Trước áp lực cạnh tranh, đòi hỏi các nhà mạng phải am hiểu khách hàng hơn để có

thể giới thiệu các dịch vụ khác biệt, phù hợp cho khách hàng đúng lúc đúng thời

điểm

Thực tế cho thấy, trong nhà mạng viễn thông tồn tại khối lượng lớn dữ liệu, tốc

độ tăng tưởng nhanh và đa dạng phù hợp đặc tính 5Vs của khái niệm dữ liệu lớn.

Do vậy, tính tự nhiên và đặc thù riêng của nhà mạng đã tạo ra điều kiện để ứng

dụng công nghệ phân tích dữ liệu lớn Big Data nhằm tạo ra các giá trị cho nhà

mạng.

Các loại dữ liệu chính đặc thù đối với MobiFone:

- Dữ liệu chi tiết cuộc gọi CDR (Call detail record);

- Dữ liệu thông tin sử dụng data, thời gian truy cập web, ứng dụng...;

- Dữ liệu tính cước và quản lý thông tin khách hàng;

- Dữ liệu về thông tin thiết bị đầu cuối của khách hàng;

- Dữ liệu về thông tin vị trí của thuê bao (Location based service);

- Dữ liệu về chất lượng mạng lưới...

Các loại dữ liệu khác tồn tại trong các hệ thống ứng dụng phục vụ quản trị

doanh nghiệp nói chung:

- Dữ liệu về hoạt động kinh doanh hàng ngày: kho hàng, hàng hóa trên kênh

phân phối…;

- Dữ liệu về tình hình tài chính của doanh nghiệp.

Các dữ liệu phi cấu trúc bên ngoài:

- Giống như các doanh nghiệp khác, nhà mạng đều có cơ hội được thụ hưởng

một cách bình đẳng và tạo ra các giá trị mới với các dữ liệu phi cấu trúc bên

- 51 -

ngoài trên mạng internet như: dữ liệu trên mạng xã hội (ví dụ: Facebook), dữ

liệu về truyền thông và phản ứng của người dùng (forum, blog...).

Tuy nhiên, thực tế tại MobiFone, công tác thống kê và phân tích dữ liệu khách

hàng còn một số điểm hạn chế như sau:

- Chưa có các phân tích chuyên sâu về các phân khúc khách hàng dựa trên phân

tích các giao dịch tương tác;

- Hạn chế trong các bài toán phân tích về quản lý thuê bao rời mạng;

- Hạn chế các bài toán phân tích về mô hình gian lận cước;

- Chưa có các thuật toán phân tích liên quan tới hành vi của khách hàng như:

các tiếp thị thời gian thực…;

- Hạn chế trong quản trị và lập kế hoạch: các phân tích điều hành, các phân tích

lập kế hoạch và dự báo các phân tích dự đoán;

- Hạn chế trong tiếp cận và xử lý tập dữ liệu lớn về mạng xã hội, các phân tích

nhiều chiều;

- Hạn chế trong khám phá và thử nghiệm dịch vụ như: phân tích làm rõ hiệu quả

giới thiệu sản phẩm/dịch vụ, chiến lược thương hiệu...

Do đó, việc trang bị hệ thống giải pháp Big Data phục vụ sản xuất kinh doanh

là hết sức cần thiết giúp MobiFone có thể khai thác toàn diện giá trị mà nguồn thông

tin dữ liệu khách hàng đang sở hữu, để am hiểu khách hàng đưa ra các quyết định

kinh doanh phù hợp, nhanh chóng tức thời, đúng bối cảnh, đảm bảo lợi thế cạnh

tranh của MobiFone trước các đối thủ lớn tại thị trường viễn thông Việt Nam

2.2.2. Quy trình cung ứng sản phẩm, dịch vụ và triển khai khuyến mại

Quá trình cung ứng dịch vụ viễn thông và triển khai khuyến mại của Tổng

Công ty Viễn thông MobiFone, cụ thể ở đây là việc cung cấp các gói cước dịch vụ

viễn thông thường được bắt đầu từ bước nghiên cứu xây dựng ý tưởng, thiết kế,

hoàn thiện sản phẩm để cung cấp tới khách hàng.

- 52 -

Về cơ bản, quá trình cung ứng dịch vụ và triển khai khuyến mại của MobiFone

được diễn giải theo mô hình 5 bước bao gồm:

- Giai đoạn xây dựng ý tưởng;

- Giai đoạn phát triển ý tưởng;

- Giai đoạn thiết kế;

- Giai đoạn kế hoạch;

- Giai đoạn tiền triển khai.

Sơ đồ 2.2: Quy trình cung ứng sản phẩm dịch vụ, triển khai khuyến

mại của MobiFone

(Nguồn: Tổng công ty Viễn thông MobiFone, “Quy trình cung ứng sản phẩm dịch

vụ và triển khai khuyến mại”, 2014)

- 53 -

Trong đó, mỗi giai đoạn đều có yêu cầu phân tích rất sâu về hành vi tiêu dùng

của khách hàng, cụ thể:

- Giai đoạn xây dựng ý tưởng: Xác định hành vi, thói quen, nhu cầu, xu hướng

tiêu dùng của khách hàng để từ đó đưa ra được các ý tưởng phù hợp với nhu

cầu sử dụng của khách hàng.

- Giai đoạn phát triển ý tưởng: Định vị khách hàng mục tiêu thông qua phân

khúc thị trường, để có một cái nhìn rõ ràng hơn về thị trường, hiểu rõ hơn về

nhu cầu và mong muốn của khách hàng.

- Giai đoạn thiết kế: Đánh giá sự phù hợp của đề xuất đối với thị trường mục

tiêu, đặc điểm của sản phẩm dịch vụ, chương trình khuyến mại mới có đi đúng

hướng so với mong muốn của tập khách hàng mục tiêu đặt ra lúc đầu hay

không.

- Giai đoạn kế hoạch: Rà soát, tính toán hiệu quả dự kiến, khả năng tiếp nhận

của khách hàng dựa trên các thông tin đã thu thập được.

- Giai đoạn tiền triển khai: Phân tích dữ liệu tập khách hàng mục tiêu để đưa ra

chiến dịch truyền thông, marketing phù hợp và hiệu quả nhất.

Tuy nhiên, do hạn chế trong việc phân tích dữ liệu khách hàng nên quy trình

còn tồn tại một số điểm bất cập như sau:

- Thời gian triển khai dài: Việc thực hiện thiết kế sản phẩm, chương trình

khuyến mại qua đầy đủ các bước như trên, với đầy đủ hệ thống dữ liệu phục

vụ tính toán thường sẽ kéo dài trong vòng 45 - 90 ngày làm việc. Đây là

khoảng thời gian quá dài nếu xét về yếu tố cạnh tranh ngày càng gay gắt và

yếu tố kịp thời nhanh chóng đang được đặt lên hàng đầu như hiện nay, dẫn đến

không kịp phản ứng trước các đối thủ, đặc biệt là Viettel với cách làm rất

nhanh và bài bản. Chính vì thế, MobiFone có thể đứng trước nguy cơ mất thị

phần và sụt giảm về thuê bao, khách hàng đặc biệt là những khách hàng ưa

thích những sản phẩm mới, có độ trải nghiệm cao.

- 54 -

- Thiếu công cụ phân tích, dự báo doanh thu, chi phí chuyên sâu. Việc xây dựng

các chỉ số này hầu hết dựa trên ý kiến chủ quan của người lập, kỳ vọng vào

sản phẩm để chứng minh yếu tố hiệu quả của sản phẩm, chưa dựa trên việc đo

đạc thị trường như thuê bao hay độ co giãn của cầu theo giá, mức độ hấp dẫn

của sản phẩm… Trên thực tế, một số sản phẩm, chương trình khuyến mại do

không được xác định chính xác về các yếu tố nói trên dựa trên những công cụ

chuyên sâu dẫn đến tình trạng doanh số bán ra thấp, tỷ lệ khách hàng chuyển

đổi sang gói cước khác cao, các thuê bao “ngủ” nhiều… Thực trạng này cho

thấy các công cụ phân tích dự báo cần phát triển hơn về chất thay vì số lượng

và tính hình thức.

- Đối với phân đoạn thị trường, hầu hết các tiêu chí phân đoạn được đưa ra theo

kinh nghiệm triển khai và thực hiện phân đoạn theo cách thức truyền thống.

- Các số liệu về từng nhóm đối tượng để nghiên cứu được phân tích theo nhu

cầu chủ động từ phía người triển khai, cũng như các ý tưởng kinh doanh được

thực hiện ở mức độ căn bản nhất.

Tùy vào mức độ và quy mô của chương trình mà toàn bộ thời gian chạy một

chương trình chưa đáp ứng được kỳ vọng và tốc độ của thị trường. Các công tác báo

cáo, đánh giá vẫn chưa phân tích sâu về hành vi của khách hàng như ý tưởng ban

đầu. Do đó, MobiFone kỳ vọng sẽ triển khai hệ thống Big Data để tạo nên sự khác

biệt về:

- Khác biệt về quy mô, phạm vi tập dữ liệu phân tích;

- Khác biệt về giai đoạn làm sạch, xử lý dữ liệu;

- Khác biệt về phương pháp khai phá đặc tính dữ liệu;

- Khác biệt về thời gian phân tích.

2.3. Thực tế triển khai ứng dụng Big Data tại Tổng công ty Viễn thông MobiFone

MobiFone chính thức triển khai dự án Big Data từ năm 2015 và trở thành nhà

mạng đầu tiên tại Việt Nam triển khai một giải pháp tổng thể về Big Data phân tích

- 55 -

dữ liệu giao dịch khách hàng, dữ liệu vận hành mạng lưới để phục vụ xây dựng các

dịch vụ mới khác biệt trong bán hàng và trong cách thức triển khai, đánh giá các

chương trình khuyến mại.

2.3.1. Xây dựng hệ thống cơ sở dữ liệu khách hàng

Để có thể triển khai ứng dụng phân tích Big Data, ngay trước khi triển khai,

MobiFone đã phải quy hoạch và chuẩn hóa toàn bộ hệ thống cấu trúc dữ liệu khách

hàng đang chưa được tập trung, quản lý trên nhiều hệ thống tài nguyên khác nhau.

Nguồn dữ liệu phục vụ cho phân tích có nguồn từ:

- Hệ thống thông tin thuê bao trả trướ c;

- Hệ thống tính cước và quản lý khách hàng;

- Hệ thống mạng lõi;

- Bản ghi chi tiết cuộc gọi khách hàng;

- Dữ liê ̣u vi ̣ trí tra ̣m phu ̣c vu ̣;

- Dữ liê ̣u liên quan đến xác đi ̣nh khu vực và vù ng kinh tế.

Các hệ thống cơ sở dữ liệu cung cấp toàn bộ dữ liệu của khách hàng sử dụng

dịch vụ viễn thông của MobiFone về lịch sử cuộc gọi, thói quen sử dụng, vị trí sử

dụng, hành vi tiêu dùng. Dựa trên hệ thống cơ sở dữ liệu, MobiFone thực hiện sắp

xếp dữ liệu thu thập được dựa trên hệ thống các trường dữ liệu cơ bản như sau:

STT Kiểu dữ liệu

1 2 3 4 5 6 7 8 9 10 11 Chuỗi Chuỗi Thời gian Số Chuỗi Chuỗi Số Chuỗi Chuỗi Chuỗi Chuỗi Mô tả Số điện thoại Loại giao dịch Thời gian thực hiện giao dịch Thời gian gọi/nhận cuộc gọi Mã trạm phục vụ Loại giao dịch theo dịch vụ Tiền trừ cước tài khoản Hệ điều hành của thiết bị sử dụng Dòng sản phẩm thiết bị sử dụng Loại version thiết bị sử dụng Thiết bị hỗ trợ 3G/4G Đơn vị tính Giây Đồng

- 56 -

STT Kiểu dữ liệu 12 13 14 15 16 17 18 19 20 21 22 Thời gian Chuỗi Thời gian Chuỗi Chuỗi Số Số Số Số Số Số Đơn vị tính Đồng Đồng Đồng Đồng Đồng Đồng

23 Chuỗi

24 Chuỗi Mô tả Ngày kích hoạt Tên chủ thuê bao Ngày sinh chủ thuê bao Dịch vụ Data sử dụng Dịch vụ Giá trị gia tăng sử dụng Số tiền sử dụng dịch vụ thoại Số tiền sử dụng dịch vụ tin nhắn Số tiền sử dụng dịch vụ Data Số tiền sử dụng dịch vụ Giá trị gia tăng Số tiền sử dụng dịch vụ khác Số tiền nạp thẻ Chương trình khuyến mại khách hàng tham gia Mã trạm

Các dữ liệu này được cập nhật định kỳ hàng ngày trên các hệ thống dữ liệu của

MobiFone và lưu trữ trên hệ thống máy chủ tập trung để phục vụ khai thác và sử

dụng khi cần thiết.

2.3.2. Hệ thống kỹ thuật

2.3.2.1. Giải pháp kỹ thuật tổng thể

Giải pháp tổng thể triển khai tại MobiFone có kiến trúc logic các chức năng

thành phần sau:

- (1): Khối chức năng xử lý realtime các luồng dữ liệu (theo Streaming mode

như đã nêu trong mô hình tham chiếu)

- (2): Khối chức năng xử lý ETL, làm sạch, đảm bảo chất lượng dữ liệu (lớp DI

và DM trong mô hình tham chiếu)

- (3), (4): Khối chức năng lưu trữ dữ liệu và tạo ra các mô hình dữ liệu Data

mart (lớp Bigdata Repository trong mô hình tham chiếu)

- (5): Khối chức năng phân tích chuyên sâu (lớp DA trong mô hình tham chiếu)

- (6): Các công cụ báo cáo (trong lớp DA trong mô hình tham chiếu)

- 57 -

- (7): Khối chức năng phục vụ quản lý, phát triển các chương trình khuyến mại

(là hệ thống thụ hưởng theo mô hình tham chiếu)

Sơ đồ 2.3: Mô hình tổng thể giải pháp Big Data tại MobiFone

2.3.2.2. Mô tả năng lực, tính năng các thành phần

Căn cứ kiến trúc giải pháp nêu trên, sau đây sẽ mô tả chi tiết năng lực và tính

năng từng thành phần:

a. Thành phần số 1: Xử lý sự kiện Streaming

Thành phần này cung cấp khả năng xử lý dữ liệu lớn và đa dạng về cấu trúc dữ

liệu từ nhiều nguồn khác nhau. Hỗ trợ người ra quyết định, thu thập những thông tin

có tính thời sự. Nó hoàn toàn có thể mở rộng các phương thức xử lý thông tin khác

nhau để hỗ trợ các tổ chức như:

- Đáp ứng trong thời gian thực khi có sự kiện hoặc sự thay đổi phát sinh.

- Hỗ trợ phân tích liên tục các định dạng và kiểu dữ liệu.

- Thích nghi nhanh chóng với sự thay đổi về định dạng cũng như kiểu dữ liệu.

- Quản lý tính sẵn sàng cao, bất đồng bộ và phân tán.

- 58 -

- Cung cấp khả năng an ninh và bảo mật thông

Có khả năng tiếp nhận tích hợp đa định dạng dữ liệu: bản ghi chi tiết cuộc gọi

(CDR), thông tin tính cước (billing), dữ liệu quản lý thông tin khách hàng (CRM),

thông tin về vị trí từ GPS, thông tin thanh toán... Với khả năng mở rộng cao, hàng

triệu sự kiện có thể được phân tích mỗi giây, với độ trễ tính bằng một phần nghìn

giây. Sự gom nhóm kết hợp có thể được thực hiện trên từng khách hàng hoặc theo

từng Cell. Với tính chất là phân tích streaming nên hỗ trợ phát hiện ra gian lận trong

số lượng lớn các bản tin được gửi, phát hiện chất lượng mạng lưới suy giảm…

Thành phần streaming này cần có khả năng tính toán trên các xử lý sự kiện

phức hợp CEP. Năng lực này giúp cho phát triển các dịch vụ như tính toán lịch trình

dựa trên dữ liệu vị trí của người dùng.

b. Thành phần số 2: Thu thập và chuẩn hóa dữ liệu

Đây là thành phần với năng lực tích hợp và chuyển đổi dữ liệu sang các khuôn

dạng có ý nghĩa, làm sạch dữ liệu, đảm bảo chất lượng dữ liệu cho lưu trữ trên kho

dữ liệu (data warehouse).

c. Thành phần số 3: Kho dữ liệu (data warehouse)

Đây là nơi lưu trữ dữ liệu đã qua xử lý phục vụ phân tích, xây dựng các mô

hình data mart theo từng chủ đề quan tâm.

d. Thành phần số 4: Xử lý các loại dữ liệu khác nhau

Đặc tính dữ liệu lớn là không đồng nhất về khuôn dạng, do vậy thành phần này

sẽ cung cấp khả năng xử lý dữ liệu khối lượng lớn với các loại dữ liệu khác nhau

(cấu trúc, bán cấu trúc và phi cấu trúc). Trong giải pháp của MobiFone, thành phần

này sẽ lưu trữ các dữ liệu thô nhưng có tần suất sử dụng thấp và được cung cấp cho

kho dữ liệu (số 3) khi cần.

e. Thành phần số 5: Thực thi các phân tích nâng cao

Cung cấp năng lực phân tích, dự báo dễ dàng và hiệu quả nhanh chóng mà

không đòi hỏi cao về tri thức chuyên gia. Hỗ trợ xử lý phân tích trên các loại dữ liệu

- 59 -

khác nhau như dữ liệu hoạt động, dữ liệu phi cấu trúc… Nguồn dữ liệu được phân

tích sẽ được lấy từ kho dữ liệu, sau khi được xử lý sẽ ghi ngược lại vào kho dữ liệu.

Trong mô hình tham chiếu, thành phần này được thể hiện trong lớp DA.

f. Thành phần số 6: Các công cụ mô phỏng

Đây là thành phần hỗ trợ hiển thị, các báo cáo phân tích thu được từ các bước

trước đó. Hỗ trợ hiển thị trực quan và dễ dàng tạo ra các báo cáo mà không cần độ

ngũ CNTT hỗ trợ. Một số tính năng:

- Báo cáo hỗ trợ người dùng thông tin đề nhanh chóng ra quyết định.

- Dashboard hỗ trợ người dùng truy cập, tương tác và cá nhân hóa nội dung.

- Khả năng phân tích cho phép truy cập thông tin từ nhiều chiều khác nhau.

- Cộng tác cho phép chia sẻ và trao đổi các thông tin cùng nhau ra quyết định.

Một số báo cáo mẫu thể hiện trực quan các KPIs cung cấp thông tin cũng như

khả năng tương tác cho phép người quản trị nhanh chóng nắm bắt tình hình để đưa

ra quyết định.

g. Thành phần số 7: Quản lý phát triển các chương trình khuyến mại

Thành phần này là một ứng dụng thụ hưởng và tương tác trực tiếp với các kết

quả phân tích của nền tảng Big Data để phát triển, tạo mới, quản lý, theo dõi, đánh

giá các chương trình khuyến mại mà nhà mạng cung cấp tới khách hàng một cách

hoàn chỉnh, xuyên suốt.

Các tính năng như:

- Xây dựng hội thoại liên tục và hiệu quả với khách hàng và khách hàng tiềm

năng thông qua lịch sử tương tác với khách hàng như các dịch vụ đã tiếp thị

tới khách hàng, phản hồi của khách hàng, chi tiết về chương trình khuyến mại.

- Đo lường chính xác về tính hiệu quả của chương trình trên nhóm khách hàng,

sản phẩm, thời gian... qua đó cho phép doanh nghiệp cải tiến nâng cao sự hiệu

quả cho các chương trình khuyến mại tương lai.

- 60 -

- Thiết kế và quản lý các chương trình khuyến mại phức tạp một các đơn giản,

nhanh chóng và linh hoạt để đưa ra thị trường một cách nhanh nhất nhằm tăng

doanh thu.

- Thu thập dữ liệu từ nhiều nguồn khác nhau sau mỗi chương trình khuyến mại

để qua đó điều chỉnh các tiêu chí tiếp thị tới khách hàng.

Hình 2.1: Hệ thống máy chủ Big Data đặt tại MobiFone

2.3.3. Phương pháp triển khai ứng dụng Big Data

2.3.3.1. Ứng dụng phân tích hành vi khách hàng để triển khai khuyến mại

Trong giai đoạn mới tiếp cận sử dụng hệ thống Big Data, MobiFone đã đưa ra

một số ý tưởng ứng dụng phân tích hành vi tiêu dùng của khách hàng để triển khai

khuyến mại, nâng cao hiệu quả cho công tác sản xuất kinh doanh, trong đó các

chương trình triển khai chủ yếu thuộc 5 bài toán Big Data:

- Bài toán 1 “Kích thích khách hàng tiêu dùng tài khoản chính”: Đã triển khai

22 chương trình khuyến mại trên toàn quốc từ tháng 9 tới tháng 12/2016, trung

bình mỗi chương trình khi triển khai đạt hiệu quả tăng 5% doanh thu tài khoản

chính so với chu kỳ trước khi triển khai chương trình khuyến mại. Tổng doanh

thu các chương trình đem lại đạt 31 tỷ đồng.

- 61 -

- Bài toán 2 “Tăng doanh thu cước kết nối”: Đã thực hiện triển khai trong tháng

10/2016 trên phạm vi toàn quốc, bước đầu đã mang lại kết quả tốt (tăng 1,7 tỷ

so với tuần trước khi triển khai chương trình).

- Bài toán 3 “Phân tích các thuê bao sử dụng dịch vụ giá trị gia tăng đang nợ

cước”: Triển khai từ tháng 5 đến tháng 9/2016, chương trình có doanh thu nạp

thẻ từ các thuê bao dịch vụ giá trị gia tăng là 58,63 tỷ đồng.

- Bài toán 4 “Tăng doanh thu mua gói data ngày”: Kích thích khách hàng sử

dụng các gói cước data sử dụng dữ liệu data truy cập Internet hàng ngày với

tần suất cao hơn và sử dụng các gói có dung lượng lớn hơn.

- Bài toán 5 “Phát hiện thuê bao nghi vấn gian lận cước khi sử dụng dịch vụ giá

trị gia tăng và các dịch vụ giá trị gia tăng có doanh thu bất thường”: Phân tích

các tiêu chí đánh giá các thuê bao sử dụng dịch vụ giá trị gia tăng nhiều đột

biến và các dịch vụ giá trị gia tăng có doanh thu bất thường, phát hiện rủi ro,

phòng tránh thất thoát doanh thu cho doanh nghiệp.

Trong một năm đầu tiên sau khi triển khai theo số liệu và phân tích đưa ra từ

hệ thống Big Data, đánh giá tổng doanh thu từ các chương trình khuyến mại ứng

dụng Big Data đem lại đạt 1.437 tỷ đồng.

Với việc chia nhỏ từng nhóm đối tượng để chương trình khuyến mại đáp ứng

được đúng đối tượng khách hàng, tỷ lệ tối đa khách hàng đã tham gia và gia tăng

tiêu dùng, đóng góp doanh thu cho MobiFone cao hơn đến 10% so với tập đối

tượng khách hàng thông thường.

Dưới đây sẽ phân tích cụ thể 2 chương trình khuyến mại đem lại hiệu quả

doanh thu cao áp dụng bài toán 2 và bài toán 4 nêu trên:

a. Bài toán 2: Chương trình khuyến mại tăng doanh thu cước kết nối

a1. Mục tiêu chương trình

- Doanh thu cước kết nối là doanh thu các nhà mạng khác phải trả cho

MobiFone khi phát sinh cuộc gọi/tin nhắn từ thuê bao của nhà mạng khác sang

thuê bao MobiFone.

- 62 -

- Mục tiêu chương trình: tăng doanh thu cước kết nối thông qua khuyến khích

thuê bao của MobiFone nhận cuộc gọi từ thuê bao mạng khác.

a2. Nguồn dữ liệu

- Tổng số lượng thuê bao MobiFone có tuổi đời trên 3 năm tại tháng 12/2015:

17.553.949 thuê bao.

- Trong đó, tổng thuê bao trả trước có phát sinh giao dịch thoại từ ngoại mạng

gọi đến: 15.400.182 thuê bao.

a3. Phân tích hành vi của khách hàng

- Tính tổng số phút nghe (không thuộc cuộc gọi đến từ MobiFone) và gọi (trừ

tiền tài khoản không tính gọi đến đầu số tổng đài) trong tháng 12/2015 của tập

thuê bao phát sinh giao dịch nghe và gọi.

- Sử dụng phương pháp Maximize để phân tích hành vi tiêu dùng cao nhất trong

4 tuần của tháng 12.

- Sử dụng phương pháp tứ phân vị để phân tích hành vi nghe và gọi của từng

nhóm và sự phân bố thuê bao (Tứ phân vị là đại lượng mô tả sự phân bố và sự

phân tán của tập dữ liệu. Tứ phân vị có 3 giá trị, đó là tứ phân vị thứ nhất

(Q1), thứ nhì (Q2) và thứ ba (Q3). Ba giá trị này chia một tập hợp dữ liệu (đã

sắp xếp dữ liệu theo trật từ từ bé đến lớn) thành 4 phần có số lượng quan sát

đều nhau).

a4. Tập khách hàng mục tiêu

Dựa trên phương pháp tiếp cận ở trên, tập khách hàng phân tích được phân

thành 10 nhóm hành vi tiêu dùng như sau:

Bảng 2.1. Phân nhóm khách hàng theo thời gian nghe

NHÓM

1 2 3 4 5

MIN (giây) 1 175 277 373 470

MAX (giây) 174 276 372 469 571

SLTB (thuê bao) 7.507.057 1.694.924 1.209.844 940.036 765.009

Mean (giây) 79 222 322 418 518

Q1 (giây) 37 197 298 394 493

Median (giây) 75 221 321 418 517

Q3 (giây) 120 248 346 443 543

Ngưỡng (Phút) 2 4 6 7 9

- 63 -

6 7 8 9 10 11 12 13 14 15

572 684 810 955 1.126 1.335 1.605 1.974 2.546 3.658

683 809 954 1.125 1.334 1.604 1.973 2.545 3.657 57.136

645.679 542.045 461.391 392.252 333.294 279.212 230.460 183.365 136.703 78.911

624 743 878 1.035 1.222 1.459 1.771 2.223 2.991 5.134

597 712 842 992 1.170 1.391 1.679 2.081 2.720 4.030

624 742 876 1.033 1.219 1.454 1.762 2.206 2.941 4.578

653 774 914 1.077 1.274 1.524 1.859 2.358 3.233 5.642

11 13 15 18 21 25 31 39 54 94

(Nguồn: MobiFone, Báo cáo kết quả triển khai Big Data, 2016)

Min: Số phút gọi tối thiểu trong nhóm

Max: Số phút gọi tối đa trong nhóm

Mean: Số phút gọi trung bình của thuê bao trong nhóm

Q1 (Quartile 1): Tứ phân vị thứ nhất

Median (Quartile 2): Tứ phân vị thứ hai

Q3 (Quartile 3): Tứ phân vị thứ ba

Ngưỡng: Ngưỡng đề xuất khuyến mại cho thuê bao thuộc nhóm.

a5. Nội dung khuyến mại

- Thuê bao nhận cuộc gọi liên mạng thỏa mãn điều kiện khuyến mại sẽ được

hưởng chương trình khuyến mại như sau:

Bảng 2.2. Nội dung khuyến mại theo các nhóm khách hàng

Điều kiện được khuyến mại Nội dung khuyến mại

Thuê bao nhận A phút liên mạng trong nước trong ngày x sẽ được tặng A x 1.000 đồng vào TK KM1T trong ngày x+1, sử dụng trong vòng 07 ngày kể từ thời điểm cộng.

Nhóm đối tượng 1 2 3 4 5 6 7 8 9 10 11 12 13 14 A ≥ 2 phút A ≥ 4 phút A ≥ 6 phút A ≥ 7 phút A ≥ 9 phút A ≥ 11 phút A ≥ 13 phút A ≥ 15 phút A ≥ 18 phút A ≥ 21 phút A ≥ 25 phút A ≥ 31 phút A ≥ 39 phút A ≥ 54 phút

- 64 -

Điều kiện được khuyến mại Nội dung khuyến mại

Nhóm đối tượng 15 A ≥ 94 phút

(Nguồn: MobiFone, Báo cáo kết quả triển khai Big Data, 2016)

- Thời gian triển khai khuyến mại: 22/3 - 28/3/2016.

a6. Kết quả triển khai

- Tổng số lượng thuê bao vượt ngưỡng và duy trì chiếm 62,27%

- Tổng số lượng thuê bao giảm chiếm 37,73%

- Doanh thu thông tin dịch vụ thoại: 167.453.735.135 đồng

- Doanh thu cước kết nối: 51.800.669.950 đồng

Tuần Doanh thu Thoại (vnđ) Doanh thu cước kết nối

4/1 – 10/1/2016 22/3 – 28/03/2016 140.799.968.944 167.453.735.135 51.187.357.820 51.800.669.950

(Nguồn: MobiFone, Báo cáo kết quả triển khai Big Data, 2016)

- Doanh thu cước kết nối tăng 1,01% so với tuần 4 - 10/1/2016.

- Doanh thu dịch vụ thoại tăng 19% so với tuần 4 - 10/1/2016.

b. Bài toán 4: Chương trình khuyến mại kích thích khách hàng sử dụng

gói dữ liệu trọn gói

b1. Mục tiêu chương trình

- Kích thích tiêu dùng dịch vụ truyền dữ liệu (data) của khách hàng.

b2. Sản phẩm sử dụng trong chương trình

- Các gói sử dụng dữ liệu data của MobiFone đang cung cấp cho khách hàng có

giá trị dưới 50.000 đồng:

Bảng 2.3. Các sản phẩm sử dụng trong chương trình khuyến mại

Giá gói Sử dụng trong gói

Tên gói cước D5 D7 5.000 đ/ngày 7.000 đ/ngày 1GB tốc độ cao 1,2GB tốc độ cao Sử dụng ngoài gói 25đ/50KB 25đ/50KB

- 65 -

D10 (*) M10 M25 M50 M0 10.000 đ/ngày 10.000 đ/ 30 ngày 25.000 đ/ 30 ngày 50.000 đ/ 30 ngày - 1,5GB tốc độ cao 50MB tốc độ cao 150MB tốc độ cao 450MB tốc độ cao - 25đ/50KB 25đ/50KB 25đ/50KB 25đ/50KB 75đ/50KB

(Nguồn: MobiFone, Báo cáo kết quả triển khai Big Data, 2016)

(*) D10 là sản phẩm mới được đưa vào để thay thế gói cước D5.

- M10, M25, M50 là các gói cước chu kỳ 30 ngày có dung lượng thấp nên

thường được khách hàng sử dụng kèm với các gói cước chu kỳ 1 ngày như

D5, D7, D10 vào những ngày phát sinh nhu cầu đột biến về sử dụng dữ liệu.

- Tương tự, M0 là gói cước trả tiền theo thực tế sử dụng, nên khách hàng cũng

sử dụng kèm với các gói cước chu kỳ 1 ngày vào những ngày phát sinh nhu

cầu đột biến.

- Chương trình được triển khai vào tháng 3/2016, khi gói cước D5 đã được

dừng cung cấp. Mục tiêu của chương trình hướng đến khuyến khích khách

hàng sử dụng gói cước D7 nhiều hơn và giới thiệu gói cước D10.

b3. Phân tích hành vi của khách hàng

- Dữ liệu phân tích gồm: Khách hàng là thuê bao của MobiFone có sử dụng dịch

vụ truyền dữ liệu (data) trong tháng 01/2016.

- Phân tích A: Tập thuê bao có đăng ký 1 trong các gói D5, D7, M10, M25,

M50 trong tháng 01/2016: 1.876.779 thuê bao, sử dụng phương pháp gom

nhóm cluster được phân khúc 5 tập khách hàng:

Bảng 2.4. Phân nhóm tập thuê bao có đăng ký gói trong tháng 01/2016

- 66 -

(Nguồn: MobiFone, Báo cáo kết quả triển khai Big Data, 2016)

• Tập khách hàng 1 (cluster-1):

o Thuê bao chỉ sử dụng gói D5 và mức đăng ký trung bình 24 lần

trong tháng.

o Số lượng thuê bao: 424.299 chiếm tỉ lệ 22,6%

o Mức phát sinh cước sử dụng ngoài gói: 20.656 đồng.

• Tập khách hàng 2 (cluster-2):

o Là tập thuê bao sử dụng D5 nhiều với mức trung bình 3 lần đăng

ký trong tháng.

o Có số lượng thuê bao chiếm tỉ lệ lớn nhất với 75% tương đương

1.408.269 thuê bao.

o Mức phát sinh cước sử dụng ngoài gói: 0 đồng.

• Tập khách hàng 3 (cluster-3):

o Chỉ có một thuê bao và sử dụng gói M50 không đáng kể, nên

không đưa vào việc triển khai chương trình khuyến mãi.

• Tập khách hàng 4 (cluster-4):

o Thuê bao chỉ sử dụng gói D7 và mức đăng ký trung bình 23 lần

trong tháng.

- 67 -

o Số lượng thuê bao: 36.299 chiếm tỉ lệ 1,9%

o Mức phát sinh cước sử dụng ngoài gói: 32.641 đồng.

• Tập khách hàng 5 (cluster-5):

o Thuê bao chỉ sử dụng gói M25 và mức đăng ký trung bình hơn 2

lần trong tháng.

o Số lượng thuê bao: 7.911.

o Mức phát sinh cước sử dụng ngoài gói: 17.713 đồng.

- Phân tích B: Tập thuê bao có sử dụng dữ liệu data nhưng không đăng ký các

gói trọn gói, chỉ sử dụng cước M0: 2.420.765 thuê bao, sử dụng phương pháp

gom nhóm cluster theo số ngày sử dụng được phân khúc thành 10 tập khách

hàng:

Bảng 2.5: Phân nhóm tập thuê bao không đăng ký gói theo số ngày sử dụng

(Nguồn: MobiFone, Báo cáo kết quả triển khai Big Data, 2016)

• Tập khách hàng 1 (cluster-1): có 1 ngày sử dụng dịch vụ data/tháng.

• Tập khách hàng 2 (cluster-2): có 2 ngày sử dụng dịch vụ data/tháng.

• Tập khách hàng 3 (cluster-3): có 3 ngày sử dụng dịch vụ data/tháng.

• Tập khách hàng 4 (cluster-4): có 4 ngày sử dụng dịch vụ data/tháng.

• Tập khách hàng 5 (cluster-5): có 6 ngày sử dụng dịch vụ data/tháng.

• Tập khách hàng 6 (cluster-6): có 8 ngày sử dụng dịch vụ data/tháng.

- 68 -

• Tập khách hàng 7 (cluster-7): có 10 ngày sử dụng dịch vụ data/tháng.

• Tập khách hàng 8 (cluster-8): có 13 ngày sử dụng dịch vụ data/tháng.

• Tập khách hàng 9 (cluster-9): có 15 ngày sử dụng dịch vụ data/tháng.

• Tập khách hàng 10 (cluster-10): có 25 ngày sử dụng dịch vụ

data/tháng.

Như vậy dựa vào kết quả phân tích hành vi, phân tích A có 5 tập thuê bao,

phân tích B có 10 tập thuê bao có hành vi đăng ký sử dụng gói khác nhau. Tuy

nhiên một số nhóm có số lượng thuê bao không đáng kể và có hành vi riêng biệt cần

lọc ra khỏi danh sách triển khai chương trình khuyến mại như cluster-3 và cluster-5

trong phân tích A.

b4. Tập khách hàng mục tiêu

- Nhóm sử dụng gói D5: Từ kết quả phân tích cluster tại phân tích A chỉ ra rằng

2 nhóm cluster-1 và cluster-2 là 2 tập khách hàng có hành vi sử dụng thiên về

gói D5 nên đây là tập khách hàng được trích xuất và kết hợp với mức phát

sinh cước ngoài gói và áp dụng phương pháp gom cụm (clustering) tiếp theo

để tìm ra những thuê bao có mức sử dụng gói D5 và mức phát sinh cước tương

đồng nhau về một nhóm:

Bảng 2.6: Phân nhóm tập thuê bao sử dụng gói cước D5

(Nguồn: MobiFone, Báo cáo kết quả triển khai Big Data, 2016)

Tập thuê bao chỉ sử dụng D5 và phát sinh cước ngoài gói: 680.141 thuê

bao, kết quả phân thành 3 nhóm như sau:

Nhóm

1A Số lượng thuê bao 380.121 Ngày sử dụng trung bình/tháng Sử dụng 4 gói D5 Phát sinh cước ngoài gói (VNĐ) 20.000

- 69 -

2A 3A 160.529 139.491 Sử dụng 16 gói D5 Sử dụng 30 gói D5 27.000 41.000

(Nguồn: MobiFone, Báo cáo kết quả triển khai Big Data, 2016)

- Nhóm sử dụng M0: Từ kết quả phân tích cluster tại phân tích B, tập thuê bao

sử dụng M0 gồm 2.420.765 thuê bao được phân thành 10 nhóm, kết hợp với

dữ liệu phát sinh cước trong tháng để tìm ra những thuê bao có mức sử dụng

tương đồng nhau, kết quả phân thành 10 nhóm như sau:

Bảng 2.7: Phân nhóm tập thuê bao sử dụng M0

Nhóm Số lượng thuê bao

Ngày sử dụng trung bình/tháng 1 2 3 4 6 8 9 11 14 24 1B 2B 3B 4B 5B 6B 7B 8B 9B 10B Phát sinh cước (VNĐ) 4.703 11.203 17.117 25.206 36.790 42.975 47.437 60.376 76.820 167.629

967.764 412.803 232.680 252.728 138.191 48.157 39.738 86.136 55.717 186.851 (Nguồn: MobiFone, Báo cáo kết quả triển khai Big Data, 2016)

- Nhóm sử dụng gói D7: Từ kết quả phân tích cluster tại phân tích A, cho thấy

cluster-4 là tập thuê bao sử dụng gói D7 với 36.299 thuê bao, tuy nhiên trong

đó có 19.652 thuê bao có phát sinh cước data ngoài gói, điều này cho thấy

rằng gói D7 có thể vẫn chưa đáp ứng đủ so với mức tiêu dùng và cần nâng cấp

lên sản phẩm có sản lượng cao hơn như D10.

Nhóm Số lượng thuê bao Phát sinh cước ngoài gói (đồng)

1C 60.291

19.652 (Nguồn: MobiFone, Báo cáo kết quả triển khai Big Data, 2016)

b5. Nội dung khuyến mại Với các nhóm khách hàng đã được xác định như trên, nội dung khuyến mại

dành cho từng nhóm khách hàng như sau:

Bảng 2.8: Nội dung khuyến mại theo các nhóm khách hàng

- 70 -

Nhóm khách hàng 1A 2A 3A 1B 2B 3B 4B 5B 6B 7B 8B 9B

10B

1C Nội dung khuyến mại 3D7/7000 - Được ưu đãi mua 3 gói D7 với giá 7.000vnđ. 3D7/7000 - Được ưu đãi mua 3 gói D7 với giá 7.000vnđ 4D7/10000 Được ưu đãi mua gói 4 gói D7 với giá 10.000vnđ 3D7/7000 - Được ưu đãi mua 3 gói D7 với giá 7.000vnđ 3D7/7000 - Được ưu đãi mua 3 gói D7 với giá 7.000vnđ 3D7/7000 - Được ưu đãi mua 3 gói D7 với giá 7.000vnđ 3D7/7000 - Được ưu đãi mua 3 gói D7 với giá 7.000vnđ 4D7/10000 Được ưu đãi mua gói 4 gói D7 với giá 10.000vnđ 4D7/10000 Được ưu đãi mua gói 4 gói D7 với giá 10.000vnđ 4D7/10000 Được ưu đãi mua gói 4 gói D7 với giá 10.000vnđ 4D7/10000 Được ưu đãi mua gói 4 gói D7 với giá 10.000vnđ 4D7/10000 Được ưu đãi mua gói 4 gói D7 với giá 10.000vnđ Đăng ký gói D7 với giá 5000 trong 1 tháng (không tự hủy liên tiếp trong 1 tháng) Đăng ký gói D10 với giá 7000 trong 1 tuần

(Nguồn: MobiFone, Báo cáo kết quả triển khai Big Data, 2016)

Các điều kiện áp dụng:

- Nếu thuê bao thuộc nhóm đối tượng áp dụng, sẽ được ưu đãi mua 3D7/7000,

4D7/10000 trong x ngày (từ ngày … đến ngày …).

- Mỗi thuê bao chỉ được tham gia chương trình 01 lần trong thời gian triển khai

chương trình.

b6. Kết quả triển khai

- Doanh thu data:

Nhóm

A (nhóm sử dụng D5) B (nhóm M0) C (nhóm sử dụng D7) Tổng doanh thu Doanh thu tháng 1 (VNĐ) 40.717.725.000 490.256 3.258.283.000 43.976.498.256 Doanh thu tháng 3 (VNĐ) 34.289.784.942 11.812.524.005 2.111.183.052 48.213.491.999

(Nguồn: MobiFone, Báo cáo kết quả triển khai Big Data, 2016)

- Kết quả tác động về doanh thu tháng 3 (đây là tháng triển khai chương trình):

tăng doanh thu 4.236.993.743 đồng.

- Duy trì doanh thu từ gói D5 đối với thuê bao nhóm A 77%.

- Duy trì mức phát sinh cước ngoài gói tập thuê bao M0 180%.

- 71 -

- Kích thích tập khách hàng đang sử dụng gói D5 chuyển sang gói D7 (thuê bao

nhóm A) tăng 4%.

- Kích thích tập khách hàng M0 chuyển sang sử dụng gói D7 (thuê bao nhóm B)

tăng 4,1%

- Kích thích tập khách hàng D7 chuyển sang sử dụng gói D10 (thuê bao nhóm

B) tăng 3%.

2.3.3.2. Ứng dụng phân tích hành vi khách hàng để phân khúc thị trường theo

nhóm khách hàng cộng đồng

a. Mục tiêu

- Xác định khách hàng theo nhóm cộng đồng dựa vào thông tin định vị theo

kinh độ (Longitude) và vĩ độ (Latitude). Tức sử dụng tọa độ để xác định vùng

địa lý (Thành phố, nông thôn, khu công nghiệp, và trường học).

- Xác định nhóm khách hàng cộng đồng theo hành vi tiêu dùng. Các nhóm

khách hàng cộng đồng sẽ được hướng đến bao gồm: nhóm khách hàng cộng

đồng doanh nhân (DN); nhóm khách hàng cộng đồng nhân viên văn phòng

(NVVP); nhóm khách hàng cộng đồng công nhân (CN); nhóm khách hàng

cộng đồng học sinh/sinh viên (HS/SV); nhóm khách hàng cộng đồng nông dân

(ND).

- Đánh giá sự đóng góp khách hàng theo nhóm cộng đồng.

- Đánh giá hành vi của thuê bao theo nhóm cộng đồng để có kết quả nhận định

sau cùng.

b. Nguồn dữ liệu

- Thực hiện trên mẫu là 10% số thuê bao có phát sinh di ̣ch vu ̣ trong thờ i gian

khảo sát dữ liê ̣u (tháng 12/2015), loa ̣i bỏ những thuê bao có tuổi thọ (tham

gia) dướ i 3 tháng:

• Số thuê bao trả trước trong nghiên cứ u: 1.660.873.

• Số thuê bao trả sau trong nghiên cứu: 1.964.894.

- 72 -

- Dữ liệu về mức tiêu dùng hàng tháng của khách hàng.

- Dữ liệu về thời gian sử dụng dịch vụ của khách hàng, ví dụ: thời gian gọi

trong tuần làm việc, thời gian gọi cuối tuần, sử dụng data về đêm cuối tuần…

- Dữ liệu về vị trí của khách hàng, ví dụ: số lần di chuyển ngoài tỉnh trong

tháng, vị trí phát sinh thường xuyên tại khu vực trường học/khu vực khu công

nghiệp…

c. Kỹ thuật ứng dụng trong phân tích

- Định vị thuê bao theo vùng địa lý dựa vào tọa độ.

- Dữ liệu phát sinh cước (xác định vùng lưu trú của thuê bao ở Huyện, TP trực

thuộc tỉnh, TP trực thuộc trung ương).

- Phân tích thố ng kê mô tả.

- Phân tích nhân tố (Principal Component Analysis-PCA).

- Phân tích cu ̣m/khú c theo hành vi (Cluster).

- Biểu đồ (perceptual mapping) theo MCA (Multiple Correspondence Analysis).

- Tính hành vi di chuyển của thuê bao (lifestype mobility).

d. Kết quả

- Dựa trên phương pháp phân tích dữ liệu nêu trên, kết quả đưa ra bộ chỉ tiêu để

xác định các cộng đồng như sau:

Bảng 2.9: Bộ chỉ tiêu xác định các cộng đồng khách hàng của MobiFone

Tiêu chí

Doanh Nhân

Công nhân

Nông dân

Sinh Viên

Học sinh

Nhân viên văn phòng

Huyện

Khu vực phát sinh dịch vụ

Khu công nghiệp

Trường THPT

Thành phố trung ương là chủ yếu

ARPU

470.000

40.000

Khu trường đại học, cao đẳng, học viện, trung cấp 60.000

20.000

Ít di chuyển

Lộ trình di chuyển

Không cố định, phát sinh nhiều khu vực khác nhau

Không xác đinh, chỉ di chuyển trong 1 vùng ở các huyện

Có lộ trình từ 2 đến 3 vùng, phát sinh giao dịch nhiều ở khu trường học

300.000 Có lộ trình và phát sinh dịch vụ ở 2 đến 3 khu vực chủ yếu ở TP thuộc TW

110.000 Có lộ trình và phát sinh dịch vụ ở 2 đến 3 khu vực trong đó chủ yếu là KCN

- 73 -

Hành vi thoại bình quân/tháng

50 phút sử dụng trong tuần nhiều hơn

206 phút gọi nhiều trong tuần hơn cuối tuần

96 phút thường thoại nhiều vào chiều tối

46 phút không có hành vi rõ ràng

25 phút, thường dùng nhiều trong tuần và tối cuối tuần.

362 phút có xu hướng gọi nhiều vào trong tuần hơn cuối tuần và thoại nhiều vào buổi sáng

8 sms

Hành vi SMS bình quân/tháng

75 sms và nhiều vào buổi chiều

8 sms thường vào buổi trưa và tối

4 sms không có hành vi rõ ràng

10 sms không có hành vi rõ ràng

20 sms và nhiều vào giờ hành chính trong tuần

1,600 MB

1,250 MB

544 MB

156 MB

250 MB

30 MB

Hành vi DATA bình quân/tháng

Hành vi nạp thẻ

Nạp thẻ mệnh giá 20000 -> 50000 quan tâm KM

Nạp thẻ từ 50000 -> 100000đ và quan tâm đến KM

Nạp thẻ mệnh giá 20000 -> 50000 quan tâm KM

Nạp thẻ mệnh giá lớn >= 100000đ và không quan tâm đến KM

(Nguồn: MobiFone, Báo cáo kết quả triển khai Big Data, 2016)

- Độ chính xác của dữ liệu: MobiFone thực hiện kiểm tra kết quả phân nhóm sử

dụng phương pháp gọi ra và điều tra qua bảng hỏi với mẫu 1.000 khách hàng

ngẫu nhiên, tỷ lệ chính xác là 80%.

e. Ứng dụng kết quả

Dựa trên kết quả phân tích cộng đồng nêu trên, MobiFone đã thiết kế những

sản phẩm riêng biệt cho từng đối tượng khách hàng, phục vụ tốt hơn nhu cầu trải

nghiệm dịch vụ của khách hàng:

STT Cộng đồng Dịch vụ trọng điểm

1 Công nhân Dịch vụ giải trí: MobiRadio Dịch vụ tài chính: Tư vấn vay tiêu dùng

2 Nông dân Dịch vụ giải trí: Nhà nông xanh

3 Học sinh sinh viên Dịch vụ học tập: English360, Học liền

4 Nhân viên văn phòng Dịch vụ tiện ích: Lời nhắn thoại Dịch vụ quản lý con cái: TioKid

5 Doanh nhân Dịch vụ tiện ích: Smart Home, mHotel

2.4. Đánh giá hiệu quả ứng dụng Big Data tại Tổng công ty Viễn thông MobiFone

- 74 -

2.4.1. Thành tựu

2.4.1.1. Tiết kiệm thời gian

Hệ thống Big Data đã hỗ trợ MobiFone triển khai tiết kiệm rất nhiều thời

gian, từ khâu phân tích dữ liệu đến khâu triển khai và báo cáo, đánh giá.

Nếu làm một phép so sánh: Trước đây để triển khai một chương trình khuyến

mại, MobiFone cần sự phối hợp chặt chẽ giữa các đơn vị kỹ thuật, kinh doanh và

các đơn vị liên quan khác. Thời gian cho mỗi khâu triển khai thực tế thường diễn ra

từ lúc lên ý tưởng kinh doanh, triển khai, theo dõi và báo cáo. Giai đoạn lên ý tưởng

kinh doanh thường phối hợp giữa các đơn vị triển khai từng bước về lấy dữ liệu,

phân tích, đưa ra ý tưởng. Trong đó việc lấy dữ liệu tương đối mất nhiều thời gian

và công sức. Sau đó, lên ý tưởng kinh doanh cần được đội ngũ kỹ thuật xác nhận về

khả năng đáp ứng. Phần nhiều là đơn vị kỹ thuật cần tạo ra các kết nối giữa các hệ

thống để đáp ứng đúng nhu cầu kinh doanh. Trong quá trình triển khai, hầu hết các

chương trình hệ thống đều chưa chủ động kết xuất báo cáo theo yêu cầu nên công

tác hiệu chỉnh vẫn còn nhiều hạn chế. Đặc biệt, do hạn chế về hệ thống, công tác

báo cáo cần có đội ngũ thực hiện chạy dữ liệu gây mất nhiều thời gian.

Tuy nhiên, từ khi triển khai các chương trình khuyến mại theo hệ thống Big

Data, rất nhiều thao tác đã tiết kiệm thời gian. Hệ thống giúp việc lấy dữ liệu và

phân tích với các thuật toán được thực hiện nhanh chóng và tiết kiệm đến 50% thời

gian so với trước đây. Ngoài ra, với tính ưu việt về hệ thống xử lý, đơn vị kinh

doanh và kỹ thuật có thể theo dõi báo cáo tự động hàng ngày để hiệu chỉnh kịp thời,

đảm bảo hiệu quả sản xuất kinh doanh.

2.4.1.2. Tiết kiệm nhân lực

Một chương trình khuyến mại thông thường MobiFone từng triển khai trước

đây - tùy vào tính phức tạp của chương trình - cơ bản gồm nhiều đơn vi tham gia.

Đội ngũ triển khai chương trình có thể lên đến 15 người (không tính cấp phê duyệt)

bao gồm cả kỹ thuật và kinh đoanh. Nhóm lên ý tưởng kinh doanh do không có

công cụ chủ động nên cũng cần đến nhiều thành viên để phối hợp lấy dữ liệu, phân

- 75 -

tích để lên ý tưởng. Tương tự với đội ngũ kỹ thuật, nhiều hệ thống kỹ thuật triển

khai độc lập cần kết nối nên nguồn lực cũng gia tăng.

Với Big Data, đội ngũ triển khai chương trình đã giảm từ 50 - 70% nhân lực

tham gia. Các hệ thống được kết nối, giao diện sử dụng thân thiện, việc chạy dữ liệu

phân tích và đưa ra ý tưởng có thể thực hiện bởi 1 thành viên thay vì 2 như trước

đây. Tương tự với các đơn vị kỹ thuật, các kết nối đã được tạo lập, các mẫu báo cáo

được thiết kế và chạy tự động nên không cần đến nhiều chuyên viên phối hợp. Như

vậy, ứng dụng Big Data đã hỗ trợ MobiFone sử dụng nguồn nhân lực một cách hiệu

quả hơn.

2.4.1.3. Triển khai được những ý tưởng mới

Khi triển khai Big Data, MobiFone không chỉ tiết kiệm được thời gian, nhân

lực, mà yếu tố quan trọng là hệ thống đã giúp triển khai được nhiều ý tưởng mới,

đáp ứng nhiều yêu cầu đa dạng từ đơn vị kinh doanh hơn.

Cụ thể, trước đây, với các chương trình khuyến mại yêu cầu dữ liệu phải

được cập nhật liên tục, MobiFone thường gặp khó khăn do cơ sở dữ liệu, thời gian

phối hợp giữa các hệ thống, nguồn lực để triển khai. Nhưng Big Data với nguồn dữ

liệu và hệ thống xử lý dữ liệu hiện đại, các chương trình có thể cập nhật dữ liệu liên

tục, hàng ngày, hàng giờ, hàng phút…

Ứng dụng Big Data phân tích dữ liệu và đưa ra rất nhiều các thông tin mới

mẻ mà trước đó MobiFone chưa tìm hiểu được, từ đó rất nhiều ý tưởng kinh doanh

đã ra đời, bám sát nhu cầu thực của khách hàng và chi tiết đến từng nhóm đối

tượng. Big Data đã hỗ trợ MobiFone khai thác một cách triệt để hệ thống dữ liệu

hiện có.

2.4.2. Hạn chế

2.4.2.1. Hạn chế về kỹ thuật

Các công nghệ ứng dụng trong việc phân tích Big Data tại MobiFone vẫn ở

trong giai đoạn đầu phát triển nên còn hạn chế nhiều trong việc triển khai các ý

tưởng kinh doanh. Điểm quan trọng nhất của Big Data là tốc độ xử lý dữ liệu,

hướng tới xử lý dữ liệu thời gian thực, đặc biệt trong giai đoạn khối lượng dữ liệu

- 76 -

được lưu trữ ngày càng tăng cao, đây càng là một thách thức lớn đối với hệ thống.

Tuy thời gian phân tích dữ liệu đã được giảm đáng kể so với trước đây, nhưng vẫn

cần tới 1 - 2 ngày để xử lý dữ liệu với tập khách hàng 30 triệu thuê bao, còn cách xa

so với mục tiêu phản ứng tức thời trước biến động của thị trường.

Các ứng dụng Big Data của MobiFone chưa đưa ra các giải pháp về kỹ thuật

để tối ưu hóa năng lực mạng lưới, quy hoạch phát triển mạng, kế hoạch phủ sóng

các “điểm đen” tín hiệu, trong khi việc nâng cao chất lượng dịch vụ là một trong

những yếu tố chủ yếu để duy trì và tăng lòng trung thành của khách hàng với dịch

vụ của doanh nghiệp.

2.4.2.2. Hạn chế về nguồn dữ liệu

Dữ liệu đầu vào chính là tài nguyên và là điều kiện tiên quyết hiệu quả của

ứng dụng Big Data. Nguồn dữ liệu mà MobiFone đang sử dụng mới chỉ giới hạn ở

dữ liệu của doanh nghiệp khai thác trên tập khách hàng hiện có, chưa có sự kết nối

với các doanh nghiệp khác trong ngành và các doanh nghiệp trong các lĩnh vực,

cũng như dữ liệu sẵn có trên mạng xã hội. Để có góc nhìn toàn diện nhất về khách

hàng, đưa ra những ưu đãi phù hợp nhất, doanh nghiệp cần có đầy đủ thông tin về

khách hàng trên mọi lĩnh vực từ tiêu dùng, tài chính đến sở thích cá nhân. Việc thu

thập thông tin cũng bị giới hạn bởi Việt Nam chưa có các quy định về giao dịch

thông tin khách hàng giữa các doanh nghiệp, cũng như có một thị trường giao dịch

thông tin công bằng.

Ngoài ra, dữ liệu mà MobiFone khai thác cũng mới đang giới hạn đối với các

khách hàng sử dụng dịch vụ viễn thông (thuê bao di động) chứ chưa liên kết được

đầy đủ với các lĩnh vực khác mà MobiFone đang hoạt động: bán lẻ và truyền hình.

2.4.2.3. Hạn chế về nguồn nhân lực

Thiếu hụt nguồn nhân lực có kiến thức sâu về thống kê, phân tích dữ liệu và

quản lý cho các dự án Big Data. Nhân sự của dự án Big Data tại MobiFone đều là

những người mới tiếp cận trong lĩnh vực này, được đào tạo kiến thức qua liên kết

với các đối tác nước ngoài và phát triển kinh nghiệm trong thực tế làm việc. Hiện

nay, nguồn nhân lực tại Việt Nam chuyên nghiệp về phân tích, xử lý dữ liệu còn rất

- 77 -

hạn chế. Một phần do các kiến thức về phân tích, xử lý dữ liệu còn chưa được chú

trọng ngay từ khâu đào tạo tại các trường đại học, học viên. Đội ngũ chuyên gia tại

Việt Nam hầu hết đến từ các tập đoàn quốc tế lớn như IBM. Việc phát triển nguồn

nhân lực chuyên nghiệp là yếu tố cần thiết để đón đầu xu hướng công nghệ trong

tương lai.

- 78 -

Chương 3. Đề xuất giải pháp hoàn thiện ứng dụng Big Data trong hoạt động

kinh doanh tại Tổng công ty Viễn thông MobiFone

3.1. Triển vọng ứng dụng Big Data trong ngành viễn thông thế giới và tại Việt

Nam

3.1.1. Triển vọng trên thế giới

Trong thị trường cạnh tranh hiện nay, ứng dụng Big Data là một giải pháp hiệu

quả nhất giúp doanh nghiệp phát huy năng lực bán đúng những sản phẩm khách

hàng cần, nâng cao tối đa chất lượng dịch vụ đúng với khách hàng muốn. Trong

một thế giới phẳng, khi nguồn thông tin không còn bị giới hạn về không gian, thời

gian, khối lượng dữ liệu mà thị trường thu thập được ngày càng tăng theo cấp số

nhân. Đặc biệt trong lĩnh vực viễn thông, khi nhu cầu sử dụng các thiết bị di động

ngày càng tăng cao, các doanh nghiệp viễn thông sẽ trở thành những đầu mối tiếp

nhận mọi thông tin từ khách hàng trên mọi lĩnh vực trong cuộc sống. Ứng dụng Big

Data trong ngành viễn thông sẽ còn tiếp tục phát triển, thể hiện qua các khía cạnh

Quản trị trải nghiệm khách hàng: Đối với các doanh nghiệp viễn thông ngày

nay, việc cải thiện và tối ưu hóa trải nghiệm của khách hàng là chìa khóa để duy trì

sự khác biệt trên thị trường và giảm rời mạng. Các công ty viễn thông đang tận

dụng phân tích dữ liệu để có được cái nhìn chân thực nhất về khách hàng qua tất cả

các kênh tương tác đa dạng. Dựa trên hồ sơ chi tiết của khách hàng, doanh nghiệp

có thể thực hiện phân khúc khách hàng theo mục tiêu của doanh nghiệp, cung cấp

các trải nghiệm khách hàng, phát triển các ưu đãi được cá nhân hoá và dự đoán,

ngăn chặn khả năng rời mạng. Một số trường hợp sử dụng chính trong lĩnh vực này

bao gồm:

- Tiếp thị cá biệt hóa theo từng cá nhân;

- Phân tích vị trí hành trình của khách hàng;

- Chủ động trong chăm sóc khách hàng;

- Dự báo khả năng rời mạng.

- 79 -

Phân tích và tối ưu hóa mạng lưới: Để theo kịp với sự tăng trưởng mạnh mẽ

của dữ liệu di động, doanh nghiệp viễn thông sẽ cần tiếp tục đầu tư mạnh vào mạng

lưới. Năng lực mạng là một nguồn tài nguyên có giá trị cao và doanh nghiệp đang

bắt đầu sử dụng dữ liệu và phân tích Big Data để theo dõi và quản lý hiệu quả mạng

lưới, xây dựng các mô hình năng lực tiên đoán và sử dụng nó để ưu tiên và lập kế

hoạch cho các quyết định phát triển mạng:

- Quy hoạch và tối ưu hóa năng lực mạng;

- Phát triển mạng lưới và quy hoạch đầu tư;

- Phân tích thời gian thực về năng lực mạng lưới.

Phân tích hoạt động: Một ứng dụng quan trọng khác của Big Data là sử dụng

nâng cao hiệu suất nội bộ, cải tiến quy trình và tiết kiệm chi phí cho các hoạt động

của doanh nghiệp. Các công ty viễn thông đang bắt đầu áp dụng các giải pháp Big

Data trong mọi hoạt động từ việc giảm thiểu thất thoát doanh thu, quản lý mạng và

bảo mật trên mạng và khắc phục các vấn đề của khách hàng nhằm giảm thiểu sự cố

có thể xảy ra. Một số trường hợp ứng dụng nổi bật bao gồm:

- Chống thất thoát và bảo đảm doanh thu;

- Quản lý thông tin và an ninh mạng.

Tạo lợi nhuận từ dữ liệu: Doanh nghiệp viễn thông có lợi thế độc quyền là họ

có quyền truy cập vào nhiều nguồn dữ liệu quý giá bao gồm nhân khẩu học, vị trí

thuê bao, thói quen sử dụng thiết bị di động, lịch sử sử dụng ứng dụng, hành vi cá

nhân… Với tất cả các dữ liệu có được, các doanh nghiệp viễn thông đang bắt đầu

khai thác, mô hình, tổng hợp và phân tích các nguồn thông tin này để tạo ra những

tập dữ liệu có thể có giá trị đáng kể cho các doanh nghiệp trong và ngoài ngành

khác.

- Dịch vụ phân tích dữ liệu (phối hợp với các ngành kinh doanh khác);

- Phân tích thiết bị IoT (Internet of Things) và M2M (Machine to Machine).

- 80 -

3.1.2. Triển vọng tại Việt Nam

Theo thống kê tại Sách trắng Công nghệ thông tin - Viễn thông năm 2014, tới

hết năm 2013, Việt Nam có 33,2 triệu người sử dụng Internet, trong đó có 17,2 triệu

người truy nhập Internet qua mạng di động (NXB Thông tin và Truyền thông 2014,

Tr. 56). Số lượng người sử dụng Internet qua các thiết bị di động lớn tạo nguồn thu

về dữ liệu đáng kể cho các doanh nghiệp viễn thông. Big Data và các công nghệ

phân tích dữ liệu có khả năng làm thay đổi hoàn toàn bộ mặt của các ngành kinh tế

và công nghiệp. Các giải pháp kinh doanh mới dựa trên Big Data sẽ liên tục được

hình thành và phát triển để hỗ trợ các doanh nghiệp tận dụng nguồn lực dữ liệu.

Ngoài ra, Việt Nam có đội ngũ nhân lực về công nghệ thông tin dồi dào và

được bổ sung đều qua các năm, có nhiều cơ hội tiếp cận với những công nghệ tiên

tiến trên thế giới, nên việc phát triển các mô hình Big Data cũng là một xu thế tất

yếu trong tương lai với các doanh nghiệp Việt Nam, cũng như đối với các doanh

nghiệp trên thế giới.

3.2. Giải pháp đối với Tổng công ty Viễn thông MobiFone

3.2.1. Đề xuất về hệ thống kỹ thuật

3.2.1.1. Triển khai giải pháp Hadoop ứng dụng Big Data

Do đặc tính 5Vs của dữ liệu lớn, giải pháp phân tích Big Data cần phải có

năng lực xử lý đủ mạnh trên các tập dữ liệu rất lớn trong khoảng thời gian đủ

nhanh. Để đáp ứng được yêu cầu đặc tính đó, trong 10 năm qua nhiều kĩ thuật mới

đã ra đời có thể kể đến như: kiến trúc không chia sẻ (shared nothing), xử lý song

song, mở rộng mềm dẻo và khả chuyển là các công nghệ phù hợp cho các ứng dụng

Big Data.

Cụ thể, các công nghệ đề xuất cho các giải pháp ứng dụng Big Data tại

MobiFone:

Nền tảng MapReduce: được giới thiệu lần đầu vào 2004 bởi Google, nền tảng

framework cực kỳ thành công này vốn được thiết kế để có thể xử lý một cách hiệu

quả lượng lớn dữ liệu bằng phương pháp sử dụng các nhóm máy tính/máy chủ để

xử lý song song.

- 81 -

Hadoop: là một gói cài đặt nguồn mở rất thành công của nền tảng

MapReduce. Hệ thống file phân tán HDFS (hadoop distributed file system) được

dùng làm cơ sở lưu trữ cho nền tảng Hadooop Framework. Hbase cung cấp các

chức năng dữ liệu phân tán trên nền HDFS. Dữ liệu lưu trữ trong HDFS thường

được xử lý bởi các thao tác MapReduce. Các công cụ như Pig/Hive được tạo ra trên

cùng (của nền tảng Hadoop) nhằm cung cấp khả năng truy cập dữ liệu thông qua

MapReduce/HDFS và phục vụ các ứng dụng phân tích mức cao.

NoSQL Store: cung cấp khả năng sẵn sàng và an toàn trong lưu trữ, dễ dàng

mở rộng và vẫn đảm bảo sự tin cậy như các hệ cơ sở dữ liệu quan hệ truyền thống.

NoSQL Store cũng có khả năng tạo ra các giản đồ (schema) mềm dẻo trên các cột

dữ liệu thuộc các dòng khác nhau của vùng lưu trữ.

Truy vấn theo thời gian thực trên HDFS: Mặc dù nền tảng MapReduce rất linh

động trong mở rộng khi sử dụng phục vụ truy vấn Big Data, tuy nhiên nó thường

chưa quan tâm đến yếu tố phản hồi theo thời gian thực để phục vụ các truy vấn

tương tác. Một số giải pháp khác như Impala sử dụng các động cơ (engine) xử lý

truy vấn SQL ad-hoc ở phía trên của HDFS (và tất nhiên bỏ qua các xử lý của

MapReduce để có thời gian phản hồi ngắn hơn) và từ đó có thể đạt được đặc tính

thời gian thực. Một số kĩ thuật bổ trợ như nén để tăng tốc xử lý và giảm thời gian

phản hồi.

Các giải pháp này được xây dựng theo hướng cài đặt trên diện rộng và mềm

dẻo trong mở rộng để đạt được mục tiêu xử lý thời gian thực với Big Data.

3.2.1.2. Triển khai giải pháp xử lý dữ liệu dòng (streaming data)

Trong quá trình tiếp cận với Big Data, các công ty không chỉ đối mặt với hàng

loạt các xử lý về kho dữ liệu khổng lồ mà họ còn phải giải quyết bài toán xử lý dữ

liệu trong thời gian thực để đáp ứng nhu cầu thực tế. Để giải quyết việc xử lý dữ

liệu trong thời gian thực này, thì câu trả lời tốt nhất là xử lý dữ liệu động (giá trị

thay đổi theo thời gian) dưới dạng dữ liệu dòng (streaming data). Streaming data là

nền tảng tính toán phân tích tập trung vào tốc độ. Bởi vì các yêu cầu của ứng dụng

đòi hỏi một dòng dữ liệu liên tục và dữ liệu này thường ở dạng phi cấu trúc. Để đáp

- 82 -

ứng được việc xử lý hàng loạt dữ liệu lớn và đảm bảo thời gian thực thì công việc

xử lý tính toán được thực hiện trên bộ nhớ trong của máy chủ (in - memory) trước

khi được lưu trữ trên các ổ đĩa.

Dưới đây là một số trường hợp phổ biến cần xử lý streaming data:

- Xác định thời điểm bán hàng tốt nhất cho khách hàng thông qua xử lý luồng

dữ liệu của khách hàng theo thời gian thực từ mạng xã hội, internet, thậm chí

là các tin nhắn của khách hàng.

- Thu thập các thông tin về chuyển động trong xu hướng phát triển thiết bị IoT

(Internet of Things).

- Yêu cầu phải đưa ra kết quả với một sự kiện ngay lập tức, như phân tích dữ

liệu chẩn đoán bệnh nhân trong thời gian thực.

Tính đến cuối năm 2014, rất ít nền tảng cung cấp streaming data trên thị

trường. Dưới đây là các nền tảng phổ biến:

- Apache Storm: Apache Strom là một nền tảng mở, được tạo bởi Twitter và

bao gồm các thành phần mã nguồn mở khác, đặc biệt là Zookeeper cho quản

lý nhóm, ZeroMQ để nhắn tin multicast và Kafka để nhắn tin xếp hàng đợi.

- Apache Spark: Apache Spark là một nền tảng phổi biến đối với việc xử lý dữ

liệu lớn. Nó hỗ trợ nhiều ngôn ngữ lập trình như MapReduce, xử lý trong bộ

nhớ trong in-memory, xử lý dòng, xử lý đồ họa, máy học (machine learning).

Đặc biệt nó cũng chạy trên nền tảng Hadoop. Yahoo sử dụng Spark cho cá

nhân hoá các trang tin tức cho khách truy cập web và chạy phân tích cho

quảng cáo.

- IBM InfoSphere Streams: Đây là một trong những sản phẩm hàng đầu về xử

lý stream. Nó cung cấp máy chủ có khả năng mở rộng, tích hợp và các tính

năng cần thiết khi thực thi các xử lý stream khác nhau.

Với việc định hướng các công nghệ và hạ tầng được triển khai cho hệ thống

Big Data hiện nay và trong thời gian tới của MobiFone, cùng với kế hoạch phát

triển các mô hình, bài toán Big Data phục vụ cho kinh doanh và kỹ thuật (như mô

- 83 -

hình bán chéo, bán sản phẩm mới, ngăn chặn thuê bao rời mạng, tối ưu dữ liệu

mạng lưới…) các giải pháp về hệ thống kỹ thuật trên là cần thiết để MobiFone có

thể khai thác đầy đủ các ứng dụng của Big Data, tối ưu khả năng phục vụ và chăm

sóc khách hàng.

3.2.2. Đề xuất về quản trị cơ sở dữ liệu

Hiện tại, việc phân tích hệ thống cơ sở dữ liệu phục vụ kinh doanh của

MobiFone đang được triển khai trên hệ thống DSS (Decision making Supports

System) với khả năng khai thác dữ liệu hạn chế, thời gian truy xuất dữ liệu lâu,

chưa phục vụ đa dạng nhu cầu người sử dụng.

Với việc ứng dụng Big Data, MobiFone có thể đưa vào áp dụng hệ thống BI

(Business Intelligence) với nhiều tính năng ưu việt hơn:

- BI là quy trình và công nghệ mà các doanh nghiệp dùng để kiểm soát khối

lượng dữ liệu khổng lồ, khai phá dữ liệu giúp cho các doanh nghiệp có thể đưa

các các quyết định hiệu quả hơn trong hoạt động kinh doanh của mình. Công

nghệ BI (BI technology) cung cấp một cách nhìn toàn cảnh hoạt động của

doanh nghiệp từ quá khứ, hiện tại và các dự đoán tương lai.

- BI làm tăng khả năng kiểm soát thông tin của doanh nghiệp một cách chính

xác, hiệu quả từ đó có thể phân tích, khai phá dữ liệu giúp doanh nghiệp có thể

dự đoán về xu hướng của giá cả dịch vụ, hành vi khách hàng, phát hiện khách

hàng tiềm năng để đề ra các chiến lược kinh doanh phù hợp nhằm tăng khả

năng cạnh tranh doanh nghiệp.

- BI giúp cho các doanh nghiệp sử dụng thông tin một cách hiệu quả, chính xác

để thích ứng với môi trường kinh doanh thay đổi liên tục và cạnh tranh khốc

liệt.

- Hệ thống BI hỗ trợ phân tích dữ liệu theo 3 lớp phân cấp:

▪ Giao diện phục vụ lãnh đạo cấp cao: thể hiện toàn bộ hiện trạng của

doanh nghiệp bằng các công cụ trực quan từ đó giúp người lãnh đạo có

- 84 -

cái nhìn tổng thể về tình trạng doanh nghiệp, từ đó đưa ra các câu hỏi và

tìm câu trả lời cho các câu hỏi hỗ trợ cho các quyết định.

▪ Giao diện phục vụ lãnh đạo cấp trung: dữ liệu thể hiện dưới dạng trực

quan và nhiều chiều phân tích sâu hơn theo từng lĩnh vực chuyên môn,

hỗ trợ người lãnh đạo cấp trung trong hoạt động điều hành hàng ngày.

▪ Giao diện phục vụ chuyên viên phân tích: Với các chuyên viên, hệ thống

BI hỗ trợ các chuyên viên phân tích chi tiết (OLAP), hoặc các báo cáo

hoạt động (Operation Report) tĩnh phục vụ trao đổi thông tin theo ngày,

tuần, tháng.

Hình 3.1: Giao diện hệ thống BI phân tích dữ liệu kinh doanh

3.2.3. Đề xuất về các mô hình ứng dụng Big Data

3.2.3.1. Bổ sung các bài toán ứng dụng Big Data triển khai khuyến mại

Trong thời gian đầu triển khai ứng dụng Big Data, các bài toán, ý tưởng ứng

dụng để triển khai tại MobiFone mới giới hạn trong 5 bài toán đã nêu tại chương 2.

Để khai thác mạnh hơn nữa các ứng dụng mà Big Data có thể phục vụ trong hoạt

động sản xuất kinh doanh, đề xuất triển khai một số bài toán (ý tưởng) mới có khả

năng triển khai áp dụng thực tế trên cả lĩnh vực kinh doanh và kỹ thuật như sau:

- 85 -

Bảng 3.1. Các đề xuất bài toán ứng dụng Big Data triển khai khuyến mại

TT Mô tả bài toán Tên bài toán Lĩnh vực Đối tượng Nguồn dữ liệu đầu vào Hiệu quả ứng dụng

1 Kinh Doanh

Bán chéo và bán gia tăng sản phẩm (Cross- Selling and Up- Selling) Tập thuê bao khách hàng sử dụng dịch vụ Mobi- Fone Tăng doanh thu từ các sản phẩm bán thêm cho khách hàng

Nguồn dữ liệu về hành vi sử dụng dịch vụ data và giá trị gia tăng của khách hàng trên mạng MobiFone; Nguồn dữ liệu về hành vi sử dụng Internet của khách hàng

2 Kinh Doanh

Dự đoán tiêu dùng (Next product to buy)

Tập thuê bao khách hàng sử dụng dịch vụ Mobi- Fone

Tăng doanh thu từ các sản phẩm bán thêm cho khách hàng

Phân tích thói quen tiêu dùng các sản phẩm gói cước data và giá trị gia tăng của MobiFone để bán chéo và bán gia tăng sản phẩm Ví dụ: mời các khách hàng đang sử dụng dịch vụ giải trí âm nhạc (Zing, Nhaccuatui) mua dịch vụ giải trí phim, truyền hình (Film+, MobiTV) với giá ưu đãi Phát triển và ứng dụng các mô hình phân tích cho phép liên tục cập nhật dự đoán sản phẩm dịch vụ nào là sản phẩm dịch vụ khách hàng có thể mua tiếp theo, có kết hợp các kênh tương tác/phản hồi của khách hàng, cho phép tiếp thị các sản phẩm dịch vụ thay đổi nhanh và phù hợp nhất cho khách hàng

- 86 -

TT Mô tả bài toán Tên bài toán Lĩnh vực Đối tượng Nguồn dữ liệu đầu vào

3 Kinh Doanh

Phát triển sản phẩm mới (New product Develop ment) Phân tích, khảo sát chiều hướng các nhu cầu sản phẩm dịch vụ của khách hàng, phục vụ đề xuất các sản phẩm dịch vụ mới. Tập thuê bao khách hàng sử dụng dịch vụ Mobi- Fone Nguồn dữ liệu đầy đủ hành vi khách hàng từ hệ thống kho dữ liệu tập trung Bigdata Hiệu quả ứng dụng Doanh thu từ các sản phẩm, dịch vụ mới; Đáp ứng nhu cầu khách hàng

4 Kinh Doanh Quảng cáo (Advertis ers) Nguồn dữ liệu về hành vi sử dụng Internet của khách hàng Doanh thu hợp tác với các đối tác quảng cáo Tập thuê bao khách hàng sử dụng dịch vụ Mobi- Fone

Theo dõi hành vi tìm kiếm web của khách hàng cung cấp một cơ chế cho việc quảng cáo được đặt ra cực kỳ hiệu quả. Những phân tích Big Data đóng vai trò chủ chốt ở trong trường hợp này, phân tích lịch sử tìm kiếm trước đó của khách hàng, xác định thời gian khách hàng truy cập trang web cá nhân, theo dõi những gì đã click vào và những hoạt động khác của khách hàng và quảng cáo những gì liên quan đến những yếu tố đó

- 87 -

TT Mô tả bài toán Tên bài toán Lĩnh vực Đối tượng Nguồn dữ liệu đầu vào Hiệu quả ứng dụng

5 Kinh Doanh

Bigdata phục vụ bán thiết bị đầu cuối Nguồn dữ liệu về thiết bị khách hàng sử dụng và thói quen Tập thuê bao khách hàng sử dụng dịch vụ Mobi- Fone Tăng doanh thu bán thiết bị đầu cuối tại cửa hàng bán lẻ MobiFo ne

6 Kinh Doanh

Tập thuê bao khách hàng sử dụng dịch vụ Mobi- Fone Chấm điểm tín dụng thuê bao di động (Mobile sub- scriber credit score) Đánh giá đảm bảo an toàn tài chính khi triển khai các dịch vụ tài chính di động

Nguồn dữ liệu về tiêu dùng của khách hàng MobiFone trên tài khoản viễn thông, tại cửa hàng bán lẻ và dịch vụ truyền hình MobiTV

Phân tích thói quen tiêu dùng của khách hàng theo từng dòng máy khách hàng đang sử dụng, đưa ra dự đoán về nhu cầu mua máy điện thoại của khách hàng để thiết kế chương trình khuyến mại Ví dụ: phân tích tần suất đổi máy điện thoại của những khách hàng sử dụng iPhone từ 2 năm trở lên để mời khách hàng tham gia chương trình đặt trước (pre-order) điện thoại iPhone 8 Phân tích dữ liệu về tiêu dùng của khách hàng trên thuê bao di động (doanh thu, thời gian thanh toán, thời gian nợ cước…), tiêu dùng mua thiết bị của MobiFone, tiêu dùng sử dụng dịch vụ truyền hình MobiTV, để đánh giá, xếp hạng chấm điểm tín dụng cá nhân, làm cơ sở triển khai một số dịch vụ tài chính di động như: dịch vụ

- 88 -

TT Mô tả bài toán Tên bài toán Lĩnh vực Đối tượng Nguồn dữ liệu đầu vào Hiệu quả ứng dụng

7 Kinh Doanh

Tối ưu kênh bán hàng (Sale Channel Analysis) Tập thuê bao khách hàng sử dụng dịch vụ Mobi- Fone Nguồn dữ liệu hệ thống chi trả thù lao, hoa hồng cho đại lý, điểm bán hàng; dữ liệu hệ thống quản lý bán hàng

Triển khai chương trình khuyến khích kênh phân phối, tăng doanh thu bán hàng

8 CSKH

Xây dựng hồ sơ khách hàng (360- degree view of customer) Tập thuê bao khách hàng sử dụng dịch vụ Mobi- Fone

Nguồn dữ liệu đầy đủ hành vi khách hàng từ hệ thống kho dữ liệu tập trung Bigdata Nguồn dữ liệu về hành vi sử dụng Internet của khách hàng Nguồn dữ liệu mạng lưới Xây dựng sản phẩm mới, chương trình khuyến mại mang tính cá biệt hóa theo hồ sơ toàn diện của khách hàng ứng tiền, dịch vụ chuyển tiền, hạn mức nợ cước thuê bao trả sau Phân tích dữ liệu các thuê bao là đại lý, điểm bán hàng của MobiFone (tài khoản sử dụng để trả thù lao, hoa hồng cho đại lý, điểm bán hàng) về: mức trả thưởng, tần suất nhận thù lao, hoa hồng, doanh thu bán hàng trong địa bàn, ngoài địa bàn… để xây dựng chương trình khuyến khích kênh phân phối bán hàng Xây dựng hồ sơ thông tin khách hàng toàn diện, cập nhật và tổng hợp dữ liệu từ các điểm/kênh giao tiếp khách hàng (touch points), bao gồm thông tin từ mạng xã hội. Việc phân tích và nắm được chi tiết các hành vi của khách hàng sẽ giúp các nhà mạng có những chính sách chăm sóc khách hàng hiệu quả.

- 89 -

TT Mô tả bài toán Tên bài toán Lĩnh vực Đối tượng Nguồn dữ liệu đầu vào Hiệu quả ứng dụng

9 CSKH

Phân tích dự báo rời mạng (Predictiv e Churn Analytics ) Duy trì thuê bao, giảm chỉ số thuê bao rời mạng Tập thuê bao khách hàng sử dụng dịch vụ Mobi- Fone Nguồn dữ liệu đầy đủ hành vi khách hàng từ hệ thống kho dữ liệu tập trung Bigdata

Phân tích dữ liệu về mức tiêu dùng của khách hàng, tần suất liên lạc để dự báo khả năng rời mạng, cung cấp cho khách hàng các ưu đãi phù hợp với tiêu dùng để khuyến khích khách hàng tiếp tục sử dụng dịch vụ

10 Kỹ Thuật Tài nguyên mạng lưới

Kế hoạch năng lực mạng lưới (Network Capacity Planning) Nguồn dữ liệu mạng lưới RAN, Core kết hợp với các nguồn dữ liệu trên hệ thống Bigdata

Xây dựng các mô hình phân tích, dự đoán liên quan về tài nguyên mạng lưới, chất lượng dịch vụ, mật độ thuê bao, lưu lượng dịch vụ, doanh thu mang lại... phục vụ lập kế hoạch đầu tư và phát triển mạng lưới. Tối ưu hóa năng lực mạng lưới, phục vụ kế hoạch đầu tư và phát triển mạng lưới

11 Kỹ Thuật Tài nguyên mạng lưới Bảo trì mạng lưới (Network Maintena nce)

Nguồn dữ liệu mạng lưới RAN, Core kết hợp với các nguồn dữ liệu trên hệ thống Bigdata Nâng cao hiệu quả hoạt động vận hành và bảo trì mạng lưới

Xây dựng giải pháp thu thập, thống kê, phân tích và khuyến nghị về các hoạt động bảo trì, cập nhật, sửa lỗi trên mạng lưới, tần suất lỗi/chu kỳ/thời gian hoạt động của thiết bị... phục vụ cải thiện hiệu quả hoạt động vận hành và bảo trì mạng lưới.

- 90 -

TT Mô tả bài toán Tên bài toán Lĩnh vực Đối tượng Nguồn dữ liệu đầu vào Hiệu quả ứng dụng

12 Kỹ Thuật Tài nguyên mạng lưới

Định hình lưu lượng mạng lưới (Network Traffic Shaping) Nguồn dữ liệu mạng lưới RAN, Core kết hợp với các nguồn dữ liệu trên hệ thống Bigdata

Nâng cao hiệu quả hoạt động nâng cấp, các giải pháp tăng năng lực mạng lưới, đảm bảo lựa chọn giải pháp tối ưu nhất

Thu thập, thống kê, phân tích cho phép giám sát, theo dõi xu hướng, dự đoán thay đổi lưu lượng các loại dịch vụ/ứng dụng, trong đó quan trọng là lưu lượng các ứng dụng truyền dữ liệu, phục vụ quản lý và điều chỉnh/tối ưu hóa lưu lượng dịch vụ, đồng thời cho phép giám sát, đánh giá hiệu quả của các giải pháp mạng lưới liên quan như data optimization, caching, load balancing, optimal routing...

3.2.3.2. Triển khai giải pháp khuyến mại tức thời

a. Mục tiêu

Giải pháp khuyến mại tức thời hướng tới cá biệt hóa ưu đãi dành cho khách

hàng, đáp ứng đúng mong muốn của khách hàng ngay tại thời điểm phát sinh nhu

cầu thông qua sự kết hợp giữa phân tích dữ liệu Big Data và hệ thống triển khai

khuyến mại, từ đó:

- Tối ưu trải nghiệm của khách hàng khi sử dụng dịch vụ của MobiFone;

- Tăng doanh thu từ việc kích thích tiêu dùng của khách hàng khi nhu cầu được

đáp ứng;

- Giảm số lượng thuê bao rời mạng, thu hút khách hàng đang sử dụng dịch vụ

của nhà cung cấp khác với những ưu đãi vượt trội;

- 91 -

- Giảm chi phí triển khai khuyến mại do cá biệt hóa chương trình khuyến mại,

không triển khai hàng loạt trên diện rộng và chưa đúng thói quen, nhu cầu sử

dụng thực tế của khách hàng.

b. Mô tả giải pháp

Giải pháp khuyến mại tức thời là một giải pháp kết nối với nguồn cơ sở dữ

liệu khách hàng của nhà mạng, thực hiện các nhiệm vụ cơ bản: phân tích dữ liệu

khách hàng, phân đoạn khách hàng có chung thói quen tiêu dùng, cung cấp các

chương trình khuyến mại phù hợp với từng phân đoạn khách hàng, triển khai các

chương trình với nhiều kênh thông tin khác nhau, đánh giá hiệu quả của từng

chương trình và báo cáo chi tiết để có thể điều chỉnh nội dung cũng như phương

thức thực hiện để đảm bảo đạt được hiệu quả cao nhất.

Quy trình thực hiện giải pháp được thực hiện qua các bước sau:

- Bước 1: Kết nối hệ thống giải pháp tới hệ thống Big Data phân tích cơ sở dữ

liệu khách hàng, và kết nối đến hệ thống tổng đài để triển khai các chương

trình khuyến mại đến khách hàng.

- Bước 2: Phân tích đề bài, mục tiêu triển khai chương trình khuyến mại, đưa ra

các tiêu chí để phân khúc khách hàng.

- Bước 3: Hệ thống Big Data phân khúc khách hàng dựa trên các tiêu chí đưa ra

tại Bước 2.

- Bước 4: Xây dựng các chương trình khuyến mại phù hợp với từng phân đoạn

khách hàng đã được thực hiện tại Bước 3.

- Bước 5: Xây dựng đề xuất kế hoạch thực hiện chiến dịch khuyến mại với từng

phân đoạn khách hàng cụ thể, xác định thời điểm thực hiện, độ dài chiến dịch,

kênh truyền thông/tiếp cận khách hàng phù hợp, thời gian tiếp cận khách hàng,

chương trình áp dụng.

- Bước 6: Thực hiện chiến dịch đối với các phân đoạn khách hàng đã được lựa

chọn theo từng tiêu chí cụ thể đã được thiết lập và xác định trước đó.

o Khuyến mại: Nạp 50.000 đồng trong 2 ngày tới để nhận 100 SMS miễn

phí; hoặc

- 92 -

o Khuyến mại: Giảm ngay 50% cước gọi nội mạng từ phút thứ 20 trở lên.

- Bước 7: Hệ thống Big Data ghi nhận và trích xuất dữ liệu giao dịch của tất cả

khách hàng như dữ liệu nạp tiền, tiêu dùng, thời gian sử dụng, lưu lượng sử

dụng… để xác định các hoạt động liên quan của khách hàng trong thời điểm

thực hiện chiến dịch, như xác nhận tham gia chương trình, trạng thái thuê bao

bật/tắt… làm tăng tỷ lệ tiếp cận khách hàng cao nhất.

- Bước 8: Với mỗi dữ liệu khách hàng được ghi nhận trên hệ thống giải pháp, hệ

thống xác minh thuê bao đó có phải là thuê bao đã nhận được thông tin khuyến

mại hay không.

- Bước 9: Nếu là khách hàng nhận được khuyến mại, hệ thống kiểm tra tới

những tiêu chí chi tiết. Ví dụ:

o Nạp 50.000 trong vòng 2 ngày từ ngày bắt đầu khuyến mại;

o Sử dụng cuộc gọi thoại kéo dài 20 phút.

- Bước 10: Sau khi các tiêu chí được xác nhận, hệ thống tiến hành cộng giá trị

khuyến mại tương ứng vào hệ thống tính cước.

- Bước 11: Hệ thống lưu trữ dữ liệu và kết xuất các báo cáo kết quả thực hiện

chương trình khuyến mại theo yêu cầu của người quản trị. Đánh giá hiệu quả

của từng chương trình đã thực hiện.

Ví dụ: Khuyến khích nạp tiền

Khách hàng mục tiêu là thuê bao có thời hạn sử dụng dịch vụ trong 7 ngày,

không nạp tiền từ khi được kích hoạt và số dư tài khoản < 50.000 đồng. Khách hàng

được hưởng khuyến mại bằng tin nhắn SMS nếu họ nạp tiền mệnh giá 50.000 trong

vòng 2 ngày. Tin khuyến mại sẽ được tự động gửi tới khách hàng khi khách hàng

đáp ứng được những điều kiện trên. Trong trường hợp khách hàng có giao dịch

phản ứng trước thông tin khuyến mại này, một tin khuyến mại nạp tiền khác có thể

tiếp tục được gửi để kích thích khách hàng tiếp tục nạp tiền. Mô tả giải pháp:

- Hệ thống Big Data sẽ trích xuất danh sách thuê bao thỏa mãn đồng thời các

điều kiện:

o Thời hạn sử dụng dịch vụ nhỏ hơn 7 ngày;

- 93 -

o Chưa thực hiện nạp tiền trong thời hạn sử dụng dịch vụ;

o Số dư tài khoản nhỏ hơn 50.000 đồng.

Với danh sách được trích xuất, hệ thống giải pháp khuyến mại tiến hành gửi

thông báo tin khuyến mại bằng SMS: “Khuyến mại: Nạp tiền 50.000 đồng

trong 2 ngày tới để nhận 50 tin nhắn SMS miễn phí”

- Dựa trên phản ứng của khách hàng, hệ thống tiến hành xác minh thuê bao có

phù hợp với chương trình khuyến mại hay không.

- Hệ thống thực hiện các chương trình khuyến mại hàng ngày, hoặc tại bất kỳ

thời gian được thiết lập sẵn: hàng tuần, hàng tháng, hàng năm.

- Ngay khi khách hàng nạp tiền lần đầu với mệnh giá > 50.000 đồng, hệ thống

tiếp tục gửi tới khách hàng SMS tin khuyến mại cho lần nạp tiền tiếp theo:

“Cảm ơn quý khách đã nạp tiền, để tiếp tục nhận khuyến mại, nạp thêm

30.000 đồng để nhận thêm 50 tin SMS miễn phí hoặc nạp 100.000 đồng để

nhận 30 phút thoại miễn phí”.

- Dựa trên lần nạp tiền thứ hai của khách hàng, hệ thống đưa ra mức khuyến

mại riêng biệt:

o Nếu nạp tiền > 30.000 đồng, khuyến mại 50 tin SMS miễn phí;

o Nếu nạp tiền > 100.000 đồng, khuyến mại 30 phút thoại miễn phí.

- Kịch bản khuyến mại có thể được lặp lại theo tần suất được thiết lập (2 lần, 3

lần, 10 lần…) với thời gian và dữ liệu khuyến mại đã được thiết lập bởi người

quản trị.

c. Đánh giá chung về giải pháp khuyến mại tức thời

Giải pháp khuyến mại tức thời kết hợp với phân tích Big Data phân tích dữ

liệu của từng thuê bao trong quá khứ và hiện tại nên có thể “thấy góc nhìn 360 độ”

về từng tập khách hàng, từng thuê bao cụ thể.

Các khách hàng được phân chia thành các phân khúc rất nhỏ và hệ thống đưa

ra các chương trình phù hợp với từng phân khúc này, tránh được hiện tượng lãng

phí hoặc đưa đến khách hàng những dịch vụ mà khách hàng không cần khi thực

hiện trên cả phân khúc khách hàng lớn.

- 94 -

Với sự hiểu biết về khách hàng, đa dạng về kênh tiếp cận, hệ thống có thể thực

hiện các chương trình khuyến mại đúng với từng đối tượng, đúng thời điểm, đúng

nội dung và đúng phương thức truyền thông tin.

Tác động đến khách hàng tức thời, giúp cho hạn chế được thuê bao rời mạng.

Như vậy, triển khai giải pháp khuyến mại tức thời là cần thiết cho MobiFone

để nâng cao hiệu quả kinh doanh và phù hợp với xu hướng chung khi triển khai ứng

dụng Big Data trên thế giới.

3.3. Đề xuất, kiến nghị đối với cơ quan quản lý nhà nước

Để Big Data có thể phát huy hết hiệu quả trong lĩnh vực kinh doanh nói chung

và lĩnh vực viễn thông nói riêng, Chính phủ và các cơ quan quản lý nhà nước cần

xem xét một số giải pháp đề xuất, đảm bảo chính sách quy định của nhà nước luôn

luôn đi cùng và hỗ trợ doanh nghiệp phát triển trong thời đại mới:

3.3.1. Xây dựng kế hoạch phát triển nguồn nhân lực

Chính phủ có thể bằng nhiều cách khác nhau hỗ trợ phát triển nguồn nhân lực

công nghệ cao cần thiết để đáp ứng xu hướng phát triển của Big Data, cũng như đáp

ứng nhu cầu của doanh nghiệp trong tương lai. Chính phủ có thể đưa ra các sáng

kiến giáo dục về tăng cường khả năng thích nghi của học sinh, sinh viên thông qua

các môn học về khoa học, công nghệ, kỹ thuật và toán học ngay từ trên ghế nhà

trường; đồng thời định hướng cho việc phân bổ nghề nghiệp giữa các trưởng đại

học, cao đẳng để đảm bảo nguồn cung ứng lao động trong tương lai.

3.3.2. Quản lý việc chia sẻ dữ liệu

Một trong những yếu tố quan trọng nhất tạo ra giá trị từ Big Data là kết hợp dữ

liệu từ nhiều nguồn. Nhưng hiện tại, thị trường dữ liệu tại Việt Nam vẫn chưa được

phát triển. Chính phủ cần thiết phải đóng vai trò quan trọng trong việc tạo điều kiện

hình thành thị trường và cho thị trường hoạt động hiệu quả, bao gồm thiết lập các

quy tắc liên quan đến sở hữu trí tuệ, phân xử tranh chấp, kinh doanh dữ liệu...

Trường hợp có sự thất bại của thị trường, chẳng hạn như thiếu các chính sách

ưu đãi cho một nhóm các bên liên quan cụ thể để cung cấp dữ liệu, các nhà hoạch

định chính sách có thể phải áp dụng đòn bẩy để đảm bảo rằng dữ liệu được chia sẻ.

- 95 -

Ví dụ, các doanh nghiệp có xu hướng che giấu các sự cố xảy ra với khách hàng khi

sử dụng dịch vụ vì uy tín đối với nhà cung cấp, nhưng chia sẻ dữ liệu sự cố là một

trong những công cụ chủ chốt để giảm rủi ro toàn hệ thống, khi đó chính phủ phải là

người trung gian can thiệp trên thị trường.

Trong khu vực hành chính công, nơi thiếu sức ép cạnh tranh giới hạn hiệu suất

và năng suất, sự minh bạch và chia sẻ dữ liệu có thể đóng quan trọng làm tăng hiệu

suất. Ngày càng có nhiều nhà hoạch định chính sách yêu cầu các cơ quan chính phủ

tăng cường đo lường hiệu quả hoạt động của các chương trình công và hiển thị

thông tin kết quả theo những cách dễ tiếp cận đối với công chúng. Điều này không

chỉ giúp các cơ quan quản lý có thể quản lý tốt hơn mà còn cho phép công chúng

nắm giữ thông tin về các cơ quan có thẩm quyền và đánh giá hiệu quả hoạt động

của các cơ quan này. Áp lực đó có thể đóng vai trò khích lệ đáng kể cho các cơ

quan nhà nước cải cách thủ tục hành chính, nâng cao năng suất và phong cách làm

việc với người dân.

3.3.3. Cân bằng lợi ích giữa cá nhân và doanh nghiệp

Khi thông tin của các cá nhân được các doanh nghiệp khai thác một cách tối

đa phục vụ mục đích kinh doanh, rủi ro về lộ thông tin cá nhân gây ảnh hưởng tới

quyền riêng tư hoàn toàn có thể xảy ra. Cơ chế của thị trường thông tin không đủ

chặt chẽ sẽ dẫn đến những đối tượng có khả năng sở hữu thông tin cá nhân không vì

mục đích kinh doanh. Trong tương lai, việc xây dựng và thi hành luật bảo mật thông

tin sẽ rất quan trọng không những để bảo vệ khách hàng mà còn đảm bảo giá trị của

thị trường thông tin đầy tiềm năng. Bên cạnh xây dựng hệ thống quy định pháp luật,

Chính phủ cũng cần phát triển các chương trình giáo dục để công chúng có thể hiểu

đầy đủ tính bảo mật của thông tin cá nhân, có thể sử dụng như thế nào và có sẵn

sàng cho phép được sử dụng hay không.

Hầu hết các nước phát triển đã có các cơ quan chịu trách nhiệm xây dựng và

thực thi các quy định và luật liên quan đến bảo mật dữ liệu thương mại và cá nhân

nói chung. Ví dụ ở Hoa Kỳ, Ủy ban Thương mại Liên bang (Federal Trade

Commission) sử dụng các Nguyên tắc thi hành công bằng thông tin (Fair

- 96 -

Information Practice Principles) làm hướng dẫn giải quyết các vấn đề an ninh và

riêng tư. Với cùng tư tưởng, OECD đã đưa ra các hướng dẫn về Bảo vệ Quyền riêng

tư và Dòng chảy của Thông tin Cá nhân (Protection of Privacy and Transborder

Flows of Personal Data), trong khi Liên minh Châu Âu có Chỉ thị về Bảo vệ Dữ liệu

(Data Protection Directive).

3.3.4. Đảm bảo đầu tư vào cơ sở hạ tầng công nghệ thông tin và truyền thông

Đối với các tổ chức, doanh nghiệp có ứng dụng khai thác Big Data, cơ sở hạ

tầng về viễn thông, công nghệ thông tin cơ bản cần phải được đảm bảo để phục vụ

cho công tác truyền dữ liệu. Các can thiệp chính sách của Chính phủ là cần thiết để

khuyến khích phát triển cơ sở hạ tầng.

Nhiều quốc gia đã đưa ra các ưu đãi cụ thể và các sáng kiến nhằm mở rộng cơ

sở hạ tầng viễn thông, công nghệ thông tin. Chẳng hạn, chính phủ Hoa Kỳ đã đưa ra

một số chính sách ưu đãi tài chính để khuyến khích xây dựng cơ sở hạ tầng băng

thông rộng (ví dụ như dự án băng rộng nông thôn) và việc thực hiện các hồ sơ y tế

điện tử. Chính phủ Hoa Kỳ cũng đã triển khai một chương trình phát triển mạng di

động không dây quốc gia với mục đích bao phủ 98% diện tích đất nước có khả năng

truy cập 4G tốc độ cao.

Trong những năm tới, các nhà hoạch định chính sách nên coi cơ sở hạ tầng

viễn thông, công nghệ thông tin là một phần quan trọng trong cách tiếp cận đối với

xu hướng bùng nổ dữ liệu và ứng dụng Big Data.

3.3.5. Điều chỉnh chính sách quy định quản lý khuyến mại

Theo các quy định về quản lý khuyến mại, tại khoản 4, điều 9, mục 2, chương

II, Nghị định số 37/2006/NĐ-CP ngày 04/04/2016 của Chính phủ Quy định chi tiết

Luật Thương mại về hoạt động xúc tiến thương mại: “Tổng thời gian thực hiện

chương trình khuyến mại bằng cách giảm giá đối với một loại nhãn hiệu hàng hoá,

dịch vụ không được vượt quá 90 (chín mươi) ngày trong một năm; một chương

trình khuyến mại không được vượt quá 45 (bốn mươi lăm) ngày”, và các hình thức

triển khai khuyến mại cũng phải tuân thủ các trình tực, thủ tục về thông báo, đăng

ký thực hiện chương trình khuyến mại.

- 97 -

Theo xu hướng ứng dụng Big Data thời gian thực, các ưu đãi dành cho khách

hàng sẽ được thiết kế và cung cấp ngay khi khách hàng thỏa mãn một số điều kiện

nhất định, và được thiết kế với từng cá nhân riêng lẻ, vì vậy việc kiểm soát thời gian

trong khi triển khai là điều không thể. Các chiến dịch ứng dụng Big Data cần được

triển khai liên tục và tức thời đáp ứng theo nhu cầu của từng cá nhân chứ không chỉ

giới hạn trong một khung thời gian nhất định và không đủ thời gian để triển khai

các thủ tục đăng ký, thông báo như quy định hiện hành.

Để tạo điều kiện cho các doanh nghiệp trong triển khai ứng dụng công nghệ

mới, cơ quan quản lý nhà nước, cụ thể là Bộ Thông tin và Truyền thông, Cục Viễn

thông cần điều chỉnh các quy định tương ứng, vừa đảm bảo kiểm soát hoạt động

khuyến mại trên thị trường, tạo một thị trường cạnh tranh lành mạnh, vừa đảm bảo

khuyến khích doanh nghiệp ứng dụng công nghệ tiên tiến để cung cấp dịch vụ tới

công chúng.

- 98 -

KẾT LUẬN

Các ngành công nghiệp trên thế giới đang chứng kiến sự thay đổi không ngừng

từ các ứng dụng công nghệ thông tin và Internet, đi theo đó là sự bùng nổ của các loại

dữ liệu thông tin, đặc biệt từ khi xuất hiện mạng xã hội (Facebook, Twitter,

Instagram…) và các chợ ứng dụng (Google Play, AppStore…). Để xử lý lượng dữ liệu

khổng lồ này, đòi hỏi doanh nghiệp phải đầu tư công nghệ, kĩ thuật với mức sử dụng

chi phí hiệu quả và hệ thống dữ liệu Big Data là một giải pháp.

Các doanh nghiệp trên thế giới đã triển khai ứng dụng Big Data vào công tác

sản xuất kinh doanh và đã thu được những lợi ích ban đầu, đặc biệt là trong các lĩnh

vực: thương mại, y tế, viễn thông… Những giá trị doanh nghiệp có được không chỉ

dừng lại ở con số doanh thu, lợi nhuận, mà hơn thế nữa là tiềm năng phát triển trong

tương lai được khai phá.

Tại Việt Nam, khi thuật ngữ Big Data vẫn còn mới lạ với nhiều doanh nghiệp,

thì cũng đã có một số ít các đơn vị tiên phong triển khai, ví dụ như lĩnh vực ngân hàng,

viễn thông, bán lẻ. Tuy mới ở giai đoạn mới triển khai nhưng bước đầu, Big Data đã

mang lại những hiệu quả nhất định, mở ra một cánh cửa phát triển mới cho doanh

nghiệp. Song hành với những cơ hội có được là những thách thức mà chính các doanh

nghiệp đang áp dụng cũng cần phải đối diện.

Nhận định Big Data là xu hướng tất yếu và cần thiết cho mỗi doanh nghiệp,

người thực hiện đề tài đề xuất mở rộng ứng dụng Big Data vào công tác sản xuất kinh

doanh tại Tổng công ty Viễn thông MobiFone. Big Data sẽ giúp doanh nghiệp có được

những giá trị từ: Dễ dàng sử dụng, tiếp cận nguồn dữ liệu hiện có của doanh nghiệp;

hỗ trợ doanh nghiệp khai thác triệt để thông tin để nâng cao hiệu quả kinh doanh; phân

khúc khách hàng, từ đó thiết kế những sản phẩm đáp ứng những nhu cầu riêng biệt

nhất; phân tích dữ liệu với những thuật toán được thiết kế tự động, giảm thời gian phát

triển sản phẩm; tối ưu hóa sản phẩm, hỗ trợ con người đưa ra quyết định hợp lý.

Việc mở rộng ứng dụng hệ thống Big Data tại Tổng công ty Viễn thông

MobiFone là việc làm cần thiết và có vai trò quan trọng trong việc thúc đẩy hoạt động

sản xuất kinh doanh của doanh nghiệp, phù hợp với xu hướng công nghệ trên thế giới.

- 99 -

DANH MỤC TÀI LIỆU THAM KHẢO

I. Tài liệu tham khảo tiếng Việt:

1. Nguyễn Công Hoan, Tổng quan về dữ liệu lớn (Big Data), Trung tâm Thông tin

Khoa học thống kê (Viện Khoa học thống kê), 2016.

2. Nguyễn Minh Cao Hoàng, Phạm Văn Minh, Trần Thị Minh Ngọc, Nguyễn Đôn

Phước, Nguyễn Hoàng Mỹ Phương, Vũ Thị Thu Thanh, Huỳnh Thiện Quốc

Việt, Tuyển tập Dữ liệu lớn, Nhà xuất bản Tri Thức, 2016.

3. Trần Minh Đạo, Giáo trình Marketing căn bản, Nhà xuất bản Đại học Kinh tế

quốc dân, 2012.

4. Trương Đình Chiến, Quản trị Marketing, Nhà xuất bản Đại học Kinh tế quốc

dân, 2011.

II. Tài liệu tham khảo tiếng Anh:

1. Abele, Eberhard, Tobias Meyer, Ulrich Näher, Gernot Strube, and Richard

Sykes, eds., Global production: A handbook for strategy and implementation

(Berlin: Springer, 2008).

2. ABI research, Consumer technology barometer: Mobile, 2010.

3. Agrawal, R., T. Imielinski, and A. Swami, “Mining association rules between

sets of items in large databases,” SIGMOD Conference 1993: 207–216.

4. Akella, Janaki, Timo Kubach, Markus Löffler, and Uwe Schmid, Data-driven

management: Bringing more science into management, McKinsey Technology

Initiative Perspective, 2008.

5. Baker, Stephen, The numerati (New York: Houghton Mifflin, 2008).

6. Barber, Michael, Alastair Levy, and Lenny Mendoca, Global trends affecting

the public sector, McKinsey white paper, February 2008.

7. Baumgarten, Jason, and Michael Chui, “E-government 2.0,” McKinsey

Quarterly, July 2009.

8. Benham, Lee, “The effect of advertising on the price of eyeglasses,” Journal of

Law and Economics 15(2), October 1972: 337–352.

- 100 -

9. Besley, Timothy, and Maitreesh Ghatak, “Status incentives,” American

Economic Review 98(2), 2008: 206–211.

10. Cavanillas J. M., Curry E. and Wahlster W., New Horizons for a Data-Driven

Economy, Springer Nature, October 2015.

11. Centers for Medicare and Medicaid Services, National Health Expenditure

Projections 2009–2019, September 2010.

12. Chui, Michael, Markus Löffler, and Roger Roberts, “The Internet of things,”

McKinsey Quarterly, March 2010.

13. Chui, Michael, Andy Miller, and Roger Roberts, “Six ways to make Web 2.0

work,” McKinsey Quarterly, February 2009.

14. Davenport, Thomas H., and Jeanne G. Harris, Analytics at work: Smarter

decisions, better results (Cambridge, MA: Harvard Business Press, 2010).

15. Davenport, Thomas H., and Jeanne G. Harris, Competing on analytics: The new

science of winning (Cambridge, MA: Harvard Business Press, 2007).

16. Farrell, Diana, Martha Laboissiere, and Jaeson Rosenfeld, “Sizing the emerging

global labor market,” McKinsey Quarterly, June 2005.

17. Gantz, John F., and David Reinsel, “As the economy contracts, the digital

universe expands,” IDC white paper, sponsored by EMC, May 2009.

18. Gantz, John F., and David Reinsel, “The digital universe decade—Are you

ready?” IDC iView, sponsored by EMC, May 2010.

19. Harding, J.A., M. Shahbaz, S. Srinivas, and A. Kusiak, “Data mining in

manufacturing: A review,” Journal of Manufacturing Science and Engineering,

2006.

20. Hilbert, Martin, and Priscila López, “The world’s technological capacity to

store, communicate, and compute information,” Science, February 10, 2011.

21. Hsinchun, C., R.H.L. Chiang, and V.C. Storey, BUSINESS INTELLIGENCE

AND ANALYTICS: FROM BIG DATA TO BIG IMPACT. MIS Quarterly, 2012.

36(4): p. 1165-1188.

- 101 -

22. Jacques Bughin, Telcos: The untapped promise of big data,

McKinsey&Company, 2016.

23. Lyman, Peter, and Hal Varian, How much information? 2003, School of

Information Management and Systems, University of California at Berkeley,

2003.

24. Magoulas, Roger, and Ben Lorica, Big data: Technologies and techniques for

large scale data, Release 2.0, Number 11, February 2009.

25. Manyika, K., Michael Chui, Big Data: The next frontier for innovation,

competition, and productivity, McKinsey&Company, 2011.

26. MobiFone, Báo cáo kết quả triển khai Big Data, 2016

27. National Center for Health Statistics, Centers for Disease Control and

Prevention, Electronic medical record/electronic health record use by office-

based physicians, December 2009.

28. Roberto V. Zicari, Big Data for Good, Industry Watch ODBMS.org, June 2012.

29. Telecoms.com Intelligence, Intelligence Industry Survey, 2014.

30. Tổng công ty Viễn thông MobiFone, Quy trình cung ứng sản phẩm dịch vụ và

triển khai khuyến mại, 2014.

III. Các trang web:

1. Đông Quân, Khai thác Big Data trong lĩnh vực thông tin - viễn thông, 2013

[ngày 22/04/2017]; địa chỉ: http://www.pcworld.com.vn/articles/kinh-

doanh/giai-phap/2013/09/1234258/khai-thac-big-data-trong-linh-vuc-thong-tin-

vien-thong/.

2. IBM, Collaborative User Experience Research group, 2016 [ngày 04/03/2017];

địa chỉ: www.research.ibm.com/visual/projects/history_flow/gallery.htm.

3. IBM, Many eyes, 2016 [ngày 04/03/2017]; địa chỉ:

Luận văn Thạc sĩ Quản trị kinh doanh: Ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng nhằm đẩy mạnh hoạt động kinh doanh tại Tổng công ty Viễn thông MobiFone

LUẬN VĂN THẠC SĨ

ỨNG DỤNG BIG DATA TRONG PHÂN TÍCH HÀNH VI

MUA SẮM VÀ TIÊU DÙNG CỦA KHÁCH HÀNG NHẰM

ĐẨY MẠNH HOẠT ĐỘNG KINH DOANH TẠI TỔNG CÔNG

TY VIỄN THÔNG MOBIFONE

NGUYỄN BÁ DŨNG

Hà Nội - năm 2017

LUẬN VĂN THẠC SĨ

ỨNG DỤNG BIG DATA TRONG PHÂN TÍCH HÀNH VI

MUA SẮM VÀ TIÊU DÙNG CỦA KHÁCH HÀNG NHẰM

ĐẨY MẠNH HOẠT ĐỘNG KINH DOANH TẠI TỔNG CÔNG

TY VIỄN THÔNG MOBIFONE

Họ và tên học viên

: Nguyễn Bá Dũng

Người hướng dẫn

: PGS. TS. Nguyễn Văn Thoan

Hà Nội - 2017

STT Từ viết tắt

Tiếng Anh

Tiếng Việt

NHÓM

MIN (giây) 1 175 277 373 470

MAX (giây) 174 276 372 469 571

SLTB (thuê bao) 7.507.057 1.694.924 1.209.844 940.036 765.009

Mean (giây) 79 222 322 418 518

Q1 (giây) 37 197 298 394 493

Median (giây) 75 221 321 418 517

Q3 (giây) 120 248 346 443 543

Ngưỡng (Phút) 2 4 6 7 9

Tiêu chí

Doanh Nhân

Công nhân

Nông dân

Sinh Viên

Học sinh

Nhân viên văn phòng

Khu vực phát sinh dịch vụ

ARPU

Lộ trình di chuyển

Hành vi thoại bình quân/tháng

Hành vi SMS bình quân/tháng

Hành vi DATA bình quân/tháng

Hành vi nạp thẻ

KẾT LUẬN

DANH MỤC TÀI LIỆU THAM KHẢO

Có thể bạn quan tâm

Tài liêu mới

AI tóm tắt

Giới thiệu tài liệu

Đối tượng sử dụng

Từ khoá chính

Nội dung tóm tắt

Giới thiệu

Về chúng tôi

Việc làm

Quảng cáo

Liên hệ

Chính sách

Thoả thuận sử dụng

Chính sách bảo mật

Chính sách hoàn tiền

DMCA

Hỗ trợ

Hướng dẫn sử dụng

Đăng ký tài khoản VIP

093 303 0098

support@tailieu.vn

Phương thức thanh toán

Theo dõi chúng tôi

Facebook

Youtube

TikTok