TẠI SAO NHỮNG NỖ LỰC PHÂN TÍCH DATA BỊ “SA LẦY” TRƯỚC KHI ĐƯỢC TĂNG QUY MÔ?

Phân tích data ở thời điểm 2 – 3 thập kỉ trước chỉ đối mặt với các thách thức đó là: làm như thế nào để thuyết phục các nhóm lãnh đạo cấp cao của doanh nghiệp hiểu được tiềm năng của việc phân tích data? Làm như thế nào để xây dựng các mô hình và tạo ra kết cấu dữ liệu phù hợp nhằm kết nối các cơ sở dữ liệu khác nhau bên trong và bên ngoài doanh nghiệp? Thì ngày nay khi quy mô phân tích data ngày càng tăng mạnh mẽ, những thách thức mới đã xuất hiện.

Nhà quản trị ngần ngại đầu tư vào hoạt động phân tích data

Đầu tiên, rất nhiều nhà quản lý doanh nghiệp không muốn tăng thêm (gấp đôi, gấp ba,…) khoản đầu tư vào việc phân tích dữ liệu — những khoản đầu tư này rõ ràng theo quan điểm của họ là cần thiết cho phát triển quy mô doanh nghiệp, hệ thống kế toán quản trị của doanh nghiệp hơn.

 

Thêm đó, chỉ 1 vài nỗ lực, kết quả ban đầu của phân tích data chưa mang lại lợi nhuận đáng kể đủ để thuyết phục các chủ doanh nghiệp. Trong nhiều trường hợp, lãnh đạo doanh nghiệp chỉ đầu tư theo kiểu “không mục đích”, “bỏ ngỏ”… với ý định để “biết” thêm 1 vài kiến thức mới về big data.

 

Đúng như “mức” đầu tư và mục đích nhỏ lẻ, thiếu quyết đoán, các trường hợp này thường chỉ đem lại 1 vài kiến thức mới về big data, mà không giúp doanh nghiệp có những báo cáo phục vụ quản trị, hay dashboard thành phẩm,… được rút từ các phân tích data trên quy mô lớn.

Ví dụ: giám đốc điều hành doanh nghiệp sản xuất ô tô đầu tư một khoản để hiểu cách sử dụng phương tiện truyền thông với mục đích cải thiện việc lập kế hoạch và dự báo sản xuất. Mặc dù thu được 1 số phân tích đưa ra những chi tiết thú vị về sở thích của khách hàng; tuy nhiên nó không cung cấp nhiều về hướng dẫn, về cách cải thiện phương pháp dự báo của công ty.

Chính bởi vậy, các lãnh đạo doanh nghiệp thường lập luận và đưa ra những ví dụ trên để khẳng định rằng việc phân tích dữ liệu để hiểu mô hình là không thể thực hiện được hoặc có thể ảnh hưởng đến kết quả báo cáo doanh thu, báo cáo lãi/lỗ. Kết quả là họ thường do dự về việc chi cho các khoản đầu tư cần thiết cho phát triển việc phân tích data trên quy mô lớn.

 

TẠI SAO NHỮNG NỖ LỰC PHÂN TÍCH DATA BỊ "SA LẦY" TRƯỚC KHI ĐƯỢC TĂNG QUY MÔ?

Tăng tốc xử lí, chuyển đổi dữ liệu giúp nhà quản trị dễ dàng ra quyết định kinh doanh 

Doanh nghiệp “chưa” tin vào hiệu quả của phân tích dữ liệu

Thứ hai, các nhà quản lý doanh nghiệp thường “chưa” tin tưởng hiệu quả của phân tích data đối với việc cải thiện ra quyết định lãnh đạo. Một trong những do dự phổ biến của họ chính là lo ngại các công cụ phân tích quá giống 1 hộp đen máy bay, hay các công cụ thiên về IT,…; Không chỉ quản lý doanh nghiệp, mà ngay cả nhân viên cũng không tin tưởng vào các số liệu được phân tích, đặc biệt nếu chúng không dễ sử dụng hoặc không được áp dụng được vào quy trình công việc và hệ thống quản trị nội bộ đã thiết lập bấy lâu nay.

Ví dụ: tại một tổng đài Call center, các nhân viên đã “fail” (thất bại) khi sử dụng được hệ thống gợi sản phẩm vì họ không hiểu cách công cụ này hình thành nên đề xuất, gợi ý. Chỉ sau khi công cụ này được cập nhật thêm tính năng giải thích lý do các đề xuất, gợi ý được đưa ra và giao diện công cụ được cải thiện, việc áp dụng chúng mới được tăng lên.

Rào cản từ quy trình “cốt lõi, “lâu năm” của doanh nghiệp

Cuối cùng là chính quy trình “cốt lõi”, quy trình vận hành nhiều năm đã giúp doanh nghiệp trụ vững cũng có thể chính là rào cản để nắm bắt tiềm năng của việc phân tích dữ liệu trên quy mô lớn và phức tạp.

Đối với các công ty “sinh ra nhờ phân tích”, như Amazon và Facebook, các quy trình như định giá, phân phối quảng cáo và quản lý chuỗi cung ứng đã được xây dựng dựa trên nền tảng của phân tích tự động.

Các tổ chức này đã xây dựng các hệ thống xử lý dữ liệu lớn hỗ trợ tự động hóa và không ngừng thu hút nhân tài về phân tích dữ liệu. Nhưng đối với các doanh nghiệp như các doanh nghiệp truyền thống các quy trình quản lý, phê duyệt thường không theo kịp tiến độ và kéo chậm việc phân tích dữ liệu.
Phân tích data ở thời điểm 2 – 3 thập kỉ trước chỉ đối mặt với các thách thức đó là: làm như thế nào để thuyết phục các nhóm lãnh đạo cấp cao của doanh nghiệp hiểu được tiềm năng của việc phân tích data? Làm như thế nào để xây dựng các mô hình và tạo ra kết cấu dữ liệu phù hợp nhằm kết nối các cơ sở dữ liệu khác nhau bên trong và bên ngoài doanh nghiệp? Thì ngày nay khi quy mô phân tích data ngày càng tăng mạnh mẽ, những thách thức mới đã xuất hiện.

Nhà quản trị ngần ngại đầu tư vào hoạt động phân tích data

Đầu tiên, rất nhiều nhà quản lý doanh nghiệp không muốn tăng thêm (gấp đôi, gấp ba,…) khoản đầu tư vào việc phân tích dữ liệu — những khoản đầu tư này rõ ràng theo quan điểm của họ là cần thiết cho phát triển quy mô doanh nghiệp, hệ thống kế toán quản trị của doanh nghiệp hơn.

 

Thêm đó, chỉ 1 vài nỗ lực, kết quả ban đầu của phân tích data chưa mang lại lợi nhuận đáng kể đủ để thuyết phục các chủ doanh nghiệp. Trong nhiều trường hợp, lãnh đạo doanh nghiệp chỉ đầu tư theo kiểu “không mục đích”, “bỏ ngỏ”… với ý định để “biết” thêm 1 vài kiến thức mới về big data.

 

Đúng như “mức” đầu tư và mục đích nhỏ lẻ, thiếu quyết đoán, các trường hợp này thường chỉ đem lại 1 vài kiến thức mới về big data, mà không giúp doanh nghiệp có những báo cáo phục vụ quản trị, hay dashboard thành phẩm,… được rút từ các phân tích data trên quy mô lớn.

Ví dụ: giám đốc điều hành doanh nghiệp sản xuất ô tô đầu tư một khoản để hiểu cách sử dụng phương tiện truyền thông với mục đích cải thiện việc lập kế hoạch và dự báo sản xuất. Mặc dù thu được 1 số phân tích đưa ra những chi tiết thú vị về sở thích của khách hàng; tuy nhiên nó không cung cấp nhiều về hướng dẫn, về cách cải thiện phương pháp dự báo của công ty.

Chính bởi vậy, các lãnh đạo doanh nghiệp thường lập luận và đưa ra những ví dụ trên để khẳng định rằng việc phân tích dữ liệu để hiểu mô hình là không thể thực hiện được hoặc có thể ảnh hưởng đến kết quả báo cáo doanh thu, báo cáo lãi/lỗ. Kết quả là họ thường do dự về việc chi cho các khoản đầu tư cần thiết cho phát triển việc phân tích data trên quy mô lớn.

 

TẠI SAO NHỮNG NỖ LỰC PHÂN TÍCH DATA BỊ "SA LẦY" TRƯỚC KHI ĐƯỢC TĂNG QUY MÔ?

Tăng tốc xử lí, chuyển đổi dữ liệu giúp nhà quản trị dễ dàng ra quyết định kinh doanh 

Doanh nghiệp “chưa” tin vào hiệu quả của phân tích dữ liệu

Thứ hai, các nhà quản lý doanh nghiệp thường “chưa” tin tưởng hiệu quả của phân tích data đối với việc cải thiện ra quyết định lãnh đạo. Một trong những do dự phổ biến của họ chính là lo ngại các công cụ phân tích quá giống 1 hộp đen máy bay, hay các công cụ thiên về IT,…; Không chỉ quản lý doanh nghiệp, mà ngay cả nhân viên cũng không tin tưởng vào các số liệu được phân tích, đặc biệt nếu chúng không dễ sử dụng hoặc không được áp dụng được vào quy trình công việc và hệ thống quản trị nội bộ đã thiết lập bấy lâu nay.

Ví dụ: tại một tổng đài Call center, các nhân viên đã “fail” (thất bại) khi sử dụng được hệ thống gợi sản phẩm vì họ không hiểu cách công cụ này hình thành nên đề xuất, gợi ý. Chỉ sau khi công cụ này được cập nhật thêm tính năng giải thích lý do các đề xuất, gợi ý được đưa ra và giao diện công cụ được cải thiện, việc áp dụng chúng mới được tăng lên.

Rào cản từ quy trình “cốt lõi, “lâu năm” của doanh nghiệp

Cuối cùng là chính quy trình “cốt lõi”, quy trình vận hành nhiều năm đã giúp doanh nghiệp trụ vững cũng có thể chính là rào cản để nắm bắt tiềm năng của việc phân tích dữ liệu trên quy mô lớn và phức tạp.

Đối với các công ty “sinh ra nhờ phân tích”, như Amazon và Facebook, các quy trình như định giá, phân phối quảng cáo và quản lý chuỗi cung ứng đã được xây dựng dựa trên nền tảng của phân tích tự động.

Các tổ chức này đã xây dựng các hệ thống xử lý dữ liệu lớn hỗ trợ tự động hóa và không ngừng thu hút nhân tài về phân tích dữ liệu. Nhưng đối với các doanh nghiệp như các doanh nghiệp truyền thống các quy trình quản lý, phê duyệt thường không theo kịp tiến độ và kéo chậm việc phân tích dữ liệu.