Công ty định hướng dữ liệu (Data-driven enterprise) (P.2)

Bigdatauni.com Follow Fanpage Contact

Ngày nay, tiềm năng phát triển các chiến lược kinh doanh dựa trên dữ liệu và thông tin là lớn hơn bao giờ hết. Đối với một số tổ chức, dữ liệu và phân tích dữ liệu đã trở thành động lực chính trong việc đề xuất các chiến lược kinh doanh của họ. Để tạo điều kiện cho quá trình định hướng dữ liệu – Data – driven hiệu quả, công ty cần có những nguồn dữ liệu dồi dào, các năng lực, khả năng xử lý phân tích dữ liệu cần thiết, và có nguồn nhân lực được trang bị tốt kiến thức, kỹ năng trong lĩnh vực dữ liệu một cách phù hợp. Sự tham gia của hầu hết các bộ phận chức năng trong công ty vào các dự án dữ liệu, sử dụng dữ liệu cho các công việc hàng ngày.

Theo Gartner, công ty nghiên cứu, tư vấn hàng đầu dự đoán vào năm 2020, 80% các tổ chức sẽ bắt đầu phát triển các năng lực của mình ở lĩnh vực khai thác, phân tích dữ liệu. Hiện nay, nhiều tổ chức càng nhận ra tầm quan trọng của dữ liệu, và bắt đầu tận dụng dữ liệu theo nhiều cách thức khác nhau. Dữ liệu là yếu tố cốt lõi cho việc tạo ra giá trị kinh doanh bằng cách cung cấp những thông tin hữu ích về khách hàng, thị trường, tình hình sản xuất,.. giúp công ty cải thiện hiệu quả hoạt động, lợi thế cạnh cạnh tranh.

Nguồn hình: Rawpixel.com

Ở phần 1 bài viết cùng chủ đề, BigDataUni đã giới thiệu đến các bạn các khái niệm về data – driven, data – driven enterprise (công ty định hướng dữ liệu), lợi ích, thách thức và các đặc điểm của một công ty định hướng dữ liệu hiệu quả. Còn bài viết lần này, chúng ta sẽ cùng bàn luận về một số vấn đề khác và những giải pháp hợp lý hỗ trợ các công ty trong định hướng dữ liệu.

Dành cho các bạn chưa xem phần 1 Data – driven Enterprise: Công ty định hướng dữ liệu (Data – driven enterprise) (phần 1)

Trong bài viết, ngoài việc trình bày những quan điểm về Data – driven, chúng tôi còn tham khảo từ một số tài liệu nghiên cứu, blog post khác về Data – driven, và tiến hành tổng hợp, diễn giải theo suy nghĩ của chúng tôi, làm cho bài viết phong phú, cung cấp đầy đủ thông tin đến các bạn. Nguồn tham khảo là các tài liệu nghiên cứu về Data – driven được viết bởi những chuyên gia phân tích đến từ hai công ty hàng đầu về tư vấn quản lý, nghiên cứu thị trường là McKinsey cùng Gartner.

Những giải pháp, yếu tố giúp công ty định hướng dữ liệu trong hoạt động hiệu quả

Đẩy mạnh việc tiếp cận dữ liệu, và triển khai các dự án nghiên cứu, phân tích dữ liệu sẽ giúp công ty, doanh nghiệp thoát khỏi những vấn đề về chiến lược bị đình trệ, hiệu suất hoạt động thấp, cập nhật và thay đổi công nghệ, kỹ thuật lỗi thời. Nhưng nó đòi hỏi một sự thay đổi trong tư duy và một lộ trình rõ ràng với tầm nhìn, mục tiêu và chiến lược cụ thể, chi tiết. Mặc dù quá trình xuất hiện nhiều thách thức phải đối mặt, nhưng việc trở thành một Data – driven enterprise sau cùng sẽ giúp công ty đáp ứng tốt hơn nhu cầu và mong đợi của khách hàng để duy trì tính cạnh tranh trên thị trường khốc liệt. Để thực sự trở thành một công ty định hướng dữ liệu hiệu quả và đảm bảo gặt hái được các lợi ích, giá trị kinh doanh như mong đợi, thì công ty cần phải thiết lập và thi hành những giải pháp phù hợp.

Theo McKinsey, công ty tư vấn quản lý toàn cầu của Mỹ, nếu muốn tận dụng triệt để nguồn tài nguyên dữ liệu phục vụ cho các hoạt động của tổ chức, thì công ty phải có cho mình những năng lực cần thiết. Đầu tiên, công ty phải có khả năng xác định, kết hợp và quản lý nhiều nguồn dữ liệu. Thứ hai, họ cần khả năng xây dựng các mô hình phân tích nâng cao để dự đoán và tối ưu kết quả. Thứ ba, và quan trọng nhất, chính là cần có quy trình quản lý chặt chẽ, hiệu quả để tạo cơ sở chuyển đổi theo định hướng dữ liệu sao cho dữ liệu đóng vai trò chủ chốt trong từng quyết định của công ty.

Ngoài ra, việc xác định mục tiêu kinh doanh, và tầm ảnh hưởng của nó, để định hình cách thức tiếp cận dữ liệu, xây dựng mô hình, cơ cấu tổ chức hợp lý, cũng cực kỳ cần thiết. Để phát triển một chiến lược định hướng dữ liệu thì theo McKinsey, công ty cần 3 bước hành động, với các giải pháp như sau:

Chọn đúng nguồn dữ liệu, kết nối và tiến hành thu thập

Theo McKinsey, dữ liệu, mô hình cũng như kết cấu dữ liệu thay đổi rất nhiều trong những năm vừa qua. Khối lượng thông tin, dữ liệu gia tăng cùng với cơ hội khai thác được thông tin có giá trị tiềm ẩn trong dữ liệu (bằng cách thu thập dữ liệu từ nhiều nguồn khác nhau và áp dụng các công cụ xử lý, phân tích tiên tiến hiện nay) cũng tăng cao. Nguồn dữ liệu dồi dào hơn, chất lượng tốt hơn, cung cấp cho các công ty cái nhìn toàn cảnh và chi tiết hơn về môi trường kinh doanh của họ, khả năng nhìn thấy được những gì mà trước đây không tận dụng triệt để nhằm cải thiện hoạt động, trải nghiệm của khách hàng và các chiến lược.

Giải pháp đầu tiên được đề ra là: xác định nguồn, và thu thập dữ liệu một cách “sáng tạo”.

Thông thường, một tổ chức đã có sẵn dữ liệu cần thiết để giải quyết các vấn đề kinh doanh, nhưng những nhà quản lý lại không biết cách sử dụng các thông tin này sao cho hiệu quả để đưa ra quyết định quan trọng. Các giám đốc điều hành, chẳng hạn, có thể không nắm bắt được giá trị tiềm năng của dữ liệu khách hàng và dữ liệu sản xuất đang sở hữu. Họ cần một cái nhìn toàn diện hơn về dữ liệu bằng cách nắm rõ cụ thể về các vấn đề và cơ hội kinh doanh. Do đó, những người đứng đầu phải sáng suốt, và “sáng tạo” hơn trong việc xác định, tìm kiếm các nguồn dữ liệu tìm năng, nguồn dữ liệu mới đem lại giá trị phân tích.

Ví dụ mạng xã hội, hay truyền thông mạng xã hội (social media) đang tạo ra hàng ngàn terabyte dữ liệu có cấu trúc hoặc không có cấu trúc dưới dạng các cuộc hội thoại, hình ảnh và video,… – nguồn dữ liệu này sẽ cung cấp rất nhiều thông tin hữu ích về khách hàng, xu hướng tiêu dùng, và cả đối thủ cạnh tranh. Ngoài ra còn có dữ liệu từ các thiết bị I.o.T (Internet of things) được sử dụng trong quá trình sản xuất, bán hàng, vận chuyển sản phẩm,… cũng cần quan tâm nhiều hơn. Để định hình được toàn bộ dữ liệu tiềm năng, thì nhà quản lý phải trả lời được câu hỏi: “những quyết định nào có thể được đưa ra nếu chúng ta có tất cả thông tin chúng ta cần?”

Giải pháp tiếp theo chính là: sự hỗ trợ tích cực từ bộ phận IT

Các hệ thống công nghệ thông tin cũ, hay được kế thừa qua nhiều năm, qua nhiều giai đoạn phát triển của công ty có thể cản trở việc tiếp cận các nguồn dữ liệu mới, những phương pháp lưu trữ và phân tích dữ liệu tiên tiến hơn.  Do đó công ty cần cập nhật những xu hướng công nghệ mới, ứng dụng các công cụ kỹ thuật tiên tiến giúp gia tăng hiệu suất xử lý dữ liệu như tích hợp, quản lý hiệu quả nhiều dữ liệu có cấu trúc khác nhau, đến từ nhiều nguồn khác nhau. Nhưng để có một hệ thống tối ưu và đa năng đòi hỏi thời gian và chi phí. Nhằm giải quyết những vấn đề ngắn hạn trước tiên hoặc ưu tiên thực hiện các yêu cầu ban đầu của quá trình định hướng dữ liệu, giám đốc, hay người đứng đầu trong tổ chức có thể phải trao đổi, bàn bạc với CIO (Chief Information Officer – giám đốc công nghệ thông tin) để tìm ra giải pháp, hành động thích hợp.

Tiến hành xây dựng các mô hình phân tích, dự đoán và tối ưu hóa kết quả kinh doanh

Thu thập dữ liệu là rất quan trọng, nhưng cải tiến hiệu suất làm việc và lợi thế cạnh tranh có được từ các mô hình phân tích cho phép các nhà quản lý đưa ra những dự báo và tối ưu hóa chúng trong từng hoạt động kinh doanh thì càng quan trọng hơn. Mặc dù chúng ta không thể phủ nhận rằng các kỹ thuật thống kê, phân tích dữ liệu ngày nay đã được nâng cấp, thay đổi rất nhiều, nhưng đôi khi các chuyên gia dữ liệu lại thiết kế ra những mô hình quá phức tạp, không thực tế và có thể làm cạn kiệt nguồn lực của chính tổ chức.

Giải pháp: cách thức tiếp cận hiệu quả nhất để xây dựng mô hình thường bắt đầu – không phải từ dữ liệu – mà là từ chính mục tiêu kinh doanh và việc xác định mô hình ấy có thể cải thiện hiệu suất như thế nào.

Theo McKinsey, cách tiếp cận như trên sẽ giúp công ty phát triển được những mô hình dữ liệu cung cấp kết quả phân tích nhanh hơn, giúp nhà quản lý, chuyên gia hiểu rộng hơn về dữ liệu như mối quan hệ giữa dữ liệu và chiến lược hoạt động, góp phần hạn chế gánh nặng từ việc lãng phí chi phí hoặc vấn đề phức tạp trong mô hình vừa nói ở trên.

Chuyển đổi hiệu quả những năng lực của công ty

Quá trình chuyển đổi hiệu quả là quá trình tổ chức vừa tập trung vào những mục tiêu kinh doanh, giá trị cốt lõi vừa có thể thay đổi cách thức tiếp cận và đạt được chúng nhằm thích ứng tốt với môi trường kinh doanh biến động. Tuy nhiên, hiện nay nhiều nhà quản lý thường không chỉ không nắm rõ lợi ích của dữ liệu để tận dụng chúng trong các hoạt động hàng ngày mà còn không hiểu, không tin tưởng vào những công cụ, phương pháp, mô hình dữ liệu sẽ đem lại giá trị. Do đó, họ không đẩy mạnh, hay xúc tiến việc định hướng dữ liệu trong toàn bộ tổ chức. Những vấn đề như vậy thường phát sinh do khoảng cách (sự không phù hợp) giữa văn hóa làm việc và năng lực của tổ chức trong việc khai thác, phân tích dữ liệu. Nếu các cách tiếp cận dữ liệu quá khác biệt, tách rời với cách thức công ty ra quyết định thì chúng cũng không hiệu quả.

Giả sử, một công ty sử dụng nguồn lực tài chính của mình để thuê các chuyên gia IT, chuyên gia trong lĩnh vực dữ liệu, hay mở các chương trình huấn luyện đội ngũ nhân viên hiện tại để họ có khả năng xử lý, phân tích dữ liệu, hay cho phép bộ phận IT hoặc chính các chuyên gia đề xuất, thiết kế một phần mềm, công cụ, hoặc mô hình phân tích sao cho phù hợp. Bên trên là ví dụ của chuyển đổi năng lực để giúp các bạn hiểu rõ: công ty này có nguồn lực tài chính, nhân lực tốt, bộ phận IT đang hoạt động hiệu quả, đây được là xem năng lực của chính công ty, do đó nếu muốn định hướng dữ liệu, thì công ty phải chuyển đổi những năng lực này như thế nào?

Quay lại với vấn đề ban đầu và ví dụ, giả sử tiếp là các phần mềm phân tích dữ liệu trong hệ thống được đề xuất, thiết kế xong nhưng chúng lại quá phức tạp, chỉ các chuyên gia IT, chuyên viên dữ liệu quen với cách thức vận hành, quen với những kỹ thuật, phương pháp phân tích trong các phần mềm, còn đối với những nhân viên phụ trách về dữ liệu cho rằng họ không hiểu, khó sử dụng, mặc dù đã được “training” trước đó. Trường hợp khác như nhà quản lý, nhân viên đến từ bộ phận chức năng khác, họ cũng cần tham gia vào mỗi hoạt động nghiên cứu dữ liệu để nắm được tình hình hiện tại của tổ chức, hoặc cần tiếp cận dữ liệu để phục vụ cho công việc, nếu phần mềm quá phức tạp sẽ khiến hiệu suất làm việc giảm, tương tự sự tin tưởng vào việc định hướng dữ liệu đem lại thành công cũng sẽ giảm. Công ty chắc chắn thất bại nếu mong muốn những phương pháp khai thác dữ liệu tích hợp nhanh chóng vào nội bộ tổ chức.

Giải pháp: phát triển các phương pháp, phần mềm phân tích dữ liệu liên quan đến lĩnh vực kinh doanh có thể được sử dụng phổ biến trong tổ chức.

Chúng ta biết rằng trong công cụ Data analytics, Data mining có nhiều kỹ thuật xử lý, phương pháp phân tích dữ liệu phức tạp, đòi hỏi am hiểu những thuật toán khác nhau, được ứng dụng trong hầu hết các ngành nghề và lĩnh vực. Vậy nên trước tiên, nhà quản lý và chuyên gia dữ liệu cần ngồi lại với nhau để xác định lĩnh vực chính của công ty hiện tại, mục tiêu nghiên cứu dữ liệu là gì, và hệ thống lại những phương pháp phân tích đặc thù cần sử dụng.

Tiếp theo là phát triển các công cụ, phần mềm phân tích dữ liệu tương tích, đồng bộ, liên kết với từng hoạt động kinh doanh, từng bước ra quyết định. Sau cùng, luôn luôn có sự giao tiếp trao đổi thường xuyên giữa các nhà quản lý với chuyên gia dữ liệu, giữa nhân viên bộ phận dữ liệu với nhân viên từ bộ phận khác, là cơ sở đảm bảo sự gắn kết giữa phân tích dữ liệu đến mục tiêu, chiến lược cốt lõi của tổ chức.

Giải pháp: các phương pháp, kỹ thuật phân tích cần tích hợp trong các phần mềm, công cụ đơn giản cùng với phân công nhiệm vụ, công việc liên quan đến dữ liệu phù hợp hơn.

Đối với những phần mềm, thì cần có đặc tính đơn giản hóa, trực quan, không đòi hỏi người dùng phải biết đầy đủ kiến thức chuyên môn thì mới có thể sử dụng, bên cạnh đó công ty cũng cần thiết lập một bộ hướng dẫn tiêu chuẩn cho nhân viên. Các nhà quản lý cần các phần mềm đơn giản, trực quan dễ nhìn để dễ sử dụng, phát triển mô hình dữ liệu và thuật toán phân tích mới theo nhu cầu công việc hàng ngày ví dụ đề xuất ý tưởng kinh doanh. Tuy nhiên như đã nói, trong một số trường hợp, công ty cần áp dụng những kỹ thuật phân tích tinh vi, phức tạp hơn để khai thác triệt để nguồn dữ liệu lớn, hỗ trợ cho các chiến lược như marketing, quản trị rủi ro, bán hàng hiệu quả hơn.

Do đó, cần có giải pháp khác chính là bổ nhiệm thêm vị trí chuyên viên thống kê, chuyên viên phân tích, không để một nhà quản lý hay một nhân viên ở một bộ phận cụ thể phụ trách toàn bộ các công việc liên quan dữ liệu, chỉ phụ trách việc ứng dụng các kết quả phân tích (insights của dữ liệu) như thế nào trong hoạt động hàng ngày.

Giải pháp: luôn luôn đẩy mạnh, phát triển các năng lực hiện có của công ty để khai thác dữ liệu

Dữ liệu thu thập tại các công ty có quy mô trung bình đến lớn thường ngày nay được gắn với thuật ngữ Big Data do nó đang ngày một gia tăng về số lượng, về loại, định dạng, và yêu cầu công ty phải có khả năng xử lý với tốc độ cao. Chính vì sự thay đổi của dữ liệu, mặc dù công ty luôn duy trì mọi hoạt động định hướng dữ liệu nhưng vẫn cần nghiên cứu, phát triển các năng lực hiện có nhằm khai thác tối đa nguồn dữ liệu cập nhật mỗi ngày, phân tích để phát hiện những thông tin hữu ích, dùng nó cho việc đề xuất chiến lược, nâng cao ưu thế cạnh tranh. Trước tiên, là những mô hình phân tích dữ liệu đơn giản, được sử dụng trong thời gian, dài cần được nâng cấp bằng cách thêm vào đó các phương pháp, kỹ thuật phân tích mới.

Bên cạnh đó, phân tích dữ liệu không chỉ có thể được dùng để xác định những cơ hội kinh doanh, hỗ trợ ra quyết định, hoạt động mà còn hỗ trợ giải quyết các vấn đề phát sinh, quản lý rủi ro. Công ty cũng cần bắt kịp các xu hướng trong lĩnh vực AI, Machine Learning, và Big Data để phát triển những phần mềm, công nghệ mà công ty đang áp dụng. Ngoài ra, thay đổi văn hóa làm việc, tư duy dữ liệu bằng những cách thức khác nhau như tập huấn cho nhân viên, đề cao vai trò lãnh đạo hơn nữa của các cấp quản lý, đưa ra các quy định, quy tắc để kiểm soát hành vi nhân viên, và khuyến khích nhân viên sử dụng dữ liệu trong công việc hàng ngày,…

Ví dụ công ty có thể mở một diễn đàn về dữ liệu, các nhân viên có thể tham gia, trao đổi cùng nhau trong một thế giới thực, thử suy nghĩ, đưa ra những quyết định dựa trên dữ liệu, và lấy chúng làm bài học.

Trong nghiên cứu của Gartner “Build a Data-Driven Enterprise” trong năm 2018, Gartner cũng đề xuất một số giải pháp khác. Đầu tiên, để xây dựng một chương trình, kế hoạch phân tích dữ liệu thể hiện tham vọng của tổ chức trong quá trình định hướng dữ liệu, thì người đứng đầu bộ phận dữ liệu, hay còn gọi với thuật ngữ CDO – Chief Data Officer – cần phải thực hiện những nhiệm vụ, yêu cầu sau:

Image from rawpixel.com

  • Cần cung cấp tầm nhìn tổng quan, giải thích về những đặc tính, khái niệm, lợi ích của một tổ chức định hướng dữ liệu, sao cho hầu hết những nhân viên, các cấp quản lý có thể hiểu được ý nghĩa của nó, cũng như cam kết tham gia vào quá trình định hướng dữ liệu. Ngoài ra, CDO cần đưa ra bối cảnh cụ thể, các quá trình phải thực hiện trong việc thay đổi mô hình hoạt động của tổ chức ví dụ như xác định, tối ưu kết quả phân tích như thế nào, cách thức đạt được giá trị, lợi nhuận từ dữ liệu thông qua thiết lập hệ thống quản lý, quản trị dữ liệu, cải thiện khả năng ra quyết định thông qua phân tích dữ liệu.
  • Đảm bảo rằng quyền hạn và trách nhiệm đối với dữ liệu và công việc, nhiệm vụ phân tích dữ liệu không bị mất cân bằng, luông làm việc, trao đổi với các giám đốc điều hành, cấp quản lý để làm rõ những kỳ vọng của tổ chức và đề xuất những vị trí, vai trò quản lý dữ liệu và phân tích dữ liệu nếu chưa có.
  • Lên kế hoạch thiết lập những năng lực tổ chức cần có để hỗ trợ định hướng dữ liệu hay các hoạt động phân tích dữ liệu, thông qua xác định nguồn lực hiện tại của tổ chức và nhu cầu phát triển những năng lực nào để mang lại tính hợp lý, bên cạnh đó phân bổ năng lực sao cho hiệu quả dể tổ chức đạt được mục tiêu đề ra.

Phát triển tham vọng định hướng dữ liệu

Theo Gartner, những công ty, tổ chức thường gặp khó khăn trong vấn đề chuyển công nghệ phục vụ kinh doanh sẽ cũng gặp khó khăn trong việc định hướng dữ liệu. Một công ty sử dụng công nghệ, kỹ thuật để phát triển kinh doanh, hay là chỉ là một phần trong công ty (tức là không phải tất cả hoạt động kinh doanh dựa vào công nghệ, kỹ thuật). Sản phẩm của công ty này chỉ được sản xuất, các quyết định chỉ được đưa ra, mô hình hoạt động chỉ được vận hành dựa trên việc sử dụng thông tin, công nghệ kỹ thuật. Và để có được thông tin, để tiếp tục tồn tại thì công ty này luôn phải thu thập và phân tích dữ liệu. Ngày nay, ứng dụng công nghệ vào kinh doanh ở nhiều công ty được coi là sự cố gắng, nỗ lực trong việc đạt được lợi thế cạnh tranh.

Theo Gartner, để đẩy mạnh tham vọng trên, công ty trước tiên nên bắt đầu với dữ liệu. Trước tiên, nếu công ty muốn xác định nên ưu tiên phát triển những khía cạnh nào, hoặc tìm hiểu các cơ hội, mục tiêu kinh doanh có thể làm cơ sở để đẩy mạnh đầu tư vào công nghệ, thì công ty phải tiến hành xác định nguồn dữ liệu, thu thập dữ liệu, kiểm soát các vấn đề về chất lượng dữ liệu, chọn phương pháp phân tích dữ liệu, tối ưu kết quả phân tích – là những thông tin sẽ giúp công ty phát hiện cơ hội, mục tiêu. Ví dụ, công ty nhận ra rằng dữ liệu hàng tồn kho sẽ đem lại giá trị lợi nhuận nếu phân tích, khai thác tốt, do đó công ty sẽ cần ứng dụng nhiều thiết bị I.oT để giám sát lượng hàng tồn kho, thu thập dữ liệu hiệu quả.

Do đó, từ ví dụ trên để định hướng dữ liệu trong từng hoạt động kinh doanh của công ty, các chuyên gia dữ liệu, IT, cần trao đổi, làm việc với các cấp quản lý để xác định mục tiêu nghiên cứu, khai thác dữ liệu, hay nói cách khác phát triển những tham vọng về dữ liệu

  • Sử dụng mô hình VIA (Value – Information – Analytics) để xác định các cơ hội, khám phá các cơ hội nhìn nhận từ khía cạnh thông tin, khía cạnh phân tích, và khía cạnh giá trị.

Mô hình VIA của Gartner (nguồn Gartner, Inc)

+ Value: xác định giá trị kinh doanh mong muốn có được, vấn đề kinh doanh muốn giải quyết, cách thức để nhận diện giá trị; xác định giá trị tiềm năng có thể có được + Information: xác định dữ liệu, nguồn dữ liệu nào có liên quan; xác định dữ liệu bên trong, bên ngoài tổ chức cần được khai thác; xác định những thông tin hữu ích tiềm ẩn có thể phát hiện được trong dữ liệu + Analytics: phương pháp nào trong khoa học dữ liệu thích hợp để sử dụng; phương pháp phân tích nào cần có để khai thác giá trị.

  • Thiết lập hệ thống đo lường đánh giá hiệu quả của quá trình phân tích dữ liệu, xác định nguồn dữ liệu, hình thành những sáng kiến, phương pháp trong phân tích dữ liệu, sao cho đạt được kết quả mong muốn, đáp ứng tiêu chí đến hệ thống đo lường
  • Ứng dụng “Infonomics” một thuật ngữ cung cấp bởi Gartner, giải thích bởi Techtarget là một lĩnh vực khoa học xã hội, nghiên cứu sự sản xuất, tiêu thụ thông tin, tạo ra giá trị từ thông tin thông qua mua bán, trao đổi, thu thập, còn gọi với thuật ngữ khác là “Kinh tế thông tin”. Linh hoạt trong quá trình thu thập thông tin sẽ giúp công ty nắm được dữ liệu nào đang có, dữ liệu nào cần thu thập, các nguồn dữ liệu có thể tận dụng, hoặc đặc tính nào của dữ liệu sẽ đem lại giá trị.

Kết hợp trách nhiệm của cấp quản lý trong việc điều hành, với tham vọng khai thác dữ liệu của tổ chức

Để trở thành một công ty triển khai Data – driven, định hướng dữ liệu hiệu quả, có thể đạt được tối đa giá trị từ nguồn tài sản dữ liệu, thì công ty phải có một hệ thống, chính sách quản lý không chỉ mọi hoạt động của tổ chức, mà còn cả những quá trình khai thác, phân tích dữ liệu. Ngoài ra, còn phải tiến hành quản lý hệ thống công nghệ, kỹ thuật, quá trình phát triển ứng dụng phần mềm, và quản lý các cơ sở dữ liệu, kho lưu trữ dữ liệu. Rất nhiều tổ chức, công ty phải đối mặt với một sự thay đổi lớn khi họ có tham vọng khai thác dữ liệu hay định hướng dữ liệu.

Sự thay đổi này không chỉ đơn giản là tác động lên quá trình phân bổ công việc; mà nó còn thay đổi bản chất, nguyên lý kinh doanh của tổ chức và thay đổi tính chất công việc khi tích hợp phân tích dữ liệu, tác động lên tất cả các mô hình kinh doanh hiện có. Nó còn có thể thay đổi vai trò của các cấp quản lý, nhà lãnh đạo nếu quy mô của công ty là quy mô vừa và nhỏ, hay mô hình kinh doanh của công ty khá đơn giản không quá phức tạp.

Do đó, để kiểm soát một cách hiệu quả tất cả hoạt động của tổ chức khi tổ chức tiến hành định hướng dữ liệu, cấp quản lý, và CDO hay chuyên gia dữ liệu cần phối hợp với nhau để đưa ra kế hoạch phát triển hệ thống quản lý dữ liệu (Data management), chính sách quản trị dữ liệu hiệu quả (Data governance), sẵn sàng thay đổi các triết lý kinh doanh để đẩy mạnh khai thác dữ liệu trong tất cả các bộ phận chức năng còn lại của tổ chức, và tiến hành xây dựng các năng lực cần thiết, phân bổ năng lực, phân quyền hợp lý.

Công ty cần bổ nhiệm vị trí CDO nếu chưa có, người đứng đầu bộ phận dữ liệu là một vị trí cực kỳ quan trọng trong việc: hỗ trợ công ty quản lý dữ  liệu, quản lý các hoạt động liên quan đến dữ liệu, đồng thời đưa ra những chiến lược khai thác dữ liệu, chương trình phân tích dữ liệu phù hợp với tầm nhìn, mục tiêu của công ty, training cho nhân viên, cung cấp các kiến thức về lĩnh vực dữ liệu cho các nhân viên và cấp quản lý, phát triển các kỹ năng, năng lực của công ty trong phân tích dữ liệu,… còn nhiều vai trò khác nữa.

Các bạn có thể xem thêm các bài viết của BigDataUni về quản lý dữ liệu:

Tầm quan trọng của quản lý dữ liệu (Data management) (p1)Tầm quan trọng của quản lý dữ liệu (Data management) (p2)

Phát triển và phân bổ năng lực hợp lý trong tổ chức

Một tổ chức Data – driven muốn hoạt động hiệu quả thì cần phải tiến hành tập trung (centralize) hay phân tán (decentralize) các công việc liên quan đến dữ liệu một cách hợp lý nhất trong khi vừa xây dựng, thiết lập một trung tâm quản lý và phát triển toàn bộ các năng lực khai thác dữ liệu của tổ chức, sẵn sàng hỗ trợ hợp tác với các bộ phận chức năng khác trong tổ chức. Các năng lực phân tích dữ liệu, phương pháp, kỹ thuật phân tích dữ liệu thường chỉ có trong bộ phận dữ liệu. Các năng lực về phát triển, quản lý phần mềm, công cụ xử lý dữ liệu, quản trị nâng cấp hệ thống thông tin, hệ thống dữ liệu, hạ tầng Internet,… thường có trong bộ phận kỹ thuật, hoặc IT (riêng phát triển, quản lý phần mềm, công cụ xử lý dữ liệu cũng có thể có trong bộ phận dữ liệu). Đối với người dùng dữ liệu là các nhân viên kinh doanh, các cấp quản lý, nhân viên phòng ban khác thì đòi hỏi một loại kỹ năng và tư duy phân tích hoàn toàn mới, đặc biệt là trong một số trường hợp họ tự sử dụng các công cụ phân tích theo hiểu biết của mình để thu thập thông tin cần biết phục vụ cho công việc.

Do đó một công ty sẽ có 2 nhóm: nhóm sản xuất dữ liệu, thông tin, cung cấp kết quả phân tích dữ liệu gọi là “producers” và nhóm tiêu thụ, sử dụng thông tin, dữ liệu gọi là “consumers”. Giải pháp đề ra: cả 2 nhóm này phải có sự hợp tác, phối hợp chặt chẽ và hiệu quả thì công ty mới thành công trong việc định hướng dữ liệu. Như đã trình bày ở bài viết trước, đặc điểm của một công ty định hướng dữ liệu thành công đó chính là sự phối hợp, trao đổi giữa những chuyên gia phân tích dữ liệu, chuyên gia IT, các cấp quản lý, nhân viên khác trong tổ chức là cực kỳ cần thiết vì dữ liệu, hay các công việc liên quan đến dữ liệu sẽ xuất hiện ở mọi hoạt động kinh doanh, bộ phận chức năng của tổ chức.

Do đó nếu chỉ tập trung, hay tập quyền thì hiệu suất, năng suất làm việc của công ty sẽ giảm, tiến độ ứng dụng các kết quả phân tích vào hoạt động kinh doanh để gặt hái được giá trị từ dữ liệu sẽ bị chậm lại. Tuy nhiên nếu hoàn toàn phân quyền, phân tán công việc mà không có mức độ kiểm soát nhất định, thì sẽ xuất hiện các vấn đề như dữ liệu khi luân chuyển sẽ không có sự nhất quán, thông tin bên trong dữ liệu có thể bị thay đổi, các thao tác làm việc với dữ liệu không thống nhất ở các bộ phận dẫn đến chất lượng dữ liệu có thể bị ảnh hưởng.

Vì vậy cần có một mô hình hỗn hợp vừa tập quyền và phân quyền các công việc, cũng như năng lực cần thiết cho các hoạt động phân tích dữ liệu. Công ty nên có một trung tâm chức năng như vừa nói ở trên, trung tâm này sẽ quản lý và thúc đẩy, phát triển các năng lực cần thiết cho quá trình khai thác dữ liệu của tổ chức như các kỹ năng, kiến thức, phương pháp tiêu chuẩn để trang bị cho nhân viên, những công nghệ, phần mềm hỗ trợ,…đáp ứng các nhu cầu, mục tiêu của công ty trong thời gian ngắn hạn, hoặc dài hạn. Đây cũng là cơ sở xác định sự thành công của công ty trong định hướng dữ liệu.

Đến đây là kết thúc phần 2 bài viết tìm hiểu về Data – driven enterprise, hay công ty định hướng dữ liệu. Các bạn có thể tham khảo phần: “Đặc điểm của một tổ chức định hướng dữ liệu hiệu quả”ở bài viết phần 1, với phần giải pháp trong bài viết này để hiểu rõ hơn về một tổ chức muốn định hướng dữ liệu sẽ phải làm những gì. Mong các bạn tiếp tục theo dõi và ủng hộ những bài viết sắp tới của BigDataUni.

Nguồn tham khảo

Gartner Research “Build a Data-Driven Enterprise”, tác giả Andrew White, Mike Rollings.

https://www.gartner.com/en/documents/3885387-build-a-data-driven-enterprise

Blog post Mc.Kinsey “Three keys to building a data strategy”.

https://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/three-keys-to-building-a-data-driven-strategy

Về chúng tôi, công ty BigDataUni với chuyên môn và kinh nghiệm trong lĩnh vực dữ liệu sẵn sàng hỗ trợ các công ty đối tác trong việc xây dựng và quản lý hệ thống dữ liệu một cách hợp lý, tối ưu nhất để hỗ trợ cho việc phân tích, khai thác dữ liệu và đưa ra các giải pháp, giúp quá trình định hướng dữ liệu hiệu quả. Các dịch vụ của chúng tôi bao gồm “Tư vấn và xây dựng hệ thống dữ liệu”, “Khai thác dữ liệu dựa trên các mô hình thuật toán”, “Xây dựng các chiến lược phát triển thị trường, chiến lược cạnh tranh”.

error: Content is protected !!