4 giai đoạn Data Analytics theo giai đoạn phát triển của doanh nghiệp

Tomorrow Marketers – Chúng ta đang sống trong thời kỳ hoàng kim của Data Creation (sản sinh dữ liệu), khi doanh nghiệp lớn dần lên, thì dữ liệu cũng vậy. Với mỗi giai đoạn phát triển, doanh nghiệp và dữ liệu cũng tăng trưởng gần như đồng thời và kết quả là tác động tới mọi khía cạnh trong tổ chức. Dưới đây là bốn giai đoạn của phân tích dữ liệu, tương quan với tác động của chúng tới business.

Giai đoạn 1: KPI Pulls – Chạy KPI bằng cơm

Khi công ty vẫn còn nhỏ, bạn sẽ không có quá nhiều data, và điều đó cũng không quá quan trọng. Khi công ty ở giai đoạn sơ khởi, bạn sẽ cần 100% tập trung vào việc xây dựng sản phẩm có giá trị và thu hút những khách hàng đầu tiên sử dụng sản phẩm đó. 

Những startup ở Y Combinator là ví dụ điển hình cho điều này, họ sẽ chọn một metric duy nhất (users, sales, shares…) để tập trung tăng trưởng chỉ số đó trong suốt mỗi 3 tháng. Điều này cũng tốt khi founders tập trung tăng trưởng một KPI duy nhất và mặc kệ những điều còn lại. 

Ở giai đoạn này, bạn đơn giản chỉ cần có ai đó trong team (thông thường là Founder hoặc Engineer) thực hiện truy vấn khi có nhu cầu dữ liệu. 

• Ưu điểm: Hiệu quả về mặt chi phí (không cần thêm tool), tập trung vào KPI mà bạn cần. 
• Nhược điểm: Phải thực hiện thủ công mỗi lần có nhu cầu, đây không phải giải pháp dài hạn khi công ty lớn lên. 
• Công cụ sử dụng: SQL, Excel

Giai đoạn 2: Data Hero – Xuất hiện một anh hùng dữ liệu

Nếu mọi chuyện đều ổn, công ty sẽ bắt đầu có doanh thu và tuyển thêm nhân viên vào team. Công ty bắt đầu có các bộ phận riêng như Marketing, Product, hay Sales, mỗi team đều sẽ có những bộ chỉ số riêng để đo lường và đánh giá mức độ hiệu quả của bộ phận. 

Những gì chúng ta thường thấy ở giai đoạn này, là trong công ty sẽ có ai đó khiến công ty nghiêm túc hơn trong việc phân tích dữ liệu. Chúng ta tạm gọi người đó là Data Hero. 

Data Heroes sẽ là người chọn tool và tạo ra một số dashboards để giúp công ty theo dõi các KPIs, và kết luận được khá nhiều insights. Có một vài Data Heroes trong team là một bước khởi đầu tốt để dân chủ hoá dữ liệu trong tổ chức. Dưới đây là một vài thứ mà bạn cần lưu ý: 

• Ưu điểm: Vẫn hiệu quả về mặt chi phí.
• Nhược điểm: Đôi khi sẽ hơi lộn xộn, vì công việc dữ liệu không phải công việc chính của Data Hero
• Công cụ sử dụng: Self-service BI Platform, ETL tool

Giai đoạn 3: Centralized (Tập trung hoá dữ liệu) – Có một Data Team

Với những dữ liệu và insight rút ra từ giai đoạn trên, dữ liệu đã chứng tỏ được sự hữu ích và giúp công ty tiếp tục phát triển. Khi giai đoạn này tới, công ty sẽ cực kỳ thiếu thốn nhân lực làm Data, bởi nhu cầu về dữ liệu của công ty quá lớn, mà một Data Hero không thể đáp ứng kịp. Khi đó, công ty sẽ bắt đầu thuê nhân sự Data Analysts hay Data Engineers để gánh vác được khối lượng công việc này. Giờ đây, công ty sẽ phải lựa chọn đi theo một trong hai hướng: Tập trung hoá dữ hiệu hoặc phi tập trung hoá dữ liệu. 

Tập trung hoá dữ liệu tức là xây dựng một team bao gồm Analysts và Data Engineers, kiểm soát hầu hết các báo cáo và công việc phân tích trong tổ chức. Với cách này, Analyst và Data Engineers sẽ ngồi lại với nhau và ưu tiên giải quyết các nhu cầu cấp bách của doanh nghiệp

Đa phần hoặc tất cả các đề xuất về dữ liệu sẽ gửi qua bộ phận Data, để đảm bảo có được những báo cáo thống nhất. Tuy nhiên cách này sẽ tạo ra nút cổ chai trong quy trình làm việc, dẫn tới việc các bộ phận sẽ e ngại và giảm bớt những đề xuất hay nhu cầu về dữ liệu. Tóm lại, ưu nhược điểm của cách này như sau:

• Ưu điểm: Báo cáo thống nhất, dữ liệu có tiếng nói mạnh mẽ trong doanh nghiệp, dữ liệu được thực hiện bài bản và tổ chức tốt. 
• Nhược điểm: Nút cổ chai trong quy trình làm việc (công việc bị tắc nghẽn, dồn ứ ở bộ phận data), chi phí thuê nhân sự Data lớn, nhân sự trong doanh nghiệp ngại hỏi nếu quy trình không suôn sẻ. 
• Công cụ sử dụng: Data Warehouses (Amazon Redshift, Google BigQuery), ETL (Panoply, Stitch), Self-service BI Platform

Đọc thêm: Làm thế nào xây dựng văn hoá dữ liệu khi công ty không có Data team?

Giai đoạn 4: Decentralized (Phi tập trung hoá dữ liệu) – Giải phóng Data Team. 

Cuối cùng, cấu trúc lý tưởng cho một tổ chức trưởng thành là cấu trúc phi tập trung. Đây là một khái niệm tương đối mới, bởi các công cụ phân tích dữ liệu hiện nay mới bắt đầu dễ sử dụng đối với những người non-tech background. Chúng tôi cũng tin rằng phân tích phi tập trung (decentralize analytics) chính là tương lai.

Mặc dù có những lợi thế đối với phương pháp tiếp cận tập trung, nhưng phương pháp tiếp cận phi tập trung sẽ giải phóng team Data và phá vỡ các silo dữ liệu.

Decentralized analytics giúp cho tất cả mọi người trong công ty đều có thể tiếp cận dữ liệu mà họ cần và thực hiện việc phân tích theo ý họ muốn. Với cách này, nhiều người trong công ty có thể tự thực hiện việc phân tích theo ý họ, thay vì phải nhờ tới team Data.

• Ưu điểm: Ai cũng có quyền access data theo giới hạn phân quyền được cho phép. 
• Nhược điểm: Khả năng xảy ra tình trạng vô tổ chức, dữ liệu không nhất quán, rất nhiều người truy vấn dữ liệu cùng lúc.
• Công cụ sử dụng: Data Collector của từng bộ phận chuyên môn, Data Warehouses (Amazon Redshift, Google BigQuery), ETL (Panoply, Stitch), Self-service BI Platform

Lợi ích của Decentralized Analytics

Mặc dù một số doanh nghiệp sợ thất bại trên công cuộc dân chủ hóa dữ liệu, nhưng qua nhiều năm, chúng tôi học được rằng phân tích phi tập trung là tương lai của thành công. Với insight được tìm ra nhanh hơn và tốt hơn, những câu hỏi đặt ra cho dữ liệu nhiều hơn và được trả lời tốt hơn, ít quan liêu hơn và giảm thời gian và công sức lãng phí.  Do đó, hãy giải phóng Data Team để họ được tập trung vào các dự án dữ liệu hiệu quả hơn và giúp doanh nghiệp của bạn trở nên data-driven một cách toàn diện.

Tìm hiểu thêm về cách xây dựng một doanh nghiệp data-driven với khoá học Data System của Tomorrow Marketers. Khoá học sẽ giúp bạn hiểu: 

• Tầm quan trọng của hệ thống dữ liệu nội bộ đối với sự tăng trưởng dài hạn của doanh nghiệp. 
• Cấu trúc của hệ thống dữ liệu nội bộ: Hiểu rõ các thành phần của một hệ thống dữ liệu hoàn chỉnh. 
• Tư duy xây dựng quy trình và số hoá quy trình kinh doanh nhằm thu thập được dữ liệu qua thời gian
• Tư duy xây dựng đường ống dữ liệu và nhà kho dữ liệu, giúp doanh nghiệp chuẩn hoá dữ liệu từ sớm.
• Tư duy khai thác dữ liệu để xây dựng báo cáo quản trị, cung cấp bức tranh toàn cảnh của kinh doanh và giám sát hoạt động. 

Tìm hiểu thêm về khoá học ngay tại đây

The post 4 giai đoạn Data Analytics theo giai đoạn phát triển của doanh nghiệp appeared first on Tomorrow Marketers.

source https://blog.tomorrowmarketers.org/4-giai-doan-data-analytics-theo-giai-doan-phat-trien-cua-doanh-nghiep/