Các mô hình phân tích dữ liệu của các công ty tư vấn tiên tiến đến mức nào? Hãy cùng nhau cải thiện tư thế của chúng ta

Trong lĩnh vực phân tích dữ liệu, các công ty tư vấn thường sử dụng nhiều mô hình và phương pháp phức tạp để giúp các công ty giải quyết vấn đề. Bài viết này sẽ khám phá logic và các tình huống ứng dụng đằng sau các mô hình này để giúp bạn hiểu cách sử dụng hiệu quả các công cụ này trong công việc thực tế và cải thiện hiệu quả cũng như độ chính xác của phân tích dữ liệu.

Sinh viên làm phân tích dữ liệu đều đã thấy ma trận bên dưới. Nhiều người tôn thờ nó. Một số tác giả trực tuyến thậm chí còn trực tiếp nhắc đến tư duy ma trận, mô hình ma trận và phương pháp ma trận, nói rằng đó là "ý tưởng cơ bản" và "logic cốt lõi" của phân tích dữ liệu.

Vâng... họ chắc chắn chưa từng làm việc tại một công ty tư vấn nào. Hôm nay chúng tôi sẽ giải thích sự thật một cách có hệ thống.

1. Bắt đầu từ phương pháp trung bình

Giá trị trung bình là khái niệm được sử dụng nhiều nhất và cũng bị chế giễu nhiều nhất. Có thơ làm bằng chứng:

Trưởng thôn già Trương mười triệu

Chín anh chàng nghèo bên cạnh

Tính toán tại Cục Thống kê

Mỗi người đều là Trương Bạch Uyển

Nhưng câu hỏi đặt ra là, tại sao giá trị trung bình lại bị chỉ trích nhiều đến vậy trong khi thực tế nó lại là giá trị được sử dụng phổ biến nhất? Có ba khái niệm trong thống kê: trung bình, trung vị và mốt. Cả ba khái niệm đều dễ hiểu, nhưng tại sao nó không phải là ý nghĩa?

Trả lời: Vì mức trung bình dễ sử dụng và tiện lợi. Sử dụng giá trị trung bình, chúng ta có thể dễ dàng phân tích tổng số tiền theo từng người, ví dụ:

Số lượng bán hàng = số lượng khách hàng mua hàng * số lượng mua hàng trung bình của mỗi người

Số lượng sản xuất = số dây chuyền sản xuất * công suất trung bình

Số lượng hàng tồn kho = số lượng cửa hàng * khối lượng bán hàng trung bình

Điều này giúp việc quản lý dễ dàng hơn nhiều: nếu bạn muốn tăng doanh số, bạn cần phải tăng số lượng khách hàng hoặc tăng lượng mua hàng bình quân đầu người. Hai số này có thể được nhân trực tiếp với nhau. Rõ ràng, việc sử dụng trung vị hoặc mốt không thể đạt được hiệu ứng này.

Hơn nữa, mệnh lệnh rất rõ ràng: mọi người đều phải đạt thành tích cao hơn mức trung bình! Nếu bạn không làm được điều đó, bạn sẽ kìm hãm mọi người. Nếu mọi người đều có thể làm được, tại sao bạn lại không thể? Bạn thấy đấy, nó đơn giản và rõ ràng, phù hợp với trực giác của mọi người và rất thuyết phục.

Vì vậy, giá trị trung bình là một tiêu chuẩn độc lập. Trên trung bình là tốt, dưới trung bình là xấu. Điều này rất quan trọng đối với các nhà tư vấn.

Bởi vì hầu hết các chuyên gia tư vấn đều có ít kinh nghiệm trong một ngành cụ thể hơn khách hàng của họ. Do đó, khi chẩn đoán vấn đề, các nhà tư vấn rất cần một tiêu chuẩn trung lập, thuyết phục và độc lập với ngành để đánh giá tốt và xấu. Chỉ sau khi đánh giá một điều gì đó là tốt hay xấu, chúng ta mới có thể phân tích sâu hơn tại sao nó tốt hay xấu. Do đó, phương pháp trung bình là phương pháp phán đoán được sử dụng phổ biến nhất.

Tất nhiên, phương pháp trung bình cũng có những thiếu sót cố hữu, dẫn đến những phương pháp khác.

2. Nâng cấp lặp lại phương pháp trung bình

Vấn đề với việc sử dụng mức trung bình thực chất xuất phát từ sự khác biệt rất lớn giữa các cá nhân, như câu nói: "Tôi có chiều cao trung bình như Yao Ming và tôi có mức tài sản trung bình như Jack Ma." Do đó, trên cơ sở phương pháp trung bình, nguyên tắc 80/20 đã được đưa ra: theo lý thuyết 20/80, 20% tốt nhất sẽ được tách riêng và quan sát riêng để tránh ảnh hưởng đến các nhóm khác, từ đó có thể đưa ra phán đoán.

Nguyên tắc 80/20 thường được sử dụng phổ biến hơn ở bộ phận lễ tân/tiếp thị. Bởi vì quá trình sản xuất và hậu cần ở phía cung ứng/phía sau là các quy trình cơ giới hóa nên việc kiểm soát chất lượng rất dễ dàng, nhưng ở phía tiếp thị/phía trước thường chỉ có một số ít nhân viên bán hàng có năng lực đạt được kết quả tuyệt vời và một số ít nhà tài trợ tài chính đóng góp phần lớn lợi nhuận. Về mặt quản lý, phương pháp đãi vàng đã được đưa ra. Nghĩa là, tuyển dụng 100 nhân viên bán hàng và đào tạo ra 20 nhân viên bán hàng xuất sắc từ họ. Tương tự như quá trình đào một đống cát lớn và đãi vàng.

Nếu có hai chiều đánh giá thì sao? Điều này dẫn đến phương pháp ma trận.

3. Từ phương pháp trung bình đến phương pháp ma trận

Phương pháp ma trận về cơ bản là phương pháp tìm ra tiêu chí đánh giá bằng cách sử dụng hai chiều. Hoạt động của nó rất đơn giản:

Bước đầu tiên là tìm hai chiều đánh giá và lấy giá trị trung bình của mỗi chiều làm tiêu chuẩn đánh giá.

Ở bước thứ hai, hai chỉ số được so sánh với nhau để có được đối tượng cần đánh giá.

Bước thứ ba là đưa ra cách giải thích phân loại dựa trên ý nghĩa của hai chiều.

Chỉ cần mối tương quan giữa hai chỉ số không quá cao thì khi hai chỉ số giao nhau, dữ liệu sẽ phân tán thành bốn ma trận, do đó có thể tìm thấy ý nghĩa kinh doanh một cách rõ ràng (như minh họa bên dưới).

Điều thú vị hơn nữa là nếu hai chiều đánh giá được kết hợp đúng cách, nhiều ý nghĩa kinh doanh thú vị có thể được diễn giải. Ví dụ, hai chỉ số về hoạt động của người dùng và thanh toán của người dùng trong ngành công nghiệp trò chơi. Bạn có thể bắt đầu bằng:

☆ Hoạt động cao + thanh toán cao = Người dùng Golden Cow (những người đóng góp cả tiền bạc và công sức)

☆ Hoạt động thấp + thanh toán cao = người dùng giàu (quá lười để chơi một mình, tôi sẽ trả tiền!)

☆ Hoạt động cao + thanh toán thấp = người dùng miễn phí (la la la, chỉ chơi mà không cần trả tiền)

☆ Hoạt động thấp + thanh toán thấp = người dùng trung bình (không chơi nhiều, rời đi)

Cách diễn giải như vậy có thể ngay lập tức làm sôi động bầu không khí của báo cáo. Kết hợp với cái gọi là "mô hình ma trận", nó trông vừa cao cấp vừa sống động, đó là điều mà khách hàng thích thấy nhất. Do đó, mô hình ma trận trở nên phổ biến. Mọi công ty tư vấn đều dạy nhân viên mới cách xây dựng mô hình ma trận để làm hài lòng các ông bố. Đây là nghề thủ công truyền thống của tổ tiên.

Vì vậy, cái gọi là mô hình phân tích mà bạn thấy từ các công ty tư vấn thường là các ma trận, nhiều ma trận khác nhau. Nếu không thể xử lý được ma trận, về cơ bản nó sẽ là một mô hình rất phức tạp với nhiều chiều phân loại, chẳng hạn như 7S và 9P. Những học sinh phản ứng nhanh đã ngay lập tức đặt câu hỏi khi nhìn thấy điều này. "Hả? Tại sao lại xảy ra chuyện này? Về mặt lý thuyết, việc đánh giá ba chiều có thể được chồng lên nhau như thế này. Không phải chỉ là một bảng phân tích chéo sao?"

Lấy đánh giá ba chiều làm ví dụ, ngay cả khi mỗi chiều được phân loại thành hai loại thì vẫn có 2*2*2=8 loại có thể chia ra. Có một số vấn đề phát sinh trong tình huống này:

1. Việc diễn giải từng loại ý nghĩa trở nên phức tạp và có thể không thể giải thích rõ ràng.

2. Số lượng của mỗi nhóm giảm dần, thông thường một nhóm chiếm 50% và nhóm còn lại chiếm 5%.

3. Do quy mô các nhóm không đồng đều nên khách hàng thường yêu cầu chúng tôi phân khúc họ sâu hơn. Tuy nhiên, sự phân mảnh càng nhiều thì việc diễn giải càng khó khăn. Hơn nữa, đối với một số khách hàng, ngay cả khi 50% người dùng không tiêu dùng và không hoạt động, chúng ta cũng không thể tiến xa hơn.

Tóm lại, mục đích ban đầu của việc sử dụng phương pháp trung bình và phương pháp ma trận là để đơn giản hóa và tiết kiệm công sức. Bây giờ sự phức tạp đang được tạo ra một cách nhân tạo. Do đó, khi số lượng chiều đánh giá vượt quá ba, các nhà tư vấn có xu hướng từ bỏ phân loại thủ công và sử dụng trực tiếp mô hình đánh giá toàn diện bao gồm nhiều chiều phân loại. Hoặc bạn có thể sử dụng phương pháp phân cụm K-means và diễn giải kết quả dựa trên phán đoán của riêng bạn.

IV. Bản tóm tắt

Các mô hình và phương pháp phân tích đều có bối cảnh sử dụng, mục đích và hiệu ứng cụ thể. Hơn nữa, không phải tất cả các phương pháp phân tích đều hướng tới "độ chính xác". Mục tiêu cuối cùng là giải quyết vấn đề một cách nhanh chóng và dễ dàng.

Đây là một vấn đề khác mà "người cao quý coi đó là văn học, trong khi kẻ xấu coi đó là thần thánh". Nếu bạn hiểu rõ logic đằng sau nó, bạn sẽ có thể tiến bộ. Nếu bạn ghi nhớ mọi thứ một cách máy móc dưới chiêu bài "quyền uy, sự tuyệt vời và khoa học", cuối cùng bạn sẽ chỉ làm mình bối rối.