Hệ thống chỉ báo nhãn và dữ liệu, bài viết này giải thích rất rõ ràng!

Bài viết này giới thiệu các khái niệm và ứng dụng của chỉ số dữ liệu, hệ thống chỉ số, chiều và nhãn trong phân tích dữ liệu nhằm giúp người đọc hiểu rõ và nâng cao hiệu quả phân tích.

Chỉ số dữ liệu, hệ thống chỉ số, chiều và nhãn đều là những khái niệm cơ bản trong phân tích dữ liệu, nhưng sinh viên thường nhầm lẫn chúng. Hiểu được sự khác biệt giữa các khái niệm này không chỉ giúp báo cáo rõ ràng hơn mà còn giúp bạn dễ dàng tìm ra ý tưởng khi phân tích vấn đề. Hôm nay, tôi sẽ giải thích sự khác biệt giữa các khái niệm này một cách có hệ thống.

01 Chỉ số dữ liệu VS hệ thống chỉ số

Ví dụ: Có một đứa trẻ cao 150cm, là con trai và rất khỏe mạnh. Ở đây 150cm là chỉ số dữ liệu. Các chỉ số dữ liệu thường sử dụng các giá trị số để đo lường một sự kiện khách quan. Tuy nhiên, rất khó để giải thích vấn đề một cách rõ ràng chỉ bằng một chỉ số. Bạn có thể thắc mắc, "Đứa trẻ nào chỉ cao 1,5 mét?", vậy nên chúng ta cần một loạt các chỉ số, chẳng hạn như tuổi 12 và chiều cao 150cm. Khi có nhiều chỉ số hơn để mô tả sự vật, một hệ thống chỉ số sẽ được hình thành.

Trong doanh nghiệp, có ba hệ thống chỉ tiêu phổ biến:

Kiểu thứ nhất: kiểu song song. Phương pháp này thường được sử dụng để đánh giá hiệu suất của một cá nhân từ nhiều góc độ, chẳng hạn như đánh giá hiệu suất của nhân viên, đánh giá hiệu suất của nhà cung cấp, đánh giá sản phẩm mới, v.v. Phương pháp này được gọi là song song vì các chỉ số liên quan đến đánh giá này độc lập với nhau và tồn tại song song (như thể hiện trong hình bên dưới).

Loại thứ hai: loại tính tổng điểm. Thường được dùng để mô tả một tổng thể bao gồm nhiều phần. Phương pháp cổ điển nhất là phân tích lợi nhuận, chia lợi nhuận thành nhiều phần theo nguồn doanh thu/chi phí, giúp phân tích lý do thay đổi lợi nhuận dễ dàng hơn (như thể hiện trong hình bên dưới).

Khi quan sát hệ thống chỉ số tổng điểm:

• Đầu tiên, hãy xem xét kích thước của chỉ số chính
• Thứ hai, hãy xem xét kích thước của từng bộ phận

Điều này giúp chúng ta dễ dàng nhìn thấy vấn đề hơn. Nguyên tắc này cũng được áp dụng khi so sánh nhiều cá nhân.

Loại thứ ba: loại quy trình. Thường được dùng để mô tả một quá trình từ đầu đến cuối. Về mặt bán hàng, nó thường được gọi là: mô hình phễu. Bởi vì trong quy trình bán hàng, mỗi bước bổ sung sẽ dẫn đến mất đi một số khách hàng, giống như một cái phễu vậy. Hầu hết các quy trình bán hàng đều có dạng hình phễu (như minh họa bên dưới):

Khi quan sát hệ thống chỉ báo hình phễu:

• Đầu tiên, hãy xem xét kích thước của chỉ số kết quả
• Thứ hai, hãy xem xét tỷ lệ chuyển đổi của toàn bộ quá trình
• Thứ ba, hãy xem xét tỷ lệ chuyển đổi quy trình

Điều này cho phép bạn hiểu toàn bộ quá trình. Một số học sinh bị mắc kẹt vào chi tiết ngay từ đầu và kết cục là tự làm mình bối rối.

Tất nhiên, còn nhiều thứ hơn là chỉ có quy trình phễu. Ví dụ, trong sản xuất, dịch vụ, hậu mãi và các khâu khác cũng có một quy trình hoàn chỉnh, nhưng không phải là một quy trình giảm dần. Ví dụ, một nhiệm vụ sản xuất phải được hoàn thành, nhưng khi quy trình sản xuất tăng lên, mỗi bước sẽ bổ sung thêm nguyên liệu thô, chi phí sản xuất và chi phí nhân công mới. Lúc này, chi phí và thời gian tiêu tốn cho toàn bộ quá trình sẽ tăng dần theo từng bước.

Với hệ thống chỉ số dữ liệu, bạn có thể hiểu rõ tình hình kinh doanh, nhưng nếu muốn thúc đẩy hành vi kinh doanh, bạn vẫn cần sự hỗ trợ của nhãn.

02 Chỉ số dữ liệu so với nhãn

Ví dụ: Có một đứa trẻ cao 150cm, là con trai và rất khỏe mạnh. Ở đây, "con trai" là một chiều phân loại. Chiều phân loại không phải là giá trị liên tục mà thường là mô tả định tính được sử dụng để phân biệt các cá nhân.

"Mạnh" chỉ là một nhãn hiệu. Lưu ý rằng đẹp trai cũng là một chiều phân loại, nhưng ý nghĩa kinh doanh của nó rõ ràng hơn và giúp mọi người dễ dàng suy nghĩ hơn về các hành động kinh doanh cần thực hiện. Ví dụ, nếu một cậu bé được gắn mác "mạnh mẽ", thì lần tới khi lớp tìm người dọn dẹp, mục tiêu sẽ rõ ràng hơn nhiều: "Tập hợp tất cả những cậu bé khỏe mạnh trong lớp!" Vai trò của nhãn là mang ý nghĩa kinh doanh rõ ràng và tạo điều kiện thuận lợi cho các hoạt động kinh doanh.

Một số nhãn có thể được tính toán từ các chỉ số dữ liệu. Ví dụ, một đứa trẻ đạt 98/100 điểm môn toán. Chúng ta có thể đưa ra một quy tắc: những người đạt điểm 95 trở lên trong kỳ thi được coi là “giỏi toán”. Vì vậy, đứa trẻ đạt 98 điểm được coi là "giỏi toán".

Lần tới khi có cuộc thi toán, chúng ta có thể nói "Chọn một trẻ giỏi toán để tham gia" và chúng ta có thể trực tiếp mời trẻ này tham gia cuộc thi. Khi chúng ta cần mua đồ dùng cho một buổi họp lớp, chúng ta có thể nói: "Chọn một em giỏi toán để làm kế toán", sau đó chúng ta có thể trực tiếp yêu cầu em này đi. Có thể thấy rằng nhãn mác tốt có thể nâng cao hiệu quả hoạt động kinh doanh.

Có một câu hỏi thường làm phiền các nhà khoa học dữ liệu mới vào nghề: Làm thế nào để chúng ta định nghĩa 95 điểm là “giỏi toán”? Tại sao không thể là 98 điểm?

Khi tính nhãn thông qua các chỉ số, thường có hai cách thực hiện. Đầu tiên là hội nghị kinh doanh. Ví dụ, mọi người thường nghĩ rằng điểm 95 môn toán đã là rất cao rồi, thì đúng là như vậy. Xét cho cùng, nhãn mác là để sử dụng trong kinh doanh và điều quan trọng nhất là chúng phải dễ sử dụng.

Phương pháp thứ hai là thực hiện xác minh dữ liệu dựa trên mục đích dán nhãn. Ví dụ, nếu chúng ta chọn những học sinh “giỏi toán” để tham gia các cuộc thi toán, thì điểm số của những học sinh được đánh giá là “giỏi toán” phải khác biệt đáng kể so với điểm số của những học sinh bình thường. Vì vậy, chúng ta có thể thiết kế một thí nghiệm để xem xét sự khác biệt trong kết quả thi đấu của những học sinh có điểm số khác nhau, để tìm ra tiêu chuẩn phân đoạn hợp lý (như minh họa bên dưới).

03 Nhãn + hệ thống chỉ thị = phân tích dữ liệu chất lượng cao

Khi phân tích, sinh viên thường nhìn chằm chằm vào chỉ số một cách choáng váng: Tại sao nó tăng hoặc giảm? Nó thực sự có nghĩa là gì? Lúc này, bạn có thể thử:

1. Xây dựng hệ thống chỉ số và quan sát chi tiết dữ liệu

2. Thêm nhãn, định lượng các yếu tố ảnh hưởng và phân tích nguồn gốc của vấn đề.

Với nhiều nhãn có thể so sánh và các chỉ số có thể phân tích, việc đưa ra kết luận sẽ dễ dàng hơn.

Thông qua nhãn + chỉ báo, bạn có thể xem xét vấn đề theo từng lớp sâu. Ví dụ, khi phân tích hiệu ứng khuyến mại,

1. Trước tiên hãy xem xét các chỉ số: Kênh nào có tỷ lệ chuyển đổi cao? Những cái nào là xấu?

2. Xem lại nhãn: Đối với các kênh có tỷ lệ chuyển đổi cao, mức độ vật liệu/sản phẩm/chiết khấu được sử dụng là bao nhiêu?

Với kiểu mẫu dọc và ngang này, bạn có thể dễ dàng nhận ra vấn đề nằm ở đâu (như minh họa bên dưới).

Thông qua nhãn + chỉ số, có thể phát hiện những so sánh không phù hợp, do đó tránh được những đánh giá sai lầm. Ví dụ, nếu chúng ta thấy sự khác biệt về hiệu suất giữa hai đội, chúng ta không thể chỉ nói: đội nào có hiệu suất cao hơn thì là chuẩn mực và chúng ta nên học hỏi từ đội đó.

1. Có sự khác biệt nào trong cơ cấu nhân sự của hai đội không?

2. Có sự khác biệt nào về nguồn lực khách hàng của hai đội không?

3. Có sự khác biệt nào trong phương pháp bán hàng của hai đội không?

Lúc này, bạn cần dán nhãn chất lượng nhân sự/nguồn lực khách hàng/phương pháp bán hàng, sau đó quan sát sự khác biệt ở các chỉ số tương ứng để đưa ra kết luận chính xác hơn (như hình bên dưới).

Tóm lại, bạn cần phải thành thạo trong việc vận hành nhãn và hệ thống chỉ báo để có thể phân tích chất lượng cao.