Phương pháp và quy trình xây dựng hệ thống chỉ tiêu dữ liệu [Template + case]

Thực tế cho thấy, phương pháp và quy trình xây dựng hệ thống chỉ tiêu dữ liệu không thể tách rời khỏi phương thức tư duy “ mẫu + trường hợp ”. Bài viết này sẽ chỉ cho bạn cách xây dựng một hệ thống tư duy tốt. Đồng thời, bài viết này cũng được khuyến nghị cho những người tham gia vào phân tích hoạt động dữ liệu.

Nhằm nâng cao tính cạnh tranh của sinh viên tại nơi làm việc, cô giáo Trần đã đặc biệt cho ra mắt loạt bài viết. Sẽ đưa ra lời giải thích có hệ thống từ các phương pháp cơ bản của phân tích dữ liệu cho đến cách xử lý các vấn đề cụ thể.

Sự bối rối thực sự của sinh viên là: Tôi đã xem báo cáo mà bạn đề cập và tôi cập nhật nó mỗi ngày. Nhưng làm sao thứ này lại trở thành một hệ thống? Vậy thì sao nếu chúng ta xây dựng được một hệ thống? Tại sao tôi lại không nghĩ những gì tôi đang làm là một hệ thống nhỉ? Hôm nay tôi sẽ cho bạn câu trả lời có hệ thống. Để nói về vấn đề này, chúng ta hãy bắt đầu với các chỉ số dữ liệu.

1. Tại sao chúng ta cần chỉ số dữ liệu?

Bạn có thường nghe những điều sau đây không:

• “Có lẽ có hơn 10.000 người.”
• “Có rất nhiều khách hàng không hài lòng”
• “Cảm giác như không có ai trong cửa hàng của chúng tôi.”

Không chắc chắn, không cụ thể, không chính xác.

Đây là cách chúng ta nói chuyện trong cuộc sống hàng ngày. Điều đó cũng ổn thôi, vì thông tin cụ thể có giá thành rất cao, và hầu hết thời gian chúng ta chỉ nói về nó một cách thông thường. Nhưng nếu hoạt động kinh doanh phụ thuộc vào điều này, doanh nghiệp sẽ đi đến thất bại. Sẽ không rõ là đã chi bao nhiêu tiền và kiếm được bao nhiêu tiền, và ông chủ sẽ tức giận đến mức chết.

Các chỉ số dữ liệu được thiết kế để giải quyết tình trạng không chắc chắn này.

Nếu chúng ta sửa lại câu lệnh trên thành:

• 9.800 người dùng mới đăng ký vào ngày 1 tháng 4, vượt mục tiêu 1.000
• Vào ngày 1 tháng 4, 100 mặt hàng sản phẩm A đã được trả lại và tỷ lệ trả lại tích lũy trong 30 ngày là 2,5%.
• Ngày 1/4, có 300.000 lượt khách hàng đến cửa hàng trên toàn quốc, tỷ lệ ghé thăm là 30%, thấp hơn mức kỳ vọng là 32%.

Có phải nó sảng khoái hơn nhiều không? Đây là cách sử dụng trực quan các chỉ số dữ liệu.

2. Tại sao chúng ta cần hệ thống chỉ số dữ liệu?

Trong công việc thực tế, việc giải thích chính xác một điều gì đó là khá khó khăn. Ví dụ, nếu chúng ta muốn nói: "Sản phẩm A bán rất chạy vào tháng 2!" Nếu bên kia muốn nghiêm túc, họ có thể chỉ ra rất nhiều lỗi (như hình dưới đây)

Một vấn đề thường có nhiều khía cạnh và chỉ một chỉ số không thể giải thích đầy đủ vấn đề đó. Điều này đòi hỏi một bộ chỉ số dữ liệu logic để mô tả nó, đó chính là hệ thống chỉ số dữ liệu.

3. Năm thành phần chính của hệ thống chỉ số dữ liệu

1. Các chỉ số chính (primary indicator)

Chỉ số cốt lõi nhất được sử dụng để đánh giá vấn đề này như thế nào. Ví dụ: "Sản phẩm đang bán chạy." Chỉ số đầu tiên xuất hiện trong đầu bạn là "doanh số bán hàng", vì đây là số tiền chúng ta nhận được trực tiếp từ việc bán hàng, nên tất nhiên là càng nhiều tiền thì càng tốt.

Mỗi chỉ số phải có các yếu tố sau:

• Ý nghĩa kinh doanh: Ý nghĩa kinh doanh của nó là...
• Nguồn dữ liệu: Hệ thống nào thu thập dữ liệu gốc?
• Thời gian thống kê: Dữ liệu được tạo ra trong thời gian XX
• Công thức tính: Nếu có tỉ lệ hay tỷ số thì cần phải nêu rõ ai chia cho ai; nếu là tóm tắt thì cần phải nêu rõ ai thêm ai.

Lưu ý: Có thể cần nhiều chỉ số chính để đánh giá toàn diện. Ví dụ, nếu một sản phẩm bán chạy, bạn không chỉ nhìn vào số tiền mà còn phải chú ý đến lợi nhuận gộp, đây là số tiền thực tế kiếm được. Nó cũng có thể phụ thuộc vào khối lượng bán hàng, vì khối lượng bán hàng có liên quan trực tiếp đến hàng tồn kho và chúng ta phải ngăn chặn tình trạng tồn đọng quá mức. Theo cách này, sẽ có ít nhất ba chỉ số chính: số lượng bán ra, số lượng sản phẩm bán ra và lợi nhuận gộp từ doanh số bán hàng.

2. Chỉ số phụ (chỉ số cấp 2/cấp 3)

Một chỉ số chính có thể bao gồm một số thành phần phụ. Ví dụ:

Số tiền bán hàng = số lượng người dùng * tỷ lệ thanh toán * giá trị đơn hàng trung bình

Nếu doanh số không đạt mục tiêu, chúng ta sẽ rất tò mò: có phải vì có ít khách hàng mua hàng, hoặc không đủ người bán, hay là do giá bán quá rẻ? Hiểu được các chi tiết sẽ giúp chúng ta tìm ra vấn đề thực sự và đây là lúc chúng ta cần phân tích các chỉ số phụ.

3. Chỉ số quy trình

Chỉ số chính thường là kết quả cuối cùng. Ví dụ, doanh số bán hàng trong ngành B2B là kết quả cuối cùng của một loạt các quy trình: tìm kiếm khách hàng tiềm năng - theo dõi trước khi bán hàng - xác nhận nhu cầu - trải nghiệm sản phẩm - đàm phán giá - đấu thầu - ký kết. Không thể theo dõi và cải thiện quy trình chỉ bằng cách nhìn vào kết quả cuối cùng. Nếu bạn muốn quản lý nó sâu hơn, bạn cần xem xét kỹ hơn và thêm các chỉ số phụ (như hiển thị bên dưới)

4. Kích thước phân loại

Có thể có nhiều người cùng hoàn thành một việc trong một thời gian dài. Nếu bạn muốn biết tổng doanh số được tạo thành như thế nào và mỗi khu vực và mỗi nhóm đã đạt được bao nhiêu, bạn có thể thêm các chiều phân loại.

Bằng cách sử dụng chiều phân loại, chỉ số chính có thể được chia thành nhiều phần, có thể tránh được bẫy trung bình và xem xét toàn bộ và các chi tiết cùng nhau (như được hiển thị bên dưới)

5. Tiêu chí đánh giá

Ngay cả với bốn điểm trên, chúng ta vẫn không thể nói: Sản phẩm A bán chạy. Bởi vì good là một tính từ, trái nghĩa với bad. Do đó, cần có tài liệu tham khảo để so sánh. Việc lựa chọn các đối tượng tham chiếu là một quá trình phân tích phức tạp đòi hỏi phải phân tích chuyên sâu.

Khi xây dựng hệ thống chỉ số, các tiêu chí đánh giá này thường được trình bày cùng với dữ liệu hiện tại. Theo cách này, khi xem dữ liệu, bạn có thể đưa ra những phán đoán trực quan, rất thuận tiện khi sử dụng.

IV. Hệ thống chỉ báo dữ liệu hoạt động như thế nào?

Tóm lại, năm phần của hệ thống chỉ số là:

1. Các chỉ số chính
2. Chỉ số phụ
3. Chỉ số quy trình
4. Kích thước phân loại
5. Tiêu chí đánh giá

Với năm phần này, việc chẩn đoán vấn đề rất dễ dàng.

Trước tiên hãy xem xét chỉ số chính + tiêu chí đánh giá . Ví dụ, nếu chỉ số chính là số lượng bán hàng, trước tiên hãy xem liệu mục tiêu tháng này đã đạt được hay chưa và nếu chưa thì còn bao lâu nữa mới đạt được mục tiêu. Sau đó kiểm tra xem mục tiêu tích lũy hàng năm đã đạt được chưa và mức thâm hụt/thặng dư là bao nhiêu. Điều này giúp bạn dễ dàng nhận ra vấn đề là gì và mức độ nghiêm trọng của nó.

Hãy cùng xem xét khía cạnh phân loại . Những lĩnh vực nào chưa được thực hiện tốt và chúng có thường xuyên được thực hiện kém không? Những lĩnh vực nào đã được thực hiện tốt, chúng mới chỉ hoàn thành hay đang liên tục phát triển? Theo cách này, có thể thấy rõ ai có khả năng bảo lãnh và ai chậm trễ.

Hãy cùng xem xét các chỉ số phụ/chỉ số quy trình . Liên kết nào chưa được thực hiện tốt? Có thể là có quá ít khách hàng tiềm năng nên chúng ta cần tăng cường nỗ lực quảng bá; hoặc tỷ lệ thành công theo dõi thấp nên chúng ta cần cải thiện khả năng bán hàng; hoặc các báo giá luôn bị bỏ sót, vì vậy chúng ta cần thêm một số chiết khấu. Có thể thấy rõ cách giải quyết vấn đề ngay từ cái nhìn đầu tiên.

Có thể nói rằng nếu bạn có một hệ thống chỉ số dữ liệu tốt, về cơ bản bạn có thể thực hiện được 60% công việc của một nhà phân tích dữ liệu. Một hệ thống chỉ báo dữ liệu tốt có thể giúp nhân viên kinh doanh biết ngay được cần làm việc ở đâu và làm theo hướng nào. Nó rất hữu ích.

Lưu ý: Chẩn đoán dựa trên hệ thống chỉ số chỉ giải quyết được các vấn đề chiến thuật, không phải các vấn đề chi tiết ở cấp độ chiến đấu.

Ví dụ, những câu hỏi sau:

• Tôi không biết mình nên thiết kế phương pháp như thế nào?
• Tôi có ba cách tiếp cận, cách nào phù hợp hơn với vấn đề hiện tại?
• Tôi muốn sử dụng phương pháp 1, khả năng thành công là bao nhiêu?

Những vấn đề này có thể được giải quyết dễ dàng hơn khi sử dụng phân tích chủ đề. Xét cho cùng, báo cáo tài chính chỉ là bảng báo cáo tình hình. Về những việc cần làm trong tương lai, cần có những phân tích có mục tiêu hơn.

5. Cách xây dựng hệ thống chỉ số dữ liệu

1. Làm rõ mục tiêu công việc và các chỉ số chính

Đây là bước đầu tiên quan trọng nhất. Trước tiên, bạn cần hiểu: mục đích của việc thiết lập các chỉ số này là gì? Làm rõ cây chỉ số chính để bạn có thể biết cần tập trung vào chỉ số nào khi đưa ra phán đoán và các chỉ số phụ tương ứng với quy trình nào. Chỉ cần là một bộ phận làm việc trong một doanh nghiệp thì đều có KPI riêng, do đó chắc chắn có thể tìm ra chỉ số chính.

2. Tiêu chí đánh giá rõ ràng

Bước này cũng rất quan trọng vì nó liên quan đến việc liệu đây có phải là "một báo cáo hữu ích" hay "một loạt các con số đầy màu sắc". Thế nào được coi là “tốt” là một câu hỏi rất quan trọng.

Bây giờ chỉ số chính đã được tìm ra, chúng ta cần thiết lập các tiêu chí đánh giá tương ứng cho chỉ số đó. Chỉ bằng cách này, chúng ta mới có thể diễn giải được ý nghĩa của dữ liệu và biết cách xem xét các chiều phân loại. Có bốn tiêu chuẩn chung (như được hiển thị bên dưới).

Tất nhiên, việc đặt ra các tiêu chuẩn là một quá trình phân tích rất phức tạp và có thể trở nên rất phức tạp. Nhưng cuối cùng, chúng ta phải phân biệt rõ ràng cái nào tốt và cái nào không.

3. Hiểu được phương pháp quản lý kinh doanh và tìm ra các chỉ số phụ phù hợp

Sau khi có các chỉ số chính và tiêu chí đánh giá các chỉ số chính, chúng ta có thể sắp xếp thêm các chỉ số phụ. Các chỉ số phụ có liên quan trực tiếp đến cách quản lý doanh nghiệp.

Ví dụ, số tiền bán hàng có thể được phân tích theo chi nhánh hoặc theo người dùng. Cách nhìn nhận cụ thể phụ thuộc vào cách doanh nghiệp xử lý vấn đề này. Ví dụ, doanh số bán hàng thường được quản lý theo khu vực nên có thể chia thành nhiều chi nhánh. Thị trường thường được quản lý theo người dùng, vì vậy nó cũng được phân tích theo người dùng. Tóm lại, sự thuận tiện trong kinh doanh là quan trọng nhất.

4. Sắp xếp các quy trình kinh doanh và thiết lập các chỉ số quy trình

Về lý thuyết, càng có nhiều chỉ số quy trình thì càng tốt. Càng có nhiều chỉ số quy trình thì quá trình càng được theo dõi chi tiết hơn và có thể phát hiện ra các vấn đề. Tuy nhiên, trong kinh doanh, việc thu thập dữ liệu không nhất thiết phải thực hiện ở mọi hành động, do đó cần phải kết hợp các quy trình kinh doanh cụ thể và kiểm soát chúng tại các nút chính.

5. Thêm kích thước phân loại

Có nhiều kích thước có thể được sử dụng làm kích thước phân loại. Việc lựa chọn giải pháp nào hoàn toàn phụ thuộc vào quan điểm kinh doanh mà vấn đề có thể được quản lý. Thêm các chiều có ý nghĩa cho việc quản lý. (Như hình dưới đây)

Bằng cách này, chúng tôi đã thiết lập được một hệ thống chỉ số dữ liệu và quá trình này không hề phức tạp chút nào. Trong hầu hết trường hợp, vấn đề thực tế là: không có dữ liệu nào được thu thập và không có hồ sơ dữ liệu để tạo chỉ số. Đây là điều rắc rối nhất. Tuy nhiên, câu hỏi đặt ra là: tại sao quá trình có vẻ đơn giản này khi thực hiện lại không mang tính hệ thống?

6. Tại sao tôi không làm việc trên một hệ thống chỉ báo

1. Không có chỉ số chính, không biết phải làm gì

Đây là câu hỏi phổ biến nhất. Nhiều báo cáo của sinh viên được chuyển đến từ những đồng nghiệp đã nghỉ việc. Tại sao phải làm vậy? Bạn đang làm điều này vì ai? Vậy thì sao nếu tôi nhìn thấy nó? Anh ta chẳng biết gì cả. Dù sao thì bạn chỉ cần làm theo hướng dẫn mỗi ngày và cập nhật thường xuyên.

Một số sinh viên đã cố gắng tìm hiểu, nhưng bản thân bộ phận kinh doanh lại cảm thấy bối rối. Bạn hỏi anh ấy: Mục tiêu của anh là gì? Anh ấy trả lời: Để tăng GMV~~ Bạn ơi, GMV là một thứ rất vĩ mô, anh ấy quản lý phần nào vậy? Nếu tăng thì từ bao nhiêu đến bao nhiêu? Mức độ cải thiện đến mức nào thì được coi là thỏa đáng? Khi tự lập kế hoạch, tôi chỉ sao chép ý tưởng của người khác mà không đưa ra quyết định rõ ràng, chứ đừng nói đến việc giải thích rõ ràng với các nhà phân tích dữ liệu.

2. Không có tiêu chuẩn nào cho sự phán đoán, và tôi không biết mình đã nói gì.

Đây là một vấn đề phổ biến và nguy hiểm khác. Nhiều sinh viên cập nhật báo cáo một cách mù quáng, liệt kê rất nhiều dữ liệu mà không biết dữ liệu nào được coi là "tốt" và dữ liệu nào là "xấu". Hoặc có thể bạn chỉ ngây thơ nghĩ rằng tăng là tốt và giảm là xấu. Kết quả dẫn đến rất nhiều trò đùa (như hình dưới đây)

3. Không phân tích các chỉ số phụ, tập trung vào các chỉ số chính

Vấn đề này thường là hậu quả của sự phân công lao động theo phòng ban.

4. Không xây dựng các chỉ số phụ theo quy trình kinh doanh, chỉ đơn giản là tích lũy dữ liệu

Nhiều sinh viên xây dựng hệ thống chỉ số dữ liệu và thích thu thập dữ liệu. Đưa ra một loạt các chỉ số để làm cho nó có vẻ giàu có. Nhưng thực tế, nếu không tìm được các chỉ số phụ theo quy trình nghiệp vụ thì tính logic giữa các chỉ số sẽ rất kém và thường có vẻ khó hiểu. Chưa kể, bạn có thể dễ dàng nghĩ ra những câu hỏi kỳ lạ như "Bạn có hạnh phúc không?"

5. Không chọn chiều phân loại theo doanh nghiệp và phân chia ngẫu nhiên

Khi đưa vào các khía cạnh như giới tính người dùng, độ tuổi, khu vực, cấp độ VIP, kênh nguồn, mô hình thiết bị đầu cuối, v.v., báo cáo có vẻ rất phong phú, nhưng ý nghĩa kinh doanh thực tế của nó vẫn chưa rõ ràng.

Bạn hỏi ông ấy tại sao lại phân loại nam và nữ, ông ấy trả lời: Có một sự khác biệt lớn sau khi phân loại... Còn nếu sự khác biệt quá lớn thì có thể làm gì, và liệu ông ấy có năng lực kinh doanh để làm mọi việc theo giới tính hay không, tôi không biết.

Những vấn đề nêu trên về cơ bản không được xem xét theo góc độ có lợi cho doanh nghiệp. Thiết lập chỉ số chỉ vì mục đích thiết lập chỉ số.

Điều này liên quan trực tiếp đến thói quen làm việc. Nhiều sinh viên không cố gắng tự mình hiểu các quy trình kinh doanh và mục tiêu kinh doanh mà thay vào đó lại tìm kiếm một hệ thống chỉ số "có thẩm quyền", "chính thức", "hoàn hảo" và "phổ biến". Kết quả là họ chỉ cần sao chép và dán ở khắp mọi nơi. Có vẻ như rất nhiều việc đã được thực hiện, nhưng cuối cùng, rất ít người xem xét dữ liệu.

Nếu bạn muốn thay đổi, tất nhiên bạn phải bắt đầu từ những điều cơ bản. Đừng nghĩ rằng chỉ vì tôi có chức danh “dữ liệu XX” mà tôi phải đọc đủ loại lý thuyết thuật toán nâng cao mới có ích. Nghiên cứu lý thuyết là công việc của các nhà khoa học, nhưng khi làm việc trong công ty, bạn phải làm điều gì đó thực tế và hữu ích. Nếu bạn muốn giúp đỡ doanh nghiệp, tất nhiên bạn phải bắt đầu bằng việc nghiên cứu nghiêm túc về doanh nghiệp tuyến đầu.

Tác giả: Thầy giáo thực tế Chen

Nguồn tài khoản công khai: Giáo viên thực tế Chen (ID: 773891)