Phân tích dữ liệu đa chiều là gì? Phải làm gì?

Bài viết này phân tích sâu sắc các khái niệm và phương pháp thực tế của phân tích dữ liệu đa chiều, chỉ ra những sai lầm thường gặp của các nhà phân tích dữ liệu khi tiến hành phân tích kinh doanh và cung cấp một phương pháp phân tích mới. Bài viết không chỉ giải thích sự khác biệt giữa phân tích kinh doanh và phân tích dữ liệu mà còn đề xuất phương pháp phân tích sáu bước có hệ thống để giúp người đọc hiểu sâu sắc và áp dụng phân tích đa chiều từ cấp độ chiến lược.

Sinh viên làm phân tích dữ liệu đều gặp phải vấn đề này: phân tích vấn đề từ nhiều chiều hướng và đưa ra những đề xuất có ý nghĩa đối với doanh nghiệp. Câu hỏi này có vẻ đơn giản, nhưng nhiều sinh viên đã tốn nhiều công sức để chạy một loạt báo cáo nhưng lại nhận được rất nhiều khiếu nại từ doanh nghiệp:

"Tất cả những điều này có ý nghĩa gì với bạn?"

“Bạn tập trung vào đâu?”

"Không gian của bạn quá một chiều!"

Tốt! bất công! vô ích!

Với rất nhiều bộ dữ liệu, tại sao mọi người vẫn nói "không có đủ chiều phân tích"? Hôm nay chúng tôi sẽ đưa ra câu trả lời có hệ thống. Bản chất của vấn đề là: “tính đa chiều” mà doanh nghiệp đề cập đến hoàn toàn không phải là “tính đa chiều” mà bạn nghĩ tới.

01 Tính đa chiều trong góc nhìn phân tích dữ liệu

Đối với các nhà phân tích dữ liệu, tính đa chiều thường đề cập đến việc phân chia các chiều của chỉ số dữ liệu. Hãy lấy một ví dụ đơn giản: doanh số trong tháng 3 là 300 triệu. Đây chỉ là một chỉ số, không có bất kỳ chiều phân chia nào. Nếu thêm chiều phân loại thì hiệu ứng sẽ như sau:

Lưu ý: So với việc chỉ xem tổng số, việc phân tích dữ liệu theo nhiều chiều có thể xác định vị trí dữ liệu chính xác hơn. Có hai phương pháp phổ biến: 1. Thêm chỉ số quy trình; 2. Thêm các chiều phân loại theo phương pháp quản lý doanh nghiệp. Ví dụ, nếu chúng ta chỉ xem xét tổng doanh số, chúng ta thấy rằng con số này thấp hơn mục tiêu là 30 triệu, nhưng chúng ta không biết tại sao lại không đạt được. Lúc này, nếu chúng ta tháo rời nó thêm một chút, ví dụ:

1. Thêm chiều phân loại: xem ngành kinh doanh nào chưa được thực hiện tốt (như hiển thị bên dưới)

2. Thêm chỉ báo quy trình: Xem liên kết nào có vấn đề từ ý định của người dùng đến thanh toán (như hiển thị bên dưới)

Bằng cách thêm các chỉ số quy trình + chiều phân loại, các vấn đề có thể được xác định chính xác hơn. Ngay cả một số kết luận đơn giản cũng đã rõ ràng. Vì lý do này, nhiều nhà phân tích dữ liệu hiểu trực tiếp "tính đa chiều" mà doanh nghiệp đề cập là "nhiều chiều". Ngay khi nghe nói rằng tôi cần phải phân tích, tôi đã hét lên "Phá bỏ! Phá bỏ! Phá bỏ!" Tôi đã thực hiện nhiều bảng phân tích chéo theo từng lớp và tạo ra dữ liệu cho từng chiều phân loại (như thể hiện trong hình bên dưới).

Tuy nhiên, liệu chỉ “nhiều hơn” có đủ không?

02 Đa chiều từ góc nhìn doanh nghiệp

“Tính đa chiều” được nhắc đến trong kinh doanh hoàn toàn không có ý nghĩa này. Những gì các doanh nhân nghĩ đến không phải là cấu trúc bảng trong cơ sở dữ liệu mà là các vấn đề cụ thể. Khi doanh nghiệp thấy “Doanh số tháng 3 không đạt mục tiêu”, trong đầu họ thường có nhiều suy nghĩ đa chiều như sau:

Bạn có choáng váng không?

Bạn sẽ thấy rằng việc chỉ phân tích dữ liệu không thể trả lời được những câu hỏi trên. Vâng, tôi không thể trả lời bất kỳ câu hỏi nào. Ngay cả những câu hỏi này cũng không thể trả lời được chỉ bằng cách xem xét dữ liệu.

Kể cả khi chúng ta định nghĩa vấn đề là: "Lý do khiến hiệu suất tháng 3 không đạt mục tiêu là do 3 chi nhánh ở Khu vực A có quá ít khách hàng có ý định ký hợp đồng", thì ngay cả khi chúng ta định nghĩa ở mức chi tiết như vậy, vẫn không thể trả lời được câu hỏi trên.

Bởi vì có quá ít ý định, là do đối thủ cạnh tranh đã nỗ lực, sản phẩm không được làm tốt, các hoạt động không theo kịp, nhu cầu của người dùng đã thay đổi... vẫn chưa được giải thích rõ ràng. Không có câu hỏi kinh doanh cụ thể nào được trả lời. Đương nhiên, những người kinh doanh đều tỏ ra bối rối.

03 Phân tích đa chiều thực sự, hãy làm điều này

Về bản chất, phân tích đa chiều thực sự không kiểm tra khả năng tính toán dữ liệu mà là khả năng chiến lược.

Cụ thể có ba khía cạnh:

1. Chuyển đổi lý do kinh doanh thành các lập luận dựa trên dữ liệu.
2. Ngăn chặn lý do: Đừng lúc nào cũng cố đổ lỗi cho chủ doanh nghiệp; tập trung vào những gì bạn có thể làm.
3. Tìm ra cốt lõi của vấn đề: Trong số nhiều yếu tố ảnh hưởng, hãy tìm yếu tố quan trọng nhất và tập trung nỗ lực vào đó.

Lưu ý rằng ba điều này xảy ra theo trình tự. Đầu tiên, hãy liệt kê rõ ràng các phương pháp lập luận dữ liệu để tránh nói suông (một quy tắc thủ tục rất hay là giữ im lặng nếu không thể sử dụng dữ liệu để chứng minh lập luận). Sau đó, hãy chặn những lời bào chữa trước. Việc đưa ra lời bào chữa sẽ không giải quyết được vấn đề, vì vậy trước tiên hãy chặn mọi lối thoát. Cuối cùng, hãy tập trung vào việc tìm giải pháp. Khi nghĩ đến giải pháp, hãy bắt đầu từ lớn đến nhỏ, từ thô đến tinh, và giải quyết những vấn đề lớn trước. Tóm lại, vấn đề này có thể được thực hiện theo sáu bước.

Bước đầu tiên là phân loại các tuyên bố được doanh nghiệp đưa ra một cách rõ ràng và ngầm định.

Đối với mỗi loại vấn đề, hãy xây dựng các giả thuyết phân tích, chuyển đổi lý do kinh doanh thành logic dữ liệu và để dữ liệu tự lên tiếng (như thể hiện trong hình bên dưới).

Bước thứ hai là ưu tiên các lý do bào chữa.

Những lời bào chữa thường đến từ: các yếu tố vĩ mô, các yếu tố bên ngoài và các yếu tố đồng đội. Vậy thì chìa khóa ở đây chính là sự làm sai lệch. Miễn là chúng ta có thể lật ngược cái cớ trốn thoát của chúng. Cách tốt nhất để bác bỏ điều gì đó là đưa ra ví dụ. Tại sao người khác có thể chịu được mưa khi trời cũng đang mưa? Trong khi việc tìm kiếm lưu lượng truy cập cũng khó khăn như vậy, tại sao các ngành kinh doanh khác vẫn có thể tiếp tục phát triển? (Như hình minh họa bên dưới).

Một lợi thế khác của việc sử dụng ví dụ là trong khi bác bỏ những lời bào chữa, nó cũng chỉ ra cách giải quyết vấn đề. Người kinh doanh ghét những người chỉ nói về vấn đề mà không nói về giải pháp, vì ai cũng có thể chỉ trích người khác nhưng vấn đề lại khó giải quyết. Việc cung cấp các đối tượng học tập cụ thể có thể kích thích đáng kể tư duy kinh doanh và các biện pháp ứng phó, do đó đạt được kết quả đôi bên cùng có lợi.

Bước thứ ba là giải quyết vấn đề tê giác trắng và loại bỏ những tác động lớn rõ ràng.

Ví dụ, các chính sách quản lý, chiến lược doanh nghiệp, môi trường bên ngoài chính và các yếu tố khác đóng vai trò quan trọng trong hoạt động kinh doanh và đây là những yếu tố mà nhân viên bình thường chỉ có thể chấp nhận nhưng không thể thay đổi. Nhưng! Yếu tố chính này được phản ánh trong dữ liệu, với các yêu cầu nghiêm ngặt (như thể hiện bên dưới).

Vì vậy, nếu ai đó muốn đổ lỗi cho những yếu tố này thì điều đó phụ thuộc vào:

1. Điều này có thực sự xảy ra không?

2. Dữ liệu có phù hợp với xu hướng không?

Câu này có ý nghĩa như một lời cảnh báo: Đừng đổ lỗi mọi chuyện cho môi trường xấu. Dù bạn đi đâu thì môi trường chung cũng tệ. Bạn là người tác động tới môi trường chung! Trước tiên, chúng ta hãy loại bỏ ảnh hưởng (hoặc sự can thiệp) của yếu tố chính này và sau đó tập trung vào những gì chúng ta có thể làm.

Bước thứ tư là giải quyết những trường hợp bất khả kháng và loại bỏ những trường hợp khẩn cấp dễ thấy.

Nếu một trường hợp khẩn cấp thực sự xảy ra, rất dễ dàng để tìm ra nguồn gốc của vấn đề

Tích cực: hoạt động khuyến mại, sự náo động trong một nhóm người dùng nhất định, ra mắt sản phẩm mới...

Tiêu cực: thời tiết xấu, trường hợp khẩn cấp, hệ thống ngừng hoạt động...

Do đó, sẽ dễ giải thích hơn nếu chúng ta loại trừ những vấn đề riêng lẻ trước và tìm ra nguyên nhân, sau đó lần ngược lại những tình huống trước đó.

Bước 5: Tập trung vào các điểm vấn đề theo sự phân công lao động và sau đó thảo luận chi tiết.

Sau khi giải quyết những vấn đề lớn, nếu muốn thảo luận những vấn đề chi tiết hơn, bạn phải khóa phòng ban lại, quyết định về con người trước rồi mới thảo luận về kế hoạch. Tôi đã chia sẻ điều này trước đây nên sẽ không nhắc lại ở đây.

Bước 6: Tập trung vào các chi tiết.

Xin lưu ý rằng ngay cả khi chúng ta tập trung vào hành động của một bộ phận, vẫn khó có thể tìm ra lý do kinh doanh nào gây ra vấn đề.

Bởi vì các vấn đề kinh doanh liên quan đến nhiều yếu tố khác nhau và rất khó để phân loại chúng, chẳng hạn như:

Vận hành nội dung: kênh truyền thông, chủ đề, giọng điệu, phong cách, hình ảnh và thời gian truyền tải. Bất kỳ sự khác biệt nào cũng có thể dẫn tới thất bại.

Hoạt động vận hành: nhóm mục tiêu, ngưỡng hoạt động, nội dung phần thưởng, quy tắc tham gia, bất kỳ điều nào trong số chúng cũng có thể dẫn đến thất bại

Hoạt động của người dùng: Nếu bạn làm việc chăm chỉ với người dùng mới, tỷ lệ giữ chân sẽ thấp. Nếu bạn nỗ lực cải thiện tỷ lệ giữ chân người dùng, chi phí cho người dùng mới sẽ thấp. Nếu bạn làm việc chăm chỉ cho cả hai thì khoản đầu tư vào cả hai sẽ không đủ.

Vận hành sản phẩm: Khi lựa chọn sản phẩm, bạn cân nhắc 100 khía cạnh, nhưng nếu sản phẩm không trực tuyến trong một ngày, bạn sẽ không biết hiệu suất thực sự của nó. Nếu bạn đưa nó lên mạng, nó sẽ thất bại.

…

Sinh viên làm việc với dữ liệu có thể có phản ứng bản năng: Chúng ta có thể thực hiện thử nghiệm AB. Trên thực tế, hầu hết các doanh nghiệp không có thời gian hoặc không gian để thực hiện thử nghiệm AB và một số thứ (như lựa chọn sản phẩm và viết quảng cáo) có quá nhiều yếu tố ảnh hưởng nên cần vô số bộ thử nghiệm AB để đo lường chúng một cách rõ ràng. Và không thể tiến hành thử nghiệm AB đối với những sự việc đã xảy ra. Do đó, nếu muốn phân biệt các yếu tố đan xen, chúng ta cần thêm nhiều phương pháp hỗ trợ.