Back

XÂY DỰNG VĂN HOÁ DATA-DRIVEN TRONG DOANH NGHIỆP (PHẦN 3)

Trong 2 bài viết trước, chúng ta đã được tìm hiểu về 7 cách xây dựng văn hoá data-driven trong doanh nghiệp, để hướng đến việc thực hiện hiệu quả data-driven marketing cũng như những dạng chiến lược khác phù hợp với thị trường tương lai.

Trong bài viết cuối của chuỗi bài này ngày hôm nay, hãy cùng Eastplayers tìm hiểu 3 cách tiếp theo nhé.

 

 

8. Sử dụng phân tích để giúp nhân viên, không phải chỉ cho khách hàng

 

Nguồn: attendit.net

 

Rất dễ để doanh nghiệp quên vai trò của việc sử dụng hiệu quả dữ liệu trong hành trình giúp nhân viên của mình trở nên hạnh phúc hơn khi làm việc. Tuy nhiên, việc khuyến khích nhân viên tự thân gắn bó với dữ liệu, tự thân nó, đã có thể làm được việc này. Nếu ý tưởng học những kỹ năng mới để xử lý dữ liệu tốt hơn được đưa vào doanh nghiệp, một vài nhân viên sẽ thấy hứng thú đủ để tiếp tục và liên tục chỉnh đốn công việc của chính họ. Tuy nhiên, nếu những mục tiêu tức thời thực sự có lợi cho họ một cách trực tiếp, như tiết kiệm thời gian cho họ, giảm thiểu những công việc bị trùng lặp, hoặc cho họ những thông tin thường xuyên cần đến,… thì một công việc sẽ trở thành một lựa chọn. Vài năm trước đây, đội ngũ phân tích của một công ty bảo hiểm hàng đầu đã tự học những điều căn bản trong điện toán đám mây, đơn giản để họ có thể thử nghiệm những mô hình mới về những hệ dữ liệu lớn mà không cần phải chờ phòng IT giúp họ. Trải nghiệm này đã được chứng minh là vô cùng cần thiết khi cuối cùng, đội ngũ IT đã làm lại toàn bộ hệ thống công nghệ cho công ty đó. Khi đến lúc cần đề ra những yêu cầu cho nền tảng phân tích cao cấp hơn, một đội ngũ có thể làm được nhiều hơn là chỉ diễn tả một câu trả lời. Thay vào đó, họ thậm chí có thể chứng minh một giải pháp.

 

9. Sẵn sàng đánh đổi sự linh hoạt cho sự thống nhất – ít nhất là trong một thời gian ngắn

 

Nguồn: mediasmiths.com.au

 

Rất nhiều công ty phụ thuộc vào dữ liệu phát triển những “bộ tộc dữ liệu” khác nhau. Mỗi “bộ tộc” có những nguồn thông tin riêng, những thông số riêng và những ngôn ngữ lập trình yêu thích riêng. Trong doanh nghiệp, đây có thể là một thảm hoạ. Các doanh nghiệp có thể lãng phí hàng giờ để cố gắng kết nối những phiên bản hơi khác nhau với cùng một thông số mà đáng lẽ là phải được làm giống nhau. Sự thiếu thống nhất trong cách những nhà sáng tạo mô hình làm việc cũng làm nên lỗi sai này. Nếu những chuẩn mực coding và ngôn ngữ khác nhau trong doanh nghiệp, bất cứ bước tiến nào được thực hiện bởi những người làm phân tích cũng cần phải được đào tạo lại, khiến việc phát triển trở nên khó khăn và khó để lan rộng toàn doanh nghiệp. Bên cạnh đó, việc chia sẻ ý tưởng nội bộ cũng sẽ trở nên phức tạp một cách không cần thiết nếu bất cứ thông tin nào cũng cần được diễn dịch. Vì vậy, các doanh nghiệp nên chọn một số thông số đơn giản và những ngôn ngữ lập trình nhất định. Một ngân hàng toàn cầu đã làm điều này, bằng cách buộc những người mới được tuyển dụng trong phòng ban đầu tư và quản lý tài sản phải biết những dòng code ở dạng ngôn ngữ Python.

 

10. Tập thói quen giải thích những lựa chọn phân tích

Với hầu hết những vấn đề về phân tích, có rất ít hướng giải quyết đúng và đơn lẻ. Thay vào đó, những data scientist phải lựa chọn giữa rất nhiều sự đánh đổi. Vì vậy, một cách làm có thể tham khảo là hỏi đội ngũ của mình về cách mà họ tiếp cận vấn đề, cũng như những giải pháp thay thế nào mà họ nghĩ là nên cân nhắc, hoặc họ hiểu gì về những đánh đổi phải àm và tại sao họ lại chọn giải pháp này mà không phải cái nào khác. Việc làm này sẽ giúp đội ngũ của bạn hiểu sâu hơn về các cách tiếp cận và buộc họ suy nghĩ về những giải pháp thay thế nhiều hơn, cũng như nghĩ lại về những mặc định nền tảng của chính họ. Một công ty dịch vụ tài chính, ban đầu, đã mặc định rằng, một mô hình machine-learning tương đối truyền thống để tìm ra sự lừa lọc không thể nào chạy đủ nhanh để có thể đưa vào sử dụng. Tuy nhiên, sau đó, họ nhận ra rằng, mô hình này có thể chạy nhanh một cách thần kỳ với chỉ một vài thay đổi đơn giản. Khi công ty bắt đầu tận dụng mô hình này, họ đã đạt được những cải thiện đáng kể trong việc tìm ra những sự lừa lọc một cách chính xác.

 

Nguồn: ideas.ted.com  

 

Những công ty và những phòng ban, cá nhân đưa những phân tích trong công việc của họ, lại thường không tạo lập được thói quen lâu dài, bởi những sự thay thế thường trông có vẻ nhiều rủi ro. Dữ liệu có thể cung cấp một dạng minh chứng để làm nền tảng cho những giả định, giúp những nhà quản lý có được tự tin để nhảy qua một lĩnh vực hay quy trình mới, mà không phải mò mẫm trong bóng tối. Tuy nhiên, việc cố gắng để trở nên data-driven không thôi là chưa đủ. Để thực sự được dẫn dắt bởi data, công ty cần tạo ra một văn hoá data-driven mà dạng mindset này có thể được phát triển và trường tồn. Những nhà lãnh đạo cần thúc đẩy sự thay đổi này bằng cách lấy chính họ làm ví dụ - tập luyện những thói quen mới và tạo ra những kỳ vọng cho việc lấy nguồn rễ những quyết đinh từ dữ liệu có ý nghĩa đến như thế nào.

 

Hy vọng, với bài viết trên, Eastplayers đã cung cấp được cho bạn những thông tin cần thiết về việc xây dựng văn hoá data-driven trong doanh nghiệp, để giúp bạn xây dựng những chiến lược marketing và bán hàng tốt hơn cho doanh nghiệp của bạn.

 

Cám ơn bạn và chúc bạn một ngày làm việc hiệu quả.

Nội dung bài viết tham khảo nguồn: https://hbr.org/2020/02/10-steps-to-creating-a-data-driven-culture 

 

Eastplayers luôn nỗ lực không ngừng để phát triển thị trường bằng công nghệ. Với insights thu được từ những nghiên cứu và ứng dụng trong mảng Digital Transformation (Chuyển đổi số), đặc biệt là Marketing Technology (Martech), Eastplayers hy vọng sẽ trở thành đối tác chiến lược lâu dài cùng doanh nghiệp bạn.

 

We are EastPlayers

A leading software consulting and development company growth-hacked by Insightful Geeks. We build up successful, impactful and sustainable world-class digitized business