Bookaholic #10: “Chiến lược dữ liệu” Lưu

Bạch Mei
Content Executive , Brands Vietnam
13/02/2020
3,882
0

Dữ liệu hiện diện ở mọi ngóc ngách trong các hoạt động kinh doanh hàng ngày của doanh nghiệp. Dữ liệu đang làm thay đổi thế giới của chúng ta, cũng như cách chúng ta sống và làm việc, với tốc độ chưa từng có. Vậy làm thế nào để doanh nghiệp có thể khai thác và quản lý dữ liệu nhằm tạo ra sức mạnh trong hoạt động kinh doanh? Quyển sách “Chiến lược dữ liệu” sẽ vén màn trả lời cho câu câu hỏi này.

Brands Vietnam đã có một buổi trò chuyện với anh Nguyễn Tấn Triều, Nguyên Lead Software Engineer tại Tiki để cùng khám phá những tác động của dữ liệu lớn và đặc biệt là trong hoạt động kinh doanh hiện nay, thông qua “Chiến lược dữ liệu” của tác giả Bernard Marr.

* Cơ duyên nào đã đưa quyển sách đến với anh và khiến anh đề xuất quyển sách này cho độc giả?

Đầu tiên, chúng ta cần phải nói về Bernard Marr, tác giả quyển sách này. Trong ngành tư vấn chiến lược dữ liệu và chuyển đổi số, Bernard Marr chính là một KOL nổi tiếng và được tôn trọng nhất trên thế giới.

Ông hiện đang là CEO của Advanced Performance Institute, chuyên tư vấn chiến lược cho các công ty và chính phủ. Ngoài ra, ông còn là cây bút nổi tiếng cho các tạp chí như Forbes, Financial Times, The Wall Street Journal, CFO Magazine. Bernard Marr đã được LinkedIn công nhận là một trong năm nhân vật ảnh hưởng hàng đầu thế giới trong lĩnh vực kinh doanh.

Tác giả Bernard Marr

Khi tham gia những cộng đồng, diễn đàn trên thế giới về dữ liệu và chuyển đổi số, tôi cảm thấy rất ấn tượng với những bài viết của ông. Và tình cờ trong lúc tìm hiểu những bài viết về dữ liệu của ông, tôi đã bị thu hút bởi “Chiến lược dữ liệu” với những nội dung áp dụng dữ liệu trong kinh doanh.

Chính vì thế, tôi quyết định mua quyển sách này, cũng thật may mắn khi nó đã được dịch sang Tiếng Việt và xuất bản từ năm 2019.

Mặc dù nội dung có vẻ “khô khan”, nhưng quyển sách sẽ cung cấp một góc nhìn bao quát và thực tế hơn về dữ liệu cho người đọc. Đó là lí do tôi muốn đề xuất quyển sách này đến các bạn.

* Theo anh, rằng quyển sách này khô khan, vậy đối tượng nên đọc quyển sách này là ai?

Đây sẽ là một quyển sách “khó nhai” đối với những người không có kiến thức về dữ liệu, chưa từng tiếp cận với dữ liệu hay không có nhu cầu tìm hiểu về lĩnh vực này.

Tuy nhiên, đối với những người có cơ hội tiếp xúc nhưng lại không biết cách xử lý, tận dụng và phân tích dữ liệu, thì quyển sách này lại không hề khô khan. Ngược lại, sẽ rất hữu ích vì nó cung cấp một nền tảng vững chắc và dễ hiểu về dữ liệu. Những người nên tham khảo là các CIO, CTO, CEO, CMO hay những người ở cấp quản lý phải đối mặt với dữ liệu hàng ngày nhưng chưa biết cách biến chúng thành chiến lược và hành động cụ thể nhằm nâng cao khả năng kinh doanh trong thời đại công nghiệp 4.0.

Tuy nhiên, với tầm kinh nghiệm và hiểu biết như trên của người đọc, việc đọc quyển sách này cũng không hề dễ dàng, đòi hỏi người đọc phải vừa đọc vừa suy ngẫm nhiều về thực tế. Do đó, tôi nghĩ rằng người đọc phải có kỹ năng phân tích và thực sự đang có vấn đề cần giải quyết đối với dữ liệu, để từ đó tìm ra sự liên quan với quyển sách.

* Vậy nội dung quyển sách xoay quanh điều gì?

“Chiến lược dữ liệu” không phải là một quyển sách thuộc dạng “how to” (làm thế nào để...), nó không hướng dẫn các bạn cách tổ chức hay thu thập dữ liệu. Thực tế mà nói, quyển sách này chỉ giúp bạn hiểu được những khái niệm về dữ liệu và cung cấp kiến thức nền tảng để bạn có thể giao tiếp được với các chuyên gia công nghệ khi triển khai dự án liên quan đến dữ liệu của mình.

Bởi vì khó để hiểu nên Bernard Marr đã đưa nhiều ví dụ thực tiễn về cách áp dụng dữ liệu vào kinh doanh của các thương hiệu lớn trên thế giới như Google, Amazon, Microsoft, Domino’s hay Uber. Dựa trên những case-study thực tế mà Bernard Marr tư vấn cho khách hàng của mình được đưa ra trong cuốn sách này, hy vọng “dữ liệu” sẽ trở nên gần gũi và dễ hiểu hơn với độc giả.

Một ví dụ rất thực tế về việc áp dụng dữ liệu lớn vào chiến lược kinh doanh, đó chính là chiến lược dữ liệu của Domino’s – chuỗi cung ứng bánh pizza lớn nhất thế giới.

Domino’s đã áp dụng cách tiếp cận đa kênh (multi-channel), điều này mang đến cho họ cơ hội tương tác với khách hàng, ngoài ra còn tạo ra và nắm bắt nhiều dữ liệu – thứ mà Domino’s sử dụng để cải thiện hiệu quả các chiến dịch marketing. Dữ liệu được thu thập thông qua tất cả các kênh như tin nhắn, Twitter, Mobile Apps, Amazon Echo v.v... Tất cả được đưa vào khung quản lý thông tin của Domino’s.

Tại đây, chúng được kết hợp với nguồn dữ liệu phong phú từ một lượng thông tin lớn từ bên thứ ba, chẳng hạn như Dịch vụ Bưu điện Mỹ, cũng như thông tin mã địa lý, dữ liệu nhân khẩu học, và dữ liệu đối thủ cạnh tranh, để cho phép phân tích hành vi khách hàng chuyên sâu và đầy đủ hơn. Vì vậy, thoạt nhìn có vẻ như pizza và dữ liệu lớn không có liên hệ gì với nhau, nhưng công tác hậu cần cho việc cung cấp gần một triệu pizza mỗi ngày trên 70 quốc gia đã chứng tỏ một cách xác đáng các vấn đề mà dữ liệu lớn đang vượt qua.

Tiếp theo, tuy nội dung quyển sách không dễ nắm bắt nhưng độc giả vẫn có thể tiếp cận được nhờ cấu trúc khá rõ ràng.

Ở 5 chương đầu tiên, Data Strategy đưa ra những lý do tại sao bạn nên áp dụng chiến dịch dữ liệu cùng những ứng dụng dữ liệu trong các hoạt động kinh doanh để “cải thiện việc ra quyết định, cải thiện các hoạt động và tạo ra doanh thu từ dữ liệu”. Nghĩa là bạn có thể dựa trên dữ liệu để ra quyết định kinh doanh chính xác hơn hoặc dùng dữ liệu để tạo ra một ngành kinh doanh mới hoàn toàn.

Từ chương 6 đến chương 11, quyển sách tập trung vào yếu tố chuyên môn, nhưng không phải ở góc độ triển khai, mà ở góc độ các bước, các cột mốc quan trọng để có được một chiến lược dữ liệu. Tác giả đề cập đến 5 bước sau:

* Anh có thể nói rõ thêm về bước tìm nguồn cung ứng và thu thập dữ liệu trong chương 6?

Trước khi chúng ta nói đến chuyện nguồn dữ liệu tìm thấy ở đâu, thì tôi có thể khẳng định rằng “dữ liệu nằm ở trong mọi bước trong các hoạt động kinh doanh hàng ngày của doanh nghiệp, bất cứ hoạt động nào cũng đều sinh ra dữ liệu, nhưng quan trọng là chúng ta có thu thập nó hay không”.

Hoạt động bán hàng tại cửa hàng cũng sinh ra rất nhiều dữ liệu từ những người ghé thăm, bước vào cửa hàng, nói chuyện với nhân viên chứ không riêng khách đến mua hàng và có hoá đơn. Ngoài ra với sự phát triển của các thuật toán học sâu (Deep Learning) và công nghệ nhận dạng hình ảnh tiên tiến nên các doanh nghiệp hoàn toàn có thể thu thập dữ liệu về trải nghiệm khách hàng ngay tại những cửa hàng bán lẻ.

Từ những dữ liệu đó, chúng ta có thể lý giải được hành động của họ, tại sao họ lại chỉ đi quan sát mà không đưa ra quyết định mua hàng, từ đó triển khai thành những hành động như ý chúng ta mong muốn và khiến họ ở lại. Đây cũng là một trong những nguồn dữ liệu có thể được tận dụng để áp dụng vào hoạt động kinh doanh.

Còn những hoạt động vận hành đằng sau doanh nghiệp, ví dụ như việc nhập xuất, sản xuất hàng hoá, thậm chí quản lý nguyên liệu hay vật liệu chế biến cũng là một nguồn dữ liệu được thu thập qua hoạt động kinh doanh hàng ngày nhằm tối ưu hoá quá trình vận hành của doanh nghiệp.

Và một nguồn dữ liệu mà nhiều người bỏ qua đó là hoạt động giao tiếp bên trong công ty: sự hài lòng của nhân viên về văn hoá doanh nghiệp, những từ khoá bên trong những tin nhắn, email của nhân viên cũng có thể giúp xác định được những điểm mạnh, điểm yếu của từng người, từng đội nhóm và biết được những vấn đề trong văn hoá công ty hay vấn đề gì cần phải giải quyết. Ở đây, tôi sẽ không đề cập đến chuyện quyền riêng tư của dữ liệu, vì vấn đề này sẽ được thể hiện trong chương 10.

Chiến lược dữ liệu còn bao gồm phân tích các hoạt động giao tiếp bên trong công ty, những từ khoá khi trao đổi qua tin nhắn, email của nhân viên, từ đó giúp xác định điểm mạnh, điểm yếu của từng cá thể và vấn đề nào cần giải quyết.

Ngoài ra, còn có những nguồn dữ liệu trong hoạt động marketing, vận hành, những trao đổi giữa nhân viên và doanh nghiệp, ở bất cứ điểm nào trong hoạt động của doanh nghiệp. Nếu có đủ phương pháp, công cụ để thu thập và thiết kế dữ liệu, thì chúng ta có thể tận dụng được nguồn này cho hoạt động kinh doanh của doanh nghiệp.

Cụ thể hơn, trong sách có nói đến các loại khái niệm về các loại dữ liệu khác nhau, trong đó có nói đến dữ liệu có cấu trúc và phi cấu trúc, dữ liệu định danh và không định danh.

Dữ liệu định danh là dữ liệu mà thông qua đó chúng ta biết khách hàng là ai, với các thông tin như email, số điện thoại, hành vi mua hàng, số lần mua, số đơn hàng và tổng giá trị đơn hàng. Nhưng cũng có những dữ liệu hành vi của khách hàng không định danh, điển hình như những khách hàng đã đăng nhập wifi của cửa hàng nhưng không mua, khách hàng tiếp cận với chiến dịch quảng cáo nhưng không tương tác, hay những người ghé thăm website để đọc rồi thoát ra mà không có hoạt động nào.

Bên cạnh đó, quyển sách cũng nói đến chiến lược xác định “dữ liệu lớn” thông qua quy tắc 5V như sau: Volume (khối lượng) đề cập đến số lượng lớn dữ liệu được tạo ra mỗi giây. Velocity (Tốc độ) nói về tốc độ dữ liệu mới được tạo ra và tốc độ mà dữ liệu đó di chuyển. Variety (Tính đa dạng) là yếu tố nói đến các loại dữ liệu khác nhau mà giờ đây chúng ta có thể sử dụng. Veracity (Tính xác thực) đề cập nói đến sự hỗn loạn hoặc đáng tin cậy của dữ liệu. Và cuối cùng là Value (Giá trị), những giá trị kinh doanh mà dữ liệu tạo ra.

Để được phân loại là “dữ liệu lớn”, dữ liệu phải đáp ứng ít nhất một trong năm yếu tố trên. Không quan trọng là liệu dữ liệu mà bạn đang làm việc có “lớn” hay không, điều quan trọng là nó có thể giúp cho doanh nghiệp của bạn thành công hay không.

Và chương 6 này cũng giới thiệu đến “dữ liệu hoạt động”, thực ra là loại dữ liệu vận hành như tôi đã đề cập ở trên, đây là một trong những loại dữ liệu mới trong thời đại kỹ thuật số ngày nay. Các loại dữ liệu hoạt động bao gồm những thông tin về khách hàng, đơn hàng, về xuất nhập tồn.

Hay đơn giản là những dữ liệu về cuộc trò chuyện, trao đổi của nhân viên thông qua tin nhắn, dữ liệu hình ảnh và video, wifi, camera hay thậm chí dữ liệu vân tay, check in của nhân viên, dữ liệu cảm biến, hay những dữ liệu trong việc vận hành máy móc và rất nhiều các loại dữ liệu khác nhau được lưu giữ và tổ chức khác nhau được trình bày trong quyển sách này. Bạn có thể đọc để hiểu về bức tranh lớn về các loại dữ liệu có xung quanh mình.

* Vậy còn vấn đề hạ tầng công nghệ để lưu trữ dữ liệu được trình bày như thế nào?

Phần này, tôi không muốn đi sâu vì có nhiều yếu tố công nghệ phức tạp đằng sau dữ liệu. Tôi nghĩ các bạn có thể đọc để hiểu thêm. Nhưng để triển khai, các bạn phải cần đến sự cố vấn của những chuyên gia công nghệ.

Để hình thành công nghệ và xây dựng cơ sở hạ tầng dữ liệu nhằm mục đích biến chúng thành những hiểu biết sâu sắc, bạn cần xem xét bốn yếu tố sau đây: thu thập dữ liệu, lưu trữ dữ liệu, phân tích và xử lý dữ liệu, truy cập và truyền tải dữ liệu.

Để dễ hình dung, sách nhắc đến những platform lưu trữ nền tảng như NoSQL, Hadoop, Apache Spark, Apache Kafka hay Amazon Web Service (AWS S3), Google Cloud Storage… Đây là những thuật ngữ công nghệ khá trừu tượng và phức tạp với những người không học chuyên về IT. Những nền tảng này được các công ty phần mềm dùng để viết nên nền tảng quản lý và tổ chức dữ liệu cho riêng họ. Tuy nhiên, ở những công ty muốn triển khai trong mạng nội bộ hay hạ tầng máy chủ của doanh nghiệp, các công ty thường chọn Hadoop, Apache Kafka, NoSQL và Apache Spark để phát triển ứng dụng phân tích dữ liệu lớn.

Tuy nhiên, đối với những công ty không phải là công ty phần mềm và không có kinh nghiệm tổ chức dữ liệu thì việc triển khai những phần mềm mã nguồn mở này để lưu trữ thực sự là một thử thách, vì chưa chắc họ đã thấu hiểu được những thuật ngữ của chúng. Thành ra, những công ty này thường có khuynh hướng sử dụng những nền tảng lưu trữ dữ liệu lớn nhưng thông qua một lớp phần mềm trả phí của những công ty như Amazon, Google hay Microsoft xây dựng trên nền tảng dữ liệu mã nguồn mở lớn như Hadoop hay Spark (hai nền tảng thô sơ, được sử dụng để lữu trữ và quản lý dữ liệu). Tuy nhiên chỉ có những công ty có năng lực công nghệ lớn như FPT, Google hay Amazon như đã đề cập ở trên mới có thể đọc hiểu và viết được những ứng dụng này.

Những công ty không có năng lực công nghệ thường rất khó hoặc thậm chí không thể sử dụng những nền tảng này. Bởi vì những công ty công nghệ có năng lực, khả năng viết phần mềm ứng dụng, năng lực về hạ tầng máy chủ mới có thể ứng dụng những nền tảng này trong việc quản lý dữ liệu. Sau đó những công ty công nghệ này mới viết thêm một lớp phần mềm trả phí, dựa trên những nền tảng mã nguồn mở này và bán cho những doanh nghiệp không phải là công ty phần mềm.

Như vậy, những doanh nghiệp không phải là công ty công nghệ vẫn có thể sử dụng những nền tảng quản lý dữ liệu này thông qua những dịch vụ như Amazon hay Google mà không phải đầu tư chi phí cho hạ tầng, không cần phải có năng lực hiểu và tiếp cận với những phần mềm mã nguồn mở.

Có thể chúng rất khó hiểu, tuy nhiên các bạn chỉ cần đọc qua và hiểu lý thuyết để khi gặp trong thực tế không bị bỡ ngỡ và có thể biết được vấn đề những chuyên gia công nghệ đang nói đến là gì, nằm ở đâu trong giải pháp được đưa ra cho doanh nghiệp bạn.

* Quyển sách nói đến chiến lược khai thác, biến dữ liệu thành hành động và hiểu biết như thế nào?

Phần này khá dài và đưa ra rất nhiều phương pháp phân tích dữ liệu. Tuy nhiên, việc đọc hiểu dữ liệu để biến thành những insight sâu sắc như thế nào thì còn tùy vào bối cảnh kinh doanh và dữ liệu của từng doanh nghiệp. Sách chỉ tập trung để nói về các kiểu phân tích và những chiến lược phân tích khác nhau.

Hiện có rất nhiều công cụ và kỹ thuật phân tích dữ liệu, bao gồm cả phân tích văn bản, phân tích video, phân tích cảm xúc, phân tích hình ảnh hay video v.v... Ví dụ như chúng ta có thể phân tích văn bản dưới dạng ký tự để suy ra được từ ngữ, ngôn ngữ. Thậm chí trong phân tích ngôn ngữ, có thể phân tích được cảm xúc; hay trong phân tích hình ảnh, có thể nhận diện được gương mặt.

Các bạn nên lưu ý, khi sử dụng những cách phân tích này trong các chiến lược tiếp cận dữ liệu hoặc biến dữ liệu thành insight, phải xác định được việc phân tích đó có mục đích gì, muốn biết điều gì, dự đoán điều gì sẽ xảy ra trong tương lai, hay hiểu rõ những lý do trong quá khứ. Có nhiều cách phân tích đi ngược vào quá khứ như phân tích nguyên nhân và hệ quả, phân tích tương quan, phân tích tình huống, phân tích chuỗi thời gian; hướng đến tương lai như phân tích dự đoán, phân tích trực quan, phân tích hồi quy hay phân tích quy hoạch tuyến tính.

Ngoài ra có một số thuật ngữ phức tạp nhưng tôi thường nhóm chúng vào AB Testing, có nghĩa là thử nghiệm các ý tưởng kinh doanh mới trong phạm vi kiểm soát để tối ưu mô hình, nhằm chọn ra ý tưởng tốt nhất và triển khai đại trà. Chúng ta sẽ dựa trên dữ liệu để dự đoán được một vài khả năng xảy ra, thử nghiệm trên từng tình huống để xem tình huống nào có thể đưa ra kết quả tốt nhất.

Ví dụ như Tiki đang bán tiểu thuyết ngôn tình. Thông qua dữ liệu khách hàng mua tiểu thuyết ngôn tình trên Tiki, sàn thương mại điện tử này có thể nắm được thông tin về khách hàng đó: độ tuổi nào, có sở thích gì... Ví dụ, đó có thể là nhóm đối tượng có độ tuổi 18 – 24, sinh sống ở thành thị, có tính cách hướng nội và có sở thích đi du lịch. Những yếu tố về nhân khẩu học, hành vi và địa lý có thể giúp Tiki bán được sách nhiều hơn cho những nhóm khách hàng này.

Tuy nhiên, ngay cả khi có được thông tin của họ thì đây vẫn là nhóm khách hàng lớn để tiếp cận. Tiếp theo, chúng ta sẽ dựa trên một vài thuật toán phân tích tương quan để biết được thông tin nào quan trọng nhất trong các thông tin về tuổi tác, sở thích hay khu vực địa lý. Khi đã nắm được yếu tố nào quan trọng nhất, chúng ta sẽ tập trung khai thác lượng dữ liệu đó để tiến hành triển khai những chiến dịch quảng cáo tiếp theo.

Ảnh: Hạt giống tâm hồn

Đặc biệt, bạn phải nhớ rằng những phân tích dữ liệu này cần phản ánh bức tranh tổng quát ở thế giới thực để doanh nghiệp có thể phản ứng đúng, đủ nhanh và điều chỉnh kế hoạch kinh doanh theo tình hình thực tế. Những tổng hợp phân tích dữ liệu cần theo thời gian thực đối với những sự kiện và dữ liệu liên quan đến ngân hàng, tài chính tiền tệthanh toán trực tuyến. Ở những ngành bán lẻ, thói quen người tiêu dùng cần thời gian để hình thành nên thời gian tổng hợp dữ liệu diễn ra trong nhiều ngành hàng, thường là 1 tuần hoặc nhiều tháng. Vì tính chất phân tích dữ liệu ở mỗi ngành lĩnh vực sẽ khác nhau nên doanh nghiệp cần tham vấn những chuyên gia và các công ty chuyên về triển khai các dự án dữ liệu lớn để xây dựng chiến lược dữ liệu phù hợp nhất.

* Trong chương 9, có nhắc đến việc xây dựng năng lực dữ liệu trong tổ chức, anh có thể chia sẻ quan điểm của mình về vấn đề này?

Quyển sách có nói đến 5 kỹ năng khoa học dữ liệu lớn khá chung chung bao gồm: kỹ năng kinh doanh, kỹ năng phân tích, khoa học máy tính, thống kê và toán học, sự sáng tạo. Trong đó những kỹ năng có thể học được là kỹ năng kinh doanh, kỹ năng phân tíchsự sáng tạo. Tuy nhiên, kỹ năng khoa học máy tính và thống kê toán học không phải ai cũng có được và cần nhiều thời gian để xây dựng nội bộ trong tổ chức.

Để có được những kỹ năng này, thì hoặc là doanh nghiệp đã có sẵn tố chất về công nghệ ngay từ đầu, thường là ở những công ty công nghệ, ví dụ như Tiki, Momo, FPT (có thể thông qua việc tuyển dụng các kỹ sư Big Data, nhà khoa học dữ liệu hoặc đầu tư vào việc đào tạo nhân sự IT hiện có), hoặc doanh nghiệp phải thuê ngoài (outsourcing) hay tuyển mới.

Nhưng vì đây là nhóm năng lực không dễ xây dựng trong một vài năm, thì việc tuyển mới hay đào tạo nội bộ sẽ gặp khó khăn, và hơn cả là tiêu tốn rất nhiều thời gian. Do đó, cách nhanh nhất để xây dựng năng lực dữ liệu trong tổ chức đó là thâu tóm những doanh nghiệp khác có năng lực này, đặc biệt là các doanh nghiệp có sản phẩm đáp ứng đủ tiêu chí về dữ liệu mà công ty yêu cầu.

Điển hình như thương vụ Masan thâu tóm VinCommerce hay nền tảng bán lẻ Adayroi vừa qua, chúng ta có thể thấy được một phần của việc thực thi xây dựng chiến lược dữ liệu trong tổ chức. Để xây dựng chiến lược và năng lực dữ liệu, Masan cần những điểm tiếp xúc dữ liệu trực tiếp với khách hàng, đó có thể là hệ thống thương mại điện tử, nhận dạng thương hiệu bán lẻ với hệ thống cửa hàng rộng khắp cả nước. Ngoài ra họ còn phải thâu tóm về mặt năng lực công nghệ, có nghĩa là họ sẽ phải xây dựng các nguồn nhân lực cần thiết để tiếp tục quản lý và vận hành hệ thống bán lẻ và khả năng phân tích dữ liệu lớn.

Masan đang trên đà xây dựng năng lực dữ liệu.

Sẽ mất rất nhiều thời gian và tiền bạc để Masan có thể tự mình xây dựng, triển khai một hệ thống lớn như vậy. Do đó, thâu tóm chính là hành động nhanh nhất để Masan xây dựng năng lực dữ liệu. Thay vì xây dựng ngay từ đầu, việc thâu tóm sẽ cho năng lực sở hữu chuỗi bán lẻ, nhân sự và dữ liệu hành vi khách hàng trong ngành bán lẻ.

* Anh có nhận xét gì khác về quyển sách này không?

Hai chương cuối nói về những vấn đề pháp lý khi quản lý dữ liệu.

Chương 10 nói về việc đảm bảo cho dữ liệu không vi phạm vấn đề pháp lý. Trong đó, nhắc đến quyền sở hữu dữ liệu và quyền riêng tư để chắc chắn sự bảo mật của dữ liệu nhằm tránh những rắc rối cho doanh nghiệp, ví dụ như việc lộ thông tin người dùng của Facebook gây ra nhiều vấn đề tiêu cực ảnh hưởng đến nhiều cá nhân và tổ chức. Bên cạnh đó, chương này cũng đề cập đến quyền và trách nhiệm đối với loại dữ liệu mà bạn lưu trữ và thu thập, cũng như quyền hạn của bạn trong việc sử dụng và chia sẻ dữ liệu đó bên trong hệ thống của mình.

Các ứng dụng, phương pháp phân tích, tư duy, chiến lược tiếp cận, lưu trữ, xử lý và thái độ đúng trong việc quản lý dữ liệu ở ngành nghề bất kỳ đều có ở quyển sách này.

Chương cuối cùng đưa ra một số nguyên tắc và rào cản khi thực thi dữ liệu, từ đó đề xuất những gợi ý giúp bạn vượt qua những rào cản đó.

Thẳng thắn mà nói, quyển sách này có thể không hấp dẫn với những bạn không có mục đích rõ ràng về chiến lược dữ liệu hoặc thiếu các kiến thức công nghệ nền tảng. Nhưng bạn cần biết dữ liệu là một phạm trù rất rộng lớn và đa ngành, không thể được mô hình hoá, hay diễn tả hết trong một quyển sách được.

Cái hay của quyển sách này đó là tác giả nói về những ứng dụng của dữ liệu, những phương pháp phân tích, cách tư duy, chiến lược tiếp cận, lưu trữ, xử lý và thái độ đúng trong việc quản lý dữ liệu ở bất kỳ ngành nghề nào. Hàm lượng thông tin khá nhiều và bao quát, mặc dù không đi sâu, nhưng cũng đủ để giúp cho những đối tượng bắt đầu quan tâm về dữ liệu nắm được những nền tảng ban đầu. Để triển khai sâu hơn thì cần phải có nền tảng kiến thức để nghe – hiểu các chuyên gia công nghệ.

* Cảm ơn Anh về những chia sẻ trên!

Quý độc giả có thể mua sách Data Strategy tại:

* Nguồn: Brands Vietnam