Bản chất của cạnh tranh bằng phân tích

Năm 1997, một anh chàng chừng 30 tuổi, từng là chuyên gia phần mềm, nhà cải cách giáo dục và cũng là một người đam mê phim ảnh, đã thuê đĩa phim Apollo 13 từ chuỗi cửa hàng cho thuê băng đĩa lớn nhất khu vực − Blockbuster, và phải trả đến 40 đô-la tiền trả đĩa quá hạn (tính theo ngày). Việc mất thêm tiền khiến anh nảy ra suy nghĩ: tại sao các cửa hàng băng đĩa không phục vụ như những câu lạc bộ thể hình, nơi các thành viên chỉ phải trả một khoản tiền phí hàng tháng cố định rồi có thể sử dụng phòng tập bao nhiêu lâu, bao nhiêu lần tùy thích? Vì chuyện này – lại thêm việc có được khoản tiền 750 triệu đô-la nhờ bán công ty phần mềm riêng của mình – Reed Hastings háo hức nhảy vào “lĩnh vực kinh tế mới” và thành lập tập đoàn Netflix.

Một sự điên rồ chăng? Rốt cuộc, Blockbuster đã thu về lợi nhuận tới hơn 3 tỷ đô-la mỗi năm nhờ vào hệ thống hàng nghìn cửa hàng khắp nước Mỹ cũng như nhiều quốc gia khác – và nó cũng chưa phải là doanh nghiệp cạnh tranh duy nhất trong lĩnh vực này. Liệu mọi người có thể thuê một đĩa phim qua mạng, sau đó chờ dịch vụ bưu chính Hoa Kỳ (vào thập niên 1990 còn bị gọi là bưu chính “chậm như sên”) chuyển đĩa, rồi lại đến thu lại đĩa trả từ hòm thư của họ? Nếu làm như thế, chắc chắn Netflix sẽ đi theo vết xe đổ của rất nhiều công ty kinh doanh trên mạng khác, cũng có “mô hình kinh doanh”, có bán hàng, marketing, nhưng không có khách hàng.

Nhưng như sau này chúng ta đã biết, câu chuyện diễn ra hoàn toàn khác, và thành công ngày nay của Netflix chủ yếu bắt nguồn từ việc họ thực sự là một doanh nghiệp cạnh tranh bằng phân tích. Công ty chuyển phát phim Netflix, với mức tăng trưởng lợi nhuận từ 5 triệu đô-la năm 1999 lên tới 1 tỷ đô-la vào năm 2006, là một minh chứng tuyệt vời nhất cho một hãng biết cạnh tranh dựa trên cơ sở toán học, thống kê và năng lực quản lý dữ liệu. Netflix cung cấp dịch vụ chuyển phát đĩa DVD miễn phí tới khoảng 6 triệu khách hàng và cung cấp cả gói dịch vụ nhận đĩa trả về cũng miễn phí. Khách hàng có thể xem những tác phẩm điện ảnh mình đã chọn vào lúc rảnh rỗi; không hề bị tính phí trả chậm. Khi đĩa DVD được trả lại, họ sẽ chọn thêm các bộ phim khác.

Bên cạnh chuyên môn vận trù mà Netflix cần để biến kế hoạch này thành một dự án sinh lợi, Netflix cũng khai thác phân tích học theo hai cách chủ yếu, cả hai cách này đều bị hành vi của khách hàng và các kiểu mua hàng chi phối. Cách đầu tiên là sử dụng một công cụ cố vấn phim có tên là Cinematch, được chế tạo dựa trên một phần mềm độc quyền về giải thuật. Netflix thuê các nhà toán học có kinh nghiệm viết giải thuật và mã nguồn để xác định các nhóm phim, kết nối những đánh giá về phim của khách hàng với những nhóm phim này, phân tích hàng nghìn đánh giá về phim của khách hàng mỗi giây, và xem xét cả những thói quen của người sử dụng trên các trang web hiện tại – tất cả để đảm bảo có thể tạo ra một trang web được cá nhân hóa cho phù hợp với từng khách hàng ghé thăm.

Netflix còn treo giải 1 triệu đô-la cho nhà phân tích số liệu bên ngoài công ty nào có thể cải thiện được hiệu năng của giải thuật Cinematch lên ít nhất 10%. Tổng Giám đốc Điều hành của Netflix, Reed Hastings chia sẻ: “Nếu bí quyết kinh doanh của Starbucks là nụ cười dành cho bạn khi bạn gọi một tách cà phê, thì với chúng tôi là những trang web được điều chỉnh để phù hợp với sở thích của từng cá nhân.” Netflix đã phân tích những lựa chọn phim của khách hàng và phản hồi của họ về những bộ phim đã thuê – khoảng trên 1 tỷ phân tích về những bộ phim họ thích, rất thích, không thích, và nhiều thông tin khác – rồi giới thiệu các bộ phim nên xem theo cách thỏa mãn cao nhất cả gu phim của khách hàng, cũng như tình trạng sẵn có của kho phim. Netflix thường giới thiệu các bộ phim phù hợp với thông tin đăng ký thành viên của khách hàng nhưng chưa được nhiều người yêu cầu. Nói cách khác, đó chính là thuyết “Cái đuôi dài (the long tail) – giới hạn ngoài của đường cong phân phối các sản phẩm được ưa chuộng nhất và đồ thị chào hàng không bao giờ gặp nhau.”

Netflix còn tham gia vào một chiến lược còn đang tranh cãi, dựa trên phép phân tích gọi là tiết lưu (Throttling). “Tiết lưu” được biết đến như một chiến lược được doanh nghiệp sử dụng để cân bằng việc sắp xếp các yêu cầu chuyển hàng giữa nhóm khách hàng thường xuyên và khách hàng vãng lai. Khách hàng vãng lai được ưu tiên chuyển hàng nhanh hơn khách hàng thường xuyên. Có nhiều lý do biện giải cho cách làm này. Bởi vì phí vận chuyển là miễn phí trong khi phí thành viên đóng hàng tháng là cố định, vì vậy, khách vãng lai là những người đem lại nhiều lợi nhuận nhất cho Netflix. Như tất cả các công ty khác, Netflix muốn duy trì sự hài lòng của những khách hàng sinh lợi nhất và giữ chân họ. Và khi mà những khách thường xuyên cảm thấy không được đối xử công bằng (theo các báo cáo của Hastings, có một số lượng nhỏ khách hàng than phiền về điều này), Netflix phải điều chỉnh khả năng vận chuyển cho cả khách hàng vãng lai lẫn khách quen theo cách đạt hiệu quả kinh tế cao nhất. Hastings sử dụng giải thuật công bằng (fairness algorithm). Gần đây, Netflix phải giải quyết một vụ kiện tập thể liên quan đến việc điều tiết chuyển hàng này, do họ đã quảng cáo rằng gần như mọi yêu cầu về phim sẽ được chuyển phát nhanh trong ngày.

Phân tích học còn giúp Netflix quyết định đầu tư tiền bản quyền phân phối đĩa phim DVD cho bộ phim nào. Khi công ty này mua bản quyền phim Favela Rising (Favela nổi dậy), một phim tài liệu về những nhạc sĩ ở các khu ổ chuột trong thành phố Rio de Janeiro, ban lãnh đạo của Netflix nhận thấy có tới hàng triệu khách hàng cũng yêu cầu công ty cho thuê “bộ phim của năm 2003” – City of God (Thành phố của Chúa), một bộ phim chân thực về các khu ổ chuột ở Rio. Họ còn biết rằng có khoảng 500 nghìn khách hàng cũng đã chọn một bộ phim tài liệu có chút liên quan tới cuộc sống ở các khu ổ chuột tại Ấn Độ, tên là Born into Brothels (Sinh ra trong nhà thổ), và có 250 nghìn khách hàng của Netflix hỏi thuê cả hai bộ phim trên. Do đó, những người mua bản quyền thấy yên lòng khi trả tiền để mua bản quyền phát hành khoảng 250 nghìn bản. Nếu có nhiều nhu cầu thuê hơn, cả nhà sản xuất bộ phim Favela Rising và Netflix đều thu lợi.

Tổng Giám đốc Điều hành của Netflix, Hastings, có bằng thạc sĩ khoa học máy tính của trường Stanford và từng là cựu giảng viên môn toán của trường Peace Corps. Công ty đã đem khoa học kỹ thuật áp dụng vào một ngành công nghiệp đặc biệt giàu tính nghệ thuật. Tờ Business Week viết: “Netflix sử dụng dữ liệu để đưa ra những quyết định mà các nhà lãnh đạo thường đưa ra dựa trên ý chí. Trung bình một khách hàng đánh giá khoảng 200 bộ phim, và Netflix nghiên cứu thông tin về quá trình thuê phim cũng như những đánh giá về phim của họ để từ đó dự đoán thể loại phim họ sẽ thích… Richard N. Barton, thành viên ban quản trị Netflix nói: ’Đó giống như một Moneyball (Quả bóng tiền) cho phim, với những chuyên gia phần mềm như Reed, nghiên cứu phim cũng không khác gì xem xét một vấn đề dữ liệu khác’.”

Trong phân tích của mình, Netflix sử dụng rộng rãi các phương pháp định lượng và định tính, bao gồm những điều tra cơ bản, phân tích các trang web của người dùng, phát triển ý tưởng và kiểm nghiệm, đánh giá chiến lược quảng cáo, khai thác dữ liệu, nghiên cứu về nhận thức thương hiệu, sự hài lòng của người dùng, phân tích các kênh phân phối, tối ưu hóa marketing, nghiên cứu phân khúc thị trường và hiệu quả chủ chốt của marketing. Những phân tích này thâm nhập vào văn hóa công ty cũng như tất cả các mảng, từ marketing đến các hoạt động điều hành và cả dịch vụ khách hàng.

Định hướng sử dụng phân tích học của công ty đã đem đến thành công và sự tăng trưởng. Nhưng công ty còn tính đến việc sử dụng phân tích học để giúp công ty vượt qua giai đoạn chuyển đổi công nghệ vũ bão. Rõ ràng là việc phân phối phim rốt cuộc sẽ phải thông qua các kênh phân phối điện tử – Internet, mạng cáp tín hiệu, và truyền dữ liệu không dây. Thời gian chính xác cũng như công nghệ giao thoa ra sao chưa thật rõ ràng lắm, nhưng rõ ràng trong dài hạn việc phân phối DVD qua hệ thống bưu chính truyền thống sẽ lụi tàn. Tuy nhiên, Netflix muốn dựa vào phân tích học để phát đạt trong thế giới phân phối ảo. Chỉ cần Netflix nắm được nhiều thông tin hơn các hãng khác về những bộ phim khách hàng muốn xem, thì theo logic, người dùng cũng sẽ gắn bó với Netflix mà không cần quan tâm tới việc bộ phim đó đến tay họ theo cách nào.

Netflix có vẻ độc đáo, nhưng trên nhiều bình diện, nó là một điển hình của những tổ chức/ doanh nghiệp – nhỏ nhưng phát triển nhanh chóng – đã nhận ra tiềm năng của phân tích học và xông xáo đi trước tận dụng tiềm năng đó. Có thể bắt gặp những công ty này trong rất nhiều lĩnh vực khác nhau. Một số công ty không được biết đến rộng rãi như là những hãng cạnh tranh bằng phân tích. Số khác, như tập đoàn giải trí Harrah’s trong lĩnh vực trò chơi hay Oakland A trong môn bóng chày, đã được vinh danh trên các cuốn sách và tạp chí. Một vài hãng khác, như Amazon.com, Yahoo! và Google – những ngôi sao mới nổi gần đây – đã khai thác sức mạnh của mạng Internet cho các cỗ máy tìm kiếm/phân tích của họ. Những công ty còn lại như Mars và Procter & Gamble đã tạo nên rất nhiều sản phẩm tiêu dùng quen thuộc đến hàng thế kỷ hay thậm chí lâu hơn thế. Tất cả những công ty này chỉ có hai điểm chung: họ cạnh tranh dựa trên nền tảng khả năng phân tích của mình, và họ đều rất thành công trong ngành của họ. Chúng tôi tin rằng hai điểm này không thể không có liên quan với nhau.

Phân tích học là gì?

Phân tích học là việc sử dụng rộng rãi dữ liệu, các phân tích thống kê số học, mô hình dự báo và giải thích, cùng với phương pháp quản lý dựa trên dữ liệu để đưa ra những quyết định và hành động thích hợp. Phân tích học có thể được sử dụng làm tài liệu cho các quyết định của con người hoặc tự nó có thể đưa ra các quyết định hoàn toàn tự động. Phân tích học có thể coi là một phần của các nghiệp vụ xử lý dữ liệu thông minh (Business Intelligence): một tập hợp các công nghệ và quy trình xử lý, trong đó sử dụng dữ liệu để đánh giá và phân tích hiệu quả sản xuất kinh doanh của doanh nghiệp.

Trên nguyên tắc, có thể thực hiện phân tích học bằng giấy và cây bút chì hay thước lôga; nhưng ngày nay bất kỳ ai cũng biết ứng dụng công nghệ thông tin. Hiện có hàng loạt phần mềm phân tích, từ những công cụ tối ưu hóa và thống kê tương đối đơn giản dưới dạng các trang bảng tính (điển hình là MS Excel), hay những bộ công cụ hỗ trợ các nghiệp vụ xử lý dữ liệu thông minh phức tạp (như SAS, Cognos, BusinessObjects), những ứng dụng dự báo kinh doanh (như Fair Issac), cho đến những mô-đun báo cáo và phân tích trong các hệ thống quản trị doanh nghiệp lớn (như của SAP và Oracle). Và như chúng tôi sẽ còn nói rõ hơn trong cuốn sách này, việc phân tích tốt cũng đòi hỏi khả năng quản lý thông tin tốt để có thể tích hợp, trích xuất, chuyển đổi và truy cập cơ sở dữ liệu về các giao dịch kinh doanh của doanh nghiệp. Một vài người có thể dễ dàng đánh đồng phân tích học với công nghệ thông tin về phân tích. Nhưng đây là một nhầm lẫn lớn – như chúng tôi sẽ thảo luận trong suốt cuốn sách này, chính khía cạnh tổ chức và con người trong cuộc cạnh tranh bằng phân tích mới là yếu tố phân biệt thật sự.

Tại sao lại cạnh tranh bằng phân tích?

Khi các công ty ở nhiều lĩnh vực khác nhau cùng đưa ra những sản phẩm tương tự nhau và cùng sử dụng các công nghệ tương đương thì chỉ những quy trình kinh doanh có hiệu quả cao mới có thể được xem là những điểm phân biệt cuối cùng. Rất nhiều lợi thế cạnh tranh trước kia giờ đây không còn nữa. Những lợi thế địa lý độc đáo không còn nhiều ảnh hưởng trong cuộc chiến cạnh tranh toàn cầu, và phần lớn luật bảo hộ cũng bị phá bỏ. Những công nghệ độc quyền nhanh chóng bị sao chép, những đổi mới mang tính đột phá về sản phẩm và dịch vụ thì có vẻ ngày càng khó đạt được. Yếu tố duy nhất còn lại làm cơ sở cho cạnh tranh chính là việc điều hành doanh nghiệp của bạn đạt hiệu quả cao và ấn tượng nhất, và làm sao để đưa ra những quyết định khôn ngoan nhất có thể. Các doanh nghiệp cạnh tranh bằng phân tích tận dụng triệt để giá trị từ các quy trình kinh doanh cũng như những quyết định chiến lược.

Phân tích học có thể hỗ trợ tối đa các quy trình kinh doanh của doanh nghiệp. Dẫu vậy tổ chức nào muốn có được lợi thế cạnh tranh bắt buộc phải có một số đặc điểm riêng mà những doanh nghiệp/ tổ chức khác không có – những khả năng độc đáo. Và chúng thường đòi hỏi một vài kiểu chiến lược kinh doanh và phương pháp ra quyết định nhất định. Có thể bạn cố gắng kiếm tiền bằng cách xác định những khách hàng tiềm năng và khách hàng trung thành chính xác hơn các đối thủ, rồi đưa ra mức giá tối ưu nhất cho sản phẩm và dịch vụ của bạn. Nếu bạn muốn thực hiện điều đó, phân tích học sẽ giúp bạn trở thành người giỏi nhất. Có thể bạn bán các sản phẩm tiêu dùng và muốn ước tính khả năng khan hàng đến mức xấu nhất để ngăn chặn tình trạng thiếu hàng; nếu thế, phân tích học thường là chiếc chìa khóa cho việc tối ưu hóa vòng cung ứng sản phẩm. Có thể bạn cạnh tranh nhờ vào yếu tố con người trong doanh nghiệp và đang cố tìm kiếm để thuê, giữ chân hay đề bạt những nhân viên xuất sắc nhất trong ngành. Những mong muốn đó cũng được đáp ứng thông qua phân tích học (mặc dù mục đích này thường được áp dụng rộng rãi trong lĩnh vực thể thao chuyên nghiệp và không nhiều trong sản xuất kinh doanh).

Mặt khác, có thể các quy trình kinh doanh trong hoạt động của bạn không khác biệt nhiều lắm so với doanh nghiệp khác, thì bạn cũng có thể cạnh tranh bằng cách đưa ra những quyết định sáng suốt nhất. Bạn có thể chọn được vị trí tốt nhất để mở cửa hàng – nếu vậy, có lẽ bạn đang thực hiện việc đó một cách có phân tích. Bạn cũng có thể mở rộng quy mô của công ty thông qua sáp nhập hoặc mua lại, và bạn chỉ chọn những ứng viên tốt nhất cho việc này. Theo các báo cáo được công bố rộng rãi, hầu hết các doanh nghiệp không làm tốt việc này, nhưng bạn thì làm tốt. Nếu vậy, có lẽ bạn đưa ra các quyết định không dựa vào trực giác. Những quyết định chính xác thường được đưa ra nhờ sự kết hợp một cách có hệ thống dữ liệu và quá trình phân tích.

Các doanh nghiệp cạnh tranh bằng phân tích đã ưu tiên chọn ra một hoặc một vài khả năng độc đáo của mình, sau đó xây dựng các chiến lược kinh doanh dựa trên những khả năng đó; họ áp dụng việc khai thác dữ liệu, các phân tích thống kê số học, việc ra quyết định dựa trên thực tế để phát triển những khả năng độc đáo của mình. Bản thân phân tích học không tạo nên chiến lược kinh doanh, nhưng sử dụng nó để tối ưu hóa những khả năng độc đáo của doanh nghiệp lại chắc chắn sẽ cấu thành chiến lược. Dù các khả năng đó có nổi bật thế nào trong chiến lược kinh doanh thì phân tích học vẫn có thể nâng tầm chúng lên cao nữa. Ví dụ công ty Capital One đặt tên cho phương pháp cạnh tranh bằng phân tích của mình là “chiến lược cạnh tranh bằng thông tin”. Các yếu tố cạnh tranh của Harrah’s là lòng trung thành của khách hàng và hệ thống dịch vụ, hơn nữa, họ cũng đã tối ưu hóa chúng với chiến lược cạnh tranh bằng phân tích.

Liệu mọi doanh nghiệp trong mọi lĩnh vực đều có thể thành công khi cạnh tranh bằng phân tích không? Đây là một câu hỏi thú vị mà chúng ta có thể tranh luận với nhau. Một mặt, hầu như bất cứ doanh nghiệp nào cũng đều có vẻ có tiềm năng cạnh tranh bằng phân tích. Ví dụ như kinh doanh xi măng, có vẻ là lĩnh vực rất bình thường và không cần phân tích học như các lĩnh vực khác. Nhưng một hãng xi măng lớn là CEMEX đã rất thành công khi áp dụng phân tích học cho những khả năng độc đáo của hãng để tối ưu hóa chuỗi cung ứng và thời gian giao nhận hàng.

Mặt khác, một số ngành hay lĩnh vực phù hợp với việc áp dụng phân tích học hơn hẳn so với những lĩnh vực khác. Nếu doanh nghiệp của bạn tạo ra rất nhiều dữ liệu giao dịch – chẳng hạn như các dịch vụ tài chính, du lịch và vận tải, hay lĩnh vực trò chơi giải trí – cạnh tranh bằng phân tích hẳn là một chiến lược kinh doanh bắt buộc (mặc dù vậy vẫn có nhiều hãng chưa áp dụng). Nếu mô hình kinh doanh của bạn lại dựa trên những yếu tố khó có thể đo lường – chẳng hạn như kiểu dáng trong thời trang, hay các mối quan hệ của con người, như trong ngành nghiên cứu việc điều hành doanh nghiệp – thì sẽ phải tốn nhiều công sức chuẩn bị hơn để có thể cạnh tranh bằng phân tích. Dù vậy, hàng ngày chúng ta đều có thể bắt gặp những ví dụ về các doanh nghiệp trước đây kinh doanh dựa trên trực giác, nhưng giờ đang chuyển mình vào thế giới của phân tích học. Ví dụ một công ty kinh doanh rượu đã từng (trong vài quý) quá nghiêng về trực giác và dựa vào những thị hiếu người tiêu dùng thể tiên đoán. Tuy nhiên, ngày nay, có thể phân tích số lượng cũng như dự đoán sức thu hút của tất cả các loại rượu; và những nhà sản xuất rượu lớn như E. & J. Gallo đang thực hiện cạnh tranh bằng phân tích trong lĩnh vực bán hàng và nghiên cứu thị hiếu người tiêu dùng.

Chúng ta đã đến đây như thế nào? Nguồn gốc của cạnh tranh bằng phân tích

Rõ ràng, thế giới đang chuyển mình theo hướng cạnh tranh bằng phân tích của các tổ chức. Chính vào lúc các nhà quản trị doanh nghiệp đang tiếp tục tìm kiếm những yếu tố tạo nên lợi thế và sự khác biệt, họ cũng nắm được nhiều thông tin về hoạt động sản xuất kinh doanh của doanh nghiệp hơn bao giờ hết. Hệ thống hoạch định nguồn lực doanh nghiệp (ERP), các hệ thống hỗ trợ bán lẻ (POS), hay các trang web, cùng với các nguồn khác đã tạo ra dữ liệu giao dịch nhiều và tốt hơn hẳn so với dữ liệu trong lịch sử nhân loại. Một thế hệ mới các nhà quản trị doanh nghiệp có kiến thức kỹ thuật – thế hệ đầu tiên trưởng thành cùng với máy tính – đang gia nhập các doanh nghiệp và tìm kiếm những phương pháp quản trị mới với sự hỗ trợ của công nghệ. Rốt cuộc, khả năng tận dụng việc khai thác thông tin nhờ máy tính và các phần mềm ứng dụng đã chín muồi. Trong vài năm qua, các nhà sản xuất phần mềm phân tích liên tục mở rộng các tính năng của sản phẩm, trong khi các nhà cung cấp thiết bị phần cứng cũng tiến hành tối ưu hóa công nghệ để tăng cường khả năng phân tích nhanh cũng như quản lý các cơ sở dữ liệu lớn.

Ban đầu, phân tích học chỉ mang tính chất nhỏ lẻ, thất thường, được thực hiện trong một vài nghiệp vụ kinh doanh sử dụng nhiều dữ liệu. Vào nửa cuối thập kỷ 1960, các bác sĩ và nhà nghiên cứu thử nghiệm sử dụng máy tính để phân tích dữ liệu và hỗ trợ việc ra quyết định. Các hệ thống đó được gọi là các hệ hỗ trợ quyết định (Decision Support Systems – DSS), các hệ thống này được ứng dụng trong các hoạt động có tính phân tích, hoặc lặp đi lặp lại hay mang tính ứng dụng hẹp chẳng hạn như hoạch định sản xuất, quản lý danh mục vốn đầu tư và các thủ tục vận tải. Hai nhà tiên phong trong hệ thống hỗ trợ quyết định là Peter Keen và Charles Stabell, cho rằng, ý tưởng đầu tiên về hệ hỗ trợ quyết định được hình thành từ những nghiên cứu tại trung tâm công nghệ Carnegie Tech (nay là Carnegie Mellon) bởi một số nhà nghiên cứu như Herbert Simon trong những năm cuối của thập kỷ 1950 và đầu thập kỷ 1960, cùng với những nghiên cứu về các hệ thống máy tính tương tác, chủ yếu được thực hiện ở MIT trong những năm 1960. Một số người lại cho rằng nguồn gốc của chúng liên quan chặt chẽ đến những ứng dụng quân sự trong và sau Chiến tranh thế giới thứ hai, mặc dù máy tính điện tử hồi đó không sẵn cho những ứng dụng kiểu như vậy.

Việc phân tích thống kê trên máy tính đã trở thành hoạt động chủ đạo trong những năm 1970, khi mà các công ty, như SAS Institute và SPSS, giới thiệu các gói phần mềm ứng dụng giúp việc truy cập thông tin thống kê trở nên dễ tiếp cận hơn với các nhà nghiên cứu và doanh nhân. Vào giai đoạn đó, bất chấp việc thống kê đã trở nên phổ biến hơn nhiều, hệ hỗ trợ quyết định vẫn không mang lại thành công và không thể trở thành hệ thống hỗ trợ điều hành. Những ứng dụng này đòi hỏi các nhà quản lý cao cấp trực tiếp sử dụng máy tính và dữ liệu để theo dõi và báo cáo hiệu quả kinh doanh (ít nhấn mạnh vào việc ra quyết định hơn). Hoạt động này cũng chưa bao giờ được ứng dụng rộng rãi, một phần do sự chần chừ của các nhà quản lý trong việc tập sử dụng.

Công nghệ phân tích được sử dụng phổ biến nhất trong việc lưu trữ lượng nhỏ thông tin và chỉ đạo các truy vấn đặc biệt trong việc hỗ trợ quyết định và theo dõi hiệu quả kinh doanh. Việc tập trung vào quản lý dữ liệu trở nên đặc biệt quan trọng khi mà lượng dữ liệu rất lớn có thể thu được từ các hệ thống quản trị giao dịch như các hệ thống hoạch định nguồn lực doanh nghiệp (ERP) hay hệ hỗ trợ bán lẻ (POS), và sau này là các giao dịch qua mạng Internet. Các dạng tập trung hướng vào dữ liệu này được biết đến như OLAP (xử lý dữ liệu phân tích trực tuyến) và sau này là kho dữ liệu (data warehousing). Những kho dữ liệu nhỏ hơn còn được gọi là các trung tâm dữ liệu (data marts).

Như đã đề cập ở trên, ngày nay, toàn bộ các hệ thống trên được gọi bằng thuật ngữ “các nghiệp vụ xử lý dữ liệu thông minh” (Business Intelligence), một hệ thống kết hợp chặt chẽ các tập hợp dữ liệu định hướng quyết định, phương pháp quản lý và báo cáo, cũng như các công nghệ phân tích và phương pháp tính toán được thực hiện trên dữ liệu đó. Trí tuệ doanh nghiệp về tổng quan là một mảng rộng và phổ biến trong ngành công nghệ thông tin – trên thực tế, một cuộc khảo sát của Gartner vào năm 2006 đối với 1.400 trưởng phòng thông tin chỉ ra rằng các nghiệp vụ xử lý dữ liệu thông minh là công nghệ ưu tiên số một cho các tổ chức doanh nghiệp công nghệ thông tin. Hai nghiên cứu trên các tổ chức doanh nghiệp lớn có sử dụng các hệ hoạch định nguồn lực doanh nghiệp (ERP) thực hiện năm 2002 và 2006 cho thấy khả năng ra quyết định chính xác là lợi ích hàng đầu được các doanh nghiệp tìm kiếm và (khảo sát năm 2006) phân tích học là công nghệ được theo đuổi nhiều nhất để tận dụng lợi thế của dữ liệu có được từ ERP.

Mặc dù có sự biến đổi về thuật ngữ, những xu hướng này – mỗi xu hướng tồn tại khoảng một thập kỷ – đều có những thuộc tính chung. Tất cả đều tập trung vào việc chỉ rõ khả năng của máy tính có thể giúp lưu trữ, phân tích, hiển thị dữ liệu và hiển thị kết quả của phân tích. Chúng chỉ tập trung vào những vấn đề tương đối hẹp – ngoại trừ các hệ thống quản trị và theo dõi hiệu quả kinh doanh, chỉ biểu thị tình hình của doanh nghiệp. Chúng còn được giao thẳng cho những “phòng ban hậu cần” (back office) của doanh nghiệp – được vận hành bởi những kỹ thuật viên và các chuyên gia, nơi các quản lý cao cấp chỉ dành chút ít sự quan tâm. Với rất ít ngoại lệ, khó có thể nói chúng tác động đến cốt lõi của cạnh tranh.

Ngày nay, đa số các doanh nghiệp lớn đều có một vài loại phần mềm ứng dụng phân tích tại chỗ và các công cụ hỗ trợ các nghiệp vụ xử lý dữ liệu thông minh được cài đặt. Nhưng chúng chỉ được coi là những công cụ ngoài lề trong sự thành công của doanh nghiệp và được quản lý ở cấp độ hành chính. Ví dụ như ở một công ty bảo hiểm, có thể trang bị một vài công cụ phân tích cho phòng thống kê bảo hiểm, nơi định giá cho các chính sách. Một hãng sản xuất thì có lẽ sẽ sử dụng những công cụ như vậy cho việc quản lý chất lượng. Các công ty marketing có thể có được khả năng phân tích giá trị khách hàng. Tuy nhiên, dù các hoạt động đó có lợi đến đâu, chúng cũng không được các nhà quản lý cao cấp, khách hàng và cổ đông nhìn nhận đúng – và đương nhiên chúng không thể được coi là có vai trò quyết định đối với các chiến lược cạnh tranh của công ty. Chúng quan trọng với từng bộ phận riêng lẻ trong công ty, nhưng lại bị coi là không đáng kể so với toàn bộ khả năng cạnh tranh của công ty.

Tuy nhiên, trong cuốn sách này, chúng ta chỉ tập trung vào các công ty biết đánh giá đúng và nâng việc quản lý dữ liệu, phân tích số học và thống kê, việc ra quyết định dựa trên thực tế lên tầm một nghệ thuật cao cấp. Các tổ chức này có những hoạt động phân tích rất minh bạch; thông tin có thể được cung cấp cho từng cổ đông và những nhóm quan tâm thông qua giám đốc điều hành. Thay vì vận hành trong những phòng ban hậu cần chẳng ai biết đến, có thể dễ dàng tìm thấy phân tích học của những công ty đó trong các báo cáo thường niên hay trên các bài báo. Các tổ chức này thu thập thông tin từ những nguồn mà mọi người đều có thể tiếp cận, sau đó gạn lọc chúng đến một mức độ đủ để dựa vào đó mà xây dựng các chiến lược kinh doanh của họ.

Khi nào thì các quyết định dựa trên phân tích là thích hợp?

Nhiều bằng cứ cho thấy việc ra các quyết định dựa trên phân tích học có vẻ chính xác hơn là những quyết định dựa trên trực giác. Biết sẽ tốt hơn – ít nhất là trong giới hạn dữ liệu cùng các phân tích – tin, suy nghĩ hay cảm giác, và phần lớn các công ty đều có thể kiếm lợi nhiều hơn từ những quyết định dựa trên phân tích. Tất nhiên là vẫn có những trường hợp mà các quyết định không thể, hoặc không nên dựa vào phân tích. Một vài trường hợp đó được đề cập tới trong cuốn sách nổi tiếng của Malcolm Gladwell − Blink (Trong chớp mắt), một cuốn sách ngợi ca những quyết định dựa vào trực giác. Có vẻ thật hài hước khi cuốn sách tán dương trực giác và cho rằng các quyết định dựa trên trực giác sẽ phát triển và trở nên phổ biến trong khi có tổ chức đang phụ thuộc rất nhiều vào phân tích học, nhưng có lẽ đó là một phần mong muốn ảo tưởng của cuốn sách. Cuốn sách viết rất hài hước và thuyết phục, nhưng nó không chỉ rõ vấn đề là trực giác chỉ thích hợp với một số hoàn cảnh nhất định. Gladwell hoàn toàn đúng, chẳng hạn như loài người tiến hóa khả năng ra các quyết định nhanh chóng và chính xác về tính cách cũng như ý định của người khác, và trong trường hợp này hiếm khi phân tích học ưu việt bằng trực giác. Dẫu vậy Gladwell vẫn cho rằng trực giác của con người sẽ chỉ là kim chỉ nam cho hành động khi nó là kết quả của nhiều năm kinh nghiệm. Và rất nhiều ví dụ của Gladwell về trực giác chỉ có thể áp dụng khi đã có nền tảng hàng năm trời nghiên cứu mang tính phân tích, chẳng hạn như những phán đoán nhanh và có vẻ mang tính trực giác của Tiến sĩ John Gottsman về việc liệu các đôi đã cưới nhau mà ông theo dõi có sống được với nhau không. Ông chỉ có thể đưa ra những đánh giá đó sau khi đã theo dõi và phân tích thống kê hàng nghìn giờ xem băng ghi hình các đôi cư xử với nhau.

Rõ ràng là những người phải ra quyết định nhiều khi  buộc phải sử dụng trực giác khi họ không có thông tin mà vẫn phải đưa ra quyết định nhanh chóng – như trong ví dụ của Gladwell về các nhân viên cảnh sát phải quyết định có bắn kẻ tình nghi hay không. Gary Klein, tư vấn viên về ra quyết định, cũng có những luận điểm tương tự về những người lính cứu hỏa khi di chuyển trong tòa nhà đang bốc cháy. Thậm chí có những hãng về cơ bản sử dụng phân tích học nhưng thỉnh thoảng cũng phải cần đến trực giác khi họ không có dữ liệu tham khảo. Ví dụ, Jeff Bezos, Tổng Giám đốc Điều hành của Amazon.com, rất ưa chuộng việc tiến hành các cuộc kiểm chứng có giới hạn đối với những tính năng mới của Amazon.com, đo lường kĩ lưỡng phản ứng của người dùng trước khi đưa chúng vào hoạt động. Nhưng tính năng “tìm kiếm nội dung sách” (Search Inside the Book) của công ty không thể đánh giá kiểm tra được nếu không áp dụng trên lượng đầu sách khổng lồ (Amazon.com khởi nghiệp đã có 120 nghìn đầu sách). Chi phí phát triển cũng quá tốn kém và tăng khả năng rủi ro. Trong trường hợp này, Bezos đã tin vào bản năng của mình và đánh liều thực hiện. Sau khi ra đời, tính năng này đã chứng minh là được nhiều người yêu thích.

Tất nhiên, bất cứ phân tích số học nào cũng phải dựa trên một loạt giả định. Khi các điều kiện của những giả định này không còn đúng nữa, thì các kết quả phân tích cũng không thể đem áp dụng. Ví dụ như công ty Capital One và một số công ty kinh doanh thẻ tín dụng khác đã đưa ra những dự báo mang tính phân tích về sự sẵn sàng trả nợ tín dụng của khách hàng trong tình hình kinh tế phát triển thịnh vượng. Nếu nền kinh tế khủng hoảng nghiêm trọng, thì những dự báo này sẽ không thể được đem ra áp dụng nữa, và thật nguy hiểm nếu vẫn tiếp tục sử dụng những phân tích dự báo này.

Điều quan trọng nhất là giới hạn của việc ra các quyết định mang tính phân tích vẫn không ngừng được mở rộng. Phạm vi của việc ra quyết định phù hợp với dữ liệu trực quan và những phân tích khắt khe theo thời gian, cùng với trực giác vẫn chưa được phát huy tối đa. Ví dụ, ngày nay, một số giám đốc điều hành cho rằng vẫn có thể đưa ra các quyết định quan trọng trong việc sáp nhập hoặc mua lại dựa trên trực giác. Tuy nhiên, những công ty giỏi nhất lại biết sử dụng các kết quả phân tích chi tiết để đưa ra quyết định. Ví dụ, hãng Procter & Gamble, đã sử dụng rất nhiều công nghệ phân tích khác nhau trước khi mua lại Gillette, bao gồm cả hậu cần, vòng cung ứng, những yếu tố chi phối thị giá cổ phiếu, và nhân lực. Trong vài năm tới, hãng nào không biết tận dụng rộng rãi phân tích học trong các quyết định mua lại quan trọng sẽ bị xem là vô trách nhiệm.

 Xu hướng này đang gần như bao trùm lên toàn bộ các doanh nghiệp. Số lượng dữ liệu sẵn có cũng không ngừng tăng lên. Các thiết bị xác định thông tin qua tần số radio (RFID – Radio-Frequency Identification) sẽ được cấy lên các tấm nâng hàng hay các hộp các-tông để được chuyển đi khắp nơi theo vòng cung ứng, sinh ra rất nhiều dữ liệu truyền về để công ty thu thập và phân tích. Cụ thể hơn, mỗi một xe vận chuyển hàng sẽ đủ thông minh để thu thập dữ liệu về “hướng lựa chọn”, hoặc những bản ghi thông tin về danh sách các sản phẩm được nhặt khỏi giá bày hàng theo một thứ tự nào đó. Trong ngành công nghiệp khai khoáng, lượng dữ liệu khổng lồ – vốn đã rất lớn – sẽ còn được mở rộng theo từng vùng địa lý. Trong lĩnh vực quảng cáo, việc ngày càng nhiều doanh nghiệp chuyển sang các phương tiện truyền thông đại chúng như mạng Internet, truyền hình cáp, từ đó có thể theo dõi xem quảng cáo nào được đối tượng khán giả nào xem – một lần nữa lại sản sinh một lượng lớn luồng dữ liệu mới.

Các phần mềm phân tích ngày càng sẵn có và được phân phối rộng rãi đến tất cả các tổ chức/doanh nghiệp. Các công ty phần mềm chuyên về thống kê như SAS hay SPSS đã tạo ra hàng loạt phân tích rất phức tạp cho phần lớn các công ty và người dùng trong 30 năm qua, và họ vẫn tiếp tục phát triển. Những công ty chuyên về hỗ trợ các nghiệp vụ xử lý dữ liệu thông minh như SAS, Business Objects và Cognos thì tiếp tục bổ sung những chức năng phân tích cho các bộ công cụ của họ. Những phần mềm ứng dụng mới xuất hiện nhắm tới những khả năng khác nhau của doanh nghiệp sẽ được trình làng bởi những đại lý phân phối như tập đoàn Fair Issac. Những nhà phân phối hệ thống phần mềm doanh nghiệp khác như SAP và Oracle ngày càng hiện thực hóa khả năng phân tích hệ thống dữ liệu kinh doanh và theo dõi hiệu quả kinh doanh. Và cả Microsoft cũng đang tích hợp khả năng phân tích vào bộ công cụ văn phòng chuẩn. Trong tương lai, tính năng phần mềm không còn là vấn đề trong việc cạnh tranh bằng phân tích nữa, mặc dù việc sử dụng tốt những phần mềm ứng dụng phân tích chưa bao giờ là việc dễ dàng.

Có thể cho rằng phần cứng cũng không phải là vấn đề. Ngày nay, thì bộ vi xử lý 64 bit của Intel và các hãng khác đều có thể thực hiện phân tích số học trên những tập hợp dữ liệu lớn được xem như những công nghệ hàng đầu, nhưng chúng cũng không tồn tại lâu. Các máy tính chuyên dụng khác được các hãng như Teradata và Netezza cung cấp cũng có thể dễ dàng quản lý hàng tỷ byte dữ liệu từ những kho dữ liệu. Không nghi ngờ gì nữa, trong tương lai gần, hệ thống máy tính cá nhân cũng có thể thực hiện những phân tích quan trọng. Vấn đề lớn nhất lại là làm sao các tổ chức có thể quản lý được dữ liệu và các phân tích của họ, đồng thời đảm bảo từng cá nhân người dùng có thể đưa ra các quyết định dựa trên những phân tích và giả định đúng đắn.

Tuy nhiên, để duy trì cạnh tranh bằng phân tích, các doanh nghiệp phải luôn dẫn đầu về công nghệ. Các doanh nghiệp cạnh tranh bằng phân tích sẽ phải luôn đặt mình vào một cuộc chạy đua vũ trang, yêu cầu liên tục phát triển những tiêu chuẩn đánh giá, giải thuật mới và những phương pháp ra quyết định mới. Các doanh nghiệp theo đuổi chiến lược cạnh tranh này phải loại bỏ một cách có hệ thống những quyết định có tính phỏng đoán ra khỏi quy trình và mô hình kinh doanh của mình. Các doanh nghiệp cạnh tranh bằng phân tích sẽ phải hướng những phân tích theo nhiều khía cạnh của hoạt động sản xuất kinh doanh và học hỏi từ những khía cạnh đó. Để những quyết định mang tính định lượng được thực hiện hiệu quả, những phân tích sẽ phải là kết quả của trí tuệ tập thể, thay vì chỉ xuất phát từ ý kiến chuyên gia của các vị “bác học”.

Chúng tôi đã thiết kế sơ đồ chỉ dẫn các bước chính để xây dựng một doanh nghiệp cạnh tranh bằng phân tích một cách hiệu quả. Điều này đòi hỏi những điều kiện tiên quyết, chẳng hạn như tối thiểu phải có một lượng dữ liệu vừa phải, đủ chất lượng về những lĩnh vực kinh doanh mà phân tích học có thể hỗ trợ, cũng như phải có đủ phần cứng và phần mềm tốt trong tay. Tuy nhiên, còn một yếu tố quan trọng khác là con người. Một điều kiện tiên quyết là người giám đốc phải thật sự tận tụy với phân tích học để có thể phát triển các ý tưởng. Nhưng còn một nhân tố quan trọng nữa tác động đến tốc độ và chất lượng kết quả thực hiện của doanh nghiệp, đó là sự hậu thuẫn. Những hãng như Netflix, Harrah’s, và Capital One có sự hậu thuẫn ở tầm giám đốc điều hành, và thậm chí, niềm đam mê với phân tích học còn giúp họ tiến lên “với tất cả tinh thần và lực lượng” trên con đường tiến tới thành công.

Những tổ chức còn thiếu sự hậu thuẫn của ban điều hành đầy nhiệt huyết, trước hết sẽ phải vượt qua được “bước đi chứng minh” để khẳng định giá trị của cạnh tranh bằng phân tích. Quá trình này sẽ chậm hơn, và những ai phải trải qua bước đi chứng minh cuối cùng cũng trở thành những người hậu thuẫn điều hành lớn nếu họ trở thành những doanh nghiệp thực sự cạnh tranh bằng phân tích. Chúng tôi sẽ bàn về sơ đồ chỉ dẫn thực hiện – và từng bước trên hai còn đường này – một cách rất chi tiết trong phần II của cuốn sách (cụ thể là trong Chương 6). Hiện tại, chúng tôi chỉ đơn giản muốn nhấn mạnh rằng mặc dù có vẻ như phân tích học vẫn chưa được quan tâm đầy đủ và bị phụ thuộc vào máy tính, nhưng những nhân tố quan trọng nhất dẫn tới thành công luôn đòi hỏi những con người có niềm đam mê.

Posted in: chiến lược