fbpx

TIN TỨC

Chuyên mục

TIN XEM NHIỀU

18Nov

Tương lai của ngành Logistics trong 5-10 năm tới sẽ ra sao ?: nghiên cứu toàn diện của PWC

Trong chuỗi các bài “PwC’s Future Insight Series” được công bố từ PwC, Smartlog đã...

06Jan

Điều gì xảy ra khi chuỗi cung ứng gặp blockchain?

Cho đến nay, Smartlog đã cung cấp nhiều bài viết nói về blockchain và tiềm...

08Sep

Công nghệ thực tế ảo tăng cường (AR) trong logistics (Phần 1)

Làn sóng thay đổi lớn tiếp theo của ngành công nghiệp logistics có lẽ sẽ...

07May

ANC: “THAY ĐỔI ĐỂ TỒN TẠI, THAY ĐỔI ĐỂ PHÁT TRIỂN.”

Được thành lập từ năm 1996, Công ty TNHH ANC là một trong những công...

18Apr

IDOCEAN GIÚP NGƯỜI TIÊU DÙNG KHÔNG BAO GIỜ THIẾU NHỮNG MÓN NGON VỚI STM

Nhắc đến Idocean hẳn nhiều người vẫn còn lạ lẫm với tên thương hiệu này,...

3 cách các biểu bảng có thể đánh lừa bạn

Các giám đốc điều hành thích bảng điều khiển (dashboard), và tại sao vậy? Bởi vì nó la một màn hình đơn nhất “ảnh chụp nhanh” của các quy trình vận hành, số liệu marketing, và các chỉ số hiệu suất chính (KPI) có giao diện đẹp và rất trực quan. Chúng cho chúng ta thấy kịp thời những gì đang vận hành và những gì không – không cần phải chờ đợi các báo cáo hàng tuần hoặc hàng tháng từ một trung tâm dữ liệu tập trung. Chỉ cần quét nhanh qua một bảng điều khiển (dashboard) cũng có thể mang lại cho các nhà quản lý tiền tuyến sự minh bạch và lý tưởng đó là, đem lại cơ hội để thực hiện điều chỉnh nhanh chóng.

Nhưng bảng điều khiển (dashboard) không phải là một thứ ma thuật như một số nhà quản lý nhìn nhận. Mặc dù chúng có thể truyền tải những “ảnh chụp nhanh” của các con số quan trọng, bảng điều khiển kém hữu hiệu trong việc cung cấp các sắc thái và bối cảnh mà đem lại hiệu quả trong nhu cầu ra quyết định dựa vào dữ liệu.

Phân tích dữ liệu (data analytics) thực hiện một số chức năng sau:

  • mô tả các hiện tượng hiện tại hoặc quá khứ
  • dự đoán các sự kiện tương lai dựa trên dữ liệu quá khứ
  • đề ra một chương trình hành động

Tuy nhiên, hầu hết các biểu đồ chỉ làm được nhiệm vụ đầu tiên – mô tả những gì đã xảy ra. Chuyển từ mô tả sang dự đoán sang hành động đòi hỏi kiến thức về cách dữ liệu cơ bản được tạo ra, một sự hiểu biết sâu sắc về bối cảnh kinh doanh, và các kỹ năng tư duy khách quan đặc biệt trên trên quan điểm người dùng để hiểu các dữ liệu nói lên (và không nói lên) điều gì. Dashboard không cung cấp những thứ này. Tệ hơn nữa, sự quyến rũ của dashboard, rằng cảm giác tất cả các câu trả lời đều có theo thời gian thực, có thể có hại. Sự đơn giản và tính thanh lịch của nó có thể cám dỗ các nhà quản lý để quên đi những sắc thái hết sức quan trọng của quá trình ra quyết định dựa trên dữ liệu.

Để hiệu quả hơn trong việc tạo ra và sử dụng dashboard, hãy nghĩ về 3 hạn chế (cái bẫy) sau đây của bảng điều khiển dữ liệu.

Cái bẫy về “tầm quan trọng”

Mỗi bảng điều khiển (dashboard) được xây dựng trên một tập hợp các ưu tiên và các giả định về yếu tố quan trọng. Nhiều khi những ưu tiên đó được xác định bằng CNTT, một chuyên gia thiết kế, hoặc một nhà tư vấn triển khai các dashboard và không biết rõ công ty về công ty. Đôi khi, những ưu tiên thậm chí có thể là các phép đo mặc định được cung cấp bởi các phần mềm bảng điều khiển.

Trong nhiều trường hợp, các công ty cuối cùng lại nhận được các kết quả hiển thị mà hoàn toàn không phù hợp với các ưu tiên kinh doanh của họ.

Ví dụ, một chủ doanh nghiệp nhỏ có thể có một bảng điều khiển cho thấy một đường trung bình của lần mua hàng liên tục của khách hàng. Liệu thông tin này có đáng với “sự chú ý trên trang nhất” mỗi ngày? Có lẽ là không. Không chỉ các số liệu đòi hỏi thông tin nhiều hơn đáng kể để hướng đến hành động, mà nó còn không phù hợp với mục tiêu của doanh nghiệp và mô hình kinh doanh của công ty.

Không còn gì bàn cải rằng tất cả các yếu tố của một bảng điều khiển cần phải thích hợp và quan trọng. Nếu chọn lựa thông tin nào để thể hiện trong một bảng điều khiển mà không có dữ liệu đầu vào gần nhất với bối cảnh kinh doanh – dù là thông qua cài đặt phần mềm mặc định hay là những gì một người xây dựng bảng điều khiển cho là quan trọng – thì khả năng rất cao là bảng điều khiển sẽ không được sử dụng một cách tối đa.

Cái bẫy “bối cảnh”

Chúng ta thường nghĩ phân tích là đại diện cho một loại sự thật khách quan và vô tư. Chúng ta đánh đồng “thực nghiệm” và “định lượng” với “khách quan”. Niềm tin nguy hiểm này khiến các nhà quản lý theo dõi và thậm chí cả hành động dựa trên các chỉ số, đơn giản chỉ vì chúng xuất hiện trên bảng điều khiển – và, ừ thì, bảng điều khiển không nói dối, phải không?

Hãy xem xét trường hợp một vị quản lý có nhiệm vụ tối đa hóa doanh số bán hàng tiềm năng (sales leads). Ông đã giúp thiết kế một cái nhìn đơn giản trên bảng điều khiển của mình để xem cách doanh số tiềm năng của công ty theo thời gian. Ông thấy một mô hình có tính chu kỳ dốc lên:

3-ways-data-dashboard_hbr_w170109_shapiro_numberof-850x619

Dựa trên dữ liệu này, vị quản lý có lẽ sẽ tập trung vào giai đoạn khi doanh số tiềm năng (sales leads) xuất hiện cao nhất – trong hình là đỉnh cao thứ hai kế cuối – và cố gắng hiểu những điều kiện xuất hiện trong giai đoạn cao nhất đó.

Tuy nhiên, một người có thể lập luận rằng thời kỳ “thành công” nhất trong đồ thị này thực sự là điểm mà tại đó doanh số tiềm năng (leads) hầu hết vượt mức doanh số dự kiến (expected leads), với lịch sử của chu kỳ và tăng trưởng cho trước. Nếu chúng ta phủ một độ lệch từ đường cong doanh số dự kiến, một bức tranh khác sẽ hiện ra:

3-ways-data-dashboard_hbr_w170109_shapiro_numberof-850x619_2

Trong ví dụ này, khoảng thời gian đáng chú ý nhất có thể là tại mốc doanh số dự kiến đạt điểm cao nhất (nơi dòng màu xám ở mức cao nhất) nhưng con số doanh số thực tế lại thấp. Một nhà quản lý muốn tìm hiểu các điều kiện để có thể tổng hợp doanh số tiềm năng thành công có lẽ sẽ muốn tập trung năng lượng tại điểm đó hơn là thời điểm (đã) cao hoặc đã dự kiến sẽ cao.

Như ví dụ này gợi ý, có vô số cách để trình bày dữ liệu. Cái khó là ở chính người diễn giải nó và người sử dụng bảng điều khiển để đảm bảo rằng các số liệu có liên quan và hữu ích nhất được chuyển tải.

Cái bẫy “quan hệ nhân quả”

Có lẽ điều nguy hiểm nhất trong việc sử dụng dashboards để ra quyết định đó là gán ghép nhằm quan hệ nhân quả khi so sánh các yếu tố trên bảng điều khiển.

So sánh là một tính năng quan trọng của bảng điều khiển, chẳng hạn như hiển thị bán hàng theo khu vực, hoạt động tài chính theo tháng, thắc mắc của khách hàng theo kênh, và vv.

Thật quá dễ dàng – và tiếc thay lại rất phổ biến – rằng các nhà quản lý giải thích các nhóm trong một bảng điều khiển với mối quan hệ nhân quả trong khi thực tế chúng có thể không phải.

Giả sử như bạn nhìn thấy một đồ họa bảng điều khiển như hình dưới đây, cho thấy sự so sánh tỷ lệ ung thư phổi giữa những người mang theo bật lửa hoặc diêm trong túi của họ và những người không?

3-ways-data-dashboard_hbr_w170109_shapiro_numberof-850x619_3

Bạn có kết luận từ so sánh này rằng mang theo bật lửa và diêm gây ung thư phổi không? Chắc hẳn là không rồi. Thay vào đó bạn sẽ phỏng đoán rằng những người mang theo bật lửa và diêm có nhiều khả năng là người hút thuốc và hút thuốc là nguyên nhân gây ung thư.

Tuy nhiên, trong bối cảnh kinh doanh cụ thể của một doanh nghiệp, các nhà quản lý thường xuyên rơi vào cái bẫy của kết luận rằng bật lửa và diêm gây ung thư. Dashboards khiến họ quy kết cho nhân quả trong khi họ không nên như vậy.

Hãy xem xét một công ty giao hàng bưu kiện lớn muốn giảm tai nạn xe. Để làm như vậy, họ cung cấp cho tài xế lựa chọn nâng cấp GPS của họ lên một hệ thống có thể giúp họ tránh các khu vực giao thông có nguy cơ cao. Sau khi theo dõi hành vi của tài xế trong một tuần, một người quản lý kiểm tra bảng điều khiển của mình và nhận thấy, vô cùng ngạc nhiên, rằng tỷ lệ tai nạn thực sự cao hơn với việc nâng cấp hơn là không nâng cấp:

3-ways-data-dashboard_hbr_w170109_shapiro_numberof-850x619_4

Nhiều nhà quản lý sẽ nhìn vào đồ họa này và gán cho nó quan hệ nhân quả. Những tài xế nào nâng cấp GPS của họ đã gặp tai nạn nhiều hơn, do đó việc nâng cấp GPS phản tác dụng thảm hại.

Nhưng việc nâng cấp đã thực sự khá hiệu quả. Người quản lý có thể nhìn thấy điều này bằng cách so sánh tỷ lệ tai nạn đối với những tài xế mà công ty phân loại là “dễ bị tai nạn” hoặc “an toàn”:

3-ways-data-dashboard_hbr_w170109_shapiro_numberof-850x619_5

Đối với cả hai nhóm, nâng cấp làm cho họ an toàn hơn. Vậy thì tại sao tỷ lệ tai nạn đối với toàn bộ đội lại tăng lên trong khi giảm đối với từng nhóm? Bởi vì trong trường hợp này hầu như tất cả các tài xế dễ bị tai nạn đều chọn sử dụng các thiết bị nâng cấp và gần như tất cả các tài xế an toàn đều giữ các thiết bị cũ. Hành vi đã tồn tại từ trước của tài xế đã nhầm lẫn với hiệu quả của việc nâng cấp.

Trước khi có dashboards, việc trả lời cho câu hỏi liệu nâng cấp có hiệu quả hay không sẽ phải đòi hỏi một cá nhân có hiểu biết về dữ liệu, có thể là một người được đào tạo về thống kê. Người này gần như chắc chắn sẽ hỏi, “Còn điều gì, ngoài việc nâng cấp, có thể là nguyên nhân cho sự gia tăng tai nạn?” Sai lầm của người quản lý sẽ có thể tránh được một cách dễ dàng.

Nhưng khi các nhà quản lý chỉ dựa vào bảng điều khiển dữ liệu, với hy vọng và kỳ vọng rằng những công cụ trực quan sẽ tạo điều kiện cho việc ra quyết định, thì những thiếu sót nghiêm trọng sẽ xuất hiện. Nếu thiếu những sắc thái và hoàn cảnh mà dashboards không thể hiện, các nhà quản lý có thể đi đến một số kết luận sai lầm.

 

——-

Nguồn: Smartlog trích bài “Three Ways Data Dashboards Can Mislead You”, được đăng trên trang Harvard Business Review hrg.org, bởi Joel Shapiro – JD, PhD, phó giáo sư và giám đốc điều hành của chương trình về phân tích dữ liệu tại Trường Northwestern’s Kellogg School of Management, tháng 01/2017

%d bloggers like this: