PHÂN TÍCH DỮ LIỆU TRONG NGÀNH BÁN LẺ

Ngành bán lẻ có vai trò rất quan trọng đối với nền kinh tế. Từ khi gia nhập WTO vào 2006, diện mạo ngành dịch vụ bán lẻ Việt Nam đã thay đổi. Cộng đồng doanh nghiệp bán lẻ Việt Nam đã từng bước thích nghi với tình hình mới, nâng cao năng lực cạnh tranh. Vào cuối 2011 đầu 2012, các chuyên gia đánh giá về thị trường bán lẻ Việt Nam bằng các cụm từ như: “tiềm năng”, “còn rộng chỗ”, “cạnh tranh” … Tuy nhiên cũng không khó để nhận ra những cụm từ khác như “đối đầu không cân xứng”, “bộn bề khó khăn” … mô tả hiện trạng các doanh nghiệp bán lẻ Việt Nam.
Để tồn tại và phát triển trong bối cảnh hiện nay, doanh nghiệp cần có một tầm nhìn và chiến lược kinh doanh hiệu quả. Bài viết này giới thiệu về phân tích dữ liệu như một công cụ hỗ trợ đắc lực trong cạnh tranh. Bản thân phân tích dữ liệu không làm nên một kế hoạch hay chiến lược kinh doanh. Nhưng bằng việc sử dụng phân tích dữ liệu, các doanh nghiệp đã tối ưu hoạt động kinh doanh của mình, từ đó chiếm được ưu thế trong cạnh tranh trên thị trường. Thử hình dung “bỗng dưng” doanh nghiệp của bạn được trang bị khả năng biết việc gì đang xảy ra, ở đâu khi đối thủ cạnh tranh chưa biết, khả năng tối ưu lợi nhuận bằng cách tiết kiệm chi phí trong khi vẫn duy trì doanh thu, và khả năng biết chính xác hơn điều sẽ xảy ra ở tương lai... Đó là kết quả của việc phân tích các dữ liệu liên quan đến hoạt động của doanh nghiệp.

PHÂN TÍCH VÀ ỨNG DỤNG TRONG NGÀNH BÁN LẺ
Phân tích học (Business Analytics - BA) 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. (trích “Cạnh tranh bằng phân tích”)
Phân tích là một phần trong chuỗi các nghiệp vụ xử lý dữ liệu thông minh Business Intelligence – BI.
Tạo ra sự khác biệt, chiếm ưu thế dẫn đầu… là kết quả của những quy trình kinh doanh có hiệu quả cao. 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 sẽ cấu thành một chiến lược tốt.
Để đưa phân tích vào hoạt động thường ngày của doanh nghiệp, cần rất nhiều yếu tố hỗ trợ và sẽ gặp rất nhiều trở ngại. Theo nhiều tài liệu cũng như ý kiến chủ quan của người viết, một trong những yếu tố quan trọng nhất để doanh nghiệp thực hiện phân tích thành công chính là tầm nhìn và kinh nghiệm – kiến thức nền tảng của người đứng đầu. Không phải ngẫu nhiên khi các doanh nghiệp cạnh tranh bằng phân tích hiệu quả nhất lại có các Chủ tịch, CEO, CFO … là Tiến sĩ kinh tế lượng / thống kê / tin học (trí tuệ nhân tạo) / nghiên cứu thị trường … Bằng việc tin vào kết quả của phân tích như một “tôn giáo”, họ không ngần ngại sử dụng quyền lực của mình để trang bị và triển khai, áp dụng phân tích đến từng bộ phận/hoạt động của doanh nghiệp và giám sát, điều khiển toàn bộ quá trình đến khi thành công, cũng như họ đủ khả năng/năng lực để ra quyết định trước những tình huống mới/khó khăn phát sinh từ phân tích một cách hiệu quả nhất.
Khi doanh nghiệp bán lẻ đã có phần mềm quản lý khách hàng CRM (Customer Relationship Management) và quản lý chuỗi cung ứng SCM (Supply Chain Management), thì phân tích dữ liệu là cách thức doanh nghiệp phối hợp với cả hai để điều chỉnh chính xác cung và cầu.
Dưới đây là một số kỹ thuật phân tích dữ liệu nổi bật mà các hãng bán lẻ đã khai thác với đối tượng là khách hàng:
- Các mô hình phân lớp/gom nhóm trong lĩnh vực khai mỏ dữ liệu sẽ phát hiện các nhóm khách hàng doanh nghiệp hiện có cũng như các nét đặc trưng của họ.
- Sử dụng các mô hình thống kê/dự báo để xác định các đối tượng khách hàng theo nhiều mục đích: ai đem lại nhiều lợi nhuận nhất? khách hàng tiềm năng là ai? Hay khách hàng nào sắp/sẽ có xác suất ngừng sử dụng dịch vụ cao nhất?
- Phối hợp hai kết quả trên, các chương trình khuyến mãi sẽ “đánh” đúng đối tượng hơn, giảm chi phí, tăng hiệu quả. Mặt khác, một cuộc rà soát toàn diện để tìm nguyên nhân hoặc các chương trình chăm sóc khách hàng đặc biệt … sẽ được triển khai khi phát hiện ra có nhiều khách hàng sinh lợi/tiềm năng … sắp ngừng dịch vụ.

- Phân tích về giá: phân tích thông tin về lịch sử bán hàng và xu hướng giá cả, sau đó thiết lập giá bán trong thời gian thực và kiếm được lợi nhuận nhiều nhất có thể từ mỗi giao dịch. Kỹ thuật tối ưu giá tạo ra những đường co giãn giá và co giãn chéo đặc trưng, giúp xác định lượng hàng bán tại các mức giá khác nhau, là cơ sở tối đa doanh thu và lợi nhuận. Ngoài ra, phân tích giá cũng giúp tối ưu hóa việc hạ giá: tìm ra thời điểm và mức độ giảm giá.
- Nghiên cứu thị trường và tối ưu hiệu quả chiến dịch marketing: phân tích ảnh hưởng của quảng cáo với việc mua sản phẩm, chọn kênh quảng cáo hiệu quả…

Các ứng dụng điển hình:
- Catalina Marketing (Mỹ) có cơ sở dữ liệu về thông tin lịch sử mua sắm của trên 100 triệu hộ gia đình, bao gồm thói quen mua sắm, thông tin nhân khẩu học, thái độ và quan điểm, sở thích của khách hàng … Thông tin này được bán cho các doanh nghiệp bán lẻ. Và họ khẳng định có thể làm tăng tỷ lệ chiết khấu – hoàn nợ trung bình của hãng bán lẻ lên gấp 10 lần so với các phương pháp khuyến khích tiêu dùng truyền thống.
- Cách đây 20 năm, hãng Procter & Gamble đã bắt đầu sử dụng phần mềm phân tích và cơ sở dữ liệu để xác định các tham số của chương trình khuyến mãi sản phẩm. Họ thu thập và phân tích dữ liệu từ những nhà cung cấp như ACNielsen và Information Resources Inc (IRI) để hiểu hành vi khách hàng và người tiêu dùng bị ảnh hưởng bởi kênh phân phối như thế nào.
- Công ty IRI “kiểm tra” giỏ hàng của người tiêu dùng để hiểu về mô hình tiêu dùng, sau đó cung cấp cho các hãng trong lĩnh vực hàng tiêu dùng đóng gói, bán lẻ, dược phẩm. Đây là kết quả ứng dụng quan trọng của thuật toán luật kết hợp (một kỹ thuật data mining), phân tích thói quen mua hàng của khách để tìm sự kết hợp giữa các mặt hàng khác nhau trong một lần mua hàng của họ. Việc nhận ra các mặt hàng thường được mua cùng nhau giúp người bán hàng có thể bán được nhiều hàng hơn do đó tăng doanh thu.
- JCPenny đã phối hợp các phương pháp phân tích, đặc biệt là phân tích giá, để tăng 5% lãi gộp, tăng hệ số vòng quay hàng tồn kho lên 10%, tăng thu nhập và doanh số bán hàng trong nhiều năm liên tiếp (2001-2004).
- Giữ chân khách hàng và bán chéo sản phẩm (cross-sell, up-sell). Năm 1995, Tesco phát triển chương trình Clubcard dành cho khách hàng. Thẻ giúp Tesco thu thập thông tin về khách hàng, tặng thưởng khách mua nhiều, và điều chỉnh giảm giá mua hàng để tối đa số người quay trở lại mua sắm lần sau. Họ có các dạng khách hàng “tỉnh táo”, “ưa sự thuận tiện” … nhờ phân tích hành vi mua hàng. Tesco tùy biến các chương trình khuyến mãi theo ưu tiên và sở thích của khách hàng. Nhờ chương trình này mà Tesco đã tối đa hóa sự trung thành của khách hàng, tối ưu hóa hiệu quả tài chính lên mức dẫn đầu thị trường.
- Best Buy có 8 phân vùng khách hàng sau khi phân tích thông tin trong 5 năm của 60 triệu hộ gia đình tại Mỹ. Họ am hiểu khách hàng đến mức có thể xác định tần suất trả lại hàng của khách, từ đó tìm ra cách làm thỏa mãn những khách hàng này nhiều hơn.
Đối với nhà cung ứng, phân tích sử dụng để hoạch định sản lượng, khớp cung và cầu, phân tích vị trí… Wal-Mart là “cha đẻ” của tất cả các doanh nghiệp cạnh tranh bằng phân tích với chuỗi cung ứng. Với 583 terabytes dữ liệu bán hàng và tồn kho (4/2006), Wal-Mart đã tối ưu hóa việc phân loại sản phẩm, “cắt may” sản phẩm theo nhu cầu tại địa bàn siệu thị hoạt động. Với mạng lưới nhà cung cấp rộng khắp thế giới và có thể kết nối vào hệ thống Wal-Mart, nhà cung ứng có thể biết và chọn ra cách bố trí sản phẩm của mình theo đặc điểm của cửa hàng. Ngày nay, Wal-Mart dẫn đầu thế giới về thu thập dữ liệu về người tiêu dùng. Nhân viên marketing của Wal-Mart khai thác dữ liệu này để đảm bảo khách hàng sẽ có sản phẩm họ muốn, thời điểm họ cần và giá cả hợp lý. Đã có rất nhiều ứng dụng phân tích học đằng sau thành công của Wal-Mart với vị trí dẫn đầu thế giới trong lĩnh vực bán lẻ.

tác giả: Võ Nguyễn Hương Giang

Did you know Microsoft BI is top ranked in Gartner's BI Magic Quadrant?

Microsoft offers a competitive and expanding set of BI and analytics capabilities, packaging and pricing that appeal to Microsoft developers, independent distributors and now to business users. It does so through a combination of enhanced BI and data discovery capabilities in Office (Excel) 2013, data management capabilities in SQL Server, and collaboration, content, and user and usage management capabilities in SharePoint. 

Strengths 

• Of the megavendors, Microsoft has made the most progress toward delivering a combination of business user capabilities with an enterprise-capable platform. Microsoft delivered business-user-oriented data discovery and other BI capabilities in Excel 2013. It is enhancing these aggressively through its Power BI cloud offering by adding geospatial 3D, natural-language query generation, and self-service ETL with usage and trust ratings across internal and external data sources, as well as the ability to promote a personal PowerPivot workbook to an enterprise data source. These enhancements contribute to Microsoft's overall vision and make it a strong contender for addressing the requirements to bridge the divide between business and enterprise users. 

• Microsoft has made early investments in its cloud-based BI offering, Power BI. Microsoft's strategy is to use the cloud to increase adoption of its new and most competitive BI capabilities in Excel (starting with Excel 2013), and to accelerate enhancements to Excel to every six months. This strategy is designed to lower the cost of ownership of BI and to reduce deployment challenges stemming from customers needing to implement and manage Office, SQL Server and SharePoint for the full range of Microsoft's BI capabilities. This combination can be particularly attractive for organizations that choose to standardize on Microsoft for information management. However, the success of this strategy will depend in large part on continued acceleration in users' acceptance and adoption of cloud-based BI. 

• Microsoft's strategy for bundling BI into its most widely used products, together with its enterprise pricing, often gives it a compelling value proposition in terms of license cost for organizations that want to deploy BI to a wider range of users, or that want to lower their overall BI license costs by using lower-cost tools for basic functions. In the customer survey conducted for this Magic Quadrant, more Microsoft customers cited TCO and license cost as their main reasons for selecting Microsoft as a BI vendor than did those of most of the other vendors; this has been the case for each of the past seven years in which Gartner has conducted this survey. 

• Microsoft composite product score was above average across the 17 capabilities, when weighted for use. Microsoft customers appreciate its strong BI infrastructure and development tools. They also rated its reporting, ad hoc query, Microsoft Office integration, business user data mashup, embedded BI, collaboration, search BI and OLAP capabilities higher than the survey average. Importantly, unlike those of its megavendor competitors, Microsoft's customers rated customer experience (support and product quality) above the survey average. Moreover, Microsoft's success is also driven partly by its IT-oriented BI authoring tools within SQL Server, which are based on Visual Studio, a broadly adopted development environment. Microsoft customers rated its BI development tools as No. 1 in the survey, and its BI platform infrastructure as among the best, with a higher percentage of customers using both extensively. Furthermore, "wide availability of skills" is among the top reasons why customers select Microsoft more often than any of its competitors. While Microsoft's BI platform attracts small to midsize enterprises, it is also widely deployed in large enterprises as a standard. One of the highest percentage of customers in the survey reported standardizing on Microsoft's BI platform. 

Cautions 

• Although Microsoft's functional ratings have improved and it can offer a wide range of functions, it also has one of the highest percentages of users who say that absent or weak functionality is among the main reasons limiting broader deployment of its software. Mobile BI, interactive visualization and metadata management remain product weaknesses reported by customers. In particular, Microsoft lags behind most other BI vendors in delivering mobile BI capabilities, with some of the lowest results for mobile functionality and percentage use. Microsoft plans to offer HTML5 support that will enable browser-based viewing and exploration of reports from any device with an HTML5-capable browser. It also plans to use its cloud offering, Power BI, to deliver a Windows mobile app that offers a touchscreen-optimized mobile BI experience initially for Windows devices (support for an iOS version is planned for after the launch of Power BI). Latent demand for Microsoft's mobile BI is evident from the survey, with Microsoft's respondents including one of the highest percentages (51%) that plan to implement mobile BI in the coming year. Despite product enhancements, Microsoft BI is primarily used for static and parameterized reporting by report consumers. Although Microsoft has a broader range of users conducting more complex types of analysis this year than last, its support for more complex types of analysis and adoption by advanced users remains below the survey average. 

• Multiproduct complexity remains a challenge, now primarily for on-premises and hybrid deployments. Because Microsoft's BI platform capabilities span three different tools (Office, SQL Server and SharePoint) that also perform non-BI functions, the task of integrating components and building applications is left mainly to the customer. This "do it yourself" approach places more of the onus for BI solution development and integration of platform components on customers, compared with the all-in-one, purpose-built BI platforms offered by most other BI vendors. Microsoft is depending on its BI cloud offerings to reduce deployment complexity, particularly for smaller companies lacking the necessary skills. 

• Although Microsoft's partner-driven sales model drives global growth for the company, Gartner's inquiries suggest that this approach often makes it difficult for customers to find their Microsoft sales representative. This causes frustration that may put downward pressure on Microsoft's sales experience scores, which, despite a favorable view of Microsoft's pricing, are below the survey average.