Định nghĩa nhanh: Việc ra quyết định dựa trên dữ liệu bao gồm việc thu thập và phân tích dữ liệu để đưa ra quyết định kinh doanh sáng suốt hơn.
Những điểm chính:
- Bạn có thể hoàn thành mục tiêu kinh doanh tốt hơn bằng cách thu thập dữ liệu liên quan thay vì dựa vào trực giác.
- Một số phương pháp hay nhất về đưa ra quyết định dựa trên dữ liệu bao gồm việc xây dựng có mục đích và đảm bảo quyền truy cập dữ liệu cho tất cả những ai cần nó.
- Các công ty có thể sử dụng các chiến thuật dựa trên dữ liệu khác nhau để đưa ra quyết định sáng suốt thành công hơn.
- Công nghệ cải tiến và dễ sử dụng hơn đã dân chủ hóa quá trình ra quyết định dựa trên dữ liệu, cho phép các công ty và cá nhân sử dụng dữ liệu lớn để thông báo chiến lược kinh doanh của họ.
Tổng quan về thuật ngữ: Ra quyết định dựa trên dữ liệu là một giao thức vận hành trong đó các thành viên trong nhóm thu thập, phân tích và hành động dựa trên dữ liệu theo lợi ích tốt nhất của công ty.
Các câu hỏi sau đã được trả lời trong cuộc phỏng vấn với Jeff Allen, Giám đốc tiếp thị sản phẩm cấp cao của Adobe Analytics.
Ra quyết định dựa trên dữ liệu là gì?
Ra quyết định dựa trên dữ liệu là một giao thức trong đó một công ty thu thập dữ liệu để phân tích con đường tốt nhất hướng tới các mục tiêu cốt lõi của mình. Các công ty có thể sử dụng các phương pháp dựa trên dữ liệu để trích xuất thông tin kinh doanh có giá trị giúp họ phát triển vượt trội—và thật dễ hiểu tại sao.
Dựa vào dữ liệu và phân tích cho phép công ty đưa ra quyết định dựa trên thực tế. Một công ty dựa trên dữ liệu sẽ tăng hiệu quả bằng cách tập trung vào một hoặc nhiều nhiệm vụ được nhắm mục tiêu một cách hiệu quả và linh hoạt, cho phép thử nghiệm với nhiều khoảng trống hơn. Sự tự do này thường là yếu tố thúc đẩy sự đổi mới.
Tại sao việc ra quyết định dựa trên dữ liệu lại quan trọng?
Việc ra quyết định dựa trên dữ liệu cho phép bạn di chuyển nhanh hơn và mắc ít sai lầm hơn, chắc chắn sẽ dẫn đến lợi nhuận cao hơn. Việc thu thập và phân tích dữ liệu mang lại cho bạn khả năng suy luận khi nào nội dung của bạn hoạt động tốt và hiểu lý do tại sao nội dung đó gây được tiếng vang với khách hàng—hoặc không. Sau đó, bạn có thể sử dụng thông tin đó để dự đoán nội dung tương tự sẽ hoạt động như thế nào trong tương lai.
Ở cấp độ chiến lược, công ty phải quyết định bắt đầu đưa ra quyết định kinh doanh dựa trên dữ liệu để phát triển và nâng cao trải nghiệm của khách hàng. Nó trở thành vấn đề chuyển đổi văn hóa của một công ty từ dựa vào trực giác sang văn hóa xoay quanh việc đưa ra quyết định dựa trên dữ liệu.
Việc ra quyết định dựa trên dữ liệu mang lại lợi ích như thế nào cho khách hàng
Việc ra quyết định dựa trên dữ liệu là một cách tuyệt vời để cho khách hàng thấy rằng bạn đang chú ý đến họ cũng như tôn trọng thời gian và sở thích của họ. Ghi nhớ những tương tác trong quá khứ, cả tốt lẫn xấu, sẽ giúp bạn có được trải nghiệm phù hợp vào lần tiếp theo. Khách hàng được hưởng lợi từ những trải nghiệm được cá nhân hóa và phù hợp hơn—và những trải nghiệm đó có thể khiến họ trung thành hơn và chi nhiều tiền hơn.
Chiến thuật tiếp thị dựa trên dữ liệu phổ biến là gì?
Các tổ chức sử dụng một số chiến thuật dựa trên dữ liệu để thu thập thông tin và dự đoán hoặc tối ưu hóa kết quả. Mặc dù chiến thuật mà tổ chức chọn sử dụng tùy thuộc vào mục tiêu và thông tin tổ chức cần khám phá, một trong những chiến thuật tiếp thị dựa trên dữ liệu phổ biến nhất là thử nghiệm phân tách (còn được gọi là thử nghiệm A/B).
Thử nghiệm phân tách là một loại chiến thuật dựa trên dữ liệu cho phép tổ chức hiển thị hai hoặc nhiều phiên bản của một biến (ví dụ: trang web, thành phần trang web cụ thể hoặc thuộc tính kỹ thuật số khác) cho các phân khúc khách truy cập trang web khác nhau tại cùng lúc. Quá trình này cho phép các bên liên quan xác định phiên bản nào để lại tác động tối đa và thúc đẩy các chỉ số kinh doanh.
Một số chương trình phát triển sản phẩm, tiếp thị, thực hiện bán hàng và hoạt động bán hàng sử dụng một hoặc nhiều chiến thuật dựa trên dữ liệu. Khi chọn một chiến thuật, hãy đánh giá chiến thuật đó theo trường hợp sử dụng của bạn để xác định các điểm mù hoặc mức độ dương tính giả không thể chấp nhận được.
Dương tính giả là gì?
Kết quả dương tính giả xảy ra khi một điểm dữ liệu biểu thị trạng thái xác định trong khi thực tế không phải như vậy. Ví dụ: trong hệ thống báo động gia đình, kết quả dương tính giả sẽ là cảm biến chuyển động phát hiện sai loại chuyển động. Nếu cây ở gần quạt, những chiếc lá chuyển động có thể gây ra báo động. Chuông báo động đã thực hiện nhiệm vụ phát hiện chuyển động, nhưng nó bắt được một cái cây chứ không phải một tên trộm.
Kết quả dương tính giả có thể gây tốn kém trong tiếp thị kỹ thuật số. Họ có thể làm sai lệch dữ liệu trong hệ thống của bạn, đó là lý do tại sao điều quan trọng là phải đánh giá bất kỳ chiến thuật dựa trên dữ liệu nào đối với trường hợp sử dụng mà bạn đang sử dụng. Điều cần thiết là phải xác định xem dữ liệu có bị nhiễu hay không, khiến bạn đưa ra kết luận sai lầm và đưa ra quyết định sai lầm.
Tầm quan trọng của việc kiểm tra dữ liệu chặt chẽ
Kiểm tra chặt chẽ dữ liệu của bạn là một trong những thành phần quan trọng nhất của quá trình ra quyết định. Bạn phải hiểu không chỉ thông tin mà dữ liệu cho bạn biết mà còn cả khả năng của nó. Thường có những hạn chế về thông tin bạn có thể thu thập từ một nguồn dữ liệu cụ thể.
Ví dụ: khi đánh giá hành trình của khách hàng, bạn có thể cố gắng tìm những điểm tiếp xúc nào đã ảnh hưởng đến quyết định chuyển đổi của họ. Tuy nhiên, với các chiến dịch tiếp thị kỹ thuật số, bạn có thể phân bổ quá mức tín dụng cho các tương tác đó thay vì một số điểm khác vốn là sự kiện chuyển đổi cuối cùng.
Các ứng dụng dựa trên dữ liệu là gì?
Ứng dụng điều khiển dữ liệu là một hệ thống tự động thực hiện một nhiệm vụ. Có hai loại ứng dụng điều khiển dữ liệu chính: Ứng dụng được điều khiển bởi đầu vào dữ liệu tĩnh và ứng dụng được điều khiển bởi đầu vào dữ liệu động.
Đầu vào dữ liệu tĩnh
Bộ điều nhiệt thông thường là một ví dụ về ứng dụng được điều khiển bởi dữ liệu đầu vào tĩnh. Nó nhận thông tin để cho biết nhiệt độ phòng nên là bao nhiêu, xác định xem nhiệt độ phòng có ở mức đó hay không, sau đó chạy hệ thống HVAC nếu cần. Nó chỉ yêu cầu hai điểm dữ liệu để thực hiện nhiệm vụ này: nhiệt độ hiện tại và lý tưởng. Nó có thể bật hoặc tắt hệ thống HVAC, tùy thuộc vào hành động nào sẽ hoàn thành công việc.
Đầu vào dữ liệu động
Bộ điều chỉnh nhiệt thông minh là một ví dụ về sử dụng dữ liệu đầu vào động. Bộ điều nhiệt thông minh sử dụng thuật toán để tìm hiểu về môi trường và đưa ra các quyết định ngày càng phức tạp về cách vận hành trong đó. Họ kiểm tra nhiệt độ hiện tại và xác định xem nó có phù hợp với mùa và thời gian trong ngày hay không. Nếu không, bộ điều nhiệt sẽ quyết định hành động cần thực hiện để đạt được nhiệt độ phù hợp, quá trình này sẽ kéo dài bao lâu và các bước cần thiết để đạt được mục tiêu.
Nguồn nào cung cấp các ứng dụng dựa trên dữ liệu?
Dữ liệu cho các ứng dụng dựa trên dữ liệu đến từ nhiều nguồn. Bạn có thể tự động hóa một số nguồn dữ liệu, trong khi những nguồn khác yêu cầu nhập thủ công. Nói chung, đối với hầu hết các hệ thống,
mọi cài đặt mục tiêu đều do người dùng nhập hoặc tinh chỉnh nhưng bạn cũng có thể lấy nó từ cơ sở dữ liệu tiêu chuẩn.
Ví dụ: bộ điều nhiệt có thể lấy nhiệt độ ngoài trời hiện tại từ Internet và hiểu rằng 70 độ F vào mùa hè có cảm giác khác với 70 độ F vào mùa đông.
Nếu một ứng dụng có thể lấy dữ liệu từ internet hoặc các nguồn dựa trên máy khác, nó có thể được lấy tự động. Nếu không, người dùng sẽ phải nhập dữ liệu đó. Nhưng người dùng có thể có những mục tiêu khác nhau cho những điều kiện khác nhau. Điều này có thể bao gồm các mục tiêu khác nhau cho mùa đông so với mùa hè, ngày và đêm và đi nghỉ so với ở nhà.
Nếu người dùng thông báo với bộ điều chỉnh nhiệt độ rằng họ đang đi vắng, họ sẽ có khả năng chịu đựng khác nhau rất nhiều về độ ấm của ngôi nhà vào mùa hè và độ mát của ngôi nhà vào mùa đông. Nói cách khác, con người phù hợp hơn cho việc đặt mục tiêu, trong khi máy móc phù hợp nhất để trích xuất dữ liệu đã chuẩn hóa.
Những thách thức của việc thực hiện phương pháp ra quyết định dựa trên dữ liệu
Bên cạnh tất cả những ưu điểm của việc đưa ra quyết định dựa trên dữ liệu, vẫn có những hạn chế. Các phương pháp tiếp cận dựa trên dữ liệu không hề dễ dàng và không miễn phí. Mặc dù lợi tức đầu tư là theo cấp số nhân, nhưng việc dựa trên dữ liệu đòi hỏi vốn khởi nghiệp đáng kể.
Ngoài ra còn có sự cân bằng mong manh giữa việc cá nhân hóa và việc xâm phạm quyền riêng tư của khách hàng. Bạn phải suy nghĩ kỹ về cách triển khai các biện pháp thu thập dữ liệu của mình để đảm bảo rằng khách hàng không cảm thấy quyền riêng tư về dữ liệu của họ đang bị vi phạm.
Ngoài các tùy chọn về quyền riêng tư của khách hàng, còn có nhiều luật điều chỉnh loại dữ liệu bạn có thể thu thập và lưu giữ, một số luật bao gồm:
- Đạo luật về trách nhiệm giải trình và cung cấp bảo hiểm y tế (HIPAA)
- Đạo luật báo cáo tín dụng công bằng (FCRA)
- Đạo luật về quyền riêng tư và quyền giáo dục gia đình (FERPA)
- Đạo luật Gramm-Leach-Bliley (GLBA)
- Đạo luật về quyền riêng tư trong liên lạc điện tử (ECPA)
- Quy tắc bảo vệ quyền riêng tư trực tuyến của trẻ em (COPPA)
- Đạo luật về quyền riêng tư của người tiêu dùng California (CCPA)
Những cân nhắc này, cùng với những cân nhắc khác, khiến cho việc ra quyết định dựa trên dữ liệu—rất đáng giá—tốn thời gian và tốn kém.
Việc ra quyết định dựa trên dữ liệu đã thay đổi như thế nào theo thời gian?
Việc ra quyết định dựa trên dữ liệu tiếp tục trở nên hiệu quả và dễ tiếp cận hơn khi dữ liệu lớn và công nghệ phát triển. Một số cải tiến đáng chú ý bao gồm:
- Số lượng nghiên cứu chi tiết có thể mang lại không ngừng tăng lên
- Chi phí lưu trữ dữ liệu đang giảm
- Khó khăn trong việc thu thập dữ liệu ngày càng giảm
- Số lượng nguồn dữ liệu có thể theo dõi không ngừng mở rộng
- Việc thống nhất các bộ dữ liệu đang trở nên khả thi hơn
- Số lượng nhà khoa học dữ liệu và nhà phân tích dữ liệu được đào tạo trong mọi lĩnh vực ngày càng tăng
- Số lượng nhà cung cấp và công cụ trong không gian này ngày càng tăng
Làm thế nào để một công ty bắt đầu kết hợp việc ra quyết định dựa trên dữ liệu?
Khi một công ty chọn chuyển đổi văn hóa sang mô hình hoạt động dựa trên dữ liệu , họ cần những người phù hợp cho công việc. Sự thay đổi mang tính hệ thống, quy mô lớn như vậy đòi hỏi các chuyên gia biết cách thu thập, xử lý và phân tích dữ liệu cũng như cách trình bày thông tin để giúp mỗi thành viên trong tổ chức đưa ra quyết định đúng đắn cho vai trò của mình.
Với đúng người, bạn có thể xây dựng chiến lược dựa trên dữ liệu dựa trên điều bạn đang cố gắng hoàn thành—và sau đó tìm cách đo lường xem bạn có đạt được chiến lược đó hay không. Tiếp theo, kiểm tra các phép đo đó để xác định rằng dữ liệu rõ ràng và tín hiệu chính xác. Khi đáp ứng được những điều kiện này, bạn có thể bắt đầu phân tích và rút ra những hiểu biết sâu sắc.
Phá vỡ các silo dữ liệu
Khi tạo chiến lược dựa trên dữ liệu, điều quan trọng là phải đảm bảo rằng tất cả những người cần dữ liệu để đưa ra quyết định đều có quyền truy cập vào dữ liệu đó—còn được gọi là dân chủ hóa dữ liệu . Silo có thể tồn tại trong một tổ chức và ngăn thông tin dễ dàng được phổ biến. Dữ liệu thường bị khóa trong hệ thống hoặc thuộc sở hữu của một nhóm không cung cấp quyền truy cập phổ biến. Điều này hạn chế mức độ tổ chức có thể đưa ra quyết định và tiến về phía trước.
Một số người có thể liên kết việc thu thập lượng lớn dữ liệu với quyền lực và họ có thể tin rằng việc trở thành người lưu giữ dữ liệu sẽ giúp họ đạt được mục tiêu và thăng tiến trong sự nghiệp. Thật không may, điều này có thể xảy ra ở cấp độ cá nhân, nhóm, bộ phận hoặc công ty. Dữ liệu có thể tạo ra lợi thế cạnh tranh—và ở đâu có cạnh tranh thì sẽ có nguy cơ dữ liệu sẽ không được lưu chuyển tự do.
Thực tiễn tốt nhất về ra quyết định dựa trên dữ liệu
Mặc dù có nhiều cách tiếp cận khác nhau để đưa ra các quyết định kinh doanh chiến lược dựa trên dữ liệu, nhưng khuôn khổ này thường được thực hiện.
- Lập chiến lược . Biết mục đích của bạn, nơi bạn sẽ đến và những gì bạn muốn làm. Hiểu kế hoạch thu thập dữ liệu của bạn và lên kế hoạch sửa lỗi.
- Tổ chức . Các nhà khoa học dữ liệu dành nhiều thời gian để thu thập và sắp xếp dữ liệu hơn là phân tích nó. Họ sẽ cần phải làm sạch và cấu trúc dữ liệu để sửa những điểm không chính xác và chuẩn bị cho việc nhập cơ sở dữ liệu. Trong nhiều trường hợp, các nhà tiếp thị và các chuyên gia kinh doanh khác dựa vào phần mềm để sắp xếp dữ liệu cho họ.
- Phân tích . Bạn sẽ phải biết dữ liệu của bạn nói gì và nó có ý nghĩa gì. Có ba loại báo cáo có thể giúp ích:
- Mô tả (thực tế)
- Suy luận (diễn giải)
- Dự đoán (suy luận về các sự kiện trong tương lai dựa trên phân tích đã thực hiện)
- Thông dịch . Rút ra kết luận từ báo cáo dữ liệu của bạn và sử dụng chúng để phát triển kế hoạch hành động dựa trên mục tiêu của bạn.
- Chia sẻ . Tìm hiểu cách trình bày dữ liệu của bạn cho người khác theo cách có thể truy cập được. Chính xác thì bạn đã làm gì? Tại sao mục đích của bạn lại cần thiết ngay từ đầu?
Nguồn: https://business.adobe.com/blog/basics/data-decisions-dsp-vs-dmp
