Đối mặt với lượng dữ liệu khổng lồ, các tổ chức trên khắp thế giới đang xem xét việc tận dụng dữ liệu và phân tích (D&A) để rút ra những hiểu biết sâu sắc nhằm tăng doanh thu, giảm chi phí và giảm thiểu rủi ro. McKinsey nhận thấy rằng các công ty có định hướng sâu sắc báo cáo EBITDA (thu nhập trước lãi vay, thuế, khấu hao và khấu hao) tăng lên tới 25% [1]. Dựa theo Forrester, các tổ chức sử dụng dữ liệu và hiểu biết sâu sắc để ra quyết định có khả năng đạt được mức tăng trưởng hai con số cao hơn gần ba lần [2]. Tuy nhiên, không nhiều tổ chức thành công trong việc chuyển đổi dữ liệu của họ thành thông tin chi tiết mặc dù họ có nguồn dữ liệu phong phú và có tham vọng D&A cao. Vào tháng 2019 năm 80, công ty tư vấn nghiên cứu Gartner đã báo cáo rằng 3% dự án D&A không mang lại kết quả kinh doanh [XNUMX]. Mặc dù có nhiều lý do giải thích cho tỷ lệ thành công kém này, nhưng một yếu tố quan trọng là nhiều công ty gặp khó khăn trong việc tiếp thu một cách hiệu quả những hiểu biết sâu sắc thu được từ D&A. 

Nhưng chính xác cái nhìn sâu sắc là gì? Cái nhìn sâu sắc là những yếu tố chưa biết như mối quan hệ, mô hình, phân loại, suy luận, dự đoán, v.v., nếu biết sẽ ảnh hưởng đến việc ra quyết định. Những thông tin chi tiết này thường được rút ra bằng cách kết hợp các kỹ thuật phân tích mô tả, phân tích dự đoán và phân tích theo quy định. Phân tích mô tả – “điều gì đã xảy ra” – phân tích dữ liệu lịch sử để xác định các mô hình trong quá khứ hoặc tụt hậu. Phân tích dự đoán – “điều gì sẽ xảy ra” – dự báo các xu hướng và sự kiện trong tương lai từ dữ liệu lịch sử. Cuối cùng, Phân tích theo quy định – “điều gì sẽ khiến điều đó xảy ra” – đề xuất cách hành động tốt nhất bằng cách sử dụng thông tin chi tiết thu được từ phân tích dự đoán.

Mặc dù có nhiều cách để phân loại một cái nhìn sâu sắc, nhưng từ D&A Theo quan điểm, có hai loại thông tin chi tiết: thông tin chi tiết về hiệu suất và thông tin chi tiết có thể hành động [4]. Thông tin chi tiết về hiệu suất cung cấp khả năng hiển thị hoặc kiến ​​thức mới về thực thể đo lường. Ví dụ về hiểu biết sâu sắc về hiệu suất bao gồm ba SKU (Đơn vị lưu kho) hàng đầu theo số lượng bán hàng, năm khách hàng hàng đầu theo CLV (giá trị trọn đời của khách hàng), v.v. Thông tin chi tiết về hiệu suất có thể được tạo ra bởi các nhà khoa học dữ liệu hoặc thậm chí với trí tuệ nhân tạo các công cụ như ChatGPT. Những hiểu biết sâu sắc có thể hành động, dựa trên những hiểu biết sâu sắc về hiệu suất, là những hiểu biết sâu sắc có thể chuyển thành hành động hoặc phản hồi. Một cái nhìn sâu sắc có thể được gọi là hữu ích nếu nó có ba đặc điểm chính.

• Những hiểu biết sâu sắc có thể hành động thúc đẩy các quyết định.
• Những hiểu biết sâu sắc có thể hành động sẽ tiêu tốn các nguồn lực kinh doanh như tiền bạc, nhân công và thiết bị để thực hiện quyết định.
• Những hiểu biết có thể hành động mang lại sự thay đổi trong quy trình kinh doanh khi quyết định được thực hiện.

Với bối cảnh này, làm thế nào doanh nghiệp có thể triển khai hiệu quả những hiểu biết sâu sắc để đạt được kết quả kinh doanh hữu ích? Khung FAAR có thể được triển khai để tăng khả năng tiếp thu thông tin chuyên sâu trong các tổ chức. FAAR là từ viết tắt dựa trên bốn yếu tố: chức năng, phân tích, tính nguyên tử và vai trò. Phần sau đây giải thích chi tiết về bốn yếu tố này.

Chức năng nói rằng mức độ hiểu biết sâu sắc phụ thuộc vào nhu cầu của các bên liên quan trong kinh doanh. Nhìn chung, có ba loại chức năng mà các bên liên quan cần có cái nhìn sâu sắc trong tổ chức: giám sát, phân tích và chi tiết. 

• C-Suite và quản lý cấp cao cần những hiểu biết sâu sắc để theo dõi hiệu quả kinh doanh. 
• Các nhà quản lý cần những hiểu biết sâu sắc để phân tích.
• Các nhà phân tích và những người đóng góp cá nhân khác cần có những hiểu biết sâu sắc ở mức độ rất chi tiết. 

Yếu tố thứ hai trong khuôn khổ FAAR là mức độ phân tích (tức là quy mô và quy mô của những hiểu biết sâu sắc cần thiết để đo lường và cải thiện hiệu quả kinh doanh). Mức độ hiểu biết sâu sắc để phân tích có thể ở ba cấp độ: cao, trung bình và thấp. 

• Phân tích cấp cao là trừu tượng về bản chất và đề cập đến những hiểu biết sâu sắc về chuỗi giá trị kinh doanh.
• Phân tích cấp trung bình tập trung vào hiểu biết sâu sắc về các quy trình cụ thể trong chuỗi giá trị như đặt hàng thành tiền mặt (OTC), mua hàng để thanh toán (P2P), ghi chép để báo cáo (R2R), v.v.
• Phân tích cấp thấp mô tả những hiểu biết sâu sắc về các hoạt động và thực thể tương tự trong hệ thống.

Tính nguyên tử của những hiểu biết sâu sắc được sử dụng là yếu tố thứ ba trong khuôn khổ FAAR. Từ góc độ nguyên tử, thông tin chi tiết có thể có ba loại: chi tiết, tổng hợp và KPI. 

• Thông tin chuyên sâu chi tiết là dữ liệu chi tiết hoặc mức dữ liệu và thông tin chi tiết thấp nhất trong hệ thống. Nó bao gồm cả dữ liệu giao dịch (như các sự kiện hoặc hành động kinh doanh như đơn đặt hàng, hóa đơn và đơn đặt hàng) và dữ liệu chính (về các thực thể kinh doanh như sản phẩm, nhà cung cấp, tài sản và khách hàng). 
• Dữ liệu tổng hợp là dữ liệu về danh mục kinh doanh hoặc các yếu tố dữ liệu tham chiếu như nhà máy sản xuất, nhóm khách hàng, danh mục sản phẩm và cửa hàng.  
• KPI (Chỉ số hiệu suất chính) là thước đo định lượng được sử dụng để đánh giá sự thành công của đơn vị đo lường trong việc đáp ứng các mục tiêu hiệu suất của nó. KPI có thể là thước đo cơ bản như doanh thu hoặc chi phí hoặc thước đo tổng hợp là sự kết hợp của hai hoặc nhiều thước đo cơ bản. Ví dụ: doanh thu là thước đo cơ bản và lợi nhuận gộp được lấy từ hai thước đo cơ bản, tức là doanh thu và giá vốn hàng bán (Giá vốn hàng bán) là thước đo tổng hợp hoặc KPI tổng hợp. Thực thể đo lường có thể là toàn bộ doanh nghiệp, một bộ phận kinh doanh (chẳng hạn như tài chính), một danh mục sản phẩm, một nhóm, v.v. 

Thành phần cuối cùng trong khuôn khổ FAAR là các vai trò. Quyền truy cập vào thông tin chi tiết bao gồm khả năng tạo, chỉnh sửa, xem hoặc chia sẻ thông tin chi tiết và điều này phụ thuộc vào vai trò kinh doanh của người tiêu dùng thông tin chi tiết. Kiểm soát truy cập dựa trên vai trò (RBAC) hoặc bảo mật dựa trên vai trò cho phép người dùng doanh nghiệp được ủy quyền truy cập dữ liệu và thông tin chi tiết dựa trên vai trò và trách nhiệm của họ trong doanh nghiệp. Điều này bảo vệ dữ liệu nhạy cảm và thông tin chi tiết khỏi bị truy cập trái phép, đồng thời đảm bảo rằng đúng người có thông tin chi tiết phù hợp để thực hiện công việc của họ theo chính sách SoD (Phân chia nhiệm vụ) của tổ chức.

Vậy, làm cách nào các tổ chức có thể sử dụng khuôn khổ FAAR để triển khai các giải pháp D&A? Dựa trên bốn yếu tố trên, những người ra quyết định có thể hiểu rõ hơn bằng cách sử dụng ba công cụ hoặc cơ chế chính: bảng điều khiển, báo cáo BI (thông tin kinh doanh) và báo cáo giao dịch. 

Trang tổng quan cung cấp cái nhìn trực quan về hiệu quả kinh doanh dựa trên KPI. Việc áp dụng Khung FAAR có nghĩa là mục đích của bảng thông tin:

• Dành cho giám đốc điều hành và thành viên C-Suite
• Có trình độ phân tích thấp
• Dùng để theo dõi hiệu quả kinh doanh
• Dựa trên KPI

Báo cáo BI cung cấp cái nhìn tổng hợp về hiệu suất kinh doanh dựa trên các danh mục hoặc tổng hợp kinh doanh. Việc áp dụng khung FAAR có nghĩa là báo cáo BI:

• Dành cho quản lý hoặc nhân viên quản lý cấp trung
• Có trình độ phân tích trung bình
• Dành cho phân tích hiệu quả kinh doanh
• Dựa trên các danh mục hoặc tổng hợp kinh doanh như nhà máy sản xuất, sơ đồ tài khoản, nhóm tài khoản khách hàng, v.v.

Báo cáo OLTP (Xử lý giao dịch trực tuyến) từ các hệ thống như ERP (lập kế hoạch nguồn lực doanh nghiệp), EMR (Hồ sơ y tế điện tử), v.v. cung cấp cái nhìn chi tiết hoặc chi tiết nhất về hiệu quả kinh doanh. Việc áp dụng khuôn khổ FAAR có nghĩa là báo cáo OLTP:

• Dành cho các nhà phân tích cần thu thập và giải thích mức độ chi tiết của dữ liệu
• Đối với mức độ phân tích thấp ở cấp độ mục hàng hoặc hoạt động
• Để đo lường hiệu suất ở mức độ chi tiết
• Dựa trên dữ liệu chi tiết

Khung FAAR với ba tùy chọn triển khai hoặc triển khai chính được hiển thị bên dưới.

Mặc dù nhiều dự án D&A làm rất tốt về mặt kỹ thuật, nhưng thật không may, nhiều dự án lại không hiểu rõ về các khía cạnh chức năng và kinh doanh của việc tiêu thụ thông tin chi tiết. Biết chức năng, vai trò, mức độ phân tích và tính nguyên tử của dữ liệu có thể giúp doanh nghiệp xác định giải pháp hiệu quả để hiểu rõ hơn. Tuy nhiên, sự thành công của khung FAAR dựa trên tuyên bố khách quan tốt, dữ liệu chất lượng bao gồm cơ chế quản trị phù hợp, mô hình D&A mạnh mẽ và giáo dục hoặc đào tạo người dùng. Mặc dù khung FAAR đôi khi có thể đơn giản hóa quá mức các tình huống phức tạp để triển khai thông tin chi tiết, nhưng nó vẫn có thể đóng vai trò là điểm khởi đầu tuyệt vời để các tổ chức cũng như các nhà lãnh đạo và quản lý D&A xây dựng và đơn giản hóa chiến lược triển khai và sử dụng thông tin chi tiết của họ.

dự án

1. mckinsey.com/capabilities/growth-marketing-and-sale/our-insights/insights-to-impact-creating-and-sustaining-data-driven-commercial-growth
2. forrester.com/blogs/data-analytics-and-insights-investments-produce-tangible-benefits-yes-they-do/
3. techrepublic.com/article/85-of-big-data-projects-fail-but-your-developers-can-help-yours-succeed/
4. dataversity.net/demystifying-actionable-insights-in-data-and-analytics/

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
• PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
• Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
• PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
• nguồn: https://www.dataversity.net/the-faar-framework-for-consuming-insights-from-data-and-analytics/