Ngành nào cũng thế, rồi tới lúc bạn cũng cần data để có thể vận hành tốt. Trích lời bạn Cao Ánh Tuyết, CEO của Mieu.vn và Beegrowth, "Giá trị của hệ thống này là phục vụ để định lượng được việc ra quyết đinh (tăng hiệu suất tối ưu về tiền, thời gian, nguồn lực...). Giờ có AI thì những công thức "tĩnh" lúc trước mất chục năm mới tìm ra được thì giờ có thể làm theo mô hình "công thức động" thì hiệu quả càng cao hơn khi độ lệch chuẩn (standard deviation) càng thấp. Nên là tui biết ai làm thời trang cũng ghét số, trớ trêu thay cái ngành này "lời giả lỗ thật" , tiền nằm hết trong tồn kho. Mà tồn kho thời trang là tồn kho chết nếu quá hạn PLC (vòng đời)". Trong bài viết này, mình muốn mô tả kỹ hơn về luồng mà data sẽ chảy qua các hệ thống, để các bạn có thể hình dung kỹ hơn và biết được vai trò của các luồng, nhất là các bạn đang làm trong lĩnh vực thời trang nhé.
Disclaimer: mình không phải chuyên gia về thời trang, càng không quản lý brand hay công ty nào về thời trang. Đây là mô phỏng lại ở mức high level từ các thông tin mình biết được qua các khách hàng, các anh chị làm trong ngành này thôi. Và mình sẽ tập trung vào phần mà mình biết: là xử lý data và đưa data vào sử dụng.
Để nói kỹ hơn về sơ đồ này, cụm bên phải là những hệ thống vận hành, những hệ thống quan trọng nhất, xương sống nhất cho một công ty, quyết định tới việc công ty chạy ra sao, nhân sự như thế nào, buôn bán ra sao. Tất cả dữ liệu sau đó có thể được sync qua hệ thống hỗ trợ ra quyết định (Decision-support System - DSS) để phục vụ cho mục đích lên báo cáo, tổng hợp, thống kê, phân tích… Elton Data của mình làm phần này. Bạn nào cần thì liên hệ nha hihi.
Tuy nhiên data không chỉ chạy 1 chiều từ các hệ thống vận hành sang hệ thống hỗ trợ ra quyết định. Hiện nay, data cũng có thể chảy ngược từ DSS về lại hệ thống vận hành nữa, và chuyện đó cũng có thể làm rất dễ dàng chứ không có gì khó khăn. Ví dụ:
- Tổng hợp hiệu quả quảng cáo và conversion trong ngày, gửi về Lark Base để dựng thành dashboard cho team Marketing và Ads theo dõi mỗi ngày
- Lấy số liệu doanh thu GMV, NMV, thậm chí tính toán tới lợi nhuận bước đầu, đồng bộ về Lark Base để lên thành dashboard tạo động lực cho cả công ty hoặc cho từng store
- Đồng bộ đơn hàng hủy về Google Sheets để team chăm sóc khách hàng đi làm điều tra kỹ hơn
- Trích xuất dữ liệu phàn nàn của khách hàng ngược về hệ thống bán hàng để đánh dấu khách nào khó tính, khách nào có khả năng rớt khỏi danh sách tiềm năng, từ đó đưa ra promotion hoặc cách chăm sóc phù hợp.
Quan trọng nhất là bạn phải nắm được data trong tay, rồi muốn làm gì làm. Data của bạn thì nó phải nằm trong tay bạn. Đây cũng là lời khuyên của mình dành cho các bạn nào đang dự tính lựa chọn các hệ thống vận hành nhé. Thời này thì cần ưu tiên chọn các hệ thống mà bạn có thể sở hữu, có thể trích xuất data của chính tổ chức của mình.
Về data warehouse, nó không đơn giản là một loại cơ sở dữ liệu đặc biệt để tối ưu cho việc phân tích, mà nó còn là một chỗ tổng hợp mọi loại dữ liệu bạn có trên đời. Chỉ khi gom tụi nó về 1 nguồn, bạn mới có thể nối data giữa các nguồn với nhau (ví dụ, nối giữa chi phí quảng cáo Facebook Ads của một sản phẩm X, với doanh thu của sản phẩm X đó trong các ngày chạy camp), bạn mới có thể lọc được dữ liệu không cần thiết, và quan trọng hơn là bạn mới có được bức tranh tổng quan về doanh thu - chi phí - nhân sự - vận hành. Chứ còn các hệ thống thì thường nó đứt đoạn ở từng khâu thôi.
Không biết mọi người có cần chia sẻ gì thêm thì comment giúp mình nha. Mình có cái blog data ở https://blog.eltondata.com, nơi mình chia sẻ kinh nghiệm, công nghệ về dữ liệu và cách áp dụng vào kinh doanh. Hi vọng mọi người ủng hộ.