Quản trị và phân tích số liệu 

Từ excel đến Business Intelligence  
 

A1digihub.com1 

tuan@a1digihub.com  
 

4th Jan, 2020 

   

1
​http://a1digihub.com​ ​https://facebook.com/a1digihub 
https://www.facebook.com/groups/cong.dong.google.a1digihub/ 
https://www.facebook.com/groups/595890304519843/ 

 
 

Lời mở đầu 
Tròn 6 tháng ​A1digihub​ ra mắt sản phẩm A1 analytics​, đồng thời với các hoạt động Truyền Thông, Đào 
tạo, Chia sẻ nhằm giúp các SMB nắm được các mô hình + kiến thức đúng đắn áp dụng vào kinh doanh 
trong kỉ nguyên số.  
 
Kết quả còn khiêm tốn nhưng đã tạo được ảnh hưởng tích cực và thu hoạch được rất nhiều bài học 
quý giá về Tăng trưởng 
 
Cuối năm ngồi ngẫm lại những gì đã thực hành được, kết hợp với quan sát các anh em khác tăng 
trưởng thì A1digihub​ nhận thấy có những xu hướng sau đây đang thay đổi mạnh mẽ việc Kinh doanh 
trong kỉ nguyên số. Viết lại tặng ae, như 1 lời cảm ơn đến những người bạn, đối tác, khách hàng đã 
ủng hộ A1 Digihub.  
Bộ sách gồm 3 cuốn 
1. Phân tích số liệu . Từ excel đến Business Intelligence 
2. Xây dựng Mô hình kinh doanh Tinh gọn  
3. Growth mastermind - tăng trưởng tại các DN trăm tỉ thời đại số 
 
Mình sẽ tập trung vào các case study thực tế của cá nhân, có lấn qua một chút các case hay ho khác.  
Tài liệu phù hợp cho: chủ DN, Marketing manager, Head of Digital, Ecommerce Manager, Digital 
specialists tại các DN SMB có quy mô từ 5 tỉ đến 100 tỉ mỗi năm, nhân sự từ 5 đến 50 người 
 
Quyển 1 “Phân tích số liệu . Từ excel đến Business Intelligence” sẽ nói về chủ đề rất hot trong 
khoảng 3 năm qua mà chúng ta được nghe loáng thoáng các từ như Big data, Data-driven marketing, 
Machine learning, AI….Tuy thế mình không viết về những điều cao siêu đó (hoặc chưa đủ trình độ để 
viết). Mà chỉ là những câu chuyện giản đơn, gần gũi trong thực tế kinh doanh tại VN để các bạn cùng 
tham khảo 

   

1 
 

Quản trị và phân tích số liệu 

Từ excel đến Business Intelligence  
Tổng hợp từ: các bài viết và tài liệu bản quyền của A1digihub, có tham khảo case study từ Nguyễn 
Tùng Giang​ và ​Bùi Sơn Tâm 

Hình 1:​ ​Phân tích dữ liệu là nền tảng bắt buộc để ra các quyết định kinh doanh 

   

2 
 

Lời mở đầu 
"Số liệu là thước đo giá trị của Doanh nghiệp"  

“Số liệu là vàng" 

“Số liệu là cơ sở để ra quyết định”  

Những cái này chắc các bạn đã nghe quá nhiều rồi. Nhưng tóm lại thì Số liệu giúp gì cho công 
việc kinh doanh của tôi ? 

​ hông đo lường thì lấy gì để cải tiến và quản trị - lời của các bậc thầy Drucker và Deming 
Hình 1:​ K

   

3 
 

CHUYỆN CỦA GIANG 

Hãy nghe từ chia sẻ của Nguyễn Tùng Giang - 1 Chief Growth Officer của hàng chục DN quy mô 
trăm tỉ trong các mảng Mỹ phẩm, TPCN, Sức khoẻ  
 
WHY: Tại sao phải bắt đầu?  
Kinh nghiệm làm Giám đốc Tăng trưởng tại nhiều DN cho thấy, nếu không đặt ra câu hỏi này từ 
đầu thì gần như đều dừng chân giữa đường hoặc làm không đến nơi. Để cho anh em chút động 
lực, Giang xin kể vài câu chuyện thực tế  

CÂU CHUYỆN THỨ NHẤT: 

2014 , mảng mỹ phẩm của Giang kinh doanh thuận lợi, đỉnh điểm doanh số bán lẻ mỗi ngày gần 
1.2 tỷ. Như 1 con ngựa non háu đá chúng tôi chỉ tập trung vào việc đẩy marketing & sale làm sao 
cho bán được nhiều đơn hàng nhất có thể, khách hàng sử dụng ra sao, có quay lại mua tiếp 
không thì mặc kệ 

Lúc đó bán cho 1250 khách hàng tổng doanh số chỉ có 572 triệu, trong đó đơn lẻ thì chiếm 87%, 
đơn combo chỉ có 13% và gần như tỷ lệ khách hàng cũ quay trở lại chỉ có 7%. Giá trị của một 
khách hàng đó đối với Doanh nghiệp là 484.000₫, giá trị của một khách hàng đối với nhân viên 
sale chỉ là 4846₫ ( không bằng 1/10 ly Trà Sữa.) 

Và đến một ngày khi doanh số chúng tôi sụt giảm vì thương hiệu bắt đầu giảm dần độ nóng trên 
thị trường, chỉ có một thứ cứ tăng duy nhất là chi phí nhân sự hệ thống. 

Đó là động lực để chúng tôi quyết định dừng lại một nhịp, nhìn toàn cảnh và xây hệ thống CRM 
vào DN của mình, với hy vọng vực dậy. 

4 
 

Những thành quả không ngờ sau công cuộc cải tổ đó là: 

1. Cùng với 1.250 khách hàng nhưng doanh số đạt lên tới 925 triệu, đơn giản vì lúc này đơn 
lẻ chỉ chiếm 40% còn đơn combo chiếm 60%. 
2. Không chỉ vậy với nhiều thay đổi về CSKH và chương trình Khuyến mãi, tỷ lệ khách quay 
trở lại sau lần đầu tiên đã tăng lên từ 7% lên tới 48%. 
3. 15% khách hàng mới đến từ những khách hàng cũ giới thiệu mà không tốn chi phí 
Marketing nào. 
4. Giá trị trung bình của một khách hàng lên tới 1 triệu 6. 

Cách chúng tôi đã làm như sau 

1. Khi sâu sát cùng với ae Sale trong từng đơn hàng bán ra, chúng tôi phát hiện có nhiều 
sale upsell rất hiệu quả, đơn mụn luôn bán được sữa rữa mặt đi kèm. 
 
→ ​Nên quy trình kịch bản của chúng tôi bắt buộc và ra chỉ tiêu cho sale khi bán sản phẩm 
trị mụn bắt buộc phải bán thêm sữa rửa mặt, điều đó là giúp chúng tôi tăng giá trị trung 
bình đơn đơn từ 425000₫ lên 700.000₫ 
 
2. Sau đó phân tích sâu hơn về chu kỳ sử dụng sản phẩm, Ví dụ như mụn thường chu kỳ sử 
dụng là 30 ngày, và nếu chủ động gọi cho KH trước khi họ xài hết thì tỉ lệ Upsell tăng 
đáng kể 
 
→ ​Áp dụng CRM chúng tôi cho hệ thống báo tự động cho Sale ngày KH sắp hết hạn sử 
dụng, hãy gọi điện và chăm sóc ngay nhé. 
a- Trường hợp KH chưa hết mụn nhân viên sale sẽ up thêm kem trị mụn. 
b- Trường hợp KH đã hết mụn Sẽ up thêm sữa rửa mặt nếu trước đó KH chưa mua combo 
c- Trường hợp KH không mua sữa rửa mặt Sale sẽ cross sell sang kem trị sẹo trị thâm, 
d- Nếu KH không bị sẹo bị thâm Chúng tôi sẽ up kem dưỡng da 
 
3. Mỗi KH mua đơn đầu tiên chúng tôi đều tặng 1 phiếu mua hàng trị giá 50.000 hoặc 
100000₫ cho lần mua tiếp theo. Kết hợp CRM và CTKM, Chúng tôi đã tăng tỷ lệ KH cũ từ 
7% lên 48%, hiện tại con số mới nhất đã lên tới 58% (t8/ 2019) 
 
KHÔNG CHỈ GIA TĂNG DOANH SỐ VÀ SỰ TRUNG THÀNH CỦA KH mà điều ý nghĩa hơn 
với tôi đó là : Tăng THÁI ĐỘ - HIỆU SUẤT công việc và lòng TRUNG THÀNH của nhân sự 
sale: Trước đây sale nhìn KH chỉ trị giá bằng 4846₫ tức là bằng 1 /10 ly trà sữa. Sau đó tôi 

5 
 

cho sale hiểu rằng cùng với 1.250 khách hàng tổng hoa hồng các bạn nhận được không 
chỉ là là 6 triệu mà lên tới 21 triệu và những KH đó sẽ giới thiệu thêm thêm nhiều KH cho 
các bạn. Kết quả là sale Chăm sóc khách hàng ngày càng nhiệt tình chu đáo 

Hình 4​: Bản theo dõi “huyền thoại" của Nguyễn Tùng Giang - nhìn rất lộn xộn nhưng đáng giá tiền tỉ 

6 
 

CÂU CHUYỆN THỨ HAI: 

2019 tại chuỗi 8 spa tôi đang làm giám đốc tăng trưởng, có một số quyết định đã giúp chúng tôi 
loại bỏ 50% khách hàng lạnh, tăng được gần 30% KH đặt lịch 

● Theo dõi báo cáo Call center và ​Pancake​ chúng tôi phát hiện có rất nhiều khách hàng call 
và inbox ở những khung giờ đêm 18h-24h; lúc đó rất dễ xin số điện thoại và chốt lịch. Nên 
ngay lập tức xây dựng cơ chế trực đêm ; kết quả là tỉ lệ KH lạnh trong khoảng thời gian 
đêm giảm 60%, tỉ lệ chốt lên tới 30% so với trước đây không có ai chăm sóc. 
● Một phân tích cho thấy có rất nhiều khung giờ đặc biệt bị bỏ qua : 6h30 – 7h30 / 11h30 – 
13h / 24h – 2h. Nên đã xoay ca linh hoạt để đảm bảo khi kh liên hệ thì luôn luôn có người 
giải đáp và phục vụ. Kết quả tỉ lệ chốt tăng hơn 18% ở các khung giờ đó 
● Cuộc Miss Call ở khung giờ hành chính quá cao. Đưa vào cơ chế bắt buộc không để điện 
thoại reo quá 5s, đem vào KPI hiệu suất, phạt nếu quá cao => tỉ lệ miss call giảm 80% 
 

Hình 5​: Chưa cần đến CRM - một file excel đã đủ theo dõi mọi thứ quan trọng 
 
● Nếu ngay từ lúc đầu phát triển doanh nghiệp chúng tôi tập trung vào những vấn đề trên, 
thì có lẽ đã không xảy ra những câu chuyện như tụt giảm doanh số, khách hàng bỏ đi. 
Theo ước tính tôi đã bỏ rơi gần 50.000 khách đã chi trên 1 triệu 2 trong thời mông muội 
đó 

Giang khuyên các bạn trước khi bắt đầu Xây dựng hệ thống phân tích số liệu marketing và 
sale: HÃY ACTION NGAY ĐI ANH EM À. 

7 
 

Mà ACTION từ đâu ? 

Có bao giờ bạn ngồi xuống vài ghi ra cụ thể những câu hỏi mà mình luôn phải “đau đáu" không ? 
Như thế này : 

1. Doanh thu , lợi nhuận của bạn đến từ mặt hàng nào, đang tăng giảm bao nhiêu % từng 
ngày/tuần/tháng/quý/năm 
2. Lãi ròng trên từng sản phẩm hoặc cửa hàng là bao nhiêu sau khi trừ đi tất cả mọi chi phí 
(kể cả lương chủ) 
3. Tỉ lệ % của từng loại chi phí: giá vốn, marketing, sale, giao nhận - bóc tách tỉ lệ này ra cho 
từng loại sản phẩm, từng cửa hàng, từng team, chia theo ngày/tháng/quý 
4. Chi phí để có 1 khách (CAC = customer acquisition cost) là bao nhiêu ; giá trị vòng đời của 
khách (LTV = Life time value) là bao nhiêu. Tần suất mua hàng và giá trị trung bình từng 
đơn hàng 
5. Tỉ lệ chốt của từng sale? Tốc độ và hiệu suất làm việc của Sale? 
6. Hiệu quả của Marketing: reach, view, traffic, lead, qualified lead, deal... Google hay 
Facebook đang đem lại hiệu quả tốt hơn. CPL trên từng kênh là bao nhiêu? Đang tăng 
hay giảm? Nếu tăng thêm 20% ngân sách cho Ads thì liệu doanh số có tăng 20% ? 
7. Các chỉ số nào đang tốt và các chỉ số nào đáng báo động? Hay đợi chuyện xảy ra rồi mới 
vỡ lẽ 
8. …………….. 

Mình gặp rất nhiều DN vừa và nhỏ, có đến 90% các bạn rất mù mờ về câu trả lời. Hoặc sẽ biết 1 
cách chung chung rằng đang lời bao nhiêu, hoặc nhớ đơn giản là bỏ 1tr tiền ads thu về 30tr 
doanh số 

Khi thuận lợi thì ko sao. Đến lúc gặp khó thì ko biết khó ở đâu để gỡ. Hoặc dễ quyết định theo 
cảm tính, và đỡ ko kịp. Hoặc nghe lời nhân viên rồi đến lúc mới a đã lầm tin em 

8 
 

BÀI HỌC 

Qua 2 Câu chuyện của GIANG, chúng ta nhận rõ được cốt yếu trong cách vận hành DN bán 
online hướng đến Tăng trưởng lợi nhuận là 
- QUYẾT LIỆT: mọi thứ cần phải hành động ngay với tinh thần và kỉ luật cao nhất 
- THỰC DỤNG: đánh thẳng vào doanh số (với Sale) và Lợi ích (với khách hàng); rõ ràng DN 
nhỏ không thể quá trông mong vào những cái dài hạn như Brand awareness hay 
Customer experiences 
- HỆ THỐNG: có quy trình, báo cáo và phân tích liên tục; mặc dù hệ thống nhìn hơi lộn xộn 

 
Hình 6:​ Báo cáo tự động của 1 cty cho vay tài chính. Kiểm soát được mọi thứ quan trọng trong lòng bàn tay 

9 
 

CHUYỆN CỦA TÂM 

 
Tâm là tay ngang kỹ thuật Hàng Không nhảy sang buôn đồ TQ rồi giờ đến quà tặng 
(​Vaithuhay.com​) & chuỗi cửa hàng thời trang (Basichouse.vn​) được 6 năm. Đến giờ doanh số cả 
hai mảng đều rất ổn định, Tâm có thể thoải mái để tập trung nhiều hơn vào các vấn đề chiến 
lược, quản trị và tối ưu hệ thống 

Tâm bắt tay vào thực hiện & chỉnh sửa Hệ thống bằng GG Spreadsheet​ ngay từ đầu, dựa trên 
nhu cầu thực tế, đáp ứng cơ bản được việc quản trị kinh doanh tự động 

File ban đầu khá đơn giản, nhưng liên tục nâng cấp và cải tiến suốt 6 năm giờ thành một hệ 
thống hoàn chỉnh và sát với nhu cầu DN 

1. Nắm được chi tiết hiệu quả từng Sku, từng Ads, từng sale. (REALTIME) 
2. Dự đoán được theo mùa vụ, theo Sku, biết cần đầu tư vào đâu 
3. Tối ưu Vòng lưu chuyển hàng hoá để ko bị âm vốn 
4. Scale bằng đội freelance & agency thế nào 

Hàng chục file google sheet liên kết với nhau. Đồng bộ giữa số bán với Inventory, Forecast, P&L 
và Purchasing. Đảm bảo ko sai sót bất kì số liệu nào 

10 
 

 
​ ệ thống quản trị, tối ưu và lập kế hoạch của cty TMĐT/ Bán lẻ dưới 1tr usd (và dưới 30 người).  
Hình 7 & 8: H

11 
 

Hệ thống được chia làm 5 phần chính 

1. Sale Tracking: đo lường doanh số 

2. Inventory - COGS Tracking: đo lường tồn kho 
3. Forecast, Purchasing Order, Pending Order: đo lường Vận đơn  
4. Marketing Tracking: đo lường hiệu quả Marketing 
5. Profit & Lost Track: đo lường tài chính 

Hoạt động vận hành & giao hàng, tích hợp vẫn sử dụng Haravan​ (hoặc Nhanh​, ​Sapo​, ​Trustsales​… 
mỗi hệ thống có một ưu thế riêng tuỳ đặc thù của bạn mà chọn cho phù hợp). Tuy nhiên toàn bộ 
đơn hàng và Quảng cáo (Facebook ads​) được mình dùng API kéo số liệu ra cloud để đưa lên 
spreadsheet​ , sau đó được hợp nhất và đổ về một file phân tích thành 5 loại đo lường như ở trên. 

1. Sale Tracking  
- Tổng quan: doanh số, running rate (doanh thu dự kiến) 
- Sale KPI cho nhân viên 
- Promotion - Coupon: với từng chương trình phải biết giảm vậy với số bán là lời hay lỗ....  
- Conversion rate: từng ngày của từng kênh, từng ca làm việc, và từng seller để biết bạn 
nào hôm qua mải chơi, kênh nào mang lại doanh số tốt.... 
- Chi tiết conversion rate của từng sản phẩm theo khoảng thời gian muốn xem  
 
2. Inventory - COGS Tracking  
Hiện nay các hệ thống Omni-channel đều có sẵn, nếu không muốn tự làm có thể mua để 
dùng. Tâm làm thêm phần đo lường ITR (Inventory Turnover Ratio) của từng sản phẩm dựa 
trên mức tồn nhập - xuất & ROI để đánh giá , rồi đẩy vào phần Forecast nhằm giúp 
Purchasing có cơ sở mua hàng & deal giá với Vendor. 
 
3. Forecast System​:  
Tâm khá tự hào . Chỉ cần đưa vào dữ liệu lịch sử - kế hoạch chạy ads từ file Marketing của 
team, ITR của sản phẩm, ROI & một phần nhỏ khoảng 10% dự phòng là đưa ra được dự 

12 
 

báo mua hàng, từ đó tối ưu đần chỉ số ITR về dưới 1 ( hiện tại là 0.8 - tức là tốn 24 ngày để 
bán hết kho - một vòng quay tiền rất tốt đúng không) 
 
4. Profit & Loss​:  
Tổng hợp hết các phần ở trên lại để biết ngày nào lời, ngày nào lỗ, chạy ra ROI. Các thông 
số này sẽ là đầu vào cho việc lập kế hoạch Marketing cũng như dự báo nhập hàng. Việc 
hoạch định giá Ads cũng rất quan trọng với các hàng bán nhanh như thời trang 
+ Giá Ads tối đa cho phép của từng sản phẩm → vượt quá là đưa ra cảnh báo 
+ Hàng nào/ Category nào đang có lỗ Ads → chủ động giảm hoặc ngưng luôn để tránh 
thất thoát 
+ Nhân viên hoặc freelancer chạy ads đem lại lời lỗ như thế nào → điều chuyển hoặc thay 
đổi cách thức 

Ở đây Tâm không bàn tới Business Model hay hiệu quả kinh doanh vì Tâm cũng sấp mặt hoài, 
phương châm là đo lường để tối ưu liên tục, đứng dậy sau thất bại. Hệ thống có vẻ ghê gớm, 
nhưng bạn có thể chọn cách làm đơn giản hơn, quan trọng nhất là luôn tập trung giải quyết vấn 
đề thì Tăng trưởng sẽ đến 
***Anh em cần slide và Video full thì request join group Growth Mastermind ,​ có workshop mỗi 
tuần và Kết nối với hàng ngàn CEO/ CMO đang kinh doanh số. Buổi của Tâm rất đông, được anh 
em đánh giá cao về độ thực tiễn lẫn trải nghiệm phong phú 

 
 

13 
 

 
BÀI HỌC. 

Qua Câu chuyện của TÂM, chúng ta nhận rõ được cốt yếu trong cách vận hành DN bán online là 

- ĐO LƯỜNG: mọi thứ cần phải được setup ngay từ đầu, từng li từng tí một. Bản chất bán 
hàng là tối ưu từng % nên chỉ cần lơ là thì sẽ mất tiền tỉ 
- LƯỢNG HOÁ: Nhân viên từng bộ phận phải biết rõ họ cần đạt KPI gì, các bước phải làm ra 
sao. Ngay cả những bộ phận vốn khá “truyền thống" như Vận đơn hoặc Mua hàng đều có 
KPI liên quan đến Tăng trưởng; rõ ràng điều đó thúc đẩy toàn cty tiến về phía trước 
- CÔNG THỨC HOÁ: khi bắt tay vào setup một mảng kinh doanh mới, hoặc 1 cty mới thì 
làm sao dự trù được mọi thứ từ tài chính đến phân bổ ngân sách …. Một hệ thống dự toán 
dựa trên dữ liệu lịch sử sẽ giúp giải được 50% những vấn đề rắc rối đó 

VẬY NHÉ, thay vì ngồi loay hoay với hàng tá câu hỏi thì các bạn hãy Bắt tay vào làm ngay. Bằng 
Excel/ Google sheet đều được. Khi kinh doanh phát triển và bắt đầu tạo ra lợi nhuận, có thể nâng 
cấp thành CRM, CDP hay thậm chí ERP tuỳ mong muốn 

14 
 

CHECK LIST 

1. Thiết lập ra các chỉ số cần đo lường 

2. Tổ chức lại hết các file dữ liệu một cách logic nhằm phân tích được các chỉ số mong muốn 
3. Tạo ra quy trình hướng dẫn nhân viên cách nhập liệu và đối soát  
4. Tốt hơn là dùng các tool kết nối số tự động vì con người luôn có sai sót. Thêm nữa là ai 
cũng ngán phải nhập số mỗi ngày 
5. Tạo các bản báo cáo trực quan, có ý nghĩa và cập nhật 
6. Xây dựng thói quen đọc số và làm việc dựa trên số liệu. Ko phát biểu theo kiểu: em nghĩ, 
em tưởng, em đoán 

 
Hình 7​: biến một tổ chức thành Data-driven - tư vấn từ Sparkline 

15 
 

Từ hệ thống Googlesheet rất phức tạp của Giang và Tâm, đầu tư một chút xíu nữa bằng Google 
data studio sẽ có được những Báo cáo đẹp mượt mà như thế này . Có thể nhìn được dễ dàng 
trên Mobile, nắm bắt thông tin nhanh chóng và nói được những điều thật sự quan trọng. Nếu bạn 
thích thì liên hệ A1digihub​ , hoặc tham gia group Google data studio 101 

Hình 9​: Business Dashboard của Doanh nghiệp TMĐT 

16 
 

CÁC ÔNG LỚN NGÀN TỈ THÌ NHƯ THẾ NÀO ? 

Chúng ta vừa kể câu chuyện của 2 bạn SMB có doanh số dưới một trăm tỉ. Vậy các ông lớn ngàn 
tỉ thì sao ? Họ có đang ở quá xa so với những gì chúng ta biết không 
Thực tế thì không nhiều công ty có thể đầu tư một đội ngũ Business Intelligence chuyên nghiệp. 
Có đến 90% vẫn chọn lựa các giải pháp tự động hoá 1 phần, kết hợp với người và quy trình 
 
Topica  
Ban đầu thì họ dùng Excel (hệ thống rất phức tạp lên tới hàng trăm ngàn dòng) và phân tích bằng 
PowerBI. Sau đó khoảng 2016, họ phát triển hệ thống tự động đo lường dữ liệu từ tất cả kênh 
Quảng cáo (google/ facebook/coccoc…) đến khách hàng (crm) và giao dịch (mua khoá học). Từ đó 
cấp Quản lí thấy rất rõ hiệu quả từ marketing đến sale một cách chính xác, tự động và vô cùng 
trực quan.  
- Biết được KPI và hiệu suất từng sản phẩm, từng team, từng chiến dịch, từng kênh Quảng 
cáo 
- Tiết kiệm đến 50% thời gian của marketing cho việc họp hành, tranh cãi (nhân với số 
lượng nhân sự vài trăm người thì đó là con số vô cùng giá trị) 
- quản lí nhóm dành 50% thời gian cho việc quản trị và hỗ trợ nhân sự cấp dưới, hiệu suất 
cá nhân và cả nhóm tăng lên hẳn  
 

 
Hình 10​: Topica Nami, hệ thống quản lí Marketing tại Topica - cty chi tiền cho Facebook nhiều nhất 
tại VN (mỗi năm gần trăm tỉ) 
 
 
 
Fptshop  
Với 1 trang Ecommerce lên đến hàng triệu visit, cùng hàng chục ngàn SKU thì việc nắm bắt hành 
vi từng nhóm khách và Conversion rate từng kênh Quảng cáo không hề đơn giản. Hệ thống báo 
cáo bằng Google data studio giúp cấp Quản lí thấy rất rõ hiệu quả từ marketing đến sale (online) 
tự động, tập trung vào các vấn đề then chốt   
Họ đã làm điều đó như thế nào ? 

17 
 

- Cấu hình lại Google analytics​ chuẩn chỉnh. Thực tế ở VN, đa phần mới dùng được 30% các 
tính năng của Google analytics​ , nhất là phần Ecommerce tracking. Đây là khâu tốn thời 
gian nhất  
- Dùng ​Supermetrics​ kéo hết số liệu từ Google ads​, ​Facebook ads​, DSP, ​Google analytics​... 
về một chỗ. Khâu này tốn tiền (vài trăm usd/ tháng) và thời gian (vì phải xử lí các số liệu 
sao cho chính xác) 
- Lên dashboard. Việc này tốn công, gần 100 dashboard từ Traffic, Acquisition, Conversion, 
Audience, Product, Devices, Location….Rất là hoành tráng và gía trị 
 
Rất tiếc không thể chia sẻ Dashboard được nên các bạn tạm xem hình minh hoạ dưới đây, 
thực tế thì hay hơn gấp 10 lần 
 
 
 
 
 
 

Hình 11​: E-Commerce dashboard, theo dõi hiệu quả marketing và sale. Các bạn có thể tham khảo 
report khác từ Sisense  
 
 
7-eleven 
 
Để xây dựng văn hóa data-driven cho một tổ chức, một trong những điều tiên quyết là mọi người 
từ trên xuống dưới phải tiếp cận được data họ cần một cách thuận tiện. Data phải được sử dụng 
làm luận cứ cho các quan điểm được đưa ra (thay vì nói sản phẩm A bán rất tốt, ta phải nói bán tốt 
là bán bao nhiêu, so với cái gì, ở khu vực nào…), cho từng cá nhân có thể theo dõi KPI của mình, 
từ đó hoàn thành KPI chung. Tổ chức càng lớn, việc quản lý và phân quyền data càng phức tạp.  
 
7-Eleven Việt Nam sở hữu lợi thế lớn khi có in-house tech team xây hệ thống quản lý bán lẻ từ 
những ngày đầu. Sẽ không quá phức tạp để phát triển một report module cho cửa hàng sử dụng 
Ruby on Rail & ReactJs… 

18 
 

 
Hệ thống Dashboard 7-Eleven dựng bằng Google Big query + Data studio. Khá giống với những 
case study xem ở trên 
Bài viết chi tiết tại: 
https://medium.com/7-lab/7-eleven-viet-nam-dung-data-studio-bigquery-the-nao-b7196a191b1b 
 

 
 
Hình 12​: cấu trúc dữ liệu và cấu hình Data studio để phân tích số liệu tại 7-eleven 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

19 
 

VỚI SMB: PHÂN TÍCH SỐ LIỆU có cần thiết không? Và phân tích xong để 
làm gì ? 
 
Anh em Smb thường nghĩ :  
- cty nhỏ thì làm gì có data 
- Kinh doanh đang lãi, đo đạc làm gì cho nhức đầu 
- Thuê người vít ads ra đơn là được 
 
Điều đó cũng ổn nếu bạn đang kinh doanh thuận lợi. Nhưng khi có sự cố thì làm sao biết lỗi lầm ở 
đâu mà sửa? Và kể cả đang làm tốt thì tối ưu thêm nữa có tốt hơn không? Tiết kiệm 5% chi phí 
hoặc tăng 5% doanh thu đều tạo ra lợi nhuận thấy rõ 
 
Sự thực thì Smb có rất nhiều Số liệu đáng giá đến từ các platform Quảng cáo/ Bán hàng . Đó là 
nguồn 1 tài nguyên dồi dào, đa dạng, tươi mới và ẩn chứa nhiều bí mật. Nhưng Số liệu sẽ không 
có giá trị nếu không được tổ chức và phân tích thành các thông tin có ý nghĩa cho người quyết 
định   
  
Rất nhiều bạn làm Digital/ Ecommerce lâu năm còn đang khá lóng ngóng trong việc thấu hiểu Số 
liệu. Công cụ cơ bản nhất là Google analytics​ , ​Google data studio​ mới chỉ được khai thác khoảng 
30%. Còn ​Tableau​, ​R​, ​Python​, ​SQL​...vẫn còn xa lạ 
 
Sau đây chúng ta sẽ tìm hiểu một số Ứng dụng cơ bản nhưng hiệu quả của Phân tích Số liệu 
trong thực tế 
 
 

 
Hình 12​: hiểu đúng về từng loại số liệu trong tổ chức rất quan trọng, bất kể số liệu nhiều hay ít 
 

20 
 

#1 Phân tích số liệu để tối ưu Quảng cáo (Ads)  

 
Bạn là Agency/ Freelancers hoặc nhân viên đang chạy ads (Google/ Facebook) cho rất nhiều 
khách hàng/ dự án. Việc theo dõi các số liệu bắt đầu tốn khá nhiều thời gian khi phải login vào 
nhiều platform, export số về rồi dùng Google sheet để thống kê. Mỗi tuần làm report là cực hình 
vì phải trình bày nhiều thông tin mà dễ bị nhầm lẫn. Không thể giao phó cho người khác, cũng 
không thể làm bừa được.  
 
Rồi hàng năm, khi muốn thống kê các chỉ số lại để rút kinh nghiệm hoặc đào tạo cho team thì 
việc ngồi đào bới dữ liệu càng trở nên mệt mỏi 
 
Bạn ước gì 
 
1. Đơn giản hoá các KPI report 
2. Thu thập dữ liệu dễ dàng nhanh chóng 
3. Phân tích hiệu quả chạy Ads chính xác  
4. Xác định tập khách hàng giá trị nhất hoặc chiến dịch tốt nhất 
5. Hiểu chính xác hành vi người dùng để tối ưu hoá Ads 
 
Thì đơn giản nhất bạn dùng Excel / Googlesheet 
1. Cấu hình Google analytics cho thật chuẩn (hiểu rõ về GTM, UTM, conversion tracking….) 
2. Cài script đổ dữ liệu tự động từ Google ads và Google analytics về Google sheet 
3. Xây dựng các bảng biểu và phân tích chuẩn 
4. Phân quyền cho các đối tác liên quan 
 

 
Hình 13​: Dashboard report của Chin Media agency chuyên chạy Performance cho các Ecommerce 
lớn như Tiki, Lazada, Nguyễn Kim… dựng bằng Script + Googlesheet 
 
 
Sẽ rất mệt mỏi và dễ sai sót khi số lượng dữ liệu lớn. Phương án này phù hợp nếu bạn chỉ có 1 vài 
dự án, và chỉ chạy kênh Google ads → Web. Còn nếu phát sinh Facebook ads, Zalo ads… thì khó 
đáp ứng được , hoặc tốn thời gian nhập bằng tay tự động 
 

21 
 

Tốt hơn bạn hãy dùng A1 analytics ​- ​không phải mình tự khoe tool nhà, mà đây là cách không cần 
phải nghĩ: 5p để kết nối tài khoản và chọn mẫu report ưng ý (hàng trăm mẫu), gặp vấn đề kĩ thuật 
hoặc đọc số không hiểu có Support ngay 
 

 
 
Hình 12​: ​A1 analytics ​để report đa kênh  
 
Trước đây, một bạn Ads specialists tốn trung bình 5 tiếng mỗi tuần cho 5 report; thì một tháng tốn 
25 tiếng (tương đương với khoảng 2 triệu tiền công) cho report . Thì với A1 analytics, bạn chỉ còn 
tốn không đến 30 phút. Tiền tiết kiệm được đáng kể, nhưng Thời gian để làm việc khác sẽ tạo ra 
giá trị lớn gấp nhiều lần 
 
Cao cấp hơn nữa thì Supermetrics​ + Google data studio (hoặc Tableau) 
 
Supermetrics​ là 1 startup tuyệt vời đến từ Phần Lan. Mình rất thích slogan của họ: “Built 
with love, tea and coffee in Helsinki”. Với khả năng kéo dữ liệu siêu mượt, siêu nhanh từ 

22 
 

hàng trăm platform rồi cho phép đổ về excel / google sheet hoặc database, Supermetrics 
là cánh tay đắc lực giúp Marketers kéo số trong chớp mắt 
Google data studio​ là 1 sản phẩm của Google, cho phép bạn visualize mọi loại dữ liệu 
thành các bảng biểu và chỉ số tự động. Kết hợp với Google Big Query và Google Cloud thì 
đây là bộ 3 rất mạnh để lưu trữ và phân tích số liệu. Google cũng rất quan tâm đầu tư cho 
mảng này 
Tableau​, vừa được Saleforce mua lại , còn xịn hơn Data studio  
 
Ngoài ra còn có: ​klipfolio.com​, ​Cyfe.com​, ​Reportgarden​, ​Databox​ , ​Tapclicks​ ...nhưng giá 
không rẻ với VN (từ vài chục → trăm usd/ tháng)  
 
 
 
#2 Phân tích số liệu để tối ưu Quảng cáo (Ads) ra đơn hàng 
 
Bạn đã quá quen với việc chạy Facebook ads, hứng leads bằng form hoặc đổ thẳng về Inbox để 
chốt đơn rồi đẩy qua đội giao nhận. Việc đó không quá khó khăn với quy mô nhỏ, nhưng khi công 
việc kinh doanh bắt đầu tăng tốc lên tới vài chục đơn, hàng trăm khách mỗi ngày thì Dữ liệu sẽ là 
nỗi đau khó chia sẻ cùng ai. 
 
Bạn rất muốn biết 
1. Số đơn hàng từ Tin nhắn - On Facebook Purchase 
2. Chi phí cho một đơn hàng từ Tin nhắn - Cost / On Facebook Purchase 
3. TỈ LỆ CHỐT ĐƠN từ Tin nhắn -> Biết ngay được hiệu quả làm việc giữa đội Marketing (số 
Tin nhắn mới) và đội Sale (số đơn hàng chốt thành công) 
 
Bạn rất muốn đơn giản hoá việc quản trị - vì mô hình kinh doanh này chỉ có 3 -5 người và phải 
kiêm nhiệm đủ thứ 
1. Kiểm soát được hiệu suất làm việc của nhân viên/freelancer/agency chạy Ads dựa trên 
kết quả thực chạy so với KPI -> có thể nhanh chóng "hà hơi thổi lửa" vô gáy để anh em 
làm nhiệt hơn và ĐẶC BIỆT không bị nhân viên lừa, qua mặt… 
2. Nhìn rõ được cơ hội đầu tư vào quảng cáo sáng như trăng rằm tháng 8 -> tập trung đi 
bốc bát họ để đẩy số thôi anh em ơi!! 
3. Thấy đâu là nguyên nhân gây lãng phí ngân sách chỉ trong 1 cú liếc mắt -> Nhanh tay tắt 
Ads hoặc điều chỉnh, không bị mất tiền oan 
 
 
 
 
 

23 
 

TẤT CẢ MONG MUỐN TRONG MỘT TẤM HÌNH  

 

 
 
 
● Kết quả bán hàng, chi phí cho một đơn hàng trong theo chiều thời gian 
● Kết quả thực chạy so với KPI đã để ra -> đưa ra quyết định kịp thời để tránh lỗ 
● Chi tiết kết quả bán hàng và chi phí theo từng chiến dịch quảng cáo -> nên đầu tư 
ngân sách quảng cáo vào đâu 
● Chi tiết kết quả bán hàng và chi phí cho từng nhóm độ tuổi -> nên đầu tư ngân 
sách quảng cáo vào nhóm tuổi nào 
● ……... 
 
 
Đây là 2 ví dụ đơn giản nhất, áp dụng cho các DN quy mô dưới 20 người và mô hình kinh 
doanh đơn giản, chủ yếu là chạy ads chốt đơn trên 1 kênh. Còn DN chạy đa kênh, nhiều 
người, doanh số trăm tỉ thì thế nào ? Thực ra về mặt quản trị vẫn không khác nhau là mấy  

 
 

24 
 

Khuyến nghị: Để bán hàng đa kênh thì cần xây dựng được Tư duy tạo phễu bằng Content/ 
Livestream  chất  và  chuyển  đổi  khách  hàng  qua  từng  Touch  points,  kết  hợp  với  đẩy  số 
bằng  Ads  &  Remarketing.  Khi  logic  số  liệu  hoà  hợp  với  sức  sáng  tạo  thì  kết  quả  sẽ bùng 
nổ.  Đây  là  nội  dung  sẽ  nói  đến  trong  cuốn  ​Growth  mastermind​,  nên mình không đi sâu ở 
đây 
 

 
Hình 14​: Workshop tạo phễu bằng Content chất và chăm Leads tự động bằng Mautic  

 
#3 Phân tích số liệu để tối ưu hoá Lợi nhuận DN Bán hàng đa kênh 
Bài  toán  điển  hình​:  bán  hàng  trên  kênh  website,  Lazada,  Shopee.  Nhân  sự  30 người, chia làm 3 
team quản lý từng kênh. Vài trăm đơn hàng mỗi ngày, doanh thu mỗi tháng vài tỷ.  

Quy  trình​:  Marketing  kéo  Lead  để  sale  chốt  (online  +  tele),  sau  đó  vận  đơn  sẽ  làm  việc  với  cty 
giao nhận để giao cho khách hàng + thu tiền. 

Quen thuộc quá nhỉ. Có hàng chục ngàn anh em 8x, 9x đã kiếm tiền tỉ từ mô hình thế này. 

Thách thức cho nhà quản lí 

Số liệu bị phân mảnh và lộn xộn do đơn hàng đến từ nhiều kênh khác nhau. Khó nắm được: 

1. Tổng  quan  tình hình kinh doanh: Tốn rất nhiều thời gian để tổng hợp các chỉ số doanh thu, 

chi phí và lợi nhuận.  

25 
 

2. Hiệu  quả  hoạt  động  của  từng  nhân  viên:  kết  quả  vs  KPIs  ,  hiệu  suất đang tăng hay giảm, 
các chỉ số chính ở đâu so với mặt bằng chung… 
3. Tình trạng vận đơn: giao thành công, huỷ, bùng, lead time… 
4. Hàng hot nhất: để đưa ra các chương trình khuyến mãi kích cầu.  
5. Số lượng bán, lợi nhuận theo từng sản phẩm. 
6. Kênh bán hàng hiệu quả nhất   

Rất  Khó  lên  kế  hoạch  khi  mà  số  liệu  bị  lưu  thủ  công  rời  rạc  theo  từng  tháng,  không  có  cái  nhìn 
toàn diện. Không thể đưa ra quyết định khi mọi thứ cứ tù mù và rối rắm như thế 

Giải pháp tham khảo 

- Đẩy  dữ  liệu  từ  các  kênh  bán  hàng  về  Google  sheet:  có  thể  làm  bằng tay, hoặc dùng API, 
hoặc thông qua các tool tự động như A1 analytics​ hoặc Supermetrics 
- Cấu  trúc  ​Google  Sheet  như  một  cơ  sở  dữ  liệu  tổng  hợp cho hoạt động kinh doanh : phân 
chia thành các bảng nhỏ cho từng mảng ( đơn hàng, bán hàng,vận đơn). 

- Trực quan hóa dữ liệu lên dashboard thông qua Google Data Studio 

26 
 

Kết quả là các số liệu rối rắm trở thành các bảng biểu bắt mắt và giàu giá trị thông tin 

1. Dashboard báo cáo hoạt động kinh doanh  

 
Hình 15​: Tổng quan hoạt động kinh doanh 

Các  chỉ  số  quan  trọng  được  diễn  hoạ  bằng  biểu  đồ  để  nắm  bắt  được  hoạt  động  kinh 
doanh ( REAL TIME) , có thể đưa ra quyết định mọi lúc mọi nơi 

- Tổng doanh thu 

- Tổng số đơn hàng  
- Giá trị trung bình đơn  
- Tổng chi phí  
- Tổng lợi nhuận 

2. Dashboard hiệu quả hoạt động của nhân viên: 

Đi  chi  tiết  hơn  vào  hiệu quả bán hàng theo các cấp chi nhánh và nhân viên: doanh thu, lợi 

nhuận, số lượng đơn hàng sẽ được chia nhỏ ra theo các cấp thấp hơn , thể hiện rõ mức độ 
đóng góp của các cá nhân, biết rõ ai hoạt động tốt hay kém. 

27 
 

3. Dashboard​ ​hoạt động vận đơn: 

Thể hiện những chỉ quan trọng: 

- Tổng số đơn giao thành công / không thành công  

- Số tiền phải thu  
- Số tiền đã thu  
- Số tiền phải giao còn lại  

Ngoài  ra  còn  có  các  biểu  đồ  cơ  cấu  các  tình  trạng  giao  hàng,  biểu  đồ so sánh số 
tiền  phải  thu  và  số  tiền  đã  thu  nhằm  đem  cái  nhìn  toàn  diện  và  đầy  đủ  nhất  cho 
cấp quản lý 

28 
 

 
 
​ ashboard Hiệu quả bán hàng theo sản phẩm  
4​. D

Chi  tiết  những  chỉ  số:  doanh  thu,  số  lượng  bán  được  theo  từng  sản  phẩm  nhằm  tìm  ra 
được  những  sản  phẩm  hot  nhất,  cũng  như  biết  được  sản  phẩm  nào  hết trend để thay thế 
hoặc tối ưu quảng cáo 

29 
 

 
5. Dashboard Hiệu quả bán hàng theo kênh bán hàng  

Tổng  doanh  thu  và  số  lượng  đơn  hàng  sẽ  được  breakdown  ra  theo  kênh  bán hàng nhằm 
đưa  ra  được  đâu  là  kênh  bán  hàng  hiệu  quả  nhất  để  tập  trung  hoạt  động  kinh  doanh 
nhằm giảm chi phí. 

30 
 

6. Dashboard hoạt động quảng cáo  

Các  chỉ  số  quan  trọng  như  là  chi  phí,  reach,  mức  độ  hiển  thị,  lượng  tương  tác,  số  lượng 
click  vào  link  và  leads  sẽ  được  thể  hiện  dưới  dạng  số  tổng  hợp  cũng  như  biểu  đồ  time 
series, giúp manager có cái nhìn toàn diện và đầy đủ hơn. 
 

 
 

 
 

#4 Phân tích số liệu để tối ưu hoá Marketing của Cty Nhân sự 
Bài  toán​:  Doanh  nghiệp  triển  khai  digital  marketing  &  sự  kiện  nhằm  tăng  Brand  awareness,  thu 
hút CV ứng viên và khách hàng tiềm năng.  

Kênh​:  Google  Ads,  Google  Analytics,  Facebook  Ads,  Facebook  Insight,  LinkedIn  Ads,  LinkedIn 
Business.  

Vấn  đề  phát  sinh  vì  có  nhiều  tài  khoản  quảng  cáo  và  nhiều  project  liên  tục  trong  năm.  Số  liệu 
phân mảnh ở các nền tảng riêng biệt, và thay đổi liên tục theo campaign. 

Điều này gây ra rất nhiều sự khó chịu: 

31 
 

- Khó quản lý hiệu suất quảng cáo theo Kênh/ Campaign. 

- Rất  tốn  thời  gian  tổng  hợp  số  liệu  từ  nhiều  nguồn  để  làm  báo  cáo,  phải  chờ  rất lâu chỉ để có 
được vài số liệu đôi khi rất cơ bản. 
- Số liệu bị sai lệch, không có giá trị để phân tích 
- Báo cáo rất khó nhìn, khó so sánh và đối chiếu. 

Ở quy mô trăm nhân sự thì cấp quản lý luôn cần một cách thức chuyên nghiệp và tin cậy hơn 

- Làm sao để Quản lí luôn nắm được báo cáo kịp để ra quyết định cho hoạt động marketing. 
- Trả lời được các câu hỏi đặc thù về Brand Performance của công ty. 

Giải pháp  

Không phức tạp, chỉ cần xử lí theo các bước sau đây: 

− Tự động thu thập và lưu trữ, chuẩn hóa dữ liệu từ các nguồn về 1 chỗ 

− Giảm thiểu các bước nhập dữ liệu bằng tay 

− Thiết kế các Dashboard, trả lời những Câu hỏi quan trọng nhất của cấp Quản lí 

o Channel Overview​: đóng góp Leads và ngân sách của từng kênh 
o Campaign Overview​: đóng góp về Leads và ngân sách của campaign. 
o Performance  Across  channel​:  tổng  quan  các  chỉ  số  tương  tác  của  Website,  Social 
Listening, LinkedIn Insight, Facebook Insight, Email Marketing. 
o Website  performance​:  chỉ  số  về  users,  sessions,  bounce  rate,  sessions  duration,  lead 
(goal 1 conversion), conversion rate. 
o Facebook  Insights​:  impression,  content  clicks,  page  likes,  net  page  likes,  engagement, 
engagement rate, likes, shares, comments, type reach, demographic, fanpage growth. 
o LinkedIn  Insights​:  impression,new  followers,  CTR,   engagement,  engagement  rate,  likes, 
shares, comments, demographic, engagement 
o Facebook Ads​: tổng hợp dữ liệu từ 100 tài khoản quảng cáo. 
o LinkedIn Ads​:  Awareness,  Engagement,  Amount  spent,  %  budget,  CPM,  CPC,  Cost  per 
lead, cost per engagement. 

Một số Yêu cầu khác tuy nhỏ nhưng rất biết chiều lòng người dùng: 

− Dữ liệu Refresh mỗi ngày 1 lần, Có thể chọn timeframe ( daily/monthly/quarterly) 

− Có thể chọn chiều xem dashboard: theo project và theo campaign 
− User: phân quyền theo email. 
− Có thể chọn 1 campaign hoặc nhiều campaign để xem 
Việc thiết kế và xây dựng không quá phức tạp. Các bạn xem mô hình sau 

32 
 

 
 
Một số Dashboard tham khảo 

1. Báo cáo Tổng quan: Kết quả và Chi phí 

33 
 

2. Báo cáo theo Campaign 

 
 

34 
 

3. Báo cáo hiệu quả Website 

 
 

35 
 

4. Báo cáo Google Ads/ Facebook ads/ Linkedin Ads 

 
 

#5: Phân tích hiệu quả Tuyển dụng của trung tâm NGOẠI NGỮ. 
Bài toán 

Ở  Quy  mô  vài  trăm  nhân  viên  và  hơn  100  trung  tâm  trên  toàn  quốc,  nhu  cầu  tuyển  dụng diễn ra 
quanh  năm  với  số  lượng  lớn.  Cách  thức  chủ  yếu  là  đăng  tin  lên  các  kênh  trực  tuyến 
(VietnamWorks,  Careerbuilder,  Jobstreet,  Timviecnhanh,...  và  chạy  quảng  cáo  trên  Facebook 
Ads, LinkedIn Ads. 

Dữ  liệu  về  tin  tuyển  dụng,  ứng  viên,  phỏng  vấn  và  đánh  giá  được lưu ở nhiều kênh, nhiều file với 
định dạng khác nhau, gây ra khó khăn: 

- Tốn thời gian tổng hợp để báo cáo 

- Không có góc nhìn tổng quan để ra quyết định 

36 
 

Giải pháp: phân tích số liệu cho phòng nhân sự nhằm quản trị việc tuyển dụng. 

- Theo dõi kết quả tuyển dụng của Job, Campaign, Location. 
- Theo dõi hiệu quả tuyển dụng của Nhân viên tuyển dụng, của Kênh tuyển dụng. 

Cách làm cũng giống như các case study phía trên. Một số Dashboard để tham khảo:  

37 
 

Qua 5 bài toán điển hình ở trên, chúng ta thấy việc phân tích số liệu của SMB thật ra khá đơn 
giản. Chỉ cần vài bước cấu hình, sử dụng những công cụ có sẵn là chúng ta đã có được một hệ 
thống Dashboard dễ hiểu và giàu ý nghĩa. Điều tuyệt vời nữa là mọi thứ đều tự động, real time, và 
nằm gọn trong lòng bàn tay (mobile) 
- CEO/ Quản lí sẽ nhìn thấy được những chỉ số mà họ quan tâm nhất : acquisition, 
evaluation, conversion và retention. Tránh phải bơi trong 1 đống metrics và biểu đồ phức 
tạp 
- Marketers sẽ giảm nỗi đau phải vật lộn với Excel để report hàng tuần cho sếp. Bạn cũng 
đoán để làm được mấy cái bảng này cũng phải tốn cả ngày, mà phải xin số từ sale/ admin/ 
web/ social / seo…. chứ không thể tự có hết số được  
- Sale và Marketers sẽ bớt cãi nhau xem vì sao Doanh số không tăng 
- Purchasing/ Logistics sẽ thấy rõ xu hướng để tối ưu các hoạt động nhằm tạo ra lợi nhuận 
 
*​*Bật mí là làm được mấy cái bảng cho mục đích như trên sẽ tốn khoảng cả ngàn usd và vài 
tháng cật lực. Nhưng với quy mô nhỏ hơn, chỉ mất vài tuần và vài trăm usd là được 
 

 
Hình 16: ​tấm hình huyền thoại từ Topica, đo lường các chỉ số từ Clicks --> Leads → Sale 
 
 
 
 
 
 
 
 
 
  
 
 

38 
 

5p dành cho Quảng cáo: 

A1 analytics​ có thể hiểu đơn giản là: supermetrics + data studio cho mảng Digital marketing + 
Ecommerce, buid sẵn template cho từng ngành và từng mục đích. Nhanh hơn Data studio, rẻ hơn 
supermetrics (hiện giờ đang bán 299 ngàn/ tháng). Đội ngũ phát triển sản phẩm A1 đến từ những 
người có 10 năm kinh nghiệm trong ngành Adtech, Agency, Ecommerce. Bọn mình cũng thường 
xuyên kết nối, học hỏi từ những chuyên gia trong từng ngách và học các mô hình hay ho của họ 
để đem về nâng cấp thư viện Dashboard, vì vậy mọi người đang được sử dụng những kiến thức 
rất tốt ở mặt bằng chung của thị trường.  
Hiện nay A1 analytics đã kết nối được với 
+ các platform quảng cáo: Google ads, Facebook ads,  
+ các platform đo lường: Google analytics, Facebook insights,  
+ các platform bans hangf: haravan, kiotviet, tiki, lazada, ladipage, shopee 
+ import số từ Excel/ Google sheet. 
Hết q1.2020 sẽ kết nối với Crm (hubspot, getfly) chatbot, call center, hướng tới phục vụ 100,000 
anh em SMB quảng cáo/ bán hàng online ở VN và ĐNA 
 

 
Hình 12​: ​A1 analytics​ khi tích hợp với Haravan​, ​Kiotviet​, ​Tiki​, ​Shopee​, ​Sapo  
 
 
 
 
 
 
 
 
 
 

39 
 

CÓ SỐ LIỆU RỒI LÀM GÌ 

Từ Thống kê đến Phân tích Insights để ra quyết định 
 
Có một số bạn tự hỏi: chả lẽ phân tích số liệu chỉ là tổng hợp và vẽ biểu đồ thôi sao ? Thực sự thì 
nếu làm được thế thôi cũng đã hơn 50% những người đang mù mờ về số rồi. Nhưng nếu dừng ở 
đó thì không thể tạo ra tăng trưởng được. Bản chất Thống kê trong Kinh doanh là phải có mục 
đích là đi tìm cơ hội tăng trưởng. Trong phần này, chúng ta hãy làm một số bài tập để hiểu cách 
tư duy bằng số liệu  
 
Đo lường và dựng Dashboard trong Ecommerce để ra quyết định như thế nào ? 
 
Không có số liệu thì như người mù bước ra đường. Quá nhiều số liệu thì như nông dân lạc giữa 
phố thị. Đấy là điều thường xuyên xảy ra trong các DN bán hàng online hoặc ecommerce.  
 
Chúng ta không nên tham lam đo lường mọi thứ, mà hãy tập trung vào các Metrics quan trọng 
nhất và các metrics ảnh hưởng đến chúng. Thật may Google analytics​ đã cung cấp đầy đủ các 
metrics đó. Việc còn lại là hiểu được cần phải đọc các số liệu gì, theo framework nào.  
 
Đối với ecommerce website, có 4 Mục tiêu quan trọng nhất mà chúng ta cần tập trung vào để đạt 
hiệu quả bán hàng. Đó là: 
- Củng cố các kênh QC online / offline để tạo ra nhận biết và nhu cầu của khách hàng tiềm 
năng 
- Cung cấp thông tin sản phẩm & dịch vụ rõ ràng, đầy đủ nhất để khách hàng tìm hiểu trên 
cả online lẫn offline 
- Tạo ra sự an tâm và thuận tiện khi khách hàng muốn giao dịch 
- Dẫn dắt tới các hành động chuyển đổi tại offline (nếu có): chỉ đường, lấy hàng tại cửa hiệu 
.... 
 

 
  
 
Để đo lường 4 mục tiêu này, Google analytics​ cung cấp hàng trăm loại Metrics khác nhau, với đầy 
đủ biểu đồ và bảng số. Tuy vậy để hiểu mối tương quan giữa các Metrics và ảnh hưởng của 
chúng đến từng mục tiêu là điều không hề dễ dàng. Cũng không có công thức chung mà phụ 
thuộc vào từng ngành, từng mô hình kinh doanh. Ở đây chúng ta sẽ xem một framework cơ bản 
về đo lường dựa theo hành trình 4 bước để chuyển đổi khách hàng: 

40 
 

 
 
 
 
Thay vì theo dõi lung tung các Metrics, chúng ta chỉ cần tập trung vào khoảng 30 metrics quan 
trọng nhất và sắp xếp chúng theo một trình tự logic. Việc tiếp theo là cài đặt chuyển đổi cho thật 
kĩ càng để đo lường chính xác các metrics này.  
 
1. Acquisition: Thu hút  
% of new users​ : là tỉ lệ người dùng mới thu hút được trong chu kì. Ví dụ 60% chứng tỏ 
bạn đang làm marketing tốt, còn nếu 30% tức là bạn không thu hút được nhiều người mới 
quan tâm 
Bounce rate %​: là tỉ lệ người đến landing page nhưng không tương tác mà sẽ rời trang. 
Con số này tầm dưới 30% là ổn 
% of sign-up/ first-time logins​: tỉ lệ người đăng kí mới hoặc login lần đầu. Đây là con số 
quan trọng với những Ecom/ Platform kiếm tiền từ người đăng kí 
Các metrics này cần chia theo nguồn traffic để biết kênh nào hiệu quả: direct, organic, 
referral, paid  
 
2. Evaluation: Cân nhắc 
Product view rate %​: tỉ lệ người truy cập có xem sản phẩm 
Product engagement rate %​: đây là chỉ số quan trọng. Tỉ lệ người có tương tác với sản 
phẩm (favorite, share, comment, chat…) 
Scroll depth on content:​ độ dài nội dung được đọc. Ví dụ cũng là click vào 1 bài, nhưng 
user chỉ lướt qua vài dòng, sẽ khác với việc họ kéo hết bài dài 3 trang 

41 
 

Funnel completion rate %​: Catalog, Product, Cart (tra gop, gio hang, popup), Success. Tỉ 
lệ càng cao qua mỗi bước chứng tỏ sản phẩm thu hút, UX tốt, đủ sức thuyết phục người 
mua hàng 
 
3. Purchase: Mua hàng 
Ecommerce conversion rate %​: tỉ lệ chuyển đổi. Thước đo quan trọng bậc nhất. Thường 
chỉ khoảng 2% 
No of successful transaction online​: lượng giao dịch thành công. Luôn có chênh lệch 
giữa số liệu GA và số liệu thực, nên đây mới là thước đo chính xác nhất cho chuyển đổi 
Revenue: d ​ oanh số bán 
Average order value: ​giá trị trung bình 1 đơn hàng 
Average margin per order​: sau khi đã trừ chi phí km và giá vốn rồi thì 1 đơn lãi bao nhiêu. 
Ví dụ có bán 1000 đơn mà mỗi đơn lãi 1k thì không khác gì cắt máu 
Phân nhóm theo: Delivery, Store pickup, INstallment (app), Categories/ Brands 
Cost of acquiring new customer (CAC)​: chi phí bỏ ra để tìm được 1 khách (marketing, 
sale) 
Cost per product engagement : ​chi phí cho 1 tương tác với sản phẩm 
Ví dụ: đơn giản thì là người dùng xem sản phẩm 4 - 5 s (đủ để hiểu sơ bộ về thông tin ) 
Phức tạp hơn: trung bình trọng số của các chỉ số (độ sâu khi đọc bài , comment, rate, 
zoom hình..) 
Product view là chỉ số rất chung chung mà marketer hay sử dụng, không đủ nói lên được 
mức độ thu hút của sản phẩm 
 
4. Retention: quay lại 
Số lượng active user theo tuần tháng, năm 
Số lượng xem sản phẩm (no of product views) 
% of returning visitors:​ người dùng quay lại nhiều là tốt, nhưng nhiều quá chứng tỏ bạn 
đang không thu hút được khách mới 
% of repeat purchase​: theo tuần tháng, năm 
Customer lifetime value:​ tổng giá trị mà khách đã mua trong khoảng thời gian. Càng cao 
càng tốt 
Cohorted by​: acquisition channel, acquisition date, first bought product/brands 
*​Cohorted là 1 tính năng rất hay của GA, sẽ viết thành bài riêng 
 
 
Cuối cùng, chúng ta hãy diễn hoạ bằng Dashboard theo trật tự mà CEO có thể nắm bắt được 
trong vài nốt nhạc  
 
 

42 
 

  
 
Có Dashboard rồi thì phải làm gì ?  
Chúng ta cần dành thời gian đào sâu vào từng dashboard để đi tìm ra lời giải cho bài toán tăng 
trưởng. Việc này không hề dễ dàng với những người lười nhìn số, hơn nữa không phải dashboard 
nào cũng có ý nghĩa. Tuy thế cần nghiền ngẫm, kiên nhẫn và rèn luyện mỗi ngày, vì trước khi đào 
thấy vàng bao giờ cũng phải bới ra hàng đống sỏi đá   
 
Trường hợp đơn giản: 
Nếu đơn kênh, Ví dụ, với Google ads​, dùng Script đổ về Google Sheet​ để quy định các Action 
cho nhân viên mỗi khi biến động về CPC/ CPL xảy ra. Việc này sẽ giúp bạn không bị rơi vào các 
tình huống “mếu máo" khi nhân viên non tay. Và khi chạy hàng trăm dự án cùng lúc, bạn sẽ học 
được các quy tắc chung, đội ngũ cũng quen cách tư duy nghiêm túc dựa vào số liệu.  
 

 
 

43 
 

Trường hợp phức tạp hơn trong Ecommerce/ Retail 

Chạy đa kênh, khách đến từ nhiều nguồn và nhiều hoạt động. Chúng ta cần xác định được 
Attribution Model​:
- Last-Click: cài đặt phân bổ mặc định của Google ads và Google Analytics
- First-Click : phân phối tiền quảng cáo cho kênh hoặc mẫu quảng cáo đầu tiên
- Linear Model (Tuyến tính): Phân bổ đồng đều giá trị đóng góp dẫn đến lượt chuyển đổi
cho tất cả các click trên hành trình mua hàng.
- Time Decay Model (Giảm dần theo thời gian): ưu tiên phân bổ tín dụng cho các hành động
xảy ra gần hơn với chuyển đổi cuối cùng nhất
- Position-Based Model (Dựa vào vị trí): phân phối 40% tín dụng cho First - Click và Last -
Click, 20% cho các click còn lại.
- Data-Driven Model (Phân bổ theo hướng dữ liệu): Dùng AI/ Machine learning để đo lường
hành vi của customer trên từng touch points, từ đó chấm điểm cho từng kênh, và quyết
định kênh nào là then chốt tạo ra chuyển đổi. Google bảo là Data-driven Attribution là
tương lai

Google hay Facebook tuy thế cũng không sở hữu hết data của user, nên cách tính Attribution của
họ cũng không hoàn toàn chính xác. Ví dụ khách xem video clip xong thích quá, lên web xem rồi ra
cửa hàng mua. Đố biết vì do clip hay, web đẹp hay Sale khéo.

44 
 

Ví dụ: user click vào Google Ads

(search/ GDN) nhưng không mua
ngay lập tức, hôm sau user sang FB
và bị quảng cáo bám đuổi rồi quay
trở lại mua hàng. Ở trường hợp này,
FB ghi nhận đơn hàng là của mình
và GG cũng đồng thời ghi nhận. Bởi
thuật toán tính CPA mới của GG Ads
ghi nhận CPA cả trong trường hợp
user đã thoát khỏi trang trong vòng X
ngày nhưng sau đó vẫn có chuyển
đổi

Nên hiện nay, đối với Smb hoặc

Retail thì Attribution là một câu
chuyện không dễ có đáp án chung.

Vậy chúng ta phải làm sao ?

- Attribution model dùng để phán đoán , kết hợp với sự thấu hiểu về khách hàng, vận hành và thị
trường để quyết định việc đầu tư cho Sale & marketing. Chả có mô hình nào đúng tới 100% cả, nếu
đúng hơn 50% thì cũng khá ok rồi. Cho nên đầu tiên phải luôn có phân tích số liệu và ra được
attribution

- Attribution cho ta biết được kênh Quảng cáo& Marketing nào đem về được nhiều người quan tâm,
và tác động giữa các kênh đó ra sao. Nhưng để tăng trưởng số thì 50% thành công đến từ Sale &
Cskh; việc này ko ông Google hay Faceook nào làm được. Cho nên đầu tiên phải luôn có phân tích
số liệu và tìm ra được các cơ hội tăng trưởng

- Hiểu cách thức mà các Platform đang cố giải quyết rồi biến hoá cho phù hợp với đặc thù kinh
doanh mới đem lại kết quả

Ví dụ

- một số bạn vẫn đang chạy chuyển đổi landing page hoặc tin nhắn bán trăm đơn. Bí quyết
nằm ở việc chọn đúng sản phẩm và tập khách để vít

45 
 

- Một số livestream hoặc seeding bán trăm đơn. Bí quyết nằm ở việc thấu hiểu Customer
Journey map, và khả năng chốt sale siêu đỉnh.

Tấm hình mà mình thích nhất

- Tech & Data tạo ra những con số và biểu đồ vi diệu, khơi nguồn cho ý tưởng
- Con người sáng tạo nên những cách thức phù hợp nhất với mô hình kinh doanh, là chìa
khoá quyết định thành bại 

 
 
 
 
Và một slide rất hay về Marketing Automation dùng AI của Insider​ , 1 startup từ Thổ Nhĩ Kỳ trị giá 
gần tỉ đô, được Sequoia Capital​ đầu tư, đang triển khai nhiều case study rất hay tại VN 
Jack - ITAN - VN - How AI-Machine Learning is transforming the Digital Marketing 
Technology-pages-1-37,39-43,45-50 (1).pdf  
 
 
 
 
 

46 
 

SAU SỐ LIỆU NỮA LÀ GÌ 

Phần này nói thêm, nhưng sẽ không thể nói quá sâu - quả thực mình cũng không phải là 1 
Data analyst 
 
Data analytics sẽ trở thành yêu cầu cấp thiết của tất cả bộ phận Marketing/ Sale trong những năm 
tới. Ứng dụng rõ nét và thiết thực nhất thuộc về các nhu cầu sau 
- Data aggregation​: liên thông dữ liệu giữa hàng trăm công cụ, tạo ra luồng thông tin xuyên 
suốt cho tất cả mọi bộ phận liên quan 
- Customer data management​: biết được rất rõ hành vi của khách hàng trên từng điểm 
tương tác, rồi đưa ra các thông điệp & offer cá nhân hoá, đúng ngữ cảnh 
- Business dashboard​: cung cấp số liệu, thông tin ra quyết định cho các cấp lãnh đạo một 
cách chính xác, trực quan, sinh động và tự động. Xoá bỏ mọi điểm mù và ách tắc về hiện 
trạng kinh doanh 
- Automation rules​: vận hành tự động, chính xác theo các quy tắc đã được chứng minh 
hiệu quả từ chuyên gia. Giảm công sức và sự phụ thuộc vào con người 
- Machine learning/ AI​: huấn luyện máy móc biết cách hiểu data/ pattern/ rule từ đó đưa ra 
quyết định tự động trên 1 quy mô rộng lớn mà không con người nào có thể so sánh được 
 
Ở Việt Nam các bạn có vẻ cuồng Automation/ AI nhiều quá, nhưng thực tế ít Doanh 
nghiệp có đủ độ sẵn sàng để làm việc này. Nên hãy bắt đầu bằng aggregation, 
Dashboard để hiểu dữ liệu của mình trước nhé 
 
 
Một số ứng dụng của Phân tích số liệu tại những DN lớn  
phần này mình chỉ được nghe thôi, chứ không trực tiếp tham gia. Nên kể lại cho các bạn tham 
khảo 

1​. ​Shopee
- Recommend sản phẩm khi người dùng duyệt hoặc mua 1 sản phẩm có liên quan
- Tăng độ chính xác khi Search,
- Kiểm duyệt hình ảnh: hàng triệu bức ảnh, làm sao phân biệt được đâu là thật, đâu là fake, hình có
đạt chuẩn hay không, logo có hợp lệ không ?
- Tối ưu giao hàng: với quy mô lên đến vài chục → trăm ngàn đơn/ ngày thì làm sao việc ghép đơn
và xử lí được nhanh nhất
- Dự đoán nhu cầu mua sắm: hàng triệu khách vào xem thông tin, hỏi mua, không mua….thì làm
sao biết được nhu cầu gì sẽ hot để tập trung vào đấy

2. The coffee house

- Luôn xuất phát từ vấn đề bạn đang gặp. Liệu vấn đề đó cần giải bằng AI hay đôi khi excel là đã đủ
rồi

47 
 

- Thử nghiệm trên quy mô nhỏ : có rất nhiều open source triển khai nhanh chóng.

- Thu thập và chuẩn hoá data. Nếu ko thì chẳng bao giờ tới AI được

3. Grab = Data -driven

- Tại Grab, mọi cuộc họp giữa Sale với Marketing đều dựa trên data. Ví dụ: Sale than phiền rằng Tài
xế ko có khách vì Marketing gần đây ko tung Khuyến mãi. Đáp lại, marketing chỉ ra rằng tỉ lệ nhận
chuyến của tài mới chỉ ở mức 70%. Vậy hãy chịu khó cày cuốc đi, đừng than phiền nhé
- Grab cá nhân hoá giá dựa trên các nhóm nhu cầu khác nhau. Ví dụ: người thích nhanh → giá cao,
kẻ thích rẻ → giá thấp + khuyến mãi, người cần xe bất chấp → giá cao
- Từ đặt xe, Grab thành super app và kết nối online to offline O2O. Dựa vào Data, Grab biết bạn sắp
đi đâu muốn mua gì để đưa ra mẫu quảng cáo và deal phù hợp nhất, cho phép đặt hàng và nhận
hàng trong vòng vài tiếng. Hoặc trên app có thể nhận code rồi redeem tại store trong ít phút

4. Scommerce - ngay cả HR cũng biết Data

Scommerce là cty mẹ của GHN, Ahamove, Gido, nên chuyện họ dùng Data để tối ưu vận hành là
đương nhiên. Nhưng chuyện thú vị hơn là HR của họ cũng được truyền lửa về Data để chủ động
dựng biểu đồ, tự mình làm một số so sánh đơn giản bằng data từ Workforce Analytics.
Chia sẻ từ chị Lê Thị Đoan Trinh, GĐ nhân sự:

“ Các bạn nhân sự bắt đầu hiểu khái niệm Tenure, Attrition, Retention, Span of Control, Total
Remuneration Packages, Job Structure, Job Grades, High Performers, High Potentials, Regrettable
Loss, Gender, Seniority, Age,... Ngoài ra, nhờ đội BI của AhaMove liên tục mở lớp MySQL, đội BI
của GHN sẵn sàng đứng ra chia sẻ các công cụ như datastudio có thể dùng làm gì, dùng như thế
nào,... mà đội HR của mình tự nhiên xuất hiện một số bạn đam mê làm số liệu, chơi với số mỗi
ngày, và mày mò tự chạy SQL, tự dùng thử các công cụ từ PowerBI, Tableu, R, cho đến Datastudio
để trình diễn dữ liệu mà mình có được”

 
 
 
 
 
 
 
 
 
 
 
 

48 
 

XÂY DỰNG HỆ THỐNG PHÂN TÍCH SỐ LIỆU NỘI BỘ CỦA DN THÌ CẦN LƯU Ý GÌ? 

Phần này dành cho CEO/ Quản lí, những người rất hiểu và coi trọng tầm quan trọng của phân
tích dữ liệu, nhưng không biết bắt đầu từ đâu

Dễ nhất là đi thuê 1 cty chuyên môn (như A1digihub​ hoặc Holistics​ chẳng hạn), hoặc thuê 1 team
freelancer. Tuy vậy ngay cả như vậy thì các dự án phân tích dữ liệu vẫn thất bại nếu chúng ta không
làm rõ từ đầu

Mình sẽ không đi sâu vào chi tiết, mà chỉ chia sẻ một mô hình đơn giản dựa trên kinh nghiệm tư vấn
cho hàng trăm khách hàng SMB

Ai cũng hiểu tầm quan trọng của Dữ liệu. Nhưng mối quan tâm về Dữ liệu của mỗi vị trí trong 
công ty sẽ khác nhau 

 
 
CEO/ Manager 
Góc nhìn luôn theo hướng tóm gọn, tập trung vào những điểm quan trọng, có cảnh báo hoặc đề 
xuất. Mọi thứ nên tập trung vào trong 1 - 2 trang màn hình (mobile) để không cần tốn quá nhiều 
thời gian nắm bắt tình hình. Ngoài ra cần có sự logic theo trình tự từ Tổng quan đến chi tiết, từ Kết 
quả đến yếu tố tác động.  

49 
 

 
 
BA / BI  
Là những người được trả lương (rất cao) để phân tích số liệu, nhưng nếu không cẩn thận sau một 
thời gian ngồi đi làm thống kê bạn sẽ nhận được sự hoài nghi của cả DN về giá trị đóng góp. Kinh 
nghiệm là bạn phải đứng ở phía của BOD để thực sự hiểu về “Vấn đề" DN đang quan tâm và ​vai 
trò của Dữ liệu trong việc trả lời các mối bận tâm đó 
 
 
Hiểu mô hình kinh doanh 
 
Hiểu các chỉ số đo lường chính 
trong DN 
 
Hiểu được cách tư duy ra quyết 
định của BOD 
 
Hiểu được các rủi ro DN gặp phải 
khi dữ liệu sai 
 
Hiểu được cách mà từng bộ phận 
đang tạo ra Dữ liệu 
 
 
 
Cuối cùng, một trong những kĩ năng quan trọng của BA/ BI chính là thuyết trình và giao tiếp: Trình 
bày được Vấn đề → Giải pháp theo cách mà người bình thường có thể hiểu được.  
Ngạc nhiên chưa ?  
Tuy nhiên càng đụng tới những vấn đề phức tạp như Dữ liệu hay Công nghệ, thì yếu tố then chốt 
để tạo ra đồng thuận vẫn là mối quan hệ và ứng xử giữa người và người. Khi trái tim đã thông thì 
khối óc mới thông thoáng được 

Một số tài liệu tham khảo để các DN hoặc team/ freelancer có thể bắt đầu các dự án phân tích số 
liệu từ đơn giản đến vừa phải 
 
 
 

50 
 

1. Tiếp nhận yêu cầu (Brief) 

https://docs.google.com/spreadsheets/d/1ltv3EXGf3SyencL0j73QqkLo_pGZk-KlN-GeXtfX
MwI/edit#gid=772405490 
 
2. Bản mô tả chức năng Business Dashboard cho CEO 
https://docs.google.com/document/d/1wq4S2xrmebE2lMcgB41jssCOvqUPC3Dp/edit#boo
kmark=id.gjdgxs 
 
3. Bản đề xuất tổng thể giải pháp Business Dashboard cho CEO/ Manager 
https://docs.google.com/document/d/1wq4S2xrmebE2lMcgB41jssCOvqUPC3Dp/edit#boo
kmark=id.gjdgxs 
 

 
 
Hình 20​: A1digihub thăm Tencent , một trong những cty internet lớn nhất Trung Quốc, và một trong 
những cty có văn hoá Data-driven mạnh mẽ nhất . Bài chia sẻ tại đây 
 
 
 
 
 

51 
 

 
Một số bài viết và tài liệu hay để các bạn đọc thêm 
 
1. Thông não về Data 
Data analysis – từ Tinh hoa đến Bình dân (bài 1)  
Data analysis – từ Tinh hoa đến Bình dân (bài 2) 
Top 7 biểu đồ giúp phân tích & minh họa dữ liệu tốt nhất 
Top 10 công cụ tốt nhất cho Nhà Phân tích Dữ liệu  
So sánh 3 công cụ phân tích số liệu - A1 Analytics 
DASHBOARD VS REPORTS - BẠN CẦN GÌ?  
Thư từ Hàng Châu: nghĩ về tương lai quảng cáo & bán hàng cho SMB 
Học được gì khi làm sản phẩm với Google 
 
2. Trở thành Data science 
Data Science – Mỏ vàng của Kỉ nguyên số 
Giải quyết bài toán data pipeline với đích đến là BigQuery 
Vì sao SQL lại quan trọng, kể cả khi bạn làm marketing, finance, operations… 
Netflix Recommendation System bằng Excel  
7-Eleven Việt Nam dùng Data Studio & BigQuery thế nào? 
TỰ DỰNG DATA WAREHOUSE - PHẦN 1 
TỰ DỰNG DATA WAREHOUSE - PHẦN 2 
 
3. Học Data studio  
Xây dựng report tự động bằng Data studio  
Hướng Dẫn Data Studio Template by 88 Lab  
Dùng Google Analytics và Google Data Studio hiểu hành vi Khách hàng 
Recap workshop “Trực quan hóa dữ liệu bằng Google Data Studio” 8/6/2019 
A1 - Visualize your Ads Data with Google Data Studio - trungnb - 240519  
 
4. Ecommerce Analytics  
Cuốn sách khá hay về Ecommerce analytics​, A1digihub đã dịch được 5 chương 
Bản gốc Phillips, Judah - Ecommerce analytics _ analyze and improve the impact of your 
digital strategy (2016, Pearson).epub  
 
5. Các địa chỉ tin cậy để tham khảo 
Các Group​ c​ hất 
Google data studio 101​: phát triển bởi A1digihub​, đến nay là group chất lượng và thường 
xuyên có Livestream/ Webinar/ Đào tạo 
Data Science & Big Data Vietnam Public Group​: group rất đông các ae làm về 
Kinh doanh trong kỉ nguyên số : có lẽ là nơi chứa nhiều bài viết chất lượng hàng đầu về 
data analytics ở VN 
Tăng Trưởng Số Public Group : khoảng 1700 members nhưng là Group chất lượng hàng 

52 
 

đầu với những bài chia sẻ ngàn like về Tăng trưởng 

Growth Mastermind​ : chuỗi chia sẻ hàng tuần về các cách thức để Tăng trưởng cho 
Doanh nghiệp vừa và nhỏ (Smb) hoặc Startup, đang kinh doanh Online/ Ecommerce  
Các anh chị giỏi về Data nên follow 
Pham Anh Tuan  
Nguyễn Việt Hùng (hungkaka) 
Tuấn Anh Phạm 
Tiep VuHuu   
Trieu Nguyen 
Nghia Minh Le   
 
Các slide nên xem 
FORBES INSIGHTS: DATA-DRIVEN MARKETING PUSH FORWARD OR FALL BEHIND 
GrabAds_VN 2019 update V1.pdf 
VIETNAM’S FUTURE DIGITAL ECONOMY TOWARDS 2030 AND 2045 
Why is Customer Data Platform (CDP) ? 
  
  

​ i cũng tò mò về dữ liệu - dù bạn là CEO/Chủ DN hoặc Marketers. Mong rằng cuốn sách nhỏ này 
Lời kết: A
sẽ giúp bạn hiểu rõ và tự tin hơn về nó 

53 
 

PHỤ LỤC

Trong phần này sẽ kể câu chuyện về việc Linkedin, Walmart, Nextflix dùng Big data như thế nào.
Các bài đều được dịch bởi ITAN - Ứng dụng công nghệ thông tin trong điều hành và quản lý doanh
nghiệp . Nội dung gốc hơi khó đọc nên mình có biên tập cho gọn bớt

LINKEDIN: Làm thế nào dữ liệu lớn được sử dụng để thúc đẩy thành công truyền thông xã
hội

Bối cảnh

- Cạnh tranh giữa các mạng xã hội trở nên khốc liệt hơn bao giờ hết
- LinkedIn cần đảm bảo họ luôn là một công cụ thiết yếu giúp các chuyên gia bận rộn làm việc
hiệu quả và thành công hơn

Big Data là trung tâm của các hoạt động và ra quyết định của LinkedIn

Sử dụng như thế nào trong thực tế?

- theo dõi mọi hành vi người dùng: click, pageviews, tương tác. Quy mô khủng khiếp: 410
triệu thành viên, triệu triệu sự kiện để xử lý mỗi ngày
- phân tích hàng núi dữ liệu để hỗ trợ cho việc ra quyết định, và thiết kế các sản phẩm và tính
năng cung cấp dữ liệu.

LinkedIn sử dụng dữ liệu kết hợp Machine learning để đưa ra đề xuất những người mà bạn có thể
biết đến: vừa nhấp vào hồ sơ, làm việc tại chung công ty, cùng mối bận tâm…
Ví dụ, đề xuất người bạn có thể biết làm việc tại Công ty A (mà bạn đã làm việc tám năm trước) và
Công ty B (mà bạn đã làm việc hai năm trước). Nếu bạn gần như không bao giờ nhấp vào hồ sơ
của những người từ Công ty A nhưng thường xuyên kiểm tra các đề xuất từ Công ty B, LinkedIn sẽ
ưu tiên Công ty B trong các đề xuất của họ trong tương lai. Phương pháp cá nhân hóa này cho
phép người dùng xây dựng các mạng hoạt động tốt nhất cho họ.

Một trong những tính năng khiến LinkedIn khác biệt là cách nó cho phép bạn xem ai đã xem hồ sơ
của bạn: xem người đó đến từ khu vực và ngành nào

LinkedIn liên tục thu thập và hiển thị dữ liệu mới cho người dùng. công nghệ xử lý luồng thời gian
thực, truyền dữ liệu trực tiếp từ nguồn (như hoạt động của người dùng) và phân tích dữ liệu nhanh
chóng.

54 
 

LinkedIn cần phải tăng doanh thu thông qua các dịch vụ tuyển dụng, thành viên trả phí và quảng
cáo. Dữ liệu lớn có vai trò trong việc tăng doanh thu cũng như cải thiện trải nghiệm người dùng.

Ví dụ: quảng cáo chiếm 20% - 25% doanh thu - cần phân tích để hiểu lý do tại sao các thành viên
nhấp vào một số quảng cáo nhất định mà không phải các quảng cáo khác, từ đó phân bổ quảng cáo
hiệu quả hơn.

Kết quả là gì?

- 40 triệu thành viên mới

- doanh thu hàng quý gần đây nhất đạt hơn 700 triệu đô la

Dữ liệu nào đã được sử dụng?

cử động người dùng của họ thực hiện trên các trang web, từ tất cả mọi thứ thích và chia sẻ để mọi
công việc nhấp vào và mọi liên lạc nhắn tin cho. xử lý hàng triệu truy vấn mỗi giây.

Kỹ thuật nào được sử dụng?

- Hadoop là thành phần cốt lõi của cơ sở hạ tầng dữ liệu lớn của LinkedIn :hàng ngàn máy
chạy bản đồ / giảm việc làm.
- Các phần quan trọng khác : Oracle, Pig, Hive, Kafka, Java và MySQL. LinkedIn đã chạy hết
công suất của ba trung tâm dữ liệu chính.

LinkedIn cũng đã phát triển các công cụ nguồn mở riêng để truy cập và phân tích Dữ liệu lớn. Kafka
bắt đầu sử dụng theo cách này và các phát triển khác bao gồm Voldemort và Espresso (để lưu trữ
dữ liệu) và Pinot (cho phân tích).

Ngoài ra, công ty có khoảng 150 chuyên gia làm việc theo nhóm và xuất bản tại các hội nghị lớn ,
đóng góp cho cộng đồng nguồn mở.

Bất kỳ thử thách nào phải vượt qua?

- tăng trưởng dữ liệu khổng lồ là một thách thức mà LinkedIn liên tục phải vượt qua --> đầu tư
vào các hệ thống có khả năng mở rộng cao và đảm bảo dữ liệu vẫn đủ chi tiết
- Từ 1000 nhân viên năm năm trước, LinkedIn đã phát triển gần 9000 ngườ. Nhu cầu phân
tích và khoa học dữ liệu giờ đây được đòi hỏi hơn bao giờ hết tại LinkedIn. Họ đang tìm
cách thuê hơn 100 nhà khoa học dữ liệu trong năm 2015 (tăng 50% so với năm 2014).

55 
 

WALMART: dữ liệu lớn được sử dụng để tăng hiệu suất siêu thị?

Walmart - nhà bán lẻ lớn nhất thế giới về doanh thu, có hai triệu nhân viên ; 20.000 cửa hàng tại 28
quốc gia. Không có gì ngạc nhiên khi họ đã nhận thấy giá trị trong phân tích dữ liệu từ lâu.

Walmart đã phát triển bộ phận Phân tích và Dữ liệu Lớn, đạt tới khả năng xử lý 2,5 petabyte thông
tin mỗi giờ vào 2015

Walmart Data Cafe, một trung tâm phân tích hiện đại theo dõi 200 luồng dữ liệu bên trong và bên
ngoài theo thời gian thực, bao gồm cơ sở dữ liệu 40 petabyte của tất cả các giao dịch bán hàng
trong những tuần trước

Ngoài ra còn có một hệ thống theo dõi các chỉ số hiệu suất trên toàn công ty và kích hoạt cảnh báo
tự động khi họ đạt đến một mức nhất định

Naveen Peddamail - Nhà phân tích thống kê cấp cao của Walmart - nói:
Nếu bạn không thể phân tích doanh số trong một tuần hoặc một tháng, thì bạn đã mất doanh số
trong thời gian đó. Mục tiêu của chúng tôi là luôn luôn có được thông tin cho các đối tác kinh doanh
của chúng tôi nhanh nhất có thể, để họ có thể hành động và cắt giảm thời gian quay vòng.

Ứng trong thực tiễn?

- Một đội tạp hóa đang gặp khó khăn để hiểu tại sao doanh số bán các sản phẩm cụ thể được
giảm bất ngờ. Dữ liệu của Data Cafe, rất nhanh chóng nhận ra rằng sự suy giảm đó có liên
quan trực tiếp đến lỗi về định giá. Lỗi ngay lập tức được khắc phục và doanh số phục hồi
trong vòng vài ngày.
- Một mùa Halloween, số liệu bán bánh quy cho thấy rằng có một số địa điểm không bán
được như ý. Ngay lập tức gửi kích hoạt cảnh báo cho các nhóm bán hàng có trách nhiệm,
những người nhanh chóng nhận ra rằng các sản phẩm thậm chí còn chưa được đưa lên kệ.
Không hề phức tạp, nhưng sẽ không thể thực hiện được nếu không có các phân tích thời
gian thực.
- “Walmart ’s Social Genome” là ứng dụng lắng nghe các cuộc trò chuyện trên Mxh và cố
gắng dự đoán những sản phẩm mà mọi người sẽ mua
- Shopycat, dự đoán thói quen mua sắm của mọi người bị ảnh hưởng bởi bạn bè của họ (sử
dụng lại dữ liệu truyền thông xã hội)
- Công cụ tìm kiếm riêng Polaris, cho phép phân tích các cụm từ tìm kiếm trên trang web.

56 
 

Bất kỳ thử thách nào cũng đều vượt qua?

Với tham vọng của Walmart, việc mở rộng nhanh chóng đòi hỏi một lượng lớn nhân viên mới và
việc tìm đúng người với các kỹ năng phù hợp tỏ ra khó khăn.

Một trong những phương pháp tiếp cận là cuộc thi trên trang web Kaggle - do cộng đồng các nhà
khoa học dữ liệu đóng góp.

Kaggle đặt cho người dự thi một thách thức liên quan đến việc dự đoán các sự kiện quảng cáo và
theo mùa như bán hàng và giải phóng mặt bằng sẽ ảnh hưởng đến doanh số của một số sản phẩm
khác nhau. Những người đã đưa ra các mô hình phù hợp nhất với dữ liệu thực tế do Walmart thu
thập được mời để ứng tuyển vào các vị trí trong nhóm khoa học dữ liệu. Một trong những người đó
là Naveen Peddamail

Nhà tuyển dụng cao cấp của Walmart, Mandar Thakur nói: Cuộc thi Kaggle đã tạo ra một tiếng vang
về Walmart và tổ chức phân tích của chúng tôi. Mọi người luôn biết Walmart đã tạo ra và có rất
nhiều dữ liệu, nhưng phần hay nhất là điều này cho mọi người thấy cách chúng tôi sử dụng nó một
cách chiến lược.

Các điểm chính & học tập được là gì?

- Các siêu thị là các doanh nghiệp lớn, nhanh, liên tục thay đổi, phức tạp, nhiều hệ thống rời
rạc, là một doanh nghiệp lý tưởng để áp dụng phân tích Dữ liệu lớn.
- Thành công trong kinh doanh được thúc đẩy bởi sự cạnh tranh. Walmart luôn dẫn đầu trong
các sáng kiến dựa trên dữ liệu, chẳng hạn như các chương trình trung thành và khen
thưởng, và bằng cách hết lòng cam kết với những tiến bộ mới nhất trong các phân tích đáp
ứng, thời gian thực mà họ đã cho thấy họ có kế hoạch duy trì tính cạnh tranh.

Bonus thêm slideshare ​How Linkedin uses Automic for Big Data Processes

 
 
 
 
 
 

57 
 

CẢM ƠN CÁC BẠN ĐÃ ĐỌC TỚI ĐÂY :)  

Mình viết sách không phải là để dạy dỗ ai, mà là để chia sẻ với mọi người về những điều biết được trong 
hành trình kinh doanh và khám phá tri thức. Sách như một chỉ dẫn mọi người cách đi vào 1 lĩnh vực mới. Vì 
vậy ngoài kiến thức, mình luôn bổ sung thêm slide + video + group để mọi người có thể tương tác và thảo 
luận 
Kiến thức hàn lâm thì khó hiểu , còn lôm côm thì hại người đọc. Vì thế mình chỉ trình bày lại thông tin để anh 
em tham khảo chứ ko sa đà vào chuyện đúng sai về khái niệm 
 
Các bạn đã mua sách thì tham gia Group A1digihub book​.  
Nơi đây các bạn có quyền  
- Chất vấn tác giả về bất kì nội dung gì chưa chính xác  
- Làm rõ những điều chưa hiểu thông qua thảo luận hoặc video call  
- Nhận thêm tài liệu hoặc thông tin mà trong sách không tiện viết 
Các bạn chưa mua sách mà được ai đó share file ebook thì chuyển tiền ủng hộ theo form này 
https://forms.gle/mn7qdJmh3B4L1RXn7​ nhé. Không tiền thì viết sách làm sao :)  
 
Tiệc cuối năm của các bạn tham gia cộng đồng A1digihub. Đã tương tác với A1 một lần thì sẽ luôn nhận 
được nhiều giá trị mới hữu ích, các bạn nhé :) 
 

58