- Quản trị và phân tích số liệu Từ excel đến Business Intelligence A1digihub.com1
[email protected] 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 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.
- Phân tích số liệu .
- Xây dựng Mô hình kinh doanh Tinh gọn 3.
- 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 .
- 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.
- 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.
- Một phân tích cho thấy có rất nhiều khung giờ đặc biệt bị bỏ qua : 6h30 – 7h30 / 11h30 – 13h / 24h – 2h.
- 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.
- 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.
- 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).
- 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.
- Chi tiết conversion rate của từng sản phẩm theo khoảng thời gian muốn xem 2.
- 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.
- 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.
- Tổ chức lại hết các file dữ liệu một cách logic nhằm phân tích được các chỉ số mong muốn 3.
- Xây dựng thói quen đọc số và làm việc dựa trên số liệu.
- 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).
- Đây là khâu tốn thời gian nhất - Dùng Supermetrics kéo hết số liệu từ Google ads, Facebook ads, DSP, Google analytics.
- Khâu này tốn tiền (vài trăm usd/ tháng) và thời gian (vì phải xử lí các số liệu sao cho chính xác.
- 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.
- 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 .
- 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.
- 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.
- 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.
- Thu thập dữ liệu dễ dàng nhanh chóng 3.
- Phân tích hiệu quả chạy Ads chính xác 4.
- 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.
- 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.
- 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.
- 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.
- Thách thức cho nhà quản lí Số liệu bị phân mảnh và lộn xộn do đơn hàng đến từ nhiều kênh khác nhau.
- Tổng quan tình hình kinh doanh: Tốn rất nhiều thời gian để tổng hợp các chỉ số doanh thu, chi phí và lợi nhuận.
- Số lượng bán, lợi nhuận theo từng sản phẩm.
- 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.
- #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.
- Số liệu phân mảnh ở các nền tảng riêng biệt, và thay đổi liên tục theo 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.
- 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 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.
- Dữ liệu Refresh mỗi ngày 1 lần, Có thể chọn timeframe ( daily/monthly/quarterly.
- Báo cáo Google Ads/ Facebook ads/ Linkedin Ads #5: Phân tích hiệu quả Tuyển dụng của trung tâm NGOẠI NGỮ.
- 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.
- 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.
- 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.
- 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.
- Việc còn lại là hiểu được cần phải đọc các số liệu gì, theo framework nào.
- tỉ lệ người truy cập có xem sản phẩm Product engagement rate.
- 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.
- 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.
- Cho nên đầu tiên phải luôn có phân tích số liệu và ra đượcattribution- 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.
- 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 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.
- 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.
- mà đội HR của mình tự nhiên xuất hiện một số bạn đam mê làm số liệu, chơi với số mỗingày, và mày mò tự chạy SQL, tự dùng thử các công cụ từ PowerBI, Tableu, R, cho đến Datastudiođể 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 phântích dữ liệu, nhưng không biết bắt đầu từ đâuDễ nhất là đi thuê 1 cty chuyên môn (như A1digihub hoặc Holistics chẳng hạn), hoặc thuê 1 teamfreelancer.
- Tuy vậy ngay cả như vậy thì các dự án phân tích dữ liệu vẫn thất bại nếu chúng ta khônglàm rõ từ đầuMình sẽ không đi sâu vào chi tiết, mà chỉ chia sẻ một mô hình đơn giản dựa trên kinh nghiệm tư vấncho hàng trăm khách hàng SMBAi 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.
- 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.
- 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.
- 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.
- i cũng tò mò về dữ liệu - dù bạn là CEO/Chủ DN hoặc Marketers.
- Nội dung gốc hơi khó đọc nên mình có biên tập cho gọn bớtLINKEDIN: Làm thế nào dữ liệu lớn được sử dụng để thúc đẩy thành công truyền thông xãhộiBối 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 hơnBig Data là trung tâm của các hoạt động và ra quyết định của LinkedInSử dụng như thế nào trong thực tế.
- 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 thểbiết 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) vàCông ty B (mà bạn đã làm việc hai năm trước).
- Phương pháp cá nhân hóa này chophép 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 sơcủa bạn: xem người đó đến từ khu vực và ngành nàoLinkedIn liên tục thu thập và hiển thị dữ liệu mới cho người dùng.
- công nghệ xử lý luồng thời gianthực, truyền dữ liệu trực tiếp từ nguồn (như hoạt động của người dùng) và phân tích dữ liệu nhanhchóng.
- 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 viênnhấp vào một số quảng cáo nhất định mà không phải các quảng cáo khác, từ đó phân bổ quảng cáohiệu quả hơn.Kết quả là gì.
- 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.
- 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.
- 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 .
- 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 thôngtin mỗi giờ vào 2015Walmart Data Cafe, một trung tâm phân tích hiện đại theo dõi 200 luồng dữ liệu bên trong và bênngoài theo thời gian thực, bao gồm cơ sở dữ liệu 40 petabyte của tất cả các giao dịch bán hàngtrong những tuần trướcNgoài ra còn có một hệ thống theo dõi các chỉ số hiệu suất trên toàn công ty và kích hoạt cảnh báotự động khi họ đạt đến một mức nhất địnhNaveen 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 sốtrong thời gian đó.
- 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.
- Một mùa Halloween, số liệu bán bánh quy cho thấy rằng có một số địa điểm không bán được như ý.
- 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 vàviệc 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 nhàkhoa 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 vàtheo mùa như bán hàng và giải phóng mặt bằng sẽ ảnh hưởng đến doanh số của một số sản phẩmkhác nhau.
- Những người đã đưa ra các mô hình phù hợp nhất với dữ liệu thực tế do Walmart thuthập được mời để ứng tuyển vào các vị trí trong nhóm khoa học dữ liệu.
- Một trong những người đólà Naveen PeddamailNhà tuyển dụng cao cấp của Walmart, Mandar Thakur nói: Cuộc thi Kaggle đã tạo ra một tiếng vangvề Walmart và tổ chức phân tích của chúng tôi.
- 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.
- 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