Những hệ thống thông mình sẽ chuyển nhân viên từ công việc không tư duy sang những hoạt động có hiệu quả hơn. Khái niệm khai thác mỏ dữ liệu được  định nghĩa và minh họa rõ ràng, gồm cả tầm quan trọng của nó trong tiếp thị và trong việc định giá cho những hàng hóa hữu hình và các ngành dịch vụ tài chính. Nhờ có sức mạnh của việc khai thác mỏ dữ liệu, các công ty sẽ hoạt động hiệu quả hơn với lợi nhuận cao hơn. Máy tính cá nhân sẽ giúp mọi công ty truy cập mỏ dữ liệu với chi phí không đáng kể. Nhưng các phần mềm thông minh cũng không thể thay thế cho con người. Một công nhân tri thức giỏi sẽ tạo thêm giá trị cho công việc của máy tính. Chương này giải thích cách công ty HarperCollin dùng hệ thống OLAP để theo dõi doanh số bán và đáp ứng nhu cầu đúng hạn, do đó, giảm bớt số hàng dư không bán được.

“Chúng tôi xem tập tài liệu này là một tài sản cần phải nghiên cứu. Tài liệu càng nhiều càng tốt – với điều kiện bạn phải có công cụ đề phân tích, tổng hợp nó và làm cho chính bạn trở nên sáng tạo hơn.”

BRITT MAYO

Giám Đốc Công nghệ Thông tin, Penzoil

Những hệ thống máy tính tốt sẽ mang lại hệ quả tất yếu là việc sử dụng thời gian của con người trở nên hiệu quả hơn. Với những phần mềm thông minh liên tục quét qua các dữ liệu kinh doanh, theo dõi các xu hướng thị trường và thông báo kịp thời những mặt hàng nào bán được hay không được, Marks & Spencer có thể sử dụng con số 500 – 600 nhân viên mua hàng của họ một cách có hiệu quả hơn. Thay vì sục sạo vào những tập báo cáo dày cộm của ngày hôm trước để tìm hiểu món hàng nào đang được thị trường ưa chuộng, họ có thể dùng thì giờ một cách có hiệu quả hơn bằng cách tận dụng những dữ liệu được cập nhật từng phút một trên hệ thống máy tính. Nếu công việc kinh doanh diễn ra theo ý muốn thì sự can thiệp của con người là không cần thiết, nhưng hệ thống mới giám sát dữ liệu bán hàng và thông báo ngay những mặt hàng nào có doanh số cao hơn hoặc thấp hơn dự tính. Những báo cáo tình huống bất thường được lập tự động và nhân viên phụ trách mua hàng chỉ cần phải xử lý những trường hợp đặc biệt.

Keith Bogg, Giám đốc bộ phận Công nghệ Thông tin và Hậu cần của Marks & Spencer nói, “Với các hệ thống thông tin này, chúng tôi có thể chuyển nhân viên từ những công việc lập đi lập lại một cách máy móc, không cần tư duy sang các hoạt động hiệu quả hơn. Nhân viên sẽ dùng trí tuệ của mình chỉ để xử lý các trường hợp bất thường, phân tích thị trường, và các hoạt động tạo thêm giá trị khác thay vì phải chăm lo cho việc lo hàng tồn kho mỗi ngày. Nhân viên cung ứng sẽ dùng thì giờ có hiệu quả hơn, tạo thêm giá trị mới mà trước đây không thể nào có được.”

Những công cụ trên máy tính cá nhân làm cho việc phân tích phức tạp trở nên dễ dàng. Các công ty đầu tư dùng bảng tính điện tử cho các lĩnh vực phân tích đầu tư rủi ro và quản lý danh mục đầu tư như quản lý một khả năng đầu tư trong tình huống nhất định tương quan đến giá cả hoặc phân tích quản lý đầu tư dàn trải trong nhiều lĩnh vực công nghiệp.

Morgan Stanley Dean Witter dùng phần mềm bảng tính trong bộ phận chứng khoán để khảo sát những cấu trúc dữ liệu phức tạp và cung cấp các quan điểm khác nhau cho bộ phận kinh doanh đồng thời cho cả khách hàng. Ví dụ như ở Tokyo một số khách hàng muốn xem các thương vụ riêng lẻ trong một ngày nhất định nào đó, trong khi những người khác chỉ muốn xem giá thực tế trung bình trong nhiều tài khoản khác nhau. Để hoàn tất chức năng này, công ty đã thiết kế mô hình quản lý rủi ro nhằm cung cấp cho khách hàng một góc nhìn chi tiết hơn đối với rủi ro và lợi nhuận.

Các bảng phân tích và tổng hợp sẽ nhanh chóng đảy các dữ liệu từ góc nhìn này sang góc nhìn khác, cho phép các công ty thay đổi cho phù hợp với việc sử dụng một đồng tiền chung, đồng Euro, cho các nguồn quốc gia Âu châu. Một danh mục đầu tư quốc tế điển hình, chia theo từng đơn vị tiền tệ quốc gia, sẽ không còn tồn tại nữa. Những bảng phân tích, tổng hợp sẽ tạo ra những góc nhìn kết hợp từ các khu vực của thông tin mẫu, cung cấp cho khách hàng phần trình bày dữ liệu có liên quan.

Sử dụng phần mềm để xử lý những dữ liệu thường ngày sẽ cho bạn cơ hội chỉ can thiệp khi thật cần thiết. Nhận một lá thư viết bằng tay và nhận một lá thư gửi qua máy tính, hoặc nhận một cú điện thoại về một sản phẩm mới hay một sự kiện nào đó từ con người và từ một máy tính mang tính chất hoàn toàn khác nhau.

Đương nhiên khi có một khách hàng không hài lòng về một điều quan trọng hoặc có một nhu cầu đặc biệt thì việc cho nhân viên tiếp xúc trực tiếp là hết sức cần thiết. Ví dụ như trong một khách sạn, phần mềm thông minh làm giảm đáng kể thời gian kiểm tra khách sạn, phần mềm thông minh làm giảm đáng kể thời gian kiểm tra khách sạn, phần mềm thông minh làm giảm đáng kể thời gian kiểm tra khách vào và ra thực hiện công việc định kỳ và giải phóng thời gian có nhân viên. Bạn thử tưởng tượng mức độ hài lòng của khách hàng nếu có thêm một số nhân viên làm công tác phục vụ thay vì nhân viên thư ký thông thường.

Tuy nhiên thương mại điện tử cũng mang đến nhiều thử thách mới. Trong một cửa hàng truyền thống, người bán hàng có thể dùng những đầu mối như câu hỏi của khách hàng, cách ăn mặc, cử chỉ để đoán được ý thích của khách hàng. Tuy nhiên, ở một cửa hàng trên web, không ai nhìn thấy khách hàng, và mục tiêu kinh doanh là để cho khách hàng tự mình mua sắm càng nhiều càng tốt. Chủ cửa hàng trên web phải thực hiện một công việc thám tử rất thú vị. Căn cứ vào cách thức lướt mạng của khách hàng và ghi nhận về những lần mua sắm trước, bạn có thể kiến tạo một mô hình khách hàng của mình không? Điều đó đòi hỏi phải có một khả năng phân tích dữ liệu tinh tế.

MỞ RỘNG PHẠM VI PHÂN TÍCH CON NGƯỜI

Những công cụ phân tích kỹ thuật số Marks & Spencer đã dùng cho phép chỉ tập trung vào những trường hợp bất thường thay vì những việc thường ngày, cũng đã thay đổi bản chất công việc. Những công cụ này hữu hiện đến nỗi thời gian đầu các nhân viên của Marks & Spencer lo sợ rằng máy tính sẽ chiếm hết công việc của họ. Bản chất con người là hay do dự khi phải để máy móc quyết định thay cho mình. Tuy nhiên, khi một cơ sở dữ liệu trở nên to lớn và phức tạp, máy tính có thể làm công việc tìm kiếm và phân loại tốt hơn con người. Chúng ta không có khả năng nhận ra khuôn mẫu chung trong một khối dữ liệu khổng lồ. Và số dữ liệu hiện có – trong các cơ sở dữ liệu, hệ thống lưu trữ, hệ thống thông tin, và web site – đang tăng theo cấp số nhân. Cách duy nhất để có thể tận dụng những dữ liệu này là dùng các công cụ máy tính để tiếp cận dữ liệu và chuyển sang dạng thông tin có thể xử lý được.

Sử dụng các phần mềm thuật toán để tìm ra những khuôn mẫu chung trong những khối dữ liệu khổng lồ gọi là khai thác mỏ dữ liệu (data mining). Bước đầu tiên trong việc khai thác dữ liệu là xử lý phân tích trực tuyến (Online Analytical Processing – OLAP), để các yêu cầu truy vấn thông tin hiệu quả hơn. Dữ liệu thu thập lúc đầu dùng cho các mục đích kế toán và ghi sổ được coi là một mỏ thông tin đầy tiềm năng để lập ra mô hình, dự báo và hỗ trợ công việc ra quyết định. Các công ty bắt đầu tạo ra những cửa hàng dữ liệu công ty hay còn gọi là kho dữ liệu (data warehouse) để thỏa mãn những yêu cầu mới của việc phân tích kinh doanh. Các dữ liệu phụ tập trung vào một khía cạnh hoặc bộ phận của doanh nghiệp gọi là trung tâm mua bán dữ liệu (data marts).

Công ty xuất bản Harper-Collins dùng hệ thống xử lý phân tích trực tuyến trên máy tính cá nhân để theo dõi doanh số bán sách theo thời gian thực để có thể in vừa đủ số sách cần thiết cho cấc nhà phân phối. Theo cách này, Harper- Collins không bị ứ đọng hàng tồn trong hệ thống phân phối. Thông thường các nhà xuất bản phải nhận lại số sách này từ các đại lý. Chỉ sau một năm hoạt động, hệ thống mới đã giúp Harper-Collins giảm số sách trả lại trên những đầu sách phổ biến nhất từ 30% xuống còn 10%. Mỗi phần trăm này tương đương với hàng triệu đôla tiết kiệm.

HarperCollins-com
HarperCollins Publishers

---

HarperCollins Publishers đứng đầu thế giới về xuất bản sách bằng tiếng Anh, có trụ sở tại New York. Công ty HarperCollins là thành viên của News America Publishing Group. HarperCollins được thành lập năm 1817 ở New York do hai anh em James và John Harper. Năm 1990, công ty mua lại nhà xuất bản William Collins của Anh và trở thành HarperCollins.

Ngày nay HarperCollins xuất bản sách đủ mọi thể loại như giáo khoa, tiểu thuyết, thương mại, sách trẻ em, nấu ăn, tôn giáo. Tháng 2 năm 1999, công ty mua lại nhà sách The Ecco Press, nhà xuất bản uy tín nhất về sách tôn giáo. Tháng 7 năm 1999 công ty mua lại nhà xuất bản Hearst Book Group, gồm cả William Morrow & Company và Avon Books, đưa HarperCollins lên thành nhà xuất bản lớn thứ nhìn ở Mỹ. Ngoài ra, tháng 10 năm 1999 HarperCollins mua lại Amistad Press, một trong những nhà xuất bản lớn chuyên phát hành các tác phẩm của những nhà văn Mỹ da đen.

Hệ thống xử lý phân tích trực tuyến cho phép Harper-Collins trả lời những câu hỏi đại loại như, “Lợi nhuận của tựa sách này trong tuần này ở đại lý này là bao nhiêu?” Nhưng hệ thống xử lý phân tích trực tuyến cần phải có một nhân viên để đưa ra yêu cầu truy vấn thông tin, và hệ thống dữ liệu cũ cũng như hệ thống xử lý phân tích trực tuyến cũng không thể tìm thấy câu trả lời trong các dữ liệu có sẵn cho những câu hỏi tuy quan trọng nhưng không được đặt ra rõ ràng, ví dụ như “Khách hàng nào có khả năng thích sản phẩm A hơn sản phẩm B? Khách hàng hài lòng khác khách hàng không hài lòng ở điểm nào? Trong cơ sở dữ liệu có sẵn, các khách hàng nào tương đối giống nhau?” Kết quả của những câu hỏi không rõ ràng này làm cho người đọc mất phương hướng và dường như không có ý nghĩa gì đáng kể. Những dạng khai thác dữ liệu tinh vi hơn sẽ dùng các phần mềm để định hướng đến một môi trường giàu thông tin, hỗ trợ cho người dùng trả lời những câu hỏi trong kinh doanh mà không cần phải là chuyên gia về thống kê, phân tích dữ liệu hoặc cơ sở dữ liệu.

Các hoạt động của công cụ kỹ thuật số

---

Trong hầu hết các tổ chức kinh doanh, người ta cần phải nhìn thông tin theo nhiều cách khác nhau. Những nhân viên điều hành cấp cao thường muốn có một số liệu bán hàng tổng hợp, phân theo từng vùng, từng quốc gia. Các giám đốc bán hàng muốn có số liệu theo từng nhóm và từng nhân viên bán hàng hoặc theo từng tài khoản khách hàng. Các giám đốc phụ trách sản phẩm muốn có số liệu theo từng kênh phân phối hoặc muốn biết đơn vị tồn trữ sản phẩm nào (Stock-Keeping Unit) đang có doanh số bán cao nhất và thấp nhất. Mỗi người đều muốn xem các số liệu bán hàng trong tháng, hoặc tính đến thời điểm hiện tại trong năm, doanh số bán thật sự so với ngân sách, mức độ thay đổi doanh số so với năm trước, và doanh số bán tính ra đôla hoặc một đơn vị tiền tệ khác. Thông thường, bộ phần tài chính của công ty phải cung cấp nhiều loại báo cáo riêng biệt khác nhau để đáp ứng các yêu cầu đa dạng này.

Thông thường, tất cả các loại báo cáo này có thể được lập ra bằng phương thức kỹ thuật số, sử dụng phần mềm bảng tính điện tử. Phần dàn bài tổng quát cho phép người dùng bắt đầu xem từ mức độ cơ bản và có thể xem bất cứ mức độ chi tiết nào chỉ bằng vài lần nhấp chuột. Bảng phân tích tổng hợp là một chức năng khác cho phép xem cùng một dữ liệu dưới nhiều góc độ khác nhau. Nếu bạn đang xem doanh số bán theo từng nhân viên bán hàng và muốn chuyển sang xem theo từng khách hàng, chỉ cần làm một động tác đơn giản là kéo nút lệnh khách hàng vào dòng thích hợp. Khi những khả năng này được kết hợp với các bản mẫu để đưa các dữ liệu thành định dạng chuẩn, kết quả là ta sẽ có những báo cáo bằng kỹ thuật số rất rõ ràng và linh động để đáp ứng theo từng yêu cầu người xem. Các báo cáo như vậy có thể được gửi qua e-mail để có thể thảo luận và phân tích thêm.

Các bảng phân tích tổng hợp đặc biệt tỏ ra hữu ích khi kết hợp với kho dữ liệu của công ty. Mỗi cơ sở dữ liệu trong kho dữ liệu thường chỉ có khả năng báo cáo hạn chế, chỉ có thể lập các báo cáo dưới dạng kỹ thuật. Thông thường, người đọc không chắc lắm về việc họ có cần thêm chi tiết hay không, vì vậy họ thường yêu cầu cung cấp những dữ liệu khổng lồ, có khi phải mất từ 20 đến 30 phút mới chạy được. Các bảng phân tích tổng hợp kết nối với một cơ sở dữ liệu mở rộng khả năng truy cập vào kho dữ liệu cho mọi người dùng, và một giao diện bảng tính cho phép người dùng đưa ra yêu cầu cung cấp từng phần, khả năng đáp ứng sẽ nhanh hơn. Giao diện này có thể mở rộng cho một nguồn dữ liệu năng động như thông tin cập nhật về thị trường chứng khoán theo thời gian thực.

Đối với nhà kinh doanh, công cụ kỹ thuật số đồng nghĩa với khả năng phân tích nhanh hơn và sâu sắc hơn. Đối với người làm công tác kế toán, công cụ kỹ thuật số giảm bớt thời gian lập báo cáo đồng thời tăng thời gian để họ làm công việc phân tích kinh doanh và xem xét các trường hợp bất thường. Đối với người quản lý dữ liệu kinh doanh, công cụ kỹ thuật số cung cấp thông tin nhanh hơn với chất lượng cao hơn, thời gian tổng kết cuối tháng chỉ còn lại vài ngày thay vì vài tuần như trước đây. Với cùng số nhân viên như cũ, bộ phận tài chính có thể đảm đương thêm những công việc liên quan đến các dữ liệu mới như hoạch định dự án dài hạn và phân tích tính hiệu quả trong sử dụng nhân viên hay các tài sản cố định.

Điều mà ta chỉ có thể nhờ kỹ thuật số là khả năng cung cấp thêm thời gian để mọi người tìm hiểu bước tiếp theo của công việc kỹ lưỡng hơn. Vì không bao giờ bạn biết trước điều tiếp theo sẽ là gì nên bạn cần có những công cụ để giúp bạn tự tìm lấy câu trả lời.

Phương pháp khai thác mỏ dữ liệu có thể hỗ trợ người dùng đối phó với những thử thách như tiên đoán được khả năng khách hàng sẽ mua một sản phẩm nào đó căn cứ vào tuổi tác, giới tính, đặc điểm nhân khẩu và những mối tương quan tương tự; khả năng nhận dạng khách hàng qua thói quen lướt web tương tự nhau; khả năng nhận ra những ý thích đặc biệt của khách hàng để cung cấp dịch vụ cho từng cá nhân; khả năng nhận ra ngày giờ liên quan đến những trang web thường được truy cập hoặc phương thức gọi điện thoại; nhận ra những món hàng thường được mua chung với nhau. Kỹ thuật cuối cùng này thường rất có giá trị đối với người kinh doanh để tìm hiểu thói quen mua sắm của khách hàng, nhưng sự tương quan giữa hai mã số tính tiền cho cùng một quy trình đã giúp một cơ sở y tế của Úc phát hiện ra một trường hợp gian lận tính tiền lại hai lần với số tiền thu lại được lên đến 10 triệu đôla.

Khai thác mỏ dữ liệu là một công cụ quý giá để tiên đoán doanh số và chia sẻ những sự phân tích đó với đối tác và khách hàng. Công tác khai thác mỏ dữ liệu đang được sử dụng trong ngành sản xuất, ngân hàng, viễn thông, địa chất và điều hành các cửa hàng trên mạng. Ví dụ như phần mềm Microsoft Site Server Commerce 3.0 có thể nhận ra những khuôn mẫu hành vi của người tiêu dùng, từ đó có thể tiên đoán ý thích khách hàng và cung cấp dịch vụ mua sắm trên mạng cho thích hợp với từng người. Những cửa hàng trên mạng có thể cắt giảm các quảng cáo, khuyến mãi, và chào hàng theo từng ý thích khách hàng. Các kỹ thuật khai thác mỏ dữ liệu cũng bảo đảm rằng một cửa hàng trực tuyến không cần phải gửi hàng loạt e-mail đến khách hàng với những lời chào hàng mà họ chẳng hề quan tâm, tránh được một sự phí phạm mà thường bị cố ý quên đi: cái giá phải trả vì đã làm phiền khách hàng bằng những thông tin không cần biết.

Một vài ứng dụng khác tuy ít phổ biến hơn nhưng không kém phần thú vị là khả năng phân tích các hồ sơ con nuôi để thiết kế các dịch vụ xã hội tốt hơn hay tuyển mộ cầu thủ cho giải bóng chuyền quốc gia. Việc khai thác mỏ dữ liệu để tìm cho đội bóng chuyền utah Jazz một hồ sơ đầy đủ về mỗi thói quen của cầu thủ huyền thoại Michael Jordan đội Chicago Bulls, kể cả những chi tiết khi anh này chơi bóng một mình thường dằn bóng hai hoặc ba lần trước khi ném. Tuy nhiên, việc phân tích chỉ có lợi khi bạn có thể hành động được. Cho dù có hồ sơ đầy đủ về Michael Jordan, đội utah cũng không thể ngăn anh ta dùng cú rê bóng đó để đưa đội Chicago Bulls giành chức vô địch quốc gia năm 1998.

Công dụng kinh doanh thường thấy nhất của khai thác mỏ dữ liệu là trong tiếp thị. Các công ty phân tích dữ liệu để khám phá ý thích của khách hàng và thực hiện chào hàng đúng từng đối tượng người tiêu dùng. Ví dụ, hãng hàng không American Airlines dùng thông tin về 26 triệu khách hàng thường xuyên của họ như các công ty cho thuê xe, các khách sạn, nhà hàng mà khách hàng quen dùng để thực hiện tiếp thị đúng đối tượng, tiết kiệm hơn 100 triệu đôla chi phí.

Tiết kiệm chi phí xuất phát từ khả năng tạo ra những mô hình khách hàng chính xác và giảm bớt chi phí thư từ. Một chương trình tiếp thị trực tiếp cho một thứ hàng hóa như thẻ tín dụng thường chỉ tạo ra lợi nhuận là 2%. Năm 1997, Mellon Bank ở Mỹ đặt ra mục tiêu tìm thêm 200.000 khách hàng mới, tức là họ phải gửi thư chào hàng đến 10 triệu khách hàng tiềm năng. Thay vì vậy, ngân hàng dùng kỹ thuật khai thác mỏ dữ liệu để tìm ra 3.000 mẫu khách hàng có khả năng sử dụng thẻ tín dụng của họ. Con số này được phân tích kỹ hơn để rút gọn lại và qua thử nghiệm cho thấy có khả năng mang lại tỷ lệ hồi âm là 12%. Tỉ lệ này giúp ngân hàng chỉ phải gửi đi khoảng 2 triệu lá thư nhằm có được con số 200.000 khách hàng mong muốn, thay vì phải 10 triệu như lúc đầu. Ngoài việc giảm bớt chi phí, mức lợi nhuận trung bình từ mỗi khách hàng có được cũng cao hơn thường lệ gấp bao lần vì việc khai thác mỏ dữ liệu đã nhằm đúng các khách hàng có nhu cầu phù hợp nhất với các dịch vụ Mellon Bank cung cấp.

Ví dụ này minh họa hai khía cạnh quan trọng của việc khai thác mỏ dữ liệu. Thứ nhất là mức độ tỉ lệ thuần túy: khối lượng dữ liệu có liên quan và số mẫu thăm dò khác xa với phương pháp phân tích thống kê truyền thống. Thứ hai là thậm chí những chuyên gia được huấn luyện đầy đủ cũng có thể tìm thấy những điều ích lợi từ việc khai thác mỏ dữ liệu, như trong trường hợp của Mellon Bank, nhờ khả năng của một nhóm chuyên viên bên ngoài để có kết quả gấp sau lần trong thời gian chỉ bằng một phần tư so với phương pháp thông thường do bộ phận phân tích thống kê nội bộ thực hiện. Mục tiêu chính của bộ phận kỹ thuật thông tin là làm sao cho các công cụ này dễ sử dụng để nhà kinh doanh bình thường, không cần phải làm chuyên gia, cũng sử dụng được.

Việc khai thác mỏ dữ liệu sẽ là yếu tố cần thiết cho các giao dịch trực tuyến. Lars Nyberg, Chủ Tịch và là Tổng Giám Đốc của công ty NRC mô tả trình đơn chuẩn mà máy rút tiền tự động (ATM) ở ngân hàng cung cấp cho ông ta như sau: Khách hàng muốn xem hướng dẫn bằng tiếng Anh hay tiếng Tây Ban Nha, khách hàng muốn truy cập tài khoản nào, khách hàng muốn thực hiện giao dịch nào, và khi đã giao dịch xong, khách hàng có muốn thực hiện giao dịch khác không? Cuối cùng, máy hiển thị một quảng cáo có số điện thoại để liên lạc nếu khách hàng muốn thực hiện một dịch vụ thế chấp vay tiền. Hầu hết khách hàng dùng máy rút tiền tự động đều làm việc trên một trình đơn tương tự.

Tuy nhiên, Lars luôn rút cùng số tiền từ cùng một tài khoản mỗi khi sử dụng máy rút tiền, ông ta cũng đã có một tài khoản thế chấp tại ngân hàng và mỗi tháng đều đóng vào một số tiền lời đáng kể. Ông ta thắc mắc tại sao mỗi lần cho thẻ vào, máy không hỏi ông ta băng ngôn ngữ ông ta vẫn dùng một câu hỏi đại loại như, “Lars, ông có muốn rút tiền như mọi lần ở tài khoản quen thuộc không?” Và tại sao máy không chào hàng một loại dịch vụ nào mà ông ta chưa dùng qua, hoặc một loại nào thích hợp cho khách hàng của ông? Những dịch vụ cụ thể như vậy sẽ tốt hơn cho ngân hàng và cả khách hàng. Thông tin cần thiết để tạo ra những câu hỏi có liên quan đến khách hàng nhiều hơn nằm ở một máy tính nào đó trong hệ thống. NCR chế tạo các máy rút tiền cho ngân hàng của Lars và đang triển khai một ứng dụng lớn cho việc khai thác mỏ dữ liệu. Lars rất muốn giải quyết những vấn đề này cho khách hàng của ông ta.

Khai thác mỏ dữ liệu là một phần trong việc quản lý quan hệ khách hàng (customer relationship management – CMR), trong đó công nghệ thông tin hỗ trợ các công ty quản lý quan hệ khách hàng trên cơ sở từng người một thay vì mô hình tiếp thị hàng loạt. Khai thác mỏ dữ liệu góp phần tiếp cận khách hàng tốt hơn khi có một kênh phân phối theo từng khách hàng, cho dù đó là một máy rút tiền tự động, một web site hoặc tiếp thị trực tiếp qua e-mail khuyến mãi và chào hàng. Khi việc khai thác mỏ dữ liệu lập ra các mô hình chuẩn, bạn có thể trình bày sản phẩm cho khách hàng theo cách tốt nhất để làm tăng giá trị khách hàng đối với công ty và ngược lại.

Việc cá nhân hóa như thế có một ý nghĩa sâu sắc đối với ngành quảng cáo trên mọi phương tiện truyền thông, kể cả TV và tạp chí. Khi TV kỹ thuật số trở nên phổ biến và báo điện tử trở thành bình thường thì ngành công nghiệp quảng cáo sẽ đi từ quảng cáo đại chúng đến quảng cáo cá nhân. Những quảng cáo xuất hiện trên màn hình sẽ khác nhau tùy theo hồ sơ cá nhân của người dùng mà các phần mềm ghi nhận được.

Thay vì phải sử dụng phương tiện truyền thông để quảng cáo cho một chiếc xe hơi đến từng nhà trong nước Mỹ, các công ty giờ đây có thể mua các số liệu nhân khẩu để tiến hành quảng cáo đúng đối tượng khách hàng tiềm năng. Ví dụ như có một khách hàng đã mua một loại xe nào đó và theo tính toán bạn thấy rằng thời gian đã đủ lâu để người này đổi xe mới thì khi đó bạn có thể tiếp cận ngay với khách hàng này. Một công ty xe hơi lớn có thể cũng mua các dữ liệu dân số khác để quảng bá tên tuổi công ty nhưng chỉ tập trung tiếp thị vào nhóm khách hàng tiềm năng nhất.

Chúng ta cũng đã thấy phần nào của việc cá nhân hóa ở các quảng cáo trên web. Nếu người dùng khai báo địa phương cư trú vào một công cụ tìm kiếm – ví dụ như San Francisco – hoặc thông báo rằng mình muốn mua một cuốn sách liên quan đến du lịch hay một đề tài tương tự nào khác, một quảng cáo về địa phương đó hoặc về các chủ đề khách hàng quan tâm sẽ xuất hiện kèm theo những thông tin khác. Một quảng cáo biến đổi tùy theo tình huống, liên quan đến ý thích hoặc mong muốn của khách hàng đáng giá hơn nhiều so với một quảng cáo chung chung.

Khả năng cá nhân hóa các quảng cáo có nghĩa là những vùng phụ cận khác nhau hoặc thậm chí những gia đình khác nhau trong một địa phương có thể nhìn thấy những quảng cáo khác nhau. Những công ty lớn có thể quảng cáo hiệu quả hơn và công ty nhỏ có thể bắt đầu quảng cáo trên TV và báo chí; ngày nay các phương tiện quảng cáo vẫn còn quá đắt, chỉ dành cho những sản phẩm của các công ty lớn. Trong tương lai, thậm chí các cửa hàng nhỏ ở góc phố cũng sẽ có khả năng quảng cáo trên TV cho các khách hàng sống quanh đó.

Cách quảng cáo có nhằm đúng đối tượng sẽ có lợi cho khách hàng. Họ cũng muốn xem các quảng cáo có liên quan tới họ. Một số người tỏ ý lo ngại rằng rồi đây các nhà quảng cáo sẽ có quá nhiều thông tin về khách hàng, nhưng như tôi đã giải thích trong chương 5, các phần mềm sẽ giúp khách hàng kiểm soát được thông tin nào họ muốn cung cấp. Việc cho phép các nhà quảng cáo truy cập được các khuôn mẫu duyệt web cũng không phải là hoàn toàn không hợp lý. Hầu hết những người đăng ký dài hạn một ấn bản định kỳ nào đó – cho dù họ đăng ký đề tài về thể thao, khoa học, hoa kiểng, trang trí nội thất hay xe hơi – cũng đều nghiên cứu các quảng cáo kỹ lưỡng như các bài báo. Nếu bạn xem TV cũng nhằm mục đích đó, chủ yếu cho một hai mối quan tâm cụ thể nào, bạn hẳn sẽ không có gì phản đối những quảng cáo phù hợp với sở thích của mình.

Những bộ phim truyền hình ướt át – chiếm hầu hết thời gian ban ngày trên TV ở Mỹ – vốn được gọi là soap opera (phim xà bông) vì trước đây những công ty xà bông thường quảng cáo trong những bộ phim này, nhắm đến đối tượng người xem là giới phụ nữ nội trợ. Vì vậy ý tưởng về tiếp thị đúng đối tượng qua TV không có gì mới mẻ. Tuy nhiên các khía cạnh của vấn đề hoàn toàn khác, khi việc khai thác mỏ dữ liệu là phương tiện thu thập thông tin và TV kỹ thuật số cùng với sách điện tử là cách thu hẹp đối tượng khán giả cần nhắm tới để tạo ra các quảng cáo phù hợp từng cá nhân khách hàng. Sự kết hợp này sẽ mang lại một cuộc cách mạng trong tư duy và cách suy nghĩ của con người về quảng cáo và tiếp thị. Khả năng cá nhân hóa sẽ làm tăng giá trị của sự hiểu biết về đối tượng mà bạn muốn nhằm tới để quảng cáo sản phẩm và dịch vụ của mình.

ĐẾ MỌI NGƯỜI TẬN DỤNG ĐƯỢC MỎ DỮ LIỆU

Ngày nay, hầu hết các hệ thống mỏ dữ liệu đều rất đắt tiền, giá từ 25.000 đến 150.000 đôla đối với một doanh nghiệp vừa và nhỏ, và hàng triệu đôla đối với các công ty khổng lồ như Wal- Mart. Có một công ty bảo hiểm đã chi ra hơn 10 triệu đôla để thiết lập giải pháp mỏ dữ liệu của mình cách đây năm năm. Tổng giám đốc công ty nói rằng ông ta có thể thu được cùng một kết quả với giá rẻ hơn nhiều nếu ứng dụng được công nghệ của ngày nay nhưng dù sao thì số tiền 10 triệu đầu tư vào thời điểm đó cũng hoàn toàn xứng đáng. Nhận xét này cho thấy giá trị của mỏ dữ liệu, nhưng cái giá khổng lồ đó phản ánh một thời của những phần mềm phức tạp mà chỉ có những công ty lớn nhất, sử dụng nhiều nhân viên hoặc chuyên gia đặc biệt mới có thể tận dụng được sức mạnh của mỏ dữ liệu.

Cùng với sự gia tăng cạnh tranh trong nền kinh tế thông tin ngày nay dữ liệu khách hàng đã trở thành một tài sản vô cùng quý giá. Mỗi công ty, và mỗi nhân viên tri thức trong công ty, đều có nghĩa vụ tận dụng các tài sản dữ liệu này. Những người mới sử dụng không thể kham nổi ngân sách cơ sở dữ liệu khổng lồ hoặc chuyên gia cơ sở dữ liệu đặc biệt. May mắn thay, khi khả năng khai thác mỏ dữ liệu được thực hiện dễ dàng trên máy tính cá nhân bạn sẽ thấy giá cả giảm xuống đáng kể và việc khai thác mỏ dữ liệu sẽ bùng nổ ở mọi công ty, mọi phòng ban lớn nhỏ. Chẳng bao lâu nữa, mỗi nhà doanh nghiệp sẽ có thể thực hiện được công việc phân tích ở cấp độ cao mà trước đây chỉ dành riêng cho những đại công ty với ngân hàng khổng lồ. Công việc khai thác mỏ dữ liệu sẽ lan tràn khắp nơi, trở thành một khả năng chuẩn mực cho mọi cơ sở hạ tầng hệ thống thông tin của công ty.

Giá trị lớn nhất của việc khai thác mỏ dữ liệu là khả năng hỗ trợ cho các công ty trong việc xác định sản phẩm nào cần triển khai và giá cả nào phù hợp nhất. Các công ty sẽ có thể cân nhắc nhiều khản năng phát triển sản phẩm và định giá để tìm phương án nào phù hợp với khách hàng và đồng thời mang lại lợi nhuận cao nhất. Những khả năng đó đặc biệt có giá trị đối với các công ty chuyên về sản phẩm thông tin. Khác với việc bán sản phẩm cụ thể như bàn ghế, xe cộ, những sản phẩm như bảo hiểm, dịch vụ tài chính, và sách báo có chi phí phát triển cao hơn chi phí sản xuất và giá trị của sản phẩm sẽ do khách hàng định đoạt thay vì tính theo giá trị vật chất của sản phẩm. Bí mật thành công đối với các sản phẩm thông tin là khả năng nắm bắt được thông tin khách hàng và thói quen mua sắm của họ.

Ví dụ, công ty bảo hiểm có những sản phẩm chỉ có giá trị lớn đối với nhóm khách hàng này và không có lợi đối với những nhóm khách hàng khác. Sự khác biệt đó liên quan đến những lần công ty không đáp ứng đúng yêu cầu đời đền bù cho khách hàng. Việc khai thác nhỏ dữ liệu sẽ cho công ty bảo hiểm hồ sơ đầy đủ về khách hàng và xác định từng khu vực địa lý nơi có tỉ lệ đền bù không thỏa đáng cao hay thấp. Công ty có thể xác định cần phải tiếp thị nhiều hơn với giá cả hấp dẫn hơn đối với khách hàng trong một độ tuổi nào đó hoặc thuộc một khu vực địa lý nhất định hoặc quyết định tăng giá hay không cần tiếp thị nhiều đối với nhóm khách hàng quen thuộc. Khi đã có được các yếu tố biến thiên đó, công tác khai thác mỏ dữ liệu sẽ hỗ trợ bạn rất nhiều trong việc phát triển chiến lược sản phẩm. Ngân hàng cũng có những cơ hội tương tự để sử dụng việc khai thác mỏ dữ liệu nhằm tới các đối tượng khách hàng mới. Khách hàng ngày nay có khuynh hướng thay đổi ngân hàng và số các công ty dịch vụ tài chính lập ra ngày càng nhiều.

Ngân hàng sẽ phải tiếp thị nhiều hơn để có khách hàng mới, và công tác tiếp thị này sẽ mang lại lợi nhuận nếu như ngân hàng nắm chắc được đối tượng cần tiếp thị.

Nhưng bạn phải luôn luôn tự hỏi rằng đâu là điều thực tế nhất. Nếu các hồ sơ khách hàng hoàn toàn giống nhau hoặc cơ sở dữ liệu khách hàng của bạn không lớn, việc khai thác mỏ dữ liệu cũng không mang lại lợi ích thực tế nào. Một người bán tạp hóa chuyên một vài sản phẩm đặc biệt cho một nhóm nhỏ khách hàng thực ra không cần phải làm công tác khai thác mỏ dữ liệu. Nhưng một hệ thống thương nghiệp toàn quốc lại rất cần công việc này.

Khả năng phi thường của việc khai thác mỏ dữ liệu sẽ giúp các công ty tìm ra cách thức thu hút khách hàng mới, xác định các đối tượng cần tiếp thị, cách thức triển khai và định giá sản phẩm đồng thời lôi kéo các khách hàng riêng lẻ. cần phải có sự sáng tạo và kỹ năng của con người để sử dụng các thông tin này nhằm đưa ra các phương thức phát triển và định giá sản phẩm, nhìn thấy khả năng triển khai sản phẩm mới trên cơ sở phân tích của máy tính, và hình dung được những cách chào hàng hấp dẫn khách hàng. Công cụ càng tốt con người càng có thể sáng tạo nhiều hơn. Bộ phận quản lý cần phải đầu tư trang bị công cụ tiến bộ để nâng cao hiệu quả công việc cho nhân viên.

Bạn cần phải chi khoảng từ 3% đến 4% số chi lương nhân viên để đầu tư vào trang thiết bị, từ đó giải phóng thời gian cho nhân viên để họ tập trung vào việc đáp ứng một cách sáng tạo đối với những khuôn mẫu và xu hướng do máy tính nhận ra. Nhà kinh doanh phải luôn nỗ lực sử dụng thông tin để phát triển sản phẩm và dịch vụ mới đồng thời hợp tác chặt chẽ với các đối tác và khách hàng. Khi phần mềm máy tính khai thác được nhiều hơn từ các mỏ dữ liệu thông tin, con người còn phải biến các quặng mỏ này thành vàng.

Bài học kinh doanh

---

• Các phần mềm phân tích cho phép bạn chuyển tài nguyên nhân lực từ việc thu thập thông tin vô thức trở thành dịch vụ và hỗ trợ khách hàng hoàn hảo trong đó con người đóng góp một phần quan trọng.
• Trước hết hãy áp dụng sự phân tích bằng phần mềm đối với những khía cạnh kinh doanh nào bạn có thể hành động ngay lập tức trên kết quả thu được.
• Xem xét khả năng chuyển từ quảng cáo đại chúng đến quảng cáo đúng đối tượng.

Chẩn đoán hệ thần kinh kỹ thuật số của bạn

---

• Bạn có thể thực hiện những công việc phân tích tinh vi đối với thói quen mua sắm của khách hàng và dùng các kết quả thu được để phân tích xu hướng hay triển khai dịch vụ cá nhân hoá không?
• Bạn có thể xác định nhóm khách hàng nào sẽ mang đến lợi nhuận cao nhất và thấp nhất cho công ty không, căn cứ vào mức thu nhập, độ tuổi, khu vực cư ngụ hoặc các yếu tố nhân khẩu khác?
• Hệ thống kỹ thuật số của bạn có cho phép nhân viên chuyển từ việc xử lý những công việc ngày thường lập đi lập lại sang xử lý những việc bất thường không?
• Nhân viên của bạn có thể truy cập các số liệu dễ dàng không? Họ có thể đi từ các báo cáo tổng kết sang các số liệu cụ thể không? Họ có thể nhìn các số liệu từ nhiều góc độ hoặc lập các bảng biểu so sánh trên từng khía cạnh này không?