Datarian có 4 thành viên, tất cả đều là nhà phân tích dữ liệu. Trong số đó, 2 người từng làm việc trong môi trường hạ tầng dữ liệu được xây dựng bài bản như Kakao, Coupang, Ridi, và 2 người còn lại đã bắt đầu từ con số không, tự mình thực hiện từ khâu lưu trữ dữ liệu. Sau khi thành lập công ty Datarian, 2 người đầu tiên đã nhận ra một bài học lớn: Dữ liệu không tự nhiên sinh ra từ dưới đất. Trong tình huống không có hạ tầng dữ liệu, các nhà phân tích dữ liệu đang phân tích những loại dữ liệu nào và phản ánh chúng vào việc ra quyết định như thế nào? Nếu bạn đang trăn trở về việc phân tích dữ liệu để dẫn đến hành động thực tế, nếu bạn là nhà phân tích dữ liệu tại startup, nếu bạn phải phân tích dữ liệu trong môi trường thiếu thốn hạ tầng, hoặc nếu bạn đang băn khoăn liệu "mình có thể ứng dụng dữ liệu vào công việc của mình không?", hãy lắng nghe bài giảng này.
2부에서 답하는 사전 질문 펼쳐보기
Ⅰ. Môi trường phân tích dữ liệu
Q1. Dữ liệu của các startup giai đoạn đầu nên được lưu trữ theo cách nào thì tốt?
Q2. Đối với một tổ chức có dịch vụ lâu đời và quy mô lớn nhưng lại không có nhiều dữ liệu, liệu nên yêu cầu tuyển dụng kỹ sư dữ liệu (Data Engineer) trước? Hay việc chứng minh rằng chúng ta có thể làm được điều gì đó với lượng dữ liệu ít ỏi hiện có là ưu tiên hàng đầu?
Q3. Tôi nghĩ gần đây các công cụ phân tích như Amplitude hay GA đã trở nên rất tiên tiến, nên tôi thắc mắc tỷ lệ thực tế sử dụng truy vấn (query) hoặc lập trình (coding) là khoảng bao nhiêu.
Ⅱ. Bắt đầu phân tích dữ liệu
Q4. Khi mới bắt đầu sử dụng dữ liệu, cần phải biết từ đâu trước tiên? Tôi cảm thấy mông lung trong việc xem các chỉ số tổng thể và bức tranh lớn, tôi nên làm thế nào?
Q5. Đối với một công ty chưa biết cách trích xuất và sắp xếp dữ liệu, để bắt đầu làm việc với dữ liệu thì bước đầu tiên nên làm gì là tốt nhất?
Q6. Có nhiều ý kiến cho rằng ở các startup giai đoạn cực kỳ sơ khai, việc đưa ra dữ liệu và con số là vô nghĩa do thiếu tài liệu liên quan, bạn nghĩ sao về vấn đề này?
III. Sử dụng dữ liệu CS
Q7. Mục đích lớn nhất của việc xem xét dữ liệu trong nhóm CS là gì?
Q8. Xin hãy cho biết nếu có phương pháp thu thập dữ liệu để thiết lập CX KPI.
Q9. Các loại dữ liệu dùng để đánh giá trải nghiệm khách hàng là gì?
Q10. Dữ liệu VOC được thu thập từ những khách hàng đã trải nghiệm vấn đề, nên khó có thể đại diện cho toàn bộ khách hàng, và vì bản thân quy mô mẫu cũng nhỏ hơn so với dữ liệu tổng thể nên vẫn còn những hạn chế về độ tin cậy. Do đó, ngay cả những người phụ trách CX cũng có lúc nảy sinh nghi ngờ đối với dữ liệu VOC. Liệu có phương pháp nào để giải quyết vấn đề này không?
IV. Làm thế nào để ra quyết định dựa trên dữ liệu hiệu quả?
Q11. Bạn nghĩ sao về việc dữ liệu bị thu thập hoặc phân tích một cách thiên kiến để hỗ trợ cho tầm nhìn và mục tiêu của tổ chức trong quá trình ra quyết định dựa trên dữ liệu? Tôi rất muốn biết làm thế nào để giải quyết vấn đề này.
Q12. Tôi đã trải nghiệm nhiều doanh nghiệp nơi mà dữ liệu chỉ dùng để báo cáo, còn trong thực tế thì phải làm theo ý cấp trên thì mới được phê duyệt và tiến hành. Để có được trải nghiệm ra quyết định dựa trên dữ liệu, liệu chuyển việc có phải là câu trả lời duy nhất không?
Q13. Tôi rất tò mò về kỹ năng giao tiếp để dẫn dắt việc ra quyết định dựa trên dữ liệu một cách hiệu quả. Đặc biệt, tôi nghĩ việc thuyết phục người ra quyết định là điều quan trọng nhưng cũng rất khó khăn, liệu bạn có bí quyết nào để thuyết phục cấp trên tốt hơn không?
Q14. Tôi muốn biết liệu bạn có bí quyết nào để giao tiếp hiệu quả khi thuyết phục những người ra quyết định bằng kết quả phân tích dữ liệu hay không.
Q15. Tôi biết rằng cấu trúc tổ chức và việc ra quyết định dựa trên dữ liệu có mối quan hệ mật thiết với nhau, tôi thắc mắc về các ví dụ thành công của việc ra quyết định dựa trên dữ liệu và cấu trúc tổ chức đó như thế nào.
Q16. Việc đưa ra quyết định dựa trên dữ liệu là rất quan trọng, nhưng khoảnh khắc quá phụ thuộc vào các chỉ số KPI định lượng được thiết lập thông qua dữ liệu, tôi thấy nảy sinh vấn đề trong quá trình thực thi. Tôi thắc mắc làm thế nào để có thể xem xét dữ liệu một cách hợp lý và hiệu quả.