Ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng nhằm đẩy mạnh hoạt động kinh doanh tại Tổng công ty Viễn thông MobiFone (LV thạc sĩ)

Ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng nhằm đẩy mạnh hoạt động kinh doanh tại Tổng công ty Viễn thông MobiFone (LV thạc sĩ)Ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng nhằm đẩy mạnh hoạt động kinh doanh tại Tổng công ty Viễn thông MobiFone (LV thạc sĩ)Ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng nhằm đẩy mạnh hoạt động kinh doanh tại Tổng công ty Viễn thông MobiFone (LV thạc sĩ)Ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng nhằm đẩy mạnh hoạt động kinh doanh tại Tổng công ty Viễn thông MobiFone (LV thạc sĩ)Ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng nhằm đẩy mạnh hoạt động kinh doanh tại Tổng công ty Viễn thông MobiFone (LV thạc sĩ)Ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng nhằm đẩy mạnh hoạt động kinh doanh tại Tổng công ty Viễn thông MobiFone (LV thạc sĩ)Ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng nhằm đẩy mạnh hoạt động kinh doanh tại Tổng công ty Viễn thông MobiFone (LV thạc sĩ)Ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng nhằm đẩy mạnh hoạt động kinh doanh tại Tổng công ty Viễn thông MobiFone (LV thạc sĩ)Ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng nhằm đẩy mạnh hoạt động kinh doanh tại Tổng công ty Viễn thông MobiFone (LV thạc sĩ)Ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng nhằm đẩy mạnh hoạt động kinh doanh tại Tổng công ty Viễn thông MobiFone (LV thạc sĩ)Ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng nhằm đẩy mạnh hoạt động kinh doanh tại Tổng công ty Viễn thông MobiFone (LV thạc sĩ)

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG

LUẬN VĂN THẠC SĨ

ỨNG DỤNG BIG DATA TRONG PHÂN TÍCH HÀNH VI MUA SẮM VÀ TIÊU DÙNG CỦA KHÁCH HÀNG NHẰM ĐẨY MẠNH HOẠT ĐỘNG KINH DOANH TẠI TỔNG CÔNG

TY VIỄN THÔNG MOBIFONE

Chuyên ngành: Quản trị kinh doanh

NGUYỄN BÁ DŨNG

Hà Nội - năm 2017

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG

LUẬN VĂN THẠC SĨ

ỨNG DỤNG BIG DATA TRONG PHÂN TÍCH HÀNH VI MUA SẮM VÀ TIÊU DÙNG CỦA KHÁCH HÀNG NHẰM ĐẨY MẠNH HOẠT ĐỘNG KINH DOANH TẠI TỔNG CÔNG

TY VIỄN THÔNG MOBIFONE

Ngành: Kinh doanh Chuyên ngành: Quản trị kinh doanh

Mã số: 60340102

Hà Nội - 2017

LỜI CAM ĐOAN

Tác giả luận văn cam đoan đề tài luận văn “Ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng nhằm đẩy mạnh hoạt động kinh doanh tại Tổng công ty Viễn thông MobiFone” là công trình nghiên cứu của riêng tôi, các kết quả nghiên cứu có tính độc lập riêng, không sao chép bất kỳ tài liệu nào

và chưa công bố nội dung này ở bất kỳ đâu Các số liệu trong luận văn được sử dụng trung thực, nguồn trích dẫn có chú thích rõ ràng, minh bạch, có tính kế thừa, phát triển từ các tài liệu, tạp chí, các công trình nghiên cứu đã được công bố

Tôi xin hoàn toàn chịu trách nhiệm về lời cam đoan danh dự của tôi

Tác giả

Nguyễn Bá Dũng

Cuối cùng, tác giả cảm ơn gia đình, bạn bè tại trường Đại học Ngoại Thương, các đồng nghiệp tại Tổng công ty Viễn thông MobiFone đã hết sức giúp đỡ, tạo điều kiện, phối hợp cung cấp tài liệu, thông tin cho tác giả trong suốt quá trình viết

đề tài luận văn Mặc dù đã hết sức cố gắng từ việc nghiên cứu, sưu tầm tài liệu trong

và ngoài nước, song luận văn vẫn không tránh khỏi những thiếu sót nhất định Tác giả mong nhận được sự góp ý của quý thầy cô và các bạn

MỤC LỤC

Trang

LỜI CAM ĐOAN I LỜI CẢM ƠN II MỤC LỤC III DANH MỤC CÁC BẢNG VII DANH MỤC CÁC HÌNH, SƠ ĐỒ, BIỂU ĐỒ VIII DANH MỤC TỪ VIẾT TẮT IX TÓM TẮT KẾT QUẢ NGHIÊN CỨU LUẬN VĂN X

LỜI MỞ ĐẦU 1

CHƯƠNG 1 CƠ SỞ LÝ LUẬN VỀ BIG DATA VÀ ỨNG DỤNG BIG DATA TRONG PHÂN TÍCH HÀNH VI KHÁCH HÀNG 6

1.1 Những vấn đề cơ bản về Big Data 6

1.1.1 Khái niệm về Big Data 6

1.1.2 Đặc điểm 6

1.1.3 Sự cần thiết của ứng dụng Big Data 7

1.1.3.1 Sự bùng nổ về dữ liệu của các doanh nghiệp trong nền kinh tế toàn cầu 7

1.1.3.2 Xu hướng mở rộng dữ liệu trên các lĩnh vực kinh doanh 9

1.1.3.3 Xu hướng gia tăng dữ liệu trong tương lai 10

1.1.4 Lợi ích của ứng dụng Big Data 11

1.1.5 Tổng quan hệ thống kỹ thuật của ứng dụng Big Data 12

1.1.5.1 Các phương pháp phân tích dữ liệu Big Data 12

1.1.5.2 Công nghệ sử dụng trong ứng dụng Big Data 15

1.1.5.3 Các hình thức mô phỏng kết quả trong ứng dụng Big Data 16

1.2 Những vấn đề cơ bản về hành vi mua sắm và tiêu dùng của khách hàng 19

1.2.1 Khái niệm 19

1.2.2 Những yếu tố ảnh hưởng đến hành vi mua sắm và tiêu dùng 20

1.2.3 Quá trình mua sắm và tiêu dùng của khách hàng 20

1.1.3.1 Ý thức về nhu cầu 20

1.2.3.2 Tìm kiếm thông tin 21

1.2.3.3 Đánh giá các phương án 21

1.2.3.4 Quyết định mua 22

1.2.3.5 Đánh giá sau khi mua 22

1.3 Xu hướng ứng dụng Big Data trong phân tích hành vi khách hàng trên thế giới và tại Việt Nam 23

1.3.1 Xu hướng ứng dụng Big Data trên thế giới 23

1.3.1.1 Ngành bán lẻ 23

1.3.1.2 Ngành sản xuất 26

1.3.1.3 Dữ liệu về vị trí cá nhân 28

1.3.1.4 Ngành viễn thông 30

1.3.2 Kinh nghiệm triển khai ứng dụng Big Data tại một số doanh nghiệp viễn thông trên thế giới 32

1.3.3 Xu hướng ứng dụng Big Data tại Việt Nam 38

CHƯƠNG 2 THỰC TẾ ỨNG DỤNG BIG DATA TRONG PHÂN TÍCH HÀNH VI MUA SẮM VÀ TIÊU DÙNG CỦA KHÁCH HÀNG TẠI TỔNG CÔNG TY VIỄN THÔNG MOBIFONE: NHỮNG THÀNH TỰU VÀ HẠN CHẾ 41

2.1 Giới thiệu về Tổng công ty Viễn thông MobiFone 41

2.1.1 Thông tin chung 41

2.1.2 Lĩnh vực kinh doanh và sản phẩm, dịch vụ chủ yếu 41

2.1.2.1 Lĩnh vực kinh doanh 41

2.1.2.2 Sản phẩm chủ yếu 42

2.1.3 Quá trình hình thành và phát triển 43

2.1.4 Sơ đồ tổ chức 44

2.1.5 Kết quả kinh doanh 46

2.1.5.1 Bối cảnh chung 46

2.1.5.2 Kết quả kinh doanh của MobiFone 47

2.2 Đặc điểm hoạt động kinh doanh tại Tổng công ty Viễn thông MobiFone trước khi áp dụng Big Data 49

2.2.1 Lưu trữ và phân tích đữ liệu 49

2.2.2 Quy trình cung ứng sản phẩm, dịch vụ và triển khai khuyến mại 51

2.3 Thực tế triển khai ứng dụng Big Data tại Tổng công ty Viễn thông MobiFone 54

2.3.1 Xây dựng hệ thống cơ sở dữ liệu khách hàng 55

2.3.2 Hệ thống kỹ thuật 56

2.3.2.1 Giải pháp kỹ thuật tổng thể 56

2.3.2.2 Mô tả năng lực, tính năng các thành phần 57

2.3.3 Phương pháp triển khai ứng dụng Big Data 60

2.3.3.1 Ứng dụng phân tích hành vi khách hàng để triển khai khuyến mại 60

2.3.3.2 Ứng dụng phân tích hành vi khách hàng để phân khúc thị trường theo nhóm khách hàng cộng đồng 71

2.4 Đánh giá hiệu quả ứng dụng Big Data tại Tổng công ty Viễn thông MobiFone 73

2.4.1 Thành tựu 74

2.4.1.1 Tiết kiệm thời gian 74

2.4.1.2 Tiết kiệm nhân lực 74

2.4.1.3 Triển khai được những ý tưởng mới 75

2.4.2 Hạn chế 75

2.4.2.1 Hạn chế về kỹ thuật 75

2.4.2.2 Hạn chế về nguồn dữ liệu 76

2.4.2.3 Hạn chế về nguồn nhân lực 76

CHƯƠNG 3 ĐỀ XUẤT GIẢI PHÁP HOÀN THIỆN ỨNG DỤNG BIG DATA TRONG HOẠT ĐỘNG KINH DOANH TẠI TỔNG CÔNG TY VIỄN THÔNG MOBIFONE 78

3.1 Triển vọng ứng dụng Big Data trong ngành viễn thông thế giới và tại Việt Nam 78

3.1.1 Triển vọng trên thế giới 78

3.1.2 Triển vọng tại Việt Nam 80

3.2 Giải pháp đối với Tổng công ty Viễn thông MobiFone 80

3.2.1 Đề xuất về hệ thống kỹ thuật 80

3.2.1.1 Triển khai giải pháp Hadoop ứng dụng Big Data 80

3.2.1.2 Triển khai giải pháp xử lý dữ liệu dòng (streaming data) 81

3.2.2 Đề xuất về quản trị cơ sở dữ liệu 83

3.2.3 Đề xuất về các mô hình ứng dụng Big Data 84

3.2.3.1 Bổ sung các bài toán ứng dụng Big Data triển khai khuyến mại 84

3.2.3.2 Triển khai giải pháp khuyến mại tức thời 90

3.3 Đề xuất, kiến nghị đối với cơ quan quản lý nhà nước 94

3.3.1 Xây dựng kế hoạch phát triển nguồn nhân lực 94

3.3.2 Quản lý việc chia sẻ dữ liệu 94

3.3.3 Cân bằng lợi ích giữa cá nhân và doanh nghiệp 95

3.3.4 Đảm bảo đầu tư vào cơ sở hạ tầng công nghệ thông tin và truyền thông 96

3.3.5 Điều chỉnh chính sách quy định quản lý khuyến mại 96

KẾT LUẬN 98

DANH MỤC TÀI LIỆU THAM KHẢO 99

DANH MỤC CÁC BẢNG

Trang

Bảng 2.1 Phân nhóm khách hàng theo thời gian nghe 55

Bảng 2.2 Nội dung khuyến mại theo các nhóm khách hàng 55

Bảng 2.3 Các sản phẩm sử dụng trong chương trình khuyến mại 57

Bảng 2.4 Phân nhóm tập thuê bao có đăng ký gói trong tháng 1/2016 57

Bảng 2.5 Phân nhóm tập thuê bao không đăng ký gói theo số ngày sử dụng 59

Bảng 2.6 Phân nhóm tập thuê bao sử dụng gói cước D5 60

Bảng 2.7 Phân nhóm tập thuê bao sử dụng M0 60

Bảng 2.8 Nội dung khuyến mại theo các nhóm khách hàng 61

Bảng 2.9 Bộ chỉ tiêu xác định các cộng đồng khách hàng của MobiFone 64

Bảng 3.1 Các đề xuất bài toán ứng dụng Big Data triển khai khuyến mại 85

DANH MỤC CÁC HÌNH, SƠ ĐỒ, BIỂU ĐỒ

Trang

Hình 1.1 Đặc điểm của Big Data 10

Hình 1.2 Hình thức dữ liệu trong các ngành nghề năm 2011 13

Hình 1.3 Đám mây từ khóa – Tag Cloud 20

Hình 1.4 Clustergram 21

Hình 1.5 Dòng lịch sử 21

Hình 1.6 Dòng thông tin không gian 22

Hình 1.7 Tỷ lệ sử dụng các ứng dụng Big Data phổ biến trong doanh nghiệp viễn thông 32

Hình 2.1 Hệ thống máy chủ Big Data đặt tại MobiFone 52

Hình 3.1 Giao diện hệ thống BI phân tích dữ liệu kinh doanh 84

Sơ đồ 1.1 Mô hình các yếu tố ảnh hưởng đến hành vi của khách hàng 6

Sơ đồ 1.2 Quá trình mua sắm và tiêu dùng của khách hàng 7

Sơ đồ 2.1 Sơ đồ tổ chức của Tổng công ty Viễn thông MobiFone 38

Sơ đồ 2.2 Quy trình cung ứng sản phẩm dịch vụ, triển khai khuyến mại của MobiFone 45

Sơ đồ 2.3 Mô hình tổng thể giải pháp Big Data tại MobiFone 49

Biểu đồ 1.1 Tốc độ gia tăng của dữ liệu toàn cầu 1986 - 2007 11

Biểu đồ 1.2 Số lượng dữ liệu định vị cá nhân 2009 27

Biểu đồ 1.3 Tác động của Big Data tới lợi nhuận của doanh nghiệp viễn thông 31

DANH MỤC TỪ VIẾT TẮT

8 CDR Call detail record Bản ghi chi tiết cuộc gọi

9 MSC Mobile Switching Center Trung tâm chuyển mạch di

động

10 OCS Online Charging System Hệ thống tính cước Online

11 QoS Quality of Service Chất lượng dịch vụ

12 HDFS Hadoop Distributed File

TÓM TẮT KẾT QUẢ NGHIÊN CỨU LUẬN VĂN

Qua những phân tích, đánh giá, mục tiêu của luận văn là nghiên cứu một cách tổng thể việc ứng dụng phân tích dữ liệu lớn (Big Data) từ đó đề xuất giải pháp nâng cao hiệu quả ứng dụng phân tích Big Data tại MobiFone Luận văn được kết cấu làm 3 chương trong đó trình bày các vấn đề lớn để nhằm đạt được mục tiêu nghiên cứu của luận văn:

Chương 1: Cơ sở lý luận về hành vi mua sắm và tiêu dùng của khách hàng và

xu hướng ứng dụng Big Data trong phân tích hành vi khách hàng

Chương này cung cấp cơ sở lý luận và những vấn đề liên quan về hành vi mua sắm và tiêu dùng của khách hàng, và về Big Data, đặc điểm, sự cần thiết của ứng dụng Big Data trong các lĩnh vực và lợi ích của ứng dụng Big Data Xu hướng ứng dụng Big Data trong phân tích khách hàng trên thế giới và tại Việt Nam, đặc biệt tại các doanh nghiệp viễn thông, sử dụng Big Data như một công cụ hữu hiệu nâng cao tính trải nghiệm của khách hàng khi sử dụng dịch vụ Chương này cũng phân tích một số trường hợp điển hình về doanh nghiệp viễn thông ứng dụng Big Data trên thế giới (Vodafone Qatar, Ufone, MTS India) từ đó rút ra bài học kinh nghiệm cho các doanh nghiệp viễn thông tại Việt Nam nói chung và MobiFone nói riêng

Chương 2: Thực tế ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng tại Tổng công ty Viễn thông MobiFone: những thành tựu

và hạn chế

Chương này giới thiệu tổng quan về Tổng công ty Viễn thông MobiFone, sau

đó phân tích đặc điểm hoạt động kinh doanh tại Tổng công ty Tổng công ty Viễn thông MobiFone là một trong những doanh nghiệp tiên phong tại Việt Nam đã ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng để thiết kế sản phẩm, cung cấp ưu đãi phù hợp và bước đầu đạt được hiệu quả tích cực

Mô tả thực tế quá trình triển khai ứng dụng Big Data tại Tổng công ty, phương pháp triển khai ứng dụng, một số trường hợp ứng dụng điển hình, kết quả sau thời gian hơn 1 năm triển khai, từ đó đánh giá hiệu quả ứng dụng, có so sánh với trước khi triển khai, những thành tựu đạt được và hạn chế cần khắc phục

Chương 3: Đề xuất giải pháp hoàn thiện ứng dụng Big Data trong hoạt động kinh doanh tại Tổng công ty Viễn thông MobiFone

Qua những phân tích, đánh giá, chương này chỉ ra sự cần thiết và xu hướng của ứng dụng phân tích dữ liệu lớn (Big Data) trong hoạt động sản xuất kinh doanh tại các doanh nghiệp viễn thông trên thế giới và tại Việt Nam, sử dụng như một công cụ tạo lợi thế cạnh tranh khác biệt với đối thủ trên thị trường Từ việc nhìn nhận những thành tựu, tồn tại, hạn chế qua quá trình thực tế triển khai áp dụng tại MobiFone, đồng thời học hỏi kinh nghiệm triển khai tại một số doanh nghiệp viễn thông trên thế giới, từ đó đưa ra các đề xuất giải pháp nhằm đẩy mạnh hơn nữa các ứng dụng của Big Data, khai thác tối đa lợi ích mà Big Data mang lại nhằm nâng cao hiệu quả của hoạt động sản xuất kinh doanh của Tổng công ty

LỜI MỞ ĐẦU

1 Tính cấp thiết của đề tài

Dữ liệu nói chung đã trở thành một phần không thể thiếu trong hoạt động sản xuất kinh doanh của các doanh nghiệp trong nền kinh tế, nhất là trong thời đại toàn cầu hóa như hiện nay Dữ liệu đang ở trong giai đoạn bùng nổ Các công ty thường lưu trữ hàng nghìn tỷ byte thông tin về khách hàng, nhà cung cấp, các hoạt động và hàng triệu các thiết bị kết nối mạng đang được sử dụng trong các thiết bị như điện thoại di động, thiết bị giám sát hành trình xe ô tô Các thông tin đa phương tiện, đặc biệt là việc truy cập mạng xã hội từ người tiêu dùng tiếp tục thúc đẩy tăng trưởng theo cấp số nhân Một lượng lớn dữ liệu cần được nắm bắt, truyền đạt, tổng hợp, lưu trữ, phân tích - một phần quan trọng cho mỗi doanh nghiệp trong nền kinh

tế toàn cầu Cũng giống như các yếu tố cần thiết khác của doanh nghiệp như tài sản hay con người, dữ liệu có vai trò không thể thiếu trong thời đại nền kinh tế ngày càng phát triển và yêu cầu khắt khe về năng lực của mỗi doanh nghiệp để cạnh tranh

và tồn tại

Câu hỏi đặt ra là ý nghĩa của xu hướng gia tăng trên là gì? Liệu đó có đơn giản

là sự gia tăng của dữ liệu như là một xu thế của thế giới? Hay dữ liệu lớn đang đóng một vai trò quan trọng trong nền kinh tế? Doanh nghiệp cần phải làm gì trước thời đại của dữ liệu lớn để theo kịp xu hướng, và quan trọng hơn hết là gia tăng doanh thu lợi nhuận, cải thiện và phát huy tình hình sản xuất kinh doanh của chính doanh nghiệp mình, từ đó đóng góp một phần cho sự phát triển chung của đất nước và xã hội

Thuật ngữ Big Data (dữ liệu lớn) đang dần trở nên phổ biến trên thế giới trong những năm gần đây, dùng để chỉ một giải pháp phân tích dữ liệu có số lượng lớn, đa dạng, phức tạp với tốc độ xử lý cao Ứng dụng Big Data giúp doanh nghiệp tìm hiểu được giá trị thông tin thực sự nằm sau dữ liệu sẵn có, đặc biệt trong một xã hội toàn cầu hóa và thế giới số như hiện nay, từ đó nghiên cứu được sở thích, thói quen của khách hàng Xa hơn nữa, ứng dụng được Big Data có thể giúp các tổ chức, chính

phủ dự đoán được tỉ lệ thất nghiệp, xu hướng nghề nghiệp trong tương lai để tập trung đầu tư hoặc cắt giảm chi tiêu, kích thích tăng trưởng kinh tế

Nhận thức được xu thế đó, Tổng công ty Viễn thông MobiFone cũng đã đưa vào khai thác và ứng dụng Big Data trong việc phân tích hành vi tiêu dùng của khách hàng từ đầu năm 2015 và đã đạt được những thành công bước đầu Trong tương lai, Big Data sẽ được ứng dụng phân tích sâu hơn và mở rộng trên tất cả các lĩnh vực kinh doanh của MobiFone để ngày càng hoàn thiện và nâng cao hiệu quả hoạt động kinh doanh

2 Tổng quan tình hình nghiên cứu

Trên phạm vi quốc tế, Big Data đã được nghiên cứu và ứng dụng trong nhiều lĩnh vực, một số bài viết điển hình về Big Data bao gồm:

- “As the economy contracts, the digital universe expands” (Gantz, John F., 2009) đưa ra nhận định và dự báo về sự bùng nổ của dữ liệu dưới nhiều hình thức, phương tiện, từ ký tự, văn bản tới hình ảnh, âm thanh, tuy nhiên phần lớn

dữ liệu vẫn đang ở dưới dạng “vật chất tối” (dữ liệu chưa có ý nghĩa với người

sử dụng) Trong giai đoạn bùng nổ dữ liệu, các doanh nghiệp, đặc biệt là doanh nghiệp công nghệ thông tin phải đối mặt với những thách thức cũng như cơ hội cải tiến công nghệ khai thác dữ liệu để tạo ra khác biệt về lợi thế cạnh tranh

- “Big Data for Good” (Roberto V Zicari, 2012) đã chỉ ra rằng Big Data không chỉ là kích thước của những dữ liệu đơn lẻ, mà bằng cách kết nối những dữ liệu đơn lẻ lại với nhau để tạo ra những thông tin hữu ích và có giá trị Từ đó, Big Data được ứng dụng rộng rãi trong tất cả các lĩnh vực trong xã hội (kinh

tế, giáo dục, y tế, chăm sóc sức khỏe, xử lý khủng hoảng…) và giúp những dữ liệu vô nghĩa trở thành một nguồn lực xã hội

- “New Horizons for a Data-Driven Economy” (Cavanillas J M., 2015): nghiên cứu đã đưa ra dự báo về xu hướng của dữ liệu và Big Data tới năm 2020, tạo

ra một sự thay đổi hoàn toàn trong tất cả các ngành công nghiệp và sự phát triển của hệ sinh thái Big Data Chuỗi giá trị của Big Data gồm: thu thập dữ

liệu, phân tích dữ liệu, kiểm soát dữ liệu, lưu trữ dữ liệu và sử dụng dữ liệu Đồng thời, nghiên cứu phân tích những đổi mới sẽ diễn ra trong các ngành công nghiệp về chăm sóc sức khỏe, lĩnh vực công, tài chính và bảo hiểm, năng lượng và giao thông, truyền thông và giải trí, viễn thông, bán lẻ, sản xuất Từ

đó, nghiên cứu đề xuất lộ trình, các kế hoạch hành động về công nghệ, kinh doanh, chính sách và xã hội, hướng tới một nền kinh tế dựa trên dữ liệu

Tại Việt Nam, tài liệu nghiên cứu sâu về Big Data còn tương đối hạn chế, trong số đó có thể kể tới một số tài liệu tiêu biểu là:

- Tài liệu “Tuyển tập Dữ liệu lớn” (Nguyễn Minh Cao Hoàng, 2016): trình bày thế nào là dữ liệu lớn qua một số minh họa và ứng dụng trong các ngành khác nhau như kinh tế, giáo dục, báo chí, sử học, quản lí đô thị, y khoa ; đề cập những vấn đề đang tranh luận, ví dụ như: những công nghệ tin học mới trong việc xử lý những dữ liệu cực lớn có thay đổi triết lý tin học không, sự chuyển đổi kinh tế và xã hội mà các công nghệ này tạo nên đặt ra những vấn

đề nào cho sự riêng tư của cá nhân hay liệu có hay không một sự đoạn tuyệt mang tính khoa học luận, với sự chuyển tiếp từ các phương pháp giả thuyết và suy diễn mà dựa trên đó khoa học hiện đại đã được xây dựng đến một logic quy nạp, rất khác biệt với truyền thống

- “Tổng quan về dữ liệu lớn (Big Data)” (Nguyễn Công Hoan, 2016) cung cấp cái nhìn tổng quan, khái niệm, đặc trưng của Big Data, sự khác biệt so với dữ liệu truyền thống; khái quát bức tranh tổng thể về ứng dụng Big Data trên thế giới qua những ví dụ trong hoạt động chính trị, giao thông, y tế, thể thao, tài chính, thương mại, thống kê; và đánh giá những cơ hội và thách thức khi ứng dụng Big Data trong thống kê chính thức Điều quan trọng nhất trong tài liệu

đã đưa ra những ưu điểm của Big Data, đó là cung cấp thông tin để người sử dụng xử lý được tình huống nhanh nhất, chính xác nhất và luôn có tính định hướng đến tương lai

Đề tài nghiên cứu của luận văn kế thừa những cơ sở lý luận, nền tảng khoa học của các đề tài nghiên cứu đi trước, kết hợp với việc phân tích đánh giá thực tiễn

triển khai tại Tổng công ty Viễn thông MobiFone, học hỏi kinh nghiệm từ những doanh nghiệp cùng ngành trên thế giới, từ đó giải quyết câu hỏi làm thế nào để hoàn thiện và nâng cao hiệu quả ứng dụng Big Data tại MobiFone

3 Nhiệm vụ nghiên cứu

- Hệ thống những lý luận cơ bản về Big Data, chỉ ra xu hướng tất yếu của ứng dụng Big Data trong tất cả các lĩnh vực trên thế giới và tại Việt Nam, đặc biệt trong lĩnh vực viễn thông

- Đánh giá thực trạng triển khai ứng dụng Big Data trong phân tích hành vi của khách hàng tại Tổng công ty Viễn thông MobiFone, xác định những tồn tại hạn chế cần khắc phục

- Đề xuất các giải pháp nhằm hoàn thiện ứng dụng Big Data trong hoạt động sản xuất kinh doanh tại Tổng công ty Viễn thông MobiFone, đưa ra đề xuất đối với doanh nghiệp cũng như đối với cơ quan quản lý nhà nước

4 Phương pháp nghiên cứu

Luận văn sử dụng phương pháp luận chủ nghĩa duy vật biện chứng và duy vật lịch sử, kết hợp với phương pháp thống kê, phân tích, tổng hợp, so sánh để làm sáng

tỏ vấn đề nghiên cứu

5 Đối tượng nghiên cứu và phạm vi nghiên cứu

5.1 Đối tượng nghiên cứu

Đối tượng nghiên cứu của đề tài là thực trạng ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng và giải pháp để nâng cao hiệu quả ứng dụng Big Data

5.2 Phạm vi nghiên cứu

- Về mặt thời gian: Phạm vi nghiên cứu giới hạn về mặt thời gian từ khi Tổng công ty Viễn thông MobiFone bắt đầu triển khai nâng cấp, tích hợp các hệ thống kỹ thuật để triển khai ứng dụng Big Data vào năm 2014

- Về mặt nội dung: Đề tài tập trung vào phân tích hiệu quả của việc ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng trong

kinh doanh nói chung, tại một số doanh nghiệp viễn thông trên thế giới và tại Tổng công ty Viễn thông MobiFone

6 Kết quả nghiên cứu

Đánh giá xu hướng ứng dụng Big Data trong phân tích dữ liệu khách hàng, phân tích hành vi mua sắm và tiêu dùng của khách hàng, đặc biệt trong lĩnh vực viễn thông, nghiên cứu kinh nghiệm triển khai tại Tổng công ty Viễn thông MobiFone, từ đó đưa ra những đề xuất cụ thể để Tổng công ty Viễn thông MobiFone triển khai ứng dụng Big Data đạt hiệu quả cao hơn trong kinh doanh

7 Kết cấu của luận văn

Luận văn gồm có 3 phần chính như sau:

- Cơ sở lý luận về hành vi mua sắm và tiêu dùng của khách hàng và xu hướng ứng dụng Big Data trong phân tích hành vi khách hàng

- Thực tế ứng dụng Big Data trong phân tích hành vi mua sắm và tiêu dùng của khách hàng tại Tổng công ty Viễn thông MobiFone: những thành tựu và hạn chế

- Đề xuất giải pháp hoàn thiện ứng dụng Big Data trong hoạt động kinh doanh tại Tổng công ty Viễn thông MobiFone

Chương 1 Cơ sở lý luận về Big Data và ứng dụng Big Data trong phân tích hành vi khách hàng

1.1 Những vấn đề cơ bản về Big Data

1.1.1 Khái niệm về Big Data

Dữ liệu lớn (Big Data) là thuật ngữ dùng để mô tả các bộ dữ liệu có kích thước rất lớn, tốc độ phát triển nhanh và khó thu thập, lưu trữ, quản lý và phân tích với các công cụ hay ứng dụng truyền thống Big Data khó có thể xác định bằng một số lượng nhất định như Terabytes (1000 GB) Khi công nghệ tiến bộ theo thời gian, kích thước của các dữ liệu cũng sẽ tăng lên và Big Data được hiểu luôn có kích thước lớn hơn rất nhiều Tại thời điểm hiện tại, Big Data có thể tạm tính dung lượng

từ vài chục terabyte tới nhiều petabyte (1 petabyte = 1000 terabyte)

Xét trên quan điểm toàn diện hơn, Big Data là “một hiện tượng văn hóa, công nghệ và học thuật dựa trên sự tương tác của: (1) Công nghệ tối đa hóa sức mạnh tính toán và độ chính xác thuật toán để thu thập, phân tích, liên kết, và so sánh các tập dữ liệu lớn (2) Phân tích tạo ra trên dữ liệu lớn để xác định mô hình giải thích các hiện tượng kinh tế, xã hội, kỹ thuật và pháp lý.” (Danah Boyd và Kate Crawford

Dung lượng (volume): Dung lượng của Big Data đang tăng lên mạnh mẽ theo thời gian Lợi ích thu được từ việc xử lý một khối lượng lớn dữ liệu chính là điểm thu hút chủ yếu của Big Data, tuy nhiên cũng đặt ra nhiều khó khăn trong việc tìm

ra những phương pháp, kỹ thuật để xử lý khối lượng dữ liệu này

Tốc độ (velocity): Với sự ra đời của các kỹ thuật, công cụ, ứng dụng lưu trữ, nguồn dữ liệu liên tục được bổ sung với tốc độ nhanh chóng

Tính đa dạng (variety): Dữ liệu được thu thập từ nhiều nguồn khác nhau, từ các thiết bị cảm biến, thiết bị di động, qua mạng xã hội… Các kiểu dữ liệu có cấu trúc, bán cấu trúc và không có cấu trúc tồn tại dưới nhiều hình thức bao gồm hình ảnh, âm thanh, video, văn bản…

Độ chính xác (veracity): Một trong những tính chất phức tạp nhất của Big Data Với xu hướng truyền thông xã hội (social media) và mạng xã hội (social network) ngày nay và sự gia tăng mạnh mẽ tính tương tác và chia sẻ của người dùng

di động làm cho bức tranh xác định về độ tin cậy và chính xác của dữ liệu ngày một khó khăn hơn

Giá trị thông tin (value): Tính chất quan trọng nhất của xu hướng công nghệ Big Data Ở đây doanh nghiệp phải hoạch định được những giá trị thông tin hữu ích của Big Data mang lại để giải quyết vấn đề, bài toán hoặc mô hình hoạt động kinh doanh của mình Có thể nói việc đầu tiên là phải xác định được tính chất giá trị thông tin thì mới nên bắt đầu triển khai Big Data

1.1.3 Sự cần thiết của ứng dụng Big Data

1.1.3.1 Sự bùng nổ về dữ liệu của các doanh nghiệp trong nền kinh tế toàn cầu

Thế giới đang chứng kiến sự tăng trưởng một cách đột biến về luồng dữ liệu của các doanh nghiệp Sự gia tăng ấy không chỉ diễn ra trong giới hạn một hay hai ngành nghề, mà hầu hết trên tất cả các khía cạnh của nền kinh tế, đặc biệt là sự phát triển nhanh chóng và phổ biến rộng rãi của công nghệ kỹ thuật số đã thúc đẩy sự phát triển của kho dữ liệu

Năm 2010, các nhà khoa học trên thế giới đã ước tính luồng dữ liệu mới được lưu trữ bởi các doanh nghiệp sẽ xoay quanh mốc 7 exabyte (1 exabyte = 1000 petabyte) trên toàn cầu, nhưng thực tế luồng dữ liệu ấy đã vượt trên mức dự kiến thêm 6 exabyte nữa Có thể so sánh rằng nếu chuyển những dữ liệu các doanh nghiệp đang có sang hình thức văn bản, thì cần đến 60.000 thư viện Quốc hội Hoa

kỳ mới có thể đủ diện tích Dữ liệu mà các doanh nghiệp đang có không chỉ dưới dạng văn bản thông thường, mà ngày nay, đó còn là hình ảnh, video, đa phương tiện… Chính điều này là một phần tác nhân thúc đẩy việc gia tăng lượng dữ liệu theo cấp số nhân trong tương lai gần (Manyika, K., Michael Chui 2011, Tr 16) Gần đây nhất, Martin Hilbert và Priscila López đã xuất bản một bài báo khoa học trong đó phân tích tổng dữ liệu toàn cầu từ năm 1986 đến năm 2007, phân tích cho thấy: Dung lượng lưu trữ trên toàn cầu đã tăng trưởng với tốc độ hàng năm là 23% trong giai đoạn 1986 - 2007 (hơn 290 exabyte vào năm 2007 cho tất cả các phương tiện truyền thông và kỹ thuật số) Nghiên cứu cũng ghi nhận sự gia tăng của thông tin kỹ thuật số, ước tính tỷ lệ phần trăm của dữ liệu được lưu trữ ở dạng kỹ thuật số tăng từ 25% chỉ trong năm 2000 (hình thức tương tự như sách, ảnh, âm thanh, video chiếm phần lớn khả năng lưu trữ dữ liệu tại thời điểm đó) đến 94% trong năm 2007

Biểu đồ 1.1: Tốc độ gia tăng của dữ liệu toàn cầu 1986 – 2007

(Nguồn: Hibert và Lopez, “The world’s technology capacity to store, communicate, and compute information”, 2011)

1.1.3.2 Xu hướng mở rộng dữ liệu trên các lĩnh vực kinh doanh

Như vậy dữ liệu đã và đang phát triển theo cấp số nhân trong thời đại ngày nay

và diễn ra trên mọi lĩnh vực Quan trọng hơn, sự gia tăng mạnh mẽ lượng dữ liệu là cần thiết cho các doanh nghiệp trong quá trình phát triển Một số công ty có luồng

dữ liệu nhiều hơn so với trung bình ngành có khả năng đem lại những cơ hội để nắm bắt giá trị từ dữ liệu lớn Các doanh nghiệp tài chính, bao gồm cả chứng khoán, đầu tư, ngân hàng, có luồng dữ liệu kỹ thuật số lớn nhất so với các ngành khác vì các doanh nghiệp tham gia trong lĩnh vực này có xu hướng giao dịch tập trung Các doanh nghiệp truyền thông hay chính phủ cũng có luồng dữ liệu kỹ thuật số tương đối nhiều Tuy nhiên, những đơn vị này thường không chia sẻ dữ liệu với nhau nên giá trị mà họ có thể có được từ dữ liệu lớn có thể bị hạn chế

Ngoài ra, với sự thay đổi về số lượng dữ liệu được lưu trữ trong các lĩnh vực kinh tế khác nhau, các hình thức của dữ liệu được tạo ra cũng khác nhau rõ rệt Ví

dụ, dịch vụ tài chính, bán lẻ đều tạo ra một lượng đáng kể các văn bản và dữ liệu số bao gồm: dữ liệu khách hàng, thông tin giao dịch Các lĩnh vực khác như sản xuất, chăm sóc sức khỏe và thông tin liên lạc, phương tiện truyền thông có tỷ lệ các dữ liệu đa phương tiện cao hơn Trong lĩnh vực sản xuất, dữ liệu chủ yếu là hình ảnh thiết kế Dữ liệu hình ảnh X-quang, CT chiếm phần lớn trong ngành chăm sóc sức khỏe Một trang giấy duy nhất của hồ sơ có độ lớn tầm 1 kilobyte, nhưng một hình ảnh duy nhất có thể cần đến 20 - 200 megabyte hoặc nhiều hơn để lưu trữ Trong thông tin liên lạc và phương tiện truyền thông, âm thanh lại chiếm nhiều dung lượng nhất

Hiện nay, khu vực Bắc Mỹ và châu Âu cùng lưu trữ khoảng 70% dữ liệu trên toàn thế giới Tuy nhiên, các nước phát triển và các nước đang phát triển được kỳ vọng sẽ có sự tăng trưởng mạnh mẽ tới 35 đến 45%/năm Các dữ liệu lưu trữ tại một khu vực không có nghĩa sẽ chỉ phục vụ cho khu vực đó, mà hơn thế nữa, sẽ được sử dụng trên phạm vi toàn cầu (Manyika, K., Michael Chui 2011, Tr 18)

Hình 1.2: Hình thức dữ liệu trong các ngành nghề năm 2011

(Nguồn: Manyika, K., Michael Chui, “Big data: The next frontier for innovation, competition, and productivity”, 2011)

1.1.3.3 Xu hướng gia tăng dữ liệu trong tương lai

Không chỉ dừng lại ở dữ liệu riêng biệt trong mỗi ngành hay khu vực khác nhau, xu hướng liên kết hợp tác, mở rộng phạm vi kết nối giữa các doanh nghiệp sẽ triển mạnh mẽ Cơ sở dữ liệu sẽ bao gồm những giao dịch truyền thống, các nội dung đa phương tiện và đặc biệt là sự gia tăng của các ứng dụng mới trong thời đại của Internet

Các doanh nghiệp đang thu thập dữ liệu với mức độ chi tiết hơn, ghi lại mọi giao dịch của khách hàng, đính kèm thông tin cá nhân nhiều hơn và cũng thu thập thêm thông tin về hành vi của người tiêu dùng trong nhiều môi trường khác nhau Việc này yêu cầu lưu trữ nhiều hơn và phân tích sâu hơn Tesco tạo ra hơn 1,5 tỷ mục dữ liệu mới mỗi tháng Kho Wal-Mart hiện nay bao gồm khoảng 2,5 petabyte thông tin Ngành chăm sóc sức khỏe và y tế ngày càng tăng cường sử dụng thông tin lưu trữ dưới dạng đa phương tiện, việc này càng góp phần vào sự phát triển của

dữ liệu lớn Hơn 95% các dữ liệu lâm sàng tạo ra trong y tế là là video với độ phân giải cao (hình thức dữ liệu tiêu tốn nhiều diện tích trong kho thông tin nhất)

Sự gia tăng trong việc sử dụng mạng xã hội đã tạo ra một dòng dữ liệu mới Trong khi những thành viên đa số là giới trẻ, thì tỷ lệ gia tăng nhanh nhất lại là nhóm người cao tuổi McKinsey đã khảo sát người sử dụng các dịch vụ kỹ thuật số

và nhận thấy: Năm 2009, 7% gia tăng ở nhóm tuổi 25 đến 34, 21 – 22% ở nhóm tuổi 35 đến 54, 52% ở nhóm tuổi 55 đến 64 Điện thoại thông minh ra đời đã thúc đẩy việc sử dụng các mạng xã hội ngày càng rộng khắp 600 triệu người dùng Facebook thường xuyên và dành hơn 9,3 tỷ giờ/tháng Nếu Facebook là một quốc gia, quốc gia này sẽ có dân số lớn thứ ba trên thế giới

Sự gia tăng sử dụng Internet là một xu hướng thúc đẩy tăng trưởng trong dữ liệu lớn Các dự án nghiên cứu McKinsey cho rằng số lượng các thiết bị có kết nối Internet sẽ tăng trưởng với tốc độ trên 30% mỗi năm trong 5 năm tiếp theo Một số lĩnh vực công nghiệp dự kiến sẽ khai thác ứng dụng nhiều tiện ích như các nhà khai thác lắp đặt công tơ thông minh hơn, thiết bị theo dõi sức khỏe từ xa, bán lẻ, ngành công nghiệp ô tô (Manyika, J 2011, Tr 21)

Như vậy, dữ liệu đã trở thành một yếu tố quan trọng của hoạt động sản xuất kinh doanh, ngang bằng với tài sản và nguồn lực con người Với cường độ dữ liệu ngày càng gia tăng mạnh mẽ, cùng với sự phát triển của công nghệ như phương tiện truyền thông xã hội và các ứng dụng của Internet sẽ tiếp tục thúc đẩy tăng trưởng theo cấp số nhân qua những dữ liệu có thể dự đoán Big Data đóng vai trò quan trọng trong việc tạo ra giá trị cho cả doanh nghiệp và người tiêu dùng

1.1.4 Lợi ích của ứng dụng Big Data

Hình thức lưu trữ và xử lý dữ liệu truyền thống tạo ra nhiều bất lợi cho các doanh nghiệp trong quá trình sử dụng nguồn dữ liệu sẵn có: Các dữ liệu có thể bị trùng lặp, gây tốn kém, lãng phí bộ nhớ và các thiết bị lưu trữ, dư thừa thông tin lưu trữ; dữ liệu không nhất quán và không bảo đảm được tính toàn vẹn của dữ liệu Việc ứng dụng Big Data sẽ giúp doanh nghiệp giải quyết được các vấn đề đó và đem lại nhiều lợi ích tạo ra giá trị cho doanh nghiệp:

Thứ nhất, hầu hết các công cụ thiết kế trong hệ thống Big Data được dùng để cung cấp các mẫu thống kê khổng lồ Thay vì khai thác thủ công và sử dụng các

công cụ thống kê truyền thống, người sử dụng có thể tìm kiếm được ngay các phân khúc khách hàng, dự đoán nhu cầu về sản phẩm hoặc mức sử dụng chi phí

Thứ hai, thao tác thực hiện truy vấn dữ liệu và phân tích được diễn ra trong thời gian rút ngắn hơn rất nhiều so với các công nghệ trước đây, giúp doanh nghiệp đưa ra các phản ứng tức thời trước tình hình biến đổi của thị trường

Thứ ba, các doanh nghiệp có thể nhìn thấy nhiều thông tin giá trị từ kho dữ liệu khổng lồ, thậm chí là lộn xộn Có rất nhiều loại dữ liệu trong doanh nghiệp, kể

cả những nguồn thông tin sai lệch, không đạt chuẩn Tuy nhiên, theo một khía cạnh khác, nhiều phân tích, dự đoán (ví dụ như phát hiện gian lân) lại phụ thuộc vào các giá trị ngoại lai và dữ liệu bất thường

1.1.5 Tổng quan hệ thống kỹ thuật của ứng dụng Big Data

Với lượng thông tin khổng lồ, Big Data cần đến các kĩ thuật khai thác xử lý thông tin đặc biệt Có một lượng lớn các công nghệ và kĩ thuật được nghiên cứu phát triển và tích hợp dùng để phân tích Big Data, trong đó có thể kế đến một số kĩ thuật liên quan đến xác xuất thống kê, khoa học máy tính, toán và kinh tế học Một

số kĩ thuật và ứng dụng phân tích Big Data bước đầu đã được triển khai phân tích trên nền tảng dữ liệu nhỏ, nhưng khi triển khai mô hình Big Data cũng đã rất thành công và hiệu quả

1.1.5.1 Các phương pháp phân tích dữ liệu Big Data

a Kiểm tra phân tách (A/B Testing)

Kiểm tra phân tách (A/B testing hay split testing) là một kỹ thuật trong đó một nhóm đối chứng được so sánh với nhiều nhóm thử nghiệm khác nhau để xác định phương án tác động nào sẽ cải thiện một biến khách quan nhất định, ví dụ tỷ lệ phản hồi của khách hàng Một ứng dụng ví dụ là xác định văn bản, bố cục, hình ảnh hoặc màu sắc nào sẽ làm tăng tỷ lệ chuyển đổi trên một website thương mại điện tử (tỷ lệ chuyển đổi là tỷ lệ mà khách hàng thực hiện một hành động mong muốn nào đó) Big Data cho phép thực hiện và phân tích số lượng lớn các bài kiểm tra, đảm bảo rằng các nhóm có đủ kích cỡ để phát hiện sự khác biệt có ý nghĩa (có ý nghĩa thống kê) giữa các nhóm đối chứng và thử nghiệm Khi nhiều hơn một biến được

thao tác đồng thời trong quá trình xử lý và áp dụng mô hình thống kê, sự tổng quát

đa chiều của kỹ thuật gọi là thử nghiệm “A/B/N”

b Luật kết hợp (Association Rule)

Luật kết hợp là một tập hợp các kỹ thuật để phát hiện các mối quan hệ (quy tắc kết hợp) giữa các biến trong các cơ sở dữ liệu lớn Các kỹ thuật này bao gồm nhiều thuật toán để tạo ra và kiểm tra các quy tắc có thể xảy ra

Ví dụ một ứng dụng là phân tích giỏ hàng, trong đó một nhà bán lẻ có thể xác định sản phẩm nào thường xuyên được mua lại, các sản phẩm nào thường được mua cùng với nhau và sử dụng thông tin này để tiếp thị

c Phân nhóm (Cluster Analysis)

Kỹ thuật phân nhóm (phân cụm) là một phương pháp thống kê nhằm phân loại các đối tượng trong một nhóm đa dạng thành các nhóm nhỏ có đặc điểm tương đồng dựa vào một vài tiêu chí đã được xác định trước Ứng dụng điển hình của kỹ thuật phân nhóm là phân chia người tiêu dùng thành các nhóm nhỏ khách hàng mục tiêu, tìm hiểu hành vi khách hàng, nhận dạng các cơ hội cho sản phẩm mới hay lựa chọn phân khúc để thử nghiệm các chiến lược khác nhau

d Khai phá chuỗi (Sequential/Temporal Patterns)

Khai phá chuỗi thời gian là kỹ thuật tương tự như khai phá luật kết hợp nhưng

có thêm tính thứ tự và tính thời gian Hướng tiếp cận này được ứng dụng nhiều trong lĩnh vực tài chính và thị trường chứng khoán vì có tính dự báo cao

e Khai thác tài nguyên đám đông (Crowdsourcing)

Khai thác tài nguyên đám đông là kĩ thuật dùng để thu thập thông tin từ một nhóm lớn người hoặc một cộng đồng thông qua các cuộc điều tra (phỏng vấn) mở, thường sử dụng giao thức web Ứng dụng kỹ thuật này kết hợp với truyền thông xã hội (social media) đang trở thành một xu hướng mới trong việc thu thập và xử lý các dữ liệu kinh tế vĩ mô, góp phần thúc đẩy tiến trình minh bạch hóa và tự do hóa thông tin - nguồn nguyên liệu đầu vào cho cỗ máy kinh tế dựa trên nền tảng thị trường

f Khai phá dữ liệu (Data Mining)

Khai phá dữ liệu là một tập hợp các kỹ thuật để trích xuất các mẫu từ các bộ

dữ liệu lớn bằng cách kết hợp các phương pháp từ thống kê tới học máy (machine learning: là một lĩnh vực của trí tuệ nhân tạo liên quan đến việc nghiên cứu và xây dựng các kĩ thuật cho phép các hệ thống có thể học tự động từ dữ liệu để giải quyết những vấn đề cụ thể) với quản lý cơ sở dữ liệu Khai phá dữ liệu đưa ra nhiều ứng dụng hiệu quả, bao gồm khai phá dữ liệu khách hàng để xác định các phân đoạn thị trường có nhiều khả năng phản ứng một hành động marketing, khai phá dữ liệu nguồn nhân lực để xác định đặc điểm của những nhân viên thành công nhất hoặc phân tích giỏ hàng để mô hình hóa hành vi mua hàng của khách hàng

g Xử lý ngôn ngữ tự nhiên (Natural Language Processing)

Xử lý ngôn ngữ tự nhiên là một tập hợp các kỹ thuật sử dụng các thuật toán máy tính để phân tích ngôn ngữ tự nhiên của con người Trong các lĩnh vực của trí tuệ nhân tạo thì xử lý ngôn ngữ là một phần mang tính phức tạp cao do liên quan đến ý nghĩa của ngôn ngữ - công cụ hoàn hảo nhất của giao tiếp và tư duy Một ứng dụng của xử lý ngôn ngữ tự nhiên là phân tích tình cảm trên phương tiện truyền thông xã hội để xác định xem khách hàng đang phản ứng như thế nào với các chiến dịch xây dựng thương hiệu

h Mạng Nơ-ron (Neural Networks)

Mạng Nơ-ron là một mô hình tính toán, xử lý thông tin được xây dựng mô phỏng dựa trên cấu trúc và hoạt động của hệ thống thần kinh sinh học (tức là các tế bào và các kết nối bên trong bộ não), bao gồm số lượng lớn các tế bào nơ-ron được gắn kết để xử lý thông tin Mạng Nơ-ron giống như bộ não con người, được hoàn thiện thông qua thông qua huấn luyện, có khả năng lưu giữ những tri thức và sử dụng những tri thức đó trong việc dự đoán các dữ liệu chưa biết

Mạng Nơ-ron rất phù hợp để tìm các mô hình phi tuyến Kỹ thuật này có thể được sử dụng để nhận biết và tối ưu hóa mẫu Ví dụ về ứng dụng của mạng Nơ-ron như xác định khách hàng có nguy cơ tử bỏ sử dụng sản phẩm của doanh nghiệp hoặc xác định các gian lận trong yêu cầu bồi thường bảo hiểm

i Phân tích cảm xúc (Sentiment Analytics)

Phân tích cảm xúc là ứng dụng xử lý ngôn ngữ tự nhiên và các kỹ thuật phân tích khác để xác định và trích xuất các thông tin chủ quan từ nguồn dữ liệu, nói một cách khác là lắng nghe và thấu hiểu những gì các phương tiện truyền thông xã hội đang nói về nhãn hiệu, sản phẩm, thương hiệu của doanh nghiệp, tích cực hay hiêu cực, tích cực về mặt nào và tiêu cực về mặt nào

Những vấn đề chính của phân tích cảm xúc bao gồm xác định tính năng, khía cạnh hoặc sản phẩm mà trong đó diễn ra tình cảm và xác định loại cảm xúc (tích cực, tiêu cực hoặc trung lập), mức độ và sức mạnh của tình cảm Ví dụ về ứng dụng như doanh nghiệp áp dụng phương pháp phân tích tình cảm đối với các phương tiện truyền thông xã hội (blog, mạng xã hội…) để xác định các phân đoạn khách hàng và các bên liên quan khác nhau phản ứng như thế nào với sản phẩm của doanh nghiệp, qua đó doanh nghiệp có được cái nhìn tổng quan về thái độ của khách hàng đối với sản phẩm của mình tại một thời điểm nhất định

1.1.5.2 Công nghệ sử dụng trong ứng dụng Big Data

Để phân tích và tổng hợp dữ liệu lớn, hiện có rất nhiều công nghệ đang được

áp dụng để triển khai phân tích Big Data Trong đó có một số công nghệ nổi bật:

Big Table: là một hệ thống cơ sở dữ liệu phân tán được sử dụng để quản lý dữ

liệu có cấu trúc, dễ co giãn trong phạm vi lớn Big Table đã được Google sử dụng trong nhiều dự án lớn

Business Intelligence (BI): là một loại phần mềm ứng dụng được thiết kế để

phân tích báo cáo và hiển thị dữ liệu Các công cụ BI thường được sử dụng để đọc các dữ liệu đã được lưu trữ trước đó trong một kho dữ liệu hoặc một siêu dữ liệu, tạo các báo cáo trên cơ sở định kỳ hoặc theo thời gian thực

Cassandra: là một hệ thống quản lý cơ sở dữ liệu mã nguồn mở được thiết kế

để xử lý số lượng lớn dữ liệu trên một hệ thống phân tán Hệ thống này ban đầu được phát triển bởi Facebook và hiện đang được quản lý như là một dự án của nền tảng Apache Software

MapReduce: là một quy trình giúp xử lý tập hợp dữ liệu siêu lớn đặt tại các hệ

thống máy tính phân tán, có thể xử lý được dữ liệu phi cấu trúc và dữ liệu cấu trúc Trong MapReduce, các máy tính chứa dữ liệu đơn lẻ được gọi là các nút (node) Quy trình này định nghĩa dữ liệu dưới dạng cặp khóa/giá trị (key/value) và xử lý hai luồng dữ liệu song song

Hadoop: là một tập hợp phần mềm mã nguồn mở để xử lý các tập dữ liệu

khổng lồ trên một số loại vấn đề trên hệ thống phân tán Hadoop ban đầu được phát triển tại Yahoo! và hiện đang được quản lý như là một dự án của Tổ chức Phần mềm Apache

R: là một ngôn ngữ lập trình mã nguồn mở và môi trường phần mềm cho máy

tính và đồ họa thống kê Ngôn ngữ R đã trở thành tiêu chuẩn thực tế và được sử dụng rộng rãi để phát triển phần mềm thống kê và phân tích dữ liệu

Stream Processing: là công nghệ dùng để xử lý dữ liệu lớn trong thời gian

thực Dữ liệu sẽ được lưu trữ và xử lý theo thời gian thực, thích hợp với việc xử lý

dữ liệu online và triển khai các hoạt động tương tác với khách hàng một cách linh động và hiệu quả

1.1.5.3 Các hình thức mô phỏng kết quả trong ứng dụng Big Data

Dựa trên những kết quả phân tích và công nghệ được sử dụng trong phân tích

dữ liệu Big Data, để phân tích dữ liệu một cách hiệu quả cần có các phương pháp để hiển thị, xem dữ liệu mô hình dưới dạng ảnh, lược đồ, đồ thị Thông qua các hình ảnh trực quan sẽ giúp các nhà phân tích dữ liệu đánh giá và cải thiện kết quả phân tích dữ liệu Big Data

a Đám mây từ khóa – Tag cloud

Văn bản của một báo cáo hiển thị dưới hình thức một đám mây từ khóa, có thể

là một danh sách các từ được đánh giá mức độ quan trọng, trong đó các từ xuất hiện thường xuyên nhất được hiển thị lớn hơn và các từ ít xuất hiện thường xuyên hơn sẽ được hiển thị nhỏ hơn Đây là cách trực quan giúp người đọc lĩnh hội nhanh chóng các khái niệm nổi bật nhất trong một văn bản dài

Hình 1.3: Đám mây từ khóa – Tag Cloud

b Clustergram

Clustergram là một kỹ thuật trực quan hóa được sử dụng cho phân tích cụm, hiển thị các thành phần riêng của một tập dữ liệu được gán thành các cụm khi số lượng các cụm tăng lên Sự lựa chọn số cụm là một tham số quan trọng trong phân tích cụm Kỹ thuật này cho phép các nhà phân tích có được sự hiểu biết tốt hơn về cách kết quả của cụm thể hiện khác với các cụm khác

Hình 1.4: Clustergram

c Dòng lịch sử

Dòng lịch sử là một kỹ thuật trực quan hóa lập các biểu đồ tiến hóa của một tài liệu khi được biên tập bởi nhiều tác giả Thời gian nằm trên trên trục hoành, trong

khi những đóng góp vào văn bản nằm trên trục tung; mỗi tác giả có một mã màu khác nhau và chiều dài của trục tung biểu thị số lượng văn bản được viết bởi mỗi tác giả Bằng cách trực quan hóa lịch sử của một tài liệu theo cách này, những hiểu biết khác nhau dễ dàng xuất hiện

Hình 1.5: Dòng lịch sử

d Dòng thông tin không gian

Một kỹ thuật trực quan hóa khác là kỹ thuật mô tả các dòng thông tin không gian Ví dụ với mô hình New York Talk Exchange mô phỏng lượng dòng dữ liệu của giao thức Internet giữa New York và các thành phố trên khắp thế giới Kích thước của ánh sáng trên một vị trí thành phố cụ thể tương ứng với tổng lưu lượng IP lưu thông giữa các nơi đó và New York; ánh sáng càng sáng hơn, dòng lưu thông càng lớn Sự trực quang hóa này cho phép chúng ta xác định một cách nhanh chóng thành phố nào được kết nối chặt chẽ nhất với New York về khối lượng thông tin liên lạc của chúng

Hình 1.6: Dòng thông tin không gian 1.2 Những vấn đề cơ bản về hành vi mua sắm và tiêu dùng của khách hàng 1.2.1 Khái niệm

Người tiêu dùng là người mua sắm và tiêu dùng những sản phẩm và dịch vụ nhằm thỏa mãn nhu cầu và ước muốn cá nhân Họ là người cuối cùng tiêu dùng sản phẩm do quá trình sản xuất tạo ra Người tiêu dùng có thể là một cá nhân, một hộ gia đình hoặc một nhóm người

Thị trường người tiêu dùng bao gồm tất cả các cá nhân, các hộ gia đình và các nhóm người hiện có và tiềm ẩn mua sắm hàng hóa hoặc dịch vụ cho mục đích thỏa mãn nhu cầu cá nhân

Hành vi mua của người tiêu dùng là toàn bộ hành động mà người tiêu dùng bộc lộ ra trong quá trình điều tra, mua sắm, sử dụng, đánh giá cho hàng hóa và dịch

vụ nhằm thỏa mãn nhu cầu của họ Cũng có thể coi hành vi người tiêu dùng là cách thức mà người tiêu dùng sẽ thực hiện để đưa ra các quyết định sử dụng tài sản của mình (tiền bạc, thời gian, công sức…) liên quan đến việc mua sắm và sử dụng hàng hóa, dịch vụ nhằm thỏa mãn nhu cầu cá nhân (Trần Minh Đạo 2012, tr 93)

Hành vi tiêu dùng là những hành động của con người trong việc mua sắm và

sử dụng sản phẩm, dịch vụ bao gồm các quá trình tâm lý và xã hội trước, trong và sau khi mua (Trương Đình Chiến 2011, tr 106)

1.2.2 Những yếu tố ảnh hưởng đến hành vi mua sắm và tiêu dùng

Các nhân tố cơ bản ảnh hưởng đến hành vi của khách hàng được tập hợp thành

4 nhóm chính: những nhân tố văn hóa, những nhân tố mang tính chất xã hội, những nhân tố mang tính chất cá nhân và những nhân tố tâm lý, thể hiện trong hình 1.1 dưới đây

Vai trò và địa vị

Cá nhân

Tuổi đời Nghề nghiệp

Hoàn cảnh kinh tế

Cá tính và

sự tự nhận thức

Tâm lý

Động cơ Nhận thức Kiến thức Niềm tin và quan điểm

NGƯỜI MUA

Sơ đồ 1.1 Mô hình các yếu tố ảnh hưởng đến hành vi của khách hàng 1.2.3 Quá trình mua sắm và tiêu dùng của khách hàng

Quá trình mua sắm và tiêu dùng của khách hàng được bắt đầu trước khi hành động mua diễn ra và kéo dài sau mua, bao gồm 5 giai đoạn cơ bản: nhận biết nhu cầu, tìm kiếm thông tin, đánh giá các phương án, quyết định mua và đánh giá sau khi mua

Đánh giá các phương

án

Quyết định mua

Đánh giá sau khi mua

Sơ đồ 1.2 Quá trình mua sắm và tiêu dùng của khách hàng

1.1.3.1 Ý thức về nhu cầu

Quá trình mua sắm và tiêu dùng bắt đầu với việc khách hàng ý thức được nhu cầu Nhận biết nhu cầu là cảm giác của khách hàng về một sự khác biệt giữa trạng thái hiện có với trạng thái họ mong muốn Nhu cầu có thể phát sinh do các kích

thích bên trong (tác động của các quy luật sinh học, tâm lý) hoặc bên ngoài (kích thích của marketing) hoặc cả hai

Doanh nghiệp ở giai đoạn này cần xác định được các hoàn cảnh thường làm cho khách hàng nhanh chóng hiểu rõ vấn đề, nghiên cứu để tìm ra những dạng cảm giác đã làm phát sinh vấn đề hay nhu cầu, lý giải nguyên nhân và tác động của chúng đến lựa chọn mua sản phẩm của khách hàng

1.2.3.2 Tìm kiếm thông tin

Khi sự thôi thúc nhu cầu đủ mạnh, khách hàng sẽ bắt đầu tìm kiếm thông tin liên quan đến sản phẩm, dịch vụ có thể thỏa mãn nhu cầu của mình Các nguồn thông tin cơ bản thường được sử dụng bao gồm:

- Nguồn thông tin cá nhân: gia đình, bạn bè, người quen…

- Nguồn thông tin thương mại: quảng cáo, nhân viên bán hàng, hội chợ, triển lãm, bao bì, thương hiệu…

- Nguồn thông tin đại chúng: các phương tiện truyền thông, dư luận

- Kinh nghiệm: khảo sát trực tiếp, dùng thử, qua tiêu dùng

Doanh nghiệp cần quan tâm và phân tích những vấn đề cụ thể sau: có những kênh thông tin nào mà khách hàng có thể tiếp cận để thu thập thông tin; nguồn thông tin nào gây ảnh hưởng quan trọng tới nhận biết của khách hàng về sản phẩm, thương hiệu; những loại thông điệp và kênh thông tin phù hợp để khách hàng dễ dàng và thuận lợi trong việc tiếp nhận và xử lý thông tin

1.2.3.3 Đánh giá các phương án

Sau khi tìm kiếm thông tin, khách hàng sẽ xử lý các thông tin để đánh giá các thương hiệu có khả năng thay thế nhau nhằm tìm kiếm được thương hiệu theo họ là hấp dẫn nhất

Doanh nghiệp cần kiểm soát cách thức khách hàng sẽ sử dụng trong việc đánh giá các thương hiệu có khả năng cạnh tranh với nhau Những khuynh hướng cơ bản giúp dự đoán được quan điểm của khách hàng là:

- Thứ nhất, khách hàng thường coi sản phẩm là một tập hợp các thuộc tính phản ánh lợi ích của sản phẩm mà họ mong đợi

- Thứ hai, khách hàng có khuynh hướng phân loại về mức độ quan trọng của các thuộc tính

- Thứ ba, khách hàng có khuynh hướng xây dựng niềm tin của mình gắn với các thương hiệu Khuynh hướng này tạo lợi thế cho các thương hiệu nổi tiếng trong cạnh tranh

- Thứ tư, khách hàng có xu hướng gán cho mỗi thuộc tính của sản phẩm một chức năng hữu ích gọi là độ hữu dụng hay giá trị sử dụng Tuy nhiên khi lựa chọn, khách hàng không chọn giá trị sử dụng đơn lẻ mà chọn những sản phẩm đem lại tổng giá trị tạo sự thỏa mãn tối đa so với chi phí bỏ ra

1.2.3.4 Quyết định mua

Trong giai đoạn đánh giá, khách hàng sắp xếp các sản phẩm, thương hiệu theo các thứ bậc và từ đó bắt đầu hình thành ý định mua sản phẩm, thương hiệu được đánh giá cao nhất Thông thường, khách hàng sẽ mua sản phẩm được ưu tiên nhất Tuy nhiên từ ý định mua tới quyết định mua thực tế, khách hàng còn chịu sự chi phối bởi nhiều yếu tố kìm hãm, bao gồm:

- Thái độ của người khác: gia đình, bạn bè, dư luận…

- Những yếu tố hoàn cảnh: những rủi ro đột xuất, sự sẵn có của sản phẩm, các điều kiện giao dịch, thanh toán, dịch vụ sau bán hàng, sản phẩm thay thế Doanh nghiệp cần tập trung tháo gỡ ảnh hưởng của các yếu tố kìm hãm quyết định mua của khách hàng Muốn làm được điều đó, doanh nghiệp cần nghiên cứu thị trường một cách nghiêm túc, đồng thời triển khai các hoạt động xúc tiến (quảng cáo, khuyến mãi, PR…) và phân phối một cách hiệu quả

1.2.3.5 Đánh giá sau khi mua

Sự hài lòng hoặc không hài lòng sau khi mua và sử dụng sản phẩm sẽ ảnh hưởng đến hành vi mua tiếp theo của khách hàng Đây là nguyên nhân quan trọng nhất hình thành thái độ và hành vi mua của khách hàng khi nhu cầu tái xuất hiện và

khi họ truyền bá thông tin về sản phẩm cho người khác Doanh nghiệp cần tìm hiểu

và phân tích hành vi của khách hàng sau khi mua cũng như những phản ứng đáp lại của họ đối với trạng thái hài lòng hay không hài lòng về sản phẩm để có các giải pháp marketing đáp ứng và điều chỉnh kịp thời nhằm cải thiện tình hình Như vậy, công việc của doanh nghiệp không kết thúc khi sản phẩm đã được mua, mà kéo dài

cả đến giai đoạn sau khi mua

1.3 Xu hướng ứng dụng Big Data trong phân tích hành vi khách hàng trên thế giới và tại Việt Nam

1.3.1 Xu hướng ứng dụng Big Data trên thế giới

Big Data và các ứng dụng của Big Data ngày càng được sử dụng rộng rãi trong các lĩnh vực khác nhau nhằm hỗ trợ doanh nghiệp trong việc hiểu sâu hơn về khách hàng của mình, giảm thiểu các rủi ro và hỗ trợ ra quyết định Việc áp dụng các ứng dụng Big Data trong phân tích đã được áp dụng từ lâu, tuy nhiên tới những năm đầu của thế kỷ 21 mới có khái niệm hoàn chỉnh và bắt đầu của sự bùng nổ dữ liệu cũng như các công cụ tối ưu hóa việc phân tích dữ liệu

Đứng trên góc độ quốc gia, các chính phủ định hướng phân tích dữ liệu tới những chỉ số quốc gia như dự báo tỷ lệ thất nghiệp, xu hướng lựa chọn nghề nghiệp trong tương lai Ngành y tế phát triển ứng dụng trong việc quản lý và theo dõi sức khỏe bệnh nhân, thiết kế các gói sản phẩm hợp lý nhằm tối ưu chi phí chăm sóc sức khỏe Ngành du lịch và khách sạn tích hợp các nguồn dữ liệu từ mạng xã hội và các kênh truyền thông để tạo ra những gói nghỉ dưỡng phù hợp với khách hàng Các doanh nghiệp ứng dụng nhằm tìm hiểu một cách toàn diện hành vi mua sắm và tiêu dùng của khách hàng, các động cơ thúc đẩy đến hành vi mua của khách hàng cũng như phản ứng sau mua, từ đó thiết kế danh mục sản phẩm, chính sách giá hấp dẫn Một số ứng dụng tiêu biểu của Big Data trong xu hướng phát triển của các ngành công nghiệp trên thế giới:

1.3.1.1 Ngành bán lẻ

Việc sử dụng công nghệ thông tin và dữ liệu số trong ngành bán lẻ ở Hoa Kỳ chính là phương tiện nâng cao năng suất cho từng thành viên cũng như toàn bộ hệ

thống bán lẻ Với việc ứng dụng thêm nhiều yếu tố sử dụng công nghệ Big Data, ngành công nghiệp này dự kiến sẽ đạt mức tăng trưởng thêm ít nhất 0,5% trong năm

2020 và đối với từng doanh nghiệp, dự kiến Big Data có thể trợ giúp tăng tối đa 60% lợi nhuận cận biên (Manyika, K., Michael Chui 2011, Tr 64) Bán lẻ chính là lĩnh vực mà các dữ liệu số đóng vai trò ngày càng quan trọng trong việc duy trì và phát triển mối quan hệ này bởi người tiêu dùng ngày càng có xu hướng tìm kiếm, mua sắm từ các nhà bán lẻ trực tuyến

Viện nghiên cứu toàn cầu McKinsey đã nhận diện 16 yếu tố sử dụng Big Data trong ngành bán lẻ Hoa Kỳ, thuộc 5 nhóm: marketing, phân phối hàng hóa, vận hành, chuỗi cung ứng và các mô hình kinh doanh mới

Bán chéo sản phẩm: Cách thức này có thể tận dụng lợi thế của Big Data để

khai thác các thông tin về khách hàng như về nhân khẩu học, sở thích, lịch sử mua sắm…

Marketing dựa trên địa điểm: Hình thức marketing này chủ yếu dựa vào sự

phổ biến và ngày càng phát triển của các loại điện thoại thông minh và các thiết bị

di động định vị khác mà nhờ vào đó có thể xác định được các khách hàng tiềm năng trong khu vực

Phân tích hành vi mua sắm: Phân tích các dữ liệu này có thể giúp các cửa hàng

cải thiện hình thức trang trí, bố trí các kệ hàng… Những cải tiến gần đây còn cho phép các nhà bán lẻ phân tích các mô hình mua sắm của người tiêu dùng, như thời gian sử dụng trong từng gian hàng…

Phân tích quan điểm khách hàng: Hình thức này tận dụng nguồn dữ liệu do

khách hàng tạo ra thông qua nhiều hình thức truyền thông xã hội giúp doanh nghiệp đưa ra những quyết định kinh doanh chính xác Dựa vào các phân tích này để đo lường hiệu quả chiến lược marketing và có các điều chỉnh kịp thời

Tối ưu hóa phân loại hàng hóa: Quyết định sẽ bán mặt hàng nào ở cửa hàng

nào căn cứ vào các đặc điểm địa lý, cảm nhận của khách hàng và nhiều dữ liệu khác

Tối ưu hóa giá cả: Với sự phát triển của nhiều mô hình định giá phức tạp, nhà

bán lẻ có thể đưa ra các quyết định về giá cả sản phẩm chi tiết tới từng đối tượng khách hàng, khu vực… căn cứ vào độ co giãn của cầu gần như ngay lập tức

Minh bạch về kết quả hoạt động: nhờ việc ứng dụng CNTT trong kinh doanh

sản xuất, doanh nghiệp gần như ngay lập tức (real-time) phân tích được kết quả kinh doanh của toàn bộ các loại mặt hàng, cửa hàng… phục vụ đắc lực cho việc đưa ra các chính sách bán hàng trong tương lai

Tối đa hóa yêu cầu lao động đầu vào: Giúp doanh nghiệp đưa ra quyết định

chính xác hơn về nhu cầu lao động của đơn vị, tránh tình trạng lãng phí, dư thừa năng suất

Quản lý hàng tồn kho: Với những kỹ thuật phân tích nâng cao ngày càng chi

tiết nhờ khai thác các tệp dữ liệu đa chiều, Big Data tiếp tục khẳng định là một công

cụ mạnh mẽ giúp doanh nghiệp cải thiện việc quản lý hàng tồn kho nhằm đảm bảo hàng hóa được giữ trong kho ở mức tối thiểu để tiết kiệm chi phí nhưng vẫn đảm bảo đủ hàng hóa lưu thông

Tối ưu hóa hệ thống phân phối và logistics: Những nhà bán lẻ hàng đầu luôn

biết cách tận dụng các thiết bị công nghệ (như hệ thống GPS) để tối ưu hóa vận chuyển và lộ trình nhằm tiết kiệm chi phí, tăng năng suất

Thông báo đàm phán với nhà cung cấp: Trong thế giới Big Data, nhà bán lẻ

hoàn toàn có thể sử dụng công cụ phân tích thị hiếu của khách hàng và hành vi mua bán để đưa ra mức đàm phán với nhà cung cấp về giá cả

Dịch vụ so sánh giá: Hiện nay dịch vụ so sánh giá khá phổ biến đối với các

bên thứ ba, bên cung cấp công cụ so sánh giá và các yếu tố khác liên quan đến giá

cả ngay tại/ngay sát thời điểm hiện tại của cùng mặt hàng của các nhà bán lẻ khác nhau Cũng nhờ đó mà người tiêu dùng được hưởng mức giá thấp hơn và gia tăng sức mạnh trên thị trường

1.3.1.2 Ngành sản xuất

Đây là ngành công nghiệp áp dụng CNTT từ rất sớm để cải thiện chất lượng và hiệu quả của ngành, chẳng hạn áp dụng CNTT và tự động hóa trong thiết kế, sản xuất và phân phối sản phẩm Tuy vậy, đây cũng là ngành kinh tế chịu áp lực lớn nhất trong việc cải thiện năng suất bởi vốn dĩ năng suất của ngành đã tương đối cao

so với các ngành công nghiệp khác

Các nhà sản xuất có thể sử dụng Big Data trong toàn bộ chuỗi giá trị, trong đó

có 4 yếu tố có thể hỗ trợ đắc lực cho việc cải thiện năng suất ngành

Quản lý vòng đời sản phẩm: Một hệ thống dữ liệu tích hợp giúp chia sẻ các dữ

liệu chung từ các hệ thống đơn lẻ trong các giai đoạn khác nhau của vòng đời sản phẩm sẽ là công cụ hữu hiệu giúp họ nâng cao năng lực sản xuất thông qua hoạt động chia sẻ các dữ liệu chung để cùng tham gia vào quá trình sáng tạo và thiết kế sản phẩm Toyota, Flat, Nissan là những tập đoàn lớn đã nhận thấy lợi ích rõ ràng nhất từ việc chia sẻ dữ liệu này khi mà họ cắt giảm được tới 30%-50% thời gian tạo

ra một sản phẩm mới (Manyika, J 2011, Tr 76)

Thiết kế tạo ra giá trị: Các doanh nghiệp sẽ biết cách đưa ra các phân tích để

quyết định ở mức giá nào thì người tiêu dùng sẽ chấp nhận chi trả cho một tính năng

cụ thể nào đó của sản phẩm Các nguồn dữ liệu có thể tận dụng cho các phân tích trên có thể kể đến dữ liệu tại các điểm bán lẻ, phản hồi của khách hàng, các dữ liệu

mô tả cảm nhận, trải nghiệm thực tế khi sử dụng sản phẩm của khách hàng…

Sáng tạo mở: Với nhu cầu khách hàng ngày càng cao, các công ty sản xuất đã

tăng cường huy động các nguồn sáng tạo bên ngoài trong quá trình thiết kế và sản xuất sản phẩm, chẳng hạn sử dụng nền tảng web để kêu gọi người tiêu dùng, các

nhà nghiên cứu… đưa ra các ý tưởng mới cho sản phẩm Hệ thống phân tích giúp doanh nghiệp tiết kiệm thời gian nhận diện các ý tưởng và đưa ra quyết định liệu một ý tưởng có khả thi hay không

Các nhà sản xuất, đặc biệt trong lĩnh vực hàng hóa tiêu dùng nhanh có nhiều

cơ hội để cải thiện hệ thống dự báo nhu cầu và lập kế hoạch chuỗi cung ứng Điều này có thể được thực hiện thông qua các hệ thống thông tin tích hợp thời gian thực của nhà sản xuất Khi nắm được mọi nguồn thông tin, thậm chí từ cả các nhà bán lẻ, doanh nghiệp có thể chủ động lên kế hoạch sản xuất cũng như nhanh chóng điều chỉnh sản lượng căn cứ vào các tín hiệu tiêu thụ trên thị trường

Nhà máy số: Sử dụng các dữ liệu nghiên cứu về sản phẩm cũng như các dữ

liệu về sản xuất trong quá khứ (ví dụ về đơn đặt hàng, năng suất máy móc…) giúp các nhà sản xuất xây dựng các mô hình số hóa quy trình sản xuất của họ Các nhà sản xuất ô tô cũng đang sử dụng kỹ thuật này nhằm tối ưu hóa quy trình sản xuất của các nhà máy mới, đặc biệt trong tình huống họ đang gặp những hạn chế về mặt không gian, hạ tầng kỹ thuật…

Các dữ liệu tương tác với khách hàng không chỉ cải thiện hoạt động marketing

và bán hàng mà còn hỗ trợ cho quá trình ra quyết định phát triển sản phẩm Công nghệ hiện tại giúp các nhà sản xuất thu thập các dữ liệu về trải nghiệm thực tế khi

sử dụng sản phẩm của khách hàng Đây sẽ là nguồn dữ liệu quý giá cho các nhà sản xuất phát triển sản phẩm mới kịp thời, điều chỉnh các thiết kế sản phẩm Cũng giống như nhiều ngành kinh tế khác, đối với ngành sản xuất chế tạo, Big Data cũng là công cụ đắc lực phân loại khách hàng, áp dụng các kỹ thuật phân tích nhằm gia tăng hiệu quả của đội ngũ bán hàng