Data insights là gì?

Trong những năm đi làm vừa qua mình nhận thấy một điều rằng: Có rất nhiều người đang mắc phải một thiếu sót lớn trong việc làm các báo cáo với số liệu đó là không đưa ra được DATA INSIGHTS. Thật ra, hồi mới đi làm mình cũng vậy. Dù là làm một nhân viên marketing hay là một Data Analyst, có phải chúng ta chỉ đang dừng lại ở bước mô tả cái biểu đồ đó có thông tin gì, cái bảng này có số cao hay thấp. Mà không đưa ra được thêm bất kì một “valuable insights” nào cả.

Nè, nè, để mình cho mọi người xem 1 cái slide giống y chang cái task 1 trong bài thi ielts luôn.

Rồi, vậy là phân tích data dữ dằn chưa :)) Chỉ một câu nhận xét duy nhất! Kiểu ai xem qua cũng hiểu mà không cần mình trình bày luôn vậy đó.

Data insights là gì?

Trước khi bàn sâu về Data Insights, mình nghĩ chúng ta cần làm quen với khái niệm “Insight” đã.

Trong marketing, Insight được xem là việc chúng ta “thấu hiểu khách hàng” để có thể bán hàng, tiếp thị, truyền thông tốt hơn. Đối với người làm phân tích dữ liệu, mình thường xem “Insight” là những thông tin, phát hiện từ data có giá trị, tạo sức ảnh hưởng nhất định và khiến chúng ta ngạc nhiên về nó.

Cho nên, mỗi khi mình đưa ra một nhận xét, một kết luận từ data mình đều đánh giá xem nó có bao ẩn chứa các đặc điểm: Big, Useful và Surprising hay không! Không phải thông tin nào từ data cũng được xem là insights. (Hình bên dưới mình trích từ quyển sách bàn về chủ đề data insights)

Cách mình đánh giá Data Insights

Thông thường nếu chúng ta làm báo cáo giống như ví dụ ở đầu thì mọi người có biết mình đang làm công việc gì không?

Không phải là phân tích data mà chính xác là mình đang “mô tả biểu đồ”. Rõ ràng, chúng ta đã đọc biểu đồ nó có sao thì nói vậy. Nó tăng, nó giảm, nó không ổn định, ai nhìn vào cũng thấy và thậm chí em bé tiểu học cũng làm được việc này khi các bé đã được học Ielts từ lớp 3, hiển nhiên là biết làm bài task 1 của phần Writing.

Khi mình đánh giá bất kì Data Insights nào, mình cũng sẽ đi qua 3 yếu tố: DATA (số liệu) – CONTEXT (ngữ cảnh) – ACTION (hành động)

Bây giờ thử áp dụng nguyên tắc này vào slide ví dụ ban đầu nha:

• DATA: Khối lượng đơn hàng vào cuối tuần ít hơn khoảng 30% so với các ngày trong tuần. Giảm từ 15k xuống còn 11k.
• CONTEXT: Điều này hoàn toàn hợp lý vì 80% KH của công ty chúng ta là dân văn phòng, bởi địa chỉ các đơn giao đều thuộc các văn phòng lớn nội thành (Sài Gòn, Hà Nội). Nên mọi người thường order trong tuần để có thể nhận hàng trong thời gian đi làm luôn. Cuối tuần thường đi du lịch, chăm sóc gia đình và tham gia các sự kiện nên ít mua sắm online.
• ACTION: Cắt giảm nguồn lực shipper vào các ngày cuối tuần, điều chỉnh thời gian giao hàng sang đầu tuần để tối ưu nguồn lực công ty.

Note: Trong những trường hợp chúng ta không đủ kinh nghiệm để đưa ra giải pháp cho các bài toán lớn. Thay vì bỏ ngỏ thì mình có thể hỏi ý kiến từ sếp, team business để có thêm phương án. Ở đây, chúng ta có quyền đòi hỏi sự trợ giúp, đây cũng được xem là một action rồi đó. Action cầu cứu để những người khác có thể cùng mình giải quyết vấn đề, đưa ra các quyết định, ít nhất dự án cũng có tiến triển hơn một chút.

Vậy đó, việc hiểu đúng DATA INSIGHTS sẽ là bước đầu giúp chúng ta không bị nông cạn khi đánh giá dữ liệu. Hi vọng là qua chia sẻ của mình, mọi người sẽ thấy dữ liệu thú vị, và ứng dụng nó để tạo ra nhiều insights nhé!

Mời mọi người xem full bài chia sẻ của mình về Data Insights và các phương pháp tìm ra insights hiệu quả khi phân tích dữ liệu ở video này:

Follow Maz tại đây để cùng cập nhật thông báo mỗi khi có bài viết mới nhé:

• Fanpage: Maz học Data & Lucas học Product
• Cộng đồng Cùng Maz học Data
• Linkedin
• Facebook
• TikTok

** Mọi thông tin trên blog đều thuộc bản quyền của blog Maz Nguyen. Vui lòng đọc kĩ Copyright Notice trước khi copy hoặc đăng tải lại nội dung/hình ảnh của bài viết **

—————————————————————————————————–

Maz có một dự án dạy học ở đây: Maz Học Data với SQL là course đầu tiên, bạn có thể tham khảo qua nếu thấy cần thiết nhé.