Nói về BIG DATA trong Omnichannel

Nói về BIG DATA trong Omnichannel

Dữ liệu lớn (big data) dường như đã thành một từ quen thuộc với nhiều người. Song dữ liệu lớn từ đâu mà có, ưu và nhược điểm của nó là gì thì không phải ai cũng biết. Đặc biệt là khi chúng ta đang tìm hiểu và áp dụng giải pháp bán hàng đa kênh Omnichannel, cần hiểu rõ về BIG DATA để tận dụng nguồn dữ liệu đa kênh nhằm giúp giải pháp omnichannel được hoàn chỉnh và hiệu quả hơn.

Trong cuốn sách "Everybody Lies: Big Data, New Data, and What the Internet Can Tell Us About Who We Really" (tạm dịch: Mọi người đều nói dối: dữ liệu lớn, dữ liệu mới và những gì Internet có thể nói với chúng ta rằng chúng ta thực sự là như thế nào) của tác giả Seth Stephens-Davidowitz đã bàn về rất nhiều vấn đề khác nhau liên quan tới dữ liệu lớn.

Qua đó tiết lộ những thông tin thú vị về tâm lý, hành vi và cả những tính khí kỳ quặc của con người. Và từ đó có thể thấy, con người nói chung thường không mấy khi sẵn lòng chia sẻ về những hi vọng cũng như khao khát của cá nhân họ với người khác.

Seth Stephens-Davidowitz là một chuyên gia trong lĩnh vực dữ liệu Internet nói chung và dữ liệu lớn nói riêng. Ông đã tốt nghiệp 2 trường đại học Stanford và Harvard, đồng thời trước đây đã từng là chuyên gia khoa học về dữ liệu tại Google.

Chúng tôi tóm lược những nội dung chính trong cuốn sách của chuyên gia này để bạn đọc có cái nhìn tổng quát, song cũng hết sức thú vị về dữ liệu lớn (big data).

Ảnh: Rideroundtrip.

Vén "bức màn" Big Data

Thành thực mà nói, bất kể việc chúng ta trung thực tới mức nào với những người xung quanh, ở một chừng mực nhất định chúng ta vẫn sẽ có lúc nói dối.

Cho dù đó là khi ta nói quá lên về những tính cách nhân hậu của mình trong một cuộc điều tra về lối sống, hay không thực lòng khi kể về những hành xử kỳ quặc ta vẫn thường làm khi không có ai khác ở bên.

Nhìn chung mọi người vẫn thường có những hành xử không trung thực ở mức độ nào đó trong cuộc sống hàng ngày.

Tuy nhiên với những khối lượng dữ liệu được thu thập đang ngày càng tăng lên rất nhanh, chẳng hạn như các cú pháp tìm kiếm trên Google (như cách mà Google vẫn thường tổng kết vào mỗi dịp cuối năm), chúng ta đã có thể "quan sát" thật sâu vào phía dưới bề mặt của thực tế đời sống để nhìn ra sự thật.

Với một sự tích tụ dữ liệu lớn tới mức gần như không tưởng về vô số các khía cạnh hành xử của con người, một khối lượng lớn thông tin được thu thập được gọi là dữ liệu lớn sẽ giúp các nhà chuyên môn phân tích, làm rõ các khía cạnh trong hành xử của mỗi người và chỉ ra những sự thật chúng ta chưa từng biết trước đây.

Big Data cảm tính hơn bạn nghĩ

Nhiều người đã nghe nói về dữ liệu lớn nhưng thực chất dữ liệu lớn là gì?

Đúng như tên gọi của nó, dữ liệu lớn là khái niệm dùng để chỉ một khối lượng dữ liệu khổng lồ. Mức độ khổng lồ của dữ liệu lớn tới mức bộ não con người hầu như không thể hiểu được.

Ảnh: Freepik.

Nói cách khác, dữ liệu lớn là một loại dữ liệu mà để xử lý, phân tích và nhận diện các khía cạnh thông tin rút ra từ nó sẽ cần phải dùng tới năng lực xử lý của các hệ thống máy tính/siêu máy tính.

Nhưng có một điều nghịch lý là, bất kể mức độ rất khủng của khối lượng dữ liệu, khoa học dữ liệu lại có một phương diễn rất cảm tính. Thực vậy, nếu bạn nghĩ về khía cạnh này, dường như tất cả chúng ta đều là các nhà khoa học dữ liệu theo một cách nào đó.

Mặc dù khoa học dữ liệu là một quá trình mang tính chất cảm tính, nhưng bản thân sự cảm tính lại không thực sự là khoa học. Đó là vì sao mà việc sử dụng các dữ liệu thu thập một cách chính xác là điều rất cần thiết trong việc giúp định hình thế giới quan của con người.

Nó giúp con người nhìn nhận sự việc có cơ sở và chính xác hơn, thay vì chỉ dựa vào cảm tính mà rất nhiều khi bị chi phối bởi những thiên vị vô hình không thể kiểm soát.

Dữ liệu cung cấp cho chúng ta cơ sở để có thể khẳng định hay phủ định những nhận định mang tính trực giác bắt đầu. Nó cũng giúp chúng ta có được những dự đoán và quan điểm chính xác hơn thay vì chỉ căn cứ vào những trải nghiệm cá nhân.

Ghi chú: Google là ví dụ tiêu biểu cho dữ liệu lớn có thể thường xuyên cung cấp những thông tin mới cho chúng ta.


Khoa học dữ liệu là một công cụ hữu ích, nhưng điều khiến nó trở nên đặc biệt không phải quy mô dữ liệu thu thập được, mà chính là bản thân dữ liệu đó là hữu ích.

Nói cách khác, vấn đề đáng quan tâm nhất chính là ở chỗ, dữ liệu thu thập được có thể tiết lộ những khía cạnh thông tin nào giúp chúng ta đưa ra những phán đoán hay nhận định về một sự việc hay vấn đề nào đó.

Dữ liệu lớn tạo ra thông tin mới

Trong trường hợp này, Google là một ví dụ tiêu biểu. Cỗ máy tìm kiếm do hai nhà đồng sáng lập Google là Larry Page và Sergey Brin phát triển năm 1998 sở dĩ trở thành công cụ tìm kiếm phổ biến nhất thế giới như hiện nay không đơn giản chỉ vì chúng có khả năng thu thập được rất nhiều dữ liệu.

Hơn cả quy mô dữ liệu thu thập, điều khiến Google khác biệt chính là những dữ liệu mà nó có thể thu thập được và cách thức để chúng có thể được sử dụng một cách hiệu quả cho các lĩnh vực như kinh doanh, nghiên cứu,…

Trước thời của Google, chẳng hạn khi bạn đánh cụm từ khóa tìm kiếm "Bill Clinton" trong một công cụ tìm kiếm, bạn sẽ chỉ thu được kết quả là những trang web xuất hiện cụm từ này nhiều hơn. Và thường thì bạn sẽ nhận được cả một đống những kết quả không liên quan gì tới mong muốn tra cứu thông tin của mình.


Thuật toán của hai nhà sáng lập Google, Brin và Page, hoạt động theo cách hoàn toàn khác. Họ nhận ra rằng, một trang web có khả năng liên quan tới một ai đó nhiều hơn nếu nó chứa nhiều đường link hơn với các trang khác đã kết nối một người dùng truy cập vào trang đó.

Theo đó, trang web Nhà Trắng chính thức của Bill Clinton, vốn là đích đến của hàng ngàn đường link khác nhau, sẽ là là trang hữu dụng hơn so với một trang web gồm 100 đường link, mặc dù trang web đó có thể đề cập tới tên của Bill Clinton nhiều hơn.

Theo đó, các nhà sáng lập Google đã tập hợp dữ liệu về các đường link này, từ đây, họ có thể nhận ra những mô thức quen thuộc và dự đoán được loại thông tin nào liên quan nhất với người dùng.

Cách tiếp cận của Google là một ví dụ rõ ràng nhất giải thích cho lý do đầu tiên vì sao dữ liệu lớn lại quyền lực đến vậy: dữ liệu lớn hoàn toàn mới mẻ. Nó cung cấp cho chúng ta luồng thông tin mới liên tục.

Trước thời đại của dữ liệu lớn, bạn sẽ phải chờ Tổng cục thống kê lao động thu thập và tính toán tỉ lệ thất nghiệp thông qua các cuộc điều tra qua điện thoại, hoặc chờ một báo cáo của Trung tâm kiểm soát và phòng chống dịch bệnh để biết tỉ lệ lây nhiễm của một loại bệnh tật nào đó.

Nhưng nay, bạn hoàn toàn có khả năng sử dụng dữ liệu lớn của Google để theo dõi cả hai vấn đề này, và đó chính xác là những gì mà kỹ sư Jeremy Ginsber của Google đã làm.

Kỹ sư Jeremy Ginsber đã chứng tỏ rằng các cú pháp tìm kiếm trên Google liên quan tới bệnh cúm, chẳng hạn cụm từ "flu symtoms" là dấu hiệu cho thấy sự lây lan của dịch cúm, và có thể được dùng để theo dõi sự lây lan của căn bệnh theo các khu vực địa lý khác nhau và theo thời gian.

Ảnh: Cuelogic.

Dữ liệu lớn không nói dối

Gần đây các cử nhân đại học Maryland đã tham gia cuộc khảo sát về điểm trung bình đánh giá sinh viên GPA. Trong số những người tham gia khảo sát, 2% thừa nhận họ tốt nghiệp với điểm GPA thấp hơn 2,5 điểm trong thang 4 điểm.

Tuy nhiên theo các hồ sơ chính thức, tỉ lệ này cao hơn nhiều, 11%.

Mặc dù đây chỉ là một ví dụ, nhưng nó cũng chứng tỏ một sự thật mang tính phổ quát thường xảy ra trong các cuộc điều tra: mọi người thường nói dối.

Theo một lẽ rất tự nhiên, chúng ta thường muốn mình là người tốt đẹp, cả với chính mình và trong đánh giá của người khác. Do đó người ta thường tự điều chỉnh các câu trả lời của họ nhằm có được một góc nhìn tích cực hơn về bản thân.

Tuy nhiên điều này cũng đưa chúng ta tới một lý do thứ hai cho thấy vì sao dữ liệu lớn lại quyền lực: Nó không nói dối.

Vì là dữ liệu được thu thập thông qua các hành vi ứng xử không qua "cơ chế lọc" nào, nó luôn tiết lộ sự thật. Thêm nữa người ta cũng ít có xu hướng nói dối hay "bóp méo" kết quả khi nhập các từ khóa tìm kiếm trong lúc không có câu hỏi nào liên quan tới chúng đặt ra với họ.

Chúng ta sẽ cùng xem xét chủ đề được cho là rất nhạy cảm như kích thích tình dục ở vùng hậu môn (anal play). Liệu rằng sẽ có bao nhiêu người thừa nhận trong một cuộc điều tra hay phỏng vấn rằng họ thích sử dụng một kỹ xảo nào đó trong "trò chơi" này? Điều đó còn tùy thuộc vào cuộc điều tra, nhưng có thể đoán trước rằng có lẽ sẽ không ai thừa nhận cả.

Ấy thế nhưng khi tác giả Seth Stephens-Davidowitz phân tích dữ liệu từ trang web khiêu dâm PornHub, ông phát hiện thấy đã có một số phụ nữ tìm kiếm từ khóa "anal apple". Điều này là minh chứng cho thấy dữ liệu lớn có thể tiết lộ một số điều bất ngờ về mọi người mà có thể họ không muốn chia sẻ trực tiếp với người khác.

Ghi chú: Có một thực tế thú vị mà tác giả Seth Stephens-Davidowitz tiếp tục chỉ ra đó là "dữ liệu lớn" sẽ giúp chúng ta hiểu hơn các "dữ liệu nhỏ". Cụ thể điều này ra sao, mời các bạn đọc phần tiếp theo!

Vậy với Omnichannel, việc tận dụng dự liệu lớn-Bigdata sẽ cho chúng ta khai thác sâu về hành vi khách hàng, từ đó có kế hoạch để gia tăng trải nghiệm mua sắm của khách hàng! Chúc các bạn kinh doanh đa kênh hiệu quả!

Trải nghiệm giải pháp bán hàng đa kênh omnichannel của Haravan ngay hôm nay!

Xem thêm:

Omnichannel - giải pháp marketing, bán hàng đa kênh | Omnichannel.vn


Xây dựng website bán hàng đa kênh

chuyên nghiệp với Haravan

Bắt đầu dùng thử miễn phí

Email dùng để đăng nhập vào Shop | Website
Mật khẩu dùng để đăng nhập vào Shop | Website
Bạn có thể thay đổi tên này về sau (Tên shop 4-50 ký tự)