Phân tích dữ liệu trong doanh nghiệp vừa và nhỏ

Chia sẻ: Liễu Yêu Yêu | Ngày: | Loại File: PDF | Số trang:10

Thêm vào BST

Báo xấu

13
lượt xem 3
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết "Phân tích dữ liệu trong doanh nghiệp vừa và nhỏ" giúp bạn đọc tìm hiểu vì sao doanh nghiệp cần phải phân tích dữ liệu kinh doanh và doanh nghiệp dùng kỹ thuật nào để phân tích dữ liệu kinh doanh. Mời các bạn cùng tham khảo!

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Phân tích dữ liệu trong doanh nghiệp vừa và nhỏ

PHÂN TÍCH DỮ LIỆU TRONG DOANH NGHIỆP VỪA VÀ NHỎ Trương Đình Hải Thụy Khoa Công nghệ Thông tin. Trường Đại học Tài chính - Marketing Email: tdh.thuy@ufm.edu.vn Tóm tắt: Chúng ta đang ở thời đại Công nghệ 4.0 cùng với sự phát triển của các công nghệ mới như trí tuệ nhân tạo (AI), internet vạn vật (IoT), robot, máy học (Machine Learning), dữ liệu lớn (Big Data),…. Dữ liêu kinh doanh không còn đơn thuần là những chứng từ, hóa đơn bán hàng, phiếu thu, phiếu chi, các bảng khảo sát khách hàng… mà dữ liệu được thu thập từ rất nhiều nguồn khác nhau như từ hệ thống thông tin quản lý của doanh nghiệp, dữ liệu từ hệ hoạch định nguồn lực doanh nghiệp ERP, từ nguồn dựa trên đám mây, các dịch vụ trực tuyến, nằm rải rác ở các nền tảng khác nhau như Facebook Ads, Google Ads, Google Sheet…và hơn bao giờ hết việc phân tích dữ liệu kinh doanh rất quan trọng, nó giúp doanh nghiệp hiểu được nhu cầu, hành vi người tiêu dùng từ đó có những quyết định kinh doanh thích hợp, đúng đắn góp phần tăng vị thế cạnh tranh của doanh nghiệp. Bài viết này tách giả tìm hiểu vì sao doanh nghiệp cần phải phân tích dữ liệu kinh doanh và doanh nghiệp dùng kỹ thuật nào để phân tích dữ liệu kinh doanh. Từ khóa: kinh tế số, phân tích dữ liệu, SME 1. ĐẶT VẤN ĐỀ Ngày nay, dữ liệu chính là nguồn sống, là tài sản quý giá nhất trong mọi lĩnh vực từ kinh doanh đến giáo dục, y tế. Nhờ vào dữ liệu mà các nhà quản lý có thể hiểu được sở thích, nhu cầu, hành vi mua sắm của người tiêu dùng,.. Khác với trước đây, ngày nay dữ liệu được thu thập từ nhiều nguồn như từ các tổ chức, các cá nhân, thiết bị điện tử, mạng xã hội, từ các hoạt động kinh doanh hàng ngày, các cảm biến được nhúng trong nhiều thiết bị vật lý (Internet of Thing - IoT), hoặc các hoạt động trực tiếp của người tiêu dùng (ví dụ như hoạt động tìm kiếm sản phẩm trên web…)… và với nguồn dữ liệu khổng lồ này thì việc phân tích dữ liệu kinh doanh càng mang lại những giá trị đáng kinh ngạc trong nhiều lĩnh vực, ngành nghề khác nhau. Kết quả từ việc phân tích dữ liệu không chỉ ảnh hưởng đến các tập đoàn lớn mà còn ảnh hưởng đến các doanh nghiệp vừa và nhỏ (SME - Small and Medium Enterprise ). Thế nhưng theo báo cáo dựa trên cuộc khảo sát các SME của Viện Công nghệ Singapore và Viện Kế toán Công chứng Singapore cho biết khoảng rất nhiều SME chưa áp dụng phân tích dữ liệu, họ chỉ quen làm việc với bảng tính và cơ sở dữ liệu. [2]. Bài viết này sẽ tìm hiểu tại sao SME cần phải phân tích dữ liệu kinh doanh. 268
2. TÌM HIỂU VỀ PHÂN TÍCH DỮ LIỆU TRONG DOANH NGHIỆP VỪA VÀ NHỎ Trong thời đại công nghệ 4.0, dữ liệu được coi là tài sản của doanh nghiệp, nó là trọng tâm của mọi hoạt động của doanh nghiệp. Với áp lực cạnh tranh ngày càng khốc liệt, các doanh nghiệp ngày nay không chỉ ra quyết định thông minh hơn mà còn phải nhanh hơn, đúng thời điểm để thu được những thông tin chi tiết có giá trị từ dữ liệu của họ, từ đó đưa ra quyết định kinh doanh tốt hơn, trở thành động lực chính thúc đẩy khả năng cạnh tranh của doanh nghiệp trên trên thị trường. Phân tích dữ liệu kinh doanh có thể thay đổi cách thức hoạt động của SME bằng cách cho phép họ thu thập thông tin chính xác về khách hàng, đối thủ cạnh tranh và nhà cung cấp, đồng thời sử dụng các thông tin này để ra các qyết định chiến lược. Internet vạn vật (IoT) và sự phổ biến ở khắp mọi nơi thiết bị thông minh nhúng các cảm biến được kết nối với Internet và GPS đã tăng cường việc tạo dữ liệu và thu thập dữ liệu. Việc sử dụng phân tích dữ liệu mang lại nhiều cơ hội cho các doanh nghiệp vừa và nhỏ như hiểu biết về quy trình sản xuất nội bộ, xác định được nhu cầu của khách hàng và các đối tác của doanh nghiệp, và hiểu được tổng thể của thị trường quốc gia và thị trường địa phương. Tác động của phân tích dữ liệu và quyết định theo hướng dữ liệu đối với hiệu quả hoạt động của doanh nghiệp chủ yếu xảy ra thông qua năm kênh (OECD, 2013 [9]): (1) tăng cường nghiên cứu và phát triển; (2) phát triển hàng hóa và dịch vụ mới bằng cách sử dụng dữ liệu như một sản phẩm hoặc như một đầu vào chính; (3) tối ưu hóa quy trình sản xuất hoặc phân phối (quy trình theo hướng dữ liệu); (4) cải thiện tiếp thị thông qua quảng cáo nhắm mục tiêu (tiếp thị theo hướng dữ liệu) và (5) phát triển tổ chức mới và các phương pháp quản lý. Phân tích dữ liệu kinh doanh cũng góp phần vào sản xuất tinh gọn, giúp các công ty tối ưu hóa quy trình và giảm thiểu các khiếm khuyết trong quá trình sản xuất (ví dụ như giảm các sản phẩm hỏng, kém chất lượng, giảm thời gian chờ đợi). Kiểm soát chất lượng là một ứng dụng quan trọng của phân tích dữ liệu. Phân tích dữ liệu đóng vai trò cơ sở để ra quyết định dựa trên dữ liệu, có tác động đến doanh nghiệp. Các nghiên cứu đã xác định có mối tương quan giữa việc ra quyết định dựa trên dữ liệu và độ tuổi của doanh nghiệp, theo đó các doanh nghiệp trẻ có nhiều khả năng áp dụng các giải pháp sáng tạo hơn. Nhìn chung, các nghiên cứu cho thấy rằng việc sử dụng dữ liệu và phân tích dữ liệu tăng năng suất nhanh hơn các doanh nghiệp không sử dụng phân tích dữ liệu [9]. Liên kết các chỉ số về sử dụng công nghệ thông tin (CNTT), tổ chức nơi làm việc và nhu cầu về lao động có kỹ năng có tác động tích cực đến năng suất cấp doanh nghiệp. 269
Hiện nay không ít doanh nghiệp vừa và nhỏ còn nghĩ đơn giản phân tích dữ liệu là chính là việc thu thập dữ liệu và chạy ra các báo cáo định kỳ hoặc báo cáo bất thường; hay phân tích dữ liệu là việc biểu thị trực quan của dữ liệu. Vậy, phân tích dữ liệu kinh doanh là làm gì? Phân tích dữ liệu là quá trình phát hiện, phân tích và truyền đạt các mô hình có ý nghĩa trong dữ liệu, giúp doanh nghiệp tối ưu hóa hoạt động. Nó bao gồm một tập hợp các kỹ thuật và công cụ để trích xuất và phân tích thông tin từ dữ liệu. Phân tích dữ liệu đặc biệt có giá trị trong các lĩnh vực có nhiều thông tin được ghi lại và phân tích dựa vào sự ứng dụng đồng thời của số liệu thống kê, lập trình máy tính và nghiên cứu hoạt động để định lượng hiệu suất. Các SME sử dụng kết quả phân tích dữ liệu kinh doanh để mô tả, dự đoán, ra quyết định kinh doanh nhằm cải thiện hiệu suất kinh doanh. Phân tích dữ liệu thường được chia thành bốn loại cơ bản như sau: Hình 1: Các loại phân tích dữ liệu (Nguồn: intellipaat.com) (1) Phân tích mô tả (Descriptive analytics): là quá trình phân tích, mô tả sự kiện đã xảy ra trong doanh nghiệp dựa trên khoảng thời gian nhất định, giúp nhà quản lý có thể đưa ra các quyết định kinh doanh chiến lược dựa trên dữ liệu lịch sử. Phân tích mô tả giải thích dữ liệu lịch sử để hiểu rõ hơn những thay đổi trong doanh nghiệp. Ví dụ như doanh nghiệp dựa trên số lượt xem sản phẩm trên website, fanpage trong tháng để nắm được nhu cầu của khách hàng, hay doanh nghiệp dựa trên doanh số bán hàng trong tháng để mô tả tình hình kinh doanh, theo dõi sự tăng trưởng doanh số hàng tháng… (2) Phân tích dự đoán (phân tích dự báo) (Predictive analytics): loại phân tích này nhằm dự đoán tình hình kinh doanh của doanh nghiệp trong tương lai như thế nào, ảnh 270
hưởng như thế nào đến doanh số bán hàng của doanh nghiệp,… Phân tích dự đoán được sử dụng như một công cụ ra quyết định trong bất kỳ lĩnh vực nào. Phân tích dự đoán là việc sử dụng số liệu thống kê và mô hình để xác định hiệu suất trong tương lai dựa trên dữ liệu hiện tại và quá khứ. Về bản chất, phân tích dự đoán bao gồm một loạt các kỹ thuật thống kê (máy học, mô hình dự đoán và khai phá dữ liệu) và sử dụng thống kê (dựa trên dữ liệu quá khứ và hiện tại) để ước tính hoặc dự đoán kết quả trong tương lai. Các mô hình dự đoán trong phân tích dự đoán thường được sử dụng để làm sạch và tối ưu hóa chất lượng dữ liệu, dữ liệu bao gồm dữ liệu từ các hoạt động hướng tới khách hàng để đảm bảo dự báo chính xác hơn. Ngày nay các mô hình dự đoán phổ biến gồm cây quyết định, hồi quy (tuyến tính và logisitic) và mạng nơ-ron nhân tạo. Hình 2: Phân tích dự đoán (Nguồn: smartdatacollective.com) (3) Phân tích chẩn đoán (Diagnostic analytics): tập trung vào phân tích chuyên sâu, trả lời cho hàng loạt câu hỏi “tại sao” nhằm ra quyết định kinh doanh, ví dụ như thời tiết có ảnh hưởng đến doanh số bán hàng không, dịch covid ảnh hưởng như thế nào đến tình hình kinh doanh các mặt hàng nhu yếu phẩm không… (4) Phân tích đề xuất (Prescriptive analytics): phân tích này nhằm đưa ra kết luận doanh nghiệp hoạt động có hiệu quả không, nó có thể được sử dụng để đưa ra quyết định. 271
Phân tích đề xuất sử dụng công nghệ như trí tuệ nhân tạo (AI)... để giúp doanh nghiệp đưa ra các quyết định về các hành động cần thực hiện dựa trên các sự kiện được phân tích kỹ càng. Ví dụ như phân tích đề xuất sử dụng thông tin về các tình huống có thể xảy ra, các tài nguyên có sẳn, hiệu suất trong quá khứ và hiệu suất hiện tại và đề xuất một chương trình hành động. Phân tích đề xuất chỉ hiệu quả khi các nhà quản lý sử dụng nó đặt ra những câu hỏi đúng và biết cách phản ứng với những câu trả lời đó, nếu các giải định đầu vào không hợp lệ thì kết quả đầu ra sẽ không chính xác. Ngày nay để ra quyết định kinh doanh các doanh nghiệp đều dựa trên kết quả phân tích dữ liệu. Ở các doanh nghiệp bán lẻ, họ thu thập dữ liệu và phân tích dữ liệu để xác định xu hướng thị trường, giới thiệu sản phẩm, đưa ra các chiến lược mới tăng lợi nhuận. Xu hướng này giúp quy trình kinh doanh hiệu quả hơn, kịp thời, đúng thời điểm, giúp mang đến nhiều lợi nhuận hơn trong việc kinh doanh. Khi phân tích dữ liệu, doanh nghiệp sẽ phát hiện ra điểm yếu, thế mạnh và sẽ có những điều chỉnh kịp thời. Từ năm 2014, CEO của Amzon – Jeff Bezos – đã có cuộc trao đổi với trang tin Entrepreneur về tầm quan trọng của việc quản lý và phân tích dữ liệu, theo ông một trong những nguyên nhân khiến Amazon thành công chính là biết cách sử dụng và phân tích dữ liệu phục vụ công việc [2] ❖ Các bước phân tích kinh doanh Qua tìm hiểu, rất dễ dàng thấy rằng việc phân tích dữ liệu kinh doanh đã mang lại nhiều giá trị cho doanh nghiệp, hỗ trợ rất nhiều trong việc ra quyết định của các nhà quản lý nhằm tăng vị thế cạnh tranh trên thị trường. Tuy nhiên để kết quả phân tích chính xác, khi phân tích dữ liệu kinh doanh cần phải tuân thủ các bước như sau: Bước 1: cần phải xác định chính xác các yêu cầu dữ liệu, cách phân loại dữ liệu. Tùy theo nhu cầu, dữ liệu có thể tách theo độ tuổi, nhân khẩu học, thu nhập hoặc giới tính. Giá trị dữ liệu có thể là số hoặc nhóm được phân chia. Ví dụ như yêu cầu của doanh nghiệp là tăng doanh thu, khi đó cần phải xem dữ liệu nào cần phải thu thập. Bước 2: là quá trình thu thập dữ liệu. Ngày nay, dữ liệu được thu thập rất nhiều nguồn khác nhau như từ các hệ thống thông tin quản lý trong doanh nghiệp, từ mạng internet, … Sau khi dữ liệu được thu thập cần phải tổ chức để tổng hợp và phân tích. Bước 3: Kiểm tra lại dữ liệu, sữa lỗi nếu có và sau đó tiến hành phân tích dữ liệu theo yêu cầu cụ thể. 272
Hiện trạng phân tích dữ liệu trong doanh nghiệp vừa và nhỏ Hiệu quả mang lợi từ việc phân tích dữ liệu để ra quyết định kinh doanh ai cũng rõ, nhưng có một nghịch lý tại sao đa số các SME vẫn chưa áp dụng triệt để về phân tích dữ liệu. Có rất nhiều lý do tại sao các doanh nghiệp vừa và nhỏ chưa thật sự quan tâm đến việc phân tích dữ liệu, tất cả có thể được chỉ định một trong bốn loại sau: lý do bảo mật, lý do tài chính, thiếu kiến thức chuyên môn về phân tích dữ liệu và thiếu ưu tiên cho các vấn đề kinh doanh. Đặc biệt nhóm nguyên nhân thiếu kiến thức và hạn chế tài chính có quan hệ chặt chẽ với nhau và liên quan đến quy mô của doanh nghiệp [9]. Trong những năm gần đây, rào cản giữa SME và phân tích dữ liệu dần được xóa bỏ nhờ các phần mềm phân tích dữ liệu mã nguồn mở. Một số giải pháp phần mềm như R hoặc RapidMiner sử dụng rất thuận tiện thông qua giao diện đồ họa, và người dùng cũng không cần phải có kỹ năng lập trình. Nếu trước đây việc mô hình hóa các quy trình khai thác dữ liệu là một quy trình phức tạp và tốn nhiều thời gian thì giờ đây công việc này chỉ còn là hoạt động kéo thả, hơn nữa có rất nhiều hướng dẫn trong phần mềm hoặc clip hướng dẫn trên youtube. Những nỗ lực trong việc sử dụng các phương pháp phân tích dữ liệu của các doanh nghiệp đã tăng lên trong thời gian gần đây. Hình 3: Phân tích dữ liệu ở SMEs tại các nước EU (Nguồn: https://ec.europa.eu/eurostat/data/database?node_code=isoc_eb_bd) 273
Các SME sử dụng kỹ thuật phân tích dữ liệu có thể thu thập dữ liệu từ nhiều nguồn liên quan đến thông tin cụ thể mà họ quan tâm. (Ở các nước Châu Âu, từ năm 2018, nguồn dữ liệu đã được lấy từ vị trí địa lý của các thiết bị di động, nguồn này được theo sau bởi dữ liệu được tạo ra từ phương pháp truyền thông xã hội (46%), dữ liệu từ thiết bị thông minh hặc cảm biến của doanh nghiệp (27%) và dữ liệu từ các nguồn khác (24%) [9]). Khung quy trình phân tích dữ liệu cho doanh nghiệp SME Hình 4: Khung quy trình phân tích dữ liệu cho các doanh nghiệp SME Khung quy trình phân tích dữ liệu gồm: Xác định nhiệm vụ (Define a task): các ý tưởng thu thập được phải được đánh giá trong điều khoản cân nhắc giữa chi phí và lợi ích. Các công việc của việc xác định nhiệm vụ bao gồm: phân nhóm khách hàng, dự đoán hành vi khách hàng, dự đoán bán hàng hoặc phân tích rổ thị trường. Thu thập và phân tích dữ liệu (Collect and A analyze the data): hoạt động thu thập dữ liệu được quan tâm đầu tiên. Không giống các doanh nghiệp lớn, SME thường không có cơ sở dữ liệu hay kho dữ liệu, do đó cần phải thiết lập cơ sở dữ liệu cho mỗi tác vụ. Dữ liệu thu thập từ hai nguồn: nguồn bên trong nội bộ từ các phần mềm và nguồn dữ liệu từ bên ngoài như dữ liệu từ Ngân hàng thế giới, Cục thống kê có giá trị cao và thường là miễn phí. Chọn và thiết lập mô hình (Choose and setup a model): tùy thuộc nhiệm vụ được xác định trong bước đầu tiên của quy trình, một mô hình phải được chọn. Việc lựa chọn mô hình đôi khi cần một loạt các thử nghiệm và sai sót để đạt được mức tối ưu nhất. Định dạng dữ liệu (Format data): cần phải kiểm tra loại dữ liệu phù hợp cho mô hình đã chọn. Ví dụ như với mô hình cây quyết định có thể hoạt động với hầu hết các loại dữ liệu thì mạng nơ-ron chỉ chấp nhận dữ liệu kiểu số. 274
Đánh giá kết quả (Evaluete results): có một số khả năng để đánh giá chất lượng của mô hình. Chúng phụ thuộc vào loại nhiệm vụ đã được thực hiện. Các doanh nghiệp nên thảo luận kết quả đánh giá với các chuyên gia để các chuyên gia đánh giá xem liệu kết quả có hữu ích không. Báo cáo cho người ra quyết định (Report to decision makers) Những thách thức chính cho việc phân tích dữ liệu của doanh nghiệp vừa và nhỏ Những rào cản trong việc phân tích dữ liệu tại SME bao gồm các rào cản bên trong và bên ngoài. Các rào cản bên trong bao gồm thiếu kiến thức và nhận thức, các nhà quản lý thật sự chưa tin tưởng vào các giải pháp kỹ thuật số, không có khả năng giải quyết các thách thức an ninh kỹ thuật số và thiếu nguồn nhân lực có kỹ năng. Các rào cản bên ngoài bao gồm khả năng tiếp cận tài chính và kỹ thuật số bị hạn chế, hạn chế về tính sẳn có của dữ liệu và các ràng buộc về quy định. Rào cản nội bộ: (i) Thiếu nhận thức và kỹ năng của người quản lý: doanh nghiệp và nhà quản lý chưa thật sự hiểu sự cần thiết phải thay đổi các phương thức kinh doanh truyền thống, vốn đã hoạt động hiệu quả trong quá khứ cũng như hiện tại. Và cũng do không nhận thấy được tầm quan trọng cũng như ảnh hưởng của việc phân tích dữ liệu đến hiệu quả kinh doanh trong thời đại công nghệ 4.0 do đó họ nhận thấy lợi nhuận kỳ vọng thấp khi so sánh với chi phí xây dựng cơ sở hạ tầng dữ liệu. Sự thay đổi từ việc ra quyết định dựa trên trực giác sang dựa trên dữ liệu không thể ngay lập tức mà thường đòi hỏi một cam kết mạnh mẽ. Bên cạnh đó, các doanh nghiệp vừa và nhỏ cũng có thể bị cản trở bởi rủi ro pháp lý ngày càng tăng khi thu thập, lư trữ và xử lý dữ liệu cá nhân. (ii) Thiếu chuyên gia: việc triển khai phân tích dữ liệu yêu cầu các kỹ năng cụ thể cao, đặc biệt nếu phân tích dữ liệu được thực hiện ở cấp độ nâng cao. Các doanh nghiệp vừa và nhỏ hiếm khi sử dụng dữ liệu chuyên biệt, gặp khó khăn trong việc thuê các chuyên gia có chuyên môn về phân tích dữ liệu. Thiếu hụt nguồn nhân lực là một trở ngại chính trong việc phân tích dữ liệu. (iii) Không có khả năng đánh giá và rủi ro các kỹ thuật số: các mối đe dọa kỹ thuật số ngày càng phức tạp hơn, phạm vi ảnh hưởng ngày càng mở rộng. Doanh nghiệp vừa và nhỏ thật sự có thể thiếu khả năng giải quyết các mối đe dọa kỹ thuật số ngày càng tăng, 275
năng lực của hầu hết các doanh nghiệp này để hiểu và ngăn chặn hoặc phản ứng với các cuộc tấn công mạng có giới hạn. Ngay cả khi các chiến lược về cách giảm thiểu rủi ro đã tồn tại, SME vẫn có thể không biết các biện pháp phòng ngừa và ứng phó cần thiết. (4i) Thu thập và lưu trữ dữ liệu còn hạn chế: nhiều nguồn dữ liệu có sẳn từ hoạt động nội bộ và quan hệ khách hàng đến dữ liệu và thông tin trực tuyến. Tuy nhiên, ở SME mặc dù ngày càng có nhiều hoạt động được số hóa, nhưng dữ liệu vẫn thường không được thu thập hoặc lưu trữ với số lượng và chất lượng cần thiết. (ví dụ như không nhất quán cấu trúc dữ liệu của các bảng tính, đầu vào cơ học không chính xác, lỗ hỏng trong thu thập dữ liệu…). Hiện nay, có nhiều phần mềm kinh doanh thông minh giúp cho việc thu thập dữ liệu được tự động hóa và do đó chính xác hơn. Rào cản bên ngoài (i) Tiếp cận tài chính: xây dựng cơ sở hạ tầng dữ liệu trong doanh nghiệp có thể yêu cầu các khoản đầu tư trả trước đáng kể, thường là một thách thức không nhỏ cho các SME (ii) Tính sẳn có của dữ liệu: dữ liệu nội bộ được tạo ra và thu thập trong SME có giá trị hơn nếu bổ sung với các thông tin có sẳn khác, chẳng hạn như tổng quan về ngành, những vết lưu của hoạt động số cá nhân (sở thích người tiêu dùng, mua hàng trên mạng), dữ liệu về doanh nghiệp (như chính sách giá cả, sản phẩm, dịch vụ được cung cấp) hoặc nguồn dữ liệu cộng đồng miễn phí và tin cậy như các số liệu thống kê của Cục Thống kê. (4i) Môi trường pháp lý phức tạp trong lĩnh vực dữ liệu cá nhân: dữ liệu cá nhân bao gồm bất kỳ thông tin nào liên quan đến cá nhân được xác định hoặc nhận dạng được. Các quy định phức tạp về bảo vệ quyền riêng tư có thể ngăn cản SME khỏi các hoạt động có tính rủi ro cao. (5i) Thiếu các giải pháp phù hợp với SME 3. KẾT LUẬN Rõ ràng khi ra quyết định dựa vào kết quả phân tích dữ liệu sẽ giúp doanh nghiệp đạt hiệu quả cao. Phân tích và làm việc dựa trên những số liệu được đo lường giúp công việc trở nên minh bạch, rõ ràng hơn. Việc phân tích, phân luồng dữ liệu trong hoạt động kinh doanh, vận hành là điều vô cùng quan trọng, thậm chí quyết định tính sống còn của doanh nghiệp. Các doanh nghiệp vừa và nhỏ thường phải đối mặt với các mối quan tâm về quyền riêng tư trong việc thu thập, lưu trữ và phân tích dữ liệu cá nhân. Ngoài ra việc xây dựng 276
sơ sở hạ tầng quản lý dữ liệu cũng là một thách thức đối với nguồn tài nguyên hạn chế của một số SME TÀI LIỆU THAM KHẢO [1] https://abiz.edu.vn/ [2] https://expressanalytics.com/blog/data-analytics-for-small-business-heres-why-smes- must-adopt-it/ [3] https://insights.magestore.com/posts/ung-dung-big-data-nganh-ban-le [4] https://expressanalytics.com/blog/when-data-becomes-the-business-of-every-business/ [5] https://vietnambiz.vn/phan-tich-mo-ta-descriptive-analytics-la-gi-ban-chat-cua-phan- tich-mo-ta-20191014144530698.htm [6]. www.intellipaat.com [7]. www.smartdatacollective.com/ [8] Michael Dittert, Ralf-Christian Harting, Christopher Reichstein, Christian Bayer, A data analytics Framework for Business in Small and Medium – Sized Organizations, 2018. [9] Marco Bianchini and Veronika Michalkova, Data Analytics in SMEs: Trends and policies, 2019 [10] https://ec.europa.eu/eurostat/data/database?node_code=isoc_eb_bd 277