Tin tức - Kiến thức - Sự kiện

“Data Analytics” không phải công cụ – là cách suy nghĩ và hành động dựa trên dữ liệu. 

Dữ liệu ngày ngay đã trở thành công cụ đắc lực của doanh nghiệp trong mọi lĩnh vực, việc phân tích dữ liệu giúp doanh nghiệp lượng hóa các yếu tố giúp ra quyết định một cách hiệu quả hơn, dựa trên cơ sở vững chắc, thay vì chỉ dựa vào cảm tính và kinh nghiệm. 

Trong lĩnh vực chuỗi cung ứng, các nhân sự và nhà quản lý chuỗi cung ứng đang tận dụng dữ liệu như thế nào? 

Theo đó, tại hội thảo ASCC#22: “Data Analytics in Supply Chain – Unleashing the Power of Data”, các diễn giả với vai trò là chuyên gia và nhà quản lý chuỗi cung ứng đã nêu ra quan điểm và góc nhìn thực tiễn của mình về tầm quan trọng và ứng dụng của Data Analytics trong chuỗi cung ứng, từ đó đề xuất lộ trình học phù hợp cho các nhân sự muốn trang bị kiến thức và kỹ năng phân tích dữ liệu. 

Diễn giả Nguyễn Thành Đạt – Supply Planning Manager | Frieslandcampina Vietnam chia sẻ: “Dữ liệu trải dài trên toàn chuỗi cung ứng, từ giai đoạn lập kế hoạch cung ứng, đến mua hàng, sản xuất, lưu kho và vận chuyển đến khách hàng cuối cùng. Ẩn sau những data là các “insights” giá trị, giúp doanh nghiệp nhìn ra được các điểm bất thường hay cơ hội mới, từ đó ra quyết định chính xác và hiệu quả hơn.” 

“Analytics is not a tool or technology, rather it is the way of thinking and acting on data!”

Song, anh Đạt nêu quan điểm: “Với lượng dữ liệu vô cùng to lớn, được sản sinh liên tục trong quá trình vận hành, từ nhiều nguồn, nhiều mảng chức năng khác nhau, đòi hỏi việc xử lý dữ liệu từ làm sạch, sắp xếp và phân tích để biến dữ liệu thành công cụ đắc lực trong việc ra quyết định, giải quyết vấn đề,…Giá trị này biến Data analytics trở thành một trong những kỹ năng mạnh mẽ để làm việc, quản lý trong bất kỳ ngành nghề, lĩnh vực và phòng ban chức năng chuỗi cung ứng.

Data Analytics là tư duy và hành động dựa trên dữ liệu từ khi chưa có bộ dữ liệu, chưa có phương pháp thống kê và phân tích và chưa có công cụ cho đến khi đạt được kết quả cuối cùng và được thể hiện một cách trực quan thông qua các biểu đồ phù hợp. Trong đó, quá trình sử dụng công cụ để phân tích bộ dữ liệu có sẵn là data analysis. Chính vì thế, thay vì chỉ học cách sử dụng công cụ, các nhân sự nên trang bị tư duy toàn diện, từ tiếp cận vấn đề, xác định nguồn dữ liệu cần thu thập, đến làm sạch, phân tích và trực quan hóa dữ liệu, từ đó thuyết phục cấp trên hoặc các bên liên quan trong doanh nghiệp bằng cách kể câu chuyện một cách logic dựa trên nguồn dữ liệu đáng tin cậy.” 

Với kinh nghiệm của chuyên gia có hơn 19 năm làm việc trong lĩnh vực chuỗi cung ứng, diễn giả Quang Lê Trọng Bằng chia sẻ: “Hơn 10 năm trước, các nhân sự và nhà quản lý thường làm việc và ra quyết định chủ yếu bằng phương pháp định tính, việc định lượng vẫn có, nhưng không được đặt nặng, và dữ liệu chỉ được xử lý bằng những công cụ cơ bản. Nhưng ở thời điểm hiện tại, trước những biến động liên tục của thị trường, chuỗi cung ứng luôn phải đối mặt với những thách thức mới, khó lường trước, các doanh nghiệp đề cao khả năng dự đoán cho tương lai để lập kế hoạch chuẩn bị và đề ra các giải pháp đối phó kịp thời với các rủi ro, từ đó nâng cao tính linh hoạt của chuỗi tối ưu chi phí và tăng năng suất cho toàn doanh nghiệp.”

Và hơn hết, anh Bằng khẳng định: “Dù bạn đang ở cấp độ nào trong công việc, tư duy và kỹ năng phân tích luôn là điều cần thiết. Nếu ở vị trí hiện tại bạn chưa thể quyết định, kỹ năng làm việc dựa trên dữ liệu sẽ là một lợi thế, giúp bạn ghi điểm với cấp trên bằng cách đưa ra nhận định của bản thân về các vấn đề trong công việc hiện tại, và tăng khả năng thuyết phục dựa trên cơ sở dữ liệu vững chắc. Ngoài ra, khả năng làm việc và phân tích số liệu còn giúp bạn truyền đạt thông tin và làm việc với các bên liên quan trong và ngoài chuỗi cung ứng một cách dễ dàng và hiệu quả hơn” 

Dữ liệu là chìa khóa cân bằng tam giác “Service – Cost – Cash” trong chuỗi cung ứng

Anh Đạt chia sẻ: “Một chuỗi cung ứng hiệu quả cần đạt được sự cân bằng của ba yếu tố 

“Service – Cost – Cash”, việc tận dụng nguồn dữ liệu sẽ giúp doanh nghiệp tối ưu được 3 yếu tố này một cách hiệu quả nhất, dựa trên những “Insights” giá trị được khám phá từ vô vàn các dữ liệu trong và ngoài chuỗi cung ứng.”

Việc phân tích dữ liệu (Data Analytics) được thực hiện và tạo nhiều giá trị cho cả 5 mảng chức năng chính trong chuỗi cung ứng bao gồm Plan – Source – Make – Deliver và các chức năng khác: 

  • Plan: Tăng độ chính xác cho dự báo, từ đó dự trữ tồn kho hiệu quả, nâng cao sự hài lòng của khác hàng với việc đáp ứng nhu cầu một cách nhanh chóng, đảm bảo chất lượng và giảm rủi ro về hàng tồn kho. 
  • Source: Xác định các rủi ro đứt quãng nguồn cung có thể xảy ra thông qua dữ liệu từ thị trường, từ đó lên kế hoạch dữ trữ tồn kho hoặc chuẩn bị phương án tìm kiếm các đối tác cung ứng dự trù, để đảm bảo chuỗi cung ứng không bị đứt gãy.
  • Manufacturing: Tìm ra nguyên nhân dẫn đến sai sót trong quy trình sản xuất, hay phân bổ thời gian, nguồn lực tối ưu, loại bỏ được các hoạt động trùng lặp gây hiệu ứng tắc ghẽn cổ chai (Bottleneck).
  • Transportation: Phân tích dữ liệu về khả năng tiêu thụ nhiên liệu và công nghệ định vị GPS để thiết kế chiến lược vận chuyển, phân phối tối ưu, tăng hiệu suất và giảm thời gian chờ giữa các điểm trong mạng lưới phân phối. 
  • Warehouse: Rút ngắn thời gian thực hiện đơn hàng bằng cách tính toán diện tích để thiết kế Layout kho phù hợp và cách sắp xếp hàng hóa một cách tối ưu dựa trên những số liệu về diện tích kho và thông số của các loại hàng hóa được lưu trữ. 
  • Point of Sale: Nắm bắt nhu cầu và hành vi mua sắm của người tiêu dùng thông qua việc thu thập dữ liệu mua hàng từ khách hàng cuối cùng tại các điểm bán lẻ.

“Đặt câu hỏi sâu để chi tiết hóa vấn đề và hướng tiếp cận dữ liệu”

Với năng lực và kinh nghiệm phân tích tích dữ liệu, diễn giả Trần Ngọc Thành – Business Intelligence Analyst | Lalamove chia sẻ: “Đặt câu hỏi là việc cần được thực hiện liên tục trong xuyên suốt quy trình phân tích dữ liệu để xác định được vấn đề, mục tiêu, hướng tiếp cận và xử lý dữ liệu. Các câu hỏi được đặt theo trình tự bao gồm: vấn đề là gì? cần nguồn dữ liệu từ đâu? cần dùng công cụ nào, mô hình nào? nguyên nhân của vấn đề là gì? cần làm gì để cải thiện?,…” Theo anh để đặt câu hỏi đủ sâu bạn cần trang bị nền tảng kiến thức chuyên môn vững chắc và tích lũy kinh nghiệm thực tiễn.

Qua đó, anh chia sẻ về 4 cấp độ phân tích dữ liệu:

  • Prescriptive analytics: xác định vấn đề đã xảy ra
  • Diagnostic analytics: xác định nguyên nhân của vấn đề
  • Predictive analytics: dự đoán được những khả năng có thể xảy ra trong tương lai
  • Prescriptive analytics: ra quyết định hay phương án ứng phó với những gì sắp xảy ra

Anh chia sẻ: “Đối với các nhân sự mới, việc phân tích dữ liệu gần như chỉ dừng lại ở cấp độ Prescriptive analytics – xác định vấn đề hiện tại dựa trên việc tổng hợp và phân tích dữ liệu ở mức cơ bản nhất, để thực hiện được các bước tiếp theo là hiểu được nguyên nhân, dự đoán và ra quyết định, bạn cần xây dựng hệ thống kiến thức chuyên môn vững chắc và kinh nghiệm làm việc ở lĩnh vực hiện tại, bên cạnh đó là trang bị kiến thức và kỹ năng sử dụng các công cụ phân tích, liên kết các dữ liệu để chứng minh được các luận cứ của mình.”

Domain Knowledge – Technical Skill – Storytelling – Ba yếu tố để trở thành Data Analyst trong chuỗi cung ứng”

Cả ba diễn giả đều đồng thuận với quan điểm: “Để trở thành một chuyên gia phân tích dữ liệu xuất sắc, bạn cần trang bị cho mình ba yếu tố chính: Kiến thức về lĩnh vực làm việc (Domain Knowledge), Kỹ năng sử dụng công cụ (Technical Skill), và Nghệ thuật kể chuyện (Storytelling).”

Hiểu rõ về lĩnh vực cụ thể giúp bạn có khả năng nhận diện các vấn đề cụ thể mà doanh nghiệp đang đối mặt. Điều này bao gồm hiểu biết về quy trình hoạt động của doanh nghiệp, thị trường, và các yếu tố ảnh hưởng,..

Tiếp theo, để tăng năng suất công việc, bạn cần trang bị kiến thức và kỹ năng sử dụng công cụ phân tích dữ liệu như Excel và Power BI, Python, SQL để biến dữ liệu thành thông tin hữu ích. Cuối cùng, dữ liệu sau khi được phân tích sẽ bị giảm giá trị nếu không được trình bày một cách rõ ràng, liên kết logic để giúp các nhân sự truyền đạt thông tin một cách hiệu quả, cho các nhà quản lý cấp cao và các bên liên quan.

Lộ trình học phân tích dữ liệu – Excel, Python, SQL, hay  Power PI trước?

 

Với câu hỏi về việc thiết kế lộ trình học phân tích dữ liệu, ảnh Thành nhấn mạnh: “Không có công cụ nào toàn diện 100%, chúng ta phải biết cách kết hợp bằng cách hiểu được thế mạnh và bản chất của mỗi công cụ. Việc lựa chọn lộ trình học sẽ phụ thuộc vào mục tiêu và quỹ thời gian hiện tại của mỗi người, bạn là sinh viên hay người đi làm, bạn muốn học phân tích dữ liệu chỉ để biết hay muốn ứng dụng vào việc hỗ trợ công việc hiện tại của mình”

Ngoài ra, anh cũng chia sẻ rằng để ưu tiên học công cụ nào trước, bạn cần hiểu được đặc thù của từng công cụ. Với trải nghiệm của mình, anh đề xuất lộ trình học nên bắt đầu từ những công cụ cơ bản nhất như Excel, tiếp theo là Power BI, vì công cụ này dễ tiếp cận, cho phép người dùng thấy kết quả ngay lập tức, thời gian học và ứng dụng vào công việc cũng không mất quá nhiều thời gian. Mặt khác, SQL và Python đòi hỏi việc biết code, và cần thời gian để hiểu rõ logic của chúng nên sẽ nằm cuối cùng trong danh sách ưu tiên. 

“Hãy bắt đầu học từ những điều đơn giản nhất”

Trước tâm lý sợ học về công cụ, có khá nhiều bạn còn e dè, vì không phải ai cũng có khả năng học và sử dụng công cụ một cách thành thạo, anh Thành đưa ra lời khuyên rằng: “các bạn hãy bắt đầu từ những điều cơ bản và đơn giản nhất như Excel. Song, anh cũng nhận định rằng, Excel tuy là công cụ cơ bản nhất trong rất nhiều công cụ phân tích dữ liệu ngày nay như Python, Power BI, SQL,…, nhưng khi đi làm thực tế, gần như Excel được ứng dụng đến 80%, khi thị trường ngày càng phát triển, thì Excel cũng sẽ cải tiến tính năng của mình để đáp ứng.

Kết luận: 

Để thành công trong sự nghiệp, việc trang bị kiến thức chuyên môn toàn diện và vững chắc là yếu tố cốt lõi, công cụ sẽ là phương tiện giúp bạn hoàn thành mục tiêu công việc của mình một cách hiệu quả hơn. Tương tự như việc phát triển kỹ năng Data Analytics trong lĩnh vực quản lý chuỗi cung ứng, trước hết bạn cần trang bị nền tảng kiến thức về chuỗi cung ứng và tư duy tiếp cận, sử dụng dữ liệu một cách logic, cuối cùng mới học về cách sử dụng công cụ hỗ trợ để đạt được mục tiêu phân tích dữ liệu. 

Trang bị tư duy đúng và kỹ năng cần thiết để ứng dụng phân tích dữ liệu trong chuỗi cung ứng với

Chương trình đào tạo: “Supply Chain Analytics”

Learn more about us!!!