Nghiên cứu của Sizmek – một trong những công ty dẫn đầu về cung cấp nền tảng quản trị quảng cáo nguồn mở trên thế giới – cho thấy rằng: công nghệ Flash vẫn tiếp tục được sử dụng rộng rãi cho việc thiết kế quảng cáo, bất chấp sự thật là các quảng cáo hiển thị trên thiết bị di động thường được mặc định dưới dạng hình ảnh tĩnh (static banner).
Advertiser tiếp tục gia tăng chạy quảng cáo dựa trên nền tảng Flash mặc cho nhiều thiết bị di động (Mobile) và một vài trình duyệt không còn hỗ trợ Flash nữa. Cụ thể theo báo cáoMobile Index Report cho quý I/2015 (được tập hợp từ nguồn dữ liệu mở trên Ad Server của Sizmek, kết nối với hơn 22.000 Publisher, 3.400 công ty quảng cáo và 17.000 thương hiệu toàn cầu) đã công bố vào hồi tháng 7 vừa qua: có tới 5,35 tỷ lượt hiển thị của các quảng cáo Rich Media sử dụng công nghệ Flash được phục vụ trên các nền tảng quản trị quảng cáo vốn chỉ mặc định cho hình ảnh “tĩnh”. (Rich Media là các quảng cáo với định dạng truyền thông đa phương tiện, có tác động mạnh đến giác quan người xem, trong đó tận dụng và kết hợp tối đa các yếu tố âm thanh, chuyển động hoạt hình, video, biểu mẫu, và các yếu tố tương tác khác; được thiết kế dựa trên các ngôn ngữ như Java applet, HTML5, Adobe Flash,…).
Báo cáo cũng cho thấy, trong 3 tháng đầu năm 2015, dù quảng cáo Rich Media định dạng Flash có tổng lượt hiển thị trên di động (xấp xỉ 5,4 tỷ lượt) cao hơn định dạng HTML5 (4,5 tỷ lượt), nhưng có tới 98% trong số này (5,35 tỷ lượt) bị lãng phí (mobile default). Nguyên nhân lãng phí là do định dạng của thiết bị di động chỉ phục vụ cho các banner tĩnh, vì vậy các quảng cáo Rich media này đã không phát huy được ưu điểm tạo ra giao diện bắt mắt và hiệu ứng ấn tượng thu hút người dùng của công nghệ Flash. Trong khi đó, tỷ lệ lãng phí đối với các quảng cáo định dạng HTML5 được hiển thị trên di động thấp hơn rất nhiều – 8,3% – cho thấy công nghệ HTML5 được hỗ trợ rất lớn trên các nền tảng di động.
Nghiên cứu cũng chỉ ra rằng, đối với các chiến dịch Flash Rich Media có ít nhất 1 triệu lượt hiển thị trong quí I/2015: tỷ lệ lãng phí trung bình là 35,2% và có tới 12% Advertiser không bao giờ thành công khi chạy chúng trên thiết bị di động. Trong khi đó, với công nghệ Flash được sử dụng trên Desktop, có tới 60% các Advertiser đạt được tỷ lệ lãng phí thấp hơn 3%.
Hệ quả khi “lãng phí” Flash trên di động
Bởi phải đối mặt với tỷ lệ lãng phí cao trên các nền tảng di động, nên hiệu quả sử dụng các quảng cáo định dạng Flash chỉ nhỉnh hơn một chút so với các banner quảng cáo dạng tĩnh. Nếu so với quảng cáo dạng HTML5 thì tỷ lệ nhấp chuột CTR (Click-through rates) và tỷ lệ gắn kết của dạng Flash còn thấp hơn nhiều. (CTR cho định dạng Flash trung bình là 0,34%, so với định dạng HTML5 là 0.53%). Và vì những tính năng nổi bật của công nghệ Flash đã không phát huy được trong nền tảng di động chỉ mặc định hình ảnh tĩnh, nên không có gì ngạc nhiên khi tỷ lệ tương tác (tổng số tương tác/tổng số lượt hiển thị) của quảng cáo Flash chỉ đạt 0,38% – nhỏ hơn ba lần so với quảng cáo dạng HTML5.
Theo Sizmek, thị phần của quảng cáo hiển thị trên di động (gồm smartphone và tablet) đã tăng gần gấp đôi từ năm này qua năm khác, và đạt mốc 30% vào quí I năm 2015. Tuy nhiên, dù tỷ lệ nhấp chuột vào quảng cáo (CTR) trên di động vẫn cao hơn trên Desktop, nhưng tỷ lệ tương tác với quảng cáo (mở quảng cáo, xem nội dung…) trên Desktop lại cao hơn đáng kể so với trên di động.
Để giải quyết thực trạng này, Google đã ra mắt tính năng chuyển đổi tự động các quảng cáo sáng tạo từ định dạng Flash sang HTML5 vào tháng 2/2015 để giúp các Advertiser tiếp cận tốt hơn với mạng lưới quảng cáo Google Display Network – vốn chỉ sử dụng định dạng HTML5.
Khi được hỏi về vấn đề này, Andy Kahl – giám đốc nghiên cứu của Sizmek cho biết: “Theo kinh nghiệm của chúng tôi thì các công cụ chuyển đổi, dù luôn có sẵn cho trường hợp khẩn cấp, vẫn không đạt các tiêu chuẩn về chất lượng. Các công cụ chuyển đổi tự động được sử dụng trong suốt quá trình phục vụ quảng cáo chỉ được áp dụng cho các banner tiêu chuẩn – nơi mà một hình ảnh tĩnh được mặc định sẽ phục vụ gần như với cùng một mục đích. Do đó, lời khuyên của chúng tôi là định dạng HTML5 nên được sử dụng ngay từ đầu trong qui trình thiết kế các quảng cáo sáng tạo, đặc biệt là đối với các chiến lược sử dụng Rich Media”.
Dinhledat.com – Theo báo cáo Top 10 xu hướng công nghệ của Gartner 2012 thì #BigData là một trong những công nghệ quan trọng nhất. Có rất nhiều điều thú vị về #BigData và cũng có rất nhiều sự nhầm lẫn về nó. Bài này sẽ cung cấp một định nghĩa “5Vs” về Big Data và các ví dụ ứng dụng của dữ liệu lớn qua các sản phẩm thực tế trên Thế giới và Việt Nam để bạn có được những hiểu biết ban đầu về một số khả năng của BigData.
Định nghĩa Big Data.
Trên thế giới có nhiều định nghĩa về Big Data. Vào năm 2001, nhà phân tích Doug Laney của hãng META Group (bây giờ chính là công ty nghiên cứu Gartner) đã nói rằng những thách thức và cơ hội nằm trong việc tăng trưởng dữ liệu có thể được mô tả bằng ba chiều “3V”: tăng về số lượng lưu trữ (volume), tăng về tốc độ xử lý (velocity) và tăng về chủng loại (variety). Giờ đây, Gartner cùng với nhiều công ty và tổ chức khác trong lĩnh vực công nghệ thông tin tiếp tục sử dụng mô hình “3V” này để định nghĩa nên Big Data. Đến năm 2012, Gartner bổ sung thêm rằng Big Data ngoài ba tính chất trên thì còn phải “cần đến các dạng xử lí mới để giúp đỡ việc đưa ra quyết định, khám phá sâu vào sự vật/sự việc và tối ưu hóa các quy trình làm việc”.
Mô hình “5Vs” – năm tính chất của Big Data
Sau đây là khái niệm mới về Big Data 2014 của Gartner về mô hình “5Vs”– năm tính chất quan trọng nói lên Big Data:
Volume (Số lượng lưu trữ)
Big Data (“dữ liệu lớn”) là tập hợp dữ liệu có dung lượng lưu trữ vượt mức đảm đương của những ứng dụng và công cụ truyền thống. Kích cỡ của Big Data đang từng ngày tăng lên, và tính đến năm 2012 thì nó có thể nằm trong khoảng vài chục terabyte cho đến nhiều petabyte (1 petabyte = 1024 terabyte) chỉ cho một tập hợp dữ liệu mà thôi.
Velocity (Tốc độ xử lý)
Dung lượng gia tăng của dữ liệu rất nhanh và tốc độ xử lý đang tiến tới real-time. Các ứng dụng phổ biến trên lĩnh vực Internet, Tài chính, Ngân hàng, Hàng không, Quân sự, Y tế – Sức khỏe ngày hôm nay phần lớn dữ liệu lớn đc xử lý real-time. Công nghệ xử lý dữ liệu lớn ngày một tiên tiến cho phép chúng ta xử lý tức thì trước khi chúng được lưu trữ vào cơ sở dữ liệu.
Variety (Đa dạng chủng loại)
Hình thức lưu trữ và chủng loại dữ liệu ngày một đa dạng hơn. Trước đây chúng ta hay nói đến dữ liệu có cấu trúc thì ngày nay hơn 80% dữ liệu trên thế giới được sinh ra là phi cấu trúc (tài liệu, blog, hình ảnh, video, voice v.v.). Công nghệ Big Data cho phép chúng ta ngày nay liên kết và phân tích đa dạng chủng loại dữ liệu với nhau như comments/post của một nhóm người dùng nào đó trên Facebook với thông tin video được chia sẻ từ Youtube và Twitter.
Veracity (Độ chính xác)
Một trong những tính chất phức tạp nhất của BigData là độ chính xác của dữ liệu. Với xu hướng Social Media và Social Network ngày nay và sự gia tăng mạnh mẽ tính tương tác và chia sẻ của người dùng Mobile làm cho bức tranh xác định về độ tin cậy & chính xác của dữ liệu ngày một khó khăn hơn. Bài toán phân tích và loại bỏ dữ liệu thiếu chính xác và nhiễu đang là tính chất quan trọng của BigData.
Value (Giá trị thông tin)
Giá trị thông tin là 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 BigData cho 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 “Value” thì mới nên bắt tay vào BigData.
Việt Nam đang ngày càng gia tăng tốc độ phát triển và hội nhập với các xu hướng công nghệ thế giới. Với hơn 30 triệu người dùng Internet và hơn 15 triệu ngươi dùng Mobile Internet làm cho Việt Nam đang đứng trước một cơ hộ vô cùng lớn về khai thác dữ liệu lớn. Sẽ có những doanh nghiệp Việt Nam khai thác thành công dữ liệu lớn với doanh số hàng trăm triệu USD trong vòng 5 năm tới. Đặc biệt, giai đoạn 2014-2016, xu hướng Mobile và lượng người dùng Internet 3G sẽ tiếp tục tăng mạnh. Các dịch vụ kết nối OTT (Over-the-top) và truyền thông xã hội đóng góp hơn 80% phương thức giao tiếp online, video online và nội dung số mobile. Điều này góp phần đẩy mạnh xu hướng truyền thông số đa phương tiện, đa màn hình (PC, smartphone , tablet, smart TV) sẽ bùng nổ với độ phủ hơn 50% dân số Việt Nam. Việt Nam là một kho “vàng” dữ liệu vô cùng lớn cho việc ứng dụng Big Data.
Dựa trên mô hình “5Vs” doanh nghiệp có thể xác định các yếu tố dữ liệu của mình xem có liên quan tới Big Data không? Điều quan trọng nhất để triển khai hiệu quả Big Data thì doanh nghiệp cần xác định được tính chất “Value” trong mô hình “5Vs“. Để làm rõ hơn nhu cầu và tính khả thi của việc triển khai Big Data trong doanh nghiệp của mình bạn cần trả lời cho 3 câu hỏi sau:
1. Vấn đề doanh nghiệp đang gặp là gì?
Doanh nghiệp cần xác định rất rõ vấn đề hoặc bài toán trong kinh doanh mà cần giải quyết hoặc tối ưu. Ví dụ: bạn là một cty bán lẻ, phân phối hay eCommerce cần gia tăng số lượng đơn hàng/tháng.
2. Bạn có gặp nhiều vấn đề liên quan tới dữ liệu ko?
Trong vận hành kinh doanh bạn có gặp các vấn đề liên quan tới dữ liệu không? Hoặc nói cách khác là trong quy trình hệ thống bán hàng của bạn có tận dụng nhiều dữ liệu ko? Bạn cần làm rõ các tính chất “5Vs” Big Data trong hoạt động kinh doanh của mình. Ví dụ: Một trang web bán hàng online thì hầu hết dữ liệu hoạt động của dịch vụ và thông tin khách hàng đều được lưu trữ lại, bài toán marketing cho eCommerce có liên quan tới rất nhiều dữ liệu khách hàng và thị trường (Online/Offline).
3. Phân tích dữ liệu lớn có giúp bạn giải quyết vấn đề đó không?
Thường thì để trả lời cho câu hỏi này bạn cần một nhóm chuyên gia BigData cho lĩnh vực hoạt động kinh doanh của bạn. Vấn đề được đặt ra là phải trả lời và hoạch định rõ tính chất “Value” Big Data đối với vấn đề hoặc bài toán bạn quan tâm. Đây cũng là chữ “V” quan trọng nhất trong mô hình “5Vs”. Hãy đừng vội vàng triển khai Big Data trong doanh nghiệp nếu bạn chưa có câu trả lời cho câu hỏi này. Ví dụ: Amazon là một web Commerce đã đặt ra mục tiêu thay vì “Làm sao để bán hàng?” thì họ xác định luôn là “Làm sao để bán mặt hàng tiếp theo?”. Và với mô hình kinh doanh Online/Offline này Amazon đã tận dụng Big Data rất hiệu qua cho việc tối ưu hóa các quy trình vận hành từ tự động cho đến bán tự động. Hệ thống website, affiliate, marketing và CRM của cty hoạt động trên Big Data để thấu hiểu nhu cầu khách hàng khi mua sắm trên Amazon. Hệ thống Recommendation của Amazon được xem là một trong những hệ thống khuyến nghị người dùng mua sắm tốt nhất thế giới với lợi thế vượt trội hơn Google. Facebook ở dữ liệu mua bán của người tiêu dùng.
Big Data thay đổi thế giới.
Mọi khía cạnh trong đời sống của chúng ta đều sẽ bị ảnh hưởng bởi dữ liệu lớn. Linkedin chỉ ra các ứng dụng dữ liệu lớn được sử dụng phổ biến nhất cũng như tạo ra được những lợi ích cao nhất trong 10 lĩnh vực.
1. Sự hiểu biết và khách hàng mục tiêu (Internet, Mobile và Digital Marketing)
Đây là một trong những lĩnh vực lớn nhất và được công bố công khai nhất cách dữ liệu lớn được sử dụng ngày nay. Ở đây, dữ liệu lớn được sử dụng để hiểu rõ hơn về khách hàng và hành vi cũng như sở thích của họ.
Các công ty đều mong muốn mở rộng tập hợp dữ liệu truyền thống với các dữ liệu truyền thông xã hội, trình duyệt web cũng như phân tích văn bản và dữ liệu cảm biến để có được một bức tranh hoàn chỉnh hơn về khách hàng của họ. Trong nhiều trường hợp, mục tiêu lớn hơn là để tạo ra mô hình dự báo.
Nhờ dữ liệu lớn, nhà bán lẻ Target (Mỹ), những người có thể dự đoán rất chính xác khi nào một khách hàng của họ sẵn sàng mang thai. Ảnh: CBSnews.
Bạn có thể ghi nhớ về ví dụ của nhà bán lẻ Target (Mỹ), những người có thể dự đoán rất chính xác khi nào một khách hàng của họ sẵn sàng mang thai. Sử dụng dữ liệu lớn, các công ty viễn thông có thể dự đoán tốt hơn về việc khách hàng rời mạng. Hay Wal-Mart có thể dự đoán sản phẩm gì sẽ được bán ra, và các công ty bảo hiểm xe hơi hiểu khách hàng của họ thực sự lái xe như thế nào.
Ngay cả chiến dịch bầu cử của Mỹ cũng có thể được tối ưu hóa bằng việc sử dụng phân tích dữ liệu lớn. Các chuyên gia cho rằng, ông Obama giành chiến thắng trong chiến dịch bầu cử năm 2012 là do khả năng vượt trội của đội ngũ sử dụng khả năng phân tích dữ liệu lớn.
2. Sự hiểu biết và tối ưu hóa quy trình kinh doanh
Dữ liệu lớn cũng ngày càng được sử dụng để tối ưu hóa quy trình kinh doanh. Các nhà bán lẻ có thể tối ưu hóa giá cả và lượng hàng hóa của họ dựa trên các dự đoán được tạo ra từ dữ liệu phương tiện truyền thông xã hội, xu hướng tìm kiếm web và dự báo thời tiết. Một quy trình kinh doanh với rất nhiều phân tích dữ liệu lớn là chuỗi cung ứng hoặc cung cấp lộ trình tối ưu hóa. Ở đây, cảm biến nhận dạng tần số vô tuyến định vị và địa lý được sử dụng để theo dõi hàng hóa, phương tiện giao hàng và các tuyến đường tối ưu bằng cách tích hợp dữ liệu giao thông trực tiếp.
Lĩnh vực nhân sự cũng đang được cải thiện bằng cách sử dụng phân tích dữ liệu lớn. Điều này bao gồm việc tối ưu hóa của việc ‘săn’ tài năng, cũng như đánh giá nền văn hóa công ty và sự tham gia của nhân viên trong việc sử dụng công cụ dữ liệu lớn.
3. Định lượng cá nhân và tối ưu hóa hiệu suất
Dữ liệu lớn không chỉ dành cho các công ty và chính phủ mà còn cho từng cá nhân. Ngày nay chúng ta có thể được hưởng lợi từ dữ liệu được tạo ra từ các thiết bị đeo như đồng hồ thông minh hoặc vòng đeo tay thông minh.
Lấy sợi dây Up của Jawbone làm ví dụ: Sợi dây thu thập dữ liệu về việc tiêu thụ calo của chúng ta, mức độ hoạt động, và mô hình giấc ngủ. Ngoài việc mang lại cho cá nhân những hiểu biết phong phú, giá trị hơn cả là trong việc phân tích các dữ liệu thu thập được.
Trong trường hợp Jawbone, công ty hiện thu thập giá trị của dữ liệu giấc ngủ mỗi đêm trong vòng 60 năm. Phân tích khối lượng dữ liệu lớn này sẽ mang lại cái nhìn hoàn toàn mới để phản hồi cho người dùng cá nhân. Các lĩnh vực khác, nơi mà chúng ta được hưởng lợi từ phân tích dữ liệu lớn chính là việc tìm kiếm tình yêu trực tuyến. Các trang web hẹn hò trực tuyến lớn nhất đang áp dụng công cụ dữ liệu lớn và các thuật toán để tìm thấy người phù hợp nhất cho chúng ta.
Khả năng tính toán, phân tích dữ liệu lớn cho phép chúng ta giải mã toàn bộ chuỗi DNA trong vài phút và tìm ra những phương pháp chữa trị mới, nhằm hiểu rõ hơn cũng như dự đoán mô hình bệnh. Hãy nghĩ về điều gì sẽ xảy ra khi tất cả các dữ liệu cá nhân, từ đồng hồ thông minh và cácthiết bị đeo, có thể được sử dụng để áp dụng cho hàng triệu người và các căn bệnh khác nhau của họ. Các thử nghiệm lâm sàng trong tương lai sẽ không bị giới hạn bởi kích thước mẫu nhỏ mà sẽ có khả năng bao quát tất cả mọi người!
Kỹ thuật dữ liệu lớn đã được sử dụng để giám sát trẻ sơ sinh trong chuyên khoa chăm sóc trẻ sinh non và khoa bệnh nhi. Bằng cách ghi lại và phân tích từng nhịp tim và mô hình thở của mỗi bé, các nhà khoa học đã có thể phát triển những thuật toán có thể dự đoán nhiễm trùng trong vòng 24 giờ trước khi các triệu chứng vật lý xuất hiện. Bằng cách đó, nhóm nghiên cứu có thể can thiệp sớm và giữ lại mạng sống cho những đứa trẻ mà thời gian sống chỉ tính bằng giờ.
Hơn nữa, phân tích dữ liệu lớn cho phép chúng ta theo dõi, dự đoán sự phát triển của dịch bệnh và sự bùng phát dịch bệnh. Tích hợp dữ liệu từ hồ sơ y tế với phân tích phương tiện truyền thông xã hội cho phép chúng ta giám sát dịch cúm trong thời gian thực, chỉ đơn giản bằng cách lắng nghe những gì mọi người đang đề cấp đến, ví dụ như: “Cảm giác như người thừa hôm nay – trên giường với bệnh cảm lạnh”.
5. Cải thiện hiệu suất thể thao
Hầu hết các môn thể thao hiện đại đều áp dụng phân tích dữ liệu lớn. Chúng ta có công cụ SlamTracker của IBM dành cho các giải đấu quần vợt. Chúng ta sử dụng phân tích video để theo dõi hiệu suất của mỗi cầu thủ trong bóng đá hoặc bóng chày, và công nghệ cảm biến trong các thiết bị thể thao như bóng rổ hay các câu lạc bộ golf cho phép chúng ta có được thông tin phản hồi (thông qua điện thoại thông minh và các máy chủđiện toán đám mây) về hiệu suất thi đấu của mình và làm thế nào để cải thiện nó.
Big Data được áp dụng trong thể thao, chẳng hạn công cụ SlamTracker của IBM dành cho các giải đấu quần vợt. Ảnh: AFP.
Nhiều đội thể thao có tiếng còn theo dõi các vận động viên bên ngoài của môi trường thể thao, như sử dụng công nghệ thông minh để theo dõi chế độ dinh dưỡng và giấc ngủ, cũng như các cuộc hội thoại truyền thông xã hội để nhận biết tâm tư, tình cảm.
6. Nâng cao khoa học và nghiên cứu
Khoa học và nghiên cứu hiện đang biến đổi rất nhanh bởi các khả năng mới mà dữ liệu lớn mang lại. Lấy ví dụ, CERN, phòng thí nghiệm vật lý hạt nhân Thụy Sĩ với chiếc máy gia tốc hạt lớn nhất và mạnh nhất thế giới, Large Hadron Collider. Với những thí nghiệm để mở khóa những bí mật của vũ trụ, cách hình thành và vận hành ra sao, đã tạo ra một lượng lớn dữ liệu.
Các trung tâm dữ liệu của CERN có 65.000 bộ vi xử lý để phân tích 30 petabyte dữ liệu. Tuy nhiên, nó sử dụng các quyền hạn tính toán của hàng nghìn máy tính phân phối tại 150 trung tâm dữ liệu trên toàn thế giới để phân tích. Quyền hạn tính toán như vậy có thể được thừa hưởng và làm biến đổi rất nhiều lĩnh vực khác của khoa học và nghiên cứu.
7. Tối ưu hóa hiệu suất máy móc và thiết bị
Phân tích dữ liệu lớn giúp máy móc và thiết bị trở nên thông minh và độc lập hơn. Ví dụ, các công cụ dữ liệu lớn được sử dụng để vận hành xe hơi tự lái của Google. Toyota Prius được trang bị máy ảnh, GPS cũng như các máy tính mạnh mẽ và bộ cảm biến để lái xe an toàn trên đường mà không có sự can thiệp của con người. Công cụ dữ liệu lớn cũng được sử dụng để tối ưu hóa lưới điện năng lượng sử dụng dữ liệu từ công-tơ thông minh. Chúng ta thậm chí có thể sử dụng công cụ dữ liệu lớn để tối ưu hóa hiệu suất của máy tính và các kho dữ liệu.
8. Cải thiện an ninh và thực thi pháp luật
Dữ liệu lớn được áp dụng rất nhiều trong việc cải thiện an ninh và cho phép thực thi pháp luật. Cơ quan An ninh Quốc gia Mỹ (NSA) sử dụng phân tích dữ liệu lớn để chống âm mưu khủng bố (và có thể gián điệp trên tất cả chúng ta). Các đơn vị khác sử dụng kỹ thuật dữ liệu lớn để phát hiện và ngăn chặn các cuộc tấn công không gian mạng. Lực lượng cảnh sát sử dụng các công cụ dữ liệu lớn để bắt tội phạm và thậm chí dự đoán hoạt động tội phạm, và những công ty thẻ tín dụng sử dụng dữ liệu lớn dùng nó để phát hiện các giao dịch gian lận.
Large Hadron ColliderCERN, chiếc máy gia tốc hạt lớn nhất và mạnh nhất thế giới. Ảnh: CERN.
9. Cải thiện và tối ưu hóa các thành phố, quốc gia
Dữ liệu lớn được sử dụng để cải thiện nhiều khía cạnh của các thành phố và quốc gia. Ví dụ như nó cho phép các thành phố tối ưu hóa luồng giao thông dựa trên thông tin giao thông trong thời gian thực cũng như dữ liệu trên các phương tiện truyền thông xã hội và dữ liệu thời tiết. Một số thành phố đang thực hiện thí điểm phân tích dữ liệu lớn với mục đích biến mình thành thành phố thông minh, nơi mà cơ sở hạ tầng giao thông và các quy trình tiện ích đều được kết nối với nhau. Nơi một chiếc xe buýt sẽ chờ một đoàn tàu đến trễ và nơi tín hiệu giao thông dự đoán khối lượng giao thông và hoạt động để giảm thiểu ùn tắc.
10. Kinh doanh tài chính
Thể loại cuối cùng về ứng dụng dữ liệu lớn đến từ các giao dịch tài chính. Tần số giao dịch cao (HFT) là một lĩnh vực nơi dữ liệu lớn được sử dụng rất nhiều ngày nay. Ở đây, thuật toán dữ liệu lớn được sử dụng để đưa ra các quyết định giao dịch. Ngày nay, phần lớn các giao dịch cổ phiếu diễn ra thông qua các thuật toán dữ liệu dựa ngày càng nhiều vào tín hiệu tài khoản từ các mạng truyền thông xã hội và các trang web tin tức để đưa ra quyết định mua và bán trong từng giây.
ANTS.vn – Cũng dễ nhận thấy các giám đốc marketing (CMO) hiện nay đang muốn trở thành người làm marketing (marketer) theo định hướng dữ liệu. Một cuộc khảo sát gần đây thực hiện bởi Hiệp hội quảng cáo Quốc gia và McKinsey & Co. cho thấy 96% các CMO nghĩ rằng việc đưa ra quyết định dựa trên hiểu biết chuyên sâu về dữ liệu rất quan trọng đối với hiệu suất của công ty.
ANTS – 6 bước để xây dựng một đội ngũ data-driven marketing
Tuy nhiên, điều còn khiến họ mơ hồ là làm thế nào để xây dựng bộ phận marketing data-driven ngay tại công ty. Trong cuộc khảo sát chung, “Marketing Disruption: 5 Blind Spots on the Road to Marketing’s Potential“, gần một nửa số người được hỏi cho biết họ còn thiếu sự phân tích đúng đắn và cần thiết để đưa ra quyết định dựa trên dữ liệu.
Dữ liệu lớn (Big Data) là một thuật ngữ nghe có vẻ đáng sợ, nhưng việc thực hiện các bước cần thiết để xây dựng bộ phận marketing data-driven không hề to tát và phức tạp như vậy. Sau đây là sáu bước giúp bạn thấy được tầm nhìn của công ty và các khách hàng tiềm năng đang muốn và cần gì. Dựa vào đó, các công ty có thể nhanh chóng thu được lợi nhuận từ hiểu biết chuyên sâu mà dữ liệu mang lại.
Bước 1: Hiểu biết về khách hàng. Nếu hiểu rõ được khách hàng của mình là ai, bạn sẽ biết được khách hàng tiềm năng đang ở đâu. Dữ liệu về khách hàng thường được ẩn giấu ở đâu đó trong dữ liệu thương mại điện tử, cơ sở dữ liệu e-mail, hệ thống quản lý quan hệ khách hàng (CRM) hay trong các tài khoản phải thu. Phân tích dữ liệu trong các cấu trúc silo này có thể giúp xác định điểm chung của các khách hàng trung thành nhất (best customers). Nhờ đó, bạn có thể nhận diện các khách hàng tiềm năng mà đội ngũ marketing và bán hàng nên theo đuổi.
Bước 2: Bắt đầu từ việc nhỏ. Nơi bắt đầu tốt nhất là trang web của công ty. Các công cụ phân tích rẻ tiền hay thậm chí miễn phí có thể giúp xác định nhân khẩu học cơ sở của những người đang truy cập trang web của bạn và họ đang xem nội dung gì. Nếu biết rõ điều này, bạn có thể cung cấp nội dung chuyên sâu và phù hợp hơn cho họ khi ghé thăm website của bạn hay khi họ thấy quảng cáo hiển thị ở những website khác hay trên các mạng xã hội.
Bước 3: Tuyển dụng đúng người. Đã qua rồi những ngày mà bộ phận marketing đơn giản chỉ là nơi trú ngụ của những con người thuận não phải và có tư duy sáng tạo. Các CMO giờ đây cũng cần những nhân viên thuận não trái, có định hướng về dữ liệu giúp họ điều hành các chương trình tập trung vào marketing mục tiêu (demand generation programs) và phân tích dữ liệu. Matt Ackley – CMO đồng thời là phó chủ tịch cao cấp chịu trách nhiệm về sản phẩm tại Marin Software – cho biết việc thành lập đội ngũ marketing theo định hướng dữ liệu đặt ra hai thách thức chính. “Một là khả năng truy cập vào dữ liệu, và thứ hai là tìm được những chuyên gia phân tích có khả năng làm được gì đấy với kho dữ liệu đó.”
Bước 4: Chắc chắn rằng công nghệ (technology) của bạn hoạt động cùng nhau. Hầu hết các công ty trong thời đại số cần phải có những công nghệ cơ bản như sau: hệ thống CRM, phần mềm tự động hóa marketing và công cụ phân tích. Khi được liên kết với nhau một cách hợp lý (việc này đòi hỏi đội ngũ marketing có mối quan hệ làm việc chặt chẽ nhưng cũng nhã nhặn với bộ phận công nghệ thông tin), các công cụ này có thể giúp các marketer có cái nhìn sâu sắc về cách thức các chương trình marketing từ email, tìm kiếm, đến quảng cáo hiển thị và thông qua các mạng xã hội có thể đẩy mạnh cơ hội thông qua phễu marketing.
Bước 5: Đo lường. Không biết nên nhấn mạnh bước này thế nào cho đủ. Một bộ phận marketing không thể được coi là theo định hướng dữ liệu nếu chưa đo lường được mức độ hiệu quả các chương trình đang xây dựng nhận thức ở phễu trên, thu hút sự tham gia ở phễu trung, và biến cơ hội tiềm năng dẫn đầu trong phễu dưới. Bằng việc sử dụng phần mềm phù hợp, các CMO giỏi nhất nhất hiện nay có thể đo lường doanh thu bắt nguồn từ marketing và sau đó là chứng minh được cho cả công ty điều mà bộ phận marketing đã biết: marketing góp phần vào doanh thu của công ty.
Bước 6: Hãy quan tâm đến dữ liệu của bạn. Tại không ít công ty, khách hàng và dữ liệu tiềm năng đang nằm dàn trải ở quá nhiều nhiều phòng ban. Bộ phận bán hàng kiểm soát dữ liệu CRM. Marketing có marketing tự động. Kế toán có dữ liệu thanh toán. Và bộ phận công nghệ thông tin cũng có thể có dữ liệu bán hàng thương mại điện tử. Các công ty cần có một cơ sở dữ liệu tập trung với cái nhìn toàn diện về khách hàng, và tôi tin rằng các CMO nên chịu trách nhiệm cho cơ sở dữ liệu này. CMO là vị trí tốt nhất biến công ty trở thành một mô hình kinh doanh theo định hướng dữ liệu và tập trung vào khách hàng.
Đừng chờ đợi. Đừng e sợ Big Data. Bắt đầu từ những bước nhỏ và phát triển dần lên và hãy chắc chắn bạn làm điều đó trước khi đối thủ cạnh tranh của bạn làm.
