Tận dụng Small Data để khai thác insights trong thế giới tập trung vào quyền riêng tư

Bên cạnh Big Data (dữ liệu lớn), Small Data (dữ liệu nhỏ) đang ngày càng được quan tâm nhiều hơn khi nói đến việc phân tích dữ liệu người dùng, đặc biệt tại các doanh nghiệp vừa và nhỏ.

Khi chúng ta nghe đến thuật ngữ “trí tuệ nhân tạo” (AI), chúng ta sẽ nghĩ ngay đến dữ liệu lớn (big data) và hàng loạt các nhiệm vụ sàng lọc khối lượng thông tin khổng lồ để có được các thông tin chi tiết chất lượng. Nhiều đột phá về AI trong vài năm qua cũng phụ thuộc rất nhiều vào dữ liệu lớn.

Tuy nhiên, một điều quan trọng khác là các doanh nghiệp cũng cần phải đánh giá cao sức mạnh của dữ liệu nhỏ (small data). Phần dữ liệu thường bị “lãng quên” này sẽ ngày càng trở nên quan trọng hơn bởi GDPR (các quy định về bảo vệ dữ liệu) và kiểm soát quyền riêng tư.

Khi Ông Christian Nielsen và Morten Lund của Đại học California thực hiện một nghiên cứu về cách Sokkelund, một nhà hàng ở Copenhagen đã tăng doanh thu từ 1,1 triệu USD lên 6,1 triệu USD trong vòng hai năm nhờ vào những insight từ dữ liệu nhỏ, họ thấy rằng nhà hàng này đã sắp xếp hợp lý của các luồng dữ liệu hiện có và loại bỏ các quy trình kém hiệu quả trong vô số các hiểu biết sâu sắc (insights) mà họ có được.

Khi số hóa các hoạt động kinh doanh của mình, Sokkelund đã chọn cách dựa vào các dữ liệu nhỏ hơn, dễ quản lý hơn mà nhà hàng đang tạo ra.

• Những dữ liệu khách hàng, chẳng hạn như thông tin đặt chỗ, suất ăn đã mua, doanh thu trên mỗi chỗ ngồi và sự thay đổi theo mùa trong từng tệp khách hàng – tất cả những thông tin này về cơ bản đều có sẵn và dễ truy cập.
• Thông tin chuỗi cung ứng cũng được sắp xếp hợp lý để có thể dễ quản lý hơn.
• Lượng tiêu thụ năng lượng và nước.
• Số hóa quy hoạch nhân viên.
• Tận dụng dữ liệu từ các phương tiện truyền thông mạng xã hội và kỹ thuật số.

Bằng cách theo dõi chi tiết từ các dữ liệu được liệt kê ở trên – tất cả bộ phận quản lý của nhà hàng đều có thể dễ dàng truy cập, quản lý và có thể hành động mà không cần đến các dữ liệu lớn hay công nghệ AI tốn kém, Sokkelund có thể đưa ra các quyết định liên quan đến sự phát triển của nhà hàng rất kịp thời.

Dữ liệu nhỏ về cơ bản có thể thiết thực hơn đối với các doanh nghiệp nhỏ hay thậm chí là vừa do tính hiệu quả của nó về mặt chi phí, trong khi vẫn đủ dữ liệu để phân tích.

Trong thời đại GDPR và nhận thức về quyền riêng tư của người tiêu dùng dần được nâng cao, dữ liệu lớn có thể khó tiếp cận hơn đối với các doanh nghiệp, nhưng những thông tin chi tiết từ dữ liệu nhỏ lại có thể thể hiện được sức mạnh của mình.

Dữ liệu nhỏ hay small data là gì?

Trong khi dữ liệu lớn (big data) tập trung vào khối lượng thông tin khổng lồ mà các cá nhân và người tiêu dùng đã tạo ra để sau đó doanh nghiệp sử dụng AI để sàng lọc, dữ liệu nhỏ được tạo thành từ các khối thông tin có kích thước nhỏ, dễ tiếp cận hơn, điều mà doanh nghiệp có thể chuyển tải nhanh nó thành các insights có thể hành động được.

Trong khi dữ liệu lớn có thể là trở ngại đối với các doanh nghiệp vừa và nhỏ do tính chất phi cấu trúc của nó cũng như yêu cầu một khối lượng lớn không gian lưu trữ cần thiết, dữ liệu nhỏ có nhiều sức hấp dẫn ở chỗ nó có thể sẵn sàng được sử dụng ngay mà không cần qua quá nhiều bước xử lý phức tạp.

Tuy nhiên, vì dữ liệu nhỏ thường được lưu trữ trong một công ty, điều cần thiết là các doanh nghiệp phải sử dụng các cấp độ an ninh mạng thích hợp để bảo vệ quyền riêng tư của khách hàng và giữ an toàn cho dữ liệu của họ.

Vì các dữ liệu nhỏ được lưu trữ tập trung (tại doanh nghiệp) nên nó có thể dễ bị tin tặc đánh cắp hơn – trong khi dữ liệu lớn được lưu trữ trên các máy chủ bên ngoài.

Do quy mô dữ liệu bạn đang thu thập là tương đối nhỏ và cụ thể, bạn có thể sử dụng chúng để trả lời các câu hỏi cụ thể hoặc giải quyết các vấn đề mới nảy sinh trong doanh nghiệp.

Dữ liệu này có thể bao gồm bất kỳ thứ gì từ dữ liệu bán hàng, lượt truy cập website, báo cáo hàng tồn kho, dự báo thời tiết, cảnh báo sử dụng hay bất kỳ thứ gì con người có thể truy cập và dễ dàng tìm nạp (lấy dữ liệu về).

Thách thức của dữ liệu nhỏ.

Theo các nhà phân tích của Gartner, có tới 70% doanh nghiệp sẽ chuyển trọng tâm từ dữ liệu lớn sang dữ liệu nhỏ và rộng vào năm 2025.

Cũng giống như dữ liệu nhỏ, dữ liệu rộng (wide data) dựa vào việc các doanh nghiệp liên kết các dữ liệu được tạo ra từ nhiều nguồn khác nhau như lưu lượng truy cập website, lượt ghé qua cửa hàng (offline), các tương tác trên mạng xã hội hay các yêu cầu tư vấn qua điện thoại.

Có một số thách thức đi kèm khi sử dụng các dữ liệu nhỏ, đặc biệt là khi liên quan đến việc quản lý sự mất cân bằng về dữ liệu và khó khăn trong việc tối ưu hóa tập dữ liệu nhỏ hơn.

Với suy nghĩ này, những người ra quyết định nên dành nhiều thời gian hơn để xem xét khối lượng dữ liệu mà họ có thể thu thập từ khách hàng trước khi áp dụng các thuật toán máy học phức tạp hơn để sàng lọc dữ liệu.

Công nghệ One-shot learning (học một lần).

Trong khi con người thường có khả năng học hỏi từ một ví dụ duy nhất và có khả năng phân biệt nó với các sự kiện mới một cách chính xác, thì điều này lại rất khó khăn với các máy móc.

Các máy móc hay hệ thống máy học yêu cầu khối lượng lớn dữ liệu được lặp lại để đào tạo chúng và từ đó chúng dần có thể học và phân biệt được.

Tuy nhiên, với công nghệ học một lần (one-shot learning), máy tính có thể học chỉ thông qua một lần duy nhất từ các dữ liệu nhỏ.

Điều này có nghĩa là bằng cách phân tích một tập dữ liệu lớn, công nghệ one-shot learning sẽ học hỏi từ các quy trình của nó và lặp lại chúng trên các tập dữ liệu nhỏ hơn.

Điều này chắc chắn có thể hữu ích cho các doanh nghiệp nhỏ vốn không có quá nhiều dữ liệu để đào tạo máy móc hay AI.

Nói một cách đơn giản, “học một lần” chỉ yêu cầu một tập dữ liệu lớn ban đầu để áp dụng các quy trình của nó cho các tập dữ liệu nhỏ tiếp theo.

Tận dụng các công cụ phân tích để có được các insights từ các dữ liệu nhỏ.

Tận dụng dữ liệu nhỏ có nghĩa là các doanh nghiệp có thể khai thác các nguồn dữ liệu dễ tiếp cận và quản lý hơn như Google Analytics hay Hotjar – cả hai nền tảng đều cung cấp những thông tin chi tiết toàn diện về cách người dùng tương tác với website.

Đối với các doanh nghiệp nhỏ, những thông tin chi tiết từ các dữ liệu nhỏ mà các công cụ phân tích có thể cung cấp có khả năng thúc đẩy mức độ tương tác lớn hơn rất nhiều và các chiến dịch marketing từ đây cũng mang tính chiến lược hơn.

Học hỏi từ AI.

Về mặt kỹ thuật, các mô hình AI có thể học hỏi từ các điểm dữ liệu nhỏ nhờ các thuật toán khám phá dữ liệu (discovery algorithms), đây là một loại thuật toán mới được thiết kế để xác định các thông tin quan trọng của người dùng.

Về mặt kinh doanh, điều này có nghĩa là các thuật toán AI thông thường có thể được “nuôi dưỡng” bởi các dữ liệu nhỏ trên nhiều nguồn khác nhau để xác định các sự kiện được lặp lại hay các insights hữu ích khác.

Khi công nghệ phát triển, AI có thể xác định thêm thông tin chi tiết về người tiêu dùng cho những người làm marketing qua vô số thông tin mà người tiêu dùng đã tạo ra thông qua các điểm tiếp xúc khác nhau trên các kênh.

Mặc dù dữ liệu lớn (big data) đang được nhiều người biết đến, nhưng dữ liệu nhỏ (small data) có thể sẽ nổi lên như một phần thiết yếu của một tương lai bị ràng buộc bởi chính sách GDPR và quyền riêng tư của người dùng.

Tham gia Cộng đồng We’re Marketer để thảo luận các chủ đề về Marketing và Business tại: Link

Tra Nguyen