Doanh nghiệp Việt có thể học gì từ Nobel Kinh tế 2017

Giáo sư Richard Thaler đạt giải Nobel Kinh tế 2017. Ảnh: Guardian

Giáo sư Richard Thaler, cha đẻ của kinh tế học hành vi và là người đạt giải Nobel Kinh tế năm 2017, đã chỉ ra rằng con người bị ảnh hưởng bởi rất nhiều các thiên kiến trong việc đưa ra các quyết định kinh tế.

Thiên kiến là những sai lệch trong việc tiếp nhận, lưu trữ, xử lý thông tin và ra quyết định hành động của bộ não con người. Wikipedia thống kê hơn 200 thiên kiến theo 4 nhóm: chọn lọc thông tin không khách quan, xác nhận thông tin khi chưa đủ chứng cứ, ghi nhớ thông tin không chính xác và hành động không khách quan.

Chuyên gia Nguyễn Quốc Toàn và Vũ Quốc Hiển của EY Việt Nam đưa một câu chuyện ví dụ. Một nhà kinh doanh đi tìm hiểu thị trường ở một thành phố để mở nhà hàng. Hôm đầu tiên, ông ta gặp một nhóm khách hàng yêu thích gà rán, họ bảo “người thành phố này rất thích gà rán, mở là đảm bảo phục vụ khách không hết”. Vị giám đốc thấy có lý và bắt đầu chú ý đến các cửa hàng gà rán đông khách mà vô tình bỏ qua những của hàng gà rán ế ẩm hay đã đóng cửa.

Ông ta quyết định đầu tư một cửa hàng gà rán. Tuy nhiên, kết quả kinh doanh không như mong muốn. Dù trợ lý của ông đã làm một cuộc khảo sát về nhu cầu gà rán và nó rất thấp, nhưng ông cũng không tin. Đến lúc không thể trụ nổi do hết vốn thì ông mới chịu đóng cửa.

Theo nhóm chuyên gia, đây là ví dụ thể hiện thiên kiến mà các lãnh đạo doanh nghiệp có thể bị ảnh hưởng. Cụ thể, hiệu ứng neo (anchoring effect) là xu hướng con người đặt quá nhiều niềm tin vào thông tin đến đầu tiên. Không chú ý đến kích thước tập khảo sát (insentitivy to sample size) là xu hướng con người không chú ý đến kích thước tập khảo sát khi đưa ra kết luận.

Thiên kiến xác nhận (confirmation bias) là xu hướng con người tìm kiếm, tiếp nhận và hưởng ứng thông tin phù hợp với niềm tin và quan điểm của mình từ trước. Tự tin thái quá là xu hướng con người nghĩ năng lực của mình cao hơn thực tế. Hiệu ứng đà điểu (ostrich effect) là xu hướng tránh tiếp xúc với thông tin xấu. Sự ngụy biện cho chi phí chìm (sunk-cost fallacy) là xu hướng tiếp tục một dự án do đã bỏ tiền đầu tư mặc dù hủy bỏ dự án sẽ tốt hơn về mặt tài chính.

Để loại bỏ thiên kiến, công nghệ phân tích dữ liệu có thể giúp đưa ra các quyết định khách quan và hiệu quả hơn. Tuy nhiên, nhóm chuyên gia cho rằng, đa phần doanh nghiệp Việt Nam đang có hiệu quả sử dụng dữ liệu ở mức rất thấp. Dữ liệu nằm rải rác ở các phòng ban và có cấu trúc không đồng nhất khiến cho việc tổng hợp chúng gặp nhiều khó khăn. Do đó, chiến lược phát triển của doanh nghiệp phụ thuộc nhiều vào dữ liệu định tính và không chắc chắn về tính hiệu quả.

Phân tích dữ liệu hoạt động giống như một “chuỗi giá trị” với 4 bước: quản lý dữ liệu, phân tích dữ liệu, đưa ra quyết định và cải thiện hiệu suất, quản trị rủi ro. Mặc dù về mặt kỹ thuật chuỗi giá trị bắt đầu từ bước một và kết thúc ở bước 4. Tuy nhiên, để ứng dụng phân tích dữ liệu một cách hiệu quả, doanh nghiệp cần suy nghĩ theo hướng ngược lại, từ bước 4 ngược về bước một.

Tức là, doanh nghiệp phải bắt đầu bằng một câu hỏi cụ thể về cải thiện hiệu suất hoặc quản trị rủi ro và xác định xem những quyết định nào có thể giải quyết được vấn đề. Tiếp đó, đánh giá xem các yếu tố có thể được sử dụng để đưa ra quyết định, từ đó xác định các dữ liệu cần thiết và phương pháp thu thập và quản lý dữ liệu.

Phân tích dữ liệu trở nên thịnh hành trong những năm gần đây do sự phát triển vượt bậc trong công nghệ thông tin ở 3 khía cạnh của phân tích dữ liệu là: lượng dữ liệu, năng lực tính toán, và thuật toán. Hiện nay dữ liệu toàn cầu đang tăng theo cấp số mũ, ít nhất gấp đôi sau mỗi hai năm và dự kiến đạt 44 zettabytes (44.000 tỷ gigabites) vào năm 2020.

Bên cạnh đó, điện toán đám mây cho phép doanh nghiệp tiếp cận năng lực tính toán gần như vô hạn. Dịch vụ điện toán đám mây của Amazon tương đương với 150.000 bộ vi xử lý. Tuy nhiên, đối với những tác vụ phân tích dữ liệu thông thường thì một cái máy tính cá nhân cũng đã đủ năng lực xử lý. Thuật toán ngày nay cũng được phát triển mạnh mẽ, đặc biệt là các thuật toán máy học để xử lý các loại dữ liệu có cấu trúc và phi cấu trúc.

“Phân tích dữ liệu thời nay cần những công cụ mạnh hơn nhiều so với Excel. Excel chỉ có thể chứa tối đa khoảng một triệu dòng, điều này không cho phép Excel xử lý bộ dữ liệu sản xuất, mua, hoặc bán theo từng sản phẩm. Doanh nghiệp có thể xây dựng năng lực phân tích dữ liệu bằng một trong ba phương pháp tự phát triển, mua lại hoặc tìm đối tác”, hai chuyên gia nhận định.