Bối cảnh và vấn đề nghiên cứu

Trong nền kinh tế số và bối cảnh cạnh tranh đa kênh, dữ liệu khách hàng đã trở thành tài sản chiến lược quyết định sự thành bại của doanh nghiệp. Theo khảo sát từ Statista (2020), dung lượng dữ liệu được khởi tạo, thu thập và tiêu thụ trên toàn cầu đạt khoảng 59 zettabytes vào năm 2020 và dự báo tăng lên 149 zettabytes vào năm 2024. Sự gia tăng nhanh chóng của các điểm tiếp xúc số (website, mạng xã hội, sàn thương mại điện tử) khiến quy trình thu thập, hợp nhất và khai thác dữ liệu trở nên phức tạp. Thực tiễn cho thấy nhiều tổ chức sở hữu nguồn dữ liệu lớn nhưng thiếu năng lực quản trị đồng bộ, dẫn đến lãng phí tài nguyên và suy giảm hiệu quả ra quyết định. Xuất phát từ nhận thức đó cùng quá trình thực tập tại Công ty Cổ phần SmartOSC – doanh nghiệp cung cấp giải pháp thương mại điện tử đa kênh – tác giả Phạm Vinh Quang đã thực hiện khóa luận tốt nghiệp với đề tài "Hoàn thiện công tác quản trị dữ liệu khách hàng tại Công ty Cổ phần SmartOSC".

Mục tiêu nghiên cứu

Khóa luận xác định hai mục tiêu trọng tâm:

  1. Nâng cao hiệu quả quản trị dữ liệu khách hàng, giúp Công ty Cổ phần SmartOSC khai thác tối đa tiềm năng từ dữ liệu nhằm đưa ra các quyết định kinh doanh chính xác và hiệu quả.
  2. Cải thiện trải nghiệm khách hàng, xây dựng mối quan hệ hợp tác bền chặt và gia tăng mức độ trung thành của khách hàng đối với doanh nghiệp.

Nhiệm vụ nghiên cứu

Để hiện thực hóa các mục tiêu trên, tác giả triển khai 4 nhiệm vụ cụ thể:

  1. Đánh giá hiện trạng quản trị dữ liệu khách hàng tại Công ty Cổ phần SmartOSC.
  2. Phân tích các nguồn dữ liệu khách hàng hiện có của doanh nghiệp.
  3. Đánh giá toàn diện quy trình thu thập, lưu trữ, xử lý và phân tích dữ liệu khách hàng.
  4. Xác định rõ các điểm mạnh đã đạt được và những điểm hạn chế, tồn tại cần khắc phục trong công tác quản trị dữ liệu.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Hoạt động và quy trình quản trị dữ liệu khách hàng tại doanh nghiệp.
  • Phạm vi không gian: Công ty Cổ phần SmartOSC (trụ sở chính tại Tòa nhà Handico Tower, đường Phạm Hùng, phường Mễ Trì, quận Nam Từ Liêm, thành phố Hà Nội) cùng các thị trường hoạt động quốc tế liên quan (Bắc Mỹ, Châu Âu, Châu Á, Úc - New Zealand).
  • Phạm vi thời gian: Số liệu và thực trạng hoạt động của công ty giai đoạn từ khi thành lập đến năm 2024.

Cơ sở lý thuyết và phương pháp

Khóa luận thuộc chuyên ngành Quản trị kinh doanh, sử dụng phương pháp nghiên cứu tình huống điển hình (case study) kết hợp phân tích mô tả, thống kê dữ liệu thực tế tại doanh nghiệp dịch vụ công nghệ.

Khung lý thuyết và mô hình ứng dụng

  • Khái niệm nền tảng: Hệ thống hóa định nghĩa về khách hàng (khách hàng nội bộ giữa các phòng ban và khách hàng bên ngoài gồm người mua, người sử dụng, người hưởng thụ), dữ liệu khách hàng (thông tin nhân khẩu học, dữ liệu tương tác, dữ liệu hành vi giao dịch và dữ liệu định tính theo chiều dọc), cùng bản chất của hoạt động quản trị dữ liệu hình thành từ thập niên 1980.
  • Nguyên tắc quản trị dữ liệu: Khóa luận viện dẫn các nguyên tắc cốt lõi gồm: đảm bảo an toàn bảo mật, sao lưu định kỳ, giới hạn phạm vi thu thập đúng nhu cầu, đầu tư phần mềm chuyên dụng và định kỳ chuẩn hóa, dọn dẹp dữ liệu rác.
  • Mô hình phân khúc thị trường của Giáo sư Paul Heylen (2007): Phân chia khách hàng dựa trên sự giao thoa giữa động cơ tâm sinh lý cá nhân (trục dọc) và động cơ xã hội (trục ngang), tạo thành 8 nhóm tính cách (Expressive/extroverted, Repressive/introverted, Assertive, Affiliative, Energetic, Subdued, Cool, Warm).
  • Mô hình RFM (Jan Bult và Tom Wansbeek, thập niên 1990): Đánh giá khách hàng định lượng qua 3 chỉ số chính:
    • Recency (R): Khoảng thời gian từ lần giao dịch gần nhất đến hiện tại.
    • Frequency (F): Tần suất thực hiện giao dịch trong một chu kỳ xác định.
    • Monetary (M): Tổng giá trị tiền tệ mà khách hàng đã chi trả cho doanh nghiệp.
  • Bài học kinh nghiệm thực tiễn: Khảo sát case study ứng dụng phân tích dữ liệu của Starbucks (công cụ AI Digital Flywheel và hệ thống phân tích vị trí Atlas của Esri), văn hóa quản trị và mã hóa bảo mật dữ liệu của các doanh nghiệp Đức, cùng bài học triển khai hệ thống CRM từ Công ty Cổ phần Sữa Việt Nam (Vinamilk).

Phương pháp nghiên cứu và công cụ xử lý dữ liệu

  • Phương pháp thu thập và thống kê: Trích xuất dữ liệu vận hành từ các phòng ban chuyên môn (Marketing, Kinh doanh, Vận hành, IT) và cơ sở dữ liệu khách hàng của công ty.
  • Công cụ kỹ thuật:
    • Sử dụng phần mềm quản lý cơ sở dữ liệu DBeaver để truy vấn dữ liệu từ hệ thống database nội bộ.
    • Sử dụng Microsoft Excel để tổng hợp, chuẩn hóa và phân nhóm tệp dữ liệu khách hàng.
    • Sử dụng Power BI để xử lý và trực quan hóa các luồng thông tin phục vụ công tác đánh giá.
  • Nguồn dữ liệu: Dữ liệu thứ cấp từ tài liệu lưu trữ nội bộ của SmartOSC, báo cáo thống kê ngành (Statista, VINASA) và các công trình học thuật liên quan (Erevelles và cộng sự, 2016; Sivarajah và cộng sự, 2017; Shah & Murthi, 2021).

Nội dung chính theo từng chương

Chương 1: Cơ sở lý thuyết chung về quản trị dữ liệu khách hàng trong doanh nghiệp

Chương này tập trung xây dựng nền tảng lý luận về quản trị dữ liệu khách hàng trong tổ chức kinh doanh hiện đại. Tác giả phân tích cấu trúc khách hàng đa tầng và chỉ ra 4 nhóm thông tin cần thu thập: thông tin nhân khẩu học cá nhân, thông tin tương tác đa kênh, thông tin hành vi giao dịch và thông tin chiều dọc (mức độ thỏa mãn, cảm xúc).

Quy trình quản trị dữ liệu chuẩn gồm 5 giai đoạn: (1) Xác định mục tiêu và thu thập dữ liệu; (2) Khai thác kho dữ liệu; (3) Phân nhóm khách hàng; (4) Quản lý và lưu trữ; (5) Khai thác, sử dụng thông tin trong hoạt động kinh doanh. Tác giả cũng dẫn chứng các số liệu thực tế về rủi ro dữ liệu: 58% doanh nghiệp vừa và nhỏ (SME) không có phương án dự phòng mất mát dữ liệu; 60% SME bị thất thoát dữ liệu khách hàng khi tạm dừng hoạt động trên 6 tháng; 25% dữ liệu trong các doanh nghiệp B2B xuất hiện sai số sau một thời gian vận hành.

Phương thức lưu trữ Ưu điểm chính Nhược điểm và rủi ro
Sổ sách truyền thống Chi phí đầu tư ban đầu thấp, dễ thao tác thủ công. Dễ hư hỏng, mất mát, không thể chia sẻ đồng thời, rủi ro lộ lọt cao.
Bảng tính Excel Phổ biến, chi phí thấp, linh hoạt chỉnh sửa bảng biểu. Dễ sai sót dữ liệu, khó kiểm soát phân quyền, cồng kềnh khi dữ liệu lớn.
Phần mềm CRM/Database Quản lý tập trung, tự động hóa, phân quyền và bảo mật cao. Đòi hỏi chi phí đầu tư, cần đào tạo chuyển đổi thói quen làm việc.

Chương 1 khép lại bằng việc phân tích 3 bài học thực tiễn từ Starbucks, doanh nghiệp Đức và Vinamilk, khẳng định vai trò quyết định của ý chí lãnh đạo và sự thay đổi văn hóa doanh nghiệp trước khi áp dụng công cụ công nghệ.

Chương 2: Phân tích thực trạng quản trị dữ liệu khách hàng tại Công ty Cổ phần SmartOSC

Chương 2 mô tả chi tiết hồ sơ doanh nghiệp và khảo sát toàn diện thực trạng quản trị dữ liệu tại Công ty Cổ phần SmartOSC (SmartOSC Corp). Doanh nghiệp thành lập năm 2006 (hoạt động chính thức từ năm 2008 theo ĐKKD, đại diện pháp luật là ông Nguyễn Thái Sơn), đạt mốc hơn 1.000 nhân sự vào năm 2022 với các văn phòng tại Việt Nam, Mỹ, Úc, Singapore, Nhật Bản, Thái Lan, Hàn Quốc, Indonesia. Công ty hoạt động chính trong lĩnh vực cung cấp giải pháp thương mại điện tử đa kênh (đối tác vàng của Magento, đối tác của Adobe Commerce, Shopify Plus, BigCommerce, SAP Hybris, Sitecore) cho các thương hiệu lớn như Nike, Daikin, Sacombank, Lotte.

Về cơ cấu tổ chức, SmartOSC vận hành theo mô hình chuyên môn hóa chức năng gồm: CEO/Founder, Hội đồng quản trị (Board of Management), Khối Back-Office (Hành chính nhân sự, Kế toán, Pháp lý), Khối Delivery (Div 1, Div 2, Div 3, Div 5), Khối Sales/Marketing, và Khối Smart Labs.

Quy trình thu thập dữ liệu khách hàng tại công ty do Phòng Vận hành (Operations) phối hợp cùng các phòng ban triển khai qua sơ đồ 5 bước:

  1. Lập kế hoạch: Còn mang tính bị động, chủ yếu phản ứng theo từng yêu cầu ngắn hạn của đối tác dự án, thiếu chiến lược dài hạn.
  2. Nguồn dữ liệu: Khai thác qua website đối tác (tracking lượt truy cập, sản phẩm đã xem của khách hàng trên trang đối tác như Nike), mua dữ liệu từ bên thứ ba (hợp tác với nền tảng Dun & Bradstreet và VTEX), và thu thập qua Fanpage Facebook của công ty.
  3. Thông tin thu thập: Tên tuổi, email, số điện thoại, lịch sử tương tác, tần suất mua hàng và giá trị hợp đồng.
  4. Phương pháp thu thập: Kết hợp biểu mẫu khảo sát trực tuyến và tracking hành vi trực tiếp trên website.
  5. Lưu trữ và phân tích: Các bộ phận Marketing và Sales lưu thông tin riêng biệt trên các tệp Excel, sau đó chuyển giao sang bộ phận IT để nạp vào cơ sở dữ liệu tập trung qua công cụ DBeaver. Công ty bước đầu ứng dụng mô hình RFM để phân nhóm khách hàng theo giá trị.
Hạng mục quản trị Thực trạng tại SmartOSC Tồn tại chính được chỉ ra
Lập kế hoạch Thực hiện theo từng dự án của đối tác. Thiếu kế hoạch dài hạn, phụ thuộc yêu cầu bên ngoài.
Nguồn dữ liệu Website đối tác, bên thứ ba (VTEX, D&B), mạng xã hội. Chi phí mua dữ liệu biến động; dữ liệu tracking cần xử lý làm sạch.
Lưu trữ dữ liệu Phân tán tại các file Excel của Marketing và Sales. Dữ liệu bị phân mảnh cục bộ, nguy cơ rò rỉ và trùng lặp thông tin.
Đồng bộ hệ thống Chuyển file Excel sang phòng IT nạp qua DBeaver. Xuất hiện tình trạng thiếu trường dữ liệu, thao tác thủ công gây chậm trễ.

Đánh giá chung: Công ty đã xây dựng được nguồn dữ liệu đa dạng phục vụ đối tác toàn cầu, đạt các chứng nhận quốc tế (ISO 9001:2008 năm 2014, CMMI, Sao Khuê 2015, Stevie Awards 2021). Tuy nhiên, công tác quản trị nội bộ còn bộc lộ độ trễ trong phối hợp liên phòng ban và sự phân tán thông tin.

Chương 3: Giải pháp và kiến nghị nhằm cải thiện việc quản lý dữ liệu khách hàng tại Công ty Cổ phần SmartOSC

Dựa trên tầm nhìn đưa SmartOSC trở thành đơn vị tiên phong toàn cầu về chuyển đổi số, chương 3 đề xuất 6 nhóm giải pháp hoàn thiện hệ thống quản trị dữ liệu:

  1. Tối ưu hóa công tác lập kế hoạch: Chuyển đổi từ cơ chế lập kế hoạch bị động sang chủ động xây dựng mục tiêu thu thập dữ liệu định kỳ theo từng quý/năm gắn với chiến lược mở rộng thị trường.
  2. Cải tiến phương thức thu thập thông tin: Chuẩn hóa các điểm tiếp xúc số, ứng dụng tracking tự động có cấu trúc trên website và tối ưu hóa biểu mẫu khảo sát trực tuyến.
  3. Nâng cao hiệu quả phân nhóm khách hàng: Ứng dụng triệt để mô hình RFM theo thang điểm định lượng từ 1 đến 5 cho từng tiêu chí (Recency, Frequency, Monetary), kết hợp dữ liệu hành vi để nhận diện nhóm khách hàng giá trị cao.
  4. Cải thiện năng lực phân tích dữ liệu: Tăng cường khai thác các công cụ phân tích chuyên sâu (Power BI, DBeaver) nhằm trích xuất hiểu biết kinh doanh phục vụ chăm sóc cá nhân hóa.
  5. Hoàn thiện công tác quản lý và lưu trữ dữ liệu: Xóa bỏ tình trạng lưu trữ phân mảnh trên các file Excel độc lập; xây dựng kho cơ sở dữ liệu quan hệ đồng bộ; thiết lập cơ chế phân quyền truy cập và phân công 01 chuyên viên tại mỗi phòng ban chịu trách nhiệm kiểm soát chất lượng dữ liệu trước khi nạp vào hệ thống.
  6. Chuẩn hóa quy trình chuyển giao dữ liệu: Ban hành biểu mẫu chuẩn thống nhất giữa các khối Marketing, Sales, Delivery và IT, loại bỏ triệt để tình trạng thiếu hụt dữ liệu khi cập nhật.

Kết quả và đóng góp

Kết quả nghiên cứu chính

  • Khảo cứu thực chứng quy trình quản trị dữ liệu: Khóa luận đã phân tích chi tiết quy trình thu thập, phân loại, lưu trữ và xử lý dữ liệu tại một doanh nghiệp công nghệ thương mại điện tử quy mô hơn 1.000 nhân sự với mạng lưới chi nhánh tại 8 quốc gia.
  • Chỉ ra các điểm nghẽn kỹ thuật và vận hành: Xác định rõ sự đứt gãy giữa các bộ phận nghiệp vụ (Sales, Marketing dùng file Excel riêng lẻ) và bộ phận kỹ thuật (IT quản trị cơ sở dữ liệu qua DBeaver), dẫn đến sai lệch và thiếu hụt thông tin khi cập nhật.
  • Đánh giá nguồn dữ liệu B2B: Làm rõ hiệu quả và hạn chế của các nguồn dữ liệu đối tác (VTEX, Dun & Bradstreet, hệ thống website Nike) trong hoạt động cung cấp giải pháp chuyển đổi số.

Hệ thống giải pháp đề xuất

Tác giả đã đề xuất một khung giải pháp toàn diện bao gồm:

  • Thiết lập quy trình thu thập dữ liệu 5 bước chuẩn hóa, xóa bỏ tính bị động trong khâu lập kế hoạch.
  • Khung phân nhóm khách hàng định lượng dựa trên mô hình RFM kết hợp 8 nhóm tính cách tâm lý học.
  • Quy chế phân quyền chịu trách nhiệm dữ liệu tại từng phòng ban chức năng nhằm bảo đảm tính toàn vẹn và bảo mật dữ liệu theo tiêu chuẩn ISO 9001.

Đóng góp về mặt học thuật và thực tiễn

  • Về mặt lý luận: Khóa luận hệ thống hóa các lý thuyết quản trị dữ liệu hiện đại, cụ thể hóa việc ứng dụng các mô hình phân khúc kinh điển (Paul Heylen, RFM) vào lĩnh vực kinh doanh dịch vụ phần mềm B2B.
  • Về mặt thực tiễn: Cung cấp giải pháp trực tiếp giúp Công ty Cổ phần SmartOSC hoàn thiện cơ sở dữ liệu khách hàng tập trung, giảm thiểu thao tác thủ công và nâng cao chất lượng dịch vụ khách hàng quốc tế.

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế của đề tài: Khóa luận được thực hiện trong phạm vi thời gian thực tập của sinh viên; nguồn dữ liệu phân tích tập trung chủ yếu vào các báo cáo và tệp dữ liệu quá khứ tại trụ sở chính và một số phòng ban chức năng của SmartOSC; hệ thống cơ sở dữ liệu của công ty tại thời điểm nghiên cứu vẫn đang trong quá trình hoàn thiện.
  • Hướng nghiên cứu tiếp theo: Tác giả định hướng mở rộng nghiên cứu sang việc tích hợp toàn diện các nền tảng CRM tự động hóa trên nền tảng điện toán đám mây, ứng dụng trí tuệ nhân tạo (AI) và công nghệ dữ liệu lớn (Big Data) để tự động hóa việc phân loại hành vi khách hàng theo thời gian thực tại các chi nhánh quốc tế của doanh nghiệp.

Giá trị tham khảo

Tài liệu này là nguồn tham khảo hữu ích cho các nhóm đối tượng cụ thể:

  • Sinh viên chuyên ngành Quản trị kinh doanh, Quản trị doanh nghiệp, Hệ thống thông tin quản lý (MIS) và Thương mại điện tử: Có thể tham khảo phương pháp tiếp cận nghiên cứu thực trạng quản trị dữ liệu tại một doanh nghiệp thực tế, cách thức kết hợp giữa lý thuyết quản trị và công cụ kỹ thuật (Excel, Power BI, DBeaver).
  • Các nhà quản lý tại doanh nghiệp dịch vụ B2B và công ty phần mềm: Cung cấp bức tranh thực tế về rủi ro phân mảnh dữ liệu khi sử dụng các công cụ bảng tính thủ công, đồng thời gợi ý lộ trình chuẩn hóa quy trình dữ liệu liên phòng ban.
  • Nội dung đáng giá nhất để trích dẫn: Phần phân tích thực trạng thu thập - lưu trữ dữ liệu tại Chương 2 và khung giải pháp chuẩn hóa quy trình phân quyền, phân nhóm RFM tại Chương 3.

Câu hỏi thường gặp

1. Khóa luận sử dụng các công cụ công nghệ nào để phục vụ việc trích xuất, xử lý và phân tích dữ liệu tại SmartOSC?

Tác giả sử dụng kết hợp ba công cụ chính: công cụ quản lý cơ sở dữ liệu DBeaver để truy vấn dữ liệu từ hệ thống database nội bộ; Microsoft Excel để làm sạch, xử lý và lưu trữ dữ liệu bước đầu tại các phòng ban; và phần mềm Power BI để mô hình hóa và trực quan hóa các luệm thông tin phục vụ phân tích.

2. Công ty Cổ phần SmartOSC thu thập dữ liệu khách hàng từ những nguồn chủ yếu nào?

SmartOSC khai thác 3 nguồn dữ liệu chính: (1) Tracking hành vi khách hàng trực tiếp trên hệ thống website của các đối tác dự án (tiêu biểu như Nike); (2) Mua và tiếp nhận dữ liệu thị trường, khách hàng tiềm năng từ các đối tác cung cấp dữ liệu bên thứ ba như Dun & Bradstreet và nền tảng VTEX; (3) Khai thác tương tác (bình luận, tin nhắn, lượt chia sẻ) từ mạng xã hội thông qua Fanpage Facebook chính thức của công ty.

3. Mô hình định lượng nào được tác giả ứng dụng để phân nhóm khách hàng tại doanh nghiệp?

Tác giả phân tích và ứng dụng mô hình RFM (Recency - Frequency - Monetary) phát triển bởi Jan Bult và Tom Wansbeek, cho phép chấm điểm khách hàng theo thang điểm từ 1 đến 5 dựa trên thời gian mua gần nhất (R), tần suất giao dịch (F) và tổng giá trị chi tiêu (M) để phân loại khách hàng mục tiêu.

4. Điểm hạn chế lớn nhất trong khâu lưu trữ và chuyển giao dữ liệu tại SmartOSC được khóa luận chỉ ra là gì?

Hạn chế lớn nhất là tình trạng dữ liệu bị phân tán cục bộ tại các tệp Excel độc lập của Phòng Marketing và Phòng Kinh doanh. Khi chuyển giao các tệp này sang Phòng IT để nạp vào cơ sở dữ liệu chung, quy trình thủ công thường xuyên làm phát sinh lỗi thiếu trường thông tin, gây chậm trễ và lãng phí thời gian xử lý của các bộ phận.

5. Cơ cấu tổ chức bộ máy quản lý của SmartOSC gồm các khối chức năng chính nào?

Công ty được tổ chức theo mô hình chuyên môn hóa chức năng gồm: CEO/Founder (ông Nguyễn Thái Sơn), Hội đồng quản trị (Board of Management), Khối Back-Office (Phòng Hành chính nhân sự, Phòng Kế toán, Pháp lý), Khối Delivery (chia thành các bộ phận Div 1, Div 2, Div 3, Div 5), Khối Sales/Marketing và Khối Smart Labs (nghiên cứu phát triển công nghệ mới).

Kết luận

Khóa luận tốt nghiệp của sinh viên Phạm Vinh Quang đã hệ thống hóa toàn diện cơ sở lý luận về quản trị dữ liệu khách hàng và làm sáng tỏ bức tranh thực tế tại Công ty Cổ phần SmartOSC. Nghiên cứu chỉ ra những điểm nghẽn điển hình của doanh nghiệp công nghệ trong việc xử lý dữ liệu phân mảnh từ các bảng tính Excel trước khi tích hợp vào cơ sở dữ liệu tập trung. Hệ thống giải pháp được đề xuất tại Chương 3 mang tính thực tiễn cao, đóng góp thiết thực vào việc chuẩn hóa quy trình quản trị dữ liệu và nâng cao năng lực cạnh tranh cho SmartOSC trong môi trường thương mại điện tử quốc tế.