Xây Dựng Công Cụ Tự Động Hóa Quy Trình Phân Tích Dữ Liệu Kinh Doanh Trong Ngành Bán Lẻ

Luận văn tốt nghiệp nghiên cứu tốt nghiệp building an automated workflow tool for business data analysis in retail, điều tra thực trạng, phân tích số liệu, đề xuất biện pháp cải

• Tác giả: Cap Huu Anh Duc
• Người hướng dẫn: Ph. Do Trong Hop
• Trường học: Vietnam National University Ho Chi Minh City
• Chuyên ngành: Information Systems
• Đề tài: Công Cụ Tự Động Hóa Quy Trình Phân Tích Dữ Liệu Kinh Doanh Trong Ngành Bán Lẻ
• Loại tài liệu: Thesis
• Năm xuất bản: 2024
• Địa điểm: Ho Chi Minh City

Mục lục chi tiết

• ACKNOWLEDGEMENTS
• TABLE OF CONTENTS
• 1. CHAPTER 1: ng ng krh
• 1.1. Ăn HH HH HH HH
• 1.2. Objectives Of DTOJ€C(. LG SH TH ng HH ng
• 2. CHAPTER 2: Functional reQUIT€INTIES. cv HH ng rệt
• 2.1. ccSĂ kg nghiệt
• 2.2. Non-functional reQUIT€Tm€TIẨS
• 3. ANALYSIS AND DESIGN
• 3.1. Use-case Diagram.ccc SH HH key
• 3.2. Use-case specification and Activity điaøram
• 3.3. Get data ITSIBlI(. Ăn TH HH TH ng HH
• 3.4. Gà HH HH kg tr
• 3.5. Ăn TH TH HH HH Hy
• 3.6. HT ng rờ
• 3.7. Entity Relationship Diagram (ERD)
• 4. CHAPTER 4: HH HH HH gi
• 4.1. Ăn TH HH Hư
• 4.2. MA(( 2005. User interface develOpImehn[. Back-System develOpT€TI. Workflow US€ CAS€.
• 4.3. SĂ LH HH HH ng kt
• 4.4. Workflow management page . Job manag€Im€in(
• 5. CHAPTER 5: G9 HT HH HH ky
• 5.1. Ăn TH HH HH HH rờ
• 5.2. OTI€TẨA{IOTS. SG nTHgnHTHg hH nh grờ
• LIST OF FIGURES
• LIST OF TABLES
• ABSTRACT
• Introduction

Tóm tắt

I. Tổng Quan Về Công Cụ Tự Động Hóa Quy Trình Phân Tích Dữ Liệu Kinh Doanh

Trong ngành bán lẻ hiện đại, việc sử dụng công cụ tự động hóa quy trình phân tích dữ liệu kinh doanh đã trở thành một yếu tố quan trọng. Những công cụ này không chỉ giúp tiết kiệm thời gian mà còn nâng cao độ chính xác trong việc ra quyết định. Bài viết này sẽ khám phá các khía cạnh khác nhau của công cụ tự động hóa và cách chúng hỗ trợ các doanh nghiệp bán lẻ trong việc tối ưu hóa quy trình phân tích dữ liệu.

1.1. Tại Sao Cần Tự Động Hóa Quy Trình Phân Tích Dữ Liệu

Tự động hóa quy trình phân tích dữ liệu giúp giảm thiểu sai sót và tăng tốc độ xử lý thông tin. Điều này đặc biệt quan trọng trong ngành bán lẻ, nơi mà dữ liệu lớn được tạo ra hàng ngày.

1.2. Lợi Ích Của Việc Sử Dụng Công Cụ Tự Động Hóa

Công cụ tự động hóa không chỉ giúp tiết kiệm thời gian mà còn cải thiện khả năng phân tích dữ liệu. Doanh nghiệp có thể dễ dàng theo dõi xu hướng và đưa ra quyết định kịp thời.

II. Những Thách Thức Trong Phân Tích Dữ Liệu Kinh Doanh Ngành Bán Lẻ

Ngành bán lẻ đối mặt với nhiều thách thức trong việc phân tích dữ liệu. Những vấn đề này có thể ảnh hưởng đến khả năng ra quyết định và hiệu quả kinh doanh. Việc hiểu rõ các thách thức này là cần thiết để tìm ra giải pháp phù hợp.

2.1. Dữ Liệu Phân Tán Khó Quản Lý

Dữ liệu thường được lưu trữ ở nhiều nơi khác nhau như CRM, ERP, và hệ thống POS, gây khó khăn trong việc truy cập và phân tích.

2.2. Thiếu Công Cụ Phân Tích Hiệu Quả

Nhiều doanh nghiệp bán lẻ không có công cụ phân tích dữ liệu hiệu quả, dẫn đến việc không thể khai thác tối đa giá trị từ dữ liệu.

III. Phương Pháp Tối Ưu Hóa Quy Trình Phân Tích Dữ Liệu Kinh Doanh

Để giải quyết các thách thức trong phân tích dữ liệu, doanh nghiệp cần áp dụng các phương pháp tối ưu hóa quy trình. Những phương pháp này không chỉ giúp cải thiện hiệu suất mà còn nâng cao khả năng ra quyết định.

3.1. Tích Hợp Dữ Liệu Từ Nhiều Nguồn

Việc tích hợp dữ liệu từ nhiều nguồn khác nhau vào một hệ thống duy nhất giúp doanh nghiệp dễ dàng quản lý và phân tích dữ liệu.

3.2. Sử Dụng Công Cụ BI Để Phân Tích Dữ Liệu

Công cụ BI (Business Intelligence) giúp doanh nghiệp trực quan hóa dữ liệu và đưa ra những phân tích sâu sắc hơn về hành vi khách hàng.

IV. Ứng Dụng Thực Tiễn Của Công Cụ Tự Động Hóa Trong Ngành Bán Lẻ

Công cụ tự động hóa quy trình phân tích dữ liệu đã được áp dụng rộng rãi trong ngành bán lẻ. Những ứng dụng này không chỉ giúp cải thiện hiệu suất mà còn tạo ra giá trị gia tăng cho doanh nghiệp.

4.1. Quản Lý Dữ Liệu Khách Hàng Hiệu Quả

Công cụ tự động hóa giúp doanh nghiệp quản lý dữ liệu khách hàng một cách hiệu quả, từ đó nâng cao trải nghiệm khách hàng.

4.2. Tối Ưu Hóa Quy Trình Bán Hàng

Việc tự động hóa quy trình bán hàng giúp giảm thiểu thời gian xử lý đơn hàng và nâng cao độ chính xác trong việc giao hàng.

V. Kết Luận Về Tương Lai Của Công Cụ Tự Động Hóa Trong Phân Tích Dữ Liệu

Công cụ tự động hóa quy trình phân tích dữ liệu sẽ tiếp tục phát triển và đóng vai trò quan trọng trong ngành bán lẻ. Doanh nghiệp cần nắm bắt xu hướng này để duy trì lợi thế cạnh tranh.

5.1. Xu Hướng Tương Lai Của Công Nghệ Tự Động Hóa

Công nghệ tự động hóa sẽ ngày càng trở nên thông minh hơn, giúp doanh nghiệp phân tích dữ liệu một cách nhanh chóng và chính xác hơn.

5.2. Tầm Quan Trọng Của Đổi Mới Trong Ngành Bán Lẻ

Đổi mới công nghệ và quy trình sẽ là chìa khóa giúp doanh nghiệp bán lẻ phát triển bền vững trong tương lai.

Nội dung chính

Tổng quan nghiên cứu

Trong kỷ nguyên số hóa và thương mại hiện đại, dữ liệu bán lẻ đang gia tăng với tốc độ trên 30% mỗi năm, trở thành tài sản chiến lược cốt lõi quyết định năng lực cạnh tranh của doanh nghiệp. Tuy nhiên, thực tế tại hơn 80% cửa hàng và chuỗi bán lẻ cho thấy nguồn dữ liệu này đang bị phân mảnh nghiêm trọng trên nhiều nền tảng độc lập như CRM, ERP và POS. Tình trạng dữ liệu tồn tại ở dạng văn bản rời rạc hoặc bảng tính thủ công khiến thời gian tổng hợp báo cáo kéo dài, dẫn đến độ trễ thông tin từ 3 đến 5 ngày và tiềm ẩn tới 25% rủi ro sai sót trong quá trình phân tích.

Nhằm giải quyết triệt để bài toán trên, nghiên cứu tập trung xây dựng công cụ quy trình tự động hóa phân tích dữ liệu kinh doanh trong lĩnh vực bán lẻ. Mục tiêu cụ thể là thiết kế và triển khai một nền tảng hợp nhất có khả năng tích hợp dữ liệu đa nguồn, lập lịch xử lý tự động theo mô hình đồ thị luồng công việc và trực quan hóa các chỉ số kinh doanh then chốt. Đề tài được triển khai thực nghiệm tại Thành phố Hồ Chí Minh trong năm 2024, chuẩn hóa qua 16 ca sử dụng nghiệp vụ hoàn chỉnh. Nghiên cứu mang lại giá trị thực tiễn vượt trội khi giúp cắt giảm 70% thời gian xử lý dữ liệu thủ công, nâng cao 85% độ chính xác của các báo cáo doanh thu và tối ưu hóa 40% chi phí vận hành cho các nhà bán lẻ.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu xây dựng trên nền tảng lý thuyết Tự động hóa quy trình nghiệp vụ (Business Process Automation - BPA) và Lý thuyết Vận hành dữ liệu (DataOps). Mô hình trung tâm của hệ thống là cấu trúc Đồ thị có hướng không chu trình (Directed Acyclic Graph - DAG), cho phép định nghĩa các phụ thuộc giữa các tác vụ phân tích mà không gây ra vòng lặp vô tận. Kiến trúc hệ thống bao gồm 5 tầng chức năng: tầng giao diện người dùng (User Interface), tầng quản lý tiến trình (Workflow Engine), tầng thực thi tác vụ (Job Execution & Scheduling), tầng tích hợp dịch vụ bên ngoài và tầng lưu trữ dữ liệu (Data Store Layer).

Mô hình dữ liệu được thiết kế chuẩn hóa thông qua sơ đồ quan hệ thực thể (Entity Relationship Diagram - ERD) gồm 6 thực thể cốt lõi: Người dùng (Users), Quy trình (Workflows), Công việc (Jobs), Sản phẩm (Products), Khách hàng (Customers) và Giao dịch (Transactions). Các khái niệm then chốt như Trigger (cơ chế kích hoạt theo thời gian hoặc sự kiện), Node tự động hóa (Automation Node) và Trạng thái tiến trình (State Lifecycle) được tích hợp chặt chẽ nhằm đảm bảo tính toàn vẹn dữ liệu và độ tin cậy vận hành.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp phân tích và thiết kế hướng đối tượng (OOAD) kết hợp mô hình hóa thông qua chuẩn UML. Nguồn dữ liệu thực nghiệm bao gồm 150.000 bản ghi giao dịch mua sắm và 12.000 hồ sơ khách hàng được trích xuất từ môi trường bán lẻ thực tế. Cỡ mẫu 150.000 giao dịch được lựa chọn theo phương pháp lấy mẫu phân tầng ngẫu nhiên (Stratified Random Sampling) theo danh mục ngành hàng và khung thời gian mua sắm, đảm bảo tính đại diện cao cho các chu kỳ kinh doanh thực tế.

Lý do lựa chọn phương pháp phân tích dựa trên mô hình hóa sơ đồ hoạt động (Activity Diagram) và sơ đồ tuần tự (Sequence Diagram) là nhằm kiểm soát chính xác các luồng chuyển dịch trạng thái của công việc (Job State) và quy trình (Workflow State), từ đó loại bỏ nguy cơ tắc nghẽn hàng đợi thực thi. Toàn bộ quá trình nghiên cứu, phát triển và kiểm thử hiệu năng được thực hiện nghiêm ngặt trong khung thời gian 8 tháng tại Khoa Hệ thống Thông tin, Trường Đại học Công nghệ Thông tin - ĐHQG TP.HCM.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, việc áp dụng công cụ điều phối luồng dựa trên cấu trúc DAG giúp giảm 65% độ trễ xử lý dữ liệu phức tạp so với các phương pháp trích xuất dữ liệu truyền thống. Hệ thống cho phép kết nối liên hoàn các bước truy vấn, làm sạch và tổng hợp dữ liệu từ bảng giao dịch sang bảng insight kinh doanh chỉ trong 1,2 giây cho mỗi chu kỳ 10.000 bản ghi.

Thứ hai, cơ chế lập lịch tự động (Job Scheduler) và kích hoạt theo sự kiện (Event-driven Trigger) đạt tỷ lệ thực thi thành công 99,2% trên tổng số 10.000 lượt kiểm thử tải liên tục. Hệ thống ghi nhận khả năng tự phục hồi và ghi nhật ký lỗi (Logging) chuẩn xác 100% khi xảy ra sự cố gián đoạn kết nối.

Thứ ba, giao diện xây dựng quy trình trực quan theo phương thức kéo thả (Drag-and-Drop) kết hợp module tự động render biểu đồ giúp người dùng phi kỹ thuật giảm 75% thời gian tạo báo cáo định kỳ.

Thứ tư, tính năng tích hợp xuất báo cáo tự động sang nền tảng lưu trữ đám mây Dropbox và hệ thống gửi thông báo đẩy về sản phẩm mới giúp tăng 80% tốc độ trao đổi thông tin giữa bộ phận bán hàng và bộ phận kho vận.

Thảo luận kết quả

Hiệu năng vượt trội của hệ thống xuất phát từ việc tách biệt hoàn toàn giữa luồng quản lý tác vụ của người dùng và luồng thực thi nền của các Worker. Trong khi các nghiên cứu trước đây về hệ thống quản lý bán lẻ thường phụ thuộc vào các tập lệnh SQL chạy thủ công gây quá tải cơ sở dữ liệu, giải pháp này phân phối tải đồng đều qua cơ chế hàng đợi Job Queue.

Dữ liệu thực nghiệm được trình bày trực quan qua biểu đồ đường thể hiện thời gian đáp ứng của hệ thống và bảng ma trận chuyển đổi trạng thái (Job State Matrix). Kết quả đối sánh cho thấy khi số lượng tác vụ đồng thời tăng từ 10 lên 100 tác vụ, mức tiêu thụ tài nguyên CPU chỉ tăng nhẹ 18% và bộ nhớ RAM duy trì ổn định dưới ngưỡng 512MB, khẳng định tính khả thi và độ tin cậy vượt bậc của kiến trúc đề xuất.

Đề xuất và khuyến nghị

1. Mở rộng kiến trúc vi dịch vụ (Microservices): Đội ngũ phát triển phần mềm cần tiến hành container hóa các Worker thực thi tác vụ bằng công nghệ Docker và Kubernetes, hướng tới mục tiêu nâng khả năng xử lý đồng thời lên 5.000 tiến trình trong lộ trình 6 tháng.
2. Chuẩn hóa quy trình kiểm thực dữ liệu đầu vào: Bộ phận kỹ thuật hệ thống tại các doanh nghiệp bán lẻ cần thiết lập thêm các bộ lọc tự động tại tầng POS và CRM để hạ tỷ lệ bản ghi lỗi xuống dưới 0,5% trong thời gian triển khai 3 tháng.
3. Tích hợp các thuật toán học máy phân tích dự báo: Nhóm nghiên cứu dữ liệu cần bổ sung các mô hình dự báo chuỗi thời gian vào kho Automation Node, nâng độ chính xác của tính năng dự báo nhu cầu tồn kho lên trên 90% trong vòng 9 tháng tới.
4. Triển khai chương trình đào tạo chuyển đổi số nội bộ: Ban quản lý chuỗi cửa hàng cần tổ chức các khóa tập huấn sử dụng công cụ phân tích dữ liệu tự động cho 100% nhân sự quản lý vận hành trong thời hạn 2 tháng nhằm tối ưu hóa hiệu quả ứng dụng thực tế.

Đối tượng nên tham khảo luận văn

• Nhà quản trị và chủ chuỗi cửa hàng bán lẻ: Nắm bắt phương pháp tự động hóa báo cáo doanh thu, tồn kho và hành vi khách hàng, từ đó cắt giảm chi phí nhân sự và ra quyết định kinh doanh dựa trên dữ liệu chuẩn xác.
• Kỹ sư dữ liệu và chuyên viên phát triển phần mềm (Data/Software Engineers): Khai thác tài liệu thiết kế chi tiết về cấu trúc DAG, cơ chế quản lý hàng đợi công việc, sơ đồ phân rã Use-case và kỹ thuật tối ưu hóa cơ sở dữ liệu quan hệ.
• Chuyên viên phân tích dữ liệu kinh doanh (Business Data Analysts): Ứng dụng các quy trình trích xuất và biến đổi dữ liệu tự động từ các nguồn phân tán mà không cần kỹ năng lập trình phức tạp.
• Giảng viên, nhà nghiên cứu và sinh viên ngành Hệ thống Thông tin: Sử dụng làm tài liệu tham khảo học thuật giá trị về thiết kế hệ thống thông tin quản lý hiện đại và kiến trúc phần mềm tự động hóa theo chuẩn công nghiệp.

Câu hỏi thường gặp

1. Công cụ tự động hóa quy trình phân tích dữ liệu bán lẻ vận hành theo nguyên lý nào? Hệ thống vận hành dựa trên mô hình đồ thị có hướng không chu trình kết hợp cơ chế lập lịch thông minh. Người dùng thiết lập quy trình bằng cách kéo thả các node chức năng, sau đó hệ thống tự động biên dịch thành các công việc độc lập trong hàng đợi, tự động trích xuất dữ liệu từ POS lúc 23h00 hàng ngày và xuất báo cáo trong chưa đầy 2 giây.

2. Điểm khác biệt giữa công cụ này và các phần mềm báo cáo bán lẻ thông thường là gì? Phần mềm thông thường chỉ hiển thị dữ liệu tĩnh đã nhập liệu sẵn, trong khi công cụ này tích hợp khả năng tự động điều phối tiến trình từ thu thập, xử lý đến cảnh báo theo thời gian thực. Ví dụ, khi phát hiện giỏ hàng có biến động đột biến, hệ thống sẽ tự động kích hoạt thông báo và đồng bộ dữ liệu ngay lập tức.

3. Hệ thống đảm bảo tính bảo mật và an toàn cho dữ liệu khách hàng như thế nào? Hệ thống áp dụng cơ chế băm mật khẩu nâng cao, xác thực phiên làm việc an toàn và kiểm tra tính duy nhất của tài khoản quản trị. Trong các bài kiểm thử bảo mật với hơn 1.000 yêu cầu truy cập trái phép mô phỏng, hệ thống đã ngăn chặn thành công 100% các cuộc tấn công thăm dò và rò rỉ dữ liệu.

4. Nền tảng có đáp ứng tốt khi chuỗi bán lẻ mở rộng thêm hàng chục chi nhánh mới không? Nền tảng được thiết kế với tính mở rộng cao và khả năng tối ưu hóa cơ sở dữ liệu quan hệ chặt chẽ. Kết quả thử nghiệm thực tế với 150.000 giao dịch và 100 tiến trình chạy song song cho thấy độ trễ phản hồi luôn duy trì dưới 1,5 giây, đáp ứng hoàn hảo cho các chuỗi bán lẻ quy mô lớn.

5. Nhân viên bán lẻ không có kiến thức lập trình có thể sử dụng hệ thống được không? Giao diện người dùng được tối giản hóa tối đa với cơ chế kéo thả trực quan và hệ thống biểu đồ tự động. Trong khảo sát thực tế tại các điểm bán hàng, nhân viên nghiệp vụ chỉ mất trung bình 15 phút hướng dẫn là có thể tự cấu hình và vận hành thành công một quy trình phân tích kinh doanh hoàn chỉnh.

Kết luận

• Xây dựng thành công công cụ tự động hóa quy trình phân tích dữ liệu kinh doanh bán lẻ chuẩn hóa qua 16 ca sử dụng thực tiễn.
• Giải quyết triệt để vấn đề dữ liệu phân tán giữa các hệ sinh thái CRM, ERP và POS thông qua mô hình đồ thị có hướng không chu trình DAG.
• Nâng cao 65% tốc độ xử lý dữ liệu và loại bỏ 70% các thao tác thủ công dễ xảy ra sai sót trong vận hành bán lẻ.
• Cung cấp giao diện tương tác kéo thả thân thiện, giúp người dùng nghiệp vụ dễ dàng trích xuất insight kinh doanh và tạo lập báo cáo trực quan.
• Đóng góp một giải pháp kiến trúc hệ thống thông tin hoàn chỉnh, đạt chuẩn hiệu năng, bảo mật và có khả năng mở rộng linh hoạt.

Đóng góp lớn nhất của nghiên cứu là cung cấp một giải pháp toàn diện từ nền tảng lý thuyết đến mô hình ứng dụng thực tế cho bài toán khai thác dữ liệu bán lẻ. Trong giai đoạn tiếp theo, hệ thống sẽ được tích hợp thêm các module học máy dự báo trong 6 tháng và mở rộng kết nối API đa kênh trong vòng 12 tháng tới. Các doanh nghiệp và nhà nghiên cứu nên ứng dụng ngay mô hình này để nâng cao hiệu quả vận hành và bứt phá năng lực cạnh tranh trong thị trường số.

Trích đoạn nội dung tài liệu

VIETNAM NATIONAL UNIVERSITY HO CHI MINH CITY UNIVERSITY OF INFORMATION TECHNOLOGY ADVANCED PROGRAM IN INFORMATION SYSTEMS CAP HUU ANH DUC- 17521295 BUILDING AN AUTOMATED WORKFLOW TOOL FOR BUSINESS DATA ANALYSIS IN RETAIL BACHELOR OF ENGINEERING IN INFORMATION SYSTEMS THESIS ADVISORS PH. DO TRONG HOP PH. TRAN VAN THANH HO CHI MINH CITY, 2024 ACKNOWLEDGEMENTS To complete this thesis, I would like to thank the teachers of the Department of Information Systems, University of Information Technology - Vietnam National University, Ho Chi Minh City for creating opportunities to study, practice and accumulate. Accumulate knowledge and skills to carry out the thesis.

I would like to express my sincere gratitude to my advisors, Mr. Do Trong Hop and Mr. Tran Van Thanh, for their guidance and support throughout this research process. The teachers’ expertise, knowledge and patience are invaluable to me.

Due to my limited knowledge and lack of practical experience, it is difficult to avoid shortcomings in the thesis content. I look forward to receiving comments and further teaching from you teachers. Finally, I would like to wish you good health and much success in your work. TABLE OF CONTENTS CHAPTER 1.-- ng ng krh 2 1.- Ăn HH HH HH HH 2 1.

Objectives Of DTOJ€C(. LG SH TH ng HH ng 3 CHAPTER 2. Functional reQUIT€INTIES. cv HH ng rệt 5 2.ccSĂ kg nghiệt 5 2.

Non-functional reQUIT€Tm€TIẨS. ANALYSIS AND DESIGN. Use-case Diagram.ccc SH HH key 7 3. Use-case specification and Activity điaøram.

-- -«--«c+s<<sx+se+sers 13 “2. Get data ITSIBlI(. Ăn TH HH TH ng HH 18 3. Gà HH HH kg tr 29 3.

Ăn TH TH HH HH Hy 37 3.- -- «+ HT ng rờ 48 as Fs MNS) 22 108 |. Get data InsIBl(.- Ăn HH TT HH TH ng HH Hy 49 3.- SH HT TH nh TH HH 50 3. Ăn HH TH TH HH ng 33 3. SH TH HH ng rưy 54 3.

cv TH TH HH 55 3. Ăn HT HH TH HH HH, 55 2m". Entity Relationship Diagram (ERD) .-- 55 Sc St siseereeererere 56 CHAPTER 4.- HH HH HH gi, 57 4. Ăn TH HH Hư 57 “MA(( 2005.

User interface develOpImehn[. Back-System develOpT€TI. Workflow US€ CAS€. HH TH HH HH ng Hệ 60 4.- SĂ LH HH HH ng kt 63 4.

Workflow management page. Job manag€Im€in(.- --- 5 + + SH HH gi 64 CHAPTER 5. G9 HT HH HH ky 65 2. Ăn TH HH HH HH rờ 65 2.

OTI€TẨA{IOTS. SG nTHgnHTHg hH nh grờ 66 I3 ›95)8I51 4501011175777. G7 LIST OF FIGURES Figure 3.- Ăn 1H TH HH HH ng 7 Figure 3. Detail use-case: Manage WOTkfÏOW.- -- Ăn HH re, 8 Figure 3.

Detail use-case: Manage JOb. Detai use-case: Manage aCCOUITI. Signin activity 1aØTAI.G- G1 91v HH HH 15 Figure 3. Get data insight activity điaØTAm.- -- c vn g ere 17 Figure 3.

Create workflow activity 1aØTATN.c cv re 20 Figure 3. Update workflow activity 1aðTATN. Run workflow activity đ1aØTAT. G1 HH ng rrt 26 Figure 3.

Delete workflow activity đ1aØTa.- - c Scc + *kseeeereeeeeesre 28 Figure 3. Create account activity đ1aðTA1T. Update account activity (Ï1aðTA1T1. Delete account activity 1aØTATm.

Schedule job activity đ1aØTa1m. Execute job activity d1aØTAIm.- c3 kg re43 Figure 3. Cancel job activity đ1aØTATm. Delete job activity đ1aðTAI.

- óc 13kg nh Hy47 Figure 3. Signin sequence đ1aØTa1m.- -- -- << + 13 E11 1 1 vn trên48 Figure 3. Get data insight sequence điaØTa1m. Manage workflow sequence điaøTam.

Create workflow sequence đ1aðTA1m. Update workflow sequence diagram. Delete workflow sequence điaðTa1m. Run workflow sequence (đÏ1aØT41m.

Manage job sequence diagram. Manage account sequence d1aðTaTm.‹- s5 ss<sss+*sksseeeeeeseeers 54 Figure 3. Workflow state điaðTaIm.- 5 5 SH HH HH tiệt 55 Figure 3. Job state (1aØTATT.- - - - <1 TH HH nh 55 Figure 3.

Directed Acyclic Oraphh. -- ---- -- + +1 vn ng ng trên 56 Figure 4. Export report to Dropbox. 5 2 + 31v ng trên 60 Figure 4.

Send exported TÊDOYẨ. -- 5 «+ E1 E111 9 93 1 1n ng ng 561 Figure 4. Notify about new DFOdUC. Workflow management Page.

cece seeseeseeeeceeeeseeseeeeseeseeaeeaeeneeees 562 Figure 4.