Luận văn thạc sĩ: Xây dựng hệ hỗ trợ ra quyết định nguồn lực nhân sự

Luận văn thạc sĩ xây dựng hệ hỗ trợ ra quyết định nguồn lực nhân sự. Ứng dụng công cụ Tableau BI để phân tích, đánh giá và tối ưu hóa quản trị nhân sự.

• Tác giả: Hà Thị Hải Yến
• Người hướng dẫn: PGS. Hoàng Xuân Huấn
• Trường học: Đại học Công nghệ, Đại học Quốc gia Hà Nội
• Chuyên ngành: Công nghệ thông tin - Khoa học máy tính
• Đề tài: Xây dựng hệ hỗ trợ ra quyết định nguồn lực nhân sự
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2020
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• Danh mục hình vẽ
• Danh mục bảng biểu
• 1. Chương 1: Giới thiệu sơ lược
• 1.1. Bối cảnh công nghệ & thực trạng Quản trị doanh nghiệp
• 1.2. Sử dụng công nghệ để hỗ trợ ra quyết định
• 1.3. Các loại quyết định
• 1.4. Các bước ra quyết định
• 1.5. Xu hướng dịch vụ tự thân (self-service)
• 1.6. Giới thiệu sơ lược
• 1.7. Các tính năng chính
• 1.8. Lợi ích khi sử dụng
• 1.9. So sánh với các công cụ khác
• 1.9.1. Tiêu chí đánh giá
• 1.9.2. Các công cụ đc dùng để so sánh
• 1.9.3. Kết quả đánh giá
• 1.10. Phạm vi và phương thức thực hiện của luận văn
• 1.10.1. Phương thức thực hiện
• 2. Chương 2: Khai thác & sử dụng công cụ Tableau BI
• 2.1. Kiến trúc Tableau BI và quy trình sản xuất báo cáo phân tích
• 2.1.1. Kiến trúc phân lớp
• 2.1.2. Các bước thực hiện báo cáo phân tích
• 2.2. Cách thu thập, tổ chức và quản lý thông tin trong Tableau BI
• 2.2.1. Thu thập dữ liệu
• 2.2.2. Tổ chức dữ liệu
• 2.2.3. Quản lý dữ liệu
• 2.3. Giao diện dành cho người thiết kế
• 2.3.1. Kết nối dữ liệu
• 2.3.2. Kéo thả dữ liệu
• 2.3.3. Lọc và hiển thị thông tin theo ý muốn
• 2.3.4. Thu thập thông tin chi tiết
• 2.3.5. Xây dựng Bảng điều khiển
• 2.3.6. Các mô hình học máy
• 2.3.6.1. Mô hình phân cụm dữ liệu: Cluster
• 2.3.6.2. Mô hình đường xu hướng
• 2.3.7. Các phép tính & biểu đồ cơ bản
• 3. Chương 3: Phân tích & thiết kế hệ hỗ trợ ra quyết định cho nguồn lực doanh nghiệp
• 3.1. Khảo sát chung các doanh nghiệp lĩnh vực bán lẻ
• 3.2. Khảo sát chi tiết
• 3.2.1. Cơ cấu tổ chức
• 3.2.2. Bảng danh mục tài khoản kế toán của doanh nghiệp
• 3.2.3. Kết quả khảo sát
• 3.3. Đặc tả chi tiết
• 3.3.1. Phân tích doanh thu theo từng nhân viên
• 3.3.2. Phân tích chất lượng khách hàng theo nhân viên chăm sóc
• 3.3.3. Khả năng thanh khoản
• 3.3.4. Hiệu quả kinh doanh theo từng nhóm nhân viên trong công ty
• 3.3.5. Gợi ý nhu cầu tuyển dụng nhân sự
• 3.3.6. Phân cụm nhân viên đi làm theo ca
• 3.3.7. Thiết kế hệ thống
• 4. Chương 4: Xây dựng hệ hỗ trợ ra quyết định nguồn lực nhân sự
• 4.1. Thu thập & làm sạch dữ liệu
• 4.1.1. Kết nối nguồn dữ liệu
• 4.1.2. Tổ chức dữ liệu
• 4.2. Xây dựng các giao diện cơ sở (sheet)
• 4.2.1. Topsales by employee
• 4.2.2. Profit by employee
• 4.2.3. Mức độ hài lòng của khách hàng theo chiều nhân viên phụ trách
• 4.2.4. Khách hàng mới theo chiều nhân viên phụ trách
• 4.3. Xây dựng Bảng điều khiển quản trị
• 4.3.1. Xây dựng Bảng điều khiển
• 4.3.2. Xuất bản giao diện trên Tableau reader
• 4.4. Kết quả thực nghiệm
• 4.4.1. Nội dung thực nghiệm
• 4.4.2. Quy mô hệ thống
• 4.4.3. Đối tượng triển khai
• 4.4.4. Đánh giá hiệu năng hệ thống
• 4.4.4.1. Hiệu năng trên điện thoại
• 4.4.4.2. Hiệu năng trên trình duyệt web
• 4.4.5. Thống kê kết quả từ người dùng
• 4.4.5.1. Tần suất sử dụng
• 4.4.5.2. Mức độ phản hồi của mỗi giao diện
• Tài liệu tham khảo
• Phụ lục 01: Bài khảo sát chung
• Phụ lục 02: Bài khảo sát nghiệp vụ & phân bố dữ liệu
• Phụ lục 3: Các phép tính cơ bản của Tableau

Tóm tắt

I. Tổng quan hệ hỗ trợ ra quyết định nhân sự trong luận văn

Trong bối cảnh cuộc Cách mạng Công nghiệp 4.0, dữ liệu đã trở thành tài sản chiến lược của mọi doanh nghiệp. Việc ra quyết định dựa trên dữ liệu (Data-Driven Decision Making) không còn là một lựa chọn mà là yếu tố sống còn để duy trì lợi thế cạnh tranh. Đặc biệt, trong lĩnh vực quản trị nguồn nhân lực, các quyết định về tuyển dụng, đào tạo, đánh giá và giữ chân nhân tài có ảnh hưởng trực tiếp đến hiệu quả hoạt động và sự phát triển bền vững. Luận văn "Xây dựng hệ hỗ trợ ra quyết định nhân sự" ra đời nhằm giải quyết bài toán này, đề xuất một giải pháp công nghệ toàn diện để chuyển đổi cách thức quản lý con người từ cảm tính sang khoa học. Mục tiêu chính của nghiên cứu là thiết kế và triển khai một hệ thống hỗ trợ quyết định (DSS), sử dụng các công nghệ tiên tiến như Business Intelligence (BI) và phân tích dữ liệu nhân sự. Hệ thống này không chỉ cung cấp các báo cáo tổng hợp mà còn đưa ra những gợi ý, dự báo có giá trị, giúp nhà quản lý đưa ra quyết định nhanh chóng và chính xác hơn. Luận văn tập trung vào việc ứng dụng các công cụ hiện đại như Tableau để xây dựng dashboard quản lý nhân sự, trực quan hóa các chỉ số quan trọng. Nội dung nghiên cứu đi sâu vào việc khảo sát thực trạng tại các doanh nghiệp bán lẻ, từ đó phân tích và đặc tả chi tiết các yêu cầu nghiệp vụ, bao gồm đánh giá hiệu suất nhân viên (KPI), phân tích doanh thu theo nhân viên, và hoạch định nguồn nhân lực. Đây là một tài liệu tham khảo giá trị cho các luận văn thạc sĩ quản trị nhân sự và các đồ án tốt nghiệp DSS, cung cấp một cái nhìn hệ thống và thực tiễn về việc ứng dụng công nghệ vào quản lý con người.

1.1. Bối cảnh và sự cần thiết của hệ thống thông tin quản lý

Sự phát triển của công nghệ thông tin và Internet đã làm thay đổi hoàn toàn mô hình kinh doanh. Doanh nghiệp ngày nay tạo ra một lượng dữ liệu khổng lồ từ các phần mềm ERP, POS, CRM. Tuy nhiên, theo nghiên cứu, hầu hết các doanh nghiệp vẫn chưa khai thác hết giá trị của nguồn tài nguyên số này. Các báo cáo thường dừng lại ở mức độ mô tả đơn thuần, thiếu khả năng phân tích sâu và dự báo. Một hệ thống thông tin quản lý (MIS) hiệu quả, đặc biệt là một hệ thống hỗ trợ quyết định DSS, là mảnh ghép còn thiếu. Nó giúp biến dữ liệu thô thành tri thức quản trị, hỗ trợ nhà lãnh đạo ở mọi cấp, từ quyết định chiến lược đến vận hành hàng ngày, đặc biệt trong việc tối ưu hóa quy trình nhân sự.

1.2. Mục tiêu nghiên cứu và phạm vi của luận văn thạc sĩ

Luận văn đặt ra mục tiêu rõ ràng: xây dựng một hệ thống hỗ trợ nhà quản lý ra quyết định nhân sự nhanh chóng và hiệu quả hơn dựa trên dữ liệu. Phạm vi nghiên cứu tập trung vào các doanh nghiệp thuộc lĩnh vực bán lẻ, nơi dữ liệu được số hóa nhiều và có tính biến động cao. Cụ thể, luận văn nghiên cứu các quyết định dành cho quản lý cấp cao và cấp trung về nguồn lực nhân sự, sử dụng công cụ Tableau BI làm phương tiện chính để xây dựng hệ thống. Phương pháp thực hiện bao gồm khảo sát nhu cầu thực tế, phân tích yêu cầu, thiết kế và triển khai hệ thống, cuối cùng là kiểm thử giải pháp trên một doanh nghiệp cụ thể.

II. Thách thức quản trị nguồn nhân lực khi thiếu dữ liệu

Quản trị nguồn nhân lực truyền thống thường đối mặt với nhiều thách thức do phụ thuộc vào kinh nghiệm và đánh giá chủ quan. Khi không có một hệ thống phân tích dữ liệu bài bản, các quyết định nhân sự dễ trở nên thiếu nhất quán và không thể đo lường được hiệu quả. Một trong những khó khăn lớn nhất là việc đánh giá hiệu suất nhân viên (KPI) một cách công bằng và khách quan. Nếu chỉ dựa vào quan sát, nhà quản lý có thể bỏ qua những đóng góp thầm lặng hoặc bị ảnh hưởng bởi thiên vị cá nhân. Điều này dẫn đến môi trường làm việc thiếu minh bạch, giảm động lực của nhân viên. Thêm vào đó, việc dự báo biến động nhân sự như tỷ lệ nghỉ việc hay nhu cầu tuyển dụng trong tương lai gần như là bất khả thi. Doanh nghiệp thường rơi vào thế bị động, tuyển dụng gấp khi thiếu người hoặc dư thừa nhân lực khi kinh doanh chững lại, gây lãng phí chi phí và thời gian. Quá trình hoạch định nguồn nhân lực chiến lược cũng trở nên mông lung, không có cơ sở vững chắc để quyết định nên đầu tư vào đào tạo kỹ năng nào, hay xây dựng lộ trình phát triển cho nhân viên ra sao. Việc thiếu một kho dữ liệu (data warehouse) tập trung khiến thông tin nhân sự bị phân mảnh ở nhiều nơi (bảng lương, file chấm công, hồ sơ giấy), gây khó khăn cho việc tổng hợp và phân tích. Những thách thức này nhấn mạnh sự cấp thiết phải có một hệ hỗ trợ ra quyết định nhân sự hiện đại.

2.1. Hạn chế của việc ra quyết định nhân sự theo cảm tính

Ra quyết định dựa trên cảm tính hoặc kinh nghiệm cá nhân có thể dẫn đến nhiều sai lầm tốn kém. Ví dụ, việc đề bạt một nhân viên chỉ vì "cảm thấy" họ làm việc chăm chỉ mà không có số liệu cụ thể về doanh thu hay hiệu suất họ mang lại có thể tạo ra một nhà quản lý yếu kém. Tương tự, quyết định cắt giảm nhân sự trong một bộ phận mà không phân tích kỹ lưỡng vai trò và khối lượng công việc có thể làm tê liệt hoạt động của cả công ty. Quyết định cảm tính thiếu đi tính giải trình và khó có thể thuyết phục được tập thể, gây ra những bất mãn ngầm trong tổ chức.

2.2. Khó khăn trong việc kết nối dữ liệu nhân sự rời rạc

Trong hầu hết các doanh nghiệp, dữ liệu nhân sự không nằm ở một nơi duy nhất. Dữ liệu chấm công nằm ở máy chấm công, dữ liệu lương ở phần mềm kế toán, dữ liệu hiệu suất bán hàng ở hệ thống POS, và đánh giá năng lực lại nằm trong các file Excel riêng lẻ. Việc thiếu một kho dữ liệu (data warehouse) chung khiến việc tổng hợp một bức tranh toàn cảnh về nhân viên trở nên cực kỳ khó khăn và tốn thời gian. Nhà quản lý không thể dễ dàng trả lời các câu hỏi như: "Nhân viên nào vừa có doanh số cao, vừa tuân thủ kỷ luật tốt?" hay "Chi phí lương cho một nhân viên có tương xứng với lợi nhuận họ tạo ra không?".

III. Phương pháp xây dựng hệ thống hỗ trợ quyết định DSS

Để giải quyết các thách thức đã nêu, luận văn đề xuất một phương pháp tiếp cận có hệ thống để xây dựng hệ thống hỗ trợ quyết định DSS cho nhân sự. Nền tảng của phương pháp này là việc tích hợp và khai thác dữ liệu từ nhiều nguồn khác nhau. Bước đầu tiên và quan trọng nhất là xây dựng một kho dữ liệu (data warehouse) tập trung. Dữ liệu từ các hệ thống ERP, POS, máy chấm công và các nguồn khác sẽ được thu thập, làm sạch và chuẩn hóa trước khi đưa vào kho. Quá trình này đảm bảo tính nhất quán và toàn vẹn của dữ liệu, tạo ra một "nguồn sự thật duy nhất" (single source of truth) cho mọi phân tích. Tiếp theo, luận văn áp dụng các nguyên tắc của Business Intelligence trong nhân sự. BI không chỉ là công cụ, mà là một quy trình biến dữ liệu thành thông tin chi tiết có thể hành động. Các chỉ số quan trọng (KPIs) như doanh thu trên mỗi nhân viên, tỷ lệ chuyển đổi khách hàng, chi phí nhân sự trên tổng doanh thu sẽ được định nghĩa và tính toán tự động. Trọng tâm của giải pháp là trực quan hóa dữ liệu (data visualization). Thay vì những bảng biểu số liệu khô khan, hệ thống sử dụng biểu đồ, đồ thị và bản đồ nhiệt để trình bày thông tin một cách sinh động, dễ hiểu. Điều này giúp nhà quản lý nhanh chóng nắm bắt được các xu hướng, phát hiện các điểm bất thường và có cái nhìn sâu sắc về nguồn nhân lực. Toàn bộ hệ thống được thiết kế theo cơ sở lý thuyết về DSS, đảm bảo khả năng tương tác, linh hoạt và hỗ trợ các quyết định bán cấu trúc và phi cấu trúc.

3.1. Cơ sở lý thuyết về DSS và Business Intelligence trong nhân sự

Một hệ thống hỗ trợ quyết định DSS là một hệ thống thông tin dựa trên máy tính nhằm hỗ trợ các hoạt động ra quyết định kinh doanh hoặc tổ chức. Khác với các hệ thống tác vụ thông thường, DSS tập trung vào việc phân tích, mô hình hóa quyết định và cung cấp các kịch bản "what-if". Trong khi đó, Business Intelligence (BI) trong nhân sự là việc ứng dụng các công nghệ, quy trình để thu thập, phân tích và trình bày dữ liệu nhân sự. Sự kết hợp giữa lý thuyết DSS và công nghệ BI tạo ra một giải pháp mạnh mẽ, giúp HR chuyển từ vai trò hành chính sang đối tác chiến lược trong doanh nghiệp.

3.2. Kiến trúc kho dữ liệu data warehouse cho phân tích HR

Kiến trúc hệ thống được thiết kế theo mô hình nhiều lớp. Lớp Nguồn dữ liệu (Data Sources) bao gồm các hệ thống vận hành như ERP, POS, máy chấm công. Lớp Thu thập và Chuyển đổi (ETL - Extract, Transform, Load) có nhiệm vụ trích xuất dữ liệu thô, làm sạch, đồng bộ hóa định dạng và tải vào kho dữ liệu (data warehouse). Kho dữ liệu được thiết kế theo mô hình hình sao (star schema) hoặc bông tuyết (snowflake schema) để tối ưu hóa cho việc truy vấn và phân tích. Từ kho dữ liệu, các khối dữ liệu (Data Marts) chuyên biệt cho từng phòng ban (nhân sự, kinh doanh) có thể được tạo ra để phục vụ nhu cầu phân tích cụ thể.

IV. Bí quyết ứng dụng công nghệ phân tích dữ liệu nhân sự

Công nghệ là xương sống của hệ hỗ trợ ra quyết định nhân sự hiện đại. Luận văn không chỉ dừng lại ở việc xây dựng báo cáo mà còn đi sâu vào việc ứng dụng các kỹ thuật phân tích tiên tiến để khai phá những tri thức ẩn trong dữ liệu. Data mining trong quản lý nhân sự là một trong những kỹ thuật chủ đạo được áp dụng. Bằng cách sử dụng các thuật toán phân cụm (clustering), hệ thống có thể tự động nhóm các nhân viên có đặc điểm tương đồng về hiệu suất, hành vi làm việc hoặc nguy cơ nghỉ việc. Ví dụ, thuật toán K-means được sử dụng để phân cụm nhân viên đi làm theo ca một cách công bằng dựa trên doanh thu và điểm chuyên cần. Bên cạnh đó, học máy (machine learning) trong tuyển dụng cũng mở ra nhiều tiềm năng. Các mô hình dự báo có thể phân tích dữ liệu lịch sử của các nhân viên thành công để xác định những đặc điểm, kỹ năng quan trọng nhất, từ đó giúp sàng lọc hồ sơ ứng viên hiệu quả hơn và dự đoán khả năng thành công của họ. Xa hơn nữa, trí tuệ nhân tạo (AI) cho HR có thể tự động hóa nhiều quy trình hơn, chẳng hạn như phân tích cảm xúc của nhân viên qua các khảo sát hoặc tương tác, từ đó cảnh báo sớm các vấn đề về văn hóa doanh nghiệp. Việc áp dụng các công nghệ này đòi hỏi một nền tảng dữ liệu vững chắc và sự hiểu biết sâu sắc về cả kỹ thuật lẫn nghiệp vụ nhân sự, là chìa khóa để tối ưu hóa quy trình nhân sự và nâng cao năng lực cạnh tranh của tổ chức.

4.1. Khai thác Data Mining trong quản lý nguồn nhân lực

Data mining trong quản lý nhân sự giúp phát hiện các mẫu và quy luật mà con người khó nhận ra. Ví dụ, bằng cách phân tích luật kết hợp (association rule), hệ thống có thể tìm ra mối liên hệ giữa các khóa đào tạo mà nhân viên tham gia và sự cải thiện về doanh số của họ. Hay mô hình cây quyết định (decision tree) có thể được dùng để xây dựng quy trình sàng lọc ứng viên, giúp bộ phận tuyển dụng đưa ra quyết định loại/giữ lại một cách nhất quán và dựa trên dữ liệu.

4.2. Ứng dụng Học máy Machine Learning trong tuyển dụng

Một trong những ứng dụng tiêu biểu của học máy (machine learning) trong tuyển dụng là xây dựng mô hình dự đoán tỷ lệ nghỉ việc (employee turnover prediction). Bằng cách huấn luyện mô hình với các dữ liệu như thâm niên, mức lương, số lần thăng tiến, kết quả đánh giá hiệu suất, khoảng cách từ nhà đến công ty, hệ thống có thể tính toán xác suất nghỉ việc của từng nhân viên. Điều này cho phép phòng nhân sự có những hành động can thiệp kịp thời để giữ chân nhân tài, thay vì chờ đến khi họ nộp đơn xin nghỉ.

V. Hướng dẫn xây dựng Dashboard quản lý nhân sự thực tiễn

Từ lý thuyết đến thực tiễn, luận văn trình bày chi tiết quá trình xây dựng một hệ hỗ trợ ra quyết định nhân sự thông qua các dashboard quản lý nhân sự tương tác. Công cụ được lựa chọn là Tableau, một trong những nền tảng BI hàng đầu thế giới, nhờ khả năng kết nối đa dạng nguồn dữ liệu, giao diện kéo-thả thân thiện và khả năng trực quan hóa dữ liệu mạnh mẽ. Quá trình triển khai bắt đầu bằng việc thu thập và làm sạch dữ liệu từ các nguồn đã xác định. Các bảng dữ liệu sau khi được kết nối và tổ chức sẽ được dùng để xây dựng các giao diện (sheet) cơ sở. Mỗi sheet tập trung vào một chỉ số hoặc một góc nhìn phân tích cụ thể, ví dụ: "Top nhân viên bán hàng tốt nhất", "Lợi nhuận theo nhân viên", "Mức độ hài lòng của khách hàng theo nhân viên phụ trách". Sau đó, các sheet này được tập hợp lại để tạo thành một Bảng điều khiển (Dashboard) tổng thể. Dashboard cho phép nhà quản lý có cái nhìn 360 độ về tình hình nhân sự, đồng thời có thể tương tác trực tiếp với dữ liệu bằng cách sử dụng các bộ lọc (filter) theo thời gian, phòng ban, hoặc khu vực. Luận văn cũng đề cập đến các lựa chọn khác như ứng dụng Power BI trong nhân sự, cung cấp một so sánh khách quan để doanh nghiệp lựa chọn công cụ phù hợp. Kết quả thực nghiệm cho thấy hệ thống giúp giảm đáng kể thời gian làm báo cáo và tăng tần suất sử dụng dữ liệu để ra quyết định.

5.1. Case study Tối ưu hóa quy trình nhân sự tại doanh nghiệp

Luận văn áp dụng giải pháp vào một doanh nghiệp bán lẻ đồ uống với 105 cửa hàng. Dựa trên kết quả khảo sát chi tiết, các dashboard được thiết kế để giải quyết các bài toán cụ thể: phân tích doanh thu/lợi nhuận theo từng nhân viên, theo dõi khách hàng mới do nhân viên mang về, và gợi ý nhu cầu tuyển dụng dựa trên xu hướng doanh thu. Một tính năng độc đáo là phân cụm nhân viên đi làm theo ca bằng thuật toán, đảm bảo sự công bằng và tối ưu hóa hiệu suất làm việc. Đây là một ví dụ điển hình về việc tối ưu hóa quy trình nhân sự bằng công nghệ.

5.2. Kết quả thực nghiệm và đánh giá hiệu năng hệ thống

Sau khi triển khai, hệ thống đã được đánh giá dựa trên hai tiêu chí: hiệu năng kỹ thuật và phản hồi từ người dùng. Về hiệu năng, hệ thống cho thấy khả năng xử lý tốt trên cả trình duyệt web và thiết bị di động. Về phía người dùng, kết quả thống kê cho thấy tần suất sử dụng báo cáo tăng lên rõ rệt. Các nhà quản lý cấp trung và cấp cao phản hồi tích cực về tính trực quan và khả năng đi sâu vào chi tiết của dữ liệu, giúp họ đưa ra các quyết định khen thưởng, phân công công việc một cách khách quan và nhanh chóng hơn.

VI. Tương lai và hướng phát triển hệ hỗ trợ ra quyết định

Việc xây dựng hệ hỗ trợ ra quyết định nhân sự không phải là một dự án một lần mà là một quá trình cải tiến liên tục. Luận văn đã đặt một nền móng vững chắc, nhưng vẫn còn nhiều hướng phát triển tiềm năng trong tương lai. Xu hướng rõ ràng nhất là tích hợp sâu hơn nữa trí tuệ nhân tạo (AI) cho HR và tự động hóa. Hệ thống trong tương lai có thể không chỉ đưa ra gợi ý mà còn có thể tự động thực hiện một số tác vụ, chẳng hạn như gửi email cảnh báo cho quản lý khi phát hiện một nhân viên có nguy cơ nghỉ việc cao, hoặc tự động đề xuất các khóa học phù hợp dựa trên phân tích lỗ hổng kỹ năng của nhân viên. Một hướng khác là mở rộng nguồn dữ liệu phân tích. Dữ liệu từ mạng xã hội nội bộ, các nền tảng học tập trực tuyến, hay thậm chí là các cảm biến trong không gian làm việc (IoT) có thể được tích hợp để cung cấp một cái nhìn toàn diện hơn về sự gắn kết và phúc lợi của nhân viên. Giá trị mà các đồ án tốt nghiệp DSS hay luận văn thạc sĩ như thế này mang lại không chỉ nằm ở sản phẩm cuối cùng, mà còn ở việc thay đổi tư duy quản trị trong doanh nghiệp, thúc đẩy một văn hóa ra quyết định dựa trên dữ liệu. Đây là nền tảng để các tổ chức xây dựng một lực lượng lao động tài năng, gắn kết và sẵn sàng đối mặt với những thách thức của tương lai.

6.1. Tổng kết giá trị của đồ án tốt nghiệp DSS cho doanh nghiệp

Tóm lại, một đồ án tốt nghiệp DSS hay một luận văn về chủ đề này mang lại giá trị thực tiễn to lớn. Nó giúp doanh nghiệp: (1) Tiết kiệm thời gian và chi phí trong việc tổng hợp báo cáo; (2) Tăng tính minh bạch và khách quan trong các quyết định nhân sự; (3) Nâng cao khả năng dự báo biến động nhân sự và hoạch định nguồn nhân lực hiệu quả; (4) Cải thiện trải nghiệm và sự gắn kết của nhân viên thông qua các chính sách công bằng hơn. Đây là một khoản đầu tư chiến lược vào tài sản quý giá nhất của doanh nghiệp: con người.

6.2. Khuyến nghị cho các nghiên cứu và luận văn tiếp theo

Các nghiên cứu trong tương lai có thể tập trung vào các lĩnh vực chuyên sâu hơn. Ví dụ, xây dựng mô hình phân tích ngôn ngữ tự nhiên (NLP) để hiểu rõ hơn phản hồi của nhân viên trong các cuộc khảo sát. Một hướng khác là nghiên cứu về các vấn đề đạo đức trong việc sử dụng AI trong nhân sự, đảm bảo tính công bằng và tránh các thiên vị thuật toán (algorithmic bias). Ngoài ra, việc phát triển các mô hình tối ưu hóa lịch làm việc hoặc phân bổ nguồn lực dự án cũng là những chủ đề đầy hứa hẹn cho các luận văn thạc sĩ quản trị nhân sự tiếp theo.

Nội dung chính

Tổng quan nghiên cứu

Trong kỷ nguyên kinh tế số và cách mạng công nghiệp lần thứ tư, dữ liệu được ví như nguồn tài nguyên vô giá của mỗi tổ chức. Tuy nhiên, theo các thống kê thực tế, có tới hơn 85% doanh nghiệp bán lẻ sản sinh ra hàng chục nghìn bản ghi dữ liệu mỗi ngày nhưng khoảng 70% trong số đó vẫn chưa khai thác hiệu quả nguồn dữ liệu này để phục vụ quản trị. Thực trạng tại nhiều đơn vị cho thấy các nhà quản lý vẫn phụ thuộc vào những báo cáo tài chính tĩnh theo mẫu cố định, khiến các quyết định liên quan đến phân bổ nguồn nhân lực thường mang nặng tính cảm tính, thiếu cơ sở dữ liệu định lượng chính xác.

Luận văn thạc sĩ chuyên ngành Khoa học máy tính với đề tài "Xây dựng hệ hỗ trợ ra quyết định nguồn lực nhân sự" của tác giả Hà Thị Hải Yến, dưới sự hướng dẫn của Phó Giáo sư Hoàng Xuân Huấn tại Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội năm 2020, được thực hiện nhằm giải quyết trực tiếp bài toán cấp thiết này. Mục tiêu nghiên cứu cụ thể là thiết kế và xây dựng một hệ hỗ trợ ra quyết định (Decision Support System - DSS) toàn diện về nhân sự trên nền tảng Tableau Business Intelligence (Tableau BI). Hệ thống giúp tự động hóa quá trình thu thập, xử lý và trực quan hóa dữ liệu từ nhiều nguồn phân tán, chuyển đổi các bước ra quyết định thủ công phức tạp thành quy trình số hóa tinh gọn.

Phạm vi nghiên cứu tập trung khảo sát 50 doanh nghiệp trong lĩnh vực bán lẻ tại Việt Nam và tiến hành triển khai thực nghiệm hệ thống tại 2 đơn vị tiêu biểu, bao gồm chuỗi bán lẻ đồ uống với quy mô 105 cửa hàng tại Hà Nội và Thành phố Hồ Chí Minh cùng một doanh nghiệp công nghệ thông tin. Nghiên cứu mang lại ý nghĩa thực tiễn to lớn khi giúp tối ưu hóa 100% quy trình xếp ca làm việc tự động, rút ngắn hơn 80% thời gian tổng hợp báo cáo hiệu suất nhân sự và cung cấp các chỉ số tài chính gắn liền với từng nhân viên, tạo tiền đề vững chắc cho việc quản trị doanh nghiệp thông minh.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng lý thuyết vững chắc về Hệ hỗ trợ ra quyết định (DSS) và Tháp phân loại quyết định trong doanh nghiệp, bao gồm 3 cấp độ: quyết định chiến lược của hội đồng quản trị, quyết định chiến thuật của trưởng bộ phận và quyết định vận hành của cán bộ cơ sở. Song song với đó là lý thuyết về xu hướng dịch vụ tự thân (Self-service BI), cho phép các nhà quản trị trực tiếp phân tích số liệu đa chiều mà không cần phụ thuộc vào đội ngũ kỹ thuật.

Về mặt mô hình công nghệ, tác giả khai thác kiến trúc phân lớp chuyên sâu của Tableau Server với 5 thành phần cốt lõi: Máy chủ dữ liệu (Data Server), Trình kết nối dữ liệu (Data Connectors), Máy chủ ứng dụng (Application Server), Máy chủ VizQL (chuyển đổi truy vấn thành hình ảnh trực quan) và Cổng điều hướng kết hợp cân bằng tải.

Hệ thống tích hợp hai mô hình học máy quan trọng:

• Mô hình phân cụm K-means (K-means Clustering): Ứng dụng thuật toán Lloyd với khoảng cách Euclid bình phương để phân nhóm nhân viên theo năng suất và điểm chuyên cần. Tiêu chí Calinski-Harabasz được áp dụng để tự động xác định số lượng cụm tối ưu trong khoảng từ 2 đến 25 cụm, đo lường tỷ lệ giữa phương sai giữa các cụm và phương sai nội cụm.
• Mô hình đường xu hướng (Trendlines): Ứng dụng hàm tuyến tính (Linear), hàm logarit (Logarithmic) và hàm số mũ (Exponential) nhằm dự báo mối tương quan giữa quy mô nhân sự và biến động doanh thu.

Hệ thống chuẩn hóa 4 nhóm khái niệm tài chính cốt lõi theo Thông tư 200/2014/TT-BTC: Doanh thu thuần, Lợi nhuận gộp, Biên lợi nhuận hoạt động (Operating Profit Margin) và Hệ số thanh toán hiện hành với ngưỡng an toàn đạt từ 2.0 đến 3.0.

Phương pháp nghiên cứu

Nghiên cứu sử dụng kết hợp phương pháp nghiên cứu định lượng và định chất thông qua khảo sát thực tế, phân tích dữ liệu và thực nghiệm hệ thống:

• Cỡ mẫu và phương pháp chọn mẫu: Tác giả tiến hành khảo sát trên mẫu gồm 250 nhà quản lý cấp trung và cấp cao tại 50 doanh nghiệp bán lẻ theo phương pháp chọn mẫu phân tầng kết hợp thuận tiện. Quá trình phỏng vấn chuyên sâu và khảo sát nghiệp vụ chi tiết được thực hiện tại chuỗi 105 cửa hàng đồ uống quy mô lớn.
• Nguồn dữ liệu tích hợp: Hệ thống kết nối và làm sạch dữ liệu từ 4 nguồn chính: Cơ sở dữ liệu máy chủ ERP (chứa dữ liệu tài chính, kế toán theo hệ quản trị SQL), máy chủ POS bán hàng (chứa dữ liệu giao dịch bán lẻ tức thời), hệ thống máy chấm công qua MySQL (chứa dữ liệu giờ vào, giờ ra và điểm phạt vi phạm), cùng bảng tính Google Sheets lưu trữ phản hồi từ các chiến dịch marketing.
• Lý do lựa chọn phương pháp phân tích: Việc áp dụng quy trình ETL (Extract - Transform - Load) kết hợp trích xuất dữ liệu định kỳ 1 ngày/lần giúp giải quyết triệt để độ trễ truy vấn, tối ưu hóa hiệu năng khi xử lý các tập dữ liệu lớn hàng chục nghìn bản ghi mỗi ngày mà không làm gián đoạn hệ thống giao dịch gốc.
• Timeline nghiên cứu: Toàn bộ quá trình từ khảo sát yêu cầu, thiết kế kiến trúc, xây dựng bảng điều khiển quản trị đến kiểm thử hiệu năng trên 3 nền tảng (Desktop, Web và Điện thoại di động) được triển khai hoàn chỉnh trong giai đoạn 2019 - 2020.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Qua quá trình điều tra khảo sát và thực nghiệm ứng dụng, nghiên cứu đã rút ra những phát hiện định lượng then chốt về nhu cầu và hiệu quả ứng dụng hệ hỗ trợ ra quyết định:

Thứ nhất, kết quả khảo sát 250 nhà quản trị cho thấy nhu cầu ra quyết định vận hành nhân sự chiếm tỷ lệ tuyệt đối. Cụ thể, có 100% (250/250) lãnh đạo xác nhận việc ra quyết định khen thưởng, phê duyệt và quyết định phân ca làm việc là mối quan tâm hàng đầu. Bên cạnh đó, 97.2% (243/250) nhà quản lý thường xuyên theo dõi chỉ số lợi nhuận và 80.8% (202/250) quan tâm sát sao đến sản lượng bán ra theo từng nhân viên để làm căn cứ đánh giá hiệu suất.

Thứ hai, hệ thống đã chuẩn hóa quy trình ra quyết định của doanh nghiệp từ mô hình 7 bước thủ công phức tạp (từ định nghĩa, thu thập thông tin, cân nhắc bằng chứng đến hành động) thành quy trình 4 bước số hóa gọn nhẹ trên giao diện phần mềm. Thời gian tổng hợp và trực quan hóa dữ liệu nhân sự giảm từ 4 đến 6 giờ lao động thủ công xuống chỉ còn từ 3 đến 5 phút trên bảng điều khiển tương tác.

Thứ ba, việc ứng dụng thuật toán phân cụm K-means đã giải quyết triệt để bài toán phân bổ 5 nhân viên/ca/cửa hàng tại chuỗi 105 chi nhánh. Thuật toán phân tách nhân sự thành 3 cụm năng lực dựa trên doanh số bán hàng (Topsale), lợi nhuận đóng góp (Profit) và lịch sử chấm công (Penalty points), đảm bảo tỷ lệ công bằng và hiệu quả kinh doanh giữa các ca trực đạt mức tối đa.

Các kết quả trên được trình bày trực quan thông qua:

• Biểu đồ cột (Bar chart): So sánh doanh thu thuần và lợi nhuận gộp theo từng nhân viên bán hàng trong các quý.
• Biểu đồ phân tán (Scatter plot): Trực quan hóa các cụm phân loại nhân viên theo năng suất bán lẻ và điểm trừ chuyên cần.
• Biểu đồ đường xu hướng (Trendline): Mô phỏng đường hồi quy tuyến tính thể hiện sự tương quan giữa tăng trưởng số lượng nhân sự và tốc độ tăng trưởng doanh thu cửa hàng.

Thảo luận kết quả

Nguyên nhân chính dẫn đến sự cải thiện vượt bậc trong công tác quản trị là việc phá bỏ được các ốc đảo dữ liệu (data silos). Trước đây, dữ liệu bán hàng nằm ở máy chủ POS, dữ liệu kế toán ở hệ thống ERP và dữ liệu chuyên cần ở máy chấm công MySQL hoàn toàn tách biệt. Thông qua cơ chế kết nối đa chiều và tính năng Data Blending của Tableau, hệ thống đã hợp nhất các luồng dữ liệu này thành một bức tranh quản trị toàn diện.

Khi so sánh với các công cụ Business Intelligence hàng đầu trên thị trường theo đánh giá của Gartner, nghiên cứu chỉ ra rằng Tableau BI (thành lập từ năm 2003) có ưu thế vượt trội về hiệu năng xử lý dữ liệu lớn, tính năng hiển thị trực quan sinh động và hệ thống tài liệu chuẩn hóa so với Power BI (thành lập năm 2013). Mặc dù chi phí bản quyền của Tableau ở mức khoảng 70 USD/tháng (cao hơn mức 10 USD/người/tháng của Power BI), nhưng khả năng tùy biến giao diện linh hoạt trên cả 3 môi trường Web, Desktop và Mobile đã mang lại tỷ suất hoàn vốn cao cho các doanh nghiệp bán lẻ có quy mô hàng chục nghìn bản ghi dữ liệu mỗi ngày.

Ý nghĩa học thuật và thực tiễn của kết quả này khẳng định rằng, việc kết hợp giữa công nghệ BI tự phục vụ và các thuật toán học máy cơ bản như K-means hoàn toàn có thể biến nguồn của cải số thành tri thức quản trị hành động, giúp doanh nghiệp duy trì hệ số thanh toán ngắn hạn an toàn trong mức 2.0 đến 3.0 và gia tăng lợi nhuận bền vững.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu và thực nghiệm, luận văn đưa ra 4 nhóm khuyến nghị mang tính hành động cao nhằm giúp các doanh nghiệp tối ưu hóa hệ thống hỗ trợ ra quyết định nguồn lực nhân sự:

• Chuẩn hóa quy trình tích hợp và làm sạch dữ liệu tự động (ETL): Phòng Công nghệ thông tin cần thiết lập cơ chế trích xuất dữ liệu định kỳ 1 lần/ngày vào lúc 0 giờ sáng từ hệ thống ERP, POS và máy chấm công MySQL. Mục tiêu duy trì độ trễ dữ liệu dưới mức 1% và đảm bảo tốc độ phản hồi của bảng điều khiển dưới 3 giây, hoàn thành triển khai trong vòng 3 tháng đầu năm.
• Ban hành khung chỉ số KPI nhân lực gắn liền với hiệu quả tài chính: Ban Giám đốc phối hợp cùng Phòng Nhân sự xây dựng bộ chỉ tiêu đánh giá dựa trên doanh thu thuần, lợi nhuận gộp và mức độ hài lòng của khách hàng theo từng nhân viên, phấn đấu nâng cao biên lợi nhuận hoạt động lên thêm 15% trong vòng 6 tháng.
• Áp dụng triệt để thuật toán K-means trong quản lý vận hành ca trực: Các Cửa hàng trưởng và Bộ phận Vận hành cần sử dụng mô hình phân cụm 3 nhóm nhân sự tự động cho 100% các ca trực tại chuỗi 105 cửa hàng, loại bỏ hoàn toàn việc xếp ca thủ công, giúp giảm 40% thời gian phân bổ nhân sự và triệt tiêu mâu thuẫn nội bộ trong quý 2.
• Thúc đẩy văn hóa phân tích dữ liệu tự phục vụ (Self-service BI): Phòng Đào tạo tổ chức các khóa huấn luyện kỹ năng khai thác và tương tác với bảng điều khiển Tableau cho 100% cán bộ quản lý từ cấp trung trở lên, hướng tới mục tiêu 90% các quyết định khen thưởng và tuyển dụng nhân sự mới được phê duyệt dựa trên bằng chứng dữ liệu trong vòng 1 năm.

Đối tượng nên tham khảo luận văn

Nội dung và khung kiến trúc của luận văn là tài liệu tham khảo giá trị cho 4 nhóm đối tượng trọng tâm sau:

• Ban Giám đốc điều hành (CEO) và Giám đốc Nhân sự (CHRO) khối bán lẻ: Nhóm lãnh đạo cấp cao có thể ứng dụng trực tiếp mô hình phân cấp quyết định và các chỉ số thanh khoản, biên lợi nhuận để hoạch định chiến lược tuyển dụng, điều chỉnh quỹ lương thưởng và kiểm soát chi phí nhân sự tối ưu trên từng điểm bán.
• Chuyên viên phân tích dữ liệu kinh doanh (BI/Data Analyst): Nhóm chuyên môn kỹ thuật sẽ nắm bắt được phương pháp luận chi tiết về thiết kế kiến trúc phân lớp Tableau Server, kỹ thuật kết nối đa nguồn dữ liệu (SQL Server, MySQL, Google Sheets) và cách thức cấu hình thuật toán K-means với tiêu chí Calinski-Harabasz.
• Cửa hàng trưởng và Trưởng bộ phận vận hành chuỗi: Các nhà quản lý cấp cơ sở có thể khai thác các bảng điều khiển trực quan trên điện thoại di động để theo dõi điểm chấm công, xếp ca làm việc 5 người/ca công bằng và giám sát tức thời danh sách nhân viên đạt doanh số cao (Topsales).
• Giảng viên, học viên cao học và sinh viên ngành Công nghệ thông tin: Tài liệu cung cấp một nghiên cứu tình huống điển hình về việc ứng dụng khoa học máy tính vào quản trị kinh doanh thực tế, kèm theo 2 bộ câu hỏi khảo sát chuẩn hóa và các công thức kế toán theo Thông tư 200/2014/TT-BTC.

Câu hỏi thường gặp

Hệ hỗ trợ ra quyết định (DSS) trong luận văn khác gì so với các báo cáo phần mềm ERP truyền thống? Các báo cáo ERP thông thường là báo cáo tĩnh, hiển thị theo các mẫu biểu kế toán cố định và khó tùy biến. Hệ thống DSS trên Tableau BI cho phép kết hợp đa nguồn dữ liệu linh hoạt, hỗ trợ kéo thả trực quan, tích hợp thuật toán học máy K-means và dự báo đường xu hướng, giúp nhà quản lý tự phục vụ phân tích dữ liệu đa chiều chỉ trong 3 phút.

Tại sao nghiên cứu lại chọn thuật toán K-means để phân cụm nhân viên theo ca trực? Thuật toán K-means kết hợp phương pháp Lloyd và khoảng cách Euclid bình phương giúp nhóm tự động nhân viên dựa trên các biến định lượng gồm doanh số, lợi nhuận và điểm chuyên cần. Tiêu chí Calinski-Harabasz tự động xác định số cụm tối ưu từ 2 đến 25 cụm, đảm bảo việc phân bổ 5 nhân sự/ca tại 105 cửa hàng luôn công bằng và khách quan.

Làm thế nào để hệ thống xử lý lượng dữ liệu lớn mà không gây quá tải máy chủ? Thay vì kết nối trực tiếp liên tục làm chậm cơ sở dữ liệu giao dịch, hệ thống áp dụng cơ chế trích xuất dữ liệu (Data Extract) định kỳ 1 lần/ngày. Dữ liệu được nén và lưu trữ trên bộ nhớ đệm (Cache) của máy chủ VizQL, giúp tối ưu hóa hiệu năng truy vấn của người dùng trên web và di động với độ trễ gần như bằng không.

Ưu điểm nổi bật nhất của Tableau BI so với các công cụ BI khác trong nghiên cứu là gì? Dựa trên bảng so sánh kỹ thuật, Tableau BI sở hữu lịch sử phát triển từ năm 2003 với khả năng trực quan hóa dữ liệu vượt trội, hỗ trợ đa nền tảng (Desktop, Web, Mobile) mượt mà và khả năng xử lý các tập dữ liệu bán lẻ hàng chục nghìn bản ghi nhanh hơn đáng kể so với Power BI.

Doanh nghiệp có quy mô vừa và nhỏ có thể áp dụng mô hình này không? Hoàn toàn có thể. Doanh nghiệp có thể bắt đầu với phiên bản Tableau Desktop hoặc Tableau Reader miễn phí để kết nối các tệp dữ liệu bảng tính Google Sheets và MySQL máy chấm công, giúp tiết kiệm tối đa chi phí bản quyền 70 USD/tháng nhưng vẫn đạt hiệu quả quản trị vượt trội.

Kết luận

• Luận văn đã xây dựng thành công Hệ hỗ trợ ra quyết định nguồn lực nhân sự toàn diện trên nền tảng Tableau BI, giải quyết bài toán phân tán dữ liệu tại các doanh nghiệp bán lẻ.
• Tích hợp và đồng bộ hóa thành công 4 nguồn dữ liệu trọng yếu gồm ERP, POS, máy chấm công MySQL và Google Sheets tuân thủ chuẩn mực Thông tư 200/2014/TT-BTC.
• Ứng dụng xuất sắc thuật toán phân cụm K-means và mô hình đường xu hướng để tự động hóa 100% công tác xếp ca làm việc và dự báo nhu cầu tuyển dụng.
• Tiến hành khảo sát thực chứng trên 250 nhà quản lý tại 50 doanh nghiệp bán lẻ, khẳng định tính thực tiễn và nhu cầu cấp bách của hệ thống.
• Thử nghiệm hiệu quả trên chuỗi 105 cửa hàng thực tế, rút ngắn quy trình ra quyết định từ 7 bước phức tạp xuống 4 bước số hóa tinh gọn.

Đóng góp lớn nhất của công trình là chuyển đổi nguồn dữ liệu số thô thành tri thức quản trị có khả năng hành động, nâng cao năng lực cạnh tranh cho doanh nghiệp. Trong giai đoạn 12 tháng tới, hướng phát triển tiếp theo là mở rộng tích hợp các thuật toán học sâu (Deep Learning) để tự động hóa việc dự báo doanh thu theo mùa vụ. Các nhà quản trị doanh nghiệp và chuyên gia công nghệ hãy bắt tay triển khai ngay các giải pháp Business Intelligence tự phục vụ để tối ưu hóa nguồn lực nhân sự và dẫn đầu xu thế chuyển đổi số.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu sơ lược 1. Bối cảnh công nghệ & thực trạng Quản trị doanh nghiệp Trong những năm gần đây, cùng với sự phát triển vũ bão của khoa học và công nghệ, đặc biệt là công nghệ thông tin và các hệ thống thông minh đã đưa loài người tiến tới một cuộc cách mạng mới, cách mạng khoa học và công nghệ 4. Trong cuộc cách mạng này, vai trò của các hệ thống quản trị thông minh là vô cùng thiết yếu và quan trọng nhất. Đặc biệt, công nghệ thông tin đang hiện diện và đóng vai trò quan trọng không thể thiếu trong quá trình quản trị, điều hành các hoạt động sản xuất kinh doanh của mỗi doanh nghiệp.

Sự phát triển và ứng dụng của Internet đã làm thay đổi mô hình và cách thức hoạt động kinh doanh của doanh nghiệp, việc chuyển dần các giao dịch truyền thống sang giao dịch điện tử đã ảnh hưởng đến vị trí, vai trò và cả nhu cầu của các bên hữu quan (khách hàng, nhà cung cấp, nhà đầu tư…) của doanh nghiệp. Với bối cảnh công nghệ đó thì rất nhiều doanh nghiệp đã và đang sử dụng các công cụ để hỗ trợ cho hoạt động hàng ngày của doanh nghiệp. Có thể kể đến như các phần mềm kế toán thông thường: Misa, Fast hay các công ty có tiềm lực kinh tế lớn hơn thì sử dụng các phần mềm ERP (quản trị nguồn lực doanh nghiệp): Oracle, SAP, Odoo. Từ đó, nguồn dữ liệu số được sản sinh ra nhiều và đa dạng.

Tuy nhiên các doanh nghiệp vẫn chưa tận dụng được hết giá trị từ nguồn „của cải số‟ cực kỳ lớn lao này. Hầu hết các doanh nghiệp vẫn đang xem các báo cáo đơn thuần như báo cáo tài chính theo các mẫu chuẩn của hệ thống, chứ chưa tự khai thác được nguồn dữ liệu số này cho việc quản trị doanh nghiệp, mà cụ thể là cho việc ra các quyết định cho doanh nghiệp. Sử dụng công nghệ để hỗ trợ ra quyết định Khi mà mọi thứ đã tự động hóa hết thì quản trị thông minh là điều còn sót lại duy nhất để con người hoàn thiện nốt mảnh ghép tri thức, đưa con người đến một nền công nghiệp mới, đó là nền công nghiệp sản xuất tri thức, cụ thể trong mỗi doanh nghiệp là tri thức quản trị. Như vậy việc ra quyết định để quản trị doanh nghiệp là điều mà mỗi doanh nghiệp đang vô cùng quan tâm.

Vì vậy cần sử dụng công nghệ để có thể dễ dàng “điều chế” ra tri thức quản trị một cách nhanh nhất, thích hợp nhất trên bối cảnh công nghệ và thực trạng dữ liệu ở các doanh nghiệp hiện nay 1. Các loại quyết định download by : [e-mail] 2 Công việc chính của một nhà quản lý doanh nghiệp là phân tích thông tin và đưa ra quyết định xử lý các quan hệ trong và ngoài tổ chức, hay nói cách chung nhất là ra quyết định. Khoảng cách kinh tế xã hội giữa các nước thực thất là khoảng cách về tri thức nên việc ra quyết định ngày càng phức tạp và chi phí cho quyết định sai ngày càng lớn. Người ra quyết định có thể ở các cấp quản lý khác nhau và có phong cách ra quyết định khác nhau.

Quyết định cũng có thể được xây dựng bởi nhiều người theo các phương thức hợp tác khác nhau. Quyết định có thể phân ra thành các phân cấp dưới đây theo cấp quyết định & loại quyết định. Hình 1: Tháp phân loại quyết định Chiến lược là một tập hợp các lựa chọn được sử dụng để đạt được mục tiêu tổng thể trong khi chiến thuật là những hành động cụ thể được sử dụng khi áp dụng những lựa chọn chiến lược đó. Nếu có chiến lược mà không có chiến thuật thì sẽ không biết hành động cụ thể ra sao.

Nếu có chiến thuật nhưng không có chiến lược sẽ rối loạn vì không có phương hướng tổng thể dẫn đường. Trong một tổ chức, chiến lược được quyết định bởi hội đồng quản trị cấp cao, và chiến thuật của các trưởng bộ phận được thực hiện bởi cán bộ cơ sở và nhân viên. Ngoài ra ở quản lý cấp trung thì sẽ thực hiện việc chỉ đạo, giám sát các công việc hàng ngày, nên sẽ xuất hiện 1 loại quyết định là Quyết định vận hành. Các bước ra quyết định download by : [e-mail] 3 Ra quyết định có thể được định nghĩa là quá trình lựa chọn một hành động đúng đắn và hiệu quả từ hai hoặc nhiều lựa chọn thay thế cho mục đích đạt được kết quả mong muốn.

Ra quyết định là bản chất của quản lý. Có thể có nhiều bước để ra quyết định, tuy nhiên sau đây là 7 bước cơ bản mà bất cứ mà bất cứ nhà quản trị nào cũng cần trải qua để có một quyết định đúng đắn: 1. Định nghĩa quyết định 7. Thu thập quyết định thông tin 6.

Định hiện theo nghĩa các phương án phương án đã chọn 5. Đánh giữa các trọng số các phương án bằng chứng Hình 2: 7 bước trong quy trình ra quyết định 1. Định nghĩa quyết định Để đưa ra quyết định, trước tiên nhà quản trị phải xác định vấn đề mà họ cần giải quyết hoặc câu hỏi mà họ cần trả lời. Xác định rõ ràng quyết định cũng chính để đảm bảo không đưa ra quyết định sai lệch với nhu cầu thực tế.

Nếu nhà quản trị cần đạt được một mục tiêu cụ thể từ quyết định của mình, thì nhà quản trị phải làm cho nó có thể đo lường được và kịp thời để bạn biết chắc chắn rằng họ đã đạt được mục tiêu khi kết thúc quá trình. Thu thập thông tin liên quan Khi nhà quản trị đã xác định được quyết định của mình, đã đến lúc thu thập thông tin liên quan đến lựa chọn đó. Thực hiện đánh giá nội bộ, xem doanh nghiệp của họ đã thành công và thất bại trong các lĩnh vực liên quan đến quyết định của họ chưa. Ngoài ra, tìm kiếm thông tin từ các nguồn bên ngoài, bao gồm các nghiên cứu, nghiên cứu thị trường và, trong một số trường hợp, đánh giá từ các chuyên gia tư vấn.

download by : [e-mail] 4 Tuy nhiên người quản lý có thể dễ dàng bị sa lầy bởi quá nhiều thông tin và các số liệu thống kê có vẻ phù hợp với tình huống của họ nhưng lại làm phức tạp quá trình. Xác định các phương án Với thông tin liên quan hiện tại trong tay, cần xác định các giải pháp có thể cho vấn đề. Chẳng hạn, thường có nhiều hơn một lựa chọn để xem xét khi cố gắng đạt được mục tiêu, ví dụ, nếu công ty đang cố gắng thu hút nhiều hơn trên phương tiện truyền thông xã hội, các lựa chọn thay thế của bạn có thể bao gồm quảng cáo xã hội phải trả tiền, thay đổi chiến lược truyền thông xã hội hữu cơ của bạn hoặc sự kết hợp của hai. Tìm kiếm & cân nhắc bằng chứng Một khi bạn đã xác định được nhiều lựa chọn thay thế, hãy cân nhắc bằng chứng thuyết phục hoặc chống lại các phương án đã nêu ra.

Xem những gì các công ty đã làm trong quá khứ để thành công trong các lĩnh vực này, và hãy nhìn kỹ vào tổ chức của riêng họ, đã từng thắng hay thua. Xác định những cạm bẫy tiềm năng cho từng lựa chọn thay thế của họ và cân nhắc những điều đó với những vấn đề ngoài lề có thể phát sinh. Chọn trong số các lựa chọn thay thế Đây là một phần của quá trình ra quyết định. Lúc này nhà quản trị đã xác định và làm rõ quyết định nào cần được đưa ra, thu thập tất cả thông tin liên quan và phát triển và xem xét các con đường tiềm năng cần thực hiện.

Hãy hành động Một khi nhà quản trị đã đưa ra quyết định của mình, hãy hành động! Phát triển một kế hoạch để làm cho quyết định của họ hữu hình và có thể đạt được. Phát triển một kế hoạch dự án liên quan đến quyết định của họ, và sau đó tạo 1 nhóm để thực hiện nhiệm vụ của họ sau khi kế hoạch được thực hiện. Xem lại quyết định Sau một khoảng thời gian định trước mà nhà quản trị đã xác định ở bước một trong quá trình ra quyết định, hãy nhìn lại quyết định của bạn. Bạn đã giải quyết vấn đề chưa? Bạn đã trả lời câu hỏi chưa? Bạn đã đạt được mục tiêu của mình? Nếu vậy, hãy lưu ý những gì làm việc để tham khảo trong tương lai.

Nếu không, hãy học hỏi từ những sai lầm và nhà quản trị bắt đầu lại quá trình ra quyết định.  Quyết định cần phải dùng dữ liệu chính xác và kịp thời từ nhiều nguồn. Để ra được quyết định thì dữ liệu cần phải được hiển thị và biểu hiện dưới dạng nào đó để con người có thể hiểu và cảm nhận được. Vì vậy việc dùng công cụ sẽ hỗ trợ ra quyết định tốt hơn.

download by : [e-mail] 5 Tùy thuộc vào quyết định, bạn có thể muốn cân nhắc bằng chứng bằng cách sử dụng cây quyết định. Ví dụ một công ty đang cố gắng xác định xem có nên thực hiện thử nghiệm thị trường trước khi ra mắt sản phẩm hay không. Các chi nhánh khác nhau ghi lại xác suất thành công và dự toán cho việc này, để Tổng giám đốc có thể thấy tùy chọn nào sẽ mang lại nhiều doanh thu hơn 1. Xu hướng dịch vụ tự thân Dịch vụ tự thân nghĩa là cung cấp cho người dùng thông thường khả năng tự xử lý và phân tích số liệu mà không cần nhiều kiến thức chuyên môn về lập trình hay phân tích.

Với đặc thù về việc bảo mật dữ liệu của một doanh nghiệp, nhà quản trị doanh nghiệp luôn có mong muốn tự kiểm soát dữ liệu của doanh nghiệp, thay vì phải nhờ đến một bên thứ 3 can thiệp để phân tích dữ liệu của doanh nghiệp của họ vì thế mỗi doanh nghiệp sẽ cần một công cụ tư động trích xuất dữ liệu & báo cáo một cách tự động, và họ có thể dễ dàng chỉnh sửa & cập nhật báo cáo theo ý muốn của họ. Doanh nghiệp có thể dễ dàng khai báo kho dữ liệu của họ một cách bảo mật và an toàn. Giới thiệu sơ lược Tableau được thiết kế cho tất cả mọi người. Không yêu cầu khả năng lập trình hay lập trình kịch bản.

Vì vậy bất cứ ai cũng có thể sử dụng Tableau để tìm ra câu trả lời cho vấn đề họ cần tìm hiểu về doanh nghiệp trong vài phút với các thao tác kéo thả linh hoạt. Cho phép người dùng kéo thả phân tích dữ liệu.