Prescriptive Analytics là giai đoạn quan trọng giúp doanh nghiệp đề ra những phương hướng đúng đắn trong chiến lược kinh doanh. Trong bài viết sau đây, hãy cùng Blog Tuyển Dụng tìm hiểu về bản chất, quy trình và ưu nhược điểm của công cụ này để áp dụng đúng cách cho chính doanh nghiệp của bạn!
Prescriptive Analytics là gì?
Prescriptive Analytics (Phân tích đề xuất) là giai đoạn cuối cùng trong quá trình phân tích dữ liệu (Data Analytics). Prescriptive Analytics là một bước tiến xa hơn Descriptive Analytics (Phân tích mô tả) và Predictive Analytics (Phân tích dự đoán) nhằm đưa ra những đề xuất hành động thích hợp và dự đoán kết quả có thể xảy ra tương ứng trong các khoảng thời gian ngắn, dài khác nhau.
Nhìn chung, Prescriptive Analytics sẽ dựa vào dữ liệu lịch sử nghiên cứu trước đó và thông tin cung cấp thêm từ bên ngoài để đưa ra câu trả lời cho câu hỏi “Chúng ta nên làm gì?” và “Làm thế nào để đạt được điều này?” một cách đúng đắn và chính xác nhất.
Trong doanh nghiệp, Prescriptive Analytics được coi như một dạng phân tích kinh doanh nhằm đề xuất các quyết định mới giúp doanh nghiệp tận dụng cơ hội, hạn chế rủi ro có thể xảy ra trong tương lai.
Lưu ý: Phân tích đề xuất căn cứ vào dữ liệu hiện tại để hướng về những giải pháp đề xuất nhằm giải quyết vấn đề trong tương lai. Điều này khác với Diagnostic Analytics sẽ căn cứ vào những dự liệu hiện tại để tìm ra nguyên nhân gốc rễ của vấn đề.
Ví dụ:
Khi ứng dụng phân tích đề xuất trong tuyển dụng nhân sự một cách đúng đắn, các nhà tuyển dụng có thể dự đoán và đưa ra những đề xuất tuyển dụng mới dẫn đầu thị trường. Cụ thể, tại một Agency Marketing X, đặc thù dự án quý 3, quý 4 sẽ về nhiều và rất lớn do nhu cầu Marketing cuối năm của các doanh nghiệp tăng cao. Công việc vất vả, thường xuyên phải tăng ca, nguồn nhân sự cũ của công ty không đủ để đáp ứng dự án, yêu cầu phải bổ sung nhân sự mới. Tuy nhiên, mặt bằng chung thị trường quý 3, quý 4 người lao động thường rất ít đổi việc do muốn lấy tiền thưởng tết.
Từ những tính chất công việc và nhu cầu trên, nếu áp dụng phân tích đề xuất, nhà tuyển dụng có thể đưa ra các phương án tuyển dụng như sau: Tăng lương để nhân sự cũ tăng thêm giờ làm việc, đề xuất mức lương cơ bản cho các vị trí cần tuyển dụng cao hơn mặt bằng chung thị trường trong khuôn khổ quỹ lương của công ty, tuyển dụng thực tập sinh/học việc chấp nhận bỏ thời gian đào tạo nhân sự mới,…
Quy trình phân tích Prescriptive Analytics
Tương tự như các hình thức phân tích dữ liệu khác, Prescriptive Analytics cũng sử dụng các kỹ thuật trí tuệ nhân tạo để sản xuất ra một kết quả hoàn chỉnh bao gồm các đề xuất có thể thực thi.
Cụ thể, bạn cần tạo ra một mô hình ML (Machine Learning) – mô hình học máy chứa thuật toán xử lý số lượng lớn dữ liệu để cho ra các mẫu và dự đoán. Thao tác để tạo ra mô hình này như sau:
- Xác định vấn đề: Cũng như các quy trình phân tích khác, bước đầu tiên bạn cần xác định đúng vấn đề cần giải quyết và câu hỏi cần trả lời. Bước này giúp bạn thu hẹp phạm vi thu thập dữ liệu và kiểm soát kết quả thực thi của toàn bộ quy trình.
- Tổng hợp dữ liệu: Sau khi xác định được vấn đề cốt lõi, bạn cần thu thập những dữ liệu liên quan, sàng lọc và sắp xếp chúng vào một nguồn để tiện quản lý tập trung. Dữ liệu của bạn cần chính xác và luôn được cập nhật đổi mới theo thời gian.
- Xây dựng mô hình ML: Bạn có thể lập mô hình ML thủ công hoặc sử dụng các công cụ có sẵn để tiết kiệm thời gian và tăng độ chính xác. Các công cụ này sử dụng nhiều thuật toán cấp cao như mô phỏng, phân tích đồ thị, chẩn đoán, tối ưu hóa,… để đưa ra các đề xuất hiệu quả nhất dựa trên dữ liệu mà bạn nhập vào.
- Thử nghiệm mô hình ML: Sau khi hoàn thành mô hình sơ bộ, bạn cần chạy thử nghiệm với một số dữ liệu để kiểm tra khả năng cho ra đề xuất và tiến hành điều chỉnh. Bạn cũng có thể cho chạy thử một phần của dự án bất kỳ để dễ đối chiếu kết quả thử nghiệm.
- Kiểm tra và hoàn thiện: Tiếp theo, bạn áp dụng mô hình đã điều chỉnh vào thực tế. Trong suốt thời gian hoạt động, bạn cần theo sát và sửa chữa ngay các lỗi phát sinh để hoàn thiện mô hình tốt hơn. Đồng thời, bạn nên tích hợp tính năng cập nhật dữ liệu để các quá trình tiếp theo diễn ra tự động hóa, tiết kiệm thời gian và sức lực sửa chữa thủ công.
Để nâng cao tính hiệu quả của phân tích đề xuất, bạn có thể ứng dụng nhiều công cụ sau đây:
| Loại công cụ | Ví dụ |
| Công cụ tối ưu hóa | IBM ILOG CPLEX, Gurobi, FICO Xpress,… |
| Công cụ mô phỏng | AnyLogic, Simul8, Arena,… |
| Công cụ tạo mô hình ML | Neural networks, Decision trees, Regression analysis,… |
| Công cụ kinh doanh thông minh | Tableau, QlikView, Power BI,… |
| Công cụ xử lý ngôn ngữ tự nhiên (NLP) | Google Cloud Natural Language API, Microsoft Azure Cognitive Services, IBM Watson NLU,… |
| Phần mềm phân tích đề xuất | FICO Decision Management Suite, IBM Decision Optimization, SAP Analytics Cloud,… |
3 lợi ích và 5 hạn chế của Prescriptive Analytics
Để hiểu được tầm quan trọng của Prescriptive Analytics, doanh nghiệp và các nhà quản trị cần thấu hiểu bản chất, lợi ích và hạn chế của phương pháp này để tận dụng những giá trị tích cực và giảm thiểu các tác động tiêu cực, cụ thể như sau:
Lợi ích
Prescriptive Analytics mang đến cho doanh nghiệp những lợi ích thực tiễn, bao gồm:
- Tạo doanh thu: Phân tích đề xuất giúp doanh nghiệp hiểu được khách hàng muốn mua gì và tại sao họ phải mua. Từ đó, doanh nghiệp có thể đẩy mạnh tiêu thụ hoặc phát triển các sản phẩm liên quan để bán chéo, bán thêm.
- Giảm chi phí: Với một mô hình ML hiệu quả, doanh nghiệp có thể quản lý số lượng hàng tồn kho dễ dàng và trực quan hơn, đồng thời giảm được chi phí về nhân lực, in ấn, giấy tờ ghi chép tồn kho như quy trình truyền thống.
- Quản lý tỷ suất lợi nhuận gộp: Phân tích đề xuất giúp doanh nghiệp xác định được doanh thu bán ra và các loại chi phí đã thanh toán, từ đó tính được tỷ suất lợi nhuận gộp dùng làm cơ sở điều chỉnh giá bán và mở rộng thị trường.
Hạn chế
Song song với những lợi ích, Prescriptive Analytics vẫn tồn tại những hạn chế cần con người khắc phục như:
- Phụ thuộc vào chất lượng của dữ liệu: Chất lượng của phân tích đề xuất phụ thuộc vào độ chính xác và uy tín của dữ liệu. Nếu dữ liệu có sai sót thì các đề xuất đưa ra sẽ không hiệu quả. Do đó, khâu thu thập dữ liệu cần được chú trọng và kiểm tra thường xuyên.
- Độ phức tạp cao: Nhân sự tham gia quy trình phân tích đề xuất đòi hỏi phải có chuyên môn cao và kỹ năng vận dụng thuần thục các loại thuật toán. Bên cạnh đó, doanh nghiệp có thể phải đầu tư một khoản chi phí đáng kể để mua các công cụ cao cấp nhằm tăng độ chính xác cho các đề xuất.
- Có thể đưa ra đề xuất có hại: Các phần mềm sẽ phân tích đề xuất dựa trên dữ liệu được nhập vào nên có thể xảy ra tình trạng một số đề xuất không phù hợp với tiêu chuẩn đạo đức. Do đó, các nhà quản trị cần xem xét và loại bỏ các đề xuất không tốt khỏi mô hình.
Thực tế, bất kỳ quy trình hay công cụ nào cũng tồn tại những lợi ích và hạn chế nhất định. Nhiệm vụ của nhà quản trị là phải hiểu rõ ưu nhược điểm của phân tích đề xuất để tận dụng lợi ích, giảm thiểu rủi ro, giúp doanh nghiệp đạt được mục tiêu đã đề ra trong tương lai ngắn hạn và dài hạn.
Ứng dụng Prescriptive Analytics trong thực tế
Phương pháp Prescriptive Analytics được ứng dụng nhiều trong đa dạng lĩnh vực như: nhân sự, tài chính, kinh doanh, giáo dục, y tế, vận tải, chính trị,… Một ví dụ thực tế chứng minh tính khả thi của phương pháp này trong lĩnh vực quản trị nhân sự có thể kể đến là sự kiện “thay máu” nguồn nhân lực của Microsoft trong năm 2014.
Tại thời điểm này, CEO mới của Microsoft – Satya Nadella đã đi đến quyết định khiến cả thế giới bất ngờ khi đào thải 18.000 nhân viên đang hoạt động. Cô cho biết sự kiện này là cần thiết để tuyển dụng và đào tạo nguồn lao động theo quy chuẩn mới mà cô đã thông qua, đó là:
- Đề cao sự lắng nghe: Microsoft đào tạo nhân viên lắng nghe nhau và lắng nghe khách hàng, không phân biệt giới tính, màu da, quốc tịch,… để tìm kiếm cốt lõi và mong muốn thầm kín của đối tượng mục tiêu, từ đó thấu hiểu, hợp tác và đưa ra những cải tiến đúng hướng.
- Động viên và khen thưởng: Các cấp lãnh đạo của Microsoft được đào tạo một tinh thần tôn trọng cấp dưới và luôn sẵn sàng cho cấp dưới thử nghiệm những ý tưởng mới, đồng thời ghi nhận những thành tựu đạt được và khen thưởng cho từng cá nhân.
- Hệ thống đào tạo nhân sự chuyên nghiệp: Microsoft tổ chức nhiều khóa đào tạo phân cấp, tập trung vào việc phát triển chuyên môn từ các cấp lãnh đạo bậc trung để nâng cao mặt bằng trình độ chung, góp phần thúc đẩy thành công của tập đoàn ở thời điểm hiện tại.
Có thể thấy, Microsoft đã thành công trong việc ứng dụng phân tích đề xuất để đưa ra hướng đi mới trong công cuộc quản trị nhân sự. Hiện tại, Microsoft đang sở hữu hơn 160.000 nhân sự tài năng đến từ 190 quốc gia khác nhau, đã giúp Microsoft tiến thẳng vào danh sách top 3 công ty có giá trị thị trường lớn nhất thế giới trong năm 2023.
Lưu ý khi ứng dụng Prescriptive Analytics
Phân tích đề xuất cần được áp dụng đúng cách và đúng giai đoạn để gặt hái được hiệu quả thiết thực. Do đó, doanh nghiệp cần lưu ý một số vấn đề sau đây:
- Nhấn mạnh vai trò của các quy trình khác: Độ khả thi của phân tích đề xuất sẽ liên quan mật thiết đến 3 giai đoạn trước (Mô tả – Chẩn đoán – Dự đoán) trong hệ thống phân tích dữ liệu. Do đó, doanh nghiệp cần bám sát quy trình ngay từ giai đoạn đầu để giảm thiểu rủi ro sai sót và đảm bảo chiến lược luôn theo đúng định hướng đã đề ra.
- Không phù hợp với giai đoạn ổn định: Phân tích đề xuất sẽ luôn cho ra các đề xuất đòi hỏi doanh nghiệp phải thay đổi liên tục chiến lược, quy trình, mục tiêu,… Vì thế, doanh nghiệp cần sáng suốt để áp dụng phân tích đề xuất đúng thời điểm, tránh cập nhật liên tục gây xáo trộn nhiệm vụ của các phòng ban liên quan.
- Không xác định kết quả: Về bản chất, phân tích đề xuất chỉ cho ra những đề xuất giả định dựa trên lượng dữ liệu được nhập vào. Do đó, các đề xuất vẫn tồn tại một rủi ro nhất định. Vì thế, nhà quản trị cần theo sát và liên tục cập nhật dữ liệu mới để cho ra các đề xuất hiệu quả, phù hợp với thời thế.
- Cần đầu tư thời gian để đào tạo nhân sự: Phân tích đề xuất là một quy trình phức tạp nhưng mang lại lợi ích khổng lồ cho doanh nghiệp. Do đó, doanh nghiệp nên tổ chức các khóa đào tạo chuyên sâu để nâng cấp chuyên môn của nhân viên, từ đó giúp hiệu suất phân tích được đề cao.
Như vậy, bài viết đã tóm tắt các thông tin hữu ích liên quan đến Prescriptive Analytics (Phân tích đề xuất). Phương pháp này đưa ra những đề xuất hành động dựa trên phân tích chuyên sâu và dự đoán được tính khả thi của các hành động đó trong tương lai, là công cụ đắc lực giúp các doanh nghiệp định hướng chiến lược kinh doanh hiệu quả.
Nếu doanh nghiệp đang quan tâm đến vấn đề tối ưu quy trình tuyển dụng nhân sự hiệu quả, hãy đến với Nền tảng đăng tin tuyển dụng Tuyendung.topcv.vn. Tại đây, nhà tuyển dụng có thể dễ dàng đăng tin và quản lý chiến dịch tuyển dụng hiệu quả dựa trên số lượng CV đầu vào, số lượng ứng viên tham gia phỏng vấn. Đặc biệt, khi kết hợp ứng dụng Prescriptive Analytics vào quy trình tuyển dụng, nhà tuyển dụng sẽ đánh giá được mức độ hiệu của từng hoạt động. Từ đó, doanh nghiệp có thể đưa ra những giáp pháp tuyển dụng tối ưu hơn.
Với mạng lưới 200.000+ đối tác doanh nghiệp và sự tiên phong ứng dụng công nghệ trong Tuyển dụng nhân sự, TopCV tự tin có thể mang đến cho doanh nghiệp những giải pháp tuyển dụng hoàn hảo. Mọi thông tin cần tư vấn hỗ trợ xin vui lòng liên hệ qua Hotline (024) 7107 9799 hoặc Email: cskh@topcv.vn để được giải đáp. Chúc bạn thành công!
