Công nghệ thu thập và xử lý dữ liệu lớn toàn diện
Vấn đề chung của doanh nghiệp
Lưu trữ thông tin nhiều nơi khác nhau dẫn đến dữ liệu phân tán, khó kiểm soát
Chất lượng dữ liệu kém - cấu trúc không đầy đủ, không nhất quán, lỗi thời hoặc trùng lặp
Khối lượng dữ liệu ngày càng tăng làm mất nhiều thời gian tìm dữ liệu phù hợp, dễ sai sót
Dữ liệu giữa các phòng ban bị cô lập do giới hạn quyền truy cập, khó có tầm nhìn tổng quát
Sự phức tạp của dữ liệu, dẫn đến khó khăn trong việc xử lý nhiều định dạng
Việc thu thập lượng lớn dữ liệu cần tuân thủ bảo mật và quyền riêng tư
Chưa có kế hoạch chi tiết cho việc thu thập dữ liệu, dẫn đến thiếu sót, phân mảnh rải rác
Thiếu công cụ tích hợp dữ liệu tự động
Giải pháp Data Platform
Kết nối và tổng hợp dữ liệu đa nguồn
- Đảm bảo tích hợp và xử lý dữ liệu từ nhiều nguồn khác nhau.
Lưu trữ và xử lý dữ liệu
- Sử dụng công nghệ Data Lake house để lưu trữ và xử lý dữ liệu lớn một cách hiệu quả.
Chia sẻ dữ liệu
- Hỗ trợ các API và dịch vụ Microservice để chia sẻ dữ liệu với các hệ thống khác.
Trực quan hóa dữ liệu
- Cung cấp công cụ trực quan hóa dữ liệu và khả năng tìm kiếm dữ liệu tập trung.
Mô hình hoạt động
Tích hợp đa dạng các nguồn dữ liệu
Ứng dụng AI trong thu thập dữ liệu tự động
ORC
Trích xuất dữ liệu từ nhiều loại văn bản khác nhau
NPL
Trích xuất, lọc và phân loại thông tin từ văn bản dựa trên ngôn ngữ tự nhiên
Computer Vision
Xử lý và hiểu thông tin từ dữ liệu hình ảnh và video
Lợi ích nổi bật
Xây dựng kho lưu trữ dữ liệu dùng chung
Kết nối và liên thông tất cả cơ sở dữ liệu với quy mô lớn, khả năng bảo mật cao và không gây gián đoạn hoạt động hiện tại của các đơn vị liên quan
Xử lý dữ liệu lớn
Xử lý tốc độ cao và chi phí cạnh tranh, có khả năng mở rộng, nâng cấp hệ thống dễ dàng, không phụ thuộc các thiết bị phần cứng chuyên biệt
Thiết lập màn hình báo cáo nhanh trực quan
Thao tác cấu hình đơn giản và trực tiếp ngay trên hệ thống
Ưu điểm vượt trội TMA Data Platform
Sự linh hoạt
- Triển khai đa dạng môi trường (Cloud or On-Premise)
- Tích hợp nhiều nguồn dữ liệu khác nhau
- Xử lý linh hoạt theo thời gian thực hoặc định kỳ
Toàn diện
- Tổng hợp kho lưu trữ dữ liệu, xử lý và phân tích
- Tích hợp với các mô hình máy học và trí tuệ nhân tạo
Bảo mật
- Trung tâm và tạo điều kiện thuận lợi quản lý dữ liệu
- Kiểm soát truy cập dữ liệu
- Mã hóa dữ liệu
Tính mở rộng
- Triển khai nhanh chóng
- Mở rộng dễ dàng
Ứng dụng thực tế đa dạng lĩnh vực
Chăm sóc sức khỏe
Bán lẻ & ecommerce
Nông nghiệp
Bảo hiểm
Logistics
Tài chính
An ninh mạng
Kết hợp đa lĩnh vực
Bán lẻ
Nền tảng dữ liệu khách hàng
Vấn đề:
- Dữ liệu phân tán và thiếu cái nhìn toàn diện về khách hàng
- Khó khăn kết nối dữ liệu giữa kênh bán hàng online và offline
- Thách thức trong triển khai trải nghiệm khách hàng liền mạch trên omni-channels
Giải pháp:
- Tập trung dữ liệu từ nhiều nguồn để có cái nhìn toàn diện về từng cá nhân (hơn 20 nguồn dữ liệu khác nhau)
- Thực hiện tiếp thị cá nhân hóa trên nhiều kênh
- Tự động hóa quy trình marketing thông minh
- Cung cấp báo cáo phân tích để doanh nghiệp hiểu rõ hơn về hiệu suất kinh doanh
Kết quả:
- Giải pháp đã được áp dụng cho một số nhà bán lẻ về thời trang lớn tại Việt Nam
- Cải thiện đáng kể tương tác khách hàng, tăng tỷ lệ chuyển đổi và doanh thu
- Tăng khả năng làm giàu dữ liệu khách hàng thông qua loyalty và gamification
Chuỗi cung ứng
Dự báo nhu cầu cho dữ liệu chuỗi cung ứng
Bối cảnh: Khách hàng là công ty về chuỗi cung ứng thiết bị điện tử tại Úc
Vấn đề:
- Doanh nghiệp đối mặt với thách thức của việc hiểu và dự báo biến động trong nhu cầu hàng hóa qua nhiều năm và, dẫn đến không quản lý hàng tồn kho hiệu quả tại các cửa hàng bán lẻ.
Giải pháp:
- Thu thập dữ liệu từ nhiều nguồn khác nhau trong chuỗi cung ứng, bao gồm hệ thống SAP, Salesforce, Retail vendors, Logistics CRM, và dữ liệu về thị trường và giá cả của đối thủ cạnh tranh
- Sử dụng phương pháp phân tích dữ liệu timeseries để dự báo nhu cầu trong tương lai dựa trên dữ liệu trong quá khứ
- Áp dụng các phương pháp học máy và học sâu hiện đại để dự báo nhu cầu, quản lý tồn kho hiệu quả, tối ưu giá bán và lên kế hoạch promotions để thúc đẩy doanh số
Kết quả:
- Tăng doanh số 10% nhờ sự sẵn có và cải thiện cơ cấu tồn kho
- Giảm tình trạng tồn kho lên đến 20-40% do phân bổ hàng hóa được tối ưu hóa cho các chương trình khuyến mãi và dòng sản phẩm mới
- Giảm chi phí chuỗi cung ứng 10-15%, cải thiện tỷ suất lợi nhuận ròng và hiệu quả hoạt động
Nông nghiệp
Nền tảng phân tích dữ liệu ngành chăn nuôi
Bối cảnh: Khách hàng là một tổ chức thuộc ngành chăn nuôi ở Úc, chịu trách nhiệm thúc đẩy tăng trưởng di truyền và cải thiện chất lượng sữa bò
Vấn đề:
- Nhu cầu cần cải thiện di truyền và phát triển bầy đàn
- Dữ liệu DNA rộng lớn, độ phức tạp cao từ các hệ thống đánh giá, hội chăn nuôi, hay thiết bị tại trang trại với cần được tổng hợp lại thành một kho dữ liệu trung tâm duy nhất
Giải pháp:
- Giải pháp ứng dụng SQL Server, SSIS, SSAS để quản lý, lưu trữ, xử lý dữ liệu lên tới TB
- Các công cụ hỗ trợ lập báo cáo SSRS, Power BI cho hệ thống đánh giá di truyền
- Hỗ trợ ra quyết định đề xuất về phối giống hay chế độ dinh dưỡng phù hợp
Kết quả:
- Thúc đẩy tiến bộ di truyền, tối ưu hóa quyết định về chăn nuôi
- Khuyến khích các thực hành chăn nuôi bền vững và hiệu quả trong ngành chăn nuôi bò tại Úc
- Giải pháp đang được tiếp tục triển khai tại Mỹ sau khi chứng minh tính hiệu quả
Tập đoàn đa lĩnh vực
Upsell/ Cross sell sản phẩm giữa các công ty trong cùng hệ sinh thái
Bối cảnh: Khách hàng có hệ sinh thái doanh nghiệp thuộc nhiều lĩnh vực khác nhau (Bán lẻ, bất động sản, ngân hàng..)
Vấn đề:
- Dữ liệu khách hàng lưu trữ phân tán trên nhiều kênh khác nhau, mỗi doanh nghiệp và mỗi phòng ban lưu trữ riêng biệt, không thống nhất về 1 nguồn duy nhất
- Khó khăn trong việc quản lý và sử dụng dữ liệu hiệu quả
Giải pháp:
- Thu thập, lưu trữ và xử lý dữ liệu khách hàng từ nhiều kênh, nhiều doanh nghiệp khác nhau (Web, mobile, CRM, POS, Offline, mạng xã hội, cơ sở dữ liệu..) về một nguồn duy nhất
- Ứng dụng kỹ thuật phân tích dữ liệu của Power BI để thống kê, báo cáo phân tích hỗ trợ quyết định
Kết quả:
- Tập trung dữ liệu từ hơn 30 nguồn khác nhau để có cái nhìn toàn diện về từng khách hàng trong hệ sinh thái
- Cải thiện đáng kể tỷ lệ upsell/cross sell, từ đó gia tăng doanh thu
Logistics
Nền tảng dữ liệu Logistics
Bối cảnh: Khách hàng là doanh nghiệp với 25 năm kinh nghiệm trong lĩnh vực hậu cần Chuỗi cung ứng tại Việt Nam và Đông Nam Á
Vấn đề:
- Dữ liệu lớn từ nhiều nhà cung cấp dịch vụ logistics khác nhau (đường bộ, đường biển, hàng không) và các hãng tàu lớn
- Chưa có nền tảng để khách hàng tương tác, theo dõi vận đơn
- Báo cáo chưa toàn diện, đầy đủ thông tin
Giải pháp:
- Thu thập, lưu trữ và xử lý dữ liệu trên Data Warehouse, AWS Cloud
- Digital Platform cho khách hàng thực hiện các tính năng đặt hàng, theo dõi đơn hàng, track & trace
- Kết hợp Power BI để thống kê, báo cáo các hoạt động của doanh nghiệp, theo dõi KPI, cơ cấu doanh thu và chi phí.
Kết quả:
- Tạo ra một nguồn thông tin toàn diện cho việc quản lý và theo dõi hoạt động trong Logistics
- Tối ưu hóa quá trình vận hành, giảm thiểu sai sót và tăng hiệu suất.
Thương mại điện tử
Nền tảng phân tích dữ liệu marketing cho Marketplace
Bối cảnh: Khách hàng xây dựng một nền tảng marketplace về đồ uống để kết nối giữa buyers và suppliers tại Úc
Vấn đề:
- Dữ liệu Khách hàng và dữ liệu Marketing phân tán trên nhiều hệ thống khác nhau, điều này làm cho việc quản lý, phân tích và tận dụng dữ liệu trở nên khó khăn
- Không cá nhân hóa các chiến dịch marketing hiệu quả để tăng doanh thu
Giải pháp:
- Sử dụng GCP Cloud Functions, Cloud Storage và BigQuery để tổng hợp dữ liệu từ nhiều nguồn khác nhau vào BigQuery
- Xây dựng mô hình học máy bằng cách sử dụng BigQuery ML và Vertex AI để phân tệp khách hàng, định giá giá trị trọn đời của khách hàng, đề xuất sản phẩm và dự đoán hành vi mua sắm
- Kích hoạt các mô hình trên nhiều nền tảng tiếp thị qua sms, email hoặc các kênh quảng cáo digital
Kết quả:
- Cải thiện khả năng ra quyết định và tối ưu hóa chiến dịch tiếp thị
- Cải thiện trải nghiệm của khách hàng thông qua tiếp thị cá nhân hóa và dự đoán hành vi mua sắm
Công nghiệp nặng
Nền tảng phân tích dữ liệu công nghiệp nặng
Bối cảnh: Khách hàng là là công ty cung cấp phần mềm, dữ liệu và dịch vụ tư vấn về quản lý rủi ro và hiệu suất Môi trường, Xã hội và Quản trị (ESG) ở Bắc Mỹ
Vấn đề:
- Đối mặt với thách thức đo lường thông tin trên toàn bộ dải sản phẩm thuộc nhiều lĩnh vực: Xây dựng, Sản xuất, Kim loại và khai thác mỏ, Dầu khí, năng lượng, Hóa chất và khoa học đời sống …
- Khó khăn trong việc thu thập, xử lý dữ liệu từ nhiều nguồn cơ sở dữ liệu để tổng hợp các số liệu từ tất cả các hoạt động kinh doanh, sản xuất…từ đó quy đổi ra phát thải CO2
Giải pháp:
- Sử dụng công nghệ Cloud để kết nối, trích xuất, và chuyển dữ liệu từ nhiều nguồn vào Data Lake để xử lý và tổng hợp
- Tạo các luồng dữ liệu bằng Data Factory để trích xuất, biến đổi và làm sạch thông tin từ các nguồn dữ liệu khác nhau
Kết quả:
- Giải pháp giúp các công ty quản lý rủi ro, tuân thủ các quy định và cải thiện hiệu suất tổng thể để phát triển một cách bền vững hơn
- Sử dụng công nghệ Cloud giúp giảm chi phí IT lên đến 30%, tiết kiệm thời gian và tăng hiệu suất quá trình thu thập dữ liệu
- Tăng hiệu suất và hỗ trợ ra quyết định dựa trên dữ liệu
Tuyển dụng
Hệ thống dữ liệu lớn về tuyển dụng
Bối cảnh: Khách hàng là doanh nghiệp đa quốc gia cung cấp giải pháp liên quan đến tuyển dụng và kết nối chuyên gia với các công ty hàng đầu
Vấn đề:
- Sử dụng đa kênh tuyển dụng: các chiến dịch truyền thông xã hội, các website việc làm trực tuyến và chức năng tìm kiếm trên LinkedIn….
- Nguồn dữ liệu ứng viên khổng lồ và thiếu liên kết giữa các kênh, dẫn đến việc sàng lọc hồ sơ chưa thực sự hiệu quả
- Khó đánh giá đâu là kênh tuyển dụng mang lại hiệu quả để đầu tư
Giải pháp:
- Sử dụng Data Warehouse cho phép thu thập dữ liệu từ nhiều nguồn khác nhau và các thuật toán tiên tiến và phân tích dữ liệu, nhằm tự động hóa và tối ưu hóa quy trình tuyển dụng
Kết quả:
- Khả năng kết nối tăng cao
- Đánh giá được mức độ hiệu quả của từng kênh tuyển dụng
- Dùng AI để trích xuất dữ liệu tự động, tiết kiệm công sức thủ công
- Lọc được hàng nghìn hồ sơ xin việc trong thời gian ngắn, thu hẹp phạm vi tìm kiếm
Chăm sóc sức khỏe
Nền tảng phân tích dữ liệu sức khỏe số
Bối cảnh: Khách hàng là công ty bảo hiểm y tế nằm trong top 3 tại Mỹ
Vấn đề:
- Việc quản lý và tổng hợp dữ liệu đa nguồn (offline file, database, application) phức tạp và tốn thời gian
Giải pháp:
- Sử dụng các dịch vụ Azure để tổng hợp và quản lý lượng lớn dữ liệu (1100 bộ dữ liệu) từ nhiều nguồn khác nhau
- Xây dựng một kho dữ liệu hiệu quả và phát triển báo cáo phân tích để hiển thị thông tin quan trọng và dự đoán xu hướng sức khỏe
Kết quả:
- Tối ưu hóa hệ thống thông qua việc sử dụng thông tin từ dữ liệu để đưa ra quyết định nhanh chóng
- Dự đoán các xu hướng, giảm chi phí và tiết kiệm thời gian
- Xác định cơ hội phát triển cho doanh nghiệp
Tài chính
Tối ưu hóa và phân tích rủi ro tín dụng
Bối cảnh: Khách hàng là công ty cho vay tín dụng, trước năm 2019, doanh nghiệp không tìm được người mua và thua lỗ suốt 2 năm
Vấn đề:
- Nguồn dữ liệu đa dạng từ thông tin, lịch sử tín dụng của khách hàng cho đến các kênh kinh doanh hay nhà cung cấp cần được tập trung
- Cần tối ưu hóa mô hình chấm điểm tín dụng để hỗ trợ quyết định nên gia hạn hay từ chối tín dụng
Giải pháp:
- Thu thập, lưu trữ và xử lý dữ liệu từ nhiều trên Data Warehouse - AWS Cloud
- Ứng dụng AI, ML triển khai mô hình chấm điểm tín dụng trên hệ thống khách hàng
- Kết hợp R, Power BI để thống kê, báo cáo phân tích hỗ trợ đưa ra quyết định
Kết quả:
- Tối ưu hóa mô hình chấm điểm, đưa ra chỉ số chính xác hỗ trợ ra quyết định cho vay, giảm thiểu và định lượng rủi ro mất mát và vỡ nợ
- Giảm nhân viên từ 850 xuống 45, đóng cửa 83 cửa hàng và 42 kho hàng trước khi số hóa và bán ưu đãi thành công
Bất động sản
Xây dựng kho dữ liệu và hệ thống kinh doanh thông minh
Bối cảnh: Khách hàng là một công ty bất động sản lớn tại Việt Nam
Vấn đề:
- Cần xây dựng kho dữ liệu nơi tập trung dữ liệu từ 3 hệ thống: ERP, e-Office và TTLT để tạo các báo cáo kinh doanh thông minh để đo lường hoạt động kinh doanh bất động sản như doanh thu, chi phí, lợi nhuận
Giải pháp:
- Thiết kế cấu trúc kho dữ liệu
- Xây dựng giải pháp end-to-end để hợp nhất dữ liệu từ 3 hệ thống khác nhau về Kho dữ liệu
- Phân tích và thiết kế các báo cáo kinh doanh thông minh dựa trên cơ sở dữ liệu trong Kho dữ liệu
Kết quả:
- Đã thiết kế và xây dựng một kho dữ liệu tích hợp từ 3 hệ thống: ERP, e-Office và TTLT
- Thiết kế và phát triển thành công 3 báo cáo kinh doanh thông minh với dữ liệu có được từ Kho dữ liệu
Ecommerce
Phân tích nhu cầu gợi ý sản phẩm cho khách hàng
Bối cảnh: Khách hàng vận hành hệ thống sàn thương mại điện tử
Vấn đề:
- Khách hàng có 25 triệu người dùng trên khắp thế giới với hơn 100,000 merchant. Cần tính năng thu thập hành vi người dùng trên hệ thống để phân thích về sở thích và nhu cầu hiện tại của người dùng để gợi ý sản phẩm phù hợp cùng như gợi ý sản phẩm quảng cáo phù hợp nhằm tăng tỷ lệ chuyển đổi
Giải pháp:
- Xây dựng hệ thống event tracking để thu thập toàn bộ các hoạt động lướt, dừng xem, xem chi tiết, thêm vào cart, mua hàng
- Phân tích dòng sản phẩm, ngành hàng mà khách hàng đang cần
- Phân tích kết quả bán hàng để xây dựng top sản phẩm: Popular, Best Seller, Best Reviewed
Kết quả:
- Phân phối sản phẩm đúng nhu cầu khách hàng giúp gia tăng tỷ lệ chuyển đổi
- Gia tăng tỷ lệ các kết quả quảng cáo năng cao doanh thu quảng cáo
Mạng xã hội
Phân tích dữ liệu hành vi để gợi ý bài post phù hợp
Bối cảnh: Khách hàng vận hành hệ thống mạng xã hội
Vấn đề:
- Khách hàng có 50 triệu người dùng hệ thống mạng xã hội. Cần tính năng thu thập hành vi người dùng trên hệ thống để phân thích về sở thích và nhu cầu hiện tại của người dùng để feed các nội dung post phù hợp cho khách hàng
Giải pháp:
- Xây dựng hệ thống event tracking để thu thập toàn bộ các hoạt động lướt, dừng xem, xem chi tiết, action trên video, like, comment, share,…
- Phân tích và phân loại nhu cầu của khách hàng đang quan tâm
- Phân loại các nội dung post theo chủ đề
Kết quả:
- Phân phối post đúng nhu cầu người dùng đang quan tâm
- Phân phối đúng nội dung người dùng yêu thích lên feed của người dùng
- Tăng doanh thu quảng cáo nhờ chọn lọc phân phối nội dung quảng cáo chính xác
