top of page
Search
  • Writer's pictureACC.PRO VIETNAM

BẢN TIN KHOA HỌC 18.08.2021

COVID-19 đang phá vỡ các chiến lược phân tích dữ liệu như thế nào? Và

Tại sao nó quan trọng? COVID-19 đang thay đổi các phương pháp phân tích dữ liệu, bỏ qua các phân tích dự đoán và hướng các công ty đến dữ liệu bên ngoài và các chỉ số kinh tế khác. Đại dịch COVID-19 đã làm gián đoạn mọi thứ, từ hành vi của người tiêu dùng đến chuỗi cung ứng, và suy thoái kinh tế đang gây ra nhiều thay đổi hơn nữa. Lĩnh vực phân tích dữ liệu phải đối mặt với một vấn đề phức tạp: làm thế nào để sử dụng dữ liệu trong quá khứ và dự đoán hành vi trong tương lai khi đối mặt với sự không chắc chắn. Rất ít tổ chức đang đối mặt với hoạt động kinh doanh như bình thường hoặc như mong đợi. Thomas Davenport , giáo sư tại Đại học Babson và thành viên của MIT Initiative về Kinh tế Kỹ thuật số cho biết: “Thật khó để có được dữ liệu tốt về tương lai, vì vậy chúng tôi phải sử dụng dữ liệu từ quá khứ . "Và nếu quá khứ không còn là hướng dẫn cho tương lai, chúng ta sẽ gặp khó khăn khi thực hiện bất kỳ loại phân tích dự đoán nào." Trong một hội thảo trên web được tổ chức bởi MIT Sloan Management Review , Davenport và Jeffrey Camm , giáo sư và phó chủ nhiệm khoa phân tích kinh doanh tại Đại học Wake Forest, đã nói về những gì họ học được từ các cuộc thảo luận với các nhà lãnh đạo phân tích và dữ liệu về cách đại dịch đang thay đổi ngành của họ. Họ cho biết, đối với những người mới bắt đầu, các công ty đang dành thời gian để tạm dừng và đánh giá những dữ liệu nào vẫn còn phù hợp. Các giáo sư đã vạch ra một số xu hướng khác, bao gồm cả cách đại dịch đang đẩy nhanh việc áp dụng dữ liệu bên ngoài và biến các nhà khoa học dữ liệu thành các nhà dịch tễ học nghiệp dư, tại sao các công ty không nên loại bỏ dữ liệu ngoại lai và tại sao công việc dữ liệu có thể quan trọng hơn bao giờ hết. 1. Các công ty đang quay lại phân tích mô tả và tạm dừng học máy Các tổ chức đã tập trung vào phân tích dự đoán trong vài năm qua, vì họ sử dụng dữ liệu để dự đoán các xu hướng và nhu cầu trong tương lai. Nhưng việc dự báo nhu cầu là rất khó ngay cả trong thời điểm bình thường, và khả năng không thể đoán trước của đại dịch là một thách thức lớn. Davenport cho biết kể từ khi đại dịch bắt đầu, các giám đốc điều hành đã bỏ qua các chương trình phân tích dự đoán và quay trở lại phân tích mô tả đơn giản - dữ liệu tốt về hiện tại và quá khứ gần đây nhanh chóng có sẵn. “Mô hình dự đoán đơn giản nhất là những gì đã xảy ra ngày hôm qua,” Camm nói. "Đó là những gì chúng tôi sẽ sử dụng để dự đoán những gì sẽ xảy ra ngày hôm nay." Các công ty cũng đang tạm dừng các chương trình máy học sử dụng dữ liệu hiện có, dành thời gian để tìm ra thông tin nào vẫn còn phù hợp. Về mặt này, các công ty có thể sử dụng một hệ thống kiểu kiểm soát chất lượng, tương tự như hệ thống thường được sử dụng trong sản xuất, cho các chương trình máy học, Camm nói. Khi lỗi bắt đầu tích tụ, việc học máy tự động sẽ dừng lại.

2. Đối mặt với nhiều lực lượng bên ngoài hơn, các công ty đang nắm bắt dữ liệu bên ngoài Năm ngoái đã thúc đẩy xu hướng sử dụng dữ liệu bên ngoài, Davenport và Camm cho biết. Với các yếu tố bên ngoài gây ra gián đoạn đáng kể và dữ liệu nội bộ về các hoạt động trong quá khứ không còn là một dự đoán tốt về tương lai, các công ty đang quay ra bên ngoài để tìm hiểu những gì đang xảy ra, đặc biệt là về hành vi và nhu cầu của người tiêu dùng. Davenport cho biết đây phải là một sự thay đổi lâu dài. “Một trong những vấn đề lớn mà chúng tôi gặp phải với dữ liệu và phân tích ở nhiều tổ chức là họ đã quá tập trung vào nội bộ,” ông nói. “Chuyển sang tìm hiểu những gì đang diễn ra ở thế giới bên ngoài, với những người không phải là khách hàng của chúng tôi - mọi người nghĩ gì về chúng tôi, những gì đang xảy ra với nhà cung cấp của chúng tôi và các nhà cung cấp của họ, v.v., đều là những điều tốt nên làm”. Các công ty cần sự nhanh nhẹn để dễ dàng kết hợp dữ liệu bên ngoài, Camm nói thêm. Ông nói, quá nhiều băng đỏ hoặc quy trình dài dòng có thể làm trì hoãn việc sử dụng dữ liệu từ các nguồn khác, mặc dù vậy các công ty cũng nên suy nghĩ cẩn thận về việc đưa dữ liệu vào mô hình của họ để tránh sai lệch, không chính xác hoặc các vấn đề khác.

3. Các chuyên gia dữ liệu đang hành xử như các nhà dịch tễ học Các chuyên gia phân tích đã được yêu cầu dự đoán tác động của COVID-19 đối với doanh nghiệp và “để làm được điều đó, bạn phải dự đoán điều gì sẽ xảy ra với COVID-19, một hoạt động điển hình của một nhà dịch tễ học,” Davenport nói. Điều này rất phức tạp ở Mỹ vì dữ liệu COVID-19 tập trung, đầy đủ rất khó tìm và thông tin đã được báo cáo và tổ chức theo nhiều cách khác nhau, ông nói. Các nhà nghiên cứu cho biết thông tin công khai, như trang web của Johns Hopkins theo dõi COVID-19 , đặc biệt quan trọng đối với những người theo dõi đại dịch. Một số công ty đang tìm kiếm các chỉ số kinh tế khác, như sự di chuyển qua các cảng và mức độ tin cậy của người tiêu dùng. Davenport cho biết, các công ty ô tô đã xem xét mức độ khói bụi ở một số thành phố như một chỉ báo về mức độ hoạt động của việc lái xe, với nhiều khói bụi hơn đồng nghĩa với việc lái xe nhiều hơn và gợi ý rằng hoạt động đang trở lại bình thường và mọi người có thể sẽ mua ô tô trở lại, Davenport nói. Những người chăn nuôi đang tìm kiếm thông tin về việc đóng cửa nhà máy đóng gói thịt, có nghĩa là xem xét dữ liệu cấp hạt nơi có nhà máy.

4. Các công ty đang tiếp cận hoặc tạo ra các mô hình thảm họa Mặc dù năm ngoái có khả năng tạo ra nhiều thông tin ngoại lai hoặc bất thường - nhu cầu tăng vọt hoặc biến mất, hoặc sự gia tăng đột ngột số lượng người không thể trả các khoản thế chấp của họ - các công ty không nên hoàn toàn bỏ qua dữ liệu từ thời kỳ đại dịch. Davenport cho biết có khả năng sẽ có những đại dịch khác trong tương lai, cũng như những thảm họa khác. Trước đây cũng đã từng xảy ra những sự kiện tương tự như cuộc khủng hoảng kinh tế năm 2008. “Tôi không nghĩ bạn nên vứt dữ liệu đó đi,” anh nói. “Nhưng bạn nên đặt dữ liệu và các mô hình kết quả lên kệ và nói, 'Được rồi, khi điều tồi tệ như thế này xảy ra, chúng ta hãy mang chúng ra một lần nữa.'" Walmart, vốn nổi tiếng với việc chuẩn bị chuỗi cung ứng trong trường hợp thảm họa , đang làm những việc như thế này. Các công ty có các mô hình cho các tình huống khác nhau, như sáp nhập và mua lại hoặc các sự kiện như bão, nên xem xét tiếp cận chúng. (Và các công ty không nên cân nhắc việc tạo ra chúng.) Một số công ty hàng tiêu dùng đã và đang tiếp cận các mô hình lập kế hoạch bão có kế hoạch với các biến số như mức độ lan rộng của cơn bão và những trung tâm phân phối nào sẽ nhận thêm hàng. “Những thứ tương tự như vậy có thể được chuyển giao cho đại dịch,” Camm nói.

5. Các tổ chức không và không nên từ bỏ dữ liệu Sau sự sụt giảm trong những tháng đầu của đại dịch, dữ liệu từ công ty Burning Glass đã cho thấy rằng các tin tuyển dụng về phân tích dữ liệu đã tăng trở lại, Camm nói. Ông nói: “Ngay từ cuối tháng 6, các tin tuyển dụng mới trong ngành phân tích đã trở lại vị trí trước khi đại dịch bùng phát. “Và có vẻ như nó đã ổn định… Tôi đã bị sốc khi các quảng cáo việc làm mới quay trở lại rất nhanh vào đầu mùa hè”. Davenport cho biết các chuyên gia dữ liệu trong một số ngành, như bất cứ thứ gì liên quan đến du lịch hoặc giải trí, đều bị ảnh hưởng nặng nề bởi đại dịch, nhưng việc tuyển dụng trong các ngành đang thịnh vượng đã bù đắp cho thời kỳ suy thoái. Camm và Davenport cho biết khả năng một công ty tăng cường chương trình phân tích dữ liệu của mình bất chấp suy thoái kinh tế có thể sẽ phụ thuộc vào việc một công ty đã nhận thấy lợi tức đầu tư vào các chương trình phân tích của họ hay chưa . Các nhà nghiên cứu cho biết, phân tích vẫn là một lựa chọn tốt và khi mọi thứ trở nên khó khăn, nhu cầu về phân tích có thể tăng lên. “Khi công ty chuyển sang chế độ cắt giảm chi phí, họ muốn làm điều đó một cách thông minh,” Camm nói. “Tôi có thể nói rằng trong những thời điểm gián đoạn này, phân tích và khoa học dữ liệu có thể ổn định, hoặc có thể nhu cầu của họ thậm chí còn tăng lên một chút”.

27 views0 comments

Recent Posts

See All

Warren Buffett - Sự Tinh Tế Trong Việc Đánh Giá Công Ty Warren Buffett, một trong những nhà đầu tư và doanh nhân vĩ đại nhất thế kỷ 20 và 21, đã luôn được biết đến với sự tinh tế và khả năng đánh giá

News

Post: Blog2_Post
bottom of page