Ứng Dụng Của Big Data Trong Hệ Thống Bán Lẻ Ở Việt Nam Qua Sự Thành Công Của Tập Đoàn Wal Mart | Bài Tập Môn Năng lực số ứng dụng
Ứng Dụng Của Big Data Trong Hệ Thống Bán Lẻ Ở Việt Nam Qua Sự Thành Công Của Tập Đoàn Wal Mart | Bài Tập Môn Năng lực số ứng dụng với những kiến thức và thông tin bổ ích giúp sinh viên tham khảo, ôn luyện và phục vụ nhu cầu học tập của mình cụ thể là có định hướng, ôn tập, nắm vững kiến thức môn học và làm bài tốt trong những bài kiểm tra, bài tiểu luận, bài tập kết thúc học phần. Mời bạn đọc đón xem!
Preview text:
HỌC VIỆN NGÂN HÀNG BÀI TẬP LỚN
MÔN NĂNG LỰC SỐ ỨNG DỤNG
TÊN ĐỀ TÀI: ỨNG DỤNG CỦA BIG DATA TRONG
HỆ THỐNG BÁN LẺ Ở VIỆT NAM QUA SỰ THÀNH
CÔNG CỦA TẬP ĐOÀN WAL MART
Tên giảng viên: Ngô Thùy Linh TÊN NHÓM: NHÓM 4 Danh sách nhóm:
1. Mã sinh viên: 26A4020853 Họ và tên: Bùi Văn Sơn (NT)
2. Mã sinh viên: 26A4020449 Họ và tên: Nguyễn Duy Phúc
3. Mã sinh viên: 26A4022668 Họ và tên: Lê Danh Chính 1
4. Mã sinh viên: 26A4023117 Họ và tên: Bùi An Khánh
5. Mã sinh viên: 26A4020451 Họ và tên: Ngô Minh Phương
Phần tự đánh giá của nhóm STT Họ và tên Đóng góp Chữ kí 1 Bùi Văn Sơn 20% 2 Nguyễn Duy Phúc 20% 3 Lê Danh Chính 20% 4 Bùi An Khánh 20% 5 Ngô Minh Phương 20%
Phần phân công nhiệm vụ của nhóm STT Họ và tên thành Mã sinh Vai trò Nhiệm vụ được viên viên phân công Làm slide và ứng 1 Bùi Văn Sơn 26A4020853 Nhóm dụng trưởng
Lời mở đầu, kết luận 2 Nguyễn Duy Phúc 26A4020449 Thành viên và giải pháp ở Việt Nam Cơ sở lí thuyết và 3 Lê Danh Chính 26A4022668 Thành viên biện pháp Làm bản cứng và 4 Bùi An Khánh 26A4023117 Thành viên bản mềm Thực trạng và các 2 5 Ngô Minh Phương 26A4020451 Thành viên vấn đề cần giải quyết Mục Lục
PHẦN MỞ ĐẦU.........................................................1 PHẦN NỘI DUNG
Chương 1. Cơ sở lý thuyết.....................................2
1.1. Khái niệm Bigdata.....................................................2
1.2.Nguồn hình thành và sự phát triển của BigData................2
1.2.1. Nguồn dữ liệu BigData.............................................2
1.2.2. Sự phát triển của BigData.........................................3
1.3. Đặc trưng 5V của BigData...........................................3
1.4. Vai trò của BigData trong bán lẻ...................................4
1.5 Cách sử dụng BigData................................................5
1.5.1 Quy trình xử lý dữ liệu..............................................5
1.5.2 Các công cụ phân tích BigData phổ biến.........................6
Chương 2. Thực trạng của vấn đề cần giải quyết
trong việc áp dụng BigData trong lĩnh vực bán lẻ
...................................................................................7 3
2.1 Vấn đề đặt ra...........................................................7
2.2 Thực trạng áp dụng BigData ở tập đoàn Walmart..............7
2.3 Thực trạng áp dụng BigData trong bán lẻ ở Việt Nam.........8
2.4 Hạn chế và khó khăn trong việc áp dụng BigData ở Việt Nam
...................................................................................9
Chương 3. Giải pháp áp dụng BigData trong lĩnh
vực bán lẻ ở Việt Nam............................................9
3.1 Định hướng theo thành công của tập đoàn Walmart...........9
3.2 Giải pháp ứng dụng BigData vào bán lẻ ở Việt Nam...........12
Phần Kết Luận.........................................................13 4 LỜI MỞ ĐẦU
Cuộc cách mạng công nghệ 4.0 diễn ra đã làm thay đổi mọi khía
cạnh đời sống của mỗi chúng ta. Thời đại của chúng ta đang sống
ngày hôm nay là thời đại của công nghệ, thời đại của tiến bộ khoa
học đã cho ra đời nhiều phát minh tiến bộ giúp cho không chỉ nền
kinh tế mà mọi mặt của đời sống phát triển vượt bậc. Chắc hẳn
những từ khóa như Trí tuệ nhân tạo (AI), vạn vật kết nội (IoT), Dữ
liệu lớn (BigData) hẳn không còn xa lạ đối với chúng ta, thậm chí đã
trở thành một phần thiết yếu không thể thiếu trong cuộc sống ngày
hôm nay. Để thích nghi và hội nhập với xu thế đó thì ngày bản thân
mỗi chúng ta cũng cần phải có sự thảy đổi tích cực. Với sự phát triển
của dữ liệu lớn, BigData đã đem lại cho các công ty, tập đoàn trên
thế giới nhiều cơ hội mới để nâng cao chất lượng nhằm phục vụ
khách hàng và người tiêu dùng một cách tốt nhất trong giữa bối
cảnh hội nhập và cạnh tranh ngày nay. Một trong số những thành
công của BigData cần phải kể đến đó chính là ứng dụng của nó
trong lĩnh vực bán lẻ được tập đoàn Walmart áp dụng đã cho thấy
những phát triển vượt bậc chưa từng thấy. Song song với đó chính
nhờ dữ liệu lớn BigData mà dịch vụ bán lẻ của các cửa hàng tiện lợi
của siêu thị trong đó có Walmart chính vì thế mà đã đáp ứng được
nhu cầu mua hàng ngày càng cao của người tiêu dùng cũng như
giúp cho những nhà quản lí có thể vận hành cửa hàng một cách trơn
tru và có hiệu quả hơn. Ngoài ra việc này cũng giúp họ giảm chi phí
và tiết kiệm thười gian một cách đáng kinh ngạc. Xuất phát từ những
yếu tố trên, nhận được tầm quan trọng của BigData trong lĩnh vực
bán lẻ mà cụ thể là của tập đoàn Walmart, đồng thời được sự định
hướng, góp ý của Giảng viên Ngô Thùy Linh, nhóm đã quyết định lựa 5
chọn đề tài “Nghiên cứu tính ứng dụng của BigData trong lĩnh vực
bán lẻ của tập đoàn Walmart qua đó áp dụng vào thị trường bán lẻ ở
Việt Nam”. Mục đích nghiên cứu của nhóm là nghiên cứu sự thành
công của tập đoàn Walmart trong việc áp dụng BigData trong lĩnh
vực bán lẻ, nhằm nâng cao chất lượng phục vụ của các chuỗi của
cửa hàng tiện lợi và siêu thị, định hướng thị trường bán lẻ Việt Nam theo sự thanh công đó
CHƯƠNG 1. CƠ SỞ LÝ THUYẾT
1.1. Khái niệm về BigData
BigData là thuật ngữ chỉ đến một lượng lớn cả phức tạp các dữ
liệu, vượt quá khả năng xử lý của các phần mềm quản lý cơ sở dữ liệu truyền thống.
1.2. Nguồn hình thành và phát triển dữ liệu BigData
1.2.1. Nguồn dữ liệu BigData
Qua thống kê và tổng hợp nguồn liệu dữ liệu BigData được
hình thành chủ yếu từ các nguồn chính:
1. Dữ liệu doanh nghiệp (Enterpise Data): Bao gồm dữ
liệu từ các hệ thống doanh nghiệp như cơ sở khách hàng, hệ
thống quản lý quan hệ khách hàng (CRM), hệ thống quản lý
nguồn nhân sự (HRM), hệ thống quản lý chuỗi cung ứng (SCM), và
các hệ thống khác trong doanh nghiệp. Ví dụ như dữ liệu đơn đặt
hàng, thông tin khách hàng, giao dịch tài chính, hiệu suất nhân viên. 6
2. Dữ liệu mạng xã hội (Social Media Data): Gồm dữ liệu
từ các nền tảng mạng xã hội như Facebook, X, Instagram,
Linkedln và nhiều nền tảng khác. Điều này bao gồm thông tin từ
bài viết, tương tác người dùng, hình ảnh và video. Ví dụ như bài
đăng, tương tác ( lượt thích, bình luận, chia sẻ), thông tin hồ sơ
người dùng và dữ liệu địa lý.
3. Dữ liệu (Sensor and IoT Data): Dữ liệu từ các thiết bị
cảm biến và Internet of Things (IoT). Các cảm biến trong xe ô tô,
thiết bị y tế thông minh, cảm biến môi trường cả các thiết bị khác
tạo dữ liệu liên tục. Ví dụ như dữ liệu GPS, thông tin sức khỏe, từ
thiết bị y tế, dữ liệu môi trường như nhiệt độ và độ ẩm.
4. Logs và Sự kiện (Logs and Events): Dữ liệu từ các file
log hệ thống, sự kiện hệ thống và sự kiện ứng dụng. Điều này có
thể bao gồm thông tin về lượng truy cập, lỗi hệ thống và các sự
kiện khác. Ví dụ như Logs Server, logs ứng dụng và sự kiện liên quan đến bảo mật.
5. Dữ liệu Website và Internet (Web and Internets
Data): Dữ liệu từ trang web, thông tin tìm kiếm, và các dữ liệu
khác thu thập từ Internet, bao gồm cả dữ liệu từ trình duyệt web
và ứng dụng di động. Ví dụ như dữ liệu tìm kiếm, thông tin người
dùng trên trang web, và dữ liệu từ các thiết bị di động.
6. Dữ liệu đa phương tiện (Multimedia Data): Bao gồm
văn bản, hình ảnh, âm thanh và video từ nhiều nguồn khác nhau,
bao gồm nội dung truyền hình và phương tiện truyền thông trực
tuyến. Ví dụ như nội dung truyền hình, cấc video trực tuyến, hình
ảnh sản phẩm, các tệp âm thanh.
1.2.2. Sự phát triển của BigData
1. Tăng vọt khối lượng dữ liệu là sự phát triển của Internet, mạng
xã hội, thiết bị IoT (Internet of Things) và các nguồn dữ liệu khác đã
dẫn đến một sự tăng vọt đáng kể về khối lượng dữ liệu. Dữ liệu được
tạo ra từ nhiều nguồn và có quy mô lớn, đặt ra thách thức và cơ hội
cho việc xử lý và phân tích. 7
2. Công nghệ lưu trữ và xử lý dữ liệu là các công nghệ mới như
Hadoopp và Spark, đã xuất hiện để giúp lưu trữ và xử lý lượng lớn dữ
liệu phân tán. Các cơ sở dữ liệu NoSQL và công nghệ lưu trữ dữ liệu
phân tán đã được đóng một vai trò quan trọng trong việc giải quyết
thách thức của việc quản lý dữ liệu lớn.
3. Mô hình dịch vụ đám mây là các dịch vụ như Amazon Web
Services (AWS), Microsoft Azure và Google Cloud Platform cung cấp
khả năng linh hoạt và mở rộng cho việc lưu trữ và xử lý dữ liệu lớn.
Điều này giúp doanh nghiệp tránh được việc phải đầu tư lớn vào cơ sở hạ tầng riêng.
4. Phát triển công nghệ Machine Learning và AI. Công nghệ
Machine Learning và Trí tuệ nhân tạo (AI) đã trở nên ngày càng
mạnh mẽ, giúp tự động hóa quá trình phân tích dữ liệu và rút trích
thông tin quan trọng. Các mô hình máy có khả năng dự đoán xu
hướng, nhận diện mô hình và tối ưu hóa quyết định.
5. Sự liên kết các ngành công nghiệp. BigData đã tạo ra sự liên
kết mạnh mẽ giữa các ngành công nghiệp khác nhau. Các lĩnh vực
như y tế, tài chính, sản xuất, quảng cáo và nhiều lĩnh vực khác đều
đã áp dụng BigData để cải thiện hiệu suất và đưa ra quyết định chiến lược.
6. Chính sách và an sinh xã hội. Sự phát triển của BigData đã đặt
ra nhiều thách thức và cơ hội về mặt chính trị, an ninh xã hội và
quản lý thông tin cá nhân. Cần có các chính sách và quy định mới để
bảo vệ quyền riêng tư và đảm bảo sự an toàn của dữ liệu.
7. Sự chú ý đặc biệt về an toàn dữ liệu. Sự gia tăng về quy mô và
tầm quan trọng của dữ liệu đã đặt ra vấn đề về an ninh thông tin và
bảo mật dữ liệu. Các vấn đề như bảo mật mạng, mã hóa dữ liệu và
tuân thủ quy định ngày càng trở nên quan trọng.
8. Phát triển trong lĩnh vực y tế và nghiên cứu y học. Trong lĩnh
vực y tế, BigData đã đóng vai trò quan trọng trong nghiên cứu y học,
chuẩn đoán và dự đoán dịch bệnh. Việc sử dụng dữ liệu lớn giúp cải
thiện chăm sóc sức khỏe và tăng cường khả năng dự đoán và phòng
tránh các vấn đề y tế. 8
1.3. Đặc trưng 5V của BigData
BigData gồm 5 đặc điểm quan trọng sau:
1. Volume (khối lượng dữ liệu): Đây là lượng lớn dữ mà các tổ
chức phải xử lý. Điều này có thể là hàng tỷ hoặc thậm chí hàng triệu
tỷ byte dữ liệu, từ nhiều nguồn khác nhau như doanh nghiệp, mạng
xã hội, cảm biến và nhiều nguồn khác.
2. Velocity (tốc độ xử lý và tạo ra dữ liệu nhanh chóng):
Tốc độ ở đây đề cập đến tốc độ tạo ra, xử lý và truyền tải dữ liệu. Dữ
liệu lớn thường được tạo ra và cập nhật liên tục ở tốc độ cao, đặc
biệt là từ các nguồn như mạng xã hội, cảm biến và ứng dụng di động.
3. Variety (sự đa dạng về định dạng hoặc nguồn gốc): Đây
là tính chất của dữ liệu lớn liên quan đến đa dạng về định dạng, cấu
trúc và nguồn gốc. Dữ liệu có thể bao gồm văn bản, hình ảnh, âm
thanh, video và nhiều định dạng dữ liệu khác, từ nhiều nguồn khác nhau.
4. Veracity (độ chính xác): Đặc tính này liên quan đến mức độ
tin cậy và chính xác của dữ liệu. Với lượng lớn dữ liệu và đa dạng
nguồn, có thể xuất hiện sự không chắc chắn, độ lệch và sai sót, đặt
ra thách thức trong việc đảm bảo độ chính xác của thông tin.
5. Value (giá trị): Dữ liệu lớn có giá trị khi nó có thể cung cấp
thông tin hữu ích và chiến lược cho tổ chức. Khả năng phân tích và
rút trích giá trị từ dữ liệu lớn giúp đưa ra quyết định thông minh và
đưa ra cái nhìn sâu sắc về tổ chức.
1.4. Vai trò của BigData trong bán lẻ
1. Phân tích khách hàng: BigData giúp phân tích hành vi
mua sắm của khách hàng, đánh giá sở thích và ưa thích cá nhân. Lợi
ích đem lại là cung cấp thông tin giúp cá nhân hóa trải nghiệm mua
sắm, tối ưu hóa chiến lược giá và tạo ra các chương trình khuyến mãi đặc biệt. 9
2. Dự đoán xu hướng thị trường: BigData phân tích dữ liệu để
dự đoán xu hướng thị trường và thay đổi trong nhu cầu của khách
hàng, qua đó, cho phép doanh nghiệp chuẩn bị và phản ứng nhanh
chóng với thị trường, điều chỉnh dòng sản phẩm và chiến lược tiếp thị.
3. Quản lý hàng tồn kho: BigData giúp dự đoán nhu cầu hàng
tồn kho và tối ưu hóa quản lý kho. Từ đó, BigData giúp giảm chi phí
lưu trữ, tránh tình trạng thiếu hàng hoặc hàng tồn kho lớn và tăng
khả năng đáp ứng nhanh chóng.
4. Tối ưu hóa giá cả: BigData phân tích giá cả, sự cạnh tranh
và phản ứng của khách hàng để tối ưu hóa chiến lược giá. Từ đấy,
góp phần trong việc điều chỉnh giá cả để thu hút khách hàng và tối ưu hóa lợi nhuận.
5. Cải thiện trải nghiệm khách hàng: BigData giúp theo dõi
và đánh giá trải nghiệm mua sắm của khách hàng để cải thiện dịch
vụ. Qua đó, BigData giúp tạo ra trải nghiệm mua sắm cá nhân hóa,
cung cấp đề xuất sản phẩm và dịch vụ phù hợp.
6. Quảng cáo và tiếp thị hiệu quả: Big Data hỗ trợ tỏng việc
xác định đối tượng khách hàng mục tiêu và đánh giá hiệu suất
quảng cáo. Từ đó, BigData giúp tăng cường hiệu suất quảng cáo và
tiếp thị bằng cách tập trung vào kênh quảng cáo hiệu quả nhất.
7. Dự đoán chấn thương và xu hương mua sắm: BigData có
thể dự đoán xu hướng mua sắm và thậm chí là chấn thương thị
trường. Nhờ đó, BigData giúp doanh nghiệp dự đoán và chuẩn bị cho
những thay đổi trong ngành và tình hình kinh doanh.
8. An toàn dữ liệu và phòng chống gian lận: BigData hỗ trợ
trong việc phát hiện và ngăn chặn gian lận thanh toán và bảo vệ
thông tin khách hàng. BigData giúp tăng cường an toàn thông tin và niềm tin của khách hàng,
9. Tư duy liên kết các kênh bán lẻ: BigData kết hợp thông tin
từ nhiều kênh bán lẻ khác nhau (cửa hàng truyền thống, trực tuyến,
di động) để tạo ra một trải nghiệm mua sắm liên kết. BigData tạo ra 10
một hệ thống bán lẻ liên kết và nhất quán, giúp khách hàng chuyển
động linh hoạt giữa các kênh mua sắm.
1.5. Cách sử dụng BigData
1.5.1. Quy trình xử lý dữ liệu
Với các công cụ mới xử lý toàn bộ chu trình quản lý dữ liệu, việc
thu thập, lưu trữ và phân tích các tập dữ liệu lớn hơn để khám phá
những thông tin chuyên sâu mới và có giải trị đã trở nên khả thi về
mặt kỹ thuật và kinh tế nhờ các công nghệ BigData. Trong hầu hết
các trường hợp, việc xử lý BigData liên quan tới một luồng dữ liệu
chung-từ thu thập dữ liệu thô tới sử dụng thông tin hữu ích.
Quy trình xử lý dữ liệu gồm các bước chính: 1. Thu thập dữ liệu 2. Lưu trữ dữ liệu
3. Xử lý và phân tích dữ liệu
4. Trực quan hóa dữ liệu
1.5.2 Các công cụ phân tích BigData phổ biến
Hiện nay có rất nhiều BigData tools (Công cụ phân tích dữ liệu)
phổ biến rộng rãi mà các chuyên gia và nhà phân tích trường sử
dụng. Dưới đây là một số công cụ nhóm em tìm hiểu được nhằm
phân tích BigData trong chuỗi tập đoàn Walmart.
Apache Hadoop: Thư viện phần mềm Apache Hadoop là một
khung cho phép xử lý phân tán các tập dữ liệu lớn trên các cụm máy
tính bằng các mô hình lập trình đơn giản. Nó được thiết kế để mở
rộng quy mô từ các máy chủ đơn lẻ lên hàng nghìn máy, mỗi máy
cung cấp khả năng tính toán và lưu trữ cục bộ. Hadoop còn tự động
lưu trữ nhiều bản sao của dữ liệu, giảm thiểu rủi ro mất mát và có
chi phí thấp. Tuy nhiên công cụ này có nhược điểm là khả năng xử lý
dữ liệu thời gian thực không tốt và cần kỹ năng cao để cài đặt và
quản lý. Hadoop đã phát triển như một giải pháp xử lý dữ liệu lớn và 11
phân tán, với hơn 1 triệu giao dịch của khách hàng mỗi giờ được xử
lý và dữ liệu nhập vào ước tính hơn 2,5 PB.
Dask: Ngôn ngữ lập trình cấp cao, thân thiện với người dùng của
Python và các thư viện Python như NumPy, Pandas và scikit-learn đã
được các nhà khoa học dữ liệu áp dụng đáng kể. Được phát triển
trước khi các trường hợp sử dụng dữ liệu lớn trở nên phổ biến, các
thư viện này không có giải pháp mạnh mẽ mang tính song song.
Python là lựa chọn phù hợp cho điện toán single-core, nhưng người
dùng buộc phải tìm các giải pháp khác mang tính song song multi-
core hoặc multi-machine. Điều này gây ra sự gián đoạn trải nhiệm
cho người dùng. Nhu cầu ngày càng tăng về quy mô khối lượng công
việc trong Python đã dẫn đến sự phát triển tự nhiên của Dask trong
5 năm qua. Dask dễ dàng cài đặt, được cung cấp nhanh chóng để
tăng tốc độ phân tích dữ liệu trong Python mà không yêu cầu nhà
phát triển nâng cấp cơ sở hạ tầng phần cứng hoặc chuyển sang
ngôn ngữ lập trình khác. Cú pháp được sử dụng để khởi chạy các
công việc Dask giống như cú pháp được sử dụng cho các hoạt động
Python khác. Một gã khổng lồ trong lĩnh vực bán lẻ, Walmart sử
dụng bộ dữ liệu khổng lồ để phục vụ khách hàng tốt hơn, dự đoán
nhu cầu sản phẩm và nâng cao hiệu quả nội bộ. Dựa vào phân tích
dữ liệu quy mô lớn để hoàn thành các mục tiêu này, Walmart Labs
đã chuyển sang Dask để giảm thời gian đào tạo xuống 100 lần, cải
thiện độ chính xác và lặp lại mô hình nhanh chóng để tiếp tục hoạt động kinh doanh.
CHƯƠNG 2. THỰC TRẠNG CỦA VẤN ĐỀ
CẦN GIẢI QUYẾT TRONG VIỆC ÁP DỤNG
BIGDATA TRONG LĨNH VỰC BÁN LẺ
2.1. Vấn đề đặt ra
Qua quá trình nghiên cứu mô hình kinh doanh áp dụng BigData
của tập đoàn Walmart và nhận thấy sự hiệu quả và thành công của
mô hình kinh doanh này, chúng tôi đã đưa ra những giải pháp áp
dụng mô hình BigData vào chuỗi các cửa hàng bán lẻ ở Việt Nam. 12
2.2. Thực trạng áp dụng BigData ở tập đoàn Walmart
Trên thế giới có rất nhiều tập đoàn lớn áp dụng mô hình BigData
vào lĩnh vực bán lẻ cực kỳ thành công, họ đã dày công nghiên cứu
và phát triển nó lên một tầm cao mới. Walmart là một hình mẫu đi
đầu trong mô hình kinh doanh bán lẻ áp dụng BigData. Walmart là
tập đoàn bán lẻ kinh doanh chuỗi siêu thị lớn nhất và hàng đầu thế
giới hiện nay, được thành lập vào năm 1962 tại Bentoville, bang
Arkanss, Mỹ bởi Sam Watson. Walmart đã trở thành nhà bán lẻ tạp
hóa lớn nhất của nước Mỹ và đã mở rộng thị trường sang nhiều quốc
gia khác trên thế giới. Walmart ra mắt thương mại điện tử của mình
từ trang web đến các cửa hàng dịch vụ, cho phép người tiêu dùng
mua hàng trực tuyến nhanh chóng và chọn tại cửa hàng. Bên cạnh
đó, Walmart cũng giúp thanh toán dễ dàng, nhanh chóng và an toàn
để khách hàng mua hàng bằng điện thoại thông minh của họ.
Walmart là nhà bán lẻ lớn nhất thế giới vào năm 2014 về mặt
doanh thu. Walmart kiếm được 36 triệu đô la mỗi ngày từ khắp 4300
cửa hàng bán lẻ ở Hoa Kỳ và tuyển dụng gần 2 triệu người. Walmart
bắt đầu sử dụng phân tích dữ liệu lớn trước khi thuật ngữ Dữ liệu lớn
trở nên phổ biến trong ngành. Vào năm 2012, Walmart đã chuyển từ
cụm Hadoop 10 nút trải nghiệm sang cụm Hadoop 250 nút. Mục tiêu
chính của việc di chuyển các cụm Hadoop là kết hợp 10 trang web
khác nhau vào một trang web duy nhất để tất cả dữ liệu phi cấu trúc
được tạo ra sẽ được thu thập vào cụm Hadoop mới . Kể từ đó,
Walmart đã tăng tốc phân tích dữ liệu lớn để cung cấp các công
nghệ thương mại điện tử tốt nhất với động cơ mang lại trải nghiệm
vượt trội cho khách hàng. Mục tiêu chính của việc tận dụng dữ liệu
lớn tại Walmart là tối ưu hóa trải nghiệm mua sắm của khách hàng
khi họ ở cửa hàng Walmart hoặc duyệt trang web Walmart hoặc
duyệt qua thiết bị di động khi họ đang di chuyển. Các giải pháp dữ
liệu lớn tại Walmart được phát triển với mục đích thiết kế lại các
trang web toàn cầu và xây dựng các ứng dụng sáng tạo để tùy chỉnh
trải nghiệm mua sắm cho khách hàng đồng thời tăng hiệu quả hậu
cần. Công nghệ Hadoop và NOSQL được sử dụng để cung cấp cho 13
khách hàng nội bộ quyền truy cập vào dữ liệu thời gian thực được
thu thập từ các nguồn khác nhau và tập trung để sử dụng hiệu quả.
Walmart mua lại công ty khởi nghiệp nhỏ Inkiru có trụ sở tại Palo
Alto, California để tăng cường năng lực dữ liệu lớn của mình. Inkiru
Inc. giúp tiếp thị mục tiêu , buôn bán và ngăn chặn gian lận. Nền
tảng công nghệ dự đoán của Inkiru lấy dữ liệu từ nhiều nguồn khác
nhau và giúp Walmart cải thiện khả năng cá nhân hóa thông qua
phân tích dữ liệu. Nền tảng phân tích dự đoán của Inkiru kết hợp các
công nghệ máy học để tự động nâng cao độ chính xác của thuật
toán và có thể tích hợp với các nguồn dữ liệu nội bộ và bên ngoài đa dạng.
Dữ liệu lớn của Walmart đang tăng theo cấp số nhân với tốc độ
nhanh chóng mỗi ngày và sự thiếu hụt nhân tài về dữ liệu lớn là rào
cản lớn đối với Walmart trong việc thực hiện phân tích. Với số lượng
nhân sự hạn chế sở hữu các kỹ năng dữ liệu lớn cần thiết –Walmart
đang thực hiện mọi bước cần thiết để vượt qua thách thức này để
không bị tụt hậu so với các đối thủ cạnh tranh.
Cách tiếp cận đa kênh, kết hợp bán lẻ truyền thông với nỗ lực kỹ
thuật số, xác định chiến lược của Walmart. Đầu tư vào công nghệ và
thu thập nguồn dữ liệu lớn đã dẫn đến sự hình thành các trung tâm
phân phối khu vực và trung tâm xử lý đơn hàng thương mại điện tử
tiên tiến. Những cải tiến này nâng cao hiệu quả hoạt động, tăng
công suất và đẩy nhanh quá trình phân phối sản phẩm, phù hợp với
triết lý lấy khách hàng làm trung tâm của Walmart.
Hoạt động xuất sắc vấn là dấu ấn thành công của Walmart. Các
sáng kiến nhằm giảm chi phí thực hiện kỹ thuật số, tối ưu hóa hoạt
động giao hàng chặng cuối thông qua mạng lưới cửa hàng và đầu tư
vào các vị trí tập trung vào công nghệ có tay nghề cao hơn thể hiện
cam kết của công ty về hiệu quả và đổi mới.
2.3. Thực trạng áp dụng BigData trong bán lẻ ở Việt Nam 14
Trong thời đại công nghệ số hiện nay thì các công ty doanh
nghiệp Việt Nam đã rất nhạy bén với thời cuộc khi nhận thấy lợi ích
cũng như cơ hội mà công nghệ mang lại đặc biệt là bigdata. Với
Walmart- tập đoàn bán lẻ lớn nhất Hoa Kỳ, đã rất thành công khi
ứng dụng Bigdata trong việc đáp ứng nhu cầu thị hiếu, xu hướng trải
nghiệm mua sắm của khách hang và phân tích thị trường cạnh
tranh, dữ liệu cho các doanh nghiệp. vậy còn đối với Việt Nam
Bigdata trong lĩnh vực bán lẻ được ứng dụng như thế nào? Để trả lời
cho câu hỏi đó nhóm chúng tôi đã tìm hiểu được thực trạng ứng
dụng Bigdata ở Việt Nam trong lĩnh vực bán lẻ:
Đầu tiên có thể kể đến công ty cổ phần Sendo đã ứng dụng
bigdata bằng cách phân tích dữ liệu của hơn 5 triệu sản phẩm được
bán ở hơn 80.000 cửa hàng nhằm đảm bảo chất lượng tránh hàng
giả hàng nhái và kiểm tra uy tín, giá thành cuối cùng của cửa hang
trong thời gian bùng nổ mua sắm
Hay có thể nhắc tới hãng sơn Dulux đã thành công khi sử dụng
công nghệ AR và bigdata để tối ưu hóa trải nghiệm của khách hang.
Họ có thể thử các màu sơn trên tường nhà mà không phải sơn trực
tiếp, từ đó đưa ra quyết định phù hợp với yêu cầu của mình.
Hay Lotte đã ứng dụng công nghệ nhận diện khuôn mặt và
bigdata lưu trữ để cho phép khách hàng gửi đồ mà không cần giữ
chìa khóa hay nhập mật khẩu.
Chuỗi cửa hang Walgreen Việt Nam cũng đã sử dụng điện toán
đám mây và các công cụ phân tích để cải thiện hiệu quả dịch vụ hỗ
trợ ở cửa hang và hỗ trợ khách hang mua sắm. 8100 cửa hang đã
được ứng dụng và xác định được địạ điểm, thời gian các cuộc gọi từ
khách hang diễn ra thường xuyên nhất, giải quyết vấn đề này và giải phóng nhân sự.
Ta có thể nói tới cái bắt tay hợp tác giữa Pantene, Walgreen và
kênh thời tiết. kênh thời tiết đã thu thập dữ liệu về độ ẩm trong
không khí cũng như thời gian để từ đó giúp Pantene và Walgreen
quảng cáo sản phẩm về chăm sóc tóc và phân tích những ảnh hưởng 15
của thời tiết tới mái tóc người phụ nữ. Từ đó tăng hiệu quả sử dụng và tìm kiếm sản phẩm.
Và còn rất nhiều những cửa hàng kinh doanh bán lẻ đã áp dụng
hiệu quả và thành công các công cụ phân tích bigdata…
2.4. Hạn chế và khó khăn trong việc áp dụng BigData ở Việt Nam
Việc áp dụng BigData trong bán lẻ ở Việt Nam hiện gặp phải
những hạn chế, khó khăn sau:
1. Bảo mật và quyền riêng tư: Dữ liệu lớn hay BigData thường
chứa các thông tin cá nhân nhạy cảm của người dùng, gây ra các
vấn đề khá nghiêm trọng về bảo mật và vi phạm quyền riêng tư.
2. Chi phí triển khai và duy trì: Việc triển khai và duy trì hạ
tầng để xử lý, lưu trữ BigData có thể đòi hỏi đầu tư lớn về mặt tài
chính. Những doanh nghiệp nhỏ có thể gặp khó khăn khi cố gắng
tích hợp giải pháp của BigData vào hoạt động của mình.
3. Khả năng tích hợp: Một số doanh nghiệp bán lẻ đã có hệ
thống thông tin tự động và quản lý khác nhau. Việc tích hợp BigData
vào những hệ thống này có thể là một thách thức, đặc biệt là nếu
chúng không tương thích tốt.
4. Chất lượng dữ liệu: Dữ liệu thiếu tính chính xác hoặc không
đầy đủ có thể dẫn đến các sai sót không đáng có.
5. Thách thức về tính hợp pháp: Quy định về bảo vệ dữ liệu
và quyền riêng tư có thể thay đổi và tạo ra khó khăn trong việc tuân thủ.
6. Khả năng nhận diện xu hướng: Trong một số trường hợp
việc xử lý BigData và rút ra thông tin quan trọng có thể đòi hỏi sự
hiểu biết sâu rộng về ngành và khả năng phân tích dữ liệu một cách hiệu quả.
7. Quản lý và hiểu biết: Quản lý lượng lớn dữ liệu đòi hỏi sự
chuyên sâu về kỹ thuật và hiểu biết về ngành để đảm bảo rằng dữ
liệu được sử dụng một cách hiệu quả và có ý nghĩa. 16
CHƯƠNG 3. GIẢI PHÁP ÁP DỤNG
BIGDATA TRONG LĨNH VỰC BÁN LẺ Ở VIỆT NAM
3.1. Định hướng theo thành công của Walmart
Với cương vị là tiên phong trong việc áp dụng thành công
BigData trong lĩnh vực bán lẻ, Walmart đã thực hiện dựa trên những khía cạnh sau:
Theo dõi nhu cầu mua sắm của khách hàng: Walmart đã
theo dõi nhu cầu mua sắm của khách hàng thông qua việc khai thác
các dữ liệu, từ đó giúp cung cấp các đề xuất sản phẩm cho người
tiêu dùng dựa trên việc các sản phẩm nào được mua đồng thời hay
sản phẩm nào được mua trước, sản phẩm nào được mua sau một
cách cụ thể. Nhằm tối ưu hóa trong việc phân loại mặt hàng,
Walmart đã tìm cách nhằm tăng sự hiểu quả trong việc sắp xếp các
kệ hàng và trưng bày hàng hóa. Dữ liệu lớn cũng cung cấp một cách
chi tiết các thông tin về mặt hàng mới, các mặt hàng đã ngừng bán
hay ngừng sản xuất và chi nhánh nào sẽ thực hiện.
Xác định số lượng đối tác cần thiết để nhân viên đăng ký
phục vụ: Việc phân tích và dự đoán hành vi mua sắm của người tiêu
dùng giúp dự đoán được nhu cầu của cửa hàng và xác định số lượng
đối tác cần để nhân viên đăng ký phục vụ. Walmart đã theo dõi và
khoanh vùng mục tiêu từng khách hàng, thu thập được dữ liệu khách
hàng đầy đủ của xấp xỉ 145 triệu người Mỹ, 60% dữ liệu trong đó là
người lớn trong nước. Walmart tập chung vào thông tin, dữ liệu về
những mặt hàng mà khách hàng hay mua, vùng họ sống và sản
phẩm được ưa chuộng thông qua wifi tại cửa hàng, xu hướng trên X,
sự ảnh hưởng của thời tiết tới mô hình tiêu dùng,…
Sửa đổi chính sách giao hàng: Walmart dựa vào việc phân
tích và dự đoán, từ đó, sửa đổi chính sách giao hàng, tận dụng các
dữ liệu sau khi phân tích và dự đoán nhằm điều chỉnh số tiền tối 17
thiểu để một đơn hàng có cơ sở để tạo ra các chương trình bán
hàng, marketing để tiếp cận và gây thiện cảm với người tiêu dùng.
Phân tích và khai thác dữ liệu mạng xã hội: Dữ liệu mạng xã
hội là dạng dữ liệu không có cấu trúc. Walmart đã phân tích và khai
thác hàng petabyte dữ liệu truyền thông xã hội đó nhằm tìm ra các
yếu tố quan trọng và từ các yếu tố đó, tìm ra ý nghĩa trong mô hình.
Đa phần quyết định được dựa trên các dữ liệu của Walmart trên các
nền tảng mạng xã hội như Facebook, X, Pinterest,… Walmart Labs
đang cố gắng tận dụng các phân tích xã hội trung gian nhằm tạo
thêm các thông tin chi tiết về dữ liệu lớn trong lĩnh vực bán lẻ.
Quản lý tốt hàng tồn kho: Phân tích dự đoán giúp quản lý tốt
hàng tồn kho là trọng tâm của quy trình chuỗi cung ứng giúp
Walmart giảm lượng hàng tồn kho và duy trì dự trữ phù hợp các sản
phẩm được nhu cầu nhiều nhất. Các nhà cung cấp cho Walmart được
yêu cầu áp dụng hệ thống quản lý này trong thời gian thực, qua đó,
giảm thiểu lượng hàng tồn kho cho một mặt hàng kém bán chạy.
Việc này giúp các nhà bán lẻ có thể tiết kiệm tiền để nhập thêm các
mặt hàng có nhu cầu lớn hơn và có khả năng sinh lời cao hơn.
Phân tích dự đoán xác định thời điểm bận rộn nhất của số
lượng đơn thuốc được kê trong hiệu thuốc: Việc phân tích và dự
đoán mô phỏng việc tiêu dùng hiệu thuốc của khách hàng để xác
định số lượng đơn thuốc được kê trong một khoảng thời gian nhất
định và từ đó đưa ra thời điểm bận rộn nhất trong một hoặc nhiều
ngày trong tháng. Thông tin này có thể giúp cho các nhân viên lập
ra kế hoạch để tối ưu năng suất cho những khoảng thời gian bận rộn
đó, giảm thiểu việc khách hàng phải chờ đợi. Không những thế,
những thông tin này còn giúp nhân viên có thể quản lý được số
lượng của từng loại thuốc được bán ra và lượng dự trữ nhằm tránh
trường hợp thiếu hàng. Từ đây, Walmart có thể tăng được độ tín
nhiệm và trung thành của khách hàng khi sự yên tâm và bảo đảm về
chất lượng dịch vụ, số lượng hàng hóa được nâng cao.
Hỗ trợ khách hàng trong việc thanh toán: Walmart đã phát
triển ứng dụng Walmart Grocery nhằm hỗ trợ khách hàng có thể
thanh toán trực tuyến. Walmart Grocery đã đưa ra được sự gia tăng 18
vào năm 2020, cụ thể là sau Covid-19. Lượt tải ứng dụng Walmart
Grocery đã thể hiện rằng Walmart đang vận hành tốt về mặt đảm
bảo số lượng khách hàng và có nhiều cơ hội trong sự chuyển đổi.
Quản lý chuỗi cung ứng: Tập đoàn Walmart đã sử dụng phân
tích mô phỏng để có thể nắm bắt được khoảng cách từ bến tàu đến
cửa hàng. Kết quả được đưa ra là các tuyến đường trên bến tàu được
tối ưu hóa, đảm bảo về cả mặt thời gian cập bến, giao hàng lẫn chất
lượng sản phẩm trong quá trình vận chuyển. Ngoài ra, chiến lược
này cũng giúp họ khoanh vùng số lần mà một mặt hàng được tiếp
cận đến người tiêu dùng. BigData đã chỉ ra các làn đường và tuyến
đường tối ưu nhất cho việc vận chuyển của công ty. Sự chi tiết trong
thông tin này của Walmart đã làm giảm chi phí vận chuyển và đảm
bảo về mặt lịch trình chính xác về thời gian của người vận chuyển.
Ứng dụng của khách hàng dành cho thiết bị di động: Với sự
thành công trong việc kinh doanh trực tuyến, Walmart muốn mở
rộng, hướng đến trải nghiệm mua sắm tốt nhất cho khách hàng tại
cửa hàng và cả trên thiết bị di động. Hiện nay, ứng dụng Walmart
Grocery đã ghi nhận được lượt sử dụng lên đến hơn 22 triệu người,
qua đó, đưa ứng dụng lên xếp hạng là một trong những ứng dụng tốt
nhát trên toàn thế giới. Ở đây, ta thấy được rằng Walmart không chỉ
tập chung vào mỗi mảng tối đa doanh thu mà còn cố gắng chú trọng
đến việc sự ổn định và sự nâng cao không ngừng trong trải nghiệm
mua sắm của người tiêu dùng.
Tính năng định vị địa lý của ứng dụng dành cho thiết bị di
động: Walmart đang tối ưu hóa sức mạnh của phân tích dữ liệu lớn
là phân tích trong thời gian thực khi khách hàng bước chân vào cửa
hàng Walmart. Tính năng định vị địa lý của ứng dụng Walmart
Grocery có thể định vị được thời điểm người dùng bước vào cửa hàng
Walmart. Khi đó, ứng dụng sẽ yêu cầu người dùng nhập vào “Chế độ
cửa hàng”. Chế độ này cho phép người tiêu dùng có thể quét các mã
QR tại cửa hàng, từ đó, cho phép họ được tiếp cận vào những ưu đãi
hay chương trình giảm giá đặc biệt của một mặt hàng cụ thể mà họ
đang nhắm vào. Ở đây, ta thấy được cách Walmart đã sử dụng phân
tích dữ liệu lớn trong việc nắm bắt tâm lý người tiêu dùng để từ đó, 19
Walmart có thể tạo ra các chương trình để thỏa mãn và nâng cao
nhu cầu mua sắm của khách hàng.
3.2. Giải pháp ứng dụng BigData trong bán lẻ ở Việt Nam
Sau khi nghiên cứu về sự thành công của Walmart trong việc áp
dụng BigData trong bán lẻ, nhóm chúng tôi đã rút ra những giải
pháp sau nhằm đưa ứng dụng BigData vào lĩnh vực bán lẻ ở Việt Nam:
1. Dự đoán nhu cầu của khách hàng: Việc sử dụng BigData
trong bán lẻ có thể giúp các cửa hàng có thể điều tra nhu cầu của
khách hàng về các mặt hàng mà họ có nhu cầu mua. Qua đó giúp
các nhà bán lẻ hiểu được thói quen khách hàng, từ đó, hiểu được
mặt hàng và dịch vụ nào mà thị trường có nhu cầu lớn để họ tiếp tục
kinh doanh và mặt hàng nào mà khách hàng hết nhu cầu thì sẽ
ngừng bán ở trên thị trường. Theo cách này, các nhà bán lẻ có thể
dự đoán nhu cầu của người tiêu dùng để tạo ra hiệu quả kinh tế và chiếm lĩnh thị trường.
2. Cá nhân hóa trải nghiệm của khách hàng: Ngày nay,
thành công của bất kì tập đoàn bán lẻ nào cũng dựa trên mức độ
hạnh phúc của khách hàng và trải nghiệm của họ khi đi mua hàng.
Áp dụng dữ liệu lớn giúp họ hiểu hơn về nhu cầu của khách hàng để
từ đó giúp họ đưa ra những quyết định hiệu quả với việc lấy khách
hàng làm trung tâm và cá nhân hóa hoạt động tiếp thị của họ dựa
trên dữ liệu người tiêu dùng, qua đó, giúp họ nâng cao vị thế trên thị
trường và tăng sức cạnh tranh với đối thủ.
3. Nên áp dụng BigData trong việc tập huấn và trang bị
các kĩ năng cho nhân viên của các cửa hàng bán lẻ: Từ việc
phân tích trải nghiệm cũng như nhu cầu của khách hàng. BigData có
thể giúp cho các cửa hàng trang bị cho nhân viên của họ những kiến
thức cần thiết trong việc phục vụ khách hàng cũng như đề ra các
chiến lược chiến tranh phù hợp. Với việc nhân viên được trang bị đầy
đủ các kiến thức cần thiết thì sẽ làm tăng thêm lượng khách hàng 20
trung thành và giảm nguy cơ họ rời bỏ dịch vụ của các cửa hàng bán lẻ.
4. Áp dụng BigData vào việc giải quyết hàng tồn kho: Việc
phân tích dự đoán nhờ vào BigData giúp cho các cửa hàng quản lí
tốt hàng tồn kho và có dự trữ phù hợp đối với những mặt hàng có
nhu cầu cao. Việc quản lí hàng tồn kho nhờ BigData với thời gian
thực giúp các nhà quản lí giảm thiểu lượng hàng tồn kho hoặc các
mặt hàng không có doanh số bán hàng. Từ đó họ có thể tiệt kiệm chi
phí và đầu tư vào những mặt hàng có nhu cầu cao hơn.
5. Áp dụng BigData vào việc giao hàng: Việc áp dụng
BigData giúp cho các nhà quản lí có thể phân tích các loại hình giao
hàng phù hợp với sản phẩm đó, qua đó, giúp họ tiết kiệm thời gian,
kinh phí và phân công nhân lực một cách có hiệu quả. KẾT LUẬN
Việc lựa chọn BigData là một vấn đề nghiên cứu có lẽ không mới
và đã có nhiều đề tài nghiên cứu về chủ đề này từ khái quát đến
chuyên sâu. Tuy nhiên, chưa có đề tài nào nghiên cứu về ứng dụng
cụ thể của BigData được đặt trong một phạm vi nghiên cứu cụ thể,
đó chính là lĩnh vực bán lẻ. Do đó, nhóm thực hiện đề tài này với
mong muốn có thể vận dụng kiến thức học được trên giảng đường
kết hợp với các vấn đề thực tiễn nhằm phục vụ nghiên cứu đề tài
luận văn trên, qua đó giúp mọi người có thể phần nào nhìn ra được
những hạn chế của vấn đề và khắc phục những hạn chế đó. Việc đi
từ lí thuyết để có thể áp dụng vào thực tế chính là nội dung chính và
bản chất của cả quả trình nghiên cứu.
Tuy đã cố gắng hết sức trong quá trình nghiên cứu và tiến hành
làm đề tài, song nhóm cũng không thể tránh khỏi những thiếu sót.
Tập thể nhóm rất mong sẽ nhận được những ý kiến, nhận xét và
đóng góp quý giá đến từ giảng viên Ngô Thùy Linh. Những ý kiến
của cô có ý nghĩa rất quan trọng trong việc bổ sung kiến thức trong
quá trình học tập và quá trình làm việc cũng như công tác sau này của chúng em. 21
TRÍCH NGUỒN THAM KHẢO
https://tapchicongthuong.vn/bai-viet/big-data-ung-dung-trong-kinh-
doanh-ban-le-truong-hop-walmart-104670.htm
https://aws.amazon.com/vi/what-is/big-data/ 22