Có dữ liệu trong tay, nhưng bạn đã biết cách sử dụng chúng hiệu quả như Uber?

Có dữ liệu trong tay, nhưng bạn đã biết cách sử dụng chúng hiệu quả như Uber?Trong lĩnh vực vận chuyển, ít có công ty nào vượt mặt Uber về mức độ phủ sóng và nhận biết thương hiệu. Uber đã làm thế nào và chúng ta có thể học được gì 

Trong lĩnh vực vận chuyển, ít có công ty nào vượt mặt Uber về mức độ phủ sóng và nhận biết thương hiệu. Uber đã làm thế nào và chúng ta có thể học được gì từ họ? Thu thập, sản xuất, sử dụng dữ liệu dưới dạng trực quan, tất cả tạo thành một công ty hàng đầu về lĩnh vực vận tải và đặc biệt hiệu quả trong dịch vụ khách hàng.

Uber đã bắt đầu với dịch vụ gọi xe màu đen mang tên UberCab tại thành phố San Francisco (Mỹ). Mặc dù có giá gấp rưỡi so với taxi truyền thống, khả năng gọi một chiếc UberCab ngay từ chiếc điện thoại thông minh của người dùng đã khiến lượng khách hàng tăng mạnh và Uber xuất hiện liên tục tại các thành phố lớn. Những dịch vụ vận chuyển khác như dịch vụ vận chuyển bằng xe đạp hay giao thức ăn cũng sớm được triển khai thử nghiệm tại một số thành phố nhất định.

Khởi điểm của Uber tại San Francisco

Cách thức hoạt động

Lựa chọn một chuyến đi từ Uber vô cùng đơn giản và chính điều này khiến khách hàng cảm thấy dần ưa chuộng phương thức đi lại mới mẻ này. Bạn chỉ cần mở ứng dụng, thiết lập vị trí khởi hành, yêu cầu một chiếc xe, đợi tài xế đến đó và trả tiền bằng một “cú chạm” trên màn hình cảm hứng. Đáng lưu ý, có rất nhiều tranh luận đã nổ ra về mặt dữ liệu để khiến tất cả những bước trên “mượt” hơn. Ngoài ra, sự thực là sẽ có rất nhiều điều xảy đến vượt ngoài tầm kiểm soát của Uber như cơ sở hạ tầng giao thông nghèo nàn, tắc đường, các tài xế không hợp tác…

Mặc dù phải xử lý những khó khăn kể trên, Uber thực sự đã thay đổi phương thức mọi người di chuyển và thâm nhập nhiều hơn đến từng ngóc ngách thành phố. Về cơ bản, đâu là bí quyết của Uber và chúng ta có thể học được gì từ công ty này?

Khám phá quy trình hoạt động

Uber có nền tảng dữ liệu tổng hợp về các tài xế, do đó ngay khi bạn yêu cầu một chiếc xe tới đón, thuật toán của Uber hoạt động một cách nhanh chóng và chính xác chỉ trong vòng 15 giây hoặc ít hơn. Về cốt lõi, Uber lưu trữ giữ liệu đối với mỗi chuyến đi được thực hiện, ngay cả khi người lái xe đó không chở khách hàng. Tất cả các dữ liệu này được tập trung lại và sử dụng để dự đoán cung – cầu, cũng như đặt giá cho các chuyến đi. Uber cũng nghiên cứu tình hình giao thông tại các thành phố và cố gắng điều chỉnh sao cho khách hàng có những trải nghiệm tốt nhất với công ty.

Bên cạnh đó, Uber đồng thời thu thập dữ liệu về các lái xe. Ngoài việc có nắm bắt thông tin về loại phương tiện và địa điểm, Uber còn kiểm soát tốc độ của họ và xem liệu rằng họ có đang làm việc cho công ty đối thủ hay không (ví dụ như Grab).

Bạn có thể tự hỏi việc làm này “dường như” đang xâm phạm đời sống cá nhân của các tài xế. Tuy nhiên, Uber lại rất minh bạch về nguồn thông tin thu thập được. Trong một chính sách quyền riêng tư dành cho khách hàng và tài xế ở Mỹ, có đoạn viết: “Uber sử dụng dữ liệu cá nhân của bạn dưới dạng ẩn danh và tổng hợp để theo dõi chặt chẽ các tính năng của dịch vụ được dùng nhiều nhất, phân tích các mẫu và xác định nơi chúng tôi nên cung cấp hoặc tập trung dịch vụ. Chúng tôi có thể chia sẻ thông tin này với các bên thứ ba để phân tích ngành và thống kê”.

Trong khi hiểm họa của việc lạm dụng dữ liệu luôn rình rập Uber, insights có được từ việc thu thập các dữ liệu ẩn danh và mang tính chất tổng hợp này rất giá trị. Uber sử dụng dữ liệu để dự đoán mọi thứ, từ thời gian chờ của khách hàng cho tới gợi ý các tài xế nên đỗ ở đâu để tận dụng mức phí cạnh tranh nhất và có nhiều khách hàng nhất. Tất cả những việc này diễn ra trong thời gian thực dành cho cả tài xế lẫn khách hàng.

Giám sát cung – cầu

Một trong những cách sử dụng dữ liệu lớn nhất của Uber (và có thể là cái gây ra sự bực bội lớn nhất từ phía hành khách) xuất hiện dưới dạng tăng giá, một mô hình mang tên “Geosurge” ở Uber. Nếu bạn đang sắp sửa tới trễ trong một cuộc hẹn hay cần phải đặt một chuyến đi trong một khu phố đông đúc, hãy chuẩn bị tinh thần trả gấp đôi số tiền so với thông thường. Vào năm 2011, trong suốt đêm giao thừa tại New York, một chuyến đi kéo dài 1 dặm (tương đương 1,6 km) đã tăng từ 37 USD lên 135 USD.

Loai định giá linh hoạt kể trên tương tự như chiến lược giá được áp dụng bởi các khách sạn hay hãng hàng không: giá và thuế phí thường tăng trong ngày lễ hay cuối tuần. Tuy nhiên, điểm khác biệt là Uber thực hiện dự báo thời gian thực dựa trên tình hình giao thông, tình hình cung cầu. Thậm chí, Uber còn được cấp bằng sáng chế với loại định giá này.

Uber không áp dụng “Geosurge” mọi lúc để kiếm thêm tiền. Thay vào đó, công ty này dùng dữ liệu khoa học để phân tích tác động ngắn hạn và dài hạn của việc tăng giá lên các khách hàng.
Trong ngắn hạn, giá cả tăng đột ngột ảnh hưởng đáng kể đến lượng cầu, trong khi việc tăng giá trong dài có thể là chìa khóa để giữ chân hoặc đánh mất khách hàng. Sự nhạy cảm của khách hàng đối với việc tăng giá rất cao, do đó Uber đã xem xét áp dụng các thuật toán học máy (machine-learning algorithms).

Machine learning là một phương pháp phân tích dữ liệu có khả năng tự động hóa việc xây dựng mô hình phân tích. Sử dụng các thuật toán lặp, machine learning cho phép máy tính tìm thấy những thông tin giá trị ẩn sâu vốn không được lập trình một cách rõ ràng. Việc ứng dụng machine learning nhằm dự đoán lượng cầu tăng ở những nơi nào để tài xế có thể chuẩn bị đầy đủ nhất để đáp ứng nhu cầu này và mức giá tương ứng, do đó hiện tượng tăng giá giờ cao điểm sẽ giảm đáng kể. Uber hiểu rằng để có được và duy trì khách hàng cũng như đội ngũ tài xế, công ty cần xử lý nguồn dữ liệu theo những cách mới mẻ và sáng tạo.

Uber làm việc này bằng cách xây dựng vô số hệ thống dữ liệu trong nhà, từ Argos, giám sát hàng triệu tương tác hệ thống, các phép đo, cảnh báo trong trường hợp mất cắp nghiêm trọng tới Gurafu, một công cụ giúp các lái xe có một tuyến đường tốt hơn và an toàn hơn trong thời gian thực. Các hệ thống như thế này cũng được áp dụng cho các dịch vụ mới của Uber, bao gồm UberPOOL và UberEATS.

Tuy nhiên, cần lưu ý rằng dữ liệu về cung và cầu không giống nhau giữa các thành phố, vì vậy các kỹ sư của Uber đã nghĩ ra cách lập “bản đồ xung” của một thành phố để kết nối người lái xe và người đi xe một cách hiệu quả hơn. Nếu bạn cho rằng tất cả các thành phố lớn đều giống nhau – hãy nghĩ lại. Chỉ cần nhìn vào biểu đồ của New York và London:

Dữ liệu về cung – cầu tại New York và London được Uber làm trực quan

Biểu đồ thể hiện các hành trình của Uber diễn ra trong suốt 1 tuần lễ tại New York và London.
Hành khách ra – vào New York trong suốt các buổi tối, trong khi ở London, các điểm sáng biểu thị mức độ các chuyến đi tập trung cao độ vào ban đêm. Điều này cho thấy những yếu tố có ích đối với Uber ở thành phố này chưa chắc đã đem lại hiệu quả ở thành phố khác.

Làm trực quan thống kê dữ liệu

Tất nhiên, thu thập tất cả những thông tin trên đây chỉ là một bước trong hành trình dữ liệu to lớn. Uber đã làm thế nào để xác định cách tốt nhất trong việc sử dụng thông tin? Làm cách nào để thu thập các điểm khả thi từ dữ liệu đã có? Uber quản lý hàng tỉ địa chỉ GPS. Mỗi phút, nền tảng của họ kết nối hàng triệu sự kiện. Làm sao để họ sử dụng dữ liệu này để khiến mọi người thuận tiện hơn trong việc di chuyển từ nơi này tới nơi khác?

Câu trả lời là làm trực quan hóa dữ liệu.

Theo như blog chuyên về dữ liệu của Uber, các chuyên gia về dữ liệu trực quan xuất phát từ chuyên viên đồ họa máy tính cho tới thiết kế thông tin. Họ xử lý mọi thứ, từ lập bản đồ cho tới các phát triển các frameworks phù hợp để công chúng (ví dụ như các lái xe) có thể thấy. Rất nhiều sự phỏng đoán và trực quan hóa dữ liệu chưa từng xuất hiện trước đó, điều này đã tạo ra nhu cầu về những công cụ được phát triển nội bộ (in-house).

Nếu không có sự can thiệp của kỹ thuât, các ứng dụng nhằm giải quyết các thách thức về việc trực quan hóa dữ liệu, phải kể tới:

Lập bản đồ ứng dụng

Tại Uber, có những nhóm làm việc cần các thông tin về cung – cầu chi tiết và cập nhật nhất. Tương tự, các chuyên gia marketing cũng cần tổng hợp dữ liệu để lên kế hoạch cho chiến dịch truyền thông. Do đó, nhóm phụ trách kỹ thuật tại Uber đã xây dựng một hệ thống minh họa sự phân phối của mạng lưới xe Uber theo thời gian thực khi kéo con trỏ chuột qua một khu vực nhất định.

Lượng cầu của Uber tại New York

Một ví dụ khác có tầm quan trọng đặc biệt ở các thành phố lớn, khi việc nắm rõ về mật độ giao thông của một khu vực nhất định có thể dẫn tới sự thay đổi trong khâu định giá năng động (hay định giá linh hoạt) mà Uber theo đuổi bấy lâu nay. Uber minh hoạ điều này với sự kết hợp các lớp khác nhau cho phép người xem thấy được các khu vực cụ thể một cách rất chi tiết:

Bản đồ cho phép zoom chi tiết của Uber tại New York

Tuy nhiên, không chỉ có sự trực quan hóa dữ liệu dành cho các kiến trúc sư hay các nhà khoa học dữ liệu là thứ đáng để quan tâm. Việc sử dụng dữ liệu trực quan cũng giúp cho công chúng hiểu rõ hơn Uber đang làm gì và cơ chế hoạt động ra sao, ví dụ như việc minh họa cách thức UberPOOL làm giảm tắc đường.

Minh họa UberPOOL

Học được gì từ việc sử dụng dữ liệu của Uber?

Uber không chỉ sử dụng dữ liệu khoa học, chính xác hơn, họ đã “tận dụng” chúng nhiều nhất có thể để phục vụ cho việc cải thiện dịch vụ khách hàng. Uber dạy chúng ta về một trường hợp sử dụng dữ liệu lớn và không dừng lại ở đó. Họ cũng đồng thời dạy về cách tìm kiếm các kết nối trong từng mảng dữ liệu đơn lẻ. Mỗi khi bạn thu thập nhưng không sử dụng dữ liệu, rất có khả năng bạn đã bỏ lỡ cơ hội để phát triển và cải thiện công việc kinh doanh.

Trong trường hợp một công cụ trong tay bạn không giúp xử lý dữ liệu theo cách bạn mong muốn, hãy làm từng bước để khiến nó hoạt động. Ngay cả khi điều đó có nghĩa là sử dụng các dụng cụ hiện có, đây chính xác là những gì mà Uber làm để tái tạo hệ thống hiện có sao cho phù hợp với khuôn mẫu hoàn toàn mới. Nó cho phép họ duy trì tính linh hoạt và thích ứng cao – những điểm cốt lõi mà bất cứ marketer giỏi nào trong thế giới số cũng nên có.

Uber cũng có những ghi nhận đáng giá về việc sử dụng dữ liệu cho thành phố này chưa chắc đem lại hiệu quả khi áp dụng cho một thành phố khác. Việc thu thập dữ liệu nên được làm độc lập và phân tích trong trường hợp cụ thể để có được các insights chính xác nhất cũng như các cơ hội để thâm nhập thị trường hiệu quả hơn.

Cuối cùng, hãy chớp lấy niềm cảm hứng và bắt tay vào làm việc. Uber có xuất phát điểm nhỏ bé, nhưng chỉ cần nhìn vào thành công to lớn họ gặt hái được tại San Francisco, chúng ta sẽ nhận ra rằng dịch vụ gọi xe qua điện thoại thông minh này có thể thu được lợi nhuận khổng lồ xuyên suốt quốc gia và trên cả thế giới. Không chỉ trên mảng ô tô 4 chỗ, Uber còn thắng đậm với xe SUV, ô tô hạng sang hay dịch vụ vận chuyển đồ ăn. Tiềm năng trong ngành vẫn chờ đợi để được khám phá, hãy cùng xem liệu có công ty cung cấp dịch vụ nào có khả năng thu được thành công qua việc sử dụng dữ liệu hiệu quả như Uber đã làm trước đó hay không.

Với điểm này, bạn có thể tự hỏi tất cả những công nghệ và dữ liệu được sử dụng chỉ để thực hiện một cuộc gọi xe? Trên thực tế, Uber không chỉ dừng lại ở đó. Uber đang thay đổi cách mà con người và hàng hóa di chuyển vòng quanh thế giới, giảm tắc đường, ô nhiễm môi trường cũng như đem đến sự chú ý tới hệ thống cơ sở hạ tầng ở các thành phố. Uber có vai trò đáng chú ý trong nền kinh tế, mạng lưới giao thông và văn hóa thời đại công nghệ thông tin khi chứng minh sức mạnh to lớn của dữ liệu.

Nguồn: Kissmetrics