Làm sao để tránh thiên kiến trong các quyết định kinh doanh là điểm nên suy nghĩ khi tìm hiểu nghiên cứu của giáo sư đạt Nobel Kinh tế 2017.
Giáo sư Richard Thaler, cha đẻ của kinh tế học hành vi và là người đạt
giải Nobel Kinh tế năm 2017, đã chỉ ra rằng con người bị ảnh hưởng bởi
rất nhiều các thiên kiến trong việc đưa ra các quyết định kinh tế.
Thiên kiến là những sai lệch trong việc tiếp nhận, lưu trữ, xử lý thông
tin và ra quyết định hành động của bộ não con người. Wikipedia thống kê
hơn 200 thiên kiến theo 4 nhóm: chọn lọc thông tin không khách quan, xác
nhận thông tin khi chưa đủ chứng cứ, ghi nhớ thông tin không chính xác
và hành động không khách quan.
Giáo sư Richard Thaler đạt giải Nobel Kinh tế 2017. Ảnh: Guardian
Chuyên gia Nguyễn Quốc Toàn và Vũ Quốc Hiển của EY Việt Nam đưa một câu
chuyện ví dụ. Một nhà kinh doanh đi tìm hiểu thị trường ở một thành phố
để mở nhà hàng. Hôm đầu tiên, ông ta gặp một nhóm khách hàng yêu thích
gà rán, họ bảo “người thành phố này rất thích gà rán, mở là đảm bảo phục
vụ khách không hết”. Vị giám đốc thấy có lý và bắt đầu chú ý đến các
cửa hàng gà rán đông khách mà vô tình bỏ qua những của hàng gà rán ế ẩm
hay đã đóng cửa.
Ông ta quyết định đầu tư một cửa hàng gà rán. Tuy nhiên, kết quả kinh
doanh không như mong muốn. Dù trợ lý của ông đã làm một cuộc khảo sát về
nhu cầu gà rán và nó rất thấp, nhưng ông cũng không tin. Đến lúc không
thể trụ nổi do hết vốn thì ông mới chịu đóng cửa.
Theo nhóm chuyên gia, đây là ví dụ thể hiện thiên kiến mà các lãnh
đạo doanh nghiệp có thể bị ảnh hưởng. Cụ thể, hiệu ứng neo (anchoring
effect) là xu hướng con người đặt quá nhiều niềm tin vào thông tin đến
đầu tiên. Không chú ý đến kích thước tập khảo sát (insentitivy to sample
size) là xu hướng con người không chú ý đến kích thước tập khảo sát khi
đưa ra kết luận.
Thiên kiến xác nhận (confirmation bias) là xu hướng con người tìm kiếm,
tiếp nhận và hưởng ứng thông tin phù hợp với niềm tin và quan điểm của
mình từ trước. Tự tin thái quá là xu hướng con người nghĩ năng lực của
mình cao hơn thực tế. Hiệu ứng đà điểu (ostrich effect) là xu hướng
tránh tiếp xúc với thông tin xấu. Sự ngụy biện cho chi phí chìm
(sunk-cost fallacy) là xu hướng tiếp tục một dự án do đã bỏ tiền đầu tư
mặc dù hủy bỏ dự án sẽ tốt hơn về mặt tài chính.
Để loại bỏ thiên kiến, công nghệ phân tích dữ liệu có thể giúp đưa ra các quyết định khách quan và hiệu quả hơn. Tuy nhiên, nhóm chuyên gia cho rằng, đa phần doanh nghiệp Việt Nam đang có hiệu quả sử dụng dữ liệu ở mức rất thấp. Dữ
liệu nằm rải rác ở các phòng ban và có cấu trúc không đồng nhất khiến
cho việc tổng hợp chúng gặp nhiều khó khăn. Do đó, chiến lược phát triển
của doanh nghiệp phụ thuộc nhiều vào dữ liệu định tính và không chắc
chắn về tính hiệu quả.
Theo EY Việt Nam, đa phần doanh nghiệp Việt đang có hiệu quả sử dụng dữ liệu ở mức rất thấp.
|
Phân tích dữ liệu hoạt động giống như một “chuỗi giá trị” với 4 bước:
quản lý dữ liệu, phân tích dữ liệu, đưa ra quyết định và cải thiện hiệu
suất, quản trị rủi ro. Mặc dù về mặt kỹ thuật chuỗi giá trị bắt đầu từ
bước một và kết thúc ở bước 4. Tuy nhiên, để ứng dụng phân tích dữ liệu
một cách hiệu quả, doanh nghiệp cần suy nghĩ theo hướng ngược lại, từ
bước 4 ngược về bước một.
Tức là, doanh nghiệp phải bắt đầu bằng một câu hỏi cụ thể về cải thiện
hiệu suất hoặc quản trị rủi ro và xác định xem những quyết định nào có
thể giải quyết được vấn đề. Tiếp đó, đánh giá xem các yếu tố có thể được
sử dụng để đưa ra quyết định, từ đó xác định các dữ liệu cần thiết và
phương pháp thu thập và quản lý dữ liệu.
Phân tích dữ liệu trở nên thịnh hành trong những năm gần đây do sự phát
triển vượt bậc trong công nghệ thông tin ở 3 khía cạnh của phân tích dữ
liệu là: lượng dữ liệu, năng lực tính toán, và thuật toán. Hiện nay dữ
liệu toàn cầu đang tăng theo cấp số mũ, ít nhất gấp đôi sau mỗi hai năm
và dự kiến đạt 44 zettabytes (44.000 tỷ gigabites) vào năm 2020.
Bên cạnh đó, điện toán đám mây cho phép doanh nghiệp tiếp cận năng lực
tính toán gần như vô hạn. Dịch vụ điện toán đám mây của Amazon tương
đương với 150.000 bộ vi xử lý. Tuy nhiên, đối với những tác vụ phân tích
dữ liệu thông thường thì một cái máy tính cá nhân cũng đã đủ năng lực
xử lý. Thuật toán ngày nay cũng được phát triển mạnh mẽ, đặc biệt là các
thuật toán máy học để xử lý các loại dữ liệu có cấu trúc và phi cấu
trúc.
“Phân tích dữ liệu thời nay cần những công cụ mạnh hơn nhiều so với
Excel. Excel chỉ có thể chứa tối đa khoảng một triệu dòng, điều này
không cho phép Excel xử lý bộ dữ liệu sản xuất, mua, hoặc bán theo từng
sản phẩm. Doanh nghiệp có thể xây dựng năng lực phân tích dữ liệu bằng
một trong ba phương pháp tự phát triển, mua lại hoặc tìm đối tác”, hai
chuyên gia nhận định.
Vnexpress
