DATAcracy là dự án tích luỹ và lan toả kiến thức về dữ liệu, bao gồm thường thức cho mọi người và các kiến thức chuyên sâu về dữ liệu. Bắt đầu từ 2020 và trở lại trong 2023 với chuỗi 08 data talks diễn ra vào các thứ bảy cách tuần. Mời bạn theo dõi Facebook để đăng ký tham gia: https://www.facebook.com/datacracy2020
Dẫn nhập
Trong Data Talk#3, chúng tôi đặt ra câu hỏi: "Bao nhiêu dữ liệu là đủ". Bởi đây là câu hỏi mà những người làm về dữ liệu hay được hỏi, và cũng là lý do cho sự chần chừ của việc áp dụng dữ liệu trong vận hành và ra quyết định. Không ít trường hợp bỏ qua cơ hội tận dụng dữ liệu vì nghĩ mình không có đủ dữ liệu, không tìm được dữ liệu, hoặc không phải là một tổ chức/doanh nghiệp dữ liệu.
Bất kỳ doanh nghiệp, tổ chức, cá nhân nào hễ có vận hành ở bất kỳ quy mô nào, cũng có dữ liệu.
Nội dung của Talk#3 xoay quanh việc làm sao để thiết kế đo lường một cách thông minh và tinh gọn, với vừa đủ dữ liệu để bắt đầu việc quan sát và đo lường sớm nhất có thể.
Quy trình 5 bước ra quyết định
Dù mọi thứ đều có thể đo lường, không có nghĩa cái gì cũng nên được đo lường.
Nhiều doanh nghiệp hay tổ chức gặp vấn đề là có quá nhiều chỉ số (và dữ liệu), nhưng họ vẫn thiếu những chỉ số quan trọng nhất. Đó là vì trong rất nhiều trường hợp, một chỉ số được tạo ra nhưng thiếu sự cân nhắc về mối liên kết chặt chẽ với quyết định và hành động nó hỗ trợ.
Chúng tôi giới thiệu quan điểm: Gắn chỉ số và đo lường với việc ra quyết định. Thông qua đó, chúng ta có thể:
- Cụ thể hoá các khía cạnh cần đo lường thông qua "mô hình" quá trình ra quyết định và "lượng hoá" các yếu tố Chi Phí và Lợi ích
- Ưu tiên các đo lường thông qua Giá Trị Thông tin
Thế nào là một quyết định?
Ra quyết định là một tình huống nan giải, với sự kết hợp của 3 yếu tố, mà thiếu một trong ba thì nó không còn nan giải nữa.
- Có nhiều hơn một sự lựa chọn
- Có sự không chắc chắn trong nhận định chủ quan của người ra quyết định
- Sai sót trong quyết định gây ra hậu quả
Đo lường không cần chính xác
Thông điệp quan trọng nhất là:
Nhìn nhận đo lường và chỉ số như một công cụ để giảm tính thiếu chắc chắn trong nhận định của người ra quyết định. Chứ không phải một chỉ số tuyệt đối về tính chính xác.
Sự chuyển dịch quan điểm này sẽ giúp chúng ta "khả thi hoá" nhiều yếu tố khó đo lường, bằng cách chấp nhận một sai số cho phép để lựa chọn các cách thức đo lường gián tiếp vốn khả thi và ít tốn kém hơn.
Một số ví dụ
Để thuyết phục (và tạo cảm hứng) cho bạn về việc đo lường không khó và có thể đơn giản hoá, DATAcracy chia sẻ 04 quan điểm kèm các ví dụ thực tế:
- Những điều ta nghĩ không thể đo lường, đều từng có ai đo lường chúng: Tinder tạo ra một chỉ số đo lường độ hấp dẫn để hẹn hò, World Database of Happiness đo lường chỉ số hành phúc vòng quanh thế giới, Niềm vui của hôn nhân, của việc sinh con, của hít thở không khi sách đều từng được lượng hoá trong thiết kế chính sách.
- Ta có nhiều dữ liệu hơn ta nghĩ: Eratosthenes đo đường kính Trái Đất, không phải bằng cách đi vòng quanh trái đất, mà tận dụng chính dữ liệu ông đã có: Khoảng cách giữa hai thành phố, và chiều dài bóng đổ của một cây cọc trong thư viện ông ngồi. Bằng cách đo gián tiếp này, sai số của ông là 10%, nhưng không có ai đo được trái đất vào 2000 năm trước, và phải mất nhiều trăm năm sau mới có người đo chính xác hơn ông.
- Ta cần ít dữ liệu hơn ta nghĩ: Cô bé Emily Rosa lại muốn xác thực về "Chạm chữa lành". Thay vì đo trực tiếp hiệu quả của việc chữa lành, Emily lập luận là: Trước tiên, nhà trị liệu phải cảm nhận được trường năng lượng đã, rồi mới chữa lành được. Với ~20 người trị liệu, Emily để họ ngồi ngăn cách qua một màn che, với hai bàn tay để mở. Emily ngẫu nhiên đặt bàn tay mình lên phía trên tay phải hoặc tay trái của họ. Nếu họ cảm nhận được trường năng lượng, họ phải biết tay của Emily đang đặt ở bên phía nào. Kết quả tỷ lệ chính xác của các nhà trị liệu chỉ khoảng 45%, ngang mức độ đoán mò.
- Thu thập dữ liệu mới không khó như ta tưởng: Dàn nhạc giao hưởng Cleveland thay vì gửi ra phiếu khảo sát về chất lượng biểu diễn (mà khả năng không nhiều khán giả muốn trả lời), họ đếm số người đứng dậy vỗ tay trong buổi biểu diễn.
Hy vọng các ví dụ này khiến bạn tự tin hơn để bắt đầu thiết kế và đo lường. Nếu chưa, mời bạn đọc tiếp phần hoạt động nhóm và trao đổi của DATAcracy và 50 người tham gia.
Hoạt động nhóm
50 người tham gia được chia thành 5 nhóm với các chủ đề đo lường khác nhau.
Sự phù hợp của người bạn đời
Nhóm dùng phương pháp Chuỗi làm rõ (Clarification chain) để đặt ra các quan sát quan trọng của một người bạn đời phù hợp, bao gồm: (1) Hoà hợp trong quan điểm sống và tình yêu; (2) Nguồn hạnh phúc trong mối quan hệ; (3) Và, phù hợp về bối cảnh gia đình.
Nhóm tiếp tục dùng phương pháp Phân rã Fermi (Fermi decomposition) để phân tách các yếu tố lớn thành các khía cảnh nhỏ hơn, giúp việc đo lường dễ dàng và cụ thể hơn.
Sự hài lòng trong công việc
Sau khi đã tiến hành bóc tách vấn đề, các nhóm bước vào nhiệm vụ Ưu tiên, theo đó điều cần được đo lường nhất là các yếu tố có tác động lớn lên chiều hướng quyết định, nhưng có độ thiếu chắc chắn của phán đoán người ra quyết định.
Những yếu tố nằm trong ô đỏ của ma trận ưu tiên (tác động lớn, thiếu chính xác của phán đoán cao), chính là những đo lường có Giá Trị Thông Tin cao nhất.
Nhóm với chủ đề đo lường Sự Hài Lòng với công việc, xác định tính chuyên cần bằng số lần xin nghỉ việc, cân nhắc theo lý do (thật sự) và thành tựu cống hiến tính bằng tỷ lệ số đề xuất một nhân viên đưa ra được thực hiện. Nhóm xác định đây là các yếu tố có Giá Trị Thông Tin cao nhưng khó đo lường.
Chất lượng cuộc họp
Nhóm thiết kế đo lường cho Chất lượng cuộc họp lại liệt kê các yếu tố chưa từng có ai đo lường để đánh giá chất lượng cuộc họp, như: Đạt được mục tiêu cuộc họp, Nắm rõ các bước tiếp theo, Muốn tham gia cuộc họp tới.
Trí tuệ cảm xúc
Nhóm Trí tuệ cảm xúc cũng gặp các vấn đề khó đo lường, và chuyển dịch sang đo lường một cách gián tiếp, như: Số lần "giận cá chém thớt" với những người không liên quan khi có việc không như ý, hay Số lần "giận cá chém luôn người yêu" trong một tuần làm việc căng thẳng.
Sự chân thành của bạn bè / đồng nghiệp
Nhóm đo lường Sự chân thành của Bạn bè / Đồng nghiệp lại chọn sự lắng nghe là quan sát quan trọng để đánh giá sự chân thành. Sự lắng nghe này được nhóm đơn giản hoá và đo lường gián tiếp bằng số lần người đó nghe và quên hoặc hỏi lại một cách không liên quan.
Kết và câu hỏi
Talk#3 khép lại với hy vọng mọi người được làm quen với các cách tiếp cận và quan điểm mới trong đo lường, và được thử nghiệm việc thực hành trong một số chủ đề quen thuộc.
Trong phần hỏi đáp, DATAcracy nhận được một số câu hỏi như sau:
Hỏi: Các chủ đề trong hoạt động nhóm đều khá đơn giản và gần gũi, chúng ta sẽ đo lường các chủ đề phức tạp hơn như thế nào?
Đáp: Trong quy trình thực tế, sẽ có thêm 2 bước trước khi thực hiện việc thiết kế đo lường, đó là: (1) Nghiên cứu và tìm hiểu các phương pháp luận và case studies tương tự; (2) Hội thảo với chuyên gia để hỗ trợ việc bóc tách, ước tính và phân tích vấn đề. Dù họ là chuyên gia thì các hoạt động cũng diễn ra tương tự như trong break-out groups với các chủ đề quen thuộc. Bạn có thể tham khảo thêm cuốn sách Hubbard, D. W. (2014). How to Measure Anything để có các ví dụ thực tế về đo lường cho các tổ chức và doanh nghiệp.
Hỏi: Trước đây, trong Talk#2, chúng ta đã có phương pháp luận giải quyết vấn đề (Problem Solving), vậy nó có trùng với quy trình ra quyết định không? Nhất là cũng có bước phân rã (Decomposition) một vấn đề lớn.
Đáp: Problem solving sẽ có phạm vi bao trùm, trong đó Ra quyết định là một vấn đề (problem) cần giải quyết, Problem solving có thể bao hàm các chủ đề khác, ví dụ: Tìm ra nguyên nhân, tối ưu giải pháp, v.v... Như vậy, decision making là một tập con của problem solving, và thừa hưởng cách tiếp cận từ-trên-xuống (top-down) của problem-solving. Bên cạnh đó, ra quyết định là một "vấn đề" có những đặc điểm đặc thù riêng nên sẽ có những khác biệt đặc trưng, ví dụ: Sự so sánh lợi ích và chi phí, tính không chắc chắn và sự đánh đổi giữa các sự lựa chọn
Cảm ơn các bạn đã tham gia và quan tâm! DATAcracy Talk#4 sẽ trở lại trong 2 tuần nữa.
