Hạng B2
19/2/13
241
560
93
8 nhiều rồi bữa nào các anh cần đạm đạo thêm ghé hủ tiếu mỹ tho Hai Chi số 21 Hoa Mai (trên facebook là hutieumythohaichi) gặp em nha. Em ngoài giờ đi làm có bán thêm hủ tiếu ngon và sạch :D hơi lố xíu nhưng cho em quảng cáo tí.View attachment 855743

Thấy cái hình này nên mạo muội hỏi We giờ đang làm cho FCV hay ACN? Hay qua chỗ mới rồi :)
 
  • Like
Reactions: Fordescape and We
Hạng B2
19/2/13
241
560
93
Người quen chắc luôn nè. Qua KC rồi anh.

Chưa quen mà vào FB quán thấy có người quen, vì mình cũng kiếm ăn ở FMCG nhiều năm nên có mutual friends với We. Giờ bỏ nghề, đi học về Information Systems nên follow topic này.
 
  • Like
Reactions: Fordescape and We
We confirmed
Hạng B2
17/11/11
469
3.299
93
Chưa quen mà vào FB quán thấy có người quen, vì mình cũng kiếm ăn ở FMCG nhiều năm nên có mutual friends với We. Giờ bỏ nghề, đi học về Information Systems nên follow topic này.
Vậy nhớ like page và ghé ủng hộ nha @Anh 2 Bi
 
  • Like
Reactions: Anh 2 Bi
We confirmed
Hạng B2
17/11/11
469
3.299
93
Định hướng cho con cái du học - học ngành gì ?
Định hướng cho con cái du học - học ngành gì ?
Định hướng cho con cái du học - học ngành gì ?
Nhắc bác xíu không nên nhầm lẫn học ngành data science ra là thành data scientist nha anh. Bài đầu anh bảo học ra thành Data Scientist nên em mới nghĩ ngay là phải lên tới PhD vì đi sâu về nghiên cứu. Nên nếu chỉ ở mức kỹ sư xin anh đừng dùng từ Data Scientist, nó làm giảm giá trị của người làm nghiên cứu khoa học nhé. Dùng từ data science engineer là đúng nhất. Kiểu như VN giờ dùng từ ngữ đao to búa lớn quen rồi, làm mấy cái vẽ thiết kế hệ thống thì gọi là technical architect, hay làm tính toán đếm số cho vô cái vị trí chức danh data scientist. Trong khi đúng ra chỉ gọi ở mức technical leader hoặc data engineer là hết rồi.
Title data scientist không cần yêu cầu học lên hàm PhD. Ngay cả bachelor hay master là ổn rồi. Dưới đây là profile 1 bạn data scientist đã từng làm với team mình. Ấn Độ. Học ở trong nước. Vừa nghỉ bên mình để đi học tiếp master ở Hà Lan nhưng vẫn làm DS cho booking.com (xử lý data science cho trang này cũng có nhiều cái hay, theo mình cũng không khó).
 
  • Like
Reactions: thangtl
We confirmed
Hạng B2
17/11/11
469
3.299
93
1 ví dụ thực tế về DS. 1 ngày nọ bạn được giao 1 đề bài: cty có 1000 bạn sales nhưng anh Tổng muốn làm việc hiệu quả, anh muốn cấu trúc lại nhân sự để tăng trưởng nhanh hơn bình thường thêm 5% nhưng kg tăng chi phí nhân sự. 1 nhóm làm việc được thiết kế bao gồm GD các phòng ban quan trọng như tài chính, bán hàng, nhân sự, chuỗi cung ứng,... và mình. Việc đầu tiên là kết nối các nguồn data ở các format khác nhau bỏ vô 1 cái mình gọi là data lake. Mất 2 tháng rưỡi. Sau đó bỏ lên web để visulize theo thời gian thực. Xong bước 1. Bước 2 là phân tích mối quan hệ để tìm ra yếu tố gì quan trọng để đẩy sale...vd cả team phát hiện ra 1 bạn sales tên A có thể cứ tiếp tục bán sp1 như trước đây nhưng nên cho anh ấy bán thêm sp2 là sản phẩm phụ, nhưng chỉ được bán ở quận Phú Nhuận vì đó là nơi bạn ấy có 100 khách hàng active, luôn order hàng mỗi 2 ngày, phù hợp tiêu chí sản phẩm 2. Sau đó chạy model để dự đoán, nếu thay đổi cấu trúc như thế thì 1 năm sau, nếu điều kiện kinh doanh giống như năm nay, sale có tăng trên 5% như anh Tổng muốn không.

Đó là giải quyết phần chiến lược. Tới phần chiến thuật. Cũng từ cái nền data lake do bạn DS đó xây dựng. Mọi người cùng nhau tìm ra những khía cạnh chiến thuật cụ thể cho từng bạn sales. Ví dụ, bạn đó nên ghé thăm khách hàng 1 mấy lần 1 tuần, ghé trong bao lâu, ghé lúc mấy giờ, nói về vấn đề gì với khách, chào gói khuyến mãi gì... và lập lại điều tương tự cho 999 anh kia.

Cuối cùng, nhờ data visulization, mình có thể theo dõi các thông số bán hàng theo thời gian thực (mình kg rảnh nên chỉ nhìn theo hàng tuần hoặc tháng, chứ kg nhìn theo ngày), để kiểm tra và kiểm chứng những thay đổi ở trên.

Nghe cũng hơi lý thuyết ha các anh. Lúc làm rồi thì muôn vàn khó khăn. Vụ này làm mình và mọi người mất gần 9 tháng. Nhưng sau đó là để lại cả 1 nền móng để tiếp tục sử dụng. Rất thú vị. Mình lại tiếp tục xây dựng những bưoc ứng dụng tiếp theo từ nền móng đó. Vd: ở đà nẵng thì nên có 10 hay 20 anh sales và nên bỏ 1 triệu cho hoạt động quảng bá nà, kênh nào.,,, rất cụ thể!
 
Chỉnh sửa cuối:
Hạng C
13/4/15
980
91.287
93
1 ví dụ thực tế về DS. 1 ngày nọ bạn được giao 1 đề bài: cty có 1000 bạn sales nhưng anh Tổng muốn làm việc hiệu quả, anh muốn cấu trúc lại nhân sự để tăng trưởng nhanh hơn bình thường thêm 5% nhưng kg tăng chi phí nhân sự. 1 nhóm làm việc được thiết kế bao gồm GD các phòng ban quan trọng như tài chính, bán hàng, nhân sự, chuỗi cung ứng,... và mình. Việc đầu tiên là kết nối các nguồn data ở các format khác nhau bỏ vô 1 cái mình gọi là data lake. Mất 2 tháng rưỡi. Sau đó bỏ lên web để visulize theo thời gian thực. Xong bước 1. Bước 2 là phân tích mối quan hệ để tìm ra yếu tố gì quan trọng để đẩy sale...vd cả team phát hiện ra 1 bạn sales tên A có thể cứ tiếp tục bán sp1 như trước đây nhưng nên cho anh ấy bán thêm sp2 là sản phẩm phụ, nhưng chỉ được bán ở quận Phú Nhuận vì đó là nơi bạn ấy có 100 khách hàng active, luôn order hàng mỗi 2 ngày, phù hợp tiêu chí sản phẩm 2. Sau đó chạy model để dự đoán, nếu thay đổi cấu trúc như thế thì 1 năm sau, nếu điều kiện kinh doanh giống như năm nay, sale có tăng trên 5% như anh Tổng muốn không.

Đó là giải quyết phần chiến lược. Tới phần chiến thuật. Cũng từ cái nền data lake do bạn DS đó xây dựng. Mọi người cùng nhau tìm ra những khía cạnh chiến thuật cụ thể cho từng bạn sales. Ví dụ, bạn đó nên ghé thăm khách hàng 1 mấy lần 1 tuần, ghé trong bao lâu, ghé lúc mấy giờ, nói về vấn đề gì với khách, chào gói khuyến mãi gì... và lập lại điều tương tự cho 999 anh kia.

Cuối cùng, nhờ data visulization, mình có thể theo dõi các thông số bán hàng theo thời gian thực (mình kg rảnh nên chỉ nhìn theo hàng tuần hoặc tháng, chứ kg nhìn theo ngày), để kiểm tra và kiểm chứng những thay đổi ở trên.

Nghe cũng hơi lý thuyết ha các anh. Lúc làm rồi thì muôn vàn khó khăn. Vụ này làm mình và mọi người mất gần 9 tháng. Nhưng sau đó là để lại cả 1 nền móng để tiếp tục sử dụng. Rất thú vị. Mình lại tiếp tục xây dựng những bưoc ứng dụng tiếp theo từ nền móng đó. Vd: ở đà nẵng thì nên có 10 hay 20 anh sales và nên bỏ 1 triệu cho hoạt động quảng bá nà, kênh nào.,,, rất cụ thể!
Rất thực tế. Cám ơn anh.
Kiểu làm này CNLer giỏi lắm đây. Không cần data gì hết trơn mà anh nào cũng tính toán, dự đoán như thần :D.
 
  • Like
Reactions: Ban and ngr040