Gmartek

5 Bài học phát triển kỹ năng đặt câu hỏi? Hỏi sao cho có insight?

Hôm trước có bạn trong cộng đồng Gmartek hỏi về tư duy Đặt câu hỏi. Theo mình, đây là một trong những kỹ năng quan trọng của người làm kinh doanh chứ không riêng gì làm BI. Tuy là kỹ năng quan trọng, nhưng mình thấy ít tài liệu đề cập hoặc có ai chia sẻ cụ thể. Cá nhân mình học kỹ năng này bằng việc quan sát cách thầy cô và các anh chị đi trước. Sau đây là 5 bài học mình đúc rút được về cách phát triển kỹ năng này.

1. Thái độ dám hỏi

Chắc chắn sẽ không có được câu trả lời nếu không dám hỏi. Keyword ở đây là chữ DÁM.

Khi mới đi làm, mình rất ít khi đặt câu hỏi, nhất là hỏi các anh chị cấp trên. Khi sếp giao task thì mình làm theo yêu cầu chứ ít khi hỏi là tại sao phải làm việc này việc kia hay nó đang cố gắng giải quyết vấn đề gì. Ngoài những trường hợp mình hiểu rõ context hoặc không có gì thắc mắc, thì cũng có những trường hợp mình không dám hỏi vì ngại hoặc vì sợ người khác đánh giá là câu hỏi không thông minh, không đúng trọng tâm, v.v…

Sau nhiều lần cắm mặt làm theo yêu cầu mà không rõ mục tiêu, mình bắt thay đổi mindset: Cố gắng hỏi để làm rõ đề bài ngay tại briefing session lẫn trong lúc làm tasks. Nhờ vậy mà mình nhận được đánh giá tốt từ các anh chị đồng nghiệp vì sự chủ động hỏi để confirm dữ liệu cũng như các giả thuyết đề ra của dự án. Vậy nên, bài học đầu tiên là, nếu bạn đang rơi vào trường hợp tương tự, thì hãy thay đổi lại mindset: Cứ hỏi thôi!

2. Trước khi hỏi, hãy có sẵn trong đầu 1 bảng câu hỏi hoặc 1 mô hình thu thập dữ liệu.

Theo mình đây là phần quan trọng nhất nhưng cũng là phần thường bị mọi người bỏ qua hoặc không dành đủ thời gian. Những dữ liệu định tính thu thập được trong quá trình hỏi này là nguyên liệu đầu vào cho hoạt động phân tích về sau. Việc chuẩn bị và ghi nhớ nội dung cần thu thập sẽ giúp mình hỏi đủ, đúng trọng tâm và có logic.

Bảng câu hỏi hay Mô hình thu thập dữ liệu là cách để cung cấp bức tranh mang tính toàn cảnh, mang tính chất định hướng, có thể được xây dựng bằng một phép tính toán học, một quy trình, hoặc một khung khái niệm nào đó.

Có nhiều dạng mô hình thu thập dữ liệu. Xây dựng mô hình bằng công thức toán học mình đã giới thiệu trong buổi webinar ngày 15/09 vừa qua. Trong bài viết này, mình sẽ chia sẻ về mô hình sử dụng một khung khái niệm cụ thể.

Business intelligence kỹ năng đặt câu hỏi

Nhằm xác định giá trị thương hiệu trong tâm trí người tiêu dùng, thông thường các marketers dùng khái niệm Brand Equity Index (BEI, Chỉ số tài sản Thương Hiệu). BEI là compound metric, tức là nó được tính toán từ multiple individual metrics. Từ chỉ số này, ta có thể đo lường và so sánh sức mạnh của các thương hiệu trong tâm trí NTD theo thời gian.

5 thành tố phổ biến dùng để xác định Brand Equity Index bao gồm:

Brand Awareness: Thương hiệu khách hàng nghĩ đến đầu tiên khi nhắc đến ngành ABC?

Consideration: Thương hiệu nào khách hàng cân nhắc sử dụng trong tương lai?

Brand Positioning: Khi nhắc đến từ khóa “Miễn phí giao hàng”, khách hàng nghĩ đến thương hiệu nào? Còn “giá rẻ”, “giao nhanh”, “đa dạng hàng hóa” thì sao? (Các từ khóa này thay đổi tùy vào ngành hàng của bạn quan trọng những thuộc tính gì)

Brand Preference: Thương hiệu nào được khách hàng yêu thích nhất?

Brand Affirmation: Nếu được giới thiệu cho người thân và bạn bè, khách hàng sẽ giới thiệu.

Nếu tên thương hiệu của bạn được nhắc đến càng nhiều thông qua các câu hỏi này, nghĩa là sức mạnh thương hiệu của bạn càng lớn trong tâm trí khách hàng. Marketers cũng có thể dựa vào các câu hỏi lớn này để tìm thấy consumers’ insights bằng cách linh hoạt áp dụng 5 Why và 5W1H. Ví dụ: Tại sao lại cân nhắc thương hiệu A? Điều gì sẽ khiến khách hàng cân nhắc thương hiệu B? Khách hàng đã từng trung thành với một thương hiệu nào trước đó không? Tại sao lại có sự thay đổi? v.v…

3. Hỏi sâu vào những quy trình/ giả định có sẵn: Tại sao điều này là đúng? Điều gì sẽ xảy ra nếu nghĩ ngược lại?

Lúc nhận dự án Global Ecommerce (context mình đã chia sẻ ở buổi webinar ngày 15/09, bạn có thể xem lại ở đường link dưới comment), mình được yêu cầu Phân tích Product – Market – Channel Fit để lên kế hoạch tung sản phẩm mới. Nghĩa là mình cần làm một vài phân tích, sau đó đưa ra những đánh giá để chọn ra sản phẩm tiềm năng nhất, rồi chính thức tung. Đây đương nhiên là một cách tiếp cận phổ biến và khoa học trong quy trình tung sản phẩm mới. Tuy nhiên, thay vì bắt tay vào làm theo mô thức đó, mình đặt câu hỏi vào giả định của đề bài: “Trong bối cảnh và mục tiêu của dự án hiện tại, tại sao cần phân tích Product – Market – Channel Fit trước khi tung sản phẩm?”.

Mình lập luận đơn giản rằng, việc đánh giá Chanel Fit có thể được thực hiện trong và sau khi tung sản phẩm lên kênh bán mới. Lý do là vì hàng đã có sẵn ở trong kho và chi phí đưa sản phẩm mới lên sàn là rất thấp. Lập luận của mình được chấp nhận và trong vòng 1 tuần sau đó, tụi mình đã có những đơn hàng đầu tiên. Nếu mình vẫn đi theo cách làm cũ, team mình chắc sẽ tốn rất nhiều thời gian cho việc làm phân tích. Mà trong mọi dự án, thời gian cũng chính là tiền bạc.

Bài học rút ra từ câu chuyện này, là mình cần tỉnh táo để challenge vào những quy trình, giả định có sẵn: Điều gì xảy ra nếu nghĩ hoặc làm ngược lại? Đánh đổi (Trade-off) cho tình huống xấu nhất là gì? Bởi vì bối cảnh và mục tiêu thay đổi thì những quy trình, giả định vốn được chấp nhận có thể sẽ không còn phù hợp.

4. Linh hoạt khi áp dụng 5 Why

Kỹ thuật 5 Why được rất nhiều tài liệu nhắc đến như một cách để phân tích nguyên nhân gốc rễ (Root Cause Analysis). Trên lý thuyết, một loạt các câu hỏi “tại sao” sẽ giúp đào sâu hơn và cung cấp cái nhìn đầy đủ hơn về một chủ đề cụ thể. Tuy nhiên, theo kinh nghiệm của mình, nên có một vài lưu ý nhỏ khi áp dụng kỹ thuật này:

4.1. Hỏi máy móc và tuyến tính “tại sao” liên tục sẽ khó tìm ra insights. Chất lượng câu hỏi tiếp theo sẽ phụ thuộc vào câu trả lời trước đó. Nếu câu trả lời đi lệch hướng, sẽ dẫn phần sau đến ngõ cụt. Giải pháp trong trường hợp này là mình cần bám vào các mô hình phân tích đã xây dựng trước để tránh câu trả lời lan man.

Có một lần mình dùng hỏi bạn nhân viên là vì sao số tháng rồi giảm? Sau vài câu hỏi Why tuyến tính thì bạn trả lời là vì mẫu mã không đẹp bằng đối thủ. Rõ ràng là mình hỏi vì sao doanh số giảm chứ không hỏi vì sao doanh số không bằng đối thủ, hay cũng không hỏi quan điểm của bạn về tính thẩm mỹ. Nếu tiếp tục hỏi Why trên quan điểm chủ quan của bạn, thì mình nghĩ câu trả lời thu được gần như không có nhiều ý nghĩa. Thay vào đó, giải pháp là mình quay lại mô hình tăng trưởng và chỉ rõ ra chính xác metrics nào giảm và bởi vì những hành động cụ thể nào.

4.2. Biết lúc nào nên dừng hỏi Why. Có 2 trường hợp nên dừng hỏi Why: Thứ nhất là khi bạn đã tìm ra được lý do để tác động. Thứ hai là khi bạn thấy câu trả lời không có nhiều ý nghĩa.

Như ví dụ câu trả lời của bạn nhân viên trên, mình sẽ chuyển từ hỏi Why sang hỏi 5W1H. Ví dụ: Trong các input metrics (là các chỉ số có thể trực tiếp tác động được), metrics nào thay đổi dẫn đến doanh số giảm? Việc giảm doanh số này diễn ra được bao lâu rồi và vì sao không được cảnh báo sớm hơn? Các input metrics giảm là do yếu tố mùa vụ ảnh hưởng, hay do team có tác động? Liệu có yếu tố nào mình chưa đo lường được nhưng có tiềm năng tác động đến việc giảm doanh số không? Bằng cách dừng hỏi Why và chuyển trọng tâm của câu hỏi có thể sẽ cho bạn thêm nhiều insights.

4.3. Đừng máy móc với con số 5: Một số bạn trẻ theo đúng tên gọi của phương pháp là hỏi “Why does this happen?” liên tục 5 lần mới chịu thôi. Điều này là hoàn toàn không cần thiết. Bạn nên nhớ mục đích việc đặt câu hỏi là để tìm ra vấn đề và lên kế hoạch hành động, nên đừng cứng nhắc với bất kỳ kỹ thuật nào hay đặt câu hỏi bao nhiêu lần.

5. Giữ thái độ hoài nghi với câu trả lời

Cá nhân mình đã có nhiều bài học quý giá khi vội vàng kết luận một điều gì đó dựa trên thông tin có sẵn mà bỏ qua giai đoạn thẩm định dữ liệu hoặc quan điểm có sẵn. Vì vậy, bài học cuối cùng của mình, tuy ngắn thôi nhưng rất quan trọng, là nên duy trì thái độ hoài nghi sau khi nhận câu trả lời. Nói cách khác, mình luôn cần thời gian để quan sát thêm, hỏi thêm, đánh giá thêm ở nhiều góc độ và nhiều nguồn để tìm ra sự thật khách quan. Điều này nói dễ hơn làm vì khi dưới áp lực thời gian và những bias trong suy nghĩ, việc thẩm định kỹ lưỡng sẽ trở nên khó khăn hơn với người làm phân tích.

Đặt câu hỏi là một trong những kỹ năng cơ bản nhưng cần rất nhiều thời gian để hoàn thiện. Trên đây là 5 bài học kinh nghiệm mình rút ra được trong quá trình làm BI. Nếu Anh/chị thích nội dung này hoặc có thêm bài học kinh nghiệm nào, nhờ anh/chị chia sẻ thêm dưới phần bình luận cho mình biết với.

Nếu hứng thú với các chủ đề tương tự, mời anh/chị và các bạn tham khảo lớp BI thực chiến, sẽ được khai giảng vào ngày 29/10 sắp tới. Đây là năm thứ 3 mình mở lớp, cohort này sẽ có nhiều update trong cả nội dung học để mang tính thực tiễn hơn.

Chia sẻ bài viết: