Đây là bài viết của giáo sư Ace Võ, giảng viên lớp Business Analytics with Machine Learning. Ace hiện nay là giáo sư ngành Business Analytics của Đại Học Loyola Marymount ở Los Angeles, Hoa Kỳ. Do Ace không có Facebook nên mình đăng bài này giùm. Dưới đây là nguyên văn bài của Ace:
Các bạn hẳn đã nghe nhiều chuyện về máy học (Machine Learning) và trí tuệ nhân tạo (Artificial Intelligence) rồi. Từ thập niên 90 khi Deep Blue thắng Kasparov trên cờ vua đến năm 2016 khi AlphaGo của Google đánh bại Lee Sedol trong môn cờ vây. Có rất nhiều câu chuyện của AI và Machine Learning từ A tới Z.
Thế trong business, ML và AI đã làm được những gì? Có rất nhiều ứng dụng là đằng khác. Hãy xem những ví dụ dưới đây:
1. Sales
Câu chuyện về Target bán bia và tã gần nhau có thể bạn nghe rồi. Tại sao người ta lại để bia và tã gần nhau? Qua ML, Target biết là ông chồng bỉm sữa vẫn thích mua bia, nhưng hay quên tã, nên sẽ để chung một chỗ cho tiện. Target còn có một câu chuyện nữa là có một cô bé mang thai ở tuổi vị thành niên mà ba mẹ của em không biết, nhưng Target gửi quảng cáo và đồ miễn phí về làm ông bố bực. Ông lên Target la toáng lên vì không ai trong nhà có mang thai cả. Cuối cùng mới biết là con gái đã… quá đà.
2. Finance
Finance là một mảnh lớn dùng AI và ML. Công ty lớn như Citadel Securities thường xuyên dùng analytics và ML để xem stock lên hay xuống và tự động mua bán chứng khoáng. Những công ty như Betterment cũng dùng AI và ML để không cần người để quản lý tiền của khách hàng (robo-advisor). Có nhiều chuyện nhỏ hơn như Thrive, một startup ở San Francisco, tìm được niche (thị trường ngách) khi cho học sinh sắp ra trường mượn tiền khi học sinh đã đi làm ở công ty khi còn đi học.
3. Management
Công ty sẽ làm gì với thông tin của bạn? IBM có một chương trình rất hay về workforce intervention. Biểu hiện của bạn trong công ty có thể cho IBM biết rằng bạn sẽ không còn làm ở IBM nữa trong vòng 2 tuần, nên khi những biểu hiện đó xuất hiên, HR của IBM đến và có những biện pháp để “làm lành” và giữ chân nhân viên ở lại.
4. Transportation – Vận tải
Khi các bạn chuyển cả triệu kiện hàng trong 1 ngày, thì sức mạnh của Machine Learning rất lớn. Nếu UPS có thể cắt được 1 dặm/xe/ngày (1 dặm = 1,6 km), thì UPS sẽ tiết kiệm được 1 triệu đô mỗi ngày. Bánh xe không chạy, xe không nổ máy, khí thải ít hơn. Tất cả có thể được thực hiện thông qua Machine Learning. Trên mỗi xe UPS có hàng ngàn sensor (cảm biến) cảm ứng để biết rằng xe có đóng cửa chưa, người lái xe đang nhìn đâu, còn bao nhiêu xăng đến hết bình, nhiệt độ trên xe,… Từ hàng ngàn dữ liệu trong vòng 1 phút từ 1 xe đến hàng ngàn xe, UPS dùng những dữ liệu đó để giúp hàng hóa được chuyển đi nhanh và hiệu quả hơn.
5. Accounting – Kế toán
Các bạn thích data nhưng chưa hẳn các bạn thích data bằng những người kế toán. Khi làm audit, dân kế toán cần truy ra hàng trăm đến hàng ngàn giao dịch để xem coi có gì gian trá không. Đã qua thời lựa chọn một số thông tin tiêu biểu, bây giờ với ML, tất cả thông tin đều có thể xem được.
6. KPI
Key Performance Indicator – KPI – thì hơi khác với những ngành trên. Khi C-suite xem công ty mình có hoạt động tốt hơn không. Ai cũng dùng KPI. Ví dụ như Facebook, KPI của facebook là số lượng người tái đăng nhập vào nền tảng. Facebook dùng Machine Learning để xem những chuỗi hành động nào làm tăng số lượng tái đăng nhập những hành động nào không. Nếu tăng KPI thì sẽ làm nhiều hơn, nếu KPI tuột thì làm ít lại, hoặc là bỏ luôn.
7. Marketing
Cuối cùng là Marketing. Các bạn đọc bài ở Gmartek thì chắc chờ phần này nhất. Giống như KPI ở trên, ML có thể dùng để kiếm cách làm người dùng ở lại trang web lâu hơn. ML có thể giúp bạn xếp loại người xem quảng cáo theo chiều hướng bấm hay ko bấm (click through rate – tỷ lệ nhấp chuột). ML còn có thể giúp cho bạn đoán được khách hàng nào thì nên quảng cáo như thế nào cho phù hợp.
Sau những câu chuyện này, các bạn cũng thấy là ML có tầm ảnh hưởng lớn đến business, mặc dù công ty bạn làm ở ngành nào, quy mô lớn hay nhỏ. Vào ngày 6/7 sắp tới, mình sẽ giảng dạy lớp Business Analytics with Machine Learning. Trong lớp học này, bạn không cần phải biết viết code hay làm toán cao cấp mà vẫn hình thành được trực giác về machine learning và cách ứng dụng Machine Learning trong kinh doanh, cùng với framework cũng như các kỹ năng để thực hiện một nghiên cứu từ đầu đến cuối. Thông tin xem thêm tại đây