Trong quá trình làm marketing, mình nhận thấy có một câu hỏi mà người làm marketing kể cả phe client lẫn agency thường gặp phải:” Mày làm cái đó có ra số không, có tăng doanh thu không? Bằng chứng đâu?” Marketing thì thường sẽ la lên, marketing thì phải chạm vào insight, phải sáng tạo chứ nữa chứ, đâu thể thuần túy là số.

Cùng với mức độ phổ biến của digital marketing, e-commerce, và sự bắt đầu của làn sóng chuyển đổi số (digital transformation), việc sử dụng data trong việc đưa ra các quyết định lớn, nhỏ cũng như đánh giá hiệu quả công việc, đặc biệt là đối với bộ phận marketing, cũng bắt đầu chuyển sang mức độ cao hơn, chi tiết hơn. Nếu như trước kia, các công ty thường dựa vào các nguồn từ market research, brand health hoặc social listening tool thường chỉ làm định kỳ hàng năm, hàng quý, hàng tháng thì bây giờ việc sử dụng data có thể ở tần suất hàng ngày, các chỉ số để đo lường và tối ưu cũng đa dạng hơn. Bản thân mình cũng đang áp dụng data cho việc lên kế hoạch, thực thi và tối ưu các chiến dịch ở nhiều cấp độ ( real-time đến weekly, monthly) và mình cũng nhận thấy việc sử dụng data đã đóng góp nhiều vào việc cải thiện quy trình, chất lượng và hiệu quả, kể cả ở những khía cạnh khó đánh giá bằng số như là sáng tạo nội dung.

Tuy nhiên, việc sử dụng data để ra quyết định cũng có thể gặp trở ngại vì data chúng ta có thường là dữ liệu của quá khứ (kể cả real-time thì cũng sẽ có độ trễ nhất định) và chúng ta sử dụng các thông tin từ quá khứ này để nắm được tình hình hiện tại (Descriptive data analysis), để phân tích và tìm ra các công thức thành công, lý do thất bại của hiện tại hoặc quá khứ (Diagnostic analysis), và có lẽ cao cấp nhất là dùng data để dự đoán các xu hướng của tương lai (Predictive analysis). Tuy nhiên, trong những tình huống phức tạp và nhiều yếu tố mơ hồ (ambigous) thì không có một model dự đoán (predictive model) duy nhất nào có thể bao hàm đủ các yếu tố định tính (qualitative) và định lượng (quantitative) để đưa ra kết quả dự đoán chính xác. Trong khi đó, trực giác của chúng ta với cơ chế hoạt động thiên về dự đoán cộng với khả năng bao hàm cả yếu tố định tính và định lượng trong phân tích có thể là một model dự đoán khá xịn sò cho những tình huống mơ hồ như vậy. Dĩ nhiên, trực giác lại có những vấn đề về bias, tính legit của data, v.v.. và quan trọng nhất là chúng ta không thực sự hiểu rõ và điều khiển được việc xây dựng model này.

Trong khóa học Advanced Data Analytics mà mình đang học, cô Chief Data Scientist của Google có một lời khuyên cho bọn mình khi làm bài thi là :”Sau khi làm bài xong, các bạn cần review lại, tuy nhiên nếu review rồi mà vẫn không chắc chắn thì khả năng cao là câu trả lời bạn chọn đầu tiên là đúng, vì trực giác của chúng ta thường đúng”.

Nhưng trong một podcast của Youtube Channel Diary of CEO, mình lại nghe một cựu nhân CIA khi bàn về hành vi con người lại khuyên đừng tin vào trực giác ngay lập tức, hãy dựa trên các thông tin bạn thu thập được.

Hai ý kiến này có vẻ mâu thuẫn, nhưng khi nhìn lại mình thấy một điểm chung là họ đều rất cẩn thận với nguồn thông tin có vẻ như đối lập với thế mạnh của họ, người làm data chuyên sâu như cô Chief Data Scientist thì vẫn chừa chỗ cho trực giác vào những thời điểm data không đủ để đưa ra quyết định, người làm việc nhiều dựa trên tâm lý hành vi và sự vận hành của trực giác thì nhận thức rõ được khả năng bị bias của nguồn data của mình nên cẩn thận kiểm tra lại với data khách quan.

Như vậy, câu hỏi chính xác không phải là “nghe con tim hay nghe lý trí?” mà mình nghĩ chúng ta cũng cần cân nhắc trực giác cũng chính là một nguồn data, nhưng cũng cần nhận thức data từ trực giác đã được xử lý và thậm chí model theo những phương pháp mà mình có thể chưa hiểu rõ.

Lúc đó câu trả lời sẽ là một câu hỏi khác :” Chúng ta phối hợp data và trực giác như thế nào?”. Một câu hỏi lớn và thú vị mà mình vẫn đang quá trình vừa thực hiện, vừa rút kinh nghiệm, vừa học hỏi thêm từ những người bạn, những người đồng nghiệp và hy vọng sẽ có thể chia sẻ sớm để cùng thảo luận.

---