Chương 3 Phân tích & thiết kế hệ hỗ trợ ra quyết định cho nguồn lực doanh nghiệp
3.3. Thiết kế hệ thống
Hình 9: Kiến trúc hệ thống hỗ trợ ra quyết định
1. Nguồn dữ liệu
Từ những đặc tả yêu cầu của 1 doanh nghiệp bán lẻ. Luận văn đã tìm hiểu và định nghĩa ra các nguồn dữ liệu của doanh nghiệp một cách đầy đủ và chi tiết để có thể hỗ trợ bước thu thập dữ liệu được hoàn chỉnh. Các nguồn dữ liệu bao gồm
- Máy chủ ERP: Nơi lưu trữ toàn bộ dữ liệu hạch toán về tài chính, mua hàng, bán hàng - Máy chủ POS bán hàng: Nơi lưu trữ toàn bộ dữ liệu về bán lẻ của 1 doanh nghiệp - Máy chấm công: Nơi lưu trữ toàn bộ các thông tin về lịch sử chấm công của nhân viên - Bảng tính google: Nơi lưu trữ toàn bộ thông tin về hiệu quả marketing của doanh nghiệp
2. Hệ thu thập dữ liệu thô
Tất cả các dữ liệu sẽ được kết nối qua trình kết nối của TableauBI. Cụ thể:
- Đối với nguồn bảng tính trên google: Kết nối qua trình kết nối google doc của Tableau - Đối với máy chủ ERP và POS: Hai nguồn này đều lưu trữ dữ liệu trên máy chủ SQL nên đều có thể sử dụng trình kết nối SQL. Tuy nhiên với dữ liệu ERP, do lượng dữ liệu khá lớn nên hệ thống sẽ trích xuất dữ liệu theo định kỳ 1 ngày/lần để hệ thống không phải làm mới chương trình nhiều lần và đảm bảo hiệu năng truy cập của lãnh đạo
- Đối với nguồn dữ liệu là máy chấm công: Lưu trữ tại máy chủ mySQL, nên sử dụng trình kết nối mySQL
3. Hệ chuyển đổi thô thành dữ liệu có ý nghĩa
Nhờ có hệ chuyển đổi này mà các dữ liệu thô sẽ trở thành các dữ liệu có ý nghĩa đối với doanh nghiệp khi cần tham khảo. Dưới đây là các thành phần của hệ
a. Các thủ tục trích xuất dữ liệu
Sử dụng các thủ tục trong máy chủ SQL để có thể trích xuất các dữ liệu cần thiết tại - Bảng cân đối kế toán
- Chỉ số tài chính
b. Câu lệnh sql
- Trích xuất dữ liệu bán hàng theo khách lẻ
OPCH PCH1
OITB Docentry
PK
Docdate Cardcode Cardname SplID remark
Docentry PK
ItemCode Itemname Quantity Profit Linetotal
ID PK
GroupName
GroupID
- Đơn hàng theo đại lý
OINV IVN1
OITB Docentry
PK
Docdate Cardcode Cardname SplID remark
Docentry PK
ItemCode Itemname Quantity Profit Linetotal
ID PK
GroupName
GroupID
- Chấm công nhân viên
NhanvienLog Penalty
Mã nhân viên PK
Thời gian đến Thời gian về
Mã nhân viên PK
Tên vi phạm ID vi phạm PK
Số điểm trừ
- Kết quả kinh doanh:
c. Hàm kết hợp dữ liệu
Sử dụng Hàm kết hợp dữ liệu union để kết hợp dữ liệu theo từng bảng tính trên google driver. Bảng dữ liệu theo ngày sẽ được sử dụng để union với nhau để tạo thành dữ liệu theo một khoảng thời gian như tháng, quý, năm.
d. Hàm xử lý dữ liệu
Sử dụng hàm xử lý date, string để đồng bộ định dạng ngày, mã hàng hóa, mã nhân viên, mã nhà cung cấp giữa các kiểu dữ liệu từ nhiều nguồn khác nhau.
4. Đóng gói dữ liệu
Dữ liệu sau khi chuyển đổi thô xong thì cần đóng gói lại theo các gói dữ liệu tương ứng để các nhà quản trị có thể theo dõi và dễ dàng phân tích
Tên nguồn Tên hiển thị
Nguồn từ POS bán hàng Bán hàng theo khách lẻ Nguồn từ máy chấm
công
Bảng chấm công nhân viên
Nguồn từ các chiến dịch marketing
Kết quả tiếp cận khách hàng
Nguồn từ các trang mạng xã hôi
Phản hồi của khách hàng
Nguồn bán hàng từ phần mềm ERP
Bán hàng theo đại lý
Nguồn dữ liệu liên quan đến công nợ
Công nợ phải thu/ Phải trả
a. Bán hàng theo khách hàng lẻ
Tên trường dữ liệu Tên hiển thị
Dscription Tên mặt hàng
Itemcode Mã mặt hàng
CardCode Mã khách hàng
SPLID Mã nhân viên
SPlname Tên nhân viên
b. Đơn hàng theo đại lý
Tên trường dữ liệu Tên hiển thị
Dscription Tên mặt hàng
Itemcode Mã mặt hàng
CardCode Mã khách hàng
SPLID Mã nhân viên
SPlname Tên nhân viên
c. Bảng chấm công
Sắp xếp theo đúng thứ tự: Ngày, Mã nhân viên, giờ làm, ngày công, số vi phạm Tên trường dữ liệu Tên hiển thị
Ma_NV Mã nhân viên
Date_logon Thời gian vào
Date_logout Thời gian ra
Penalty Điểm trừ
d. Bảng cân đối kế toán
Hiển thị tường minh được các thông số tài chính
Tên trường dữ liệu Tên hiển thị
Duedate Ngày chứng từ
DOB Số dư đầu kỳ
DEB Số dư cuối kỳ
DIB Hóa đơn
e. Chỉ số tài chính
Trích lọc dữ liệu từ các bảng dữ liệu giao dịch kế toán sổ cái và các bảng thu, bảng chi hàng ngày của doanh nghiệp
Tên trường dữ liệu Tên hiển thị
Name_VNS Chỉ số tài chính
Duedate Thời gian
PreAtDate Kỳ trước
AtDate Kỳ này
f. Phản hồi của khách hàng
Trích xuất toàn bộ dữ liệu dó đơn vị marketing cung cấp theo fomat sau:
Card Code
Card
Group OpenDate
Slp Code
Tên nhân
viên OpenDate
Ste p
Giai đoạn Quan hệ khách hàng
ID giai đoạn
L0000000
4 111
01/03/201
9 3
Mai
Trang 01/03/2019 1
Tìm hiểu nhu cầu khách hàng
1.
Tìm hiểu L0000000 111 01/03/201 3 Mai 01/03/2019 1 Tìm hiểu 1.
5 9 Trang nhu cầu khách hàng
Tìm hiểu
L0000000
8 111
01/03/201
9 3
Mai
Trang 01/03/2019 1
Tìm hiểu nhu cầu khách hàng
1.
Tìm hiểu
L0000000
9 111
01/03/201
9 3
Mai
Trang 01/03/2019 1
Tìm hiểu nhu cầu khách hàng
1.
Tìm hiểu
L0000001
0 111
01/03/201
9 3
Mai
Trang 01/03/2019 1
Tìm hiểu nhu cầu khách hàng
1.
Tìm hiểu 5. Trình hiển thị dữ liệu
Hiển thị dữ liệu theo các tiêu chuẩn của Tableau đã trình bày chi tiết ở chương 2.
Tại bước này, hệ thống sẽ hiển thị dữ liệu tường minh để các nhà quản lý có thể tận dụng công cụ Tableau BI để kéo thả dữ liệu họ mong muốn
Chương 4: Xây dựng hệ hỗ trợ ra quyết định nguồn lực nhân sự 1.1. Thu thập & làm sạch dữ liệu
1.1.1. Kết nối nguồn dữ liệu
Căn cứ trên các dữ liệu cần hiển thị thì cần kết nối các nguồn dữ liệu sau:
Loại giao dịch Nguồn dữ liệu
Bảng dữ liệu Mô tả Giao dịch bán
hàng
Dữ liệu ERP ORDR Thông tin về khách hàng, Nhân viên sales
RDR1 Thông tin về mặt hàng
Danh sách
comment của khách hàng
Google Driver
Sheet Comment
Danh sách comment của khách hàng: Thời gian, id khách, nội dung comment, Tên nhân viên sales phụ trách
Giao dịch thu chi
& Giao dịch khác
Dữ liệu ERP OJDT Danh sách giao dịch: Nội dung, thời gian, loại giao dịch
JDT1 Chi tiết giao dịch: tài khoản hạch toán, tài khoản đối ứng, số tiền hạch toán
Dữ liệu máy chấm công
Dữ liệu Máy chấm công
Nhanvien_Log Tên nhân viên, thời gian đi, thời gian về,…
Bảng 3: Mô tả kết nối giữa các loại dữ liệu
Như vậy ta sẽ sử dụng công cụ Tableau BI để kết nối với 3 nguồn dữ liệu là: Dữ liệu máy chấm công, Dữ liệu ERP, Google Driver
- Kết nối với máy chấm công:
- Kết nối Dữ liệubase ERP, cụ thể là SQL server
- Google Sheet
1.1.2. Tổ chức dữ liệu
Dữ liệu sẽ được tổ chức theo mô hình sau:
Tên nguồn dữ liệu
Cách thức lấy dữ liệu Có thể sử dụng cho các giao diện
SAP_Dữ liệubase
Sử dụng SQL để lấy danh sách doanh thu, khách hàng, mặt hàng, lợi nhuận theo khoảng thời gian
+ Phân tích doanh thu + Phân tích khách hàng + Hiệu quả kinh doanh + vòng quay kinh doanh Sử dụng Procedure để tính các chỉ số
khả năng thanh khoản
Báo cáo khả năng thanh khoản
GoogleSheet + Dùng câu truy vấn SQL để view cột comment và trọng số cảm xúc
+ Liên kết với bảng OCRD để truy vấn
Báo cáo chỉ số cảm xúc khách hàng
mã khách hàng
Máy chấm
công
+ Dùng sql để truy vấn log: Mã nhân viên, tên, thời gian đi làm (ra/vào)
Phân cụm dữ liệu Bảng 4: Bảng tổ chức lại các dữ liệu sau khi kết nối 1.2. Xây dựng các giao diện cơ sở (sheet)
Sau khi đã kết nối với các nguồn dữ liệu thì nhiệm vụ của cơ bản hiện tại là kéo thả các dữ liệu sao cho hợp lý
1.2.1. Topsales by employee
1.2.2. Profit by employee
1.2.3. Mức độ hài lòng của khách hàng theo chiều nhân viên phụ trách
1.2.4. Khách hàng mới theo chiều nhân viên phụ trách
1.3. Xây dựng Bảng điều khiển quản trị 1.3.1. Xây dựng Bảng điều khiển
Bộ lọc dữ liệu
o Thời gian: Từ ngày, đến ngày o Nhóm khách hàng
o Nhóm sản phẩm o Nhóm nhân viên Giao diện hiển thị
o Giao diện Phân tích doanh thu: Xây dựng từ các sheet Profit, TopSale
o Giao diện phân tích khách hàng: Xây dựng từ sheet khách hàng &
Comment
o Giao diện phân tích khả năng thanh khoản 1.3.2. Xuất bản giao diện trên Tableau reader
Giao diện 1: Phân tích doanh thu
Giao diện 2: Phân tích khách hàng
- Phân tích chỉ số cảm xúc của khách hàng dựa trên các bình luận trên fanpage chính thức. Bộ phận maketing sẽ thu thập các bình luận này trên fanpage để có thể phân loại thành 2 loại:
1. Bình luận tiêu cực 2. Bình luận tích cực
- Phân tích lượng khách hàng mới sau chiến dịch marketing theo từng nhân viên chăm sóc khách hàng đó. Để thấy được việc tiếp cận khách hàng của nhân viên nào là có hiệu quả nhất.
Giao diện 3: Khả năng thanh khoản
Giao diện 4: Hiệu quả kinh doanh theo từng nhân viên
- Giao diện 5: Hỗ trợ ra quyết định tuyển dụng nhân sự kinh doanh
Biểu đồ cho thấy tại tháng 12/2019 số lượng nhân sự tăng nhưng lợi nhuận gộp vẫn không tăng => Hệ tư vấn người quản lý ra quyết định k cần tuyển dụng thêm.
- Giao diện 6
Đây là 4 nhóm nhân viên sẽ đi làm theo ca
5. Kết quả thực nghiệm 5.1. Nội dung thực nghiệm
5.1.1. Quy mô hệ thống
Phần mềm được triển khai tại 02 công ty trà sữa & công ty thiết bị phần mềm ictek.
Hàng ngày lượng dữ liệu được sản sinh ra vô cùng nhiều. Luận văn đã đo lượng giao dịch phát sinh ra và dung lượng database phát sinh tương ứng theo ngày. Đây là một nguồn dữ liệu rất lớn. Đặc biệt, khi đến kỳ kế toán – cần phải lấy dữ liệu thì tổng dung lượng dữ liệu phát sinh đã tăng lên nhanh chóng
a. Công ty Trà sữa Dữ liệu Lượng giao
dịch/ngày
Dung lượng database phát sinh/ngày
Tổng phát sinh/kỳ kế toán
Ghi chú
Bán hàng lẻ 19.000 1G 30G Sử dụng trên phần
mềm bán lẻ ipos Giao dịch
trên hệ thống nguồn lực doanh nghiệp
100 500M 15G Sử dụng phần
mềm SAP
Giao dịch chấm công nhân sự
1.200 500M 15G 64 cửa hàng trên 2
vùng nam/bắc Giao dịch
marketing
500.000 5G 150G Nếu có chương
trình khuyến mại hoặc chạy quảng cáo
Tổng phát sinh 7G 210G
b. Công ty ICTEK Dữ liệu Lượng giao
dịch/ngày
Dung lượng database phát sinh/ngày
Tổng phát sinh/kỳ kế toán
Ghi chú
Bán hàng lẻ 1.000 10M 300M Bán trực tiếp trên
phần mềm SAP Giao dịch
trên hệ thống nguồn lực doanh nghiệp
50 250M 7.5G Sử dụng phần
mềm SAP
Giao dịch chấm công nhân sự
100 40M 4G 10 cửa hàng tại
miền bắc
Giao dịch marketing
500.000 5G 150G Nếu có chương
trình khuyến mại hoặc chạy quảng cáo
Tổng phát sinh 7G 161.8G
5.1.2. Đối tượng triển khai
Triển khai hệ hỗ trợ ra quyết định tại 02 công ty + Trà sữa từ tháng 01/2020
Nhóm nhân sự Số lượng nhân sự sử dụng
Loại báo cáo sử dụng Ghi chú
Ban giám đốc 3 Khả năng thanh khoản
Cấp trưởng ban 5 Phân tích doanh thu, hỗ trợ tuyển dụng
Cấp trưởng phòng 8 Phân tích doanh thu, phân
tích khách hàng, Hỗ trợ tuyển dụng nhân sự
Cấp trưởng nhóm 13 Phân cụm nhân viên,
Bảng 5: Nội dung triển khai tại doanh nghiệp 1 + Thiết bị phần mềm từ tháng 07/2019
Nhóm nhân sự Số lượng nhân sự sử dụng
Loại báo cáo sử dụng Ghi chú
Ban giám đốc 2 Khả năng thanh khoản
Cấp trưởng/phó phòng
5 Phân tích doanh thu,
phân tích khách hàng, Hỗ trợ tuyển dụng
Cấp trưởng nhóm 10 Phân cụm nhân viên,
Bảng 6: Nội dung triển khai tại doanh nghiệp 2 5.2. Đánh giá hiệu năng hệ thống
Khi các nhà quản lý truy cập báo cáo, thì hiệu năng xem báo cáo là vô cùng nhanh chóng. Nguyên nhân là do các dữ liệu đã được trích xuất và chỉ lấy các thông tin cần thiết,
thay vì lấy toàn bộ dữ liệu thô lưu trữ trên các nguồn dữ liệu cơ sở. Luận văn sử dụng công cụ Web Page Performance Test để có thể kiểm tra hiệu năng của các API của ứng dụng và trang web hiển thị báo cáo
5.2.1. Hiệu năng trên điện thoại
Tên giao diện Thời gian phản hồi Chất lượng báo cáo Giao diện 1: Phân tích doanh thu 5s Tốt
Giao diện 2: Phân tích khách hàng 11.01s Tốt Giao diện 3: Khả năng thanh khoản 10s Tốt Giao diện 4: Hiệu quả kinh doanh 12s Tốt Giao diện 5: Hỗ trợ ra quyết định
tuyển dụng nhân sự kinh doanh
09s Tốt
Giao diện 6: Phân cụm nhân viên 15s Tốt 5.2.2. Hiệu năng trên trình duyệt web
Tên giao diện Đường dẫn Thời gian
phản hồi
Chất lượng báo cáo
Giao diện 1: Phân tích doanh thu
https://prod-apnortheast-
a.online.tableau.com/#/site/hayen/views/
THM01/Biusnlngtheoccthng?:iid=1
11.01s Tốt
Giao diện 2: Phân tích khách hàng
https://prod-apnortheast-
a.online.tableau.com/#/site/hayen/views/
THM02/Biusnlngtheoccthng?:iid=1
11.01s Tốt
Giao diện 3: Khả năng thanh khoản
https://prod-apnortheast-
a.online.tableau.com/#/site/hayen/views/
THM03/Biusnlngtheoccthng?:iid=1
10s Tốt
Giao diện 4: Hiệu quả kinh doanh
https://prod-apnortheast-
a.online.tableau.com/#/site/hayen/views/
THM04/Biusnlngtheoccthng?:iid=1
12s Tốt
Giao diện 5: Hỗ trợ ra quyết định tuyển dụng nhân sự kinh doanh
https://prod-apnortheast-
a.online.tableau.com/#/site/hayen/views/
THM05/Biusnlngtheoccthng?:iid=1
09s Tốt
Giao diện 6: Phân cụm nhân viên
https://prod-apnortheast-
a.online.tableau.com/#/site/hayen/views/
THM06/Biusnlngtheoccthng?:iid=1
15s Tốt
Hình minh họa kết quả test bằng phần mềm Web Page Performance Test
5.3. Thống kê kết quả từ người dùng 5.3.1. Tần suất sử dụng
Hệ thống đã đặt một trigger khi người dùng truy xuất dữ liệu báo cáo để đo được tần suất truy cập của mỗi tài khoản vào các báo cáo. Sau đây là bảng đo lường mức độ truy cập theo chiều báo cáo kể từ khi cài đặt hệ đến thời điểm 01/07/2020 (dữ liệu đã được làm tròn)
- Công ty
Nhóm tài khoản Tần suất trung bình truy cập/ ngày
Tần suất trung bình truy cập/ tuần
Tần suất trung bình truy cập/
tháng
Ban giám đốc 0.5 4 16
Cấp trưởng ban 1 5 21
Cấp trưởng/phó phòng
1 6 22
Cấp trưởng nhóm 2 8 28
Bảng 7: Kết quả tần suất sử dụng báo cáo tại công ty trà sữa - Công ty ICTEK
Nhóm tài khoản Tần suất trung bình truy cập/ ngày
Tần suất trung bình truy cập/ ngày
Tần suất trung bình truy cập/ ngày
Ban giám đốc 0.5 4 16
Cấp trưởng/phó phòng
1 6 22
Cấp trưởng nhóm 2 8 28
Bảng 8: Kết quả tần suất sử dụng phần mềm tại doanh nghiệp ICtek
5.3.2. Mức độ phản hồi của mỗi giao diện
Sau khi triển khai tại hai doanh nghiệp thì bộ phận chăm sóc khách hàng nhận được phản hồi qua email và qua các cuộc họp. Luận văn đã tổng hợp kết quả phản hồi thông qua 3 tiêu chí:
Tiêu chí 1: Tính đúng đắn, là tiêu chí đầu tiên khi một báo cáo phân tích cần đảm bảo
Tiêu chí 2: Tính tiện ích, đây là công cụ dành cho người quản lý cấp trung trở lên. Đây là đối tượng cực kỳ khó tính, vì thế tiện tích khi sử dụng là một vấn đề cần được lưu ý.
Tiêu chí 3: Các vấn đề phản hồi bổ sung cho hệ, nhờ các góp ý của người dùng mà luận văn sẽ hiểu được khi đi vào thực tiễn, hệ còn thiếu gì để có thể bổ sung và nâng cấp Dưới đây là kết quả phản hồi từ hai công ty đã triển khai.
- Công ty
Tên giao diện Tính
đúng đắn
Tiện ích khi xem báo báo
Yêu cầu bổ sung thông tin
Giao diện 1: Phân tích doanh thu Đạt Đạt Chưa có
Giao diện 2: Phân tích khách hàng Đạt Đạt Mong muốn tool tự phân tích chỉ số Giao diện 3: Khả năng thanh khoản
Giao diện 4: Hiệu quả kinh doanh
Đạt Đạt Chưa có
Giao diện 5: Hỗ trợ ra quyết định tuyển dụng nhân sự kinh doanh
Đạt Đạt Chưa có
Giao diện 6: Phân cụm nhân viên Đạt Đạt Muốn phân cụm theo chiều độ tuổi Bảng 9: Bảng mô tả kết quả mức độ phản hồi của công ty trà sữa
- Công ty ICTEK
Tên giao diện Tính
đúng đắn
Tiện ích khi xem báo báo
Yêu cầu bổ sung thông tin
Giao diện 1: Phân tích doanh thu Đạt Đạt Chưa có
Giao diện 2: Phân tích khách hàng Đạt Đạt Mong muốn tool tự phân tích chỉ số Giao diện 3: Khả năng thanh khoản
Giao diện 4: Hiệu quả kinh doanh
Đạt Đạt Chưa có
Giao diện 5: Hỗ trợ ra quyết định tuyển dụng nhân sự kinh doanh
Đạt Đạt Chưa có
Giao diện 6: Phân cụm nhân viên Đạt Đạt Chưa có Bảng 10: Bảng mô tả kết quả mức độ phản hồi của công ty ICTEK
Kết luận 1) Tính sáng tạo và khoa học
Trình bày các vấn đề cơ bản về hệ hỗ trợ ra quyết định một cách dễ hiểu và có hệ thống giúp các doanh nghiệp có thể dễ dàng tiếp cận với công nghệ với để tạo ra một hệ hỗ trợ ra quyết định
Ứng dụng Tableau BI xây dựng hệ hỗ trợ này nhằm đảm bảo đầy đủ các tính năng của một ứng dụng phân tích phù hợp với hoạt động và nguồn lực sẵn có của các doanh nghiệp Việt Nam hiện tại
2) Tính ứng dụng
Hệ hỗ trợ ra quyết định đã xây dựng chuyên sâu cho một doanh nghiệp bán lẻ. Ngoài ra đã triển khai thành công tại 2 doanh nghiệp với quy mô vừa và nhỏ. Vì thế khả năng ứng dụng hệ cho các doanh nghiệp tương tự là hoàn toàn được.
Hơn nữa, quá trình triển khai hết sức đơn giản và dễ hiểu nên các doanh nghiệp mới sẽ dễ dàng tiếp cận và sử dụng
3) Tính hiệu quả
Với chỉ chi phí triển khai lần đầu, doanh nghiệp hoàn toàn có thể sử dụng hệ cho thời gian lâu dài trong quá trình vận hành. Khi doanh nghiệp muốn phân tích thêm chỉ số phân tích nào đó thì hoàn toàn có thể sử dụng các thao tác kéo thả để thêm hoặc bớt dữ liệu
4) Tính hoàn thiện
Sản phẩm được xây dựng dựa trên công cụ Tableau BI, dẫn đầu về xu hướng phân tích dữ liệu cho doanh nghiệp, vì thế hệ đã đáp ứng được toàn trình các yêu cầu về phân tích dữ liệu của 1 doanh nghiệp. Hệ đã đi vào sử dụng thực tế tại 02 doanh nghiệp được một thời gian dài
5) Định hướng phát triển
Sản phẩm sẽ được định hướng phát triển sâu về phân tích dữ liệu thông qua các hàm phân tích thông minh tự viết khi kết nối với hệ thống tabpy.