31/08/2026
Trong quá trình làm việc ở startup, mình gặp những bài toán thách thức: "Doanh số quý sau cần tăng lên x lần để đạt được mục tiêu của công ty"
Thành thật mà nói, nếu mục tiêu chỉ là tăng x%, việc tối đa hóa năng suất các hoạt động hiện có (local maximisation) hoàn toàn có thể giải quyết được. Nhưng khi mục tiêu là tăng x lần, nỗ lực cục bộ là không đủ. Mình nghĩ đội ngũ những lúc đối mặt với bài toán này đều sẽ cần một bản đồ lớn hơn để nhìn thấy các cơ hội, biến số tác động và nguồn lực đầu tư cần thiết. Mình gọi tấm bản đồ đó là analytical framework (khung phân tích).
Về bản chất, analytical framework là một công thức hoặc cấu trúc logic giúp chia nhỏ một vấn đề phức tạp thành các biến số độc lập (problem decomposition). Khi bài toán được chia nhỏ, ta không còn phải xử lý một khối mơ hồ, mà có thể xác định nên tác động vào biến số nào để tạo ra kết quả lớn nhất với nguồn lực đầu tư phù hợp nhất.
Gần đây mình bắt đầu nghiên cứu về chạy bộ, nên sẽ lấy ví dụ về môn thể thao này để mọi người dễ hình dung. Nếu mục tiêu là chạy tốt hơn, phản xạ tự nhiên có thể sẽ nỗ lực rướn sức nhiều hơn hoặc chạy chăm và đều hơn. Có thể các cách làm này sẽ đạt được mục tiêu nào đó, nhưng với mình, việc rướn sức đôi khi sẽ làm giảm niềm vui chạy bộ. Mà mình thì ham vui và cũng không thích rướn, nên mình tìm cách khác 😀
Một cách tiếp cận có framework theo mình sẽ như sau:
Đầu tiên là bài toán quản trị sức bền, công thức năng lượng được xác định:
Năng lượng còn lại = Năng lượng ban đầu - Năng lượng tiêu hao bắt buộc - Năng lượng hao phí
Với framework này, mình nghĩ runner có hai hướng tiếp cận:
[1] Tăng năng lượng ban đầu hoặc
[2] Giảm năng lượng hao phí trong khi chạy.
Việc tăng năng lượng ban đầu đòi hỏi nhiều tháng tập luyện và có giới hạn thể chất. Vì vậy, tác động vào yếu tố này sẽ chưa thể tạo quick-win ngay lập tức được. Nếu bạn quen làm mô hình dự án, bạn sẽ hiểu rằng những quick-wins đều đặn là rất quan trọng để một dự án có thể đi được đường dài.
Trong khi đó, giảm hao phí là biến số dễ can thiệp hơn nhiều thông qua yếu tố kỹ thuật. Ví dụ, nhờ có mentor mà mình phát hiện ra mình thói quen tiếp đất bằng gót chân, và dáng đi hình chữ bát. Thói quen này lúc chạy tạo ra xung lực với mặt đường, gây hao phí thể lực và tăng nguy cơ chấn thương. Như vậy, bằng cách điều chỉnh kỹ thuật và thói quen di chuyển, lượng hao phí giảm và năng lượng được duy trì trên quãng đường dài hơn.
Tiếp theo là bài toán cải thiện tốc độ, ta có một framework khác:
Tốc độ = Tần số guồng chân (Cadence) × Độ dài sải chân (Stride length)
Để chạy nhanh hơn, ta cần tác động vào một trong hai hoặc cả hai biến số. Vận động viên đương nhiên là nên tối ưu cả hai. Nhưng với người mới như mình, việc cố sải chân dài rất dễ gây quá tải khớp gối. Thay vào đó, tập trung nâng nhịp chân lên ngưỡng 170-180 bước/phút an toàn và mang lại hiệu quả nhanh hơn.
Tóm lại, cùng là mục tiêu cải thiện kết quả chạy bộ, việc đặt đúng framework giúp người tập biết chính xác điểm nghẽn nằm ở đâu và đâu là biến số phù hợp nhất với cơ địa hiện tại của bản thân.
Trong kinh doanh, tư duy này áp dụng hoàn toàn tương tự. Khi đối mặt với mục tiêu tăng trưởng hay một sự cố vận hành, nếu không có framework và dữ liệu, các phòng ban thường sẽ tranh luận theo cảm tính, ai có "tâm linh" lớn hơn thì dẫn dắt hành động. Nhưng khi vấn đề được lượng hóa thành một hệ thống biến số rõ ràng, đội ngũ sẽ nhìn thấy đâu là đòn bẩy khả thi nhất để hành động.
Tư duy xây dựng khung phân tích này sẽ áp dụng cho hầu hết các câu hỏi kinh doanh thực tế:
Vì sao doanh số suy giảm/ tăng trưởng?
Quy mô ước tính của thị trường X là bao nhiêu?
Làm sao để đánh giá mức độ tiềm năng trước khi thâm nhập thị trường mới?
Sản phẩm đã đạt được trạng thái Product-Market Fit chưa?
Nếu triển khai một hành động cụ thể, doanh số dự kiến sẽ tăng hay giảm bao nhiêu?
Mình sẽ chia sẻ với các anh chị và các bạn kỹ năng để tự tay xây dựng các framework định lượng dựa trên nguyên tắc khoa học, có logic để giải quyết những bài toán trên trong khóa học Data-Driven Decision Making (DDDM) sắp tới. Khóa học kéo dài 7 tuần, bao gồm nhiều nội dung xoay quanh việc sử dụng dữ liệu để giải quyết vấn đề hiệu quả.
Quay lại câu hỏi đầu bài, nếu bạn tò mò về cách mình giải quyết việc tăng doanh số x lần như thế nào, thì bạn có thể xem lại webinar mình đã tổ chức cùng Gmartek vào ngày 18/8 vừa qua. Link video mình để bên dưới comment.
Nguồn: bài viết của thầy Tran Mau Thanh , giảng viên lớp Data-Driven Decision Making.
