![[Global Superstore Analysis] Giải mã nghịch lý Bán lẻ: Tiền rơi rớt ở đâu trên Chuỗi cung ứng?](/_next/image?url=%2Fapi%2Fmedia-proxy%2FThumbnail%20project%20h%E1%BB%8Dc%20vi%C3%AAn%20%C4%90%E1%BB%97%20H%E1%BB%93ng%20Th%E1%BA%AFng.png&w=3840&q=75)
Trong khuôn khổ khóa học Power BI tại Datapot, bạn Đỗ Hồng Thắng đã thực hiện project phân tích dữ liệu bán lẻ Global Superstore với mục tiêu đi tìm lời giải cho một bài toán rất thực tế: khi doanh nghiệp vẫn tạo ra doanh thu lớn, đâu là những điểm khiến lợi nhuận bị bào mòn trong chuỗi cung ứng?
Dựa trên bộ dữ liệu hơn 103.000 dòng, trải rộng trên 6 khu vực toàn cầu trong giai đoạn 2012–2015, project không chỉ dừng lại ở việc trực quan hóa số liệu mà tập trung bóc tách nguyên nhân phía sau biên lợi nhuận ròng bị kẹt ở mức 11% dù doanh nghiệp đạt 25 triệu USD doanh thu.
Bài toán bắt đầu từ một nghịch lý kinh doanh: doanh thu cao nhưng lợi nhuận chưa tương xứng
Với một doanh nghiệp bán lẻ, doanh thu 25 triệu USD có thể là một tín hiệu tích cực. Tuy nhiên, khi biên lợi nhuận ròng nhiều năm chỉ quanh mức 11%, câu hỏi đặt ra không còn là “doanh nghiệp bán được bao nhiêu”, mà là “tiền đang thất thoát ở đâu trong toàn bộ chuỗi vận hành?”.
Bài toán của project vì vậy được đặt trong bối cảnh ban lãnh đạo muốn trích ngân sách đầu tư chuyển đổi số để tối ưu lợi nhuận, với mục tiêu cụ thể: xác định các điểm rò rỉ lợi nhuận và tìm hướng nâng biên lợi nhuận ròng từ 11% lên 15%.
“Một dashboard hiệu quả không chỉ cho thấy doanh nghiệp đang bán được bao nhiêu, mà cần chỉ ra phần lợi nhuận đang bị bào mòn ở đâu và vì sao.”
Tiếp cận bài toán bằng tư duy phân tích có cấu trúc
Để xây dựng dashboard, Thắng bắt đầu từ việc xác định rõ đối tượng sử dụng báo cáo là các cấp quản lý và ban giám đốc. Từ đó, project được thiết kế theo hướng ưu tiên khả năng ra quyết định: thông tin cần đủ rõ, đủ sâu và có thể dẫn tới hành động cụ thể.
Quá trình thực hiện bao gồm các bước chính:
- Xác định yêu cầu phân tích và phác thảo layout dashboard phù hợp với người ra quyết định.
- Làm sạch dữ liệu, xây dựng mô hình dữ liệu và hệ thống chỉ số trên Power BI.
- Ứng dụng tư duy MECE và mô hình 5 Whys để bóc tách vấn đề theo ba trụ cột: khách hàng, sản phẩm và vận hành.
- Kiểm tra logic phân tích, tối ưu DAX và điều chỉnh mô hình dữ liệu thông qua các buổi review cùng giảng viên và trợ giảng tại Datapot.
Chiết khấu sai đối tượng đang bào mòn lợi nhuận
Một trong những phát hiện đáng chú ý của project là không phải mọi nhóm khách hàng tạo ra doanh thu đều mang lại lợi nhuận tương xứng. Ở lớp phân tích khách hàng, Thắng nhận diện rõ sự khác biệt giữa nhóm tạo giá trị thật và nhóm chỉ làm tăng doanh thu bề mặt:
- Phân khúc “Home Office” ghi nhận biên lợi nhuận tốt, có thể được xem là nhóm khách hàng giá trị cao.
- Một số nhóm khách hàng chủ yếu săn sale lại khiến doanh nghiệp rơi vào tình trạng doanh thu cao nhưng lợi nhuận ròng âm.
- Chính sách chiết khấu trung bình trên 20% đang được áp dụng chưa hợp lý, khiến doanh nghiệp đánh đổi hiệu quả tài chính để đổi lấy tăng trưởng ngắn hạn.
Nói cách khác, vấn đề không nằm ở việc có nên giảm giá hay không, mà nằm ở việc chiết khấu đang được trao cho đúng nhóm khách hàng hay chưa.
Từ insight này, project đề xuất doanh nghiệp cần đặt trần chiết khấu ở mức 15%–20%, đồng thời hạn chế tiếp tục ưu đãi cho các nhóm khách hàng đang tạo ra lợi nhuận âm.
Hàng tồn kho và SKU lỗ ròng là điểm rò rỉ lớn trong chuỗi cung ứng
Ở lớp phân tích sản phẩm, project phát hiện một điểm rò rỉ đáng kể đến từ danh mục hàng hóa. Thay vì chỉ nhìn vào sản phẩm bán được nhiều hay ít, dashboard giúp bóc tách sâu hơn khả năng tạo lợi nhuận thật của từng nhóm SKU:
- Hơn 3.000 SKU có biên lợi nhuận âm, tập trung nhiều ở nhóm Nội thất và một số thiết bị công nghệ đã lỗi thời.
- Nhiều SKU không chỉ tạo lỗ ròng mà còn có tỷ lệ trả hàng cao, có trường hợp lên tới 50%.
- Nguyên nhân gốc rễ được chỉ ra là KPI vận hành đang nghiêng về doanh thu thay vì lợi nhuận, khiến quyết định nhập hàng dễ bị chi phối bởi mục tiêu bán nhiều hoặc nhận chiết khấu từ nhà cung cấp.
Từ đó, project khuyến nghị doanh nghiệp cần ngưng nhập các SKU lỗ ròng, đồng thời đầu tư vào hệ thống dự báo nhu cầu để kiểm soát tồn kho tốt hơn, giảm tỷ lệ trả hàng và giúp quyết định nhập hàng dựa trên dữ liệu thay vì cảm tính.
Vận chuyển đang trở thành điểm nghẽn ảnh hưởng trực tiếp đến lợi nhuận
Bên cạnh khách hàng và sản phẩm, project cũng chỉ ra chi phí vận chuyển là một điểm cần đặc biệt quan tâm trong bài toán tối ưu lợi nhuận. Các dấu hiệu nổi bật gồm:
- Vào các quý cao điểm, chi phí giao hàng chiếm hơn 11% tổng doanh thu, tạo áp lực đáng kể lên biên lợi nhuận.
- Phân khúc B2B, nhóm đơn hàng có giá trị cao, lại ghi nhận chất lượng phục vụ chưa tương xứng.
- Thời gian giao hàng thường xuyên vượt mốc 4 ngày, gián tiếp làm tăng tỷ lệ hoàn hàng và ảnh hưởng đến trải nghiệm khách hàng doanh nghiệp.
Từ insight này, project đề xuất doanh nghiệp cần tái đàm phán cước vận chuyển để đưa tỷ trọng chi phí xuống dưới 9%, đồng thời ưu tiên luồng xử lý kho bãi cho các đơn B2B nhằm giảm tình trạng giao hàng trễ và hạn chế rủi ro hoàn hàng.
Từ project Power BI đến tư duy phân tích chuỗi cung ứng
Giá trị lớn nhất của project không chỉ nằm ở dashboard cuối cùng, mà còn ở cách người học từng bước đi qua một quy trình phân tích dữ liệu end-to-end: từ tiếp nhận yêu cầu, xử lý dữ liệu thô, xây dựng mô hình, viết DAX, trực quan hóa báo cáo đến diễn giải insight và đề xuất hành động.
Với Thắng, việc thực hiện project giúp củng cố tư duy phân tích trong lĩnh vực chuỗi cung ứng: nhìn dữ liệu không chỉ như các con số rời rạc, mà như một hệ thống vận hành liên kết giữa khách hàng, sản phẩm, tồn kho, vận chuyển và lợi nhuận.
“Dự án giúp mình hiểu rõ hơn rằng làm Data không chỉ là vẽ biểu đồ, mà là tìm ra nguyên nhân gốc rễ phía sau vấn đề kinh doanh.”
Final Project: cơ hội để biến kiến thức thành năng lực thực chiến
Tại Datapot, chúng tôi luôn xem Final Project là một phần quan trọng trong hành trình học Data Analytics và Power BI. Đây là lúc học viên không chỉ thực hành công cụ, mà còn rèn luyện cách đặt câu hỏi kinh doanh, xây dựng logic phân tích và trình bày kết quả sao cho người xem có thể hiểu được vấn đề và đưa ra quyết định tốt hơn.
Thông qua project của Thắng Đỗ, có thể thấy một dashboard tốt không nhất thiết bắt đầu từ dữ liệu phức tạp, mà bắt đầu từ một câu hỏi đủ rõ: doanh nghiệp đang thất thoát giá trị ở đâu và cần hành động như thế nào để cải thiện hiệu quả vận hành.
Nếu bạn cũng muốn bắt đầu hành trình học Power BI và Data Analytics một cách bài bản, xây dựng project thực tế cho portfolio và phát triển tư duy phân tích dữ liệu gắn với bài toán doanh nghiệp, Datapot sẽ đồng hành cùng bạn trên hành trình đó.