Dữ liệu và phân tích đã nhanh chóng trở thành từ thông dụng trong thế giới kinh doanh. Người ta sẽ khó có thể bẻ khóa một tạp chí mà không có một số tài liệu tham khảo về các công ty có tư duy tương lai “sử dụng dữ liệu một cách thông minh” để thu thập thông tin chi tiết về hành vi của khách hàng, tiến hành phân tích rủi ro hoặc quản lý cơ sở hạ tầng của họ hiệu quả hơn. Các công ty lớn, giàu dữ liệu, đặc biệt là các công ty thuộc nhiều loại được quy định, đã tham gia vào quá trình ra quyết định dựa trên dữ liệu trong nhiều năm, được minh chứng rõ nhất bởi sự tiên phong của Capital One về phân tích dữ liệu để hiểu rõ hơn về khách hàng của mình — thông tin chi tiết sau đó được sử dụng để khởi động siêu mục tiêu và các chiến dịch tiếp thị có tác động dẫn đến thành công ngay sau đó.
Nhưng bất chấp sự khởi đầu thích hợp, việc sử dụng dữ liệu đã nhanh chóng trở thành xu hướng chủ đạo. Ngày nay, tồn tại một số lý do đáng tin cậy để một công ty nhất định, bất kể quy mô và nhân lực, không sử dụng phân tích như một quy trình / năng lực kinh doanh cốt lõi. Những phản đối truyền thống như chi phí, nguồn lực và chuyên môn không còn cắt giảm được nữa. Ngược lại, dữ liệu được tạo nội bộ đang nhanh chóng trở thành một tài sản chiến lược phổ biến được tận dụng theo cách mà các doanh nghiệp cạnh tranh đang tìm cách duy trì tính cạnh tranh.
Bài viết này tìm cách giới thiệu ngắn gọn cho độc giả về thế giới dữ liệu và phân tích, hướng dẫn bạn qua các động lực thị trường, công cụ, trình phát và giải pháp duy nhất cho cả hai, trước khi dành phần sau cho hướng dẫn và khuôn khổ triển khai thực hành cho các doanh nghiệp nhỏ.
Với sự ra đời của internet và cùng với nó là Thương mại điện tử, mạng xã hội và sự kết nối với nhau của các thiết bị đã dẫn đến sự bùng nổ về khối lượng dữ liệu có thể phân tích và có sẵn trên toàn cầu cho những ai sở hữu các công cụ để khai thác nó. Mọi tweet, bài đăng, lượt thích, vuốt sang trái, vuốt sang phải, nhấn đúp, đánh giá, văn bản và giao dịch — mỗi tweet đều có thể sử dụng dữ liệu để lập bản đồ dấu chân kỹ thuật số của chúng tôi, cho biết tất cả về chúng tôi là ai, cách chúng tôi đưa ra quyết định, ở đâu và tại sao. Dữ liệu này, được gọi một cách thích hợp là “dữ liệu lớn” vì độ rộng lớn, độ sâu và độ phức tạp của hình thức, đã mở ra một biển khả năng trong phân tích dự đoán và mô tả, giúp cho việc siêu cá nhân hóa rất nhiều sản phẩm mà chúng ta tiêu thụ hàng ngày có thể thực hiện được.
Về mặt hình thức, dữ liệu lớn mô tả các tập dữ liệu lớn có thể được phân tích tính toán để tiết lộ các mẫu, xu hướng và mối liên hệ, thường xuyên nhất là liên quan đến hành vi và tương tác của con người. Để dữ liệu được gọi là “lớn”, tập hợp / ngân hàng phải lớn đến mức yêu cầu các phương pháp dữ liệu tiên tiến và hệ thống phức tạp để chiết xuất giá trị từ nó.
Trong một báo cáo nghiên cứu năm 2001, Tập đoàn META (nay là Gartner) đã đóng khung dữ liệu lớn theo ba chiều gọi là Ba chữ V của dữ liệu. Những điều này như sau: Khối lượng (số lượng), Vận tốc (tốc độ tạo / truyền) và Sự đa dạng (nhiều loại và nguồn). Ba chữ V này sau đó đã được IBM mở rộng thành Bốn chữ V, để bao gồm Veracity (chất lượng / tính toàn vẹn) của dữ liệu như là thứ nguyên cuối cùng cần thiết để nắm bắt giá trị.
… Nhưng bạn có thể đã nghe nói về dữ liệu lớn. Mặt khác, dữ liệu nhỏ là một lớp con của dữ liệu được coi là đủ khiêm tốn để mọi người có thể truy cập, cung cấp thông tin và hành động mà không cần đến các công cụ phân tích quá phức tạp. Được chuyên gia tư vấn Allen Bonde, cựu cố vấn của McKinsey, rút gọn:“Dữ liệu lớn là về máy móc, trong khi dữ liệu nhỏ là về con người” - cụ thể là những hiểu biết sâu sắc có ý nghĩa được tổ chức và đóng gói để xác định nguyên nhân, mô hình và lý do “tại sao” về con người.
Song song với sự gia tăng cả về tính khả dụng và hữu ích của dữ liệu là sự xuất hiện của một ngành công nghiệp phân tích độc lập. Từng là nỗi ám ảnh độc quyền của các nhà thống kê trình độ Thạc sĩ và Tiến sĩ, nhà khoa học dữ liệu và nhà phân tích, phân tích đã phát triển thành một ngành công nghiệp gồm các nền tảng phần mềm tự phục vụ (SaaS) mạnh mẽ về mặt chức năng nhưng chi phí thấp, cho phép nhiều nhất người mới sử dụng để trích xuất giá trị từ dữ liệu của họ. Các công ty nhỏ hơn trước đây thiếu chuyên môn hoặc ngân sách cần thiết để thực hiện loại phân tích này hiện đang cạnh tranh ngang bằng với các đối tác có nguồn lực tốt hơn và thiết lập các mô hình có thể bảo vệ trên thị trường của họ.
Ngoài lợi ích về chi phí của mô hình SaaS, nghiên cứu của Aberdeen Group, một công ty nghiên cứu công nghệ và dịch vụ, cho thấy rằng các tổ chức áp dụng công cụ SaaS có số nhân viên sử dụng dữ liệu theo bản năng để đưa ra quyết định và đạt được mục tiêu ROI là 40%. nhanh hơn những cái không. Đối với hầu hết các công ty, báo cáo tiếp thị qua email, Google Analytics và các công cụ phân tích dựa trên web của bên thứ ba khác đã được sử dụng tích cực, ngoài các báo cáo được tạo nội bộ từ hệ thống kế toán, tiếp thị, ERP và CRM và được sử dụng làm cơ chế chính cho kiếm tiền từ dữ liệu nhỏ của họ.
Hơn thế nữa, mặc dù đây là một thị trường lớn và đang phát triển mà việc đo lường chính xác có thể khó khăn, IDC ước tính thị trường công cụ phân tích và thông minh kinh doanh trên toàn thế giới đạt gần 14 tỷ đô la vào năm 2017, tăng trưởng với tốc độ 11,7% so với cùng kỳ năm ngoái, với Forrester Research. , một công ty nghiên cứu thị trường toàn cầu, dự báo tốc độ CAGR là 15% đến năm 2021.
Không có gì ngạc nhiên khi thị trường cho các công cụ và giải pháp phân tích bị chi phối bởi những người bảo vệ cũ của các công ty phần mềm - các công ty như SAP, IBM, Oracle và Microsoft. Tính đến năm 2015, SAP dẫn đầu thị trường với 10% thị phần và 1,2 tỷ USD doanh thu từ sản phẩm phân tích và kinh doanh thông minh (BI); Viện SAS đứng thứ hai, với 9% cổ phần; IBM, thứ ba với 8%, và Oracle và Microsoft ở vị trí thứ tư và thứ năm, tương ứng với 7% và 5%. Điều thú vị là thị phần của năm nhà cung cấp lớn nhất đã giảm do sự tăng trưởng trên thị trường của các công ty khởi nghiệp được hỗ trợ vốn mạo hiểm như Sentiment Strategies, Tableau và Teradata, cho thấy phần lớn tăng trưởng trong tương lai của ngành sẽ được tạo ra bởi các công ty nhỏ hơn, các công ty nhanh hơn, linh hoạt hơn.
Ở cấp độ cao nhất có thể, văn hóa tập trung vào dữ liệu giúp ban quản lý tin tưởng hơn rằng họ có thể đưa ra các quyết định tốt nhất có thể, thường xuyên và nhất quán, trong khi làm việc từ cùng một phiên bản của sự thật - một phiên bản minh bạch, có thể định lượng được. Rốt cuộc, hầu hết chúng ta đã ngồi qua các phiên họp mà các giám đốc điều hành đã đưa ra / bảo vệ các lập luận khác nhau bằng cách dựa vào các nguồn giai thoại, các mẫu thực tế và cách diễn giải khác nhau, nhanh chóng đặt ra câu hỏi về tính toàn vẹn của đầu vào và do đó là đầu ra. Do đó, quyết định đầu tiên phải được thực hiện bởi một doanh nghiệp nhỏ nhất định đang tìm cách đi trên con đường phân tích dữ liệu là liệu doanh nghiệp đó có thực sự muốn trở thành một tổ chức dựa trên dữ liệu hay không.
Khi quyết định từ trên xuống này đã được thực hiện, một khuôn khổ phải được thiết lập để tối ưu hóa tiềm năng và tính hữu ích của ưu tiên chiến lược mới. Để bắt đầu, một số câu hỏi phải được đặt ra. Đầu tiên, mục tiêu ngắn hạn và dài hạn của công ty, dự án, sáng kiến hoặc bộ phận nhất định là gì? Thứ hai, ai phải chịu trách nhiệm về nỗ lực và kết quả của nó? Thứ ba, những vấn đề cụ thể nào mà công ty, dự án, sáng kiến hoặc bộ phận đang tìm cách giải quyết bằng dữ liệu? Và thứ tư, những công cụ nào nên được sử dụng để thúc đẩy sáng kiến?
Khi những câu hỏi này đã được trả lời, bước tiếp theo là xây dựng một kế hoạch thực hiện hữu hình, với một chút kế hoạch, cơ cấu tổ chức, chỉ đạo từ trên xuống và sự nhiệt tình từ dưới lên, sẽ định vị tổ chức trong tầm tay để tạo ra kết quả nhất quán hơn nó đã làm trong quá khứ. Sơ đồ dưới đây được thiết kế để cung cấp một khuôn khổ để xem xét các yếu tố khác nhau của phương pháp phân tích dữ liệu đơn giản.
Đây là câu hỏi quan trọng đầu tiên để làm đúng. Ở cấp độ cao, mục tiêu quan trọng đối với bất kỳ công ty nào đang tìm cách tận dụng dữ liệu của mình là phát triển một quy trình có hệ thống để đưa ra các quyết định kinh doanh đúng đắn — một quy trình nhất quán và có thể lặp lại và mang lại kết quả tốt hơn có thể đo lường được. Tại thời điểm này, điều quan trọng cần lưu ý là trở thành một tổ chức có định hướng dữ liệu tốt là một hành trình chứ không phải đích đến, và như vậy, “mua vào” từ cấp trên và đồng thuận từ cấp dưới là những bước cơ bản quan trọng sẽ chứng minh để áp dụng hàng loạt và sử dụng đầy đủ các tài sản phân tích. Sau khi đạt được lượt mua, bước tiếp theo đã được thử và thử nghiệm là sắp xếp một cách chiến lược một vài "chiến thắng nhanh chóng" để tăng cường sự phấn khích và mức độ tương tác cần thiết để quá trình này thành hiện thực. Xây dựng sự đồng thuận, mua vào và đạt được chiến thắng nhanh chóng, cả nghiên cứu và kinh nghiệm của tôi đều đưa ra phương pháp triển khai giả định cấu trúc, trình tự và những cân nhắc sau:
Bắt đầu với phân tích mô tả — một bảng điều khiển trực quan đơn giản làm nổi bật hiệu suất của công ty bằng cách sử dụng dữ liệu giao dịch hiện có để đưa ra kết luận mà trước đây đã được chứng minh là không thuyết phục nếu không có dữ liệu định lượng. Tiếp theo, phát triển các khả năng chi tiết trong trang tổng quan của bạn, chia sẻ thông tin chi tiết, (các) bài học về hiệu suất và hướng dẫn tự trợ giúp một cách chiến lược và với các đồng nghiệp / người có ảnh hưởng tổ chức phù hợp. Điều này sẽ khởi động cả quá trình phổ biến cho cấp dưới của họ và văn hóa dựa vào dữ liệu mà bạn muốn trau dồi.
Giai đoạn hai:Nâng cao khả năng phân tích dự đoán phức tạp hơn, sử dụng các nguồn kỹ thuật nội bộ hoặc với sự trợ giúp của các nhà cung cấp bên thứ ba. Những khả năng dự đoán này kết hợp cả các nguồn dữ liệu bên trong và bên ngoài để trả lời tốt hơn các câu hỏi kinh doanh cụ thể, chẳng hạn như "Khả năng khách hàng sẽ bỏ qua là bao nhiêu?" Hoặc, "Khách hàng mua x, thường cũng mua y" và cung cấp cái nhìn sâu sắc về thời gian về hiệu suất của bộ phận hoặc một sáng kiến nhất định. “Nguồn dữ liệu bên ngoài” trong trường hợp này bao gồm dữ liệu truyền thông xã hội, dữ liệu lực lượng bán hàng hoặc dữ liệu trải nghiệm người dùng, tất cả đều cung cấp nguồn thông tin chi tiết phong phú và có ý nghĩa thống kê, trong đó dữ liệu nội bộ vẫn còn quá hạn chế để có thể tự sử dụng.
Giai đoạn thứ ba là chuyển sang phân tích quy định, nâng cao giúp xác định hành động thích hợp để hướng dẫn / ngăn chặn hành vi của người tiêu dùng, công ty, đối thủ cạnh tranh, nhân viên hoặc nhà cung cấp dựa trên dữ liệu lịch sử. Cần lưu ý rằng giai đoạn này thường bắt đầu đánh dấu sự chuyển đổi từ dữ liệu nhỏ sang dữ liệu lớn; tuy nhiên, đây là bước cần thiết nên được kết hợp vào quy trình ra quyết định trên toàn công ty của bạn để đảm bảo mức độ toàn vẹn và nhất quán đầu vào - đầu ra cao nhất trong quá trình ra quyết định.
Sự thật là những gì được đo lường đều được quản lý, và do đó, bằng cách phát triển một chân lý xác định dữ liệu duy nhất, các nhà lãnh đạo trong tổ chức có khả năng đưa ra các quyết định đúng đắn hơn, thống nhất hơn. Trang tổng quan là điểm khởi đầu của hành trình phân tích như vậy và là minh họa trực quan về sự thật xác định dữ liệu của một công ty. Tất nhiên, những gì liên quan đến một nhóm này có thể vô nghĩa đối với nhóm khác, vì vậy cần xem xét kỹ lưỡng mục đích hoặc chủ đề của một trang tổng quan nhất định, thông tin nào cần được đưa vào, đối tượng tiếp nhận liên quan là ai đối với nội dung của nhóm đó và những gì câu hỏi / vấn đề mà nhóm đó đang tìm cách trả lời / giải quyết.
Trang tổng quan được thiết kế tốt thúc đẩy việc ra quyết định thay vì chỉ trình bày thông tin lịch sử và cách tốt nhất là tập trung hiệu quả sự chú ý vào các xu hướng và mô hình lặp lại (cả tích cực và tiêu cực) trong khi minh họa chính xác các quan trọng của doanh nghiệp. Các bảng điều khiển phức tạp hơn cung cấp khả năng đi sâu cho phép các nhà lãnh đạo tìm ra nguyên nhân gốc rễ của vấn đề được chẩn đoán bằng khả năng chú thích và chia sẻ cho phép xem năng động hơn, theo thời gian thực.
Sau khi hoàn tất quy trình bảng điều khiển, tổ chức dựa trên dữ liệu đầy tham vọng có thể bắt đầu tham vọng hơn. Đối với điều này, bước tiếp theo điển hình là "sử dụng dữ liệu phong phú và đa dạng để thực hiện phân tích nâng cao hơn và cung cấp thêm thứ nguyên cho miền quyết định." Bằng cách kết hợp dữ liệu cụ thể của công ty được làm phong phú thêm với dữ liệu của các bên thứ ba, từ các nhà cung cấp cụ thể theo ngành dọc như Experian, Acxiom và D&B đến các nhà cung cấp dữ liệu bán hàng hoặc truyền thông xã hội như Facebook, Twitter và Salesforce, công ty nhất định có thể khám phá rộng hơn, tập hợp rộng hơn, đa dạng hơn và có ý nghĩa thống kê để có những hiểu biết mới và tốt hơn về hiệu suất của công ty và hành vi của khách hàng.
Các công ty cấp doanh nghiệp với các nhu cầu khác nhau về dữ liệu, khách hàng, quy định và các vấn đề / vấn đề kinh doanh cụ thể và với ngân sách và bộ kỹ năng nội bộ khác nhau sẽ có thể có các nhà cung cấp công nghệ giải quyết các nhu cầu riêng biệt hơn của họ. Họ hoạt động ở quy mô mà khả năng vận hành các phân tích vào các quy trình kinh doanh và quy trình làm việc của họ trở nên quan trọng và kinh tế hơn. Thông thường, các công ty này sẽ hoạt động trong các ngành được quản lý, nơi họ cần có khả năng chứng minh rằng họ có các đối xử công bằng và có thể lặp lại được.
Người cho vay không có sự thiên vị trong các chính sách cho vay của họ, cho dù về giới tính, thu nhập hay chủng tộc.
Việc xác định một hành động cụ thể là một việc và một việc khác để thực hiện nó. Cần có sự kết nối giữa chẩn đoán, kê đơn và quyết định và một cá nhân / nhóm chịu trách nhiệm về kết quả mong muốn. Ở đây, vai trò của nhà tài trợ điều hành trở nên quan trọng.
Tại cả các công ty nhỏ và lớn, nhà tài trợ điều hành cho biết — nhà vô địch được đề cử về làm giàu dữ liệu và giám đốc dữ liệu trên thực tế — là một cá nhân, thường là Giám đốc điều hành, Giám đốc tài chính hoặc CMO khi mới bắt đầu, đã tham gia vào dữ liệu và phân tích, phù hợp với loại vấn đề được giải quyết tốt nhất bằng dữ liệu hoặc ít nhất là người tin tưởng vào tiềm năng biến đổi của phân tích dữ liệu.
Ngoài nhân vật chính này, quá trình cũng thường yêu cầu một nhà vô địch thứ cấp, thực hành nhiều hơn, đặc biệt là khi công ty bắt đầu chuyển từ phân tích mô tả sang phân tích dự đoán. Theo truyền thống, người này là một nhà khoa học dữ liệu nội bộ, được đào tạo về kỹ thuật, nhưng gần đây đã trở thành một người đam mê công nghệ, thường được gọi là nhà khoa học dữ liệu công dân. Cá nhân này thường tự lựa chọn — một người chạy bộ trên bảng tính tự xưng với sự cân bằng thích hợp giữa trí tò mò và sự khéo léo của trí tuệ, nhưng một người sẵn sàng sống trong cỏ dại thực hiện. Trong nhiều trường hợp, cá nhân này đi trước ban giám đốc trong việc nhận ra tiềm năng tác động mà một quy trình phân tích dữ liệu chính thức có thể tạo ra tại công ty của họ, nhưng chỉ đơn giản là thiếu địa vị hoặc độ tin cậy cần thiết để bán tầm nhìn của họ.
Mọi công ty thành công và thất bại đều có những thách thức duy nhất chỉ có thể giải quyết được bằng sự kết hợp thích hợp của các nguồn lực, quy trình và khả năng cụ thể cho nó. Điều đó nói lên rằng, các loại thách thức kinh doanh phù hợp nhất để được giải quyết bằng dữ liệu, thường xuyên hơn không, có thể được giảm bớt, phân loại và giải quyết bằng cách sử dụng khuôn khổ nêu trong Biểu đồ 7.
Ngoài ra, một số hướng dẫn / tham số giai thoại đã được đưa ra trong nhiều năm, giúp tối ưu hóa hơn nữa cơ hội không chỉ xác định đúng loại vấn đề cần giải quyết với dữ liệu mà còn cả cơ hội giải quyết thành công chúng. Các hướng dẫn / thông số này như sau:Đầu tiên, hãy chọn những câu hỏi đơn giản, rõ ràng mà hàm ý của nó rất quan trọng; thứ hai, trong việc tìm kiếm câu trả lời từ dữ liệu, hãy hướng tới tính thực tiễn của giải pháp hơn là sự hoàn hảo của một câu trả lời mang tính học thuật; thứ ba, ghi nhớ bản chất và cơ sở kiến thức của đối tượng người nhận của bạn trong việc đưa ra chẩn đoán và giải pháp; và cuối cùng, chỉ chọn các vấn đề có thể đo lường và định lượng được với dữ liệu và giải pháp hiện có có thể được theo dõi ở mức độ tương đương.
Câu hỏi cuối cùng trong số bốn câu hỏi khung ban đầu của chúng tôi, trong đó liên quan đến việc xây dựng một tổ chức theo định hướng dữ liệu bền vững, là một câu hỏi liên quan đến việc lựa chọn các công cụ, phương pháp hoặc nền tảng. Về vấn đề này, trước tiên tôi sẽ nói rằng các công cụ phân tích dữ liệu đã phát triển đáng kể trong những năm gần đây, với nhiều ưu và nhược điểm khác nhau đối với người dùng doanh nghiệp. Các ưu điểm bao gồm giảm đáng kể chi phí liên quan đến việc thuê các công cụ như vậy và sự gia tăng trong danh sách tính năng và độ phức tạp của các tùy chọn có sẵn khi chúng chuyển đổi từ các công cụ dành riêng cho chức năng sang các nền tảng có chức năng chồng chéo. Hơn nữa, các nhà cung cấp SaaS cung cấp các bản dùng thử miễn phí, mặc dù có các hạn chế về khối lượng và kiểu dữ liệu; khách hàng quen mới có cơ hội đưa ra quyết định mua hàng sáng suốt sau khi thử nghiệm nhiều nền tảng.
Mấu chốt chính của các nền tảng này là, trong nỗ lực duy trì tính cạnh tranh với nhau, các nhà cung cấp đã đổi mới mạnh mẽ theo hướng phức tạp đến mức các sản phẩm của họ giờ đây đạt đến mức bão hòa về tính năng với các dịch vụ vượt quá mức hữu dụng của người dùng doanh nghiệp trung bình. Kết quả không may là sự áp đảo của người dùng mới làm quen, khiến việc đạt được “chiến thắng nhanh chóng” đã được thảo luận trước đó khó hơn và do đó làm giảm khả năng văn hóa dữ liệu sẽ nắm giữ trong một công ty nhất định.
May mắn thay, có nhiều tài nguyên có sẵn để hỗ trợ người dùng tiềm năng, đánh giá và so sánh các giải pháp kinh doanh thông minh cạnh tranh, mặc dù một số kiến thức về các khả năng chung cốt lõi rất hữu ích trong việc đánh giá chúng theo nhu cầu và ưu tiên cụ thể của công ty. Một số khả năng như vậy bao gồm:số lượng và phạm vi kết nối dữ liệu, tính khả dụng của trang tổng quan được lắp ráp sẵn, khả năng xem chi tiết, xuất bản và chia sẻ, tích hợp với khả năng kết hợp dữ liệu và phần mềm thăm dò, tiềm năng mở rộng (trên cả thông số khối lượng và đa dạng), số và độ chính xác của các phương pháp tiếp cận mô hình và cơ sở tham chiếu của khách hàng cho từng ngành cụ thể. Mặc dù được thừa nhận là đơn giản trong phần tóm tắt của nó, nhưng Biểu đồ 7 ở trên đưa ra một số nhà cung cấp chính hoạt động trên nhiều danh mục khác nhau (mô tả, dự đoán, mô tả).
Bất chấp sự khởi đầu thích hợp của nó, rõ ràng là phân tích dữ liệu và thị trường cho các công cụ phân tích dựa trên SaaS đã phát triển đáng kể trong những năm gần đây, mang lại nhiều lợi ích cho nhà khoa học dữ liệu công dân và công ty của họ. Dữ liệu lớn, dữ liệu nhỏ, các công cụ tự phục vụ — giờ đây mỗi công cụ đều đủ phổ biến để đảm bảo chúng được coi là năng lực cốt lõi của các doanh nghiệp thậm chí là kỹ thuật kém nhất. Nói cách khác, với rất nhiều dữ liệu hữu ích, có thể hành động được tạo ra và chi phí của các công cụ tự phục vụ tỷ lệ nghịch với các tính năng và khả năng được cung cấp, rất ít lý do sẽ tiếp tục tồn tại để ngay cả các doanh nghiệp nhỏ không bắt đầu tận dụng dữ liệu ở một mức độ nào đó.
Bài viết này lẽ ra phải minh họa rằng, với một chút lập kế hoạch, thiết lập khách quan và lựa chọn người bảo trợ, ngay cả công ty khởi nghiệp của bạn cũng có thể bắt đầu san bằng sân chơi cạnh tranh với những gã khổng lồ trong ngành mà bạn đã đặt ra để phá vỡ, trong quá trình này, bạn sẽ mở ra giá trị kinh tế to lớn. và các bên liên quan của bạn. Bạn chỉ cần bắt đầu; vì vậy hãy tiếp tục — bắt đầu!
Thị trường chứng khoán hôm nay:Dữ liệu người tiêu dùng vui vẻ mang lại cho cổ phiếu một sự sụt giảm nhỏ
Các doanh nghiệp nhỏ ủng hộ tạo ra tác động lớn đến cộng đồng địa phương
Sao lưu
Doanh nghiệp nhỏ của bạn có tuân thủ ... với Ngành thẻ thanh toán không?
Quy định chung về bảo vệ dữ liệu (GDPR) có ảnh hưởng đến doanh nghiệp nhỏ của bạn không?