Muốn dùng dữ liệu hiệu quả, người làm Trade cần nắm được 4 cấp độ phân tích dữ liệu: Descriptive – Diagnostic – Predictive – Prescriptive.

Đây không chỉ là kỹ năng, mà còn là thước đo mức độ trưởng thành trong quản trị thương mại.

Bài viết này sẽ giúp bạn - người làm Trade hiểu rõ từng cấp độ, cách ứng dụng trong FMCG, và vì sao các tổ chức lớn đặt phân tích dữ liệu là trung tâm của chiến lược tăng trưởng.

I. Từ Dữ Liệu Đến Hiểu Biết: 4 Cấp Độ Phân Tích Trong Trade Marketing

1. Descriptive Analytics – Phân tích mô tả: Chuyện gì đã xảy ra?

Đây là cấp độ đầu tiên và cơ bản nhất. Ở mức này, người làm Trade dùng dữ liệu để trả lời câu hỏi rất đơn giản:

“Kết quả đang như thế nào?”

Bạn chủ yếu “đọc số” và mô tả lại tình hình:

• Doanh số tháng này tăng hay giảm so với tháng trước?
• ND/WD đang đi lên hay đi xuống?
• SKU nào bán tốt, SKU nào chững lại?
• Sell-in có đi cùng nhịp với sell-out hay đang lệch?

Nói cách khác, phân tích mô tả giúp bạn nhìn được bức tranh tổng thể: ngành hàng, kênh, khu vực đang ở trạng thái tốt hay xấu.

Tuy nhiên, ở cấp độ này, dữ liệu chưa trả lời câu hỏi “vì sao”. Bạn mới chỉ biết chuyện đã xảy ra, chứ chưa hiểu nguyên nhân đằng sau.

Ví dụ trong FMCG:

• Doanh số ngành nước giải khát tháng 9 giảm 12%.
• ND tại kênh GT giảm 5 điểm so với tháng trước.

Tới đây, bạn biết tình hình đang có vấn đề, nhưng chưa biết vì sao lại như vậy.

Tìm hiểu thêm về Quy trình Xử lý Dữ liệu trong Trade Marketing

2. Diagnostic Analytics – Phân tích nguyên nhân: Vì sao điều đó xảy ra?

Sau khi biết chuyện gì đã xảy ra, bước tiếp theo là tìm hiểu vì sao nó xảy ra. Đây chính là lúc dữ liệu bắt đầu trở nên hữu ích hơn cho quyết định kinh doanh.

Thay vì chỉ dừng ở việc báo “doanh số giảm 12%”, bạn đi tiếp một bước:

• Giảm ở tỉnh nào, khu vực nào?
• Giảm ở kênh nào (GT, MT, Online…)?
• Giảm vì SKU nào? SKU hero hay SKU đuôi?
• Do ND rớt, hay ND giữ nguyên nhưng VPO giảm?
• Do thiếu hàng, hay do đối thủ chạy khuyến mãi sâu hơn?
• Tồn kho tại NPP, tại cửa hàng có vấn đề hay không?

Ở cấp độ này, bạn không chỉ “xem số” nữa, mà dùng dữ liệu để lần ra cơ chế của sự thay đổi:

Cái gì kéo ngành hàng đi lên, cái gì kéo xuống.

Ví dụ trong FMCG:

Khi đào sâu thêm, bạn phát hiện:

• 70% mức giảm doanh số đến từ 3 SKU hero.
• ND của các SKU này rớt mạnh vì NPP bị thiếu hàng 5 ngày liền.
• Tỷ lệ OOS tại các cửa hàng Tier 1 tăng rõ rệt.

Lúc này có thể kết luận: vấn đề chính không phải do nhu cầu thị trường giảm, mà đến từ khả năng cung ứng và phân phối.

Đây chính là giá trị của phân tích nguyên nhân: giúp người làm Trade nói đúng lý do, thay vì chỉ lặp lại con số.

3. Predictive Analytics – Phân tích dự báo: Điều gì có thể xảy ra tiếp theo?

Khi đã hiểu rõ nguyên nhân, bước tiếp theo là nhìn về phía trước: nếu mọi thứ giữ nguyên, điều gì sẽ xảy ra?

Đây chính là vai trò của phân tích dự báo.

Trong thực tế ngành FMCG, dự báo không nhất thiết phải là mô hình AI phức tạp. Nhiều dự báo hiệu quả nhất lại đến từ những dữ liệu rất quen thuộc:

• Xu hướng bán hàng 3–6 tháng gần nhất
• Mùa vụ và chu kỳ mua
• Lịch sử OOS theo tuần
• Kết quả uplift của các chương trình trước
• Tỷ lệ mua lại và tần suất mua của shopper

Khi kết hợp các dữ liệu này, người làm Trade có thể nhìn thấy rủi ro trước khi nó xảy ra và biết rõ mình cần chuẩn bị gì để tránh mất doanh số.

Ví dụ trong FMCG:

Từ dữ liệu ND và OOS của ngành nước giải khát, bạn dự đoán:

• Nếu không bổ sung hàng kịp thời, doanh số có thể giảm thêm 5–7% trong vòng 2 tuần tới.
• 3 SKU hero có nguy cơ rơi vào tình trạng thiếu hàng tại 20% outlet.

Nhờ dự báo này, bạn nhận ra vấn đề không thể trì hoãn. Nếu xử lý chậm, mức giảm doanh số sẽ lớn hơn rất nhiều và hoàn toàn có thể tránh được.

Predictive giúp Trade chủ động, không chờ đến khi “báo cáo tháng” xuất hiện mới phát hiện mình đã mất cơ hội.

4. Prescriptive Analytics – Phân tích đề xuất hành động: Nên làm gì để tối ưu?

Nếu predictive cho bạn biết “tương lai có thể thế nào”, thì prescriptive trả lời câu hỏi quan trọng nhất trong thực thi thương mại:

“Vậy chúng ta nên làm gì?”

Đây là cấp độ phân tích cao nhất và cũng là nơi dữ liệu thực sự tạo ra giá trị. Người làm Trade không chỉ quan sát hay dự báo, mà dùng dữ liệu để đưa ra những hành động cụ thể, có tính toán và có kỳ vọng ROI rõ ràng.

Những yếu tố thường được kết hợp trong phân tích prescriptive:

• Hiệu suất bán hàng theo từng kênh và từng nhóm outlet
• Dữ liệu ROI của các chương trình trước
• Sức mua và tiềm năng tăng trưởng của từng nhóm cửa hàng
• Hiệu quả các mechanic từng áp dụng
• Hành vi và phản ứng giá của shopper

Mục tiêu cuối cùng: chọn đúng hành động với chi phí tối ưu và tác động mạnh nhất đến doanh số.

Ví dụ trong FMCG:

Dựa trên tình huống thiếu hàng của nhóm SKU hero, hệ thống hoặc analyst đề xuất:

• Phân bổ hàng khẩn cấp trong 48 giờ cho các cửa hàng Tier 1 GT
• Tăng số facings để cải thiện khả năng bán
• Chạy mechanic “Buy 2 Get 1” trong 10 ngày nhằm tạo lực kéo sell-out
• Kỳ vọng phục hồi 8–10% doanh số trong kỳ sau

Chuỗi hành động này không xuất phát từ cảm tính, mà từ dữ liệu và các phân tích trước đó.

Từ mô tả → nguyên nhân → dự báo → hành động, dữ liệu trở thành đòn bẩy giúp Trade phục hồi và thúc đẩy tăng trưởng.

Vì sao Dữ liệu thương mại lại quan trọng đối với Trade Marketing?

II. 4 Cấp Độ Trong Một Dòng Chảy Liên Kết

Điều quan trọng không nằm ở việc biết từng cấp độ riêng lẻ, mà ở chỗ 4 cấp độ này tạo thành một dòng chảy liền mạch. Không có cấp độ nào đứng độc lập. Mỗi bước mở ra bước tiếp theo và giúp dữ liệu trở nên ngày càng có giá trị hơn.

Hành trình trưởng thành của một Trade Marketer thường diễn ra như sau:

1. Descriptive – Xem số:

   Nhìn vào dữ liệu để biết chuyện gì đang xảy ra. Đây là điểm khởi đầu.

2. Diagnostic – Hiểu số:

   Tìm ra lý do của sự thay đổi. Không chỉ báo cáo, mà giải thích được cơ chế.

3. Predictive – Đoán số:

   Dự đoán rủi ro và cơ hội phía trước. Trade bắt đầu chủ động thay vì phản ứng.

4. Prescriptive – Quyết định bằng số:

   Đưa ra hành động tối ưu dựa trên dữ liệu, thay vì cảm tính.

Khi đội Trade chỉ dừng ở cấp độ 1, công việc bị cuốn vào “chữa cháy” theo tình huống.

Nhưng khi đội ngũ bước lên cấp độ 3–4, Trade Marketer sẽ dẫn dắt chiến lược và trở thành động lực tăng trưởng cho doanh nghiệp.

III. Người Làm Trade Ứng Dụng 4 Cấp Độ Như Thế Nào Trong Công Việc Hằng Ngày?

Các cấp độ phân tích không phải khái niệm lý thuyết. Chúng xuất hiện trong từng nhiệm vụ quen thuộc của Trade chỉ là đôi khi chúng ta chưa đặt tên cho chúng mà thôi.

Dưới đây là cách 4 cấp độ “đi cùng bạn” trong từng nghiệp vụ hằng ngày.

1. Khi review ngành hàng

Một buổi Category Review bài bản luôn đi theo đúng bốn cấp độ:

• Descriptive: Ngành hàng bán tốt hay đang giảm?
• Diagnostic: Kênh nào kéo tăng? Khu vực nào kéo giảm? SKU nào đóng góp chính?
• Predictive: Với đà hiện tại, tháng tới ngành hàng sẽ tăng hay giảm?
• Prescriptive: Cần tập trung vào nhóm kênh nào, SKU nào, hay tỉnh nào để tối ưu kết quả?

Khi trình bày review theo cách này, bạn không chỉ liệt kê số liệu, mà kể được câu chuyện thật sự của ngành hàng.

2. Khi đánh giá chương trình khuyến mãi

Mỗi chương trình khuyến mãi đều có thể được “mổ xẻ” qua 4 cấp độ phân tích:

• Descriptive: Uplift đạt bao nhiêu?
• Diagnostic: Mechanic (cơ chế) nào mạnh nhất? Cơ chế nào không hiệu quả? Vì sao?
• Predictive: Nếu chạy lại, uplift có thể đạt bao nhiêu? Tác động tới ROI thế nào?
• Prescriptive: Lần tới nên dùng mechanic nào, mức giảm bao nhiêu, áp dụng cho nhóm outlet nào để tối ưu ngân sách?

Khi hiểu đủ 4 tầng, bạn không chỉ chạy chương trình mà bạn tối ưu được đồng tiền Trade Spend.

3. Khi xây dựng kế hoạch phân phối

Phân phối (ND/WD) là nhịp thở của FMCG. Mọi biến động nhỏ đều ảnh hưởng trực tiếp đến doanh số. Bốn cấp độ phân tích giúp bạn quản trị phân phối một cách chủ động:

• Descriptive: ND tuần này đạt bao nhiêu?
• Diagnostic: Khu vực nào rớt? Lý do do Sales, tồn kho hay chương trình chưa phủ đúng?
• Predictive: Nếu không xử lý, ND có thể rớt đến mức nào? OOS lan ra bao nhiêu điểm?
• Prescriptive: Cần bổ sung hàng ra sao? Điều chỉnh tuyến, mục tiêu Sales, hoặc MSL như thế nào?

Và từ đây, Trade không còn dừng ở mức “báo cáo độ phủ”, mà tiến tới quản trị phân phối chiến lược.

IV. Case Study: Ngành Nước Tăng Lực Giảm 15% - Phân Tích Theo 4 Cấp Độ

Đây là một ví dụ điển hình để thấy 4 cấp độ phân tích khác nhau như thế nào và vì sao chúng quan trọng trong quyết định thương mại. Cùng một bộ dữ liệu, nhưng mỗi cấp độ cho bạn một góc nhìn hoàn toàn khác nhau.

Tham khảo thêm bài viết về Chuỗi giá trị thương mại và Hành trình hình thành dữ liệu

1. Descriptive – Chuyện gì đang xảy ra?

Bước đầu tiên, bạn nhìn vào số liệu và nhận thấy:

Doanh số toàn ngành nước tăng lực giảm 15% so với tháng trước.

Thông tin này cho bạn biết tình hình đang đi xuống, nhưng chưa cho bạn biết vì sao.

2. Diagnostic – Vì sao điều đó xảy ra?

Khi đào sâu hơn vào dữ liệu, bạn tìm ra những nguyên nhân chính:

• ND rớt 6 điểm, đặc biệt ở các khu vực trọng điểm.
• 3 SKU hero bị thiếu hàng trong 5 ngày, khiến sức bán giảm mạnh.
• Tỷ lệ OOS tại Tier 1 tăng cao, ảnh hưởng trực tiếp đến sell-out.

Như vậy, mức giảm 15% không phải vì nhu cầu thị trường giảm, mà chủ yếu đến từ vấn đề cung ứng và phân phối.

3. Predictive – Điều gì có thể xảy ra tiếp theo?

Khi xem xét chuỗi dữ liệu OOS, tốc độ bán và mức ND hiện tại, bạn dự báo:

• Nếu không có biện pháp can thiệp, doanh số có thể tiếp tục giảm thêm 5–7% trong 2 tuần tới.
• Nguy cơ thiếu hàng có thể lan rộng đến 20% outlet, đặc biệt các cửa hàng có sức bán cao.

Phân tích dự báo giúp bạn thấy rõ rủi ro trước khi nó trở thành thiệt hại thật sự.

4. Prescriptive – Vậy chúng ta nên làm gì?

Dựa trên toàn bộ phân tích ở ba cấp độ trước, bạn đề xuất kế hoạch hành động cụ thể:

• Phân bổ hàng khẩn cấp cho các Top Outlet trong khu vực rớt mạnh.
• Tăng hiển thị cho 3 SKU hero để phục hồi tốc độ bán.
• Triển khai combo “Buy 2 Get 1” trong 10 ngày nhằm kích cầu sell-out ngay lập tức.

Với các hành động này, doanh nghiệp có thể kỳ vọng phục hồi 8–10% doanh số trong kỳ tiếp theo.

V. Kết luận: Làm Trade Muốn Đi Xa, Phải Đi Cùng Dữ Liệu

Trong FMCG, dữ liệu không tự mang lại tăng trưởng. Điều tạo ra khác biệt nằm ở cách người làm Trade đọc được tín hiệu đúng và biến dữ liệu thành hành động thực thi có tác động.

Bốn cấp độ phân tích từ mô tả, tìm nguyên nhân, dự báo cho đến đề xuất giải pháp, chính là hành trình giúp Trade chuyển từ việc “báo cáo số” sang “dẫn dắt bằng dữ liệu”.

Khi hiểu và ứng dụng đúng bốn cấp độ, người làm Trade sẽ:

• không còn bị động trước biến động thị trường,
• giảm phụ thuộc vào cảm tính,
• tối ưu được từng đồng ngân sách đầu tư,
• rút ngắn thời gian ra quyết định,
• và quan trọng nhất: dẫn dắt tăng trưởng bằng thông tin xác thực, thay vì phỏng đoán.

Đó cũng là lý do các doanh nghiệp FMCG mạnh luôn xem năng lực phân tích dữ liệu là một phần không thể tách rời của năng lực thương mại. Dữ liệu có thể phức tạp, nhưng khi được đọc đúng và dùng đúng, nó trở thành đòn bẩy giúp Trade tiến xa hơn và bền vững hơn trên hành trình tăng trưởng.

Nâng Cao Năng Lực Phân Tích Trong Trade Với CASK

Nếu bạn muốn đi từ “xem số” đến “dẫn dắt bằng số”, khóa học Phân tích dữu liệu thương mại dành cho Trade Marketing của CASK được xây dựng để đồng hành cùng bạn.

Dữ liệu sẽ không bao giờ bớt phức tạp. Nhưng bạn hoàn toàn có thể trở nên sắc bén hơn khi đọc và sử dụng dữ liệu để mỗi quyết định Trade đều mang lại tăng trưởng thật sự.