Trong lĩnh vực Trade Marketing, mọi quyết định từ phân bổ ngân sách, chọn SKU, thiết kế khuyến mãi cho đến tối ưu phân phối đều quay về một câu hỏi duy nhất là Dữ liệu nói gì?

Nhưng có một sự thật ít người nói ra: đa số báo cáo chỉ phản ánh “bề nổi” của dữ liệu, trong khi phần quan trọng nhất nằm ở… nguồn gốc của dữ liệu đó.

Dữ liệu không tự nhiên mà có. Mỗi con số đều được sinh ra ở một mắt xích nào đó trong chuỗi giá trị thương mại. Nếu không hiểu chuỗi này, người làm Trade rất dễ đọc sai xu hướng, đánh giá nhầm hiệu suất và đưa ra quyết định lệch với thực tế thị trường.

Bài viết này giúp bạn nhìn "dòng chảy thương mại" dưới góc nhìn chuẩn mực, thực tế và dễ áp dụng ngay vào công việc Trade Marketing hằng ngày.

1. Chuỗi giá trị thương mại là gì và vì sao nó quan trọng?

Chuỗi giá trị thương mại (Trade Value Chain) là bức tranh toàn diện về cách một sản phẩm di chuyển từ nhà sản xuất → nhà phân phối → đội ngũ bán hàng → nhà bán lẻ → shopper → consumer. Ở mỗi mắt xích, sản phẩm không chỉ được “chuyển giao” mà còn được gia tăng giá trị: thêm dịch vụ, thêm trải nghiệm, thêm cơ hội tiếp cận… và đồng thời để lại một lớp dữ liệu mới.

Nếu nhìn dưới góc độ dữ liệu, chuỗi giá trị thương mại chính là “hành trình hình thành dữ liệu” của một sản phẩm. Đây là nền móng của mọi phân tích trong Trade Marketing, bởi nó giúp bạn trả lời rõ ràng:

• Dữ liệu được sinh ra ở đâu? (tại manufacturer, distributor, retailer, hay điểm bán?)
• Ai là người tạo ra dữ liệu đó? (sales, NPP, hệ thống POS, shopper…?)
• Dữ liệu đó đang phản ánh điều gì? (hành vi mua, tồn kho, thực thi, hay chỉ là đẩy hàng?)
• Cần diễn giải dữ liệu trong bối cảnh nào thì mới đúng? (giai đoạn, kênh, chiến dịch, chính sách thương mại…)

Khi không hiểu chuỗi giá trị, người làm Trade rất dễ mắc phải những sai lệch quen thuộc:

• Dùng số liệu sell-in để đánh giá hiệu quả sell-out, rồi kết luận thị trường “đang tăng tốt”.
• Chỉ nhìn tồn kho tại NPP rồi suy ra tình trạng OOS trên kệ.
• Coi giá bán trên báo cáo POS là giá mà shopper thật sự phải trả, mà bỏ qua markdown, combo, voucher…
• Nhầm lẫn giữa dữ liệu phản ánh hành vi khách hàng với dữ liệu phản ánh cách nhà phân phối hoặc retailer vận hành.

Một người làm Trade Marketing trưởng thành không bắt đầu bằng việc “mở dashboard xem số”. Họ bắt đầu bằng câu hỏi rất căn bản nhưng cực kỳ quan trọng:

“Dữ liệu này được sinh ra ở mắt xích nào trong chuỗi giá trị thương mại?”

Chỉ khi trả lời được câu hỏi đó, mọi con số trên báo cáo mới thực sự có ý nghĩa.

2. Sáu mắt xích trong chuỗi giá trị thương mại & loại dữ liệu mỗi mắt xích tạo ra

Để hiểu đúng dữ liệu trong Trade Marketing, trước hết chúng ta phải hiểu nó được sinh ra ở đâu. Mỗi mắt xích trong chuỗi giá trị thương mại tạo ra một dạng dữ liệu khác nhau, phản ánh một phần của “bức tranh thị trường”. Khi ghép lại, chúng cho ta góc nhìn đầy đủ về bán hàng, phân phối và hành vi mua sắm.

Dưới đây là bản đồ chi tiết, rõ ràng và thực tiễn nhất về cách dữ liệu được hình thành ở từng đối tượng.

2.1 Manufacturer – nơi dữ liệu được “khai sinh”

Nhà sản xuất chính là điểm bắt đầu của mọi hoạt động thương mại. Tại đây, sản phẩm được định nghĩa, chiến lược được hoạch định, giá được thiết lập, và các tiêu chuẩn thương mại được thống nhất. Tất cả những thông tin này hợp thành master data, nền tảng của mọi báo cáo và phân tích về sau.

Những dữ liệu được tạo ra ở Manufacturer bao gồm:

• Cấu trúc danh mục: category → brand → variant → pack size → SKU
• Giá bán chuẩn, mức chiết khấu, điều khoản thương mại
• Chiến lược phân phối theo kênh, vùng, loại cửa hàng
• Kế hoạch marketing & A&P, chiến dịch khuyến mãi theo quý/năm

Các tập dữ liệu này là “xương sống” của hệ thống thương mại. Nếu master data sai, dù chỉ một trường nhỏ toàn bộ chuỗi phân tích (từ ND đến ROI) sẽ sai theo. Không có gì phá hỏng một báo cáo nhanh bằng một mapping SKU lỗi.

2.2 Distributor – tâm điểm của sell-in & vận hành thị trường

Distributor là cầu nối từ nhà sản xuất đến thị trường. Họ mở rộng độ phủ, duy trì tồn kho, quản lý giao hàng, và phản ánh tình hình vận hành thực tế. Đây cũng là nơi sinh ra dữ liệu sell-in, thường được doanh nghiệp sử dụng nhiều nhất.

Dữ liệu được ghi nhận trong DMS (Distribution Management System - Hệ thống quản lý phân phối) gồm:

• Đơn hàng, xuất kho, giao hàng (sell-in)
• Tồn kho tại NPP: inventory, DOI (Days of Inventory)
• Hàng trả về, bể vỡ, hồ sơ công nợ
• Lộ trình giao hàng và năng lực phục vụ (route-to-market)

Sell-in là dữ liệu quan trọng, nhưng chỉ phản ánh hành vi nhập hàng của NPP (Nhà phân phối), không đại diện cho nhu cầu mua của thị trường. Vì vậy, nếu chỉ dựa vào sell-in để đánh giá trade performance, bạn sẽ rất dễ kết luận sai lệch.

2.3 Sales Force – dữ liệu thực thi và hiện diện tại điểm bán

Sales là “đội quân tiền tuyến” – người biến chiến lược thành hoạt động thực tế tại điểm bán. Không một hệ thống nào phản ánh mức độ thực thi tốt bằng dữ liệu từ Sales.

Dữ liệu do Sales tạo ra bao gồm:

• Lịch viếng thăm, tỷ lệ tuân thủ (visit compliance)
• Thực trạng trưng bày: hình ảnh kệ, POSM
• Kiểm tra tồn kho tại kệ: OSA/OOS
• Đơn hàng phát sinh trực tiếp tại cửa hàng
• Thông tin về giá bán, chương trình của đối thủ
• Phản hồi từ chủ cửa hàng

Đây là nguồn dữ liệu “tại trận”, giúp Trade Marketer nhìn thấy chất lượng thực thi, thứ mà sell-in và POS data không bao giờ cho biết được. Tức có nghĩa là thực thi tốt, sell-out tốt. Thực thi kém, mọi chiến lược trên slide đều vô nghĩa.

2.4 Retailer – nơi tạo ra dữ liệu quan trọng nhất: SELL-OUT

Retailer (siêu thị, minimart, cửa hàng tiện lợi…) là mắt xích ghi nhận hành vi mua thật của shopper. Đây được xem là nguồn dữ liệu giàu giá trị nhất trong toàn bộ chuỗi giá trị thương mại.

Dữ liệu từ POS/ePOS của retailer bao gồm:

• Hóa đơn bán lẻ theo SKU (sell-out đến shopper)
• Basket size, basket value theo hóa đơn
• Giá bán thực tế sau markdown, combo, voucher
• Mức độ kích hoạt của chương trình khuyến mãi
• Tỷ lệ OOS do hệ thống ghi nhận
• Điểm bán hoạt động/không hoạt động theo thời gian

Sell-out là dữ liệu “chạm thật vào túi tiền của shopper”, nên đây là chuẩn vàng trong việc đánh giá trade performance. Mọi chiến lược hay kế hoạch của Trade đều phải xoay quanh dữ liệu sell-out.

2.5 Shopper – nơi dữ liệu hành vi được hình thành

Shopper là người quyết định mua hàng tại điểm bán, và dữ liệu được sinh ra tại đây thể hiện toàn bộ hành vi, động cơ và phản ứng của họ với thương hiệu.

Dữ liệu hành vi của shopper bao gồm:

• Thời điểm mua, ngày trong tuần, tháng
• Tần suất mua, mức chi tiêu trung bình
• Phản ứng với giá, trưng bày, khuyến mãi
• Lý do chọn sản phẩm hoặc lý do từ chối
• Thời gian dừng lại tại kệ, tương tác POSM (qua camera, heatmap, digital trace)

Đây là dữ liệu giúp Trade trả lời câu hỏi cốt lõi: “Làm sao để tăng conversion tại điểm bán?”

Không có dữ liệu nào nói thật về hành vi tiêu dùng tại điểm bán hơn dữ liệu shopper.

2.6 Consumer – dữ liệu sau mua & giá trị vòng đời

Consumer là người trực tiếp sử dụng sản phẩm. Dữ liệu tại đây phản ánh trải nghiệm thực tế và ảnh hưởng lớn đến brand equity cũng như nhu cầu mua lại.

Dữ liệu từ consumer bao gồm:

• Trải nghiệm sử dụng, mức độ hài lòng
• Review, đánh giá online, bình luận trên mạng xã hội
• Tần suất quay lại, sử dụng lâu dài, mức độ trung thành
• Xu hướng giới thiệu sản phẩm (NPS – Net Promoter Score)
• Góp ý cải tiến sản phẩm hoặc bao bì

Đây là dữ liệu giúp doanh nghiệp “đóng vòng lặp” → từ sử dụng thực tế trở lại R&D, marketing và chiến lược thương mại.

Nhìn xuyên suốt cả sáu mắt xích, bạn sẽ thấy mỗi loại dữ liệu phản ánh một phần sự thật khác nhau. Ghép lại, chúng tạo nên một bức tranh 360 độ về thị trường, hành vi mua sắm và hiệu quả thương mại. Và đó chính là lý do vì sao người làm Trade luôn phải bắt đầu từ việc hiểu dữ liệu được sinh ra ở đâu, bởi chỉ khi hiểu nguồn gốc, bạn mới có thể đọc đúng bản chất của con số.

3. Hai dòng chảy song song: Dòng hàng & dòng dữ liệu

Trong hoạt động thương mại, mọi thứ bạn thấy trên báo cáo – từ doanh số, độ phủ, mức tồn kho cho đến effectiveness của khuyến mãi đều chịu ảnh hưởng bởi hai dòng chảy song hành: dòng hàng và dòng dữ liệu.

Nếu xem chuỗi giá trị thương mại là một cơ thể sống, thì dòng hàng là hệ tuần hoàn vận chuyển “chất dinh dưỡng” (sản phẩm), còn dòng dữ liệu là hệ thần kinh truyền tín hiệu về tình trạng hoạt động của từng bộ phận.

Không thể hiểu thị trường nếu chỉ nhìn một trong hai.

3.1 Dòng hàng (Value Flow)

Dòng hàng là hành trình vật lý của sản phẩm, đi theo một chiều duy nhất: Manufacturer → Distributor → Sales → Retailer → Shopper → Consumer

Tại mỗi bước, giá trị của sản phẩm được bổ sung thêm: đóng gói, vận chuyển, trưng bày, khuyến mãi, trải nghiệm mua sắm… Nhờ đó người tiêu dùng cuối cùng nhận được sản phẩm đúng nơi – đúng lúc – đúng chất lượng.

Khi dòng hàng vận hành trơn tru, các chỉ số sell-out thường ổn định.

Nhưng chỉ cần một “điểm nghẽn” nhỏ, thị trường sẽ phản ứng ngay:

• Tồn kho NPP tăng → DN vẫn thấy doanh số sell-in tốt nhưng sell-out có thể đã chậm.
• Giao hàng sai lịch → retailer thiếu hàng → OOS tăng → mất cơ hội bán.
• Vận chuyển chậm hoặc thiếu → khuyến mãi không kịp lên kệ → chương trình thất bại.

Nói cách khác, dòng hàng quyết định khả năng bán ra, và đây là thứ mà rất nhiều doanh nghiệp bỏ quên khi chỉ nhìn bảng số liệu.

3.2 Dòng dữ liệu (Data Flow)

Nếu dòng hàng chảy từ trên xuống, thì dòng dữ liệu lại chảy theo hướng ngược lại:

Shopper → Retailer → Sales → Distributor → Manufacturer

Dữ liệu được sinh ra từ điểm cuối chuỗi – hành vi mua hàng thực tế – rồi được truyền ngược lại để doanh nghiệp phân tích, đánh giá và đưa ra quyết định.

Để phân tích đúng dữ liệu thương mại, bạn luôn phải đi ngược dòng dữ liệu.

Bởi càng đi về phía cuối chuỗi, dữ liệu càng gần với hành vi thị trường thật.

Hãy xem một vài tình huống thường gặp:

• Sell-in tăng nhưng sell-out giảm

Điều này không phải lỗi của Sales. Vấn đề nằm ở shopper hoặc retailer như: trưng bày yếu, giá bị phá, chương trình không đủ hấp dẫn, shopper chuyển sang sản phẩm thay thế.

• OOS cao dù tồn kho NPP còn nhiều

Lỗi không nằm ở supply chain mà nằm giữa Sales và Retailer như hàng không được trưng bày, replenishment chậm, nhân viên cửa hàng không lên đơn đúng lịch.

• ND/WD tăng nhưng VPO không tăng

Tức là điểm bán có hàng nhưng không bán được.

Nguyên nhân lại nằm ở shopper và in-store execution.

Chỉ khi nhìn dữ liệu theo đúng chiều chảy của nó, bạn mới hiểu chuyện gì thật sự đang diễn ra trong thị trường.

Một người làm Trade Marketing giỏi không bao giờ đọc dữ liệu theo kiểu “từng bảng số riêng lẻ”.

Họ luôn đặt dữ liệu vào dòng chảy, để biết con số đó phản ánh vấn đề của:

• dòng hàng,
• dòng dữ liệu,
• hay hành vi mua sắm của shopper.

Đó mới là cách phân tích thương mại thông minh và bền vững.

4. Hành trình dữ liệu: từ dữ liệu thô đến dữ liệu tinh chỉnh thành insight giá trị

Đây là phần quan trọng nhất trong toàn bộ dòng chảy thương mại, vì dữ liệu chỉ thực sự có giá trị khi được chuyển hóa thành hành động. Hành trình xử lý dữ liệu được mô tả như một dây chuyền sản xuất chuẩn: đi qua từng bước, bổ sung giá trị, và cuối cùng tạo ra “sản phẩm” là insight giúp đưa ra quyết định đúng.

Nếu một mắt xích trục trặc, toàn bộ kết quả cuối cùng sẽ bị méo lệch. Dữ liệu không bao giờ sai nhưng cách chúng ta xử lý và hiểu dữ liệu thì có thể sai rất nhiều.

Hành trình dữ liệu bao gồm 6 bước:

Bước 1, Thu thập – Data Capture

Dữ liệu được thu từ nhiều nguồn khác nhau: DMS của distributor, CRM của đội Sales, POS/ePOS của retailer, dữ liệu loyalty, audit thị trường, survey, feedback…

Mỗi nguồn phản ánh một góc nhìn khác nhau, và chính sự đa chiều này tạo nên sức mạnh của phân tích thương mại.

Bước 2, Làm sạch – Data Cleaning

Đây là bước thường bị xem nhẹ nhưng lại quan trọng nhất. Bạn phải đảm bảo:

• Field chuẩn hóa (brand, SKU, packsize…)
• Loại bỏ lỗi nhập liệu (số âm, sai định dạng…)
• Mapping SKU và mapping channel chuẩn
• Loại bỏ dữ liệu trùng lặp

Nếu dữ liệu bẩn, không hệ thống BI nào “cứu” được.

Bước 3, Tổng hợp – Data Aggregation

Ở bước này, dữ liệu thô được cấu trúc lại thành KPI thương mại:

• ND/WD – độ phủ số điểm bán
• VPO – doanh thu trung bình mỗi cửa hàng
• SOB – share of business
• OOS/OSA – có hàng hay không
• Traffic, Conversion (nếu có POS hiện đại)

Từ đây, dữ liệu bắt đầu có ý nghĩa. Nó không còn là “con số rời rạc”, mà là các chỉ số phản ánh sức khỏe thương mại của thương hiệu.

Bước 4, Trực quan – Data Visualization

Dashboard tốt phải “kể chuyện”, không chỉ hiển thị số.

Trực quan hóa giúp người đọc thấy rõ:

• xu hướng,
• bất thường,
• tương quan,
• và khoảng cách giữa mục tiêu và thực tế.

Dashboard mà không phản ánh logic thương mại thì chỉ là một bảng màu đẹp.

Bước 5, Phân tích – Analytics

Phân tích đúng phải trả lời 3 câu hỏi:

1. Chuyện gì đang xảy ra? (What)
2. Tại sao nó xảy ra? (Why)
3. Nếu không xử lý, điều gì sẽ xảy ra tiếp? (So what)

Đây là lúc data chuyển thành insight.

Bước 6, Ra quyết định – Decision Making

Quyết định có thể là:

• phân bổ lại ngân sách khuyến mãi,
• tăng coverage khu vực A,
• thêm SKU vào RE B,
• thay đổi cơ chế bán,
• điều chỉnh giá,
• hay mở lại chương trình kích cầu.

Insight mà không dẫn đến hành động thì đó là một insight vô nghĩa.

Người làm Trade cần luôn phải nhớ rằng dữ liệu là một dây chuyền. Nếu như hỏng một mắt xích thì toàn bộ hệ thống méo mó dẫn tới những quyết định sai và ảnh hưởng trực tiếp tới tăng trưởng của doanh nghiệp hay thậm chí là sự nghiệp của mỗi người.

Chính vì thế mà một người làm Trade giỏi không bao giờ bỏ qua bước nào trong dây chuyền này.

5. Bốn hiểu lầm phổ biến khi đọc dữ liệu thương mại

Trong thực tế, ngay cả những đội ngũ Trade kỳ cựu cũng rất dễ rơi vào những “cạm bẫy dữ liệu”. Dưới đây là bốn sai lầm phổ biến nhất.

Sai lầm thứ nhất, Dùng Sell-in để đánh giá thị trường

Sell-in chỉ là lượng hàng nhập vào NPP hoặc retailer. Nó phản ánh hành vi mua của đối tác phân phối, không phản ánh hành vi của shopper.

• Sell-in tăng ≠ thị trường tăng
• Sell-in giảm ≠ brand yếu

Nhiều doanh nghiệp “ảo tưởng tăng trưởng” chỉ vì sell-in đẹp, trong khi thực tế sell-out đang đứng yên hoặc giảm.

Muốn hiểu thị trường đang dịch chuyển thế nào, phải xem sell-out.

Sai lầm thứ 2, Chỉ tin vào một nguồn dữ liệu

Không có một nguồn dữ liệu nào hoàn hảo. Sai lầm lớn nhất là xem một nguồn dữ liệu là “kim chỉ nam tuyệt đối”.

• POS mạnh về shopper nhưng không thể hiện coverage thực thi.
• DMS phản ánh sell-in nhưng không phản ánh conversion.
• Audit sâu về trưng bày nhưng phạm vi nhỏ, không đại diện toàn thị trường.

Dữ liệu chỉ chính xác khi được giao thoa và đối chiếu.

Sai lầm thứ 3, Không hiểu bối cảnh tạo dữ liệu

Con số chỉ có nghĩa khi đặt trong bối cảnh.

Ví dụ kinh điển:

• Một chuỗi MT bất ngờ tăng sell-out mạnh do chạy markdown xả hàng gần date.
• Nếu không biết bối cảnh, bạn rất dễ kết luận “thị trường đang phát triển tốt” — trong khi thực tế chỉ là retailer đang gom traffic bằng giá sốc.

Dữ liệu không sai. Bối cảnh mới là thứ khiến bạn hiểu sai.

Sai lầm thứ 4, Mapping SKU sai – “tội lỗi thầm lặng” của Trade

Mapping SKU sai là lỗi dễ bị bỏ qua nhưng hậu quả lại rất lớn.

Nếu mapping lỗi:

• ND/WD lệch
• share-of-shelf lệch
• phân khúc category lệch
• đánh giá role sai
• quyết định assortment sai
• kế hoạch trưng bày sai

Nhiều doanh nghiệp đã “đốt” cả quý chỉ vì sai mapping vài SKU quan trọng.

Mapping SKU là một trong những kỹ năng sống còn của Trade.

6. Tổng kết: Muốn làm Trade thông minh – phải hiểu dữ liệu từ gốc

Dữ liệu là nền tảng, nhưng hiểu dữ liệu còn quan trọng hơn sở hữu dữ liệu.

Chuỗi giá trị thương mại chính là “bản đồ giao thông” của dữ liệu chỉ cho bạn biết:

• dữ liệu được sinh ra ở đâu,
• đi qua những mắt xích nào,
• và bị tác động bởi yếu tố nào ở mỗi bước.

Nếu bạn hiểu đúng bản đồ này, mọi dashboard bạn đọc sẽ trở nên “có tiếng nói”, cho bạn thấy câu chuyện đằng sau con số chứ không chỉ đơn thuần là con số.

Một người làm Trade Marketing giỏi không phải là người thuộc lòng KPIs.

Đó là người biết đọc bản chất dữ liệu, biết dữ liệu “đang nói gì”, và quan trọng nhất là biết biến dữ liệu thành quyết định tạo ra tăng trưởng.

Trade không phải là cuộc chơi của báo cáo. Trade là cuộc chơi của hiểu dữ liệu – hiểu thị trường – và hành động đúng lúc.

Khóa học “Phân Tích Dữ Liệu Thương Mại dành cho Trade Marketing”

Nếu bạn cảm thấy mình đang “bơi trong dữ liệu” mỗi ngày nhưng vẫn khó rút ra insight; hoặc nếu bạn muốn hiểu sâu hơn về sell-in, sell-out, distribution, ND/WD, OOS, promotion ROI, VPO, SOB… để làm việc hiệu quả hơn với Sales, Distributor, Retailer và Key Account thì đã đến lúc bạn cần một bộ kỹ năng bài bản.

CASK phát triển khóa học “Phân Tích Dữ Liệu Thương Mại dành cho Trade Marketing” dựa trên kinh nghiệm triển khai thực tế, giúp bạn:

• Hiểu rõ nguồn gốc dữ liệu trong toàn bộ Chuỗi Giá Trị Thương Mại
• Đọc đúng & phân tích đúng các KPI cốt lõi của Trade
• Xây dựng báo cáo, dashboard và phân tích theo logic thương mại
• Hiểu bản chất sell-in/sell-out và cách xử lý chênh lệch
• Đọc được vấn đề thật phía sau dữ liệu phân phối (ND/WD, VPO, Active Outlet…)
• Đánh giá đúng hiệu quả trưng bày, khuyến mãi và hoạt động thương mại
• Ứng dụng phân tích để ra quyết định thực tế trong ngành hàng và kênh bán

Khóa học phù hợp cho: Trade Marketing, Key Account, Sales Capability, Category Development, Brand, Data Analyst, hoặc bất kỳ ai muốn nâng cấp năng lực phân tích dữ liệu để làm việc hiệu quả trong hệ thống thương mại.

Nếu bạn muốn trở thành người Trade có khả năng đọc dữ liệu sâu – nói chuyện bằng số – và ra quyết định dựa trên insight thay vì cảm tính, đây chính là bước đi tiếp theo dành cho bạn.

Hãy để dữ liệu làm việc cho bạn và để CASK đồng hành cùng bạn trên hành trình trở thành Trade Marketer thế hệ mới.