Question: đọc how 45 ( tìm, hiểu casestudy của danh nghiệp đã ứng dụng thành

công ex:amazon) chọn 1 trong 45 danh nghiệp (cụ thể)

Công ty đó đã ứng dụng bigdata ntn , mang lại hiệu quả gì, giải pháp ntn, công
nghệ liên quan được sử dụng

**Netflix là một trong những ví dụ điển hình cho thành công của doanh nghiệp khi ứng dụng
dữ liệu lớn (Big Data) và phân tích dữ liệu (Data Analytics) để cải thiện mô hình kinh doanh
trong những năm gần đây. Với hơn 100 triệu người đăng ký từ 190 quốc gia toàn cầu, doanh
nghiệp này có khả năng thu thập được nguồn dữ liệu khổng lồ mà không phải ai cũng có
được. Đây cũng được xem chìa khóa trong việc tăng vọt lợi nhuận của Netflix trong thời gian
qua. Cùng tìm hiểu cách mà Netflix đã ứng dụng phân tích Big Data trong bài viết dưới đây.
Sử dụng công nghệ phân tích dữ liệu để thấu hiểu khách hàng
 
Với việc phân tích dữ liệu người dùng trên trang web để xác định các yếu tố như: thể loại phim mà
khách hàng có hứng thú, thời gian xem, tần suất và thiết bị dùng để xem, nội dung tìm kiếm hay
thậm chí là dữ liệu phản hồi và tương tác của khách hàng đối với một bộ phim hay chương trình
truyền hình nhằm tự động tạo ra hồ sơ chi tiết về người dùng để hiểu họ chính xác hơn. Điều này
giúp Netflix thay đổi linh hoạt sản phẩm, sử dụng thuật toán đề xuất để đề xuất chương trình phù
hợp với thị hiếu của khách hàng đến từ nhiều khu vực khác nhau, từ đó giúp doanh nghiệp này giữ
chân khách hàng hiệu quả. Thực tế cho thấy, Netflix đã kiếm được hơn một tỷ đô mỗi năm nhờ việc
này.
 
Sử dụng dữ liệu nhằm giảm thiểu rủi ro trong việc đưa ra quyết định
 
Netflix cho rằng, sự thành công của một bộ phim đến từ 70% ở việc sản xuất, thực hiện những việc
liên quan để tạo ra một bộ phim và 30% còn lại nằm ở cách sử dụng & phân phối nguồn tài nguyên
đó hợp lý đến người xem Nếu như trước đây, các nhà quản lý đều đưa ra quyết định nên sản xuất bộ
phim nào kế tiếp hay mờ diễn viên nào vào bộ phim sắp đến,... theo trực giác và dư luận thì bây giờ,
họ đã sử dụng các hệ thống ra quyết định của Big Data dựa trên cơ sở kiến trúc dữ liệu phân tích
phù hợp nhằm có được đánh giá khách quan nhất.
. 
Thành công của Netflix đã chứng minh được rằng: nếu liên tục sử dụng phân tích dữ liệu thì phần
lớn các quyết định sẽ trở nên tốt và chính xác hơn, giảm thiểu tối đa rủi ro và mang lại kết quả như
mong đợi.
 
Ứng dụng phân tích dữ liệu để thực hiện truyền thông
 
Bên cạnh những việc trên, Netflix còn sử dụng Big Data và phân tích dữ liệu để tiến hành tiếp thị
(marketing) tùy chỉnh. Điều này thể hiện rõ nhất trong việc quảng bá ‘House of Card” trong thời
gian gần đây. Theo đó, Netflix đã cắt hơn 10 phiên bản khác nhau của đoạn trailer (giới thiệu) phục
vụ cho việc quảng bá chương trình. Tùy vào sở thích của người xem mà họ sẽ thấy một đoạn giới
thiệu phù hợp. Chính vì Netflix đã biết trước có bao nhiêu người sẽ quan tâm đến bộ phim và điều
gì kích thích họ điều chỉnh mà công ty này không phải dành quá nhiều thời gian và nguồn lực cho
việc tiếp thị.
 
Ngoài ra, Netflix cũng khuyến khích phản hồi từ khách hàng bằng việc thay đổi hệ thống phản hồi
thành dạng chọn thumbs up/thumbs down đơn giản, nhanh gọn để tăng mức độ tham gia và tương
tác của người xem. Việc này cho phép họ tùy chỉnh nội dung trang chủ tốt hơn nữa đối với từng
khách hàng.
 
Nhờ những chiến lược khác biệt dẫn đầu nói trên, Netflix đã từng bước chinh phục thị trường thế
giới. Trường hợp của Netflix đã chứng tỏ rằng, việc không ngừng phát triển, thay đổi công nghệ để
gia tăng hiểu biết về thị trường theo từng khu vực kinh doanh chính là yếu tố quan trọng đảm bảo sự
thành công vững chắc của doanh nghiệp đó. Điều này cũng giúp công ty tạo ra nhiều giá trị vô hình
và có vị thế nhất định trong tâm trí khách hàng.

mục tiêu chính của họ luôn là dự đoán những gì khách hàng sẽ

thích xem. Phân tích Dữ liệu lớn là nhiên liệu kích hoạt “công cụ đề xuất” được thiết kế để
phục vụ mục đích này.

Ứng dụng big data trong chuyển đổi số của Netflix được thể hiện qua việc:
Công ty netflix đã ứng dụng big data trong việc thu thập dữ liệu từ hàng triệu người đăng
ký, giám sát nhằm tìm hiểu thói quen xem của chúng ta.
Chính sự kết hợp của dữ liệu này với các kỹ thuật phân tích tiên tiến đã giúp Netflix trở
thành một công ty Dữ liệu lớn thực sự.
Big data được sử dụng để:
Dự đoán chính xác những gì chúng ta sẽ thích xem.
Lúc đầu, các nhà phân tích bị giới hạn bởi việc họ thiếu thông tin về khách hàng – chỉ có
bốn điểm dữ liệu (ID khách hàng, ID phim, đánh giá và ngày xem phim) là có sẵn để phân
tích. Ngay sau khi phát trực tuyến trở thành phương thức phân phối chính, nhiều điểm dữ
liệu mới về khách hàng của họ đã có thể truy cập được.
=> Dữ liệu mới này cho phép Netflix xây dựng các mô hình dự đoán tình huống bão hoàn
hảo khách hàng luôn được phục vụ những bộ phim mà họ sẽ thích. Rốt cuộc, những khách
hàng hài lòng có nhiều khả năng sẽ tiếp tục đăng ký gói đăng ký của họ hơn.
Một yếu tố trọng tâm khác trong nỗ lực của Netflix nhằm cung cấp cho chúng ta những bộ
phim mà chúng ta sẽ thích là gắn thẻ. Netflix đã xác định hiệu quả gần 80.000 “thể loại vi
mô” mới của phim dựa trên thói quen xem của chúng ta.
Chiến lược của họ ở đây cũng đã được định hướng chắc chắn bởi dữ liệu của họ - Điều này
cho thấy rằng những người đăng ký của họ rất thích nội dung do David Fincher đạo diễn và
Kevin Spacey đóng vai chính
=> Họ trả tiền để mua mạng lưới HBO và ABC để giành quyền đối với House of Cards, họ
tự tin rằng nó phù hợp với mô hình dự đoán của họ

Netflix đã cải thiện là số giờ khách hàng sử dụng dịch vụ của họ bằng cách cách thu thập dữ
liệu của người dùng cuối về cách vị trí thực tế của nội dung ảnh hưởng đến trải nghiệm của
người xem, các tính toán về vị trí của dữ liệu có thể được thực hiện để đảm bảo có một dịch
vụ tối ưu cho càng nhiều gia đình càng tốt.
Kết quả thu được từ việc ứng dụng Big data.
Họ đã có thêm 4,9 triệu người đăng ký mới trong quý 1 năm 2015, so với 4 triệu người cùng
kỳ năm 2014.
Trong quý 1 năm 2015, các thành viên Netflix đã phát trực tuyến 10 tỷ giờ nội dung. Nếu
chiến lược Dữ liệu lớn của Netflix tiếp tục phát triển, con số đó sẽ tăng lên.
Dữ liệu được sử dụng: các thuật toán, các quyết định về nội dung được cung cấp bởi dữ liệu
về tiêu đề mà khách hàng xem.
Chi tiết kỹ thuật: Vì kích thước danh mục vượt quá 3 byte => từ cơ sở dữ liệu Oracle
chuyển sang NoSQL và Cassandra
Khó khăn trong việc ứng dụng Big data và cách vượt qua.
Mặc dù rất nhiều siêu dữ liệu được Netflix thu thập nhưng rất nhiều dữ liệu có giá trị cũng
được lưu trữ trong đó có nội dung lộn xộn, không có cấu trúc của video và âm thanh.
=> Netflix đã làm điều này bằng cách trả tiền cho các nhóm người xem, gắn thẻ tỉ mỉ các
yếu tố mà họ tìm thấy trong đó.Từ dữ liệu này, Netflix đã xác định được gần 80.000 “thể
loại vi mô”.
=> Điều này mang lại cho dữ liệu lộn xộn, phi cấu trúc phác thảo một cấu trúc có thể được
đánh giá định lượng
Bài học rút ra
Dự đoán những gì người xem sẽ muốn xem tiếp theo là công việc kinh doanh lớn đối với
các công ty mạng
=> Netflix đã dẫn đầu nhưng các dịch vụ cạnh tranh như Hulu và Amazon Instant Box
Office
Lập trình nội dung dự đoán là một lĩnh vực mà chúng ta có thể mong đợi thấy sự đổi mới
liên tục

LÝ LỊCH
Dịch vụ truyền hình và phim trực tuyến Netflix được cho là chiếm 1/3 lưu lượng truy cập
Internet vào giờ cao điểm ở Mỹ và dịch vụ này hiện có 65 triệu thành viên ở hơn 50 quốc
gia thưởng thức hơn 100 triệu giờ chương trình truyền hình và phim mỗi ngày . Dữ liệu từ
hàng triệu người đăng ký này được thu thập và giám sát nhằm tìm hiểu thói quen xem của
chúng tôi. Nhưng dữ liệu của Netflix không chỉ “lớn” theo nghĩa đen. Chính sự kết hợp của
dữ liệu này với các kỹ thuật phân tích tiên tiến đã giúp Netflix trở thành một công ty Dữ liệu
lớn thực sự
Dữ liệu lớn giúp giải quyết vấn đề gì?
Nhà viết kịch bản huyền thoại của Hollywood, William Goldman, nói: “Không ai, không ai
– không phải bây giờ, không bao giờ – biết được điều quái quỷ nhất về điều gì sẽ thành
công hoặc không thành công ở phòng vé.” Anh ấy đã nói trước khi Internet và Dữ liệu lớn
xuất hiện, và kể từ đó, Netflix đã quyết tâm chứng minh rằng anh ấy đã sai bằng cách xây
dựng một doanh nghiệp xoay quanh việc dự đoán chính xác những gì chúng ta sẽ thích xem.
Dữ liệu lớn được sử dụng trong thực tế như thế nào?
Nhìn lướt qua trang việc làm của Netflix là đủ để cho bạn biết mức độ nghiêm trọng của dữ
liệu và phân tích. Các chuyên gia được tuyển dụng để tham gia các nhóm có kỹ năng đặc
biệt trong việc áp dụng các kỹ năng phân tích vào các lĩnh vực kinh doanh cụ thể: phân tích
cá nhân hóa, phân tích nhắn tin, phân tích phân phối nội dung, phân tích thiết bị. . . Danh
sách cứ kéo dài. Tuy nhiên, mặc dù Dữ liệu lớn được sử dụng trên mọi khía cạnh của hoạt
động kinh doanh Netflix, mục tiêu chính của họ luôn là dự đoán những gì khách hàng sẽ
thích xem. Phân tích Dữ liệu lớn là nhiên liệu kích hoạt “công cụ đề xuất” được thiết kế để
phục vụ mục đích này.
Những nỗ lực ở đây bắt đầu từ năm 2006, khi công ty vẫn chủ yếu kinh doanh dịch vụ gửi
thư DVD (việc phát trực tuyến bắt đầu một năm sau đó). Họ đã đưa ra Giải thưởng Netflix,
cung cấp 1 triệu đô la cho nhóm có thể đưa ra thuật toán tốt nhất để dự đoán cách khách
hàng của họ sẽ xếp hạng một bộ phim dựa trên xếp hạng trước đó của họ. Mục chiến thắng
cuối cùng đã được công bố vào năm 2009 và mặc dù các thuật toán liên tục được sửa đổi và
bổ sung, nhưng các nguyên tắc vẫn là yếu tố chính của công cụ đề xuất.
Lúc đầu, các nhà phân tích bị giới hạn bởi việc họ thiếu thông tin về khách hàng – chỉ có
bốn điểm dữ liệu (ID khách hàng, ID phim, đánh giá và ngày xem phim) là có sẵn để phân
tích. Ngay sau khi phát trực tuyến trở thành phương thức phân phối chính, nhiều điểm dữ
liệu mới về khách hàng của họ đã có thể truy cập được. Dữ liệu mới này cho phép Netflix
xây dựng các mô hình dự đoán tình huống bão hoàn hảo khách hàng luôn được phục vụ
những bộ phim mà họ sẽ thích. Rốt cuộc, những khách hàng hài lòng có nhiều khả năng sẽ
tiếp tục đăng ký gói đăng ký của họ hơn.
Một yếu tố trọng tâm khác trong nỗ lực của Netflix nhằm cung cấp cho chúng ta những bộ
phim mà chúng ta sẽ thích là gắn thẻ. Công ty trả tiền cho mọi người xem phim và sau đó
gắn thẻ cho họ với các yếu tố trong phim. Sau đó, họ sẽ gợi ý bạn xem các sản phẩm khác
được gắn thẻ tương tự như những sản phẩm bạn thích. Đây là nơi bắt nguồn của những “gợi
ý” đôi khi bất thường (và nghe có vẻ hơi máy móc): “Bạn có tâm trạng muốn xem bộ phim
hài tuổi teen lập dị có một nữ chính mạnh mẽ không?” Đó cũng là lý do mà dịch vụ đôi khi
(thực ra, theo kinh nghiệm của tôi, thường xuyên như vậy!) khuyên tôi nên xem những bộ
phim chỉ được xếp hạng một hoặc hai sao. điều này có thể có vẻ trái ngược với mục tiêu của
họ là cho tôi xem những bộ phim mà tôi sẽ thích. Nhưng điều đã xảy ra là trọng số của
những xếp hạng này đã bị lấn át bởi dự đoán rằng nội dung của bộ phim sẽ hấp dẫn. Trên
thực tế, Netflix đã xác định hiệu quả gần 80.000 “thể loại vi mô” mới của phim dựa trên thói
quen xem của chúng ta!
Gần đây, Netflix đã chuyển sang định vị mình là một người sáng tạo nội dung, không chỉ là
một phương thức phân phối cho các hãng phim và các mạng khác. Chiến lược của họ ở đây
cũng đã được định hướng chắc chắn bởi dữ liệu của họ – điều này cho thấy rằng những
người đăng ký của họ rất thích nội dung do David Fincher đạo diễn và Kevin Spacey đóng
vai chính. Sau khi trả giá cao hơn các mạng lưới bao gồm HBO và ABC để giành quyền đối
với House of Cards, họ tự tin rằng nó phù hợp với mô hình dự đoán của họ về “chương trình
truyền hình hoàn hảo” đến mức họ đã bỏ qua quy ước sản xuất thử nghiệm và ngay lập tức
đưa vào hoạt động hai mùa bao gồm 26 tập. . Mọi khía cạnh của quá trình sản xuất dưới sự
kiểm soát của Netflix đều được thông báo bằng dữ liệu – ngay cả dải màu được sử dụng trên
ảnh bìa của loạt phim cũng được chọn để thu hút người xem.
Số liệu cuối cùng mà Netflix hy vọng sẽ cải thiện là số giờ khách hàng sử dụng dịch vụ của
họ. Bạn không thực sự cần số liệu thống kê để cho bạn biết rằng những người xem không
dành nhiều thời gian sử dụng dịch vụ có thể cảm thấy họ không nhận được giá trị đồng tiền
từ đăng ký của họ và do đó có thể hủy đăng ký của họ. Để đạt được mục tiêu này, cách các
yếu tố khác nhau ảnh hưởng đến “chất lượng trải nghiệm” được giám sát chặt chẽ và các mô
hình được xây dựng để khám phá xem điều này ảnh hưởng như thế nào đến hành vi của
người dùng. Bằng cách thu thập dữ liệu của người dùng cuối về cách vị trí thực tế của nội
dung ảnh hưởng đến trải nghiệm của người xem, các tính toán về vị trí của dữ liệu có thể
được thực hiện để đảm bảo có một dịch vụ tối ưu cho càng nhiều gia đình càng tốt.
Kết quả là gì?
Thư của Netflix gửi cho các cổ đông vào tháng 4 năm 2015 cho thấy chiến lược Dữ liệu lớn
của họ đã được đền đáp. Họ đã có thêm 4,9 triệu người đăng ký mới trong quý 1 năm 2015,
so với 4 triệu người cùng kỳ năm 2014. Net flix cho rằng phần lớn thành công này là nhờ
“nội dung ngày càng cải tiến” của họ, bao gồm House of Cards và Orange is the New Black.
Nội dung ban đầu này đang thúc đẩy việc thu hút thành viên mới và giữ chân khách hàng.
Trên thực tế, 90% thành viên Netflix đã tương tác với nội dung ban đầu này. Rõ ràng, khả
năng dự đoán nội dung mà người xem sẽ thích là một phần quan trọng của thành công này.
Còn số liệu cuối cùng của họ thì sao: khách hàng dành bao nhiêu giờ để sử dụng dịch vụ?
Chà, chỉ riêng trong quý 1 năm 2015, các thành viên Netflix đã phát trực tuyến 10 tỷ giờ nội
dung. Nếu chiến lược Dữ liệu lớn của Netflix tiếp tục phát triển, con số đó sẽ tăng lên.
Dữ liệu nào đã được sử dụng?
Các thuật toán đề xuất và các quyết định về nội dung được cung cấp bởi dữ liệu về tiêu đề
mà khách hàng xem, thời gian xem phim trong ngày, thời gian chọn phim, tần suất dừng
phát lại (do người dùng hoặc do hạn chế của mạng) và xếp hạng được đưa ra. Để phân tích
chất lượng trải nghiệm, Netflix thu thập dữ liệu về độ trễ do lưu vào bộ đệm (tốc độ bộ đệm
lại) và tốc độ bit (ảnh hưởng đến chất lượng hình ảnh), cũng như vị trí của khách hàng.
Các chi tiết kỹ thuật là gì?
Mặc dù danh mục phim và chương trình truyền hình khổng lồ của họ được lưu trữ trên đám
mây trên Amazon Web Services (AWS), danh mục này cũng được các ISP và các máy chủ
khác phản chiếu trên khắp thế giới. Cùng với việc cải thiện trải nghiệm người dùng bằng
cách giảm độ trễ khi truyền phát nội dung trên toàn cầu, điều này giúp giảm chi phí cho các
ISP – tiết kiệm cho họ chi phí tải xuốngdữ liệu từ máy chủ Netflix trước khi chuyển cho
người xem tại nhà.
Vào năm 2013, kích thước danh mục của họ được cho là vượt quá ba petabyte. Lượng dữ
liệu khổng lồ này được giải thích là do nhu cầu chứa nhiều tiêu đề của họ ở tối đa 120 định
dạng video khác nhau, do số lượng thiết bị khác nhau cung cấp tính năng phát lại Netflix.
Ban đầu, hệ thống của họ sử dụng cơ sở dữ liệu Oracle, nhưng họ đã chuyển sang NoSQL
và Cassandra để cho phép phân tích dữ liệu phi cấu trúc phức tạp hơn, dựa trên Dữ liệu lớn.
Phát biểu tại hội nghị Strata + Hadoop World, Kurt Brown, người đứng đầu nhóm Nền tảng
dữ liệu tại Netflix, đã giải thích nền tảng dữ liệu của Netflix không ngừng phát triển như thế
nào. Cơ sở hạ tầng dữ liệu của Netflix bao gồm các công nghệ Dữ liệu lớn như Hadoop,
Hive và Pig cùng với các công cụ kinh doanh thông minh truyền thống như Teradata và
MicroStrategy. Nó cũng bao gồm các ứng dụng và dịch vụ mã nguồn mở riêng của Netflix
là Lipstick và Genie. Và, giống như tất cả cơ sở hạ tầng cốt lõi của Netflix, tất cả đều chạy
trên đám mây AWS. Trong tương lai, Netflix đang khám phá Spark cho các trường hợp sử
dụng phát trực tuyến, học máy và phân tích, đồng thời họ đang tiếp tục phát triển các phần
bổ sung mới cho bộ nguồn mở của riêng mình.
Bất kỳ thách thức nào phải vượt qua?
Mặc dù rất nhiều siêu dữ liệu được Netflix thu thập – diễn viên mà người xem thích xem và
thời gian họ xem phim hoặc chương trình truyền hình trong ngày – là dữ liệu có cấu trúc
đơn giản, dễ định lượng, nhưng Netflix đã sớm nhận ra rằng rất nhiều dữ liệu có giá trị cũng
được lưu trữ trong đó. nội dung lộn xộn, không có cấu trúc của video và âm thanh.
Để làm cho dữ liệu này có sẵn cho phân tích máy tính và do đó mở khóa giá trị của nó, nó
phải được định lượng theo một cách nào đó. Netflix đã làm điều này bằng cách trả tiền cho
các nhóm người xem, lên tới hàng nghìn người, để xem hàng giờ nội dung, gắn thẻ tỉ mỉ các
yếu tố mà họ tìm thấy trong đó.
Sau khi đọc cuốn sổ tay dài 32 trang, những khán giả trả phí này đã đánh dấu các chủ đề,
vấn đề và mô-típ diễn ra trên màn ảnh, chẳng hạn như một anh hùng trải qua sự hiển linh
của tôn giáo hoặc một nhân vật nữ mạnh mẽ đưa ra lựa chọn đạo đức khó khăn. Từ dữ liệu
này, Netflix đã xác định được gần 80.000 “thể loại vi mô” chẳng hạn như “phim hài có động
vật biết nói” hoặc “phim cổ trang có chủ đề đồng tính nam hoặc đồng tính nữ”. Giờ đây,
Netflix có thể xác định những bộ phim bạn thích xem chính xác hơn nhiều so với việc chỉ
xem bạn thích phim kinh dị hay phim gián điệp và có thể sử dụng điều này để dự đoán
những gì bạn sẽ muốn xem. Điều này mang lại cho dữ liệu lộn xộn, phi cấu trúc phác thảo
một cấu trúc có thể được đánh giá định lượng – một trong những nguyên tắc cơ bản của Dữ
liệu lớn.
Ngày nay, Netflix được cho là đã bắt đầu tự động hóa quy trình này, bằng cách tạo ra các
quy trình có thể chụp nhanh nội dung ở định dạng Jpeg và phân tích những gì đang diễn ra
trên màn hình bằng cách sử dụng các công nghệ tinh vi như nhận dạng khuôn mặt và phân
tích màu sắc. Những ảnh chụp nhanh này có thể được chụp theo khoảng thời gian đã lên lịch
hoặc khi người dùng thực hiện một hành động cụ thể như tạm dừng hoặc dừng phát lại. Ví
dụ: nếu nó biết một người dùng phù hợp với hồ sơ có xu hướng tắt sau khi xem các cảnh
đẫm máu hoặc tình dục, nó có thể đề xuất các lựa chọn thay thế an thần hơn vào lần tới khi
họ ngồi xuống để xem nội dung nào đó.
Các điểm học tập chính và bài học rút ra là gì?
Dự đoán những gì người xem sẽ muốn xem tiếp theo là công việc kinh doanh lớn đối với
các công ty mạng, nhà phân phối và nhà sản xuất (tất cả các vai trò mà Netflix hiện đảm
nhận trong ngành truyền thông). Netflix đã dẫn đầu nhưng các dịch vụ cạnh tranh như Hulu
và Amazon Instant Box Office và sắp tới là Apple cũng có thể được tin tưởng sẽ cải thiện và
tinh chỉnh các phân tích của riêng họ. Lập trình nội dung dự đoán là một lĩnh vực mà chúng
ta có thể mong đợi thấy sự đổi mới liên tục, được thúc đẩy bởi sự cạnh tranh khốc liệt, khi
thời gian trôi qua.
Netflix đã bắt đầu xây dựng nền tảng của “được cá nhân hóa TV”, nơi người xem cá nhân sẽ
có lịch trình riêng của họ giải trí để tiêu thụ, dựa trên phân tích sở thích của họ. Ý tưởng này
đã được các mạng truyền hình nói đến từ lâu nhưng bây giờ chúng tôi bắt đầu thấy nó trở
thành hiện thực trong thời đại Dữ liệu lớn.