Biến dữ liệu thương mại điện tử thành insight chiến lược - Cách Phạm Thị Thu Trang khám phá “nghịch lý best-seller" trên Amazon

Mục lục

1 Giới thiệu dự án Power BI
2 Thông tin chung của dự án
- 2.1 Mục tiêu dự án
- 2.2 Power BI report
3 Hành trình xây dựng báo cáo – Tư duy & kỹ thuật
4 Những insights nổi bật thay đổi chiến lược kinh doanh của doanh nghiệp
5 Kết luận
6 Kết nối thêm với chúng mình

Giới thiệu dự án Power BI

“Sản phẩm bán chạy nhất… nhưng lại đang gây lỗ? Vì sao doanh nghiệp tăng doanh số mà lợi nhuận không tăng theo?”

Đó là câu hỏi mà Phạm Thị Thu Trang, học viên lớp PL300-129, đặt ra khi bắt đầu dự án Power BI cuối khóa. Khi phân tích hiệu quả kinh doanh của hai thương hiệu nội thất Ralita và Lavita trên Amazon, Trang không chỉ trực quan hóa dữ liệu mà còn tìm cách lý giải hiện tượng “bán nhiều nhưng không lời” – vấn đề phổ biến trong thương mại điện tử.

Thông tin chung của dự án

Học viên: Phạm Thị Thu Trang

Lớp: PL-300

Khóa: K-129

Chủ đề dự án: Sales and Product Analysis

Mục tiêu dự án

Dự án sử dụng dữ liệu kinh doanh từ 01/2024 – 07/2025 của hai thương hiệu Ralita và Lavita tại ba thị trường: Mỹ, Canada và Mexico. Mục tiêu chính gồm:

Phân tích doanh thu và lợi nhuận theo thời gian
Đánh giá hiệu quả kinh doanh theo quốc gia và thương hiệu
Phân tích theo danh mục sản phẩm, chất liệu và màu sắc
Đưa ra gợi ý phát triển sản phẩm dựa trên dữ liệu

Power BI report

Báo cáo Power BI của Phạm Thị Thu Trang được thiết kế gồm 4 phần chính, thể hiện mạch phân tích từ tổng quan đến chuyên sâu:

1) Tổng quan hiệu quả kinh doanh (Overview)

Doanh thu – lợi nhuận theo thời gian
Biến động Profit Margin giữa các giai đoạn

2) Phân tích theo quốc gia (Market Analysis)

So sánh US – Canada – Mexico
Hiệu suất theo thị trường lớn và thị trường ngách

3) Phân tích danh mục sản phẩm (Product & Performance)

Đánh giá best-seller vs profit-maker
Tỷ lệ trả hàng, TACOS, chi phí liên quan

4) Phân tích theo chất liệu sản phẩm (Material Analysis)

Đối chiếu doanh thu và biên lợi nhuận theo từng chất liệu

Dưới đây là bản report trên Power BI của học viên:

Bài showcase trên đây là sản phẩm thực hành của học viên sau khóa học Power BI tại Datapot. Bài làm vẫn đang trong quá trình hoàn thiện và có thể được nâng cấp thêm về mặt chuyên môn. Tuy vậy, sản phẩm đã thể hiện được khả năng vận dụng kiến thức vào thực tế và là một bước tiến đáng ghi nhận trong hành trình học tập.

Bạn có thể tham khảo cách lên bố cục, triển khai insight và xử lý nội dung trong bài để lấy cảm hứng cho báo cáo hoặc sản phẩm dữ liệu sắp tới của mình.

Hành trình xây dựng báo cáo – Tư duy & kỹ thuật

Trong quá trình thực hiện dự án, Thu Trang đã áp dụng nhiều kỹ thuật quan trọng để biến dữ liệu thô thành một báo cáo phân tích có giá trị:

Làm sạch và chuẩn hóa dữ liệu, tạo mô hình dữ liệu và tính toán các DAX measure như Profit Margin, TACOS, Return Rate, Contribution.
Thiết kế biểu đồ theo nguyên tắc data storytelling, làm rõ mối quan hệ giữa doanh thu – lợi nhuận – chi phí – trả hàng.
Phát hiện và lý giải những điểm bất thường trong dữ liệu bằng cách đối chiếu nhiều chỉ số khác nhau, tránh kết luận vội vàng từ một góc nhìn duy nhất.

Cách làm này cho thấy Trang không chỉ biết sử dụng công cụ, mà còn có tư duy phân tích bài bản: đặt câu hỏi đúng, tìm nguyên nhân gốc rễ và kết nối dữ liệu thành một bức tranh logic.

Những insights nổi bật thay đổi chiến lược kinh doanh của doanh nghiệp

Sản phẩm best-seller nhưng gây lỗ

Insight đầu tiên và cũng là điểm gây bất ngờ nhất trong dự án của Thu Trang là việc sản phẩm bán chạy nhất lại là sản phẩm gây lỗ. Jewelry Box – mặt hàng chiếm tới 15.2% tổng doanh thu – lại có lợi nhuận âm vì tỷ lệ trả hàng quá cao. Dữ liệu cho thấy Return Rate (tỉ lệ hoàn trả) 15.7% đã “ăn mòn” phần lớn lợi nhuận, cho thấy doanh thu lớn không đồng nghĩa với hiệu quả kinh doanh. Đây là một phát hiện quan trọng, giúp doanh nghiệp tránh rơi vào cái bẫy “bán nhiều nhưng không lời” vốn rất phổ biến trên các sàn thương mại điện tử.

Chỉ 25% doanh thu tạo ra 82.9% lợi nhuận

Báo cáo của Thu Trang chỉ ra rằng lợi nhuận thực sự của doanh nghiệp không đến từ những sản phẩm nổi bật về doanh số, mà tập trung vào một nhóm nhỏ các sản phẩm có biên lợi nhuận cao. Ba nhóm sản phẩm gồm Clothing Basket, Sofa Table và Charcuterie Board chỉ chiếm 25% doanh thu nhưng đóng góp đến 82.9% tổng lợi nhuận. Phát hiện này giúp xác định rõ đâu là “trục lợi nhuận” cần đầu tư, tối ưu và mở rộng, thay vì dàn trải nguồn lực vào toàn bộ danh mục.

Thị trường lớn nhất không phải là thị trường sinh lời nhất

Mỹ mang lại gần như toàn bộ doanh thu (98%), nhưng biên lợi nhuận thấp hơn đáng kể so với Canada. Dù có quy mô nhỏ hơn, Canada lại mang đến tỷ suất lợi nhuận cao gấp nhiều lần thị trường Mỹ. Điều này cho thấy doanh nghiệp cần xem xét lại chiến lược phân bổ nguồn lực, và cân nhắc mở rộng tại các thị trường “ngách” nhưng chất lượng.

TACOS không quyết định lợi nhuận — Return Rate mới là biến số mạnh nhất

TACOS (Total Advertising Cost of Sales) – Tổng chi phí quảng cáo trên doanh thu không phải yếu tố quyết định lợi nhuận, trái với suy nghĩ phổ biến. Một sản phẩm có chi phí quảng cáo cao chưa chắc gây lỗ, và một sản phẩm có chi phí thấp chưa chắc có lời. Qua phân tích mối liên hệ giữa doanh thu, chi phí và tỷ lệ trả hàng, Trang chứng minh rằng chính Return Rate mới là biến số tác động mạnh nhất đến lợi nhuận.

Chất liệu sản phẩm quyết định khả năng sinh lời

Một insight thú vị trong báo cáo chỉ ra: chất liệu sản phẩm đóng vai trò quan trọng trong khả năng sinh lời. Mặc dù “tre” là chất liệu tạo doanh thu lớn, nhưng “mây đan” mới là nhóm mang lại biên lợi nhuận cao nhất. Phát hiện này giúp định hướng phát triển sản phẩm trong tương lai, đồng thời khuyến nghị doanh nghiệp ưu tiên các chất liệu mang lại giá trị cao hơn, thay vì chỉ tập trung vào những nhóm đang bán chạy.

Kết luận

Dự án giúp Thu Trang không chỉ nắm vững kỹ năng xây dựng báo cáo Power BI, mà quan trọng hơn, hình thành tư duy phân tích có hệ thống. Qua việc đối chiếu doanh thu, lợi nhuận, chi phí và hành vi khách hàng, Trang nhận ra rằng giá trị của phân tích không nằm ở việc nhìn vào từng chỉ số riêng lẻ, mà ở khả năng kết nối chúng để hiểu điều gì thực sự đang diễn ra trong hoạt động kinh doanh. Đây là bước chuyển từ “đọc số liệu” sang “kể câu chuyện dữ liệu”, một kỹ năng cốt lõi của người làm phân tích dữ liệu.

Đó cũng chính là định hướng đào tạo mà Datapot theo đuổi: trang bị cho học viên khả năng sử dụng dữ liệu như một công cụ tư duy, không chỉ là thao tác kỹ thuật. Khi hiểu cách dữ liệu phản ánh thực tế vận hành của doanh nghiệp, người học có thể đưa ra phân tích sâu hơn, quyết định tốt hơn và tạo ra giá trị rõ ràng từ công việc của mình.

Tìm hiểu khóa Power BI thực chiến