Tổng quan & Mục tiêu khóa học | MinAI Learning

Tổng quan

1/13•45 phút

Đang tải...

Tổng quan & Mục tiêu khóa học

Giới thiệu ngành bán lẻ Việt Nam, vai trò Data Analyst, và dataset MinMart

🎯 Mục tiêu bài học

TB5 min

Sau bài học này, bạn sẽ:

Hiểu hệ sinh thái bán lẻ Việt Nam: Traditional Trade vs Modern Trade, GT vs MT
Nắm được vai trò Data Analyst trong các team bán lẻ (Store Ops, Category, Marketing)
Khám phá dataset MinMart — 12 bảng star schema, 500K giao dịch
Xác định career path từ Retail Analyst đến Head of Analytics

📋 Thông tin bài học

Thông tin	Chi tiết
⏱️ Thời lượng	45 phút
📖 Chủ đề chính	Hệ sinh thái Retail, Vai trò DA, Dataset MinMart, Career path
💡 Kiến thức cần có	Không yêu cầu

Task 0

Tiếp: Retail Fundamentals

📖 Thuật ngữ quan trọng

TB5 min

Thuật ngữ	Tiếng Việt	Mô tả
GT	General Trade	Kênh truyền thống — chợ, tạp hóa, cửa hàng nhỏ lẻ
MT	Modern Trade	Kênh hiện đại — siêu thị, TTTM, cửa hàng tiện lợi
FMCG	Fast-Moving Consumer Goods	Hàng tiêu dùng nhanh (thực phẩm, đồ uống, chăm sóc cá nhân)
SKU	Stock Keeping Unit	Đơn vị quản lý tồn kho — mỗi biến thể sản phẩm là 1 SKU
POS	Point of Sale	Điểm bán hàng — hệ thống thanh toán tại quầy
Basket Size	Giá trị giỏ hàng	Giá trị trung bình mỗi giao dịch
Footfall	Lượt khách	Số lượt khách vào cửa hàng trong một khoảng thời gian
Planogram	Sơ đồ trưng bày	Bản vẽ sắp xếp sản phẩm trên kệ hàng
Shrinkage	Hao hụt	Thất thoát hàng hóa do trộm cắp, hư hỏng, sai sót
SSSG	Same-Store Sales Growth	Tăng trưởng doanh thu cùng cửa hàng — so sánh cùng kỳ
DWH	Data Warehouse	Kho dữ liệu tập trung phục vụ phân tích
Omnichannel	Đa kênh tích hợp	Kết hợp online + offline thành trải nghiệm liền mạch

Checkpoint

GT (General Trade) là kênh truyền thống (chợ, tạp hóa), MT (Modern Trade) là kênh hiện đại (siêu thị, cửa hàng tiện lợi). SKU là đơn vị nhỏ nhất quản lý sản phẩm. SSSG — Same-Store Sales Growth — là KPI quan trọng nhất để đo tăng trưởng organic của chuỗi bán lẻ.

Task 1

🏪 Hệ sinh thái Bán lẻ Việt Nam

TB5 min

Bán lẻ Việt Nam — Toàn cảnh 2025

Thị trường bán lẻ Việt Nam đạt ~180 tỷ USD (2025), tăng trưởng 8-10%/năm. Kênh truyền thống (GT) vẫn chiếm ~75% nhưng Modern Trade đang tăng nhanh nhờ tiện lợi, đa dạng sản phẩm và tích hợp công nghệ.

Cấu trúc kênh phân phối bán lẻ

Kênh phân phối Bán lẻ Việt Nam 2025

🏪Thị trường Bán lẻ VN

🏠General Trade — GT (~75%)

Chợ truyền thống

Tạp hóa / Cửa hàng nhỏ

Đại lý phân phối

🏬Modern Trade — MT (~20%)

Hypermarket (Big C, GO!, MM Mega Market)

Supermarket (Co.opmart, WinMart, Lotte)

Minimart (Bach Hoa Xanh, GS25)

Convenience Store (Circle K, 7-Eleven)

📱E-Commerce (~5%)

Marketplace (Shopee, Lazada, Tiki)

Quick Commerce (GrabMart, Baemin)

D2C / Brand Store

So sánh GT vs MT vs E-Commerce

Tiêu chí	GT (Truyền thống)	MT (Hiện đại)	E-Commerce
Thị phần	~75%	~20%	~5%
Dữ liệu	Rất ít (sổ tay)	Đầy đủ (POS, CRM)	Rất chi tiết (clickstream)
Cơ hội cho DA	Thấp	Rất cao	Cao
Ví dụ	Chợ Bến Thành, tạp hóa	WinMart, Co.opmart, BigC	Shopee, Lazada
Ưu điểm	Gần dân, linh hoạt	Trải nghiệm, đa dạng	Tiện lợi, 24/7
Xu hướng	Giảm dần	Tăng trưởng ổn định	Tăng nhanh

Vì sao Modern Trade là mảnh đất vàng cho DA?

MT có hệ thống POS thu thập dữ liệu giao dịch, chương trình loyalty ghi nhận hành vi khách hàng, và supply chain số hóa quản lý tồn kho. Đây là nguồn dữ liệu phong phú nhất cho Data Analyst trong bán lẻ.

Các chuỗi bán lẻ lớn tại Việt Nam

Chuỗi	Loại hình	Số CH	Chủ sở hữu
WinMart / WinMart+	Supermarket + Minimart	3,300+	Masan Group
Bach Hoa Xanh	Minimart	1,800+	MWG
Co.opmart / Co.opFood	Supermarket	1,000+	Saigon Co.op
Big C / GO!	Hypermarket	40+	Central Retail (TH)
Lotte Mart	Hypermarket

Task 2

👨‍💼 Vai trò Data Analyst trong Bán lẻ

TB5 min

Các team cần Data Analyst

🏢 6 Team tuyển Data Analyst trong chuỗi bán lẻ

#	Team	Lĩnh vực	Công việc chính
1	📊 Store Operations	Vận hành cửa hàng	Store scorecard, staffing, foot traffic, sales per sqm
2	📦 Category Management	Quản lý danh mục	ABC/XYZ analysis, assortment, planogram, pricing
3	🛒 Merchandising	Trưng bày & SKU	Shelf space optimization, new product performance
4	🚛 Supply Chain	Chuỗi cung ứng	Inventory optimization, reorder point, supplier scorecard
5	📣 Trade Marketing	Khuyến mãi & truyền thông	Promotion effectiveness, campaign ROI, loyalty analytics
6	👥 Customer Insights	Phân tích khách hàng	Segmentation, basket analysis, churn prediction

Kỹ năng yêu cầu

Kỹ năng	Mức độ	Ứng dụng trong Retail
SQL	Bắt buộc	Truy vấn POS data, inventory, sales report
Excel	Bắt buộc	Phân tích ad-hoc, pivot table, ABC analysis
Power BI/Tableau	Quan trọng	Store dashboard, executive reporting
Python	Khuyến khích	Basket analysis, demand forecasting, automation
Domain Knowledge	Bắt buộc	Hiểu KPIs bán lẻ, supply chain, category mgmt
Communication	Bắt buộc

Lộ trình nghề nghiệp

Lộ trình nghề nghiệp Data Analyst Bán lẻ

🌱Retail Analyst

📦Category Analyst

📣Trade Marketing Analyst

💼Commercial Analyst

👔Head of Analytics

Vị trí	Mức lương	Kinh nghiệm	Kỹ năng nổi bật
🌱 Retail Analyst	8–14M VND	0–1 năm	SQL cơ bản, Excel, báo cáo bán hàng
📦 Category Analyst	14–22M VND	1–3 năm	ABC/XYZ, pricing analysis, assortment
📣 Trade Marketing Analyst	18–28M VND	2–4 năm	Promotion ROI, campaign analysis, loyalty
💼 Commercial Analyst	25–40M VND	3–5 năm	P&L analysis, strategic planning, cross-functional
👔

Retail DA — Tăng trưởng cùng ngành

Bán lẻ hiện đại Việt Nam đang số hóa nhanh chóng (WinMart, Bach Hoa Xanh, Co.opmart đều đầu tư mạnh vào data). Nhu cầu DA tăng 25-30%/năm, đặc biệt trong Category Management và Supply Chain Analytics.

Task 3

📊 Dataset MinMart — Khám phá dữ liệu

TB5 min

MinMart — Chuỗi bán lẻ tổng hợp Việt Nam

MinMart là dataset mô phỏng chuỗi bán lẻ quy mô trung bình với 123,000 khách hàng, 500 sản phẩm, 80 cửa hàng, và ~500,000 giao dịch trong 2 năm (2023-2024). Dữ liệu được thiết kế theo Star Schema — chuẩn mực cho Retail Data Warehouse.

Star Schema — 12 bảng

Loại	Bảng	Số records	Mô tả
🔵 Dimension	`dim_customer`	123,000	Khách hàng thành viên loyalty
🔵 Dimension	`dim_product`	500	Sản phẩm — 6 category, 30+ brand
🔵 Dimension	`dim_store`	80	Cửa hàng (Flagship, Standard, Mini, Kiosk, Online)
🔵 Dimension	`dim_supplier`	~50	Nhà cung cấp (Vinamilk, Masan, P&G...)
🔵 Dimension	`dim_employee`	~400	Nhân viên bán hàng, quản lý
🔵 Dimension	`dim_promotion`	51	Chương trình khuyến mãi (Flash Sale, BOGO, Voucher)
🔵 Dimension	`dim_time`	730	Lịch 2 năm (ngày lễ VN, mùa, tuần)
🟠 Fact	`fact_sales`	~500,000	Giao dịch bán hàng — trung tâm phân tích
🟠 Fact	`fact_inventory`	~28,000	Tồn kho snapshot hàng tháng
🟠 Fact	`fact_returns`	~15,000	Trả hàng (returns & refunds)
🟠 Fact	`fact_purchase_order`	~10,000	Đơn đặt hàng với nhà cung cấp
🟠 Fact	`fact_inventory_daily`	~100,000	Tồn kho snapshot hàng ngày

Khám phá schema bằng SQL

SQL

1-- Xem cấu trúc bảng fact_sales
2SELECT column_name, data_type
3FROM information_schema.columns
4WHERE table_name = 'fact_sales'
5ORDER BY ordinal_position;
6
7-- Đếm records từng bảng
8SELECT 'dim_customer' AS table_name, COUNT(*) AS row_count FROM dim_customer
9UNION ALL
10SELECT 'dim_product', COUNT(*) FROM dim_product
11UNION ALL
12SELECT 'dim_store', COUNT(*) FROM dim_store
13UNION ALL
14SELECT 'fact_sales', COUNT(*) FROM fact_sales
15UNION ALL
16SELECT 'fact_inventory', COUNT(*) FROM fact_inventory
17UNION ALL
18SELECT 'fact_returns', COUNT(*) FROM fact_returns;

SQL

1-- Preview dữ liệu giao dịch: join fact_sales với dimensions
2SELECT
3t.full_date,
4s.store_name,
5p.product_name,
6p.category,
7c.full_name AS customer_name,
8c.customer_segment,
9fs.quantity,
10fs.unit_price,
11fs.total_amount,
12fs.discount_amount
13FROM fact_sales fs
14JOIN dim_time t ON fs.time_key = t.time_key
15JOIN dim_store s ON fs.store_key = s.store_key
16JOIN dim_product p ON fs.product_key = p.product_key
17JOIN dim_customer c ON fs.customer_key = c.customer_key
18WHERE t.full_date = '2024-06-15'
19ORDER BY fs.total_amount DESC
20LIMIT 20;

Task 4

🗺️ Luồng dữ liệu Retail

TB5 min

Từ POS đến Analytics

Luồng dữ liệu trong chuỗi bán lẻ

🖥️POS / App

⚙️ETL Pipeline

🗄️Data Warehouse

📊BI & Analytics

Giai đoạn	Thành phần	Chi tiết
🖥️ POS / App	Hệ thống thu ngân (POS)	Mỗi giao dịch ghi lại: SKU, số lượng, giá, KH, CH, thời gian
	App khách hàng / Loyalty	Loyalty points, behavior, preferences
	Website / E-commerce	Clickstream, cart, order, payment
⚙️ ETL Pipeline	Airflow / SSIS	Trích xuất dữ liệu hàng ngày, chuẩn hóa, transform
🗄️ Data Warehouse	Star Schema	7 bảng dimension + 5 bảng fact = MinMart DWH
📊 BI & Analytics	Dashboard	Store Performance, Category, Inventory, Customer 360
	Ad-hoc Analysis	SQL queries, Excel/Python analysis
	Predictive	Demand forecast, churn prediction, basket analysis

Chất lượng dữ liệu — Thách thức #1 của Retail DA

Dữ liệu bán lẻ thường gặp vấn đề: POS scan sai barcode, khách hàng không quẹt thẻ loyalty (30-40% giao dịch ẩn danh), trả hàng không ghi nhận đúng, tồn kho lệch giữa hệ thống và thực tế. Data Analyst cần luôn kiểm tra data quality trước khi phân tích.

Task 5

🧠 Expert Lens: Decision Framework cho Retail DA

TB5 min

Khung ra quyết định cho Data Analyst bán lẻ

Câu hỏi quyết định	Dữ liệu cần có	KPI theo dõi	Hành động gợi ý
Cửa hàng nào cần đóng/mở mới?	Revenue, Profit, Foot traffic, Rent	Revenue/sqm, Profit margin, SSSG	Cluster stores, so sánh peer group, tính payback period
Sản phẩm nào nên ngừng kinh doanh?	Sales velocity, Margin, Stock turn	Sell-through Rate, GMROI, Days of Supply	ABC/XYZ phân loại, review bottom 10% SKU hàng quý
Chương trình KM nào hiệu quả?	Sales pre/post, Redemption rate, Cannibalization	Lift %, ROI, Incremental revenue	So sánh A/B, đo cannibalization effect lên SPsản phẩm liền kệ
Nên order bao nhiêu hàng cho Tết?	Sales history 2 năm, Trend, External factors	Forecast accuracy, Stockout rate, Overstock %	Time series decomposition + business adjustment

Mô hình trưởng thành cho Retail BI

Diagram

Đang vẽ diagram...

Level	Mô tả	Công cụ	Ví dụ MinMart
Level 1 — Descriptive	Chuyện gì đã xảy ra?	SQL, Excel, Dashboard	Doanh thu tháng 6 giảm 5% so với tháng 5
Level 2 — Diagnostic	Tại sao xảy ra?	SQL nâng cao, drill-down	Do Category Điện tử giảm 15%, Flagship Q1 underperform
Level 3 — Predictive	Chuyện gì sẽ xảy ra?	Python, Time Series	Dự báo demand Tết 2025: Bánh kẹo tăng 40%, Gia dụng +20%
Level 4 — Prescriptive	Nên làm gì?	ML, Optimization	Auto-reorder khi stock < safety level, dynamic markdown

Gợi ý triển khai trong 90 ngày đầu tại chuỗi bán lẻ

30 ngày đầu: Chuẩn hóa KPI dictionary (Revenue/sqm, Basket Size, SSSG) cho tất cả cửa hàng
60 ngày đầu: Thiết lập daily Store Performance dashboard + Category Review tuần
90 ngày đầu: Triển khai ABC/XYZ classification tự động, cảnh báo out-of-stock hàng ngày

Task 8

Khóa học

Mentor & Hỗ trợ

Blog

Giới thiệu

Tổng quan & Mục tiêu khóa học

🎯 Mục tiêu bài học

📖 Thuật ngữ quan trọng

Checkpoint

🏪 Hệ sinh thái Bán lẻ Việt Nam

Cấu trúc kênh phân phối bán lẻ

Kênh phân phối Bán lẻ Việt Nam 2025

So sánh GT vs MT vs E-Commerce

Các chuỗi bán lẻ lớn tại Việt Nam

👨‍💼 Vai trò Data Analyst trong Bán lẻ

Các team cần Data Analyst

Kỹ năng yêu cầu

Lộ trình nghề nghiệp

Lộ trình nghề nghiệp Data Analyst Bán lẻ

📊 Dataset MinMart — Khám phá dữ liệu

Star Schema — 12 bảng

Khám phá schema bằng SQL

🗺️ Luồng dữ liệu Retail

Từ POS đến Analytics

Luồng dữ liệu trong chuỗi bán lẻ

🧠 Expert Lens: Decision Framework cho Retail DA

Khung ra quyết định cho Data Analyst bán lẻ

Mô hình trưởng thành cho Retail BI

Checkpoint