KPI là gì? Cách Data Analyst xây dựng KPI hiệu quả

Featured Image 1200×628@1x

KPI là gì?

KPI · KEY PERFORMANCE INDICATOR

KPI (Key Performance Indicator – chỉ số đo lường hiệu suất cốt lõi) là một số ít chỉ số cho biết doanh nghiệp, phòng ban hay cá nhân có đang tiến gần tới mục tiêu quan trọng hay không.

Nói ngắn gọn: mọi KPI đều là chỉ số, nhưng không phải chỉ số nào cũng là KPI. Một chỉ số chỉ trở thành KPI khi nó gắn trực tiếp với một mục tiêu, có người chịu trách nhiệm và được dùng để ra quyết định.

Một KPI đầy đủ luôn trả lời được 4 câu hỏi:

1

Đo cái gì? – tên và công thức tính rõ ràng.

2

Để làm gì? – mục tiêu kinh doanh mà nó phục vụ.

3

Thế nào là tốt? – mục tiêu số, ngưỡng cảnh báo.

4

Ai chịu trách nhiệm? – người hoặc bộ phận sở hữu chỉ số.

KPI, metric và OKR khác nhau thế nào?

Tiêu chí Metric (chỉ số) KPI OKR
Bản chất Bất kỳ con số nào đo được Chỉ số cốt lõi gắn với mục tiêu Khung đặt mục tiêu: Mục tiêu + Kết quả then chốt
Số lượng Rất nhiều Ít, chọn lọc Vài mục tiêu mỗi quý
Mục đích Theo dõi, phân tích Đánh giá hiệu suất liên tục Thúc đẩy thay đổi, bứt phá
Ví dụ Số lượt truy cập website Tỷ lệ chuyển đổi từ truy cập sang đơn hàng Mục tiêu: tăng trưởng kênh online; KR: tỷ lệ chuyển đổi từ 2% lên 3%

Trong thực tế, ba khái niệm này bổ sung cho nhau: OKR đặt hướng đi, KPI theo dõi sức khỏe của hoạt động, còn metric giúp giải thích vì sao KPI tăng hay giảm.

Data Analyst đóng vai trò gì khi xây dựng KPI?

Ban lãnh đạo quyết định mục tiêu; Data Analyst biến mục tiêu đó thành con số đo được, tin được và cập nhật được.

Cụ thể, Data Analyst thường đảm nhận năm việc:

1 Phiên dịch mục tiêu thành chỉ số: từ “tăng trải nghiệm khách hàng” đến “tỷ lệ đơn giao đúng hẹn” hay “điểm hài lòng sau mua”.
2 Chuẩn hóa định nghĩa: thống nhất công thức, phạm vi dữ liệu, cách xử lý trường hợp đặc biệt để mọi phòng ban nói cùng một ngôn ngữ.
3 Kiểm tra tính khả thi của dữ liệu: dữ liệu có sẵn không, nằm ở hệ thống nào, cập nhật bao lâu một lần, đáng tin đến đâu.
4 Đề xuất mục tiêu và ngưỡng dựa trên số liệu lịch sử: tránh mục tiêu quá dễ hoặc bất khả thi.
5 Xây dựng báo cáo, dashboard và cảnh báo để KPI được theo dõi đều đặn, không chỉ xem vào cuối kỳ.

Quy trình 6 bước Data Analyst xây dựng KPI

BƯỚC 01  🎯

Bắt đầu từ mục tiêu kinh doanh

Hỏi người ra quyết định: “Năm nay/quý này, điều gì quan trọng nhất cần đạt được?” Mỗi KPI phải truy ngược được về một mục tiêu cụ thể. Chỉ số không phục vụ mục tiêu nào thì chỉ nên là metric để tham khảo.

BƯỚC 02  ✅

Chọn chỉ số và lọc theo tiêu chí SMART

Với mỗi mục tiêu, liệt kê các chỉ số có thể phản ánh nó, rồi giữ lại những chỉ số đạt đủ 5 tiêu chí:

S Specific (cụ thể)
Ai đọc cũng hiểu cùng một ý nghĩa?
M Measurable (đo được)
Có dữ liệu để tính toán đều đặn không?
A Achievable (khả thi)
Mục tiêu có dựa trên số liệu lịch sử và nguồn lực thực tế?
R Relevant (liên quan)
Cải thiện chỉ số này có giúp đạt mục tiêu kinh doanh?
T Time-bound (có thời hạn)
Đo theo tuần, tháng hay quý? Hạn đạt là khi nào?

Nên kết hợp chỉ số kết quả (lagging) như doanh thu, lợi nhuận với chỉ số dẫn dắt (leading) như số cuộc hẹn tư vấn, tỷ lệ khách quay lại, để có thể hành động trước khi kết quả cuối kỳ xảy ra.

BƯỚC 03  📐

Viết định nghĩa và công thức chính xác

Đây là bước quan trọng nhất với Data Analyst. Một định nghĩa mơ hồ sẽ sinh ra nhiều con số khác nhau cho cùng một tên gọi. Ví dụ với “doanh thu”, cần trả lời: có tính VAT không, có trừ hàng trả lại không, ghi nhận theo ngày đặt hay ngày giao?

BƯỚC 04  🗄️

Xác định nguồn dữ liệu và tần suất cập nhật

Ghi rõ KPI lấy từ bảng nào, hệ thống nào (ERP, CRM, Google Analytics…), cập nhật hằng ngày hay hằng tuần. Nếu dữ liệu chưa có, hãy nói rõ cần thu thập thêm gì thay vì ước lượng.

BƯỚC 05  🚦

Đặt mục tiêu và ngưỡng cảnh báo

Dùng số liệu lịch sử để đề xuất mục tiêu, và chia ngưỡng thành 3 mức dễ hiểu:
đạt (xanh)
cần theo dõi (vàng)
cần hành động ngay (đỏ)

Ngưỡng rõ ràng giúp người xem biết ngay khi nào cần can thiệp.

BƯỚC 06  📊

Trực quan hóa, theo dõi và rà soát định kỳ

Đưa KPI lên dashboard với mốc so sánh (kế hoạch, kỳ trước, xu hướng), đặt cảnh báo tự động khi chạm ngưỡng. Sau mỗi quý, rà soát lại: KPI nào không còn phục vụ mục tiêu, KPI nào bị “tối ưu hóa sai cách” thì điều chỉnh.

Ví dụ KPI theo phòng ban

Phòng ban Mục tiêu KPI gợi ý Công thức
💼 Kinh doanh Tăng doanh thu bền vững Tỷ lệ đạt kế hoạch doanh thu Doanh thu thực đạt / Doanh thu kế hoạch
📣 Marketing Thu hút khách hàng hiệu quả Chi phí trên mỗi khách hàng mới (CAC) Tổng chi phí marketing / Số khách hàng mới
💬 Chăm sóc khách hàng Giữ chân khách hàng Tỷ lệ khách hàng quay lại Số khách mua từ 2 lần trở lên / Tổng số khách
🚚 Vận hành / Kho Giao hàng đúng cam kết Tỷ lệ giao hàng đúng hẹn Số đơn giao đúng hẹn / Tổng số đơn giao
👥 Nhân sự Giữ chân nhân tài Tỷ lệ nghỉ việc Số nhân sự nghỉ việc / Số nhân sự bình quân
💰 Tài chính Kiểm soát dòng tiền Số ngày thu tiền bình quân (DSO) Phải thu khách hàng / Doanh thu × Số ngày trong kỳ

Thẻ định nghĩa KPI mẫu

Mỗi KPI nên có một “thẻ định nghĩa” lưu trong tài liệu chung, để ai mở ra cũng hiểu giống nhau. Dưới đây là ví dụ cho KPI Tỷ lệ giao hàng đúng hẹn; các giá trị mục tiêu chỉ mang tính minh họa.

TÊN KPI

Tỷ lệ giao hàng đúng hẹn (On-time Delivery Rate)

Mục tiêu kinh doanh Giao hàng đúng cam kết, nâng trải nghiệm khách hàng
Công thức Số đơn giao thành công trước hoặc đúng ngày hẹn / Tổng số đơn đã giao trong kỳ
Quy ước Không tính đơn khách yêu cầu đổi ngày; đơn giao nhiều lần tính theo lần giao cuối
Nguồn dữ liệu Hệ thống quản lý vận đơn, bảng don_giao
Tần suất Cập nhật hằng ngày, đánh giá hằng tuần
Mục tiêu và ngưỡng Đạt: từ 95% Theo dõi: 90–95% Hành động ngay: dưới 90%
Người chịu trách nhiệm Trưởng bộ phận vận hành
Hiển thị Thẻ KPI trên dashboard vận hành, kèm xu hướng 12 tuần và chi tiết theo kho

Có thể tính KPI này bằng SQL như sau:

SELECT
  CAST(SUM(CASE WHEN ngay_giao_thuc_te <= ngay_hen_giao THEN 1 ELSE 0 END) AS FLOAT)
    / COUNT(*) AS ty_le_giao_dung_hen
FROM don_giao
WHERE trang_thai = N'Đã giao'
  AND khach_doi_ngay = 0
  AND ngay_giao_thuc_te >= '2026-10-01'
  AND ngay_giao_thuc_te <  '2026-11-01';

5 sai lầm thường gặp khi xây dựng KPI

1

Quá nhiều KPI: khi mọi thứ đều là “cốt lõi”, không còn gì cốt lõi nữa. Mỗi phòng ban nên tập trung vào một nhóm nhỏ chỉ số quan trọng nhất.

2

Chọn chỉ số “cho đẹp”: lượt xem, lượt thích dễ tăng nhưng ít khi phản ánh kết quả kinh doanh thật.

3

Định nghĩa mơ hồ: mỗi phòng ban tự tính một kiểu, đến cuộc họp thì tranh luận về con số thay vì về giải pháp.

4

Chỉ có chỉ số kết quả: biết doanh thu tháng trước giảm thì đã quá muộn để hành động; cần thêm chỉ số dẫn dắt.

5

Đặt KPI rồi bỏ đó: không rà soát định kỳ khiến KPI lệch khỏi mục tiêu, hoặc bị chạy theo số mà quên mục đích.

Checklist trước khi đưa KPI vào sử dụng

✓KPI gắn với một mục tiêu kinh doanh cụ thể.

✓Đạt đủ 5 tiêu chí SMART.

✓Có công thức và quy ước tính toán được viết thành văn bản.

✓Nguồn dữ liệu rõ ràng và đã đối chiếu với số liệu gốc.

✓Có mục tiêu và 3 mức ngưỡng cảnh báo.

✓Có người chịu trách nhiệm.

✓Đã lên dashboard và có lịch rà soát định kỳ.

Câu hỏi thường gặp (FAQ)

Mỗi phòng ban nên có bao nhiêu KPI?

Không có con số cố định, nhưng nên đủ ít để mọi người nhớ được và tập trung hành động. Nếu danh sách quá dài, hãy chuyển bớt thành metric tham khảo.

KPI cá nhân và KPI doanh nghiệp khác nhau thế nào?

KPI doanh nghiệp phản ánh mục tiêu chung; KPI phòng ban và cá nhân được chia nhỏ từ đó để mỗi người biết mình đóng góp vào đâu.

Bao lâu nên rà soát KPI một lần?

Theo dõi theo tần suất đã định (ngày, tuần, tháng) và rà soát bộ KPI ít nhất mỗi quý hoặc khi chiến lược thay đổi.

Nên dùng công cụ gì để theo dõi KPI?

Excel phù hợp khi mới bắt đầu; khi dữ liệu lớn và cần cập nhật tự động, Power BI kết hợp SQL là lựa chọn phổ biến của Data Analyst.

Kết luận

KPI là gì? Đó là vài con số quan trọng nhất cho biết doanh nghiệp có đang đi đúng hướng hay không.

Giá trị của KPI không nằm ở bản thân con số, mà ở chỗ nó được định nghĩa rõ, đo lường đúng và dẫn tới hành động.

Với Data Analyst, xây dựng KPI là cơ hội để đứng giữa nghiệp vụ và dữ liệu: hiểu mục tiêu của lãnh đạo, biến nó thành công thức chính xác và giúp cả tổ chức nhìn cùng một con số.

Nếu bạn muốn rèn luyện bài bản kỹ năng xây dựng KPI, SQL và dashboard Power BI, hãy tham khảo các khóa học tại MCNA Technology School ➜

Thông tin tác giả

Võ Ngọc Vương – Data Analyst tại MCNA Technology School.

MCNA Technology School là đơn vị tiên phong đào tạo AI, Big Data, Business Intelligence tại Việt Nam. Chuyên sâu về Power BI, Python, SQL và Data Analytics — đối tác đào tạo của 300+ doanh nghiệp.

Đối tác đào tạo: Viettel Global, Masan Group, Techcombank, VPBank, Daikin.

→ Chỉ mục