library(ggplot2)
library(table1)
## 
## Attaching package: 'table1'
## The following objects are masked from 'package:base':
## 
##     units, units<-
library(lessR)
## 
## lessR 4.5.2                          feedback: gerbing@pdx.edu 
## --------------------------------------------------------------
## > d <- Read("")  Read data file, many formats available, e.g., Excel
##   d is the default data frame, data= in analysis routines optional
## 
## Find examples of reading, writing, and manipulating data, graphics,
## testing means and proportions, regression, factor analysis,
## customization, forecasting, and aggregation to pivot tables.
##   Enter: browseVignettes("lessR")
## 
## Although most previous function calls still work, most
## visualization functions are now reorganized to three functions:
##    Chart(): type = "bar", "pie", "radar", "bubble", "dot",
##                    "sunburst", "treemap", "icicle"
##    X(): type="histogram", "density", "vbs", and more
##    XY(): type="scatter" for a scatterplot, or "contour", "smooth"
## There is also Flows() for Sankey flow diagrams.
## 
## View lessR updates, now including modern time series forecasting.
##   Enter: news(package="lessR"), or ?Chart, ?X, or ?XY
## 
## Interactive data analysis for constructing visualizations.
##   Enter: interact()
## 
## Attaching package: 'lessR'
## The following object is masked from 'package:table1':
## 
##     label

Đọc dữ liệu

data <- read.csv(file.choose())

Kiểm tra

nrow(data)
## [1] 108
names(data)
## [1] "thang"     "san_pham"  "khu_vuc"   "doanh_thu"

Bảng khu vực

table1(~ doanh_thu | khu_vuc, data = data)
Bac
(N=36)		 Nam
(N=36)		 Trung
(N=36)		 Overall
(N=108)
doanh_thu
Mean (SD) 330 (81.3) 330 (81.3) 330 (81.3) 330 (80.6)
Median [Min, Max] 330 [170, 490] 330 [170, 490] 330 [170, 490] 330 [170, 490]

Bảng sản phẩm

table1(~ doanh_thu | san_pham, data = data)
A
(N=36)		 B
(N=36)		 C
(N=36)		 Overall
(N=108)
doanh_thu
Mean (SD) 280 (70.0) 330 (70.0) 380 (70.0) 330 (80.6)
Median [Min, Max] 280 [170, 390] 330 [220, 440] 380 [270, 490] 330 [170, 490]

Biểu đồ khu vực

ggplot(data, aes(x = khu_vuc, y = doanh_thu)) +
  geom_bar(stat = "identity")

Biểu đồ sản phẩm

ggplot(data, aes(x = san_pham, y = doanh_thu)) +
  geom_bar(stat = "identity")

Biểu đồ kết hợp

ggplot(data, aes(x = khu_vuc, y = doanh_thu, fill = san_pham)) +
  geom_bar(stat = "identity")

Histogram

ggplot(data, aes(x = doanh_thu)) +
  geom_histogram()
## `stat_bin()` using `bins = 30`. Pick better value `binwidth`.

Nhận xét

PHẦN NHẬN XÉT VÀ ĐÁNH GIÁ CHIẾN LƯỢC (HỌC THUẬT)1. Sự tương quan thị trường và tính ổn định hệ thốngDựa trên kết quả thực nghiệm từ các bảng thống kê, ta nhận thấy một đặc tính quan trọng của doanh nghiệp là Sự đồng nhất về hiệu năng theo địa lý. Giá trị trung bình doanh thu tại ba khu vực (Bắc, Trung, Nam) đều hội tụ quanh mức kỳ vọng \(\bar{x} \approx 330\).Về mặt quản trị, điều này minh chứng cho một hệ thống vận hành đã đạt mức độ trưởng thành cao. Doanh nghiệp đã thành công trong việc đồng bộ hóa quy trình bán hàng và kiểm soát chất lượng dịch vụ trên toàn hệ thống, giúp giảm thiểu các rủi ro biến động do yếu tố địa phương gây ra.2. Đánh giá danh mục sản phẩm qua lăng kính hiệu suấtPhân tích trực quan từ biểu đồ cột và các thanh sai số (Error Bars) khẳng định Sản phẩm C là biến số đóng góp chính vào sự tăng trưởng tổng thể (\(Mean = 380\)), vượt trội so với Sản phẩm A (\(280\)) và B (\(330\)).Sản phẩm C (Lợi thế cạnh tranh cốt lõi): Đây là sản phẩm có độ phù hợp thị trường (Product-Market Fit) cao nhất. Dù có sự biến thiên nhất định nhưng ngưỡng doanh thu thấp nhất của sản phẩm C vẫn tiệm cận mức trung bình của các sản phẩm khác.Sản phẩm A (Thách thức định vị): Với hiệu suất thấp nhất, sản phẩm A đang bộc lộ những hạn chế trong việc cạnh tranh hoặc đang nằm ở giai đoạn cuối của chu kỳ sống sản phẩm.3. Đề xuất hàm ý quản trị và chiến lược tăng trưởngTrên cơ sở dữ liệu định lượng, nhóm nghiên cứu đề xuất các chiến lược sau:Tối ưu hóa nguồn lực (Resource Allocation): Doanh nghiệp cần ưu tiên tập trung ngân sách Marketing và R&D cho Sản phẩm C để khai thác triệt để “Tính kinh tế theo quy mô” (Economies of Scale), từ đó tối ưu hóa biên lợi nhuận.Chiến lược thâm nhập thị trường sâu: Vì sự khác biệt giữa các vùng miền là không đáng kể, chiến lược mở rộng theo chiều rộng (địa lý) sẽ mang lại hiệu quả giảm dần. Thay vào đó, nên chuyển dịch sang “Phân khúc khách hàng mục tiêu” bên trong mỗi khu vực để tìm kiếm dư địa tăng trưởng mới.Quản trị rủi ro dựa trên dữ liệu: Sử dụng các chỉ số về độ lệch chuẩn (SD) từ phân tích này để thiết lập các ngưỡng dự phòng tồn kho và định mức doanh thu an toàn, đảm bảo tính bền vững của dòng tiền.Kết luận: Việc ứng dụng mô hình phân tích từ RStudio giúp nhà quản lý vượt ra khỏi các quan sát cảm tính. Kết quả cho thấy doanh nghiệp đang có nền tảng vận hành ổn định nhưng cần quyết liệt tái cấu trúc danh mục sản phẩm để bứt phá doanh thu trong tương lai.