Data Analytics กำลังมาแรง แล้วจะเริ่มใช้งานอย่างไรให้ work!

เราอยู่ในยุคที่ทุกคน ทุกบริษัท ต่างตื่นตัวกันเรื่องของการใช้ข้อมูลไม่ว่าจะเป็นข้อมูลภายใน หรือ Big Data จากภายนอกก็ตามที แต่ปัญหาก็คือการใช้ข้อมูลไม่ใช่ว่า “แค่มีก็ชนะ” แต่ต้องรวมไปถึงการประยุกต์ใช้งานจริง การนำไปปฏิบัติให้สำเร็จ ซึ่งอาจมีบางคนที่ยังไม่เข้าใจทำให้การนำไปใช้นั้นยังไม่เห็นผลเท่าที่ควร ผมเลยขออนุญาตสรุปจากที่อ่านเจอและประสบกาณ์ส่วนตัวมาให้ลองนำไปประยุกต์ใช้กันดูครับ ว่าหากองค์กรไหนมีความต้องการจะเริ่มต้นใช้งานข้อมูลนั้น เราควรเริ่มต้นกันอย่างไรและมีส่วนไหนที่ต้องใส่ใจบ้าง

1. มีจุดประสงค์ที่ชัดเจนและเริ่มต้นจากคำถามที่ถูกต้อง

“คำถามที่ดีจะนำไปสู่คำตอบที่ถูกต้อง” เป็นสิ่งจำเป็นสำหรับการเริ่มต้นใช้งานข้อมูล เพราะการใช้ข้อมูลไม่ใช่แค่บอกว่า “เอาล่ะ จากนี้ไปฉันจะใช้ข้อมูลแล้วนะ” แล้วลงทุนไปกับการสร้าง Data Warehouse, Data Lake แต่แทบไม่มีการนำไปใช้ประโยชน์ เพราะการจะใช้ข้อมูลที่ดีนั้นต้องตอบให้ได้ว่าจะใช้ข้อมูลเพื่ออะไร ทำไมถึงต้องใช้ ใช้แล้วจะได้คำตอบอะไรกลับมา

เช่นบางบริษัทอาจจะมีจุดประสงค์ที่ว่า “ข้อมูลจะช่วยให้บริษัท Performance ดีขึ้น” อันนี้ก็อาจจะยังไม่ใช่จุดประสงค์ที่ดีครับ เพราะเราต้องระบุให้ชัดกว่านั้นว่า Performance อะไรที่เราสนใจจะปรับปรุง แล้วคำว่าว่า “ดีขึ้น” เราจะไปวัดจากอะไร ถ้าไม่รู้ส่วนนี้งานจะไปต่อไม่ได้เลยครับ เพราะไม่รู้ว่าจะใช้ข้อมูลอะไร ไม่รู้จะวิเคราะห์ยังไง ต้องบอกว่าจุดประสงค์ยิ่งแคบและชัดเจน ข้อมูลยิ่งมีประโยชน์ครับ เช่น “เราจะลดค่าใช้จ่ายในส่วนนี้ได้อย่างไร?” , “เราจะเพิ่มประสิทธิภาพการทำงานของทีมนี้ได้อย่างไร?” หรือ “จะทำยังไงให้ลูกค้ากลุ่มนี้กลับมาซื้อซ้ำ” คำถามแบบนี้จะทำให้การใช้ข้อมูลมีประสิทธิภาพมากกว่าคำถามหรือจุดประสงค์แบบกว้างๆ

2. ใส่ใจตั้งแต่ส่วนที่เล็กที่สุดจนถึงส่วนที่ใหญ่ที่สุด

ในยุคสมัยที่ทุกคนต่างก็พูดถึง Big Data เราต้องไม่ลืมนะครับว่า Big Data ไม่ใช่ก้อนข้อมูลขนาดใหญ่เพียงก้อนเดียว แต่มันเกิดจากการรวมกันของข้อมูลขนาดเล็กจำนวนมหาศาล เพราะฉะนั้นกระบวนการในการจัดการข้อมูลจึงควรพยายามที่จะเข้าถึงและจัดเก็บข้อมูลในส่วนที่ย่อยหรือเล็กที่สุดแต่ในขณะเดียวกันก็มีระบบที่สามารถวิเคราะห์ปริมาณข้อมูลในขนาดใหญ่

ห้างสรรพสินค้าอาจจะคิดว่าข้อมูลการซื้อหรือการเกิด Transaction ของลูกค้าเป็นข้อมูลที่สำคัญและจำเป็นที่สุด แต่ถ้ามองให้ลึกลงไป พฤติกรรมการเดินช้อปปิ้งก่อนซื้อ, ขนาดของกลุ่มที่มาช้อปปิ้ง, การบ่นบน Social Media สิ่งเหล่านี้ล้วนแล้วแต่เป็นข้อมูลจากจุดเล็กๆ ที่อาจจะโดนมองข้าม แต่หากสามารถรวบรวมและนำมาวิเคราะห์ก็อาจจะกลายเป็นประโยชน์ที่คาดไม่ถึงได้ แต่แน่นอนว่าข้อมูลบางชุดมันก็ไม่สามารถนำมาใช้ประโยชน์ได้จริงๆ เหมือนกัน เพราะฉะนั้นการจัดการข้อมูลบางครั้งจึงเป็นเรื่องที่อาจจะต้อง “ทำก่อนถึงจะรู้” จากนั้นจึงค่อยๆ ตัดสินใจว่าข้อมูลชุดไหนสำคัญ ข้อมูลชุดไหนไม่สำคัญ แต่มีข้อมูลย่อมดีกว่าไม่มีแน่นอนครับ

3. Connect the dots

ผมว่าทุกคนคงพอเดาเรื่องนี้ออกว่า Insight หรือข้อมูลเชิงลึกจริงๆ มักไม่ได้มาจากแหล่งข้อมูลเดียว และย่อมไม่เกิดจากการวิเคราะห์จากมุมเดียวแน่นอน ข้อมูลบางชุดเมื่อวิเคราะห์ผ่านเลนส์ทางด้านการเงินก็อาจจะได้มามุมหนึ่ง เมื่อมองผ่านเลนส์ของการตลาดก็ได้อีกมุมหนึ่ง หรือมองผ่านการบริหารบุคคลก็จะได้อีกมุมหนึ่ง หรือบางครั้งเอาข้อมูลชุดนี้ไปรวมกับข้อมูลอีกชุดเพื่อให้เกิดข้อมูลชุดใหม่ที่อาจจะมีความเชื่อมโยงใหม่ ซึ่งหากสามารถนำสิ่งที่ได้เหล่านี้มาทำการเชื่อมโยงมุมมองผ่านทักษะอันหลากหลายเข้าด้วยกัน จะทำให้สามารถงัด แงะ Insight ใหม่ๆ ที่อาจจะไม่เคยมีใครเคยเจอออกมาได้ครับ

“The OODA Loops”

4. วิเคราะห์วนไปค่ะ

การทำงานข้อมูลนั้นเป็นการทำงานแบบที่ต้องอาศัยการทำซ้ำๆ จนกว่าจะได้สิ่งที่เป็นประโยชน์น่าเชื่อถือและนำไปใช้งานได้จริงออกมา เราจะไม่สามารถมาเริ่มต้นโปรเจ็คแล้วบอกว่าเราจะเดินตามขั้นตอนเหล่านี้ตั้งแต่ 0 ไปจนถึง 100 ในคราวเดียวได้ เพราะในการทำข้อมูลจริงๆ เราอาจจะเดินไปถึง 10 เพื่อพบว่าต้องมาเริ่มต้นกันใหม่ เพราะฉะนั้นวิธีการดีไซน์การทำงานที่ดี อาจต้องตั้งภาพใหญ่ไว้ก่อน แล้วจากนั้นจึงค่อยๆ หาเป้าหมายย่อยๆ ไปทีละขั้นๆ และคอยหมั่นเช็คการทำงานและผลลัพธ์อย่างสม่ำเสมอว่เพื่อให้ได้ข้อมูลที่แม่นยำและเกิดประโยชน์มากที่สุด ซึ่งบางแห่งก็เสนอโมเดล “The OODA Loops”

5. ทำให้ข้อมูลมันใช้งานได้ง่ายและมีประโยชน์

บางครั้งนักวิเคราะห์ข้อมูลอาจจะชอบใช้อัลกอริทึ่มเจ๋งๆ โมเดลทางคณิตศาสตร์เท่ๆ หรือวิธีการยากๆ เพื่อให้ได้มาซึ่งผลลัพธ์บางอย่าง แต่สิ่งที่ข้อมูลต้องตอบคือ “มันสามารถนำไปใช้ประโยชน์ได้ไหม” เพราะข้อมูลนั้นไม่ว่าได้มาด้วยวิธีการอะไร ถ้าไม่มีใครนำไปใช้ ก็เป็นช้อมูลที่ไม่มีประโยชน์ หรือถ้าจะให้พูดบางครั้ง เราอาจต้องพักเรื่อง “Wow” เพื่อมาสร้างข้อมูลที่มัน “Work” กัน เช่นทำให้ข้อมูลใช้งานได้ง่าย เข้าใจได้ง่าย หรือมีประโยชน์จนผู้ใช้หรือฝ่ายอื่นๆ สามารถนำไปใช้ได้อย่างต่อเนื่อง ถ้าจะให้เปรียบเทียบก็อาจจะเหมือนการเป็นพ่อครัวที่ไม่จำเป็นต้องทำอาหารที่มันเลิศหรูอลังการเท่านั้นถึงจะเรียกว่าอาหารที่ดี เพราะบางครั้งสำหรับคนที่หิวจนท้องกิ่วแค่ข้าวไข่เจียวง่ายๆ จานนึงก็มีประโยชน์มหาศาลแล้วครับ และสุดท้ายมนุษย์ยังคงต้องการความสวยงามเสมอครับ และหากเป็นไปได้การแสดงผลสวยๆ ก็ช่วยเพิ่มความอยากใช้งานได้เช่นกันครับ

6. สิ่งสำคัญคือการสร้างทีม

บางครั้งผมเห็นประกาศรับสมัครงานหาคนเข้าไปทำในตำแหน่งที่เกี่ยวกับ Data ซึ่งพบว่าต้องการสกิลที่หลากหลายมากทั้ง Computer Science, Statistic, Business และอื่นๆ อีกมากมาย ซึ่งในโลกแห่งความเป็นจริงอย่างที่ผมได้เคยเขียนในบทความก่อนๆ ว่า การหาคนที่เก่งในทุกๆ ด้านนั้นเป็นสิ่งค่อนข้างยาก เพราะฉะนั้นบางครั้งจึงจำเป็นต้องสร้าง “Multiskilled Team” ที่เป็นการรวมคนเก่งในหลากหลายด้านมารวมตัวและทำงานกันอย่างใกล้ชิดมากกว่า การมีทีมที่คนมีความสามารถหลากหลายมารวมตัวกันก็เหมือนทีมฟุตบอลที่แต่ละคนก็เก่งกันไปคนละด้านแต่มีจุดมุ่งหมายเดียวกันคือเอาชนะคู่แข่ง Data Team ก็มีจุดมุ่งหมายเพื่อค้นหาประโยชน์สูงสุดจากข้อมูลเช่นกัน และที่สำคัญการรวมคนที่มีแบ็คกราวด์หลากหลายจะช่วยเสริมพลังในการ “Connect the dots” อีกด้วยครับ

ติดตามข่าวสารจาก Brand Inside ได้จาก Facebook ของเรา

Comments

mm
เรียกสั้นๆ ว่าต่อได้ครับ ตอนนี้ทำงานด้านการวิเคราะห์ข้อมูลในบริษัทให้บริการข้อมูลบน Social Media แห่งหนึ่ง แต่สนใจความเคลื่อนไหวของธุรกิจต่างๆ โดยเฉพาะด้านเทคโนโลยีและสังคม ชอบใช้ภาษาแบบไม่เป็นทางการมากนักจะได้เหมือนเพื่อนมาเล่าให้ฟัง หวังว่าคนอ่านชอบนะครับ, Enjoy Reading!