หากพูดถึง Data หรือ Data Analytics หลายคนคงรู้สึกว่าเป็นเรื่องที่ห่างไกลตัวเราจัง เรื่องอะไรแบบนี้น่าจะเกี่ยวข้องกับองค์กรหรือธุรกิจขนาดใหญ่เท่านั้นหรือเปล่านะ แต่จริงๆ แล้ว ไม่ว่าจะเป็นเจ้าของกิจการขนาดใหญ่ที่มีข้อมูลมหึมาแบบ Big Data หรือธุรกิจระดับย่อยลงมา ผู้ประกอบการSME พ่อค้าแม่ขาย แม้แต่จะเป็นเรื่องทั่วไปในชีวิตประจำวัน ก็ล้วนทำ Data Analytics ได้เช่นกัน
ในบทความนี้ Davoy จะพาคุณไปรู้จักว่าจริงๆ แล้ว Data Analytics คืออะไร และหากอยากก้าวเข้าสู่การทำ Data Analytics ต้องเริ่มอย่างไร
Data Analytics คืออะไร?
หากพูดถึง Data Analytics หรือการวิเคราะห์ข้อมูล หลายๆ ท่านอาจจะคิดไปถึงคำว่า Big Data แต่จริงๆ แล้ว การทำ Data Analytics เราไม่ต้องมีข้อมูลมากมายมหาศาล เราก็ทำ Data analytics ได้ เพราะกุญแจสำคัญของการทำ Data Analytics คือ การที่เราสามารถสกัดข้อมูลที่มีความหมายต่อธุรกิจหรือชีวิตของเราออกมาได้จากข้อมูลดิบๆ ที่เรามี และใช้ข้อมูลเหล่านั้นให้เกิดประโยชน์สูงที่สุด ดังนั้นแม้เราจะไม่ได้มีข้อมูลที่มากมายเฉกเช่นองค์กรหรือบริษัทที่มีการเก็บข้อมูลต่างๆ มาอย่างยาวนาน เราก็สามารถทำ Data Analytics ได้เช่นกัน
หัวใจของ Data Analytics คือ การวิเคราะห์ข้อมูลเพื่อใช้ประโยชน์จากข้อมูลนั้นๆ
Q: Data Analytics สำคัญอย่างไร ทำไมหลายคนถึงหันมาทำ Data Analytics กัน
A: เพราะ Data analytics เป็นการนำข้อมูลเข้ามาช่วยให้ทุกการตัดสินใจลงมือปฏิบัติหรือแก้ไขปัญหาต่างๆ ไม่ต้องพึ่งสัญชาตญาณหรือประสบการณ์การลองผิดลองถูกเพียงอย่างเดียว
ตัวอย่างขององค์กรที่ใช้ Data Analytics เข้ามาขับเคลื่อนองค์กร
- Airbnb ใช้ Data Analytics เพื่อวิเคราะห์ว่าอะไรคือปัจจัยที่สำคัญที่สุดที่มีผลต่อการเลือกจองที่พักของผู้ใช้งาน ซึ่งได้คำตอบว่าคุณภาพของรูปที่เลือกใช้ในเว็ปของที่พักมีส่วนอย่างมากต่อจำนวนการจองที่พัก และเพื่อแก้ไขปัญหา Airbnb จึงมีการจัดช่างกล้องเพื่อไปถ่ายรูปโรงแรมใหม่ ให้กับเหล่าเจ้าของโรงแรมกันเลยฟรีๆ
- eHarmony เว็บไซต์หาคู่จากอเมริกา ใช้ Data Analytics วิเคราะห์นิสัยของผู้ใช้งาน ซึ่งไม่เพียงแค่ช่วยให้ผู้ใช้งานแมชกับคนที่ตรงใจ แต่ยังช่วยแมชคนที่คิดว่าชีวิตของพวกเขาจะเข้ากันในระยะยาว เพื่อให้คู่รักมีความสัมพันธ์ที่ยืนยาวและแฮปปี้ตลอดการใช้ชีวิตคู่
- AIS ใช้ Big Data มาใช้วิเคราะห์และศึกษาความต้องการของลูกค้า Serenade โดยสามารถแบ่งกลุ่มลูกค้าตามไลฟ์สไตล์ เพื่อให้สามารถนำเสนอสิทธิพิเศษให้ตรงกับพฤติกรรมของลูกค้าแต่ละกลุ่มมากยิ่งขึ้น
อย่างที่กล่าวไปแล้วว่า ไม่เพียงแค่องค์กรขนาดใหญ่เท่านั้นที่นำข้อมูลมาช่วยในการทำธุรกิจลองนึกว่าหากเราเป็นเจ้าของร้านอาการ แล้วเรามีการเก็บข้อมูลว่าลูกค้าที่มาทานส่วนใหญ่เป็นชนชาติไหน อายุเท่าไหร่ มากันกี่คน สั่งอาหารอะไรบ้างและสั่งกี่จาน ฯ เราก็สามารถนำข้อมูลตรงนี้ไปทำเมนูแนะนำหรือสร้างเป็นโปรโมชั่นเพื่อดึงดูดลูกค้าของเราได้ต่อไป
ลองขยับมาเป็นเรื่องที่ใกล้ตัวกว่านั้นอีกกัน เคยมีบางช่วงนี้รู้สึกว่ายุ่งเลย ไม่รู้ว่าเวลาหายไปไหนหมดเลยบ้างมั้ย? เริ่มจดหรือโน๊ตใส่ Excel ดูซิว่าในหนึ่งวันเราทำอะไรบ้าง พอครบอาทิตย์ก็มาวิเคราะห์ดูว่าใน 1 อาทิตย์เราใช้เวลาส่วนมากไปกับการทำอะไร เพื่อที่เราจะลดเวลาตรงนั้นให้น้อยลง และเหลือเวลาพักผ่อนให้มากยิ่งขึ้น
ขนาดและปริมาณของข้อมูลไม่ได้มีผลต่อการทำ Data Analytics เท่า ‘คุณภาพ’ ของข้อมูล และ ‘เป้าหมาย’ ของการทำ Data Analytics
สิ่งที่ควรรู้ก่อนทำ Data Analytics
Having data alone is not enough. You need to be able to act on the data to affect change within the business, Microsoft (เพราะการมี Data เฉยๆ มันไม่เพียงพอ เราจะต้องทำให้ Data เหล่านั้น เข้ามามีผลเพื่อให้เกิดความเปลี่ยนแปลงต่อธุรกิจ)
ก่อนที่ Data จะเล่าเรื่องและมีความหมายได้ Data ต้องผ่านกระบวนการต่างๆ ไม่ต่างอะไรจากการหาพลอยที่มีราคาในแม่น้ำที่สุดแสนจะกว้างและลึก ให้เรานึกภาพว่าข้อมูลก็เหมือนกับสสารที่อยู่ในแม่น้ำ ไม่ว่าจะเป็นกรวด หิน ดิน ทราย หรือสิ่งมีค่าที่ปะปนกันอยู่ เราต้องเอามาร่อน มากรอง จนเหลือแต่แร่ที่มีมูลค่า จากนั้นเราจึงนำแร่เหล่านั้นไปขัดเกลาเพื่อให้มีค่าในเชิงธุรกิจมากยิ่งขึ้นต่อไป
DIKW Framework หรือ DIKW Pyramid เป็นกรอบความคิดที่จะช่วยให้เรามีหลักคิดแบบ Analytical Thinking มากขึ้น โดยเป็นการแสดงลำดับชั้นและความเชื่อมโยงระหว่าง Data, Information, Knowledge และ Wisdom เข้าด้วยกัน และเป็นขั้นตอนว่าจาก Data จะกลายไปเป็น Wisdom ซึ่งเป็นสิ่งที่มีค่าต่อธุรกิจและการใช้ชีวิตของเราได้อย่างไร
- Data – ข้อมูลหรือข้อมูลดิบ องค์ประกอบพื้นฐานที่สุด (โดยเฉพาะในยุคดิจิทัล) ซึ่งอาจจะอยู่ในรูปแบบของตัวเลข ตัวอักษร ภาพ เสียง หรืออื่นๆ
- Information – ข้อมูลที่ผ่านการจัดเรียงให้เป็นระบบ ระเบียบ และทำให้เกิดความหมาย
- Knowledge – ความรู้และความเข้าใจ ที่เกิดจากกระบวนการสังเกตและวิเคราะห์ข้อมูล
- Wisdom – การพัฒนาองค์ความรู้ให้สามารถทำไปใช้ให้เกิดการปฏิบัติ (Action) ที่เป็นประโยชน์ได้จริง
เพื่อให้เห็นภาพชัดมากขึ้น ให้ลองสมมุติว่าเราทำธุรกิจ movie streaming platform อย่าง Netflix, Apple TV+, Disney+ หรือ HBO ปัญหาคือ bounce rate ของเราสูงมาก ลูกค้ากดเข้ามาในเว็ปไซต์ของเราหรือแพล็ตฟอร์มของเราแปปเดียวแล้วก็กดออก ทำให้ตัวเลขสถิติหลังบ้านไม่สวยงาม ไม่ดึงดูดลูกค้าหรือนักลงทุนที่จะเข้ามาลงทุนในแฟลตฟอร์มของเรา ดังนั้นเราจะทำอย่างไรให้ผู้ใช้งานอยู่ในแพลตฟอร์มของเราได้นานที่สุด รู้สึกติดแบรนด์ของเราและอยากใช้บริการเราต่อ
“D”
- ขั้นแรก เราต้องกลับไปดูที่ส่วนฐานของพีระมิด ในส่วน D ว่าเรามี Data หรือข้อมูลดิบ (Raw data) อะไรในมือบ้าง เช่นจำนวนคนเข้าใช้บริการ ยอดการเข้าชมรายการแต่ละรายการ ประวัติของลูกค้า ประวัติการเข้าชม หรืออื่นๆ ที่ธุรกิจเก็บรวบรวมเอาไว้ ในที่นี้เราลองหยิบข้อมูลการเข้าชมของผู้ใช้งาน Platform ของเรามาดูกัน
“I”
- เมื่อเราพอทราบแล้วว่าตอนนี้เรามีข้อมูลอะไรในมือแล้วบ้าง ขั้นต่อไปคือการนำข้อมูลดิบมาจัดเรียงให้เป็นระเบียบมากยิ่งขึ้นเพื่อให้เกิดเป็น Information และสังเกตว่าข้อมูลอะไรที่น่าจับตามองหรือโดดเด่นขึ้นมากกว่าข้อมูลอื่นๆ โดยใช้คำถามง่ายๆ ถามกับตัวเองว่า ใคร,ทำอะไร,ที่ไหน และเมื่อไหร่
จากในตัวอย่าง พอเรามาสังเกตและถามว่า ใคร = ผู้ใช้งาน1,2,3… ทำอะไร = ดูหนังเรื่องA,B,C,D… เมื่อไหร่ = ปี2020 – 2022, เดือนมกราคม – เมษายน ที่ไหน = แพลตฟอร์ม X“K”
- หลังจากที่ได้รับข้อมูล (Information) จากประวัติการเข้าชมของผู้ใช้รายต่างๆ ว่าบ่อยครั้งที่ Tomb Raider ปรากฏร่วมกับ Moon Knight ทำให้เราเกิดองค์ความรู้ (Knowledge) ว่าผู้ใช้ที่งานที่กดเข้าชม Tomb Raider จะต้องดู Moon knight ต่ออย่างแน่นอน
“W”
- และแน่นอนว่าพอเรามีการรวบรวมข้อมูล ตั้งคำถาม สังเกตและวิเคราะห์ จนสามารถสกัดออกมาเป็นองค์ความรู้ (Knowledge) มาได้แล้ว ก็ทำให้ง่ายต่อการที่เราจะนำความรู้นั้นๆ มาช่วยจุดประกายหรือสร้างให้เกิดเป็นความชาญฉลาด (Wisdom) ที่จะช่วยให้เกิดประโยชน์ต่อธุรกิจของเราต่อไป
ซึ่งจากตัวอย่างข้างต้น องค์ความรู้ที่เราได้รับคือองค์ความรู้เกี่ยวกับพฤติกรรมและความน่าจะเป็นในการเข้าชมภาพยนตร์ ซึ่งเราก็นำมาพัฒนาและคิดต่อยอดในการทำฟีตเจอร์การแนะนำหนังเรื่องต่อๆ ไปให้กับผู้ใช้งาน ดังที่เราจะคุ้นชินเวลาใช้ application movie streaming เจ้าดังเจ้าต่างๆ เพื่อให้ผู้ใช้รู้สึกว่าเรารู้ใจเขาจังเลย หรือผู้ใช้กำลังจะกดออกจากแพลทฟอร์มของเราเพราะไม่รู้จะดูอะไร พอมีเรื่องที่เขาอยากดูโผล่ขึ้นมาต่อหน้า ก็อาจทำให้ผู้ใช้งานตัดสินใจใช้งานเราต่อ
Fact – “Netflix ใช้อัลกอลิทึ่มสำหรับแนะนำภาพยนตร์ช่วยประหยัดเงินถึง 1 พันล้านดอลล่าต่อปี แทนที่จะสูญเสียเงินเหล่านี้ไปกับการรักษาฐานลูกค้าด้วยวิธีอื่นๆ”
จากตัวอย่างข้างต้นเป็นการหยิบยกตัวอย่างจากสิ่งใกล้ตัว ที่น่าจะพอทำให้ทุกๆ ท่านเห็นภาพของ DIKW framework ที่เป็นการต่อยอดจาก Data สู่ Wisdom ซึ่งทุกท่านสามารถนำ DIKW framework ไปปรับใช้กับธุรกิจหรือชีวิตประจำวันของตนเองได้ และหวังว่าเราจะช่วยให้การเริ่มต้นการทำ Data Analytics ของทุกๆ คนง่ายขึ้นและมีเป้าหมายในการทำ Data Analytics ที่ชัดเจนมากยิ่งขึ้น
ลองเริ่มสังเกตข้อมูล (Data) ที่เรามีอยู่ในมือและลองคิดว่าเราจะพัฒนาข้อมูลเหล่านั้นให้ไปสู่ความชาญฉลาด หรือ Wisdom ที่จะก่อให้เกิดประโยชน์ต่อธุรกิจ งาน หรือแม้ชีวิตประจำวันของเราได้อย่างไรบ้าง
ในบทต่อไป Davoy จะพาทุกท่านเขยิบขึ้นไปอีกหนึ่งขั้นของการทำ Data Analytics เราจะพาไปรู้จักกับการเดินทางของ Data กันว่า Data ถูกเก็บไว้ตรงไหน เก็บแล้วไปไหน และปลายทางของ Data คืออะไร
บทความที่น่าสนใจจาก Davoy
Management Report ที่ดีควรเป็นอย่างไร และควรมีองค์ประกอบอะไรบ้าง
