เคยหรือไม่ที่สร้างฐานข้อมูลมาอย่างดี สุดท้ายไม่มีใครใช้? หากใครกำลังประสบปัญหานี้ มาติดตามบทความนี้ไปพร้อม ๆ กันเลยค่ะ
ในยุคที่ข้อมูล (Data) ได้เข้ามามีส่วนช่วยในการตัดสินใจทางธุรกิจจนทำให้ธุรกิจยุคดิจิตัลนั้นเติบโตอย่างรวดเร็ว จนเรียกได้ว่าเรากำลังอยู่ในช่วง “ยุคทองของคนที่ทำงานด้าน Data” โดยเฉพาะอย่างยิ่งตำแหน่งงานอย่าง Data Engineer ที่กำลังเป็นที่ต้องการสูงในตลาดแรงงานทั่วโลก จึงเป็นเหตุผลที่ว่าทำไมค่าตัวของอาชีพนี้จึงสูงขึ้นมากตามเป็นพิเศษ ดังนั้นเมื่อมีความต้องการสูงก็ยิ่งเป็นแรงจูงใจทำให้ดึงดูดคนยุคใหม่หลาย ๆ หันมาศึกษาทางด้าน Data Engineer มากขึ้นเพื่อเข้ามาในทำงานในสาขาวิชาชีพนี้
แต่ปัญหาอย่างนึงที่เกิดขึ้นคือไม่ว่าบริษัทจะจ้าง Data Engineer มือใหม่หรือมือเก๋าที่มีประสบการณ์มานานหลายปีเพื่อมาสร้างระบบฐานข้อมูลและทั้ง Tools เพื่อให้ดึงข้อมูลได้อย่างง่ายดาย แต่เมื่อเวลาผ่านไปกลับพบว่าฐานข้อมูลที่ถูกสร้างขึ้นใหม่นั้นกลับถูกละเลย และไม่มีคนใช้งาน Tools ที่สร้างใหม่อย่างจริงจังอย่างที่เราคาดหวังกันไว้ในวันแรก
จนสุดท้ายทุกอย่างก็กลับไปสู่จุดเริ่มต้น และมีการดึงฐานข้อมูลเก่ากลับมาใช้งานอีกครั้ง พนักงานต่างพากันดาวน์โหลดข้อมูลจากฐานข้อมูลเก่าและแก้ไขมันผ่านโปรแกรม Excel เหมือนที่ทำ ๆ มา เท่ากับว่าระบบใหม่ที่ทำมานั้นอาจจะใช้งานไม่ได้จริง
แล้วอะไรคือสาเหตุที่ทำให้เกิดเหตุการณ์แบบนี้ซ้ำไปมา…ครั้งแล้ว…ครั้งเล่า…
Photo by ahmad gunnaivi on Unsplash
หลังจากที่ผู้เขียนได้มีโอกาสเข้าไปทำความเข้าใจกับระบบฐานข้อมูลของหลายๆ บริษัท
ก็พบว่า ทุกๆ บริษัทนั้นต่างก็มีเป้าหมายเดียวกันก็คือ
“อยากนำข้อมูลมาประยุกต์ใช้ เพื่อนำมาเป็นข้อมูลในการพัฒนาธุรกิจ”
แต่ภายใต้ความพยายามนี้ ก็ได้เห็นถึง Pattern ของความท้ายทายที่ยากต่อการบรรลุเป้าหมาย จึงได้สรุปรูปแบบของความท้าทายที่ควรระมัดระวังออกมาได้เป็น 5 ประเด็นใหญ่ ๆ ดังนี้
1. การสร้างฐานข้อมูลโดยที่ไม่เข้าใจความต้องการของผู้ใช้งาน
บ่อยครั้งที่ผู้ออกแบบและพัฒนาระบบฐานข้อมูลที่เป็นคนๆเดียวกันนั้น ไม่ได้มีเวลาเข้าไปทำความเข้าใจลักษณะการทำงานแล้วการใช้งานข้อมูลของผู้ใช้งานข้อมูลเลย เช่น
- ข้อมูลใดบ้างที่ถูกนำมาใช้บ่อยๆ
เช่น รายชั่วโมง รายวัน รายเดือน หรือรายปี - ลักษณะการนำข้อมูลไปใช้
เช่น คำนวนสูตร แปลงหน่วย หรือใช้ตรงๆ - ปัญหาจากการใช้ข้อมูลในปัจจุบัน
เช่น ข้อมูลไม่ตรง ใช้เวลาดึงข้อมูลนาน หรือหาข้อมูลไม่เจอ
จึงทำให้ในหลายๆครั้ง ต่อให้ผู้พัฒนาระบบฐานข้อมูลสร้างระบบใหม่ออกมาดีแค่ไหน ซับซ้อนแค่ไหน ก็ไม่สามารถตอบสนองความต้องการของผู้ใช้ข้อมูลได้
กลายเป็นว่ามีเพียงทีม Data ที่ภูมิใจกับเทคโนโลยีที่นำมาใช้พัฒนา แต่ไม่สามารถเพิ่มประสิทธิภาพในการทำงานจริงให้กับผู้ใช้งานข้อมูลได้เลย
คำแนะนำสำหรับปัญหานี้ก็คือเราควรมีบุคคลที่ทำหน้าที่เป็นตัวกลางในการทำความเข้าใจผู้ใช้งานข้อมูลและเป็นคนที่เข้าใจข้อจำกัดของระบบ เพื่อที่จะออกแบบตารางข้อมูลหรือออกแบบ Data warehouse ให้เป็นที่พึงพอใจของทั้ง 2 ฝ่าย ทั้งฝ่าย Data team เองก็สามารถพัฒนาระบบได้อย่างราบรื่น และทางฝั่งผู้ใช้ก็ได้ข้อมูลที่ใช้งานได้จริง ซึ่งตำแหน่งนี้ อาจเป็นได้ทั้ง Business Analyst, Business Intelligence Analyst หรือตำแหน่งอื่นๆ ขึ้นอยู่กับโครงสร้างของบริษัทนั่นเอง
เราควรมีคนที่ทำหน้าที่เป็นตัวกลางในการทำความเข้าใจผู้ใช้งานข้อมูลและเป็นคนที่เข้าใจข้อจำกัดของระบบ
2. ระบบฐานข้อมูลใหม่ขาดความน่าเชื่อถือ
แน่นอนว่าการออกจาก Comfort Zone อย่างเช่นการย้ายจากการใช้ Excel ในการวิเคราะห์ข้อมูล สู่การใช้งานเครื่องมือในการวิเครารห์ข้อมูลอย่างเช่น Amplitude, Metabase, Power BI หรือ เครื่องมือที่พัฒนามาสำหรับใช้ภายในองค์กรเท่านั้น ต่างเป็นสิ่งที่ผู้ใช้งานข้อมูลในระบบเก่าทำใจได้ยากและทำให้ผู้ใช้ขาดความมั่นใจต่อการเปลี่ยนแปลง
หากระบบเครื่องมือใหม่เหล่านั้นไม่เสถียรหรือระบบยังคงทำงานได้ไม่สมบูรณ์ก็จะยิ่งทำให้ผู้ใช้เกิดความกลัวต่อการเปลี่ยนแปลงยิ่งขึ้นไปอีก ดังนั้นแล้ว การรีบบังคับใช้ระบบฐานข้อมูลใหม่ที่ยังทำงานได้ไม่สมบูรณ์ คือการตัดสินใจที่ผิดพลาดอย่างนึงที่เกิดขึ้นบ่อยมากๆในทุกวันนี้
ถ้าระบบเก่ายังใช้งานได้ดี และระบบใหม่ก็ยังใช้งานได้ไม่สมบูรณ์ แล้วผู้ใช้งานข้อมูลจะเปลี่ยนไปใช้ระบบใหม่ทำไมกันล่ะ?
ดังนั้น หากทางทีมกำลังมีแผนที่จะพัฒนาระบบฐานข้อใหม่ ก็ควรพัฒนาระบบควบคู่ไปกับการทำงานของระบบฐานข้อมูลเก่าที่ยังคงทำงานได้อยู่และพยายามดูว่าระบบเก่าและระบบใหม่นั้นมีผลลัพธ์การทำงานเหมือนกันหรือไม่ (นั่นก็คือมีข้อมูลเหมือนกันหรือไม่) มีส่วนใดของระบบใหม่ที่ยังมีบั๊คหรือเปล่า เราจะต้องให้เวลากับระบบใหม่จนระบบนั้นมีผลลัพธ์ที่เทียบเท่าระบบเก่า หลังจากนั้นจึงค่อยเริ่มตัดสินใจว่าจะชักจูงผู้ใช้งานข้อมูลมาใช้งานระบบฐานข้อมูลใหม่อย่างไรดี และจะทำอย่างไรกับระบบเก่านั้นดี?
ตัวอย่าง Timeline ของระบบฐานข้อมูล
3. ระบบเก่ายังคงใช้งานได้ดี
เรามาขยายความจากข้อด้านบนกันอีกซักนิดนึงละกัน
ในบางครั้งระบบฐานข้อมูลใหม่ที่ถูกสร้างมานั้นอาจจะช่วยให้ผู้ใช้ข้อมูลสามารถทำงานได้มีประสิทธิภาพมากขึ้น…
“ในเชิงทฤษฎี”
แต่ในเชิงปฏิบัติแล้วนั้นการที่ต้องก้าวข้ามจากวิธีการทำงานในแบบเก่าอย่างเช่นการวิเคราะห์ข้อมูลผ่าน Excel ก้าวข้ามไปสู่ระบบใหม่ เช่นการทำงานในระบบอัจฉริยะที่ช่วยคำนวณ และแนะนำ Metric ที่ใช้ในการวิเคราะห์ข้อมูลอย่าง Amplitude อาจจะเป็นอะไรที่ผู้ใช้ข้อมูลไม่คุ้นชินและกลายเป็นว่าต้องใช้เวลาในการทำความเข้า สุดท้ายแล้วผู้ใช้งานข้อมูลสามารถทำงานได้มีประสิทธิภาพกว่าบน Excel
ดังนั้นแล้วเหล่าผู้ใช้งานข้อมูล จึงไม่มีแรงจูงใจเพียงพอที่จะย้ายไปสู่ระบบฐานข้อมูลใหม่ เพราะบุคคลเหล่านั้นไม่รู้สึกว่าระบบฐานข้อมูลใหม่นั้นจะช่วยแก้ปัญหาจากการใช้งาน Excel ได้ในขณะนี้ (เพราะว่าไม่มีปัญหาใดๆในการทำงาน แถมการทำงานบน Excel ยังมีประสิทธิภาพมากกว่านั่นเอง)
ซึ่งถ้าหากระบบเก่ายังคงทำงานได้ดีแบบนี้ เป็นเรื่องยากมากที่จะโน้มน้าวผู้ใช้ข้อมูล ให้เปลี่ยนแปลงเครื่องมือการทำงานที่แม้ว่าจะสามารถคำนวณข้อมูลได้เร็วกว่า ใช้งานได้ง่ายกว่า (ง่ายกว่าในมุมมองของผู้พัฒนาระบบ)
ในสถานการณ์แบบนี้ สิ่งที่ Data team ควรทำเป็นอย่างแรกเลยคือ คำนวณว่าจำนวนข้อมูลที่เพิ่มขึ้นในแต่ละวันนั้นใช้พื้นที่ประมาณกี่ MB อัตราการเพิ่มขึ้นของข้อมูลเพิ่มขึ้นคงที่ในทุกๆวันหรือว่าเพิ่มขึ้นแบบ Exponential และจะต้องใช้เวลากี่วันกว่าที่ข้อมูลเหล่านั้นจะไม่สามารถถูกดาวน์โหลดและเปิดในโปรแกรมอย่าง Excel ได้อีก (แน่นอนว่า Excel เองก็ไม่สามารถเปิดไฟล์ที่มีข้อมูลขนาดใหญ่มากๆได้ และข้อมูลของเราก็จะมีปริมาณเพิ่มขึ้นตามกาลเวลา แปลว่าจะมีวันหนึ่งที่เป็นวันที่ผู้ใช้ข้อมูลไม่สามารถทำงานแบบเดิมได้อีกจากปริมาณข้อมูลที่มีมากเกินกว่าระบบฐานข้อมูลแบบเก่าจะรับไหว โดยในสมัยทำงานอยู่ที่หนึ่งเค้าจะเรียกวันวันนั้นว่า Doomsday!)
สาเหตุที่เราต้องทำการคำนวณ Doomsday ก็เพื่อเตรียมพร้อมรับมือสู่วันที่ผู้ใช้งานข้อมูลจะเกิดความเดือดร้อนจากการทำงานผ่าน Excel หรือเครื่องมือเก่าที่มีมาและเมื่อวันที่การทำงานผ่าน Excel หรือเครื่องมือที่ใช้อยู่ในปัจจุบันเริ่มมีปัญหา ก็เป็นสัญญาณที่ดีที่จะเริ่มช่วยเหลือผู้ใช้งานข้อมูลด้วยการย้ายคนเหล่านี้ไปใช้ระบบที่มีประสิทธิภาพในการทำงานที่ดีกว่านั่นเอง โดยการคำนวณนี้ไม่จำเป็นต้องคำนวณละเอียดมาก แค่ให้พอได้ช่วงเวลาโดยประมาณก็พอ
ปริมาณข้อมูลในปี 2025 อาจมีมากถึง 175 Zettabytes (ZB) Credit
4. ผู้ใช้งานระบบข้อมูลไม่รู้วิธีการใช้งานระบบใหม่
ไม่เพียงแต่ตัวระบบฐานข้อมูลเองที่ต้องคอยการพัฒนาให้มีประสิทธิภาพ ตัวผู้ใช้งานเองก็ต้องพัฒนาความสามารถของตัวเองเพื่อให้สามารถใช้งานระบบที่ช่วยให้ผู้ใช้งานข้อมูลเองสามารถทำงานได้ง่ายขึ้น นอกจาก Training session ที่จัดโดยผู้พัฒนาระบบที่จะอธิบายระบบฐานข้อมูลใหม่และวิธีการใช้งานเบื้องต้นให้แก่ผู้ใช้งานข้อมูลแล้ว ผู้ใช้งานข้อมูลจึงควรศึกษาระบบใหม่ และปรับตัวเช่นกัน ซึ่งในปัจจุบัน ก็มีแหล่งข้อมูลมากมายที่ผู้ใช้งานข้อมูลสามารถศึกษาถึงวิธีใช้งานระบบฐานข้อมูลใหม่นั่นเอง
กรณีตัวอย่าง
Metabase เป็น Open source ที่ผู้พัฒนาสามารถนำมาเชื่อมต่อกับระบบฐานข้อมูลเพื่อให้ผู้ใช้งานข้อมูลสามารถ Query ข้อมูลและสามารถสร้าง Dashboard ได้ง่ายๆ โดยผู้พัฒนา Metabase ยังได้ทำ VDO สอนการใช้งานระบบด้วย สามารถดูตัวอย่างได้ที่นี่
Tutorial ที่จัดทำโดยผู้พัฒนา Metabase เอง
ในทางกลับกัน หากบริษัท ไม่สามารถทำให้ผู้ใช้งานข้อมูลมีความรู้เพียงพอที่จะใช้งานระบบใหม่ได้ ก็จะเป็นความท้าทายของบริษัทที่จะวิเคราะห์และใช้งานข้อมูลต่อไป
5. เครื่องมือใหม่ที่นำมาใช้ไม่ตอบโจทย์การใช้งานของผู้ใช้งานข้อมูล
ในปัจจุบัน เครื่องมือที่ใช้ในการจัดการข้อมูลและสร้างฐานข้อมูลนั้นมีหลากหลายผู้พัฒนาได้พัฒนาโดยแต่ละเครื่องมือนั้น ก็ได้มีจุดเด่นของแต่ละเครื่องมือที่แตกต่างกันไป เช่น บางเครื่องมือนั้นเน้นความเร็วของการประมวลผลข้อมูล แต่ก็แลกมาด้วยความสวยงามของตัว Dashboard ที่อาจจะไม่ได้อ่านได้สบายตาขนาดนั้น หรือบางเครื่องมือก็สามารถทำการทำความสะอาดข้อมูล (Data cleansing) ได้ก่อนที่จะนำมาแสดงผล บางเครื่องมืออาจต้องมีการเขียน Code เบื้องต้น ในขณะที่บางเครื่องมือนั้นเพียงแค่ทำการลากบล็อคคำสั่งมาต่อกันก็สามารถทำงานได้ ซึ่งในส่วนนี้ก็จะขึ้นอยู่กับความสามารถของผู้ใช้งานข้อมูล รวมถึงจุดประสงค์ของการใช้งานข้อมูลนั่นเอง ที่จะเป็นข้อมูลสำคัญในการช่วยในการตัดสินใจของผู้พัฒนาระบบว่าจะเลือกเครื่องมือใดนำมาใช้งาน (หรือแม้กระทั่งว่าจะพัฒนาระบบด้วยตัวเองเลยหรือไม่)
โดยปัจจัยหลักๆในการเลือกเครื่องมือจะมีอยู่ 5 ข้อคือ
- ความสามารถของผู้ใช้งานข้อมูล : สามารถเขียน SQL หรือเขียนภาษาทางโปรแกรมอื่นๆได้หรือไม่?
- ผลลัพธ์ที่ผู้ใช้งานข้อมูต้องการ : ต้องการเป็นเพียงรายงานผ่าน Excel หรือ .csv หรือว่าต้องการเป็นรายงานแบบกราฟสวยงาม
- งบประมาณ : งบประมาณที่บริษัทรับไหว
- สถาปัตยกรรมของระบบ (System Architecture) : ดูว่าเครื่องมือที่ใช้จัดการข้อมูลเครื่องมือใดบ้างที่สามารถเชื่อมต่อกับระบบที่บริษัทใช้งานอยู่ในปัจจุบัน
- ความสามารถของผู้พัฒนาระบบ : ไม่เพียงแต่เราที่จะต้องประเมินความสามารถของผู้ใช้งานข้อมูล เราต้องประเมินผู้พัฒนาระบบด้วยว่ามีความคุ้นชินกับเครื่องมือมากน้อยเพียงใด
ดังนั้นเครื่องมือที่ดีที่สุด คือเครื่องมือที่ทุกคนมีความสุขที่จะทำงานด้วย ไม่ใช่เครื่องมือที่มี Feature เยอะที่สุด
สรุป
ในยุคที่เครื่องมือและระบบต่างๆ ของบริษัทมีการปรับตัวเร็วเกินกว่าที่พนักงานจะปรับตัวทัน จึงทำให้ระบบเหล่านั้นถูกละเลยได้ง่าย หากรู้ถึงรากของปัญหาและหลีกเลี่ยงข้อควรระวังที่กล่าวมาทั้งหมด 5 ข้อนี้ได้ จะก็ช่วยให้หลาย ๆ ท่านนั้นสามารถพัฒนาระบบใหม่ได้อย่างมีประสิทธิภาพ และมีผู้ใช้งานข้อมูลของเราไปพัฒนาธุรกิจได้อย่างมีมาตรฐานและราบรื่นได้ในอนาคตนั่นเองค่ะ
และสำหรับท่านยังมีข้อสงสัยกับการใช้งานข้อมูล อยากรู้เพิ่มเติมเกี่ยวกับเรื่องของการจัดการข้อมูลในมุมของธุรกิจ ตอนนี้เราได้เปิดคอร์ส Beginner’s guide to business data ขึ้นเพื่อตอบโจทย์การแก้ปัญหาขององค์กรสมัยใหม่ที่อยากใช้งาน Data แต่ไม่รู้จะเริ่มต้นอย่างไร
สามารถอ่านรายละเอียดเพิ่มเติมและสมัครได้ที่
คอร์สนี้จะช่วยตอบโจทย์ทางด้าน Business และผู้ที่ทำงานเกี่ยวข้องกับการเก็บข้อมูลตั้งแต่เริ่มต้น มาวางแผนการเก็บข้อมูลมาประยุกต์ใช้กับองค์กร ออกแบบคอร์สมาเพื่อผู้เริ่มต้นโดยเฉพาะ
ถ้าเพื่อนๆ คิดว่าบทความนี้มีประโยชน์ อยากฝากให้ช่วยแชร์ให้เพื่อน ๆ หน่อยนะคะ และถ้าอยากติดตามบทความดี ๆ ด้าน Data กันบน Facebook หรืออยากมาพูดคุย ติชมกัน เชิญได้ที่ Facebook Page: DataTH — Data Science ชิลชิล เลยนะค้าา
แล้วพบกันใหม่บทความหน้าค่ะ
บทความนี้เขียนโดยคุณบุญจิรา อังสุมาลี (อ้อ) ผู้เชี่ยวชาฐด้านการใช้งาน Data ในธุรกิจ
บทความที่เกี่ยวข้อง
