“ถ้าไม่ใช้ข้อมูล ก็แพ้แน่นอน” ดังคำกล่าว Data is a new oil ของแจ๊ค หม่า ซึ่งในวันนี้ข้อมูลเป็นกุญแจสำคัญที่ธุรกิจจำเป็นต้องมีเพื่ออยู่รอดและมีชัยเหนือคู่แข่ง
วันก่อนแอดแจนได้ฟัง Podcast ของ The Secret Sauce ตอน Data Science for business ที่คุณเคน นครินทร์ คุยกับ ดร.ต้า-วิโรจน์ จิรพัฒนกุล อดีต Data Scientist จากองค์กรระดับโลกอย่าง Facebook พบว่าเนื้อหามูลค่าพันล้านมากๆ เหมาะกับ ผู้นำองค์กร นักการตลาด และคนทำงานยุคใหม่ ที่อยากใช้ประโยชน์จากข้อมูลให้เกิดประโยชน์สูงสุด
แอดแจนเลยทำการสรุปเนื้อหาและมาแชร์ให้เพื่อนๆ อ่านค่า เริ่มกันเลยย
Data Science for Business วิธีนำข้อมูลไปใช้ในองค์กรให้ประสบความสำเร็จ
พี่ต้า เป็นใคร มาจากไหน ทำอะไรอยู่?
พี่ต้า ตอนนี้เป็นคณะกรรมการของ Skooldio ซึ่งเคยทำงานเป็น Data Scientist ที่องค์กรระดับโลกอย่าง Facebook
อ่านเพิ่มเติม: อาชีพสาย Data ใน Facebook แบ่งเป็นสายอะไรบ้าง
อธิบายคำว่า Data Science แบบง่ายๆก็คือ
การนำข้อมูลมาสร้างมูลค่าทางธุรกิจ ซึ่งข้อมูลมาจากหลากหลายที่ตาม Touchpoint ต่างๆที่ลูกค้าทิ้งไว้ให้ ซึ่งฝั่งธุรกิจต้องมีเป้าหมาย (Vision) ให้ชัด เพื่อให้ Requirement กับทีม Data Scientist ไปดึงข้อมูลออกมาวิเคราะห์ให้ตอบโจทย์ที่วางไว้
ศาสตร์การวิเคราะห์ข้อมูลนี้เริ่มต้นมานานหรือยังนะ?
ในสมัยก่อน จริงๆธุรกิจก็มีการเก็บข้อมูลกันอยู่แล้ว เช่น ร้านกาแฟ มีลูกค้ามาซื้อของทุกวัน ธุรกิจก็รู้ข้อมูลลูกค้าอยู่บ้าง เช่น ชื่อเล่น เพศ อายุ และเมื่อสนิท รู้จักไลฟ์สไตล์ของลูกค้าบ้าง เจ้าของร้านก็สามารถแนะนำสินค้าได้กับลูกค้าบางส่วนได้
แต่ข้อมูลเหล่านี้ถูกเก็บไว้กับเจ้าของร้านเท่านั้น และไม่ได้ทำการ Formalize เพื่อใช้ข้อมูลให้เกิดประโยชน์สูงสุด
หน้าที่ของ Data Science คือ เข้ามาบริหารจัดการข้อมูลของลูกค้าให้เกิดประโยชน์สูงสุด
ทำไมการใช้ข้อมูลถึงสำคัญในยุคนี้ ?
ย้อนหลับมาที่ทำไมเราถึงใช้ fitbit ? ก็เพื่อที่จะ Track ก้าวเดินในแต่ละวันของเรา
เรารู้ว่าเราควรเดินวันละ 10,000 ก้าว หากเราไม่มีเครื่องมือที่ช่วยวัดว่า ‘ตอนนี้’ เราเดินไปเท่าไหร่แล้ว และต้องทำยังไงบ้างจึงจะไปถึงเป้าหมาย
If you can’t measure it, you can’t improve it.
ซึ่งข้อมูลก็เปรียบเสมือน ‘เข็มทิศ’ ให้คนในองค์กรให้รู้ว่าตอนนี้เราอยู่ที่ไหน รู้ทิศทางที่เรากำลังเดินไปเพื่อตอบโจทย์ทางธุรกิจ
เราจะเริ่มต้นการเดินทางในสายข้อมูลยังไง?
เริ่มต้นโดยเป้าหมายทางธุรกิจ (Vision) ต้องชัด มีคำถามที่ต้องการรู้ แล้วฝั่งทีม Data Science ค่อย Stepback กลับมาว่าเราต้องเก็บข้อมูลอะไรบ้างเพื่อให้บรรลุเป้าหมายดังกล่าว
เช่น ร้านกาแฟสีเขียว ตั้งคำถามทางธุรกิจ ออกมา 3 ข้อดังนี้
- Channel ไหนที่มีลูกค้าเข้าถึงมากที่สุด
- Demographic ของลูกค้าที่เข้ามาใช้บริการ เพศ อายุ อาชีพ รายได้
- Behavior & Lifestyle ของลูกค้ามีพฤติกรรมยังไงบ้าง ชื่นชอบอะไร และนอกจากแบรนด์เรา
เมื่อมี Requirement หรือ คำถามจากฝั่งธุรกิจแล้ว ฝั่ง Data Scientist ค่อยออกแบบวิธีการเก็บข้อมูล
ซึ่งการเก็บข้อมูลจะต้องเนียน ทีม Data Scientist ต้องออกแบบ Mechanism ต่างๆ เพื่อดึงข้อมูล หรือสร้างวิธีให้ลูกค้าคอมฟอร์ทในการให้ข้อมูลกับเรา เช่น จากโจทย์ทางธุรกิจ 3 ข้อด้านบน จะมีการทำงานร่วมกัน 2 ฝ่ายดังนี้
1.Channel ไหนที่มีลูกค้าเข้าถึงมากที่สุด
ทีม Data Scientist : ทำ Link Management โดยสร้างลิ้งก์สำหรับแต่ละช่องทาง เพื่อทดสอบว่าลูกค้าเข้ามาจากช่องทางไหนมากที่สุด
2. Demographic ของลูกค้า
ทีม Data Scientist : ดึงข้อมูลจาก Facebook Pixel บนหน้าเว็บของตัวเอง เมื่อมีลูกค้าเข้าเว็บขณะที่เปิด Facebook เราก็จะได้ข้อมูลที่คนๆนั้นได้ให้กับ Facebook เอาไว้ เช่น สิ่งที่เขาสนใจ เพื่อกำหนดกลยุทธ์ในการทำการตลาดได้ กำหนดเงื่อนไขการยิง Ad ได้ตรงจุดมากขึ้น
3.Behavior & Lifestyle ของลูกค้ามีพฤติกรรมยังไงบ้าง ชื่นชอบอะไร
ทีม Data Scientist : ดึงข้อมูลจาก Social Media , APIs ต่างๆ เพื่อวิเคราะห์พฤติกรรมของลูกค้า
หลายๆครั้งที่องค์กรประสบปัญหา “เห็นข้อมูลแล้ว เราไปพัฒนาต่อยังไง มองภาพไม่ออก” สิ่งที่จะช่วยพัฒนาสกิลคือ เข้าใจภาพรวมของธุรกิจ การทำงานกับคนเก่งๆ อาศัยประสบการณ์การทำงาน ผ่านการทำโปรเจค ลองคิดโจทย์จริงๆ และลองมองในมุมมองที่หลากหลาย
ตัวอย่าง Data Driven Organization ที่ประสบความสำเร็จ
บริษัทส่วนใหญ่ที่เกี่ยวกับ Tech ก็มีการใช้ข้อมูลหมด ตัวอย่างบริษัทที่ non-tech เช่น Walmart (คล้ายๆห้างโลตัสบ้านเรา) ห้างเองก็มีการเก็บข้อมูลเช่น อายุ เพศ ไลฟสไตล์จาก Transaction ต่างๆ เช่น บัตรสมาชิก การสั่งซื้อออนไลน์ เพื่อจัดส่งโปรโมชั่นตอบโจทย์ให้ลูกค้ารายคน (Personalize Promotion) ได้ตรงตามความต้องการของแต่ละคน
ซึ่งการทำแบบนี้ช่วยเพิ่มยอดโอกาสที่ลูกค้าจะซื้อ มากกว่าหว่านแหส่งโปรโมชั่นโดยไม่ได้อิงตามความต้องการของลูกค้า
หรือบริษัทขนส่งอย่าง DHL เองก็ยังมีการใช้ข้อมูลการ Track GPS ตามเส้นทางการเดินรถ เพื่อดูว่าควรจะเดินทางเส้นทางไหนเพื่อให้เกิดประสิทธิภาพมาที่สุด ใช้เวลาการขนส่งน้อยที่สุด
หากองค์กรอยากเริ่มต้นเก็บข้อมูล ก็สามารถทำตาม 3 สเต็ปง่ายๆได้ดังนี้
สเต็ป 1 : ดูข้อมูลภาพรวม เพื่อให้เห็นภาพรวมของธุรกิจ
สเต็ป 2 : ช่างสงสัย ว่าทำไมการเดินรถของ รถ A และรถ B ในระยะทาง 10 กม. เท่ากัน ทำไมจึงใช้เวลาไม่กัน
ซึ่งสองสเต็ปแรกจะเป็นหน้าที่ของทีมฝั่ง Business จากนั้นจะส่งต่อคำถามให้ทีม Technical ในสเต็ปที่ 3
สเต็ป 3 : เก็บ+วิเคราะห์ ข้อมูลเพื่อตอบโจทย์ธุรกิจ ทีมข้อมูลพบว่าสาเหตุที่ รถ A และรถ B เดินทางระยะทางเท่ากัน แต่ใช้เวลาไม่เท่ากัน เนื่องจากปัจจัยเส้นทางรถที่การซับซ้อน , บางเส้นทางมีทางที่ต้องรอเลี้ยวกลับรถนาน , บางเส้นทางจะมีรถติดในช่วงระยะเวลาหนึ่งๆ , ขนาดรถ และอื่นๆ
เมื่อวิเคราะห์ข้อมูลออกมาแล้ว DHL จึงแก้ปัญหาด้วยการ ‘วนรถทางเดียว’ และ ‘คำนวณหาเส้นทางรถ’ ที่ไม่ต้องรอกลับรถนาน ซึ่งตอบโจทย์ฝั่งธุรกิจพอดี
ใครที่หา Painpoint จากข้อมูลเจอ ก็สามารถหาประโยชน์ได้ก่อน
จะเห็นได้ว่าฝั่ง Business และทีมข้อมูลต้องทำงานร่วมกัน และต้องเข้าใจธรรมชาติของธุรกิจเป็นอย่างดี
ควรสร้างทีม Data Science ของตัวเอง หรือจ้าง IT Consultant
การจ้าง IT Consult ก็มีข้อดี – ข้อเสีย แล้วแต่ Trade – off ในแต่ละช่วงของธุรกิจ
ข้อดีคือ ง่าย มีทีมพร้อมทำได้เลย แต่บางครั้งก็มีข้อเสียคือ Consult ไม่เข้าใจธรรมชาติธุรกิจเท่ากับคนที่ทำมานาน ทำให้แม้จะวิเคราะห์ข้อมูลได้ แต่ก็ไม่สามารถหา Insight เชิงลึกได้
Mindset ของคนที่จะใช้ข้อมูลได้ดี ต้องมีอะไรบ้าง ?
เริ่มจากตั้งคำถามทางธุรกิจก่อน แล้วจึงค่อยเก็บข้อมูลเพิ่มในสิ่งที่ต้องการ เพื่อตอบโจทย์นั้นๆ
หลายๆองค์กรใช้ข้อมูลอย่างไม่มีประสิทธิภาพเท่าที่ควร เพราะ เริ่มต้นที่ข้อมูลที่มีอยู่แล้ว ทำให้บางทีติดกับดักความคิดของตัวเอง ดังนั้นเราควรเริ่มต้นจากฝั่งธุรกิจ
การสร้าง Data-Driven Organization องค์กรที่ขับเคลื่อนด้วยข้อมูล
องค์กรที่อยากเป็น Data Driven ต้องทำยังไงบ้าง เพื่อไปให้ถึงจุดนั้น
1. Collect data
– มีโจทย์ทางธุรกิจ
– เก็บข้อมูลที่ตอบโจทย์ธุรกิจ (The right data)
– มีข้อมูลที่อัพเดทเสมอๆ
– ข้อมูลต่างๆอยู่ใน Format หรือรูปแบบเดียวกัน เพื่อป้องกันความผิดพลาด เช่น ข้อมูลที่ค่าซ้ำซ้อน ข้อมูลหาย และนำข้อมูลไปใช้ได้ง่าย
2.Tools & Accessibility
ทุกคนในองค์กร ต้องสามารถเข้าถึงข้อมูลในทุกหน่วยงานได้ การที่ทุกคนสามารถเข้าถึงข้อมูลทุกอย่างได้ หลายๆครั้ง ช่วยให้เกิด Innovation เพราะเห็นภาพรวม เห็นโอกาสใหม่ๆเพิ่มขึ้น
สิ่งที่ต้องระวังคือหลายๆครั้งที่ในแต่ละแผนกมักจะมีการหวงข้อมูลกัน ทำให้เกิดไซโล ทำให้ข้อมูลต่างๆไม่ได้ถูกนำไปใช้ให้เกิดประโยชน์สูงสุด
3. Education
เมื่อมีข้อมูลที่มากพอ ‘ความรู้ทางสถิติ’ จะเข้ามาช่วยในการพัฒนาการวิเคราะห์ต่อไปในมิติที่ซับซ้อนมากขึ้น เช่น การใช้ A/B Testing เพื่อทดสอบผลลัพธ์ที่ได้ว่ามีความแตกต่างอย่างมีนัยยะสำคัญหรือไม่ โดยความรู้ทางสถิติจะสร้างความมั่นใจ ว่าเราเข้าใจข้อมูลได้อย่างถูกต้อง
ผลลัพธ์ที่ทุกคนในองค์กรได้รับจากการที่เป็น Data – Driven Organization
- Empower ทุกคนในองค์กรให้สามารถตัดสินใจเรื่องต่างๆอย่าง Smart มากขึ้น ตอบโจทบ์ลูกค้าและตอบโจทย์ทางธุรกิจมากยิ่งขึ้น
- สามารถระบุโอกาสใหม่ๆ จากการใช้ข้อมูลได้
- มีความรู้ในการเขียนโค้ดเพื่อ Automate งาน ลดการทำงานซ้ำซ้อนหรือ Manual Work ลง
ความเข้าใจผิดเกี่ยวกับการสร้าง Data Driven Organization
ปัจจุบันที่กระแส Big Data , AI มัน hype มากๆจนเกิดเป็น Buzzword ผู้บริหารหลายๆท่านเองจึงอยากมีอะไรล้ำๆ ไว้ในองค์กรของตัวเองบ้าง จึงไปกดดันทีมข้อมูลให้ทำขึ้นมา ซึ่งจริงๆแล้วรากฐาน หรือ ข้อมูลในองค์กรยังไม่พร้อมเลย ซึ่งจริงๆแล้วการเริ่มต้นเราสามารถทำได้จากเรื่องง่าย ๆ ได้เลย
เช่น ในอุตสาหกรรม E-Commerce ซื้อของออนไลน์ ต้องการทำระบบแนะนำสินค้า สามารถเริ่มต้นได้โดยนำสินค้าขายดี 3 อันดับมาแนะนำที่หน้าเว็บ
แล้วค่อยพัฒนาเรื่อยๆโดยแยกเป็น 3 อันดับขายดีสำหรับผู้ชาย , 3 อันดับขายดีสำหรับผู้หญิง
เมื่อเรารู้ไลฟสไตล์ลูกค้ามากขึ้น เราค่อยๆทำให้มันซับซ้อนมากขึ้น โดยทำเป็น Personalize ตามความต้องการแต่ละคนได้
สรุป Data Science for Business จากดร.ต้า
จริงๆแล้ว Data Science ไม่ใช่เรื่องที่ไกลตัวเลย มันเป็นเรื่องที่เพื่อนๆควรมีความรู้ ความเข้าใจ เพื่อรองรับโลกที่เปลี่ยนไปแบบ #ไวมากกกกก ซึ่งทำให้องค์กรต่าง ๆ ทั้งเล็กและใหญ่สนใจมาทำด้านนี้มากขึ้นเรื่อย ๆ
สำหรับเพื่อน ๆ ที่สนใจงานสายนี้ แอดขอกระซิบเลยว่านอกจากจะเป็นอาชีพมากแรงที่ทุกบริษัทต้องการแล้ว ยังได้ค่าตัวสูงลิบ
ใครที่อยากมาสายนี้ก็อย่าลืมกดติดตามเพจ Data Science ชิลชิล และถ้าใครมีคอมเม้นท์ หรือ อยากได้ความรู้อะไรเพิ่มเติมก็ inbox มาได้เล้ยยยย :D
