Data-Driven Maturity – 3 ระดับสู่การเป็นองค์กรที่เชี่ยวชาญการใช้ Data มีอะไรบ้าง มาดูกัน

data maturity 3 levels

Data-Driven Organization Maturity หรือ ระดับการใช้ Data ในองค์กรได้ดี ส่วนตัวมองว่าเป็นหลักการที่ดีมาก สำหรับองค์กรที่สนใจหันมาใช้ Data เพื่อให้รู้จุดเริ่มต้น และจุดที่ต้องเติบโตไปในอนาคต หรือ ถ้าองค์กรไหนใช้ Data อยู่แล้ว พอดูเรื่อง Data Maturity ก็จะรู้ว่าตอนนี้องค์กรของคุณอยู่ในระดับไหน และจะเติบโตไปอย่างไร

ในบทความนี้จะเล่าให้ฟังถึง Data-Driven Maturity หรือ Data Maturity ทั้ง 3 ระดับ แบบเข้าใจง่าย ๆ ส่วนตัวได้อ่านหนังสือต่าง ๆ และดู Talk ออนไลน์มาเยอะ ได้เห็นหลายที่มีการพูดถึงเรื่องนี้หลายรูปแบบมาก ซึ่งบางแหล่งมี Framework ที่ค่อนข้างซับซ้อน ต้องเป็นคนในสาย Data ถึงจะเข้าใจ

แต่เวอร์ชั่นนี้คิดว่าเข้าใจได้ง่ายที่สุด สำหรับคนทุกระดับ มาลองดูกันเลย

Data-Driven Maturity คืออะไร

data maturity diagram
Data-Driven Maturity 3 ระดับ: Starting > Scaling > Leading with data

Data-Driven Maturity คือ ระดับความเชี่ยวชาญการใช้ Data ในองค์กร เป็นเกณฑ์วัดว่าตอนนี้แต่ละองค์กรสามารถใช้ Data ได้คุ้มค่าขนาดไหน ซึ่งมีประโยชน์มากในการใช้วางแผนอนาคตขององค์กรด้วยว่าจะปรับปรุงการใช้ Data ให้ดียิ่งขึ้นได้อย่างไร

Model ในการวัด Data Maturity มีหลากหลายแนวคิด ซึ่งแนวคิดที่จะมาเล่าให้ฟังวันนี้มาจากหนังสือ Fundamental of Data Engineering เขียนโดยคุณ Joe Reis และ Matt Housley และเป็นแนวคิดที่ส่วนตัวเรียบง่ายที่สุด และตรงกับประสบการณ์ของผมที่ทำงานด้าน Data มาหลายปี ได้เจอกับองค์กรหลากหลายรูปแบบ

Data-Driven Maturity นี้ แบ่งเป็น 3 ระดับ แบบเข้าใจง่าย ๆ

  1. Starting with Data
  2. Scaling with Data
  3. Leading with Data

Data Maturity Level 1 – Starting with Data เริ่มต้นการใช้ Data

data maturity starting with data
Level 1 คือ การเริ่มต้นด้านการใช้ Data ไม่ว่าจะเป็นองค์กรขนาดใหญ่เล็ก ก้าวแรกที่ดีเป็นสิ่งสำคัญมาก

Data-Driven Maturity Level 1 คือ องค์กรที่ยังไม่มี Data มาก่อน และกำลังเริ่มสนใจหันมาใช้ Data หรืออาจจะมีการเริ่มเก็บข้อมูลบ้างแล้ว

องค์กรใน Level 1 นี้ สิ่งสำคัญ คือ การทำให้ทีมบริหารในบริษัท เห็นคุณค่าของการใช้ Data ในบริษัทก่อน ซึ่งทีม Data ก็จะเป็นทีมที่เพิ่งเปิดใหม่ มีไม่กี่คน ทำให้เวลาทุกวินาทีมีค่า เน้นการสร้างคุณค่าท่ี่ใช้เวลาน้อย และเห็นผลชัดเจน

เครื่องมือที่องค์กรใน Level 1 เลือกใช้ ให้เน้นการหยิบเครื่องมือในตลาดมีการทดสอบมาแล้วว่าดี ดูจากในตลาดที่บริษัทใหญ่ ๆ ใช้กันก็ได้ และเสริมจากประสบการณ์ส่วนตัวว่าควรเน้นใช้เครื่องมือบน Cloud เพราะคิดค่าบริการแบบเป็น Pay as you go หรือ จ่ายเท่าที่ใช้ ถ้าองค์กรตัดสินใจไม่ไปต่อก็ยกเลิกได้ทันที

หลายองค์กรอาจจะเริ่มจากการสร้างเครื่องมือ Data มาใช้เองก่อน ซึ่งส่วนตัวคิดว่าไม่ผิด เพราะในขณะนั้นเราอาจจะยังไม่รู้ว่าเราต้องการอะไร และใช้เครื่องมือไหนตอบโจทย์ได้บ้าง แต่สุดท้ายแล้วพอเราเข้าใจว่าเราต้องการอะไร การหยิบเครื่องมือในตลาดมาใช้ โดยเฉพาะตัวที่บริษัทใหญ่ ๆ ใช้กัน สามารถช่วยลดแรงงานทีม Data และทำให้เราเติบโตด้าน Data-Driven Maturity ได้ในอนาคต

ในเรื่องบุคลากรที่ควรมีในทีม Data ใน Level นี้ ขอเสริมจากประสบการณ์ตรงว่า องค์กรควรมี Data Analyst และ Data Engineer เนื่องจาก Data Analyst ช่วยให้ทีมบริหารเห็นคุณค่าชัดเจนจากการวิเคราะห์ข้อมูล ส่วน Data Engineer ช่วยสร้างรากฐานข้อมูลที่มีคุณภาพ เพื่อให้องค์กรเติบโตด้าน Data ต่อไปได้ในอนาคต

อย่างไรก็ตาม ปัญหาของ Level 1 คือ พอทีมบริหารเริ่มเห็นแล้วว่า Data ช่วยให้องค์กรพัฒนาไปในทางที่ดีขึ้นได้ ทำให้คนเริ่มขอข้อมูลกับทีม Data มากขึ้น และทำให้ทีม Data ทำงานหนักขึ้น เพราะต้องทำงานแบบ Ad-hoc (งานด่วน งานเร่ง ที่แทรกเข้ามา พอทำเสร็จก็จบไป)

จึงเป็นที่มาของ Level 2 – Scaling with Data

Data Maturity Level 2 – Scaling with Data เติบโตด้วย Data

data maturity scaling with data
Level 2 คือ การเติบโตในด้านการใช้ Data ซึ่งพอรายได้งอกเงยจาก Data ก็จะส่งผลให้ทีม Data คนเยอะขึ้น (หรืองานเยอะขึ้น) ไปด้วย

Data-Driven Maturity Level 2 คือ องค์กรที่มีทีม Data ในระดับหนึ่งแล้ว มีการวิเคราะห์ข้อมูล และมีการสร้าง Data Platform, Data Pipeline ที่จำเป็นเรียบร้อยแล้ว

พอทีม Data โดนกระหน่ำจากการถูกขอข้อมูล และงานแทรกที่เข้ามาอย่างไม่ขาดสาย จนไม่มีเวลาไปทำสิ่งที่ช่วยให้องค์กรพัฒนา Data Maturity ในอนาคต ก็ถึงคราวที่ต้องมีการใช้ Automation เข้ามาช่วย

เครื่องมือที่ใช้ใน Level 2 ยังเป็นเครื่องมือที่หาซื้อได้ในตลาดอยู่ แต่เน้นในการทำให้ระบบ Data ที่มีรองรับกับผู้ใช้ให้มากขึ้น (Scale) โดยที่ทีม Data มีผลกระทบน้อย และให้ทีมอื่น ๆ นอกเหนือจากทีม Data เข้าถึงข้อมูลได้ง่ายขึ้นนอกจากทีมบริหารใน Level 1 ซึ่งเครื่องมือเหล่านี้ยังสามารถจัดหาได้อยู่

คอนเซปต์หนึ่งที่กำลังมาแรงในขณะนี้ คือ การทำ Self-Service Data Platform เป็นการสร้าง Data Platform ที่ทีมอื่น ๆ ในองค์กรเข้าถึงข้อมูลได้โดยตรง (Self-Service) โดยไม่ต้องขอจากทีม Data ซึ่งช่วยให้ทีม Data มีเวลาไปโฟกัสงานที่สำคัญมากขึ้น และสามารถรองรับผู้ใช้งาน Data ที่มากขึ้นได้

ถ้าสนใจพัฒนา Data Platform หรืออยากเข้าใจเรื่อง Data Platform แบบเต็ม ๆ แนะนำให้ดู Bonus Special Live: Platform Engineering กับพี่เฮี้ยง ซึ่งอยู่ในคอร์ส Road to Data Engineer ครับ ครบมากอันนั้น มีเล่าเจาะลึกว่า Data Platform ต้องมีส่วนประกอบอะไรบ้าง

แต่ปัญหาที่ตามมาของ Level 2 คือ พอองค์กรเริ่มเก่งด้าน Data แล้ว เครื่องมือที่อยู่ในตลาดอาจจะเริ่มไม่ตอบโจทย์ขององค์กร และพอ Data มีการเปิดให้เข้าถึงมากเกินไปก็มีความเสี่ยงที่ Data สำคัญบางส่วนสามารถเข้าถึงได้โดยคนที่ไม่เกี่ยวข้อง

จึงกลายเป็น Level 3 ที่เข้ามาช่วยแก้ปัญหาในส่วนนี้

Data Maturity Level 3 – Leading with Data เป็นผู้นำด้วย Data

data maturity leading with data
Level 3 คือ การวิ่งนำหน้าคู่แข่งด้วยการใช้ Data เพื่อขึ้นเป็นผู้นำอย่างยั่งยืน

Data-Driven Maturity Level 3 คือ ทุกทีมในองค์กรเชื่อมั่นว่า Data ทำให้องค์กรดีขึ้น และทีม Data มีการโฟกัสในการสร้าง Self-Service Data Platform ที่ดีขึ้น เพื่อช่วยให้ทีม Data สามารถรองรับจำนวนผู้ใช้ที่เพิ่มขึ้นเรื่อย ๆ ได้อย่างมีประสิทธิภาพ

อย่างไรก็ตาม แต่ละองค์กรมีข้อจำกัดของตัวเอง เช่น บางองค์กรอาจจะมีระบบที่เก่ามาก (Legacy) เป็นข้อจำกัดให้เครื่องมือปัจจุบันบนท้องตลาดไม่รองรับ แต่ไม่สามารถนำระบบนี้ออกได้ เพราะระบบนี้ยังทำกำไรให้บริษัทอยู่

ในจุดนี้ เมื่อทีม Data เริ่มใหญ่ มีเวลาและคนที่สร้างเครื่องมือเองได้แล้ว ทีม Data จะเริ่มมองในเรื่องของการสร้างเครื่องมือแบบ Custom ขึ้นมาใช้เองในองค์กร สำหรับปัญหาเฉพาะขององค์กรที่ไม่มีเครื่องมือในตลาดรองรับได้

โดยเฉพาะเมื่อมีทีมอื่น ๆ ที่ต้องเข้ามาร่วมงานกับทีม Data เช่น Software Engineer หรือ Machine Learning Engineer ก็จะเจอว่ามีจุดเล็กจุดน้อยที่ทีม Data ต้องหาวิธีแก้อยู่เสมอ

ปัญหาอีกอย่างที่ต้องมีการจัดการใน Level นี้ คือ เรื่องของสิทธิการเข้าถึง (Data Access) และการแก้ไขข้อมูล (Data Stewardship) ซึ่งเป็นเรื่องของการทำ Data Governance (ธรรมาพิบาลข้อมูล) นั่นเองครับ

ถ้าสนใจเรื่อง Data Governance เพิ่มเติม เราเพิ่งเขียนบทความอธิบายการทำ Data Governance ด้วย Framework แบบเข้าใจง่าย ๆ ทำตามได้ทันที สามารถอ่านได้ที่ >> บทความ Data Governance คืออะไร

การทำ Data Governance จะช่วยให้ Data ในองค์กรมีการจัดระเบียบที่ดีขึ้น ซึ่งช่วยให้องค์กรดูแลข้อมูลให้มีคุณภาพได้ในระยะยาว ช่วยให้องค์กรพัฒนาต่อไปได้ดีขึ้น

สรุปเรื่อง Data-Driven Organization Maturity

Data-Driven Maturity เป็นเกณฑ์วัดว่าองค์กรใช้งาน Data ได้ดีขนาดไหน ซึ่งแบ่งเป็น 3 ระดับใหญ่ ๆ

  1. Starting with Data เริ่มต้นการใช้ Data
  2. Scaling with Data เติบโตด้วย Data
  3. Leading with Data เป็นผู้นำด้วย Data

ระดับเหล่านี้ นอกจากจะทำให้เห็นแล้วว่าองค์กรของเราใช้ Data อยู่ในระดับไหน ยังช่วยให้เห็นภาพอีกด้วยว่าจะพัฒนาไปในด้านไหนได้บ้าง

อย่างไรก็ตาม สำหรับสาย Data Engineer ไม่ต้องกลัวว่าจะตกงาน หลังจากองค์กรเป็น Data Maturity Level 3 แล้ว

เพราะการที่องค์กรเป็น Data-Driven Organization Maturity Level 3 ไม่ได้แปลว่างานของทีม Data จะหมดลง เพราะจะมีปัญหาให้เข้ามาแก้ไขอยู่ตลอดเวลา ไม่ว่าจะเป็นการแก้ไขปัญหาในระบบ, การจัดการคุณภาพของข้อมูล (Data Quality) ที่เพิ่มขึ้นเรื่อย ๆ, การทำให้ Data Platform รองรับผู้่ใช้ในบริษัทที่เพิ่มขึ้น ฯลฯ

งานด้าน Data ไม่ใช่งานที่ทำแล้วเสร็จไปเลย แต่เป็นงานที่ต้องมีการพัฒนาอยู่เสมอ มีเครื่องมือใหม่ ๆ คอนเซปต์ใหม่ ๆ ปัญหาใหม่ ๆ เกิดขึ้นตลอดเวลา ถ้าทีม Data ก้าวไม่ทันโลก ก็ส่งผลให้องค์กรก้าวไม่ทันโลกด้วยนั่นเอง

หวังว่าบทความนี้จะช่วยให้เพื่อน ๆ รู้จักกับ Data Maturity มากขึ้น และหากบทความนี้มีประโยชน์ อยากรบกวนช่วยแชร์ให้คนอื่น ๆ ได้มาอ่านบทความนี้ด้วยครับ เราตั้งใจเขียนมาก และหวังว่าจะมีคนที่ได้ประโยชน์จากบทความนี้เพิ่มขึ้นไปเรื่อย ๆ นะครับ :D

และถ้าชอบเนื้อหาแนวนี้ ติดตามบทความดี ๆ ด้าน Data และวีดิโอสนุก ๆ ดูชิล ๆ แล้วได้ความรู้กันได้ที่ Facebook Page: DataTH และ Youtube Channel: Data Science ชิลชิล แล้วเจอกันคร้าบ

Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.

บทความที่เกี่ยวข้อง

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว และสามารถจัดการความเป็นส่วนตัวเองได้ของคุณได้เองโดยคลิกที่ ตั้งค่า

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

Allow All
Manage Consent Preferences
  • Always Active

Save