Reverse ETL ถือเป็นคอนเซปต์ที่ค่อนข้างใหม่สำหรับสาย Data Engineering ที่เกิดขึ้นมาจากความต้องการของสาย Data x Marketing วันนี้จะมาเล่าให้ฟังกันค่ะว่า Reverse ETL คืออะไร มันต่างกับศัพท์ที่เราได้ยินกันบ่อย ๆ อย่าง ETL ELT อย่างไร
ด้วยความที่ว่าสาย Marketing นั้นต้องการข้อมูลในการนำไปใช้วิเคราะห์ จัดโปรโมชั่น หรือหาว่าลูกค้าคนไหนมีโอกาสที่จะยกเลิกการใช้บริการ (สำหรับ Use Case นี้ สาย Data เรียกการหา “ลูกค้าที่จะเลิกใช้บริการ” ว่า Churn Prediction)
แต่กว่าทีม Data จะรวบรวมข้อมูลและนำข้อมูลไปส่งต่อให้ถึงมือฝ่าย Marketing ได้ ก็ใช้เวลานานมาก อาจทำให้ไม่สามารถดูแลลูกค้าได้ทันเวลา บทความนี้จะมาเล่าให้ฟังว่า Reverse ETL คืออะไร สามารถจัดการปัญหานี้ได้อย่างไร
แต่ก่อนจะถึงเริ่มว่า Reverse ETL คืออะไร ขออธิบายความหมายของคำว่า ETL และ ELT กันก่อนเลย
ETL vs ELT แตกต่างกันอย่างไร
ETL และ ELT เป็น process ที่จำเป็นในงานด้าน Data อย่างมาก เพราะว่าจะทำให้เราสามารถรวบรวมข้อมูลมาเก็บไว้ในที่เดียว นำไปวิเคราะห์และต่อยอดได้
ETL คืออะไร
หลายคนอาจจะเคยได้ยินคำว่า ETL ซึ่งเป็นศัพท์สาย Data Engineering ย่อมาจาก Extract – Transform – Load รวมกันเป็น ETL คือ มี 3 ขั้นตอนที่สำคัญ
1. ดึงข้อมูลจากต้นทาง (Extract)
2. นำข้อมูลมาทำให้อยู่ในรูปแบบที่ใช้งานได้ (Transform)
3. เก็บข้อมูลให้เรียบร้อย (Load) ใน database หรือ Data Warehouse
ETL เป็นขั้นตอนสำคัญที่ทำให้ข้อมูลจากหลากหลายที่ เข้ามาเก็บไว้ที่เดียวกัน เพื่อให้ Data Analyst เอาข้อมูลไปวิเคราะห์ต่อ ทำ Business Intelligence ได้ง่าย ถ้ามีข้อมูลจากหลายระบบ เช่น เราขายของออนไลน์ มี Facebook, Google, Tiktok Ads จะดูว่าระบบไหนยอดขายดีกว่ากัน ต้องทำ ETL ให้รวมกัน
ELT คืออะไร
ELT ก็เป็นวิธีการ process ข้อมูลแบบหนึ่งที่ย่อมาจาก Extract – Load – Transform คือ มี 3 ขั้นตอนที่สำคัญ
1. ดึงข้อมูลจากหลาย ๆ แหล่ง (Extract)
2. โหลดข้อมูลเข้ามาใน Data Warehouse (ที่รองรับข้อมูลแบบ Semi-structured/unstructured ได้) หรือ Data Lake (Load)
3. นำข้อมูลไปแปลงให้อยู่ในรูปแบบที่ใช้งานได้ (Transform)
ELT เป็นขั้นตอนสำคัญที่ทำให้ Data Analyst หรือ Data Scientist นำข้อมูลไปใช้งานได้เร็วขึ้น เพราะข้อมูลถูกโหลดเข้ามาแล้ว ไม่ต้องรอการ Transform เครื่องมือที่มักใช้กันจะมีตั้งแต่ Fivetran, Airbyte, DBT, Snowflake และ Redshift สำหรับ Data Warehouse
ถ้าใครยังไม่เคลียร์ถึงความแตกต่างของ ETL และ ELT ก็สามารถเข้าไปอ่านเพิ่มเติมได้ที่ ETL vs ELT ต่างกันอย่างไร? ทำไม Data Warehouse สมัยใหม่นิยมใช้ ELT
ปัญหาของ ETL และ ELT คืออะไร
หลังจากมีการรวบรวมข้อมูลมาไว้ที่เดียวกันใน Data Warehouse โดย ETL หรือ ELT แล้ว ทีม Data ก็สามารถใช้ข้อมูลได้ แต่เมื่อทีมอื่น ๆ อย่างทีม Marketing ต้องการใช้ข้อมูลไปไว้วิเคราะห์บ้างในเครื่องมือที่ตัวเองใช้บ้าง ยังไม่สามารถทำได้
ยกตัวอย่างเช่น การทำ Data Science จาก ETL ของค่ายโทรศัพท์ ค่ายโทรศัพท์อาจจะเอาข้อมูลส่วนตัวลูกค้า, ข้อมูลการซื้อ และข้อมูลที่คุยกับ Call Center มาวิเคราะห์ดูว่าลูกค้าคนนี้มีโอกาสย้ายค่ายมากน้อยแค่ไหน เราเรียกการทำแบบนี้ว่า Churn Prediction
ปัญหาอยู่ตรงที่ การวิเคราะห์ข้อมูลนั้นต้องใช้ข้อมูลจากหลายแหล่ง อย่าง Churn Prediction จะเกิดขึ้นได้หลังการทำ ETL เท่านั้น ถ้าเราจะส่งข้อมูลกลับไปให้ Call Center ว่าลูกค้าคนนี้มีโอกาสย้ายค่ายแค่ไหน เพื่อให้ Call Center เสนอโปรที่เหมาะสมให้ลูกค้า จะต้องใช้วิธีที่เรียกว่า Reverse ETL
มารู้จักกับ Reverse ETL คืออะไร
เมื่อเข้าใจ Concept ของ ETL และ ELT กันแล้ว ก็มารู้จักกับ Reverse ETL กันเลย
ป.ล. Reverse ETL ไม่เหมือนกับ LTE นะจ้ะ (ขออภัยในมุก 5 บาท 10 บาท 😂)
Reverse ETL คืออะไร
Reverse ETL คือ process ในการนำข้อมูลจาก Data Warehouse เข้าไปใส่ใน Application ทางธุรกิจ หรือระบบ third party เช่น CRM, analytics และ ซอฟต์แวร์ที่ทำการตลาดออนไลน์ เพื่อให้ทีมที่ใช้ระบบนั้น ๆ เห็นข้อมูลได้เลย และเข้าถึงข้อมูลได้ทันที
พูดให้เข้าใจง่าย ๆ ก็คือ Reverse ETL เป็นเทคนิคที่ใช้งานในส่วนตรงข้ามกันของ Data Pipeline ETL/ELT (เลยเรียกว่า Reverse ETL นี่เอง)
ETL/ELT จะเป็นการนำข้อมูลเข้าไปรวมกัน (Data Integration) ส่วน Reverse ETL จะเป็นการนำข้อมูลกลับมาใช้ประโยชน์ เพื่อปลดล็อคคุณค่าของข้อมูล (Data Activation)
ตัวอย่าง Use Cases ของ Reverse ETL
Marketing: นำ Reverse ETL ไปใช้กับการตลาด
หลายบริษัทพยายามที่จะทำการ personalize อีเมลไปหาลูกค้า Reverse ETL สามารถช่วยได้โดยการส่งข้อมูลลูกค้าจาก Data Warehouse ไปที่ Mailchimp เพื่อให้ส่งอีเมลแบบ Personalize ได้
ตัวอย่างการใช้ Reverse ETL ในงาน Marketing ก็เช่น
- ส่งอีเมลเป็นภาษาสเปนให้คนที่พูดภาษาสเปน
- ส่งอีเมลภาษาอังกฤษไปให้คนที่พูดภาษาอังกฤษ
- ส่งอีเมลรายการสินค้าที่แตกต่างกันไปให้ลูกค้าแต่ละคน รู้ว่าใครซื้ออะไรไป และ ใครที่ยังไม่ได้ซื้ออะไรไปบ้าง
- ส่งอีเมลหลังจากลูกค้าซื้อสินค้าไปแล้ว 30 วัน ถามลูกค้าว่าอยากซื้อสินค้าตัวนี้ซ้ำอีกไหม
เป็นต้น
Sales: นำ Reverse ETL ไปใช้กับการขาย
การทำ Reverse ETL โดยการส่งข้อมูลการใช้งาน product ของลูกค้าจาก Data Warehouse ไปที่ระบบเก็บข้อมูลลูกค้า (CRM) เช่น Salesforce จะทำให้เพิ่มเพิ่มยอดขายได้มากขึ้น
ตัวอย่างเช่น เราเห็นว่าลูกค้าลงทะเบียนเมื่อไหร่ ทำอะไรกับ product บ้าง และใช้เงินไปกับ product และบริการไปเท่าไหร่ ทำให้แผนกเซลล์ติดต่อลูกค้าเพื่อปิดดีล ส่งข้อมูลเพิ่มเติมไปให้ลูกค้าประกอบการตัดสินใจใช้สินค้าและบริการ หรือสร้างแคมเปญที่ตรงกับลูกค้ามากขึ้น
Support: นำ Reverse ETL ไปใช้กับการซัพพอร์ตลูกค้า
ตัวอย่างอีกตัวอย่างหนึ่ง สำหรับการทำ Reverse ETL ในธุรกิจจริง ก็คือ การ Support ลูกค้า การที่ Call center เห็นข้อมูลของลูกค้าโดยรวม ก็จะทำให้สามารถให้บริการลูกค้าได้ดียิ่งขึ้น
การแสดงข้อมูลภายในของลูกค้ากับระบบที่พนักงาน Call Center พูดคุยกับลูกค้า เช่น Zendesk โดยดูจากเบอร์โทรศัพท์ จะช่วยทำให้คนให้บริการเห็นข้อมูลของลูกค้าขึ้นมาบนหน้าจอโดยทันที รู้ว่าลูกค้าเพิ่งซื้อสินค้าหรือบริการอะไรไป แล้วส่งต่อไปให้ทางทีมที่เชียวชาญด้านนั้น เพิ่มประสิทธิภาพและความรวดเร็วในการให้บริการ
เครื่องมือในการทำ Reverse ETL
การทำ Reverse ETL สามารถทำได้ง่าย ๆ เช่น อาจจะเขียนโปรแกรมด้วย Python เพื่อดึงข้อมูลไปใส่ในโปรแกรมที่ Call Center
เครื่องมือ Reverse ETL แบบเสียเงิน
ถ้ามี Budget พอ และสามารถเขียนโปรแกรมเองได้ สามารถซื้อโปรแกรมอย่าง Hightouch, Census ซึ่งมีการ integrate กับระบบอื่น ๆ ที่คนใช้บ่อย ๆ อย่าง Salesforce, Facebook Ads ฯลฯ ไว้แล้ว
เครื่องมือ Reverse ETL ฟรี
แต่ถ้าไม่ชอบเขียนเอง และไม่ชอบเสียเงิน ก็มี Open Source ที่น่าสนใจ เกิดมาเพื่อทำ Reverse ETL โดยเฉพาะ ชื่อ Grouparoo ซึ่งน่าสนใจมาก (เพิ่งถูก Airbyte ซื้อไปได้ไม่นาน) และอีก Open Source หนึ่งเรียกว่า Rudderstack
ถ้าใครอยากลองเข้าไปสำรวจ Airbyte และ Rudderstack เข้าไปตามลิงค์ได้เลย
หวังว่าบทความนี้จะช่วยให้เพื่อน ๆ รู้จักกับ Reverse ETL มากขึ้น และหากบทความนี้มีประโยชน์ อยากรบกวนช่วยแชร์ให้คนอื่น ๆ ได้มาอ่านบทความนี้ด้วยค่า
บทความนี้เราตั้งใจเขียนมาก และหวังว่าจะมีคนที่ได้ประโยชน์จากบทความนี้เพิ่มขึ้นไปเรื่อย ๆ นะคะ :)ถ้าชอบเนื้อหาแนวนี้ ติดตามบทความดี ๆ ด้าน Data และวีดิโอสนุก ๆ ดูชิล ๆ แล้วได้ความรู้กันได้ที่ Facebook Page: DataTH และ Youtube Channel: Data Science ชิลชิล แล้วเจอกันนะคะ
