คาดการณ์ว่าตลาดนวัตกรรมที่เกี่ยวพันกับ Data & Analytics จะมีมูลค่าทะลุ 684 พันล้านเหรียญในปี 2030 ที่กำลังจะถึง สอดคล้องกับปีนี้ที่ Forb ยกให้งานเกี่ยวกับ Data เป็น 1 ใน 10 งานที่เป็นที่ต้องการที่สุด ทำให้ไม่มีใครปฏิเสธความสำคัญของ Data & Analytics ได้ เพราะเป็นวิทยาการที่อยู่ใน Big Tech ต่าง ๆ มากมาย และเป็นหนึ่งในกลไกสำคัญของบริษัทที่ต้องการ Digital Transformation … วันนี้ G-Able จะพาทุกคนไปเจาะลึกว่าทำไมบริษัทสมัยใหม่จึงขาด Data & Analytics ไม่ได้!
Data & Analytics คืออะไร ?
‘เราทุกคน เรียนรู้อดีตเพื่อให้เดินสู่อนาคตง่ายขึ้น’ นี้คือคำกล่าวที่นิยามพื้นฐานของ Data & Analytics ได้เป็นอย่างดี ซึ่งฟังดูง่าย และไม่ซับซ้อน แต่ในยุคสมัยนี้ที่มีข้อมูลหลั่งไหลเข้าออกจากองค์กรเรามหาศาล หลากหลายช่องทาง การนำ Data ไปใช้ให้มีประโยชน์สูงสุด จึงไม่ใช่เรื่องที่ง่ายเลย ฉะนั้นจึงมีสายงานที่เข้ามาจัดการ วิเคราะห์ และต่อยอดข้อมูล เพื่อผลักดันบริษัทในทิศทางต่าง ๆ ไปข้างหน้าอย่างมีหลักการ
ขั้นตอนการทำงานของ Data & Analytics
ขั้นตอน หรือลำดับการทำงานของ Data & Analtytics มีความไม่ตายตัว บางสายงานอาจรับผิดชอบเพียงแค่บางหน้าที่เท่านั้น แต่หากจะให้กล่าวถึงสายงาน Data ตั้งแต่ต้นน้ำจนถึงปลายน้ำโดยคร่าว ๆ จะมีหน้าที่ประมาณนี้ :
- ตั้งคำถาม : เริ่มจากการตั้งโจทย์ ว่าต้องการหาข้อมูลอะไร? จุดประสงค์ของข้อมูลที่ต้องการหาคืออะไร?
- รวบรวมข้อมูล : ยุคสมัยนี้มีข้อมูลที่ถูกป้อนเข้ามา และอีกมากมาย หากบริษัทไม่มีระบบที่รองรับข้อมูลอย่างเป็นระบบ การรวบรวมข้อมูลเป็นขั้นตอนที่ยุ่งยากมาก ๆ ฉะนั้นบริษัททั้งหลายควรเริ่มจากการสร้าง Infrastructure ที่มีประสิทธิภาพ รวบรวมข้อมูลภายนอก – ภายใน ไว้อย่างเป็นระบบ จะได้นำกลับมาใช้ได้อย่างไร
- ทำความสะอาดข้อมูล : ไม่ใช่ว่าข้อมูลที่เข้ามาทั้งหมดจะสมบูรณ์ อาจมีข้อมูลบางอย่างที่ขาดหาย หรือ Duplicate ซึ่งจะทำให้พอนำไปเข้าสู่กระบวนการวิเคราะห์ เกิดความคลาดเคลื่อน หรือผลลัพธ์ที่ไม่เป็นที่ประสงค์
- วิเคราะห์ข้อมูล : นำข้อมูลที่ถูกรวบรวมและขัดเกลาเรียบร้อยมาวิเคราะห์โดยใช้เครื่องมือต่าง ๆ ไม่ว่าจะเป็น Microsoft Excel, Python, Apache Spark, R, Microsoft Power BI และอื่น ๆ อีกมากมาย
- ตีความข้อมูล : บางครั้งข้อมูลที่ได้อาจนำพาไปสู่การคาดการณ์เทรนด์ หรือแนวโน้มในอนาคต ที่สามารถใช้ร่วมตัดสินใจทิศทางของธุรกิจระดับผู้บริหาร จึงนับเป็นอีกขั้นตอนที่น่าตื่นเต้นอย่างมากสำหรับเหล่า Data Scientist ทั้งหลาย
- นำเสนอข้อมูล : บ่อยครั้งที่ข้อมูลที่ได้รับการวิเคราะห์ หรือตีความออกมา จะเป็นชุดข้อมูลที่เข้าใจยาก การนำเสนอออกมาเป็นรูปแบบที่เข้าใจง่าย ไม่ว่าจะเป็นการใช้รูปภาพ infographic เพื่อทำการ Visualize ข้อมูลออกมาเป็นอะไรที่ใคร ๆ ก็สามารถเข้าถึงได้
แล้ว Data & Analytics มีความสำคัญอย่างไรในองค์กร ?
ไม่ว่าจะเป็นอุตสาหกรรมไหน ‘ข้อมูล’ ถือว่าเป็นสิ่งที่สำคัญ โดยเฉพาะในแวดวงที่มีการเปลี่ยนแปลงรวดเร็ว และต้องการเข้าถึงตลาดก่อนใคร
Know Your Customer
สามารถรู้ว่าลูกค้าคือใครอย่างแท้จริง และช่องทางไหนเป็นช่องทางที่ดีที่สุดในการเข้าถึงลูกค้า โดยเฉพาะในยุคสมัยนี้มีข้อมูลเข้ามาได้จากหลากหลายช่องทาง ฉะนั้นการสร้างระบบข้อมูลที่ Streamline มีความเป็น Single source of truth จะนำไปสู่การเข้าใจตลาด และฐานลูกค้า พร้อมขยายไปในทิศทางที่ถูกต้องแม่นยำ
Insight
Insight ที่ดี มีชัยไปกว่าครึ่ง ไม่ว่าจะเป็นในเชิงแผนการตลาด ไปจนถึงแนวทางเข้าถึงกลุ่มลูกค้าเก่า-ใหม่ Data & Analytics จะทำให้บริษัทได้ Insight ที่ไม่มีลำเอียง หากแต่ถูกตั้งมาจากฐานข้อมูลที่ถูกต้อง จนสามารถนำเป็นพื้นฐานของแผนการตลาดที่ดี พร้อมสร้างแผนการตลาดที่ตอบ Painpoint ได้อย่างแท้จริง
Minimize Risk
ไม่มีใครสามารถคาดการณ์เหตุการณ์ในอนาคตได้ถูกต้อง 100% หากแต่ด้วยฐานข้อมูล ทั้งที่ประสบความสำเร็จ ไปจนถึงล้มเหลวในอดีตจนถึงปัจจุบัน ด้วยหลักการวิเคราะห์ และตีความของ Data & Analytics เราสามารถคาดการณ์ได้ว่าแผนการในอนาคต อันไหนมีโอกาสประสบความสำเร็จ หรือล้มเหลวมากกว่า ไปจนถึงคาดการณ์ผลตอบแทนที่จะได้รับ ไปจนถึงความเสี่ยง และค่าลงทุนต่าง ๆ เพื่อตามหาแผนการที่มีความ Optimal ที่สุด
วิทยาการอะไรบ้างที่มีความสำคัญอย่างมากต่อ Data & Analytics
แน่นอนว่าด้วยวิทยาการล้ำยุคล้ำสมัยที่พัฒนาขึ้นอย่างรวดเร็วในช่วงไม่กี่ปีที่ผ่านมา ได้ทำให้สายงาน Data & Analytics กลายเป็นเหมือนกับการควบรวมนวัตกรรมใหม่ ๆ มาเพิ่มประสิทธิภาพ ความแม่นยำ รวมถึงความรวดเร็วในการวิเคราะห์ข้อมูลนับแสนนับล้าน เพื่อให้ได้ผลลัพธ์ที่แม่นยำ และสามารถนำไปใช้ได้มากที่สุด
Artificial Intelligent
พื้นฐานของ AI หรือ Machine Learning มีความคล้าย Data & Analytics ตั้งแต่การรวบรวมฐานข้อมูล ทำความสะอาดข้อมูล ประมวลผล จนได้ออกมาเป็นปัญญาประดิษฐ์ที่สามารถรับ Input และนำเสนอ Output ได้อย่างรวดเร็ว ฉะนั้นทั้ง 2 สิ่งนี้จึงมีหลายแง่มุมที่ต้องพึ่งพาอาศัย และก้าวไปพร้อม ๆ กัน ซึ่ง AI ใช้พื้นฐานของ Data & Analytics เพื่อพัฒนาระบบ ในทางกลับกัน AI ก็สามารถช่วยวิเคราะห์ และคาดการณ์ได้อย่างรวดเร็ว มีความ Real-time มากขึ้น หรือที่เรียกกันว่า Augmented Analytics ที่คาดว่าจะมีให้เห็นมากขึ้น
Cloud Infrastructure & Data Center
ด้วยความที่ปัจจุบันมีข้อมูลมหาศาลไหลเข้าออกองค์กรตลอดเวลา ฉะนั้นวิธีการเก็บข้อมูลที่มีประสิทธิภาพ สามารถเชื่อมต่อกับทุกหน่วยงานได้ จึงเป็นกุญแจสำคัญของการสร้าง Data & Analytics ที่มีประสิทธิภาพ ยิ่งมีข้อมูลครบถ้วน และรอบด้าน ก็จะยิ่งได้ผลวิเคราะห์ และแนวทางการตัดสินใจที่ใกล้เคียงความเป็นจริงมากยิ่งขึ้น
DataOps
ควบรวม Data & Analytics เป็นเหมือนแอปฯ หรือส่วนขยายใน Software ที่ใช้งานอยู่ในออฟฟิศอยู่แล้ว อาจเป็นแนวทางใหม่ ๆ ที่ทำให้เหล่าผู้ที่ทำงานกับข้อมูล สามารถทำงานได้ง่ายขึ้นโดยอาจไม่ต้องมีความรู้ลึกด้านโปรแกรมมิ่งมากมาย
สุดท้ายหลักการของ Data & Analytics เป็นสิ่งที่ทุกธุรกิจยุคใหม่ควรมี มันคือแผนการที่อยู่เบื้องหลังความสำเร็จของ Executive Decision สำคัญ ๆ ทั้งหลาย ยิ่งมีเครื่องมือมาช่วยตั้งแต่ AI ไปจนถึง Cloud ก็ยิ่งทำให้ Data & Analytics เกิดขึ้นได้ง่าย และรวดเร็ว ในทุกการตัดสินใจของคุณได้