DATA ANALYTICS

คุณจรีพร จารุกรสกุล

ประธานคณะกรรมการและประธานเจ้าหน้าที่บริหารกลุ่ม

บริษัท ดับบลิวเอชเอ คอร์ปอเรชั่น จำกัด (มหาชน)

เมื่ออาทิตย์ที่แล้วผู้เขียนมีโอกาสเขียนถึง พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคล (PDPA) และการดูแลรักษาข้อมูลที่ถือว่าเป็นสินทรัพย์มีค่าของโลกใหม่ไปแล้ว อาทิตย์นี้เราก็จะมาคุยกันต่อถึงการนำข้อมูลมาใช้ประโยชน์ผ่านการวิเคราะห์เชิงลึกหรือ Data Analytics ที่กำลังเป็นกระแสและถูกพูดถึงอย่างมากในช่วงนี้

ปัจจุบัน Data Analytics ได้รับการยกย่องว่าเป็นขุมพลังใหม่ที่องค์กรต่างๆ ทั่วโลกนำมาใช้สร้างการเจริญเติบโตทางเศรษฐกิจ ปริมาณของ Structured และ Unstructured Data ที่เพิ่มมากขึ้นอย่างมหาศาลเนื่องจากพฤติกรรมที่เปลี่ยนไปของผู้คนในยุคดิจิทัลซึ่งเมื่อรวมเข้ากับความก้าวหน้าและราคาของเทคโนโลยีการวิเคราะห์ที่ลดลง อาทิ Big Data หรือ Business Intelligence ก็ทำให้ภาคธุรกิจเริ่มตื่นตัวและนำ Data Analytics มาประยุกต์ใช้ภายในองค์กรมากขึ้น

ตัวอย่าง Use Case การทำ Data Analytics ที่เริ่มแพร่หลายในภาคเอกชน ได้แก่ การจัดเก็บและวิเคราะห์ข้อมูลเพื่อสนับสนุนกระบวนการตัดสินใจที่นอกจากจะช่วยให้ผู้ประกอบการเข้าใจความต้องการของผู้บริโภค/ ลูกค้าจนสามารถพัฒนาสินค้าและบริการใหม่ๆ แล้วยังสามารถนำไปสู่การเพิ่ม Productivity หรือผลิตภาพที่ช่วยให้การทำงานมีประสิทธิภาพและประสิทธิผล ช่วยลดกระบวนการและต้นทุนที่ไม่จำเป็น รวมไปถึงการใช้ข้อมูลเพื่อบริหารความเสี่ยงขององค์กรในมิติต่างๆ อีกด้วย

ซึ่งการทำ Data Analytics เองก็สามารถแบ่งออกเป็น 5 ระดับตาม Maturity Level ที่ใช้ประเมินความซับซ้อนของกระบวนการวิเคราะห์ข้อมูลโดยเริ่มตั้งแต่ระดับที่ง่ายได้แก่ (1) Descriptive Analytic ซึ่งเป็นการวิเคราะห์ขั้นพื้นฐานเพื่อหาคำตอบที่เฉพาะเจาะจง เช่น การคำนวณค่าทางสถิติ ผลตอบแทนการลงทุน (2) Diagnostic Analytic การวิเคราะห์เพื่อหาความสัมพันธ์ระหว่างตัวแปรหรือปัจจัยต่างๆ เช่น ความสัมพันธ์ระหว่างยอดขายกับกิจกรรมทางการตลาดหรือช่องทางการจำหน่ายต่างๆ (3) Predictive Analytic การพยากรณ์หรือคาดการณ์อนาคต เช่น การพยากรณ์ยอดขายหรือการประยุกต์ใช้กับระบบแนะนำสินค้า (4) Prescriptive Analytic การวิเคราะห์เพื่อให้คำแนะนำผลลัพธ์สำหรับทางเลือกต่างๆ เช่น Google Map ที่ช่วยแนะนำเส้นทางที่เร็วที่สุด และ (5) Cognitive & AI ซึ่งเป็นขั้นสูงสุดของกระบวนการทำ Data Analytics ในปัจจุบันและมีความซับซ้อนอย่างมาก เช่น การวิเคราะห์ข้อมูลสำหรับยานยนต์ไร้คนขับ รวมถึงโปรแกรมผู้ช่วย AI ต่างๆ อาทิ Apple Siri, Google Assistant, Amazon Alexa เป็นต้น

Data Analytics จึงเป็นหัวข้อที่กำลังมาแรงและได้รับความสนใจจากทุกวงการ อย่างไรก็ตาม ประโยชน์ที่แท้จริงของศาสตร์การวิเคราะห์เชิงลึกนั้นไม่ใช่แค่การมีเทคโนโลยีที่ทันสมัยเพียงอย่างเดียวแต่ยังรวมไปถึงความสามารถในการนำข้อมูลที่จัดเก็บหรือรวบรวมมาวิเคราะห์จนได้ผลลัพธ์หรือ Insights ที่สามารถนำไปต่อยอดเป็นกลยุทธ์ทางธุรกิจผ่านการประยุกต์ใช้งานและนำไปปฏิบัติจริง ผู้บริหารหรือผู้นำขององค์กรจึงเป็นผู้ที่มีบทบาทสำคัญในการกำหนดวัตถุประสงค์ของการทำ Data Analytics ที่ชัดเจนเพราะการตั้งเป้าหมายที่ถูกต้องก็เปรียบเสมือนเข็มทิศที่ช่วยนำทางไปสู่การจัดเก็บข้อมูลที่เหมาะสม รวมถึงเป็นตัวกำหนดทิศทางของการวิเคราะห์ที่สามารถเกิดขึ้นได้จากมุมมองหลากหลาย ตลอดจนช่วยสร้างความร่วมมือระหว่างหน่วยงานอันจะส่งเสริมให้เกิดการแปลผลหรือสื่อสารข้อมูลที่เข้าใจง่ายหรือมีประโยชน์จนผู้ใช้หรือฝ่ายอื่นๆ ภายในองค์กรสามารถนำ Insights ไปใช้ได้อย่างต่อเนื่องอีกด้วย

เมื่อข้อมูลกลายเป็น Strategic Asset ที่มีความสำคัญและถูกนำมาใช้ต่อยอดทางธุรกิจได้มากขึ้นเรื่อยๆ องค์กรจึงจำเป็นต้องมีวัฒนธรรมการใช้งานข้อมูล หรือ Data-Driven Culture ที่ปลูกฝังการให้ความสำคัญกับการจัดเก็บ วิเคราะห์ และตีความข้อมูลอย่างเป็นวิทยาศาสตร์เพื่อประกอบการตัดสินใจอย่างเป็นระบบซึ่งโอกาสหน้าเราจะมาคุยเรื่องนี้กันในรายละเอียดนะคะ