แนวทางการใช้ Data ตอบโจทย์ธุรกิจให้ปัง

ปัจจุบันคำว่า Data Driven Business/ Organization เริ่มเป็นที่นิยม เพราะหลายๆบริษัทมีการใช้ข้อมูลในการตัดสินใจในการทำธุรกิจ เช่น แผนก marketing, sale, operation โดยข้อมูลที่นำมาใช้นั้น หากใช้อย่างถูกวิธีจะช่วยลด cost และเพิ่มรายได้ให้แก่บริษัทอีกด้วย

เมื่อวันที่ 30 มิถุนายนที่ผ่านมา ทรู ดิจิทัล พาร์ค ได้จัดงาน Tech Master Talk: Bringing the Power of Data to Your Business powered by LSEG (London Stock Exchange Group)  เพื่อพูดคุยถึงการใช้ Data ในการดำเนินธุรกิจ แชร์ประสบการณ์ผ่าน speaker ทั้ง 3 ท่าน ได้แก่

• สักวันหนึ่ง ตระกูลโชคเสถียร (แชมป์), Lead Data Scientist, LSEG (London Stock Exchange Group)  
• ชุษณะ นันทนาท (ดิว), Senior Data Scientist, LSEG (London Stock Exchange Group)  
• มนัสนันท์ บูรณโชคไพศาล (แก้ว), Senior Data Engineer, LINE MAN Wongnai

รูปแบบในกระบวนการจัดการข้อมูล (Data Analytics Cycle) ที่องค์กรต่างๆควรปฏิบัติตามมีทั้งหมด 6 ขั้นตอน

1. Understand the business: ต้องเข้าใจธุรกิจที่ตนเองทำอยู่ ต้องรู้ว่าธรรมชาติของข้อมูลที่บริษัทได้มาอยู่ในประเภทไหน วัดค่าอย่างไร จากนั้นให้เริ่มตั้งคำถามและเป้าหมายว่าจะนำข้อมูลที่มีไปใช้อย่างไร เช่น sale marketing จะเน้นสินค้ายอดขาย customer service จะดูความพึงพอใจของลูกค้า 
2. Data Collection: ต่อมาดูว่าเราต้องใช้ข้อมูลอะไรบ้างในการตอบคำถาม/ บรรลุเป้าหมายของเรา โดยให้เริ่มรวบรวมข้อมูลทั้งหมดและจัดเก็บให้มีประสิทธิภาพ หากไม่มีข้อมูลให้หาเพิ่ม 
3. Data Preparation หรือ Data Cleaning: การทำความสะอาดข้อมูลที่มีอยู่ให้ถูกต้อง เช่น หากกดผิด ข้อมูลตัวเลขขาดหายไป อาจแก้ปัญหาได้โดยการใส่ค่าเฉลี่ยลงไป โดยในขั้นตอนนี้นั้นใช้เวลาเยอะมาก
4. Data Exploration: การสำรวจ Data ด้วยตาเปล่า ดู trend การขึ้นลง เช่น E-commerce จะดูรายละเอียดการซื้อขายแบบรายวัน/อาทิตย์/เดือน/ไตรมาส/ปี มองเบื้องต้นก็จะได้คำตอบในทันที
5. Data Analytics: ในขั้นนี้จะเป็นการวิเคราะห์ขั้นสูง เป็น Data Science จริงๆ มีการทำ advanced analytic ใช้ Stats หา insight ข้อมูล ทำ modeling เพื่อนำ Machine learning มาใช้ต่อ 

(โดยบางบริษัทอาจไม่พร้อมในจุดนี้จึงอาจรวมข้อ 4,5 เข้าด้วยกัน)

1. Visualization: ในขั้นนี้จะเป็นการแปลงข้อมูลออกมาอยู่ในรูปแบบที่ผู้คนสามารถเข้าใจได้ง่ายขึ้น มีความสวยงามแต่คงใจความเดิม เช่น การทำกราฟ, heatmap, dashboard ฉะนั้นการเลือกสี ขนาด รูปแบบ จึงมีผลอย่างมากที่จะถ่ายทอดข้อมูลที่เรามีให้ดียิ่งขึ้นไปอีก

บทบาทหน้าที่ของตำแหน่งต่างๆที่เกี่ยวข้องตามกระบวนการข้างต้นจึงไปประกอบไปด้วย

1. Business Analyst (BA)
2. Data Engineer
3. Data Analyst 
4. Business Intelligence (BI)

เครื่องมือที่แนะนำสำหรับการจัดการ Data ในขั้นตอนต่างๆ อย่างมีประสิทธิภาพ

• Data engineer: ใช้ MySQL เขียน Query ใช้ Python เขียนโปรแกรม (หากอยากศึกษาเพิ่มเติมควรศึกษา Data structure, Database management)
• Data Scientist: ใช้ Python โดยในนั้นจะมี library ที่สนับสนุนมากมาย เช่น Pandas, NumPy
• Business Intelligence: ใช้ Tableau, Power BI, Excel
• Basic tool อย่าง Microsoft access ก็สามารถทำ database ได้ง่าย หรือ Excel ก็มีเครื่องมือสำเร็จรูปมากมาย เช่น การวิเคราะห์ทางสถิติหรือการทำ visualization

ทางคุณแก้วจาก LINE MAN Wongnai ได้กล่าวเสริมว่าทางบริษัทก็มีการใช้ cloud service เช่น Google Cloud, AWS เป็นแพลตฟอร์ม manage service ที่มีการ set up ตัว database บางอย่างให้ใช้งานง่ายขึ้นด้วย

หากบริษัทอยากเริ่มจัดการพื้นฐาน Data ให้เกิดประโยชน์สูงสุด ควรเริ่มจากการถามตัวเองว่า

1. จะเก็บข้อมูลอย่างไร? ในขั้นนี้นั้นขึ้นอยู่กับความพร้อมว่ามีความรู้ด้านการเขียนโปรแกรมหรือไม่ หากไม่มีให้เก็บข้อมูลดิบเอาไว้ก่อน
2. จะเก็บข้อมูลอะไร?

ถ้าบริษัทสามารถตอบ 2 คำถามนี้ได้จะสามารถวางแผนจัดการในเบื้องต้นได้ราบรื่นขึ้น

หลังจากนั้น ในขั้นต้นแนะนำให้องค์กรต้องมี 2 ตำแหน่งที่สำคัญ

1. Data Engineer
2. Business Intelligence หรือ Data Analyst

เพราะ Data Engineer จะสามารถสร้าง Data platform & Data Pipeline ในการดึงข้อมูลมาจัดเก็บให้อยู่ในรูปแบบที่ถูกต้อง จากนั้นจะส่งต่อให้ Business Intelligence นำไปประยุกต์ใช้ทำ Visualization หรือ Dashboard 

พอบริษัทเริ่มมีผลลัพธ์ เห็นประโยชน์จากการทำขั้นตอนในข้างต้นแล้ว สามารถขยายเป็นข้อมูลเชิงลึกและจ้าง Data Scientist เข้ามาในทีมได้ภายหลัง

โดยอุปสรรคในการใช้งาน Data นั้นคุณแก้วจาก LINE MAN Wongnai กล่าวว่ามี 2 ข้อหลักๆ

1. Data Quality (คุณภาพของข้อมูล): ข้อมูลบางอย่างอาจเก็บอยู่ในรูปแบบที่ใช้ไม่ได้ทันที ต้องมีการทำ Data Cleaning ก่อน
2. Data Literacy (ความรู้ในการใช้ข้อมูล): คนในทีมและผู้บริหารควรมีเข้าใจร่วมกันกับบุคลากรที่ทำด้วย

เรื่องของความถูกต้องของข้อมูลก็เป็นสิ่งสำคัญมาก การ recheck และควบคุมไม่ให้เกิดความผิดพลาดเป็นสิ่งที่ควรทำ คุณดิวจาก LSEG กล่าวว่าองค์กรต้องรู้ก่อนว่าตรงไหนคือจุดที่ผิด เพราะมันก็เหมือนการติดกระดุมเม็ดแรกผิด ถ้าผิด เม็ดอื่นก็จะผิดต่อไปเรื่อยๆ

สุดท้ายนี้อาชีพสาย Data Science นั้นเป็นที่นิยมเพิ่มขึ้นอย่างมากในปัจจุบัน เพราะสามารถเข้าไป support งานแต่ละหน่วยได้โดยการเอา machine learning เข้าไปทำงานแทนคนได้ 

บางคนอาจอยากเบนสายงาน speaker ทั้ง 3 คนของเราก็ได้แนะนำว่าให้ศึกษาหาข้อมูลความรู้เพิ่มเติมอยู่ตลอด ฝึกทักษะสถิติและการเขียนโปรแกรม นอกจากนี้ยังควรฝึกการใช้ MySQL, Python, Tableau, Microsoft access, Excel อีกด้วย

-----

ทรู ดิจิทัล พาร์คยังมีงานทอล์กและอีเว้นท์เพิ่มความรู้อยู่เรื่อยๆ สำหรับผู้ที่สนใจสามารถดูรายละเอียดอีเว้นท์ต่อไปได้ทาง https://www.truedigitalpark.com/events

ทรู ดิจิทัล พาร์ค—ศูนย์กลางเทคและสตาร์ทอัพที่ใหญ่ที่สุดในอาเซียน ตั้งอยู่ใจกลางย่านนวัตกรรมต้นแบบด้านดิจิทัลของประเทศไทย