คิดหลายด้าน สร้าง data driven mindset

จรัล งามวิโรจน์เจริญ

บทความที่แล้ว (ก้าวข้ามกับดัก big data) ผมได้แนะนำเกี่ยวกับการนำข้อมูลมาใช้ให้เกิดประโยชน์สูงสุด ซึ่งสิ่งที่สำคัญคือการสร้างทัศนคติมากกว่าการเน้นใช้เทคโนโลยี เพราะข้อมูลมีความซับซ้อนหลายมิติ มีความสัมพันธ์กับส่วนต่างๆ ภายในองค์กรทั้งคน ระบบ และสิ่งอื่นๆ ที่เกี่ยวข้อง เพราะฉะนั้น ในการที่จะนำข้อมูลมาใช้นั้น จำเป็นที่จะต้องทำความเข้าใจความสัมพันธ์ต่างๆ ทั้งในระดับจุลภาคและระดับมหภาค เพื่อที่จะสามารถมองเห็นปัญหาต่างๆ ผ่านมุมมองที่หลากหลาย และมองเห็นความเชื่อมโยงและผลกระทบของข้อมูลต่อเป้าหมายขององค์กรผ่านกระบวนการคิดเชิงระบบ(Systems thinking) ซึ่งสิ่งเหล่านี้ก็ถือว่าเป็นกรอบการทำงานที่มีประโยชน์

คำถามที่สำคัญก่อนที่จะนำ data analytics มาใช้ในองค์กร

อัลเบิร์ต ไอน์สไตน์ เคยกล่าวว่า “ถ้าเขามีเวลา 1 ชั่วโมงในการแก้ปัญหาและชีวิตของเขาขึ้นกับคำตอบนั้น เขาจะใช้เวลา 55 นาทีแรกในการตั้งคำถาม เมื่อรู้คำถามที่เหมาะสม เขาก็จะสามารถแก้ปัญหาได้ภายในเวลา 5 นาที” (“If I had an hour to solve a problem and my life depended on the solution, I would spend the first fifty-five minutes determining the proper question to ask, for once I know the proper question, I could solve the problem in less than five minutes.”) ช่วงปีที่ผ่านมาผมได้พบว่ามีหลายองค์กรพยายามปรับตัวเองสู่การทำ digital transformation ด้วยการริเริ่มนำความรู้ทางด้าน data analytics / data science / big data มาใช้ แต่กลับพบว่าคนในองค์กรเหล่านั้นไม่ทราบว่าการนำสิ่งนี้มาใช้นั้นทำไปเพื่ออะไร แล้วจะก่อให้เกิดประโยชน์อย่างไร หรือแม้แต่ทางผู้บริหารเองก็คิดไม่ออกว่าสุดท้ายแล้วผลลัพธ์ที่ได้มาคืออะไร และจะออกมาในรูปแบบใด นั่นเป็นเพราะองค์กรเหล่านั้นขาดความเข้าใจในปัญหาอย่างลึกซึ้งรอบด้าน และขาดการตั้งคำถามที่สำคัญที่องค์กรควรจะตอบให้ได้ก่อนก็คือ

wicked problem

นอกเหนือจากการตั้งคำถาม 3 ข้อที่กล่าวมาด้านบน ก็ยังมีเทคนิคอื่นๆ ที่ช่วยให้เราเปิดโลกทัศน์ในการมองเห็นปัญหาที่เจอได้อย่างกว้างขึ้นและลึกยิ่งขึ้น (frame / reframe) ยกตัวอย่างเช่น

การตั้งคำถาม “ทำไม – Why” ต่อยอดจากปัญหาเดิมที่มี จะช่วยให้เราขยายกรอบของปัญหา และได้รับคำตอบที่หลากหลายมากขึ้น
การมองภาพในหลายระดับ ในระดับ 10 เท่า (power of 10) จะช่วยให้เห็นปัญหาและผลกระทบที่จะเกิดขึ้นในระดับต่างๆ ที่แตกต่างกันไป ตั้งแต่ระดับจุลภาคไปจนถึงระดับมหภาค
การคิดตรงข้ามหรือหลุดกรอบ (reframe) จะช่วยให้เกิดความคิดและมุมมองใหม่ๆ ในการมองปัญหา

ร่วมกันสร้างและเข้าใจร่วมกัน (co-creation & shared understanding)

หลังจากที่ทางผู้บริหารได้ศึกษาปัญหา และมีการตั้งคำถามต่างๆ จนเข้าใจปัญหาและเป้าหมายในการใช้ข้อมูลอย่างชัดเจนถ่องแท้แล้ว สิ่งสำคัญลำดับถัดไปคือการสื่อสารที่มีประสิทธิภาพไปยังผู้ที่เกี่ยวข้องภายในองค์กรเพื่อให้เกิดความเข้าใจที่ตรงกัน เนื่องจากโครงการด้านข้อมูลถือว่าเป็นงานที่มีส่วนของการบริหารจัดการความเปลี่ยนแปลงที่ต้องตั้งความคาดหวัง (set expectation) ของผู้เกี่ยวข้องบ่อยครั้ง

ดังนั้น องค์กรควรจะมีกระบวนการในการรวบรวมความคิดของผู้ที่ได้รับประโยชน์และผลกระทบ เพื่อที่จะก่อให้เกิดการมีส่วนร่วมในการสร้างหรือเข้าใจร่วมกัน (co-creation & shared understanding) และเป็นการป้องกันไม่ให้เกิดความขัดแย้ง หรือเข้าใจผิด รวมถึงการทำงานที่ไม่ตรงตามวัตถุประสงค์ ซึ่งวิธีที่ผมอยากจะแนะนำก็คือ การคิดแบบ design thinking (แนวความคิดสร้างสรรค์ที่นักออกแบบใช้ในการออกแบบเพื่อตอบโจทย์ของผู้ใช้) ซึ่งสามารถนำมาประยุกต์ใช้กับองค์กรต่างๆ ในการช่วยระดมความคิดจากผู้ที่ได้รับประโยชน์และผลกระทบเพื่อให้เกิดความคิดเห็นที่แตกต่างหลากหลาย (divergent thinking) ได้ จากนั้นจึงนำมาปรับใช้และเรียนรู้ไปกับ quick-win project และสรุปตัดสินใจเลือกคำตอบที่เหมาะสมกับโจทย์ (convergent thinking)

นอกเหนือจากปัญหาเรื่องความชัดเจนของกลยุทธ์การวิเคราะห์ข้อมูล (data analytics strategy) และปัญหาด้านการสื่อสารภายในองค์กรตามที่กล่าวมาข้างต้น ปัญหาที่มักจะเจอบ่อยในลำดับถัดมาก็คือปัญหาเรื่องของการคัดเลือกคนหรือบุคลากรที่เหมาะสมที่จะนำมาร่วมทีมว่าควรเป็นคนแบบไหน เราจะหาคนที่มีลักษณะเหล่านั้นได้จากที่ใด และเราจะมีวิธีหรือแนวคิดเช่นไรในการสร้างบุคลากรเหล่านั้นขึ้นมา ซึ่งผมจะขอพูดถึงรายละเอียดเพิ่มเติมเหล่านี้ในบทความครั้งหน้าครับ