จรัล งามวิโรจน์เจริญ Chief Data Scientist & VP of Data Innovation Lab บริษัท เซอร์ทิส จำกัด
จากการทำงานด้านข้อมูลและเป็นที่ปรึกษาให้กับองค์กรต่างๆ ในช่วงหลายปีที่ผ่านมา ผมมักจะถูกถามหรือขอคำปรึกษาบ่อยๆ จากบริษัทหรือองค์กรขนาดใหญ่ทั้งภาครัฐและเอกชน ซึ่งคำถามส่วนใหญ่ก็เป็นคำถามที่คล้ายกัน เช่น ข้อมูลมีประโยชน์อย่างไร จะเริ่มการเก็บข้อมูลอย่างไร จะนำเทคโนโลยีเอไอมาใช้กับองค์กรดีหรือไม่
ในบทความนี้ผมจึงอยากจะนำคำถามที่ถูกถามบ่อยเหล่านั้น รวมถึงคำตอบจากประสบการณ์ของผมมาแชร์ให้กับผู้อ่านทุกคน เพราะผมเชื่อว่าสิ่งเหล่านี้เป็นสิ่งที่ทุกองค์กร ทั้งองค์กรขนาดเล็กและขนาดใหญ่ ควรศึกษาและทำความเข้าใจ เพื่อเตรียมตัวนำไปปรับใช้ในธุรกิจ
1. อยากให้องค์กรมีการนำข้อมูลมาใช้ ควรเริ่มต้นคิดจากอะไร?
ในยุคนี้ใครๆ ก็พูดถึงการนำข้อมูลมาใช้ ซึ่งจริงๆ แล้วข้อมูลมีอยู่ในทุกอย่างรอบตัวของเราอยู่แล้ว ถ้าหากเรามีการวัดและจัดเก็บข้อมูลในรูปแบบดิจิทัลไว้ เราก็สามารถนำข้อมูลนั้นมาใช้ประโยชน์ได้ แต่ก่อนอื่นเราต้องรู้เสียก่อนว่าเราจะนำข้อมูลมาใช้เพื่ออะไร โดยเราสามารถเริ่มคิดจาก 2 แนวทาง คือ
- Bottom up เริ่มจากดูว่าเรามีข้อมูลอะไรบ้างที่เก็บอยู่ในรูปแบบดิจิทัลไว้อยู่แล้ว แล้วจึงค่อยคิดต่อว่าเราสามารถนำข้อมูลเหล่านี้ไปใช้ประโยชน์อย่างไรได้บ้าง
- Top down เริ่มจากการตั้งโจทย์ โดยคิดถึงปัญหาที่เราอยากแก้ไข หรือเป้าหมายที่เราต้องการบรรลุ แล้วจึงค่อยคิดต่อว่า ข้อมูลอะไรหรือประเภทไหนที่เราต้องการ และข้อมูลที่เราต้องการเหล่านี้เรามีแล้วหรือยัง เพียงพอหรือไม่ ต้องทำอย่างไรเพื่อให้ได้ข้อมูลเหล่านี้เพิ่มขึ้นมา
สิ่งที่พบในภาคธุรกิจส่วนใหญ่ ก็มักเริ่มจากวิธีคิดแบบ top down โดยมีเรื่องหลักที่ทุกองค์กรมุ่งเน้นก็คือ การสร้างกำไร เพิ่มรายได้หรือลดรายจ่าย ซึ่งโจทย์ด้านรายได้ก็คงเป็นคำถามว่าเราจะขายของหรือบริการได้มากขึ้นอย่างไร ขายให้ตรงกลุ่มที่ต้องการอย่างไร ถ้าเป็นเรื่องลดรายจ่ายคงเป็นเรื่องที่ว่าจะสั่งสินค้าหรือเก็บสต็อกให้น้อยลงอย่างไร ซึ่งข้อมูลการซื้อขายสามารถนำมาใช้คาดการณ์สิ่งเหล่านี้ได้
หลังจากตั้งโจทย์ได้แล้ว เราจึงค่อยมาคิดต่อ หรืออาจจัดเป็น workshop เพื่อร่วมกันหาว่า มีข้อมูลใดบ้างที่สามารถนำมาใช้วิเคราะห์เพื่อส่งเสริมให้ธุรกิจมีความแม่นยำในการเลือกกลุ่มลูกค้า และทำให้การจัดการมีประสิทธิภาพมากยิ่งขึ้น
2. ถ้ายังไม่มีข้อมูลแล้วจะทำอย่างไร?
หากพบว่าในองค์กรของคุณยังไม่มีการเก็บข้อมูลใดๆ หรือมีการเก็บข้อมูลอยู่บ้างแล้ว แต่ก็ไม่สามารถนำข้อมูลเหล่านั้นมาใช้งานได้ เราควรเริ่มจากการพูดคุยกันภายในองค์กร เพื่อเริ่มทำการเก็บข้อมูล โดยพยายามแยกเก็บข้อมูลให้เป็นหมวดหมู่ ละเอียด และครบถ้วนมากที่สุด เพื่อความสะดวกและประโยชน์ในการนำมาใช้งานต่อไปในอนาคต
ข้อมูลที่ทุกองค์กรสามารถเริ่มเก็บได้เลยทันที ได้แก่
- ข้อมูลด้านการทำธุรกรรม (transaction) เช่น การซื้อ การขาย การขนส่ง
- ข้อมูลของพนักงานภายในองค์กร เช่น ชื่อ ที่อยู่ วันที่เข้าทำงาน การขาดลามาสาย
- ข้อมูลของสินค้าและบริการของเรา เช่น ราคา ขนาด สี ลักษณะ วัสดุ โปรโมชั่น
- ข้อมูลของลูกค้า เช่น ชื่อ ที่อยู่ เบอร์โทรติดต่อ รวมถึงประวัติการพูดคุยกันในอีเมล หรือ แชท
- ข้อมูลของปัจจัยหรือเหตุการณ์สำคัญที่มีผลต่อยอดขาย
และต้องสร้างมาตรฐาน (standardize) ในการเก็บข้อมูลร่วมกันให้เป็นไปในระบบหรือรูปแบบเดียวกัน เช่น
- การบันทึกวันที่ จะใช้รูปแบบ วัน-เดือน-ปี หรือ เดือน-วัน-ปี
- จะบันทึกด้วย ปี พ.ศ. หรือ ปี ค.ศ.
- การบันทึกที่อยู่จะใช้ภาษาไทย หรือภาษาอังกฤษ
- หากเลือกใช้ภาษาอังกฤษ จะบันทึกคำว่าเอกมัยว่า “Ekkamai” หรือ “Ekamai”
- หากเลือกใช้ภาษาไทย จะบันทึกคำว่ากรุงเทพฯ ว่า “กรุงเทพฯ” หรือ “กรุงเทพมหานคร” หรือ “กทม.”
หากเราไม่ได้มีการกำหนดมาตรฐานหรือรูปแบบให้เข้าใจตรงกันตั้งแต่แรก ความไม่ตรงกันในการบันทึกข้อมูลเหล่านี้จะกลายเป็นปัญหาที่ทำให้ทุกองค์กรต้องเสียเวลาในการล้างและจัดการข้อมูลใหม่ เพื่อที่จะนำข้อมูลไปใช้ในการวิเคราะห์และใช้ประโยชน์ในขั้นถัดไป
3. ควรใช้เครื่องมืออะไรในการช่วยจัดการและวิเคราะห์ข้อมูล?
ขึ้นอยู่กับจำนวน ขนาดของข้อมูล และความยากของปัญหาหรือเป้าหมายที่เราต้องการ หากองค์กรของคุณเป็นธุรกิจขนาดกลางหรือขนาดเล็ก ที่มีข้อมูลไม่ได้มากมายหลาย terabyte และสิ่งที่เราต้องการหาคำตอบนั้นก็ไม่ได้ซับซ้อนจนเกินไป ไม่จำเป็นต้องใช้ข้อมูลตัวแปรจากหลายๆ แหล่ง เราสามารถเริ่มจากการใช้เครื่องมือฟรีที่มีอยู่ในตลาด ประเภท spreadsheet กับ visualization tool ก่อนได้ โดยไม่จำเป็นต้องใช้เครื่องมือที่มีราคาแพง
4. จำเป็นต้องมี Data Scientist ในองค์กรของเราหรือไม่?
ก่อนที่เราจะคิดจ้าง data scientist เข้ามาประจำภายในองค์กร เราจะต้องเข้าใจก่อนว่าหน้าที่ของ data scientist คืออะไร data scientist คือผู้เชี่ยวชาญในด้านศาสตร์ข้อมูลที่อยู่ในรูปดิจิทัล ทั้งข้อมูลแบบ structure (เช่น ข้อมูลตารางใน spreadsheet หรือ database) และ unstructure (เช่น ภาพ รูป วิดีโอ เสียง และตัวหนังสือ) มีหน้าที่ใช้ความรู้และเครื่องมือต่างๆ เช่น เครื่องมือทางด้านสถิติ, คณิตศาสตร์, เศรษฐศาสตร์, ML/AI, optimization เพื่อใช้ในการวิเคราะห์ข้อมูล ประมวลผล หรือสร้างโมเดลข้อมูลเพื่อตอบโจทย์ที่เราสนใจ
ดังนั้นหากจะตอบคำถามที่ว่าองค์กรของคุณจำเป็นที่จะต้องจ้างคนในตำแหน่งนี้หรือไม่ ผมขอแนะนำให้คุณพิจารณาว่าธุรกิจของคุณมีความจำเป็นขนาดไหน หากธุรกิจหลักของคุณไม่ได้เกี่ยวข้องหรือขึ้นอยู่กับข้อมูล ไม่ได้มีความต้องการที่จะสร้างโมเดลข้อมูลบ่อยๆ ผมขอแนะนำว่าไม่จำเป็นที่จะต้องจ้างคนในตำแหน่งนี้ ซึ่งก็เหมือนกับงานอื่นๆ เช่น หากคุณไม่ได้ใช้รถหรือต้องเดินทางบ่อยๆ ก็ไม่จำเป็นต้องจ้างคนขับรถ, หรือคุณอาจจะอยากให้คนในบริษัทของคุณหรือแขกที่มาเยี่ยมเยียนมีอาหารอร่อยๆ กิน แต่บริษัทของคุณก็ไม่ได้เป็นร้านอาหาร หรือเกี่ยวข้องกับวัตถุดิบ หรือการทำอาหาร ก็ไม่จำเป็นที่จะต้องจ้างเชฟราคาแพงๆ แต่ขอแนะนำให้ออกไปทานอาหารในภัตตาคารข้างนอกจะดีและประหยัดเสียกว่า
แต่อย่างไรก็ตามหากคุณเห็นถึงความสำคัญ หรือมีความจำเป็นที่จะต้องสร้างหรือพัฒนาโมเดลข้อมูลเพื่อตอบโจทย์ทางธุรกิจ ก็สามารถพิจารณาจ้าง data scientist จากบริษัทผู้เชี่ยวชาญได้เป็นรายครั้งเช่นกัน
5. คุ้มหรือไม่ถ้านำ AI มาใช้ในองค์กร?
จากกระแสและตัวอย่างความสำเร็จมากมายของ AI ที่เกิดขึ้น ทำให้คำถามนี้เป็นคำถามที่ผมเจอบ่อยมาก ก่อนอื่นผมอยากจะบอกว่า เราอาจต้องลดความคาดหวังใน AI ที่เรากำลังจะพัฒนาขึ้นเพื่อนำมาใช้กันนี้ เพราะอาจจะไม่ได้มีความล้ำเท่ากับงานวิจัยที่บริษัทระดับโลกทำ เพราะงานด้าน AI ไม่ใช่โปรแกรมสำเร็จรูปที่สามารถรับประกันความคุ้มค่าหรือความสำเร็จได้ในทันที แต่คือการลงทุนที่ต้องการการทดลองและใช้เวลาในการลองผิดลองถูกระดับหนึ่ง ซึ่งผู้ลงทุนต้องมีแนวคิด (mindset) ที่เปิดกว้าง พร้อมจะยอมรับได้ว่าอาจจะไม่เห็นผลอย่างที่คาดหวัง นอกจากนี้ผู้ลงทุนจะต้องมีความชัดเจนว่า โจทย์ของคุณในการนำ AI มาใช้คืออะไร และมีข้อมูลที่มีคุณภาพเพียงพอที่จะสร้างโมเดลแล้วหรือยัง แล้วจึงค่อยประเมินเงินลงทุนและความคุ้มค่าต่อไป
ผมเชื่อว่าท่านผู้อ่านคงมีคำถามอีกมากมาย ผมจึงเปิดเพจให้ผู้อ่านมาถาม-ตอบเกี่ยวกับการใช้ข้อมูลให้เกิดประโยชน์ทั้งในด้านสังคมและธุรกิจ รวมทั้งมาช่วยกันแชร์ประสบการณ์ต่างๆ หวังว่าผมจะสามารถช่วยเสริมได้บ้างจากช่องทางนี้ ผมเชื่อว่าหากเรารวมหัวกัน คงช่วยกันสร้างความรู้ ความฉลาดที่จะตอบคำถามเรื่อง data ต่างๆ ที่เราเจอกันได้ ลองดูนะครับ โดยสามารถเข้าไปกดไลค์ กดแชร์กันได้ที่เพจนี้ครับ https://www.facebook.com/askdataquestion/
ข่าวหรือบทความที่เกี่ยวข้อง
