เรามักจะได้ยินการพูดถึงข้อมูล และ Big Data กันบ่อยขึ้นในบทสนทนาเกี่ยวกับธุรกิจและการจัดการ รวมทั้งกระแส Big Data ที่ส่งทอดบอกต่อกันว่า… Data is New Oil. ซึ่งเป็นการเปรียบเทียบให้เข้าใจง่ายขึ้นว่า ข้อมูลจะสำคัญเทียบเท่าน้ำมันเชื้อเพลิง อันเป็นตัวแปรสำคัญในการปฏิวัติอุตสาหกรรมยุคที่ 3 ซึ่งเริ่มต้นจากเครื่องกลไอน้ำและต่อยอดมาถึงน้ำมัน
ประเด็นก็คือ… ข้อมูลนั้นหาไม่ยาก แต่การใช้ข้อมูลจำนวนมากพร้อมกันนั้นไม่ง่าย โดยเฉพาะการใช้ข้อมูลจำนวนมากจนถึงระดับ Big Data เพื่อให้เป็นประโยชน์สูงสุดต่อเป้าหมายใดๆ ในธุรกิจ… ซึ่งเป้าหมายสุดท้ายมักจะเป็นเรื่องดุลย์การแข่งขันและกำไรที่แตกต่างอย่างเห็นได้ชัด…
นั่นแปลว่า… ข้อมูลจะมีส่วนสำคัญในแผนและกลยุทธ์ จนต้องหันกลับมาใส่ใจข้อมูลอย่างถี่ถ้วน ก่อนการนำไปใช้ประโยชน์
ประเด็นก็คือ… บริบทการสกัดข้อมูล หรือ วิเคราะห์ข้อมูล หรือ Data Analytics จะมีบริบทตาม “ภาวะการใช้ข้อมูล หรือ Data Analytics Maturity” โดยอ้างอิง Gartner’s Analytics Ascendancy Model ซึ่งแบ่งภาวะการวิเคราะห์ข้อมูลเอาไว้ 4 สภาวะคือ
1. Descriptive Analytics หรือ การวิเคราะห์เชิงพรรณนา… เป็นขั้นการวิเคราะห์ข้อมูลพื้นฐานตัวแปรเดียว หรือ Univariate Analysis ใช้เพียงเครื่องมือวิเคราะห์ประเภทสถิติเชิงพรรณา หาค่ากลาง ค่าการกระจายและแจกแจง เช่น ค่าเฉลี่ย ผลรวม จัดกลุ่มหรือจัดลำดับ… คำถามการวิเคราะห์ในระดับนี้ จะเป็นเพียงระดับสารสนเทศ หรือ Information เพียงถามเพื่อให้ทราบว่าเกิดอะไรขึ้น เช่น ยอดขายเท่าไหร่… ลูกค้าเท่าไหร่ เป็นต้น
2. Diagnostics Analytics หรือ การวิเคราะห์เชิงวินิจฉัย… เป็นขั้นการวิเคราะห์หาความสัมพันธ์ของตัวแปรตั้งแต่สองตัว หรือ Multivariate Analysis ขึ้นไป… โดยอาจเป็นได้ทั้งการวิเคราะห์สหสัมพันธ์ หรือ Correlation Analysis… และการวิเคราะห์ข้อมูลหลายมิติ หรือ Multidimensional Analysis… โดยการวิเคราะห์ข้อมูลในขั้นนี้ จะเป็นการวิเคราะห์เพื่อประเมินว่าตัวแปรแต่ละตัวมีผลต่อกันหรือไม่อย่างไร… ตัวอย่างเช่น ฤดูหนาวมีผลต่อยอดขายอย่างไร… ยอดขายในแต่ละพื้นที่แตกต่างกันหรือไม่ เป็นต้น
3. Predictive Analytics หรือ การวิเคราะห์เชิงคาดการณ์… ขั้นนี้จะเป็นการวิเคราะห์เพื่อพยากรณ์หรือทำนายอนาคต โดยส่วนใหญ่จะเป็นการสร้างโมเดลเพื่อสกัดรูปแบบความสัมพันธ์ที่สามารถนำไปใช้ “ประเมินเหตุการณ์ที่ยังไม่เกิดขึ้น” ซึ่งเทคนิคการวิเคราะห์โดยทั่วไป จะเป็นกลุ่มเทคนิคการทำเหมืองข้อมูล หรือ Data Mining และหรือการใช้ Machine Learning… โดยคำถามการวิเคราะห์ในขั้นนี้จะพยายามทำนายเหตุการณ์ลำดับถัดไป เช่น ลูกค้าคนไหนกำลังจะซื้อสินค้า… เมื่อซื้อสินค้านี้แล้ว “น่าจะ” ซื้อสินค้าอะไรเพิ่ม เป็นต้น
4. Prescriptive Analytics หรือ การวิเคราะห์เชิงชี้นำ… ขั้นนี้จะเป็นการวิเคราะห์เพื่อเสนอทางเลือกที่ดีที่สุด โดยสามารถเปรียบเทียบข้อเท็จจริงจากข้อมูลให้เห็นอย่างชัดเจนว่า ทำไมตัวเลือกที่เสนอจึงดีที่สุด ในขณะที่ตัวเลือกอื่นๆ ด้อยกว่าในประเด็นไหนอย่างไรบ้าง… ซึ่ง Prescriptive Analytics ถือเป็นสุดยอดของการวิเคราะห์ข้อมูล เพราะเป็นการที่มาพร้อมทางเลือกและเหตุผลประกอบ “การตัดสินใจ” ที่สมบูรณ์มาก
สิ่งที่น่าสนใจก็คือ Gartner’s Analytics Ascendancy Model คือแนวทางการสร้าง “คุณค่า หรือ Value” ให้กับข้อมูล ตั้งแต่ชั้นข้อมูลที่ยังเป็นเพียง Information หรือ สารสนเทศทั่วไป… ไปจนถึงขั้นการใช้ข้อมูลเพื่อปรับแต่งกลยุทธ์ หรือ Optimization Strategy… ซึ่งเป็นขั้นผลักดันเป้าหมายได้อย่างที่ต้องการ
ข้อมูลวิเคราะห์ในขั้น Optimization Strategy จึงสำคัญและเป็นความหวังของทุกเป้าหมายองค์กรและกิจการในยุคปัจจุบัน ซึ่งการเข้าถึงข้อมูลในระดับที่ “รู้ว่าเติมอะไรแล้วได้อะไร หรือ ลดอะไรแล้วดีอย่างไร หรือ ผสมอะไรเข้ากับอะไรแล้วจะได้อะไร” และอะไรอีกมากที่เป็นปรากฏการณ์… สร้างสถานการณ์ในอนาคตด้วยตัวแปรที่พบจากข้อมูลขั้น Foresight หรือ เห็นล่วงหน้าอย่างแม่นยำ… ก็คงไม่ต้องอธิบายอะไรเพิ่มอีกว่าจะมีประโยชน์กับอะไรแค่ไหนและอย่างไร
นี่คือเหตุผลที่ผู้รู้ต่างเห็นพ้องให้นิยามของข้อมูลว่า… Data is New Oil.
คำถามคือ… ท่านใช้ Data ถึงขั้นไหนกันแล้วครับ?
