4W ช่วยตัดสินใจจากข้อมูลด้วยคำถาม 4 ข้อในรูปแบบ Data Analytics

ในปัจจุบันองค์กรที่จะชิงความได้เปรียบทางธุรกิจนั้น ต้องมีความสามารถในการวิเคราะห์ข้อมูลจากหลายแหล่งและนำผลลัพท์มาใช้ประโยชน์ได้อย่างรวดเร็ว ทันต่อเทรนด์ของผู้บริโภคที่มีการเปลี่ยนแปลงตลอดเวลา ไม่ว่าจะเป็นข้อมูลภายในองค์กร (Internal Data) เช่น ข้อมูลยอดขายจากระบบ, ข้อมูลลูกค้า, ข้อมูลจากระบบสมาชิกที่รวบรวมพฤติกรรมการใช้จ่ายของลูกค้า เป็นต้น และข้อมูลจากภายนอกองค์กร (External Data) เช่น ข้อมูลการตลาด, ข้อมูลการพยากรณ์อากาศ, ข้อมูลความหนาแน่นของฝุ่น PM 2.5, ข้อมูลจากอุปกรณ์หรือเครื่องจักรเพื่อดูความเคลื่อนไหวระหว่างการทำงาน เป็นต้น ซึ่งข้อมูลทั้งหมดจะมีจุดที่เชื่อมโยงกันได้ ถือว่ามีประโยชน์สำหรับองค์กรในยุคใหม่ที่ขับเคลื่อนธุรกิจด้วยข้อมูล (Data-Driven Organization) เป็นตัวช่วยให้ตัดสินใจทางธุระกิจได้ง่ายขึ้น สามารถสร้างสินค้าที่ตรงใจลูกค้า ส่งโปรโมชั่นได้ตรงกลุ่มลูกค้าที่มีความต้องการ นำเสนอสินค้าเพิ่มเติมให้ลูกค้าได้ดียิ่งขึ้น สามารถตรวจสอบสถานะเครื่องจักรและวางแผนซ่อมบำรุงได้ล่วงหน้า ทั้งนี้ยังสามารถจัดทำ Stock ให้เพียงพอต่อการผลิต ทำให้การผลิตมีประสิทธิภาพมากขึ้น เรามาดูกันครับว่า การวิเคราะห์ข้อมูลแบบ Data Analytics โดยใช้หลัก 4W จะต้องมีการตั้งคำถามอย่างไร

1. What has happen? (ที่ผ่านมาเกิดอะไรขึ้นบ้าง)

ในงานสาย Business Intelligence เราจะคุ้นเคยกับการดูเหตุการณ์จากข้อมูลในอดีตจนถึงปัจจุบันหรือเฉพาะช่วงเวลาที่สนใจ เช่น ในช่วงเดือนที่ผ่านมายอดขายเป็นอย่างไรและเมื่อเทียบกับเดือนที่แล้วจะเป็นอย่างไร, ถึงเป้าที่ตั้งไว้หรือไม่, Performance ของแต่ละทีมเป็นอย่างไร เป็นต้น ในทาง Data Analytics เราจะเรียกการวิเคราะห์แบบนี้ว่า Descriptive ซึ่งจะหมายถึง การเล่าหรืออธิบายลักษณะข้อมูล

2. Why did it happen? (ทำไมถึงเกิดเหตุการณ์นี้)

บางครั้งเมื่อเราเห็นข้อมูลจากรายงาน BI หรือ Dashboard แล้วอาจจะสงสัยว่า ทำไมข้อมูลแสดงแบบนี้ เช่น ทำไมยอดขายปีที่แล้วลดลงมาเยอะมาก, ทำไมยอดขายบาง Channel ถึงเพิ่มขึ้น เป็นต้น หากมีข้อมูลแวดล้อมอื่นๆ ก็จะช่วยวิเคราะห์ต่อได้ (ยอดขายปีที่แล้วตกลงเพราะเป็นวิกฤตจากเหตุการณ์ Covid-19 หรือ ยอดขายของช่องทางอื่นมียอดที่ก้าวกระโดดเพราะมีการทำโปรโมชั่นพิเศษ การวิเคราะห์แบบนี้เรียกว่า Diagnostic ซึ่งจะหมายถึง การวินิจฉัยหรือวิเคราะห์ปัญหา

3. What will happen next? (เหตุการณ์ที่สามารถเกิดขึ้นในอนาคต)

ในอนาคตจะเกิดอะไรขึ้น เป็นคำถามที่คนทำธุรกิจหลายคนต้องการทราบ บางครั้งเราจะเดาเหตุการณ์ในอนาคตได้จากอดีตที่ผ่านมา เช่น การโปรโมชั่นในรูปแบบต่างๆ ให้กับลูกค้าแล้วได้รับการตอบรับที่ดีแบบไหนที่ลูกค้าไม่มีการตอบรับหรือในช่วงเวลาที่ผ่านมา จากสถิติลูกค้ามักเข้ามาใช้บริการเวลาไหนมาก เป็นต้น ข้อมูลต่างๆ ที่ผ่านมามักจะมี Pattern และเป็นประโยชน์ในการคาดการณ์อนาคตสำหรับการออกสินค้าใหม่ช่วงวันหยุดยาว สร้างโอกาสในการขายได้ การส่งโปรโมชั่นใหม่ให้กับกลุ่มลูกค้าที่ตอบรับได้ดีน่าจะมีโอกาสขายได้สูงกว่า การวิเคราะห์แบบนี้เรียกว่า Predictive ซึ่งจะหมายถึง การทำนายและการคาดการณ์อนาคต

4. What should I do? (จะทำอะไรในข้อมูลที่ได้รับ)

หากรู้ล่วงหน้าเกี่ยวกับเหตุการณ์ที่อาจจะเกิดขึ้น เราจะทำอะไรกับเหตุการณ์เหล่านี้ได้บ้าง ยกตัวอย่างเช่น ยอดจองห้องพักในเดือนหน้าซึ่งเป็นช่วง Low season มีความเป็นไปได้ว่า ยอดจองที่พักจะลดลง ทำให้เราหาวิธีที่จะรักษายอดการจองห้องพักไว้ หากเรารู้ล่วงหน้าว่า ยอดคงเหลือวัตถุดิบที่หลายรายการต้องใช้วัตถุดิบชิ้นนี้เหมือนๆ กัน จะทำยังไงให้ผลิตสินค้าแต่ละชนิดให้ได้กำไรสูงสุด ปัญหาเหล่านี้ต้องใช้วิธี What if Analysis เข้ามาช่วยร่วมกับวิธี Analytics แบบอื่นๆ เช่น การ Optimization เพื่อเลือกวิธีการที่เหมาะสมที่สุด  การวิเคราะห์แบบนี้จะเรียกว่า Prescriptive หมายถึง การกำหนด วางเงื่อนไขหรือแนะนำวิธีการ

จะเห็นได้ว่า การวิเคราะห์ข้อมูลในเชิง Data Analytic จะมีการไล่ความซับซ้อนขึ้นไปเรื่อยๆ ช่วยแสดง Insight ในแง่มุมต่างๆ ให้มีการตัดสินใจทางธุรกิจได้ดียิ่งขึ้น ผมยกตัวอย่างธุรกิจร้านกาแฟเพื่อให้ได้เห็นภาพชัดเจนยิ่งขึ้นตามเหตุการณ์ดังนี้ครับ

ทีม Data Analytics ของธุรกิจร้านกาแฟได้นำข้อมูลยอดขาย, ข้อมูลจากระบบสมาชิก และข้อมูลพยากรณ์อากาศ มาวิเคราะห์เพื่อที่จะหา Insight บางอย่างในแต่ละสาขา เพื่อช่วยให้เจ้าของร้านคิดโปรโมชั่นการขาย การจัดการวัตถุดิบบางส่วนให้ดีขึ้นในแต่ละสาขา โดยจะจัดขึ้นในช่วงวันหยุดยาวของฤดูฝนที่กำลังจะมาถึง เมื่อนำข้อมูลจากอดีตในช่วงที่สนใจมามาทำรายงาน Analytics พบว่า ยอดขายกาแฟที่ผ่านมาในช่วงหน้าฝนมักมียอดไม่ค่อยดีเนื่องจากลูกค้าไม่ค่อยออกจากบ้านมาซื้อกาแฟ ทำให้สินค้าอื่นๆ ในร้านที่อายุการเก็บรักษาสั้นก็ขายไม่ดีตามไปด้วย เช่น แซนวิช, ขนมเค้ก, โดนัท เป็นต้น ถ้ามีการผลิตมาในจำนวนที่มากกว่าความต้องการก็อาจจะขายไม่ได้และหมดอายุไปก่อน

ทีม Analytics เลยพยายามหา Insight จากข้อมูลต่อมาพบว่า ลูกค้าที่ซื้อกาแฟช่วงหน้าฝนมักจะสั่งกาแฟร้อนทานคู่กับแซนวิช และใช้เวลาในร้านนานกว่าปกติ เนื่องจากฝนตกและลูกค้ามักจะถ่ายรูปเกี่ยวกับฝน ลูกค้าบางส่วนมักจะสั่งเมนูอื่นกลับบ้านติดมือไปด้วย ทีมจึงเขียน Model Predictive ทำนายต่อ ว่าช่วงหยุดยาวที่มีฝนตกน่าจะมีลูกค้าเข้าร้านจำนวนเท่าไหร่และน่าจะมียอดขายเท่าไหร่ เมื่อได้ยอดทำนายเบื้องต้นเสร็จเรียบร้อยแล้ว จึงวางแผนร่วมกันคิดโปรโมชั่นจากข้อมูล Analytics ที่มี จนได้ข้อสรุปออกมาว่า จะส่งโปรโมชั่นดื่มกาแฟคู่กับแซนวิชให้กับลูกค้า และหากลูกค้าสั่งเมนูกาแฟกลับบ้านจะมีส่วนลดเพิ่มให้อีก 10% เพื่อกระตุ้นยอดขายในช่วงวันหยุดยาวดังกล่าว อีกทั้งยังช่วยลด Stock สินค้าที่อายุสั้นได้อีกด้วย

ในกิจกรรมต่อมา ทางร้านจึงควรจัดร้านให้สวยเหมาะกับการถ่ายรูปเพื่อเป็นแรงจูงใจให้ลูกค้าที่นั่งติดฝนได้มีกิจกรรมทำเพิ่มและใช้รูปจากพวกเค้าที่โพสลงโซเชียลเป็นการทำการตลาดอีกทางหนึ่ง

นี่เป็นตัวอย่างง่ายๆ ในการนำข้อมูลมาวิเคราะห์แบบ Data Analytics เพื่อช่วยให้เราเห็น Insight ของลูกค้าและช่วยให้เราตัดสินใจในการจัดกิจกรรมต่างๆ ได้ดียิ่งขึ้น ซึ่งในปัจจุบันมีซอฟต์แวร์ที่สามารถใช้ในงานด้าน Data Analytic มากมายในท้องตลาด Microsoft Azure และ Power BI เป็นอีกหนึ่งซอฟต์แวร์ที่เหมาะสำหรับงานด้าน Data Analytics โดยเฉพาะ เพราะมีฟังก์ชันการทำงานครอบคลุมตั้งแต่การรวบรวมข้อมูล (Data Collection) การจัดเก็บข้อมูล (Data Storing and Warehousing) การสร้างโมเดล (Data Modeling and Machine Learning) และการแสดงผลข้อมูล (Data Visualization) นั่นเอง

                                                                                                Author: Teannuttee P.


ทางบริษัทไซเจ็นยินดีให้คำปรึกษา และพัฒนาระบบด้วยทีมงานที่มีประสบการณ์
ติดต่อ : คุณรจิตพิชญ์ (แพรว)
โทร : 062-859-3566
Line : @ZYGEN (lin.ee/tAuBCKM)

แชร์ :
Share on facebook
Share on twitter
Share on linkedin
Share on email
Scroll to Top