12 Challenges ขององค์กรที่จะทำ Data Analytics ให้สำเร็จ

Challenge ของการทำ Data Analytics ในวันที่ใครๆ ก็เห็นความสำคัญของการวิเคราะห์ข้อมูลที่มีนั้นช่วยธุรกิจและการตลาดได้มากมายมหาศาลขนาดไหน ตั้งแต่ช่วยให้การตัดสินใจดีขึ้นเพราะมี data มา support และนั่นก็ย่อมส่งผลต่อสถานะทางการเงินของบริษัทอย่างแน่นอน แถมยังช่วยให้เราคาดการณ์ได้ดีถึงสิ่งที่น่าจะเกิดขึ้นล่วงหน้าได้ หรือแม้แต่ติดตามประสิทธิภาพในการทำงานด้านต่างๆ ว่าดีจริงหรือแค่ดีหลอกๆ เหมือนที่ Starbucks ที่วันนี้พวกเขาไม่ได้อยู่ได้ด้วยการขายกาแฟอีกต่อไป แต่พวกเขาอยู่ได้จาก Data มากมายที่ไหลเวียนผ่านแก้วกาแฟและอาหารที่ทำให้พวกเขารู้ว่าจะต้องวาง Business strategy อย่างไรต่อไปครับ

แต่อย่างไรก็ตามการทำ data analytics นั้นไม่ใช่เรื่องง่ายอย่างที่หลายคนคิด แต่เมื่อลงมือทำจริงแล้วมันมีความยากหรือจะเรียกว่าความท้าทายรออยู่ไม่น้อย และนี่ก็เป็น 12 challenge สำคัญที่จะพบจากการทำ data analytics ที่มาพร้อมกับแนวทางให้รู้ว่าคุณจะจัดการกับแต่ละปัญหาที่จะเจอได้อย่างไรครับ

1. Data มีมากมายจนกลายเป็นมากไป

ในวันนี้ที่องค์กรต่างก็พยายามเอา data มาช่วยในการดำเนินงานแทบทุกเรื่อง แต่ปัญหาหลักที่พบเจอคือจะทำอย่างไรดีเมื่อเรามี data ไหลบ่าทะลักเข้ามามากเกินไป ทำให้ปัญหาของการทำ data project สำหรับองค์กรใหญ่ไม่ใช่เรื่องว่ามี data น้อยเกินไป แต่กลายเป็นว่าคำว่า big data ที่เคยเรียกกันนั้นยังน้อยเกินไปด้วยซ้ำครับ

แล้วเมื่อมี data มากเกินไปปัญหาที่ตามมาก็คือมีคนหรือมีเวลาไม่พอที่จะจัดการกับ data เหล่านั้น เพราะ data ที่ไหลเข้ามาจากหลากหลายช่องทางนั้นต้องเอามาจัดระเบียบหรือความสัมพันธ์ระหว่างกันให้พร้อมใช้งานอยู่ดี

ทางแก้ของปัญหานี้สำหรับองค์กรใหญ่คือต้องเอาระบบจัดการ data ที่ทำให้ทุกอย่างง่ายขึ้น ตั้งแต่วิธีการจัดเก็บข้อมูลรวมถึงเตรียมข้อมูลให้พร้อมใช้งานแบบอัตโนมัติ จากเดิมที่เราเคยต้องมานั่ง manual ทำเองด้วยมือซึ่งกินเวลาของนักการตลาดไปมากมาย การทำงานกับ data ที่มหาศาลขนาดนี้ต้องมีระบบ automation ที่พร้อมให้คนของเราเอา data ไป take action ได้ทันที

เพราะถ้าต้องมัวมานั่งงมจัดการกับ data ให้พร้อมใช้งาน ก็ไม่เหลือเวลาให้วิเคราะห์ออกมาดีไปจนถึงไม่เหลือเวลาในการเอา insight ที่ได้ไปทำงานแล้วครับ

ผมเคยเจอบริษัทหนึ่งเป็นบริษัทใหญ่ แต่ปัญหาคือทีมการตลาดต้องแบ่งเวลา 1 วันเต็มในแต่ละสัปดาห์เพื่อเอา data ที่ได้มาจัดการลงตาราง excel ให้พร้อมใช้งานในสัปดาห์หน้า คุณลองคิดดูซิครับว่า man hour ของพนักงานเก่งๆ ที่ต้องเสียไปกับระบบที่สามารถจัดการให้มันง่ายขึ้นได้จะช่วยทำให้องค์กรตัดสินใจได้เร็วขึ้นมากขนาดไหนครับ

สรุปได้ว่าอยากได้งานดีต้องลงทุน อยากใช้ data ให้คุ้มก็ต้องลงทุนกับระบบ automation ดีๆ ครับ

2. เก็บเฉพาะ Data ที่สำคัญ และเน้นที่ Real-time Data

ปัญหาของการทำ data analytics คือมี data มากเกินไปจนไม่สามารถวิเคราะห์ทั้งหมดให้เข้าใจหรือค้นพบ insight ที่สำคัญจริงๆ ได้ และนั่นก็ทำให้ทีมงานทำได้แค่วิเคราะห์ข้อมูลทั้งหมดแบบกว้างๆ แต่จับประเด็นสำคัญอะไรไม่ได้ หรือไม่ก็เลือกวิเคราะห์เฉพาะส่วนที่ง่ายๆ แต่ก็ไม่สามารถเกิดผลใดได้เลย

ปัญหานี้คุณคงมักจะเจออยู่เป็นประจำเวลานั่งวิเคราะห์ข้อมูลด้วยตัวเองแล้วสรุปว่าสรุปอะไรไม่ได้ หรือเวลาทีมงานเอารายงานมาให้ดูแล้วก็พบว่าบอกอะไรที่สำคัญไม่ได้เลยใช่มั้ยครับ

เพราะถ้าทีมงานต้องมานั่งจัดการกับข้อมูลทุกอย่างด้วยตัวเองก็จะยิ่งทำให้พวกเขาพลาดโอกาสที่จะใช้ real-time data ให้เป็นประโยชน์ สิ่งสำคัญคือคุณต้องจำไว้เสมอว่ายิ่งคุณใช้ข้อมูลที่ผ่านไปนานเท่าไหร่ โอกาสที่คุณจะตัดสินใจในทันทีได้ดีก็ยิ่งน้อยลงเท่าไหร่ นึกภาพง่ายๆ ว่าถ้าคุณเห็นว่าเมฆฝนกำลังลอยมาแต่กลับต้องรอพรุ่งนี้ถึงจะบอกได้ว่าต้องหยิบร่มออกบ้านด้วย รับรองธุรกิจคุณถอยหลังไม่เป็นท่าแน่นอนครับ

ทางแก้คือคุณต้องหาระบบที่จะช่วยในการจัดเก็บและจัดการข้อมูลแบบอัตโนมัติไว้ใช้งาน และที่สำคัญคือระบบนี้จะต้องสามารถแจ้งเตือนคุณและทีมงานได้ทันทีเมื่อมีสัญญาณบางอย่างจาก data ปรากฏขึ้น เช่น ถ้าอยู่ดีๆ มีคนพูดถึงแบรนด์คุณบนโซเชียลมากเป็นพิเศษ คุณควรต้องรู้ภายในไม่กี่นาทีแล้วเข้าไปเช็คดูว่าคนกำลังชื่นชมหรือรวมตัวกันด่าแบรนด์คุณอยู่แน่ๆ หรือถ้าเมื่อไหร่มียอด traffic เข้ามาในเว็บมากเกินไป คุณต้องเข้าไปดูแล้วว่าลูกค้าแห่กันมาจากทางไหนหรือเว็บคุณแค่กำลังโดนโจมตีให้ server ล่มเท่านั้น

ดังนั้นก่อนจะให้ระบบที่ดีแค่ไหนแจ้งเตือนได้ คุณต้องตั้งค่าหรือกำหนดเป้าหมายก่อนว่าคุณอยากให้แจ้งเตือนเมื่อมี signal in data แบบไหนโผล่ขึ้นมา ซึ่งถ้าคุณตั้งเป้าหมายได้ดีพอคุณก็จะสามารถจัดการได้อย่างรวดเร็วจนไม่กลายเป็นไฟลามทุ่ม หรือถ้าคุณเป็นสัญญาณว่ามีคนแห่เข้ามาซื้อของคุณมากเป็นพิเศษ คุณก็จะได้เตรียมแจ้งโรงงานให้รู้ว่าสินค้าล็อตหน้าน่าจะต้องผลิตให้เยอะขึ้นแล้วล่ะ ไม่ใช่ปล่อยของให้หมดขาดตลาดไปอย่างน่าเสียดายครับ

3. Data Visualisation ต้องแสดง Data ให้คนเข้าใจ

จากบทความก่อนหน้าที่การตลาดเคยพูดถึง “3 เทคนิคเปลี่ยน Data ที่ยากให้เข้าใจง่าย” ปัญหาสำคัญในการสื่อสาร Data สำคัญให้คนอื่นเข้าใจว่าเรื่องนี้สำคัญ​ คือคุณต้องทำให้มนุษย์ทั่วไปที่ไม่ใช่คุณเข้าใจได้ง่ายด้วย เพราะมันเป็นเรื่องง่ายที่คนที่ขลุกอยู่กับ Data ชุดนี้ทุกวันแค่เห็นตัวเลขหรือข้อมูลไม่กี่ตัวก็จะเข้าใจถึงความสำคัญมันได้ในทันที แต่อย่าลืมว่ากับคนนอกที่ไม่ได้อยู่กับมันทุกวันจะไม่มีทางเห็นว่ามันสำคัญอย่างไรแบบที่คุณเห็นเลย

ดังนั้นคุณต้องเปลี่ยน Data ให้อยู่ในรูปแบบที่เข้าใจได้ง่าย ไม่ว่าจะทำเป็นกราฟ ทำเป็นชาร์ต ทำเป็น graphic หรืออะไรก็ตามแต่ ทั้งหมดนี้ก็เพื่อทำให้รายงานของคุณมีคนเห็นความสำคัญมากขึ้น ทำให้ใช้เวลาน้อยลงในการอ่านหรือทำความเข้าใจมัน ศาสตร์นี้เรียกว่า Data Visualization หรือจะเรียกว่าเป็นการเล่า Data ให้เป็นภาพก็ได้ครับ

และวันนี้ก็มีเครื่องมือมากมายในการจะเปลี่ยน Data ให้อยู่ในรูปแบบต่างๆ ที่ใครๆ ก็เข้าใจได้ ตั้งแต่ Google Data Studio ไปจนถึง Tableau หรือ Power BI ที่เหลือก็เลือกแค่ว่ามีงบประมาณเท่าไหร่ในการใช้เครื่องมือเหล่านี้ครับ

4. ต้องจัดการกับ Data จากหลายทางให้อยู่ด้วยกันอย่างลงตัว

อีกปัญหาสำคัญของการทำ data analytics คือเมื่อมี data หลั่งไหลเข้ามาจากหลายช่องทาง แถม data ที่มาจากแต่ละช่องทางก็ไม่ได้สอดคล้องหรือเชื่อมโยงกัน และก็ยังมีจากระบบที่หลากหลายอีก เอาแค่จะเชื่อมต่อข้อมูลจาก facebook, instagram และ line ช่องทางหลักๆ ที่คนไทยใช้ให้รวมอยู่ในหน้าเดียวยังไม่ใช่เรื่องง่าย แล้วลองคิดดูซิว่าถ้าต้องเอาข้อมูลบน e-commerce มารวมกับข้อมูลจากการขายหน้าร้านที่ใช้อีกระบบมารวมกันจะกลายเป็นมหกรรมโต๊ะจีน data ที่มีความหลากหลายขนาดไหน

แล้วยิ่งถ้าทีมงานหรือผู้บริหารไม่ได้เข้าใจในจุดนี้ว่า data ที่มาจากหลากหลายช่องทางต้องมีการจัดการให้ใช้งานร่วมกันได้ ก็จะทำให้พวกเขาเอาข้อมูลไปใช้แบบไม่ครบ หรือเอาไปใช้แบบผิดๆ จนทำให้การทำ data analytics นั้นออกมาผิดจนเสียดายเวลาอย่างมาก

แถมถ้าจะมาให้มาลงมือจัดการเองแบบ manual ก็กินเวลาไปหมดจนไม่เหลือให้ทำงาน marketing ที่ควรจะทำ แล้วนั่นก็จะทำให้การวิเคระห์ได้ insight ที่ไม่ได้มีความสำคัญใดๆ ที่จะเอาไปใช้ตัดสินใจได้เลยออกมาครับ

ทางแก้คือคุณต้องหาระบบที่ทำให้การเอา data ที่มาจากหลากหลายช่องทางสามารถรวมกันในที่เดียวแล้วใช้งานได้ ทำให้ทีมงานของคุณสามารถดึงข้อมูลจากช่องทางต่างๆ มาใช้ทำงานได้ในที่เดียวแบบง่ายๆ เพราะนั่นจะทำให้พวกเขาลดเวลาในการเอา data จากหลายช่องทางมารวมกันด้วยตัวเองลงไปได้มาก และนั่นก็จะทำให้พวกเขามีเวลาในการวิเคราะห์ข้อมูลเพื่อให้ได้ insight ที่ดีจาก data ที่ควบถ้วนสมบูรณ์รอบด้านครับ

5. การทำงานกับ Data ที่ดีควรเข้าถึงได้ทุกที่ไม่ใช่แค่ที่ทำงาน

ลองคิดดูซิครับว่าถ้าคุณจัดการ Data ทั้งหมดไว้พร้อมไว้ในถังเดียวอย่างในข้อ 4 เรียบร้อยแล้ว แต่กลับติดปัญหาเล็กๆ ที่ไม่ควรจะเกิดขึ้นอีกในวันนี้นั่นก็คือคุณสามารถเข้าถึง Data ทั้งหมดในองค์กรคุณได้แค่ในบางที่ หรืออย่างดีก็คือเข้าถึง Data ของบริษัทได้แค่จากที่ทำงานเท่านั้น! นี่มันยุค Cloud แล้วนะครับคุณ!

สิ่งสำคัญมากๆ ในการทำงานกับ Data วันนี้คือคนที่ต้องใช้ Data เหล่านั้นต้องสะดวกสะบายในการเข้าถึง Data ที่ต้องใช้ได้ง่ายที่สุด จากนั้นคุณก็ค่อยมาดูเรื่องระบบ Secuerity ที่จะทำให้แน่ใจว่าแค่คนที่ต้องใช้สามารถเข้าถึง Data นั้นได้จริงๆ ไม่ใช่ทำให้การเข้าถึงยากเข้าไว้ แต่สิ่งที่ควรทำในวันนี้คือทำให้คนที่ต้องใช้สามารถใช้ได้ง่ายเข้าไว้ต่างหากครับ

เพราะถ้ามีเรื่องสำคัญอะไรที่ต้องตัดสินใจ การเข้าถึง Data ที่สำคัญในทุกที่ทุกเวลาที่ต้องการอย่างรวดเร็วนั้นสำคัญมาก ในวันที่ 5G กลายเป็นการเชื่อมต่อขั้นพื้นฐาน และทำงานแบบยังติด Harddisk เป็นลูกแล้วลืมไปว่าโลกนี้มีระบบ Cloud หรือยังคงทำงานแบบติดสาย Lan จนลืมไปว่าเราอยู่ในยุคอินเทอร์เน็ตมือถือเริ่มจะเร็วกว่าสายไฟเบอร์ที่บ้านแล้ว

6. ถ้า Data ตั้งต้นผิดก็ไม่ต้องดูผลลัพธ์

สิ่งที่แย่ที่สุดของการทำ Data analytics คือการได้ Data ที่ผิดมาแต่ต้น เพราะถ้าคุณติดกระดุมผิดตั้งแต่เม็ดแรกทุกเม็ดที่ติดไปก็เท่ากับเสียเวลาเปล่า ก็เหมือนคำที่เขาว่า garbage in garbage out และตัวการสำคัญของปัญหานี้ก็คือมนุษย์อย่างเรา เพราะมนุษย์อย่างเรา Human error ได้โดยเฉพาะเมื่อต้องเจอกับ data ที่มีความซับซ้อนมากๆ เข้า โดยเฉพาะยิ่งเมื่อเราต้องเป็นคนใส่ data ทั้งหลายเข้าสู่ระบบด้วยตัวเอง ก็มักจะเกิดการใส่ข้อมูลที่ผิดพลาดเป็นประจำ และจาก data ที่ใส่เข้ามาก็จะส่งผลให้เมื่อวิเคราะห์ออกมาแล้วได้ insight ที่ผิด และจาก insight ที่ผิดก็ส่งผลให้เกิดการตัดสินใจที่ผิด เรียกได้ว่าเป็นผลกระทบแบบหลายทอดที่อาจจะส่งผลอย่างมหาศาลต่อธุรกิจ ที่เกิดจากจุดเริ่มต้นคือการจัดการกับ data ที่ผิดตั้งแต่แรกของเราเอง

และอีกหนึ่งปัญหาสำคัญของเรื่องนี้คือข้อมูลไม่เชื่อมต่อกันดีพอ เช่น ตัวจัดการข้อมูลระบบหนึ่งอาจไม่ได้อัพเดทข้อมูลเดียวกันตามอีกระบบหนึ่ง ส่งผลให้ระบบทั้งหมดเกิดความวุ่นวายขึ้นได้ทั้งที่ไม่ควรจะเป็น ยกตัวอย่างง่ายๆ คุณเคยมั้ยครับเมื่อเข้าเว็บไซต์ไปเช็คสินค้าแล้วพบว่าในเว็บบอกว่าสินค้านี้มีอยู่ที่สาขาหนึ่ง แต่พอคุณขับรถไปที่สาขานั้นพนักงานบอกว่าสินค้าหมดไปตั้งแต่เมื่อวานแล้ว แต่ระบบต้องใช้เวลาอัพเดทกัน 24 ชั่วโมงขึ้นไป เจอแบบนี้คุณไม่รู้ว่าจะโวยวายกับใครดีเพราะพนักงานหน้าร้านก็ไม่ได้ผิด แต่ที่ผิดคือระบบที่ไม่เชื่อมต่อข้อมูลกันแบบ real-time นั่นเองครับ

ดังนั้นทางแก้ที่ดีคือกลับไปที่ระบบที่สามารถจัดการและเชื่อมโยง data จากหลายๆ ช่องทางเข้าไว้ด้วยกันได้ดี พยายามใช้ระบบอัตโนมัติในการจัดการกับการถ่ายเทข้อมูลระหว่างกัน พยายามลดขั้นตอนที่ต้องใช้คนเข้ามายุ่งกับเรื่องนี้แล้วปัญหา data ที่ผิดพลาดจะลดน้อยลงได้ทันที เพราะถ้าจะมีผิดพลาดก็จะมีแค่การตั้งค่าระบบให้ผิดพลาดแต่แรก แต่พอแก้ไขแล้วทุกอย่างก็จะกลับมาทำงานได้ดีอย่างที่ควรจะเป็นครับ

และแน่นอนเมื่อคุณใช้ระบบจัดการ data แบบ centralization คุณก็จะสามารถอัพเดทข้อมูลในทุกช่องทางให้ตรงกันอย่างที่ควรจะเป็นได้ คิดภาพง่ายๆ ถ้าหลอดไฟถูกขายไปที่หน้าร้าน ข้อมูลก็จะถูกเข้าไปอัพเดทใน center ที่น่าจะเป็น cloud แล้วจากนั้นทุกช่องทางที่มีข้อมูลหลอดไฟดวงนี้ก็จะถูกอัพเดทไปพร้อมกัน ทั้งทางเว็บ ทางไลน์ หรือทาง chatbot ครับ

7. ผู้บริหารต้องเข้าใจว่าการทำงานกับ Data ไม่ใช่เรื่องง่าย

ปัญหาส่วนใหญ่ที่ผมมักพบเจอจากประสบการณ์ตรงคือคนส่วนใหญ่ที่ไม่เคยลงมือทำงานกับ Data เองมักคิดว่าเรื่องนี้เป็นเรื่องง่าย หรือเครื่องไม้เครื่องมือมากมายก็น่าจะทำให้มันง่ายได้สบายๆ แล้ว แต่ในความเป็นจริงไม่ใช่แบบนั้นเลยครับ เพราะกว่าเราจะเอา data มาวิเคราะห์จนได้ออกมาเป็น insight ที่ดูเหมือนจะง่ายนั้นต้องผ่านการพลิกแพลงหลายแง่มุม วิเคราะห์กันหลายตลบจนหัวแตกกว่าเราจะเห็น signal บางอย่างโผล่ออกมา แล้วเราก็ต้องเอา signal นั้นไปพิสูจน์ว่าจริงจนได้ข้อสรุปออกมาเป็น key insight แล้วไหนจะต้องเอามาทำเป็นภาพหรือสื่อสารออกมาให้ง่ายเพื่อให้คนที่ไม่ได้ขลุกอยู่กับ data นั้นเข้าใจได้ด้วยอีก

ดังนั้นถ้าคุณอยากจะได้การวิเคราะห์ข้อมูลที่ครอบคลุมทุกข้อมูลที่สำคัญจนทำให้เข้าใจ insight ที่แท้จริง คุณต้องให้เวลาพวกเขามากกว่าที่คุณคิด ไม่ใช่ของานวันนี้แล้วพรุ่งนี้จะเอา data นะครับไม่ใช่ตะเกียงวิเศษ แค่ถูกสองสามทีแล้วก็มีคำตอบสำเร็จออกมา และคุณก็ต้องลงทุนในสิ่งที่ทีม data analytics ยังขาด แล้วคุณจะพบว่าธุรกิจคุณจะดีขึ้นได้อีกมากในอนาคตครับ

เอาเป็นว่าถ้าคุณไม่เข้าใจว่าการทำงานกับ Data มันยากตรงไหน ผมแนะนำให้คุณลองเริ่มต้นจากสิ่งที่เป็นพื้นฐานที่สำคัญที่สุด นั่นก็คือการ Cleaning data ครับ

8. ทุกคนในองค์กรต้องร่วมมือ

การทำ Data analytics จะสำเร็จไม่ได้เลยถ้าขาดการสนับสนุนจากผู้บริหารข้างบนและความร่วมมือจากทุกคนในองค์กร เพราะถ้าทุกคนในองค์กรไม่ช่วยกันป้อน data เข้ามาในระบบให้ทีมทำ data analytics เอาไปวิเคราะห์ใช้งานต่อได้ ความพยายามแทบตายของทีมเดียวก็ยากที่จะเห็นผลกระทบต่อทั้งองค์กร

ครั้งหนึ่งตอนผมเป็นที่ปรึกษาด้านการตลาดให้กับบริษัท SME ที่ขายสินค้าชนิดหนึ่ง สิ่งแรกที่ผมทำคือผมต้องการความช่วยเหลือจากทีมอื่น โดยเฉพาะฝั่ง operation หน้าร้านที่เป็นผู้ติดต่อกับลูกค้าตรงให้ช่วยเก็บข้อมูลให้ผมหน่อย ซึ่งผมก็ได้รับความร่วมมือด้วยดีจากพวกเค้า และแน่นอนว่าในเวลาไม่นานผมก็เริ่มมี data ให้เอาไปเล่นได้มากมายเลยครับ

ลองคิดดูซิครับว่าถ้าผมต้องออกไปเป็นข้อมูลจากหน้าร้านคนเดียว หรือเอาทีมการตลาดไปเก็บ จะต้องกินทั้งเวลาและแรงมากแค่ไหน แถมยังได้ข้อมูลที่ไม่อัพเดทและครอบคลุมมากพอที่จะเอาไปใช้ตัดสินใจอะไรให้รวดเร็วด้วย

แต่สิ่งสำคัญอีกอย่างที่ management ต้องเข้ามาช่วยก็คือพวกเขาต้องสื่อสารให้คนทั้งองค์กรเข้าใจว่า data จะช่วยให้แต่ละทีมทำงานง่ายขึ้นอย่างไร แล้วเมื่อทั้งองค์กรให้ความร่วมมือร่วมใจกัน ป้อน data เข้ามาในระบบที่รวมศูนย์ไว้ให้พร้อมใช้งานได้ทุกที่ทุกเวลาแล้ว ก็การจะทำ data-driven ให้เกิดผลก็ไม่ใช่เรื่องไกลเกินเอื้อมอีกต่อไปครับ

9. รับมือความเครียดของพนักงานที่จะต้องเปลี่ยนวิธีการทำงาน

แม้ทุกคนจะรู้ว่าการใช้ Data-Driven นั้นเป็นเรื่องดี แต่ก็ใช่ว่าทุกคนจะรับมือกับการเปลี่ยนแปลงที่เกิดขึ้นได้ดีเสมอไป เป็นเรื่องปกติที่คนเราไม่ชอบการเปลี่ยนแปลง โดยเฉพาะกับคนที่ทำงานแบบเดิมๆ มานานหลายปีจนถึงหลายสิบปี อยู่ดีๆ พอมี Data เข้ามาพวกเขาจะต้องเปลี่ยนวิธีที่เคยทำไปมาก และนั่นก็จะก่อให้เกิดความเครียดและสับสนให้กับพวกเขาได้ไม่ยากเลยทีเดียว

เรื่องนี้เป็นงานใหญ่ของ HR และหัวหน้างาน ที่จะต้องสื่อสารให้พวกเขาเข้าใจว่าเมื่อองค์กรเราจะใช้ Data-Driven นั้นย่อมต้องเกิดการเปลี่ยนแปลงในวิธีการทำงานอย่างหลีกเลี่ยงไม่ได้ สิ่งที่ต้องเน้นย้ำมากๆ คือการทำงานกับ Data เหล่านี้ไม่ได้ทำให้ชีวิตคุณยากขึ้น แต่มันจะทำให้ชีวิตการทำงานคุณง่ายขึ้น คุณสามารถใช้เวลาเท่าเดิมโดยได้ผลลัพธ์ที่เพิ่มขึ้นได้อีกมากมาย และแม้ว่าในช่วงแรกมันจะติดขัดสักหน่อยก็ไม่ต้องกังเวลไป เพราะนี่คือเรื่องใหม่ที่ทุกคนในองค์กรก็เรียนรู้ไปพร้อมกัน

สิ่งที่ผมทำเวลาไปบรรยายเรื่องนี้กับผู้ฟังหรือผู้บริหารต่างๆ คือการพยายามยกตัวอย่างจากสิ่งใกล้ตัวอย่างโทรศัพท์มือถือให้รู้ว่า ขนาดแอป Facebook ยังอัพเดททุกสองสัปดาห์อยู่ทีละน้อย โทรศัพท์มือถือเรายังเปลี่ยนใหม่แทบทุกจะสองปี แล้ววิธีการทำงานเดิมที่เราเคยทำมาหลายสิบปีจะไม่อัพเดทให้ทันโลกที่อัพเดทตลอดเวลาได้อย่างไร

10. งบของแผนก Data analytics ที่วันนี้อาจจะน้อยอยู่เมื่อเทียบกับแผนกอื่น

ปัญหาสำคัญของแผนกนี้คืองบประมาณที่ไม่สอดคล้องกับเนื้องานที่ได้รับในวันนี้ และความสำคัญของการวิเคราะห์ data ของธุรกิจในอนาคต วันนี้ทีม data analytics อาจจะยังเป็นแค่ทีมเล็กๆ ในหลายองค์กรใหญ่ๆ

ดังนั้นหน้าที่ของหัวหน้าทีมนี้ต้องทำให้ผู้บริหารเห็นว่า การเติมงบประมาณให้กับทีม Data analytics ของเราคือการลงทุนที่ดีมากในอนาคต เพราะการวิเคราะห์ข้อมูลจะช่วยให้ผู้บริหารรู้ว่าที่ผ่านมาจริงๆ แล้วผลงานในองค์กรเป็นอย่างไร บอกให้รู้ได้ว่าควรจะเอาเงินไปลงทุนตรงไหนหรือปรับปรุงตรงไหนที่จะทำให้ได้รับผลตอบแทนเพิ่มขึ้น ในขณะเดียวกันการวิเคราะห์ข้อมูลก็จะทำให้รู้ว่างบประมาณตรงไหนที่บวมเกินไปแล้วปรับลดได้บ้าง หรือมีตรงจุดไหนบ้างที่อาจไม่จำเป็นต้องมีอีกต่อไป

เพราะการจะทำ data analytics ที่ดีต้องมีทั้ง data ที่ดีและเครื่องมือที่ดี เหมือนถ้าคุณอยากได้ห่านทองคำ คุณก็อาจจะต้องลงทุนให้อาหารมันดีๆ เพื่อออกไปนั่นเองครับ

11. ขาดคนมีทักษะที่จะมาทำ Data Analysis

หลายองค์กรในวันนี้ติดปัญหาเรื่องหาคนทำ Data Analysis ได้ยากมาก เพราะในวันที่ใครๆ ก็ต้องการทำให้เกิดปัญหาแย่งคนกันเป็นเรื่องปกติครับ รวมไปถึงปัญหาที่ว่าคนที่มีก็อาจมีสกิลไม่เพียงพอที่จะทำงานที่ยากขึ้นอย่าง in-delth data analysis

ดังนั้นโจทย์นี้มี 2 ทางแก้ที่ช่วยได้ นั่นคือบอกความสามารถที่ชัดเจนตอนจ้างงานมา ว่าตกลงคุณต้องการคนแบบไหนมาทำงานกันแน่ ไม่ต้องเอาหว่านๆ ไม่ต้องเอามั่วๆ เอาสกิลที่ต้องใช้จริงๆ ให้ชัด และสองคือหาระบบที่ดีที่ทำให้การทำ data analysis เป็นเรื่องง่ายขึ้น เพราะถ้าคุณมีระบบที่ดีพอจนใครๆ ก็สามารถเข้ามาใช้ได้ นั่นจะทำให้ทุกคนต่างเข้ามาใช้งานบ่อยจนเริ่มวิเคราะห์ข้อมูลกันได้เก่งมากพอที่จะพร้อมไปเล่นเครื่องมือที่แอดวานซ์ขึ้นในอนาคต

12. ขยายทีม Data Analytics ให้ใหญ่ขึ้นเพื่อรองรับกับความท้าทายที่มากขึ้น

ท้ายที่สุดแล้วก็เป็นเรื่องยากหากจะต้องขยายทีมงานให้ใหญ่ขึ้นเพื่อรองรับการทำงานกับ data ที่จะเพิ่มขึ้นอีกมากในอนาคต ตั้งแต่การเก็บข้อมูลผ่านช่องทางต่างๆ ที่จะเพิ่มขึ้นอีกมาก รวมไปถึงการวิเคราะห์ข้อมูลที่ได้มาให้ออกมาเป็นรายงานที่อาจจะยิ่งมีความซับซ้อนของข้อมูลที่นำมาวิเคราะห์มากขึ้นทุกที ดังนั้นระบบทั้งหมดที่ไม่ใช่แค่คนแต่ยังหมายถึงเครื่องมือที่ใช้ก็ต้องมีความสามารถเพิ่มขึ้นด้วย

แม้โจทย์นี้ดูจะเป็นเรื่องยากและก็ค่อนข้างเป็นเรื่องการเมืองภายในองค์กรก็ตาม แต่ผู้บริหารและตัวคุณเองก็ต้องมองให้ออกแล้วตีโจทย์ให้แตกว่าจะทำอย่างไรให้คนอื่นเห็นความสำคัญของการขยายทีม data analytics นี้ เพราะการวิเคราะห์ข้อมูลจะทำให้เรารู้ว่าวันนี้เราอยู่ตรงไหน เรากำลังจะไปที่ตรงไหน และอะไรคือสิ่งที่เราควรเลือกทำเมื่อมองย้อนกลับไปจาก Data แล้ว Predict ออกมาเป็น Action plan ครับ

และนี่ก็คือ 12 Challenge ของการทำ Data Analytics จะเห็นว่าแต่ละปัญหาก็ค่อยๆ ไล่เรียงกันไปตั้งแต่ขั้นตอนการเริ่มเก็บข้อมูล การหาเครื่องมือที่เหมาะสมมาช่วยวิเคราะห์ การทำให้การวิเคราะห์เป็นเรื่องง่าย ไปจนถึงการบริหารจัดการทีมงานภายในรวมถึงทุกคนในองค์กรให้เข้าใจถึงความสำคัญว่า Data จะเข้ามาช่วยพวกเขาอย่างไร ลองดูเป็นแนวทางในการจัดการกับเรื่องนี้ในองค์กรของคุณ ผมเชื่อว่าแต่ละองค์กรก็ย่อมมีแนวทางเป็นของตัวเองครับ

อ่านบทความเรื่องการทำ Data Analytics ของการตลาดวันละตอนต่อ > https://www.everydaymarketing.co/?s=data+analytics

Source > https://www.clearrisk.com/risk-management-blog/challenges-of-data-analytics