Data Driven: โครงสร้างข้อมูลในการทำ Digital Marketing
สวัสดีค่ะเพื่อนๆ อย่างที่เราทราบกันดีว่าการทำ Digital Marketing ในยุคปัจจุบันจะเป็นไปอย่างมีประสิทธิภาพ หากมีการใช้งานข้อมูลที่ถูกนำมาวิเคราะห์อย่างเหมาะสม ซึ่งการได้มาของข้อมูลและการบริหารจัดการข้อมูลในการตลาดภายใต้ Data Driven policy เป็นปัจจัยสำคัญในความสำเร็จนั้น
โดยในบทความนี้ เราจะมาดูไปพร้อมๆ กันค่ะ ว่าการจัดการสถาปัตยกรรมข้อมูลที่เหมาะสมเพื่อให้เราสามารถนำข้อมูลที่ถูกเก็บไว้ในแต่ละส่วนมาใช้งานมีโครงสร้างและลักษณะเป็นอย่างไร โดยเริ่มตั้งแต่การทำ Business Decisions การทำ Data Services การออกแบบ Business Applications และในส่วนของโครงสร้างระบบ IT (Information Technology) ค่ะ ☺😃
โครงสร้างของ Data Driven Marketing
ในการ Transform การตลาดแบบดั้งเดิมไปสู่การเป็นบริษัท หรือภาคธุรกิจที่เป็น Data Driven Marketing จะมีหลักการสำคัญในการสร้างรูปแบบของโครงสร้างข้อมูล 4 Topics ได้แก่
- IT Infrastructures: คือโครงสร้างพื้นฐานที่ใช้ในการจัดเก็บข้อมูล ซึ่งจะต้องมาพิจารณาว่าฐานข้อมูลแต่ละประเภท ควรมีลักษณะของสถาปัตยกรรมเป็นอย่างไรบ้าง
- Business Applications หรือ business logic ที่เหมาะสม ว่าควรมีการพิจารณาใช้ และ provide ข้อมูลอะไรแก่ส่วนที่เกี่ยวข้องและลูกค้า
- Data Services: คือ service ในการ provide ข้อมูลให้กับส่วนที่เกี่ยวข้องอื่นๆ หรือหน่วยงานภายนอก
- Business Decisions: การนำข้อมูลจากโครงสร้าง IT Infrastructures ประกอบกับ Business Applications และข้อมูลจาก Data Services มาใช้เพื่อประกอบการตัดสินใจ และการใช้ข้อมูลในการวางแผนงาน วางนโยบาย และกลยุทธ์ทางการตลาด ตลอดจนการหาข้อมูล Insight ของลูกค้า และจัดทำรายงานสรุปต่างๆ หรือทำ Data Visualization เพื่อให้เข้าใจง่ายและทำ Data Analytics ประกอบการทำ Business Decisions
สถาปัตยกรรมข้อมูลสำหรับ Data driven Marketing
สถาปัตยกรรมข้อมูลหรือ IT Infrastructures เป็นโครงสร้างของการจัดเก็บข้อมูล ซึ่งเริ่มต้นจากส่วนที่เป็นเจ้าของข้อมูล เช่นฝ่ายผลิต ที่เป็นเจ้าของข้อมูลการผลิตสินค้า หรือฝ่ายการตลาดที่เป็นเจ้าของข้อมูลของลูกค้าที่มีการจัดเก็บไว้ ซึ่งโดยปกติแล้วหากเป็นภาคธุกรกิจขนาดกลาง ไปจนถึงใหญ่มักจะมีการเก็บข้อมูลไว้ที่ฐานข้อมูลต่างๆ หลายส่วน (หรือแม้กระทั่งร้านค้าขนาดเล็กที่มีข้อมูล transaction การซื้อขาย ข้อมูลบัญชี และ stocks ของสินค้า ก็นับเป็นฐานข้อมูลต่างๆ เช่นเดียวกันค่ะ)
#Data Warehouse
ซึ่งเมื่อเราต้องการนำข้อมูลจากฐานข้อมูลหลายส่วนมารวมกันเพื่อวิเคราะห์ หรือใช้ประโยชน์ด้วยการรวมข้อมูลกันเพื่อนำมาวิเคราะห์นั้น ถือเป็นกระบวนการที่ทำได้ค่อนข้างยากเลยค่ะ หากไม่ได้มีการบริหารจัดการที่ดีมาก่อนหน้า จึงเป็นที่มาของการพยายจัดเก็บข้อมูลให้อยู่ในรูปแบบโครงสร้างแบบเดียวกัน ที่เรียกว่าการทำ Data Warehouse ซึ่งเป็นโครงสร้างข้อมูลแรกๆ ในการทำ Data driven marketing ที่จะมีการดึงข้อมูลจากส่วนต่างๆ เข้ามาเก็บไว้ที่ Data warehouse โดยเรายังสามารถออกแบบให้มีการนำเอาโปรแกรมในการทำ Data Visualization เข้ามา Plug-in เพื่อให้สามารถออกรายงานแบบอัตโนมัติได้
โดยข้อมูลที่อยู่ใน Warehouse จะมีลักษณะของข้อมูลที่มีการจัดเรียงที่เรียบร้อย และถือเป็น Structural Data (เป็นข้อมูลที่มีโครงสร้าง) เป็นข้อมูลที่ IT หรือโปรแกรมเมอร์เข้ามาบริหารจัดการเรียบร้อยแล้ว
#Data Lake
และฐานข้อมูลอีกหนึ่งชุดที่มักจะมีการใช้ร่วมกันกับ Data Warehouse ก็คือ Data Lake ซึ่งมีความแตกต่างจาก Warehouse ก็คือ Data Lake จะเป็นส่วนของการเก็บ Raw data เป็นข้อมูลที่ไม่มีโครงสร้าง ยกตัวอย่างเช่น เราทำ Social listening ผ่านการดึงข้อมูลออกมา โดยไม่ได้ระบุรูปแบบโครงสร้างของข้อมูล หรือข้อมูลจาก Tiktok ข้อมูลจาก Google Trends หรือในกรณีที่ร้านค้าของเรามีการทำ Computer Vision ข้อมูลประเภทรูปภาพเหล่านั้นที่ไม่สามารถจัดข้อมูลในรูปแบบ Structural data ได้ จะถูกโยนลงไปรวมกันไว้ที่ Data Lake
โดยในส่วนของการใช้ประโยชน์จาก Data Lake พวกเราจะต้องทำการเขียนโค้ดเพื่อกรองเอาข้อมูลที่ใช้ได้ออกมาใช้งาน ซึ่งเป็นการทำ Feature Extraction เพื่อกรองเอาข้อมูลที่เราต้องการใช้เข้าไปใส่ใน Data Warehouse ก่อนที่จะสามารถนำไปใช้ในการบริหารจัดการข้อมูลต่อได้
ซึ่งในส่วนของโครงสร้างระหว่าง Data warehouse และ Data lake จะต้องมีในพาร์ทของการเชื่อมโยงข้อมูลระหว่างกัน แต่อย่างไรก็ตามค่ะเพื่อนๆ เมื่อเราทำ Add ข้อมูลลงในฐานข้อมูลทั้ง 2 ส่วนแล้ว เราจะไม่สามารถทราบได้แล้วว่า มีข้อมูลอะไรบ้างที่อยู่ในฐานข้อมูล ทำให้เป็นที่มาขององค์ประกอบต่อไป ซึ่งก็คือ Data Catalog ค่ะ
#Data Catalog
Data Catalog คือส่วนของการทำให้เราและส่วนเกี่ยวข้องที่จะนำข้อมูลไปใช้งานต่อรู้ว่า เรามีการจัดเก็บข้อมูลอะไรเอาไว้บ้าง และจะสามารถข้อมูลนั้นไปใช้ประโยชน์ได้อย่างไร โดยเราสามารถนำข้อมูลทั้งจาก Data warehouse และ data lake มาลงใน data catalog ได้ทั้งคู่
#Application Programming Interface ใน Data driven marketing
นอกจากนี้หากพวกเรามีการใช้งานข้อมูลจากแหล่งอื่นๆ มาประกอบการทำ Data driven marketing จะต้องใช้พาร์ท่ของการทำ Application Programming Interface แบบอัตโนมัติ เช่นโปรแกรมประเภท RPA ต่างๆ ที่จะดึงข้อมูลจากส่วนอื่นมาใส่ใน Data lake หรือ data warehouse ได้
การจัดการข้อมูลผ่าน Data Service
โดยหากเรามีการเชื่อมโยงข้อมูลจากหลายส่วนทั้งภายในบริษัท หรือภาคธุรกิจของเราเอง ร่วมกับข้อมูลจากฐานข้อมูลภายนอก เราจำเป็นต้องมีการทำ Data Service เพื่อเป็นการจำกัดและควบคุมการเข้าถึงและการใช้งานข้อมูลในฐานข้อมูลของเรา ผ่าน Standard และ Policy ต่างๆ ที่เราได้มีการระบุเอาไว้ (ในส่วนนี้สามารถพิจารณาร่วมกับการทำ Data Governance ได้ค่ะ)
ซึ่งเมื่อเรามีการจัดทำโครงสร้างข้อมูลเพื่อรองรับ Data Driven Marketing อย่างครบถ้วนแล้วเราจะสามารถนำข้อมูลเหล่านั้นมาสร้างประโยชน์ในภาคธุรกิจและการตลาดได้ดังนี้ค่ะ
- Data Analytics ซึ่งหากเรามีการเก็บข้อมูลที่ดี และจัดทำโครงสร้างของข้อมูลที่ดีจะทำให้เราสามารถทำข้อมูลนั้นมาทำการวิเคราะห์ได้โดยง่าย รวมถึงสามารถทำ Clustering, Forecasting หรือทำ Prediction โดย Machine Learning, AI ได้
- Data Visualization และ Data Studio ที่สามารถให้ส่วนที่เกี่ยวข้องมาใช้งานข้อมูลได้
- Data Portal และการเชื่อมต่อไปยัง Business Application ต่างๆ
โดยในบทความนี้นิกหวังว่าเพื่อนๆ จะได้ความเข้าใจเพิ่มเติมในเรื่องของการจัดการข้อมูล เพื่อการเป็นไอเดียในการนำข้อมูลจากฐานข้อมูลต่างๆ ไปประยุกต์ใช้ในงานด้านการตลาด และการทำ Digital Marketing กันนะคะ
สำหรับใครที่อยากอ่านบทความเกี่ยวกับการตลาดเพิ่มเติม สามารถติดตามได้จาก เพจการตลาดวันละตอน และเว็บไซต์ Twitter Instagram YouTube & Blockdit ตาม Links ค่ะ^^
