4 คำถามเช็ค Data ในมือ ก่อนจะให้ Data-Driven Decision

ปฏิเสธไม่ได้ว่าตอนนี้ใครๆ ก็อยากให้ Data-Driven Decision กันทั้งนั้น เพราะข้อมูลวันนี้ เป็นเหมือนเงินทองที่บริษัทไหนมี ก็ไม่อยากแบ่งให้คนอื่น จริงๆ อย่าว่าแต่บริษัทเลยค่ะ ทีมงานหรือแผนกข้างในบริษัทเดียวกันเอง ก็ยังห่วง Data ของตัวเองไม่อยากแบ่งให้ทีมอื่นเลย เรียกได้ว่า ใครมี Data เยอะสุดคือชนะ แต่ต้องบอกว่าปีที่แล้ว Data Analyst ของบริษัทวิจัยและที่ปรึกษาระดับโลกอย่าง Gartner ออกมาชี้ตัวเลยว่า 85% ของ Big Data project มักพังเละไม่เป็นท่า

โดยสาเหตุหลักๆ ก็คือ เวลาเราเก็บ Data แต่ละครั้ง ข้อมูลจะมาจากหลากหลายที่ หลากหลายแคมเปญมาก แต่เวลาเราเก็บข้อมูลเหล่านั้น เราก็จะเอามารวมกองๆ ไว้ใน Database software พอถึงเวลาที่เราจะทำงานกับ Data เราก็จะไปเรียกข้อมูลทั้งหมดที่มีออกมา โดยไม่ได้คำนึงถึงเลยว่า

• ต้นทางของข้อมูลมาจากไหนตอนแรก
• ข้อมูลพวกนี้ถูกตีความไปขนาดไหนแล้วจากงานก่อนหน้า
• ข้อมูลพวกนี้เหมาะกับโปรเจคที่กำลังทำไหม

หัวใจของการหยิบข้อมูลมาใช้ก็คือ เราต้องหมั่นตั้งถามคำถามค่ะ ว่าข้อมูลที่ดึงขึ้นมานั้นมาจากไหน มีวิธีการวิเคราะห์สรุปข้อมูลออกมาอย่างไร แล้วมีข้อมูลส่วนไหนที่ตกหล่นไปบ้าง? เพราะการใช้ Data ไม่ใช่แค่เอามาทำให้ Operation เราดีขึ้นอย่างเดียว แต่มันคือการหา Opportunities หรือโอกาสใหม่ๆ จากข้อมูลมากกว่า 

โดยก่อนที่เราจะนำข้อมูลหรือ Data ใดๆ มาใช้ ลองตั้งคำถาม 4 ข้อนี้ก่อนทุกครั้ง เพื่อให้เราเข้าใจข้อมูลมากขึ้นค่ะ

คำถาม 1: ต้นทางของข้อมูลมาจากไหน?

Data ที่เราเก็บมักมาจากหลากหลายช่องทางค่ะ หลายๆ บริษัทจัดหลายสิบแคมเปญเพื่อขอเข้าถึง Data ของลูกค้า เพราะฉะนั้นเวลาเราเอาข้อมูลมารวมกัน เราต้องเข้าใจ Background ของการเก็บก่อนว่า ข้อมูลชิ้นนี้ได้มาจากไหน ได้มาได้อย่างไร ของรางวัลที่ล่อใจลูกค้าให้กรอกคืออะไร จะเป็นนักล่ารางวัลมากรอกๆ มั่วๆ หรือเปล่า แล้วคำถามที่ใช้สามารถกรองลูกค้าของเราได้ระดับไหน หรือข้อมูลนี้ถูกเก็บจากพนักงาน Sales ที่ไม่มีความจูงใจในการเก็บมากพอกันแน่?

ต้นทางของ Data จึงเป็นเรื่องสำคัญมากๆ เพราะส่วนมากที่ข้อมูลใช้ไม่ได้นั่นมาจาก Human Error ไม่ว่าจะเป็นฝั่งคนเก็บหรือฝั่งคนกรอกข้อมูลก็ตามค่ะ เพราะฉะนั้น อย่าเพิ่งหลงดีใจว่าข้อมูลที่มีในมือ คือข้อมูลที่เชื่อถือได้และมีคุณภาพแล้ว ต้องเริ่มตั้งคำถามพวกนี้ก่อนนะ

คำถามที่ 2: ข้อมูลเหล่านี้ ผ่านการวิเคราะห์อะไรมาบ้าง?

เพราะถึงแม้ว่าเราจะได้รับข้อมูลแบบคุณภาพ แต่ Models ในการวิเคราะห์นั้นมีมากมายหลายอย่าง ร่วมไปถึง Critical Thinking ยังต่างไปในแต่ะคนด้วย สังเกตว่า Data Set เดียวกัน แต่คนสองคนเข้าใจต่างกันค่ะ

ปัญหาที่เจอหลักๆ ในการการวิเคราะห์ที่คนส่วนมากมักทำให้ข้อมูลเพี้ยนไปก็คือจำนวนของ Variables หรือตัวแปรใน Model ต่างๆ ที่นำมาใช้ เพราะยิ่งเรามีตัวแปรมากเท่าไร การวิเคราะห์ให้ข้อมูลเป็นเหตุเป็นผลกันก็ยิ่งยากขึ้นเท่านั้นค่ะ เพราะฉะนั้นครั้งหน้า ถ้าเราจะเอาข้อมูลที่มีมาใช้ อ่าลืมคำนึงถึงวิธีการวิเคราะห์ข้อมูลด้วยนะคะ ว่าถูกตีความจากตัวแปร ที่มีความเกี่ยวเนื่องกับโปรเจคที่เราทำอยู่หรือเปล่า

คำถามที่ 3: มีอะไรที่ Data บอกเราไม่ครบไหม?

เวลาวิเคราะห์ข้อมูล ไม่ว่าจะคนหรือ AI ส่วนมากก็จะวิเคราะห์ผลลัพธ์ออกมาจากข้อมูลที่มี หรือข้อมูลที่ใส่เข้าไปในเครื่องค่ะ แต่หลายๆ ครั้ง Data ที่คุณไม่มี ก็สามารถ Driven-Opportunity ใหม่ๆ ได้ดีพอๆ กับข้อมูลที่คุณมีเลยค่ะ 

ยกตัวอย่างเช่น ในกรณีของการเปิดบัตรเครดิต ธนาคารก็จะต้องขอประวัติเครดิตต่างๆ เพื่อ confirm ตัวตนว่าบุคคลนี้ สามารถรับผิดชอบค่าใช้จ่ายต่างๆ ได้ แต่ถ้าบุคคลไหนไม่มีประวัติเครดิตเลยหรือมีน้อยมากๆ ธนาคารก็มักปฏิเสธลูกค้าเหล่านั้นไป ทั้งๆ ที่ความจริงแล้ว ลูกค้ารายนั้นอาจจะเพิ่งกลับมาจากต่างประเทศหลังไปทำงานมาแล้ว 15 ปี แบบนี้ก็เท่ากับว่า เราทิ้ง Potential costumer ไปเลยล่ะค่ะ

เพราะฉะนั้นการถามว่า Data ที่เรามีในมือนั้น ขาดอะไรไปบ้างจึงเป็นเรื่องสำคัญ แล้ว Data ที่เรามีนั้นสะท้อนภาพเดียวกันกับโลกความจริงไหม อย่างในกรณีของการเปิดบัตรเครดิต ถ้าเราเชื่อแค่ Data ประวัติเครดิต เราก็จะเสียลูกค้าดีๆ ไปเลยค่ะ

คำถามที่ 4: Data ที่มี เอามาพัฒนาสินค้าและบริการยังไงได้บ้าง?

ที่ผ่านมา เราจะเห็นว่า Data สามารถทำให้ธุรกิจโตขึ้นได้ ไม่ว่าจะเป็นการทำระบบ automation หรืออย่างที่ Starbucks ให้ data ช่วย predict ว่าเครื่องมือในโรงงานจะเสียเมื่อไร ร่วมไปถึงบริษัทของ Amazon.com เอง ก็เป็นเพราะ data เนี่ยแหละที่ทำให้ same-day shipping เป็นไปได้ หรือแม้แต่การใช้ Data ให้เป็นส่วนหนึ่งของสินค้าอย่าง Netflix ที่เอาชนะ Disney และ WarnerMedia มาได้จากการใช้ Data เพื่อสร้างแพลตฟอร์ม subscription ในราคาที่ถูกลงแต่จ่ายยาวค่ะ

อย่างที่เรารู้กันว่า Data วันนี้มีค่าขนาดไหน แต่ถ้าเราใช้งานไม่ถูก ก็เท่ากับมันไร้ค่า แถมบางครั้งการที่เราไม่มี Data เลย อาจจะยังดีกว่ามีแล้วใช้แบบผิดบริบทจน Direction ของธุรกิจมันผิดทางค่ะ การใช้ Data-Driven Decision ให้ฉลาดไม่ใช่สักแต่จะมองหาคำตอบจากข้อมูลในมือ แต่มันคือการรู้จักถามคำถามใหม่ต่อไปเรื่อยๆ จนเจอต้นต่อแล้วเอามาผลิกแผลงหา Opportunity ใหม่ๆ ให้กับงานที่เรากำลังทำอยู่ค่ะ

อ่านบทความอื่นๆ เกี่ยวกับ Data-Driven จากการตลาดวันละตอนได้ที่นี้เลยค่ะ