การทำ Data Analytics ช่วยขยายโอกาสทางธุรกิจได้อย่างมหาศาล เช่น พัฒนา Customer Experience, ต่อยอดการขายทั้ง Cross-Selling, Upselling รวมถึงเสริม Brand Loyalty ในระยะยาว
แต่อย่างไรก็ตาม Data Analytics ถือเป็นความท้าทายขององค์กร ที่ต้องมีการสนับสนุนจากผู้บริหารและความร่วมมือจากทีมงานในองค์กรเพื่อทำให้ Data ที่จัดเก็บนำมาวิเคราะห์ใช้งานได้อย่างมีประสิทธิภาพ ซึ่งบริษัทส่วนใหญ่ในไทยเริ่มมีการผลักดันโครงการ Data Analytics แต่กลับไม่ประสบความสำเร็จ ทำให้เสียเวลา เสียงบประมาน อีกทั้งมีการทำงานซ้ำซ้อน
Coraline จึงขอรวมรวม 4 เรื่องสำคัญที่ต้องรู้ก่อนเริ่มโครงการ Data Analytics เพื่อพัฒนาให้ตอบโจทย์ธุรกิจและใช้งานได้จริง ดังนี้
1. Business Goals องค์กรส่วนใหญ่ไม่มีวางเป้าหมายที่ชัดเจนในการพัฒนาโครงการ
หลายโครงการเกิดขึ้นเพราะความต้องการในการใช้เครื่องมือ แต่มิได้พิจารณาถึงเป้าหมายหลักของการมีเครื่องมือนั้นๆ ทำให้โครงการ Data Analytics เป็นโครงการที่ไม่มีวัตถุประสงค์ที่ชัดเจน นอกจากนี้บางโครงการมีเป้าหมายแล้ว แต่ไม่สามารถระบุรายละเอียดความต้องการที่แท้จริงได้ ทำให้ในระหว่างพัฒนาโครงการเกิดอุปสรรคเนื่องจากไม่ทราบทิศทางที่แท้จริง
"การวางเป้าหมาย" จะต้องเริ่มจากการเข้าใจปัญหาที่แท้จริงเสียก่อน ทำไมเราต้องทำโครงการนี้ ทำแล้วจะช่วยแก้ปัญหาหรือช่วยเพิ่มศักยภาพให้องค์กรได้อย่างไร จากนั้นจะเป็นการวางขอบเขตของโครงการ ต้องการสิ่งส่งมอบเป็นอะไร และจะมีวิธีการวัดผลโครงการได้อย่างไร ทั้งหมดนี้ต้องใช้ความเข้าใจ ทั้งในมุมการบริหารโครงการและในมุมเทคนิคเพื่อออกแบบโครงการที่เหมาะสม ตัวอย่างโจทย์ เช่น ต้องการวิเคราะห์การบริหารคลังสินค้าเพราะมีปัญหาสินค้าค้างเหลือจำนวนมาก โดยต้องการผลลัพธ์ที่สามารถบอกถึงจำนวนสินค้าที่ควรสั่งผลิตต่อรอบการผลิตในแต่ละช่วงเวลา เป็นต้น
2. Skills Set ขาดคนที่มีทักษะเฉพาะด้านในการวิเคราะห์ข้อมูล
หลายองค์กรติดปัญหาเรื่องการหาคนในตำแหน่งงานที่มีทักษะเฉพาะด้าน เช่น Data Scientist, Data Engineer, Data Analyst เนื่องจากสายงานนี้เป็นที่ต้องการของตลาดจึงทำให้มีปัญหาการแย่งคนเป็นเรื่องปกติ รวมถึงทีมงานในองค์กรที่มีอยู่อาจจะยังมีทักษะไม่เพียงพอจึงต้องให้เวลาในการเรียนรู้งานค่อนข้างมาก
ทางแก้ปัญหา มี 2 ทาง คือ การว่าจ้างทีมงานภายในและการว่าจ้างบริษัทภายนอก ซึ่งก่อนอื่นองค์กรจะต้องวิเคราะห์ความจำเป็นในการว่าจ้างเสียก่อน โดยคำนึงถึงปริมาณงานที่เกิดขึ้น แบ่งเป็น 2 ส่วน ได้แก่ ส่วนการออกแบบและพัฒนาโครงการ ที่จำเป็นต้องใช้ทักษะขั้นสูงของนักพัฒนา และส่วนของการบำรุงรักษาระบบ ที่สามารถรับช่วงต่อมาจากทีมนักพัฒนาต่อได้
หากองค์กรมีความจำเป็นต้องพัฒนาโครงการวิเคราะห์เชิงลึกบ่อยครั้ง การมีพนักงานประจำอาจเป็นทางเลือกที่ดี แต่ก็ต้องพยายามเฟ้นหาทีมงานในตลาดที่กำลังแย่งชิงกันอย่างดุเดือด แต่ถ้าโครงการนั้นเป็นโครงการที่เร่งรีบ ไม่สามารถรอได้และไม่บ่อยครั้งที่องค์กรจะต้องพัฒนาโครงการวิเคราะห์ข้อมูลขั้นสูง การว่าจ้างบริษัทผู้พัฒนาโครงการอาจเป็นคำตอบที่เหมาะสมมากกว่า เพื่อลดความเสี่ยงในการดำเนินโครงการที่ผิดพลาด
3. ขาดความเข้าใจในกระบวนการจัดการข้อมูลที่ดี
หลายโครงการกำลังเผชิญหน้ากับปัญหาที่มีข้อมูลมหาศาลแต่ไม่สามารถเอามาทำอะไรต่อได้ ด้วยเหตุผลที่ว่า ข้อมูลผิดตั้งแต่ต้นทาง, ข้อมูลซ้ำซ้อนในหลายช่องทาง, ขาดการเชื่อมโยงข้อมูล จึงส่งผลต่อคุณภาพของข้อมูลและผลลัพธ์ที่เป็น Insight ปลายทาง ถือเป็นประเด็นสำคัญที่ส่งผลให้โครงการ Data Analytics ล้มเหลว
สิ่งที่ต้องคำนึงในการเริ่มต้นทำโครงการ Data Analytics คือ Garbage-In Garbage-Out ถ้า Data ที่ใส่เข้ามาผิดหรือไม่ได้มีการทำ Data Preparation ที่เหมาะสม ก็จะส่งผลต่อการนำข้อมูลไปวิเคราะห์ อาจจะแสดง insight ที่ไม่ถูกต้อง ส่งผลให้เกิดการตัดสินใจที่ผิด
อีกหนึ่งปัญหาสำคัญคือเรื่องของข้อมูลในหลากหลายช่องทางที่ไม่เชื่อมต่อกัน ทำให้ข้อมูลซ้ำซ้อน หรือข้อมูลไม่ตรงกัน ปัญหานี้เกิดขึ้นเพราะข้อมูลมาจากหลายช่องทาง ทำให้ภาระตกอยู่ที่ทีม Data ต้องใช้เวลาอย่างหนักในการ Cleansing, Mapping, Analysis เพื่อแสดง Insight
ทางแก้ของปัญหานี้คือมีการดำเนินโครงการ Data Management โดยมีทีม Data Engineer ทำหน้าที่ออกแบบ Data Pipeline และเตรียมข้อมูลให้อยู่ในโครงสร้างที่พร้อมใช้ก่อนที่จะนำข้อมูลไปใช้งานต่อไป
4. มีปัญหาในการเลือก Technology ที่เหมาะสม
ปัจจุบันมีเทคโนโลยีที่เกี่ยวข้องกับโครงการ Data จำนวนมาก ทั้งเครื่องมือในการ Integrate data เครื่องมือในการ Analyze data และเครื่องมือในการทำ Data Visualization ทำให้บุคลากรที่ไม่คุ้นเคยกับเทคโนโลยีไม่สามารถตัดสินใจได้ว่าควรจะใช้เครื่องมือไหน ยิ่งไปกว่านั้น ในมุมของนักพัฒนาก็จะเน้นการใช้ Open Source อีกด้วย ทำให้ยากต่อการบำรุงรักษา
บางครั้งพบว่าหลายองค์กรเลือกที่จะลงทุนกับเทคโนโลยีที่ซ้ำซ้อน เช่น ใช้ Cloud หลายยี่ห้อ หรือ การมี License BI หลายตัว แต่ไม่ได้ใช้งานสักโปรแกรม ทั้งหมดนี้กำลังกลายเป็นปัญหาเรื้อรังขององค์กร เพราะมันคือค่าใช้จ่ายที่ลงทุนไปอย่างศูนย์เปล่า ดังนั้น การแก้ปัญหาคือการมี Direction ที่ชัดเจนในการเลือกใช้เทคโนโลยี เพื่อให้ทีมงานหรือแม้แต่บริษัทภายนอกที่รับจ้างพัฒนาโครงการมีแนวทางที่ชัดเจนในการเลือกใช้เทคโนโลยีต่อไป
จาก 4 สาเหตุที่ทำให้โครงการ Data Analytics ไปไม่ถึงเป้าหมาย องค์กรของคุณมีติดกับดักในข้อไหนกันอยู่บ้าง หากไม่มีติดในข้อใดเลย ถือว่าเป็นสัญญานที่ดีในการเริ่มทำโครงการ Data Analytics สิ่งสำคัญที่ Coraline อยากจะฝากไว้ก็คือ การทำงานกับ Data ในทุกวันนี้ ต้องเข้าถึงได้ง่าย ข้อมูลมีความถูกต้อง รวมถึงมีความปลอดภัยในการเก็บรักษาข้อมูล
Comments