Back to: Analytics Marvel – เจาะลึกขั้นที่เหนือกว่ากับ Data Analytics
ประเภทของ
การวิเคราะห์ข้อมูล
เราพูดถึง 4 ประเภทของ Data Analytics ไปแบบคร่าวๆ แล้วในบทก่อนครับ บทนี้จะลงลึกขึ้นอีกนิด — เพราะเวลาทำงานจริง คุณต้องรู้ว่าตอนนี้กำลังทำ Analytics ประเภทไหนอยู่ และมันตอบคำถามอะไรให้กับธุรกิจได้บ้าง
01 ทำไมต้องแยกประเภท?
เหตุผลง่ายๆ เลยครับ เวลาที่หัวหน้าหรือลูกค้าถามมา คุณต้องรู้ก่อนว่าเขากำลังถามอะไรอยู่จริงๆ
ฟังดูคล้ายกัน แต่ต้องการวิธีวิเคราะห์ที่ต่างกันโดยสิ้นเชิงครับ ถ้าเข้าใจประเภทของ Analytics คุณจะตอบได้ถูกทิศตั้งแต่แรก
02 4 ประเภทที่ต้องรู้
Descriptive Analytics
ประเภทที่พบบ่อยที่สุดในงานประจำวันครับ งานส่วนใหญ่ที่เรียกว่า “ทำ Report” จัดอยู่ในหมวดนี้ทั้งนั้น — คือการสรุปข้อมูลที่เกิดขึ้นไปแล้วให้อยู่ในรูปแบบที่เข้าใจง่าย
Diagnostic Analytics
ถ้า Descriptive บอกว่า “อะไร” Diagnostic จะบอกว่า “ทำไม” ครับ สมมติรู้แล้วว่ายอดขายลดลง 30% — ข้อมูลตรงนั้นยังไม่พอให้ตัดสินใจอะไรได้ คุณต้องขุดต่อ
Predictive Analytics
Predictive Analytics คือการใช้ข้อมูลในอดีตเพื่อคาดการณ์อนาคต เริ่มต้องใช้ทักษะสถิติและ Machine Learning เบื้องต้นครับ ซึ่งเราจะแตะเรื่องนี้ในช่วงท้ายของคอร์ส
Prescriptive Analytics
ประเภทสุดท้ายและขั้นสูงที่สุดครับ ไม่แค่บอกว่าจะเกิดอะไรขึ้น แต่แนะนำด้วยว่าควรทำอะไรเพื่อรับมือหรือใช้โอกาสนั้น ต้องอาศัยทั้ง Machine Learning, Optimization Algorithm และความเข้าใจธุรกิจอย่างลึกซึ้งครับ
03 ภาพรวมทั้ง 4 ประเภท
| ประเภท | คำถามที่ตอบ | ตัวอย่าง | ความซับซ้อน |
|---|---|---|---|
| Descriptive | เกิดอะไรขึ้น? | ยอดขายเดือนที่แล้วเท่าไหร่? | ★ |
| Diagnostic | ทำไมมันเกิดขึ้น? | ทำไมยอดขายถึงตก? | ★★ |
| Predictive | จะเกิดอะไรขึ้น? | เดือนหน้ายอดขายจะเป็นยังไง? | ★★★ |
| Prescriptive | ควรทำอะไร? | ควรปรับราคายังไงเพื่อเพิ่มกำไร? | ★★★★ |
04 ในงานจริงเป็นยังไง?
- การวิเคราะห์ข้อมูลมี 4 ประเภท ตั้งแต่ Descriptive → Diagnostic → Predictive → Prescriptive
- ยิ่งประเภทสูงขึ้น ยิ่งต้องใช้ทักษะที่ซับซ้อนมากขึ้น
- ในงานจริง คุณจะใช้หลายประเภทในโปรเจกต์เดียวกัน แค่คนละช่วงเวลา
- จุดเริ่มต้นที่ดีที่สุดคือทำ Descriptive และ Diagnostic ให้แม่นก่อนครับ