Category: data engineering
-
ทุกวันนี้คำว่า “Data” ได้ยินกันแทบทุกวันเลยครับ ไม่ว่าจะในที่ประชุม ในข่าว หรือแม้แต่คุยเล่นกับเพื่อนร่วมงาน หลายคนอาจคิดว่าเรื่อง Data เป็นเรื่องของ “สายเทค” หรือคนเขียนโปรแกรมเป็นเท่านั้น แต่จริงๆ แล้ว Data Analytics หรือการวิเคราะห์ข้อมูล เป็นทักษะที่คนทำงานออฟฟิศทั่วไป ไม่ว่าจะอยู่แผนกไหน ก็เอาไปใช้ได้จริงในงานประจำวันครับ บทความนี้ผมจะพาไปทำความรู้จัก Data Analytics แบบง่ายๆ ไม่ใช้ศัพท์เทคนิคเยอะ เหมาะสำหรับคนที่ไม่ได้เรียนสาย Data มาโดยตรง แต่อยากเข้าใจภาพรวม และอยากเริ่มเอาข้อมูลมาใช้ให้เป็นประโยชน์กับงานตัวเองครับ Data Analytics คืออะไรกันแน่ พูดง่ายๆ Data Analytics คือการเอาข้อมูลที่มีอยู่มาศึกษา ทำความเข้าใจ แล้วดึงข้อมูลเชิงลึก (Insight) ออกมาใช้ตัดสินใจครับ ลองนึกภาพว่าบริษัทเก็บข้อมูลยอดขายรายเดือนไว้เป็นปีๆ ถ้าไม่มีใครหยิบมาดู ข้อมูลนั้นก็เป็นแค่ตัวเลขกองหนึ่งที่ไม่มีความหมายอะไรเลย แต่พอมีคนเอามาวิเคราะห์จริงๆ ก็อาจเจอว่า “ยอดขายมักตกช่วงกลางเดือน” หรือ “ลูกค้ากลุ่มนี้ซื้อซ้ำบ่อยกว่ากลุ่มอื่นชัดเจน” ซึ่งข้อมูลแบบนี้แหละครับที่ช่วยให้ตัดสินใจได้แม่นขึ้น Data Analytics ไม่ได้จำกัดอยู่แค่แผนก IT หรือทีมข้อมูลเท่านั้นนะครับ แทบทุกแผนกเอาไปใช้ได้ทั้งนั้น…
-
ผมเคยนั่งฟัง presentation ที่มีข้อมูลแน่นมาก แม่นยำ และวิเคราะห์มาอย่างดี แต่ฟังจบแล้วคนในห้องประชุมก็พยักหน้าแล้วก็ “ไม่ได้ทำอะไรต่อ” (คน present คนนั้น ผมก็เคยเป็นมาก่อนด้วย) และผมก็เคยฟัง presentation อีกแบบที่ข้อมูลไม่ได้ละเอียดมากนัก แต่คนฟังออกจากห้องไปพร้อมกับรู้ว่าต้องทำอะไร ความต่างของสองอย่างนี้ไม่ใช่คุณภาพของข้อมูลครับ แต่เป็นวิธีที่คนนำเสนอมันออกมา ปัญหาที่เจอบ่อยมากในวงการ data คือคนที่เก่งเรื่องวิเคราะห์ข้อมูลมักไม่ถนัดเรื่องสื่อสาร และคนที่สื่อสารเก่งมักไม่มีพื้นฐาน data มากพอที่จะอธิบายให้แม่นยำ บทความนี้เลยอยากพูดถึงทักษะที่อยู่ตรงกลางครับ นั่นคือการเอาข้อมูลจริงๆ มาเล่าให้คนที่ไม่ได้ทำงานกับ data ทุกวันฟังแล้วเข้าใจและลงมือทำต่อได้ เข้าใจก่อนว่าคนฟังไม่ได้สนใจ data เขาสนใจแค่คำตอบ นี่คือสิ่งแรกที่ต้องเปลี่ยนวิธีคิด คนที่ทำงานกับ data มักตกหลุมพรางอย่างหนึ่งคือคิดว่าถ้าแสดงข้อมูลให้ครบและถูกต้อง คนฟังจะสรุปเองได้ว่าควรทำอะไร ซึ่งในความเป็นจริงแล้ว คนฟังส่วนใหญ่ไม่ได้มานั่ง process ข้อมูลในหัวพร้อมกับเราครับ เขามาเพื่อรับคำตอบเท่านั้น ลองเปลี่ยนวิธีเริ่ม presentation ดูครับ แทนที่จะเริ่มด้วย “วันนี้เราจะมาดูข้อมูลยอดขายในไตรมาสที่ผ่านมา” ลองเริ่มด้วย “ยอดขายของเราตกลง 15% และผมรู้แล้วว่าทำไม เดี๋ยวผมเล่าให้ฟัง” สองประโยคนี้มีข้อมูลเท่ากันครับ แต่ประโยคที่สองทำให้คนฟังอยากฟังต่อทันที เพราะมันสัญญาว่าจะมีคำตอบรออยู่ หลักการง่ายๆ…
-
คงจะมีสักช่วงเวลาที่โค้ชและผู้จัดการทีมทำการกีฬาตัดสินใจทุกอย่างด้วยสัญชาตญาณครับ ใครควรลงสนาม ใครควรออก กลยุทธ์ไหนที่ใช้ได้กับคู่แข่งทีมนี้ ทั้งหมดนั้นมาจากประสบการณ์และความรู้สึกที่สั่งสมๆมาหลายๆสิบปี แล้วในทางเดียวกัน ก็มีช่วงเวลาหนึ่งที่ทุกอย่างเปลี่ยนไปครับ ปี 2002 Oakland Athletics ทีมเบสบอลที่มีงบประมาณน้อยที่สุดทีมหนึ่งในลีก ใช้การวิเคราะห์ข้อมูลทางสถิติสร้างทีมที่แข่งขันได้กับทีมที่รวยกว่าหลายเท่า เรื่องนี้ถูกเขียนเป็นหนังสือชื่อว่า Moneyball และสร้างเป็นหนังที่หลายคนคงเคยดู(มั้ง) แต่สิ่งที่น้อยคนรู้คือ Moneyball เป็นแค่จุดเริ่มต้นครับ ในช่วง 20 ปีที่ผ่านมา sports analytics พัฒนาไปไกลกว่านั้นมากจนแทบจำไม่ได้แล้วว่าวงการกีฬาที่เราเคยเห็นกัน แต่ก่อนเค้าทำงานโดยไม่มีข้อมูลได้ยังไง ? Moneyball และจุดเริ่มต้นของ Sports Analytics ก่อนจะไปถึงปัจจุบัน ขอย้อนกลับไปที่เรื่องนี้สักแป้ปนึงก่อน เพราะมันสำคัญมากในฐานะ case study ที่เปลี่ยนวิธีคิดของทั้งวงการกีฬา และวงการ Data Analytics Billy Beane ผู้จัดการของทางทีม Oakland Athletics กำลังมีปัญหาง่ายๆ ก็คือ “งบประมาณ” เขาน้อยกว่าทีมใหญ่อย่าง New York Yankees เกือบสามเท่า แต่ยังต้องมาทำการแข่งในลีกเดียวกัน วิธีที่เขาใช้คือจ้าง…
