Category: Data science
-
ลองนึกภาพซอยเล็กๆ ซอยหนึ่งครับ ผมขอตั้งชื่อว่า “ซอยสบายใจ” (ซอยสมมติ ร้านทุกร้านในบทความนี้เป็นร้านสมมติทั้งหมดนะครับ เอาไว้เล่าให้เห็นภาพ) ในซอยนี้มีร้านเสื้อผ้าออนไลน์ คาเฟ่ ฟิตเนสสตูดิโอ และโฮมสเตย์ริมนา เจ้าของทั้งสี่คนเป็นเพื่อนกัน เย็นวันศุกร์ก็มักไปนั่งคุยกันที่คาเฟ่ วันหนึ่งมีคนถามวงสนทนาขึ้นมาว่า “ตอนนี้ร้านเรา ตัวเลขอะไรสักตัวที่ต้องดูทุกสัปดาห์ คืออะไรกัน?” ทั้งโต๊ะเงียบไปครับ 555 ไม่ใช่เพราะทุกคนไม่เก่ง ทุกคนขยันมาก แต่ทุกคนตัดสินใจจาก “ความรู้สึก” เป็นหลัก ทั้งที่ธุรกิจขนาดเล็กอย่างพวกเขามีข้อมูลเก็บอยู่ในระบบอยู่แล้ว ทั้งบิลขาย รายชื่อสมาชิก และประวัติการจอง แค่ไม่เคยเปิดดูอย่างจริงจัง และไม่เคยลองใช้ Data Analytics กับมันเลย แอดเชื่อว่าคนอ่านบทความนี้หลายคนก็มีร้านเล็กๆ ของตัวเอง หรือกำลังคิดจะเปิด หรือมีญาติมีเพื่อนทำธุรกิจแบบนี้อยู่ คำถามที่ตามมาคือ “ธุรกิจขนาดเล็ก Data Analytics ใช้ได้กับธุรกิจประเภทไหนบ้าง แล้วควรเริ่มจากตัวเลขอะไร” เพราะจริงๆ แล้ว Data Analytics ไม่ได้ให้ผลเท่ากันกับทุกธุรกิจ บางประเภทเห็นผลเร็วมาก บางประเภทต้องใช้เวลา บทความนี้เลยจะพาไปดู 4 ประเภทธุรกิจที่ได้ประโยชน์เร็ว พร้อม “ตัวเลขประจำร้าน”…
-
สวัสดีคร้าบบบ วันนี้ขอเปิดด้วยเรื่องของคนคนหนึ่งก่อนจะเริ่มกันนะครับ สมมติว่าเธอชื่อ “เมย์” อายุ 29 ทำงานเป็นแอดมินฝ่ายขายในบริษัทขายอุปกรณ์สำนักงานมา 6 ปี ทุกเช้าวันจันทร์เมย์จะเปิด Excel ดึงยอดขายของสัปดาห์ก่อน ทำ Pivot Table ใส่สีให้สวย แล้วส่งให้หัวหน้าก่อน 10 โมง ทำแบบนี้มาเกือบ 300 รอบแล้ว (นับดูแล้วก็ตกใจเอง 555) จนวันหนึ่งหัวหน้าถามกลับมาว่า “แล้วทำไมยอดภาคอีสานถึงตกล่ะ” เมย์ตอบไม่ได้ครับ เธอรู้ว่าตัวเลขคือเท่าไหร่ แต่ไม่เคยมีใครสอนให้หาว่า ทำไม คืนนั้นเธอเลยพิมพ์ค้นหาว่า “ย้ายสายงานมาทำงานด้าน Data ต้องทำยังไง” แล้วก็เจอคำตอบเป็นร้อยแบบ บางคนบอกให้ลาออกไปเรียน Bootcamp บางคนบอกว่าสายเกินไปแล้วเพราะ AI ทำแทนได้หมด บทความนี้ผมเขียนให้คนแบบเมย์ครับ คนที่มีงานประจำ มีภาระ ลาออกมาเรียนเต็มเวลาไม่ได้ แต่อยากย้ายสายงานมาทำงานด้าน Data ด้วยตัวเองแบบมีแผน เราจะเดินตามเมย์ไป 6 เดือน ตั้งแต่เช็กตลาด เลือกตำแหน่ง วางแผนเรียน ทำ Portfolio…
-
เคยได้รับข่าวแบบนี้ในกลุ่ม LINE ครอบครัวไหมครับ “งานวิจัยพบ! ประเทศที่กินช็อกโกแลตเยอะ ได้รางวัลโนเบลเยอะกว่า” แอดอ่านครั้งแรกนี่แทบจะเดินไปซื้อช็อกโกแลตมาตุนไว้เลย (เผื่อฟลุ๊คได้โนเบลกับเขาบ้าง 555) แต่พอลองคิดดีๆ มันแปลกนะครับ ช็อกโกแลตทำให้คนฉลาดขึ้นจนได้โนเบลจริงเหรอ หรือมีอะไรบางอย่างที่เรามองข้ามไป คำตอบของเรื่องนี้ซ่อนอยู่ในประโยคที่คนเรียนสถิติได้ยินจนเบื่อ แต่คนทำงานจริงยังพลาดกันอยู่ทุกวัน นั่นคือ “Correlation ไม่ใช่ Causation” บทความนี้แอดจะพาไปดูว่ามันหมายความว่าอะไร ทำไมมันหลอกเราได้ง่ายขนาดนั้น และในฐานะคนทำงาน Data เราควรเช็กอะไรก่อนจะฟันธงว่า “A ทำให้เกิด B” Correlation กับ Causation ต่างกันยังไง? อธิบายแบบบ้านๆ ครับ Correlation (สหสัมพันธ์) คือการที่ข้อมูลสองชุด “ขยับไปด้วยกัน” อันหนึ่งขึ้น อีกอันก็ขึ้นตาม (หรือลงตาม) ปกติเราวัดด้วยค่าที่เรียกว่า ค่าสัมประสิทธิ์สหสัมพันธ์ (r) ซึ่งมีค่าตั้งแต่ -1 ถึง 1 Causation (ความเป็นเหตุเป็นผล) คือการที่ A เป็นต้นเหตุ ที่ทำให้ B เกิดขึ้นจริงๆ…
