Category: Data science
-
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…
-
ร้านอาหารตามสั่งบ้านเรามีเยอะมากครับ และส่วนใหญ่ก็อร่อยพอๆ กัน แต่ทำไมบางร้านอยู่ได้ 10 ปี บางร้านปิดใน 6 เดือน? ผมเชื่อว่าปัจจัยหนึ่งที่คนมักมองข้ามคือ การรู้จักธุรกิจตัวเองจากข้อมูล ไม่ใช่แค่ความรู้สึก เจ้าของร้านตามสั่งส่วนใหญ่รู้ว่าวันไหนยุ่ง วันไหนเงียบ เมนูไหนขายดี แต่ “รู้สึกว่ารู้” กับ “รู้จริงจากตัวเลข” มันต่างกันมาก และความต่างนั้นอาจเป็นเส้นแบ่งระหว่างร้านที่ขยายสาขาได้กับร้านที่วนซ้ำปัญหาเดิมทุกเดือน บทความนี้ผมจะพาไปดูว่าร้านอาหารตามสั่งธรรมดาๆ ที่ไม่มีงบซื้อระบบแพงๆ จะเริ่มใช้ data analytics ได้ยังไง โดยเริ่มจาก Google Form และ Google Sheet ที่ทุกคนเข้าถึงได้ฟรี ข้อมูลอะไรที่ร้านตามสั่งควรเก็บตั้งแต่วันแรก ก่อนจะพูดถึงเครื่องมือ ต้องรู้ก่อนว่าจะเก็บอะไร เพราะถ้าเก็บผิดก็ได้ข้อมูลที่ไม่มีประโยชน์ สำหรับร้านตามสั่ง ข้อมูลที่สำคัญมีอยู่ไม่กี่อย่าง ยอดขายรายเมนูรายวัน นี่คือพื้นฐานที่สุด แค่รู้ว่าแต่ละวันขายเมนูอะไรได้กี่จาน ราคาจานละเท่าไหร่ รวมเงินได้เท่าไหร่ ดูเรียบง่ายแต่ถ้าเก็บสม่ำเสมอสัก 2-3 เดือน จะเห็น pattern ที่มีค่ามากๆ ช่วงเวลาที่ขายดีและเงียบ บันทึกว่าช่วง 11 โมงถึงบ่ายโมงขายได้กี่จาน…
-
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…
