Data ในร้านกาแฟ

ลองเปลี่ยนสถานที่กันบ้างดีกว่า

ตอนนี้แอดเขียนบทความนี้ แอดนั่งอยู่ที่ร้านกาแฟในเมือง
(นานๆทีแอดจะเข้าเมือง 🏙️ บ้านแอดก็ไกลจากเมืองเกิ้นนน 😂)

หลังจากที่แอดสั่งเครื่องดื่มสำหรับตอนเช้า เป็นชาไทยร้อนๆหวังว่าจะช่วยให้ร่างกายสดชื่น
กลายเป็นว่าได้ชาไทยเย็นมา 555

แอดก็คิดว่าไม่เป็นไร อากาศร้อนขนาดนี้ กินเย็นนี่แหละ

“ไม่เป็นไรครับ ผมทานได้ๆ”

บทความนี้แอดเลยอยากพาทุกคนมามอง Data ผ่านตัวเครื่องดื่ม + Business นี้กันสักหน่อย

---

การเก็บข้อมูลสำหรับธุรกิจขนาดเล็ก

[Flashback💥] ย้อนไปประมาณเกือบ 8 ปี

แอดเคยทำ Part-time ที่ร้านกาแฟแถวหลังมอ ได้เงินชั่วโมงละ 37 บาท (ย้อนไปนานจัดๆ 555 แต่เป็นประสบการณ์ที่ดีมากๆ)

แอดยังจำได้แม่น ประสบการณ์ที่อยู่หลังบาร์เครื่องดื่ม ตอนที่ลูกค้าเยอะๆนี่โครตวุ่นวาย แต่สนุกมากๆ (ต้องเร่งกับการรอเครื่องดื่มของลูกค้า + พนักงาน 1 คนทำได้ทุกตำแหน่ง 555 – ชนกันมั่วไปหมดบางที)

แต่แอดไม่เคยคิดเลยว่า จริงๆแล้วร้านแอบเก็บข้อมูลลูกค้าแบบเนียนๆอยู่

กล้อง CCTV + เครื่อง POS + ตัวพนักงาน = เครื่องเก็บข้อมูลชั้นดี!

แต่ถามว่าตอนนั้นแอดสนมั้ย ?

จากใจ “ไม่โว้ยยยยย” 555 เข้างาน ทำงาน ออกงาน ปั๊มเงินรัวๆ
(feel วัยรุ่นสร้างตัวมาก หาเงินซื้อกางเกงยีนส์ตัวใหม่อย่างเดียวเลยตอนนั้น 555)

กล้อง CCTV จับตั้งแต่ลูกค้าเดินเข้ามาในร้าน เข้ามากี่โมง, ใช้เวลากี่นาทีเพื่อมาสั่งเครื่องดื่ม, นั่งในร้านจำนวนกี่นาที, เดินไปตรงไหนก่อนที่จะมาสั่งเครื่องดื่ม, กี่นาทีถึงจะจ่ายเงิน etc.

เครื่อง POS ลูกค้าสั่งอะไร, สั่งกี่โมง, สั่งวันไหน, จำนวนกี่บาท, กี่แก้ว, กี่ชิ้น, เป็น Member ของร้านไหม, จ่ายเงินแบบไหน etc.

ตัวพนักงาน ความพึงพอใจของลูกค้าผ่านน้ำเสียงการพูดคุยด้วย(ดี, ไม่ดี, ปานกลาง), เวลาเปิดปิดร้าน, เวลาทำความสะอาดร้านตอนเปิดปิดร้าน, เวลาในการทำเครื่องดื่ม 1 เมนู, ประเภทเพลงที่เปิด etc.

เห็นมั้ย เอาดีๆร้านได้ข้อมูลน่าสนใจเต็มไปหมดเลย (ถ้าเกิดว่าเราทำให้มันสามารถที่จะวัดผลได้ ✅)

---

วิเคราะห์ข้อมูลสินค้าที่ขาย

เริ่มกันที่ตัวอย่าง ที่ง่ายที่สุดกันก่อน + มีรูปแบบของข้อมูลที่ชัดเจน

-ข้อมูลที่ในเครื่อง POS

ค่อยๆคิดกันไป – > ข้อมูลในเครื่อง POS จะเกิดขึ้นได้ก็ต่อเมื่อมีการ input data เข้าไป ผ่านตัวของพนักงาน

ลองดูตัวอย่างของข้อมูลในเครื่อง POS

• วันที่ออเดอร์ถูกสร้าง
• เวลาที่ออเดอร์ถูกสร้าง
• รายการเครื่องดื่มหรือขนม
• ชื่อพนักงานที่รับออเดอร์
• ปริมาณสินค้า
• ราคาสินค้า

ซึ่งรายการเหล่านี้ ตอนจบวัน พี่ที่เป็น manager ก็จะ export ไฟล์ออกมาในรูปแบบของ column (.csv ที่เราคุ้นเคยกันดี 😃) ส่งต่อให้กับพี่ที่เป็นเจ้าของร้านอีกที

นี่คือข้อมูลที่เป็น raw data ที่เราสามารถเอาไปวิเคราะห์ได้ง่ายๆด้วยวิธีอย่าง pivot table

(แต่ก็ไม่รู้ว่าพี่เจ้าของเค้าจะทำไหม 555 นั่นเป็นอีกเรื่อง เพราะตอนนั้น เรื่อง Data Analysis ยังไม่แพร่เท่าตอนนี้)

---

วิเคราะห์พฤติกรรมลูกค้าตั้งแต่เข้ามาจนออกจากร้านไป

อันนี้ถ้ามองว่ามันยาก มันก็จะยาก

แต่ถ้าเรามองว่ามันง่าย มันก็จะยาก (เอ้ะ ยังไงๆ 🤔 555)

ตั้งแต่วินาทีที่ลูกค้าเดินเอิงเอยอยู่ที่หน้าร้าน จนกระทั่งตัดสินใจเดินเข้ามาในร้าน

วางกระเป๋าเป้ที่ใส่ laptop เพื่อจองโต๊ะที่จะใช้นั่ง แล้วไปสั่งเครื่องดื่ม

หรือว่าไปสั่งเครื่องดื่ม แล้วค่อยไปนั่งที่โต๊ะ

“ทุกอย่างนี้มันคือข้อมูล”

แต่เป็นข้อมูลในเชิงพฤติกรรม ที่ไม่ได้ถูก Define ว่าจะวัดผลอย่างไร

แต่เราสามารถเขียน flowchart ของพฤติกรรมเหล่านี้ แล้วเอามาใส่ค่าให้ เพื่อสร้างเป็นชุดข้อมูลหนึ่งได้เหมือนกัน

พอลูกค้าสั่งเครื่องดื่มเสร็จ

กลับไปนั่งที่โต๊ะ เราจะเริ่มนับเวลาที่ลูกค้าเริ่มนั่งทันที

ระหว่างที่ลูกค้านั่งอยู่ เขาได้ไปเข้าห้องน้ำหรือไม่

มีการใช้ปลั๊กไฟหรือไม่

มีการเชื่อมต่อรหัสไวไฟหรือไม่

และตอนนี้ ลูกค้าก็ตัดสินใจที่จะเก็บกระเป๋าแล้วเดินออกจากร้านไป

ได้ข้อมูลเยอะมากอีกละ เห็นมั้ย ง่ายจริ้งงง

---

อากาศที่ร้อนขึ้น(อุณหภูมิที่สูงขึ้น)กับปริมาณเครื่องดื่มเย็นที่ขาย

ขยับมาดูเรื่องของ insight กันบ้าง

บอกความจริงแค่อย่างเดียวที่สามารถ define ความเป็นไทยได้

“ร้อน!” 🥵

นี่คือเหตุผลที่ทำให้ประเทศในเขตร้อนส่วนใหญ่ จะต้องมีเครื่องดื่มเย็นๆ อยู่คู่กับมือตลอดเวลา(ชาไทยแก้วโปรดของเราก็เช่นกัน 😂)

อ่านมาถึงขนาดแล้ว ต้องเห็นอะไรกันบ้างแล้วมั้ยยย 555

ความสัมพันธ์ของยอด Sales ในเครื่องดื่มเย็น กับอุณหภูมิที่สูงขึ้น

เราลองตั้งสมมติฐานกันแบบไวๆ

H0 : อุณหภูมิสูงขึ้น ยอดขายเครื่องดื่มเย็นขายดีขึ้น

H1 : อุณภูมิสูงขึ้น ยอดขายเครื่องดื่มเย็นยอดขายปกติ

สมมติว่าเรามีข้อมูล 3 Columns แบบนี้

วันที่	ยอดขายชาเย็น	อุณหภูมิ
1	550	35
2	700	36.5
3	323	33
4	900	38

ละต่อไปก็คือหา Correlation (ค่าความสัมพันธ์) แบบไวๆ โดยใช้ =CORREL ใน google sheet หรือ Excel ได้เลย

ก็อาจจะสรุปยังไม่ได้แบบ 100% ต้องดูปัจจัยอื่นๆประกอบด้วย แต่ตัวเลขที่เราคำนวนได้ ก็มีค่าในระดับที่สูงอยู่(อีกนิดเดียวก็ 1 ละมั้ย 555) แสดงว่าทั้งสองปัจจัยมีความสัมพันธ์ไปทางเดียวกัน (แบบ Positive correlation ค่านึงเพิ่ม อีกค่านึงก็เพิ่ม)

ฉะนั้นตามสมมติฐานข้างบนก็ถือว่าเรายอมรับ H0 และปฎิเสธ H1 ทั้งสองตัวแปรมีความสัมพันธ์กันนั่นเอง!

Action plan

• หน้าร้อนตุนน้ำแข็งไว้เยอะๆ(เผื่อละลาย + เครื่องดื่มเย็นที่ขายดี)
• เตรียมพนักงานที่ทำเครื่องดื่มเย็นเก่งๆ ไว้สำหรับทำเครื่องดื่มเย็น (หรือจะชาเย็นอย่างเดียว) โดยเฉพาะ
• ทำ Promotion ให้ร้าน ช่วงที่ร้อนจัดๆ โดยข้อมูลที่ทำอาจจะต้อง align ตามข้อมูลพยากรณ์อากาศ (ช่วงนี้ร้อนระดับ 40! มาดื่มชาเย็นที่ร้านเราได้นะคะ แอร์ร้าน 20 องศา อะไรก็ว่าไป ~ )

---

มองสินค้าเป็นคุณค่าที่ส่งมอบ

หัวข้อนี้อาจจะไม่ค่อยเกี่ยวกับเรื่อง Data มากเท่าไหร่
แต่ลึกๆแล้ว แอดคิดว่ามันก็อาจจะส่งผลนิดๆ

ถ้าเป็นเรื่องของ Data
สิ่งที่สำคัญที่สุดใน Data 1 ตัว แอดคิดว่าเป็นเรื่องของ Data Quality หรือว่าคุณภาพของ Data ที่เรามี

ยกตัวอย่างเช่น การทำแบบสอบถามโดยให้ลูกค้าเป็นคนกรอกข้อมูล

ถ้าแรงจูงใจไม่มากพอ หรือว่าสินค้าไม่ดีพอ ตัวผู้ทำแบบสอบถามก็คงไม่อยากที่จะตอบแบบสอบถาม หรือไม่ก็คงทำให้แบบส่งๆ ให้มันจบๆ เสร็จๆไป

นั่นส่งผลให้ผู้ที่เป็นคนทำข้อมูล ได้ข้อมูลที่ค่อนข้างจะ mis-lead ในหลายเรื่อง

ถ้าเราตั้งใจจะทำสินค้าให้ดี ลูกค้าก็ต้องมอบ data ที่ดีให้กับเรา ไม่ทางใดก็ทางหนึ่ง

ถ้าเกิดว่าสินค้าดี เราในฐานะลูกค้า ก็อยากที่จะช่วยพัฒนาธุรกิจไปพร้อมๆกัน (ของดีใครๆก็อยากจะบอกต่อ ของมันดี ใครๆก็อยากช่วย แอดเองคนหนึ่งละ)

---

สรุป

ในใจแอด แอดคงยกให้ชาไทยเป็นเครื่องดื่มที่แอดชอบที่สุด
ถ้าไปคาเฟ่ต้องมี 1 แก้ว(ด้วยความที่แอดไม่ได้เป็นคนดื่มกาแฟ ☕️)
เป็นเครื่องดื่มที่ must have ใน cafe
แต่ละร้านแต่ละที่ ย่อมมีสูตรที่แตกต่างกันไป

เราสามารถมองเรื่องของ Data ผ่านธุรกิจร้านกาแฟได้ง่ายๆ เสมือนว่าเป็นเจ้าของร้าน หรือว่าในฐานะนักวิเคราะห์ข้อมูลท่านหนึ่ง แต่ละที่ แต่ละช่วงเวลา ย่อมมีข้อมูลที่แตกต่างกันไป (Scale ของแต่ละร้านก็ทำให้ Data ต่างกันด้วย อย่าง Starbuck กับร้านกาแฟ local ใกล้บ้าน)

แอดคิดว่าหลังจากที่ทุกคนอ่านบทความนี้จนจบ ทุกคนอาจจะมอง Cafe ไม่เหมือนเดิมอีกต่อไป

ไปกินชาเย็นต่อก่อน น้ำแข็งละลายจางหมดแล้ว 🤣

---