Tag: business case
-
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…
-
สวัสดีเช้าวันจันทร์นะครับ ลองนึกภาพวันธรรมดาๆ วันหนึ่งของคนในกรุงเทพฯ ดูนะครับ เช้าแวะ 7-Eleven ซื้อกาแฟกับแซนด์วิช เที่ยงขี้เกียจลงไปหาข้าวก็เปิดแอปสั่งเอา ตกเย็นฝนตกก็เรียกรถกลับบ้าน (ชีวิตแบบนี้คุ้นๆ กันไหมครับ 555) ทุกจังหวะของวันนั้นมี Data ทำงานอยู่เบื้องหลังทั้งนั้นเลยครับ และสามชื่อแอปหรือร้านในชีวิตของเราที่เรานึกถึงเป็นอันดับแรกๆ อย่าง 7-Eleven, Grab และ LINE MAN ก็เป็นธุรกิจที่เอา Data มาเป็นอาวุธหลักในการแข่งขันจริงๆ บทความนี้แอดเลยอยากพาไปดูว่าแต่ละเจ้าใช้ Data ทำอะไรบ้าง (ไม่ใช่แค่พูดลอยๆ ว่า “ใช้ Big Data” นะครับ) แล้วถอดออกมาเป็นบทเรียนที่ธุรกิจขนาดเล็กหยิบไปใช้ได้ด้วย ขอบอกไว้ก่อนนิดนึงว่าตัวเลขส่วนใหญ่มาจากที่บริษัทเปิดเผยเอง อ่านแบบมีวิจารณญาณหน่อยนะครับ (เป็นนิสัยที่ดีของคนทำ Data อยู่แล้ว) 7-Eleven ใช้ Data ยังไง ตั้งแต่ตะกร้าสินค้าจนถึงไรเดอร์ CP ALL รายงานว่ามี 7-Eleven มากกว่า 15,945 สาขา ณ สิ้นปี 2025…
-
มาลองนึกดู ผมจำได้ว่าตอนเรียนหนังสือ มีวิชาที่เข้าใจไวมาก และมีวิชาที่ต้องอ่านซ้ำหลายรอบกว่าจะเก็ท แต่ว่าในห้องเรียน ครูสอนทุกคนในความเร็วเดียวกัน เนื้อหาเดียวกัน วิธีเดียวกัน ถ้าเกิดว่าคุณโชคดี จังหวะของคุณตรงกับจังหวะของครู คุณก็เรียนได้ดี ถ้าไม่ตรง ก็แล้วแต่ดวงครับ ปัญหานี้ไม่ใช่ความผิดของครูหรือนักเรียน มันเป็นข้อจำกัดของระบบที่ออกแบบมาเพื่อสอนคนจำนวนมากพร้อมกันในคราวเดียว ซึ่งในยุคที่ยังไม่มีเทคโนโลยีมันก็ถือว่าเป็นวิธีที่ดีที่สุดเท่าที่มีอยู่ แต่ตอนนี้มันไม่ใช่วิธีที่ดีที่สุดอีกแล้วครับ เพราะ data และเทคโนโลยีกำลังทำให้การศึกษาแบบ “ไซส์เดียวใส่ได้ทุกคน” กลายเป็นอดีต และเปิดทางให้การเรียนรู้ที่ตอบสนองต่อตัวเราแต่ละคนได้จริงๆ ปัญหาของห้องเรียนแบบเดิมที่ data เห็นชัดกว่าความรู้สึก ลองดูตัวเลขง่ายๆ กันก่อนครับ ในห้องเรียน 40 คน ถ้าครูสอนในความเร็วที่พอดีกับนักเรียนที่อยู่ตรงกลาง คนที่เข้าใจเร็วกว่าจะเบื่อและรอ คนที่ต้องการเวลามากกว่าจะตามไม่ทันและเริ่มหลุดจากเรื่องที่เรียน ทั้งสองกลุ่มนี้รวมกันอาจเป็นครึ่งหนึ่งของห้องเรียน แต่ที่น่าสนใจกว่านั้นคือ เราไม่เคยรู้แน่ชัดว่านักเรียนแต่ละคนหลุดตรงไหน ครูรู้ได้แค่ตอนสอบ ซึ่งก็สายเกินไปแล้วสำหรับการแก้ไขในเทอมนั้นๆ Data มันจะเข้ามาเปลี่ยนตรงนี้ครับ แพลตฟอร์มการเรียนรู้ที่ดีสามารถเห็นได้แบบ real-time ว่านักเรียนใช้เวลากับเนื้อหาไหนนานผิดปกติ ทำข้อไหนผิดซ้ำๆ หรือข้ามเนื้อหาตรงไหนไปโดยไม่อ่านมันเลย สิ่งเหล่านี้เป็นสัญญาณที่มีค่ามากกว่าคะแนนสอบปลายเทอม เพราะมันบอกได้ว่าปัญหาเกิดที่ไหนและเมื่อไหร่ Adaptive Learning คืออะไร และทำงานยังไงในทางปฏิบัติ Adaptive Learning คือระบบการเรียนที่ปรับตัวตามผู้เรียนแต่ละคนในแบบ…
