Data analyst ต้องรู้อะไรบ้าง

Data Analytics คือ การวิเคราะห์ข้อมูลต่างๆ เพื่อช่วยให้ธุรกิจสามารถบรรลุวัตถุประสงค์ โดยข้อมูลที่นำมาใช้มีทั้งข้อมูลในอดีต ปัจจุบัน รวมไปถึงการพยากรณ์ข้อมูลในอนาคต เพื่อใช้ในการกำหนดกลยุทธ์ต่างๆ ข้อมูลเหล่านี้ถือว่าเป็นข้อมูลที่สำคัญของธุรกิจ เพราะสามารถใช้สร้างศักยภาพให้กับธุรกิจได้

• Descriptive analytics คือ การพรรณาข้อมูลจากอดีต เพื่อให้เห็นว่าเกิดอะไรขึ้นบ้างในอดีตในรูปแบบที่ง่ายที่สุด และคาดการณ์ถึงเหตุการณ์ที่จะเกิดขึ้นในอนาคต เช่น รายงานการขาย และรายงานผลการดำเนินการ เป็นต้น
• Diagnostic analytics คือ การวิเคราะห์เหตุผลว่าทำไมเหตุการณ์ต่างๆจึงเกิดขึ้นจากปัจจัยต่างๆ และความสัมพันธ์ของปัจจัย หรือตัวแปรต่างๆ เช่น ความสัมพันธ์ของยอดขาย และแคมเปญต่างๆ
• Predictive analytics คือ การทำนายสิ่งที่จะเกิดขึ้นในอนาคต โดยใช้ข้อมูลที่รวบรวมมาแล้วนำมาสร้างแบบจำลองทางสถิติ หรือเทคโนโลยีปัญญาประดิษฐ์ (AI) เช่น พยากรณ์ยอดขาย การพยากรณ์ผลประชามติ เป็นต้น
• Prescriptive analytics คือ การสรุปข้อมูลเพื่อนำไปใช้ปรับปรุง สร้างการตอบสนองต่อความต้องการของกลุ่มเป้าหมาย หรือหลีกเลี่ยงปัญหาเดิมที่อาจะเกิดซ้ำๆ และเป็นการวางแผนการทำงานในอนาคตไว้ โดยมีการคาดการณ์ผลลัพธ์ไว้ล่วงหน้า

กระบวนการวิเคราะห์ข้อมูลมีองค์ประกอบต่างๆที่สามารถช่วยในการริเริ่มสิ่งต่างๆภายในองค์กรได้ โดยทั่วไปแล้วกระบวนการนี้เริ่มต้นด้วยการคิดวิเคราะห์เชิงพรรณนา (descriptive analytics) ที่มาจากข้อมูลในอดีต เพื่ออธิบายถึงสิ่งที่จะเกิดขึ้นในอนาคต โดยมีวัตถุประสงค์เพื่อหาสิ่งที่จะเกิดขึ้น และมักจะเป็นการวัดตัวชี้วัดแบบดั้งเดิม เช่น ผลตอบแทนจากการลงทุน (ROI) เป็นต้น การวิเคราะห์แบบพรรณนาไม่ได้คาดการณ์ หรือช่วยให้ตัดสินใจได้โดยตรง แต่เป็นการสรุปข้อมูลด้วยเหตุผล และการวิเคราะห์ทั่วไป

การทำ Data Analytics คือ การวิเคราะห์ข้อมูลที่มากกว่านั้น หรือเป็นการวิเคราะห์ข้อมูลในระดับขั้นสูง (advanced analytics) ในปัจจุบันจะใช้ข้อมูลต่างๆมากมายมาใช้ในการวิเคราะห์เพื่อสร้างข้อได้เปรียบ โดยมีเครื่องมือมาช่วยในการดึงข้อมูล คาดการณ์ และพยากรณ์ จาก Big data* 

ศึกษา Big data คืออะไร ลักษณะข้อมูลเป็นอย่างไร คลิก

Data Analytics มีความสำคัญอย่างไร?

ปัจจุบัน ข้อมูลและกิจกรรมมีจำนวนมากมายมหาศาล โดยเฉพาะในโลกออนไลน์ที่มีอัตราการใช้ข้อมูลเพิ่มสูงขึ้นทุกปี การนำข้อมูลมาใช้เชื่อมโยงกันจากสื่อต่างๆ และวิเคราะห์หาข้อมูลเชิงลึก เพื่อนำมาใช้ในธุรกิจ การขาย การตลาดได้จึงช่วยสร้างความได้เปรียบในการแข่งขัน และสร้างโอกาสในธุรกิจได้มากมาย

การใช้ Data Analytics มีประโยชน์อย่างไรบ้าง? 

1. ช่วยในการตัดสินใจจากการใช้ข้อมูลเชิงลึก นำมาคาดเดาการวางแผนแคมเปญการตลาด และเลือกสร้างคอนเทนต์ที่เหมาะสม อีกทั้งยังช่วยพัฒนาผลิตภัณฑ์ในตอบสนองความต้องการของกลุ่มเป้าหมายมากยิ่งขึ้น
2. สร้างแคมเปญการตลาดมีประสิทธิภาพมากยิ่งขึ้น เพราะสามารถเข้าใจกลุ่มเป้าหมายได้มากขึ้น รวมไปถึงเข้าใจแนวโน้มพฤติกรรมของกลุ่มเป้าหมาย ทำให้สามารถสร้างแคมเปญมารองรับพฤติกรรมเหล่านั้นได้
3. ช่วยสร้างบริการ และสร้างความสัมพันธ์กับลูกค้าได้ดีมากยิ่งขึ้น 

ศึกษาการบริหารความสัมพันธ์ของลูกค้า คลิก

1. ช่วยปรับปรุงกระบวนการทำงาน ต้นทุนต่ำลง แต่เพิ่มผลกำไรได้มากขึ้น เพราะเข้าใจถึงสิ่งที่ลูกค้าต้องการ ทำให้ไม่ต้องเสียเวลาในการค้นคว้าหากลยุทธ์ที่เหมาะสม
2. ลดกระบวนการทำงานที่ซับซ้อน ทุกๆฝ่ายสามารถทำงานร่วมกันได้อย่างรวดเร็ว และสร้างผลงานที่มีประสิทธิภาพได้มากขึ้น
3. สามารถใช้ตรวจสอบความผิดปกติในการทำงาน และแก้ไขได้อย่างทันท่วงที เพราะข้อมูลต่าๆสามารถช่วยวิเคราะห์ คัดกรอง และสรุปได้แบบเรียลไทม์

วิธีการใช้ Data Analytics 

การใช้ Data Analytics ต้องมีข้อมูลที่ถูกจัดระเบียบมาอย่างดี มีความถูกต้องสูง และนำไปใช้ได้ หลายๆธุรกิจมักจะใช้วิธีเข้าถึงข้อมูล และผสมผสานข้อมูลที่มีที่มาแตกต่างกัน โดยปัจจุบันมีระบบอัตโนมัติที่หลากหลายที่สามารถใช้เก็บข้อมูลให้เป็นระบบได้ และสามารถนำมาวิเคราะห์เป็นข้อมูลภาพรวมได้ อีกทั้งยังใช้งานง่าย และนำไปใช้ประโยชน์ได้อย่างรวดเร็ว โดยขั้นตอนอย่างง่ายในการนำ Data Analytics ไปใช้ได้ ดังนี้

1. ทำความเข้าใจปัญหาของธุรกิจ 
2. รวบรวมข้อมูลที่เกี่ยวข้องกับปัญหาของธุรกิจ
3. จัดระเบียบข้อมูล และตรวจสอบข้อมูลให้ถูกต้อง
4. วิเคราะห์ข้อมูล และสร้างข้อมูลเชิงลึกในรูปแบบต่างๆ
5. นำข้อมูลที่ได้ไปปรับใช้ และทดลองใช้
6. ติดตามผลลัพธ์และนำมาปรับปรุง

ตัวอย่างการใช้ Data Analytics ในเชิงธุรกิจ

• Uber ใช้ Data Analytics ในการตัดสินใจแบบอัตโนมัติในการปรับค่าโดยสารในช่วงนี้มีความต้องการใช้บริการสูง ค่าโดยสารจะสูงตาม เช่น ในปี 2014 อัตราค่าโดยสารของ Uber เพิ่มสูงขึ้นถึง 4 เท่า จากเหตุการณืจับตัวประกันกลางกรุงซิดนีย์ ประเทศออสเตรเลีย ทำให้ผู้ใช้งานอยากใช้บริการเพื่อให้กลับถึงบ้านโดยเร็ว
• Domino Pizza สามารถเพิ่มยอดขายได้มากถึง 40% จากการใช้ Data Analytics เพื่อหาความสัมพันธ์ของชุดข้อมูลแต่ละส่วนเข้าด้วยกัน ทำให้ทีมขายและทีมการตลาดรับรู้ข้อมูลที่น่าสนใจเกี่ยวกับยอดขาย และพยากรณ์สิ่งที่จะเกิดขึ้นในอนาคต และรับรู้สาขายที่ขายดีเพื่อสร้างกำไรสูงสุด ในการใช้ทรัพยากรของตนเอง
• การเลือกตั้งในสหรัฐอเมริกา ของประธานาธิบดีบารัก โอบามา ใช้ Data Analytics เพื่อวิเคราะห์ฐานเสียงเลือกตั้งของตนเอง มาปรับกลยุทธ์การหาเสียงในแต่ละพื้นที่
• Coca-cola ใช้ Data Analytics เพื่อสร้างความแข็งแกร่งให้กับกลยุทธ์ด้านข้อมูล ด้วยการป้อนข้อมูลจำนวนมากทั้งจากทางโทรศัพท์ อีเมลล์ และโซเชียลเน็ตเวิร์ก นำมาวิเคราะห์และใช้งานผ่านทางการทำคอนเทนต์ และโฆษณา ให้เหมาะสมกับสถานที่ บุคคล เวลา ทำให้เป็นบริษัทที่ประสบความสำเร็จในการทำคอนเทนต์และโฆษณาอย่างมาก
• Netflix ใช้ Data Analytics สำหรับการโฆษณา จากข้อมูลของผู้ใช้งานมากกว่า 100 ล้านรายทั่วโลก ทำให้สามารถนำส่งภาพยนต์หรือคอนเทนต์ที่ผู้ใช้งานควรดู และเหมาะสมได้ ทำให้ฟังก์ชั่นนี้กลายเป็นฟังก์ชั่นที่ผู้ใช้ชื่นชอบ และยังทำให้รักษาฐานผู้ใช้ไว้ได้อย่างต่อเนื่อง
• ธนาคาร UOB สิงคโปร์ ใช้ Data Analytics ในการบริหารความเสี่ยงของสถาบันการเงิน โดยการจัดการ Big data ช่วยให้ลดความเสี่ยง และลดเวลาในการคำนวนมูลค่าความเสี่ยง จากเดิมที่ใช้ระยะเวลาถึง 18 ชั่วโมง เหลือเพียงไม่กี่นาที
• Amazon ใช้ Data Analytics ในการวิเคราะห์ Big Data เพื่อปรับปรุงและพัฒนาระบบขนส่งโลจิสติกส์ให้กับอาหารสด ตั้งแต่วิธีการขนส่งจากซัพพลายเออร์ มายังห้างสรรพสินค้า และไปจนถึงมือผู้บริโภค เพื่อคงสภาพสินค้าได้สดใหม่ และคุณภาพดีเหมือนพึ่งเก็บเกี่ยวใหม่ๆ ทำให้กลายเป็นอีกหนึ่งธุรกิจที่สามารถบรรลุเป้าหมาย และนำข้อมูลมาใช้ได้อย่างสร้างสรรค์

ที่มา lotame.com / mentionlytics.com