วันนี้ (9 ก.ย. 62) มีโอกาสไปร่วมฟัง Session นี้ในงาน Blognone Tomorrow งานสัมมนาเทคโนโลยีประจำปีของ Blognone เว็บไซต์ด้านไอทีที่ติดตามมานาน ธีมปีนี้เค้าใช้ชื่อ “Human & Machine” หรือความสัมพันธ์ของมนุษย์กับเทคโนโลยีและเครื่องจักร นอกจาก Main Stage ช่วงบ่ายก็จะแยกเป็น 3 ห้องย่อยตามประเภทของเทคโนโลยี ได้แก่ AI Stage, IoT Stage และ Cloud Stage
ในยุคที่สารพัดคำว่า Data ถูกปล่อยออกมา เรียกว่า ถ้าโครงการไหนไม่มีคำนี้ จะดูเชยไปเลย ก็จะแอบงง ๆ ว่า เข้าใจเรื่อง Data กันง่ายขนาดนี้เลยเชียวหรือ “Pratical Data” อีกหนึ่งหัวข้อของงานที่สะท้อนปัญหาของหลาย ๆ องค์กร ที่มีการเก็บข้อมูลมา แต่ไม่รู้จะนำไปใช้ได้จริงอย่างไร ได้ข้อมูลเหล่านั้นมาจากไหนและแปลงข้อมูลออกมาเป็นการปรับปรุงสินค้าและบริการได้อย่างไร
คุณกล้า ตั้งสุวรรณ Chief Executive Officer of Wisesight
- ต่อวันมีข้อมูลบน Social Media ถึง 17 ล้านข้อความ แต่เราไถอ่านข้อความได้เพียงประมาณ 1,000 ข้อความต่อวัน คำว่า data บน social media จึงมีมากกว่าที่เราเห็นมาก
- “ฟังก่อนพูด” ก่อนที่เราจะสื่อสารอะไรออกไป ลองฟังเสียงลูกค้าว่าสิ่งที่เขาต้องการคืออะไร pain point จริง ๆ หรือสิ่งที่เขาชอบคืออะไร ก่อนที่จะสื่อสาร หรือทำ insight
- การเก็บ Data มาก ๆ ไม่ผิด ต้นทุนของการเก็บข้อมูลจะถูกลงเพราะ Server, Storage จะมีแต่ราคาถูกลง ต้นทุนการเก็บข้อมูลมหาศาลจึงถูกลง จนเห็นโอกาสมากกว่าต้นทุน แต่หลายบริษัทก็เจ๊งได้ ถ้าเก็บ Data ไว้มาก ๆ แต่เอาไปปรับใช้กับธุรกิจไม่ได้ ต้นทุนก็สูงไปเรื่อย ๆ
- มายาคติ หรือสิ่งที่คนเข้าใจผิดเกี่ยวกับ Data
1. เรามักมองว่า Big Data คือ Solution ที่สามารถเอามาแก้ไขปัญหาได้ การมีข้อมูลเยอะ ๆ ไม่ได้ช่วยแก้ไขปัญหา การมี Insight เยอะมากแต่ไม่ Action ปัญหาก็จะไม่มีทางถูกแก้
2. ความยากของการวิเคราะห์ข้อมูล คือการไม่มีข้อมูล
3. ใครก็ทำได้.. คนที่มีความสามารถในการวิเคราะห์ข้อมูล ปัจจุบันยังมีน้อยมาก ไม่ใช่ใครก็ได้ คนที่วิเคราะห์ข้อมูลได้จะต้องมี 4 ทักษะ คือ
– คณิตศาสตร์หรือสถิติ
– โปรแกรมมิ่ง เพราะต้องทำงานกับข้อมูลมหาศาล ไม่มีทางทำงานโดยไม่ใช้เครื่องมือ ต้องมีการสั่งให้เครื่องมือทำงานแทนเรา
– Communication & Visualization ได้ข้อมูลแล้วเราต้องตีความและสื่อสารให้รู้เรื่อง และทักษะสุดท้าย
– Domain Knowledge ต้องรู้จักธุรกิจที่คุณอยู่
คุณนที ศรีรัศมี Executive Director, UOB Thai
- บางครั้งเราอยากเก็บ Data เยอะ ๆ แต่สิ่งที่สำคัญที่สุดคือ มันมีความเกี่ยวพัน (Relevant) กับลูกค้าหรือเปล่า ลูกค้าได้เอาไปใช้หรือเปล่า มันต้องเริ่มต้น 1. เก็บข้อมูล 2. แปลงข้อมูลให้นำไปใช้ได้ 3. ประมวลผลและ Generate เป็น Insight ให้ลูกค้าเพื่อสร้าง Engage
- ข้อมูลที่ดีที่สุด เป็นข้อมูลที่มาจาก Engagement เช่น log การใช้งานแอปฯ หรือเว็บ มากกว่าข้อมูลที่มาจากการ Declare (การสอบถามให้กรอกข้อมูล)
- การเก็บข้อมูล ไม่ใช่เก็บแล้วก็ใช้ไปตลอด ต้องมีการทำ Test & Learn ได้ข้อมูลแล้วต้องรีบ Test รีบ Learn เพราะพฤติกรรมลูกค้าเปลี่ยนได้ตลอดเวลา
