3 สิ่งที่ควรประเมินก่อนทำ Data Analytics เพื่อช่วยในการตัดสินใจ

ถ้าถามว่า การทำ Data Analytics นั้น เราทำไปเพื่ออะไรแล้ว หนึ่งในคำตอบหลักๆ ก็คงจะเป็น การใช้ Data เพื่อช่วยในการตัดสินใจ

จากผลสำรวจของ Deloitte เกี่ยวกับประโยชน์ของ Analytics นั้น 49% ของผู้ตอบผลสำรวจ ตอบว่า ประโยชน์ที่สำคัญที่สุดของ Data Analytics คือ การช่วยเพิ่มความสามารถในการตัดสินใจ

อย่างไรก็ตาม สิ่งที่พบเจอกันหลายครั้งก็คือ การเข้าใจผิดว่า Data ควรตัดสินใจแทนเรา หรือ การใช้ Data ควรให้คำตอบที่แม่นยำและไม่ผิดพลาด แต่ความจริงนั้น ทุกการตัดสินใจ อาจมีข้อผิดพลาดหรือข้อจำกัดได้เสมอ

วันนี้เลยขอนำ 3 สิ่งที่ควรต้องประเมินในการทำ Data มาช่วยในการตัดสินใจ มาให้ดูกันครับ

1. Expected Result ผลลัพท์ที่เราคาดหวังไว้

แน่นอนว่า ก่อนจะลงทุนลงแรงนั้น เราต้องการรู้ว่า ผลลัพธ์ที่จะได้นั้น คุ้มค่าคุ้มแรงที่เราจะลงมือทำแค่ไหน เพื่อช่วยให้เราประเมินและตัดสินใจได้ว่าควรทำหรือไม่ ซึ่งก็เป็นสิ่งที่หลายๆ คนน่าจะทำกันอยู่แล้ว แต่บางครั้ง การประเมินอาจะไม่ได้ตรงไปตรงมา เช่น ผลลัพธ์ระยะสั้นและระยะยาว ผลลัพธ์ในทางตรงและทางอ้อม ผลลัพธ์มีความเป็นไปได้มากน้อยแค่ไหน จึงต้องใช้ความเข้าใจอย่างมากในการประเมินผลลัพธ์

แม้ว่าเราจะใช้ data analytics มาช่วยวิเคราะห์ตัวเลขต่างๆ เช่น expected uplift, projection ต่างๆ ซึ่งก็อาจสามารถช่วยเราประเมินได้บ้าง แต่เราอาจต้องคิดหลายๆ กรณีเผื่อเอาไว้ด้วย เช่น มีโอกาสมากน้อยแค่ไหนที่จะไปถึงเป้าหมาย และหากไปไม่ถึงแล้ว จะมีข้อเสียอะไรบ้าง เพื่อเราจะได้วางแผน Action Plan รับมือแต่ละสถานการณ์เอาไว้ได้ด้วย

2. Resources ทรัพยากรที่ต้องใช้

ในการที่จะได้ผลลัพธ์บางอย่าง แน่นอนว่า เรามีต้นทุนหรือทรัพยากรต่างๆ ที่จำเป็นต้องใช้ ไม่ว่าจะเป็นเงินทุน แรงงาน เวลา หรือ เทคโนโลยีที่จำเป็นต้องใช้ต่างๆ ซึ่งแม้ว่า Expected Return จะดีแค่ไหน แต่หากเราไม่มีทรัพยากรที่จำเป็น ก็ไม่อาจทำบรรลุเป้าหมายได้ เช่น สมมติเราต้องการทำ Churn Prediction หรือ Retention เราก็จำเป็นต้องแต่ไม่มีมีระบบ CRM ที่ดีมารองรับ หรือ หากเรารู้ว่าควรขายสินค้าตัวไหนเพื่อ optimize profit แต่ supplier ไม่มีของ หรือ รู้ว่าระบบจะช่วยให้ธุรกิจเติบโต แต่เรายังไม่มีเงินทุนมากพอ แม้เราจะวิเคราะห์ได้ดีแค่ไหน ก็ไม่สามารถ take action ได้ หากไม่มีทรัพยากรที่จำเป็นเพียงพอ

3. Risk ความเสี่ยงที่จะล้มเหลว

แน่นอนว่าทุกการ Action ที่เราทำ ล้วนมีความเสี่ยงที่จะล้มเหลว ไม่ว่าจะเป็น การไปไม่ถึงเป้าหมาย การเสียผลประโยชน์ การเสียเงินลงทุน การเสียภาพลักษณ์ และอื่นๆ ซึ่งไม่ว่าเราจะวิเคราะห์ได้ดีแค่ไหน ก็มีโอกาสที่จะล้มเหลวหรือผิดพลาดได้ ดังนั้น เราอาจต้องประเมินก่อนว่า “สิ่งที่แย่ที่สุดที่จะเกิดขึ้น มีอะไรบ้าง?” และหากเราสามารถป้องกัน หรือ รับมันได้ แม้อาจจะไม่ประสบความสำเร็จหรือล้มเหลว เราก็ยังพอรับมือหรือประคับประคองได้ โดยไม่เกิดความเสียหายมากจนเกินไป

สรุป

Data Analytics อาจไม่ได้ช่วยให้เราเห็นทุกอย่างได้หมด หรือ สามารถแม่นยำได้ 100% แต่เป็นเพียง Guideline ให้เราสามารถนำไปประกอบกับมุมมองอื่นๆ เพื่อช่วยในการตัดสินใจให้ได้ผลลัพธ์ที่ต้องการ หรือ ลดความเสี่ยงที่จะล้มเหลวลงด้วย เพราะหากไม่มีสามสิ่งนี้ ต่อให้วิเคราะห์ดีแค่ไหน ก็อาจไม่สามารถสร้าง value หรือ ลดความผิดพลาดได้เท่าที่ควร