#อาสาสรุป “5 Frameworks” การใช้ Data เพื่อตอบโจทย์ธุรกิจ!! จากงาน Data Talk Chill 3: Connect the Data
#อาสาสรุป “5 Frameworks” การใช้ Data เพื่อตอบโจทย์ธุรกิจ ‼️จากงาน Data Talk Chill 3: Connect the Data
.
ไม่กี่วันก่อนผมได้มีโอกาสไปฟังสัมมนาออนไลน์ของงาน “Data Talk Chill 3: Connect the Data” ที่จัดโดย Data TH.com — Data Science ชิลชิล ซึ่งเป็นเพจที่ผมติดตามมาได้พักใหญ่แล้ว
.
ในงานนี้ผมได้ฟังแนวคิดจาก Speakers ที่ทำงานสาย Data หลายคน และคิดว่าอยากเอามาแชร์ให้กับคนที่ยังเป็นมือใหม่ในสายนี้ โดยเฉพาะคนที่อยากฝึกใช้ข้อมูล เพื่อนำไปพัฒนาธุรกิจ หรือต่อยอดงานที่ทำอยู่ครับ
.
คนที่พูดในงานมีหลายคนมาก แต่ละคนก็พูดเนื้อหาที่อัดแน่นจริง ๆ วันนี้ผมได้รวบรวมและสรุปเนื้อหาบางส่วน ออกมาเป็น “5 Frameworks” ที่คิดว่าหลายคนน่าจะเอาไปปรับใช้กันได้ง่าย ๆ ครับ
.
.
.
#Framework1
“3 เข้าใจ” ก่อนเริ่มใช้งาน Data
โดย คุณชงโค สนิทวงศ์ ณ อยุธยา (เมย์) — Ex-Data Scientist ประเทศอิตาลี
.
หลายคนที่ไม่รู้ว่าจะเริ่มต้นยังไง? (เหมือนกับผม) สิ่งนี้ผมคิดว่าเป็น “จุดเริ่มต้น” ในการใช้ Data เพื่อต่อยอดธุรกิจของคุณได้เลย คุณเมย์ได้แชร์ 3 สิ่งที่ควรเข้าใจก่อนใช้ Data ไว้ดังนี้
.
ข้อ 1 : เข้าใจ “โจทย์ธุรกิจ”
-ถามตัวเองก่อนว่า ทำไมเราถึงต้องมีการวิเคราะห์ Data ด้วย?
-หันมาดู Business Model และ Roadmap ของธุรกิจเราให้ดี
-เหมือนเป็นการหา “Why?” นั้นเอง
-ถ้าไม่เข้าใจจุดนี้ ทำข้อมูลไปก็อาจจะไม่มีประโยชน์
.
ข้อ 2 : เข้าใจ “ผู้ใช้งาน”
-รู้เป้าหมาย การตัดสินใจ และพฤติกรรมของผู้ใช้งานหรือลูกค้าของเรา
-ลองคิดดูว่า Data จะมาช่วยเราได้อย่างไรบ้าง?
-ลองเขียนดูว่าผลลัพธ์จะออกมาเป็นอย่างไร?
-แล้วผลลัพธ์ที่ได้ มันตอบดจทย์ความต้องการลูกค้าได้ไหม?
.
ข้อ 3 : เข้าใจ “Data”
-ทำความเข้าใจ Data ที่เรามี อันไหนสำคัญ อันไหนไม่สำคัญ?
-มี Data อะไรที่เรายังต้องการเพิ่มเติม?
-เครื่องมือที่เรามีอยู่เพียงพอหรือไม่? ต้องหา Partners เพิ่มไหม?
.
.
.
#Framework2
“3 Layers of Insight” เข้าใจระดับขั้นของ Insight
โดย คุณพุทธศักดิ์ ตันติสุทธิเวท (ต่อ) และคุณสุธัม ธรรมวงศ์ (ป๋อม) — เจ้าของเพจ หมีเรื่องมาเล่า
.
คุณต่อและคุณป๋อมได้แชร์ประสบการณ์หลายเรื่องมาก ๆ “3 Layers of Insight” เป็นเรื่องนึงที่ผมชอบ เพราะมันทำให้เราจำแนกข้อมูลที่เรามีอยู่ได้ และทำให้รู้ว่าการหาข้อมูล Insight แต่ละประเภทต้องทำอย่างไร
.
Layer 3 : Market Insight
-เป็นข้อมูลภาพกว้าง ซึ่งสามารถหาได้จาก Research, Paper, หรือ Study จากแหล่งข้อมูลต่าง ๆ เช่น Statista, Euromonitor, Nielsen, Mckinsey เป็นข้อมูล Insight ภาพใหญ่ของตลาด
.
Layer 2 : Topics/Segment Insight
-เป็น Insight เฉพาะกลุ่ม/เฉพาะเรื่องมากขึ้น สามารถหาได้จากการทำ Social Listening, การดู Search Trend หรือ Audience Insight เป็นต้น
.
Layer 1 : Personal Insight
-Insight ของบุคคล ลูกค้าหรือผู้ใช้งาน ข้อมูลในส่วนนี้สามารถหาได้จากการทำ Interview เป็นรายบุคคล หรือทำการทดลองเพื่อรับ feedback จากผู้ใช้งานโดยตรง
.
.
.
#Framework3
“Data Collection Canvas” เพื่อการเก็บข้อมูลอย่างมีประสิทธิภาพ
โดย คุณณัฐพล ม่วงทำ (หนุ่ย) — เจ้าของเพจ การตลาดวันละตอน
.
ผมได้ติดตามหนังสือของคุณหนุ่ยหลายเล่ม ซึ่งหัวข้อที่คุณหนุ่ยนำมาแชร์ในงานนี้ อยู่ในหนังสือที่มีชื่อว่า “Data-Driven Marketing (การตลาดแบบฉลาดใช้ดาต้า)” นั้นก็คือเรื่อง Data Collection Canva นั้นเอง
.
“Data Collection Canva” แบ่งเป็น 6 ช่อง เป็นแนวคิดที่จะช่วยในการเก็บข้อมูลเพื่อนำไปต่อยอดการทำการตลาดของธุรกิจคุณได้ โดยผมขออธิบายคร่าว ๆ ดังนี้
.
ช่องที่ 1 : Problem of Business
-ก่อนจะเก็บข้อมูลคุณต้อรู้ก่อนว่า “ปัญหาของธุรกิจ” คืออะไร? คุณอยากรู้เรื่องอะไร? และมันสำคัญอย่างไรกับธุรกิจคุณ?
.
ช่องที่ 2 : Objective of Data
-หลังจากคุณรู้ปัญหาของธุรกิจแล้ว คุณต้องรู้ว่าข้อมูลจะเข้ามาช่วยแก้ไขปัญหาของคุณได้อย่างไร? เช่น การใช้ข้อมูลเพื่อหาสัดส่วนลูกค้าประจำ เพื่อตอบปัญหาที่เราไม่รู้ว่ายอดขายที่เกิดขึ้นมาจากลูกค้าประจำหรือลูกค้าใหม่มากกว่ากัน
.
ช่องที่ 3 : Data Required
-ข้อมูลอะไรที่คุณคุณต้องการ? แล้วข้อมูลส่วนนั้นเรามีอยู่ หรือว่าต้องเก็บเพิ่มเติม?
.
ช่องที่ 4 : Collecting Data Campaign
-แคมเปญการตลาดเพื่อทำให้ลูกค้า อยากให้ข้อมูลกับเราด้วยตัวเอง เช่น อาจจะทำในรูปแบบเกมส์หรืออะไรก็ตาม ในขั้นตอนนี้คุณต้องใช้ความคิดสร้างสรรค์ เพื่อให้ได้มาซึ่งข้อมูล
.
ช่องที่ 5 : Applied Tech
-เทคโนโลยีหรือเครื่องมือที่เราใช้เก็บข้อมูลคืออะไร? บางครั้งอาจจะอยู่ในรูปแบบเว็บไซต์ แบบสอบถาม หรือ Mobile Application ขึ้นอยู่กับความพร้อมของแต่ละธุรกิจด้วย
.
ช่องที่ 6 : Data-Driven Marketing
-ได้ข้อมูลมาแล้ว เราจะนำไปต่อยอดการตลาดได้อย่างไร? หลังจากได้ข้อมูลมาแล้วเราก็ต้องใช้ข้อมูลเหล่านั้นให้เกิดประโยชน์สูงสุดนั้นเอง
.
ถ้าสนใจรายละเอียดเชิงลึกก็สามารถไปอุดหนุนหนังสือ Data-Driven Marketing ของคุณหนุ่ยมาอ่านกันได้นะครับ
.
.
.
#Framework4
“Raw Data + Context” เพื่อหา Insight ที่ซ่อนอยู่จากข้อมูล
โดย คุณสปัญญา ศรีสุข (สอง) — UX/UI Designer, Boonmee Lab
.
เรื่องนี้เป็นหัวข้อที่ผมชอบมาก เนื่องจากเป็นสิ่งที่หลายคนอาจลืมคิดไป หลังจากคุณเก็บ Raw Data (ข้อมูลดิบ) มาแล้ว ในขณะที่คุณกำลังวิเคราะห์หรือใช้เวลากับข้อมูลเหล่านั้น สิ่งที่ไม่ควรลืม คือเรื่องของ “Context” หรือบริบทของข้อมูลนั้นเอง
.
การดูข้อมูลอย่างเดียว อาจจะทำให้คุณเข้าใจผิด และไม่สามารถหา Insight ได้ เช่น ข้อมูลระยะเวลาการเล่นเกมส์ของเด็ก ซึ่งต้องดูบริบทด้วยว่าระหว่างที่ตอบคำถามเด็กคนนั้นอยู่คนเดียว อยู่กับเพื่อน หรืออยู่กับพ่อแม่ เพราะการที่อยู่กับพ่อแม่อาจทำให้คำตอบที่เราได้มากถูกบิดเบือนไปได้นั้นเอง
.
.
.
#Framework5
“กราฟ 4 ประเภท” เพื่อการสื่อสารข้อมูลอย่างตรงจุด
โดย คุณชวัลกร กสิโณภาส (เกิ้ล) — Data Analyst, Sertis
.
เนื้อหาที่คุณเกิ้ลแชร์ให้กับผู้ฟัง ส่วนมากจะเป็นเรื่องของการนำเสนอข้อมูลให้ตอบโจทย์กับผู้ฟัง และการเลือกใช้กราฟในรูปแบบต่าง ๆ เพื่อให้เหมาะสมกับข้อมูลแต่ละแบบ โดยได้มีการแบ่งประเภทกราฟออกเป็น 4 ประเภทหลัก ๆ ดังนี้
.
.
ประเภทที่ 1 : Comparision (การเปรียบเทียบ)
-ยกตัวอย่างเช่น Bar Chart และ Line Chart เป็นกราฟที่แสดงให้เห็นถึงการเปรียบเทียบกันของข้อมูลได้โดยง่าย มีความนิยมในการใช้งานมาก
.
ประเภทที่ 2 : Distribution (การกระจายตัว)
-ถ้าต้องการดูการกระจายตัวของข้อมูล การใช้ Bar Histrogram และ Line Histrogram ก็สามารถตอบโจทย์ผู้รับสารได้ดี
.
ประเภทที่ 3 : Composition (การแบ่งองค์ประกอบ)
-ในส่วนของข้อมูลที่มีการแบ่งสัดส่วน การใช้ Stacked Bar Chart หรือ Pie Chart ก็เป็นตัวเลือกหนึ่งที่คนสามารถเข้าใจได้ง่าย แต่ต้องไม่มีองค์ประกอบที่มากเกินไป
.
ประเภทที่ 4 : Relationship (ความสัมพันธ์)
-ถ้าต้องการสื่อสารในส่วนของความสัมพันธ์ของข้อมูล อาจจะใช้ Scatter Plot หรือ Bubble Chart เข้ามาช่วยได้
.
.
จะเห็นได้ว่าแต่ละกราฟมีจุดเด่น และวัตถุประสงค์ไม่เหมือนกัน ดังนั้นถ้าเราสามารถเลือกใช้กราฟได้อย่างเหมาะสม ก็จะสามารถช่วยเพิ่มประสิทธิภาพในการสื่อสารข้อมูลของเราได้นั้นเอง
.
.
หวังว่าเรื่องที่ผมได้นำมาสรุปและแบ่งปันในวันนี้จะมีประโยชน์กับคุณไม่มากก็น้อย ถ้ามีส่วนไหนที่ผมเข้าใจคลาดเคลื่อนไปก็ขออภัยด้วยครับ
.
และสำหรับคนที่อยากติดตาม ศึกษา และฝึกฝนการใช้ Data อย่างจริงจัง ก็ลองติดตามข้อมูลได้จากเพจ Data TH.com — Data Science ชิลชิล นะครับ
.
#DataTalkChill3 #TheConclusion
— — — — — — — — —
Facebook : https://web.facebook.com/theconclusion.th/
.
เข้ากลุ่มอาสาสรุป : http://bit.ly/TheConclusionGroup
.
สารบัญ อาสาสรุป : http://bit.ly/SarabunTheConclusion
.
Youtube: https://bit.ly/SubscribeTheConclusion
.
Podcast: https://bit.ly/TheConclusionSpotify