เราควรจัดการข้อมูลภายในองค์กรอย่างไร เพื่อให้สามารถนำข้อมูลไปต่อยอดได้เต็มที่

เริ่มจากการที่เราทำงานในเชิงรุก (proactive) ทางองค์กรจะต้องมีการวาง priority ในการใช้ข้อมูลภายในองค์กร ซึ่งคนที่เป็นคนจัดการ Data ภายในองค์กรจำเป็นต้องรู้ว่าใครบ้างเป็นคนที่ใช้ข้อมูล ใช้ข้อมูลอะไรบ้าง และทำไมถึงต้องใช้ข้อมูลส่วนนั้น หรือที่เรียกว่า Data Consumption Pattern ที่เราต้องมีข้อมูลการใช้ data ทั้ง Internal และ External ซึ่งส่วนใหญ่จะมีการตรวจสอบ data consumption อยู่ 4 เรื่องนี้

1. Volume ปริมาณของข้อมูลที่ผู้ใช้งานมีการใช้งาน
2. Rate ทางผู้ใช้งานมีการความต้องการในการใช้งาน data แบบที่มีความทันสมัยของข้อมูลตลอดขนาดไหน ต้องการให้ข้อมูลมีการ refresh บ่อยขนาดไหน
3. Sensitivity ทางผู้ใช้งานมีการ sensitive ของการเปลี่ยนแปลงค่าของข้อมูลมากน้อยขนาดไหน
4. Type ประเภทของข้อมูลที่ทางผู้ใช้งานมีการใช้งานอยู่ประจำ

ยกตัวอย่างของการใช้งานข้อมูลในฝั่ง Marketing และฝั่ง HR ก็มีความแตกต่างกัน เช่น Marketing ก็อาจจะเป็นข้อมูลส่วนของที่เป็น External มากกว่า Internal ที่ทาง HR จะมีเยอะกว่า ซึ่งแน่นอนว่าแบบ การใช้ data (Data Consumption) ก็จะมีความต้องการที่แตกต่างกัน ซึ่งคนที่เข้ามาจัดการข้อมูลขององค์กรต้องเข้าใจความของผู้ใช้งานอย่างถ่องแท้

 โดยวิธีการที่จะทำให้เราเข้าใจความต้องการนั้น องค์กรส่วนใหญ่จะใช้วิธีการทำ User Journey Map เพื่อที่จะวิเคราะห์หา Stakeholders, Target, Unmet Needs โดยการทำ workshop เพื่อที่จะสามารถรวบรวมความต้องการได้จากทีมงานฝ่ายต่างๆ และสุดท้ายใน stakeholders ก็จะเห็นภาพของ User Journey Map เป็นภาพเดียวกันและมีทิศทางที่ชัดเจนเดียวกัน

ซึ่งการที่คนที่ดูแลข้อมูลได้ Master User Journey Map ของการใช้งานข้อมูลในองค์กรจะสามารถนำมา Brainstorm วางแผนพื่อไปต่อยอดต่อได้เช่น มีการเก็บข้อมูลเพิ่มเติมจากที่มีอยู่แล้ว หรือการนำข้อมูลไปต่อยอดในเชิงของการสื่อสาร หรือการนำไปสร้าง product หรือ business model ใหม่ๆ ซึ่งแน่นอนว่าส่วนนี้จะเกี่ยวข้องกับกระบวนการในการนำข้อมูลไปทำต่อในด้าน data science 

หลังจากนั้นก็มีการเอาไอเดียมาพัฒนาเพื่อที่ออกมาเป็น Pilot project และมีกระบวนการ testing ที่ให้ได้ผลที่เร็วเพื่อที่สามารถนำมา validate idea ได้เร็วที่สุดโดยการใช้ data ในการตัดสินใจทั้งหมด ตอนที่ทำ Pilot Project ก็ต้องดูเรื่อง Data sets ที่จะใช้ในการทำทดลอง (Experimentation), มีระบบ Sandbox ที่สามารถจัดการระบบได้มี Flexible ที่สามารถทำการ Implement ในส่วนของ Analytics ได้ สามารถแก้ไข Code และ Deploy ได้เร็วและสามารถทำการเทสและเก็บ Feedback จากผู้ใช้งานได้เร็วซึ่งในกระบวนการที่เกริ่นขึ้นมาเบื้องต้น จะต้องมีการคำนึงถึงเรื่อง data quality อยู่เสมอทั้งกระบวนการ ตั้งแต่การจัดเก็บข้อมูล รูปแบบของข้อมูล และความถูกต้องของข้อมูลเพราะถ้าข้อมูลผิด แน่นอนว่าผลลัพธ์ก็จะผิดไปด้วย (Garbage In Garbage Out)  ซึ่งโอกาสที่จะผิดพลาดในกระบวนการนี้จะมีปัญหาส่วนใหญ่ได้แก่ 

1. Lack of sufficient data มีข้อมูลที่ไม่เพียงพอต่อการนำไปใช้ต่อ
2. Lack of the right data ไม่มีข้อมูลที่ถูกต้องที่สามารถนำไปตอบโจทย์ทางธุรกิจ 
3. Lack of data quality คุณภาพของข้อมูลไม่ดีพอที่จะสามารถนำไปต่อยอดได้
4. Models are not sufficiently powerful ตัว Model ของที่ดำเนินการทางด้านข้อมูลไม่สามารถตอบโจทย์ได้

ปัญหาที่กล่าวเบื้องต้นนั้นจะไม่เกิดขึ้นทีหลังหากมีการวางแผนการจัดเรื่องข้อมูลภายในองค์กร มีการวางแผนที่ตรงกับความต้องการของผู้ใช้งาน ในช่วงแรกก่อนจะดำเนินการ Implementation

ซึ่งกระบวนการเบื้องต้นเป็นเพียงส่วนหนึ่งของกระบวนการของการเริ่มการใช้ Data ภายในองค์กรหากสนใจรายละเอียดเพิ่มเติมในการจัดข้อมูลในองค์กรตั้งแต่วางกลยุทธ์ กระบวนการและการประเมินทาง Technology หรือการนำ Data ไปใช้ต่อให้เกิดประโยชน์ สามารถปรึกษาได้โดยกรอกข้อมูลในหน้า Contact Us ได้ครับ