Predictive

ในช่วงสถานการณ์ COVID-19 ซึ่งเป็นช่วงที่สถานการณ์ไม่ปกติ จะเป็นช่วงเวลาที่ผู้บริหารจะใช้ข้อมูลในการตัดสินใจมากขึ้น คุณจำเป็นต้องมีเครื่องมือและทรัพยากรที่สำคัญที่สามารถใช้ในการลดต้นทุนปรับปรุงประสิทธิภาพและสร้างมูลค่าทางธุรกิจได้อย่างรวดเร็ว และต้องตอบสนองต่อการหยุดชะงักและความเสี่ยงทางธุรกิจที่หลากหลาย ตัวอย่างในการใช้ Data Analytics สำหรับจัดการช่วงสถานการณ์ COVID-19 ใช้ Data Analytics เพื่อลดและเพิ่มประสิทธิภาพต้นทุนธุรกิจ สร้างมูลค่าทางธุรกิจได้อย่างรวดเร็วด้วย AI /  Machine Learning โดยเนื้อหาในบทความนี้จะพูดถึงตัวอย่างการใช้ Data Analytics เพื่อลดและเพิ่มประสิทธิภาพต้นทุนธุรกิจ เพราะการจัดการเรื่องประสิทธิภาพของ Efficiency ภายในองค์กรเป็นเรื่องสำคัญระดับต้นๆ ในช่วงวิกฤต ยกตัวอย่างเคส การนำ Machine Learning มาวิเคราะห์บัญชีลูกหนี้  ต้องการทำนายธุรกิจที่แม่นยำโดยการใช้ข้อมูลที่เก็บมาอย่างถูกต้องและแม่นยำเพื่อ ต้องการคาดการณ์และแก้ไขปัญหาลูกค้าได้เร็วขึ้น ต้องลดเวลาที่ใช้ในการชำระใบแจ้งหนี้ โดยใช้ Machine Learning เพื่อพัฒนาแบบจำลองที่ทำนายความน่าจะเป็นที่ลูกค้าจะชำระล่าช้า ยกตัวอย่างกระบวนที่สามารถใช้ Machine Learning ในการปรับปรุงกระบวนการทางธุรกิจได้ ซึ่งแน่นอนการที่จะเอา Machine Learning มาใช้ในช่วยในการวิเคราะห์ข้อมูลนั้นจำเป็นต้องมีข้อมูลที่สมบูรณ์และมีประบวนการที่จัดการข้อมูลเพื่อที่สามารถนำไปวิเคราะห์ต่อได้ ยกตัวอย่างเคสของการวิเคราะห์บัญชีลูกหนี้ ก็จำเป็นต้องมีข้อมูลที่จำเป็นเช่นข้อมูลเกี่ยวกับ Invoice สถานะ Open, Closed, Disputed, …

การใช้ Data Analytics สำหรับผู้บริหารในช่วงสถานการณ์ COVID-19 (Part 1) Read More »

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 Volume ปริมาณของข้อมูลที่ผู้ใช้งานมีการใช้งาน Rate ทางผู้ใช้งานมีการความต้องการในการใช้งาน data แบบที่มีความทันสมัยของข้อมูลตลอดขนาดไหน ต้องการให้ข้อมูลมีการ refresh บ่อยขนาดไหน Sensitivity ทางผู้ใช้งานมีการ sensitive ของการเปลี่ยนแปลงค่าของข้อมูลมากน้อยขนาดไหน 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 …

เราควรจัดการข้อมูลภายในองค์กรอย่างไร เพื่อให้สามารถนำข้อมูลไปต่อยอดได้เต็มที่ Read More »