Data and Analytics

สร้างองค์กรที่ขับเคลื่อนด้วยข้อมูล ด้วย 13 กลยุทธ์ Data and Analytics Strategy

เชื่อว่าหลายๆ ธุรกิจมีการพูดถึงการจะนำข้อมูลมาใช้ขับเคลื่อนองค์กร (Data Driven Organization) กันมานาน เพราะข้อมูลนั้นเป็นเสมือนแหล่งขุมทรัพย์ที่หากมีการนำมาใช้อย่างถูกต้อง จะสามารถทำให้ธุรกิจมีความสามารถทางการแข่งขันเพิ่มขึ้น เข้าใจ Stakeholders มากขึ้น ทั้งในฝั่งลูกค้า พนักงานองค์กร พาร์ทเนอร์ และสามารถลดต้นทุนจากกระเพิ่มประสิทธิภาพกระบวนการอย่างตรงจุด

แต่การจะทำได้นั้น ย่อมมี Challenge ต่างๆ ในองค์กรที่เกิดขึ้นมากมาย ไม่ว่าจะเป็นมีข้อมูลหลากหลายถัง แต่ละฝ่ายไม่มีการแชร์ข้อมูล พึ่งพาข้อมูลจากแพลทฟอร์มมากเกินไป ไม่มีการเก็บและจัดการ First Party Data ในองค์กรที่ดี และอื่นๆ อีกมากมาย การเริ่มต้นก้าวแรกนั้นยากเสมอ แต่หากองค์กรใดที่ยังไม่เริ่มทำตั้งแต่ตอนนี้ ก็อาจจะไล่ตามคนอื่นๆ ไม่ทันอีกต่อไปค่ะ 

วันนี้ทาง Predictive จะพาคุณไปออกแบบกลยุทธ์ด้านข้อมูลที่ชัดเจน ตั้งแต่วางกลยุทธฺที่เหมาะสมกับองค์กรของคุณ การสร้างความเข้าใจด้านการใช้ข้อมูลกับคนในองค์กร และการทำข้อมูลให้พร้อมใช้งานผ่าน Data Governance และ Data Quality เราไปอ่านกันเลยค่ะ 

เริ่มวางกลยุทธ์ Data and Analytics Strategy 

ก่อนที่จะเริ่มต้นวางกลยุทธ์ได้นั้น คนในองค์กรต้องมีเล็งเห็นความสำคัญของข้อมูลเสียก่อน ในธุรกิจจึงต้องมีการตั้งคำถาม พูดคุย แลกเปลี่ยน เพื่อให้เกิดมุมมองการนำข้อมูลไปต่อยอด เช่น 

  • ข้อมูล และ Insights ต่างๆ ที่เรามีนั้น จะสามารถสร้างคุณค่าเพิ่มเติมเพื่อส่งมอบให้กับ Stakeholders ได้อย่างไร 
  • ธุรกิจเราต้องมีการปรับปรุงกระบวนการทำงานในส่วนไหนเพิ่มเติม เพื่อที่เราจะสามมารถส่งมอบคุณค่าให้ลูกค้าได้ 

“การนำข้อมูลมาขับเคลื่อนองค์กรให้สำเร็จ ต้องอาศัยคนจากทุกคนที่มีส่วนเกี่ยวข้องกับข้อมูล เพื่อให้เข้าใจธุรกิจครบทุกมุมมอง และสามารถสร้างคุณค่าทางธุรกิจที่ตอบโจทย์ออกมา”

Data and Analytics Strategy
13 Approaches to D&A Strategy  Ref : 
Design a Data and Analytics Strategy

โดยผู้นำต้องมีการตั้งเป้าหมายที่ชัดเจน มีการวางแนวทางกลยุทธ์ และตัววัดผลที่ชัดเจน โดยทาง Gartner ได้นำเสนอ 13 แนวทางการทำ Data and Analytics Strategy ไว้ดังนี้

แกนแนวนอน หรือ  D&S Approaches by Value Proposition ประกอบด้วย 3 มุมมองหลัก ได้แก่  

  1. Utility เพิ่มประสิทธิภาพทุกอย่างในองค์กรด้วยการใช้ข้อมูล ซึ่งทุกคนในองค์กรสามารถเข้าถึงได้ เพื่อสร้างคุณค่าให้กับธุรกิจ 
  2. Enabler มีเป้าหมายชัดเจน และรู้ว่าจะนำข้อมูลมาใช้ประโยชน์เพื่อ Achieve เป้าหมายได้อย่างไร 
  3. Driver นำข้อมูล และ Insight ใหม่ๆ เพื่อคิดค้นไอเดียทางธุรกิจและหาแหล่งรายได้ใหม่ๆ โดยมีการลงทุนในเทคโนโลยีใหม่ๆ 

แกนแนวนอน หรือ  D&S Approaches by Value Proposition ประกอบด้วย 4 มุมมองหลัก ได้แก่  

  1. Operation excellence โฟกัสเรื่องการบริการต้นทุน เช่น การพัฒนา business process
  2. Product innovation สร้างสินค้า/บริการ/Business Model ใหม่ๆ ที่ตอบโจทย์ลูกค้า 
  3. Customer intimacy เข้าใจพฤติกรรมลูกค้าที่เปลี่ยนแปลงไป และ ตอบสนองได้ทันท่วงที 
  4. Risk Management บริหารจัดการความเสี่ยงที่อาจเกิดขึ้น 
Data and Analytics Strategy
13 Approaches to D&A Strategy 
Ref : Design a Data and Analytics Strategy

โดยสามารถเจาะลึกทั้ง 13 Data and Analytics Strategy ที่ช่วยขับเคลื่อนธุรกิจด้วยข้อมูลได้ดังนี้ค่ะ 

  1. Always on มีการใช้ข้อมูลมาวิเคราะห์เพื่อพัฒนาธุรกิจโดยรวมให้ดีขึ้นตลอดเวลา 
  2. D&A hub กำหนดตัววัดผลที่ชัดเจนสำหรับธุรกิจ เช่นการเพิ่มประสิทธิภาพเรื่องต้นทุน เวลา และคุณภาพของข้อมูล
  3. Integrated value chain : เชื่อมโยงข้อมูลทั้ง Value chain เข้าด้วยกัน เพื่อเห็นภาพรวมและจุดที่สามารถพัฒนาให้ดีขึ้นได้ 
  4. D&A as a service เก็บรวมรวมข้อมูลในทุก Touchpoints ให้เป็นไปตามข้อบังคับของกฏหมาย โดยมีจุดประสงค์การเก็บข้อมูลเพื่อ cross – selling , upselling , deep – selling 
  5. 360 – degree view เข้าใจลูกค้ามากขึ้น ผ่าน lifestyle , Digital footprint , First party Data เพื่อเสนอสินค้า/บริการที่ตอบโจทย์ และเพิ่มโอกาสปิดการขายให้มากขึ้น 
  6. Personal analytics มีการแชร์ข้อมูลที่เราวิเคราะห์ให้กับลูกค้า เปรียบเสมือนเพื่อนคู่ใจของลูกค้าที่เข้าใจลูกค้าและนำเสนอสินค้า/บริการ ได้อย่างตรงจุด เพื่อให้ลูกค้ามีประสบการณ์การใช้งานดีขึ้น และมีความ Loyalty ต่อธุรกิจเรามากยิ่งขึ้น 
  7. Self service ลูกค้าสามารถเข้าถึงสินค้า/บริการ ได้ด้วยตัวเอง โดยมีระบบเบื้องหลังที่คอยวิเคราะห์ข้อมูลและแก้ปัญหาให้ลูกค้า  
  8. Feedback การนำข้อมูลมาใช้ในการทำ Business Model ใหม่ๆ เช่น Predictive asset maintenance 
  9. D&A Products นำข้อมูลมาวิเคราะห์เพื่อออกสินค้า/บริการใหม่ๆ โดยวัดความสำเร็จจากรายได้ที่เกิดขึ้นจากการที่ธุรกิจนั้นๆ 
  10. Compliance นำข้อมูลความเสี่ยงในธุรกิจที่อาจเกิดขึ้น มาสรุปเป็นรายงานเพื่อหากแนวทางแก้ไขปัญหา
  11. Risk mitigation ใช้ข้อมูลเพื่อลดความเสี่ยงที่อาจเกิดขึ้นในแต่ละโปรเจ็กต์ และเลือกลงทุนในโปรเจ็กต์ใหม่ๆ โดยดูจากจำนวนเงินลงทุน เทียบกับผลตอบแทนที่คาดว่าจะได้รับ 
  12. Risk leadership วิเคราะห์ความเสี่ยงได้อย่างแม่นยำ และเลือกลงทุนในโอกาสใหม่ๆ ได้ก่อนคู่แข่ง
  13. Do nothing ธุรกิจที่ไม่เข้าใจว่าจะนำข้อมูลไปต่อยอดธุรกิจได้อย่างไร ทำให้ขาดความสามารถในการแข่งขันในที่สุด 

Data Literacy สร้างความเข้าใจเรื่องข้อมูลให้กับคนทั้งองค์กร

Data Literacy หรือ ความสามารถในการอ่าน เขียน สื่อสาร ความสำคัญของข้อมูลใน Context ต่างๆ โดยรวมถึงการเข้าใจแหล่งที่มาของข้อมูล (Data Sources) , โครงสร้างของข้อมูล (constructs) , วิธีการวิเคราะห์ข้อมูล (Analytics Methods) และ เทคนิค/เทคโนโลยี ในการวิเคราะห์ข้อมูล (Techniques applied) และความสามารถในการเล็งเห็นถึง Business Value ที่เป็น Use Case ต่างๆ ที่อาจเกิดขึ้น  และผลลัพธ์ที่ตามมา 

ในโลกของดิจิทัล สิ่งที่ขับเคลื่อนธุรกิจคือ People, Process, Technology ดังนั้นความสามารถในการการสื่อสารด้วยข้อมูล จึงเปรียบเสมือนภาษาที่สองคนในองค์กรที่จำเป็นต้องรู้ และสื่อสารกันได้

Challenge ที่มักเกิดขึ้นในธุรกิจคือคนฝั่ง Business ก็มักขาดความรู้ความเข้าใจในการสร้าง Busienss Impact ด้วยข้อมูล และในขณะเดียวกัน คนด้าน Technical ที่ทำงานกับข้อมูล ก็ขาดความเข้าใจเรื่องทางธุรกิจ 

ดังนั้นจึงเป็นโจทย์ที่ต้องทำให้พนักงานทุกคน มีความเข้าใจในเรื่องของการนำข้อมูลมาใช้ให้เกิดประโยชน์ ในองค์กร อย่างน้อยๆ ก็สามารถนำมาใช้ในพาร์ทงานที่เกี่ยวข้องกับตัวเองได้ซึ่งการจะทำแบบนั้นได้ ซึ่ง

มีเทคนิคที่สามารถนำไปใช้ได้ดังนี้ คือ 

  1. มี base vocabulary ศัพท์ในวงการข้อมูล เพื่อให้ทุกคนมีความรู้ ความเข้าใจที่ตรงกัน 
  2. เริ่มสื่อสารกันด้วยข้อมูลจริงๆ โดยอาจเริ่มจากการ Implement จาก 1 ทีมที่มีศักยภาพในการพัฒนา และพร้อมเปลี่ยนแปลง เพื่อสร้างทีมตัวอย่างที่สามารถนำข้อมูลมาขับเคลื่อนเป้าหมาย และหาโอกาสใหม่ๆ ทางธุรกิจให้กับองค์กรได้

วางระบบจัดการข้อมูลหรือ Data and Analytics governance เพื่อให้ข้อมูลครบถ้วนและพร้อมใช้งาน 

แม้ว่าองค์กรจะมีเป้าหมายชัดเจน และทุกคนจะเห็นความสำคัญของข้อมูลแล้ว แต่ก็ใช่ว่าจะสามารถนำข้อมูลไปใช้ประโยชน์ได้ทันที ไม่ว่าจะเป็นเพราะ

  • ข้อมูลไม่มีการอัปเดท ข้อมูลเก่าดึกดำบรรพ์ 
  • ขาดข้อมูลที่จำเป็น
  • ข้อมูลมีมากกว่า 1 แหล่ง และดันมีความขัดแย้งกันเอง ทำให้ไม่มั่นใจในการนำข้อมูลไปใช้ในการวางกลยุทธ์ต่างๆ ในองค์กร 
  • เมื่อมีข้อมูลผิดพลาด ไม่มีผู้รับผิดชอบที่ชัดเจน 
  • ไม่มีการกำหนดสิทธิ์ที่ชัดเจน เข้าถึงข้อมูลได้ยากลำบาก ไม่มีคนจัดการสิทธิ์ที่ชัดเจน 
  • และอื่นๆ อีกมากมาย 

ดังนั้นหากต้องการให้องค์กรของคุณเป็น Data Driven Organization ที่แท้จริง ต้องมีการทำ Data and Analytics governance  หรือการกำกับดูแลข้อมูลให้ถูกต้อง มีคุณภาพ พร้อมใช้งาน มีการกำหนดสิทธิ์อย่างเหมาะสม โดยการเริ่มต้นการทำ Data and Analytics governance มีปัจจัยที่ต้องคำนึงถึง 10 ข้อ ดังนี้

  1. ระบุเป้าหมาย และสื่อสาร Business outcomeให้ชัดเจน และมีการจัดลำดับความสำคัญเพื่อสร้างนโยบาย Data Governance ของข้อมูลนั้นๆ 
  2. ดำเนินนโยบาย Data Governance ที่แตกต่างกันออกไป ตามประเภทข้อมูลที่เกี่ยวข้อง และผลลัพธ์ที่ต้องการ 
  3. ออกแบบโครงสร้างของข้อมูลตามลักษณะของข้อมูล เช่น คุณค่าต่อธุรกิจ และ จำนวนของข้อมูลที่จะเกิดขึ้น 
  4. มีกระบวนการจัดการข้อมูลที่ชัดเจน เพื่อที่จะมั่นใจได้ว่าข้อมูลที่ได้จะอัปเดทเรียลไทม์​ และมีการพัฒนาคุณภาพของข้อมูลสม่ำเสมอ 
  5. นำคนจากฝั่งธุรกิจเข้าไปกระบวนการวางแผนข้อมูล เพื่อเพิ่มมุมมองให้ครบถ้วน และนำไปใช้ได้จริง 
  6. นำคนที่มีส่วนเกี่ยวข้องกับข้อมูลแต่ละประเภท มากำหนดมาตรฐานร่วมกัน เช่น การตั้งชื่อข้อมูล สิทธิ์การเข้าถึง วิธีการอัปเดทข้อมูล
  7. พัฒนามาตรฐานให้ดีขึ้นอยู่เสมอ เช่น ให้หัวหน้าฝั่ง Business คนใหม่เข้ามามีให้ Feedback เพิ่มเติม เพื่อให้มีการอัปเดท requirements ใหม่ๆ เสมอ 
  8. กำหนด Master data management (MDM) และ Application data management (ADM) เพื่อให้ทีมสามารถทำงานได้สอดคล้องกัน 
  9. จัดลำดับความสำคัญของการพัฒนาคุณภาพของข้อมูล ตามความสำคัญในช่วงนั้นๆ โดยให้คนที่มีส่วนเกี่ยวข้องได้ระบุถึง concern ที่เกิดขึ้นในแต่ละบริบทของผู้ใช้งาน เพื่อให้มั่นใจว่าจะได้พัฒนาคุณภาพของข้อมูลจากข้อมูลที่ถูกต้อง 
  10. มีการกำหนด Milestone ของการทำ Data and Analytics governance และหมั่นอัปเดทความคืบหน้า เพื่อไปให้ถึง Data Maturity Goal 

Data Quality and trust สร้างมาตรฐานข้อมูลที่ดีและถูกต้อง

การที่ข้อมูลที่เรามีนั้นไม่ถูกต้อง ไม่มีมาตรฐาน ไม่อัปเดท นั้นส่งผลกระทบต่อธุรกิจมากมายมหาศาล 

เนื่องจากการมีข้อมูลที่ไม่ถูกต้อง ทำให้เรานำข้อมูลผิดๆ เหล่านั้นมาใช้ในกระบวนการตัดสินใจต่างๆ ในองค์กร ทำให้เกิดการตัดสินใจที่ผิดพลาด แทนที่จะเป็น Data Driven Organization กลับกลายเป็น (Poor) Data Driven Failure ไปซะอย่างงั้น 

“ปี 2018 ธุรกิจประเมินมูลค่าความเสียหายจากการมีข้อมูลที่ไม่ได้คุณภาพเป็นเงินกว่า 11.8$m ต่อปีเลยทีเดียว”

3 ความท้าทายที่ธุรกิจมักจะเจอในการทำ Data Quality มีดังนี้ค่ะ 

  1. ธุรกิจกว่า 57% มีการวัดผลความเสียหายที่เกิดขึ้นจากการมีข้อมูลที่ไร้ประสิทธิภาพ และที่สำคัญคือบางธุรกิจยังไม่สามารถระบุได้ด้วยว่า ข้อมูลแบบไหนที่ไร้ประสิทธิภาพ 
  2. แม้ธุรกิจจะเข้าใจถึงความเสียหากที่อาจเกิดขึ้น แต่ก็ไม่มีวิธีแก้ไขอย่างมีประสิทธิภาพอยู่ดี 
  3. ธุรกิจจ่ายเงินไปกว่า 261,000 $ ในการซื้อเครื่องมือ on-premise เจ๋งๆ เช่น การประมวลการบน Cloud แต่มีธุรกิจเพียง 23% เท่านั้นที่สามารถจัดการต้นทุนด้านการรักษาคุณภาพของข้อมูล 

ดังนั้นธุรกิจจึงต้องมีตัวชี้วัดที่ชัดเจนที่จะระบุว่าข้อมูลใดที่มี — ไม่มีคุณภาพ นอกจากนี้ควรมีการจัดอบรม อัพสกิลคนในองค์กรให้เข้าใจความสำคัญของข้อมูล และมีการสร้างนโยบาย Data Governance ที่ดี 

หากแบรนด์ใดที่สนใจวางแผน Data and Analytics Strategy เพื่อให้องค์กรนำข้อมูลไปใช้ในการขับเคลื่อนองค์กร ทั้งในส่วนของการกำหนดกลยุทธ์ร่วมกับ วางโครงสร้างข้อมูล จนจึงการ Implement จริงติดต่อ Predictive มาได้เลยค่ะ ทางเราพร้อมที่จะช่วยให้ธุรกิจของคุณเป็น Data Driven Organization ค่ะ 

อ้างอิง Design a Data and Analytics Strategy จาก Gartner 

Leave a Comment

Your email address will not be published. Required fields are marked *