อะไรคือสาเหตุที่ทำให้ Data Project กว่า 80% ล้มเหลว และจะทำอย่างไรให้เราไม่เป็นหนึ่งในนั้น

อะไรคือสาเหตุที่ทำให้ Data Project กว่า 80% ล้มเหลว และจะทำอย่างไรให้เราไม่เป็นหนึ่งในนั้น คอนเทนต์นี้มีคำตอบ

Data, Marketing and Data Activation Strategies / By / เมษายน 22, 2024

ในรายงานของ Gartner พบว่า Data Project ที่เกิดขึ้นนั้นมีเพียง 20% เท่านั้นที่ประสบความสำเร็จ ทีนี้อีก 80% ที่ล้มเหลวมีสาเหตุจากอะไร และคุณในฐานะ Data Manager ควรจะต้องทำอย่างไรเพื่อไม่ให้เกิดปัญหาเหล่านี้ มาอ่านกันได้ในคอนเทนต์นี้เลยครับ

ก่อนอื่นเรามาดูก่อนก่อนว่าปัญหาอะไรบ้างที่มักจะเกิดขึ้นและเป็นสาเหตุหลักที่ทำให้ Data Project ไม่ไปในจุดที่ตั้งใจไว้

ไม่มีการวางแผนและตั้งเป้าหมายที่ชัดเจนตั้งแต่แรก

จริงๆแล้วเรื่องการนำ Data มาช่วยแก้ปัญหาต่างๆทางธุรกิจถือเป็นจุดประสงค์พื้นฐานเลย เพราะว่า Data Project จะเกิดขึ้นได้นั้น ธุรกิจจะต้องมีการวางเป้าหมายมาก่อน และนำ Data เข้ามาช่วยพาให้ธุรกิจไปถึงเป้าหมายนั้น แต่ถ้าตัวธุรกิจเองก็ยังมองไม่ออกว่าระหว่างทางที่จะไปถึงเป้าหมายควรจะต้องแก้ปัญหาอะไรบ้าง แต่มีความเชื่อว่า Data จะเข้ามาช่วย Fill the Gap ได้แน่ๆ จึงเริ่มลงมือทำไปก่อนเสียเลย ทั้งๆที่ยังไม่ได้ระบุปัญหาที่แท้จริงเลยด้วยซ้ำ สิ่งที่จะเกิดขึ้นตามมาก็คือ

  • ทรัพยากรถูกใช้ไปอย่างสิ้นเปลือง: เพราะหากไม่มีเป้าหมายที่ชัดเจน ข้อมูลที่ไม่เกี่ยวข้องอาจจะถูกรวบรวมมากด้วย ทำให้ต้องเสียทั้งค่าใช้จ่ายในการ Collect and Storage ข้อมูลโดยเปล่าประโยชน์ เหมือกับการสร้างบ้านโดยไม่มี Blueprint ถึงจะสวยงามน่าประทับใจ แต่ก็ไม่มีประโยชน์อยู่ดี
  • ยากที่จะวัดผลความสำเร็จ: ถ้าเราไม่ได้ตั้งเป้าอะไรไว้เลยตั้งแต่แรก แล้วเราจะวัดผลจากอะไร ว่าการลงมือทำครั้งนี้ประสบความสำเร็จจริงๆหรือเปล่า จะเป็นเรื่องยากมากๆ ที่เราจะระบุบได้ว่าโปรเจคนี้ส่งผลกระทบเชิงบวกให้กับธุรกิจของเรา

ข้อมูลที่มีไม่ได้คุณภาพ

ข้อมูลที่ไม่มีคุณภาพ นอกจากจะเอามาใช้งานไม่ได้แล้ว จะส่งผลอะไรกับธุรกิจของเราบ้าง

  • การดำเนินการที่ผิดพลาด: การที่เราได้ข้อมูลที่ไม่ถูกต้องจะทำให้เราดำเนินการทุกอย่างไปในทิศทางที่ผิดโดยที่ไม่รู้ตัว และกว่าจะรู้ตัวก็อาจจะส่งผลเสียไปมากจนทำให้แก้ไขได้ยากแล้ว
  • สิ้นเปลืองเวลาและทรัพยากร: เพราะจะต้องใช้เวลาในการ Cleaning Data มากขึ้นจากปกติ ซึ่งจะกระทบกับ Timeline ทั้งหมดที่วางเอาไว้ ทำให้ภาพรวมของโปรเจคกินเวลาออกไปอีก

การสื่อสารที่ขาดเคลื่อนและตกหล่น

เนื่องจากทีม Data และทีมที่จะใช้งานข้อมูล มักจะพูดคนละภาษากันอยู่แล้ว และถ้าการสื่อสารไม่ดีจะทำให้เกิดช่องว่างที่จะนำไปสู่ปัญหาได้

  • ความคาดหวังที่ไม่ตรงกัน: เป็นปกติอยู่แล้วที่ฝั่งทีมที่จะใช้งานข้อมูลมักจะไม่เข้าใจถึงข้อจำกัดทางเทคนิค หรือบางขั้นตอนที่จะต้องใช้เวลามากเป็นพิเศษอย่างเช่นขั้นตอนของการวิเคราะห์ข้อมูล ส่วนทีม Data เองก็อาจจะไม่เข้าใจถึงบริบทบางอย่างทางธุรกิจหรือความต้องการบางอย่างที่ซ่อนอยู่ใน Project นี้ ซึ่งทั้งหมดนี้ก็จะนำไปสู่ความน่าปวดหัวที่จะเกิดขึ้นกับทั้งสองทีม
  • ผลลัพธ์ที่ไม่สามารถนำไปต่อยอดได้: มีอยู่หลายครั้งที่เราได้เห็นผลลัพธ์หรือ Report ของ Data Project ที่ซับซ้อนมากๆจนฝั่งผู้ใช้งานที่จะต้องนำข้อมูลเหล่านั้นไปทำงานต่อถึงกับงงและไปต่อกันไม่ถูกเลยทีเดียว เพราะข้อมูลที่ได้มานั้นแทบจะไม่ได้สื่อสารอะไรให้กับทีมของพวกเขาเข้าใจถึง Insight ได้เลย พวกเขาก็ไม่รู้จะเอาสิ่งที่ได้จากทีม Data ไปใช้ทำอะไรต่อ ทำให้การลงมือ ลงแรงกับโปรเจคนี้เสียเวลาไปโดยเปล่าประโยชน์

ติดปัญหา Deploying Project Production

ถึงแม้โปรเจคนั้นๆจะถูกออกแบบมาเป็นอย่างดี ก็ยังไม่พ้นที่จะต้องติดปัญหาในตอนที่จะเปลี่ยนจาก “แผนงาน” ไปสู่ “การดำเนินงานจริง” สิ่งที่มักจะเห็นอยู่บ่อยๆคือ

  • ความท้าทายทางเทคนิค: การที่เราจะใช้เครื่องมือหลายๆตัวเข้าด้วยกัน ทั้งเครื่องมือหรือระบบที่เราใช้อยู่ก่อนแล้ว ไปใช้ร่วมกันกับเครื่องมือหรือระบบใหม่ที่เราเพิ่งจะติดตั้ง อาจจะเกิดปัญหาบางอย่างขึ้นได้โดยที่เราไม่ได้คาดคิดมาก่อน แต่ถ้าทีมงานของเรามีความรู้ความเชี่ยวชาญ ปัญหาเหล่านี้ก็จะถูกแก้ได้โดยง่ายดายภายในเวลาไม่นาน
  • ผู้ใช้งานต้องใช้เวลาในการเรียนรู้: ตัวผู้ใช้งานจริงอาจจะไม่ได้ถูกเทรนนิ่งมาอย่างดี เพื่อให้พร้อมกับการใช้เครื่องมือใหม่ๆ หรืออาจจะไม่มีความพร้อมที่จะเปลี่ยนแปลงขั้นตอนและวิธีการทำงาน ซึ่งจะส่งผลให้เกิดการต่อต้านหรือไม่ Buy-in ได้

และเพื่อป้องกันไม่ให้ Data Project ของคุณล้มเหลว คุณในฐานะ Data Manager ควรจะต้องทำอะไรบ้าง

  1. ระบุปัญหาของธุรกิจให้ชัดเจน
  2. โฟกัสในเรื่องของ Data Quality
  3. ปิดทุกช่องว่างด้านการสื่อสาร
  4. วางแผน Deployment อย่างรอบคอบที่สุด
  5. พยายามสร้าง Data-Driven Culture ภายในองค์กรเพื่อให้แน่ใจว่าทุกคนในองค์กรมีความรู้ความเข้าใจใน Data มากพอที่จะยอมรับการเปลี่ยนแปลงที่จะเกิดขึ้นในอนาคต
  6. ติดตามและวัดผลแต่ละขั้นตอนของโปรเจคอยู่เสมอ หากมีขั้นตอนไหนที่เริ่มใช้เวลามากหรือน้อยกว่าปกติจะได้ตรวจสอบได้ทักหากเกิดข้อผิดพลาด

และถ้าองค์กรของคุณกำลังเริ่ม Project เกี่ยวกับ Data อยู่ และกำลังมองหาที่ปรึกษาที่มีความรู้ ความเชี่ยวชาญด้าน Data สามารถติดต่อเราได้เลย เรายินดีใช้ประสบการณ์กว่า 12 ปีที่ได้ให้บริการลูกค้ากว่า 120 เจ้าในเรื่องของ Data มาให้คำแนะนำเบื้องต้นกับคุณโดยไม่มีค่าใช้จ่าย

ติดต่อ Predictive

References: Salesforceben, Venturebeat