PMsquare ThailandPMsquare ThailandPMsquare Thailand
Select your language :
PMsquare ThailandPMsquare ThailandPMsquare Thailand

Big Data และ Data Analytics มีบทบาทสำคัญอย่างไรในยุค Next Normal

โดย ดร. โกเมษ จันทวิมล

มีคนกล่าวว่าข้อมูลเปรียบเหมือนแหล่งน้ำมันจริงหรือไม่ (Data is the New Oil)?

ข้อมูลมีความเหมือนกับแหล่งน้ำมัน คือสามารถนำมาใช้ประโยชน์ และก่อให้เกิดรายได้แก่เจ้าของน้ำมัน หรือข้อมูล ยิ่งมีการแปรสภาพหรือสร้างมูลค่าเพิ่มน้ำมัน หรือข้อมูล มากขึ้นเท่าไร ก็จะยิ่งสร้างความมั่งคั่งให้กับเจ้าของมากขึ้นเท่านั้น สิ่งที่ต่างระหว่างน้ำมันและข้อมูล คือ น้ำมันใช้แล้วหมดไป หากแต่ข้อมูลยิ่งนำไปใช้ประโยชน์มากเท่าไหร่ ข้อมูลรวมถึงประโยชน์ที่จะได้รับจะยิ่งมากขึ้นๆ เป็นเท่าทวีคูณ

ศักยภาพในการใช้ประโยชน์จากข้อมูล

แบ่งระดับศักยภาพในการใช้ประโยชน์จากข้อมูลได้เป็น 4 ระดับ

1. Business Monitoring

การนำข้อมูลที่เกิดขึ้นแล้วมาพิจารณาว่าดีหรือไม่ดี เช่น ยอดขายเมื่อวานนี้ของสาขาดีหรือไม่ดี สินค้าอะไรขายดีหรือไม่ดี หรือการตอบคำถามว่าเกิดอะไรขึ้นในอดีต (What Happened)

2. Business Insights

เป็นการหาสาเหตุว่าทำไมจึงเกิดขึ้น เกิดขึ้นเพราะอะไร เช่น สาขานี้ขายดี เพราะมีการส่งเสริมการขาย หรือสาขานี้ขายไม่ดี เพราะผลกระทบจากล็อคดาวน์

3. Business Optimization

คือการทำสิ่งที่ดีอยู่แล้วให้ดียิ่งขึ้นไปอีกได้อย่างไร หรือจะแก้ไขสิ่งที่ไม่ดีได้อย่างไร เช่น สาขานี้ยอดขายดี จะทำให้ขายดียิ่งขึ้นได้อย่างไร ส่วนสาขาที่ยอดขายไม่ดี จะแก้ไขให้ยอดขายดีขึ้นอย่างไร

4. Data Monetization

คือ การนำข้อมูลเชิงลึกหรือ Insight ไปทำเงิน ซึ่งอาจจะเป็นการใช้ข้อมูลร่วมกัน ระหว่างแผนกในองค์กร หรือการนำข้อมูลนั้นขายต่อพันธมิตรหรือบุคคลภายนอก ยกตัวอย่างเช่น ฝ่ายขายอาจให้ข้อมูลยอดขายสาขาที่ผลงานไม่ดีในช่วงโควิด19 กับฝ่ายวางแผนกลยุทธ์ เพื่อพิจารณาว่าจะทำการพิจารณาปิดบริการชั่วคราว หรือปิดสาขาเป็นการถาวร หรือการให้พันธมิตรเข้ามาขายสินค้าที่ส่งเสริมกับผลิตภัณฑ์ของเราโดยแบ่งผลกำไรกัน

กรณีศึกษา

องค์กรธุรกิจจำเป็นต้องมีความสามารถในการทำ Business Monitoring, Business Insights และ Business Optimization เพื่อความอยู่รอดในยุค New Normal อย่างไรก็ดี หากองค์กรต้องการเติบโตอย่างยั่งยืน ในสภาไแวดล้อมที่มีการเปลี่ยนแปลงและผันผวน จำเป็นต้องมีศักยภาพระดับ Data Monetization

ยกตัวอย่างองค์กรที่อยู่ในระดับ Data Monetization ได้แก่

สตาร์บัคส์

จากข้อมูลที่มีในองค์กรพบว่าสาขาที่ใกล้มหาวิทยาลัยจะขายกาแฟได้ดีตอนกลางคืน โดยลูกค้าส่วนใหญ่เป็นนักศึกษา และใข้บริการต่อครั้งเป็นเวลานานหลายชั่วโมง สตาร์บัคส์ จึงจับมือกับ Spotify ผู้ให้บริการเพลง โดยลูกค้าสามารถนำใบเสร็จมาขอรหัสเพื่อฟังเพลงฟรีใน Spotify

Redfin

ผู้บริการขายบ้านและคอนโดมีเนียม ใช้ประโยชน์จากข้อมูลและราคาสินทรัพย์ที่ตกลงซื้อขายกันในเว็บไซต์ รวมถึงข้อมูล Open Data จากหน่วยงานรัฐ เพื่อประเมินว่าราคาบ้านของลูกค้าน่าจะขายได้ราคาเท่าไหร่ รวมถึงการแนะนำการปรับปรุงบ้านที่เหมาะสมเพื่อให้ได้ราคาขายบ้านที่ดีขึ้น

Corelogic

ขายบริการข้อมูลกับผู้ซื้อบ้านว่าจะมีความเสี่ยงอะไรบ้าง ก่อนจะตัดสินใจซื้อบ้านที่สนใจ โดยวิเคราะห์จากข้อมูลทั้งที่มีโครงสร้างและไม่มีโครงสร้าง เช่น ประวัติ น้ำท่วม พายุ การซ่อมถนน

หรือในขั้นตอนการผลิต อาจใช้ Internet of Thing โดยการติดตั้งเซนเซอร์ในโรงงานที่เชื่อมโยงเครื่องจักรทุกเครื่องกันได้ผ่านอินเทอร์เน็ต เพื่อวิเคราะห์ประสิทธิภาพการผลิต คาดการณ์เมื่อไหร่ที่เครื่องจักรควรหยุดทำงาน หรือคาดการณ์แผนการซ่อมบำรุงเครื่องจักรที่เหมาะสม (Predictive Maintenance)

Please fill-up the form below





Click edit button to change this text. Lorem ipsum dolor sit amet, consectetur adipiscing elit. Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.

Download the Whitepapers

[hubspot type=form portal=2383378 id=6b773102-de9a-4e8c-86ad-af3f7fea5f47]