Data Analytics เรื่องใกล้ตัว

โดย...ดร.อภิวดี ปิยธรรมรงค์

วันก่อนได้เจอเพื่อนสมัยมัธยมปลายที่ไม่เจอกันนาน ได้ทราบว่าเพื่อนเลิกทำอาชีพขายของตามตลาดนัดแล้ว ทั้งที่ก่อนหน้านี้ขายดีเป็นเทน้ำเทท่า เศรษฐกิจ สังคม และสิ่งแวดล้อมปัจจุบันเปลี่ยนแปลงรวดเร็ว และมักจะรุนแรง โชคดีที่เพื่อนคนนี้ดูสถานการณ์แล้วว่า “น่าจะไปไม่รอด” ถ้ายัง “ทำแบบเดิมๆ” จึงหันเหตัวเองและหุ้นส่วนไปทำอาชีพอื่นเสริม

ในศาสตร์ของการวิเคราะห์ข้อมูล หนึ่งคนสำคัญที่จะขาดไม่ได้ คือ Domain Expert หรือผู้เชี่ยวชาญ คือผู้ที่คร่ำหวอดในวงการสาขานั้น เป็นผู้ที่เข้าใจทั้งภาพกว้างของวงการและยังเข้าถึง “แก่น” ของโดเมนได้ด้วย เช่น ในวงการการลงทุน หากสนใจก็สามารถนึกถึง “ผู้เชี่ยวชาญด้านการลงทุน” ซึ่งแต่ละท่านอาจมีความเชี่ยวชาญในสาขาที่แยกย่อยไปอีกในแต่ละมิติของวงการ

กระบวนการตัดสินใจที่เกิดขึ้นเบื้องหลังมาจากการใช้ “ความรู้ ความเข้าใจ และประสบการณ์” ร่วมกับ “การคิดเชิงวิเคราะห์” ที่ผสมผสานการสังเกตข้อเท็จจริงแง่มุมต่างๆ ที่เกี่ยวกับบริบทของตลาดนัด (Observation) เช่น จำนวนผู้ซื้อลดลง ยอดซื้อถดถอย ราคาค้าส่งแพงขึ้น แล้วคำนวณ (Data Processing) และเริ่มวิเคราะห์เชื่อมโยงแง่มุมต่างๆ (DataAnalytics) เมื่อเพื่อนคนนี้รวบรวมข้อมูลและวิเคราะห์ข้อมูลที่ได้มาในรูปแบบต่างๆ แล้วพบว่า แนวโน้มยอดขายลดลงมากจนไม่คุ้มแก่การลงทุน จึงตัดสินใจ (Making Decision) ยุติธุรกิจ

ในกรณีนี้ เพื่อนทำหน้าที่เป็นทั้ง Domain Expert และ Data Scientist อยู่ในคนเดียวกัน แต่ในปัญหาที่ซับซ้อนกว่านั้น การดำเนินกิจกรรมการผลิตทุกขั้นตอนมีความสำคัญอย่างยิ่งยวด ความผิดพลาดเพียงเล็กน้อยอาจหมายถึงคนหลายร้อยครัวเรือน และอุตสาหกรรมจะขาดไฟฟ้าในการดำรงชีวิตตามปกติ

ดังนั้น ในงานที่ซับซ้อนและสำคัญเหล่านี้ ทีมวิเคราะห์ข้อมูลเพื่อตอบสนองวัตถุประสงค์ทางธุรกิจจึงมักประกอบด้วยเพื่อนร่วมงานที่มีจุดแข็งคนละด้าน เช่น การเป็นผู้เชี่ยวชาญเกี่ยวกับธุรกิจหรือโดเมนนั้นอย่างน้อยหนึ่งคน รวมถึงมีนักคณิตศาสตร์ หรือ Data Scientist ที่ช่วยจับประเด็นและเลือกโมเดลวิเคราะห์ที่เหมาะสมกับปัญหาทำให้นำข้อมูลมาช่วยสร้างโมเดลการวิเคราะห์ที่จำเป็นเพื่อใช้ในการหาคำตอบให้กับธุรกิจได้อีกด้วย

เมื่อพูดถึง Data Scientist ต้องพูดถึงData Engineer หรือวิศวกรข้อมูล เพราะมีบทบาทสำคัญไม่แพ้กัน โดยเฉพาะกรณีที่ข้อมูลซับซ้อน และมีปริมาณมหาศาล วิศวกรข้อมูลจะช่วยเตรียมข้อมูลให้อยู่ในรูปแบบที่เหมาะสม ง่ายต่อการนำไปประมวลผลใช้งาน รวมทั้งช่วยเตรียมเครื่องมือวิเคราะห์ข้อมูลที่เหมาะสมกับรูปแบบข้อมูลให้ได้อีกด้วย

คราวหน้ามารู้จักเครื่องมือที่ Data Scientist และ Data Engineer คลุกคลีใช้ตอบโจทย์ธุรกิจ หรือองค์กรเพื่อสร้าง Competitive Advantage กันค่ะ