หรือมันเป็นแค่ปีนี้ปีเดียว? " 3. Predictive Analytics > What will happen?
วันนี้จะมาแนะนำ 4 ขั้นตอนหลักในการบริหาร Big Data Analytics เพื่อให้ประสบความสำเร็จในการนำข้อมูลมาใช้ทางธุรกิจนะครับ ซึ่งจะประกอบไปด้วย 4 ส่วนหลักๆ คือ Data Collection, Data Storage, Data Analysis and Processing แล้วก็ Data Access and Communication มาเริ่มกันเลยครับ 1. Data Collection แหล่งข้อมูลที่จำเป็นในการทำงานของเราสามารถนำมาจากที่ใดได้บ้าง และทำอย่างไรถึงจะได้มาอย่างถูกต้อง 2. Data Storage เมื่อได้ข้อมูลที่จำเป็นมาแล้ว เราจะจัดเก็บข้อมูลของเราด้วยวิธีการใด ให้มีความปลอดภัย 3. Data Analysis & Processing เทคโนโลยีและเครื่องมือใด ที่เราจะนำมาใช้วิเคราะห์ข้อมูล เพื่อสร้างมูลค่าเพิ่มให้กับองค์กร 4. Data access & communication เมื่อเราได้ทำการวิเคราะห์ข้อมูลแล้ว เราจะมีวิธีการนำเสนอให้กับบุคคลที่เกี่ยวข้องได้อย่างไร รวมไปถึงการอนุญาตให้สิทธิ์ในการใช้ข้อมูล เมื่อเราได้เตรียมความพร้อมครบทั้ง 4 ส่วนนี้แล้ว การที่เราจะสามารถนำข้อมูลมาประกอบการตัดสินใจให้ดีขึ้นได้นั้นมีโอกาสที่จะไม่ล้มเหลวอย่างแน่นอนครับ Data Strategy Data Engineer, Data Strategist, Data Analyst, Data Scientist
วันนี้เรามาทำเข้าใจความหมายของ Data Analytics กันครับ.. Data Analytics เนี่ยคือการนำข้อมูลมาประมวลผลวิเคราะห์ด้วยคณิตศาสตร์และสถิติ เพื่อให้ได้ insight ช่วยให้เราตัดสินใจและ Action อะไรบางอย่างเพื่อให้ธุรกิจได้มีกิจการที่ดีขึ้น โดย แบ่งเป็น 4 ประเภทครับ Descriptive, Diagnostic, Predictive, Prescriptive Descriptive Analytics Descriptive Analytics จะเป็นการวิเคราะห์ข้อมูลเพื่อตอบคำถามที่ว่า ที่ผ่านมาเกิดอะไรขึ้นบ้าง? เราจะคุ้นเคยกับ Analytics ประเภทนี้ค่อนข้างมาก เช่น การทำรายงานกำไรขาดทุน รายงานด้านบัญชี เพื่อบอกเราว่ามีอะไรเกิดขึ้นบ้าง? Diagnostic Analytics Diagnostic เป็นการหาเหตุผลว่าไอ้ที่มันเกิดขึ้นแบบนี้เพราะอะไร? ที่กำไรของเราดีขึ้นเนี่ยเป็นเพราะอะไร? เพราะลูกค้าเพิ่มขึ้น หรือว่าเป็นเพราะเราลดต้นทุน?
จัดเต็ม 3 หลักสูตรสำหรับมือใหม่สายวิเคราะห์ รวม 16 - 20 ชั่วโมง แบบฝึกหัดและโปรเจคจริงตลอดหลักสูตร สามารถกลับมาทบทวนได้เรื่อยๆ ได้รับประกาศนียบัตร SECTION_TITLE. OVERVIEW ราคาพิเศษ!
บทความนี้จะพูดถึงเรื่อง 4 Types of Data Analytics หรือ 4 ประเภทหรือ 4 ขั้นตอนการทำ Data Analytics ด้วยภาษานักการตลาดตามแบบฉบับการตลาดวันละตอนที่อยากให้เพื่อนๆ นักการตลาด ผู้บริหาร หรือเจ้าของธุรกิจได้พอเข้าใจแนวทางและวิธีการเพื่อจะได้เอาไปคุยกับทีมที่ทำด้าน Data ได้อย่างเข้าใจว่าสรุปแล้วที่ตัวเองต้องการคืออะไร หรือสิ่งที่ทีม Data กำลังทำอยู่คือแบบไหน เพราะสิ่งสำคัญในการทำงานกับ Data คือความเข้าใจกันระหว่างทีม Business & Marketing กับทีม Data ครับ Data Analytics คืออะไร?
และนั่นก็เลยเข้าสู่ขั้นตอนที่สองของการทำ Data Analytics นั่นก็คือหาคำตอบให้กับสิ่งที่เกิดขึ้นด้วยคำถามว่า "ทำไม? " 2. Diagnostic Analytics > Why did it happen? ในขั้นนี้คือการหาคำตอบจากสิ่งที่เห็นจากขั้นตอนที่ 1 ว่ามันเกิดขึ้นเพราะอะไร? ทำไมมันถึงเกิดขึ้น? ในขั้นตอนนี้ต้องใช้ความ Creativity นิดนึง ในฐานะที่ผมเคยเป็น Strategy ที่ถนัดในการตั้งคำถามและก็พยายามค้นหาคำตอบให้ได้ จาก Data ที่ได้มาตรงหน้าผมเลยใช้วิธีลงไปสัมภาษณ์ถามผู้คนว่าทำไม เพราะผมไม่รู้ว่าทำไมคนถึงสนใจการย้อมผมในช่วงเดือนมีนาคมและเมษายนมากเป็นพิเศษขนาดนี้ ผมทำทั้งการตั้งคำถามบนออนไลน์เพื่อขอความเห็นที่น่าสนใจ บวกกับการเดินสัมภาษณ์ทุกคนที่เจอในตอนนั้นว่า "ทำไม ทำไม และ ทำไม? "
บทความนี้ไม่มี Link Source เพราะเขียนมาจากความรู้ความเข้าใจส่วนตัว และก็จากประสบการณ์ที่ลองผิดลองถูก ลองไปเรื่อยของตัวเองครับ