The Knowledge Provider | Advanced Research Group

Back

4 ขั้นของ Data Analytics ที่ธุรกิจควรเข้าใจ

4 ขั้นของ Data Analytics ที่ธุรกิจควรเข้าใจ

16-05-2023

          สาเหตุที่ Data Analytics มีความสำคัญเพิ่มขึ้นทุก ๆ วัน เป็นผลมาจากข้อมูลทุกวันนี้เพิ่มขึ้นมหาศาล จากพฤติกรรมของผู้บริโภคที่เปลี่ยนมาใช้ออนไลน์กันมากขึ้น ดังนั้นในตอนนี้บนออนไลน์จึงมีข้อมูลขนาดใหญ่ที่เราคาดไม่ถึงว่าจะมีมากมายขนาดนั้น เราจึงต้องมีการวิเคราะห์ข้อมูล หรือ Data Analytics  เพื่อที่เราจะนำข้อมูลเหล่านั้นมาใช้ในธุรกิจ

         Data Analytics มีอยู่หลายขั้นด้วยกัน ซึ่งแต่ละขั้นก็จะมีความแตกต่างกันไปและอาจไม่ได้เหมาะสมกับธุรกิจทั้งหมด ดังนั้นธุรกิจต้องทำความเข้าใจว่าการวิเคราะห์แต่ละขั้นมีอะไรบ้าง เพื่อนำไปพัฒนาความสามารถในการดำเนินงานของธุรกิจได้ ในบทความนี้เราจะมาเริ่มต้นกันด้วยสิ่งที่ง่ายที่สุดไปหาสิ่งที่ซับซ้อน ถึงอย่างนั้นเมื่อเกิดการวิเคราะห์ที่ซับซ้อนมากขึ้น ก็ยิ่งมีมูลค่าเพิ่มมากขึ้นเท่านั้น

Descriptive Analytics

        หรือการวิเคราะห์เชิงพรรณนา จะเป็นการวิเคราะห์ข้อมูล (Data Analytics) เพื่อตอบคำถามว่าเกิดอะไรขึ้น เปรียบเสมือนเราย้อนกลับไปมองในอดีตที่ผ่านมานั้นว่าเกิดอะไรขึ้นบ้าง เป็นเหมือนการทำสรุปหรือรายงาน อาทิเช่น วิเคราะห์รายได้, รายได้ต่อผลิตภัณฑ์ หรือปริมาณผลิตภัณฑ์ที่ผลิตต่อเดือน เป็นต้น สิ่งเหล่านี้จะทำให้ธุรกิจสามารถตัดสินใจหรือโฟกัสไปที่สิ่งที่ตัวเองหรือสิ่งที่ลูกค้าต้องการได้

        การวิเคราะห์ข้อมูลในขั้น Descriptive จะใช้ข้อมูลดิบจากหลายแหล่ง เพื่อให้ได้ข้อมูลเชิงลึกที่ผ่านมาในอดีต อย่างไรก็ตามการวิเคราะห์ข้อมูลประเภทนี้เป็นเพียงการหาสิ่งผิดปกติ หรือสิ่งที่ถูกต้องที่ผ่านมาโดยไม่ต้องอธิบายว่าทำไมถึงเป็นอย่างนั้น ดังนั้นจึงไม่แนะนำให้บริษัทที่มีข้อมูลจำนวนมากใช้การวิเคราะห์แบบ Descriptive Analytics ควรเลือกใช้ Data Analytics ขั้นตอนอื่น เพราะข้อมูลจำนวนมากมาพร้อมกับความซับซ้อน

Diagnostics Analytics

        Data Analytics ขั้นนี้จะเป็นการนำข้อมูลที่ถูกเก็บมาก่อนหน้านี้ที่สามารถนำไปวัดรวมกับข้อมูลอื่น ๆ เพื่อตอบคำถามว่าทำไมบางสิ่งถึงเกิดขึ้น (Why did this happen?) บ่อยครั้งที่ Diagnostics Analytics ก็เป็นการวิเคราะห์หาสาเหตุของปัญหา ซึ่งรวมถึงการใช้กระบวนการต่าง ๆ เช่นการค้นหาข้อมูลหรือการทำเหมืองข้อมูล (Data Mining) เป็นต้น อย่างไรก็ตาม Diagnostics Analytics เป็นการวิเคราะห์ข้อมูล เพื่อให้ข้อมูลเชิงลึกเกี่ยวกับปัญหาที่ค่อนข้างเฉพาะเจาะจง

Predictive analytics

        หรือการวิเคราะห์ข้อมูล (Data Analytics) เชิงทำนาย เป็นการบอกสิ่งที่น่าจะเกิดขึ้น โดยจะใช้ผลวิเคราะห์จาก Descriptive Analytics และ Diagnostics Analytics ในการหาสิ่งที่เกิดขึ้นและทำไมมันถึงเกิดขึ้น เพื่อทำนายแนวโน้มที่จะเกิดขึ้นในอนาคต

Prescriptive Analytics

        วัตถุประสงค์ของ Prescriptive Analytics เป็นการกำหนดถึงสิ่งที่ต้องดำเนินการ เพื่อจัดการกับปัญหาในอนาคตหรือใช้เพื่อระบุแนวโน้มเทรนด์ต่าง ๆ ที่จะเกิดขึ้นได้ ดังนั้น Data Analytics ขั้นนี้จึงต้องใช้เครื่องมือและเทคโนโลยีขั้นสูง เช่นการเรียนรู้ของเครื่อง และอัลกอริทึ่มต่าง ๆ ที่สามารถลดความซับซ้อนในการวิเคราะห์ข้อมูลได้

        สรุปแล้วทั้ง Descriptive Analytics และ Diagnostic Analytics จะมองไปที่อดีต เพื่ออธิบายถึงสิ่งที่เกิดขึ้น หรือสาเหตุที่เกิดขึ้น ส่วน Predictive Analytics และ Prescriptive Analytics จะใช้ข้อมูลในอดีตมาทำ Data Analytics เพื่อคาดการณ์สิ่งที่จะเกิดขึ้นในอนาคต รวมถึงสิ่งที่บริษัทสามารถทำได้

        ยิ่งในยุคดิจิทัลที่ข้อมูลมีค่าต่อการดำเนินธุรกิจ คุณสามารถวิเคราะห์ข้อมูลเพื่อหาตลาดและลูกค้ารายใหม่ได้ ซึ่งสามารถกรองได้ว่าใครคือลูกค้าที่ Active จริง ๆ พร้อมทั้งจัดการความเสี่ยงที่อาจเกิดขึ้นได้ด้วย

 

บอกต่อ : 
The Knowledge Provider (AR Group)

Back