Data Analysis คืออะไร ? ทักษะสำคัญในการพัฒนาองค์กร

การที่เรารู้ถึงความหมายของข้อมูล ไม่ได้หมายความว่าเราจะสามารถนำข้อมูลมาใช้ได้อย่างเต็มประสิทธิภาพ ความสามารถในการวิเคราะห์เป็นหนึ่งในความสามารถ ที่จำเป็นในชีวิตประจำวันมาก ๆ เพื่อน ๆ คิดเป็นนั้นกันไหม แล้วการวิเคราะห์ข้อมูลคืออะไรกันหละ มีผลอะไรกับตัวเราหรือธุรกิจไหม ในบทความนี้เราจะพาเพื่อน ๆ มาทำความรู้จักศาสตรแห่งการวิเคราะห์ข้อมูลที่จะพัฒนาการคิดแบบเป็นระบบ และนำไปประยุกต์ใช้ได้กับ Data Analysis คืออะไร ? ทักษะสำคัญในการพัฒนาองค์กร

Data Analysis คืออะไร ?

Data Analysis หรือการวิเคราะห์ข้อมูลคือกระบวนการที่ทำให้เราใช้ขอมูลที่มีอยู่ในการสร้างความรู้และเข้าใจเกี่ยวกับสภาพแวดล้อมนั้น ๆ ได้ โดยการนำข้อมูลที่มามาเรียบเรียง จัดกลุ่มหรือแยกประเภท ในการหาความสัมพันธ์และความหมายของข้อมูลตามแต่วัตถุประสงค์ที่ต้องการ เพื่อหาแนวโน้มที่สำคัญหรือทำความเข้าใจข้อมูล และสรุปผลให้ได้ Insight และข้อสรุปของข้อมูล ที่จะช่วยให้ทุกคนเข้าใจสถานการณ์ต่าง ๆ และสนับสนุนให้การตัดสินใจสามารถทำได้อย่างแม่นยำมากขึ้น

ระดับของการวิเคราะห์ข้อมูล

Descriptive Analysis

การวิเคราะห์ข้อมูลแบบพื้นฐาน (Descriptive Analysis) เป็นการวิเคราะห์ข้อมูลเพื่อตอบคำถามว่าตอนนี้กำลังเกิดอะไรขึ้นจากข้อมูลที่เคยเกิดขึ้นในอดีต เพื่อดูว่าสถานการณ์ที่เกิดขึ้นเป็นยังไง มีอะไรที่ผิดปกติหรือต้องปรับปรุงไหม ในรูปแบบที่ง่ายต่อการตัดสินใจ ซึ่งจะเป็นข้อมูลแบบพื้นฐานเพียงตัวแปรเดียว เช่น ขายได้เท่าไหร่ มีคนเข้ามาดูกี่คน  

Diagnostic Analysis

การวิเคราะห์เชิงวินิจฉัย (Diagnostic Analysis) เป็นการวิเคราะห์ข้อมูลว่าทำไมเหตุการณ์แบบนี้ถึงเกิดขึ้น เกิดขึ้นจากอะไร เป็นระดับการวิเคราะห์ขั้นต่อไป ที่เจาะลึกลงไปถึงสาเหตุ โดยการวิเคราะห์ความสัมพันธ์ของตัวแปรต่าง ๆ ตั้งแต่สองตัวแปรขึ้นไป ต่อจากการวิเคราะห์ข้อมูลแบบพื้นฐาน เพื่อตอบคำถามว่า ทำไมเหตุการณ์แบบนี้ถึงเกิดขึ้น ตัวอย่างเช่น ทำไมเว็บไซต์ LearningFeel ถึงมี Traffic เยอะในช่วง 3 ทุ่ม หรือทำไมสินค้าชิ้นหนึ่งถึงขายดีขึ้นในช่วงฤดูหนาว

Predictive Analysis

การวิเคราะห์แบบพยากรณ์ (Predictive Analysis) เป็นการวิเคราะห์ข้อมูลเพื่อหาคำตอบว่าเหตุการณ์ไหนที่อาจจะเกิดขึ้น เพื่อดูแนวโน้มหรือทำนายเหตุการณ์ที่มีโอกาสเกิดขึ้นจากข้อมูลที่เคยเกิดขึ้นในอดีตมาวิเคราะห์ในการทำนายสิ่งที่จะเกิดขึ้นผ่านการสร้างแบบจำลองทางสถิติ ทำ Machine Learning หรือใช้ AI เข้ามาช่วย ทำให้สามารถวิเคราะห์หาโอกาสและความเสี่ยงได้ เช่น การทำนายยอดขายในเดือนถัดไปหรือทำนายสินค้าที่มีโอกาสขายดีในไตรมาสหน้า

Prescriptive Analysis

การวิเคราะห์อบบให้คำแนะนำ (Prescriptive Analysis) เป็นการวิเคราะห์เพื่อหาข้อสรุปว่าต้องทำอะไรต่อ จะนำข้อมูลที่ผ่านการวิเคราะห์ในแต่ละระดับก่อนหน้ามาใช้ในการหาข้อสรุปว่าควรพัฒนาหรือปรับปรุงในส่วนไหน รวมถึงการวางแผนการดำเนินงานให้มีประสิทธิภาพสูงสุด และประเมินความเสี่ยงเพื่อรับมือได้อย่างตรงจุด ตัวอย่างเช่น ควรดำเนินแผนการตลาดแบบไหน วางงบประมาณเท่าไหร่ หรือสินค้าชิ้นไหนขายดีควรผลิตเพิ่ม

เครื่องมือในการวิเคราะห์ข้อมูล

ในการวิเคราะห์ข้อมูลเพื่อน ๆ จำเป็นต้องอาศัยเครื่องมือต่าง ๆ ซึ่งเครื่องมือในการวิเคราะห์ข้อมูลมีมากมายหลากหลายอย่างมาก แล้วมีตัวไหนบ้างที่จะหยิบมาใช้ได้บ้าง เราจะมาแนะนำเครื่องมือที่เรียกว่าใกล้ตัวและใช้งานได้ง่ายให้กับเพื่อน ๆ ได้รู้จักและทดลองใช้กันดู

Microsoft Excel & Google Sheet

เครื่องมือชนิดแรกที่เราอยากแนะนำกับเพื่อน ๆ คือ Microsoft Excel และ Google Sheet ซึ่งเราจะขอรวบไว้ในส่วนเดียวกันเพราะว่ารูปแบบการทำงานและคำสั่งภายในที่ใกล้เคียงกัน โดยเครื่องมือทั้ง 2 ตัว เป็นโปรแกรมที่ได้รับความนิยมในการจัดเก็บข้อมูลมากที่สุดเลยก็ว่าได้ เราต้องบอกเลยว่าเครื่องมือชนิดนี้เป็นเครื่องมือที่สารพัดประโยชน์มาก ๆ นอกจากจะสามารถเก็บข้อมูลลงไปในรูปแบบตารางของ แถว (Row) และ คอลัมน์ (Column) แล้วยังสามารถจัดการข้อมูลได้ด้วยฟังก์ชันต่าง ๆ เช่น vlookup, mean, min-max รวมถึงการแสดงผลของข้อมูลเป็นกราฟและวิเคราะห์ได้ผ่านฟังก์ชันอย่าง Pivot Table

นอกจากนี้ยังสามารถดาวน์โหลดส่วนเสริมต่าง ๆ เข้ามาใช้เพื่อเสริมประสิทธิภาพการวิเคราะห์ได้ ไม่ว่าจะเป็นการดึงข้อมูลจากส่วนต่าง ๆ ตัวช่วยในการแสดงผล และส่วนเสริมอื่น ๆ ที่สามารถหามาลองใช้ให้เหมาะกับงานได้เลย ซึ่งเราก็ต้องบอกเลยว่าทั้ง Excel และ Google Sheet นั้นเป็นเครื่องมือที่ครบครันมาก ๆ ถ้าถามว่าแล้วจะเลือกใช้ตัวไหนดีแล้วหละก็ เราจะบอกว่าตัวไหนก็ได้เลยนะตามการทำงานของเพื่อน ๆ ถ้าทำงานอยู่บน Cloud ของ Google การใช้ Google Sheet ก็จะสะดวกมากกว่านะ

Google Analytics

Google Analytics หรือที่หลาย ๆ คนเรียกติดปากกันว่า GA เป็นอีกหนึ่งเครื่องมือสารพัดประโยชน์จาก Google ที่ได้รับความนิยมเป็นอย่างมาก โดยมีเป้าหมายในการช่วยให้สามารถเข้าถึงเมตริก (Metrics) และ ข้อมูลเชิงลึก (Insight) จากเว็บไซต์หรือโฆษณา ซึ่งสามารถปรับแต่งการทำงานได้ทั้ง Custom และ Automated ก็ได้ รวมถึงการเก็บข้อมูลก็สามารถเก็บด้วยตัวเองหรือใช้ AI ช่วยวิเคราะห์แบบอัตโนมัติก็ย่อมได้ โดยผลการวิเคราะห์ที่ออกมาเรียกว่าเข้าใจง่ายและมีความแม่นยำ ทั้งยังใช้งานร่วมกับเครื่องมืออื่น ๆ จาก Google เช่น Google Data Studio ได้ง่าย ๆ เลยอีกด้วย

Computer Languages

ภาษาคอมพิวเตอร์ที่ได้รับความนิยมและเหมาะสมกับการใช้งานข้อมูลเราอยากแนะนำ 2 ภาษาคือ ภาษา R และภาษา Python โดยเราสามารถใช้งานภาษาคอมพิวเตอร์ได้หลากหลาย ทั้งการจัดการข้อมูล การวิเคราะห์ข้อมูล และการแสดงผลข้อมูลไม่ต่างอะไรกับโปรแกรม Excel หรือ BI Tools 

ส่วนตัวเรามองว่าภาษาคอมพิวเตอร์ใช้งานได้ยุ่งยากกว่าโปรแกรมสำเร็จเพราะต้องอาศัยความสามารถในด้าน Programming แล้วทำไมเราถึงยังต้องใช้ภาษาคอมพิวเตอร์หละ ก็ต้องบอกเลยว่าโปรแกรมอย่าง Excel หรือ Google Sheet อาจจะมีข้อจำกัดหลาย ๆ อย่าง เช่น บาง Feature ที่โปรแกรมไม่ได้ออกแบบมาเราก็ไม่สามารถใช้งานได้ หรือในบางครั้งปริมาณข้อมูลมากเกินกว่าที่โปรแกรมจะรับไหวการเลือกใช้ภาษาคอมพิวเตอร์จึงเป็นทางเลือกที่ดีเลยทีเดียว

ในแต่ลงภาษาก็จะมีจุดเด่นที่ทำงานได้ดีอย่างภาษา R จะเด่นในเรื่องของการวิเคราะห์เชิงสถิติ เช่นการแจกแจงแบบปกติ (Normal Distribution) และการวิเคราะห์การถดถอย (Regression Analysis) หรือในภาษา Python ที่ใช้จัดการข้อมูลผ่านไลบารี่ Pandas หรือสร้างโมเดลด้วยไลบารี่ Scikit-learn ก็สามารถทำได้ด้วยภาษาที่เข้าใจง่าย

BI Tools

Business Intelligence Tools หรือที่เรียกกันสั้น ๆ ว่า BI Tools ถือเป็นเครื่องมือสร้างรายงานและแสดงผลกราฟออกมาหรือก็คือแสดงผลลัพธ์จากข้อมูลของเราให้ออกมาในรูปแบบ Dashboard ที่สามารถใช้งานวิเคราะห์ได้สะดวก และง่ายต่อการเข้าใจ โดย BI Tools ก็มีหลายตัวให้เลือกใช้ซึ่งเรามีมาแนะนำดังนี้

• Tableau – เครื่องมือ BI Tools ที่เรียกได้ว่าได้รับความนิยมมาก และยังถูกยกให้เป็น BI Tools ที่ดีที่สุดในการแสดงผลการวิเคราะห์ข้อมูลจากหลาย ๆ คน เพราะว่าการใช้งานจะเป็นแบบ Drag & Drop ที่สามารถลากและวางได้โดยไม่ต้องพึ่งการเขียนโค้ดใด ๆ และยังใช้เวลาไม่นานในการทำอีกด้วย รวมถึงการใช้งานก็ยังไหลลื่นทั้งใน Window และ MacOS และยังเก็บงานไว้บน Cloud ได้ด้วย

• Microsoft Power BI – เครื่องมือ BI Tools ยอดนิยมในสายงาน Data เป็นอีกหนึ่งเครื่องมือที่สามารถสร้างกราฟ แผนภูมิและ Dashboard ได้โดยไม่ต้องเขียนโค้ดเลยทำให้ใช้งานได้ง่าย ทั้งยังใช้งานแบบ Cross-Platform กับโปรแกรมของ Microsoft ได้เกือบทั้งหมด การดึงข้อมูลก็ทำได้จากหลากหลายแพลตฟอร์มไม่ว่าจะเป็น Excel, Google Analytics, Hadoop และอืน ๆ อีกมากมาย การ Export ออกมาดูผลบน Desktop, Website หรือ App ที่รองรับก็ทำได้ รวมถึงการจัดการข้อมูล Big Data ก็มีประสิทธิภาพมาก

• Google Data Studio – เครื่องมือ BI Tools ที่เรียกได้ว่ามือใหม่จะต้องรักมันมากแน่ ๆ เพราะทาง Google ได้ทำการสอนการใช้งานไว้แบบ Step by Step ตั้งแต่เบสิคจนถึงระดับสูงเลยทีเดียว ในส่วนของการทำงานก็ไม่แตกต่างจากเครื่องมืออื่น ๆ ที่ใช้สร้าง Dashborad มากนัก และยังใช้งานร่วมกับ Google Analytics, Google Ads, Google Search Console และ YouTube ได้แบบง่าย ๆ เลยด้วย

ขั้นตอนการทำ Data Analysis ให้มีประสิทธิภาพ

การทำการวิเคราะห์ข้อมูลให้มีประสิทธิภาพถึงขีดสุด เพื่อน ๆ จะต้องเข้าใจวิธีการทำแบบเป็นขั้นเป็นตอน เพื่อที่จะสามารถทำงานได้อย่างเป็นระบบ โดยขั้นตอนการวิเคราะห์ข้อมูลมีอะไรกันบ้างเราจะพาไปดู

การตั้งคำถามอย่างตรงจุด

ขั้นตอนแรกที่จะต้องทำเลยต้องทำการตั้งคำถามที่ตอบสนองกับวัตถุประสงค์ที่เราต้องการคำตอบ เพื่อที่จะได้รู้ว่าเราจะวิเคราะห์ข้อมูลชุดนี้ไปทำไม หรือเราต้องใช้ข้อมูชุดนี้ในการแก้ปัญหาอะไร ในขั้นตอนนี้ต้องระบุปัญหาให้ชัดเจน รวมถึงการระบุประเภทและแหล่งที่มาข้อมูลที่ต้องการใช้ด้วย เช่น ทำไมลูกค้าถึงเลือกซื้อสินค้า A มากกว่าสินค้า B

การเก็บรวบรวมข้อมูล

การเก็บข้อมูลถือเป็นหัวใจสำคัญของการวิเคราะห์ข้อมูลเพราะว่าถ้าเราเก็บข้อมูลมาได้ไม่ดีมาตั้งแต่แรกแล้วหละก็ การวิเคราะห์ในขั้นตอนต่อ ๆ ไป ก็อาจจะได้ผลลัพธ์ที่มีคุณภาพไม่เพียงพอต่อการใช้งานอย่างมีประสิทธิภาพ ซึ่งหากเพื่อน ๆ ทำงานอยู่ในองค์กรไหนสักที่ เราเชื่อว่าเพื่อน ๆ ก็จะมีฐานข้อมูลมากมายภายในองค์กรณ์ให้เลือกใช้อยู่แล้วหละ แต่ถ้าเกิดว่าต้องการเก็บรวบรวมข้อมูลด้วยตนเองก็สามารถใช้เครื่องมือในการเก็บข้อมูลเช่นแบบสอบถามออนไลน์อย่าง Google Form หรือใช้แผนการตลาดออย่างการลงทะเบียนรับโปรโมชั่น การสมัครรับข่าวสารผ่านอีเมลล์ ให้เหมาะสมกับวัตถุประสงค์ในการวิเคราะห์

การทำความสะอาดข้อมูล

การทำความสะอาดข้อมูลเป็นหนึ่งในขั้นตอน Data Preparation ซึ่งเป็นการเตรียมข้อมูลให้พร้อมต่อการนำไปวิเคราะห์โดยการพิจารณากำจัดหรือแทนที่ Missing Value หรือ Outlier ที่อาจจะส่งผลต่อการวิเคราะห์ข้อมูล เพื่อให้ได้ข้อมูลที่เป็นระเบียบถูกต้องและได้ผลลัพธ์ที่แม่นยำมากที่สุด

การวิเคราะห์ข้อมูล

ขั้นตอนการวิเคราะห์ข้อมูล เป็นขั้นตอนที่เราจะเลือกวิธีการวิเคราะห์ในแต่ละระดับของการวิเคราะห์ข้อมูล ที่เราได้พูดถึงไว้ข้างต้นอย่าง Descriptive Analytics, Diagnostic Analysis, Predictive Analysis และ Prescriptive Analysis ให้เหมาะสมกับวัตถุประสงค์ของปัญหาที่ต้องการคำตอบ 

การตีความและนำเสนอข้อมูล

ส่วนสุดท้ายของกระบวนการวิเคราะห์ข้อมูลคือการนำผลลัพธ์ของการวิเคราะห์ของเรา มาแสดงผลออหมาในรูปแบบของข้อมูลเชิงลึก (Insight) โดยการตีความและแสดงผลให้อยู่ในรูปแบบที่เข้าใจได้ง่าย อย่างการนำเสนออกมาในรูปแบบของกราฟหรือแผนภมูิ

เทคนิค (ไม่) ลับในการทำ Data Analysis

เมื่อเรารู้จักขั้นตอนการทำการวิเคราะห์ข้อมูล เราจะบอกทุกคนว่าการวิเคราะห์ข้อมูลนั้นก็ยังมีเทคนิคอีกมากมายที่จะช่วยให้การวิเคราะห์องเรามีประสิทธิภาพมากขึ้น จะมีอะไรบ้างที่เรามาแนะนำในครั้งนี้มาดูกัน

Data mining

การเข้าถึงข้อมูลจำนวนมากด้วยการทำเหมืองข้อมูลเป็นเทคนิคที่ได้รับความนิยมและมีประสิทธิภาพมาก ๆ โดยอาศัย Algorithms ในการทำ Data Mining เพื่อเข้ามาวิเคราะห์ข้อมูลในหลาย ๆ มิติซึ่งก็มีหลากหลายวิธี เช่น

• การจำแนกประเภท (Classification) ในการแยกประเภทของข้อมูลจากกลุ่มข้อมูลที่ระบุประเภทชัดเจนทั้งยังสามารถทำนายประเภทข้อมูลที่ไม่เคยเห็นได้จากข้อมูลในอดีต 

• การจัดกลุ่ม (Clustering) ในการจัดกลุ่มข้อมูลตามความคล้ายคลึงกัน เพื่อแบ่งประเภทของข้อมูลโดยที่ไม่ได้ระบุไว้อย่างชัดเจน ทำให้เราสามารถเห็นข้อมูลเชิงลึกได้เช่น จำนวนลูกค้าในแต่ละช่วงวัย จำนวนลูกค้าที่ซื้อสินค้าในแต่ละไซส์ เป็นต้น

ศึกษาเพิ่มเติม

• การทำเหมืองข้อมูลคืออะไร พื้นฐานการทำฉบับเข้าใจง่าย
• Classification คืออะไร เจาะลึกเทคนิคสำคัญกับงานสายข้อมูล

Market Analysis

การจะเอาชนะใจลูกค้าได้นั้นเราก็จำเป็นต้องรู้ว่าลูกค้าต้องการอะไร ซึ่งการทำ Market Analysis ก็จะเป็นตัวช่วยสำคัญที่จะทำให้เรารู้ถึงความน่าสนใจของตลาดในปัจจุบันรวมถึงคาดการณ์ไปถึงอนาคตผ่านฐานข้อมูลในองค์กรที่ได้จากการเก็บข้อมูลจากลูกค้าในแบบที่ในบางทีเราอาจจะไม่รู้ด้วยซ้ำอย่าง การสมัครสมาชิก ข้อมูลการสั่งซื้อ หรือโปรโมชั่นต่าง ๆ ก็ถูกเก็บเป็น Data ทั้งนั้น 

ซึ่งข้อมูลที่ได้มาเหล่านี้ก็สามารถนำมาใช้วิเคราะห์และสร้างระบบทางการตลาดออกมาได้หลากหลาย เช่น Amazon ที่นำข้อมูลการสั่งซื้อของลูกค้า หรือ Market Basket Analysis มาผนวกกับ Recommendation System ในการสร้างระบบแนะนำสินค้าที่ใกล้เคียงกับความสนใจของลูกค้า แล้วรู้อะไรไหมว่า 35% ของรายได้ของ Amazon มาจากระบบ Recommendation System

สายงานที่ต้องอาศัยการวิเคราะห์ข้อมูล

สุดท้ายเราจะพาเพื่อน ๆ มาดูอาชีพที่จำเป็นต้องมีความสามารถด้านการวิเคราะห์ข้อมูล และต้องบอกว่าใช้บ่อยมาก ๆ ซึ่งถ้าหากสนใจอาชีพเหล่านี้ก็ต้องหันมาฝึกฝนสกิลในการวิเคราะห์ข้อมูลกันให้ไวเลย

Data Analyst

นักวิเคราะห์ข้อมูลหรือ Data Analyst เป็นอาชีพที่ใช้ทักษะการวิเคราะห์เป็นหลัก เป็นอาชีพมี่เรียกว่าค่อนข้างใหม่ในประเทศไทย หน้าที่หลัก ๆ คือการนำ Big Data มาวิเคราะห์เพื่อแก้ไข้ปัญหาหรือพัฒนาธุรกิจให้ดีมากยิ่งขึ้น นอกจากทักษะด้านการวิเคราะห์ข้อมูล 

Data Scientist

นักวิทยาศาสตร์ข่อมูลหรือ Data Scientist อีกหนึ่งสายงานที่จำเป็นต้องมาทักษะการวิเคราะห์ข้อมูล เพื่อทำนายแนวโน้มและำหนดทิศทางของธุรกิจ ด้วยเทคนิคขั้นสูง เช่น Machine Learning ในการพัฒนาโมเดลหรือเครื่องมือที่จะเข้ามาช่วยตอบโจทย์ทางธุรกิจ ซึ่ง Data Scientist ยังจำเป็นต้องมีความรู้ในเรื่องของสถิติเข้ามาเพิ่มเติมเพื่อทำการทดสอบเชิงสถิติ และวิเคราะห์ให้ Data สามารถนำมาใช้งานในการแก้ไข้ปัญหาทางธุรกิจได้จริง

โดยส่วนตัวแล้วเราคิดว่า ทักษะในการวิเคราะห์ข้อมูลนั้นก็ถือว่าเป็นทักษะที่มีความสำคัญมาก ๆ เลย ไม่ว่าเพื่อน ๆ จะได้ใช้ในการทำงานหรือไม่ก็ตาม เพราะในทุกวันนี้ข้อมูลนั้นอยู่รอบตัวเราจริง ๆ การมีทักษะนี้ติดตัวไว้ย่อมได้เปรียบกว่าอย่างแน่นอน และเราหวังว่าบทความนี้จะช่วยให้เพื่อน ๆ รู้จักกับ Data Analysis มากขึ้น ในบทความหน้า LearningFeel จะพาเพื่อน ๆ ไปเรียนรู้เกี่ยวกับอะไรก็รอติดตามกันได้เลย