เนื่องจากการลงทุนด้าน Big Data นั้นถือว่าเป็นการลงทุนระยะยาว ถือว่าเป็นส่วนหนึ่งของการทำ Digital Transform ก่อนทำการตัดสินใจลงทุน Big Data Project ทีมงานจะต้องกำหนดวัตถุประสงค์ของโครงการให้ตรงกับ นโยบาย วิสัยทัศน์ และกลยุทธ์ ขององค์กร โดยผู้เขียนมีหลักการคิดอยู่ 3 ขั้นตอน
Data Strategy
ขั้นตอนที่ 1 : ทำความเข้าใจกับเป้าหมายขององค์กร
เราต้องทำความเข้าใจก่อนว่าองค์กรของเรานั้นมีอยู่เพื่ออะไร อะไรคือ core values, mission และ vision ขององค์กร ยกตัวอย่างเช่น Amazon.com เว็บ e-commerce ที่ใหญ่ที่สุดในโลก มี Vision คือต้องการที่จะเป็นองค์กรที่ยึดลูกค้าเป็นศูนย์กลางมากที่สุดในโลก (to be Earth’s most customer-centric company)
Reference: Amazon Mission and Vision Statement (businessmodelanalyst.com)
ซึ่งทำให้โครงการ Big Data ของ Amazon จะมีเป้าหมายเพื่อเข้าใจพฤติกรรมของลูกค้า ตอบโจทย์ความต้องการของลูกค้า ทำให้ การ Implement Big Data ของ Amazon นั้นจะมีแกนของลูกค้าเป็นหลัก เช่นการทำความเข้าใจลูกค้าแบบ 360 หรือการทำ Product Recommend เพื่อแนะนำสินค้าที่เหมาะสมกับความต้องการของลูกค้า ทำให้วัตถุประสงค์ของ สามาถเข้าไปอ่านเพิ่มเติมได้จาก Blog นี้ได้เลยครับ Amazon ใช้ Big Data อย่างไรจนประสบความสำเร็จกลายเป็นร้านค้าออนไลน์ที่มีมูลค่ามากที่สุดในโลก – Data-Espresso.com
ขั้นตอนที่ 2 : การกำหนดเป้าหมายของโครงการ Big Data
หลังจากที่เราเข้าใจเป้าหมายขององค์กรแล้ว ขั้นตอนต่อมาก็คือการกำหนดเป้าหมายของโครงการ Big Data โดยหลักๆ แล้วเราควราทำอย่างน้อย 1-3 วัตถุประสงค์ เช่น หากเป้าหมาย คือเพื่อทำความเข้าใจลูกค้าและสร้างประสบการณ์ที่ดีให้กับลูกค้า ก็สามารถรวบรวมข้อมูลเกี่ยวกับพฤติกรรม ความต้องการ และความสนใจของลูกค้า มาทำการ หา pattern, insight รวมไปถึงการทำ Predictive Customer Analytics เพื่อทำนายพฤติกรรมของลูกค้าในอนาคต อ่านเพิ่มเติมได้ที่ Customer Data Analytics ใช้ Big Data ให้เข้าใจลูกค้ามากขึ้น – Data-Espresso.com
ขั้นตอนที่ 3 : การพัฒนา Big Data Strategy
โดยการกำหนดทรัพยากร เครื่องมือ และเทคโนโลยีที่จำเป็นสำหรับการใช้ Big Data เพื่อให้สามารถประสบความสำเร็จในการเข้าถึงเป้าหมายขององค์กรได้อย่างมีประสิทธิภาพ ซึ่งควรพิจารณาปัจจัยต่างๆ โดยจะมี 4 ส่วนหลักๆ คือ
- Data collection : การรวบรวมข้อมูล ข้อมูลที่จำเป็นสำหรับโครงการ Big Data นั้นมีอะไรบ้าง เก็บไว้ที่ใดบ้าง และสามารถเข้าถึงข้อมูลได้อย่างไรบ้าง
- Data storage : การจัดเก็บข้อมูล เมื่อเราทำการรวบรวมข้อมูลแล้ว เราต้องตัดสินใจว่าข้อมูลที่รวบรวมมานั้นจะถูกจัดเก็บไว้ที่ใดได้บ้าง จะเป็น Cloud, On-premise หรือ Hybrid โดยหลักๆ ที่ควรพิจารณาคือ Cost ในการเก็บข้อมูล ความปลอดภัย การรองรับการขยายตัวในอนาคต เนื่องจากปริมาณของข้อมูลที่เพิ่มขึ้นตลอดเวลา
- Data analysis & processing : การวิเคราะห์ข้อมูล เป็นขั้นตอนที่สำคัญเพราะเกี่ยวข้องกับการนำข้อมูลมาประมวลผล ในขั้นตอนนี้เราต้องออกแบบหน้าตาของ Data model ที่จะถูกสร้างขึ้น การกำหนดให้เป็น star-schema หรือ snowflake schema หรือ flat table ก็ขึ้นอยู่กับความเหมาะสมของปริมาณข้อมูลด้วย ซึ่งในขั้นตอนนี้เราต้องมีการทำ Data dictionary เพื่ออธิบายที่มาของข้อมูล (Data linage) และใครเป็นเจ้าของ (Data ownership) หรือรวมไปจนถึงการทำ Machine Learning ของ Data scientists
- Data access & communication : สุดท้ายคือการเข้าถึงข้อมูล การดูแลความปลอดภัยของข้อมูล และการนำข้อมูลไปใช้ ในขั้นตอนนี้จะต้องคิดถึงเครื่องมือที่จะให้ user ใช้งานด้วย ซึ่งในปัจจุบันมีที่เป็นที่นิยมหลายเจ้า ไม่ว่าจะเป็น Power BI, Tableau, Looker เป็นต้น หรือแม้กระทั่งเครื่องมือยอดฮิตอย่าง Excel ก็ควรนำเป็นเป็นส่วนหนึ่งในการพิจารณาด้วย
ขั้นสุดท้ายคือการติดตามและประเมินผล
เพื่อให้แน่ใจว่ามีการประสบความสำเร็จในการใช้ Big Data การกำหนดเป้าหมายมีความจำเป็นเพื่อให้เราได้รู้ว่าการลงทุนของเรานั้นคุ้มค่าหรือไม่ เช่น หากเราต้องการที่จะวัดเรื่องประสบการณ์ที่ดีขึ้นของลูกค้า ตัวชี้วัดที่เราควรพิจารณาคือ จำนวนลูกค้าที่กลับมาซื้อ, จำนวน Order ที่เพิ่มขึ้น, Net Promoter Score, customer satisfaction, ค่าเฉลี่ยยอดสั่งซื้อสินค้าของลูกค้าแต่ละราย หรือสามารถดูตัวอย่างการวัดผล Customer 360 ได้จากบทความนี้
Customer360 Dashboard (Part2) – Google Data Studio – Data-Espresso.com
การกำหนดเป้าหมายให้กับโครงการ Big Data จะช่วยให้เราเห็นภาพรวมในการ Implement และช่วยให้สามารถวางแผนในการดำเนินการได้อย่างเหมาะสม เพราะการขาด Big Data Strategy ทำให้หลังจากที่เราทำ Big Data เสร็จแล้วแต่ไม่มีคนใช้งาน เพราะไม่ใช่ทุกโครงการของ Big Data จะประสบความสำเร็จ ทำไมโครงการ Big Data ถึงไม่ประสบความสำเร็จ – Data-Espresso.com
No Comments