จากข้อมูลธรรมดาสู่ข้อมูลเชิงลึก: พิมพ์เขียวสำหรับธุรกิจของคุณ

ธุรกิจหลายรายใช้ข้อมูลเพื่อเป็นเหตุผลช่วยในการตัดสินใจมากกว่าจะนำไปใช้ดำเนินงาน แต่ทำไมจึงเป็นแบบนั้นล่ะ ในเมื่อข้อมูลจะมีประโยชน์ก็ต่อเมื่อคุณสามารถแปลงออกไปเป็นข้อมูลเชิงลึกที่นำไปใช้จริงได้ การเสาะหาข้อมูลเชิงลึกเริ่มต้นด้วยการคิดให้ออกว่าคุณต้องการอะไรจากข้อมูล พยายามหาประโยชน์จากข้อมูลนั้น เราขอแนะนำสิ่งที่คุณควรถามเกี่ยวกับบริบท ความต้องการ วิสัยทัศน์ และผลลัพธ์ที่ได้จากข้อมูล พร้อมทั้งเสนอกรอบการทำงานในการเปลี่ยนข้อมูลให้เป็นเรื่องราวที่มีความหมายและความสำเร็จของธุรกิจ

ในปี 1910 นักเขียนและกวีชาวสก็อตอย่างแอนดรูว์ แลงก์กล่าวว่า "คนบางคนใช้สถิติเหมือนคนเมาใช้เสาไฟ นั่นคือเอาไว้พิงแทนที่จะเอาไว้ให้แสงสว่าง" ผ่านมาหลายสิบปี ธุรกิจสมัยใหม่หลายรายก็ยังคงเป็นเช่นนั้น ใช้ข้อมูลเพื่อสนับสนุนการตัดสินใจที่ทำไปแล้วแทนที่จะเป็นตัวผลักดันให้เกิดการตัดสินใจ

ทำไมจึงเป็นแบบนั้นล่ะ ในเมื่อข้อมูลจะมีประโยชน์ก็ต่อเมื่อช่วยให้บริษัททำการตัดสินใจได้ดีขึ้น องค์กรของคุณอาจกำลังนั่งทับกองข้อมูลที่ใหญ่ที่สุดในโลกอยู่ ซึ่งไร้ประโยชน์จนกว่าคุณจะมีวิธีเปลี่ยนมันให้เป็นข้อมูลเชิงลึกที่ใช้ขับเคลื่อนธุรกิจได้

เมื่อคิดถึงเรื่องนี้ เราจึงอยากบอกขั้นตอนสำคัญที่จะช่วยให้คุณหลอมข้อมูลที่มีอยู่ให้กลายเป็นข้อมูลเชิงลึกที่นำไปใช้ได้จริง

การกำหนดข้อมูล

การเสาะหาข้อมูลเชิงลึกเริ่มต้นด้วยการคิดให้ออกว่าคุณต้องการอะไรจากข้อมูล พยายามหาประโยชน์จากข้อมูล พิจารณาว่าคุณต้องการเอาข้อมูลจริงไปใช้ทำอะไร ในบทความ Thinking with Data แม็กซ์ ชรอนได้แนะนำกรอบการทำงานที่มีประโยชน์ในการจำกัดขอบเขตโครงการให้แคบลง เช่น การวิเคราะห์ข้อมูล เช่นเดียวกับการแต่งนิยาย โครงการมักจะประกอบด้วยบทเปิดเรื่อง (บริบท) ความขัดแย้ง (ความต้องการ) การคลี่คลาย (วิสัยทัศน์) และตอนจบซึ่งหวังว่าจะลงเอยด้วยดี (ผลลัพธ์)

การตอบคำถามต่อไปนี้จะช่วยให้มองเห็นแนวทางที่ดีที่สุดในการใช้ข้อมูลของคุณ

  • บริบท: คุณกำลังพยายามบรรลุเป้าหมายอะไรอยู่ ต้องใช้ใครบ้างในการทำโครงการให้สำเร็จ มีเป้าหมายที่ใหญ่กว่าหรือเส้นตายที่จะช่วยจัดลำดับความสำคัญให้กับโครงการหรือไม่
  • ความต้องการ: การใช้ข้อมูลอย่างเหมาะสมจะช่วยตอบสนองความต้องการด้านใดได้บ้าง โครงการนี้จะบรรลุผลสำเร็จใดที่ไม่เคยทำได้มาก่อน
  • วิสัยทัศน์: การบรรลุความต้องการด้วยข้อมูลจะมีรูปแบบอย่างไร สามารถสร้างแบบจำลองผลลัพธ์สุดท้ายได้หรือไม่ ตรรกะที่อยู่เบื้องหลังโซลูชันคืออะไร
  • ผลลัพธ์: ใครจะเป็นผู้นำผลลัพธ์ไปใช้ในบริษัทและใช้อย่างไร มีวิธีวัดผลความสำเร็จของโครงการอย่างไร

การสร้างกรอบการทำงาน

ก่อนหน้านี้ผมเคยเขียนเกี่ยวกับการบอกเล่าเรื่องราวที่มีความหมายด้วยข้อมูล แต่จะทำอย่างไรล่ะจึงจะเลือกเรื่องราวที่เหมาะสมได้ ให้ดูสถาปนิกเป็นตัวอย่าง เพราะพวกเขาใช้แนวทางเดียวกันในการเปลี่ยนความต้องการการออกแบบที่เป็นนามธรรมจากลูกค้าให้กลายเป็นรูปธรรม นักการตลาดก็ต้องแปลงความต้องการข้อมูลให้กลายเป็นข้อมูลเชิงลึกที่ใช้ได้จริงให้ได้เช่นกัน

การทำความเข้าใจและจินตนาการถึงข้อมูลก็เหมือนกับการร่างแบบของสถาปนิก การสร้างแผนภูมิ กราฟ และตารางหลายๆ อันก็เหมือนกับการได้สื่อสารกับข้อมูล ช่วยให้เราเคยชินกับตัวเลขเพื่อการค้นพบข้อมูลเชิงลึกที่น่าสนใจ

ในบทความของนิวยอร์กไทมส์ ไมเคิล เกรฟส์ ศาสตราจารย์เกียรติคุณประจำคณะสถาปัตยกรรมศาสตร์ของมหาวิทยาลัยพรินซ์ตัน ได้ปฏิเสธแนวคิดที่ว่าเทคโนโลยีทำให้การเขียนแบบเดิมๆ จบสิ้นลงในทางสถาปัตยกรรม เขาบอกว่าการเขียนแบบเป็นทั้งกระบวนการและผลิตภัณฑ์ขั้นปลาย และขณะที่คอมพิวเตอร์มีหน้าที่ของมัน องค์ประกอบทางอารมณ์และความเป็นมนุษย์ก็มีหน้าที่เช่นกัน เขาได้แบ่งการเขียนแบบทางสถาปัตย์ออกเป็น 3 ประเภท ได้แก่ "การร่างแบบอ้างอิง" "การศึกษาเบื้องต้น" และ "การเขียนแบบขั้นสุดท้าย" น่าสนใจตรงที่แต่ละประเด็นที่เขาพูดล้วนสัมพันธ์กับแนวทางการใช้ข้อมูลของนักการตลาดที่ประสบความสำเร็จ

ด้านล่างนี้ผมได้นำแนวคิดของเกรฟส์เกี่ยวกับการเขียนแบบทางสถาปัตย์มาใช้กับกระบวนการสร้างข้อมูลที่ใช้ได้จริง

1. ร่างแบบ: หาแรงบันดาลใจของคุณ

สื่อสารกับข้อมูลในเบื้องต้นอย่างใช้ความคิดโดยการร่างแบบด้วยกระดาษกับปากกา จดแนวคิดด้านการออกแบบหรือภาพรวมของผลลัพธ์ที่คุณต้องการ ตัวอย่างเช่น ขณะที่สร้างแผนภูมิขึ้นมาชุดหนึ่งสำหรับบทความที่แล้ว ผมได้ร่างแบบไว้ด้านล่างซึ่งจะใช้เป็นพื้นฐานของการออกแบบและโครงสร้างในผลงานขั้นสุดท้าย



2. เตรียมตัว: ทำการบ้านเกี่ยวกับข้อมูลของคุณ

ขั้นตอนนี้อาจเริ่มด้วยกระดาษกับปากกา แต่จะมีอะไรมากขึ้นเรื่อยๆ เมื่อเจาะลึกลงไปในข้อมูลด้วยการวิเคราะห์และซอฟต์แวร์การนำเสนอของคุณ ใช้หลักในการระดมสมองต่อไปนี้เพื่อหาวิธีใช้ข้อมูลอย่างเหมาะสม

  • การกรอง: ตัดสิ่งที่ไม่เกี่ยวข้องออกและเน้นเฉพาะหัวข้อที่น่าสนใจที่สุด
  • การจัดเรียง: จัดอันดับข้อมูลตามความสำคัญ
  • การจัดกลุ่มและการแบ่งกลุ่ม: สรุปข้อมูลและแบ่งออกเป็นกลุ่มต่างๆ
  • การนำเสนอ: ทำให้ข้อมูลดูมีชีวิตด้วยภาพที่ดูน่าสนใจ

สถาปนิกก็เตรียมการเช่นเดียวกันโดยการสลับไปมาระหว่างแบบร่าง 2 มิติกับแบบแปลน 3 มิติ แม้ว่าแบบร่างจะมีความถูกต้องเหมาะสมในตัวเองอยู่แล้ว แต่จะดูน่าสนใจมากขึ้นเมื่อนำเสนอบนพื้นผิวที่สมจริง ในโลกของข้อมูล สิ่งเดียวกันนี้เกิดขึ้นเมื่อเจอกับตัวเลขที่ซับซ้อน บางครั้งข้อมูลก็คลุมเครือเกินไป จัดรูปแบบไม่ถูกต้อง หรือไม่สมบูรณ์ นี่เป็นเหตุผลที่เราต้องมีการตรวจสอบความถูกต้องของ "การบ้าน" กับข้อมูลจริงทุกครั้ง

3. นำเสนอด้วยภาพ: ทำให้ข้อมูลดูมีชีวิต

การนำเสนอข้อมูลด้วยภาพมีส่วนช่วยในขั้นตอนการแปลงข้อมูลธรรมดาให้เป็นข้อมูลที่นำไปใช้ได้จริง "ปริมาณตัวเลขเน้นค่าที่เรารู้อยู่แล้ว แต่การสรุปด้วยภาพเน้นค่าที่เรายังไม่รู้" นักคณิตศาสตร์จอห์น ทูคีได้กล่าวไว้จำนวน เขาค้นพบสิ่งสำคัญ นั่นคือการนำเสนอข้อมูลด้วยภาพมีพลังที่แท้จริงแฝงอยู่ในการแสดงข้อมูลที่เรายังไม่รู้ในรูปแบบที่ชัดเจนและเข้าใจง่าย มีเครื่องมือด้านการวิเคราะห์และการนำเสนอข้อมูลด้วยภาพมากมายในการทำให้ข้อมูลดูมีชีวิต เช่น Google Analytics

หลักการต่อไปนี้จะช่วยให้คุณนำเสนอข้อมูลเชิงลึกด้วยภาพได้อย่างน่าดึงดูด

  • คิดอย่างมีสุนทรียภาพ: คนทั่วไปย่อมชอบของสวยๆ งามๆ แล้วทำไมเราจะไม่สร้างแผนภูมิให้ออกมาดูดีที่สุดล่ะ สุนทรียภาพยังช่วยให้แผนภูมิเข้าใจง่ายขึ้น โดยชี้ให้เห็นสิ่งที่ควรทำต่อไปจากข้อมูลนั้น หากต้องการทราบเรื่องสุนทรียภาพมากกว่านี้ ให้อ่านบทความเรื่อง Now You See It, Simple Visualization Techniques for Quantitative Analysis ของสตีเฟน ฟิว
  • เน้นที่แนวโน้ม ไม่ใช่จุดข้อมูล: ข้อมูลเชิงลึกที่ดีที่สุดมักมาจากการที่เราไม่ได้มองแค่ข้อมูลจุดเดียวแต่มองแนวโน้มโดยรวม โดยเฉพาะเมื่อแนวโน้มมีการเปลี่ยนทิศทาง
  • เปรียบเทียบช่วงเวลาต่างๆ: ตรวจสอบช่วงเวลาต่างๆ เช่น สัปดาห์ต่อสัปดาห์ เดือนต่อเดือน หรือฤดูต่อฤดู แต่ก็ต้องใช้ช่วงเวลาที่เปรียบเทียบกันได้ด้วย เช่น การเปรียบเทียบเดือนมีนาคมกับกุมภาพันธ์อาจมีปัญหาได้เพราะจำนวนวันไม่เท่ากัน เป็นต้น
  • หาความสัมพันธ์: การค้นพบที่ทรงพลังจากการวิเคราะห์ข้อมูลนั้นมักจะเป็นความสัมพันธ์ระหว่างตัวแปร หรือที่นักสถิติเรียกว่าความสัมพันธ์แบบตัวแปรอิสระและตัวแปรตาม
  • ลองเปลี่ยนมุมมอง: คนๆ หนึ่งคงจะเห็นทุกอย่างไม่ได้ ให้เชิญคนอื่นมาร่วมวิเคราะห์ข้อมูลด้วย คุณต้องอาศัยตาหลายคู่ในการมองหาข้อมูลเชิงลึกที่นำไปใช้ได้จริง
  • ช่างสงสัย: วิเคราะห์ข้อมูลจากหลายแง่มุมตั้งแต่สองขึ้นไป ตัวอย่างเช่น พล็อตข้อมูลเดิมหลายๆ ครั้งโดยใช้แผนภูมิประเภทต่างๆ ข้อมูลมักหลอกให้เราหลงทางอยู่เสมอ ดังนั้นคุณต้องแน่ใจว่ากำลังเล่าเรื่องราวที่ถูกต้อง

การขุดหาสมบัติที่ซ่อนอยู่ในข้อมูลให้เจออาจเหนื่อยหน่อย แต่จะช่วยให้การนำเสนอข้อมูลด้วยภาพออกมาดี เทคนิคการนำเสนอข้อมูลด้วยภาพที่ดีมีอยู่มากมาย รายการข้างต้นเป็นเพียงตัวอย่างเล็กน้อยเท่านั้น ใช้เวลาหาส่วนผสมที่ลงตัวสำหรับคุณ

จากข้อมูลสู่การดำเนินการ

ผมหวังว่ากรอบการทำงานและหลักการต่างๆ ที่อธิบายไว้ในที่นี้จะช่วยให้คุณค้นพบข้อมูลเชิงลึกจากข้อมูลที่คุณมีอยู่ สร้างแรงบันดาลใจให้คุณนำสิ่งที่ค้นพบจากข้อมูลดังกล่าวไปต่อยอดเพื่อขับเคลื่อนธุรกิจของคุณ ไม่มีหลักการใดที่ใช้ได้กับทุกบริบท คุณมีหน้าที่หาเทคนิคที่ดีที่สุดเพื่อสร้างการวิเคราะห์ข้อมูลของคุณเอง

การเปลี่ยนข้อมูลธรรมดาให้กลายเป็นข้อมูลเชิงลึกที่นำไปใช้ได้จริงอาจเป็นกระบวนการที่ไม่มีระบบตายตัว แต่โชคดีที่มีเทคนิคหลายอย่างๆ ซึ่งช่วยให้ผู้เชี่ยวชาญสามารถเปลี่ยนความต้องการข้อมูลให้กลายเป็นข้อมูลเชิงลึกที่นำไปใช้ได้จริง นักการตลาดจะต้องกำหนดแนวทางคล้ายกับที่สถาปนิกวาดพิมพ์เขียว แต่ก็ไม่จำเป็นว่าจะต้องตายตัวจนขาดความคิดสร้างสรรค์

Daniel Waisberg

ผู้สนับสนุน Analytics ของ Google

จดหมายข่าว Think

รับข่าวสารล่าสุดก่อนใคร