ความเข้าใจที่ผิดๆ เกี่ยวกับ Big Data และ Analytics (2)

จากบทความก่อนหน้านี้ ที่ได้อธิบายถึง ความเข้าใจที่ยังไม่ถูกต้อง เกี่ยวกับ Big Data และ Analytics ซึ่งเริ่มต้นจากความสับสนระหว่าง 1. Big Data vs. Analytics และ 2. Analytics vs. Business Intelligence ผู้เขียนยังมีโอกาสได้สัมภาษณ์และแลกเปลี่ยนความคิดเห็น กับผู้บริหารระดับสูงสุดของหลายองค์กรในประเทศไทย จึงขออนุญาตนำเสนอเนื้อหาเพิ่มเติมดังนี้

3. Data Scientists vs. Marketing Analysts และ Marketing Researchers: ในขณะที่ผู้บริหารระดับสูงในประเทศไทย ยังคงไม่สามารถที่จะแยกแยะระหว่าง Analytics และ และ Business Intelligence จึงไม่ใช่เรื่องแปลกหากผู้บริหารจะมีความสับสนระหว่างความสามารถขั้นพื้นฐานของผู้ที่ทำหน้าที่เป็น Data Scientists และผู้ที่ทำหน้าที่เป็น Marketing Analysts และ Marketing Researchers ภายในองค์กร

Data Scientists คือผู้ที่มีความรู้พื้นฐานจากสาย วิทย์-คณิต และ วิทย์-คอม และสามารถเขียนโปรแกรมคอมพิวเตอร์ในเชิงลึก เพื่อทำ Analytics กับ Big Data ที่มีขนาดยิ่งใหญ่มหาศาล Data Scientists ที่มีคุณภาพยังควรที่จะมีความรู้ทางด้านปัญญาประดิษฐ์ (Artificial Intelligence) และสามารถประยุกต์ใช้การเรียนรู้ของเครื่อง (Machine Learning) ได้อย่างคล่องแคล่ว ความสามารถในการใช้ Microsoft Excel หรือกระทั่ง Database โดยทั่วไป ย่อมไม่เพียงพอสำหรับการที่จะเป็น Data Scientists ชั้นดี เพราะ Big Data ส่วนใหญ่ ล้วนเป็นข้อมูลที่ไม่มีโครงสร้าง (Unstructured Data) จึงจำเป็นต้องอาศัยพื้นฐานทางเทคนิคในเชิงลึก ที่ไม่สามารถฝึกอบรมได้ในระยะสั้น

Marketing Analysts และ Marketing Researchers คือผู้ที่มีความรู้พื้นฐานจากสาย ศิลป์-คำนวณ และ ศิลป์-ภาษา และมีความเชี่ยวชาญในการทำ Survey และหรือ Focus Group แต่อาจมีความสามารถทางเทคนิคในเบื้องต้น ได้แก่การใช้งาน Microsoft Excel เพื่อประมวลผลของข้อมูลเป็น Business Intelligence ในเบื้องต้น Marketing Analysts และ Marketing Researchers ยังมีอยู่น้อยคน ที่มีความสามารถในการใช้ Database ได้โดยตรง โดยที่ไม่ต้องขอความช่วยเหลือจากผู้เชี่ยวชาญทาง IT และแทบที่จะไม่มีเลย ที่มีความสามารถในการเขียนโปรแกรมคอมพิวเตอร์ในเชิงลึก หรือมีความรู้ทางด้าน Artificial Intelligence และ Machine Learning

บทบาทหลักของ Marketing Analysts และ Marketing Researchers คือการ Support ข้อมูล Business Intellegenceให้กับผู้บริหารฝ่าย Business และ Marketing ให้เพียงพอต่อการตัดสินใจที่ถูกต้อง ในขณะที่บทบาทของ Data Scientists คือการคิดค้นกลยุทธ์ในเชิงรุกด้วย Big Data และ Analytics ในการเข้าถึงลูกค้าโดยตรง ซึ่งเป็นบทบาทที่มีความท้าทายมาก และไม่ใช่บทบาทของฝ่าย Support

ความสับสนในข้อนี้ ทำให้ Marketing Analysts และ Marketing Researchers ของหลายองค์กร ได้ถูกสถาปนา หรือได้สถาปนาตนเองขึ้นเป็น Data Scientists เพื่อเกาะกระแสนิยมของคำว่า Big Data และ Analytics และได้ทวีคูณความสับสนระหว่าง Analytics vs. Business Intelligence อย่างที่ได้กล่าวถึงก่อนหน้า ซึ่งได้ส่งผลให้หลายองค์กรต้องสูญเสียผลประโยชน์ที่พึ่งจะได้จาก Big Data และ Analytics และจากการที่มี Data Scientists ที่มีคุณภาพ

4: Analytics ไม่หวังผลเพื่อรอคอยผู้บริหารกดปุ่ม: ผู้บริหารหลายท่าน ยังคงคุ้นเคยกับ Business Intelligence ที่เป็นข้อมูล Support ในการตัดสินใจในเชิง Business และ Marketing และได้เข้าใจผิดว่า Analytics คือข้อมูล Business Intelligence ที่มีความละเอียดยิ่งกว่า เพื่อใช้ในการตัดสินใจที่แม่นยำยิ่งขึ้น

แต่ผลสำเร็จขั้นสูงสุดของ Analytics คือการที่คอมพิวเตอร์สามารถกดปุ่มแทนมนุษย์ และสร้างประโยชน์ต่อธุรกิจได้มากยิ่งกว่าการที่ต้องรอคอยผู้บริหารกดปุ่ม

ดังเช่นตัวอย่างของ Obama ที่ได้กล่าวถึงในบทความที่แล้ว ที่ได้อาศัย Big Data และ Analytics ในการทำ Microcampaigns ต่อ Microsegments ที่มีจำนวนในหลักล้าน อย่าง Real Time เป็นการที่ใช้คอมพิวเตอร์ตัดสินใจและกดปุ่มแทนมนุษย์ เพราะการตัดสินใจในรูปแบบดังกล่าว มนุษย์ย่อมไม่มีความละเอียดและรวดเร็วเพียงพอ และการตัดสินใจ ของ Analytics ย่อมไม่ใช่การกำหนดกฎเกณฑ์อย่างง่ายๆ แต่เป็นการอาศัย Artificial Intelligence และ Machine Learning เพื่อจำลองการตัดสินใจของมนุษย์ให้ได้เหนือชั้นกว่ามนุษย์

Deep Blue vs. Garry Kasparov ในปี 1997 อาจถือเป็นเหตุการณ์สำคัญที่เป็นต้นกำเนิดของการทำ Analytics ในปัจจุบัน เมื่อ Deep Blue ซึ่งเป็นคอมพิวเตอร์ของ IBM ได้เอาชนะ Kasparov แชมป์หมากรุกโลก ซึ่งในครั้งนั้น ได้เป็นจุดเริ่มต้นที่ไม่มีวันหวนกลับของการที่คอมพิวเตอร์สามารถตัดสินใจในเกมส์หมากรุกได้ดีกว่ามนุษย์ ซึ่งเทคโนโลยีในเชิง Artificial Intelligence และ Machine Learning จากวันนั้น ได้ถูกขยายผลสู่การทำ Analytics ในบริบทอื่นๆ เพื่อผลประโยชน์ในเชิงธุรกิจ

การที่คอมพิวเตอร์สามารถคิดเลขได้เร็วกว่ามนุษย์ ย่อมไม่ใช่สิ่งใหม่ แต่การที่คอมพิวเตอร์สามารถทำการตัดสินใจในบริบทที่มีความสลับซับซ้อนและไม่มีสูตรตายตัวได้ดีกว่ามนุษย์ กลับเป็นจุดกำเนิดของวิทยาการที่ถูกวิวัฒนาการมาเป็น Analytics ในปัจจุบัน

นี่เป็นเพียงตัวอย่างเบื้องต้นของ ความเข้าใจที่ยังคงไม่ถูกต้อง เกี่ยวกับ Big Data และ Analytics ในประเทศไทย ซึ่งความเข้าใจผิดดังกล่าว ได้เกิดขึ้นทุกลำดับชั้นขององค์กร ซึ่งไม่ใช่เรื่องแปลก เนื่องจาก Big Data และ Analytics ได้เกิดกระแสเป็นวลียอดนิยม หลายฝ่ายจึงอยากเข้ามามีส่วนร่วม ในขณะที่มีพื้นฐานของความรู้ที่แตกต่างกัน ผู้บริหารที่ดีจึงจำเป็นต้องมีความเป็น Analytical จึงจะก้าวข้ามกับดักของการเข้าใจผิด และสามารถนำ Big Data และ Analytics ไปใช้ให้เกิดประโยชน์สูงสุดต่อองค์กร

Published in Krungthepturakij on October 14, 2014