วันนี้ Power Of Data จะมาแชร์ความรู้ของการวิเคราะห์ข้อมูลเพื่อหา insight ของข้อมูลกันครับ เราคิดว่าเพื่อนๆ หลายคนยังงงกันว่า การทำ Data Analytics จะเริ่มต้นที่ตรงไหน
ขั้นตอนการทำ Data Analytics มี 4 ขั้นตอน ประกอบด้วย
1. Descriptive Analytics
เป็นการตั้งคำถามกับข้อมูลว่า “What Happened ?” มีอะไรเกิดขึ้น ? เน้นการวิเคราะห์แบบตัวแปรเดียว (Univariate) แล้วใช้ Aggregate Function เช่น Sum, Average, Max, Min ช่วยคำนวณ เช่น ยอดขายเดือนนี้เป็นเท่าไร / มีลูกค้าจำนวนกี่คน
2. Diagnostic Analytics
เป็นการตั้งคำถามกับข้อมูลว่า “Why it happened ?” ทำไมถึงเป็นแบบนี้ ? เน้นการวิเคราะห์ในหลาย ๆ มุม หลายตัวแปรมากขึ้น (Multivariate) อาจเป็นการดูข้อมูลมากกว่า 2 ตัวแปรเพื่อให้เห็นภาพมากขึ้น เช่น สภาพอากาศมีผลต่อยอดขายหรือไม่ / โปรโมชันส่งผลให้จำนวนลูกค้าเปลี่ยนไปอย่างไร
3. Predictive Analytics
เป็นการตั้งคำถามกับข้อมูลว่า “What might happen ?” อะไรน่าจะเกิดขึ้นต่อไป ? มักจะใช้เทคนิคการทำ Data Mining / Machine Learning สร้างสมการเพื่อนำมาพยากรณ์สิ่งที่จะเกิดขึ้นในอนาคตหรือหา Pattern บางอย่างของข้อมูล เช่น ยอดขายเดือนต่อไปจะเป็นอย่างไร / ลูกค้าคนไหนที่มีโอกาสหายไปบ้าง
4. Prescriptive Analytics
เป็นการตั้งคำถามกับข้อมูลว่า “What should we do ?” แล้วเราควรจะทำอะไรต่อไป ? มักใช้เทคนิค Optimization เพื่อหาจุดที่ทำให้ได้ผลลัพธ์ที่ดีที่สุดในข้อจำกัดต่างๆ (เลือก X ที่ทำให้ได้ Y ที่ดีที่สุด) ต่างจาก Predictive ที่เราต้องกำหนดค่า X เองเพื่อหา Y เช่น จะไปเยาวราชต้องเลือกไปเส้นทางไหนไวที่สุด / ต้องสต๊อกสินค้าเท่าไรถึงจะมีต้นทุนต่ำที่สุด แต่ขายได้กำไรมากที่สุด
หลาย ๆ ครั้งเรามักจะอยากกระโดดข้ามไปทำ Predictive หรือ Prescriptive เลย เพราะคิดว่าจะต้องได้ประโยชน์มาก แต่ในความเป็นจริงแล้ว การทำ Descriptive และ Diagnostic ก็ช่วยวิเคราะห์ข้อมูลได้ดีมากเช่นกัน
สำหรับมือใหม่แล้ว อยากให้ลองเริ่มจากการวิเคราะห์ง่าย ๆ ดูก่อน ตั้งคำถามให้เป็น หาคำตอบให้ถูกต้อง เท่านี้ก็สามารถใช้ข้อมูลได้อย่างเป็นประโยชน์แล้ว
ขอบคุณข้อมูลดีๆ จากแฟนเพจ Data Café Thailand