Daily: Data science Definition with Botnoi
สวัสดีครับ ผมชื่อ เนีย ครับ ลองเขียน Daily ครั้งแรกมาแชร์ประสบการณ์ชีวิตผมได้รับโอกาศเป็นทีมฝึกงานกับบริษัท Botnoi ในกลุ่ม Data science หลังจากเริ่มงานได้วันที่สอง ก็ได้รับเชิญ จากคุณวินมาไกด์ประสบการณ์ และ ภาพรวมอย่างไวๆ ให้เราได้ฟัง จึงเกิดเป็น daily นี้ขึ้นมาครับว่าผมจะสามารถเรียนรู้ อะไรกับประสบการณ์จริง และ คนที่ทำงาน Data science จริงๆ อย่างไรบ้าง
คุณวิน เกริ่น Data science จากตั้งคำถามครับ
ผมเชื่อว่าหลายๆคงได้รับโฆษณาและรู้สึกว่าโฆษณาเหล่านี้ส่งมาให้เราทำไม
เช่น เราเป็นโปรแกรมเมอร์ผู้ชาย แต่ได้รับโฆษณา เครื่องสำอาง ส่งมาให้เราทำไม
ส่งไปให้ กลุ่มผู้หญิงจะเหมาะสมกว่า กลับกัน โฆษณากราฟิกการ์ดส่งไปกลุ่มผู้หญิงทำไมส่งมาให้ โปรแกรมเมอร์ผู้ชาย น่าจะดีกว่า นี้เรื่องของ Data science ที่เราสามารถนำมาตัดหรือแยกเคสพวกนี้ออกมาได้
ผมวิเคราะห์จากคำพูดเหล่านี้ Data science เกิดจากการตั้งคำถามจาก data และ แบ่งกลุ่ม และ ก็สามารถหาคำตอบจากผลการวิเคราะห์ได้
จากนั้นก็ได้มีการ ยกตัวอย่างเคสงานที่ เกี่ยวกับประกันและกรมธรรม์ได้รับ Brief มาและไกด์ workflow แต่ละจำนวนกรมทัณ์ก็มี workflow แตกต่างกันไป ฟังดูแล้วงานดูเป็นสเกลที่ใหญ่ แต่ คุณวินถามกับลูกค้า ขอสถิติ และ Data มาดู Call volume ก่อนได้ผลลัพย์ว่า จำนวน customer 95% มี กรมธรรม์ เพียงแค่ 1–2 กรมธรรม์
Data science สามารถนำข้อมูลมาวิเคราะห์และ prioritizeได้ทำที่ว่าแทนที่ มานั่งทำ workflow ตามจำนวน ทำให้สามารถเลือกที่จะ focus workflow 1–2 กรมธรรม์ และ อีก 5% ส่งไปให้ agent ช่วยดีกว่า
ผมวิเคราะห์ตรงนี้ทำให้เห็นว่าบางครั้งเรา focus ผิดจุดประสงค์ ส่งผล และหา pain point ได้ไม่ตรงจุด Data science จะสามารถนำ data แล้ว มาวิเคราะห์ประกอบการตัดสินใจและสามารถทำให้เราทำงาน ที่มี impact กับลูกค้าได้มากขึ้นและเสียเวลาน้อยลงด้วยช่วยเพิ่ม ประสิทธิ์ภาพในการทำงานอย่างมาก
ตัวอย่างที่ 2 Data ของ Tourism และ โรงแรม
คุณวิน ตั้งคำถาม วิธีคิดต้องคิดอย่างไร ใช้ tools อะไร ทางด้าน Technical Python Pandas Polt graph และ อื่นๆ เป็นพื้นฐาน Coding และ Skill ช่างสงสัย การตั้งคำถาม เช่น ใครชอบ อาหารเช้าคนกลุ่มไหนไม่ชอบทานอาหารเช้าพอเรามีเรื่องเราจะมาทำอย่างไรต่อ มีตัวเลือก ไม่ต้องการ อาหารเช้ามั้ย คำถามพวกนี้ส่งผลให้ไปสู่หัวข้อ การหา Customer Segmentation โดยการแปลง Group Transaction ไปหา Customer
ซึ่ง Customer มีคร่าวๆจะมาจาก
- Demograhphic เช่น พวก อายุ เพศ
- Usage เช่น จำนวนการเข้ามาใช้ วัน ประจำที่เข้ามาใช้บริการ
- Interest เช่น กลุ่ม category ที่ สนใจ
- Billing เช่น การตั้งราคาที่ยอมรับ การจัดโปรราคาครอบครับ
กระบวกการเหล่านี้ ต้อง ความรู้ด้าน Technical ใช่ เช่น Clustering Unsupervised อื่นๆไปต่อยอดทางธุรกิจส่วนใหญ่นำข้อมูลพวกนี้จะสามารถไปทำ Strategy หรือ Matching Segmentation ให้ตรงกลุ่มเป้าหมาย
คุณวิน เสริม เรื่อง Personalization และ Price Point ในสามารถลงลึกได้อีก
เช่น Netflix ที่มี feature you may like this Movie becase you watch … หรือ ราคาสินค้าที่เรายอมจ่าย เรื่องพวกนี้ยิ่งมีข้อมูลมากยิ่งมีประโยชน์มาก
สรุปภาพรวม
วิธีคิดและความช่างสงสัยเป็นสิ่งสำคัญของการเป็น Data Science
ภาพรวม Data science ไม่ทำเพียงแค่ Data เพียงอย่างเดียวเราต้องเข้าใจวิธีคิดของ Business และ Marketing ด้วย
Customer Segmentation ในที่แม้จะยกตัวอย่างไม่เหมือนตาม Marketing เป๊ะๆ แต่เป็นหัวใจอย่างนึงที่สำคัญให้เราไปศึกษาเพิ่มเติม Data science ช่วยให้ประกอบการตัดสินใจ
หา Insight และ ตัดปัจจัยที่ไม่สำคัญ ส่งผลให้มองเห็นเป้าหมายชัดขึ้น
ส่วนตัวผมเองรู้สึกได้เปิดโลกมากขึ้นแต่ก่อน focus แต่ อยากเขียน python ทำ Machine learning predict ข้อมูล ตอนนี้ ทำให้รู้ว่าศาสตร์ Data science นั้นดูน่าสนใจมากขึ้นน่าสนุกขึ้นด้วย และคิดว่าจะเริ่มทำเขียนบทความรายละเอียดในหัวข้อที่น่าสนใจเพิ่มเติมด้วยครับ
Credit
ข้อมูลศึกษาเพิ่มเติม
https://www.datacamp.com/tutorial/introduction-customer-segmentation-python
htps://www.datarobot.com/wiki/data-science/