สรุป DATA ANALYTICS จากคอร์สเรียน BOTNOI BY กูรูพี่เมย์ เจ้าของเพจ Chongko Channel
คอร์สเรียนบอทน้อย Data Science Essential#3
EP. 1 Data Analytics
คอร์สเรียน Data Science Essential ของ BOTNOI ในครั้งนี้ สอนเรื่อง DATA ANALYTICS โดยพี่เมย์ AI Product Manager ที่เยอรมัน และ Ex-Data Scientist ที่อิตาลี เจ้าของช่อง Chongko Channel ที่ให้ความรู้เรื่อง Data Science, Big Data, และเรื่องอื่นๆที่น่าสนใจอีกมาก
ก่อนจะเข้าสู่เนื้อหา เราลองมาทำความเข้าใจกันก่อนว่าคำว่า DATA ANALYTICS คืออะไร ถ้าพร้อมแล้วไปกันเลย!
What is DATA ANALYTICS?
แล้ว data analytics คืออะไร? หลายคนคงจะเคยได้ยินคำนี้กันอยู่บ่อยๆ แต่จริงๆแล้วมันคืออะไรกัน?
DATA ANALYTICS คือ การวิเคราะห์ข้อมูลที่มีอยู่ในอดีต ปัจจุบัน และทำนายอนาคต เพื่อพัฒนาการตลาดให้ตรงตามความต้องการของลูกค้าให้มากยิ่งขึ้น Data Analytics เป็นเครื่องมือสำหรับธุรกิจ (Business Intelligence)
— — — — — — — — — — — — — — — — — — — — — — — — — —
Data is the new currency.
ประโยคนี้หมายถึง ปัจจุบันมีการเก็บรวบรวมดาต้าจำนวนมากจากผู้บริโภค ซึ่งดาต้าที่รวบรวมได้สามารถนำไปต่อยอดใช้ประโยชน์ได้อีกมากมายเลย เปรียบเสมือนข้อมูลก็เป็นเงินสกุลใหม่ เหมือนกับ cryptocurrency การมีข้อมูลจำนวนมหาศาลก็เหมือนกับมีเงินจำนวนมหาศาลเช่นกัน เป็นคำพูดที่ Antonio Neri นักธุรกิจชาวอเมริกัน และเป็น CEO ของบริษัท Hewlett Packard Enterprise กล่าวเอาไว้
Who following your data? — ใครที่ตามดูข้อมูลของเรา
มีผู้ให้บริการหลายรายเช่น Facebook, Tiktok, Youtube, etc. กำลังตามดูข้อมูลของผู้ใช้ ซึ่งเป็นสิ่งใกล้ตัวที่ผู้คนส่วนมากใช้ในชีวิตประจำวัน การที่เราใช้เว็บไซต์หรือแอปพลิเคชันพวกนี้ เขาจะมีการเก็บข้อมูลสิ่งที่เราสนใจ ยกตัวอย่างเช่น Facebook เวลาที่เรากดเข้าไปดูเพจขายของ กดถูกใจ หรือ shopping สินค้า เขาจะมี Platform ที่คอยรวบรวมดาต้าสิ่งที่เราสนใจ จากนั้นเราก็จะเจอสิ่งเหล้านั้นวนเวียนอยู่หน้าฟืดข่าวของเรา ก็คือเรากำลังถูก Facebook ขายของอยู่นั้นเอง!
“INSIGHTS ARE THE KEY — มันคืออะไร ทำได้อย่างไร คิดอย่างไรให้เป็นระบบ และมีประสิทธิภาพที่สุด ทำยังไงให้ขายสินค้าได้มากที่สุด”
ในส่วนนี้พี่เมย์พูดว่า เราต้องมาปรับ Mind set กันก่อน ว่าเราต้องคิดอย่างไร ถึงจะทำให้ธุรกิจของเราประสบความสำเร็จ
MIND SET :
THINK FROM DATA — มองธุรกิจในรูปแบบดาต้า มองธุรกิจให้เหมือนข้อมูล เก็บรวบรวมข้อมูลจากยอดขาย พฤติกรรมของลูกค้า จำนวนเงิน รายได้ กำไร ต้นทุน feedback
FIND PATTERN & GROUP NOW MAKE SPECIFIC TARGET — มองย้อนกลับไปว่าเคยเกิดอะไรขึ้น มองย้อนไปดูว่าธุรกิจของเรามีอะไรที่เหมือนหรือแตกต่างจากคนอื่นที่ทำธุรกิจเดียวกันมั้ย หาวิธีทำยังไงถึงจะดึงดูดลูกค้าให้ได้มากที่สุด มีคนมาสนใจสินค้าของเรา ตอบโจทย์ความต้องการของลูกค้า โดยการเอาข้อมูลความต้องการของลูกค้า(insight) มาวิเคราะห์จากข้อมูลที่มีอยู่ ไปเป็น>>promotion มีจุดมุ่งหมายเพื่อให้ธุรกิจโตขึ้น AIRBNB
- RETAIL INDUSTRY — สังเกตลูกค้า ซื้อของมากที่สุดตรงไหน ราคาของแต่ละชิ้นก็ไม่เท่ากัน case study ที่พี่เมย์ยกมาให้เข้าใจง่ายๆ คือสมมติว่าเราทำธุรกิจ supermarket เราจะสังเกตลูกค้าได้จากการติดกล้องดู แล้วสังเกต ทำไมถึงเลือกซื้อชิ้นนี้ที่วางอยู่ตรงนี้
ของแบ่งวิธีการคิดออกเป็น 2 Part นะคะ
PART 1. วิเคราะห์ดาต้าตัวเก่าที่เคยรวบรวม
Historical Data — ดูดาต้า วิเคราะห์ดาต้าเก่าที่ลูกค้าหลายคนมีความสนใจ ดู data trend ว่ามีอะไรที่ขายดี ลูกค้าชอบไปดูสินค้าตัวไหน
Customer Journey — จุดที่ลูกค้าสนใจเยอะและหยุดนานที่สุด เส้นทางที่ลูกค้าเดินผ่าน ตั้งแต่เดินเข้าซุปเปอร์มา ลูกค้าเดินไปทางไหน เดินผ่านสินค้าอะไรบ้าง จุดไหนที่ลูกค้าส่วนใหญ๋ชอบเดินมา จุดไหนที่มีการหยุดนานที่สุด
Insights — ดูพฤติกรรมของลูกค้า สังเกตว่ามีลูกค้ากี่คนที่มีพฤติกรรมคล้ายหรือเหมือนกัน เช่น ซื้อของชิ้นนี้ซ้ำกันหลายคน
PART 2. หลังได้ดาต้าจากการวิเคราะห์ลูกค้าในพาร์ทแรก
Historical Data — ดูดาต้าให้ถูกตัว ดาต้าที่วิเคราะห์ได้จากการสังเกตพฤติกรรมของลูกค้าใน พาร์ทที่1 Pattern คือ การซื้อที่โยงกัน เช่น ลูกค้าที่ซื้อแป้งมักจะซื้อไข่ไปด้วย เมื่อซื้อขิ้นที่ 1 จะมีชิ้นที่ 2 ตามไปด้วย เพราะอาจจะต้องใช้ด้วยกัน
Comparison — เปรียบเทียบสินค้า มีลูกค้าหลายคนที่มีพฤติกรรมเดียวกัน นับเป็นลูกค้ากลุ่มเดียวกันคือ มีความชอบและพฤติกรรมคล้ายๆกัน เช่น เมื่อสอบถามกลุ่มลูกค้าที่ซื้อแป้งและไข่ว่านำไปทำอะไร ลูกค้าส่วนใหญ่ตอบว่านำไปทำเค้ก กลุ่มลูกค้ากลุ่มนี้คือมีความชอบในการทำขนมเหมือนกัน
Rule-Based System — เขียนโปรแกรมให้ Artificial Intelligence จับคู่ให้แทนเรา ใช้machine learning มาช่วยคิด เพื่อให้ลูกค้ากลุ่มเป้าหมายได้ซื้อสินค้าที่เราจับคู่ให้ โดยคิดจากพฤติกรรมของกลุ่มเป้าหมาย ไม่ว่าจะเป็นการลดราคาเมื่อซื้อเป็นแพ็คหรือคู่ หรือการลดราคาเมื่อสินค้าหลายๆชิ้น โดยmachine learning สามารถเช็คได้ด้วยว่าเมื่อลูกค้าซื้อไปหลายๆครั้งแล้ว ลูกค้าควรจะได้ offerอะไรในการซื้อครั้งถัดไป
- TECHNOLOGY INDUSTRY — เทคโนโลยีอุสหกรรม การนำเทคโนโลยีเข้ามาช่วยในเรื่องของธุรกิจ เช่น Food delivery, Messengers case study ให้เข้าใจง่ายๆ คือ บริการรับส่งอาหาร
Historical Data — มองดาต้าให้ถูกตัว ดูข้อมูลจากประวัติการใช้บริการของลูกค้า ซึ่งอาจจะต้องใช้ข้อมูลจากภายนอกเข้ามาช่วย ซึ่งเป็นข้อมูลที่มีผลต่อการดำเนินธุรกิจ การทำนายเหตุการณ์ที่จะเกิดขึ้นในอนาคต เช่น การทำ clickmap จะทำให้เราเห็นจำนวนของลูกค้า และจำนวนคนขับในแต่ละพื้นที่ ว่าคนขับมีมากพอสำหรับจำนวนลูกค้ามั้ย
Heat Map — ลองพลอตกราฟ จากข้อมูลที่รวบรวมมา พลอตกราฟเพื่อให้มองเห็นเหตุการณ์ได้ชัดว่าธุรกิจกำลังเกิดอะไรขึ้น ทำให้เกิดการ จัดกลุ่ม (clustering)ต่อในขั้นต่อไป
Clustering — จัดกลุ่ม แล้ววางแผนว่าจุดไหนมีลูกค้าเยอะ หรือน้อย เกิดจากการplot กราฟ เราจะจัดกลุ่มได้ว่าตรงไหนมีลูกค้าเยอะหรือน้อย สามารถเริ่มคิดแก้ไขปัญหาเพื่อให้มีลูกค้าที่เพิ่มขึ้น
Chrun — ทำยังไงให้คนกลับมาใช้อีก เช่น โปรโมชั่นให้ลูกค้าที่มีแนวโน้มจะกลับมาใช้อีก หรือลูกค้าประจำ สร้างแรงจูงใจให้คนกลับมาใช้บริการเราอีก เช่น เวลาเราเปลี่ยนค่ายมือถือ ทางค่ายมักจะมีโปรโมชัน เพื่อทำให้เรากลับไปใช้ค่ายเขาเหมือนเดิม
- HEALTHCARE INDUSTRY — อุสหกรรมด้านสุขภาพ
ยกตัวอย่างเช่น จำนวนผู้ป่วยมีเยอะ แต่จำนวนแพทย์มีไม่เพียงพอ ทำยังไงให้คนไม่ต้องยืนรอคิวนานๆ
Pain Point — หาปัญหาของลูกค้า ปัญหาที่พบเจอหรือปัญหาที่ Business กำหนดขึ้นมาเอง ปัญหาที่ลูกค้าเจอหรืออาจจะเป็นปัญหาที่ทางธุรกิจของเราเจอเอง เราสามารถนำดาต้าตรงนี้มา generate เองได้เหมือนกัน
Behavior — ดูพฤติกรรมของลูกค้า มีอะไรบ้าง จะทำให้เราเข้าใจ pattern ของลูกค้า ลูกค้าเจอสินค้าของเราจากช่องทางไหน มากจากpain point เพื่อให้เกิดการแก้ปัญหา
Customer Journey — ทำแผนว่ากลุ่มลูกค้าต่างๆมีวิธีการอะไรบ้าง ลูกค้าเดินมาจากจุดไหน ทำยังไงให้ลูกค้ารู้สุกว่าสินค้านี้มันโดดเด่น ลูกค้าเจอสินค้าของเราจากช่องทางไหน(advertisement) ให้เราทำแผนวิเคราะห์ว่าลูกค้าของเรามีระบบความคิดยังไงบ้าง วิธีนี้ทำให้การทำธุรกิจของคุณประสบความสำเร็จเพิ่มมากขึ้น
- SUPPLY CHAIN ANALYTICS — ห่วงโซ่อุปทาน คำนวนตามฤดู หา PERSONALIZE TARGET วางแพลนในช่วงฤดูอื่น
*case study ski resort*
Historical Data — ดูดาต้าย้อนหลัง ดูภาพรวมของดาต้าที่ผ่านมา
Salea and Profits — ดูยอดขายในแต่ละวัน เดือน เราได้รายได้เท่าไหร่ เท่าไหร่ถึงจะเพียงพอสำหรับทั้งปี เราจะทำยังไงให้รายได้ตลอดทั้งปี
Seasonal — มองในแง่ของฤดูกาล คือเราอาจจะทำ Membership card, gift voucher หรือ โปรโมชั่นที่ทำให้กลุ่มลูกค้าเก่าอยากกลับมาอีก และคุณอาจจะทำส่วนลด แนะนำเพื่อน ลดราคาพิเศษให้ นอกจากคุณจะได้ลูกค้ากลับมาแล้วคุณยังจะได้กลุ่มลูกค้าใหม่มาอีกด้วย
APPLICATIONS FOR BUSINESS INTELLIGENCE TOOLS
ส่วนสุดท้ายนี้จะเป็นการแนะนำโปรแกรมทำกราฟแบบง่ายๆกัน
TABLEAU:
1. ใช้งานง่าย มี Drag-and-Drop Interface, การสร้าง Visualization และ มีการ พัฒนาอย่างต่อเนื่อง เพื่อนำ User Experience มาปรับปรุงซอฟต์แวร์อยู่ตลอด
2. Tableau ออกแบบมาเพื่อ Business User
3. ภาษา VizQL ผู้ปิดทองหลังพระให้กับ Tableau
POWER BI:
1. มีเครื่องมือที่ชื่อว่า Power Query เพื่อเตรียมข้อมูลให้พร้อมใช้งาน
2. สามารถทำ Data Model สามารถสร้าง Relationships
3. สร้างรายงานด้วย Visualization
4. สามารถสร้าง Dashboard และทำ Realtime Data Analytics ได้
DATA STUDIO:
เครื่องมือที่ช่วยดึงข้อมูลและแสดง Dashboard ข้อมูลในที่เดียว ทำให้ง่ายต่อการใช้งาน พร้อม Visualize ทั้งนี้ ยังสามารถแชร์ให้กับเพื่อนร่วมงานหรือส่งลิงก์ให้บุคคลภายนอกเข้าถึงหน้า Dashboard
จบกันไปแล้วนะคะสำหรับสรุปเรื่อง DATA ANALYTICS จากคอร์สเรียน Data Science Essential ของ BOTNOI หวังว่าทุกคนจะได้รับความรู้ และวิธีทำให้ธุรกิจของคุณประสบความสำเร็จมากยิ่งขึ้น สำหรับใครที่สนใจเรียน Data Science Essential รุ่นที่ 4 !! ของ BOTNOI join group ได้ที่ -> FB Page Botnoi AI & Data science classroom หรือจิ้มที่ลิงค์เลย → https://www.facebook.com/groups/2421985951170978/
