Data 101 : มีข้อมูลแล้ว แต่ไม่รู้จะเริ่มต้นวิเคราะห์ยังไง มาทางนี้เลย

Chayanis Tuntearapong
Data Teller
Published in
1 min readFeb 7, 2024

เป็นเรื่องที่หลาย ๆ คนที่เริ่มทำงานด้านข้อมูล หรือ เจอข้อมูลใหม่ ๆ เวลาที่เริ่ม Project ใหม่แล้วจะมีอาการงุงงงไปต่อไม่ถูก มักจะเจออยู่เสมอ วันนี้เลยจะมาแนะนำวิธีการที่อาจจะช่วยให้สามารถเริ่มต้นในการวิเคราะห์ข้อมูลเบื้องต้น เพื่่อให้เราสามารถหา insight ได้ มาดูกันว่า ถ้าเรามีข้อมูลแล้ว เราจะทำยังไงให้เริ่มงานวิเคราะห์สัก 1 ชิ้นออกมากัน

  1. ตรวจสอบความลึก และ ความน่าเชื่อถือของข้อมูล ผ่านความเข้าใจในตัวโจทย์ หรือ ธุรกิจนั้น ๆ ก่อน

สิ่งแรกที่เราควรตรวจสอบคือความถูกต้องน่าเชื่อถือของข้อมูล เนื่องจากในการทำงานจริงในองค์กร ข้อมูลมักจะมาจากหลายแผนก และ แต่ละแผนกอาจจะมีการคิดคำนวณ และ วัดผลข้อมูลที่ต่างกัน ซึ่งสิ่งที่จะสามารถช่วยเราได้คือ การคุยกับผู้เชี่ยวชาญในสายนั้น ๆ หรือ การดูมาตรฐานการคิดคำนวณ หรือสูตรคำนวณต่าง ๆ ที่เป็นมาตรฐาน เพื่อช่วยให้เรามีข้อมูลที่ถูกต้องแม่นยำ และ ที่สำคัญควรเข้าใจ Business Process เพื่อให้เห็น Data point ว่าข้อมูลที่เป็นปัจจัยภายในองค์กรนั้น ถูกเริ่มเก็บบันทึกที่จุดไหน และ ถ้าเราจะใช้ จุดไหนในระบบที่น่าเชื่อถือที่สุด

2. เริ่มตั้งคำถาม , สมมุติฐาน, รวมถึงวิธีการทดสอบผ่านการดูค่าทางสถิติ และ ความสัมพันธ์ของข้อมูลนั้น ๆ

เมื่อเราเริ่มตั้งคำถาม และ สมมุติฐาน เราจะสามารถเริ่มหา Insight ได้จากสิ่งที่เราตั้งคำถาม ซึ่งโดยส่วนมาก จะเกิดขึ้นตอนที่เราเริ่มนำข้อมูลมาค้นหาในมิติต่าง ๆ อาจจะมาในรูปแบบของเวลา เช่น ยอดขายในช่วง 90 วันยอดหลัง, ยอดขายระหว่างวันธรรมดา และ วันหยุด, เปอร์เซนต์การ Accept Application Credit ในช่วงเวลาต่าง หรือ อาจจะมาในรูปแบบของพื้นที่, สถานที่ เช่น ยอดขายในแต่ละสาขา, ความสูงของคนในแต่ละพื้นที่ ความหนาแน่นของประชากรในพื้นที่นั้น ๆ เป็นต้น เมื่อเราเห็นว่าข้อมูลอาจจะมีรูปแบบบางอย่างที่เป็นรูปแบบ หรือ มีความผิดปกติเกิดขึ้น เราก็จะเริ่มตั้งคำถาม และ ค้นหาต่อ จนไปสู่การเจอ Insight นั้น ๆ ซึ่งสามารถเกิดขึ้นได้ทั้งปัจจัยภายนอก และ ภายในที่เก็บ และ เก็บข้อมูลไม่ได้

3. รวบรวมสิ่งที่ได้ หาข้อสรุป หา Next Action และ Plan ที่เป็นไปได้

นำสิ่งที่ได้จากข้อ 2 รวบรวม และ สรุปออกมาโดยอาจจะออกมาได้ในหลาย ๆ รูปแบบ ทั้งที่เราสามารถให้ option หรือ สามารถใช้ข้อมูลในการบอกได้ว่าเราควรจะไปทางไหนต่อ รวมไปถึงการที่เราสามารถนำมาออกแบบในการทำ Test/Control ในกรณีที่เราจะต้องการทำอะไรสักอย่างกับระบบได้เช่นกัน ทั้งนี้ก็ขึ้นอยู่ด้วยว่า Project ที่เราวิเคราะห์นั้นผลลัพธ์ออกมาเป็นอย่างไร งานวิเคราะห์ไม่ได้จำเป็นที่จะต้องออกมาในรูปแบบ Model เสมอไป อาจจะมาในรูปแบบของการทำ Campaign หรือ Action บางอย่าง เพื่อทำการทดสอบพฤติกรรม หรือ insight ต่าง ๆ ได้ แต่ก็ขึ้นอยู่กับว่า คุ้มหรือไม่ที่จะทำ ซึ่งการคุ้มไม่คุ้ม เราอาจจะต้องประเมินหลาย ๆ ด้าน ทั้งด้าน เวลา / budget หรือ แม้กระทั่ง Resource ในองค์กรว่าพร้อมที่จะไปต่อหรือไม่ ไม่ใช่ทุกการวิเคราะห์จะประสบความสำเร็จเสมอไป แต่อย่างน้อยเราสามารถเรียนรู้ได้จากการทำงานนี้เช่นกัน

สรุปในรูปแบบ infographic

หวังว่าสื่งนี้อาจจะช่วยได้ไม่มาก ก็น้อยนะ สำหรับใครที่สนใจอยากติดตาม Content อื่น ๆ สามารถไปตามได้ที่เพจ Data Teller ข้อมูลเสี่ยงทาย ที่นี่ https://www.facebook.com/datatellerth ได้เลย เร็ว ๆ นี้กำลังจะทำคอนเท้นต์ใหม่ ๆ เพิ่มขึ้นเรื่อย ๆ แน่นอน

--

--

Chayanis Tuntearapong
Data Teller

Data Scientist who working in financial industry | Data consulting | Learner | Worshiper | seeking in Life-long Learning |Pet-lover