4 Levels of Data Analytics Maturity — 4 ขั้นของ Data Analytics
แนวคิดการแบ่งลำดับขั้นวุฒิภาวะ หรือ Maturity ซึ่งจะขอใช้ทับศัพ์ไปเลยละกันนะครับ เป็นแนวคิดเพื่อใช้ในการประเมินระดับความก้าวหน้า หนังสือทั่วไปก็มีการแบ่ง Data Analytics Maturity ไปในหลากหลายรูปแบบ ก็เลยขอสรุปเป็น 4 ระดับขั้นเลยแล้วกันครับ เพื่อให้ง่ายต่อการเอาไปใช้งานจริง
1) Descriptive Analytics
ลำดับขั้นแรกของการวิเคราะห์ข้อมูล จะเริ่มต้นจากการวิเคราะห์แบบพื้นฐาน โดยวิเคราะห์เพียงแค่ตัวแปรเดียวเท่านั้น (Univariate Analysis) ทำการวิเคราะห์ด้วยเทคนิคประเภทสถิติเชิงพรรณา หาค่ากลาง ค่าการกระจาย เช่น ค่าเฉลี่ย ผลรวม เป็นต้น
คำถามการวิเคราะห์ในระดับนี้ จะเป็นเพียงแค่ถามเพื่อให้ทราบว่าเกิดอะไรขึ้น เช่น ยอดขายเป็นเท่าไหร่ จำนวนลูกค้าทั้งหมดเป็นเท่าไหร่
2) Diagnostics Analytics
ในลำดับขั้นถัดไปของการวิเคราะห์นั้น จะเป็นการหาความสัมพันธ์ของตัวแปรตั้งแต่สองตัวขึ้นไป (Multivariate Analysis) เช่น การวิเคราะห์สหสัมพันธ์ (Correlation Analysis) หรือ การวิเคราะห์ข้อมูลเชิงหลายมิติ (Multidimensional Analysis) การวิเคราะห์ข้อมูลในขั้นตอนนี้จะเป็นการวิเคราะห์เพื่อประเมินว่าตัวแปรแต่ละตัวนั้นมีผลต่อกันหรือไม่
ตัวอย่างคำถามการวิเคราะห์ในระดับนี้ เช่น อุณหภูมิมีผลต่อยอดขายหรือไม่ ยอดขายในแต่ละพื้นที่แตกต่างกันหรือไม่ เป็นต้น
3) Predictive Analytics
ระดับการวิเคราะห์ในขั้นนี้ จะมุ่งเน้นการพยากรณ์หรือทำนายอนาคต เป็นการสร้างโมเดลเพื่อสกัดรูปแบบความสัมพันธ์ที่สามารถนำไปใช้กับเหตุการณ์ที่ยังไม่เกิดขึ้นได้ เทคนิคการวิเคราะห์จะเป็นกลุ่มเทคนิคการทำเหมืองข้อมูล (Data Mining) หรือ การเรียนรู้ของเครื่องจักร (Machine Learning)
คำถามการวิเคราะห์จะเป็นคำถามเชิงพยากรณ์ เช่น ลูกค้าคนไหนจะหยุดใช้บริการ เมื่อลูกค้าซื้อสินค้านี้แล้ว จะซื้อสินค้าใดต่อ เป็นต้น
4) Prescriptive Analytics
ลำดับขั้นที่ถูกพิจารณาว่าเป็น Maturity Level ที่สูงสุดของการทำ Data Analytics ก็คือ การทำ Prescriptive Analytics หรือ การวิเคราะห์ที่สามารถบอกได้ว่าต้องทำอะไรเพื่อให้ได้ผลลัพธ์ที่ดีที่สุดภายใต้เงื่อนไขที่จำกัด โดยเทคนิคที่ใช้ ก็คือ Optimization
ตัวอย่างคำถามการวิเคราะห์ เช่น ควรตั้งราคาสินค้าเท่าไหร่ดี ถึงจะได้กำไรสูงสุด หรือ จะต้องวางแผนการสิ่งสินค้าในเวลาใด หรือ เส้นทางใดจึงจะใช้ต้นทุนต่ำที่สุด
