4 เทคนิควิเคราะห์ข้อมูลเพิ่มโอกาสทางธุรกิจ
"ในยุคที่ข้อมูลมีมากมายมหาศาล แล้วมันสามารถบอกอะไรเราได้บ้าง?"
ในปัจจุบัน เรามีการเก็บข้อมูลที่เยอะมากขึ้น ความถี่มากขึ้น และมีความละเอียดที่มากขึ้น รวมถึงความหลากหลายที่มากขึ้น ไม่ใช่แค่เก็บข้อมูลตัวเลขลงในตารางอีกต่อไป แต่รวมถึงไฟล์เสียง ไฟล์วิดีโอ ไฟล์รูปภาพ และข้อความต่าง ๆ และโดยเฉพาะอย่างยิ่งข้อมูลจากสื่อสังคมออนไลน์ต่าง ๆ

ดังนั้น เมื่อมีปัจจุบันองค์กรมีข้อมูลจำนวนมาก และมีความหลากหลายมาก องค์กรจึงควรมีความรู้ในการจัดการข้อมูลดังกล่าว และสามารถนำมาวิเคราะห์เพื่อให้เกิดประโยชน์แก่องค์กร จึงทำให้หลายองค์กรเริ่มปรับตัวสู่การเป็น "องค์กรที่ขับเคลื่อนด้วยข้อมูล" หรือ "Data-Driven Organization"

ในการจัดการหรือวิเคราะห์ข้อมูลขององค์กร อาจจะเริ่มง่ายสุดที่การทำรายงานการวิเคราะห์ทางธุรกิจ (Business Analytics Report) และหลายองค์กรเริ่มขยับมาเป็นการทำ model ต่าง ๆ ซึ่งจะมี 4 เทคนิคที่ใช้บ่อย ๆ ในหลายธุรกิจ คือ
1. Predictive Modeling
การทำโมเดลเพื่อการทำนาย เช่นในเว็บไซต์ e-commerce ต่าง ๆ ที่เมื่อมีผู้ใช้เข้าชมเว็บไซต์แล้วมี pattern การคลิกแบบหนึ่ง ในเวลาช่วงหนึ่ง แล้ววิเคราะห์ว่าลูกค้ากลุ่มไหนที่มีแนวโน้มที่จะไปจบที่การซื้อสินค้าจริง ๆ ซึ่งถ้าเราสามารถวิเคราะห์เพื่อทำนายได้ว่าใครจะนำไปสู่การซื้อสินค้า เราอาจจะนำเสนอโปรโมชันเพื่อให้ผู้ใช้จบที่การซื้อสินค้าจริง

2. Data Segmentation
การแบ่งข้อมูลเป็นกลุ่ม ๆ ตามความเหมือนความคล้ายของข้อมูล ตัวอย่างที่ชัดเจนคือการทำ Segment ลูกค้า เช่นการแบ่งตามกลุ่มอายุ กลุ่มรายได้ กลุ่มเพศ ลักษณะสินค้าที่ซื้อ เพื่อนำไปสู่การทำโปรโมชันหรือทำการตลาดที่ตรงจุดกับแต่ละกลุ่มได้ง่ายขึ้น

3. Link Analysis
การหาความสัมพันธ์ของตัวแปรต่าง ๆ ในข้อมูลที่มักเกิดขึ้นพร้อมกัน ในทางปฏิบัติองค์กรอาจจะนำไปใช้ในลักษณะของการทำการวิเคราะห์ตะกร้าสินค้า (Basket Analysis) คือการที่ดูว่าสินค้าไหนลูกค้ามักซื้อคู่กัน จะทำให้องค์กรสามารถทำโปรโมชันเมื่อซื้อสินค้า 2 อย่างนี้ เป็นต้น

หรืออีกตัวอย่างก็คือการวิเคราะห์ชั้นสินค้าว่าถ้าสินค้าที่มักซื้อคู่กันอาจจะวางไว้ในชั้นสินค้าที่ใกล้กันเป็นการลด traffic ในร้านค้าได้ เช่น Walmart ที่ได้ค้นพบพฤติกรรมของผู้บริโภคบางอย่าง คือลูกค้ามักซื้อผ้าอ้อมเด็กคู่กับเบียร์ Walmart จึงเลือกที่จะจัดชั้นสินค้าให้เบียร์อยู่ใกล้กับผ้าอ้อมเด็ก ซึ่งสามารถทำให้ยอดขายเบียร์เพิ่มขึ้นได้

4. Deviation Detection
การวิเคราะห์ว่าข้อมูลไหนที่เบี่ยงเบนออกจากกลุ่มหรือแตกต่างออกไปจากกลุ่ม ตัวอย่างก็คือการทำ Fraud Detection หรือการจับทุจริต โดยถ้าเราถือว่าข้อมูลที่มีจำนวนมากถือว่าเป็นข้อมูลปกติ ข้อมูลที่มีลักษณะที่แตกต่างออกไปจากกลุ่มอาจจะเป็นการทำทุจริต เป็นต้น

บทความอื่น ๆ
รู้พฤติกรรมผู้บริโภคยุคดิจิตอล ผ่าน CUSTOMER JOURNEY
July 27, 2019
การมีโลโก้คือการทำแบรนด์จริงหรือไม่ ?
June 13, 2019
5 ความเข้าใจผิด เกี่ยวกับ “แบรนด์”
June 10, 2019
4 ไม่ – หลบกับดักทางการตลาดในยุคดิจิตอล
June 8, 2019
ทำไม”การตลาด” ต้องมี”แบรนด์”
June 6, 2019