Taking too long? Close loading screen.

สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน)

อะไรคือเหตุผลที่ควรเปลี่ยนจาก ให้ข้อมูลนำทางเป็น ให้การตัดสินใจนำทางแทน

Nov 10, 2022
การขับเคลื่อนด้วยข้อมูล
อะไรคือเหตุผลที่ควรเปลี่ยนจากให้ข้อมูลนำทางเป็นให้การตัดสินใจนำทางแทน

กระแสต่าง ๆ ผลักดันให้เราต้องเป็นองค์กรที่ขับเคลื่อนด้วยข้อมูลจำนวนมหาศาล แต่เมื่อย้อนดูอัตราความล้มเหลวของโครงการกลับกระจายอยู่เต็มไปหมด และดูเหมือนว่าองค์กรเหล่านั้นถูกกดดันมากเกินไปจนอยู่ในระดับที่มีความเสี่ยงสูง หากเป็นเช่นนั้นแล้ว “ใคร” หรือ “อะไร” กันแน่ที่ควรจะเป็นตัวชี้นำเราในตอนนี้ ( การขับเคลื่อนด้วยข้อมูล )

ตอนนี้ผู้คนต่างรู้สึกว่าตนเองถูกต้องกันทั้งนั้นที่บอกว่าเราต้องเป็นองค์กรที่ขับเคลื่อนด้วยข้อมูล กระนั้นแล้วคุณควรวิเคราะห์ข้อมูลเพื่อเป็นแนวทางในการตัดสินใจทางธุรกิจใช่หรือไม่? หากเป็นเช่นนั้นถูกต้องแล้ว ทำไมเหล่านักวิเคราะห์ในวงอุตสาหกรรมจึงปักหมุดไปว่าโครงการวิเคราะห์ข้อมูลส่วนใหญ่ รวมถึงโครงการ AI ถึงถือว่าเป็นความล้มเหลวกันล่ะ?

ผู้สังเกตการณ์ในอุตสาหกรรมกล่าวว่าสิ่งที่ตรงกันข้ามกันมันกำลังเกิดขึ้น จากข้อมูลของ Gartner ซึ่งเป็นข้อมูลเชิงลึกด้านการวิเคราะห์ พบว่ามีเพียง 20% เท่านั้นที่จะให้ผลลัพธ์ทางธุรกิจภายในสิ้นปีนี้ ก่อนหน้านี้ Gartner กล่าวไว้ว่า 80% ของโครงการ AI จนถึงปี 2020 กำลังเล่นแร่แปรธาตุกันอยู่โดย “พ่อมด” (เปรียบเปรยถึงนักวิทยาการข้อมูลที่ใช้เทคนิคการวิเคราะห์ข้อมูลแสนล้ำ จน Stakeholders ที่ใช้งานจริงเข้าไม่ถึง) ถึงจะยังไม่ทราบว่าปีนี้จะมีเปอร์เซ็นต์ออกมาเป็นเท่าใด แต่แนวโน้มดูเหมือนจะยังไม่เปลี่ยนแปลง ซึ่ง VentureBeat รายงานว่า “จะมีเพียง 13% ของโครงการวิทยาการข้อมูล (Data Science) หรือเพียง 1 ใน 10 จากทั้งหมดเท่านั้น ที่สามารถออกดอกออกผลจริงได้” นั้นหมายความว่า โครงการวิทยาการข้อมูลในอุตสาหกรรประสบกับอัตราความล้มเหลวถึง 87%

ตัวเลขดังกล่าวบ่งชี้ว่าการใช้ข้อมูลเพียงแห่งเดียวจะไม่นำพาโครงการไปในหนทางที่ประสบความสำเร็จ แต่กลับนำไปสู่การใช้ดิจิทัลในทางที่ไม่เกิดประโยชน์ และแน่นอนว่าหากบริษัทต่าง ๆ ยังคงอยู่ในแนวทางนี้ พวกเขาก็จะต้องตกม้าตายในที่สุด

การวิเคราะห์ข้อมูลกับ AI หลุดไปผิดที่ผิดทางตั้งแต่ตรงไหน?

ขอยกตัวอย่างจากอุตสาหกรรมการซื้อขายอสังหาริมทรัพย์จากเจ้าของโดยตรง หรือที่เรียกกันว่าอุตสาหกรรม iBuyer ซึ่งมีบริษัทที่ดำเนินการในรูปแบบ iBuying ได้แก่ Zillow (Digital Marketplace ในการให้ข้อมูลเกี่ยวกับอสังหาริมทรัพย์แบบครบวงจรตั้งแต่ขั้นตอนการซื้อ/ขาย/เช่า รวมถึงการพิจารณาให้สินเชื่อและการซ่อมแซมบ้าน), Opendoor (Startup ที่มีบริการรับซื้อบ้านภายในเวลาอันรวดเร็ว) และ Offerpad (แบรนด์อสังหาริมทรัพย์ในอเมริกา) ธุรกิจที่กล่าวมา คือสิ่งที่นักลงทุนด้านอสังหาริมทรัพย์เห็นการขับเคลื่อนด้วยข้อมูลและใช้ระบบการตัดสินใจแบบดิจิทัลอัตโนมัติที่ยอดเยี่ยม แต่ราคาขายของบริษัทเหล่านี้กลับพลิกผัน (หากใครได้ลองค้นหาข้อมูลราคาหุ้นของบริษัทเหล่านี้ เรียกได้ว่าน่าผิดหวังเลยทีเดียว) แปลว่ามันมีอะไรบางอย่างผิดพลาดใช่มั้ยนะ แน่นอน..เห็นได้ชัดเลยว่าต้องมีมากแน่ ๆ

ในเดือนพฤศจิกายน 2021 Zillow ราชาแห่งอสังหาริมทรัพย์ดิจิทัลในขณะนั้นขาดทุนอย่างมากและออกจากธุรกิจ iBuying ทันที คู่แข่งอย่าง Opendoor จึงเข้ายึดครองตลาดแทน พร้อมประกาศว่าจะทำข้อมูลได้ดีขึ้นกว่าเจ้าเก่าเสียด้วย เว้นเสียแต่ว่าเมื่อวันที่ 22 มกราคม หุ้นของ Opendoor กลับร่วงลง ประกอบกับ Barron รายงานว่า “แบบจำลอง iBuying มีความเสี่ยง” โดยนักวิเคราะห์ของ Bank of America ทั้งหมดบอกว่าอุตสาหกรรม iBuying ประสบความสูญเสียทางการเงินอย่างหนักจากรายงานของ HousingWire

นี่ไม่ใช่สัญญาณที่ดีเลยสำหรับบริษัทที่ขับเคลื่อนด้วยข้อมูลในทุกภาคอุตสาหกรรม…

เป็นเรื่องปกติที่หลายคนในภาคอุตสาหกรรมการวิเคราะห์ข้อมูลและ AI ต่างรีบออกมาตำหนิจุดต้องสงสัยถึงสาเหตุของความด้อยประสิทธิภาพ เช่น การขาดแคลนทักษะ การขาดแคลนงบประมาณ กลยุทธ์ทางธุรกิจที่ไม่มีประสิทธิภาพ และผู้ถือหุ้นที่วิสัยทัศน์ไม่ยาวไกล เป็นต้น เรื่องพวกนี้มีผลกระทบต่อโครงการ ถึงแม้อาจจะไม่มากเท่าต้นตอความคิดริเริ่มที่ใช้เทคโนโลยีอื่น ๆ

จึงเกิดคำถามขึ้นว่า “อะไรคือปัจจัยที่ทำให้โครงการเกี่ยวกับข้อมูล ออกนอกลู่นอกทาง ได้ขนาดนี้?” มีหลายคนที่คิดว่าผู้ร้ายตัวจริงนั้น น่าจะแฝงอยู่ในกระบวนการมากกว่าที่จะเป็นสาเหตุจากเทคโนโลยี

พลิกรูปแบบ ขับเคลื่อนด้วยข้อมูล ไปสู่ ขับเคลื่อนด้วยการตัดสินใจ

ปัจจุบันบริษัทต่าง ๆ ขุดค้นข้อมูลเพื่อหาข้อมูลเชิงลึก แต่กระบวนการดังกล่าวมักจะไปกำหนดทิศทางในการตัดสินใจ หรือพูดอีกนัยหนึ่งคือตีกรอบการตัดสินใจของคุณนั่นเอง โดยการใส่ข้อมูลไว้ก่อนตรงหัวของกระบวนการ แล้วทุกอย่างก็เป็นไปตามนั้น

การให้ข้อมูลมากำหนดการตัดสินใจเป็นสิ่งที่ตรงกันข้ามกับสิ่งที่บริษัทตั้งใจจะทำ แต่กลับคาดหวังว่าข้อมูลจะเป็นตัวช่วยในการตัดสินใจ และด้วยเหตุนี้เองการทำเหมืองข้อมูล (Data Mining – การวิเคราะห์ข้อมูลจากข้อมูลจำนวนมาก ที่เรียกว่า Big Data เพื่อหาความสัมพันธ์ของข้อมูลที่ซ่อนอยู่) มีแนวโน้มว่าจะมีความลึกน้อยลง แต่ไปเพิ่มข้อบังคับในสิ่งที่จะคิดแทน

หากบริษัทพลิกรูปแบบเป็นการตัดสินใจขึ้นมานำก่อน อันแสดงว่าคุณกำลังมุ่งเป้าไปที่ผลลัพธ์ที่ต้องการให้เกิด ผลลัพธ์นั้นอาจเป็นผลดีหรือดีที่สุดของตัวเลือกที่ไม่ดี แต่อย่างน้อย สิ่งที่ตั้งใจให้เกิดขึ้นด้วยวิธีนี้ มีเจตนาในการชี้นำกระบวนการมากกว่าเป็นข้อมูล

ในองค์กรที่ขับเคลื่อนด้วยการตัดสินใจ ทุกโครงการที่มีข้อมูลมาช่วยจะมุ่งตรงไปยังผลลัพธ์ที่ถูกยอมรับและให้ผลที่คาดไว้หรือผลตอบแทนจากการลงทุน สิ่งนี้สร้างการควบคุมที่ดีขึ้นในที่ที่บริษัทหรือโครงการถูกนำทาง นอกจากนี้ ยังควรช่วยลดอัตราความล้มเหลวของโครงการลงอย่างมาก

อีกสิ่งหนึ่งที่ควรคำนึงถึง เนื่องจากคุณยังคงใช้กระบวนการ Data Mining เช่นเดิม การให้เริ่มต้นกระบวนการด้วยการตัดสินใจไปก่อนจะไปช่วยกำหนดข้อมูลที่ต้องการใช้ แทนที่จะเป็นวิธีดั้งเดิม แบบที่เริ่มต้นด้วยข้อมูลแล้วนำไปตัดสินใจในภายหลัง

ข้อมูลอคติและการตัดสินใจที่ผิดพลาด

อย่างไรก็ตาม สิ่งนี้ไม่ได้หมายความว่ามันคือการใช้กึ๋นของผู้บริหารหรือผู้นำมาตัดสินใจ เพราะวิธีแบบนั้นอาจนำไปสู่ข้อมูลที่เป็นอคติและเป็นการตัดสินใจที่ไม่ดีมาแล้ว

การตัดสินใจของคุณในตอนเริ่มต้นของกระบวนการใหม่นี้ จะได้มาจากวิทยาศาสตร์และสูตรทางคณิตศาสตร์หลาย ๆ แบบ ยกตัวอย่างเช่น คุณอาจเลือกใช้วิธีนี้ สำหรับการตัดสินใจที่ต้องการรวมเรื่องเศรษฐศาสตร์ การวิเคราะห์การตัดสินใจ เศรษฐศาสตร์พฤติกรรม จิตวิทยา การออกแบบ ปรัชญา ทฤษฎีเกม และอื่น ๆ อันขึ้นอยู่กับลักษณะของการตัดสินใจในตอนนั้นและสิ่งที่มีอยู่ในมือ

หรือหากคุณต้องการเรียนรู้เพิ่มเติมเกี่ยวกับกลวิธี เทคนิค ตัวเลือกในศาสตร์แห่งการตัดสินใจ ทิศทางทางเทคนิคที่เฉพาะเจาะจงมากขึ้น เราขอแนะนำแหล่งข้อมูลที่ทั้งเข้าใจง่ายและเป็นผู้นำทางที่มั่นคงในเรื่องการตัดสินใจอย่างชาญฉลาดเพราะทั้งชื่อชั้นกับผลงานเหล่านี้ ได้รับการยอมรับโดยกว้างสำหรับวิธีการใหม่นี้ในการตัดสินใจ

อาจเริ่มต้นด้วยการอ่านบทความหรือรับชมวิดีโอที่มีใน YouTube จำนวนมาก เช่น Decision Intelligence โดย Cassie Kozyrkov หัวหน้า Decision Intelligence ที่ Google, อ่านหนังสือ Digital Decisioning อันแสนยอดเยี่ยม โดย James Taylor ผู้มีพรสวรรค์และเทคนิคต่าง ๆ หรือจะเพิ่มการอ่านข้อมูลจากหนังสือที่เพิ่งตีพิมพ์อย่าง Decision Intelligence For Dummies เข้าไปในรายการด้วย เพื่อช่วยประกอบการตัดสินใจ นอกจากนี้ ยังมี Link โดย Lorien Pratt หรือ Gartner’s Take ที่ได้รายงานเกี่ยวกับหัวข้อนี้ไว้เช่นกัน

เมื่อได้เริ่มศึกษาหาความรู้เพิ่มตามหัวข้อนี้แล้ว คุณจะพบว่าการเปลี่ยนแปลงบริษัท จาก “การขับเคลื่อนด้วยข้อมูล” เป็น “การขับเคลื่อนจากการตัดสินใจ” นั้นจะเป็นการเคลื่อนไหวอันชาญฉลาด และมีประสิทธิภาพอย่างยิ่งในท้ายที่สุด

บทความโดย Pam Baker
เนื้อหาจากบทความของ InformationWeek
แปลและเรียบเรียงโดย วิน เวธิต
ตรวจทานและปรับปรุงโดย ปพจน์​ ธรรมเจริญพร

Waythit Puangpakisiri

Position Technology Solution Principal, IT division

Papoj Thamjaroenporn

Former-Editor-in-Chief at BigData.go.th and Senior Data Scientist at GBDi