Corporate Culture Tag - Big Data Institute

ข่าวและบทความที่เกี่ยวข้อง

All Corporate Culture

บทความ

Digital Transformation สิ่งที่ทุกองค์กรต้องทำเพื่อความอยู่รอด

Digital Transformation เป็นคำที่องค์กรต่าง ๆ ทั่วโลกและในประเทศไทยเริ่มรับรู้และตระหนักอย่างจริงจังในช่วงทศวรรษที่ผ่านมา ตั้งแต่รายงานโดย McKinsey ในปี ค.ศ. 2017 ว่ามีองค์กรเพียง 40% ในภาคธุรกิจโดยรวมที่เข้าสู่ความเป็นดิจิทัลอย่างเต็มตัว มาจนถึงทุกวันนี้ในยุคหลังโควิด-19 (post-pandemic/new normal era) เราแทบจะนึกไม่ออกแล้วว่า มีองค์กรใดบ้างที่ยังไม่ได้เข้าสู่ความเป็นดิจิทัลทางใดทางหนึ่งแล้วยังอยู่รอดได้ แต่นั่นไม่ได้หมายความว่าทุกองค์กรจะสร้างความเปลี่ยนแปลงทางดิจิทัลได้อย่างประสบความสำเร็จ บางองค์กรโอบรับเทคโนโลยีดิจิทัลเข้ามาพร้อมกันหลายชิ้น แต่กลับเป็นเทคโนโลยีที่ไม่เชื่อมโยงกัน บางองค์กรพยายามบังคับให้คนในองค์กรต้องปรับวิถีการทำงานผ่านเทคโนโลยีชิ้นใหม่ แต่ทำได้ไม่นาน พนักงานก็กลับมาทำงานตามวิถีเดิม ทำให้องค์กรเสียทรัพยากรและค่าใช้จ่ายสูญเปล่ามหาศาล หลาย ๆ ท่านคงจะสงสัยกันแล้วว่า ในบทความนี้ ผมจะพาท่านผู้อ่านมาลองศึกษาและตอบคำถามเหล่านี้กันครับ วิวัตนาการ 3 ขั้นตอน สู่ Digital Transformation ก่อนอื่นเรามาทำความเข้าใจร่วมกันก่อนว่า กว่าองค์กรหนึ่งจะทำ Digital Transformation ได้นั้นจริง ๆ แล้วจะต้องผ่านวิวัฒนาการทางเทคโนโลยีสามขั้นตอน คือ Digitization, Digitalization, และตามท้ายด้วย Digital Transformation Digitization คือ การแปลงข้อมูลแบบแอนะล็อก (analog) เป็นข้อมูลแบบดิจิทัล (digital) ตัวอย่างคลาสสิกคือการสแกนเอกสารกระดาษเป็นเอกสารดิจิทัล เก็บในรูปแบบไฟล์ในระบบคอมพิวเตอร์ ลดความจำเป็นในการใช้ตู้เก็บเอกสาร ลดความเสี่ยงจากความเสียหายของข้อมูลในกรณีที่เอกสารเริ่มเก่า ขาด หรือเปียกน้ำ อีกตัวอย่างหนึ่งคือการใช้ word processor อย่าง Microsoft Word ในการสร้างเอกสารดิจิทัล แทนการสร้างเอกสารด้วยเครื่องพิมพ์ดีด Digitalization เป็นขั้นกว่าของ Digitization ซึ่งหมายถึงการใช้เทคโนโลยีดิจิทัลเพื่อทำสิ่งที่องค์กรทำได้อยู่แล้ว แต่ทำได้ดี เร็ว หรือประหยัดทรัพยากรได้มากกว่าเดิม ยกตัวอย่างเช่น การค้นหาข้อมูลจากเอกสาร ถ้าเป็นเอกสารกระดาษ องค์กรต้องใช้คนเปิดตู้เอกสารแล้วไล่ดูทีละแฟ้มจนเจอข้อมูลที่ต้องการ แต่การนำเทคโนโลยีดิจิทัลอย่างคอมพิวเตอร์มาใช้นั้น คอมพิวเตอร์จะสามารถค้นหาเอกสารที่ต้องการได้อย่างง่ายดายและรวดเร็ว ผ่านการพิมพ์คำค้นหาไม่กี่คำ โดยใช้ประโยชน์จากเทคโนโลยีการจัดเรียง (indexing and sorting) ไฟล์ดิจิทัลบนเครื่องคอมพิวเตอร์ และที่สำคัญคือ ประหยัดทรัพยากรมนุษย์อีกด้วย จะสังเกตได้ว่า Digitization และ Digitalization ไม่ได้ทำให้ธุรกิจหรือองค์กรสามารถทำอะไรใหม่ ๆ ได้มากกว่าเดิม เอกสารข้อมูลก็ยังคงมีอยู่ การค้นหาเอกสารก็ยังทำได้เหมือนเดิม แต่สามารถทำได้ดีขึ้น รวดเร็วขึ้น มีประสิทธิภาพมากขึ้น Digital Transformation คือการเปลี่ยนแปลงขั้นสูงทางดิจิทัลสำหรับองค์กร ซึ่งเป็นการนำเทคโนโลยีดิจิทัลเข้ามาสร้างนวัตกรรมใหม่ เปลี่ยนวิถีการทำธุรกิจหรือธุรกรรมไปจากเดิมโดยสิ้นเชิง และสร้างคุณค่า (value) ให้กับลูกค้าหรือผู้ใช้งานในทุกโอกาส (นิยามโดย Salesforce) โดยเริ่มจากการตั้งคำถามว่า “เราจะพลิกโฉมธุรกิจและกระบวนงานของเราได้อย่างไร ให้องค์กรก้าวไปสู่ขั้นกว่าของการตัดสินใจที่ดีขึ้น ประสิทธิภาพที่เพิ่มขึ้น และประสบการณ์ของลูกค้าและผู้ใช้งานที่ตรงใจมากขึ้น?” Digital Transformation เป็นการนำเทคโนโลยีดิจิทัลเข้ามาสร้างนวัตกรรมใหม่ เปลี่ยนวิถีการทำธุรกิจหรือธุรกรรมไปจากเดิมโดยสิ้นเชิง และสร้างคุณค่า (value) ให้กับลูกค้าหรือผู้ใช้งานในทุกโอกาส หากเรามองย้อนกลับไปที่ตัวอย่างของการจัดเก็บเอกสาร หากเราผนวก word processor ผนวกกับเทคโนโลยีคลาวด์ และ smartphones ทำให้พนักงานภายในองค์กรสามารถ (1) แก้ไขเอกสารได้ทันที, (2) เข้าถึงเอกสารจากที่ไหนก็ได้ โดยไม่จำเป็นต้องเดินทางไปออฟฟิศ, (3) สามารถใช้งาน collaboration feature เพื่อจัดทำเอกสารร่วมกับเพื่อนร่วมงานได้ ซึ่งสิ่งเหล่านี้เป็นขีดความสามารถ (capabilities) ใหม่ ๆ ที่องค์กรไม่เคยทำได้มาก่อนด้วยเทคโนโลยีเดิม ๆ ซึ่งช่วยเพิ่มประสิทธิภาพภายในองค์กรได้อย่างไม่เคยมีมาก่อน อีกตัวอย่างที่คลาสสิกมาก คือ กรณีศึกษาของ Netflix ที่ผันตนเองจากเดิมที่เคยเป็นผู้ให้บริการเช่าวิดีโอ มาเป็นผู้ให้บริการความบันเทิงผ่านช่องทาง streaming ซึ่งสอดคล้องกับเทคโนโลยีอินเตอร์เน็ตความเร็วสูงที่คนทั่วไปสามารถเข้าถึงได้ในวงการมากขึ้น ซึ่ง Digital Transformation ของ Netflix ทำให้เกิดประสบการณ์ที่ดีเยี่ยมกับผู้ใช้งานที่เทคโนโลยีเดิมไม่สามารถทำได้มาก่อน นั่นคือ ระบบการแนะนำสิ่งที่ตรงใจผู้ใช้งาน หรือ recommender system ซึ่งเกิดขึ้นได้จากการวิเคราะห์ข้อมูลด้านความชอบและพฤติกรรมการดูหนังของผู้ใช้งานที่ถูกจัดเก็บในรูปแบบดิจิทัล (อ่านเพิ่มเติมเกี่ยวกับนวัตกรรมดิจิทัลของ Netflix ได้ที่นี่) และประสบการณ์ที่ดีกว่าอย่างไม่เคยมีมาก่อนนี้ ทำให้ Netflix เข้ามาสร้างความสั่นสะเทือน (disruption) ในธุรกิจสื่อและความบันเทิงที่มีอยู่เดิม และแน่นอนว่า องค์กรที่ไม่สามารถปรับตัวได้ทันก็จะไม่สามารถดำเนินธุรกิจได้ต่ออย่างยั่งยืน Digital Transformation สามารถทำให้องค์กรหรือบริษัทหนึ่งสร้างความสั่นสะเทือน (disruption) ในวงการธุรกิจที่มีอยู่เดิม และแน่นอนว่า องค์กรที่ไม่สามารถปรับตัวได้ทันก็จะไม่สามารถดำเนินธุรกิจได้ต่ออย่างยั่งยืน มากกว่าการพัฒนาศักยภาพ Digital Transformation คือหนทางรอด จากนิยามความหมายของ Digital Transformation ข้างต้น เราพอจะเห็นภาพว่าทำไม Digital Transformation ถึงสำคัญ นั่นเป็นเพราะ Digital Transformation เป็นมากกว่าการแค่ทำให้องค์กรขึ้นพัฒนาศักยภาพตนเองให้ดีขึ้น แต่หลาย ๆ ครั้ง มันหมายถึง หนทางรอด ของธุรกิจนั้น ๆ เพราะถ้าองค์กรหรือบริษัทหนึ่ง ๆ ไม่วิวัฒนาการตนเองผ่าน disruption ในไม่ช้าก็จะต้องถูกองค์กรหรือบริษัทอื่น disrupt อยู่ดี นอกจากนี้แล้ว ผู้คนทั้งบุคลากรภายในองค์กรและบุคคลภายนอกที่ทำธุรกรรมกับองค์กรยุคใหม่ล้วนมีความคาดหวังที่สูงขึ้นจากความสะดวกสบายที่เทคโนโลยีดิจิทัลจะนำเสนอประสบการณ์ที่ดีให้ลูกค้าและผู้ใช้งานได้ ไม่ว่าจะเป็น และความคาดหวังที่สูงเหล่านี้สามารถถูกตีมูลค่าออกมาเป็นตัวเงินได้อีกด้วย ผลการวิจัยโดย Isobar ค.ศ. 2017 ได้ทำการศึกษาบริษัทที่จดทะเบียนในตลาดหลักทรัพย์ในสหรัฐอเมริกากว่า 1,000 บริษัท และค้นพบความสัมพันธ์ (correlation) ระหว่าง “ความมีศักยภาพทางดิจิทัล” ของบริษัทและราคาหุ้นของบริษัทในระยะยาวซึ่ง “ความมีศักยภาพทางดิจิทัล” นี้ถูกวัดโดยการพิจารณาจากองค์ประกอบต่าง ๆ เช่น ความเป็นที่รู้จักของแบรนด์ผ่านช่องทางดิจิทัล สัดส่วนรายได้ที่มาจากช่องทางดิจิทัล เป็นต้น ทำไม Digital Transformation ถึงทำยาก? การที่หลาย ๆ องค์กรก็ยังไม่สามารถทำ Digital Transformation ได้เป็นผลสำเร็จ อุปสรรคและข้อผิดพลาดที่มักเกิดขึ้น (Common Mistakes) สามารถแบ่งหลัก ๆ ได้เป็นกรณีดังนี้: ในงานสัมมนา Big Data Leadership Summit 2021 คุณปาจรีย์ แสงคำ Head of Digitization จากโอสถสภา ผู้เชี่ยวชาญด้าน Digital Transformation ได้กล่าวไว้ว่า อุปสรรคในการทำ Digital Transformation ที่สำคัญที่สุดไม่ใช่เรื่องทางเทคนิคหรือตัวเทคโนโลยีที่ใช้ แต่เป็นเรื่องของการบริหารจัดการทรัพยากรบุคคลในองค์กร การปรับเปลี่ยนทัศนคติ ความเชื่อ และอุปนิสัยที่บุคลากรภายในองค์กรอาจคุ้นชินกับวิธีการทำงานแบบเดิม ๆ ที่ได้ผลอยู่แล้ว ประกอบกับผลเสียที่อาจเกิดขึ้นหากมีการเปลี่ยนแปลงวิธีการทำงานแล้วเกิดข้อผิดพลาด ทำให้บุคลากรภายในองค์กรอาจมีกรอบความคิด (mindset) ที่ว่า “if it ain’t broke, don’t fix it.” (อย่าไปเปลี่ยนอะไรที่มันยังไม่เสีย) ซึ่งอาจรักษาเสถียรภาพขององค์กรโดยรวมไว้ได้ แต่ชุดวิธีคิดเช่นนี้กลับกลายเป็นอุปสรรคต่อวิวัฒนาการขององค์กรสู่ความเป็นดิจิทัล การปรับเปลี่ยนพฤติกรรม วิถีการปฏิบัติงาน และทัศนคติต่อการทำงานภายในองค์กรสู่ Digital Transformation คุณปาจรีย์ได้ให้ข้อแนะนำในหลักการเปลี่ยนพฤติกรรม วิถีการปฏิบัติงาน และทัศนคติต่อการทำงานภายในองค์กร สู่การขับเคลื่อนด้วย Digital Transformation ดังนี้ อุปสรรคในการทำ Digital Transformation ไม่ได้มีเพียงเรื่องทางเทคนิค แต่เป็นเรื่องของการบริหารจัดการทรัพยากรบุคคลในองค์กร แนวทางของกระบวนการ Digital Transformation ถึงแม้ว่ากระบวนการทำ Digital Transformation จะไม่ได้มีสูตรสำเร็จตายตัว แต่องค์ประกอบที่ชัดเจนที่คุณปาจรีย์ได้แนะนำไว้ โดยอ้างถึงแนวคิดจาก Gartner คือ การปลูกฝังค่านิยมและชุดความคิด (mindset) ผนวกกับกระบวนการทำงาน (process) ที่พร้อมรับความเปลี่ยนแปลงอยู่เสมอ เมื่อถูกขยายผลด้วยเทคโนโลยี (technology) ที่ตอบโจทย์และภารกิจขององค์กร จะนำไปสู่ขีดความสามารถ (capabilities) ใหม่ ๆ ที่สร้างประสิทธิผลเชิงประจักษ์ บทสรุป ท่ามกลางยุคที่ความเปลี่ยนแปลงเป็นเรื่องปกติ องค์กรที่ผ่านกระบวนการ Digital Transformation จะสร้างขีดความสามารถในการผลิตนวัตกรรมที่เป็นมากกว่าการเติบโต แต่อาจหมายถึงความอยู่รอดขององค์กร ทั้งนี้ คุณปาจรีย์ได้เน้นย้ำว่า ความท้าทายหลักของ Digital Transformation คือการบริหารจัดการทรัพยากรบุคคล และวัฒนธรรมองค์กร ซึ่งองค์กรสามารถเริ่มวางยุทธศาสตร์ตามหลักการเปลี่ยนพฤติกรรมและชุดความคิด (behavior and mindset) ภายในองค์กร ผนวกกับกระบวนการ และเทคโนโลยีที่เหมาะสม เนื้อหาโดย ปพจน์ ธรรมเจริญพร ตรวจทานและปรับปรุงโดย ปพจน์ ธรรมเจริญพร

1 June 2023

บทความ

Movements

ตรวจจับบริษัททุจริตโดยใช้ Machine Learning วิเคราะห์งบการเงิน

ความไม่ซื่อสัตย์ในการดำเนินธุรกิจนั้นไม่ใช่สิ่งที่แปลกใหม่ ถึงแม้ว่าประวัติศาสตร์จะได้สอนเราว่าการทุจริตไม่ส่งผลดีในระยะยาว แต่ก็ยังมีข่าวอื้อฉาวด้านการเงินมากมายเกิดขึ้นในหลายประเทศ การปฏิวัติอุตสาหกรรม 4.0 ที่กำลังเกิดขึ้นอยู่ ณ ตอนนี้ ในมุมหนึ่งก็ยิ่งทำให้เกิดการฉ้อโกงกันง่ายขึ้น แต่ในอีกมุมหนึ่งก็ได้ทำให้เกิดเครื่องมือใหม่ ๆ ที่สามารถนำมาช่วยตรวจจับบริษัทที่ไม่ซื่อสัตย์ที่มีวิถีปฏิบัติคดโกงได้ งานวิจัยโดย Joanna Wyrobek จาก Department of Corporate Finance, Cracow University of Economics ประเทศโปแลนด์ ได้ทำการตรวจสอบว่า มีความเป็นไปได้หรือไม่ที่จะสร้างโมเดล machine learning ให้มีประสิทธิภาพในการนำงบการเงินรายปีของบริษัทหนึ่ง ๆ มาใช้ระบุว่าบริษัทเดียวกันนี้มีธุรกรรมที่ฉ้อโกงอย่างมีนัยสำคัญในปีเดียวกันหรือไม่ โดยธุรกรรมที่ฉ้อโกงนี้อาจจะ แต่ไม่จำเป็นต้อง ส่งผลต่องบการเงินในปีเดียวกันโดยตรงก็ได้ เพราะถึงแม้ธุรกรรมการโกงจะไม่ได้มีผลต่องบการเงินของบริษัทโดยตรง แต่พฤติกรรมการโกงนี้ก็อาจมีผลต่องบการเงินในทางอ้อม ซึ่งจะทำให้เกิด pattern บางอย่างที่สามารถนำ machine learning หรือ AI มาตรวจจับได้ สร้างโมเดล Machine Learning โดย Wyrobek ได้รวบรวมข้อมูลงบการเงินของ 54 บริษัทที่ถูกลิสต์ไว้ใน Wikipedia ว่าได้มีการฉ้อฉลทางบัญชีครั้งใหญ่ที่สุดในศตวรรษที่ 20 และได้เลือกอีก 58 ตัวอย่างบริษัท “ซื่อสัตย์” ที่อยู่ในอุตสาหกรรมเดียวกันกับ 54 บริษัทแรก, มีขนาดใกล้เคียงกัน, และมีประเภทกิจกรรมการดำเนินธุรกิจที่ใกล้เคียงกัน ซึ่ง Algorithm จะถูกฝึกสอนด้วยงบการเงิน 1,317 ฉบับ บริษัทที่ถูกคัดเลือกมาทำโมเดลนี้ส่วนใหญ่ลิสต์อยู่ในตลาดหุ้น NYSE หรือไม่ก็ NASDAQ ซึ่งถูกระบุปีที่บริษัทได้ลงมือทำการโกงโดยอาศัยข้อมูลการตรวจสอบของ SEC (Securities and Exchange Commission) และข่าวตีพิมพ์เกี่ยวกับการติดสินบน, การหลีกเลี่ยงภาษี, และกลโกงอื่น ๆ ที่กระทำโดยบริษัทเหล่านี้ ข้อมูลที่ใช้สำหรับงานวิจัยนี้เอามาจากเว็บไซต์ของ SEC โดยจะเป็นฐานข้อมูลการสืบสวนของ SEC และงบการเงินประจำปี (รายงาน 10-K) แต่สำหรับข้อมูลในบางปีที่ขาดหาย และข้อมูลของบริษัทที่ไม่ได้ลิสต์อยู่ในตลาดหลักทรัพย์นั้น จะใช้ฐานข้อมูลจาก Thompson Reuters Worldscope โดยใช้งบการเงินทุกงบ (งบดุล, งบกำไรขาดทุน, และงบกระแสเงินสด) และอัตราส่วนทางการเงินต่าง ๆ รวมแล้วมีทั้งหมด 298 ตัวแปร ผลการวิเคราะห์ ตารางในรูปที่ 1 แสดงผลจากการเทรนโมเดล ซึ่งจะเห็นได้ว่า accuracy ของ algorithms ที่ดีที่สุดนั้นสูงเกือบ 95% การที่โมเดลของงานวิจัยนี้มีประสิทธิภาพดีนั้น มองในมุมหนึ่ง ก็เป็นเพราะว่า ผู้วิจัยเลือกใช้เฉพาะกรณีอื้อฉาวฉ้อโกงบัญชีที่มีนัยสำคัญที่สุดในศตวรรษที่ 20 ซึ่งเป็นเคสที่มีความชัดเจนในการโกงมากที่สุด มาทดสอบ (evaluate) โมเดล คงจะเป็นเรื่องที่น่าแปลกใจมากถ้า ดันมีกรณีที่โมเดลนี้ไม่สามารถตรวจจับเคสที่มีการโกงอย่างชัดเจนเหล่านี้ได้ แต่ถ้ามองในอีกมุมหนึ่งแล้ว การโกงเหล่านี้ในหลายเคสก็ไม่ได้ส่งผลกระทบโดยตรงต่องบการเงินของบริษัท แต่โมเดลก็ยังคงสามารถตรวจจับได้ Algorithms ที่ประสบความสำเร็จมากที่สุดในที่นี้คือ gradient-boosted decision trees (XGB) และ random-forest (RF) โดยที่ XGB มี accuracy = 93.5%, precision = 67.3%, และ recall = 92.0% ส่วน random forest นั้นมี accuracy = 94.7%, precision = 80.0%, และ recall = 76.1% ผู้วิจัยพบว่าหนึ่งในโมเดล “ดั้งเดิม” ที่ชื่อว่า linear discriminant analysis (LDA) นั้นก็ค่อนข้างที่จะมีประสิทธิภาพดีเช่นกัน โดยมี accuracy = 92.2%, precision = 68.3%, และ recall = 68.7% ลองมาดูที่พารามิเตอร์ต่าง ๆ ใน confusion matrix กันบ้าง จะพบว่า XGB นั้นมี 1st type error (% False Positive) เท่ากับ 6.30% และมี 2nd type error (% False Negative) เท่ากับ 7.98% ซึ่งหมายความว่า algorithm นี้มองผิดว่าบริษัทที่ซื่อสัตย์เป็นบริษัทที่ไม่ซื่อสัตย์เพียงแค่ 7 เคสใน 100 และมองผิดว่าบริษัทที่คดโกงเป็นบริษัทที่เชื่อถือได้ 8 เคสใน 100 เคส ส่วนใน random forest algorithm นั้นมี 1st type error (% False Positive) เท่ากับ 2.68% และมี 2nd type error (% False Negative) เท่ากับ 23.9% และสำหรับ LDA นั้น 1st type error (% False Positive) เท่ากับ 4.5% และ 2nd type error (% False Negative) เท่ากับ 31.3% วิธีหนึ่งในการทำความเข้าใจผลลัพธ์ของโมเดล คือการดูตัวแปรที่ถูก algorithms ต่าง ๆ เลือกนำมาใช้เป็นหลัก 15 ตัวแปร จากทั้งหมด 289 ตัวแปร ผู้อ่านสามารถดูรายละเอียดได้ในหัวข้อที่ 4.1 ของเปเปอร์ต้นฉบับ ส่วนในบทความนี้จะขอกล่าวอย่างสรุปดังนี้ ใน algorithms ต่าง ๆ ทั้งหมดที่งานวิจัยชิ้นนี้ใช้ พบว่าบริษัทที่ไม่ซื่อสัตย์ จะมีค่าของตัวแปรต่าง ๆ เหล่านี้สูงกว่าในบริษัทปกติทั่วไป: และมีค่าของตัวแปรต่าง ๆ เหล่านี้ต่ำกว่าในบริษัทปกติทั่วไป: รายการที่ A1 ถึง A10 บ่งชี้ว่า ในงบการเงินของบริษัทที่ไม่ซื่อสัตย์โดยส่วนมาก มักจะมีรายการลงทุนต่าง ๆ...

18 January 2023

บทความ

Movements

เหตุใดการเปลี่ยนองค์กรเป็น Data-driven ถึงยากลำบาก

การเปลี่ยนแปลงองค์กรให้เป็นองค์กรที่ขับเคลื่อนด้วยข้อมูล (Data-driven) ดูเหมือนจะเป็นเป้าหมายสำคัญหลักของหลาย ๆ องค์กรในช่วงทศวรรษที่ผ่านมา แต่ทำไมเราถึงเห็นผลลัพธ์ของการเปลี่ยนแปลงที่หลากหลายแตกต่างกันไป จากการสำรวจพบว่า วัฒนธรรมองค์กร คือปัจจัยหลักที่ทำให้การเปลี่ยนแปลงเกิดขึ้นได้ยาก ไม่ใช่ด้วยเหตุผลทางเทคโนโลยีหรือกระบวนการเหมือนที่หลาย ๆ คนคิด นอกจากนั้นการที่ข้อมูลมีปริมาณและความหลากหลายเพิ่มขึ้นอย่างต่อเนื่อง รวมถึงความกังวลในเรื่องข้อมูลส่วนบุคคลและความปลอดภัยในการปกป้องข้อมูล ยังเป็นการซ้ำเติมให้การแก้ไขปัญหานี้มีความยากลำบากยิ่งขึ้นอีกด้วย บทความนี้จะขอเสนอหลักการ 3 ข้อที่จะช่วยคลี่คลายปัญหาและนำพาองค์กรให้บรรลุเป้าหมายได้ ปัจจุบันความท้าทายขององค์กรในการกำหนดยุทธศาสตร์ด้านข้อมูลอาจจะไม่ใช่เรื่องของเทคโนโลยีอีกต่อไป จากรายงานผลการสำรวจประจำปีของ NewVantage Partners ซึ่งเป็นรายงานว่าด้วยการติดตามความคืบหน้าของการริเริ่มด้านข้อมูลในบริษัทต่าง ๆ พบว่าผู้บริหารระดับสูงด้านข้อมูลของหลาย ๆ บริษัทต่างลงความเห็นว่า วัฒนธรรมองค์กร เป็นปัจจัยหลักที่เป็นอุปสรรคในการขับเคลื่อนองค์กรด้วยข้อมูล สูงถึง 91.9% ส่วนอีก 8.1% คือปัจจัยเรื่องข้อจำกัดทางเทคโนโลยี นี่เป็นปัญหาที่เข้าใจและคาดการณ์ได้ เพราะการเปลี่ยนองค์กรเป็นองค์กรที่ขับเคลื่อนด้วยข้อมูลนั้น ว่าด้วยความสามารถในการปรับเปลี่ยนและเปลี่ยนแปลงของทั้งคนและองค์กรพร้อมกัน องค์กรที่ก่อตั้งมาเนิ่นนานและประสบความสำเร็จไม่สามารถเปลี่ยนแปลงได้รวดเร็วเหมือนบริษัทเล็ก ๆ ที่เพิ่งเริ่มสร้างตัว การปรับตัวใช้อินเทอร์เน็ตหรือเทคโนโลยีใหม่ ๆ ในบางองค์กรต้องใช้เวลานานกว่าทศวรรษจึงสำเร็จ การปรับตัวเรื่องการใช้ข้อมูลในองค์กรก็อาจใช้เวลานานไม่ต่างกัน ถึงแม้ว่าปัญหานี้ไม่ใช่ปัญหาใหม่ แต่ก็ยังโชคดีที่ 2-3 ปีที่ผ่านมา มีเหตุการณ์สำคัญที่เป็นตัวเร่งให้ทั้งคนและองค์กรเกิดการปรับตัวอย่างยิ่งยวด นั่นคือ โควิด-19 และถึงแม้ที่ผ่านมาองค์กรจะบอกว่าตนเองให้ความสำคัญกับข้อมูล แต่เราก็รู้ดีว่ามันเป็นเพียงแค่ลมปาก จนโควิด-19 มาทำให้รู้ว่าในภาวะวิกฤติ ข้อมูลมีความสำคัญอย่างไร และข้อมูลที่จริง สำคัญ และน่าเชื่อถือเท่านั้นที่จะใช้ประโยชน์ในการตัดสินใจทางธุรกิจได้ การเปลี่ยนองค์กรเป็น Data-driven คือ การเดินทางที่อาจจะใช้เวลาเป็นปีหรือสิบปี จะมีขั้นตอนอะไรที่ผู้นำองค์กรสามารถเร่งเวลาหรือย่นระยะทางให้สั้นลงได้บ้าง มี 3 หลักการที่จะทำให้องค์กรกลายเป็นองค์กรที่ขับเคลื่อนด้วยข้อมูลได้ ดังนี้ 1. Think different, Data-driven thinking – คิดให้ต่าง คิดด้วยข้อมูล ผู้นำด้านข้อมูลให้ความเห็นว่าการขับเคลื่อนด้วยข้อมูลต้องใช้ชุดความคิดที่ต่างออกไปจากเดิม องค์กรต้องคิดต่าง ทลายกรอบความคิดของข้อจำกัดต่าง ๆ ไม่มีอัลกอริธึมมหัศจรรย์ที่จะเป็นสูตรสำเร็จหรือเป็นเส้นทางลัดสู่ความสำเร็จ สิ่งเหล่านี้ต้องเกิดจากการคิดวิเคราะห์แยกแยะ และการตัดสินใจที่สร้างสรรค์เพื่ออนาคต 2. Fail fast, learn faster – ล้มให้เร็ว ลุกให้เร็วกว่า มีคนเคยกล่าวไว้ว่า ความล้มเหลวคือตัวตั้งต้นพื้นฐานของนวัตกรรม คนเราเรียนรู้ผ่านประสบการณ์ และหลาย ๆ ครั้งประสบการณ์เกิดจากความผิดพลาด องค์กรที่มีวงล้อของการเรียนรู้การทดลองที่สั้นและเร็ว ยอมล้มเร็วเจ็บเร็ว ประสบการณ์ที่ได้จะทำให้ลุกขึ้นอย่างแข็งแกร่ง และอยู่สูงกว่าคู่แข่งเสมอ 3. Focus on the long-term – มองให้ไกล “PERFECT IS THE ENEMY OF GOOD.” –VOLTAIRE การเปลี่ยนแปลงคือกระบวนการที่ใช้เวลา ความสมบูรณ์แบบยากมากที่จะทำได้สำเร็จ การแบ่งเป้าหมายความสำเร็จไว้เป็นชิ้น ๆ และอยู่ในระยะที่เอื้อมถึงได้เป็นสิ่งที่ควรทำ แต่ขณะเดียวกันก็ควรมีการวางแผนและเป้าหมายในระยะยาวไว้ด้วยเช่นกัน (ขอแนะนำบทความเรื่อง ประชาธิปไตยข้อมูล (Data Democratization) เทรนด์ที่องค์กรควรสนใจ) การแข่งขันเพื่อเป็นผู้นำในการใช้และขับเคลื่อนองค์กรด้วยข้อมูล วิสัยทัศน์ของผู้นำนั้นสำคัญมากต่อการปรับเปลี่ยนวัฒนธรรมองค์กร ถึงแม้จะเป็นเรื่องยากและใช้เวลา แต่หากรู้จักเรียนรู้จากประสบการณ์ของคนยุคก่อนและนำมาประยุกต์ปรับใช้เพื่อหลีกเลี่ยงความผิดพลาดเช่นในอดีต ร่วมกับการศึกษาตัวอย่างขององค์กรที่ก้าวหน้าในเรื่องนี้อยู่ตลอด จะทำให้องค์กรสามารถขับเคลื่อนด้วยข้อมูลได้อย่างสำเร็จแน่นอน อ้างอิง

11 August 2022

บทความ

Movements

ประชาธิปไตยข้อมูล (Data Democratization) เทรนที่องค์กรควรสนใจ

คำถามเหล่านี้เป็นคำถามเกี่ยวกับความเสมอภาคในการเข้าถึงและใช้ประโยชน์ของข้อมูลในองค์กร ซึ่งเป็นคนละประเด็นกับสิทธิ์ในการเข้าถึงข้อมูลบางประเภท (User Type) ทำให้หลายๆองค์กรเริ่มมองถึงความไม่เสมอภาคนี้และเป็นที่มาของการทำข้อมูลให้เป็นประชาธิปไตย หรือ Data Democratization ประชาธิปไตยข้อมูล (Data Democratization) ไม่ใช่แค่เรื่องของ การเข้าถึงข้อมูล (Data Access) การทำข้อมูลให้เป็นประชาธิปไตยนั้นมักจะถูกเข้าใจว่าเป็นการให้ทุกคนสามารถเข้าถึงข้อมูลได้อย่างทั่วถ้วนเท่านั้น ซึ่งไม่ถูกเสียทั้งหมด เพราะผู้บริหารก็คงไม่อยากให้พนักงานเห็นข้อมูลความลับของบริษัท หรือฝ่ายบุคคลก็คงไม่อยากให้เราเห็นเงินเดือนของเพื่อนร่วมงานด้วยเช่นกัน ซึ่งหลักการใหญ่ๆในการทำข้อมูลให้เป็นประชาธิปไตย สรุปได้ดังนี้ เกิดขึ้นเพื่อ แก้ ปัญหาความท้าทายของการใช้ข้อมูล ทำไมองค์กรถึงควรให้ความสำคัญกับเรื่องนี้ ก็เป็นเพราะว่าเรื่องนี้เพื่อจะช่วยแก้ปัญหาที่คนในองค์กรต้องเผชิญเกี่ยวกับการใช้ข้อมูลในวันต่อวัน ซึ่งเป็นอุปสรรคใหญ่ที่ทำให้องค์กรไม่เป็น Data-driven สักที ลองพิจารณาประเด็นต่อไปนี้ ปัญหาทั่วไปที่ฟังๆดูแล้วก็น่าจะแก้ได้ด้วยการทำ Data Governance ในองค์กรได้ (ขอแนะนำให้ลองอ่านกรอบการวิเคราะห์ข้อมูลขนาดใหญ่ภาครัฐ) ซึ่งก็ถูกต้องในแง่ของการการทำโครงสร้างให้มั่นคงพร้อมรับสถานการณ์การใช้ข้อมูลแบบต่างๆ แต่อีกปัญหาใหญ่ที่ยังไม่ถูกแก้ด้วย Data Governance คือ เครื่องมือที่เหมาะสมกับผู้ใช้งาน การมีเครื่องมือที่เหมาะสม คือ ความเสมอภาค “จอบที่เหมือนกัน ไม่ได้ทำให้ทุกคนได้หัวมันที่เท่ากัน และหัวมันที่เท่ากันก็ไม่ได้ทำให้คนอิ่มเท่ากันได้” “ความเสมอภาค” คือการเข้าถึงโอกาสได้เหมือนกัน บางคนต้องการน้อย บางคนต้องการมาก เช่นเดียวกับการเข้าถึงและใช้งานข้อมูล อันดับแรกในการสร้างความเสมอภาคคือ ต้องเข้าใจว่าผู้ใช้ต้องการอะไร เช่น จะดีกว่าไหมหากให้เครื่องมือที่แต่ละฝ่ายสามารถใช้วิเคราะห์ง่ายๆได้เอง เช่น ทำ Dashboards หรือวิเคราะห์ทำนายผลพื้นฐาน และเหลือเพียงงานหินๆให้ทีม Data Science ได้ลงมือได้เต็มที่ ซึ่งในปัจจุบันก็มี Software มากมายที่ให้ผู้ใช้งานสร้าง Dashbaords ได้ภายในไม่กี่นาที ด้วยการลากวาง หรือการสร้าง Model ทำนายผล ที่ไม่ต้องเขียนโค้ด สามารถลากวาง กำหนดค่า และแปรผลให้เราได้เอง ส่วนที่องค์กรต้องสนับสนุนเพิ่มคือ การอบรมใช้เครื่องมือ และความเข้าใจทางสถิติให้แก่พนักงาน Modern Data Stack เป็นชุดของเครื่องมือที่องค์กรควรลงทุนเพื่อตอบสนองความต้องการใช้ข้อมูลของส่วนต่าง ๆ ในองค์กร ทั้งนี้องค์กรก็ควรพิจารณาถึงขนาดความต้องการและความพร้อมของข้อมูล (Data Maturity) ในองค์กรประกอบด้วย โดยส่วนใหญ่แล้วองค์กรด้านธุรกิจมักจะลงทุนในเครื่องมือเหล่านี้ Dataportal กรณีศึกษา Data Democratization ที่ Airbnb ลองมาดูตัวอย่างการทำให้ข้อมูลเป็นประชาธิปไตยอย่างเป็นรูปธรรมกัน ที่ Airbnb ซึ่งเป็นเทคสตาร์ทอัพด้านการจองที่พักที่มีการเติบโตในจำนวนพนักงานและจำนวนข้อมูลที่พร้อม ๆ กัน ปัญหาที่เกิดขึ้นคือการเข้าถึงสิ่งที่ต้องการในทะเลของข้อมูล (Data Lake) อย่างไรให้มีประสิทธิภาพและประสิทธิผลสูงสุด จึงเป็นที่มาของ Dataportal เครื่องมือและช่องทางให้พนักงานของ Airbnb เข้าถึงและเข้าใช้ข้อมูล ด้วยการอำนวยความสะดวกดังต่อไปนี้ การขับเคลื่อนองค์กรด้วยข้อมูลเริ่มต้นจากประชาธิปไตยของข้อมูล ความเสมอภาค คือคำสำคัญหลักที่ทำให้เกิดประชาธิปไตย การทำให้คนในองค์กรสามารถเข้าถึงและใช้ข้อมูลตามสิทธิของตนเองได้ ด้วยเครื่องมือที่เหมาะสมกับความสามารถและลักษณะของงาน จะสร้างให้เกิดบรรยากาศการทำงานกับข้อมูลอย่างเป็นรูปธรรม ซึ่งจะนำไปสู่การเกิดวัฒนธรรมที่คนในองค์กรจะหยิบยกข้อมูลมาพูดคุยและถกเถียงกัน เมื่อข้อมูลถูกวิเคราะห์ ตกตะกอน กลายเป็นข้อสรุป เกิดเป็นการตัดสินใจ องค์กรนั้นก็สามารถเรียกตัวเองได้ว่าเป็น Data-driven แหล่งอ้างอิง

28 February 2022

บทความ

Movements

เฟ้นหาวิธีการสร้างสุดยอดทีมในองค์กรด้วย Data

มาเรียนรู้วิธีการสร้างทีมงานภายในองค์กรของคุณเอง ให้มีประสิทธิภาพสูงสุด ด้วย Data-Driven Approach จากงานวิจัยของ Google

13 May 2021

รู้จัก BDI

Organization

Policy and Plan

Personnel

Operations