เรามักจะได้ยินบ่อยๆ ถึงความสำคัญของ Machine Learning และ Artificial Intelligence และเราก็เห็นหลายๆองค์กรอยากทำเหลือเกิน แต่จริงๆแล้วไม่ใช่ทุกองค์กรที่จะได้ประโยชน์จากการทำ Machine Learning หรือ Artifice Intelligence

ก่อนจะไปถึงตรงนั้น ขอเล่าก่อนว่า มันจะมี ทฤษฎีของ Maslow's Hierarchy of Needs ว่าคนเราเนี่ย จะต้องเติมเต็มความต้องการด้าน Physical ต่างๆก่อน เช่น มีข้าวกิน มีที่อยู่อาศัย ก่อนที่จะไปคิดว่าจะติดโควิดตายไหมนะ (และใช่ นี่คือเหตุผลที่ทำไมหลายคนยังต้องไปทำงานอยู่ คือกลัวโควิดฉันก็กลัวแหละ แต่ถ้าฉันไม่ทำชั้นอดตายแน่ๆ ไม่ต้องลุ้นเลย)

กลับมาที่เรื่องของ Data เราก็มี Hierarchy of Needs เหมือนกันแต่เป็นทางฝั่งของ Analytics นะ โดยเป็นโมเดลที่ Davoy.tech เสนอมา โดยล้อไปกับทฤษฏีของ Maslow นี่แหละ

Step:1 Physical Need <> Data Driven Decision
คือคนเราก็ต้องมีปัจจัยสี่ฉันใด การเริ่มทำ data ก็ต้องเริ่มจากการที่คนอยากเอาไปใช้ฉันนั้น ถ้าทำดาต้าแล้วผู้บริหารไม่ฟังเราเนี่ย ก็อย่าได้เริ่มทำอะไรเยอะแยะ ให้เค้าเริ่มใช้ data ในการตัดสินใจก่อน โดยการทำให้รู้ว่า เออ การใช้ data แล้วมันทำให้แม่นขึ้นนะ

Step 2: Security <> Integrated Data
หลังจากที่เรามีปัจจัยสี่แล้ว สิ่งต่อไปที่คนเราต้อการคือความปลอดภัยในชีวิต ซึ่งเปรียบได้กับการที่เราจะเอา data หลายๆส่วนมาใช้ มารวมกันเป็นก้อนเดียว เพื่อทำให้เรามั่นใจในข้อมูลกันมากขึ้น แทนที่จะเป็นต่างแผนกต่างทำกันเอง

Step 3: Social <> Real-time Data
หลังจากที่เรามี data ที่สมบูรณ์ เราก็จะเริ่มเน้นแล้วว่า อยากให้ข้อมูลมันไวขึ้น จากเดิมดู report ทุกสิ้นเดือน จะดีมั้ยถ้าตื่นเช้ามาแล้วเราได้ดูทุกวันผ่านทางโปรแกรม Tableau, Power BI หรือแม้กระทั่งส่งเข้าไปในไลน์

Step 4: Self-Esteem <> Individual Data
ต่อจากยอดขายรายวัน ขั้นตอนต่อไปเราจึงจะเริ่มดูข้อมูลรายคน รายหัว เพื่อที่จะได้เห็นข้อมูลที่ชัดเจนขึ้นไปอีก โดยเฉพาะอย่างยิ่งพวก Customer Segmentation, RFM ใดๆใน Marketing 5.0 จะไม่เกิดเลย ถ้าไม่ได้มี individual data

Step 5: Self-Actualization : Machine Learning
ใดๆหลังจากได้ครบแล้ว ค่อยขึ้นไปทำ Machine Learning / AI เช่น การแนะนำสินค้าแบบ real-time ฯลฯ

ในปัจจุบันเราว่าบริษัทหลายๆที่ แม้แต่บริษัทใหญ่ๆเอง เรายังอยู่กันที่ Step1-2 กันอยู่เลย บางที่อาจจะไป Step3-4 แล้ว แต่ทุกคนชอบเหลือเกินคำว่า AI , Machine Learning เลยอยากจะบอกว่าเราต้องวางรากฐานให้มั่นคงก่อน แล้วค่อยก้าวต่อไป

ถ้าตามเราจริงๆแล้วบริษัทที่ไปได้ถึงระดับที่ 5 จริงๆแทบจะเรียกได้ว่าน้อยมากๆ เช่น Google, Facebook, Netflix แม้กระทั่งค่ายมือถือใหญ่ในเมืองไทย เรายังเห็นอยู่กันระดับ 3-4 กันอยู่เลยด้วยซ้ำ 

ซึ่งนี่ไม่ใช่เรื่องไม่ดี เรื่องที่ดีคือเราควรจะก้าวต่อไปในระดับของตัวเอง ไม่ใช่ว่าวันนี้เรายังไม่ได้ใช้ข้อมูลในการตัดสินใจเลย แต่กลับไปซื้อระบบ Machine Learning มาใช้ซะแล้ว...

ปล. แต่ถ้า data อยู่บนกระดาษ เราก็จะใช้รันอะไรไม่ได้เลยนะ นอกจากจะต้องมีคนมาคีย์ข้อมูลก่อน

ปปล. ถ้าอยากลองวางรากฐานให้บริษัทตัวเอง แต่ไม่รู้จะเริ่มยังไง สามารถปรึกษาเราได้ที่ [email protected] เลยค่ะ