สรุปเนื้อหาจาก AImpower โดย Techsauce ร่วมกับ Thinking Machines เปิดคอร์สเจาะลึกเกี่ยวกับ AI และ Data Science ซึ่ง Session นี้เป็นส่วนหนึ่งของ Building a Data Organization Trip and Tricks from Experienced Leaders ประกอบด้วย Speaker ซึ่งทำงานในแผนกที่เกี่ยวข้องกับ Data Team ภายในองค์กร E-Commerce ชื่อดังจากต่างประเทศ ได้แก่ Amazon, Walmart และ eBay

โดยใน Session นี้จะเป็นการแลกเปลี่ยนประสบการณ์เกี่ยวกับการสร้างทีม Data and Insight Analytics ไปจนถึงในส่วนของการ Optimization สำหรับกลุ่ม E–Commerce ว่ามีกระบวนการทำงานและมีโครงสร้างของทีมที่แตกต่างกันอย่างไรบ้าง รวมถึงแนวทางของการบริหารองค์กรและส่วนธุรกิจที่จะมีบทบาทในการกำหนดเป้าหมายทางธุรกิจ จุดประสงค์ในการจัดตั้ง Data Team ขึ้นมาเพื่อตอบโจทย์ด้านการประยุกต์ใช้เทคโนโลยีเพื่อให้เกิดคุณค่าทางธุรกิจต่อองค์กรที่แท้จริง

Data Team Structure

สำหรับ Speaker ท่านแรก คุณแนท Jeeranat Sithivaraporn Technical Program Manager of Walmart ได้แชร์ประสบการณ์การทำงานในทีมที่ดูแลด้าน “Search Experience” ของทาง Walmart ซึ่งจะมีหน้าที่พัฒนาให้เกิดการค้นหาสินค้าอย่างมีประสิทธิภาพมากที่สุดและเกิดปัญหาน้อยที่สุดต่อผู้ใช้งาน 

การแบ่งโครงสร้างการทำงานของทีม Search จะถูกแบ่งตาม Workstream ของ Features ต่าง ๆ เป็น Sub-Team ขนาดไม่เกิน 5 คน ประกอบด้วย Product Manager 1 คน Engineer 2-3 คน และ Data Scientist 1 คน หรือใน Feature ใหญ่ ๆ จะมีการ Cross-Functional Team โดยมี Product Manager ใหญ่ที่คอยควบคุมการทำงานทั้งระบบอีกทีหนึ่ง โดยทีมจะอยู่ภายใต้ Search Product มีทั้งหมดประมาณ 250 คน และแบ่งเป็น 3 ส่วนหลัก ได้แก่

• Search Engineering ดูแลด้าน Platform Infrastructure การพัฒนาโมเดล Optimization การติดตาม Advertise Monitoring ไปจนถึง Runtime Application  
• Search Algorithm ประกอบด้วย Data Scientist ที่จะจัดการในเรื่องข้อมูลทั้งกระบวนการ (End-to-End) การพัฒนาโมเดล Machine Learning และจะเน้นการทำ Research & Develop เกี่ยวกับโมเดลที่ใช้ในอุตสาหกรรมรวมถึงการนำมาใช้งานกับองค์กรในโปรเจคต่าง ๆ ไปจนถึงการดูแลปรับปรุง Data Pipeline เพื่อการใช้งานทั้งระบบ 
• Search Product and Analytics ซึ่งจะมี Product Manager คอยวางแผนและกำหนด Product Strategy เพื่อพัฒนาประสิทธิภาพในส่วนต่าง ๆ คอยกำกับให้โปรเจคเรียบร้อย

นอกจากนี้ Data Team จะมีอีกทีมหนึ่งที่ทำหน้าที่ในการรวบรวมข้อมูลการใช้งานของลูกค้าผ่านการกดคลิกบนหน้าเว็บไซต์โดยทำการบันทึกลงใน Database  ชื่อว่า Walmart Overall เพื่อส่งต่อไปยังกระบวนการต่อไปเช่น ทีม Search จะมีหน้าที่ในการดึงข้อมูลออกมาเพื่อสร้างเป็นชุดข้อมูลรูปแบบต่าง ๆ สำหรับการใช้งาน และต่อส่งต่อให้กับ Data Scientist

ในส่วน Speaker ท่านที่สอง คุณหมิว Supanida Rangsriseneepitak Senior Product Manager of Amazon แชร์ถึงการทำงานในภาพรวมของ Product Team โดยในส่วนงาน Product Manager จะทำงานผสมผสานกับ Data Team เพื่อทำหน้าที่ในการกำหนดกลยุทธ์ (Strategy & Roadmap) และเป็นตัวกลางในการประสานงานกับส่วนงานอื่นที่เกี่ยวข้องทั้งหมด ทำหน้าที่ดูแลทีม Data Analytics รวมถึงกำหนด Analytic Strategy ที่จะช่วยสนับสนุนการทำงานของ Amazon Supply Chain ตั้งแต่การกำหนดราคา การคำนวณกำไรขาดทุนของสินค้า การนำเข้าสินค้าภายในโรงงาน รวมถึง Product & Feature อื่น ๆ ขององค์กรที่เกี่ยวข้องกับ Supply Chain

สำหรับโครงสร้างทีมจะมีแนวทางในการแบ่งทีมย่อยหรือรูปแบบ Scrum Team ตาม Workstream ของธุรกิจ คือ การ Optimization กลยุทธ์และขอบเขตงานจะถูกกำหนดจาก Value Chain เช่น การนำเข้าสินค้า การคัดเลือกสินค้า การจัดวางสินค้า ความรวดเร็วในการจัดส่ง การคืนสินค้า ไปจนถึงการพัฒนา Reverse Logistic ซึ่งจะประกอบไปด้วยคนหลากหลายหน้าที่ที่เกี่ยวข้องกับโปรเจคมาพัฒนา Product & Feature ร่วมกัน ได้แก่ คนจากทีม Business Intelligence, Business Analytics 2 คน คนจาก Engineer Developer 2-3 คน และคนจาก Operation อีกจำนวนหนึ่ง

 ซึ่งทาง Amazon จะให้ความสำคัญกับมุมมองจากทีม Finance ให้ช่วยในการวิเคราะห์โมเดลต่าง ๆ เพื่อเปรียบเทียบ Cost Assumption กับทีมอื่น ๆ ด้วยโดยรวมแล้วทีมจะมีประมาณ 10 คน โดย Amazon จะมี Term ที่เปรียบเทียบทีมกับขนาดของพิซซ่าว่าไม่ควรมีขนาดใหญ่เกินจำนวนชิ้นของพิซซ่า (One-Pizza Team Two-Pizza Team) เพราะจำนวนคนที่เยอะเกินไปจะทำให้ขาดประสิทธิภาพในการทำงานและปรับเปลี่ยนได้ช้า 

Amazon มีแนวทางว่าคนในทีมควรมีขอบเขตและพื้นที่ในการทำงานมากเพียงพอ เพื่อให้รู้สึกถึงความเป็นอิสระและการเป็นเจ้าของงานที่ต้องมีความรับผิดชอบในงานของตัวเอง (Ownership & Autonomy) ซึ่งจะทำให้เกิดประสิทธิภาพมากขึ้น นอกจากนี้ก็จะให้ความสำคัญกับ Standup Meeting เพื่อพูดคุยกันถึง Status ทุกอาทิตย์เพื่อวิเคราะห์ถึงปัญหา (Problem) ความคืบหน้า (Progress) เพื่อทำการสื่อสารไปยังหัวหน้าทีมอยู่เสมอ

ในส่วน Speaker ท่านที่สาม คุณวา Supitshaya Sappakijjanon Insight Manager of eBay ได้แชร์ถึงการทำงานในทีม Insight and Analytic ซึ่งเป็นส่วนหนึ่งของ Advertising Solution Product ซึ่งถือเป็น Key Product หนึ่งที่สำคัญของแพลตฟอร์ม eBay 

โดยโครงสร้างการทำงานของทีมจะอยู่ภายใต้ Business Unit หลักคือ Advertising Business โดยทีม Insight ของทาง ebay จะทำหน้าที่เป็น Center of Excellence (COE) เสมือนเป็น Centralize Hub within Product ดังกล่าว เพื่อเป็นศูนย์กลางด้านข้อมูลที่เกี่ยวข้องกับ Advertising Business ทั้งหมดเพื่อการนำไปใช้งาน

และอีกส่วนหนึ่งจะเป็นทีม Machine Learning ที่จะพัฒนาในส่วนการใช้งาน (Product Experiences) ควบคู่กัน โดยการทำงานจะมีความใกล้ชิดกับลูกค้าที่เป็น Seller หรือผู้ขายบนแพลตฟอร์มและการทำงานร่วมกับส่วนต่าง ๆ ภายในองค์กรแบบ Cross-Functional Team โดยมีเป้าหมายหลักเดียวกัน คือ การเพิ่มยอดการใช้งานของลูกค้าและการเพิ่มรายได้จากโฆษณา (Ads Monetization Revenue) ยกตัวอย่างเช่น ทีมที่พบไปลูกค้าจะนำ Feedback จากลูกค้ามาวิเคราะห์และปรับปรุงร่วมกับส่วนที่เกี่ยวข้องกับการพัฒนา Product เพื่อให้เกิดผลลัพธ์ที่ดียิ่งขึ้น

Aligned with Business Goal

จะเห็นว่าโครงสร้าง Data Team ของแต่ละองค์กรจะมีการแบ่งทีมแยกย่อยไปตาม Product หรือ Feature ของแพลตฟอร์มนั้น มีการแบ่งงานเป็น Sub-Team Cross-Funtional Product เพื่อให้สามารถดูแลและพัฒนาองค์ประกอบด้านต่าง ๆ ได้อย่างละเอียดยิ่งขึ้น โดยทุกทีมล้วนมีเป้าหมายในการเพิ่มประสิทธิภาพที่ต้องสอดคล้องไปกับเป้าหมายทางธุรกิจใหญ่ขององค์กร ซึ่งเป็นสิ่งที่กำหนดกรอบหรือแนวทางของการทำโปรเจคต่าง ๆ 

อย่างไรก็ตามหลายองค์กรมักเจอปัญหาการกำหนดตัวชี้วัดและการประเมินผลลัพธ์ที่ไม่สอดคล้องกัน ซึ่งอาจเป็นผลจากการสื่อสารถึงแนวทางและเป้าหมายอย่างไม่ทั่วถึงและเกิดความคลาดเคลื่อนในการทำงานร่วมกันท่ามกลางทีมที่มาจากส่วนต่าง ๆ ในหัวข้อนี้เป็นการแชร์ถึงเรื่องการทำความเข้าใจภายในทีมให้มีเป้าหมายที่สอดคล้องกับภาพใหญ่ขององค์กร

Process & Governance

ตัวอย่างของ Walmart มีการตั้งเป้าหมายเป็นสองระดับ คือ เป้าหมายขององค์กร (Goal as an Enterprise Level) และเป้าหมายของทีม (Goal as a Team Level) หมายถึง ผู้บริหารและหัวหน้าทีมต้องรู้และเข้าใจว่าเป้าหมายขององค์กรในแต่ละปีคืออะไร เพื่อนำมาสื่อสารให้กับคนในทีมจากทุกส่วน ไม่ว่าจะเป็น Search Lead, Tech Lead, Product Lead เพื่อให้คนในทีมเข้าใจว่าจะต้องทำโปรเจคอะไรเพื่อให้ตอบโจทย์เป้าหมายใหญ่

นอกจากนี้การทำงานให้เป็นไปในทิศทางเดียวกันต้องอาศัยการสื่อสารที่เข้าใจตรงกัน การสร้างสภาพแวดล้อมที่เอื้อให้เกิดความสัมพันธ์ที่แน่นแฟ้นและควรกำหนดแนวทางที่สามารถติดตาม Process Visibility ของตัวชี้วัดต่าง ๆ ให้ได้ เพื่อให้ทีมสามารถวิเคราะห์การทำงานของตนเองว่าควรทำอะไรตรงจุดไหน

 และสิ่งที่สำคัญที่สุดในการกำหนดเป้าหมาย คือ การตั้งเป้าหมายและตัวชี้วัดที่เหมาะสมกับงาน (Realistic Goal) เพื่อให้เกิดผลลัพธ์ที่จับต้องได้จริง นอกจากนี้ คุณหมิวเสริมสิ่งสำคัญในการสร้าง Data Team อีกสิ่งหนึ่งนอกจากเป้าหมายที่ชัดเจนแล้ว คือ การประเมินความศักยภาพของทีมรวมถึงเทคโนโลยีที่ใช้งาน (Know Limitation) ว่าแต่ละงานสามารถแก้ปัญหาได้จริงหรือไม่ อีกทั้งการศึกษาบริบทโดยรวมที่เกี่ยวข้องกับองค์กรและลูกค้า นอกเหนือจากเรื่อง Data Sense ด้านธุรกิจหรือชอฟ์ตแวร์ก็มีส่วนสำคัญในการพัฒนา Product เช่น ความรู้ด้าน Customer, Behaviour Economic , Psychology เป็นต้น

ในการ Cross-Functional Team ไม่มีรูปแบบเฉพาะตัว แต่ขึ้นอยู่กับรูปแบบขององค์กรและธรรมชาติในการทำงานของแต่ละธุรกิจ ซึ่งจะมีความแตกต่างกันในเรื่องของรายละเอียดและอุปสรรคที่เจอ 

สำหรับ eBay คุณวาแชร์ถึงสิ่งที่ทำให้ Data Team ของทาง eBay ทำงานในด้านการจัดการข้อมูลร่วมกันได้อย่างมีประสิทธิภาพ เพราะมีการกำหนด Business Unit และเป้าหมายที่ชัดเจน ทำให้การทำโปรเจคเกิดขึ้นภายใต้เเป้าหมายเดียวกัน ในแต่ละ Center of Excellence (COE) ก็จะมีการโฟกัสในขอบเขตงานของตนเองอย่างชัดเจน ทำให้ทีมเล็กมีแนวทางที่ช่วยในการกำหนด Streamline หรือกลยุทธ์ในแต่ละวันได้ (Principle Guiding Business) เช่น การออกแบบ Data System, Data Dashboard ก็จะออกแบบเพื่อตอบโจทย์ทางธุรกิจและสอดรับกับเป้าหมายขององค์กรด้วย

Support & Engage Value

ต่อมาในส่วนการนำข้อมูลเชิงลึกที่ได้มาช่วยเพิ่มคุณค่ากับตัวธุรกิจหรือนำมาต่อยอดด้านอื่นภายในองค์กร โดยส่วนมาก Data Team มักจะทำงานร่วมกับหลายภาคส่วนในองค์กร 

คุณหมิวในฐานะ Product Manager แชร์ว่าต้องทำการระบุเรื่องหรือปัญหาก่อนเป็นอันดับแรก จากนั้นตั้งสมมติฐานและแนวทางในการจัดการว่ารวมถึงการตรวจสอบความถูกต้องในวิธีการต่าง ๆ จากนั้นพิจารณาความพร้อมของข้อมูลว่าเรามีข้อมูลส่วนไหนที่ใช้สนับสนุนวิธีการทำงานได้บ้าง จากนั้นทำการออกแบบทางเลือกต่าง ๆ และทำการจัดลำดับความสำคัญว่าทางเลือกไหนควรทำก่อนหรือเก็บไว้เป็นการแก้ไขปัญหาระยะยาว และทำการกำหนดโครงสร้างของแผนงานให้สอดคล้องกับเป้าหมายขององค์กร

ในส่วนของ Product ยกตัวอย่างเช่น ทีม Insight ของ eBay จะมีการทำงานร่วมกับทีม Merchant เพื่อรับผิดชอบในส่วนการเพิ่มยอดการใช้งาน Feature ต่าง ๆ ของลูกค้าทั้ง Seller & Shoper ซึ่งสุดท้ายแล้วก็จะเป็นการเพิ่มยอดรายได้การใช้งานโฆษณา 

โดยกระบวนการแรก คือ การระบุ Persona ของลูกค้าเพื่อพัฒนารูปแบบการทำ Customer Segmentation และวิเคราะห์ว่าแต่ละกลุ่มมีความต้องการในการพัฒนาการขายอย่างไร อยู่ใน Business Stage ประมาณไหน มี Pain Point อย่างไร และมีศักยภาพในการใช้งาน Feature ตัวไหน จากนั้นทำให้คะแนนและจัดลำดับลูกค้าเพื่อทำการนำเสนอ Ads Product Portfolio ที่เหมาะสมกับธุรกิจนั้น จากนั้นนำข้อมูลที่ได้มาทำงานร่วมกับทีม Internal Stakeholder เช่น เมื่อรับ Feedback กลับมาคุยกับทีม Product & Go to Market เพื่อพัฒนาให้เกิด Suggest Rate Competitive ต่อลูกค้าที่เป็นผู้ขายมากที่สุด 

สำหรับทีม Search ของ Walmart ก็มีการทำงานร่วมกับทีม Merchant เช่นเดียวกัน โดยการรับฟังข้อมูลสินค้าประเภทต่าง ๆ รวมถึง Voice of Customer Requirement ที่เฉพาะเจาะจง โดยส่วนของทีม Search จะทำการออกแบบเครื่องมือที่อำนวยความสะดวกในการค้นหาสินค้าให้ง่ายยิ่งขึ้นตามคำแนะนำ เป็นต้น 

โดยสรุปแล้วนั้นการวางโครงสร้างของทีมและการกำหนดแนวทางในการทำงานให้สอดคล้องกับเป้าหมาย ผู้บริหารองค์กรมักจะตั้งคำถามถึงความคุ้มค่าในการลงทุนเกี่ยวกับส่วนงานที่มีการใช้เทคโนโลยีในการวิเคราะห์ประมวลนั้น ไม่ว่าจะเป็นทีม Product , Data , AI , IT ว่าจะสามารถสร้างคุณค่าในเชิงธุรกิจได้อย่างไร 

องค์กรควรเริ่มต้นจากการวิเคราะห์หาปัญหาที่เป็น Pain point ของธุรกิจว่าสามารถนำเทคโนโลยีมาแก้ไขปัญหาได้อย่างไร รวมถึงโอกาสที่องค์กรจะได้หากมีการนำเทคโนโลยีมาใช้ องค์กรต้องวางวิสัยทัศน์และวัตถุประสงค์เป็นส่วนแรก เพื่อสร้างกรอบในการจัดตั้ง Data Team ตามด้วยแนวทางในการทำงานที่ชัดเจนเพื่อให้องค์กรและพนักงานมีมุมมองและเป้าหมายที่เข้าใจซึ่งกันและกัน สำหรับองค์กรที่มีการวางโครงสร้างทีมงานหรือมีการจัด Data Transformation มาประมาณหนึ่งแล้ว ต้องสนับสนุนให้เกิดการพูดคุยกันอย่างสม่ำเสมอ ร่วมกันออกแบบวิธีการแลกเปลี่ยนข้อมูลรวมถึงตัวชี้วัดต่าง ๆ ทางธุรกิจ เพื่อให้เกิดประสิทธิภาพทั้งต่อทีม และนำมาซึ่ง Business Value ที่แท้จริง