ความท้าทายของการทำงานกับข้อมูลมีหลายเรื่อง ไม่ว่าจะเป็นการเก็บรวมรวมข้อมูลภายในองค์กรเอง ที่แต่ละแผนกไม่สามารถแบ่งปันข้อมูลได้อย่างมีประสิทธิภาพ การรวมรวมข้อมูลที่ต้องคำนึงถึงข้อมูลส่วนบุคคล และต่อให้ได้ข้อมูลมาอย่างถูกต้อง ข้อมูลที่ได้อาจจะไม่พร้อมสำหรับการวิเคราะห์ ต้องมีการจัดระเบียบเสียก่อน
และหนึ่งในความท้าทายก็คือการหาสาเหตุของสิ่งที่เกิดขึ้น หลังจากการวิเคราะห์ข้อมูล
1. ข้อมูลบอกเราได้เพียงแค่ปัญหาที่เกิดขึ้นเท่านั้น
พอเราวิเคราะห์ข้อมูลออกมาเสร็จเรียบร้อย ปรกติเราก็จะเห็นแนวหรือ Pattern ของข้อมูลต่างๆได้ชัดเจนขึ้น ปัจจัยหนึ่งสัมพันธ์กับอีกปัจจัยหนึ่งในทางบวกหรือลบ และมากแค่ไหน พฤติกรรมแบบไหนที่คล้ายๆกัน สามารถจับอยู่ในกลุ่มเดียวกันได้ เช่นกุ่มลูกค้าหนึ่งมีแนวโน้มน้อยในการซื้อสินค้าประเภทหนึ่งเทียบกับกลุ่มอื่นๆ
2. ข้อมูลแทบไม่ได้บอกเลยว่า “ทำไม” สิ่งต่างๆจึงเกิดขึ้น
ข้อมูลจะบอกเราได้ว่าเกิดอะไรขึ้น แต่เราไม่สามารถฟังธง 100% ว่าสิ่งที่เกิดขึ้นนั้นเกิดจากอะไร หรือเกิดเพราะอะไร และเราไม่ควรตีความไปเกินกว่าสิ่งที่ข้อมูลบอก เช่นข้อมูลบอกเราแค่ว่าคนอายุราว 33 ปีสามารถหางานที่มีเงินเดือนเกิน 50,000 บาท แต่ไม่ได้บอกเราชัดๆเลยว่าอายุของพนักงานมีผลต่อเงินเดือน
เมื่อข้อมูลไม่บอกว่าสิ่งที่เกิดขึ้น เกิดเพราะอะไร เรามักจะ “สมมติ” ในสาเหตุของสิ่งที่เกิดขึ้นเสมอ เช่นจะมาสมมติว่าคนสมัครใช้บริการฟิตเนสลดลงเพราะคนเรามีเวลาจำกัด จะสรุปแบบนี้ไม่ได้ เพราะเราไม่รู้ว่าที่คนที่ไม่สมัครเล่นฟิตเนสเป็นเพราะว่ามีเวลาจำกัดจริงๆหรือเปล่า หรือมีสาเหตุหลักๆอย่างอื่นด้วย
3. การสำรวจเชิงคุณภาพ (Qualitative Approach) จะบอกได้ว่าทำไมสิ่งต่างๆจึงเกิดขึ้น
เมื่อข้อมูลไม่ได้บอกว่าสิ่งต่างๆเกิดขึ้น “เพราะอะไร” เราเลยมีหน้าต้องไปสำรวจเอง ไม่ว่าจะไปสัมภษษณ์กลุ่มตัวอย่าง สังเกตพฤติกรรม หรือทำ Focus Group แน่นอนว่าเราต้องรู้ก่อนว่าเราจะไปสำรวจ “ใคร” แล้วเราอยากรู้ข้อมูล “อะไร” เพิ่มเติม เพื่อหาสาเหตุว่า “ทำไม” เขาถึงทำพฤติกรรมแบบนั้น?
ซึ่งสาเหตุที่ว่านั้น ไม่มีอยู่ในข้อมูลที่เรารวมรวมและวิเคราะห์มาก่อนหน้านี้ ตัวอย่างเช่น เราวิเคราะห์จากข้อมูล รู้ว่ามีกลุ่มคนอยู่กลุ่มหนึ่งติดตาม Influencer คนหนึ่งอยู่ ถ้าเราอยากรู้จริงๆว่ากลุ่มคนพวกนี้ติดตามทำไม เราก็ต้องสุ่มไปถามเขา แทนที่จะคิดเองเออเอง เวลาเราวางแผนการตลาด เราจะได้แก้ปัญหาตรงจุด
4. สาเหตุของสิ่งที่เกิดขึ้นเปลี่ยนแปลงได้เสมอ
เมื่อสาเหตุเปลี่ยนแปลงไปตามกาลเวลา วิธีแก้ไขปัญหาก็เปลี่ยนด้วย เช่นการต่อคิวซื้อของนานๆทำให้คนไม่อยากต่อคิวซื้อของ ถ้าเป็นก่อนที่สมาร์ทโฟนและอินเตอร์เน็ตจะพัฒนาเหมือนทุกวันนี้ เราอาจจะคิดหาทางที่ทำให้คนใช้เวลาต่อคิวน้อยลง
แต่พอมีสมาร์ทโฟน มี 4G ที่คนต่อคิวไม่ได้รู้สึกว่าตัวเองรอคิวนานเพราะมัวแต่กดโทรศัพท์ โจทย์มันกี่เปลี่ยน กลายเป็นว่าระยะเวลารอคิวกลับไม่ใช่ปัญหาหลักที่คนไม่ซื้อของของเราอีกต่อไป
5. ต้องรู้จักทดสอบเพื่อให้ได้วิธีแก้ไขปัญหาที่ดีที่สุด
วิธีทดสอบที่เรารู้จักกันดีอย่าง A/B Test คือถ้าอยากรู้ว่าวิธีแก้ปัญหาแบบใดมากว่ากัน เราก็แบ่งกลุ่มทดสอบออกเป็นสองกลุ่ม กลุ่มแรกได้รับการการแกปัญหาด้วยวิธีที่เราเชื่อว่าได้ผล (จากการวิเคราะห์ข้อมูลแล้ว) กับอีกกลุ่มที่ไม่ได้รับการแก้ไขด้วยวิธีที่ว่า
แล้วมาดูกันว่าวิธีแก้ไขดังกล่าวได้ผลหรือไม่? และมากน้อยแค่ไหน?
ซึ่งการทำ A/B Test แบบนี้ต้องใช้แรง ใช้เงิน ใช้เวลาเยอะก็จริง ฉะนั้นต้องคำนึงถึงความคุ้มค่าด้วยว่า การได้มาซึ่งวิธีที่ดีที่สุดในการแก้ไขปัญหานั้นได้ไม่คุ้มเสียหรือไม่ ถ้าวิธีที่พบนั้น แก้ปัญหาได้คุ้มกับการทำ A/B Test ก็ควรทำครับ
แหล่งอ้างอิงส่วนหนึ่งจาก What data is and isn’t for โดย Joel Sharpiro จาก Harvard Business Review: Strategic Analytics
