8 นิสัยที่ไม่ธรรมดาที่ Data Analysis และนักวิเคราะห์ต้องมี

  •  
  •  
  •  
  •  
  •  

 

เพราะการวิเคราะห์ที่ดีที่สุด ไม่ได้มาจากหน้า Excel แต่เกิดจากมุมมองที่ต่างออกไป การฝึกฝน “นิสัยไม่ธรรมดา” หรือ “การคิดนอกกรอบ” อาจจะช่วยให้ได้ไอเดียใหม่ ๆ ไว้ประยุกต์ในการวิเคราะห์ให้รอบด้าน และมีมิติ ละเอียดมากขึ้น ซึ่งนิสัยที่ไม่ธรรมดาที่ควรฝึกฝนมี 7 นิสัยได้แก่

  1. ถาม “คำถามโง่ ๆ” ให้ได้มากที่สุด (เหมือนเด็ก 5 ขวบ) เคยมีคำพูดว่า ไม่มีคำถามไหนที่โง่ มากกว่าการนั่งอยู่ในห้องโดยไม่ถาม ดังนั้น การถามคำถามที่พื้นฐานมากๆ จนดูเหมือนไม่รู้อะไรก็เป็นเรื่องสำคัญ เพราะจะหลายๆ ครั้งจะช่วยทำให้เป้าหมายการทำงานกระจ่างขึ้น หรือเข้าใจว่าต้องการอะไรกันแน่ในที่สุด ทำให้คนที่ไม่เข้าใจได้เข้าใจด้วย นอกจากนี้ยังสามารถทำให้ความเข้าใจหรือเข้าใจไปคนละทางในเรื่องเดียวกัน ให้เข้าใจตรงกัน อย่าคิดว่าอะไรเป็นเรื่องเข้าใจอยู่แล้ว ชัดเจน แต่จงถาม “คำถามพื้นฐาน” เสมอ เพราะอินไซต์ที่ดีที่สุด มักโผล่มาตอนไขข้อสงสัยพื้นฐาน
  2. อธิบายเรื่องซับซ้อนให้คนอื่นฟัง หลาย ๆ ครั้งการต้องทำงานกับคนนอกสายงาน หรือคนที่ไม่คุ้นเคยในสิ่งที่กำลังทำ การอธิบายอะไรยากๆ ให้คนเหล่านี้ฟังกลับกลายเป็นการช่วยให้สามารถสรุปหรือทำความเข้าใจตัวเอง หรือทีมขึ้นมาได้ด้วย ไม่ว่าจะเป็น การอธิบาย Concept พื้นฐานทาง Data และการตลาดต่างๆ หรือวิธีการทำงานของ Marketing Attribution จนถึงเรื่องที่ท้าทายคือการอธิบายความขัดแย้งในการทำงานจริง การที่ไม่สามารถอธิบายเรื่องยากๆ ให้เป็นเรื่องง่ายๆ ได้นั้น แสดงว่ายังเข้าใจไม่ดีพอ หรือยังไม่สามารถสรุปความคิดตัวเองได้
  3. แกะงานของคนอื่น เพื่อเข้าใจธุรกิจ : การลองดูงานของคนอื่น ทำความเข้าใจวิธีคิดของการทำงานคนอื่นว่า เพื่อให้ได้ผลลัพท์ดังกล่าวมันมีความเป็นมาอย่างไรนั้น คือขุมทรัพย์มหาศาล เพราะสามารถทำให้เห็นว่า “กฎธุรกิจ” ที่แท้จริง มันเต็มไปด้วยรายละเอียดเกี่ยวกับข้อกำหนดต่างๆ มากมาย ตัวอย่างเช่น การทำให้กรอกแบบฟอร์มในออนไลน์จะเจอว่า ในโลกแห่งความเป็นจริง มีคนกรอกในรูปแบบที่แตกต่างจากที่คิดไว้มากมาย ไม่ว่าจะเป็นการพิมพ์ตัวเล็ก ตัวใหญ่หรือต่างภาษา การ Reverse Engineer เหล่านี้ไม่เพียงแต่ทำให้เก่งขึ้น แต่ยังเข้าใจ “กฎธุรกิจ” กว้างขึ้น
  4. Reverse Engineer การตัดสินใจทางธุรกิจ : Steve Jobs เคยกล่าวว่า: “เรามักจะเชื่อมจุดต่างๆ ได้เมื่อมองย้อนกลับ (Backward) มากกว่ามองไปข้างหน้า (Forward)” ดังนั้นการเริ่มต้นจาก Data แล้วค่อยหาข้อสรุปอาจไม่ใช่วิธีที่ดีที่สุด วิธีมองอีกทางคือลอง “กลับทาง” ดู ว่าจากข้อสรุปไปถึงข้อมูลนั้นเป็นอย่างไร เช่นการเลือกเหตุการณ์ธุรกิจครั้งใหญ่ แล้ว “Reverse Engineer” ดูว่าคนตัดสินใจใช้ “เหตุผล” หรือ “ข้อมูล” อะไรบ้าง
  5. ท้าทาย “อคติ” ของตัวเอง : ก่อนจะสรุปงานวิเคราะห์ ลองถามตัวเองก่อนว่าต้องการข้อสรุปแบบไหน จากนั้นลองตั้งคำถามกับข้อสรุปนั้นว่า กำลังตีความให้ข้อมูลไปตรงกับอคติตัวเองไหม หรือไม่สนใจข้อมูล เหตุผลอื่นที่ขัดแย้งสมมติฐานตัวเองอยู่รึเปล่า นักวิเคราะห์ที่เก่ง ไม่ใช่แค่ “ดูข้อมูล” แต่ต้อง “ดูวิธีคิดตัวเอง” เพื่อไม่ตกหลุมพราง “Cognitive Bias”
  6. “ผัดวันประกันพรุ่ง” อย่างมีชั้นเชิง (Procrastinate strategically) : หลาย ๆ คนอาจจะรู้สึกผิดเมื่อดองงานไว้นิดหน่อย… แต่บางที “การดองงานอย่างมีเหตุผล” คือสิ่งที่ดีที่สุด เพราะเราสามารถใช้การผัดวันประกันพรุ่ง (Procrastination) มาให้เป็นประโยชน์ได้โดยการ รอดูก่อนตอบคำขอ เช่น ทุกคนชอบงานด่วน แต่จริง ๆ แล้ว มักไม่ได้ฉุกเฉินขนาดนั้น การรออาจทำให้คนเจอทางแก้ด้วยตัวเอง หรือ ให้เวลาตัวเองก่อนลงมือวิเคราะห์: อย่าลองแก้ไขโดยทันที ลองหยุดคิดแผนสักหน่อย การ “เว้น” ช่วงจะเปิดโอกาสให้ไอเดียเกิดขึ้นมา
  7. โชว์ “ข้อผิดพลาด” ของตัวเอง : การบอกข้อผิดพลาดตัวเองกลับให้ผลลัพธ์ที่ดีเกินคาด เพราะการสื่อสารกับผู้มีส่วนได้ส่วนเสีย (Stakeholder) ไม่ใช่แค่การรายงาน แล้วจบ แต่คือ “บทสนทนา” ต่อเนื่อง เพราะการสื่อสารถึงเป้าหมายความคาดหวังที่ตรงกันจะช่วยเลี่ยงความเข้าใจผิดได้เยอะ และที่สำคัญ ยังช่วยป้องกันการทำงานผิดทางได้ แชร์ Draft ของการวิเคราะห์จะช่วยให้เกิด feedback ตั้งแต่เนิ่น ๆ และทำให้การทำงานถูกทางได้

 

 

นิสัยเหล่านี้บางอย่างอาจดูประหลาด หรือ “ไม่เห็นจำเป็นเท่าไหร่” แต่จุดที่ทำให้มันได้ผล คือขณะที่คนอื่นติดอยู่ในกระบวนการตายตัว วิธีคิดนอกกรอบนี่จะช่วยทำให้ค้นพบอินไซต์ที่คนอื่น “มองข้าม” และทำงานได้ดีกว่าคนอื่นได้ จำไว้ว่า การวิเคราะห์ข้อมูลที่ดีที่สุด ไม่ใช่แค่เรื่องตัวเลข แต่มาจาก ความสงสัย (Curiosity), ความคิดสร้างสรรค์ (Creativity), และ ความกล้า ที่จะตั้งคำถามกับทุกอย่าง


  •  
  •  
  •  
  •  
  •  
Molek
Head of Strategic Marketing ใน Integrated Service Agency ที่หนึ่ง ผู้หลงใหลในหลาย ๆ ที่มีความอยากรู้และเรียนรู้ในเรื่อง Startup, นวัตกรรม, การตลาด จากมุมมองหลาย ๆ ด้านและวัฒนธรรมของแบรนด์ต่าง ๆ