Advanced Analytics – Part 2

จากบทความต่างที่ทาง BizOne ได้นำเสนอประโยชน์ของ Analytics Business Intelligence (BI) solution คาดว่าหลายองค์คงเห็นประโยชน์และมีความสนใจนำไปปรับใช้กับองค์กรของท่าน ซึ่งบทความนี้จะเป็นประโยชน์ต่อความเข้าใจหรือการเฝ้าระวังปัจจัยที่อาจนำไปสู่ความล้มเหลวหรือลดทอนความสำเร็จของผลลัพธ์ต่อเป้าหมายองค์กรในการพัฒนา Data Analytics solution

1.     ขาดการสนับสนุนและทิศทางของผู้บริหาร

เพื่อให้โครงการวิเคราะห์ประสบความสำเร็จ ไม่เพียงต้องมีการลงนามในงบประมาณและไฟเขียวจากฝ่ายบริหารเท่านั้น แต่ยังต้องการส่วนร่วมในการกำหนดวัตถุประสงค์ที่สอดคล้องกับกลยุทธ์ทางธุรกิจด้วย โดยฝ่ายบริหารควรเข้าใจทิศทางของโครงการและทราบถึงประโยชน์ทุกด้านที่สามารถเกิดขึ้นต่อองค์กรได้ หากไม่ได้รับการสนับสนุนนี้ โครงการก็อาจไม่สามารถเริ่มดำเนินการได้หรืออาจสูญเสียแรงพลักดัน เบี่ยงออกนอกทิศทางที่วางแผนไว้ นอกจากนี้ การมีผู้จัดการโครงการที่ดีเป็นตัวแทนในการบบริหารโครงการจะช่วยสนับสนุนให้ทีมผู้บริหารทราบความคืบหน้าและเกิดการดำเนินโครงการที่ราบรื่น

2.     ระยะเวลาโครงการที่ยาวเกินไป และการได้มีส่วนร่วมของผู้ใช้งานน้อยเกินไป

หลายองค์กรประสบปัญหาเรื่องความสมบูรณ์แบบในการเริ่มต้นสร้าง Data analytics หรือ BI solution เนื่องจากการตั้งเป้าหมายการพัฒนาให้ครอบครุมทุกอย่างเพื่อให้เกิดประโยชน์สูงสุดต่อองค์กร จึงทำให้ทำให้ขอบเขตการดำเนินการกว้างและมักนิยมใช้รูปแบบการพัฒนาแบบ Waterfall  ส่งผลให้มีระยะเวลาโครงการยาวอีกทั้งต้องใช้เวลานานในการสร้างผลลัพธ์ รวมถึงต้องการเวลาของผู้เกี่ยวข้องในปริมาณมาก ซึ่งอาจจะเป็นการยากที่บุคลากรจะสามารถแบ่งเวลามาเข้าร่วมในระยะยาวได้รวมถึงการได้เห็นผลลัพธ์หรือผลสำเร็จที่ช้าทำให้เกิดการตอบสนองหรือรับรู้ประโยชน์ที่ต่ำเช่นกัน โดยจะเป็นการดีกว่าหากสามารถแบ่งขอบเขตการพัฒนาเป็นหลายระยะและกำหนดผลสำเร็จในแต่ละระยะให้ชัดเจนในรูปแบบการพัฒนาแบบ Agile จะสามารถเพิ่มประสิทธิภาพของการพัฒนาโครงการและสามารถรักษาการมีส่วนร่วมจากผู้เกี่ยวข้องตลอดวงจรการพัฒนา

3.   Data Visualization โดยปราศจากทิศทาง, เรื่องราว หรือ การแก้ปัญหาที่ชัดเจน

การนำมาแสดงผลในรูปแบบ Visualization ที่ดีในการบอกเล่าเรื่องราวจากข้อมูลของคุณ ควรสะท้อนถึงผลลัพธ์หรือปัญหาที่ต้องการวิเคราะห์ซึ่งสามารถแสดงเหตุการณ์ในอดีตจนถึงปัจจุบัน รวมถึงแสดงให้เห็นถึงปัจจัยต่างๆที่เกิดขึ้นระหว่างทาง เพื่อให้ผู้ใช้งานหรือนักวิเคราะห์สามารถนำมาประมวลผลทำความเข้าใจหรือนำข้อมูลต่อยอดได้ง่าย โดยหากการทำ Visualization ไม่คำนึงถึงปัจจัยดังกล่าวอาจสร้างอุปสรรคให้ผู้ใช้งานในการหา Insight หรือ รายงานดังกล่าวไม่ถูกนำไปใช้งานในการทำงานจริง

4.     รายงานและ KPI ที่มากเกินไปหรือไม่จำเป็น

เป็นปัญหาที่พบบ่อยครั้งในการพัฒนา Data analytics หรือ BI solution เมื่อผู้ใช้งามพยามออกแบบเงื่อนไขการใช้งานหรือวิเคราะห์ให้ครอบครุมทุกรณีทางธุรกิจทำให้เกิดรายงานหรือจำนวน KPIs ที่มากเกินจำเป็น ซึ่งในบางครั้งอาจทำให้สับสนหรือทำให้ยากต่อการใช้งานมากยิ่งขึ้น ซึ่งเวลานักวิเคราะห์มาใช้งานรายงานหรือ Dashboard อาจพบความไม่ได้สะดวกอย่างที่คาดไว้และอาจหลงประเด็นในการวิเคราะห์ต่อเรื่องที่สนใจไป เพราะฉะนั้นเราควรพัฒนาตามรายงานและ KPI อ้างอิงจากการใช้งานจริง ซึ่งสามารถปรับปรุงหรือเพิ่มรายงานและ KPI อื่นที่สนใจได้ในภายหลังได้เนื่องจากเครื่องมือปัจจุบันสามารถรองรับการปรับเปลี่ยนและแก้ไขรายละเอียดได้โดยง่าย

5.     เครื่องมือหรือเทคโนโลยีที่ไม่เหมาะสม

ขีดความความสามารถและรูปแบบการใช้งานของเทคโนโลยีและเครื่องมือประกอบการทำ Data analytics หรือ BI solution เป็นหนึ่งปัจจัยที่มีความสำคัญต่อความสำเร็จหรือล้มเหลวของการพัฒนาโครงการได้ เนื่องจากหากเลือกและพัฒนาระบบบนโครงสร้างเทคโนโลยีหรือเครื่องมือที่ไม่เหมาะสม อาจสร้างข้อจำกัดในกระบวนการใช้งานข้อมูลในอนาคตได้หรือไม่รองรับต่อความต้องการของธุรกิจ เช่น

  • ความไม่หยืดหยุ่นของระบบแบบติดตั้งในองค์กร (On-premise) ไม่รองรับต่อการขยายตัวของปริมาณข้อมูล ความต้องการในการวิเคราะห์ข้อมูล และมีค่าใช้จ่ายสูงรวมถึงขั้นตอนที่ยุ่งยากในการขยายหรือเพิ่มประสิทธิภาพของระบบ
  • กรณีเรื่องข้อจัดกัดด้านความสามารถของเครื่องมือไม่สอดคล้องกับเป้าหมายการวิเคราะห์และใช้งานข้อมูลระยะยาวขององค์กร ซึ่งอาจทำให้เกิดการลงทุนสูงกว่าที่จะควรเป็นหรือเกิดการทำงานที่ซ้ำซ้อนในการปรับปรุงเครื่องมือให้เหมาะสม เช่น ระบบวิเคราะห์ข้อมูลปัจจุบันไม่รองรับการเชื่องต่อไปยังระบบ Advanced analytics หรือ Machine learning ซึ่งต้องเปลี่ยนระบบวิเคราะห์ข้อมูลเป็นระบบใหม่ก่อนถึงสามารถดำเนินการต่อได้

6.     ข้อมูลที่ไม่มีคุณภาพ

ข้อมูลเป็นรากฐานของทุกสิ่งและหากข้อมูลมีข้อบกพร่อง ผู้ใช้งานอาจสูญเสียความไว้วางใจในระบบวิเคราะห์ข้อมูลถึงแม้ว่าจะไม่ใช้ปัญหี่เกิดจากระบบหรือเทคโนโลยีแต่เกิดจากข้อมูลดีถูกนำมาจัดเก็บไว้ก็ตาม เพราะฉะนั้นเจ้าของข้อมูล (Data owners) ควรได้รับคำปรึกษาและมีการวางกลยุทธ์ในการทำความสะอาดข้อมูล (Data cleansing strategies) ที่เหมาะสมเพื่อให้มั่นใจว่าข้อมูลที่ถูกจัดเก็บมีความถูกต้อง โดยมีตัวอย่างปัจจัยที่อาจส่งผลต่อคุณภาพของข้อมูลดังนี้

  • การขาดมาตรฐานในการบันทึกและใช้งานข้อมูล เช่น การจัดเก็บข้อมูลวันที่ของแต่ละแหล่งมีความแตกต่างกัน
  • กระบวนการนำเข้าและแปลงข้อมูลที่ไม่เหมาะสมและถูกต้อง
  • ขาดกระบวนการตรวจสอบความถูกต้องของข้อมูล
  • การเปลี่ยนแปลงในระบบต้นทางที่ส่งผลต่อข้อมูลโดยไม่มีการสื่อสารระหว่างเจ้าของข้อมูลและนักพัฒนา

7.     ขาดการยอมรับของผู้ใช้งาน

ส่วนหนึ่งที่สำคัญในการกำหนดพัฒนา Data analytics หรือ BI solution คือนำผู้ใช้งานหรือผู้ได้รับประโยชน์โดยตรงมาเข้าร่วมเพื่อเข้าใจความต้องการและปัญหา รวมถึงการมีส่วนร่วมและบบทบาทในการพัฒนาเพื่อให้ผู้ใช้งานเห็นถึงประโยชน์อย่างแท้จริง ซึ่งบ่อยครั้งผู้ใช้งานเข้ามามีส่วนร่วมหลังพัฒนาระบบวิเคราะห์ใกล้เสร็จสมบูรณ์แล้วแต่ผมรับไม่ตรงตามผู้ใช้งานต้องการทำให้เกิดปัญเรื่องการแก้ไขระบบใหม่ที่มีความซ้ำซ้อนหรือสิ่งที่พัฒนาไม่ได้ถูกนำไปใช้งานจริง

จากรายละเอียดที่กล่าวไปข้างจ้นเป็นเพียง 7 ปัจจัยที่พบเห็นได้บ่อย ซึ่งเป็นตัวปิดกั้นหรือขัดขวางความสำเร็จในโครงการพัฒนา Data analytics หรือ BI solution โดยทั่วไป โดยในบทความนี้ต้องการให้ผู้สนใจพัฒนาระบบสามารถเตรียมพร้อมในการป้องกันเสี่ยงในการพบเจอปัญหาหรือลดผลกระทบที่อาจเกิดขึ้นระหว่างการพัฒนาโครงการได้ แต่หากผท่านกำลังพบปัญหาในรูปแบบอื่นๆ รวมถึงหากมีความสนใจในด้านการวิเคราะห์ข้อมูลชั้นสูงหรือมีข้อสงสัยในแนวทางพัฒนาอย่างเหมาะสมทั้งในด้านความพร้อม กระบวนการ หรือ เครื่องมือเทคโนโลยีคุณสามารถติดต่อเราเพื่อรับคำปรึกษาโดยไม่มีค่าใช้โดยสามารถติดต่อเราผ่านช่องทางด้านล่างหรือติดต่อเราโดยตรงที่ +66 (0)2 117 4344 ทางเรายินดีให้คำปรึกษา

Share this article on social media!