หรือนักวิทยาศาสตร์ข้อมูลถึงจะใช้ประโยชน์จากข้อมูลได้ คุณอาจเป็นนักวางกลยุทธ์ทางธุรกิจ ครู หรือแม้กระทั่งนักเรียนมัธยม ซึ่งทุกคนสามารถใช้ประโยชน์จากข้อมูลได้หากมีทักษะการวิเคราะห์ข้อมูล
br

แล้วการวิเคราะห์ข้อมูลคืออะไร? ว่าง่าย ๆ มันคือศาสตร์แห่งการวิเคราะห์ข้อมูลดิบเพื่อตอบคำถามที่อยากรู้ และก่อนที่เราจะพูดถึง SQL หรือ Python ประเด็นสำคัญที่สุดคือ วิธีการถามคำถามที่ถูกต้อง เพราะเมื่อถามได้ตรงประเด็น ก็จะได้คำตอบที่ตรงใจจากข้อมูลนั้นเช่นกัน ลองมาทำความรู้จักกับคำถามสุดเฉียบทั้ง 4 ข้อนี้ ที่จะช่วยให้คุณเข้าใจ และจัดการกับปัญหาในการทำงานของคุณได้ดีขึ้นกว่าเดิม
br
1. เกิดอะไรขึ้น? (วิเคราะห์เชิงพรรณนา)
การเข้าใจปัญหา คือ ก้าวแรกของการหาทางแก้ไข คำถามนี้เน้นการระบุแนวโน้มและความสัมพันธ์ภายในข้อมูลของคุณ ซึ่งคล้ายกับการใช้โปรแกรมอย่าง Microsoft Excel เพื่อค้นหาข้อมูล ซึ่งไม่ได้ช่วยแก้ปัญหาโดยตรง แต่ช่วยให้คุณค้นคว้า สืบเสาะต้นตอของปัญหาได้
br
ตัวอย่างเช่น ร้านค้าแห่งหนึ่งเสนอการเป็นสมาชิกฟรีแก่ลูกค้าทุกคน โดยลูกค้าจะได้รับโปรโมชั่นพิเศษเมื่อแสดงบัตรสมาชิกหรือหมายเลขสมาชิกทุกครั้งที่ซื้อ ด้วยวิธีนี้เอง ร้านค้าจะได้รับข้อมูลลูกค้า เช่น อายุ ที่อยู่ ระดับการศึกษา จำนวนเงินที่จ่ายต่อบิล สินค้าที่ซื้อ เป็นต้น ทำให้ร้านค้าสามารถใช้ข้อมูลเหล่านี้เพื่อระบุแนวโน้มที่เกิดขึ้นได้ เช่น ลูกค้าในกลุ่มอายุ 30 – 40 ปี อาจมีแนวโน้มซื้อสินค้าประเภทใดประเภทหนึ่งมากเป็นพิเศษ ซึ่งเรายังสามารถใช้ข้อมูลที่เพิ่งค้นพบนี้เพื่อวิเคราะห์ต่อยอดอย่างเจาะลึกยิ่งขึ้นได้อีกด้วย
br
2. ทำไมถึงเกิดขึ้น? (วิเคราะห์เชิงวินิจฉัย)

หลังจากระบุแนวโน้มแล้ว เราก็ควรหาสาเหตุเพื่อหาทางแก้ไข ตัวอย่างเช่น ในธุรกิจที่มีโมเดลให้จ่ายเงินค่าสมาชิกรายเดือน/รายปี ลูกค้าอาจตอบแบบสำรวจโดยอธิบายถึงเหตุผลที่ยกเลิกสมาชิก อาจเป็นเพราะไม่พอใจกับบริการ หรือพบบริการที่คล้ายกันในราคาที่ถูกกว่า ข้อมูลเหล่านี้จะบอกเราว่าทำไมแนวโน้ม (การยกเลิกบริการ) ถึงเกิดขึ้น
br
3. อะไรอาจเกิดขึ้นในอนาคต? (วิเคราะห์เชิงคาดการณ์)
เมื่อระบุแนวโน้มปัจจุบันได้แล้ว คุณควรสามารถคาดการณ์แนวโน้มในอนาคตได้ด้วย เพราะการคาดการณ์มีความสำคัญในแง่ของการป้องกันปัญหาที่อาจเกิดขึ้น หรือช่วยหาทางแก้ไขได้ทันท่วงทีเมื่อปัญหาเดิมเกิดซ้ำขึ้นอีก ตัวอย่างเช่น กรมอุตุนิยมวิทยาบันทึกข้อมูลเกี่ยวกับอุทกภัยในอดีตไว้ โดยเก็บข้อมูลความชื้นหรือปริมาณน้ำฝนที่ตกลงมา หากเงื่อนไขเหล่านี้ตรงกัน ก็คาดการณ์ได้ว่าอาจมีแนวโน้มของอุทกภัยเกิดขึ้นได้อีกในอนาคต
br
4. เราควรทำอะไรต่อไป? (วิเคราะห์เชิงแนะนำ)
หลังจากระบุปัญหาและคาดการณ์อนาคตได้แล้ว ก็อาจมีหลายวิธีในการจัดการกับปัญหานั้น ขั้นตอนนี้คือการตัดสินใจเลือกวิธีที่ดีที่สุด ตัวอย่างเช่น ในการตลาด การให้คะแนนลูกค้าเป้าหมาย (lead scoring) ใช้เพื่อระบุว่าใครอาจกลายเป็นลูกค้าในอนาคต โดยพิจารณาจากการมีส่วนร่วมของพวกเขา สมมติว่าคุณมีงบประมาณจำกัดสำหรับการเผยแพร่โฆษณา แทนที่จะเสียเงินและเวลาส่งจดหมายถึงทุกคน คุณสามารถโฟกัสเฉพาะผู้ที่คลิกลิงก์ในอีเมลล่าสุด และเข้าชมหน้าเว็บไซต์เท่านั้นซึ่งมีโอกาสเป็นลูกค้าได้มากที่สุด
br
ด้วยเหตุนี้ การเริ่มต้นด้วยคำถามที่ถูกต้องจะช่วยให้ค้นหาคำตอบที่ถูกต้องได้ง่ายขึ้น! ถึงแม้ว่ากระบวนการทำความเข้าใจปัญหาและค้นหาโซลูชันจะเป็นสิ่งสำคัญ แต่สิ่งที่สำคัญกว่าก็คือ การนำผลลัพธ์ที่ได้ออกมาไปใช้จริง เพื่อดูว่าสิ่งที่เราวิเคราะห์ออกมาทั้งหมดนั้นใช่อย่างที่คิดหรือไม่