การวิเคราะห์ข้อมูล (Analysis) เป็นการจัดระเบียบแยกแยะส่วนต่าง ๆ ของหลักฐาน หรือข้อมูลที่ได้ออกเป็นหมวดหมู่ เพื่อหาคำตอบตามความมุ่งหมาย และตามสมมติฐานที่ได้กำหนดไว้ การวิเคราะห์ข้อมูลนี้เป็นขั้นการทำงานที่ต่อเนื่องมาจากการวัด การนับ และจัดเรียงลำดับข้อมูล ส่วนใหญ่เป็นเรื่องเกี่ยวกับการนำเอาวิธีการทางสถิติมาวิเคราะห์หาค่าตัวแปรหรือหาลักษณะของตัวแปร ผู้วิจัยจะต้องวางแผนและเตรียมการณ์ล่วงหน้าตั้งแต่เริ่มทำการวิจัยโดยมีข้อแนะนำในการวิเคราะห์ดังนี้
1. กลับไปอ่านจุดมุ่งหมายหรือข้อความที่เป็นปัญหาจนแจ่มแจ้งก่อน
2. ดูแต่ละหัวข้อปัญหาว่าต้องการข้อมูลประเภทใด และจะใช้วิธีการสถิติอะไร
3. สถิติเหล่านั้นหาได้หรือไม่จากข้อมูล เพื่อไปแก้ปัญหาจากจุดมุ่งหมายแต่ละข้อ
4. เลือกข้อมูลที่ได้มา นำมาจัดเป็นหมวดหมู่ แบ่งตามเนื้อหาของปัญหาแต่ละข้อ
5. คำนวณค่าสถิติให้ตรงตามหัวข้อปัญหาที่จะตอบ
6. พยายามแปลความหมายของข้อมูลเป็นระยะ ๆ ไป
7. พยายามนึกถึงรูปร่างของตารางที่จะเสนอ ลักษณะควรย่อ สั้น แต่บรรยายความได้มาก
8. ถ้าข้อมูลจัดเสนอเป็นกราฟชนิดต่าง ๆ ก็ต้องหาวิธีการทำให้เข้าใจได้ง่ายที่สุด อย่าให้ซับซ้อน
อย่างไรก็ตาม การวิเคราะห์ข้อมูลใด ๆ มักไม่พ้นการใช้วิธีการทางสถิติ ดังนั้น ในการวิเคราะห์ข้อมูล ควรมีขั้นตอนในการดำเนินการ ดังนี้
ขั้นตอนในการวิเคราะห์ข้อมูล
1. จัดหรือแยกประเภทข้อมูลที่จะศึกษาออกเป็นหมวดหมู่ เพื่อสะดวกและง่ายต่อการที่จะนำไปวิเคราะห์ต่อไป รวบรวมและจดบันทึกข้อมูลลงในกระดาษที่ได้เตรียมไว้
2. ทำการวิเคราะห์ข้อมูลโดยเลือกใช้เทคนิคต่าง ๆ ให้เหมาะสมกับลักษณะของข้อมูลและระดับของข้อมูลที่นำมาศึกษาและสามารถตอบคำถามตามจุดมุ่งหมายการวิจัยที่ตั้งไว้
3. เสนอผลการวิเคราะห์ที่ได้ โดยพยายามเสนอให้มีความแจ่มชัดและเข้าใจง่าย ซึ่งนิยมเสนอในรูปตารางหรือแผนภูมิ
4. สถิติที่ใช้ในการวิเคราะห์ข้อมูล เป้าหมายหลักในการดำเนินการวิจัย คือ
การศึกษาหาข้อสรุปเกี่ยวกับคุณลักษณะของประชากร การที่จะบรรลุเป้าหมายนี้ได้ โดยหลักการควรศึกษาและวิเคราะห์ข้อมูลที่ได้จากประชากร แต่เป็นการยากมากหรือในบางครั้งอาจเป็นไปไม่ได้ตามหลักการดังกล่าว ในทางปฏิบัติงานวิจัย จึงใช้วิธีการศึกษาและวิเคราะห์ข้อมูลที่ได้จากกลุ่มตัวอย่าง ซึ่งทำหน้าที่เป็นตัวแทนของประชากรนั้น ๆ การวิเคราะห์ข้อมูลจากกลุ่มตัวอย่างจึงเป็นการหาค่าคุณลักษณะประจำกลุ่มตัวอย่างนั้น แล้วจึงใช้ค่าสถิติของกลุ่มตัวอย่างไปประมาณค่าคุณลักษณะของประชากร
โดยการทดสอบสมมติฐานและการสรุปอ้างอิง
Data Analytics คือ การวิเคราะห์ข้อมูลต่างๆ เพื่อช่วยให้ธุรกิจสามารถบรรลุวัตถุประสงค์ โดยข้อมูลที่นำมาใช้มีทั้งข้อมูลในอดีต ปัจจุบัน รวมไปถึงการพยากรณ์ข้อมูลในอนาคต เพื่อใช้ในการกำหนดกลยุทธ์ต่างๆ ข้อมูลเหล่านี้ถือว่าเป็นข้อมูลที่สำคัญของธุรกิจ เพราะสามารถใช้สร้างศักยภาพให้กับธุรกิจได้ กระบวนการวิเคราะห์ข้อมูลมีองค์ประกอบต่างๆที่สามารถช่วยในการริเริ่มสิ่งต่างๆภายในองค์กรได้ โดยทั่วไปแล้วกระบวนการนี้เริ่มต้นด้วยการคิดวิเคราะห์เชิงพรรณนา (descriptive analytics) ที่มาจากข้อมูลในอดีต
เพื่ออธิบายถึงสิ่งที่จะเกิดขึ้นในอนาคต โดยมีวัตถุประสงค์เพื่อหาสิ่งที่จะเกิดขึ้น และมักจะเป็นการวัดตัวชี้วัดแบบดั้งเดิม เช่น ผลตอบแทนจากการลงทุน (ROI) เป็นต้น การวิเคราะห์แบบพรรณนาไม่ได้คาดการณ์ หรือช่วยให้ตัดสินใจได้โดยตรง แต่เป็นการสรุปข้อมูลด้วยเหตุผล และการวิเคราะห์ทั่วไป
การทำ Data Analytics คือ การวิเคราะห์ข้อมูลที่มากกว่านั้น หรือเป็นการวิเคราะห์ข้อมูลในระดับขั้นสูง (advanced analytics) ในปัจจุบันจะใช้ข้อมูลต่างๆมากมายมาใช้ในการวิเคราะห์เพื่อสร้างข้อได้เปรียบ โดยมีเครื่องมือมาช่วยในการดึงข้อมูล คาดการณ์ และพยากรณ์ จาก Big data*
ศึกษา Big data คืออะไร ลักษณะข้อมูลเป็นอย่างไร คลิก
Data Analytics มีความสำคัญอย่างไร?
ปัจจุบัน ข้อมูลและกิจกรรมมีจำนวนมากมายมหาศาล โดยเฉพาะในโลกออนไลน์ที่มีอัตราการใช้ข้อมูลเพิ่มสูงขึ้นทุกปี การนำข้อมูลมาใช้เชื่อมโยงกันจากสื่อต่างๆ และวิเคราะห์หาข้อมูลเชิงลึก เพื่อนำมาใช้ในธุรกิจ การขาย การตลาดได้จึงช่วยสร้างความได้เปรียบในการแข่งขัน และสร้างโอกาสในธุรกิจได้มากมาย
การใช้ Data Analytics มีประโยชน์อย่างไรบ้าง?
- ช่วยในการตัดสินใจจากการใช้ข้อมูลเชิงลึก นำมาคาดเดาการวางแผนแคมเปญการตลาด และเลือกสร้างคอนเทนต์ที่เหมาะสม อีกทั้งยังช่วยพัฒนาผลิตภัณฑ์ในตอบสนองความต้องการของกลุ่มเป้าหมายมากยิ่งขึ้น
- สร้างแคมเปญการตลาดมีประสิทธิภาพมากยิ่งขึ้น เพราะสามารถเข้าใจกลุ่มเป้าหมายได้มากขึ้น รวมไปถึงเข้าใจแนวโน้มพฤติกรรมของกลุ่มเป้าหมาย ทำให้สามารถสร้างแคมเปญมารองรับพฤติกรรมเหล่านั้นได้
- ช่วยสร้างบริการ และสร้างความสัมพันธ์กับลูกค้าได้ดีมากยิ่งขึ้น
ศึกษาการบริหารความสัมพันธ์ของลูกค้า คลิก
- ช่วยปรับปรุงกระบวนการทำงาน ต้นทุนต่ำลง แต่เพิ่มผลกำไรได้มากขึ้น เพราะเข้าใจถึงสิ่งที่ลูกค้าต้องการ ทำให้ไม่ต้องเสียเวลาในการค้นคว้าหากลยุทธ์ที่เหมาะสม
- ลดกระบวนการทำงานที่ซับซ้อน ทุกๆฝ่ายสามารถทำงานร่วมกันได้อย่างรวดเร็ว และสร้างผลงานที่มีประสิทธิภาพได้มากขึ้น
- สามารถใช้ตรวจสอบความผิดปกติในการทำงาน และแก้ไขได้อย่างทันท่วงที เพราะข้อมูลต่าๆสามารถช่วยวิเคราะห์ คัดกรอง และสรุปได้แบบเรียลไทม์
วิธีการใช้ Data Analytics
การใช้ Data Analytics ต้องมีข้อมูลที่ถูกจัดระเบียบมาอย่างดี มีความถูกต้องสูง และนำไปใช้ได้ หลายๆธุรกิจมักจะใช้วิธีเข้าถึงข้อมูล และผสมผสานข้อมูลที่มีที่มาแตกต่างกัน โดยปัจจุบันมีระบบอัตโนมัติที่หลากหลายที่สามารถใช้เก็บข้อมูลให้เป็นระบบได้ และสามารถนำมาวิเคราะห์เป็นข้อมูลภาพรวมได้ อีกทั้งยังใช้งานง่าย และนำไปใช้ประโยชน์ได้อย่างรวดเร็ว โดยขั้นตอนอย่างง่ายในการนำ Data Analytics ไปใช้ได้ ดังนี้
- ทำความเข้าใจปัญหาของธุรกิจ
- รวบรวมข้อมูลที่เกี่ยวข้องกับปัญหาของธุรกิจ
- จัดระเบียบข้อมูล และตรวจสอบข้อมูลให้ถูกต้อง
- วิเคราะห์ข้อมูล และสร้างข้อมูลเชิงลึกในรูปแบบต่างๆ
- นำข้อมูลที่ได้ไปปรับใช้ และทดลองใช้
- ติดตามผลลัพธ์และนำมาปรับปรุง
ตัวอย่างการใช้ Data Analytics ในเชิงธุรกิจ
- Uber ใช้ Data Analytics ในการตัดสินใจแบบอัตโนมัติในการปรับค่าโดยสารในช่วงนี้มีความต้องการใช้บริการสูง ค่าโดยสารจะสูงตาม เช่น ในปี 2014 อัตราค่าโดยสารของ Uber เพิ่มสูงขึ้นถึง 4 เท่า จากเหตุการณืจับตัวประกันกลางกรุงซิดนีย์ ประเทศออสเตรเลีย ทำให้ผู้ใช้งานอยากใช้บริการเพื่อให้กลับถึงบ้านโดยเร็ว
- Domino Pizza สามารถเพิ่มยอดขายได้มากถึง 40% จากการใช้ Data Analytics เพื่อหาความสัมพันธ์ของชุดข้อมูลแต่ละส่วนเข้าด้วยกัน ทำให้ทีมขายและทีมการตลาดรับรู้ข้อมูลที่น่าสนใจเกี่ยวกับยอดขาย และพยากรณ์สิ่งที่จะเกิดขึ้นในอนาคต และรับรู้สาขายที่ขายดีเพื่อสร้างกำไรสูงสุด ในการใช้ทรัพยากรของตนเอง
- การเลือกตั้งในสหรัฐอเมริกา ของประธานาธิบดีบารัก โอบามา ใช้ Data Analytics เพื่อวิเคราะห์ฐานเสียงเลือกตั้งของตนเอง มาปรับกลยุทธ์การหาเสียงในแต่ละพื้นที่
- Coca-cola ใช้ Data Analytics เพื่อสร้างความแข็งแกร่งให้กับกลยุทธ์ด้านข้อมูล ด้วยการป้อนข้อมูลจำนวนมากทั้งจากทางโทรศัพท์ อีเมลล์ และโซเชียลเน็ตเวิร์ก นำมาวิเคราะห์และใช้งานผ่านทางการทำคอนเทนต์ และโฆษณา ให้เหมาะสมกับสถานที่ บุคคล เวลา ทำให้เป็นบริษัทที่ประสบความสำเร็จในการทำคอนเทนต์และโฆษณาอย่างมาก
- Netflix ใช้ Data Analytics สำหรับการโฆษณา จากข้อมูลของผู้ใช้งานมากกว่า 100 ล้านรายทั่วโลก ทำให้สามารถนำส่งภาพยนต์หรือคอนเทนต์ที่ผู้ใช้งานควรดู และเหมาะสมได้ ทำให้ฟังก์ชั่นนี้กลายเป็นฟังก์ชั่นที่ผู้ใช้ชื่นชอบ และยังทำให้รักษาฐานผู้ใช้ไว้ได้อย่างต่อเนื่อง
- ธนาคาร UOB สิงคโปร์ ใช้ Data Analytics ในการบริหารความเสี่ยงของสถาบันการเงิน โดยการจัดการ Big data ช่วยให้ลดความเสี่ยง และลดเวลาในการคำนวนมูลค่าความเสี่ยง จากเดิมที่ใช้ระยะเวลาถึง 18 ชั่วโมง เหลือเพียงไม่กี่นาที
- Amazon ใช้ Data Analytics ในการวิเคราะห์ Big Data เพื่อปรับปรุงและพัฒนาระบบขนส่งโลจิสติกส์ให้กับอาหารสด ตั้งแต่วิธีการขนส่งจากซัพพลายเออร์ มายังห้างสรรพสินค้า และไปจนถึงมือผู้บริโภค เพื่อคงสภาพสินค้าได้สดใหม่ และคุณภาพดีเหมือนพึ่งเก็บเกี่ยวใหม่ๆ ทำให้กลายเป็นอีกหนึ่งธุรกิจที่สามารถบรรลุเป้าหมาย และนำข้อมูลมาใช้ได้อย่างสร้างสรรค์
ที่มา lotame.com / mentionlytics.com