ยุคข้อมูลต้องวิเคราะห์เก่ง นี่คือ 4 แนวคิดการวิเคราะห์ที่ต้องรู้

April 1, 2019

ในยุคสมัยที่ข้อมูลเต็มไปหมดนี้ ไม่ว่าคุณจะทำงานอะไร ก็คงหนีไม่พ้นตัวเลข และการวิเคราะห์ข้อมูลต่างๆ แม้แต่การเขียนบทความนี้ ก็มีส่วนเกี่ยวข้องกับการวิเคราะห์ข้อมูลเช่นกัน เพราะผู้เขียนต้องมานั่งวิเคราะห์ว่าบทความที่ดี จะต้องประกอบด้วยปัจจัยอะไรบ้าง และข้อมูลที่ได้มานั้นมีนัยสำคัญทางสถิติหรือไม่ เพื่อที่ผู้เขียนจะได้นำไปใช้ผลิตบทความที่มีประสิทธิภาพสูงสุดได้

 

ฉะนั้นแล้วเพื่อไม่ให้เสียเวลา วันนี้เรามีบทความจาก Harvard Business Review เกี่ยวกับแนวคิดการวิเคราะห์ที่เลือกสรรแล้วว่าดี! มาให้อ่านกัน โดยเริ่มตั้งการเก็บข้อมูล การวิเคราะห์ข้อมูล ตลอดจนแนวคิดการแปลผลเพื่อนำไปใช้จริงครับ

 

 

1. Randomized controlled experiments

เป็นกระบวนการเก็บรวบรวมข้อมูล ผ่านการทดลองแบบสุ่ม โดยที่ต้องมีกลุ่มควบคุมครับ เช่น เราต้องการพัฒนาแชมพูสูตรเก่า โดยการเพิ่มสารสกัดตัวใหม่เข้าไป แล้วเราอยากทราบว่าแชมพูตัวใหม่นี้จะดีหรือไม่ เราก็หาอาสาสมัครมาร่วมทดลองใช้ผลิตภัณฑ์ของเรา โดยสุ่มแบ่งอาสาสมัครออกเป็นสองกลุ่ม กลุ่มหนึ่งใช้แชมพูสูตรที่มีสารสกัด อีกกลุ่มใช้แชมพูตัวเก่าที่ไม่มีสารสกัด เพื่อที่เราจะได้มีผลลัพธ์เปรียบเทียบกันได้ โดยไม่มีอคติที่อาจส่งผลต่อข้อมูลครับ

 

2. A/B testing

A/B Testing เป็นอีกหนึ่งสาขาของกระบวนการการเก็บข้อมูลในข้อที่หนึ่ง แต่ต่างกันตรงที่ว่ากระบวนการนี้จะเป็นการเปรียบเทียบกันไปเลยว่าสินค้า A กับ สินค้า B อันไหนดีกว่ากัน เช่น เราต้องการออกแบบบรรจุภัณฑ์ตัวใหม่ แต่ตัดสินใจไม่ได้ว่าจะใช้สีไหนดี เราก็อาจจะลองทำทั้งสองสีไปเลย แล้วยิงโฆษณาบนเฟซบุ๊คดู โดยกำหนดเวลาและกลุ่มเป้าหมายเดียวกัน แล้วเก็บข้อมูลว่าทั้งสองสีมียอดคลิก ชม แชร์ แตกต่างกันอย่างไร

 

3. Regression analytics

หลังจากได้ข้อมูลแล้ว ขั้นตอนต่อมาคือนำข้อมูลเหล่านั้นไปวิเคราะห์ โดย Regression analytics เป็นวิธีการในการวิเคราะห์ข้อมูลโดยอาศัยหลักการทางด้านคณิตศาสตร์ เพื่อหาความสัมพันธ์ของสิ่งที่เราทดลองให้ออกมาอยู่ในรูปตัวเลขที่เห็นชัดเจนมากยิ่งขึ้นครับ โดยสามารถใช้โปรแกรมช่วยคำนวณได้ เช่น ดูว่าแชมพูที่ใส่สารสกัดกับไม่ใส่สารสกัดนั้นแตกต่างกันอย่างไร หรือสีของบรรจุภัณฑ์ที่ต่างกันส่งผลอย่างไรบ้าง 

 

4. Statistical significance

หลังจากได้ตัวเลขมาแล้ว ขั้นตอนต่อไปคือการนำตัวเลขนั้นไปเช็คค่านัยยะสำคัญทางสถิติครับ เพื่อเป็นการตรวจสอบว่าตัวเลขที่เราได้มานั้น มีความสัมพันธ์กันจริงๆ เชิงสถิติหรือไม่ หรือเป็นแค่ตัวเลขที่เกิดจากความบังเอิญเฉยๆ ทำให้เราสามารถตัดสินใจเลือกใช้ผลวิเคราะห์ข้อมูลได้อย่างถูกต้อง และมีประสิทธิภาพครับ

 

 

การวิเคราะห์ข้อมูลช่วยให้เราตัดสินใจได้ดีขึ้น ไม่ว่าเราจะทำงานอยู่ฝ่ายไหน หรือตำแหน่งใดในบริษัท ต่างก็ต้องตัดสินใจในการทำงานกันอยู่ทุกวันอยู่แล้ว ฉะนั้นอย่าลืมลองเอาไปปรับใช้กันดูนะครับผม

 

 

 

 

ที่มา: 4 Analytics Concepts Every Manager Should Understand

เรียบเรียงโดย ศตวรรษ คีรีวัน

Share on Facebook
Share on Twitter
Please reload

Featured Posts

งาน Hackathon เพื่อแก้ไขปัญหาชุมชนเมือง

November 22, 2018

1/1
Please reload

Recent Posts
Please reload

Archive