ในยุคที่เทคโนโลยีพัฒนาอย่างรวดเร็วและส่งผลต่อการเปลี่ยนแปลงพฤติกรรมผู้บริโภคในทุกด้าน วันนี้ทั้งเอเยนซีและธุรกิจ เลิกพูดเรื่องข้อมูลเชิงลึก (Insight) ที่มาจากฐานข้อมูลเดิม ๆ
แต่วันนี้ต้องพูดถึง Insight ที่มาจาก Data และสิ่งที่ทุกคนต้องการเห็นมากกว่า!! คือการแปลงดาต้า เป็น Insight ให้ได้อย่างแม่นยำและเกิดประโยชน์ในการใช้งานสูงสุด
ธราภุช จารุวัฒนะ ประธานเจ้าหน้าที่บริหาร ไอพีจี มีเดียแบรนด์ส ประเทศไทย กล่าวว่าสิ่งที่ทุกคนต้องการวันนี้ คือ “ศาสตร์” เพื่อแปลงอินไซต์ ให้ออกมาเป็น Actionable Insights ที่เกิดจากดาต้า ที่ธุรกิจใช้ประโยชน์ได้จริง
วันนี้ ไอพีจี เรียนรู้ที่จะหาอินไซต์ ในรูปแบบใหม่เพื่อตอบโจทย์ธุรกิจต่างๆ ที่เป็นลูกค้า จึงเปิดตัวแผนกใหม่ Data & Analytics ซึ่งจะเป็น “คลังสมอง” ที่ดี สนับสนุนการทำงานของเอเยนซีในเครือ เพื่อสร้างโมเดลธุรกิจที่เข้าถึงผู้บริโภคกลุ่มเป้าหมายตรงจุด
รู้จึกแหล่งที่มา“บิ๊กดาต้า”
กนกกาญจน์ ประสงแสงสี กรรมการผู้จัดการ แผนก Data & Analytics ไอพีจี มีเดียแบรนด์ส ประเทศไทย ให้มุมมองว่าในยุค Big Data เป็นสิ่งที่องค์กรต่างๆ ให้ความสำคัญ เพื่อต้องการเข้าถึงผู้บริโภค แต่ “บิ๊กดาต้า” เป็นสิ่งที่กว้างมาก และมีข้อมูลจากหลายฝั่งในองค์กร ทั้งด้านไอทีและธุรกิจ
สำหรับ ดาต้าจากธุรกิจ เป็นความต้องการใช้บิ๊กดาต้าพัฒนาสินค้าและบริการที่ตอบโจทย์การขาย และให้ประสบการณ์ที่ดีกับลูกค้า หากเปรียบเทียบกับยุคก่อน คือการนำข้อมูลมาพัฒนาโปรดักชั่นไลน์, สินค้า และการกระจายสินค้า เป็นการทำงานในฝั่งลูกค้า
จาการสำรวจความเข้าใจเกี่ยวกับ Data & Analytics ในองค์กร จากการทำงานด้าน Marketing communication และ Media ที่ใช้บิ๊กดาต้า และการวิเคราะข้อมูล ในกลุ่มตัวอย่าง 123 ราย ทั้งมีเดีย เอเยนซี,ครีเอทีฟ เอเยนซี,ธุรกิจ และสื่อ เพื่อสอบถามข้อมูลเกี่ยวกับระดับการใช้ “บิ๊กดาต้า” ในองค์กร รวมทั้งทัศนคติและมุมมองของคนในองค์กรสำรวจระดับผู้จัดการขึ้นไป และมุมมองที่คิดว่าจะเกิดอะไรขึ้น
โดยกลุ่มตัวอย่าง 75% มาจากกลุ่มธุรกิจทั่วไป , สัดส่วน 21% มาจากเอเยนซีและรีเสิร์ช เอเยนซี และ 4% มาจาก มีเดีย โดยสัดส่วน 50% เป็นธุรกิจไทย และอีก 50% บริษัทต่างชาติ 50% กลุ่มที่ตอบแบบสอบถาม 80% เป็นระดับผู้จัดการขึ้นไป เพื่อต้องการทราบมุมมองผู้บริหารระดับสูง
“ธุรกิจ”สร้างทีมดิจิทัล-ดาต้า
การสำรวจเรื่อง “ดิจิทัล ทรานส์ฟอร์เมชั่น” ในองค์กร พบว่าธุรกิจได้ก้าวสู่กระบวนการดังกล่าวแล้ว โดยปัจจุบันเริ่มมีบุคลากรในองค์กรด้าน ดิจิทัลทีม 73% , โซเชียลมีเดียทีม 54% ,เว็บ อนาไลติกส์ 51% , การใช้ Marketing Tools 49%, โปรแกรมเมติก 44%, Ad-optimization และทีมวิเคราะห์ดาต้า 43%
ขณะที่อีก 2 ปีข้างหน้า การให้ความสำคัญกับเรื่องนี้ ยังมุ่งไปที่การสร้าง ดิจิทัลทีม 82% , โซเชียลมีเดียทีม 78%, Marketing Tools 78% ขณะที่ Ad-optimization และทีมวิเคราะห์บิ๊กดาต้า เพิ่มขึ้นเป็น 78% แสดงให้เห็นถึงความสำคัญที่มากขึ้น โดยมีเรื่อง ซีอาร์เอ็ม 75% ที่เข้ามาเป็นตัวแปรใหม่ รวมทั้ง อีคอมเมิร์ซ 75% ซึ่งเป็นทิศทางที่สอดคล้องกับไทยแลนด์ 4.0 จะเห็นได้ว่าในอีก 2 ปีข้างหน้า การทำงานด้านดิจิทัลของธุรกิจให้ความสำคัญเรื่องดิจิทัล ทรานส์ฟอร์เมชั่น มากขึ้นในหลายด้าน
ท็อป5ธุรกิจใช้สื่อดิจิทัลมุ่ง Data Analytics
เมื่อดูทิศทางท็อป5 ธุรกิจที่ใช้งบโฆษณาดิจิทัลสูงสุด จากการสำรวจของ DAAT ในกลุ่มไฟแนนซ์, ยานยนต์, อีคอมเมิร์ซ, สื่อสาร, ธุรกิจการบินท่องเที่ยวและโรงแรม พบกว่ากลุ่มนี้ให้ความสำคัญกับ บิ๊กดาต้าและการวิเคราะห์ข้อมูลที่ 63% โดยมีทีมวิเคราะห์ข้อมูลอยู่ภายในองค์กรเอง
ขณะที่อีก 2 ปีข้างหน้าแนวโน้มธุรกิจกลุ่มนี้จะให้ความสำคัญเรื่อง Data Management Platform (DMP) 83% ขณะที่อันดับการใช้งานด้าน อีคอมเมิร์ซและซีอาร์เอ็ม ขยับขึ้นมาอยู่ในอันดับต้นๆ สัดส่วน 90% เช่นกัน
นั่นหมายถึงทิศทางของกลุ่มผู้นำที่ใช้สื่อดิจิทัล จะมุ่งไปที่การทำ มาร์เก็ตติ้ง ออนไลน์และอีคอมเมิร์ซ มากขึ้น ซึ่งจะทำให้ ทีมการตลาดดิจิทัลในองค์กรมีบทบาทมากขึ้น ดังนั้นในอนาคตอาจจะเห็นการทรานส์ฟอร์มของ ทีมสื่อสารการตลาดและทีมดิจิทัล เป็นทีมเดียวกัน
Data Analytics ที่องค์กรเริ่มต้นต้องเข้าใจ!
ทั้งนี้ องค์กรที่ต้องการเริ่มต้นด้าน Big Data และ Data Analytics ต้องทำความเข้าใจ เพื่อทรานส์ฟอร์มองค์กรและใช้ประโยชน์จากข้อมูลที่อยู่
กนกกาญจน์ บอกว่าสิ่งที่สำคัญที่สุด คือ การเริ่มจากโจทย์ทางธุรกิจ (Business Issues) ซึ่งเป็นพื้นฐานด้านการตลาดและการทำธุรกิจ เพราะเมื่อเริ่มมีดาต้าและการวิเคราะห์ข้อมูลที่มากขึ้น รวมทั้งเครื่องมือ (Tools) ใหม่ๆ จึงมีความคาดหวังว่าข้อมูลต้องแม่นยำ เพื่อทำให้การตัดสินใจแม่นยำและทันเหตุการณ์มากขึ้น
สำหรับโจทย์ของธุรกิจวันนี้ ในมุมมองของธุรกิจที่ใช้สื่อโฆษณา (Advertisers) คือ
- ต้องการรู้ว่าผู้บริโภคของธุรกิจเป็นอย่างไร การเข้าถึงแบบตรงกลุ่มได้อย่างไร
- การใช้งบประมาณอย่างไรให้คุ้มค่ามากที่สุด จากเดิมที่ใช้งบประมาณซื้อสื่อแมส โดยสิ่งที่ได้ คือโอกาสที่จะเข้าถึงคนกลุ่มดังกล่าว แต่ไม่ได้รับประกันว่าเข้าถึงได้จริงหรือไม่ แต่วันนี้เครื่องมือและเทคโนโลยี ต่างๆ ทำให้ข้อมูลแม่นยำมากขึ้น และทำให้การบริหารงบประมาณคุ้มค่าและเกิดประสิทธิภาพมากขึ้น
- การบริหารจัดการภายใน เพื่อทำให้เรียลไทม์ ประหยัดต้นทุน
- ช่วยให้การตัดสินใจดีขึ้น เรียลไทม์ และแก้ปัญหาได้ทันท่วงที เพราะทุกวันนี้ผู้บริโภคเปลี่ยนแปลงอย่างรวดเร็ว และผู้บริโภคอยู่บนโลกดิจิทัล
ด้านมุมมองของกลุ่มท็อป5 ที่ใช้งบโฆษณาดิจิทัลสูงสุด
- มองโจทย์ธุรกิจที่ต้องการเข้าถึงกลุ่มผู้บริโภคเป็นอันดับแรกเช่นกัน ,ด้านยอดขายและการสร้างประสบการณ์ที่ดีให้ผู้บริโภค จะเห็นได้ว่าทั้งสินค้าและบริการในยุคนี้ ให้เซอร์วิสผ่านแอพและเว็บไซต์ โดยสิ่งที่จะทำให้ประสบการณ์ผู้บริโภคดีขึ้น คือ “ดาต้า” ธุรกิจจึงคาดหวังว่าหากให้ประสบการณ์ที่ดีกับผู้บริโภคได้ จะช่วยสร้าง Brand Loyalty และ Brand Love และท้ายที่สุด คือ สร้างยอดขาย
- ในมุมมองของเอเยนซี มองเรื่องความเข้าใจผู้บริโภคมาเป็นอันดับหนึ่งเช่นกัน แต่จุดต่าง คือ เอเยนซี เป็นคนบริหารเงินให้ลูกค้า ที่ต้องสร้างความคุ้มค่าสูงสุด มุ่งนำเสนอ ครีเอทีฟ ไอเดีย, เซอร์วิส และความเชี่ยวชาญ เพื่อให้ดาต้าตอบโจทย์ลูกค้า
ดังนั้นจะเห็นได้ว่า แต่ละองค์กรจะมีมุมมองเรื่อง Data Analytics แตกต่างกัน แต่ทุกหน่วยงานต้องเริ่มจาก “โจทย์ธุรกิจ” เป็นลำดับแรก
“สิ่งที่ต้องให้ความสำคัญ คือ เมื่อมีบิ๊กดาต้าจำนวนมาก อาจถูกดาต้าหลอน กลายเป็นว่าทุกการตัดสินใจ จากเดิมที่ ความรู้สึก ในการตัดสินใจ บางองค์กรอาจเสพติดดาต้า ทุกอย่างต้องวัดผลได้ และเรียกดูตัวเลขทุกครั้งก่อนตัดสินใจ แต่ที่จริงทุกการตัดสินใจหรือการกระทำบางอย่างอาจไม่จำเป็นในการวิเคราะห์ข้อมูลเชิงลึกทุกครั้ง เพราะการรอฐานข้อมูลบางครั้งอาจพลาดโอกาสอบางอย่าง”
บิ๊กดาต้า และ Data Analytics เป็นสิ่งที่ได้จากข้อมูลเก่า เป็น Historical Data ที่จะเรียนรู้ข้อมูลในอดีตว่าเกิดอะไรขึ้น และใช้ข้อมูลคาดการณ์สิ่งที่จะเกิดขึ้นในอนาคต แต่สิ่งที่ไม่เคยเกิดขึ้นในโลกนี้ และไม่เคยมีข้อมูลมาก่อน บิ๊กดาต้า จึงช่วยไม่ได้!!
บิ๊กดาต้า ไม่ได้ตอบโจทย์ทุกอย่าง การตัดสินใจที่อ้างอิงกับดาต้ามาก ๆ บางครั้งเสียโอกาส ดังนั้นศิลปะด้านการสื่อสารการตลาดและโฆษณา จะต้องผสมผสานระหว่างปริมาณและคุณภาพ
Data Analytics ไม่จำเป็นต้องล้ำ!
สำหรับการทำ Data Analytics ไม่จำเป็นต้องเป็น บิ๊กดาต้า และใช้งานล้ำไปซะทุกด้าน เพราะบางครั้งอาจใช้งานเพียงแค่ Excel ก็ทำได้เช่นกัน หากรู้จักอ่านข้อมูลและตีความการตอบโจทย์ธุรกิจก็สามารถใช้งานในการแก้ปัญหาและตัดสินใจเรื่องต่างๆ ได้
ข้อมูลปัจจุบันที่องค์กรต่างๆ จัดเก็บและใช้งานเป็นลำดับต้นๆ ประกอบไปด้วย เบอร์โทรศัพท์มือถือ 71% การสำรวจกลุ่มตัวอย่าง 69% อีเมล 68% แคมเปญการตลาด (Click, Impression, view) 66% ซีอาร์เอ็ม , Web Log 66% เป็นต้น
เมื่อมาดูในมุมการจัดเก็บดาต้าของกลุ่มผู้ลงโฆษณา เปรียบเทียบกับกลุ่มท็อป5 ผู้ใช้งบโฆษณาดิจิทัลสูงสุด และเอเยนซี พบว่ากลุ่มท็อป5 ให้ความสำคัญกับการจัดเก็บดาต้าอย่างมาก
ปัญหา“ดาต้า”กระจายตัว
อย่างไรก็ตามพบว่า ปัญหาการเก็บข้อมูลกระจายในแต่ละหน่วยงานและเก็บข้อมูลด้วยระบบที่แตกต่างกัน ดังนั้นการรวมดาต้าจึงมีปัญหา ดังนั้นองค์กรที่ต้องการใช้บิ๊กดาต้าให้เกิดประโยชน์ จะต้องเรียงลำดับความสำคัญของดาต้าของแต่ละแผนกที่ต้องการตอบโจทย์ธุรกิจเป็นลำดับแรกๆ หลังจากนั้นหาวิธีรวมดาต้าให้เป็นฐานข้อมูลเดียวกัน
ปัญหาการจัดเก็บดาต้าในปัจจุบันของแต่ละองค์กรที่พบ
- จัดเก็บแยกแผนกและหน่วยงาน
- การนำดาต้าจากแหล่งต่างๆ ที่จัดเก็บคนละระบบบและคนละประเภท การนำมารวมกันในด้านเทคนิคทำได้ยาก
- ลักษณะข้อมูลที่ไม่ได้เป็นดาต้า (unstructured data)เช่น รูป วิดิโอ ข้อมูลโซเชียลมีเดีย ปัจจุบันการทำตลาดผ่านโซเชียลมีเดีย จะเป็นลักษณะข้อมูลที่ไม่ได้ถูกวางแผนมาก่อน เมื่อข้อมูลมีจำนวนมากขึ้น การจัดเก็บจึงลำบาก ถือเป็นความท้าทายขององค์กรที่จะทำเรื่องบิ๊กดาต้า
จากผลสำรวจต่อการมองความท้าทายเรื่องการจัดเก็บดาต้าในอีก 2 ปี ข้างหน้า พบว่า ปัญหาการจัดเก็บดาต้า แบบแยกหน่วยงานยังคงมีอยู่ และยังเป็นปัญหาหลักลำดับแรกของกลุ่มธุรกิจที่ใช้เงินจำนวนมากในสื่อดิจิทัล แต่ในอนาคตจะมีลักษณะของดาต้าที่ไม่ถูกวางแผนจัดเก็บมากขึ้น ดังนั้นวันนี้ องค์กรที่ต้องการทำเรื่อง Data Analytics ต้องจัดเก็บข้อมูลให้เป็นระบบ
โปรเจคบิ๊กดาต้า 60-70% “ล้มเหลว”
ในการทำงานเรื่องบิ๊กดาต้า และ Data Analytics ไม่ต้องใจร้อน!! เพราะที่ผ่านมาหลายองค์กรที่ทำเรื่องนี้ โปรเจค 60-70% “ล้มเหลว” ปัญหาหนึ่งมาจากความ “ใจร้อน” ในการทำงาน ดังนั้นจึงควรเริ่มจากสิ่งที่ง่ายก่อน เช่น Excel
“เรื่องบิ๊กดาต้า อาจเริ่มจากการคลาน เดิน และวิ่ง เป็นสิ่งที่ค่อยๆ เป็น ค่อยๆ ไป”
การทำบิ๊กดาต้า หากมุ่งใช้เทคโนโลยีขั้นสูงตั้งแต่เริ่มต้น โดยไม่มีประสบการณ์มาก่อน เมื่อโปรเจคล้มเหลว!! อาจส่งผลต่อความเชื่อมั่นของระดับผู้บริหารที่อนุมัติโครงการและงบประมาณในการทำเรื่องดังกล่าว โดยอาจต้องทำความเข้าใจกับองค์กรว่า การทำบิ๊กดาต้า เป็นการลองผิดลองถูก เพื่อทดลองทำไปพร้อมกันทั้งองค์กร
จากการสำรวจกลุ่มตัวอย่าง 123 ราย พบว่าในกลุ่มธุรกิจที่ทำเรื่องบิ๊กดาต้า มีการเริ่มทำแล้ว 54% แต่โครงการที่ประสบความสำเร็จอยู่ที่ 18% อาจจะมาจากการมองปัญหาไม่ออก ใช้ข้อมูลไม่ถูกตามโจทย์ธุรกิจ หรือสร้างความคาดหวังมากเกินไป ด้านด้านเอเยนซีเริ่มทำบิ๊กดาต้าไปแล้ว 71% สัดส่วนที่ประสบความสำเร็จอยู่ที่ 19%
ส่วนกลุ่มธุรกิจท็อป5 ที่ใช้งบโฆษณาดิจิทัลสูงสุด เริ่มบิ๊กดาต้าไปแล้ว 72% โครงการประสบความสำเร็จที่ 34% สัดส่วนที่สูงกว่ากลุ่มอื่น มาจากปัจจัยเงินทุนสนับสนุนจำนวนมาก การมีทีม Data Analytics จำนวนมาก มีฐานข้อมูลในองค์กรจำนวนมากให้ลองผิดลองถูก มีการขับเคลื่อนทั้งองค์กรอย่างเต็มที่ จึงทำให้โปรเจคบิ๊กดาต้ามีสัดส่วนความสำเร็จสูงกว่า และกลุ่มนี้อาจเริ่มต้นบิ๊กดาต้าล่วงหน้ามาก่อนกลุ่มอื่นหลายปี
เรียนรู้วิเคราะห์ข้อมูล
ปัจจุบันผู้บริโภคเปลี่ยนเร็วมาก การให้ความสนใจกับสิ่งใดสิ่งหนึ่งต่ำมาก วันนี้ “พอใจ” กับสิ่งที่แบรนด์เสนอแต่อีกวันกับ “ไม่พอใจ” ในสิ่งที่แบรนด์ทำเหมือนเดิม
การใช้ Data Analytics จะต้องปรับตัวเองให้ทันกับพฤติกรรมผู้บริโภคที่เปลี่ยนเร็ว ดังนั้นในอนาคตการใช้ Excel อาจไม่ทัน จะต้องมีการวางแผนการเรียนรู้ดาต้าอย่างต่อเนื่อง หรือการดึงผู้เชี่ยวชาญด้านการวิเคราะห์ข้อมูลมาเป็นที่ปรึกษาเพื่ออ่านและวิเคราะห์ดาต้าต่างๆ
ปัจจุบันความต้องการจากดาต้า เรื่องการใช้เวลาวิเคราะห์ดาต้าให้น้อยลงและการตอบสนองอัตโนมัติ ยังเป็นความรู้ที่มาอันดับท้ายสุดในปีนี้ แต่จากการสำรวจในอีก 2 ปีข้างหน้า จะเป็นความรู้ที่องค์กรต่างๆ ต้องการมาเป็นอันดับ 2 จากการที่เทคโนโลยีเปลี่ยนเร็ว
ในด้านการตัดนสินใจและปรับแผนการสื่อสาร จะเห็นได้ว่าวันนี้ธุรกิจต่างๆ ไม่พูดเรื่องการวางแผนรายปี แต่เป็นการทำงานแบบวันต่อวัน การทำงานเรื่องดาต้าแบบ Automation จึงมีความสำคัญมากหลังจากนี้
เข้าใจ Data Analytics
อีกประเด็นสำคัญ คือการสร้างความเข้าใจเรื่อง Data Analytics ว่าเป็นเรื่องที่ต้องทำไปพร้อมกันทั้งองค์กร ไม่ใช่ทีมใดทีมหนึ่ง ดังนั้นผู้บริหารระดับสูงขององค์กรต้องมี Mindset ที่จะทำเรื่องนี้ เพื่อสั่งการให้ทั้งองค์กรที่มีดาต้าอยู่ในแผนกต่างๆ ทำงานร่วมกัน เพราะการทำงานในแต่ละโจทย์ธุรกิจต้องอาศัยดาต้าจากแหล่งต่างๆ ในองค์กร การริเริ่มเรื่อง Data Analytic จะต้องมาจากระดับ ซีอีโอ, ซีเอ็มโอ
หากการทำบิ๊กดาต้า ถูกฝังอยู่ในกระบวนการทำงานทุกขั้นตอน ด้วยเป้าหมายเดียว นั่นหมายถึงความสำเร็จของการใช้บิ๊กดาต้า
ปัจจัยที่การทำบิ๊กดาต้าจะเกิดขึ้นได้ อันดับแรกต้องเริ่มจากการเห็นด้วยให้ทำงานด้านนี้ของผู้บริหารระดับสูงขององค์กร, มีความรู้เรื่อง Data Analytics และทิศทางหลังจากนี้ และการผสานการทำงานในทีมต่างๆ ขององค์กร
สร้างหน่วยงานกลางขับเคลื่อนบิ๊กดาต้า
โครงสร้างองค์กรที่จะทำเรื่อง Data Analytics ทำได้หลายรูปแบบ ขึ้นอยู่กับโครงสร้างองค์กรนั้นๆ รูปแบบการทำงานปัจจุบัน คือเป็น “หน่วยงานกลาง” ขององค์กร แต่ต้องมีหน่วยงาน Data Analytics เกิดขึ้น จากเดิมที่ไม่มีอยู่ในทั้งฝั่งธุรกิจและเอเยนซี
จากการสำรวจพบว่าธุรกิจทั่วไปมีทีม Data Analytics 50% ในจำนวนนี้มีบุคลากรมากกว่า 30 คนขึ้นไปถึง 30% ส่วนฝั่งธุรกิจที่ใช้งบโฆษณาดิจิทัลท็อป5 มีทีม Data Analytics 78% โดยมีบุคลากรมากกว่า 30 คนขึ้นไป 40% ขณะที่เอเยนซี มีทีม Data Analytics 77% ส่วนใหญ่ 46% มีจำนวน 3-5 คนเท่านั้น
จึงไม่แปลกใจว่าปัจจุบันทีม Data Analytics เป็นหนึ่งในบุคลากรที่หายาก เพราะธุรกิจรายใหญ่ดึงบุคลากรกลุ่มนี้ไปอยู่ในองค์กรจำนวนมาก
ดังนั้นเอเยนซี ที่ต้องมีทีม Data Analytics จึงต้องใช้วิธีพัฒนาบุคลากรเดิม ด้วยเพิ่มทักษะด้าน Data Analytics ซึ่งข้อดี คือ บุคลากรเดิมมีความรู้ด้านธุรกิจหลากหลาย เพราะโจทย์ธุรกิจของแต่ละกลุ่มในการทำ Data Analytics แตกต่างกัน หากใช้บุคลากรที่มีฐานมาจาก Data Analytics อาจโฟกัสไปที่การสร้างโมเดล แต่ไม่สามารถแก้โจทย์ธุรกิจได้
สิ่งที่ทำได้ท่ามกลางการขาดแคลนบุคลากรด้าน Data Analytics จึงเป็นการพัฒนาบุคลากรเดิมก่อน จากนั้นบุคลากรที่มีความชำนาญเฉพาะทาง หลังจากไม่สามารถพัฒนาบุคลากรในองค์กรได้แล้ว
ปัจจุบันไอพีจี มีทีม Data Analytics 5 คน แต่มีศูนย์กลางอยู่ที่ อินเดีย และฟิลิปปินส์ ที่สามารถใช้บริการ ดังนั้นองค์กรที่มีขนาดไม่ใช้จึงควรเริ่มจากสร้างทีมบุคลากรภายในก่อน
วัฒนธรรมองค์กรมุ่ง Data Analytics
อีกปัจจัยในการเริ่มต้นเรื่องการทำ Data Analytics คือ สร้างวัฒนธรรมเดียวกันในองค์กร เพราะหากต้องการให้องค์กรพัฒนาด้าน Data Analytics ไปในแนวทางเดียวกันจะต้องนำวัฒนธรรมเรื่องนี้เข้าไปฝั่งอยู่ในการทำงานขององค์กร ไม่เช่นนั้นจะไม่ทันกับการเปลี่ยนแปลงด้านเทคโนโลยีและพฤติกรรมผู้บริโภค
ปัจจุบันธุรกิจต่างๆ มองว่าเรื่อง Data Analytics เป็นหนึ่งในการทำงานขององค์กร แต่การเข้าใจเรื่องนี้ อาจแตกต่างกัน แต่ถือเป็นทิศทางที่ดี ที่เห็นว่าดาต้ามีความสำคัญ
พัฒนาทักษะบุคลากร
ด้านความรู้ความสามารถของบุคลากร เรื่อง Data Analytics ในกลุ่มธุรกิจ ระบุว่ามีความรู้ไม่มาก 56% แต่สิ่งสำคัญไม่ใช่เรื่องทักษะด้านเทคโนโลยีเท่านั้น แต่คือการนำข้อมูลมาใช้ประโยชน์ตอบโจทย์ธุรกิจให้ได้มากที่สุด
ดังนั้นบุคลากรที่น่าจะมองหาในการทำ Data Analytics ในเชิงธุรกิจ ด้านการสื่อสารการตลาดและโฆษณา คือคนที่ไม่กลัวตัวเลข มีการทำงานผสมผสานด้านศาสตร์และศิลป์ ซึ่งจะทำให้ทำงานได้ทั้งด้านธุรกิจและเทคโนโลยี
ความรู้ที่ยังขาดอยู่ในขณะนี้ คือ ความรู้และความเข้าใจ ขาดบุคลากร ทักษะการตีความและวิเคราะห์ดาต้า
ในอีก 2 ปีข้างหน้า กลุ่มธุรกิจผู้นำใช้สื่อโฆษณาดิจิทัล ยังมองประเด็นบุคลากรด้าน Data Analytics เป็นสิ่งสำคัญ ขณะที่ฝั่งเอเยนซีจะมุ่งพัฒนาบุคลากรและเพิ่มทักษะคนในองค์ ให้ทำหน้าที่ตีความและแปลภาษาดาต้าออกมาเป็นโมเดลธุรกิจ และเป็นที่ปรึกษาให้ธุรกิจใช้ประโยชน์จากดาต้าสูงสุด โดย ไอพีจี จะมุ่งพัฒนาความเชี่ยวชาญด้าน Data Analytics
‘บิ๊กดาต้า’ทำนายแชมเปี้ยนส์ลีก‘หงส์’มีลุ้น 19%
