Business Analytics หรือ Data Analytics อะไรเหมาะกับธุรกิจของคุณ?
ในโลกปัจจุบัน Big Data กำลังเป็นที่สนใจอย่างมาก โดยเฉพาะในการเข้ามาเปลี่ยนแปลงกระบวนการตัดสินใจ ไม่ว่าจะเป็นในองค์กรหรือหน่วยงานใด Data กำลังเข้ามาช่วยเพื่อเพิ่มยอดขายและประสิทธิภาพในการทำงานรวมถึงการขยายตัวธุรกิจอีกด้วย
เพื่อจะนำ Data มาใช้ให้เกิดประโยชน์สูงสุดในองค์กร Data ควรถูกนำมาใช้ทั้งในทางของ Business Analytics และ Data Analytics แต่มักจะมีความสับสนระหว่างทั้งสองศาสตร์นี้ ซึ่งเราจะมาดูกันว่าทั้งสองศาสตร์มีจุดเหมือนและต่างกันอย่างไรบ้าง
ทั้ง Business Analytics และ Data Analytics มีความเกี่ยวข้องกับการจัดการและดัดแปลงรูปแบบข้อมูล เพื่อหาข้อมูลเชิงลึกมาใช้ในการพัฒนาวิธีทำงานให้ได้ผลการดำเนินงานที่ดียิ่งขึ้น แต่สำหรับด้านที่ต่างกันมีดังนี้
Business Analytics จะเน้นการหาคำตอบสำหรับโจทย์ที่ชัดเจนด้านกลยุทธ์หรือแผนงานว่าควรจะตัดสินใจไปในทางใด เช่น ควรเพิ่มรูปแบบสินค้าหรือไม่ หรืออาจจะเป็นการวัดว่าโครงการใดควรให้ความสำคัญมากกว่ากัน ซึ่งเป็นการผสมผสานของความรู้ในหน้างานและเครื่องมือต่างๆที่ก่อให้เกิดการวัดผลการดำเนินงาน และยกระดับประสิทธิภาพในการทำงานของหน่วยงานในองค์กร ซึ่งจะเน้น 3 ขั้นตอนหลักๆ ได้แก่
-Descriptive analytics: เป็นการตอบคำถามว่าจากข้อมูลในอดีต อะไรเกิดขึ้นไปแล้ว และเกิดขึ้นเพราะอะไร เพื่อจะสามารถวางแผนได้ว่าควรทำอย่างไรต่อในอนาคต
-Predictive analytics: เป็นขั้นที่สอง ที่จะนำ machine learning และเทคนิคทางสถิติมาช่วยในการคาดการณ์ว่ามีความเป็นไปได้ว่าจะเกิดเหตุการณ์อะไรบ้าง แต่ทั้งนี้การคาดการณ์ไม่ได้เป็นการบอกว่าจะเกิดอะไรขึ้นแน่ๆแต่เป็นเพียงความน่าจะเป็นจากสิ่งที่เกิดขึ้นในอดีต
-Prescriptive analytics: เป็นขั้นสุดท้าย ที่แนะนำสิ่งที่ควรจะทำที่สุดเมื่อเจอเหตุการณ์ต่างๆ จากผลของการวิเคราะห์ในขั้นก่อนหน้า ซึ่งขั้นตอนนี้จะรวม ความเข้าใจในส่วนธุรกิจ และแบบจำลองทางคณิตศาสตร์เข้าไปอีกด้วย
Data Analytics จะเป็นการรวบรวมข้อมูลและพยายามหา pattern หรือแนวโน้มของข้อมูลเพื่อเข้าใจความเสี่ยงและโอกาส ซึ่งสามารถนำไปปรับใช้กับกระบวนการทำงาน ให้การตัดสินใจมีข้อมูลมายืนยันได้มากขึ้น ตัวอย่างอาจจะเป็นการตอบคำถามว่า พื้นที่หรือช่วงเวลาของปีมีผลกระทบกับพฤติกรรมของลูกค้าอย่างไรบ้าง หรือมีความเป็นได้แค่ไหนที่ลูกค้าจะเปลี่ยนไปซื้อของจากคู่แข่งแทน data analytics จะรวมการใช้เทคนิคต่างๆ เช่น
-Data mining: เป็นการจัดระเบียบข้อมูลชุดใหญ่ๆเพื่อหาแนวโน้มต่างๆและความสอดคล้อง
-Predictive analytics: รวบรวมและวิเคราะห์ข้อมูลในอดีตเพื่อคาดการณ์สิ่งที่จะเกิดในอนาคต และtake actionให้ตรงจุด
-Machine learning: ใช้ความน่าจะเป็นทางสถิติในการสอนโปรแกรมให้ process ข้อมูลได้อย่างรวดเร็วยิ่งขึ้น
-Text mining: หาความเชื่อมโยงและอารมณ์ของเอกสาร อีเมล์ หรือเนื้อหาในรูปแบบของข้อความ
ไม่ว่าจะเป็นองค์กรเล็กหรือใหญ่ก็ต่างมีความจำเป็นที่จะใช้ data เพื่อให้เกิดนวัตกรรมใหม่ๆและการเติบโตของธุรกิจ ทั้ง data analytics และ business analytics อาจจะมีความแตกต่างอยู่บ้างในวิธีการ แต่ยังคงมีเป้าหมายหลักเดียวกันที่จะผลักดันให้มีการพัฒนาประสิทธิภาพและการแก้ปัญหาของการทำงาน
Ref:
https://www.northeastern.edu/graduate/blog/data-analyst-vs-business-analyst/
https://www.talend.com/resources/business-analytics-vs-data-analytics/
