Salim Ismail กูรูด้าน Exponential Transformation เผยเคล็ดลับในการปรับองค์กรเพื่อรองรับ Accelerating Technologies
วันที่ 11 มี.ค. คณะบัญชีๆ จุฬาฯ ร่วมกับ SET จัดงานสัมมนา "How to Transform Your Business to Become an Exponential Company in a Digital Era" มีประเด็นน่าสนใจดังนี้
## Accelerating Technologies เป็นอย่างไร ##
Accelerating Technologies ทำให้ธุรกิจสามารถโตได้แบบก้าวกระโดด เช่น AI, robotics, biotech เป็นต้น ซึ่งเทคโนโลยีเหล่านี้เพิ่มขีดความสามารถได้แบบทวีคูณ เหมือนใน Moore’s law ที่บอกว่าจำนวน transistor ในแผงวงจรเพิ่มจำนวนขึ้นได้ทุกๆ 2 ปี การเปลี่ยนแปลงลักษณะนี้ในช่วงเริ่มต้นอาจช้า แต่พอถึงจุดก็สามารถพุ่งทะยานแต่ได้อย่างรวดเร็ว ตัวอย่างเช่น drone ที่ในอดีตไม่สามารถบรรทุกน้ำหนักได้มาก แต่ปัจจุบันสามารถบรรทุกของหนัก 600 กิโลกรัมได้ไกลถึง 10 กิโลเมตร การลดลงของต้นทุนของการผลิตแสงสว่าง ต้นทุนของพลังงานแสงอาทิตย์ หรือรายได้จากการโฆษณาของสื่อสิ่งพิมพ์ เป็นต้น ซึ่งเมื่อการเปลี่ยนแปลงเกิดขึ้น จะเกิดอย่างรวดเร็ว ไม่ได้ค่อยเป็นค่อยไปเหมือนธุรกิจในอดีต
เทคโนโลยีเหล่านี้ก่อให้เกิด 4D ซึ่งประกอบด้วย Digitize, Disrupt, Demonetize และ Democratize
## 1. Digitize ##
เมื่อกิจกรรมต่างๆ เป็น digital มากขึ้นผ่าน Internet of Things (IOT) ซึ่งคาดการณ์ว่าอาจจะมีอุปกรณ์ถึง 1 ล้านล้านตัวในปี 2030 ที่สามารถเชื่อมต่อ Internet ได้ ทำให้มีข้อมูลที่ทำประโยชน์ได้มากขึ้น เช่น มีบริษัท startup ใน Israel สามารถใช้คลิปเสียงเพียง 10 วินาทีวิเคราะห์อารมณ์ของผู้พูดได้ด้วยความแม่นยำถึง 85%
## 2. Disrupt ##
เมื่อเทคโนโลยีเปลี่ยน รูปแบบการทำธุรกิจก็เปลี่ยน
สมัยก่อนกล้องต้องใช้ฟิล์ม ทำให้เวลาถ่ายภาพต้องระมัดระวังเนื่องจากความจุมีจำกัด คอร์สสอนถ่ายรูปจึงมีความจำเป็น แต่พอมีกล้องดิจิตัล ไม่มีข้อจำกัดเรื่องความจุอีกต่อไป ก็ไม่จำเป็นต้องมีคอร์สสอนแล้ว ปัญหาของคนกลายเป็นทำอย่างไรให้ค้นหาและจัดการรูปถ่ายจำนวนมากที่มีอยู่ในอุปกรณ์หลายรูปแบบ เป็นต้น
จาก scarcity กลายเป็น abundance ต้นทุน marginal cost กลายเป็น 0 ทำให้เนื้อของธุรกิจ (เช่นจำนวนรูปถ่าย ปริมาณพลังงาน) เพิ่มอย่างมหาศาล โจทย์ของธุรกิจก็เปลี่ยนไป ตัวอย่างเช่น ตอนนี้ต้นทุนของพลังงานแสงอาทิตย์ถูกลงมาก ทำให้ปัญหาไม่ใช่เรื่องการผลิต แต่เป็นการเก็บ จุดพลิกเหล่านี้เรียกว่า Gutenberg moment (ตามชื่อผู้คิดค้นแท่นพิมพ์เครื่องแรกของโลก) ซึ่งเกิดมากขึ้นและบ่อยขึ้นในโลกปัจจุบัน
## 3. Demonetize ##
เมื่อต้นทุนถูกลงเรื่อยๆ คู่แข่งที่มา Disrupt ก็มากขึ้นเรื่อยๆ รายได้ก็ลดลงเรื่อยๆ เช่นกัน
ตัวอย่างเช่น บริษัทรถยนต์ที่ผ่านมาไม่สนใจเรี่อง self-driving car เนื่องจากต้นทุนเทคโนโลยีสูง เป็นแสนเหรียญต่อคัน ทำให้สร้างแล้วขายไม่คุ้ม แต่เมื่อต้นทุนเทคโนโลยีลดลงแบบ exponential เหลือแค่หลักพัน ตอนนี้กลับต้องมาพัฒนาบ้างตามหลัง Google หรือ Uber ซึ่งได้ลงทุนวิจัยนำมานานแล้ว ตัวอย่างที่สอง ธุรกิจล้างรถใน Buenos Aires ทั้งๆ ที่เศรษฐกิจดี คนมีรถมากขึ้น แต่รายได้กลับลดลง ต้นเหตุที่แท้จริงกลับเป็นเพราะเทคโนโลยีในการพยากรณ์อากาศดีขึ้น ซึ่งดูแล้วไม่น่าจะเกี่ยวกัน แต่เมื่อพยากรณ์ว่าฝนตกแล้วฝนมักจะตกจริงๆ คนจึงมาล้างรถน้อยลง
ตัวอย่างแรกแสดงให้เห็นถึงการคิดแบบ linear กับการคิดแบบ exponential หากเราไม่คิดแบบ exponential เราจะพลาดโอกาสในอนาคตได้ ส่วนตัวอย่างหลังแสดงให้เห็นว่า disruption มาได้จากทุกที่ ทำให้เราควรมีความหวาดระแวงไว้บ้าง ให้คิดไว้เลยว่าเราจะถูก disrupt ได้เสมอ
## 4. Democratize ##
เมื่อทุกอย่างต้นทุนลดลง ก็ทำให้เปิดกว้างมากขึ้น
เมื่อเรานำเทคโนโลยีไปให้กลุ่มชายขอบใช้ สามารถทำให้เกิดผลลัพธ์ได้อย่างทันที เช่น หลังเหตุการณ์สึนามิที่ Indonesia ชาวประมงมีรายได้มากขึ้นถึง 30% จากการใช้ SMS ส่งข่าวราคารับซื้อปลาที่ท่าเรือให้กัน ทำให้ชาวประมงตัดสินใจได้ดีขึ้น การเปิดกว้างนี้ทำให้ใครก็ได้ที่มีไอเดียสามารถนำเทคโนโลยีเหล่านี้ไปใช้กับธุรกิจเดิมๆ แล้วก่อให้เกิดการเปลี่ยนแปลงได้
Elon Musk ไม่ได้คิดค้นอะไรใหม่ แต่กลยุทธ์ของเขาคือหาเทคโนโลยีก้าวกระโดดเหล่านี้และสร้างบริษัทมาเพื่อจะได้ทันใช้ประโยชน์จากการเติบโตใน 10 ปีข้างหน้า
## คำแนะนำจาก Salim สำหรับการปรับตัว ##
องค์กรที่เรียกได้ว่าเป็น Exponential Organization ต่างมีจุดร่วมดังนี้
1. ใช้ MTP (massive transformative purpose) ซึ่งเหมือนเป็น mantra ประจำองค์กร เช่น Ideas worth spreading (TED), Organize the world’s information (Alphabet/Google), Open happiness (Coca-Cola) ในการสร้าง culture
2. ไม่จำเป็นต้องใหญ่โต แต่ใช้ทรัพยากรที่มีอยู่ให้คุ้มค่าด้วยหลักการ SCALE (Staff on demand, Community & crowd, Algorithms, Leveraged assets, Engagement)
ซึ่งองค์กรที่ต้องการเตรียมพร้อม ควรจะ
1. ให้ผู้นำรับทราบถึงสภาวะปัจจุบันของโลก เช่น Accelerating Technologies และ Exponential Growth และเปลี่ยนแนวคิด
2. เริ่มนวัตกรรม disruptive จากชายขอบ (edges) ไม่ใช่จากศูนย์กลางขององค์กร (core) เพราะมิเช่นนั้นระบบภูมิคุ้มกัน (ต่อความเปลี่ยนแปลงขององค์กร) จะทำงาน ให้สร้างทีมพิเศษขึ้นมาที่ตามชายขอบโดยที่เก็บศูนย์กลางไว้ เมื่อเวลาผ่านไป ทีมพิเศษนี้อาจจะใหญ่กว่าตัวองค์กรดั้งเดิมเองก็ได้
วันจันทร์ที่ 18 มีนาคม พ.ศ. 2562
วันจันทร์ที่ 11 มีนาคม พ.ศ. 2562
ทักษะ ในยุค AI
9 March 2019
By Thanisara GG Ruangdej
‘แค่อยู่กับที่ก็ถอยหลังแล้ว’ ไม่ใช่คำพูดเกินจริงสำหรับยุคสมัยนี้ ที่เทคโนโลยีและความรู้ใหม่ๆ เกิดขึ้นได้ตลอดเวลา
ตื่นเช้า หยิบมือถือมาดู อ้าว.. เฟซบุ๊กเปลี่ยนหน้าตาอีกแล้ว, เปิดอ่านข่าว อ้าว.. AI ทำนู่นนี่นั่นได้แล้ว, ไหนจะวิธีคิดหรือสกิลใหม่ๆ ที่งอกเงยตามมา เพื่อแนะนำ (แกมบังคับ) ให้ผู้ใช้อย่างเราต้องเรียนรู้และตามให้ทันเทคโนโลยีเหล่านั้นด้วย
ปัญหาที่เกิดขึ้นตามมาในโลกที่เทคโนโลยีอัพเดทอยู่แทบทุกนาที คือทักษะและความรู้ของคนทำงานที่อัพตามไม่ทัน จนเกิด ‘Skill Gap’ หรือการที่คนทำงานมีทักษะที่ไม่สอดคล้องกับที่องค์กรต้องการ เพราะกว่าจะเรียนจบ สิ่งที่เรียนมา ก็ล้าสมัยไปหมดแล้ว
สิ่งที่สถาบันการศึกษาและองค์กรต่างๆ พยายามทำเพื่อแก้ปัญหาอยู่ก็คือการหาวิธี Upskill และ Reskill เพื่อ ‘อัพเกรด’ ทั้งคนที่กำลังจะทำงาน คนที่เพิ่งทำงานใหม่ๆ และคนที่ทำงานอยู่เดิม มีทักษะที่ทันยุคสมัยและใช้ได้จริงในงานที่ตัวเองทำ
อะไรที่ต้องเรียนรู้ในยุคนี้?
Tim Ferriss นักคิด นักเขียน และนักลงทุนระดับโลกเคยบอกว่า เป้าหมายการเรียนรู้ของเขาคือ “การเรียนอะไรก็ได้ ที่เรียนแค่ครั้งเดียว แล้วใช้ได้ตลอดชีวิต” (My goal is to learn things once and use them forever.) ซึ่งในบริบทของโลกที่มีการ ‘อัพเดท’ ตลอดเวลา และสามารถ ‘เสิร์ช’ หาสิ่งต่างๆ ได้ภายในไม่กี่วินาทีจากบนหน้าจอ การเรียนรู้ในยุคสมัยนี้จึงควรมุ่งไปที่ ‘ทักษะ’ (Skill) มากกว่า ‘องค์ความรู้’ (Knowledge
เมื่อต้นปี 2019 ‘LinkedIn’ แพลตฟอร์มที่รวมตำแหน่งงานและประวัติคนทำงานไว้มากที่สุดแห่งหนึ่งของโลก ได้ทำการวิเคราะห์งานนับล้านตำแหน่งที่โพสต์ลงบนแพลตฟอร์มเมื่อปี 2018 เพื่อค้นหา ‘ทักษะที่องค์กรต้องการมากที่สุด’
นี่น่าจะเป็นลิสต์ของทักษะที่เราควรเลือกจะเรียนรู้เพื่ออัพเกรดตัวเองให้ทันโลกและตลาดแรงงาน
ด้าน ‘Soft Skill’ หรือทักษะด้านอารมณ์และการอยู่ร่วมกับคนอื่นที่องค์กรต้องการมากที่สุดคือ
ความคิดสร้างสรรค์ (Creativity)
ความสามารถในการโน้มน้าวชักจูง (Persuasion)
การทำงานร่วมกับผู้อื่น (Collaboration)
ความสามารถในการปรับตัว (Adaptability)
การจัดการเวลา (Time Management)
Soft Skill นี้เป็นอะไรที่เรียนรู้ครั้งเดียวแล้วใช้ได้ยาวๆ แถมเหมาะมากๆ สำหรับยุคที่หุ่นยนต์และ AI จะเข้ามามีบทบาทในการทำงานของมนุษย์ เพราะเป็นทักษะที่ยังไงๆ AI ก็ทำได้ไม่ดีเท่ากับมนุษย์
ส่วน ‘Hard Skill’ หรือทักษะเชิงความรู้ความเชี่ยวชาญที่องค์กรต้องการ 10 อันดับแรกคือ
ทักษะด้าน Cloud Computing
ทักษะด้านการใช้งานปัญญาประดิษฐ์
ทักษะด้านการวิเคราะห์เชิงเหตุผลและการตัดสินใจด้านกลยุทธ์ (Analytical Reasoning)
ทักษะด้านการจัดการทีม (People Management)
ทักษะด้านการออกแบบประสบการณ์ผู้ใช้ (UX Design)
ทักษะด้านการออกแบบแอปพลิเคชั่นบนสมาร์ทโฟน
ทักษะด้านการผลิตวิดีโอ (Video Production)
ทักษะด้านการขาย (Sales Leadership)
ทักษะด้านการแปลภาษา (Translation)
ทักษะด้านการผลิตสื่อด้านเสียง (Audio Production)
Hard Skill ส่วนใหญ่จะเกี่ยวกับการใช้งานบนโลกดิจิทัล รวมถึงเป็นทักษะที่ต้องอาศัยความรู้ความเข้าใจด้านเทคโนโลยี (Technology) การจัดการข้อมูล (Data) การออกแบบ (Design) และธุรกิจ (Business) มาประกอบเข้าด้วยกัน
แล้วที่เรียนมา.. ไม่เห็นใช้ได้เลย
หลายคนเห็นลิสต์แล้วอาจจะรู้สึกว่า เราอยู่คนละสายอาชีพกันเลย แต่ในโลกยุคดิจิทัลที่ทุกอย่าง ‘คอนเน็กต์’ กันหมดแบบนี้ ต้องยอมรับว่าเทคโนโลยีกลายเป็นเรื่องของทุกคน และไม่ว่าจะทำสายอาชีพไหนหรือระดับงานใดๆ หากไม่ ‘อัพเกรด’ ตัวเองขึ้นมา เราก็อาจจะถูก ‘แย่งงาน’ ได้ และไม่ใช่จากหุ่นยนต์ด้วย แต่จากการที่เรามีทักษะไม่เพียงพอที่จะทำงานได้ตามความคาดหวัง จนองค์กรต้องไปหาคนอื่นที่ทำได้มาแทนเรา!
การที่คนทำงานมีทักษะไม่สอดคล้องกับงานหรือ ‘Skill Gap’ นี้ OECD แบ่งไว้ 3 รูปแบบ คือ
Qualification Mismatch : คนมีระดับวุฒิการศึกษาไม่ตรงกับงาน
Field of Study Mismatch : คนเรียนจบในสาขาที่ไม่ตรงกับงานที่ทำ
Skills Mismatch : คนมีความสามารถไม่เพียงพอกับความต้องการขององค์กร
ซึ่งถ้ามองหาสาเหตุกันจริงๆ ก็จะย้อนกลับไปสู่ระบบการศึกษาของไทยที่ไม่ได้ออกแบบมาเพื่อเน้นการสอน ‘ทักษะ’ ไม่ได้มีกระบวนการให้ข้อมูลหรือแนะนำการเรียนรู้เพื่อตอบสนองตลาดแรงงาน รวมถึงว่า แม้ตอนนี้พอจะรู้ถึงปัญหา ก็ยังต้องใช้เวลาอีกหลายปีในการปรับเปลี่ยนหรือปฏิรูปการศึกษา กระบวนการผลิตทรัพยากรด้านบุคคลจึงตกที่นั่งเดิมว่า “เรียน 4-5 ปี จบมา ความรู้ที่เรียนก็ล้าสมัยเกินเอามาใช้แล้ว”
วิธีการเรียนรู้ในศตวรรษที่ 21
ในรายงานเรื่อง Future of Jobs ของ World Economic Forum (WEF) บอกว่าในศตวรรษที่ 21 นี้ เราต้องออกแบบวิธีการเรียนรู้กันใหม่ ถ้าจะให้ดี ทักษะความรู้ต้องเข้าถึงได้ ‘สะดวก ทุกที่ และทุกเวลา’ และวิธีการเรียนการสอน ต้องเน้นไปที่การปลูกฝังและติดตั้ง ‘ระบบความคิด’ ให้คนเรียน โดย WEF ได้แนะนำหลักการ ‘MPPG’ ที่ใช้เทคโนโลยีแก้ปัญหา Skill Gap ที่เกิดจากเทคโนโลยีไว้ว่า การเรียนรู้ในยุคนี้ต้องมีองค์ประกอบคือ
Mobile-first : ช่องทางเข้าถึงง่าย และออกแบบเล่าได้น่าสนใจ (ใช้ UX และ UI เข้ามาช่วย)
Participatory : สร้างประสบการณ์ร่วมในการเรียนรู้ จะช่วยให้เกิดความ ‘อยากแชร์’ ต่อ
Personalized : เมื่อได้รับโจทย์เฉพาะ แต่ละคนจะได้พัฒนาทักษะในการคิดแบบวิเคราะห์ (Critical Thinking) และทักษะในการตัดสินใจ (Judgement skills)
Group-based : สร้างส่วนของการแลกเปลี่ยนความคิดเห็น เพื่อเพิ่มมุมมองใหม่และกระตุ้นการแบ่งปันไอเดีย
เราเลยพอจะเห็นความเคลื่อนไหวของหลายๆ มหาวิทยาลัย สถาบันการศึกษา และองค์กรเอกชนหลายแห่ง ที่มีการตั้งคอร์ส ‘เฉพาะกิจ’ เพื่อสอนทักษะที่จำเป็นสำหรับยุคสมัย โดยมีให้เลือกทั้งแบบออนไลน์และออฟไลน์ รวมถึงงานสัมมนาที่จะช่วยให้คนพัฒนาทักษะตัวเองได้
หนึ่งในคอร์สออนไลน์ (ฟรีด้วย) ที่น่าสนใจเกี่ยวกับการเรียนรู้คือ ‘Learning how to learn’ ที่เปิดสอนบน Coursera (coursera.org/learn/learning-how-to-learn) ซึ่งสอน ‘ฐาน’ ของการเรียนรู้สิ่งอื่นๆ เช่น เทคนิคการเรียน-พักแบบ Pomodoro (เรียน 25 นาที พัก 5 นาที สลับกันไป), การใช้ Chunking หรือแบ่งสิ่งที่อยากเรียนรู้เป็นแนวคิดย่อยๆ, หรือการจดสรุปด้วยคำของตนเองแทนไฮไลท์ เพื่อป้องกัน Illusions of Competence หรือความหลงคิดไปเองว่าตัวเองรู้อะไรแล้ว ทั้งๆ ที่อาจจะไม่รู้จริง
หรืออย่างสิ้นเดือนนี้ Skooldio โรงเรียนที่เปิดสอนสกิลที่จำเป็นสำหรับยุคสมัยนี้และในอนาคต ก็จะจัดงาน ‘Beta’ งานสัมมนาที่รวบรวมเอานักพัฒนาเทคโนโลยี (Developer) นักออกแบบ (Designer) ผู้ประกอบการ (Entrepreneur) และผู้บริหารจัดการด้านคน (People Manager) มาแบ่งปันข้อมูลและประสบการณ์เกี่ยวกับทักษะที่เป็นที่ต้องการสำหรับการทำงานในยุคสมัยนี้ ซึ่งทั้งหมดเป็นส่วนประกอบของทักษะที่ต้องการในตลาด ตามที่ LinkedIn วิเคราะห์ไว้ (ดูรายละเอียดงานได้ที่ beta.skooldio.com)
ในเมื่อโลกไม่หยุดขยับ และเทคโนโลยีอัพเกรดอยู่แทบทุกนาที เราเลยอยู่กับที่ไม่ได้ ต้องลุกขึ้นมาอัพสกิลตัวเองให้ทันโลกด้วย
Source :https://thematter.co/byte/future-skills-2/72461
‘แค่อยู่กับที่ก็ถอยหลังแล้ว’ ไม่ใช่คำพูดเกินจริงสำหรับยุคสมัยนี้ ที่เทคโนโลยีและความรู้ใหม่ๆ เกิดขึ้นได้ตลอดเวลา
ตื่นเช้า หยิบมือถือมาดู อ้าว.. เฟซบุ๊กเปลี่ยนหน้าตาอีกแล้ว, เปิดอ่านข่าว อ้าว.. AI ทำนู่นนี่นั่นได้แล้ว, ไหนจะวิธีคิดหรือสกิลใหม่ๆ ที่งอกเงยตามมา เพื่อแนะนำ (แกมบังคับ) ให้ผู้ใช้อย่างเราต้องเรียนรู้และตามให้ทันเทคโนโลยีเหล่านั้นด้วย
ปัญหาที่เกิดขึ้นตามมาในโลกที่เทคโนโลยีอัพเดทอยู่แทบทุกนาที คือทักษะและความรู้ของคนทำงานที่อัพตามไม่ทัน จนเกิด ‘Skill Gap’ หรือการที่คนทำงานมีทักษะที่ไม่สอดคล้องกับที่องค์กรต้องการ เพราะกว่าจะเรียนจบ สิ่งที่เรียนมา ก็ล้าสมัยไปหมดแล้ว
สิ่งที่สถาบันการศึกษาและองค์กรต่างๆ พยายามทำเพื่อแก้ปัญหาอยู่ก็คือการหาวิธี Upskill และ Reskill เพื่อ ‘อัพเกรด’ ทั้งคนที่กำลังจะทำงาน คนที่เพิ่งทำงานใหม่ๆ และคนที่ทำงานอยู่เดิม มีทักษะที่ทันยุคสมัยและใช้ได้จริงในงานที่ตัวเองทำ
อะไรที่ต้องเรียนรู้ในยุคนี้?
Tim Ferriss นักคิด นักเขียน และนักลงทุนระดับโลกเคยบอกว่า เป้าหมายการเรียนรู้ของเขาคือ “การเรียนอะไรก็ได้ ที่เรียนแค่ครั้งเดียว แล้วใช้ได้ตลอดชีวิต” (My goal is to learn things once and use them forever.) ซึ่งในบริบทของโลกที่มีการ ‘อัพเดท’ ตลอดเวลา และสามารถ ‘เสิร์ช’ หาสิ่งต่างๆ ได้ภายในไม่กี่วินาทีจากบนหน้าจอ การเรียนรู้ในยุคสมัยนี้จึงควรมุ่งไปที่ ‘ทักษะ’ (Skill) มากกว่า ‘องค์ความรู้’ (Knowledge
เมื่อต้นปี 2019 ‘LinkedIn’ แพลตฟอร์มที่รวมตำแหน่งงานและประวัติคนทำงานไว้มากที่สุดแห่งหนึ่งของโลก ได้ทำการวิเคราะห์งานนับล้านตำแหน่งที่โพสต์ลงบนแพลตฟอร์มเมื่อปี 2018 เพื่อค้นหา ‘ทักษะที่องค์กรต้องการมากที่สุด’
นี่น่าจะเป็นลิสต์ของทักษะที่เราควรเลือกจะเรียนรู้เพื่ออัพเกรดตัวเองให้ทันโลกและตลาดแรงงาน
ด้าน ‘Soft Skill’ หรือทักษะด้านอารมณ์และการอยู่ร่วมกับคนอื่นที่องค์กรต้องการมากที่สุดคือ
ความคิดสร้างสรรค์ (Creativity)
ความสามารถในการโน้มน้าวชักจูง (Persuasion)
การทำงานร่วมกับผู้อื่น (Collaboration)
ความสามารถในการปรับตัว (Adaptability)
การจัดการเวลา (Time Management)
Soft Skill นี้เป็นอะไรที่เรียนรู้ครั้งเดียวแล้วใช้ได้ยาวๆ แถมเหมาะมากๆ สำหรับยุคที่หุ่นยนต์และ AI จะเข้ามามีบทบาทในการทำงานของมนุษย์ เพราะเป็นทักษะที่ยังไงๆ AI ก็ทำได้ไม่ดีเท่ากับมนุษย์
ส่วน ‘Hard Skill’ หรือทักษะเชิงความรู้ความเชี่ยวชาญที่องค์กรต้องการ 10 อันดับแรกคือ
ทักษะด้าน Cloud Computing
ทักษะด้านการใช้งานปัญญาประดิษฐ์
ทักษะด้านการวิเคราะห์เชิงเหตุผลและการตัดสินใจด้านกลยุทธ์ (Analytical Reasoning)
ทักษะด้านการจัดการทีม (People Management)
ทักษะด้านการออกแบบประสบการณ์ผู้ใช้ (UX Design)
ทักษะด้านการออกแบบแอปพลิเคชั่นบนสมาร์ทโฟน
ทักษะด้านการผลิตวิดีโอ (Video Production)
ทักษะด้านการขาย (Sales Leadership)
ทักษะด้านการแปลภาษา (Translation)
ทักษะด้านการผลิตสื่อด้านเสียง (Audio Production)
Hard Skill ส่วนใหญ่จะเกี่ยวกับการใช้งานบนโลกดิจิทัล รวมถึงเป็นทักษะที่ต้องอาศัยความรู้ความเข้าใจด้านเทคโนโลยี (Technology) การจัดการข้อมูล (Data) การออกแบบ (Design) และธุรกิจ (Business) มาประกอบเข้าด้วยกัน
แล้วที่เรียนมา.. ไม่เห็นใช้ได้เลย
หลายคนเห็นลิสต์แล้วอาจจะรู้สึกว่า เราอยู่คนละสายอาชีพกันเลย แต่ในโลกยุคดิจิทัลที่ทุกอย่าง ‘คอนเน็กต์’ กันหมดแบบนี้ ต้องยอมรับว่าเทคโนโลยีกลายเป็นเรื่องของทุกคน และไม่ว่าจะทำสายอาชีพไหนหรือระดับงานใดๆ หากไม่ ‘อัพเกรด’ ตัวเองขึ้นมา เราก็อาจจะถูก ‘แย่งงาน’ ได้ และไม่ใช่จากหุ่นยนต์ด้วย แต่จากการที่เรามีทักษะไม่เพียงพอที่จะทำงานได้ตามความคาดหวัง จนองค์กรต้องไปหาคนอื่นที่ทำได้มาแทนเรา!
การที่คนทำงานมีทักษะไม่สอดคล้องกับงานหรือ ‘Skill Gap’ นี้ OECD แบ่งไว้ 3 รูปแบบ คือ
Qualification Mismatch : คนมีระดับวุฒิการศึกษาไม่ตรงกับงาน
Field of Study Mismatch : คนเรียนจบในสาขาที่ไม่ตรงกับงานที่ทำ
Skills Mismatch : คนมีความสามารถไม่เพียงพอกับความต้องการขององค์กร
ซึ่งถ้ามองหาสาเหตุกันจริงๆ ก็จะย้อนกลับไปสู่ระบบการศึกษาของไทยที่ไม่ได้ออกแบบมาเพื่อเน้นการสอน ‘ทักษะ’ ไม่ได้มีกระบวนการให้ข้อมูลหรือแนะนำการเรียนรู้เพื่อตอบสนองตลาดแรงงาน รวมถึงว่า แม้ตอนนี้พอจะรู้ถึงปัญหา ก็ยังต้องใช้เวลาอีกหลายปีในการปรับเปลี่ยนหรือปฏิรูปการศึกษา กระบวนการผลิตทรัพยากรด้านบุคคลจึงตกที่นั่งเดิมว่า “เรียน 4-5 ปี จบมา ความรู้ที่เรียนก็ล้าสมัยเกินเอามาใช้แล้ว”
วิธีการเรียนรู้ในศตวรรษที่ 21
ในรายงานเรื่อง Future of Jobs ของ World Economic Forum (WEF) บอกว่าในศตวรรษที่ 21 นี้ เราต้องออกแบบวิธีการเรียนรู้กันใหม่ ถ้าจะให้ดี ทักษะความรู้ต้องเข้าถึงได้ ‘สะดวก ทุกที่ และทุกเวลา’ และวิธีการเรียนการสอน ต้องเน้นไปที่การปลูกฝังและติดตั้ง ‘ระบบความคิด’ ให้คนเรียน โดย WEF ได้แนะนำหลักการ ‘MPPG’ ที่ใช้เทคโนโลยีแก้ปัญหา Skill Gap ที่เกิดจากเทคโนโลยีไว้ว่า การเรียนรู้ในยุคนี้ต้องมีองค์ประกอบคือ
Mobile-first : ช่องทางเข้าถึงง่าย และออกแบบเล่าได้น่าสนใจ (ใช้ UX และ UI เข้ามาช่วย)
Participatory : สร้างประสบการณ์ร่วมในการเรียนรู้ จะช่วยให้เกิดความ ‘อยากแชร์’ ต่อ
Personalized : เมื่อได้รับโจทย์เฉพาะ แต่ละคนจะได้พัฒนาทักษะในการคิดแบบวิเคราะห์ (Critical Thinking) และทักษะในการตัดสินใจ (Judgement skills)
Group-based : สร้างส่วนของการแลกเปลี่ยนความคิดเห็น เพื่อเพิ่มมุมมองใหม่และกระตุ้นการแบ่งปันไอเดีย
เราเลยพอจะเห็นความเคลื่อนไหวของหลายๆ มหาวิทยาลัย สถาบันการศึกษา และองค์กรเอกชนหลายแห่ง ที่มีการตั้งคอร์ส ‘เฉพาะกิจ’ เพื่อสอนทักษะที่จำเป็นสำหรับยุคสมัย โดยมีให้เลือกทั้งแบบออนไลน์และออฟไลน์ รวมถึงงานสัมมนาที่จะช่วยให้คนพัฒนาทักษะตัวเองได้
หนึ่งในคอร์สออนไลน์ (ฟรีด้วย) ที่น่าสนใจเกี่ยวกับการเรียนรู้คือ ‘Learning how to learn’ ที่เปิดสอนบน Coursera (coursera.org/learn/learning-how-to-learn) ซึ่งสอน ‘ฐาน’ ของการเรียนรู้สิ่งอื่นๆ เช่น เทคนิคการเรียน-พักแบบ Pomodoro (เรียน 25 นาที พัก 5 นาที สลับกันไป), การใช้ Chunking หรือแบ่งสิ่งที่อยากเรียนรู้เป็นแนวคิดย่อยๆ, หรือการจดสรุปด้วยคำของตนเองแทนไฮไลท์ เพื่อป้องกัน Illusions of Competence หรือความหลงคิดไปเองว่าตัวเองรู้อะไรแล้ว ทั้งๆ ที่อาจจะไม่รู้จริง
หรืออย่างสิ้นเดือนนี้ Skooldio โรงเรียนที่เปิดสอนสกิลที่จำเป็นสำหรับยุคสมัยนี้และในอนาคต ก็จะจัดงาน ‘Beta’ งานสัมมนาที่รวบรวมเอานักพัฒนาเทคโนโลยี (Developer) นักออกแบบ (Designer) ผู้ประกอบการ (Entrepreneur) และผู้บริหารจัดการด้านคน (People Manager) มาแบ่งปันข้อมูลและประสบการณ์เกี่ยวกับทักษะที่เป็นที่ต้องการสำหรับการทำงานในยุคสมัยนี้ ซึ่งทั้งหมดเป็นส่วนประกอบของทักษะที่ต้องการในตลาด ตามที่ LinkedIn วิเคราะห์ไว้ (ดูรายละเอียดงานได้ที่ beta.skooldio.com)
ในเมื่อโลกไม่หยุดขยับ และเทคโนโลยีอัพเกรดอยู่แทบทุกนาที เราเลยอยู่กับที่ไม่ได้ ต้องลุกขึ้นมาอัพสกิลตัวเองให้ทันโลกด้วย
วันอังคารที่ 5 มีนาคม พ.ศ. 2562
Big Data @ Life ชีวิตผูกติดข้อมูล สู่อนาคตประเทศไทย 4.0
วันที่ 7 กรกฎาคม 2559
สำนักข่าวออนไลน์ไทยพับลิก้า
ประเทศไทยเริ่มก้าวสู่ยุคเศรษฐกิจดิจิทัลอย่างช้าๆ แต่โลกไปเร็วด้วยเทคโนโลยีที่ก้าวหน้า มนุษย์โลกแชร์ข้อมูล เรื่องราวในโซเชียลมีเดีย มีการส่งอีเมล มีการซื้อขายสินค้าออนไลน์มากมาย ข้อมูลระบุว่าปี 2012 มนุษย์มีการผลิตข้อมูลมากถึงวันละ 2.5 quintillion ไบท์ หรือเท่ากับ 2,500,000,000,000,000,000 ไบท์ การกำเนิดของข้อมูลจำนวนมหาศาลที่ถ่ายทอดเรื่องราวชีวิตและพฤติกรรมของมนุษย์ทุกนาทีในระดับที่เราไม่เคยคิดว่าเป็นไปได้มาก่อน นี่คือ Big Data ที่ทุกวันนี้บริษัทเล็กใหญ่ต่างใช้ประโยชน์จากข้อมูลเหล่านี้เพื่อการตลาดและการพัฒนาผลิตภัณฑ์และบริการเพื่อการสร้างผลกำไร ขณะเดียวกัน ภาครัฐก็สามารถนำมาใช้เพื่อประโยชน์สาธารณะในด้านต่างๆ ได้เช่นกัน คำถามคือ เราจะใช้ประโยชน์จาก Big Data อย่างไรในการพัฒนาคุณภาพชีวิต ศักยภาพของประเทศ การอยู่ร่วมกันของคนในสังคม ท่ามกลางการแข่งขันและทรัพยากรที่นับวันจะหมดไป
ในตอนที่แล้ว นายธีรนันท์ ศรีหงส์ ได้เสนอ แนะให้ตั้ง National Data Pool-ปลุกจิตสำนึกการใช้ข้อมูล รับสังคม Big Data @ life ส่วนตอนที่ 2 นางสาวสฤณี อาชวานันทกุล ได้กล่าวถึงพลังของ Big Data-ความย้อนแย้ง-สิทธิที่จะถูกลืม ส่วนในตอนแรก นายณภัทร จาตุศรีพิทักษ์ ได้กล่าวถึง ไม่แข่งก็ยิ่งแพ้ยุค Big Data ว่าชีวิตเราจะมาผูกติดกับข้อมูล ไม่ได้ผูกติดแค่ว่าข้อมูลทำให้ชีวิตเราสะดวกขึ้น แต่ว่าผูกในอีกแง่หนึ่งด้วย คือ ในการเอาตัวรอดในเศรษฐกิจสมัยใหม่ เราจะขาดข้อมูลไม่ได้ด้วยซ้ำ
Big Data ต้องคุณภาพไม่ใช่ปริมาณ
นางสาวสุมล กานตกุล ผู้ช่วยกรรมการผู้อำนวยการ ส่วนงานวิเคราะห์และวางแผนการตลาด บริษัท แอดวานซ์ อินโฟร์ เซอร์วิส จำกัด (มหาชน) หรือ AIS ได้กล่าวถึงการนำเอา Big Data มาใช้ในภาคธุรกิจว่า การที่เราจะเอา Big Data มาใช้งาน ก็มีจุดหนึ่งที่ต้องพิจารณา คือเรื่องของ Data Privacy ไม่ใช่ใครก็ได้จะเดินเข้ามาขอข้อมูล AIS เราคงไม่สามารถให้ได้ เพราะเรื่องนี้เป็นเรื่องสำคัญ
ขอเรียนว่าจริงๆ แล้ว คำว่า Big Data ใน AIS เรายังห่างไกลคำว่าสมบูรณ์แบบมาก ตามที่คุณณภัทรและทุกท่านแชร์มา จริงๆ แล้ว AIS ยังต้องพัฒนาและต่อยอดกันอีกมาก แต่เรามีความเชื่ออย่างหนึ่งว่า Big Data ไม่จำเป็นต้องมีข้อมูลที่เยอะมากในเชิงปริมาณ แต่สิ่งสำคัญต้องเป็นข้อมูลเชิงคุณภาพ หัวใจสำคัญของ Big Data ไม่ใช่แค่เรื่องของการเก็บข้อมูล แต่เป็นเรื่องของการนำข้อมูลมาใช้ให้เป็นประโยชน์กับธุรกิจมากกว่า
ด้วยความเชื่อเหล่านี้ ทำให้เราเริ่มนำข้อมูล Big Data มาใช้ โดยไม่จำเป็นต้องรอให้ข้อมูลเรามีเยอะพอหรือต้องเป็น Perfect Information (ข้อมูลข่าวสารที่สมบูรณ์) เราถึงจะสามารถนำมาใช้งานได้ เราเริ่มจากข้อมูลที่เรามีอยู่ ซึ่งเราคิดว่าการเก็บข้อมูลของเรานั้น ถ้าเรามีข้อมูลที่เป็น Meaningful Information (ข้อมูลที่มีความหมาย) เพียงพอ ก็น่าจะเอามาใช้งานในทางธุรกิจได้ เราก็เริ่มทำงาน เริ่มลุยกันเลย
สำนักข่าวออนไลน์ไทยพับลิก้า
ประเทศไทยเริ่มก้าวสู่ยุคเศรษฐกิจดิจิทัลอย่างช้าๆ แต่โลกไปเร็วด้วยเทคโนโลยีที่ก้าวหน้า มนุษย์โลกแชร์ข้อมูล เรื่องราวในโซเชียลมีเดีย มีการส่งอีเมล มีการซื้อขายสินค้าออนไลน์มากมาย ข้อมูลระบุว่าปี 2012 มนุษย์มีการผลิตข้อมูลมากถึงวันละ 2.5 quintillion ไบท์ หรือเท่ากับ 2,500,000,000,000,000,000 ไบท์ การกำเนิดของข้อมูลจำนวนมหาศาลที่ถ่ายทอดเรื่องราวชีวิตและพฤติกรรมของมนุษย์ทุกนาทีในระดับที่เราไม่เคยคิดว่าเป็นไปได้มาก่อน นี่คือ Big Data ที่ทุกวันนี้บริษัทเล็กใหญ่ต่างใช้ประโยชน์จากข้อมูลเหล่านี้เพื่อการตลาดและการพัฒนาผลิตภัณฑ์และบริการเพื่อการสร้างผลกำไร ขณะเดียวกัน ภาครัฐก็สามารถนำมาใช้เพื่อประโยชน์สาธารณะในด้านต่างๆ ได้เช่นกัน คำถามคือ เราจะใช้ประโยชน์จาก Big Data อย่างไรในการพัฒนาคุณภาพชีวิต ศักยภาพของประเทศ การอยู่ร่วมกันของคนในสังคม ท่ามกลางการแข่งขันและทรัพยากรที่นับวันจะหมดไป
ในตอนที่แล้ว นายธีรนันท์ ศรีหงส์ ได้เสนอ แนะให้ตั้ง National Data Pool-ปลุกจิตสำนึกการใช้ข้อมูล รับสังคม Big Data @ life ส่วนตอนที่ 2 นางสาวสฤณี อาชวานันทกุล ได้กล่าวถึงพลังของ Big Data-ความย้อนแย้ง-สิทธิที่จะถูกลืม ส่วนในตอนแรก นายณภัทร จาตุศรีพิทักษ์ ได้กล่าวถึง ไม่แข่งก็ยิ่งแพ้ยุค Big Data ว่าชีวิตเราจะมาผูกติดกับข้อมูล ไม่ได้ผูกติดแค่ว่าข้อมูลทำให้ชีวิตเราสะดวกขึ้น แต่ว่าผูกในอีกแง่หนึ่งด้วย คือ ในการเอาตัวรอดในเศรษฐกิจสมัยใหม่ เราจะขาดข้อมูลไม่ได้ด้วยซ้ำ
Big Data ต้องคุณภาพไม่ใช่ปริมาณ
นางสาวสุมล กานตกุล ผู้ช่วยกรรมการผู้อำนวยการ ส่วนงานวิเคราะห์และวางแผนการตลาด บริษัท แอดวานซ์ อินโฟร์ เซอร์วิส จำกัด (มหาชน) หรือ AIS ได้กล่าวถึงการนำเอา Big Data มาใช้ในภาคธุรกิจว่า การที่เราจะเอา Big Data มาใช้งาน ก็มีจุดหนึ่งที่ต้องพิจารณา คือเรื่องของ Data Privacy ไม่ใช่ใครก็ได้จะเดินเข้ามาขอข้อมูล AIS เราคงไม่สามารถให้ได้ เพราะเรื่องนี้เป็นเรื่องสำคัญ
ขอเรียนว่าจริงๆ แล้ว คำว่า Big Data ใน AIS เรายังห่างไกลคำว่าสมบูรณ์แบบมาก ตามที่คุณณภัทรและทุกท่านแชร์มา จริงๆ แล้ว AIS ยังต้องพัฒนาและต่อยอดกันอีกมาก แต่เรามีความเชื่ออย่างหนึ่งว่า Big Data ไม่จำเป็นต้องมีข้อมูลที่เยอะมากในเชิงปริมาณ แต่สิ่งสำคัญต้องเป็นข้อมูลเชิงคุณภาพ หัวใจสำคัญของ Big Data ไม่ใช่แค่เรื่องของการเก็บข้อมูล แต่เป็นเรื่องของการนำข้อมูลมาใช้ให้เป็นประโยชน์กับธุรกิจมากกว่า
ด้วยความเชื่อเหล่านี้ ทำให้เราเริ่มนำข้อมูล Big Data มาใช้ โดยไม่จำเป็นต้องรอให้ข้อมูลเรามีเยอะพอหรือต้องเป็น Perfect Information (ข้อมูลข่าวสารที่สมบูรณ์) เราถึงจะสามารถนำมาใช้งานได้ เราเริ่มจากข้อมูลที่เรามีอยู่ ซึ่งเราคิดว่าการเก็บข้อมูลของเรานั้น ถ้าเรามีข้อมูลที่เป็น Meaningful Information (ข้อมูลที่มีความหมาย) เพียงพอ ก็น่าจะเอามาใช้งานในทางธุรกิจได้ เราก็เริ่มทำงาน เริ่มลุยกันเลย
น.ส.สุมล กานตกุล ผู้ช่วยกรรมการผู้อำนวยการ ส่วนงานวิเคราะห์และวางแผนการตลาด บริษัท แอดวานซ์ อินโฟร์ เซอร์วิส จำกัด (มหาชน)
ที่ผ่านมาเราก็นำข้อมูลเท่าที่เรามีอยู่มาทำการตอบโจทย์ทางด้านธุรกิจ Bisiness Ojective 5 ด้าน ด้วยกัน ในช่วงเริ่มต้น 1) Customer insight 2) Monetization 3) Customer retention & loyalty 4) Customer experience management 5) Operation efficiency ซึ่งต่อจากนี้เราคงต้องทำเพิ่มอีกมาก
เรื่องแรกการทำ Customer insight ถ้าย้อนกลับไปในอดีต ที่เป็นมาร์เก็ตติ้งรุ่นแรกๆ สาวกของฟิลิป คอตเลอร์ ที่เป็นกูรูมาร์เก็ตติ้ง เขาจะมีคำว่า Customer Segmentation เกิดขึ้น ทุกคนก็มาทำ Customer Segmentation กันมากมาย แต่จากการที่เทคโนโลยีมีการพัฒนามากขึ้น ต้นทุนในการจัดเก็บข้อมูลก็เริ่มถูกลง รวมถึง Tools หรือ Processor ต่างๆ ก็จะมีประสิทธิภาพดีขึ้น ทำให้เราสามารถประมวลผลข้อมูลจำนวนมากได้ในเวลาที่สั้นลง
ดังนั้น เราก็คิดว่า Customer Segmentation ที่มีอยู่เริ่มไม่เพียงพอ จึงเป็นที่มาของคำว่า Micro Segmentation ท้ายที่สุดก็มาที่คำว่า Nano Segmentation แต่ด้วยความสามารถของ Big Data เราสามารถเข้าใจ Customer insight ถึงในระดับ Individual หรือ Personalization เราสามารถเข้าใจว่าลูกค้ารายนี้มีพฤติกรรมอย่างไร ชอบอะไร มีไลฟ์สไตล์แบบไหน ไปเที่ยวที่ไหน มีโลเคชั่นอะไร เป็นต้น
พอพูดจุดนี้ วิทยากรหลายท่านก็อาจจะเป็นห่วงเรื่องความเป็นส่วนตัวของลูกค้าและข้อมูล อยากจะบอกว่าข้อมูลของเราที่มีทั้งหมดจะถูกเก็บอยู่ในระบบ และระบบนี้ได้รับการดูแลบริหารจัดการและควบคุมอย่างดีโดยหน่วยงานที่เราเรียกว่า Data Security ซึ่งหน่วยงานนี้คอยดูแลการนำข้อมูลไปใช้งานแล้วให้มั่นใจว่าไม่มีการนำข้อมูลระดับบุคคลหรือข้อมูลที่เจาะจงเฉพาะตัวลูกค้าไปใช้งาน การทำงานของเราคือคนจะนำข้อมูลไปใช้งาน จะสามารถเข้าถึงข้อมูลได้เฉพาะส่วนที่ตนเองรับผิดชอบเท่านั้น อะไรที่อยู่นอกเหนือความรับผิดชอบก็จะมองไม่เห็น เจ้าหน้าที่จะเห็นเป็นส่วนๆ เท่านั้น
เพื่อให้ลูกค้ามั่นใจมากขึ้นเกี่ยวกับข้อมูลส่วนบุคคล AIS เป็นผู้ให้บริการรายเดียวในเมืองไทยที่จดทะเบียนอยู่ใน DJSI หรือ Dow Jone Sustainability Index พอเราตอบรับเขาไป เขาก็จะเข้ามาดูการบริหารจัดการว่ามีคุณสมบัติตามที่กำหนดหรือไม่ หนึ่งในคุณสมบัติที่เขากำหนดคือการทำ Data Privacy Management เพราะฉะนั้น ให้มั่นใจได้ว่าข้อมูลที่ท่านใช้งานต่างๆ เหล่านี้ การบริหารของเราได้ดูแลข้อมูลอย่างดีในระดับมาตรฐานโลก
พอเราได้ข้อมูล Customer insight เราเข้าใจพฤติกรรม เข้าใจลูกค้าแล้ว สิ่งที่เราต่อยอดมาก็คือ เราก็เอามาทำ Monetization หรือทำให้เกิดดอกออกผล กับสิ่งที่เราได้รับและเรียนรู้มา
การทำ Data Monetize ของ AIS พอเราได้ insight เราก็จะ Design Offering (ออกแบบข้อเสนอ) เพื่อตอบโจทย์ความต้องการของลูกค้า นอกเหนือจากการออกแบบสินค้า เราออกแบบไปถึงเวลาที่เราควรจะไปติดต่อกับลูกค้า ไม่ใช่มองแค่เรื่อง right product แต่เรามองไปถึง right customer… to the right custumer at the right time ซึ่งการทำตรงนี้ AIS ก็ได้มีการลงทุนกับระบบ PCM หรือ Personalized Campaign Management เป็นเครื่องมือที่ช่วยบอกถึงเหตุการณ์อะไรบางอย่างให้ระบบรับรู้ว่าเวลานี้คือเวลาที่ดีที่สุดแล้วที่เราควรจะติดต่อลูกค้าในท่านนี้ เราก็จะใส่ข้อเสนอที่เราดีไซน์เอาไว้ว่าให้ส่งไปหาลูกค้าคนนี้นะ ก็จะเป็นการช่วยเพิ่มอัตราความสำเร็จในการทำแคมเปญไป
นอกเหนือจากนี้ AIS ศึกษาพฤติกรรมลูกค้าต่างๆ ที่อยู่ในระบบ เพื่อหาโอกาสในการทำต้นทุนการขายสินค้าของเรา เช่น เราอาจจะเอาข้อมูลสถานที่อยู่ของลูกค้ามารวมกันกับพฤติกรรมบางอย่างที่เรามีการทดสอบแล้ว หรือวิเคราะห์พฤติกรรมการใช้งานแล้ว ลูกค้ารายนี้น่าจะเป็นกลุ่มคนที่ประกอบอาชีพหรือเป็นพ่อค้าแม่ค้าขายของออนไลน์ เราก็เสนอบริการ M Pay เข้าไปเป็นหนึ่งในช่องทางการชำระเงินของเขา
จาก Monetization อีกอันที่เรามาทำ Customer retention & loyalty เราก็มีการศึกษาพฤติกรรมของลูกค้าต่างๆ รวมทั้งเหตุการณ์ หรือมีอะไรบางอย่าง ทำให้เราทราบว่าลูกค้าคนนี้เริ่มจะตัดสินใจยกเลิกสินค้าบริการของ AIS หรือเปล่า หรือเริ่มมีการเปิดรับข้อมูลข่าวสาร มีโอกาสที่จะไปใช้บริการผู้ให้บริการเจ้าอื่น เราคงต้องรีบเข้าไปดูแลลูกค้าก่อนที่ลูกค้าจะตัดสินใจยกเลิกจริงๆ เข้าไปศึกษาเขาจากแพทเทิร์นข้อมูล ทำให้เราพอรู้ว่ามีประเด็นอะไรที่ทำให้เขาอยากจะยกเลิกสินค้าบริการของเรา ก็รีบเข้าไปแก้ไขเหตุการณ์ก่อนจะบานปลาย
เรื่องถัดไป Customer experience management ของ AIS โดยจะศึกษาข้อมูลเชิงลึกของลูกค้าหลายๆ อย่าง ก็จะทราบว่าลูกค้าต้องการข้อมูลหรือต้องการอะไร เราสามารถเข้าไปช่วยเขาได้
ความท้าทายการใช้ Big data ของ AIS
อีกเรื่องหนึ่งตอนที่ AIS ออก 4G Network ใหม่ๆ เราจะมีการทำ Customer experience management เพื่อให้มั่นใจว่าลูกค้าของเราจะประทับใจ และได้ 4G Experience จริงๆ เราจะแจ้งว่าลูกค้าตอนนี้ Set ของคุณเป็น 4G แล้ว และเราเปิดให้คุณแล้ว ถ้าคุณต้องการใช้ 4G ให้ดีจริงๆ คุณสามารถเปลี่ยน Handset ที่ดีที่สุดได้อย่างไร หรือส่งข้อมูลที่ลูกค้ากดแล้วสามารถ Setting ได้เลย
นอกจากนี้ เราก็จะมีการนำข้อมูล Customer Research และข้อมูลที่เกิดจากพวกเทคโนโลยีใหม่ เช่น การที่เราปรับใช้เรื่องของ VDO analytic ใน AIS shop หรือเรื่องของการทำ Speed analytic ของ Call center เข้ามาประกอบกับข้อมูลที่เรามีอยู่ด้วยในการที่จะออกแบบคุณภาพด้านการบริการ และการกำหนดคุณภาพการบริการ เพื่อสร้างประสบการณ์ที่ดีให้กับลูกค้า
เรื่องสุดท้าย เป็นเรื่อง Operation Efficiency คือเรื่องของการลดต้นทุน หรือการบริหารต้นทุนให้มีประสิทธิภาพมากขึ้น ซึ่งตรงจุดนี้เราจะนำ GEO Analytic มาใช้วางแผนร่วมกับวิศวกรในการทำ Network priority เพราะว่า 4G ของ AIS เริ่มนำมาใช้ช้ากว่าเจ้าอื่น เพราะฉะนั้น เราจะทำอย่างไรที่จะสร้าง Network ได้อย่างมีประสิทธิภาพมากที่สุด สามารถเข้าถึงลูกค้าได้มากที่สุด และเร็วที่สุด รวมถึงได้ผลตอบแทนจากการลงทุน (Return on Investment) ที่ดีที่สุดด้วย ก็จะมีการเข้าไปดูแลร่วมกับวิศวกร รวมถึงเป็นคนชี้เป้าให้วิศวกรทราบว่าควรปรับปรุงตรงไหนบ้าง เพราะจากประสบการณ์ อาจเจอว่าลูกค้าอาจจะมีประสบการณ์ไม่ดีตรงจุดนี้ หรือจุดนี้คุณภาพบริการต่ำกว่า KPI ที่เรากำหนด ก็จะมีการแจ้งไปทางวิศวกร อย่างแรกๆ คือการทำ Network Planning
ส่วนเรื่องที่ 2 ก็คือ การทำ Channel Planning เราก็มาศึกษาดูเรื่อง Customer Identity มาดูกับช่องทางที่เรามีอยู่เพื่อให้แน่ใจว่าการกระจายตัวของ Channel ของเราสามารถตอบสนองความต้องการลูกค้าได้ รวมถึงมั่นใจว่าลูกค้าของเราจะได้รับความสะดวกสบายในการใช้ Channel ของเราไม่ว่าอันใดอันหนึ่ง หรือเราควรไปเปิด Channel ใหม่ๆ หรือไม่เปิดแล้ว ธุรกิจต้องอยู่ได้ด้วยว่าควรจะเปิดด้วยขนาดแบบไหน ซึ่งไม่ว่าช็อปนั้นจะเปิดโดยเราหรือโดยพาร์ทเนอร์ ช็อปนั้นจะต้องอยู่ได้ ต้องเป็น win-win ร่วมกัน
อีกอันที่เราจะแชร์ คือ การทำ Media Planning ยกตัวอย่างสื่อ Outdoor เมื่อก่อนใช้วิธีคาดการณ์เอา ตรงนี้น่าจะมีคนดูเยอะ เราจะไปซื้อป้ายโฆษณาตรงนี้ ตอนนี้พอเรามีข้อมูลเหล่านี้เข้ามาเราสามารถรู้ได้เลย ตรงจุดไหนมีคนดูมากน้อยเพียงใด เมื่อมีข้อมูลเหล่านี้เข้ามา เราสามารถวางแผนซื้อสื่อของเราได้ นอกเหนือจากซื้อตรงจุดไหนแล้ว เราสามารถทราบว่าลูกค้าที่ไปอยู่บริเวณนั้นมีไลฟ์สไตล์และพฤติกรรมแบบไหน ทำให้เราสามารถสื่อสารข้อความที่เราจะไปลงโฆษณาในจุดต่างๆ เหล่านั้นได้
เรื่องสุดท้ายที่อยากแชร์ หลังจาก AIS ไม่ได้คลื่น 900 ช่วงปลายปี 2558 ความท้าทายของเรา คือ เราจะทำอย่างไรกับลูกค้า 12-13 ล้านคนที่ถือ 2G Handset อยู่ โจทย์ใหญ่ของเราคือจะทำอย่างไรให้ลูกค้า 12-13 ล้านคน เปลี่ยนมาใช้มือถือ 3G ให้เร็วที่สุดและมากที่สุดในเวลาที่จำกัดที่สุด
นอกเหนือจากเรื่องเวลาที่สั้นแล้ว ประเด็นที่ 2 เรื่องของทรัพยากรบุคคลที่จะมาทำงานกับเรา ลองนึกภาพดู ลูกค้าของเรามี 12-13 ล้านคน กระจายอยู่ทั่วประเทศ แล้วคนที่เรามีอยู่ตอบโจทย์ได้ไม่มาก การที่จะรับคนใหม่เข้ามาต้องใช้เวลา และต้องฝึกอบรม เพื่อบริการได้ดี
อีกประเด็นคือ Inventory ที่เรามีอยู่ จุดนั้นเราไม่เคยคิดเลยว่าเราจะประมูลคลื่นไม่ได้ เราไม่มีการเตรียมแผนตรงนี้เลย สิ่งที่เราต้องทำคือ Handset ลองนึกภาพในช่วงนั้น (ปลายปี) เป็นวันหยุดยาวจากคริสต์มาส ต่อเนื่องมาถึงปีใหม่ และมาถึงตรุษจีน จะมีซัพพลายเอร์เจ้าไหนที่จะส่ง Handset ให้เราได้นับล้านเครื่องภายในเวลาที่สั้นมาก นี่คือความท้าทายขอเรา อีกฝั่งหนึ่งก็ต้องดูว่าคนที่ได้ใบอนุญาต เอาเงินไปจ่ายปุ๊บ เราต้องถูกแย่งลูกค้าทันที นี่คือจุดที่เราต้องวางแผนอย่างดีว่าจะต้องเกิดขึ้น และเราก็นำข้อมูลเหล่านี้มาใช้งาน ท้ายที่สุด ผลก็คือ เราสามารถเปลี่ยนลูกค้า 2G มาเป็น 3G ภายใน 1 ไตรมาส ได้ถึง 6 ล้านเบอร์ถือว่าไม่น้อยเลยเมื่อเทียบกับทรัพยากรที่เรามีอยู่
Big data ไม่ต้องสมบูรณ์แบบก็ตอบโจทย์ได้
สรุปการใช้งาน Big Data ไม่ได้หมายถึงการจัดเก็บข้อมูลเท่านั้น นี่คือตัวอย่างของ AIS ไม่ได้สมบูรณ์แบบ ไม่ได้มีอะไรเยอะมาก แต่การนำมาใช้งานเป็นหัวใจสำคัญมากกว่า
นางสาวสุมลกล่าวเสริมในตอนท้ายว่า การที่เราจะขับเคลื่อนไปให้ถึง Thailand 4.0 จริงๆ แล้วก็อย่างที่หลายท่านได้พูดมา การแชร์ข้อมูลเป็นเรื่องที่สำคัญ ถ้าสามารถนำมารวมกันไว้ตรงกลาง สามารถนำมาใช้ประโยชน์ได้มากกว่า 1+1 จะไม่ได้ 2 แต่เป็น 3, 4, 5 เป็นการต่อยอดไปได้เรื่อยๆ
“ถ้าเราจะไป Thailand 4.0 หรือ Digital Economy ที่รัฐบาลพยายามผลักดัน หลายๆ อย่างมันติดขัดกับกฎระเบียบย่อยๆ อย่างที่เราเจออยู่ ไม่สามารถนำข้อมูลลูกค้าไปใช้ได้ จริงๆ มีหลายอุตสาหกรรมที่ต้องการข้ามเข้ามาทำงานร่วมกับเรา ก็ต้องรอก่อน เพราะติดปัญหาในเรื่องการกำกับดูแล ดังนั้น จึงอยากจะฝากดูว่าพอจะมีลักษณะที่เป็น National Policy ที่ทำออกมาแล้วเชื่อมโยงกันในทุกๆ ที่ทุกๆ อัน ไม่ใช่แต่ละที่มีจุดต่างๆ กัน พอเชื่อมเข้าหากันแล้วก็เกิดเป็นอุปสรรคในการที่จะแชร์ข้อมูล เพื่อทำให้เกิด Big Data ระดับประเทศ”
“จริงๆ ข้อมูลภาครัฐมีเยอะ ที่สามารถสนับสนุนให้กับหน่วยงานเอกชน ตัวอย่างง่ายๆ มีใครรู้บ้างประเทศไทยมีประชากรกี่คน แหล่งข้อมูลหนึ่งบอกว่า 64 ล้านคน อีกแหล่งบอก 65 ล้านคน อีกแหล่งบอก 67 ล้านคน อีกแหล่งบอก 68 ล้านคน และถ้าเราจะนำมาใช้งานแหล่งไหนถูกต้องที่สุด ดังนั้น แต่ละหน่วยงานภาครัฐมีข้อมูลมากมาย แต่ขาดการบูรณาการเข้าหากัน มาใช้เป็นข้อมูลกลาง ให้ทุกฝ่ายได้นำไปใช้ประโยชน์และแชร์กัน ก็อยากจะฝากเรื่องนี้ไว้ด้วย”
“การใช้ Big Data ไม่ใช่แค่เอา Data มาใช้งานอย่างเดียว การเอามาใช้ต้องมีการแปลความที่ถูกต้องด้วย บางครั้งอาจจะแปลความอะไร ที่ใส่ความรู้สึกลำเอียงเข้าไป พอตีความออกมาทำให้ข้อมูลบิดเบือนได้ Big Data ถ้าใช้ไม่ถูกทางก็เป็นโทษเหมือนกัน และ Big Data ไม่ใช่เรื่องของการเก็บข้อมูล แต่เป็นเรื่องของการนำข้อมูลมาใช้ ด้วยวัฒนธรรมขององค์กรไทยหลายๆ แห่ง ชอบเก็บข้อมูลไว้ก่อน ยังไม่เอามาใช้ ต้องรอให้ Perfect ก่อนถึงจะเริ่มใช้ พอไม่มีการใช้ Big Data มันก็ไม่ต่างจากเราซื้อถังขยะใบใหญ่ๆ มาใบหนึ่ง แล้วเราก็เก็บทุกอย่างโยนมันลงไปก็คิดว่าวันหนึ่งมันจะมีประโยชน์ เพราะฉะนั้น เราต้องเลิกคิดแบบนี้ พอเราจะหยิบมาใช้ ก็ไม่รู้จะเอาอะไรมาใช้เหมือนกัน เราควรเริ่มนำมาใช้ตั้งแต่บัดนี้ อย่างน้อยการเริ่มต้นของเราจะทำให้เรารู้ว่าข้อมูลที่เรามีแล้วนั้นเพียงพอหรือไม่ เราต้องการหาข้อมูลอะไรเพิ่มเติม การนำข้อมูลเข้ามาใช้ก็จะมีโฟกัส มีเป้าหมายมากขึ้น ไม่ใช่หว่านแหเก็บอะไรมาหมด ท้ายที่สุด Big Data ไม่เห็นเวิร์กเลย หรือถ้าใครมีเงินเยอะหน่อย ก็สงสัยถังขยะเรายังใหญ่ไม่พอ ก็ไปขยายถังขยะให้ใหญ่ขึ้น ท้ายที่สุดมันก็กลับไปสู่วัฏจักรเดิมอีก ก็อยากจะฝากถึงองค์กรที่เริ่มนำ Big Data มาใช้แล้ว ให้ท่านเริ่มนำมาใช้งานให้เกิดประโยชน์ได้แล้ว ไม่ใช้นำข้อมูลมาเก็บไว้ด้วยกัน และก็รอว่าวันหนึ่งมันจะสมบูรณ์”
Source: https://thaipublica.org/2016/07/big-data-sumol/
ที่ผ่านมาเราก็นำข้อมูลเท่าที่เรามีอยู่มาทำการตอบโจทย์ทางด้านธุรกิจ Bisiness Ojective 5 ด้าน ด้วยกัน ในช่วงเริ่มต้น 1) Customer insight 2) Monetization 3) Customer retention & loyalty 4) Customer experience management 5) Operation efficiency ซึ่งต่อจากนี้เราคงต้องทำเพิ่มอีกมาก
เรื่องแรกการทำ Customer insight ถ้าย้อนกลับไปในอดีต ที่เป็นมาร์เก็ตติ้งรุ่นแรกๆ สาวกของฟิลิป คอตเลอร์ ที่เป็นกูรูมาร์เก็ตติ้ง เขาจะมีคำว่า Customer Segmentation เกิดขึ้น ทุกคนก็มาทำ Customer Segmentation กันมากมาย แต่จากการที่เทคโนโลยีมีการพัฒนามากขึ้น ต้นทุนในการจัดเก็บข้อมูลก็เริ่มถูกลง รวมถึง Tools หรือ Processor ต่างๆ ก็จะมีประสิทธิภาพดีขึ้น ทำให้เราสามารถประมวลผลข้อมูลจำนวนมากได้ในเวลาที่สั้นลง
ดังนั้น เราก็คิดว่า Customer Segmentation ที่มีอยู่เริ่มไม่เพียงพอ จึงเป็นที่มาของคำว่า Micro Segmentation ท้ายที่สุดก็มาที่คำว่า Nano Segmentation แต่ด้วยความสามารถของ Big Data เราสามารถเข้าใจ Customer insight ถึงในระดับ Individual หรือ Personalization เราสามารถเข้าใจว่าลูกค้ารายนี้มีพฤติกรรมอย่างไร ชอบอะไร มีไลฟ์สไตล์แบบไหน ไปเที่ยวที่ไหน มีโลเคชั่นอะไร เป็นต้น
พอพูดจุดนี้ วิทยากรหลายท่านก็อาจจะเป็นห่วงเรื่องความเป็นส่วนตัวของลูกค้าและข้อมูล อยากจะบอกว่าข้อมูลของเราที่มีทั้งหมดจะถูกเก็บอยู่ในระบบ และระบบนี้ได้รับการดูแลบริหารจัดการและควบคุมอย่างดีโดยหน่วยงานที่เราเรียกว่า Data Security ซึ่งหน่วยงานนี้คอยดูแลการนำข้อมูลไปใช้งานแล้วให้มั่นใจว่าไม่มีการนำข้อมูลระดับบุคคลหรือข้อมูลที่เจาะจงเฉพาะตัวลูกค้าไปใช้งาน การทำงานของเราคือคนจะนำข้อมูลไปใช้งาน จะสามารถเข้าถึงข้อมูลได้เฉพาะส่วนที่ตนเองรับผิดชอบเท่านั้น อะไรที่อยู่นอกเหนือความรับผิดชอบก็จะมองไม่เห็น เจ้าหน้าที่จะเห็นเป็นส่วนๆ เท่านั้น
เพื่อให้ลูกค้ามั่นใจมากขึ้นเกี่ยวกับข้อมูลส่วนบุคคล AIS เป็นผู้ให้บริการรายเดียวในเมืองไทยที่จดทะเบียนอยู่ใน DJSI หรือ Dow Jone Sustainability Index พอเราตอบรับเขาไป เขาก็จะเข้ามาดูการบริหารจัดการว่ามีคุณสมบัติตามที่กำหนดหรือไม่ หนึ่งในคุณสมบัติที่เขากำหนดคือการทำ Data Privacy Management เพราะฉะนั้น ให้มั่นใจได้ว่าข้อมูลที่ท่านใช้งานต่างๆ เหล่านี้ การบริหารของเราได้ดูแลข้อมูลอย่างดีในระดับมาตรฐานโลก
พอเราได้ข้อมูล Customer insight เราเข้าใจพฤติกรรม เข้าใจลูกค้าแล้ว สิ่งที่เราต่อยอดมาก็คือ เราก็เอามาทำ Monetization หรือทำให้เกิดดอกออกผล กับสิ่งที่เราได้รับและเรียนรู้มา
การทำ Data Monetize ของ AIS พอเราได้ insight เราก็จะ Design Offering (ออกแบบข้อเสนอ) เพื่อตอบโจทย์ความต้องการของลูกค้า นอกเหนือจากการออกแบบสินค้า เราออกแบบไปถึงเวลาที่เราควรจะไปติดต่อกับลูกค้า ไม่ใช่มองแค่เรื่อง right product แต่เรามองไปถึง right customer… to the right custumer at the right time ซึ่งการทำตรงนี้ AIS ก็ได้มีการลงทุนกับระบบ PCM หรือ Personalized Campaign Management เป็นเครื่องมือที่ช่วยบอกถึงเหตุการณ์อะไรบางอย่างให้ระบบรับรู้ว่าเวลานี้คือเวลาที่ดีที่สุดแล้วที่เราควรจะติดต่อลูกค้าในท่านนี้ เราก็จะใส่ข้อเสนอที่เราดีไซน์เอาไว้ว่าให้ส่งไปหาลูกค้าคนนี้นะ ก็จะเป็นการช่วยเพิ่มอัตราความสำเร็จในการทำแคมเปญไป
นอกเหนือจากนี้ AIS ศึกษาพฤติกรรมลูกค้าต่างๆ ที่อยู่ในระบบ เพื่อหาโอกาสในการทำต้นทุนการขายสินค้าของเรา เช่น เราอาจจะเอาข้อมูลสถานที่อยู่ของลูกค้ามารวมกันกับพฤติกรรมบางอย่างที่เรามีการทดสอบแล้ว หรือวิเคราะห์พฤติกรรมการใช้งานแล้ว ลูกค้ารายนี้น่าจะเป็นกลุ่มคนที่ประกอบอาชีพหรือเป็นพ่อค้าแม่ค้าขายของออนไลน์ เราก็เสนอบริการ M Pay เข้าไปเป็นหนึ่งในช่องทางการชำระเงินของเขา
จาก Monetization อีกอันที่เรามาทำ Customer retention & loyalty เราก็มีการศึกษาพฤติกรรมของลูกค้าต่างๆ รวมทั้งเหตุการณ์ หรือมีอะไรบางอย่าง ทำให้เราทราบว่าลูกค้าคนนี้เริ่มจะตัดสินใจยกเลิกสินค้าบริการของ AIS หรือเปล่า หรือเริ่มมีการเปิดรับข้อมูลข่าวสาร มีโอกาสที่จะไปใช้บริการผู้ให้บริการเจ้าอื่น เราคงต้องรีบเข้าไปดูแลลูกค้าก่อนที่ลูกค้าจะตัดสินใจยกเลิกจริงๆ เข้าไปศึกษาเขาจากแพทเทิร์นข้อมูล ทำให้เราพอรู้ว่ามีประเด็นอะไรที่ทำให้เขาอยากจะยกเลิกสินค้าบริการของเรา ก็รีบเข้าไปแก้ไขเหตุการณ์ก่อนจะบานปลาย
เรื่องถัดไป Customer experience management ของ AIS โดยจะศึกษาข้อมูลเชิงลึกของลูกค้าหลายๆ อย่าง ก็จะทราบว่าลูกค้าต้องการข้อมูลหรือต้องการอะไร เราสามารถเข้าไปช่วยเขาได้
ความท้าทายการใช้ Big data ของ AIS
อีกเรื่องหนึ่งตอนที่ AIS ออก 4G Network ใหม่ๆ เราจะมีการทำ Customer experience management เพื่อให้มั่นใจว่าลูกค้าของเราจะประทับใจ และได้ 4G Experience จริงๆ เราจะแจ้งว่าลูกค้าตอนนี้ Set ของคุณเป็น 4G แล้ว และเราเปิดให้คุณแล้ว ถ้าคุณต้องการใช้ 4G ให้ดีจริงๆ คุณสามารถเปลี่ยน Handset ที่ดีที่สุดได้อย่างไร หรือส่งข้อมูลที่ลูกค้ากดแล้วสามารถ Setting ได้เลย
นอกจากนี้ เราก็จะมีการนำข้อมูล Customer Research และข้อมูลที่เกิดจากพวกเทคโนโลยีใหม่ เช่น การที่เราปรับใช้เรื่องของ VDO analytic ใน AIS shop หรือเรื่องของการทำ Speed analytic ของ Call center เข้ามาประกอบกับข้อมูลที่เรามีอยู่ด้วยในการที่จะออกแบบคุณภาพด้านการบริการ และการกำหนดคุณภาพการบริการ เพื่อสร้างประสบการณ์ที่ดีให้กับลูกค้า
เรื่องสุดท้าย เป็นเรื่อง Operation Efficiency คือเรื่องของการลดต้นทุน หรือการบริหารต้นทุนให้มีประสิทธิภาพมากขึ้น ซึ่งตรงจุดนี้เราจะนำ GEO Analytic มาใช้วางแผนร่วมกับวิศวกรในการทำ Network priority เพราะว่า 4G ของ AIS เริ่มนำมาใช้ช้ากว่าเจ้าอื่น เพราะฉะนั้น เราจะทำอย่างไรที่จะสร้าง Network ได้อย่างมีประสิทธิภาพมากที่สุด สามารถเข้าถึงลูกค้าได้มากที่สุด และเร็วที่สุด รวมถึงได้ผลตอบแทนจากการลงทุน (Return on Investment) ที่ดีที่สุดด้วย ก็จะมีการเข้าไปดูแลร่วมกับวิศวกร รวมถึงเป็นคนชี้เป้าให้วิศวกรทราบว่าควรปรับปรุงตรงไหนบ้าง เพราะจากประสบการณ์ อาจเจอว่าลูกค้าอาจจะมีประสบการณ์ไม่ดีตรงจุดนี้ หรือจุดนี้คุณภาพบริการต่ำกว่า KPI ที่เรากำหนด ก็จะมีการแจ้งไปทางวิศวกร อย่างแรกๆ คือการทำ Network Planning
ส่วนเรื่องที่ 2 ก็คือ การทำ Channel Planning เราก็มาศึกษาดูเรื่อง Customer Identity มาดูกับช่องทางที่เรามีอยู่เพื่อให้แน่ใจว่าการกระจายตัวของ Channel ของเราสามารถตอบสนองความต้องการลูกค้าได้ รวมถึงมั่นใจว่าลูกค้าของเราจะได้รับความสะดวกสบายในการใช้ Channel ของเราไม่ว่าอันใดอันหนึ่ง หรือเราควรไปเปิด Channel ใหม่ๆ หรือไม่เปิดแล้ว ธุรกิจต้องอยู่ได้ด้วยว่าควรจะเปิดด้วยขนาดแบบไหน ซึ่งไม่ว่าช็อปนั้นจะเปิดโดยเราหรือโดยพาร์ทเนอร์ ช็อปนั้นจะต้องอยู่ได้ ต้องเป็น win-win ร่วมกัน
อีกอันที่เราจะแชร์ คือ การทำ Media Planning ยกตัวอย่างสื่อ Outdoor เมื่อก่อนใช้วิธีคาดการณ์เอา ตรงนี้น่าจะมีคนดูเยอะ เราจะไปซื้อป้ายโฆษณาตรงนี้ ตอนนี้พอเรามีข้อมูลเหล่านี้เข้ามาเราสามารถรู้ได้เลย ตรงจุดไหนมีคนดูมากน้อยเพียงใด เมื่อมีข้อมูลเหล่านี้เข้ามา เราสามารถวางแผนซื้อสื่อของเราได้ นอกเหนือจากซื้อตรงจุดไหนแล้ว เราสามารถทราบว่าลูกค้าที่ไปอยู่บริเวณนั้นมีไลฟ์สไตล์และพฤติกรรมแบบไหน ทำให้เราสามารถสื่อสารข้อความที่เราจะไปลงโฆษณาในจุดต่างๆ เหล่านั้นได้
เรื่องสุดท้ายที่อยากแชร์ หลังจาก AIS ไม่ได้คลื่น 900 ช่วงปลายปี 2558 ความท้าทายของเรา คือ เราจะทำอย่างไรกับลูกค้า 12-13 ล้านคนที่ถือ 2G Handset อยู่ โจทย์ใหญ่ของเราคือจะทำอย่างไรให้ลูกค้า 12-13 ล้านคน เปลี่ยนมาใช้มือถือ 3G ให้เร็วที่สุดและมากที่สุดในเวลาที่จำกัดที่สุด
นอกเหนือจากเรื่องเวลาที่สั้นแล้ว ประเด็นที่ 2 เรื่องของทรัพยากรบุคคลที่จะมาทำงานกับเรา ลองนึกภาพดู ลูกค้าของเรามี 12-13 ล้านคน กระจายอยู่ทั่วประเทศ แล้วคนที่เรามีอยู่ตอบโจทย์ได้ไม่มาก การที่จะรับคนใหม่เข้ามาต้องใช้เวลา และต้องฝึกอบรม เพื่อบริการได้ดี
อีกประเด็นคือ Inventory ที่เรามีอยู่ จุดนั้นเราไม่เคยคิดเลยว่าเราจะประมูลคลื่นไม่ได้ เราไม่มีการเตรียมแผนตรงนี้เลย สิ่งที่เราต้องทำคือ Handset ลองนึกภาพในช่วงนั้น (ปลายปี) เป็นวันหยุดยาวจากคริสต์มาส ต่อเนื่องมาถึงปีใหม่ และมาถึงตรุษจีน จะมีซัพพลายเอร์เจ้าไหนที่จะส่ง Handset ให้เราได้นับล้านเครื่องภายในเวลาที่สั้นมาก นี่คือความท้าทายขอเรา อีกฝั่งหนึ่งก็ต้องดูว่าคนที่ได้ใบอนุญาต เอาเงินไปจ่ายปุ๊บ เราต้องถูกแย่งลูกค้าทันที นี่คือจุดที่เราต้องวางแผนอย่างดีว่าจะต้องเกิดขึ้น และเราก็นำข้อมูลเหล่านี้มาใช้งาน ท้ายที่สุด ผลก็คือ เราสามารถเปลี่ยนลูกค้า 2G มาเป็น 3G ภายใน 1 ไตรมาส ได้ถึง 6 ล้านเบอร์ถือว่าไม่น้อยเลยเมื่อเทียบกับทรัพยากรที่เรามีอยู่
Big data ไม่ต้องสมบูรณ์แบบก็ตอบโจทย์ได้
สรุปการใช้งาน Big Data ไม่ได้หมายถึงการจัดเก็บข้อมูลเท่านั้น นี่คือตัวอย่างของ AIS ไม่ได้สมบูรณ์แบบ ไม่ได้มีอะไรเยอะมาก แต่การนำมาใช้งานเป็นหัวใจสำคัญมากกว่า
นางสาวสุมลกล่าวเสริมในตอนท้ายว่า การที่เราจะขับเคลื่อนไปให้ถึง Thailand 4.0 จริงๆ แล้วก็อย่างที่หลายท่านได้พูดมา การแชร์ข้อมูลเป็นเรื่องที่สำคัญ ถ้าสามารถนำมารวมกันไว้ตรงกลาง สามารถนำมาใช้ประโยชน์ได้มากกว่า 1+1 จะไม่ได้ 2 แต่เป็น 3, 4, 5 เป็นการต่อยอดไปได้เรื่อยๆ
“ถ้าเราจะไป Thailand 4.0 หรือ Digital Economy ที่รัฐบาลพยายามผลักดัน หลายๆ อย่างมันติดขัดกับกฎระเบียบย่อยๆ อย่างที่เราเจออยู่ ไม่สามารถนำข้อมูลลูกค้าไปใช้ได้ จริงๆ มีหลายอุตสาหกรรมที่ต้องการข้ามเข้ามาทำงานร่วมกับเรา ก็ต้องรอก่อน เพราะติดปัญหาในเรื่องการกำกับดูแล ดังนั้น จึงอยากจะฝากดูว่าพอจะมีลักษณะที่เป็น National Policy ที่ทำออกมาแล้วเชื่อมโยงกันในทุกๆ ที่ทุกๆ อัน ไม่ใช่แต่ละที่มีจุดต่างๆ กัน พอเชื่อมเข้าหากันแล้วก็เกิดเป็นอุปสรรคในการที่จะแชร์ข้อมูล เพื่อทำให้เกิด Big Data ระดับประเทศ”
“จริงๆ ข้อมูลภาครัฐมีเยอะ ที่สามารถสนับสนุนให้กับหน่วยงานเอกชน ตัวอย่างง่ายๆ มีใครรู้บ้างประเทศไทยมีประชากรกี่คน แหล่งข้อมูลหนึ่งบอกว่า 64 ล้านคน อีกแหล่งบอก 65 ล้านคน อีกแหล่งบอก 67 ล้านคน อีกแหล่งบอก 68 ล้านคน และถ้าเราจะนำมาใช้งานแหล่งไหนถูกต้องที่สุด ดังนั้น แต่ละหน่วยงานภาครัฐมีข้อมูลมากมาย แต่ขาดการบูรณาการเข้าหากัน มาใช้เป็นข้อมูลกลาง ให้ทุกฝ่ายได้นำไปใช้ประโยชน์และแชร์กัน ก็อยากจะฝากเรื่องนี้ไว้ด้วย”
“การใช้ Big Data ไม่ใช่แค่เอา Data มาใช้งานอย่างเดียว การเอามาใช้ต้องมีการแปลความที่ถูกต้องด้วย บางครั้งอาจจะแปลความอะไร ที่ใส่ความรู้สึกลำเอียงเข้าไป พอตีความออกมาทำให้ข้อมูลบิดเบือนได้ Big Data ถ้าใช้ไม่ถูกทางก็เป็นโทษเหมือนกัน และ Big Data ไม่ใช่เรื่องของการเก็บข้อมูล แต่เป็นเรื่องของการนำข้อมูลมาใช้ ด้วยวัฒนธรรมขององค์กรไทยหลายๆ แห่ง ชอบเก็บข้อมูลไว้ก่อน ยังไม่เอามาใช้ ต้องรอให้ Perfect ก่อนถึงจะเริ่มใช้ พอไม่มีการใช้ Big Data มันก็ไม่ต่างจากเราซื้อถังขยะใบใหญ่ๆ มาใบหนึ่ง แล้วเราก็เก็บทุกอย่างโยนมันลงไปก็คิดว่าวันหนึ่งมันจะมีประโยชน์ เพราะฉะนั้น เราต้องเลิกคิดแบบนี้ พอเราจะหยิบมาใช้ ก็ไม่รู้จะเอาอะไรมาใช้เหมือนกัน เราควรเริ่มนำมาใช้ตั้งแต่บัดนี้ อย่างน้อยการเริ่มต้นของเราจะทำให้เรารู้ว่าข้อมูลที่เรามีแล้วนั้นเพียงพอหรือไม่ เราต้องการหาข้อมูลอะไรเพิ่มเติม การนำข้อมูลเข้ามาใช้ก็จะมีโฟกัส มีเป้าหมายมากขึ้น ไม่ใช่หว่านแหเก็บอะไรมาหมด ท้ายที่สุด Big Data ไม่เห็นเวิร์กเลย หรือถ้าใครมีเงินเยอะหน่อย ก็สงสัยถังขยะเรายังใหญ่ไม่พอ ก็ไปขยายถังขยะให้ใหญ่ขึ้น ท้ายที่สุดมันก็กลับไปสู่วัฏจักรเดิมอีก ก็อยากจะฝากถึงองค์กรที่เริ่มนำ Big Data มาใช้แล้ว ให้ท่านเริ่มนำมาใช้งานให้เกิดประโยชน์ได้แล้ว ไม่ใช้นำข้อมูลมาเก็บไว้ด้วยกัน และก็รอว่าวันหนึ่งมันจะสมบูรณ์”
Source: https://thaipublica.org/2016/07/big-data-sumol/
สมัครสมาชิก:
บทความ (Atom)