Taking too long? Close loading screen.

ประชาธิปไตยข้อมูล (Data Democratization) เทรนที่องค์กรควรสนใจ

Feb 28, 2022
data_democratization

คำถามเหล่านี้เป็นคำถามเกี่ยวกับความเสมอภาคในการเข้าถึงและใช้ประโยชน์ของข้อมูลในองค์กร ซึ่งเป็นคนละประเด็นกับสิทธิ์ในการเข้าถึงข้อมูลบางประเภท (User Type) ทำให้หลายๆองค์กรเริ่มมองถึงความไม่เสมอภาคนี้และเป็นที่มาของการทำข้อมูลให้เป็นประชาธิปไตย หรือ Data Democratization

how_to_democratization

ประชาธิปไตยข้อมูล (Data Democratization) ไม่ใช่แค่เรื่องของ การเข้าถึงข้อมูล (Data Access)

การทำข้อมูลให้เป็นประชาธิปไตยนั้นมักจะถูกเข้าใจว่าเป็นการให้ทุกคนสามารถเข้าถึงข้อมูลได้อย่างทั่วถ้วนเท่านั้น ซึ่งไม่ถูกเสียทั้งหมด เพราะผู้บริหารก็คงไม่อยากให้พนักงานเห็นข้อมูลความลับของบริษัท หรือฝ่ายบุคคลก็คงไม่อยากให้เราเห็นเงินเดือนของเพื่อนร่วมงานด้วยเช่นกัน ซึ่งหลักการใหญ่ๆในการทำข้อมูลให้เป็นประชาธิปไตย สรุปได้ดังนี้

  1. มีเครื่องมือที่เหมาะสมกับความสามารถของบุคคลในการเข้าถึงและใช้งานข้อมูล
  2. สร้างบรรยากาศให้พนักงานรู้สึกผ่อนคลายในการใช้ข้อมูลและตั้งคำถามที่ตอบด้วยข้อมูล
  3. ทำเรื่องนี้ให้เป็นกระบวนการต่อเนื่องจนเกิดเป็นวัฒนธรรมขององค์กรในที่สุด

เกิดขึ้นเพื่อ แก้ ปัญหาความท้าทายของการใช้ข้อมูล

ทำไมองค์กรถึงควรให้ความสำคัญกับเรื่องนี้ ก็เป็นเพราะว่าเรื่องนี้เพื่อจะช่วยแก้ปัญหาที่คนในองค์กรต้องเผชิญเกี่ยวกับการใช้ข้อมูลในวันต่อวัน ซึ่งเป็นอุปสรรคใหญ่ที่ทำให้องค์กรไม่เป็น Data-driven สักที ลองพิจารณาประเด็นต่อไปนี้

  • ฉันเข้าถึงข้อมูลที่ต้องการใช้ไม่ได้
  • กว่าจะได้ข้อมูลมาทำงานใช้เวลานานมาก (ก.ไก่หลายตัว)
  • ไม่รู้ว่าข้อมูลที่ได้มาถูกต้องหรือเปล่า
  • ไม่รู้ว่าจะตอบคำถามของฉันจากข้อมูลเหล่านี้ยังไง
  • โปรแกรมวิเคราะห์ที่บริษัทซื้อมาใช้ยากมาก ก็มีแต่ทีม Analyse เท่านั้นแหละที่ใช้ได้
  • ทีม Data Science ไม่ว่างมาช่วยซักที

ปัญหาทั่วไปที่ฟังๆดูแล้วก็น่าจะแก้ได้ด้วยการทำ Data Governance ในองค์กรได้ (ขอแนะนำให้ลองอ่านกรอบการวิเคราะห์ข้อมูลขนาดใหญ่ภาครัฐ) ซึ่งก็ถูกต้องในแง่ของการการทำโครงสร้างให้มั่นคงพร้อมรับสถานการณ์การใช้ข้อมูลแบบต่างๆ แต่อีกปัญหาใหญ่ที่ยังไม่ถูกแก้ด้วย Data Governance คือ เครื่องมือที่เหมาะสมกับผู้ใช้งาน

การมีเครื่องมือที่เหมาะสม คือ ความเสมอภาค

“จอบที่เหมือนกัน ไม่ได้ทำให้ทุกคนได้หัวมันที่เท่ากัน และหัวมันที่เท่ากันก็ไม่ได้ทำให้คนอิ่มเท่ากันได้”

“ความเสมอภาค” คือการเข้าถึงโอกาสได้เหมือนกัน บางคนต้องการน้อย บางคนต้องการมาก เช่นเดียวกับการเข้าถึงและใช้งานข้อมูล อันดับแรกในการสร้างความเสมอภาคคือ ต้องเข้าใจว่าผู้ใช้ต้องการอะไร เช่น

  • ฝ่ายขาย ต้องการใช้ข้อมูลเพื่อหาโอกาส ที่จะกลายเป็นลูกค้าจริงๆได้
  • ฝ่ายการตลาด  ต้องการใช้ข้อมูลเพื่อหาทางจัดแคมเปญเด็ด ๆ โดนใจคนจะได้กลายมาเป็นลูกค้า
  • ฝ่ายโลจิสติกส์ ต้องการใช้ข้อมูลเพื่อปรับปรุงกระบวนการขนส่งให้รวดเร็วยิ่งขึ้น
  • ฝ่าย E-Commerse ต้องการข้อมูลเพื่อหาช่องทางขยายฐานลูกค้าในโลกออนไลน์
  • ฝ่ายบุคคล ต้องการข้อมูลเพื่อเลื่อนตำแหน่งและอัดฉีดเงินเดือนให้พนักงานที่มีประโยชน์กับบริษัทจริงๆ
  • ผู้บริหาร ต้องการข้อมูลเพื่อหาทางทำให้บริษัทคงอยู่ได้และเจริญเติบโต

จะดีกว่าไหมหากให้เครื่องมือที่แต่ละฝ่ายสามารถใช้วิเคราะห์ง่ายๆได้เอง เช่น ทำ Dashboards หรือวิเคราะห์ทำนายผลพื้นฐาน และเหลือเพียงงานหินๆให้ทีม Data Science ได้ลงมือได้เต็มที่ ซึ่งในปัจจุบันก็มี Software มากมายที่ให้ผู้ใช้งานสร้าง Dashbaords ได้ภายในไม่กี่นาที ด้วยการลากวาง หรือการสร้าง Model ทำนายผล ที่ไม่ต้องเขียนโค้ด สามารถลากวาง กำหนดค่า และแปรผลให้เราได้เอง ส่วนที่องค์กรต้องสนับสนุนเพิ่มคือ การอบรมใช้เครื่องมือ และความเข้าใจทางสถิติให้แก่พนักงาน 

Modern Data Stack เป็นชุดของเครื่องมือที่องค์กรควรลงทุนเพื่อตอบสนองความต้องการใช้ข้อมูลของส่วนต่าง ๆ ในองค์กร ทั้งนี้องค์กรก็ควรพิจารณาถึงขนาดความต้องการและความพร้อมของข้อมูล (Data Maturity) ในองค์กรประกอบด้วย โดยส่วนใหญ่แล้วองค์กรด้านธุรกิจมักจะลงทุนในเครื่องมือเหล่านี้

  • Data Warehouse เพื่อให้ข้อมูลพร้อมที่จะถูกใช้วิเคราะห์หรือใช้ประโยชน์อื่น ยกตัวอย่างเช่น Snowflake, BigQuery, Firebolt เป็นต้น
  • ELT & Reversed ELT เพื่อการโอนย้ายถ่ายเทข้อมูล ยกตัวอย่างเช่น Airbyte, Firetran, Meltano, Census, Hightouch, Grouparoo เป็นต้น
  • Business Intelligence (BI) เครื่องมือที่ถูกวางไว้เหนือฐานข้อมูลเพื่อทำให้ผู้ใช้งานสามารถทำการวิเคราะห์ด้วยตนเองได้ (Self-serve analytics) ยกตัวอย่างเช่น Tableau, Microsoft Power BI, Google Data Studio, Looker, Mode, Superset เป็นต้น
  • Low-code Analytics Platform เพื่อการวิเคราะห์ข้อมูลสำหรับผู้ที่ไม่ถนัดการเขียนโปรแกรม ยกตัวอย่างเช่น Alteryx, RapidMiner Studio, Loginom เป็นต้น
modern_data_stack

Dataportal กรณีศึกษา Data Democratization ที่ Airbnb

ลองมาดูตัวอย่างการทำให้ข้อมูลเป็นประชาธิปไตยอย่างเป็นรูปธรรมกัน ที่ Airbnb ซึ่งเป็นเทคสตาร์ทอัพด้านการจองที่พักที่มีการเติบโตในจำนวนพนักงานและจำนวนข้อมูลที่พร้อม ๆ กัน ปัญหาที่เกิดขึ้นคือการเข้าถึงสิ่งที่ต้องการในทะเลของข้อมูล (Data Lake) อย่างไรให้มีประสิทธิภาพและประสิทธิผลสูงสุด จึงเป็นที่มาของ Dataportal เครื่องมือและช่องทางให้พนักงานของ Airbnb เข้าถึงและเข้าใช้ข้อมูล ด้วยการอำนวยความสะดวกดังต่อไปนี้

airbnb_dataportal
  1. Search – ค้นหาชุดข้อมูลและผลการวิเคราะห์ที่ได้จัดทำไว้แล้ว
  2. Context and Metadata – อธิบายรายละเอียดชุดข้อมูล (Metadata) ให้มีความชัดเจนและนำไปใช้ได้จริง
  3. Employee-centric Data – สามารถดูข้อมูลในมุมมองของผู้ใช้งานแต่ละคนได้ว่าใครสร้างหรือใช้งานหรือชื่นชอบข้อมูลอะไรบ้าง คล้ายๆ โปรไฟล์ใน Facebook
  4. Team-centric Data – สามารถดูข้อมูลในมุมมองของทีมว่ามีข้อมูลหรือ Dashboards อะไรที่เป็นประโยชน์ต่อการทำงานของตนเองบ้าง

การขับเคลื่อนองค์กรด้วยข้อมูลเริ่มต้นจากประชาธิปไตยของข้อมูล

ความเสมอภาค คือคำสำคัญหลักที่ทำให้เกิดประชาธิปไตย การทำให้คนในองค์กรสามารถเข้าถึงและใช้ข้อมูลตามสิทธิของตนเองได้ ด้วยเครื่องมือที่เหมาะสมกับความสามารถและลักษณะของงาน จะสร้างให้เกิดบรรยากาศการทำงานกับข้อมูลอย่างเป็นรูปธรรม ซึ่งจะนำไปสู่การเกิดวัฒนธรรมที่คนในองค์กรจะหยิบยกข้อมูลมาพูดคุยและถกเถียงกัน เมื่อข้อมูลถูกวิเคราะห์ ตกตะกอน กลายเป็นข้อสรุป เกิดเป็นการตัดสินใจ องค์กรนั้นก็สามารถเรียกตัวเองได้ว่าเป็น Data-driven

แหล่งอ้างอิง

Saksit Srimarong

Data Scientist Government Big Data Institute (GBDi)

Navavit Ponganan

Senior Data Scientist Government Big Data Institute (GBDi)

Sign up to join Big Data Community Thailand

Make comments, write articles, and contribute to our community.