Business Analytics: Analytics in Value Chain Model

ปัญหาที่หลายคนคงประสบเจอเกี่ยวกับการวิเคราะห์ข้อมูล ก็คือ ไม่รู้จะเริ่มตรงไหนดี

ถ้าพูดถึง concept การวิเคราะห์ข้อมูล ก็ขอย้อนไปตั้งแต่สิบกว่าปีที่แล้วที่ทุกคนเริ่มตื่นเต้นกันถึงคำว่า Business Intelligence แล้วค่อยๆ กลายมาเป็น Business Analytics จนมาถึง Data Science

หลายองค์กรก็เรียกได้ว่า มีความเชี่ยวชาญชำนาญการในเรื่องเกี่ยวกับ Business Intelligence ไปอย่างมาก แล้วอยากวิ่งไปสู่ Big Data หรือ Data Science ที่ทุกคนพูดถึงกัน …. เอาเป็นว่า อย่าเพิ่งใจร้อน วิ่งมาให้ถึง Business Analytics ให้ได้ก่อน

และแน่นอน … ถ้าไม่รู้จะเริ่มจากไหน ก็มาเริ่มที่ Business Analytics ก่อน และถ้ายังเลือกไม่ถูกว่าจะเริ่มอะไรก่อน ก็เริ่มจาก Business ก่อน Analytics เลยครับ

ทำไมไม่เริ่มจาก Analytics ก่อน?

• ถ้าไปเริ่มจาก Analytics โอกาสที่จะหลงวนเวียนอยู่ในข้อมูล ก็มีสูงมาก
• มีหลายครั้งหลายคราที่ เสียเวลาไปวิเคราะห์ข้อมูลอยู่นาน เพื่อเจอในสิ่งที่ Business เค้าก็รู้อยู่แล้ว
• และก็อีกหลายครั้งเหลือเกินที่ไปเริ่มจาก Analytics Model สุดฮิต ที่ทำออกมาแล้ว ไม่ได้ตอบโจทย์ทางธุรกิจ หรือ เอาไปทำอะไรต่อไม่ได้

และอีกมากมายหลายเหตุผลที่อยากขอร้องคนทำ Analytics ว่า … เราไปเริ่มที่ปัญหาธุรกิจกันก่อนดีไหม?

ก่อนที่จะวิ่งไปแก้ปัญหาธุรกิจ สิ่งที่กลายเป็นความท้าทายอย่างมากของทีม Analytics (บางที่และหลายๆที่) คือ ไม่มีพื้นฐานความเข้าใจธุรกิจ

วันนี้เราจะมาเริ่มเข้าใจกันว่า ฝั่ง Business เค้าทำอะไรกัน แล้วเราจะเอา Analytics ไปช่วยเค้าได้อย่างไรบ้าง

เข้าใจธุรกิจด้วย Value Chain Model

ก็ไม่ใช่เรื่องง่ายที่จะเข้าใจธุรกิจแบบทะลุปรุโปร่งแบบถ่องแท้ ถ้าประสบการณ์ทำงานเรายังไม่เยอะ หรือไม่ได้ไปเรียนมาตรงๆ ถึงเรียนจบ BBA หรือ MBA มา ธุรกิจแต่ละอุตสาหกรรม ก็ยังมีความแตกต่างกันอย่างมากมาย คนส่วนมากก็จะเลือกเก่งไปคนละสายไปเลย เช่น สายธนาคาร สายประกัน สายเทเลคอม สายโรงงานผลิต ฯลฯ

วันนี้เลือก Value Chain Model มาเป็นจุดเริ่มต้นให้เข้าใจกันว่า ถ้าเราจะนำ Analytics ไปช่วยแก้ปัญหา หรือ พัฒนาปรับปรุงธุรกิจ จะเริ่มจากจุดไหนดี

Value Chain Model เป็น Framework ที่ใช้ในการวิเคราะห์กิจกรรมภายในองค์กรว่ากิจกรรมไหนที่เราจะเลือกขึ้นมาพัฒนาปรับปรุงเพื่อให้เกิดมูลค่าเพิ่มทางธุรกิจ (Value Add)

กรอบแนวคิดนี้ จะแบ่งกิจกรรมในบริษัทออกเป็น สองส่วน คือ Primary Activities และ Secondary Activities

Primary Activities

กิจกรรมหลักในองค์กร จะไล่เรียงมาตั้งแต่เอาวัตถุดิบเข้าคลัง (inbound logistics) ผลิต (operations) ส่งของออกไปขาย (outbound logistics) ทำการตลาดและขาย (marketing and sales) จนกระทั่งการให้บริการ (services)

Secondary Activities

เป็นกิจกรรมสนับสนุนในองค์กร จะถูกแบ่งออกเป็น 4 ส่วน ได้แก่ โครงสร้างพื้นฐานและการบริหารจัดการทั่วไป (infrastructure) การบริหารจัดการบุคคล (human resource management) การวิจัยและพัฒนา (R&D technology) และสุดท้าย คือ การจัดหาวัตถุดิบ (procurement)

Analytics in Value Chain Model

Data Analytics สามารถเข้าไปช่วยแก้ปัญหาในกิจกรรมต่างๆ ได้หลากหลายรูปแบบเลยครับ วิธีการง่ายๆ คือ ให้เราลองนั่ง list ปัญหาในกิจกรรมต่างๆ ขึ้นมา แล้วลองดูว่า เราจะเอา analytics เข้าไปช่วยยังไงดี เดี๋ยวจะยกตัวอย่างให้ดูนะครับ ว่าแต่ละกิจกรรม เราสามารถทำ analytics ได้อย่างไรบ้าง

Primary Activities

วัตถุดิบเข้าคลัง (inbound logistics)

การจัดการวัตถุดิบเข้าคลังนั้น ก็อาจจะเริ่มมีปัญหาตั้งแต่ supplier มาส่งของโดยที่เราไม่ได้วางแผนการจัดส่ง ทำให้บางทีก็มาส่งพร้อมๆ กัน เกิดปัญหาคอขวดในการนำของเข้าคลัง เราก็อาจจะนำ analytics มาช่วยในการจัดกระบวนการในการนำของเข้าคลัง หรือใช้ในการวางแผนการนำวัตถุดิบเข้าคลัง

นอกจากนี้ data analytics ยังเข้าไปช่วยวิเคราะห์ได้อีกว่า เราควรจัดเก็บวัตถุดิบที่ไหน อย่างไร วางตรงไหนดี ถึงจะทำให้การหยิบออกมาใช้ เป็นไปได้อย่างรวดเร็ว ต้นทุนสูง (มีเคสนึง ก็นำข้อมูลความถี่การหยิบใช้วัตถุดิบ กับพื้นที่ที่ใช้ในการจัดเก็บมาทำการวิเคราะห์ เพื่อวางเลย์เอาท์การจัดเก็บวัตถุดิบใหม่ ทำให้ไม่ต้องวิ่งเข้าคลังไปไกลๆ เพื่อหยิบวัตถุดิบ)

ผลิต (operations)

ในส่วนของผลิต มีปัญหาตั้งแต่การผลิตตรงๆ ไปจนถึงการซ่อมแซมเครื่องจักรที่ใช้ในการผลิต

ปัญหาที่เกิดขึ้นในการผลิตมีมากมาย ตั้งแต่ ผลิตไม่ทัน ผลิตแล้วต้นทุนการผลิตสูงเกินไป คุณภาพวัตถุดิบที่ไม่คงที่ส่งผลไปยังคุณภาพการผลิตคุณภาพที่ไม่ถึงเกณฑ์ที่ตั้งไว้ ก็ต้องผลิตแก้ไข ส่งผลให้ต้นทุนสูงขึ้นไปอีก

ปัญหาเหล่านี้ เราก็สามารถใช้ data analytics เข้ามาแก้ไขได้ ตั้งแต่ นำมาใช้ในการวางแผนการผลิตเพื่อ optimize ต้นทุนการผลิตให้ต่ำที่สุด หรือ นำมาวิเคราะห์หาสาเหตุของคุณภาพการผลิตที่นั้นไม่ดีตามที่ตั้งไว้ (อย่างเคยมี เคสนึง ก็วิเคราะห์แล้วพบว่า ปัญหาของการผลิตที่ไม่ดีนั้น มาจากอุปกรณ์ตัวนึง เวลาที่อุปกรณ์ตัวนี้ทำงานผิดปกติ จะส่งผลไปยังคุณภาพการสินค้าใน 3 นาทีถัดไป!)

ส่งของออกไปขาย (outbound logistics)

การจัดส่งของหรือการกระจายสินค้าออกไปนั้น มีปัญหาจุกจิกวุ่นวายไม่แพ้กัน ตั้งแต่ เราควรจะมีรถแต่ละประเภทกี่คันดี (เช่น รถคนเล็ก รถคันใหญ่) ต้นทุนในการจัดส่งที่สูงเกินไป ไม่สามารถจัดส่งสินค้าออกไปได้ตามปริมาณที่ต้องการทำให้มีของตกหล่นอยู่ในคลัง ส่งของไม่ทันเวลา

แล้วความถูกต้อง ปลอดภัยล่ะ คนขับคนไหนมีความเสี่ยงที่จะขับออกไปแล้วเกิดอุบัติเหตุบ้าง คนไหนแอบอู้บ้าง ยิ่งขับนานยิ่งจะขับดีขึ้น จริงไหม? (เคสที่เคยเจอกลายเป็นว่า ยิ่งขับนานไปหลายๆ ปี คุณภาพก็ไม่ดีขึ้น ในช่วงปีแรก ก็จะมีการพัฒนาคุณภาพขึ้นบ้าง แต่พอผ่านไปซักช่วงนึง ก็จะนิ่งๆ ทรงๆ จนไปถึงคุณภาพแย่ลงเลยครับ)

เรื่องเหล่านี้ ก็เหมือนเดิมเลยครับ น่าเอาข้อมูลมา หาความสัมพันธ์ดูว่า มีปัจจัยอะไรที่กระทบกับสิ่งที่เราสนใจ เช่น ต้นทุน หรือ คุณภาพในการทำงานบ้าง เราสามารถใช้เทคนิค optimization มาวางแผนการจัดส่งให้มีประสิทธิภาพมากขึ้น โดยใช้ระยะเวลาหรือต้นทุนน้อยที่สุด (ลองนึก Google Map อ่ะครับ แนวนั้นเลย) หรือ ใช้ในการคำนวณจำนวนรถคันเล็ก คันใหญ่ ว่าควรจะต้องมีสัดส่วนเท่าไหร่ดี ที่จะทำให้การขนส่งมีต้นทุนที่ต่ำที่สุด

ทำการตลาดและขาย (marketing and sales)

หัวข้อนี้ทุกคนน่าจะคุ้นเคยตัวอย่างการนำ data analytics ไปใช้กันอย่างมากมาย เพราะเป็นส่วนที่มีความชัดเจนมากว่า เมื่อเอาข้อมูลไปใช้แล้วมีความชัดเจนในการวัดผลหรือแสดงให้เห็นว่าสามารถหาเงินหรือหารายได้เพิ่มขึ้น

ปัญหาในการทำการตลาดหรือการขายของมีมากมาย ตั้งแต่ จะไปหาลูกค้าใหม่จากไหน ลูกค้าที่มีอยู่ในปัจจุบัน คนไหนจะหยุดซื้อ จะซื้อน้อยลง จะทำไงให้คนเค้าซื้อมากขึ้นล่ะ เค้าซื้ออันนี้แล้วไปซื้ออันไหนต่อดี จะทำโปรโมชันกับคนไหนดี ทำแบบไหนถึงจะคุ้มค่า จะตั้งราคาหรือให้ส่วนลดแบบไหนถึงจะเหมาะสม ฯลฯ ไล่ไปได้ยาวเหยียดมาก

Data Analytics ก็ถูกนำมาใช้แก้ปัญหาเหล่านี้ได้อย่างมากมาย ตั้งแต่ ช่วยจัดกลุ่มลูกค้าที่มีลักษณะเหมือนกัน เพื่อให้บริหารจัดการง่ายขึ้น ช่วยพยากรณ์หรือทำนายว่าคนไหนจะซื้อหรือไม่ซื้อ คนไหนจะหยุดใช้หรือจะหายไป ลูกค้าคนไหนมีแนวโน้มจะซื้อสินค้าไหนต่อ ตั้งราคาเท่าไหร่ถึงจะได้กำไรสูงที่สุด สินค้าไหนควรจะนำมาจัดโปรโมชันเพื่อขายคู่กัน (เคสนึงที่เคยทำแล้วสนุกมากๆ คือ ควรเอาสินค้าไหน ใส่เข้าไปในโปรโมชัน เพื่อทำให้คนสนใจในโปรโมชันนี้สูงสุด ก็มีการทำการคำนวณหา Popularity ของแต่ละสินค้า แล้วทำการเลือกสินค้าเพื่อมาทำโปรโมชันด้วย Popularity Index ก็ทำให้โปรโมชันมีคนตอบรับเยอะมาก หาเงินได้เพิ่มไปหลายล้านบาทเลยครับ)

การให้บริการ (services)

ปัญหาในการให้บริการนี่ก็มีเยอะไม่แพ้กิจกรรมอื่นเช่นกัน ไม่ว่าจะเป็น มีพนักงานไม่เพียงพอต่อการบริการ เพราะไม่รู้ว่าวันไหนลูกค้าจะมาเยอะมาน้อย คุณภาพในการให้บริการที่ยังไม่ถึงระดับที่ลูกค้าต้องการ ความผิดพลาดในการให้บริการ หรือ ระยะเวลาในการให้บริการที่นานเกินที่ลูกค้าจะทนไหว

เราก็สามารถเอาสถิติการเข้ารับบริการในอดีตของลูกค้ามาทำการวิเคราะห์ได้ว่าวันไหนจะมีลูกค้ามาเยอะหรือน้อย เราต้องมีจำนวนพนักงานกี่คน เมื่อลูกค้าซื้อสินค้าไปแล้ว จะกลับมาใช้บริการใด ในช่วงไหนบ้าง หรือ ช่วงที่เป็น Warranty Period ก็ยังกลับมาใช้นะ พอต้องจ่ายเงินซ่อมเอง กลับไม่ยอมมา คนไหนที่ถ้าเราโทรไปหา หรือ ให้โปรโมชันกับเค้า เค้าจะมีโอกาสมาบ้าง ก็จะช่วยให้เราบริหารจัดการบริการได้ดีขึ้น (เคสที่เคยทำกัน ก็คือ ทำนายว่าลูกค้าคนไหน ที่ส่งโปรโมชันไปแล้ว จะกลับมาใช้บริการ ซึ่งพอทำเป็น analytics model ก็จะทำนายได้ดีขึ้น ทำให้บริษัทสามารถสร้างรายได้ได้มากขึ้นจากการทำโปรโมชัน)

Secondary Activities

โครงสร้างพื้นฐานและการบริหารจัดการทั่วไป (infrastructure)

ในการบริหารจัดการทั่วไปในองค์กร หรือ บางทีเราจะเรียกกันง่ายๆ ว่างาน admin งานพวกนี้ ก็มีปัญหาจุกจิกตลอดเวลา เช่น ห้องประชุมไม่เคยจะพอ แย่งกันใช้ วันที่ไม่มีใครใช้ก็ว่าง หรือ พวก Shared Resource หรือ Shared Service อื่นๆ เช่น รถตู้ อุปกรณ์ต่างๆ ที่จะมีปัญหาในการจัดสรร

กิจกรรมส่วนนี้ยังรวมไปถึง Finance and Accounting ซึ่งก็ถือได้ว่าเป็นกิจกรรมสำคัญอย่างมากขององค์กร ที่สามารถไล่เรียงปัญหาได้ไปเรื่อย ตั้งแต่ จะหาเงินมาจากไหน เราใช้เงินได้คุ้มค่าหรือยัง ลูกหนี้คนไหนมีความเสี่ยงไหม เราบริหารจัดการเรื่องทรัพยากรต่างๆ ในองค์กรได้ดีขนาดไหน เรามีความเสี่ยงอย่างไรบ้าง เราจะบริหารจัดการต้นทุนอย่างไรให้ดีที่สุด

ในส่วนของ Finance และ Accounting นั้น ก็จะเป็นส่วนงานที่นิยมเอาข้อมูลมาวิเคราะห์กันอยู่แล้ว แต่เครื่องมือสมัยใหม่ ทำให้การวิเคราะห์นั้นมีความลึกซึ้งกว่าเดิมมาก ทำให้เราสามารถวิเคราะห์ข้อมูลลงไปในระดับหน่วยย่อย สามารถดูผลกระทบข้ามช่วงเวลายาวๆ ได้ เช่น การตัดสินใจในเดือนนี้ ส่งผลกระทบไปในเดือนข้างหน้าๆ อย่างไร (มีเคสนึง ทีมบัญชี ก็ไปวิเคราะห์มูลค่าของ Inventory และควบคุมไม่ให้ปริมาณมีเยอะเกินจำเป็น แต่บางทีก็จะมีการคาดการณ์ว่าราคาของวัตถุดิบจะพุ่งสูงขึ้น ทำให้มีการตัดสินใจซื้อวัตถุดิบเพื่อกักตุนไว้ล่วงหน้า เราอาจจะซื้อวัตถุดิบในราคาที่ถูกกว่าในอนาคต แต่ถ้าเอาต้นทุนค่าจัดเก็บดูแลรักษามาพิจารณาร่วมด้วย แล้วเอาไปคำนวณเพื่อหาต้นทุนสินค้า หรือ Cost of Goods Sold แล้วก็ทำเป็นเครื่องมือว่า เราควรจะซื้อวัตถุดิบตุนไว้หรือไม่)

การบริหารจัดการบุคคล (human resource management)

ถึงกิจกรรมนี้จะถูกจัดว่าเป็น secondary activity แต่ก็มีความสำคัญอย่างมาก เพราะเป็นเรื่องเกี่ยวกับทรัพยากรบุคคล ซึ่งตอนนี้ในบริษัทก็ไม่ได้มองแค่ management อย่างเดียวแล้ว ก็ยังสนใจเรื่อง development ด้วย ปัญหาในการจัดการบุคลากรในองค์กร ก็มีได้สารพัดเรื่องตั้งแต่ ต้นทุนในการบริหารจัดการ ถ้ามีคนลาออกแล้วไม่สามารถบริหารจัดการได้ดี นี่ก็จะเป็นเรื่องใหญ่เลย สร้างต้นทุนเพิ่มให้กับบริษัท ต้นทุนด้านการรักษาพยาบาล ซึ่งก็มีแต่จะเพิ่มขึ้นเรื่อยๆ

หลังๆ ก็เริ่มมีการนำข้อมูลส่วนนี้มาวิเคราะห์กันมากขึ้น เช่น นำมาพยากรณ์ว่าใครจะลาออก หรือ เอามาใช้ในการวางแผนกำลังคนในสายการผลิต นำมาวิเคราะห์เพื่อลดต้นทุนที่ไม่จำเป็นหรือที่สามารถลดได้ (เคสนึงที่น่าสนใจมาก ก็คือ นำข้อมูลการเบิกค่ารักษาพยาบาลมาวิเคราะห์ ว่าเมื่อพนักงานป่วยแล้วควรให้หยุดอยู่บ้านหรือมาทำงาน จากการวิเคราะห์พบว่า เมื่อป่วยแล้วมาทำงาน จะเอาเชื้อหวัดไปติดคนอีกมากมาย ทำให้ค่ารักษาพยาบาลเพิ่มขึ้นเป็นสิบเท่าเลยครับ)

เทคโนโลยีและการวิจัยพัฒนา (technology development)

กิจกรรมนี้จะมองถึงเทคโนโลยีที่เข้ามาช่วยให้การดำเนินงานดีขึ้น หรือ การวิจัยและพัฒนา ซึ่งก็มีปัญหาที่เราสามารถพบเจอได้ทั่วไป ไม่ว่าจะเป็น การลงทุนที่สูงเกินไปของเทคโนโลยีต่างๆ โดยไม่รู้ว่าจะคุ้มค่าหรือไม่ หรือการพัฒนาผลิตภัณฑ์ใหม่นั้น ควรจะเป็นแบบไหนดี หรือ จะทำอย่างไรให้มีต้นทุนที่เหมาะสมที่สุด

การประยุกต์ใช้ data analytics ก็มีตั้งแต่ระดับง่าย ไปจนถึงยากมาก เช่น ก็นำข้อมูลมาวิเคราะห์ถึงความคุ้มค่าในการลงทุน ไปเอาข้อมูลจากความคิดเห็นของลูกค้ามาวิเคราะห์ว่าชอบ features ไหนบ้าง อันไหนไม่ชอบ หรือเอาข้อมูลที่เก็บจาก IoT หรือ ที่ลูกค้าแชร์สถิติการใช้งานของผลิตภัณฑ์ (พวก smart products ต่างๆ ที่ชอบหว่านล้อมให้เราแชร์สถิติการใช้งาน) นำมาวิเคราะห์เพื่อหาความชอบของลูกค้า (เคสนึงที่เคยทำ ก็คือ ไป scrape data จาก tripadvisor ว่าคนชอบอะไรไม่ชอบอะไรเวลาไปพักโรงแรมบ้าง ก็เจอว่าคนชอบเวลาที่พนักงานร้องเพลง Happy Birthday เวลาที่ไปพักในช่วงวันเกิด

การจัดหาวัตถุดิบ (procurement)

ในส่วนของกิจกรรมนี้ ก็เป็นอีกหนึ่งกิจกรรมที่สำคัญกับธุรกิจถึงแม้ว่าจะเป็น secondary activity เพราะเป็นจุดที่ต้องคอยเสาะแสวงหา คอยเติมอุปกรณ์ของใช้ และวัตถุดิบเข้าสู่การผลิต ถ้าซื้อของแพง ของไม่มีคุณภาพ ได้ของมาไม่ทัน ก็จะมีปัญหาอย่างมากมายกับการผลิต ต้นทุน ซึ่งจะส่งผลไปถึงกำไรของบริษัทอย่างมากมายแน่นอน

data analytics ก็จะเข้ามาช่วยในการวิเคราะห์เพื่อดูว่าเราจะสามารถประหยัดเงินจากการซื้อของตรงไหนได้อีก เราสามารถเพิ่มความไหลลื่นในการสั่งซื้อของให้มันทันเวลา แต่ไม่มาถึงเร็วเกินจนต้องเสียค่าจัดเก็บมากมาย เราจะสั่งซื้อเท่าไหร่ดี ไม่น้อยไป ไม่มากไป ให้เกิดต้นทุนหรือค่าใช้จ่ายในการจัดซื้อน้อยที่สุด และมีความเสี่ยงในการขาดของน้อยที่สุด มีวัตถุดิบหรืออุปกรณ์ของใช้แบบไหนที่เราพึ่งพา supplier อยู่ไม่กี่เจ้า หรือวิเคราะห์ไปจนทำออกมาเป็น supplier scorecard เพื่อติดตามดูพฤติกรรม คุณภาพของ supplier แต่ละเจ้า

ทั้งหมดนี้น่าจะพอเป็นแนวคิดแนวทางเริ่มต้นให้สำหรับผู้ที่สนใจอยากนำ data analytics ไปประยุกต์ใช้กับธุรกิจ แต่ยังไม่รู้จะเริ่มอย่างไรนะครับ จุดหลักสำคัญสำหรับผม คือ พยายามวิเคราะห์ถึงปัญหาธุรกิจให้ได้ก่อน ซึ่งการจะเข้าใจปัญหาธุรกิจนั้น ก็จำเป็นที่จะต้องพอมีความรู้ด้านธุรกิจอยู่บ้างครับ จะช่วยให้เราเข้าใจปัญหาได้ง่ายยิ่งขึ้น และยิ่งถ้าเรามีความรู้เกี่ยวกับเครื่องมือ data analytics ก็จะช่วยให้หยิบมาใช้ในการแก้ปัญหาให้กับธุรกิจได้ตรงประเด็นมากทีเดียวครับ