Standas Not Standard

1. Descriptive Analytics (What happened?)
2. Diagnostic Analytics (Why it happened?)
3. Predictive Analytics (What will happen?)
4. Prescriptive Analytics (How should we solve that problem?)

วันนี้มาทำความรู้จักกับ 4 phase ของการวิเคราะห์ข้อมูลกัน โดย

2 Phase แรก : จะโฟกัสที่ “อดีต” ซึ่งจะเป็นพาร์ทที่ Data Analyst โฟกัสเป็นหลัก

2 Phase หลัง : จะโฟกัสเรื่องของ “อนาคต” ซึ่งจะเน้นไปฝั่งพาร์ทของ Data Scientist

Descriptive Analytics (What happened?)

เป็นการตั้งคำถามว่าเกิดอะไรขึ้นบ้าง อาทิเช่น

• เมื่อวานลูกค้าเปิดซิมใหม่กี่คน ทิ้งซิมไปกี่คน?
• Quarter 1 ยอดขายเป็นยังไงบ้าง กำไรเป็นเท่าไหร่ คู่แข่งออก product อะไรมาบ้าง?
• ลูกค้า churn ไปทั้งหมดกี่คน หรือ ลูกค้าเปลี่ยน package ไปกี่คน?

Tools หลัก ๆ ที่ใช้ใน phase นี้เลยคือ SQL, Excel, Spreadsheet, Dashboard

Phase นี้จะเน้นสร้าง Dashboard เพื่อ monitor สิ่งที่เกิดขึ้นมาแล้วในอดีต

Diagnostic Analytics (Why it happened?)

เป็น phase ที่สามารถสร้าง value ให้กับองค์กรได้มากยิ่งขึ้น โดยเป็นการนำสิ่งที่เกิดขึ้น (What) แตกแขนงออกมาดูว่า สิ่งที่เกิดขึ้นตรงหน้า คืออะไร เกิดสิ่งนี้ได้อย่างไร ทำไมถึงเกิดสิ่งนี้ขึ้น

สมมติว่า

• What: เดือนที่แล้วลูกค้าเปิดซิมใหม่ขึ้นมาเยอะมากถึง 5 ล้านหมายเลข ซึ่งเพิ่มขึ้นจากเดือนก่อนหน้าถึง 20%

• Why: เราต้องมาหาแล้วว่าสิ่งที่เกิดขึ้นคืออะไร ทำไมถึงมีการเปิดเบอร์เพิ่มถึง 5 ล้านหมายเลข

เมื่อเราเข้าไปดูข้อมูล กลับพบว่าเดือนเมษายนมีลูกค้าที่มาจากประเทศจีนนั้นเยอะมาก แปลว่า ซิมใหม่ที่เกิดขึ้นมานั้นไม่ได้เป็นซิมของคนไทย แต่เป็นซิมของชาวต่างชาติที่ใช้ในการท่องเที่ยวนั่นเอง

Predictive Analytics (What will happen?)

เป็น phase ที่ถามต่อว่า “แล้วพรุ่งนี้จะเป็นอย่างไร” เรียกง่ายๆ คือการทำนายต่อไปว่าข้างหน้าจะเกิดอะไรขึ้น อาทิเช่น

• ลูกค้าคนไหนบ้างที่จะเลิกใช้บริการ ในอีก 3 เดือนข้างหน้า (Churn Predictive)
• User คนไหนบ้างที่มีโอกาสเลิกใช้ Netflix ในอีก 2-3 เดือนข้างหน้า ดังนั้น เราในฐานะคนทำ Data ควรจะดูปัจจัยไหนเป็นหลัก สำหรับบริการที่เป็น Subscription Service ว่าลูกค้าคนไหนจะยังอยู่ หรือไม่อยู่กับเรา คำตอบคือ “Active User“

สมมติว่า

มีคนสมัคร spotify 1 ล้านคนทั่วประเทศไทย แต่มีคนที่เข้าไปฟังเพลงในเดือนที่ผ่านมาแค่ 1 แสนคน

หากเรา define ว่า active user คือคนที่ฟังเพลงกับ spotify เพียงแค่ 1 เพลงเท่านั้นก็นับเป็น active user นั่นหมายความว่า Active User ของเคสนี้คือ 10% ของลูกค้าทั้งหมด

นั่นคือ โอกาสที่ลูกค้าจะ churn หรือ เลิกใช้ spotify มีโอกาสสูงมาก

Point หลักของ ธุรกิจ subscription คือ ทำยังไงก็ได้ให้ user กลับมาใช้งาน service บ่อย ๆ ซึ่งจะทำให้ user นั้นอยู่กับธุรกิจนั้น ๆได้นานขึ้น

Prescriptive Analytics (How should we solve that problem?)

ถ้าเรารู้ว่าลูกค้าจะเลิกใช้บริการเรา แล้วเราจะรั้งเค้ายังไงดี?

สมมติว่า

ลูกค้าจะเลิกใช้บริการกับ DTAC แล้ว DTAC รู้ว่าคนนี้กำลังจะเลิกใช้งาน สิ่งที่เค้าทำต่อไปคือการโทรไป offer promotion ที่คุ้มค่า และตรงใจกับผู้บริโภค เพื่อที่จะทำให้ลูกค้าใช้บริการกับค่ายต่อไป

พี่ทอยบอกว่า ทุกครั้งที่มีการโทรหาลูกค้าจะไม่มีการโทรสุ่ม หรือโทรมั่ว ทุกการโทรไป offer promotion เค้าจะมีรายชื่อที่ทางทีม data ส่งมาให้ เค้าถึงจะโทรไป เพราะทีม data วิเคราะห์มาแล้วว่าลูกค้ากลุ่มไหนเหมาะกับ promotion อะไร

อีกตัวอย่าง

สมมติ Samsung กำลังจะเปิดตัวมือถือรุ่นใหม่ และเค้ามีการวิเคราะห์มาแล้วว่าลูกค้ากลุ่มไหนชอบอะไร เช่นกลุ่ม A ชอบเล่นกล้อง และกลุ่ม B ชอบ feature พวก AI การจะส่ง Email เพื่อโฆษณาก็จะมีเนื้อหาที่แตกต่างกันออกไป เช่น กลุ่ม A ก็จะเน้นเรื่องกล้อง ส่วนกลุ่ม B ก็จะเน้นเรื่อง AI feature

Point ของเรื่องนี้ คือ

เราจะทำยังไงเพื่อที่จะเสิร์ฟลูกค้าให้ดีขึ้น หรือทำยังไงเพื่อให้ลูกค้าสามารถอยู่กับเราได้นานยิ่งขึ้น

และนี่คือ 4 Phase ของ Data Analytics เป็นยังไงกันบ้าง คิดเห็นยังไงคอมเมนต์กันมาได้น้า

ขอบคุณความรู้ดี ๆจาก คอร์ส Data Science Bootcamp 10 จาก พี่ทอย DataRockie ด้วยนะคะ