7 Ms of Data Strategy

ในยุคที่ข้อมูลมีมูลค่าสูงจนดึงดูดให้ผู้บริหารหลากหลายองค์กรและหน่วยงาน หันมาให้ความสนใจในการผลักดันให้องค์กรของตนเองเป็น Data-Driven Organization หรือ องค์กรที่ขับเคลื่อนด้วยข้อมูลนั้น หากไม่มีกลยุทธ์ที่มีความชัดเจน อาจทำให้การประยุกต์ใช้ Data Analytics และ Data Technology ไม่เป็นไปตามที่คาดหวังไว้ การพัฒนา Data Strategy จึงมีความสำคัญอย่างมากกับองค์กรที่เริ่มให้ความสำคัญในการนำข้อมูลมาสร้างความสามารถทางการแข่งขัน หรือ Competitive Advantage

เป้้าหมายหลักของการประยุกต์ใช้ Data Analytics และ Data Technology ก็คือ การสร้างมูลค่าให้กับองค์กร จุดเริ่มต้นในการทำ Data Strategy จึงควรให้ความสำคัญกับการเชื่อมโยงการทำงานด้านข้อมูลกับกลยุทธ์ทางธุรกิจขององค์กร เพราะกลยุทธ์เป็นเสมือนเข็มทิศที่ช่วยชี้นำทางให้การดำเนินการนั้นบรรลุเป้าหมายที่ตั้งไว้ได้

การกำหนด Data Strategy นั้น ควรคำนึงถึงองค์ประกอบหลักให้ครอบคลุมทุกด้านสำคัญที่จะนำพาการดำเนินงานที่เกี่ยวข้องกับข้อมูลทั้งหมด จากหลากหลายตำราด้านการจัดการนั้น องค์ประกอบที่เกี่ยวข้องกับการพัฒนา Data Strategy สามารถสรุปรวมได้เป็น 7M ซึ่งได้แก่ Missions / Man / Materials / Machines / Methods / Money / Minutes ดังรูปด้านล่าง

รายละเอียดของ 7M มีดังนี้

1. Missions

การกำหนด Data Strategy นั้น จะต้องเริ่มต้นจากการกำหนด Mission หรือ พันธกิจ ของทีมงาน หรือหน่วยงานที่รับผิดชอบดำเนินการด้านข้อมูล โดยพันธกิจนี้ จะต้องสอดคล้องกับกลยุทธ์ขององค์กร หรือ สนับสนุนการดำเนินการเชิงกลยุทธ์ขององค์กรก่อน ทีมงานด้านข้อมูลจะต้องเข้าใจถึงแก่นของกลยุทธ์องค์กร ตัวอย่างเช่น องค์กรอาจใช้กลยุทธ์การมุ่งเน้นการเติบโต หรือ Growth Strategy ทีมงานด้านข้อมูลจะต้องเข้าไปถึงการแปลงเปลี่ยนกลยุทธ์ในภาพใหญ่มาเป็นการดำเนินงานในระดับปฏิบัติการว่าการเติบโตนั้น มุ่งเน้นไปที่การเจาะกลุ่มลูกค้าใหม่ หรือ การเติบโตจากฐานลูกค้าเดิม

กลยุทธ์ขององค์กรจะถูกแปลเปลี่ยนมาเป็นพันธกิจของทีมงานข้อมูล หรือ สิ่งที่ทีมงานข้อมูลจำเป็นต้องทำเพื่อสนับสนุนในองค์กรบรรลุเป้าหมายเชิงกลยุทธ์ที่ตั้งไว้ โดยอาจกำหนด Use Case หรือ แนวทางการประยุกต์ใช้ Data Analytics ซึ่งอาจเป็นได้ตั้งแต่ การพัฒนาระบบ Dashboard ไปจนถึงการพัฒนา Analytics Model ไม่ว่าจะเป็นการแบ่งกลุ่มลูกค้า การแนะนำสินค้าบริการ การวิเคราะห์รูปภาพ

ขั้นตอนนี้ ถือได้ว่ามีความสำคัญมาก เนื่องจากเป็นการแปลงความต้องการทางธุรกิจมาเป็นความต้องการในการพัฒนาหรือดำเนินการด้าน Data Analytics หากกำหนดพันธกิจไม่ชัดเจน หรือไม่สอดคล้องกับการดำเนินการทางธุรกิจแล้วอาจจะทำให้ไม่สามารถได้รับผลตอบแทนที่คุ้มค่าจากการลงทุนด้าน Data Analytics ในการพัฒนา Data Strategy นั้น จึงต้องมีความเข้าใจทั้งในด้านการบริหารจัดการและด้าน Data Analytics และ Data Technology

เมื่อมีความชัดเจนกับพันธกิจที่ต้องดำเนินการให้สำเร็จ ลำดับถัดไปจะเป็นการกำหนดทรัพยากร ซึ่งได้แก่ Man / Materials / Machines และ รูปแบบการดำเนินการ หรือ Methods ที่มีความจำเป็นในการขับเคลื่อนการดำเนินการให้บรรลุพันธกิจที่ตั้งไว้

2. Man

ในส่วนของ Man หรือ ทรัพยากรบุคคลนั้น ใน Data Strategy ควรที่จะต้องมีการกำหนดถึงความรู้ความสามารถและทักษะที่ต้องการสำหรับการพัฒนา Use Case ที่กำหนดไว้ จากนั้นจึงมากำหนดถึงตำแหน่งงาน หรือ บทบาทหน้าที่ในการดำเนินงานที่ต้องการ ไม่ว่าจะเป็น Data Analyst / Data Scientist / Data Engineer / Machine Learning Engineer / Product Owner / Project Manager เป็นต้น

ความชัดเจนในการกำหนดตำแหน่งหน้าที่ จะชี้ให้เห็นถึงความต้องการในการสรรหาบุคลากร ซึ่งอาจจะเป็นการคัดเลือกจากบุคลากรภายในองค์กร สรรหาจากภายนอกองค์กร หรือ จ้างหน่วยงานภายนอกให้ดำเนินการให้ นอกจากนี้การระบุถึงความสามารถและทักษะที่ต้องการจะชี้ให้เห็นถึงความต้องการในการพัฒนาฝึกอบรมอีกด้วย

นอกเหนือจากการกำหนดตำแหน่งหน้าที่แล้วนั้น ยังควรที่จะต้องพิจารณาถึงโครงสร้างของทีมงาน การจัดแบ่งหน้าที่งานต่าง เพื่อให้เกิดความชัดเจนมากที่สุดในการบริหารจัดการทรัพยากรบุคคลของทีมงาน Data Analytics

3. Materials

ข้อมูล ถือได้ว่าเป็นวัตถุดิบหลักในการดำเนินงานในส่วนของ Data Analytics สิ่งที่ควรจะต้องระบุไว้ใน Data Strategy นั้น ก็คือ รายละเอียดของข้อมูลที่จำเป็นสำหรับแต่ละ Use Case ที่กำหนดไว้ ไม่ว่าจะเป็นแหล่งข้อมูลทั้งภายในและภายนอกองค์กร ระบบฐานข้อมูลของแหล่งข้อมูล ขอบเขตของข้อมูลที่ต้องการ ระดับคุณภาพของข้อมูล แนวทางในการเชื่อมโยงข้อมูล รวมถึงระบุถึงความต้องการในการจัดเก็บข้อมูล หากเป็นข้อมูลที่สำคัญแต่ยังไม่เคยมีการจัดเก็บเป็นระบบในอดีต

นอกเหนือจากข้อมูลที่จะเป็นวัตถุดิบหลักแล้วนั้น อาจจะต้องระบุถึงประเด็นทางด้านความเข้าใจทางธุรกิจ เช่น Business Process หรือ Business Rule ต่างๆ ที่ต้องนำมาผนวกรวมเพื่อให้เข้าใจลักษณะหรือธรรมชาติของข้อมูลได้มากที่สุด

4. Machines

ในส่วนของ Machines นั้น จะครอบคลุมประเด็นด้านระบบเทคโนโลยีทั้งในส่วนของฮาร์ดแวร์และซอฟต์แวร์ที่ต้องการสำหรับ Use Case ที่กำหนดไว้ ซึ่งจะทำให้การลงทุนในเทคโนโลยีนั้นกลับไปตอบโจทย์ธุรกิจอย่างแท้จริง โดยเป็นการเลือกลงทุนในเทคโนโลยีจากความต้องการขององค์กรเป็นหลัก

ในการเลือกลงทุนในเทคโนโลยีนั้น ควรจะต้องมีความเข้าใจถึงความสามารถในการทำงานและเข้าใจข้อจำกัดของเครื่องมือ นอกจากคำนึงถึงเรื่อง Mission แล้วนั้น ควรพิจารณาถึงความเหมาะสมและความสอดคล้องกับ Man และ Materials ด้วย เทคโนโลยีที่เลือกนั้นควรจะสอดคล้องกับทักษะความเชี่ยวชาญที่องค์กรมีอยู่แล้ว หรือ สามารถพัฒนาทักษะความสามารถเพื่อใช้ประโยชน์จากเทคโนโลยีที่ลงทุนไปให้ได้มากที่สุด นอกจากนี้ยังต้องพิจารณาเลือกเทคโนโลยีให้สอดคล้องกับข้อมูลที่เป็นวัตถุดิบหลัก ความเข้าใจในรายละเอียดของข้อมูลที่จะนำมาใช้จะช่วยให้สามารถ

เลือก Data Technology ที่เหมาะสมได้ ทั้งนี้การเลือกเทคโนโลยียังต้องคำนึงถึงความสามารถในการทำงานร่วมกันกับระบบเทคโนโลยีขององค์กร หรือที่เรียกกันว่า Interoperability

การเลือกพิจารณา Data Technology นั้น ควรที่จะนำความต้องการใช้ข้อมูลมาพัฒนาเป็น Data Architecture เพื่อแสดงให้เห็นความเชื่อมโยงของการไหลเวียนเชื่อมโยงของข้อมูลและเทคโนโลยีในทุกองค์ประกอบ ตั้งแต่แหล่งข้อมูลต้นทาง ระบบจัดเก็บข้อมูล (Data Storage) ระบบการวิเคราะห์ข้อมูล (Data Analytics) ระบบแสดงผลข้อมูล (Data Visualization) ระบบการเชื่อมโยงข้อมูลกับระบบภายนอก (Data Interface) เป็นต้น

5. Methods

วิธีการ หรือ Methods เป็นประเด็นสำคัญอีกประเด็นหนึ่งที่ต้องกำหนดให้ชัดเจน โดยควรที่จะต้องกำหนดรูปแบบวิธีการในการบริหารจัดการขับเคลื่อนการดำเนินงานที่เกี่ยวข้องกับ Data Analytics และ Data Technology ให้ชัดเจน ไม่ว่าจะเป็นวิธีการในการทำงานร่วมกับ Business Unit วิธีการบริหารจัดการทำงาน วิธีการทำ Version Control ซึ่งรูปแบบวิธีการที่สำคัญที่ควรกำหนดไว้ใน Data Strategy คือ วิธีการในการจัดการควบคุม หรือ Data Governance

Data Governance เป็นส่วนสำคัญมากที่แต่ละองค์กรควรต้องให้ความสำคัญในการกำหนดวิธีการในการจัดการควบคุมดูแลการเข้าถึงและการนำข้อมูลไปใช้ หากมีการกำจัดสิทธิการเข้าถึงมากไปย่อมทำให้เกิดปัญหาในการนำข้อมูลไปสร้างประโยชน์ แต่หากไม่มีการควบคุมดูแลอาจเกิดการนำข้อมูลไปใช้ในทางที่ไม่เหมาะสม ก่อให้เกิดความเสียหายให้องค์กร

6. Money

จากความชัดเจนของทุกองค์ประกอบข้างตน จะช่วยทำให้สามารถกำหนด งบประมาณ หรือ Money ที่จำเป็นต้องใช้ลงทุนในการดำเนินงานเกี่ยวกับ Data Analytics และ Data Technology ทั้งในส่วนของ Operating Expense (OPEX) หรือ Capital Expenditures (CAPEX) โดยในการพิจารณาเม็ดเงินลงทุนของ Data Strategy นั้น จะต้องคำนึงถึงความคุ้มค่าในการลงทุน หรือ Return on Invest (ROI) ว่ามีความคุ้มค่า สามารถสร้างมูล หรือ สร้างผลกำไรให้กับองค์กรได้

การประเมินความคุ้มค่าในการลงทุนนั้น จะเป็นการย้อนกลับไปในส่วนของ Mission ที่กำหนดไว้ในส่วนแรกว่า แต่ละ Use Case ที่ตั้งไว้นั้น เมื่อมีการนำ Data Analytics และ Data Technology เข้าไปใช้แล้วนั้น สามารถเพิ่มรายได้ ยอดขาย หรือ ลดต้นทุนได้เป็นจำนวนเงินเท่าไหร่ จำนวนเงินในส่วนนี้ ก็คือ มูลค่าส่วนเพิ่ม หรือ Value Added ที่เกิดขึ้นจากการดำเนินงานในส่วนของข้อมูลนั่นเอง

7. Minutes

ประเด็นสุดท้ายที่จะมาขมวดการพัฒนา Data Strategy นั่นก็คือ ระยะเวลา หรือ Minutes ถึงจุดนี้อาจจะพบว่ามีสิ่งที่อยากทำมากมายเกี่ยวกับ Data Analytics และ Data Technology แต่กำลังคน หรือ ทรัพยากรไม่เพียงพอ จึงต้องมีการกำหนดแผนกลยุทธ์ออกเป็นแผนระยะสั้น ระยะกลาง และระยะยาว เพื่อที่จะทำให้เข้าใจถึงความต้องการเร่งด่วนในระยะสั้นที่จะต้องรีบตอบสนองต่อกลยุทธ์ทางธุรกิจ อีกทั้งยังมีความเชื่อมโยงไปยังแผนการดำเนินการในระยะที่ไกลออกไป เพื่อให้มั่นใจว่าการดำเนินการในด้าน Data Analytics และ Data Technology นั้นมีความต่อเนื่องและเป็นไปในทางทิศทางเดียวกันกับองค์กร

เขียนโดย

อาจารย์ ดร.ธนชาตย์ ฤทธิ์บำรุง
ผู้อำนวยการหลักสูตรการจัดการวิเคราะห์ข้อมูลและเทคโนโลยีข้อมูล (MADT)
คณะสถิติประยุกต์
สถาบันบัณฑิตพัฒนบริหารศาสตร์

https://www.facebook.com/MADTNIDA