Data-Driven World

“Data is a new oil” เป็นคำพูดในยุคนี้ที่เปรียบได้ว่าข้อมูลก็เป็นเหมือนทรัพยากรที่มีค่าไม่ต่างจากน้ำมัน ใครที่ได้ข้อมูลมาอยู่ในมือได้ก่อน คน ๆ นั้นก็อาจมีสิทธิ์ครองโลกได้เลยทีเดียว ทำให้ทุกวันนี้องค์กร, หน่วยงาน, บริษัทและแบรนด์ต่าง ๆ เริ่มให้ความสำคัญกับนวัตรกรรมการเก็บและวิเคราะห์ข้อมูลเพื่อนำมาใช้ในการตัดสินใจเกี่ยวกับวางแผนกลยุทธ์และการดำเนินงานทางธุรกิจมากขึ้น ซึ่งแน่นอนว่าช่วยให้อ่านเกมธุรกิจได้เฉียบขาดมากขึ้น, ลดความเสี่ยงในการลงทุน และเห็นช่องทางใหม่ ๆ ที่การวิเคราะห์ธุรกิจแบบเดิมไม่เคยมองเห็นได้อีกด้วย

แต่การมีข้อมูลอยู่ในมืออย่างเดียวก็ใช่ว่าจะการันตีความสำเร็จได้ เพราะข้อมูลดิบก็เหมือนน้ำมันดิบ ถ้าจะเอามาใช้งานให้เกิดประโยชน์ตรงตามความต้องการได้จริง ก็ต้องมีการกลั่นให้เรียบร้อยซะก่อน เพราะฉะนั้น ปัจจัยสำคัญอีกอย่างหนึ่งที่จะทำให้เกิดความสำเร็จในการเอาข้อมูลมาใช้นั้น จึงเรื่องของระบบวิเคราะห์ข้อมูลด้วย ซึ่งก็ขึ้นอยู่กับว่าแต่ละบริษัทจะออกแบบมาได้เฉียบขาดชาญฉลาดขนาดไหน วันนี้ NIA Academy ชวนคุณมาดูกันดีกว่า ว่าท่ามกลางกระแส Data-Driven ที่กำลังถูกพูดถึงอยู่ทั่วโลกในทุกวันนี้ จะมีตัวอย่างการนำนวัตกรรมทางด้านข้อมูลอะไรที่ถูกนำไปใช้จนช่วยให้ธุรกิจต่าง ๆ ประสบความสำเร็จกันมาแล้วบ้าง

Walmart ได้เห็นถึงพลังของข้อมูลครั้งแรกจากเหตุการณ์ภัยพิบัติธรรมชาติอย่างเฮอริเคน ในปี 2004 กับปรากฏการณ์ที่ลูกค้าต่างแย่งชิงกันกักตุนข้าวของเครื่องใช้ในตอนนั้น ทำให้ Walmart เริ่มมองเห็นโอกาส และนำข้อมูลการสั่งซื้อสินค้าก่อนเกิดภัยพิบัติมาเป็นตัวตัดสินใจในการเติมสินค้าให้กับสาขาอื่นๆ ที่เฮอริเคนกำลังจะเดินทางไปถึง ส่งผลให้ยอดขายพุ่งกระฉูดตามที่คาดการณ์ไว้เป๊ะ ๆ

จากเหตุการณ์ครั้งนั้นทำให้ Walmart รู้ในทันทีว่าทรัพย์สินที่แท้จริงที่ Walmart มีอยู่มือนั้นไม่ใช่อะไร แต่เป็นข้อมูลเชิงลึกจำนวนมหาศาลจากฐานลูกค้าที่ Walmart มีอยู่ทั่วสหรัฐนั้นเอง! Walmart เอาจริงจังเอาจังกับการพัฒนาทีมงานวิเคราะห์ข้อมูลมากขึ้นไปอีกขั้น ด้วยการตั้ง Data Café หน่วยงานที่สามารถทำงานและออกคำสั่งที่เกี่ยวกับข้อมูลแบบเรียลไทม์ ช่วยทำให้ Walmart มองเห็นยอดขายที่ผิดปกติของสินค้าแต่ละชนิดในแต่ละสาขา และสามารถเดินเรื่องแก้ไขได้เลยทันที โดยไม่ต้องรอสรุปยอดขายรายเดือนก่อน

นอกจากนี้ Walmart ยังมีการพัฒนาเครื่องมืออีกหลายตัวที่โยงไปกับกับโซเชียลมีเดีย เพื่อช่วยในการวิเคราะห์ข้อมูลและคาดเดาพฤติกรรมลูกค้า เช่น Social Genome ที่จะคอยเฝ้าดูการพูดคุยสนทนาต่าง ๆ บนโลกโซเชียลว่าสินค้าประเภทไหนที่กำลังอยู่ในความสนใจบ้าง รวมถึง Shopycat ที่จะช่วยแนะนำเราได้ว่าเราควรซื้อของขวัญแบบไหนให้กับเพื่อนคนไหน โดยระบบจะใช้ข้อมูลการกดไลค์หรือการคอมเมนท์,แชร์ของเพื่อนเราบนโซเชียลมีเดียมาเป็นตัวช่วยในการแนะนำ สำหรับใครเคยที่เคยตั้งธงไว้ในใจ ว่าร้านค้าปลีกแบบมีหน้าร้านจะต้องล้มหายตายจากและพ่ายแพ้สู้ร้านค้าออนไลน์ไม่ได้ ก็อาจจะต้องหันมาคิดกันใหม่ เพราะเราได้เห็นตัวอย่างกันแบบชัดๆ แล้วว่าพลังของข้อมูลที่เป็นนวัตรกรรมที่เข้ามาเสริมทัพช่วยธุรกิจค้าปลีกนั้น ส่งผลให้ Walmart ขึ้นตำแหน่งร้านค้าปลีกอันดับหนึ่งไปเลยแบบสวย ๆ

หลายคนอาจจะนึกไม่ออก ว่าเรื่องของ Data จะมาเกี่ยวข้องกับธุรกิจบันเทิงและการสร้างสรรค์เนื้อหาได้ยังไง เรามีอีกหนึ่งตัวอย่างสุดคลาสสิกของการนำข้อมูลมาใช้กับธุรกิจ Creative Content มาเล่าสู่กันฟัง นั่นก็คือเรื่องของ Netflix ผู้ให้บริการวิดีโอสตรีมมิ่งออนไลน์อันดับต้น ๆ ของโลกที่แทบไม่มีใครไม่รู้จักนั่นเอง

ในปี 2011 Netflix ทุ่มทุนกว่า 100 ล้านเหรียญไปกับการสร้างซีรีส์เรื่อง House of Cards ซึ่งเป็นก้อนเงินจำนวนมหาศาลที่ไม่มีใครเคยคาดคิดว่า Netflix จะกล้าเสี่ยงลงทุนขนาดนี้ แต่ทันทีที่ซีรีส์ออกฉาย ซีรีย์เรื่องนี้ก็ได้กลายเป็นกระแสที่ถูกพูดถึงไปในทันทีทั่วโลก และนี่ไม่ใช่เรื่องบังเอิญ แต่เป็นเรื่องถูกคิดคำนวณไว้แล้วล่วงหน้าเป็นอย่างดี โดยมีพระเอกที่ชื่อ Big data เป็นผู้อยู่เบื้องหลัง

Netflix ทำ Data analytics จากข้อมูลพฤติกรรมของสมาชิกหลายร้อยล้านคนทั่วโลก จนสามารถรู้ได้ว่าผู้ชมแบบไหน ชอบดูอะไร ดูเมื่อไหร่ และดูผ่านอุปกรณ์อะไร ซึ่งถือว่าเป็นข้อมูลรสนิยมและพฤติกรรมการรับชมแบบเจาะลึกสุด ๆ แบบที่ช่องสถานีโทรทัศน์แบบเดิม ๆ ไม่เคยทำได้

หลังจาก Netflix ตัดสินใจซื้อลิขสิทธิ์ซีรีส์ชื่อดัง House of cards มาทำเอง เนื่องจากฐานผู้ชมในอเมริกาในตอนนั้นชื่นชอบเรื่องนี้ในเวอร์ชั่นอังกฤษมาก Netflix ก็เริ่มใช้ข้อมูล Big data มาเป็นฐานในการตัดสินใจเลือก David Fincher มาเป็นผู้กำกับ และเลือก Kevin Spacy มาเป็นนักแสดงนำ!

ในที่สุดเมื่อ 3 ปัจจัยที่จะการันตีความปังของซีรีย์มาเจอกัน ก็ทำให้ House of card เวอร์ชั่นอเมริกันนี้ประสบความสำเร็จแบบลอยลำไปแบบไม่ผลิกโผ และยังส่งผลให้ Netflix ได้ยอดสมาชิกเพิ่มขึ้นอีกมหาศาลตามมาโดยไม่ต้องเสียเงินทำการตลาดเพิ่มแต่อย่างใด 

ทุกวันนี้การแข่งขันอีสปอร์ตเป็นที่นิยมมากขึ้นเรื่อย ๆ ทั่วโลก นักกีฬาอีสปอร์ตเองก็ต้องการโค้ชที่คอยอ่านเกมและช่วยพัฒนาศักยภาพการเล่นไม่ต่างจากนักกีฬาปกติ แต่ใครล่ะที่จะทำหน้าที่นี้ได้ดีที่สุด?

Mobalytics คืออีสปอร์ตโค้ชที่ก้าวเข้ามาลงสนามครั้งแรกในเกม League of Legends เกมออนไลน์ที่มีชุมชนผู้เล่นขนาดใหญ่กว่า 10 ล้านคนต่อเดือน ซึ่งปกติแล้วในแวดวงอีสปอร์ตก็จะมีแค่เกมเมอร์ระดับสูงเท่านั้นที่สามารถจ้างโค้ชมาดูแลส่วนตัวได้ Mobalytics จึงมองเห็นโอกาสและเข้ามาเติมเต็มช่องว่างตรงนี้ ด้วยการเป็นอีสปอร์ตโค้ชเสมือนจริง ที่เกมเมอร์ในระดับทั่วไปเข้าถึงได้ง่ายๆ Mobalytics มีสิ่งที่เรียกว่าดัชนีประสิทธิภาพเกมเมอร์ หรือ GPI ซึ่งจะเป็นแผนภาพแสดงทักษะการเล่นเกมในด้านต่าง ๆ ของผู้เล่น ทำให้ผู้เล่นสามารถมองเห็นจุดแข็งและจุดอ่อนของทั้งตัวเองและคู่แข่ง ไม่ว่าจะเป็นก่อนหรือหลังการเล่น ทำให้สามารถพัฒนาการเล่นในครั้งต่อ ๆ ไปให้ดียิ่งขึ้น

ในปี 2020 ที่ผ่านมา Mobalytics พัฒนาต่อไปอีกขั้น กับการเพิ่มข้อมูลเชิงกายภาพของผู้เล่นลงไปด้วย ว่าผู้เล่นมีการตอบสนองต่อสถานการณ์ประเภทต่าง ๆ ได้รวดเร็วและมีประสิทธิภาพแค่ไหน รวมไปถึงการเก็บข้อมูลที่จับการเคลื่อนไหวของตาผู้เล่น เพื่อนำมาวิเคราะห์ว่าผู้เล่นกำลังคิดจะทำอะไรในสถานการณ์แบบไหนบ้าง แล้งจึงนำข้อมูลที่ได้มาประมวลผลร่วมกันเพื่อวิเคราะห์การเล่นได้อย่างมีประสิทธิภาพมากขึ้นไปอีก

Lyst.com เว็บไซต์ที่รวมสินค้าแฟชั่นมากกว่า 5 ล้านชิ้น จาก 12,000 แบรนด์ชั้นนำทั่วโลกไว้ในที่เดียว และยังมีขาช้อปออนไลน์อีกกว่า 70 ล้านคนจาก 120 ประเทศทั่วโลก ที่แวะเวียนกันเข้ามาช้อปปิ้งออนไลน์บนเว็บไซต์แห่งนี้

หัวใจสำคัญของความสำเร็จของ Lyst อยู่ที่การเอานวัตรกรรม Machine Learning มาใช้ในการเรียนรู้ภาษาแฟชั่นเพื่อพัฒนาระบบค้นหาสินค้าที่เป็นธรรมชาติและถูกจริตกับลูกค้ามากขึ้น รวมถึงใกล้เคียงกับคำที่คนเรามักจะนึกถึงเวลาที่จะค้นหาสินค้าสักชิ้น เช่น การค้นหาด้วยคำว่า “ชุดสมัครงาน” ซึ่งเป็นสถานการณ์ที่ลูกค้าต้องการชุดแบบนั้นจริงๆ หรือ “เสื้อลายทางแบบสาวฝรั่งเศส” ซึ่งเป็นคำที่บอกสไตล์เสื้อผ้า แทนที่จะเป็นคำบอกสเป็กของสินค้าแบบตรง ๆ ทื่อ ๆ อย่าง เสื้อเชิ้ต / แขนยาว / สีขาว เหมือนในระบบค้นหาของร้านค้าทั่วไป

นอกจากนี้ AI ยังสามารถนำข้อมูลที่เก็บจากเว็บไซต์มาพยากรณ์เทรนด์แฟชั่นได้อีกด้วย สินค้าชิ้นไหนกำลังจะมาแรงในแต่ละไตรมาศ เจ้า AI นี้ก็เล็งไว้ให้แล้ว ทำให้เห็นกันได้ชัด ๆ ไปเลยว่ามาร์เก็ตติ้งแคมเปญของแบรนด์ไหนที่กำลังจะรุ่งหรือกำลังจะร่วง โดย Lyst ยังสามารถนำข้อมูลเหล่านี้ส่งกลับไปให้แบรนด์ต่าง ๆ ที่เป็นพาร์ทเนอร์ นำไปประกอบการตัดสินใจในการลงทุน, วางกลยุทธ์การขาย, รวมถึงวางแผนโฆษณาแบบเจาะกลุ่มลูกค้าเฉพาะทางได้ตรงจุดมากขึ้นอีกด้วย

คอมพิวเตอร์คิดสร้างสรรค์ได้หรือไม่ ... เชฟวัตสันตอบว่า “ได้”

ทีมวิจัย IBM ได้พัฒนาพ่อครัว AI ที่มีชื่อว่า เชฟวัตสัน เพื่อสร้างสรรค์เมนูใหม่ ๆ ที่ทั้งอร่อย สุขภาพดี และไม่เคยมีใครทำมาก่อน โดยใช้นวัตรกรรม Creative cognitive learning เข้ามาทำความเข้าใจเรื่องของวัตถุดิบ, รสชาติอาหาร ไปจนถึงเอกลักษณ์การปรุงอาหารในแต่ละวัฒนธรรมจากฐานข้อมูลสูตรอาหารที่มีอยู่ทั่วโลก เมื่อเรากรอกวัตถุดิบหลักเข้าไป ระบบก็จะเลือกวัตถุดิบที่เข้ากันได้ดีมาให้ แล้วคิดคำนวนออกมาเป็นวิธีการปรุงได้อีกเป็นร้อยเป็นพันไอเดีย

แน่นอนว่าเชฟมือหนึ่งเองก็คงไม่สามารถที่จะจดจำวัตถุดิบจากทั่วโลกแล้วหยิบมาผสมเป็นเมนูใหม่ได้ไวขนาดนี้ อย่างไรก็ตาม การปรุงอาหารคือศิลปะที่ไม่ใช่แค่การเอาวัตถุดิบแปลก ๆ มารวมกัน แต่ยังจะต้องผสมผสานรสชาติต่าง ๆ ที่ต้องได้ผลลัพธ์ออกมาอร่อยลงตัวอีกด้วย สิ่งที่ดูเป็นศิลปะอย่างการทำอาหารแบบนี้ ที่จริงแล้วเบื้องลึกเบื้องหลังได้มีนวัตรกรรมที่ใช้หลักการทางวิทยาศาสตร์เป็นพื้นฐานซ่อนอยู่ เชฟวัตสันจะมีการวิเคราะห์ข้อมูลในระดับจิตวิทยาของมนุษย์ว่ารสชาติแบบไหนที่มนุษย์รู้สึกชอบหรือไม่ชอบ นอกจากนี้ยังวิเคราะห์ไปถึงระดับส่วนประกอบทางเคมีเลยว่า วัตถุดิบอะไรผสมกับอะไรแล้วถึงจะได้รสชาติหรือกลิ่นที่โดนใจมากที่สุด ถ้าเรามีวัตถุดิบที่ดูไม่น่าจะเข้ากันได้อยู่ในตู้เย็นที่บ้าน และคิดไม่ออกเลยว่ามันจะมารวมกันเป็นอาหารจานอร่อยได้ยังไง ให้เรื่องนี้เป็นหน้าที่ของเชฟวัตสัน เพราะด้วยความสามารถสุดล้ำในการวิเคราะห์วัตถุดิบที่มี ทำให้เชฟ AI คนนี้สามารถสร้างสรรค์เมนูแปลกใหม่ เช่น คาบับแอปเปิ้ลสไตล์เวียดนาม ออกมาได้ ซึ่งแน่นอนว่าจะเป็นเมนูที่ทั้งน่าประหลาดใจและอร่อยถูกใจคนชิมในเวลาเดียวกันแน่นอน

Facebook: NIAAcademyTH