ปั้นโปรเจค BI หรือ Business Intelligence อย่างไร ไม่ให้ Fail

ปั้นโปรเจค BI หรือ Business Intelligence อย่างไร ไม่ให้ Fail

จากการสำรวจล่าสุดของ Gartner เกี่ยวกับระดับการเติบโตของ Business Intelligence (BI) และ Analytics พบว่าหน่วยงานมากกว่า 87 เปอร์เซ็นต์ ถูกจัดอยู่ใน Level 1 และ 2 

คือทาง Gartner เขาแบ่งระดับการเติบโตของ BI และ Analytics ในองค์กรไว้ 5 ระดับดังนี้ครับ

• Level 1 Basic : ระดับเบสิกที่สุดคือ หน่วยงานยังงมกันอยู่ว่าจะใช้ข้อมูลยังไง คนในองค์กรยังไม่ไว้ใจคุณภาพข้อมูลที่มี และทำการออกรายงานกันแบบเฉพาะกิจ 
• Level 2 Opportunistic : ระดับที่สอง คือกลุ่มองค์กรที่เริ่มมองหาโอกาส
• Level 3 Systematic : ระดับนี้คือเริ่มจะมีระบบระเบียบ เริ่มเห็นวิสัยทัศน์ และที่สำคัญคือระดับบริหารเริ่มกลายร่างมาเป็นผู้สนับสนุน Data และ Analytics (D&A) 
• Level 4 Differentiating : ระดับนี้คือผู้นำในองค์กรเริ่มส่งต่อแนวปฏิบัติที่ดีให้คนอื่นได้ ข้อมูลต่างๆ เริ่มถูกใช้งานเพื่อผลักดันนวัตกรรมและเชื่อมต่อหน่วยงานต่างๆ เข้าด้วยกัน องค์กรตั้งเป้าหมายธุรกิจผ่าน D&A มีผู้ได้รับมอบหมายให้ทำงานกำหนดทิศทางด้านข้อมูลอย่างชัดเจนเป็น Chief Data Officer (CDO)
• Level 5 Transformational : จุดมุ่งหมายสูงสุดคือ D&A ต้องผสานไปกับกลยุทธขององค์กร การลงทุนทางธุรกิจ 

ภาพจาก https://www.oreilly.com/library/view/streaming-change-data/9781492032526/app01.html

จากการสำรวจเรื่องการเติบโตของ Business Intelligence (BI) และ Analytics 5 ระดับ ทำไมองค์กรส่วนใหญ่ถึงไปได้แค่ขั้นที่ 2 ? ถ้าสังเกตจะเห็นว่าตั้งแต่ขั้นที่ 3 ขึ้นไปถึงระดับสูงสุด ปัจจัยสำคัญคือผู้บริหารซึ่งมีส่วนอย่างมากในการวัฒนธรรมองค์กร

และนอกจากนี้แล้ว ยังมีปัญหาอื่น ๆ อีกหลายอย่างที่ทำให้โครงการ BI ไม่สำเร็จคือ ความเข้ากันของระบบต่าง ๆ (Integrations and compatibility issues) ปัญหาด้านการใช้งาน (Ease of use problems) ไม่มีการวัดผลตอบแทนจากการลงทุนด้าน BI ที่ชัดเจน (No clear way to measure ROI) และปัญหาด้านคุณภาพของข้อมูล (Data Quality)

ข้อมูลมีตั้งมากมาย แต่ทำไมไปไม่ถึงไหน ?

สำหรับบทความนี้จะขอสวมหมวก “ที่ปรึกษา” ที่เข้ามาปรับทิศทางให้องค์กรสามารถใช้ BI และ Analytics ให้เกิดประโยชน์ทางธุรกิจอย่างยั่งยืนนะครับ

แน่นอนว่าในยุคนี้ หันไปทางไหนก็มีข้อมูลเต็มไปหมดนะครับ ความเคลื่อนไหวต่าง ๆ ในโซเชียลมีเดีย ตัวตนออนไลน์ (Online Presence) ของธุรกิจเราที่ทุกแพลตฟอร์มสามารถรายงานในเชิงลึก (Insight) ให้เราได้ศึกษาข้อมูลต่าง ๆ อย่างละเอียด เว็บไซต์ของเราเองก็เชื่อมต่อกับเครื่องมือ Analytics และมีข้อมูลเกี่ยวกับพฤติกรรมผู้ใช้งานเว็บของเราเก็บไว้มากมาย

แต่ที่กล่าวมานี้นั้น ยังไม่รวมถึงอินเทอร์เน็ตของสรรพสิ่ง (IoT) ที่ใช้กันในแทบจะทุกภาคธุรกิจแล้ว ไม่ว่าจะเป็นด้านกีฬา (จับการเคลื่อนไหวนักกีฬา) การโรงแรม (เช่น การจับการเคลื่อนไหวแขกในห้องเพื่อควบคุมอุณหภูมิ) หรือภาคการเกษตรที่เรียกว่าสมาร์ทฟาร์ม

ความก้าวหน้าของเทคโนโลยีอินเตอร์เน็ต (และ IoT) รวมถึงเครื่องมือต่าง ๆ ช่วยให้เรารวบรวมและย่อยข้อมูลได้ง่ายเพียงปลายนิ้วคลิก และทำให้หลายหน่วยงานอยากจะใช้ประโยชน์จากข้อมูลมากมายมหาศาลที่มีอยู่ บวกกับกระแส  “ฮิต” ของวิทยาศาสตร์ข้อมูลเข้าไป ทีนี้ องค์กรทั้งหลายก็เลยไม่อยากจะตกเทรนด์ 

เมื่อใคร ๆ ก็บอกว่าเราต้องมีดาต้า ต้องมี BI ต้อง Visualize ข้อมูลด้วย Dashboard ปรากฏการณ์การช้อปเครื่องมือ BI ไม่ว่าจะเป็น Power BI, Tableau, Oracle Analytics Cloud หรือ QlikView ก็เกิดขึ้น บางแห่งรักพี่เสียดายน้อง เลยซื้อสัก 2 อย่างก็เคยเห็นมาแล้วครับ การเลือกซื้อเครื่องมือโดยไม่ตั้งเป้าชัดเจนแต่แรกเป็นสัญญาณที่แสดงว่าเรายังไม่มีทิศทางในการลงทุนด้านข้อมูลที่ยั่งยืน

ตั้งเป้าผลตอบแทนการลงทุนที่ยั่งยืน

การทำความเข้าใจและตั้งเป้าผลตอบแทนจากการลงทุน (Return on investment หรือ ROI) ด้าน BI นั้นต้องทำให้รอบด้าน ทั้งเรื่องบุคลากร กระบวนการ เทคโนโลยีต่าง ๆ ที่เกี่ยวข้อง และการลงทุนด้านข้อมูล

คำถามที่สำคัญในขั้นตอนนี้คือ เราต้องการเห็นผลการลงทุน “อย่างไร ?” และ “เร็วแค่ไหน ?” จากนั้นเราต้องวางแผนรายละเอียดกิจกรรมของโครงการให้เชื่อมโยงกันเพื่อไปถึงเป้าหมาย พร้อมทั้งลองชั่งน้ำหนักกิจกรรมทุกตัวว่ามีเรื่องใดบ้างที่ไม่สามารถต่อรองได้ (กรณีที่โครงการหลุดจากแผน เราก็สามารถชะลอกิจกรรมที่น้ำหนักน้อยไว้ได้) 

ถ้าองค์กรไม่มีนโยบายการกำกับดูแลข้อมูล (Data Governance) มาก่อน ก็ต้องจัดการกับเรื่องนี้เป็นอันดับแรก ทั้งประเด็นในเรื่องความเชื่อมโยงกันของข้อมูลส่วนต่าง ๆ ความปลอดภัย ชุดคำอธิบายข้อมูล (Metadata) และการจัดการคุณภาพข้อมูล แค่เรื่องนี้เรื่องเดียวก็กินเวลามากพอสมควรแล้วครับ และเป็นสิ่งที่ต้องทำความเข้าใจกันตั้งแต่แรกว่ามันจะมี “หนี้” เชิงเทคนิคเกิดขึ้น

สร้างหนี้เชิงเทคนิค (Technical Debt) ให้ชัดเจน 

เรื่องหนึ่งที่ผู้บริหารอาจจะไม่ได้คาดคิดไว้คือ ขั้นตอนการเตรียมข้อมูลเพื่อขึ้นระบบ Dashboard นั้นอาจใช้เวลาหลายเดือนหรือมากเป็นปี ในขณะที่บางองค์กรก็เร่งรีบทำ Dashboard ด้วยข้อมูลที่ยังไม่ได้ทำการยกเครื่อง ทำความสะอาด หรือเชื่อมต่อระหว่างหน่วยงานอย่างเป็นระบบ ทำให้ข้อมูลที่แสดงอาจมีข้อผิดพลาด กลายเป็นจุดอ่อน ทำให้โปรเจคต้องพับไป วิธีที่ดีที่สุดคือการชี้แจงให้ชัดเจนว่าการรวบรวมข้อมูลมาจัดระเบียบกันใหม่นั้นไม่ใช่เรื่องง่ายและต้องใช้เวลานาน

ถ้าทีมงานสามารถระบุความจำเป็นในการเปลี่ยนผ่านได้ชัดเจนและเข้าใจว่าการสร้าง dashboard ในการทำงานระดับองค์กรคือการสร้างระบบนิเวศทั้งระบบ ตั้งแต่การจัดการข้อมูลให้อยู่ในรูปแบบที่ต้องการ การดึงข้อมูลจากระบบต่าง ๆ ที่ทำงานอยู่แล้วมาแปลงเป็นรูปแบบที่เหมาะกับระบบ BI การควบคุมคุณภาพข้อมูล การลงทุนเทคโนโลยีทั้งด้าน Visualization เอง หรืออาจมีการเพิ่มคลังข้อมูลสำหรับพักข้อมูลระหว่างทาง (Interim data repositories) แผนการโอนย้ายข้อมูลทั้งระบบมาอยู่รวมกันเพื่อเพิ่มประสิทธิภาพในการทำงาน และสุดท้ายคือการตกลงร่วมกันเรื่องความหมายต่าง ๆ ของข้อมูลและ KPI ที่จะใช้งาน 

ที่กล่าวมานี้คือ “หนี้เชิงเทคนิค” ซึ่งไม่ต่างจากการสร้างหนี้โดยกู้ยืมเงินเพื่อการศึกษาเพื่อรับประกันอนาคตที่ดีกว่า หรือกู้เงินซื้อบ้านเพื่อเป็นปัจจัยในการใช้ชีวิตอย่างมั่นคง ฝ่ายบริหารต้องเข้าใจถึง “หนี้” ที่จะเกิดขึ้น มันไม่ใช่เรื่องของเงินลงทุนทางเทคโนโลยีเท่านั้น แต่มันมีเงื่อนไขของเวลาและทรัพยากรด้วย การกำหนดหนี้เชิงเทคนิคที่ชัดเจนจะช่วยให้การทำงานง่ายขึ้นและทุกฝ่ายมีเป้าหมายร่วมกัน

เลือกโครงการนำร่อง (Pilot Dashboard) ที่เหมาะสม

เมื่อสร้างความเข้าใจถึง “หนี้” ที่จะเกิดขึ้นในองค์กรและในระดับแผนกแล้ว สิ่งที่จะช่วยให้เห็นผลการลงทุนได้เร็วที่สุดคือการเลือกโครงการนำร่องให้เหมาะสม เกณฑ์ในการเลือกคือ “ปัญหาเร่งด่วนทางธุรกิจที่สามารถตอบได้ด้วย Data Visualization” ซึ่งมีแนวทางการเลือกดังนี้

• เรื่องที่สำคัญที่สุดในการเลือกแผนกที่จะเป็นทีมต้นแบบได้ คือ “คุณภาพข้อมูล” คือถ้าข้อมูลยังเก็บกันแบบไม่เป็นระบบเลย ไม่มีแนวทางอะไร หรือแย่กว่านั้นคือเป็นเอกสารมากกว่าข้อมูลดิจิทัล แบบนี้ไม่ผ่านเกณฑ์
• ที่สำคัญไม่แพ้กันคือทรัพยากรบุคคลในแผนก คือเราต้องหา Data Champion ให้ได้ คุณลักษณะที่สำคัญคือ
  • ต้องมีความรู้เรื่องทางข้อมูล (Data Literacy) ซึ่งหมายถึงความรู้พื้นฐานเกี่ยวกับการจัดการฐานข้อมูล (ถ้ารู้ SQL ได้นี่เยี่ยมเลย แต่ก็ไม่จำเป็นขนาดนั้น) 
  • เคยทำงานกับข้อมูลที่มีขนาดใหญ่และซับซ้อนมาบ้าง และคุ้นเคยกับข้อมูลของแผนกที่จะใช้ทำ Dashboard
  • มีความเข้าใจในขั้นตอนธุรกิจของแผนกดี (คือถ้าเป็น IT Support ของแผนก ทำงานเทคนิคได้หมด แต่ไม่รู้เนื้อหาทางธุรกิจเลยก็ยากครับ) และความสามารถในการเรียนรู้เครื่องมือใหม่ ๆ 
  • เรื่องที่สามารถเสริมได้ก็คือ ความเข้าใจเรื่องการเล่าเรื่องด้วยภาพข้อมูลต่าง ๆ (Visual  Storytelling) 

อบรมเพื่อเพิ่มทักษะ (Upskill) ให้แก่ทีมงาน

ในการยกเครื่ององค์กร องค์ประกอบที่สำคัญที่สุดก็คือพนักงานของบริษัท ดังนั้นถ้าคิดว่าจะจัดอบรมตามมาตรฐานหลักสูตรทั่วไป หรือส่งไปอบรม Upskill ตามบริษัทอบรมที่ขายคอร์สกันมากมายตอนนี้ หรือซื้อคอร์สออนไลน์ให้พนักงานเรียนกันเองแล้วคาดหวังให้พนักงานกลับไปประยุกต์ใช้ได้ในงานจริงละก็ เตรียมพับโครงการได้เลยครับ

การสร้างความเปลี่ยนแปลงระดับนี้ต้องใช้ผู้เชี่ยวชาญ (ปกติก็เป็นคนของบริษัทที่ปรึกษาละครับ) ไปให้ข้อมูลกรอบความคิดเรื่องการจัดการข้อมูล เรื่อง Visualization และ Dashboard เป็นลักษณะ In-house training เพื่อให้ทุกคนมีฐานความเข้าใจตรงกัน ซึ่งระหว่างการอบรมนี้ เราก็สามารถมองหา Data champion ไปด้วย ใครที่ดูโดดเด่นกว่าเพื่อน ใครดูแล้วสามารถทำความเข้าใจเรื่อง Data visualization ได้ไว ก็เตรียมไปคุยกับผู้บังคับบัญชาของแผนกเขาได้เลย เพราะการจะทำโครงการนำร่อง เราต้องสามารถใช้เวลาอยู่กับ Data champion กลุ่มนี้พอสมควร ดังนั้นการต่อรองเพื่อดึงเวลาของพนักงานที่จะรับผิดชอบเรียนรู้การทำ Dashboard นี้ออกมาได้อย่างน้อย 50% ของเวลาทำงานทั้งหมดเป็นเรื่องที่ต้องคุยกันให้เข้าใจแต่แรก 

ถ้าข้อมูลพร้อม พนักงานพร้อม และหัวหน้าไฟเขียวแล้ว ก็เป็นไปได้ที่เราจะได้เห็น Dashboard ต้นแบบ โดยพนักงานที่ถูกคัดเลือกมาแล้วจะมีผู้เชี่ยวชาญประกบคอยให้คำปรึกษาแบบตัวต่อตัว เอาปัญหาจริงของแผนกมาแก้ด้วยการใช้วิเคราะห์ข้อมูลและสร้างชิ้นงานออกมา

เป้าหมายของการพัฒนาบุคลากรจึงไม่ใช่การอบรม แต่เป็นผลงานจริงที่มีมูลค่าทางธุรกิจ เช่นสามารถขุดข้อมูลเชิงลึก (Insights) ออกมาให้เห็นได้อย่างชัดเจน สร้างความเชื่อมั่นให้ฝ่ายบริหารได้เร็วที่สุด หรือสามารถลดปริมาณงานของนักวิเคราะห์ได้เมื่อใช้เทคโนโลยีเข้ามาช่วยในการแปลงข้อมูลจากระบบปฏิบัติงานเข้าสู่ระบบ BI ได้อัตโนมัติ ปัจจัยเหล่านี้จะผลักดันให้ได้รับการสนับสนุนทรัพยากรในระยะยาว 

เปิดตัวแบบปัง ๆ

การพัฒนา Dashboard นำร่องอาจใช้เวลาประมาณ 3-4 เดือนของแต่ละรอบงาน แผนกที่พัฒนา Dashboard ได้ก็จะส่งพนักงานของตัวเอง (Data Champion) มาโชว์ผลงาน แสดงให้เห็นว่าสิ่งที่ทุ่มเทลงไปนั้นออกมาเป็นผลงานที่ใช้ได้จริง ต้องจัดให้เป็นเวทีใหญ่ที่ทั้งองค์กรจะมีส่วนร่วมในการแลกเปลี่ยนประสบการณ์ โดยผู้บริหารระดับสูงมีส่วนร่วม

อีเวนท์นี้สำคัญมากครับ ต้องทั้งดังและสำเร็จ (High-visibility Proof Points) เป้าหมายไม่ใช่การโชว์ Dashboard สวย ๆ แต่มันต้องตอบโจทย์ธุรกิจ ต้องเล่าเรื่องราวของผู้คนในองค์กรและความสำเร็จของงาน ซึ่งในส่วนนี้การอบรมทักษะ Visual และ Data Storytelling จะช่วยได้มาก ถ้าทำอีเวนท์แบบนี้ได้ดี คนที่เป็น Data Champion เองก็ได้เครดิตไปเต็ม ๆ และเกิดกระแส สร้างกำลังใจให้ทีมอื่น ๆ ในองค์กรได้ ผู้บริหารเองก็จะเห็นภาพ เห็นประโยชน์ของเงินที่ลงทุนไป

ข้อคิดก่อนตัดสินใจ

ถ้าคุณอ่านบทความนี้อยู่ ผมเชื่อว่าอย่างน้อยคุณก็ตระหนักถึงประโยชน์ของการใช้ BI ในองค์กร คุณอาจจะเคยลองทำงานประเภทนี้ในแผนกหรืออยากลองทำโปรเจค BI ไปให้ถึงระดับองค์กร มีอยู่สองประเด็นที่ต้องคำนึงถึงก่อนจะเดินหน้าลุย

• ประเด็นแรกคือ คุณสามารถเปิดตัว Dashboard แรกได้ภายใน 3-4 เดือนหรือไม่ ถ้าไม่ได้แสดงว่าแม้แต่หน่วยงานที่ทรงดีที่สุดก็ไม่พร้อม อาจจะต้องคิดหนักเพราะ “หนี้เชิงเทคนิค” ที่จะเกิดมันไม่น้อยครับ
• ประการที่สองคือ ถ้าเกิดไอเดียนี้คุณไม่สามารถขายให้หัวหน้าแผนกคุณได้ หรือไปถึงผู้บริหารแล้วยังมีความลังเล บอกได้เลยครับว่ายากมากที่จะทำสำเร็จ อย่างที่พูดไว้ตอนแรกว่า D&A ในระดับที่มีประโยชน์จริง ๆ มันต้องพึ่งผู้บริหารและวัฒนธรรมองค์กร 

แต่อย่าท้อใจครับ แรงกดดันที่ BI จะเข้ามามีบทบาทในธุรกิจมันมากมายจริง ๆ ถ้าไม่ใช่วันนี้ อาจจะเป็นในอนาคตอันใกล้ที่ผู้บริหารจะหันมาสนใจ