"Data Mining ช่วยธุรกิจอย่างไร"

วรากรณ์ สามโกเศศ มหาวิทยาลัยธุรกิจบัณฑิตย์ Varakorn@dpu.ac.th มติชนรายวัน  วันที่ 24 มิถุนายน พ.ศ. 2547 ปีที่ 27 ฉบับที่ 9602

ในยามที่ธุรกิจมีขนาดเล็กจนแทบจะรู้จักลูกค้าทุกคน ความสัมพันธ์กับลูกค้าก็ แน่นแฟ้น สามารถสนองตอบความต้องการของลูกค้าได้เป็นอย่างดี

อย่างไรก็ดี เมื่อธุรกิจใหญ่โตขึ้น ดังเช่นธุรกิจจำนวนมากในปัจจุบัน สถานการณ์ก็แปรเปลี่ยนไป ดังนั้น ไอเดียเกี่ยวกับการรวบรวมข้อมูล เพื่อนำมาวิเคราะห์หาความจริงในเรื่องความต้องการของลูกค้าตลอดจนทางโน้ม ดังที่เรียกกันว่า Data Mining จึงได้รับการยอมรับว่าเป็นเครื่องมือที่นำไปสู่การเข้าใจลูกค้า เพื่อปรับเปลี่ยนกลยุทธ์ธุรกิจที่ดีเยี่ยม

เป็นเวลาหลายปีที่สรรพคุณของ Data Mining ดูจะเกินเลยจากความเป็นจริงไปบ้าง จนมาถึงยุคปัจจุบัน ที่ความก้าวหน้าในด้านฮาร์ดแวร์ ซอฟต์แวร์ และอินเตอร์เน็ต ทำให้ Data Mining มีประโยชน์อย่างแท้จริง

เรื่องเล่าเก่าแก่เกี่ยวกับ Data Mining ที่ไม่มีการพิสูจน์ก็คือ Wal-Mart พบว่ายอดขายเบียร์กับผ้าอ้อมสำเร็จรูปของเด็กอ่อน (Diapers) มีความใกล้ชิดผูกพันไปในทิศทางเดียวกัน การใช้เทคนิค Data Mining ทำให้พบว่าเมื่อพ่อแวะซื้อผ้าอ้อม ก็มักซื้อเบียร์ติดมือไปด้วย ดังนั้น จึงเอาของทั้งสองมาวางขายคู่กัน ซึ่งปรากฏว่ายอดขายทั้งสองพุ่งลิ่ว

อีกตัวอย่างที่เป็นเรื่องจริงของ Data Mining ก็คือ ซูเปอร์มาร์เก็ตแห่งหนึ่ง คิดจะเลิกขายชีสฝรั่งเศสราคาแพง เพราะยอดขายต่ำ แต่ Data Mining ทำให้รู้ว่าผู้ซื้อชีสเหล่านี้ได้แก่กลุ่มลูกค้าที่เป็นตัวทำกำไรให้ร้านอย่างสำคัญ ดังนั้น จึงจำยอมทนขายต่อไปเพื่อรักษาลูกค้ากลุ่มนี้เอาไว้

สองตัวอย่างนี้แสดงให้เห็นว่าข้อเท็จจริงที่ได้จาก Data Mining มีความสำคัญอย่างยิ่งในการประกอบธุรกิจ อาจมีอีกหลายข้อเท็จจริงในบางบริษัทที่ถูกละเลยหรือมองข้ามไปเพราะไม่มีกระบวนการ Data Mining จนอาจเสียธุรกิจไปมากแล้วก็เป็นได้

ปัจจุบัน Data Mining กำลังก้าวหน้าไปใน 3 แนวทาง ซึ่งได้แก่

(1) ความสามารถในการทำ Data Mining แบบ Real Time (กล่าวคือ ทันเวลาหรือเป็นปัจจุบันอยู่เสมอ) และใช้สิ่งที่พบมาปรับเปลี่ยนกลยุทธ์อย่างทันใจ

(2) "Predictive Analytics" ซึ่งเป็นศิลปะของการใช้ข้อมูลในอดีตเพื่ออธิบายสิ่งที่เกิดขึ้นและทำนายอนาคต

และ (3) ความพยายามที่จะวิเคราะห์ข้อมูลยุ่งเหยิงชนิดที่เรียกว่า "Unstructured Data" เช่นข้อมูลบนเว็บ ซึ่งแตกต่างจากข้อมูลชนิดที่เป็นโครงสร้างโดยเก็บไว้ในฐานข้อมูลที่เป็นระเบียบ

ข้อแรก ตัวอย่างของการทำ Data Mining แบบเป็นปัจจุบันก็เช่น บางผับใหญ่ที่มีสาขาในอังกฤษ ใช้ซอฟต์แวร์ เพื่อประเมินยอดขาย อันเป็นผลจากการลดราคาของเบียร์แต่ละชนิดในช่วง "Happy Hours" ถ้าเบียร์ชนิดใดลดราคาแล้วยอดขายพุ่ง รุ่งขึ้นก็จะลดราคาซ้ำแบบเดิม ถ้ายอดขายไม่เพิ่มก็จะลองลดราคาตัวใหม่ไปเรื่อยๆ Data Mining แบบทันใจเช่นนี้มีส่วนอย่างสำคัญในการวางกลยุทธ์ปรับราคาสินค้า ทั้งนี้ ต้องสอดคล้องกับสต๊อกสำรองของสินค้า และระบบการบริหารที่ทำให้สามารถปรับราคาได้อย่างรวดเร็วด้วย

แต่เดิมข้อมูลอาจเก็บไว้ในฐานซึ่งเหมาะต่อการนำมาใช้วันต่อวัน ซึ่งไม่เหมาะต่อการนำมาวิเคราะห์ Data Mining สมัยใหม่สร้างฐานข้อมูลขนาดใหญ่อย่างเป็นระบบและกลมกลืนกับการใช้ ซอฟต์แวร์วิเคราะห์ข้อมูล ดังนั้น การเตรียมข้อมูลให้อยู่ในรูปลักษณ์ที่เหมาะต่อการวิเคราะห์อย่างทันใจจึงเป็นสิ่งจำเป็น

ปัจจุบัน Data Mining ใช้กระบวนการที่เรียกว่า "คู่ขนาน" (Parallelism) กล่าวคือ Processors หลายตัวภายในคอมพิวเตอร์ขนาดใหญ่ทำงานกับแต่ละส่วนของข้อมูลไปพร้อมๆ กันเพื่อทำให้การวิเคราะห์รวดเร็วขึ้น ถึงแม้จะมีข้อมูลขนาดใหญ่มหาศาลให้วิเคราะห์ก็ตามที

ตัวอย่างเช่นบริษัทโทรคมนาคมซึ่งมีข้อมูลของการใช้โทรศัพท์ของแต่ละเครื่องเป็นเวลาหลายเดือน ต้องการวิเคราะห์แบบแผนของการใช้โทรศัพท์ (มีการใช้โทรศัพท์ภายใน และต่างประเทศมากน้อยแตกต่างกันอย่างไร ใช้เวลาใด นานเท่าใด รายได้เฉลี่ยของแต่ละช่วงเวลาเป็นอย่างไร ฯลฯ) กระบวนการ Data Mining เพื่อให้ได้คำตอบเช่นนี้ ต้องการการประมวลข้อมูลอย่างรวดเร็วขึ้นจนอาจจำเป็นต้องใช้ถึงหลาย Tetrabytes(ล้านๆ Bytes) ก็เป็นได้

Data Mining ที่ต้องการความเป็นปัจจุบันได้แก่ข้อมูลการฉ้อฉลใช้บัตรเครดิต การค้นพบความผิดปกติอีกหลายเดือนภายหลังการฉ้อฉลไม่เป็นประโยชน์ แต่ละบริษัทที่ออกบัตรเครดิตต่างพยายามสร้างระบบ Data Mining ที่สามารถตรวจสอบการโกงได้อย่างทันควันด้วยกันทั้งสิ้นในปัจจุบัน

ข้อสอง Data Mining ที่สามารถพยากรณ์ได้มีประโยชน์ยิ่ง ดังในตัวอย่างของการพบว่าโดยปกติคนขับรถสปอร์ตมักมีอุบัติเหตุ จึงจำเป็นต้องเก็บเบี้ยประกันสูงก็จริงอยู่ แต่คนที่มีรถธรรมดา และซื้อรถสปอร์ตอีกคัน อุบัติเหตุจะไม่เกิดเหมือนกรณีแรก ดังนั้น จึงไม่จำเป็นต้องเก็บเบี้ยประกันสูง

ในเรื่องเล่าตอนต้นของการวางเบียร์และผ้าอ้อมคู่กันนั้น ในความเป็นจริง predictive analytics อาจบอกว่า ยอดขายไม่สูงขึ้นก็เป็นได้ ลองจินตนาการว่าถ้าไม่ใช่เบียร์แต่เป็นถุงยางอนามัย เดิมแต่ละยอดขายผูกพันไปด้วยกัน แต่เมื่อนำวางขายคู่กัน ยอดขายทั้งสองอาจตกก็ได้เพราะความประเจิดประเจ้อ

ข้อสาม การใช้เทคนิคของ Data Mining เพื่อค้นหาความจริงจากข้อมูลชนิด Unstructured นั้นยากแต่ก็เป็นเรื่องยากที่มีประโยชน์

ดังตัวอย่างในเรื่องของภาษามนุษย์ ซึ่งอยู่ใน Data ประเภท Unstructured คอมพิวเตอร์มีปัญหามากในการเข้าใจภาษามนุษย์ จนทำให้ความสำเร็จในการแปลภาษาหนึ่ง เป็นอีกภาษาหนึ่งอย่างถูกต้องสละสลวย โดยคอมพิวเตอร์ยังอยู่อีกไกลมาก

มีความพยายามใช้ Data Mining ในเรื่องการฟอกเงิน ซึ่งข้อมูลธุรกรรมต่างๆ จากอินเตอร์เน็ตอยู่ในลักษณะ Unstructured

วิธีการตรวจสอบการฟอกเงินก็คือเอารายชื่อผู้ถูกฟ้องในคดีฟอกเงิน (Structured Data) มาจับคู่กับชื่อต่างๆ ที่ปรากฏในเว็บ ถ้ามีธุรกรรมใดที่น่าสงสัย นักวิเคราะห์ก็จะพยายามหาความสัมพันธ์ ระหว่างผู้ที่พยายามกระทำธุรกรรมนั้น กับรายชื่อของผู้ถูกฟ้อง หากพบก็จะค้นหาข้อมูลเพิ่มเติมเพื่อตัดสินใจโดยมนุษย์อีกครั้ง

เทคนิคเช่นนี้ช่วยให้งานขนาดยักษ์ในการกลั่นกรองธุรกรรมฟอกเงิน กระทำโดยคอมพิวเตอร์ก่อนที่จะมีวิจารณญาณของมนุษย์เข้าไปเกี่ยวข้อง

อีกตัวอย่างหนึ่งคือการตรวจสอบไม่ให้มีการล่วงละเมิดลิขสิทธิ์ของสำนักข่าวรอยเตอร์ (Reuters) เทคนิค Data Mining ในที่นี้ก็คือการใช้ซอฟต์แวร์ที่ทำงานอย่างต่อเนื่อง ตัดบางส่วนของข้อความที่ปรากฏในที่ต่างๆ มาเปรียบเทียบกับข้อเขียนที่เป็นลิขสิทธิ์ของรอยเตอร์

หากพบว่าตรงกันก็แสดงว่าได้เกิดการล่วงละเมิดสิทธิแล้ว ก็จะพิจารณาส่งทนายความไปเจรจา

กล่าวโดยสรุปก็คือ Data Mining เป็นกระบวนการและเทคนิคเพื่อค้นหาความจริงที่แอบซ่อนอยู่ในข้อมูลขนาดมหาศาล ที่ผู้ประกอบธุรกิจเกี่ยวพันอยู่ด้วยทุกวัน ซึ่งความจริงเหล่านี้จะเป็นประโยชน์ต่อการสนองตอบความต้องการของลูกค้า และต่อการปรับเปลี่ยนกลยุทธ์ธุรกิจอย่างทันใจ

อย่างไรก็ดี ในอีกฟากหนึ่งของผู้บริโภค จำเป็นต้องมีกลุ่มคนที่รวมตัวกันเข้มแข็งเป็นเครือข่าย และมีความรู้ด้านเทคโนโลยีดีพอที่จะต่อสู้ เพื่อคานการสูญเสียความเป็นส่วนตัว และการล่วงละเมิดสิทธิส่วนบุคคลในเรื่องข้อมูลของผู้บริโภคเช่นกัน

หาก Data Mining มีประสิทธิภาพแต่เพียงฝ่ายเดียวแล้ว การลุแก่อำนาจของธุรกิจเพราะมีอำนาจแห่งความรู้ และข้อมูลเกี่ยวกับผู้บริโภคอย่างล้นเหลือ ก็จะเป็นภัยต่อมนุษย์และสังคมได้ เช่น ผู้บริโภคถูก "หลอก" ให้ใช้จ่ายเงินฟุ่มเฟือย โดยซื้อสินค้าที่ตัวเองมิได้ต้องการอย่างแท้จริง และประชาชนถูก "หลอก" ด้วยเทคนิคการตลาดในการเมืองได้เช่นกัน

หน้า 6

 

กลับหน้าแรก