ตอนนี้องค์กรหลายๆ องค์กรได้มองการทำ Data เป็นเรื่องที่หลีกเลี่ยงไม่ได้ สำหรับองค์กรที่ทำ Data เป็นเรื่องปกติอยู่แล้ว ต้องวิเคราะห์ตัวเลข หรือคาดการณ์วิจัยตัวเลขต่างๆ การทำ Data เหล่านี้อาจจะไม่ใช่เรื่องใหม่อะไร เพียงแต่มีเครื่องมือที่เข้ามาช่วยในการทำงาน และวิธีการทำงานใหม่ๆ เพิ่มมากขึ้นมา แต่สำหรับบางที่ หรือหน่วยงานในองค์กรที่ทำ Data เองก็ตาม อาจจะรู้สึกผิดแปลกไป หรือไม่คุ้นชิน เพราะการทำ Data ในทุกวันนี้เรียกได้ว่า ไม่ได้อยู่แค่เรื่องใด เรื่องหนึ่งในหน่วยงาน หรือบริษัทบางแบบอีกต่อไป แต่เข้ามาถึงการทำงานในทุกหน่วยงาน และการทำธุรกิจเลยทีเดียว
การทำ Data Analysis ขึ้นมาในยุคนี้ สำหรับหน่วยงาน หรือบริษัท ในบางทีเรียกได้ว่าเป็นเรื่องเริ่มต้นใหม่เลยทีเดียว และยิ่งไปกว่านั้นสำหรับคนที่ต้องเข้าไปทำแผนก Data Analysis ในบริษัทที่เพิ่งตั้งแผนกนี้หรือหน่วนงานนี้ขึ้นมา จะต้องมีข้อควรรู้ตัวไว้ และเตรียมตัวเนิ่นๆ สำหรับการทำงานเอาไว้เลย เพื่อไม่ให้เป็นปัญหาในภาพหลังขึ้นมาได้
1. ถ้าแผนก Data เพิ่งมี อาจจะเป็นข้อดีและหายนะได้ในตัว
หลายๆ ที่เห็นกระแสเรื่องการทำ Data เลยได้ตั้งแผนก Data ขึ้นมา เพื่อทำ Data Analysis โดยที่ทั้งบริษัทไม่ได้เข้าใจในเรื่อง Technical ของการทำ Data เลย ก็อาจจะเป็นเรื่องดีก็ได้ เพราะเพื่อนร่วมงานและแผนกต่างๆ อาจจะเข้าใจในเรื่องที่ว่าแผนก Data กำลังทำการเก็บข้อมูลเพื่อวิเคราะห์ หรือทำการ Learning Data ให้ระบบต่าง ๆ อยู่ และบางเรื่องคนที่ทำ Data อาจจะไม่ได้เข้าใจในเชิงลึกของธุรกิจหรือหน้างานทางธุรกิจว่าเกิดขึ้น พร้อมทั้งมีคนช่วยสนับสนุนเอาใจช่วยให้ทำงานออกมาได้ด้วยดี
แต่ปัญหาที่เพิ่งมีแผนกนี้ก็อาจจะเป็นหายนะได้ทันที ด้วยการที่ทุกๆ แผนกที่ไม่เคยทำมาก่อน และคิดว่า Data คือคำตอบดังนั้นก็จะเรียกทีม Data เข้าไปประชุมด้วย แม้ว่าจะไม่เกี่ยวข้องก็ตาม จะได้รับงานที่ไม่เกี่ยวข้อง หรือมีการคาดหวังว่า ทีม Data คือผู้กอบกู้แคมเปญ และธุรกิจ การตลาดของบริษัท แล้วเวลาเกิดเหตุผิดพลาดขึ้น ทุกคนก็จ้องจะโทษการทำงานของทีม Data ได้ทันทีว่าให้ข้อมูลที่ผิดพลาดไป
2. ใช้ชีวิตส่วนใหญ่ในการ Clean Data
เมื่อแผนกที่ตั้งมาใหม่เช่นนี้ ปัญหาหลาย ๆ อย่างจะเริ่มมีเข้ามา ทุกคนที่คิดว่าเมื่อตั้งแผนก Data แล้วการทำงาน Data จะได้ทันที เห็นผลงานภายใน 1-2 เดือนและกราฟยอดขายของบริษัท ต้นทุนที่ลดลง จะเห็นผลทันตาเห็น ส่วนแผนก Data ที่เพิ่งตั้งมาก็คาดหวังว่าจะได้เห็น Data ที่สวยงามให้มาทำงาน เอาลงเครื่องวิเคราะห์ออกมาได้ ตัวเลขส่งต่อให้แผนกอื่นทำงานได้ทันที
แต่ในความจริงแล้ว สิ่งที่เกิดขึ้นคือ Data ที่ได้มาเพื่อการทำงานนั้น เป็น Data ที่เรียกว่าดิบมาก จนใช้ไม่ได้เลย เนื่องจากทีมอื่น ๆ ส่งข้อมูลมาให้แบบที่ว่าไม่ได้ทำให้ใช้งานได้ หรือคิดว่าทีม Data คือเทพ ส่งอะไรไปก็ทำงานได้หมด ทีม Data ที่ตั้งขึ้นมาแทบจะไม่ได้ทำงาน Data เลย แต่ต้องมานั่งทำการ Cleaning Data ที่ได้มาเพื่อให้ทำงานต่อได้เป็นส่วนใหญ่ จนรู้สึกว่าเป็นพนักงานคีย์ข้อมูลแทนการวิเคราะห์ แย่ไปกว่านั้นคือแผนกอื่น ๆ หรือผู้บริหารเองก็เริ่ม มองว่า ทีม Data ไม่ได้ทำผลงานอะไร หรือไม่มีผลงานอะไรเลยขึ้นมา
3. ทำแล้วคนไม่ชอบตัวเลขคุณ
มีคำพูดที่ว่า “ตัวเลขไม่โกหก” และในองค์กรเองที่ตั้งแผนก Data ขึ้นมาก็บอกว่าอยากให้องค์กรเป็น “data-driven insights” โดยมองว่าตัวเลข Data ที่ทำออกมานั้นจะมาสนับสนุน ความคิดตัวเอง ความเชื่อตัวเอง และทำให้ตัวเองดูดี หรือช่วยให้ขายสินค้ามากขึ้น
แต่ในความจริงแล้ว เมื่อทำ Data ออกมาแล้วเช่น เค้าอาจจะให้คำนวนจำนวนคนที่จะขายสินค้าได้ เพราะเห็นกระแสดีมากในออนไลน์ แต่เมื่อคุณทำ Data ออกมาแล้ว ตัวเลขที่ออกมา อาจจะไม่ได้ทำให้หลาย ๆ คนพอใจ เพราะว่า Projection ไม่มีความสัมพันธ์กับกระแสใด ๆ ทำให้ไม่ว่า จะผู้บริหารเองก็ตาม เพื่อนร่วมงาน หรือแม้กระทั้งลูกค้าเอง สิ่งที่เกิดขึ้นแม้ว่าตัวเลขจะบอกยังไงก็ตาม คนที่ร่วมงานจะรู้สึกไม่เชื่อตัวเลขนั้น ๆ และเชื่อตามสัญชาตญาณมากกว่า ทำให้การทำงานทีม Data จะเริ่มติดขัดทันที เพราะหลาย ๆ คนกลัวว่า ตัวเลขจะไม่ตรงใจ และจะมีการแก้การทำงานเพื่อให้ตรงใจเพิ่มมากขึ้น ทำให้การทำงาน Data นั้นผิดเพี้ยนไปทันที
ในทุก ๆ การทำงานนั้นต้องมีช่วงระยะเวลาการทำงานและช่วงเรียนรู้การทำงาน เพื่อให้การทำงานนั้นมีประสิทธิภาพ การเชื่อใจคนทำงานและไม่มีความคาดหวังที่สูงเกินไปในการทำงาน จะช่วยสร้างความคิดที่ดีที่จะพัฒนาการทำงาน Data ร่วมกันได้อย่างดี
