Data Analytic And Business

Data analytics หรือ การวิเคราะห์ข้อมูล เป็นการนำข้อมูลจาก Big data ภายในองค์กรมาวิเคราะห์ ไม่ว่าจะเป็นเอกสารการขาย เอกสารการซื้อ ข้อมูลลูกค้า เป็นต้น ซึ่งสามารถช่วยให้เห็นถึงภาพรวมภายในธุรกิจสามารถทำนายอนาคตของธุรกิจ และสามารถวิเคราะห์แนวโน้มพฤติกรรมของลูกค้าที่เกิดขึ้นกับตัวธุรกิจได้ 

การนำ Data analytics หรือ การวิเคราะห์ข้อมูล เข้ามาใช้ในธุรกิจ ช่วยให้องค์กรสามารถจัดการกับธุรกิจได้อย่างคล่องตัว และสามารถวางแผนการตลาดได้อย่างมีประสิทธิภาพ 

 

การคิดแบบ Data Analytics

 

 

Customers are sharing data เมื่อลูกเข้าใช้งานเว็บไซต์ต่างๆ จะทิ้งรอยเท้าดิจิทัลไว้ และมีการแบ่งปันข้อมูลของการใช้งาน

Data are collected ทำการเก็บรวบรวมข้อมูลของลูกค้าต่างๆจากแหล่งต่างๆ

Data are transformed into insights เมื่อทำการเก็บรวบรวมข้อมูลเรียบร้อยแล้ว ให้ทำการหาInsights ของข้อมูล เพื่อเป็นการทำความเข้าใจกับลูกค้า ทั้งในด้านพฤติกรรมและความต้องการ

Insights are turned into actions นำ Insights ที่ได้ มาปรับใช้กับธุรกิจ เพื่อให้สามารถดำเนินธุรกิจได้ตรงกับความต้องการของลูกค้า

 

 

•  ประเภทของการ Data Analytics

 

 

-  Descriptive Analytics  คือการวิเคราะห์โดยการตั้งคำถามกับข้อมูลว่า “ What it happened ? ”  โดยในขั้นตอนนี้เน้นการวิเคราะห์แบบตัวแปรเดียวแล้วใช้ Aggregate Function เช่น Sum, Average, Max, Min มาช่วยคำนวณ ตัวอย่างเช่น สรุปยอดขายในเดือนนี้  หรือ มีลูกค้าซื้อของจำนวนกี่คน เป็นต้น

-  Diagnostic Analytics คือการวิเคราะห์โดยการตั้งคำถามกับข้อมูลว่า “Why it happened ?”  โดยเน้นการวิเคราะห์ในหลาย ๆ มุม หลายตัวแปรมากขึ้น (Multivariate) เพื่อให้เห็นภาพมากขึ้น เช่น สภาพอากาศมีผลต่อยอดขายหรือไม่ หรือ โปรโมชันส่งผลให้จำนวนลูกค้าเปลี่ยนไปอย่างไร เป็นต้น

-  Predictive Analytics คือการวิเคราะห์โดยการตั้งคำถามกับข้อมูลว่า “What might happen ?” ในขั้นตอนนี้จะใช้เทคนิคการทำ Data Mining / Machine Learning เพื่อทำการพยากรณ์สิ่งที่จะเกิดขึ้นในอนาคตข้อมูล เช่น ยอดขายเดือนต่อไปจะเป็นอย่างไร ลูกค้าคนไหนที่มีโอกาสหายไปบ้าง เป็นต้น

-  Prescriptive Analytics คือการวิเคราะห์โดยการตั้งคำถามกับข้อมูลว่า “What should we do ?” ในการวิเคราะห์ขั้นนี้จะใช้เทคนิค Optimization หรือการเพิ่มประสิทธิภาพ เพื่อหาจุดที่ทำให้ได้ผลลัพธ์ที่ดีที่สุด เช่น  การเลือกเส้นทางที่สั้นที่สุดในการเดินทาง หรือการผลิตสินค้าแบบใดที่ใช้ต้นทุนต่ำแต่ให้รายได้สูงสุด เป็นต้น

 

 

•  กระบวณการทำ Data Analytics

 

 

-  การเริ่มทำData Analytics จะเริ่มจากการเก็บรวบรวมข้อมุลจากหลายๆแหล่ง โดยข้อมูลจะถูกแบ่งออกเป็น 3 ประเภทคือ ข้อมูลที่มีโครงสร้าง , ข้อมูลกึ่งโครงสร้าง และข้อมูลที่ไม่มีโครงสร้าง และนำข้อมูลที่รวบรวมได้มาเก็บไว้ที่ Data Storage

-  นำข้อมูลที่เก็บมาได้ มาทำการCleaning หรือเป็นการเลือกข้อมูลที่ต้องการใช้ในการวิเคราะห์ โดยเลือกข้อมูลที่จำเป็นสำหรับการวิเคราะห์เท่านั้น

-  เมื่อทำการCleaning ข้อมูลเสร็จ ขั้นต่อมาคือการทำ Transformation ข้อมูล คือการปรับข้อมูลให้อยู่ในรูปแบบเดียวกัน หรือเป็นการคัดกรองข้อมูลการทำการวิเคราะห์อีกรอบ ในขั้นตนนี้ อาจเป็นการ ดูว่าข้อมูลอยู่ในรูปแบบใด มีชื่อที่ซ้ำกันหรือไม่ มีข้อมูลที่ว่างหรือไม่ เป็นต้น

-  เมื่อทำการ Transformation ข้อมูล เสร็จสิ้น จึงเริ่มทำการวิเคราะห์ข้อมูล โดยให้เครื่องมือที่มี อาทิ Power BI เป็นต้น โดยผลลัพธ์จากการวิเคราะห์จะแสดงออกมาในรูปรายงาน หรือ Dashboard 

 

•  เครื่องมือในการทำ Data analytics

เครื่องมือสำหรับการทำ Data analytics ในปัจจุบันมีให้เลือกใช้เยอะมากขึ้น โดยส่วนใหญ่ที่นิยมใช้งาน จะประกอบด้วย ดังนี้ 

 

 

1.  Power BI

เครื่องมือสำหรับวิเคราะห์ข้อมูลของธุรกิจที่ได้รับความนิยมมาก เรื่องจากสามารถเข้าถึงง่าย มีใช้งานสะดวกและไม่ซับซ้อน Power BI ช่วยจัดเก็บและรวบรวมข้อมูลจากฐานข้อมูลต่างๆ อาทิ Excel, Text File รวมถึงข้อมูลจากเว็บไซต์ เป็นต้น 

 

2.  Tableau

Tableau ได้รับความนิยมเป็นอย่างมากในปัจจุบัน เพราะความสามารถในการแปลงข้อมูลที่มีให้สามารถแสดงเป็นรูปภาพหรือกราฟ Visualizations โดยไม่ต้องเสียเวลานั่งพล็อตกราฟเอง นอกจากนั้นยังรองรับการเข้าถึงข้อมูลที่หลากหลาย 

 

3.  Zoho Analytics

เป็นเครื่องมือ ทีสามารถวิเคราะห์ข้อมูลได้ด้วยตนเอง ช่วยให้มองเห็นภาพได้ชัดเจนมากยิ่งขึ้น มีการใช้งานที่ง่าย สามารถสร้างการจำลองข้อมูลที่น่าสนใจและข้อมูลเชิงลึกได้ โดยในการวิเคราะห์ที่จะใช้ AI เข้ามาช่วยในการวิเคราะห์แนวโน้มได้ ซึ่งสร้างการวิเคราะห์ได้อย่างแม่นยำ

 

4. Cloudera

Cloudera มีการนำ Apache Hadoop ร่วมกับ Open Source Component ต่างๆ มารวมกันเป็น Distribution สามารถในการเก็บข้อมูลนับเป็น PetaByte และสามารถนำมาใช้งานได้ในเว็บใหญ่ๆ หรือองค์กร หน่วยงานต่างๆ ไม่ว่าจะเป็น Facebook หรือ Yahoo

  

5. Hitachi Vantara Pentaho

เครื่องมือวิเคราะห์ข้อมูล ที่สามารถทำงานได้แบบ Open Source โดยรับข้อมูลมาเพื่อวิเคราะห์ และแสดงผลออกมาในรูปแบบของการรายงาน ช่วยให้เห็นภาพรวมของโครงการได้เข้าใจง่ายมากยิ่งขึ้น เพื่อนำข้อมูลเหล่านั้นมาวางแผนเพื่อพัฒนาโครงการ 

 

•  ตัวอย่างแผนภาพ Visualization ที่ใช้ใน Data analytics

 

 

 

แผนภูมิแท่ง (Bar and column charts)

เป็นแผนภาพที่ง่ายที่สุด สามารถใช้เปรียบเทียบข้อมูลในแต่ละหมวดหมู่ แสดงขนาดและลำดับได้อย่างชัด เหมาะสำหรับเพื่อเปรียบเทียบข้อมูล อาทิ ยอดสั่งซื้อสินค้า หมวดหมู่สินค้าที่นิยม เป็นต้น

 

 

แผนภูมิวงกลม (Pie charts)

แผนภาพที่แสดงองค์ประกอบ หมวดหมู่ หรือจำนวน ลักษณะการใช้ง่ายคล้ายกับแผนภูมิแท่ง ที่ใช้เพื่อเปรียบเทียบข้อมูลต่างๆ 

 

 

แผนภาพต้นไม้ (Treemap)

ลักษณะการใช้งานคล้ายกับPie charts แต่สามารถแบ่งหมวดหมู่ได้เป็นลำดับขั้น และเป็นชุดของข้อมูลนั้นๆ หากมีหลายหมวดหมู่จะดูรู้เรื่องกว่า ใช้พื้นที่สี่เหลี่ยมและสีในการแสดงผล  เหมาะสำหรับการใช้งานกับ ข้อมูลที่ตามCategory เช่น ยอดขายในหมวดหมู่เครื่องใช้ไฟฟ้า อะไรขายดีที่สุด เป็นต้น

 

 

แผนภาพแบบกระจาย (Scatter and Bubble charts)

แผนภาพที่แสดงความสัมพันธ์ของตัวแปรที่เป็นตัวเลข เช่น กราฟแสดงยอดขายและจำนวนหน่วย พร้อมการเปลี่ยนแปลงยอดขายของสินค้าในแต่ละกลุ่ม เป็นต้น

 

 

แผนภาพแผนที่ (Maps)

สำหรับการนำเสนอข้อมูลที่ต้องอ้างถึงตำแหน่งของประเทศ (Country) , ชื่อเมือง (City) ,

จังหวัด (Province) หรือ พิกัด Longitude, Latitudeโดยสามารถนำเสนอในรูปแบบของแผนที่ได้ โดย Engine ที่ใช้ในการแสดงผล คือ Bing Map

 

 

•  ประโยชน์การใช้ Data Analytic

 

 

1.  รู้จักลูกค้ามากขึ้น

การวิเคราะห์ข้อมูลของลูกค้า ช่วยให้เราเข้าใจได้ว่าตอนนี้ลูกค้ามีความต้องการในด้านอะไร และทราบถึงลูกค้าประเภทใดที่มาซื้อสินค้าหรือใช้บริการ ซึ่งสามารถทำผลลัพธ์ที่ได้มาปรับใช้ให้ตรงกับความต้องการของลูกค้าและสามารถเจาะการตลาดได้ตรงกับกลุ่มเป้าหมาย 

 

 

2.  สามารถเห็นมุมมองการตลาดกว้างขึ้น

ข้อมูลที่มีจำนวนมาก ทำให้ผลการวิเคราะห์ที่เกิดขึ้นสามารแสดงผลออกมาได้หลายรูปแบบ โดยเฉพาะเมื่อมีข้อมูลมากขึ้น เราจะยิ่งสามารถมมองเห็น มุมมองการตลาดได้กว้างมากขึ้น ช่วยให้สามารถวางแผนการตลาดได้กว้างมากขึ้น หรือการเลือกใช้กลยุทธ์ใหม่ๆ ของธุรกิจ ที่อาจให้ผลลัพธ์ที่ดีกว่ากลยุทธ์เดิม 

 

 

3.  การทำนายพฤติกรรมของลูกค้า

การวิเคราะห์ข้อมูลโดยการนำข้อมูลทั้งหมดที่มีในบริษัทตั้งแต่อดีตจนถึงปัจจุบัน ทำให้เราสามารถทำนายพ พฤติกรรมของลูกค้าได้ ทั้งในการเลือกซื้อสินค้า และในการออกแบบสินค้า โดยสามารถนำผลการวิเคราะห์มาปรับใช้ในการออกแบบสินค้าและบริการให้ตรงกับพฤติกรรมของลูกค้า ทั้งลูกค้ารายเก่าและลูกค้ารายใหม่ 

 

เพิ่มความได้เปรียบให้กับธุรกิจ ด้วยการใช้ Data Analytic ร่วมกับ ERP Software

Data Analytics เข้ามามีบทบาทในธุรกิจมากขึ้น ทั้งในด้านของการจัดการทรัพยากร, การขนส่ง, คุณภาพการผลิต, การผสานงานกับ Partner และการนำข้อมูลมาใช้ในการตัดสินใจในการทำธุรกิจ ซึ่งถือได้ว่า Data Analytics ช่วยให้ธุรกิจสามารถทำงานได้อย่างมีประสิทธิภาพและประสบความสำเร็จมากขึ้น

การนำ Data Analytics ใช้งานร่วมกับ ERP Software ช่วยทำให้ธุรกิจนั้นสามารถใช้ประโยชน์ จากผลการวิเคราะห์ได้มากขึ้น ช่วยให้เข้าใจถึงปัญหา มองผลภาพรวมภายในองค์กร และสามารถพยากรณ์สิ่งที่จะเกิดขึ้นในอนาคต เพื่อให้เกิดผลลัพธ์ที่เป็นประโยชน์ต่อธุรกิจสูงสุด

 

ประโยชน์การใช้งาน Data Analytics ร่วมกับ ERP Software

 

1.ผู้บริหารเข้าใจได้ง่าย

การใช้งาน Data Analytics ช่วยจัดการข้อมูลจากหลายๆหน่วยงาน ที่มีรูปแบบแตกต่างกันมาทำการสรุปข้อมูล ไม่ว่าจะเป็น ข้อมูลจากฝ่ายบัญชี ข้อมูลจากฝ่ายการตลาดเป็นต้น โดยจะประมวลผลออกมาเป็นรูปแบบรายงานหรือแผนภาพ ซึ่งช่วยให้ผู้บริหารสามารถเข้าใจข้อมูลได้ง่าย และสร้างความสะดวกในการรายงานผล 

 

2.ได้ข้อมูลที่ถูกต้อง แม่นยำ และประหยัดเวลา

การมีข้อมูลเป็นจำนวนมาก หากใช้การสรุปข้อมูลแบบแมนนวลจะต้องให้เวลาที่นานมาก และสามารถเกิดข้อผิดพลาดในการสรุปได้ โดยการนำ Data Analytics มาใช้ในการสรุปผลลัพธ์ที่ได้จะออกมาเป็นรายงาน ซึ่งใช้เวลาที่น้อยและได้ข้อมูลที่แม่นยำกว่า

 

3.รู้สถานการณ์ของบริษัทและสามารถวางแผนได้อย่างแม่นยำ

ผู้บริหารสามารถดูข้อมูลต่าง ๆ ได้แบบReal time ไม่ต้องรอสรุปรายงานจากแต่ละฝ่าย ทำให้ตัดสินใจได้รวดเร็ว และ สามารถนำข้อมูลทั้งในอดีตและปัจจุบันไปวางแผน วางกลยุทธ์การทำงาน รวมถึงวางแผนทิศทางการทำงานในอนาคตได้

 

 

 

Data Analytics เป็นเทคโนโลยีที่มีความสำคัญกับการในการวิเคราะห์ในการการตัดสินใจทางด้านธุรกิจซึ่งซอฟต์แวร์ที่สามารถเข้ามาจัดการในการทำงานนั้นดียิ่งขึ้น FMS จึงขอแนะERP Software ที่มีการทำ Data Analytics ภายใน ERP คือ

 

• Sage 300 (ACCPAC) 

ERP Software ที่ครอบคลุมตั้งแต่ ระบบบัญชี และ ระบบ Operations เพื่อช่วยให้คุณสร้างระบบที่มั่นคง และช่วยให้คุณเพิ่มผลผลิต และงานที่นอกเหนือจากงาน Back office ได้ในภายหลัง ด้วยเทคโนโลยีแบบ End-to-End ซอฟต์แวร์ SAP Business OneSolutions เพื่อช่วยให้มองเห็นภาพรวมของธุรกิจได้อย่างชัดเจน สามารถตอบสนองและทำการตัดสินใจจากข้อมูลได้ยิ่งขึ้น 

 

 

 

 

• Sage X3 

Sage x3

 

ที่จะเข้ามาช่วยในการทำรายรับรายจ่าย และบริหารความสัมพันธ์ที่ซับซ้อน Sage X3 ERP ยังช่วยจัดระบบของอุตสาหกรรมทั้งในแบบ Discrete Manufacturing และ Process Manufacturing ซึ่งสามารถที่จะนำเอาข้อมูลมาใช้กับเทคโนโลยี Big Data & Data Analytics ได้

ในปัจจุบันการนำเทคโนโลยีเข้ามาใช้ในด้านธุรกิจนั้นมีความสำคัญเป็นอย่างยิ่ง ซึ่งซอฟต์แวร์ที่จัดการกับงานในด้าน ERP Software ก็มีความสำคัญ บริษัท ฟอร์เวิร์ด แมเนจเม้นท์ เซอร์วิส จำกัด ของเรานั้นมีซอฟต์แวร์ที่สามารถจะมาช่วยให้ธุรกิจของคุณนั้นสามารถเติบโตได้อย่างมีประสิทธิภาพ หากท่านมีความสนใจที่จะนำผลิตภัณฑ์ซอฟต์แวร์ของเราไปใช้กับธุรกิจของท่านสามารถสอบถามข้อมูลเพิ่มเติมเกี่ยวกับซอฟต์แวร์

 

สามารถดูข้อมูลเพิ่มเติมได้ที่

Sage 300 ERP ซอฟต์แวร์ระบบบัญชีและระบบ Operations : โดย FMS (fmsconsult.com) 

 

ขอบคุณข้อมูลจาก

ประโยชน์และเครื่องมีที่ใช้สำหรับการทำ Data Analytics (fmsconsult.com)

Big data Analytic จะใช้เครื่องมืออะไรบ้างในการวิเคราะห์เบื้องต้น (mandalasystem.com)

ทำความรู้จักกับ Data Analysis คืออะไร ? (tot.co.th)

ชนิดการแสดงภาพใน Power BI - Power BI | Microsoft Docs

เพิ่มความได้เปรียบให้ธุรกิจยุค Digital Transformation ด้วย ERP และ Data Analytics (nexcloudsolution.com)

Visualization กราฟ ใน Power BI Desktop | 9Expert Training

ขั้นตอนการทำ Data Analytics เพื่อหา insight ของข้อมูล | ออกเดินทาง | Shared travels story and lifestyle (okdentang.com)

 

Data Analytic And Business