Worldwide Wealth by SCBAM : Big and Bigger Data ข้อจำกัดของโลกแห่งข้อมูลข่าวสาร

19 กรกฎาคม 2561

         เมื่อเดือนที่ผ่านมา มหาวิทยาลัยเศรษฐศาสตร์แห่งกรุงลอนดอน หรือ London School of Economics ได้ส่งผู้อำนวยการฝ่ายการพัฒนาโรงเรียนสำหรับอนาคตมาขอระดมความคิดเห็นจากศิษย์เก่าทั่วโลก ผมเองในฐานะศิษย์เก่าคนหนึ่งก็ได้มีโอกาสไปร่วมแสดงความคิดเห็นกับการพัฒนาการศึกษาในอนาคต แน่นอนว่าทั้งโรงเรียนและมหาวิทยาลัยต่างๆ เริ่มตระหนักว่าการศึกษาในอนาคตจะเปลี่ยนไปอย่างมาก ความรู้ที่เราเรียนจากห้องเรียนนั้นจะล้าสมัยเร็วมาก เรียกว่าบางสายวิชานี่เรียนจบยังไม่ทันจะเริ่มทำงานก็ล้าสมัยแล้ว

         มหาวิทยาลัยดังๆ ต่างเริ่มตระหนักถึงปัญหาและจัดให้มีหลักสูตรต่อเนื่องให้ศิษย์เก่าหรือผู้ที่สนใจ กลับไปเพิ่มเติมความรู้กันได้อย่างต่อเนื่อง หรือที่เราเรียกกันว่า lifelong learning วิชายอดนิยมส่วนใหญ่ก็หนีไม่พ้น ศาสตร์ด้านการบริหารธุรกิจ ไปจนถึง วิชายอดฮิตในปัจจุบัน นั่นคือ วิทยาศาสตร์การจัดการข้อมูล หรือ data science ที่เรียนเรื่องการหาความสัมพันธ์หรือหารูปแบบ pattern ต่างๆ ในข้อมูลที่มีอยู่มากมายในโลกอินเตอร์เน็ต มาช่วยตัดสินใจหรือสร้างความรู้ใหม่ๆ ที่ไม่เคยรู้มาก่อน พอพูดคุยกันถึงจุดนี้ ท่านผู้อำนวยการก็บอกว่าโรงเรียนที่เน้นด้าน social science คงจะไปแข่งกับกับโรงเรียนที่เก่งด้านคณะวิศวกรรมศาสตร์หรือคอมพิวเตอร์ไม่ไหว เพราะวิศวกรรมคอมพิวเตอร์เขาตรงสายกว่า ต่อยอดได้ง่ายกว่า แถมดึงดูดนักเรียนได้มากกว่า หากมหาวิทยาลัยด้านเศรษฐศาสตร์ไปทำหลักสูตรแข่งคงขายไม่ออก ไม่มีคนมาเรียน

         ผมได้ยินแล้วก็อดไม่ได้ ต้องพยายามชี้ให้ ท่าน ผอ.เห็นว่าแนวคิดแบบนั้นมันมองข้ามจุดแข็งที่สำคัญของโรงเรียนไปเลย ในตลาดแรงงานหรือโลกของ big data ในปัจจุบันนั้น ปัญหาหลักไม่ได้อยู่ที่การขาดแคลนนักคณิตศาสตร์ที่มาเขียนสมการหรือโปรแกรมวิเคราะห์หาความสัมพันธ์ของข้อมูล แต่ตลาดขาดแคลนคนที่ “รู้ข้อจำกัดของข้อมูล ก่อนการเริ่มตั้งสมมติฐานเพื่อหาความสัมพันธ์ต่างๆ บนข้อมูลนั้น” พูดแบบนี้หลายท่านอาจนึกภาพไม่ออก ต้องลองยกตัวอย่างประกอบเห็น เรามาดูกันนะครับ

         ธนาคารต่างๆ มีข้อมูลลูกค้ามากมายทั้งเงินเข้า เงินออก ยอดหนี้ ยอดเงินเก็บ หรือแม้แต่รายการใช้จ่ายบนบัตรเครดิต พยายามใช้ข้อมูลคาดเดาหรือหาพฤติกรรมของลูกค้า แม้ธนาคารจะมีข้อมูลการใช้บัตรเครดิตที่รู้ว่าใช้เงินที่ไหน เท่าไหร่ แต่ธนาคารไม่รู้เลยว่าลูกค้านั้นซื้ออะไร เช่น เราเห็นยอดบิลซื้อของที่ห้างแห่งหนึ่ง 2,000 บาท เราไม่รู้เลยว่าเขาซื้อเสื้อ กางเกง รองเท้า เตารีด ไมโครเวฟ หรือน้ำหอม ฯลฯ และถ้าลูกค้าบางรายมีบัญชีหลายธนาคาร มีบัตรเครดิตหลายใบ เลือกใช้บัตรตามส่วนลดของร้านค้า ธนาคารที่พยายามจะใช้ข้อมูลมาหาพฤติกรรมต่างๆ ก็จะยิ่งคาดเคลื่อนไปมาก เดาได้แค่ลางๆ ว่าลูกค้าอยู่กลุ่มไหน

         ที่นี้มาลองดูเครือห้างสรรพสินค้า ร้านสะดวกซื้อ ที่เดี๋ยวนี้หลายรายก็เริ่มทำบัตรเครดิตแบรนด์ของตนร่วมกับธนาคาร แถมยังมีบัตร loyalty program เก็บคะแนนอีก ไปจนถึง e-wallet อีกต่างหาก เมื่อเราให้เลขบัตร loyalty program ตอนซื้อของเพื่อเก็บคะแนน ร้านเจ้าของบัตรจะรู้ทันที่ว่านี่คือลูกค้าคนไหน บวกกับข้อมูลที่ร้านมีอยู่แล้วคือ เราซื้อสินค้าอะไร เช่นถ้าเราซื้อเสื้อ เขาสามารถจะรู้ละเอียดไปจนถึงยี่ห้ออะไร ขนาดเท่าไหร่ สีอะไร และเรามีพฤติกรรมซื้อซ้ำๆ หรือเปลี่ยนไปจากเดิม ถ้าเราไปซื้อเสื้อกันหนาวเราอาจจะกำลังมีแผนเดินทางไปต่างประเทศเป็นต้น ถ้าเราไปซื้อของที่ร้านสะดวกซื้อ เราไปเวลากี่โมง ซื้ออะไร กินของเดิมซ้ำๆ หรือไม่ ชอบทานอะไร เวลาไหน จะเห็นว่าข้อมูลของห้างสรรพสินค้าและเครือร้านสะดวกซื้อ หากจัดเก็บให้ดีแล้ว มีความลึกกว่าข้อมูลของธนาคารมาก สามารถใช้พยากรณ์พฤติกรรมลูกค้าได้อย่างเม่นยำ

         แต่นั่นก็ยังเทียบไม่ได้เลยกับข้อมูลที่ ร้านค้าออนไลน์เช่น Amazon หรือ search engine อย่าง Google มี เพราะเขาเห็นข้อมูลพฤติกรรมตั้งแต่เราเริ่มหาข้อมูลเริ่มเลือกซื้อ เห็นว่าเรามีการเปรียบเทียบสินค้ารุ่นไหน ยี่ห้ออะไร ช่วงราคาไหน บางคนเลือกที่ยี่ห้อก่อน บางคนเอาราคาเป็นตัวตั้งเปรียบเทียบหลายยี่ห้อ บางคนดูฟังก์ชั่นการใช้งาน บางคนอ่านรีวิวก่อนตัดสินใจ ผู้ซื้อใช้เวลานานเท่าไหร่ในตัดสินซื้อ ฯลฯ เรียกว่ารู้หมด เห็นทะลุเข้าไปถึงในสมองเราเลยก็ว่าได้ แถมมีการใช้ข้อมูลเปรียบเทียบบอกเราได้อีกว่า คนอื่นที่เลือกซื้อของอย่างเดียวกัน เขามีการเปรียบเทียบกับสินค้าอื่นอะไรบ้าง ซื้ออุปกรณ์เสริมตัวไหนไปใช้ด้วย

         อย่างนี้คงพอเริ่มเห็นภาพกันแล้วนะครับ แม้บริษัทต่างๆ ในปัจจุบันจะหันมาให้ความสำคัญกับเรื่องการเก็บข้อมูล big data และ data science แต่การไม่รู้ข้อจำกัดของฐานข้อมูลก็อาจจะทำให้เราตั้งโจทย์ผิดหากฐานข้อมูลของเราหยาบ แต่เราพยายามไปตั้งโจทย์ให้หาพฤติกรรมต่างๆ อย่างละเอียดก็คงไม่สามารถทำได้หรือทำได้ก็ไม่แม่นยำ สิ้นเปลืองเวลาและทรัพยากรในการวิเคราะห์ สุดท้ายก็ไม่สามารถไปแข่งขันกับคนที่มีฐานข้อมูลลึกและใหญ่กว่าได้ กลายเป็นอึ่งอ่างที่พยายามไปเบ่งพองตัวแข่งกับแม่วัว สุดท้ายก็แพ้ภัยตัวเอง

 

โดย  คุณณรงค์ศักดิ์  ปลอดมีชัย​
        กรรมการผู้จัดการและประธานเจ้าหน้าที่บริหารการลงทุน
        บริษัทหลักทรัพย์จัดการกองทุน ไทยพาณิชย์ จำกัด​