ข้อมูลขยะเข้า ข้อมูลขยะออก ทำไม Data Quality สำคัญกับการตัดสินใจ
คู่มือเข้าใจง่ายสำหรับเจ้าของ SME ที่อยากตัดสินใจจากตัวเลข แต่ไม่แน่ใจว่าตัวเลขที่เห็นเชื่อถือได้แค่ไหน
มีประโยคหนึ่งในวงการข้อมูลที่ฟังดูตลกแต่จริงมาก คือ ข้อมูลขยะเข้า ข้อมูลขยะออก หมายความว่าต่อให้คุณมีโปรแกรมวิเคราะห์เก่งแค่ไหน หรือจ้างคนทำรายงานเทพแค่ไหน ถ้าข้อมูลตั้งต้นผิดเพี้ยน ผลลัพธ์ที่ได้ก็ผิดตามไปด้วย และที่อันตรายกว่านั้นคือ รายงานที่ออกมาดูสวยและน่าเชื่อถือ ทั้งที่ข้างในเต็มไปด้วยข้อมูลที่เชื่อไม่ได้
Data Quality หรือคุณภาพของข้อมูล คือเรื่องว่าข้อมูลของคุณถูกต้อง ครบถ้วน ทันสมัย และไม่ขัดแย้งกันเองมากแค่ไหน สำหรับเจ้าของธุรกิจ เรื่องนี้สำคัญมากเพราะคุณกำลังเอาตัวเลขเหล่านี้ไปตัดสินใจเรื่องใหญ่ เช่น จะสั่งของเท่าไหร่ จะลงโฆษณาช่องทางไหน หรือจะเปิดสาขาใหม่ดีไหม ถ้าฐานข้อมูลผิด การตัดสินใจที่ตามมาก็เสี่ยงผิดทั้งหมด
ข้อมูลแบบไหนที่เรียกว่าไม่มีคุณภาพ
ข้อมูลที่มีปัญหามักมาในไม่กี่รูปแบบที่พบเจอบ่อย แบบแรกคือข้อมูลซ้ำ เช่น ลูกค้าคนเดียวถูกบันทึกสามครั้งด้วยชื่อสะกดต่างกัน ทำให้คุณนับจำนวนลูกค้าเกินจริง แบบที่สองคือข้อมูลขาดหาย เช่น ออเดอร์ที่ไม่ได้กรอกจังหวัด ทำให้รายงานยอดขายรายภาคผิด แบบที่สามคือข้อมูลผิดรูปแบบ เช่น เบอร์โทรบางอันมีขีด บางอันไม่มี ทำให้ระบบจับคู่ไม่เจอ
อีกแบบที่อันตรายเงียบ ๆ คือข้อมูลที่ดูถูกต้องแต่ล้าสมัย เช่น ราคาทุนสินค้าที่ยังเป็นของปีที่แล้ว ทั้งที่ซัพพลายเออร์ขึ้นราคาไปแล้ว เมื่อคุณคำนวณกำไรด้วยตัวเลขเก่า คุณจะคิดว่าตัวเองได้กำไรดีกว่าความจริง และอาจตั้งราคาขายต่ำเกินไปโดยไม่รู้ตัว ข้อมูลแบบนี้ไม่ได้ผิดตอนบันทึก แต่กลายเป็นข้อมูลขยะเพราะไม่มีใครอัปเดต
เริ่มยกระดับคุณภาพข้อมูลได้อย่างไร
ข่าวดีคือคุณไม่ต้องแก้ทุกอย่างพร้อมกัน เริ่มจากข้อมูลที่คุณใช้ตัดสินใจบ่อยที่สุดก่อน เช่น ถ้าคุณดูยอดขายรายวันทุกเช้า ก็ตรวจให้แน่ใจว่ายอดนั้นถูกบันทึกครบและไม่ซ้ำ จากนั้นตั้งกฎง่าย ๆ ในการกรอกข้อมูล เช่น เบอร์โทรต้องกรอกแบบเดียวกันเสมอ ชื่อจังหวัดต้องเลือกจากรายการ ไม่ใช่พิมพ์เอง เพื่อป้องกันข้อมูลเพี้ยนตั้งแต่ต้นทาง
อีกขั้นที่สำคัญคือกำหนดให้มีคนรับผิดชอบดูแลข้อมูลแต่ละชุดอย่างชัดเจน เมื่อมีคนรับผิดชอบ ความผิดพลาดจะถูกจับและแก้ได้เร็ว และอย่าลืมตั้งเวลาทบทวนเป็นรอบ เช่น ตรวจรายชื่อลูกค้าซ้ำทุกเดือน หรืออัปเดตราคาทุนทุกครั้งที่ซัพพลายเออร์เปลี่ยนราคา การป้องกันแบบนี้ประหยัดเวลากว่าการมานั่งล้างข้อมูลทีหลังตอนที่มันพังไปทั้งกองแล้วมาก
ตัวอย่างจริงจากร้านขายส่งอะไหล่
ร้านขายส่งอะไหล่แห่งหนึ่งเคยตัดสินใจหยุดสั่งสินค้าตัวหนึ่งเพราะรายงานบอกว่าขายไม่ดี แต่พอลูกค้าถามหาบ่อยขึ้น เจ้าของจึงลองตรวจข้อมูลอย่างละเอียด ก็พบว่าสินค้าตัวเดียวกันถูกบันทึกด้วยรหัสสองแบบ เพราะพนักงานสองคนกรอกคนละมาตรฐาน ทำให้ยอดขายจริงถูกแยกออกเป็นสองก้อนและดูเหมือนขายน้อยทั้งคู่ เมื่อรวมตัวเลขสองรหัสเข้าด้วยกัน กลับกลายเป็นสินค้าขายดีอันดับต้น ๆ ของร้าน หลังจากนั้นเจ้าของจึงตั้งกฎให้ทุกคนใช้รหัสสินค้าชุดเดียวกัน และตรวจรหัสซ้ำทุกเดือน ทำให้รายงานน่าเชื่อถือขึ้นและไม่พลาดโอกาสขายแบบนั้นอีก
เช็กลิสต์ดูแลคุณภาพข้อมูล
- เริ่มตรวจจากข้อมูลที่คุณใช้ตัดสินใจบ่อยที่สุดก่อน อย่าพยายามล้างทุกอย่างพร้อมกัน
- ตั้งกฎการกรอกข้อมูลให้เป็นมาตรฐานเดียว เช่น เลือกจากรายการแทนการพิมพ์เอง
- กำหนดคนรับผิดชอบดูแลข้อมูลแต่ละชุดให้ชัดเจน เพื่อให้ความผิดพลาดถูกแก้ได้เร็ว
- ตั้งรอบทบทวนข้อมูลซ้ำและข้อมูลล้าสมัยเป็นประจำ เช่น ทุกเดือนหรือทุกไตรมาส
ข้อผิดพลาดที่พบบ่อย
- เชื่อรายงานที่ดูสวยงามทันที โดยไม่เคยตั้งคำถามว่าข้อมูลตั้งต้นเชื่อถือได้ไหม
- ปล่อยให้แต่ละคนกรอกข้อมูลตามใจ จนสินค้าหรือลูกค้าเดียวกันมีหลายเวอร์ชัน
- ล้างข้อมูลครั้งใหญ่ครั้งเดียวแล้วเลิก โดยไม่ป้องกันไม่ให้ข้อมูลเพี้ยนซ้ำอีก
- ลืมอัปเดตข้อมูลที่เปลี่ยนตามเวลา เช่น ราคาทุนหรือที่อยู่ลูกค้า จนตัดสินใจจากของเก่า
บริการที่เกี่ยวข้อง
รับทำ Data Platform และ BI
รวมข้อมูลจากทุกระบบไว้ชั้นเดียว กำหนดนิยามตัวชี้วัดให้ตรงกันก่อนทำรายงาน
WhaleScope
ดูโครงสร้างตลาดของธุรกิจพลังงาน สาธารณูปโภค และสิ่งแวดล้อม บน WhaleScope
รายชื่อบริษัท ผู้เล่นรายใหญ่ อัตราคงอยู่ และการกระจายรายจังหวัดของหมวดการผลิตและการส่งไฟฟ้า — จากข้อมูลจดทะเบียน 2 ล้านนิติบุคคล
อ่านต่อ
Data Contract: ข้อตกลงที่กันข้อมูลพังเงียบระหว่างทีม
เมื่อทีมหนึ่งเปลี่ยนโครงสร้างข้อมูลโดยไม่บอก รายงานและระบบปลายทางพังเงียบ ๆ Data Contract คือข้อตกลงชัดเจนว่าข้อมูลจะมีหน้าตาอย่างไร เพื่อให้เปลี่ยนแปลงได้โดยไม่ทำของคนอื่นพัง
ก่อนทำ AI ต้องมีข้อมูลที่ดีหรือไม่?
AI ไม่ได้สร้างความจริงขึ้นมาใหม่ มันเพียงขยายสิ่งที่ข้อมูลของคุณบอก ถ้าข้อมูลสับสน คำตอบที่ได้จะสับสนอย่างมั่นใจ
Master Data สำคัญกว่าที่คิด
ลูกค้าหนึ่งราย สะกดได้ห้าแบบ เหตุใดรากฐานที่น่าเบื่อที่สุดจึงเป็นตัวตัดสินทุกอย่างที่ตามมา
สูตรในไฟล์ผิดมาสามเดือนแล้วไม่มีใครรู้ — สี่แบบของข้อผิดพลาดที่มองไม่เห็น
ข้อผิดพลาดในสเปรดชีตที่อันตรายที่สุดไม่ใช่แบบที่ขึ้นข้อความแดง แต่คือแบบที่ให้ตัวเลขซึ่งดูสมเหตุสมผล บทความนี้อธิบายสี่รูปแบบที่เกิดซ้ำที่สุด และการควบคุมที่จับได้ก่อนตัวเลขไปถึงที่ประชุม