DA 002 การวิเคราะห์ข้อมูลในงาน Data Analytics

Business Intelligence (BI)เป็นชุดเครื่องมือที่ใช้ในการทำงานทางด้านเทคโนโลยีสารสนเทศ

การวิเคราะห์ข้อมูลในงาน Data Analytics แบ่งออกได้ 4 ระดับ คือ

1. อธิบาย (Descriptive) ว่าเกิดอะไรขึ้นในธุรกิจของเรา ซึ่งใน Monsoon SIM Experiential Learning Platform นั้นมีข้อได้เปรียบประการแรก คือ ผู้ใช้จะมีประสบการณ์ผ่านธุรกิจจำลองจาก MonsoonSIM ซึ่งเป็นการเรียนรู้ประเภท แรก คือ ลงมือทำ ทราบผลแล้ว และกลับไปเรียนรู้ว่า ในด้าน Business Data นั้น Data ในลักษณะใด บ่งบอกให้เห็นการดำเนินกิจการได้อย่างไร หรือในทางกลับกัน เมื่อมีประสบการณ์ด้านธุรกิจผ่านประสบการณ์จำลองแล้ว เมื่อกลับไปมองเห็น Data ซึ่งสามารถ Pull ออกมาเพื่อวิเคราะห์ หรือจะใช้ Business Intelligent หรือ จะใช้ข้อมูลตามรายงายประเภทต่าง ๆ ของ MonsoonSIM ก็จะสามารถให้คำอธิบายได้ โดยมองเห็นจากปัญหาที่เกิดขึ้นใน MonsoonSIM ตัวอย่างเช่น ปัญหาของการขนาดสภาพคล่องทางการเงิน อันเกิดจากมีกระแสเงินสดไหลออก (Account Payable + รายจ่ายเงินสด) ออกมากกว่าจำนวนกระแสเงินไหลเข้า (Account Receiveble + Incominh Cash)

2. การวินิจฉัย (Diagnostic) หาว่าทำไมจึงเกิดเหตุการณ์นี้ขึ้น ยกตัวอย่าง ต่อเนื่องจากเรื่องของสภาพคล่อง เกิดเพราะว่า กิจกรรมที่ทำนั้น อันได้แก่ รายจ่ายทั้งหมด ทั้งในรูปแบบของเงินสด และ ในรูปแบบของเครดิต ซึ่งวิเคราะห์แยกย่อยได้ว่า มีสาเหตุมาจาก การ Stock สินค้าเพื่อจำหน่าย หรือ วัตถุดิบเพื่อผลิต มีปริมาณมากเกินไป เป็นเหตุที่มาที่ทำให้ระดับของเงินสดในมือมีน้อยลง ในทางกลับกับ ในฝ่ายรายได้ อาจมีแผนการตลาดที่ผิด, การตั้งราคาที่ไม่เหมาะสม หรือ การเลือกค้ากับคู่ค้าที่มีเครดิตเทอมยาวเกินไป เป็นต้น

3. การคาดการณ์ (Predictive) เพื่อพยากรณ์ว่าจะเกิดอะไรขึ้นในอนาคต ซึ่งสะท้อนได้หลายสถานการณ์ในการตลาด ยกตัวอย่าง เช่น ยอดหนี้ (Liability) เริ่มมีสัดส่วนเทียบเท่า Cash On Hand นั่นหมายความถึงสัญญานของการขาดสภาพคล่องทางการเงิน หรือ ในกรณีที่ รายจ่ายมีจำนวนเพิ่มสัดส่วนเกือยเท่ากับราได้ นั่นหมายถึง ความสามารถในการได้มาซึ่งรายได้กำลังลดต่ำลง ซึ่งผลลัพท์ก็คือ มีแนวโน้มที่จะขาดทุน และหากมีจำนวนเงินสดในมือมไม่เพียงพอกับรายจ่าย ก็จะนำมาซึ่งสัญญานของการล้มลละลายได้ในอนาคต (ซึ่งนี่เป็นตัวอย่างที่สะท้อนได้จาก MonsoonSIM)

4. การกำหนดต้องทำอย่างไรต่อไป (Perscriptive) เป็นคำตอบที่สาย Data Analytics จำเป็นจะต้อง "ตัดสินใจ" เพราะว่า Business Data Analytics นั้น เป็นกระบวนการที่เกิดมาเพื่อตอบสนอง Why ? หรือปลายทางของกิจกรรมทั้งสิ้น ตัวอย่างเช่น จาก forecast ค้นพบว่าจะมีปริมาณการบริโภคสินค้า X เพิ่มขึ้น ในวันที่ 17 ซึ่งมี Lead Time อีกราว 10 วัน ในปริมาณสินค้าคงคลังที่มีอยู่ มีจำนวนไม่เพียงพอที่จะตอบรับการบริโภคที่เพิ่มขึ้นได้ รวมไปถึงแผนการตลาดที่ฝ่ายการตลาดจะลงสื่อเพื่อทำตลาดเพิ่มขึ้นด้วย เป้าหมายหลัก คือ มีสินค้าเพียงพอในวันที่ 17 เมื่อไปกระทบกับ หลัก Resource Management เช่น สินค้าคงคลง พบว่าไม่พอ, เวลา ยังมีเวลาเพียงพอที่จะผลิต หรือ สั่งสินค้า และขนส่งไปยังปลายทางได้ทัน, ทว่า "เงินสด" ในมือมีไม่พอ ประกอบกับเครื่องจักรมีความพร้อมเพียง 68% ทำให้ต้องตัดสินใจว่า จะใช้การทำ Procure Mix โดย ผลิตเองเพียง 60% และสั่งสินค้าที่ผลิตเสร็จ อีก 40% รวมกับ สินค้าคงคลังเดิมที่มีอีก 30% เพื่อรองรับแผนการตลาดในวันที่ 17 เป็นต้น จะเห็นได้ว่า MonsoonSIM สามารถที่จะให้แนวคิดพื้นฐานในการวิเคราะห์เรื่อง Business Data Analytics ได้อย่างดี สิ่งที่ควรมีในสาย Busisee Data Analytics เช่น

- ความรู้พื้นฐานด้านการบริหารธุรกิจ เช่น บัญชี, การเงิน, การ Procurement, การบริหารเวลาและทรัพยากรอื่น ๆ

- ความรู้พื้นฐานในการจัดการ เช่น การจัดการการผลิต, การบริหารสินค้าคงคลัง, การบริหารการซ่อมบำรุงเครื่องจักร, การบริหารคน