ข้อมูลคืออะไร นำไปต่อยอดในการทำงานอย่างไรได้บ้าง?

การใช้ประโยชน์จากข้อมูล Data, Analysis, Information, Vision and Mission ข้อมูลคืออะไร นำไปต่อยอดในการทำงานอย่างไรได้บ้าง?

สิ่งหนึ่งที่น่าเสียดาย คือ การมีข้อมูลอยู่ในมือมากมาย แต่ไม่ได้นำไปใช้ประโยชน์อย่างมีประสิทธิภาพถ้าเราพูดถึงเรื่องข้อมูล เรามีข้อมูลที่เรียกว่า Data  ถ้า Data ผ่านกระบวนการวิเคราะห์หรือ Analysis ข้อมูลเหล่านั้น ก็จะกลายเป็นรายละเอียดที่สำคัญ หรือที่เรียกว่า Information ซึ่ง  Information นี้จะนำไปสู่การกำหนดเป็น Vision หรือวิสัยทัศน์อย่างมีประสิทธิภาพและมีคุณภาพ เพราะเป็นการกำหนดวิสัยทัศน์ ที่มาจากพื้นฐานของการมีข้อมูล ที่ผ่านกระบวนการวิเคราะห์จนได้รายละเอียดที่ชัดเจน เชื่อถือได้ มีความถูกต้อง ทำให้การกำหนดวิสัยทัศน์มีความเป็นไปได้สูง และวิสัยทัศน์หรือ Vision อันนี้ ก็จะนำไปสู่รายละเอียด เพื่อกำหนดเป็นภารกิจหรือ Mission ต่อไป

1. Data ประกอบไปด้วยข้อมูล 2 ประเภทได้แก่ Qualitative ข้อมูลเชิงคุณภาพ กับ Quantitative ข้อมูลเชิงปริมาณ ซึ่งจะแบ่งออกเป็น 4 ลักษณะดังนี้

1.1 Nominal Data เป็น Qualitative ข้อมูลเชิงคุณภาพ คือ ข้อมูลที่บ่งบอกถึง ลักษณะนาม เช่น ผู้ชาย หรือ ผู้หญิง สีดำ หรือ สีแดง

1.2 Ordinal Data เป็น Qualitative ข้อมูลเชิงคุณภาพ คือ ข้อมูลเชิงลำดับ เช่น การให้คะแนนเป็น A B C D E หรือ สูง กลาง ต่ำ หรือ ลำดับที่ 1 2 3

1.3 Discrete Data เป็น Quantitative ข้อมูลเชิงปริมาณ คือ ข้อมูลที่บ่งบอกถึง จำนวนนับ เช่น นักเรียนในห้องมีกี่คน หรือ จำนวนประชากรในจังหวัดกรุงเทพฯมีกี่คน

1.4 Continuous Data เป็น Quantitative ข้อมูลเชิงปริมาณ คือ ข้อมูลที่บ่งบอกถึงปริมาณ เช่น ความสูง 178.5 cm หรือ น้ำหนัก 82.7 กิโลกรัม ซึ่งเป็นข้อมูลที่มีจุดทศนิยมแบบต่อเนื่อง

2. Analysis คือ การนำ Data หรือข้อมูลเบื้องต้น มาทำการวิเคราะห์ ซึ่งอาจจะเป็นการวิเคราะห์โดยใช้สูตรคณิตศาสตร์แบบพื้นฐาน หรือ การวิเคราะห์โดยใช้คณิตศาสตร์ทางสถิติ ซึ่งจะเป็นหลักวิชาการที่ซับซ้อนขึ้น เพื่อให้เกิดการแปลงข้อมูล Data ไปเป็น รายละเอียด information ซึ่งจะมีหลายรูปแบบ เช่น

2.1 การนำมาเรียงลำดับความสำคัญจากน้อยไปหามาก

2.2 การนำไปทำเป็น รูปกราฟแท่ง เพื่อแสดงถึงความสัมพันธ์เชิงเปรียบเทียบของข้อมูลแต่ละตัว

2.3 การนำไปคำนวณเชิงเปรียบเทียบ เช่นเป็น % เทียบกันระหว่างข้อมูล 2 ตัว

2.4 การนำไปวิเคราะห์ด้วยความรู้ทางด้านสถิติ Statistical Analysis เช่น การคำนวณ ค่าความถี่ Frequency Table   Accumulate Frequency Table ค่าเฉลี่ย Mean ค่าความเบี่ยงเบนมาตรฐาน Standard Deviation ค่า CV Co Efficiency of Variance การคำนวณขอบเขตบนล่างที่ระดับความเชื่อมั่น 95% หรือ 95% of confident Level การวิเคราะห์ความแปรปรวน  Analysis of Variance หรือ Regression analysis หรืออื่นๆ อีกมากมายที่อยู่ในตำราสถิติ

3. Information หรือ รายละเอียดจากการวิเคราะห์ สิ่งนี้จะเกิดขึ้นได้ ก็ต่อเมื่อ นำข้อมูลพื้นฐาน Data มาผ่านกระบวนการวิเคราะห์ทางสถิติ Statistical Analysis ทำให้เราสามารถแปลงข้อมูลธรรมดาๆ ให้กลายเป็นรายละเอียดที่บ่งบอกถึง ความสัมพันธ์ต่างๆที่ซ่อนอยู่ในข้อมูลแต่ละตัวในเชิงสัมพันธ์เปรียบเทียบ ซึ่งจะเป็นประโยชน์มากในการนำไปใช้กำหนดทิศทาง ในการวางแผนวิสัยทัศน์ Vision ของบริษัทต่อไป

4. Vision คือ วิสัยทัศน์ ที่บริษัทจะกำหนดว่า อนาคตเราจะเดินไปทางไหน เราจะเดินอย่างไร เหตุใดเราจึงเดินไปทางนั้น และเหตุผลสนับสนุนที่ทำให้เราต้องตัดสินใจกำหนดทิศทางบริษัทแบบนั้น ซึ่งเรื่องนี้เป็นเรื่องที่สำคัญมาก เพราะการกำหนดวิสัยทัศน์นั้น หากเราไม่มีข้อมูล ไม่มีการวิเคราะห์ ไม่มีรายละเอียดเชิงเปรียบเทียบไว้เป็นพื้นฐานในการกำหนดทิศทางเพื่อตัดสินใจแล้ว จะทำให้เรากำหนดทุกอย่างแบบคาดเดาและไม่สามารถจะคาดการณ์ได้เลยว่า วิสัยทัศน์อันนั้น จะมีความเป็นไปได้มากน้อยเพียงใดที่จะเกิดขึ้นจริงเพราะเราไม่มีข้อมูลรองรับ

แต่หากเราทำการวิเคราะห์ข้อมูลด้วยหลักวิชาการทางด้านสถิติ เราก็จะได้รายละเอียดที่ชัดเจน ยืนยันความเป็นไปได้ และโอกาสที่จะสำเร็จได้ มากกว่า การใช้จินตนาการคาดเดาเท่านั้น เพราะสิ่งที่เกิดขึ้นในอดีตแม้จะไม่สามารถรับประกันว่าจะเกิดขึ้นจริงในอนาคตได้ชัดเจน แต่อย่างน้อย สิ่งที่เกิดขึ้นในอดีต ก็จะเป็นทางให้เราคาดเดาผลลัพธ์ที่อาจจะเป็นไปได้ในอนาคตอย่างมีเหตุผล

5. Mission คือ ภารกิจ ที่จะต้องนำไปปฏิบัติเพื่อให้ประสบความสำเร็จ และเป็นไปตามแผน โดย Mission หรือภารกิจนี้ จะถูกกำหนดขึ้นมา ภายใต้กรอบของ Vision หรือวิสัยทัศน์ เมื่อ Vision ถูกกำหนดขึ้นมาอย่างมีระบบ มีเหตุมีผล มีการคำนวณทางคณิตศาสตร์รองรับ มีการวิเคราะห์ข้อมูลอย่างถูกต้อง นั่นหมายความว่า ภารกิจนั้น ก็จะมีความถูกต้องแม่นยำเช่นกัน ทำให้โอกาสที่ ภารกิจที่กำหนดขึ้นจะประสบความสำเร็จเป็นไปตามเป้าหมายที่ต้องการนั้น มีความเป็นไปได้สูงและมีโอกาสสำเร็จสูงเช่นกัน

เราจะสังเกตเห็นได้ใช่ไหมว่า การมีเพียงแค่ Data หรือข้อมูลอยู่ในมือเท่านั้น มันจะไม่มีประโยชน์เลยไม่ว่าเราจะเก็บไว้มากแค่ไหน หรือ เก็บข้อมูลมานานแค่ไหนแล้วก็ตาม แต่หาข้อมูล หรือ Data นั้น ยังถูกเก็บไว้แบบเดิม ไม่ถูกนำมาวิเคราะห์ด้วยหลักวิชาการทางด้านสถิติ หรือนำมาคำนวณเพื่อเปรียบเทียบ Data ข้อมูลเหล่านั้นก็จะเหมือนขยะที่ไร้ประโยชน์ เพราะบอกอะไรเราไม่ได้เลย นอกจากเพียงคำว่า มันมีข้อมูลอยู่ในมือ

การวิเคราะห์ทางสถิติจึงเป็นสิ่งจำเป็นที่จะต้องนำมาใช้ เราหลีกเลี่ยงไม่ได้ ที่จะต้องวิเคราะห์โดยใช้หลักวิชาการนี้ เพราะมันคือ ศาสตร์แห่งการคาดเดาอย่างมีเหตุผล และยืนยันความเป็นไปได้และความถูกต้องอย่างมีนัยยะสำคัญ ซึ่งคนส่วนใหญ่ไม่ได้นำมาใช้ เพราะขาดความรู้ หรือความเข้าใจในศาสตร์นี้

หลายคนอาจจะคิดว่า Statistical Analysis มันไม่สำคัญ เราสามารถใช้จินตนาการ หรือประสบการณ์ในการคาดเดาอนาคตได้ ซึ่งสิ่งนี้ ก็ไม่ได้ผิดเสียทีเดียว แต่รับประกันได้ว่า ถ้าเรานำข้อมูลมาผ่านกระบวนการวิเคราะห์ทางสถิติอย่างเป็นระบบ เราจะได้ Information หรือรายละเอียด ที่เราไม่เคยคาดคิดมาก่อนว่า มันจะมีมิติของความสัมพันธ์ หรือสัญญาณบางอย่างที่เราสามารถจับได้จากการวิเคราะห์ข้อมูลออกมานอกเหนือจากการมองเห็นข้อมูลอย่างผิวเผินโดยใช้ประสบการณ์หรือคณิตศาสตร์พื้นฐานธรรมดาๆ ในขั้นต้นเท่านั้น

ข้อมูลที่ผ่านการวิเคราะห์ทางด้านสถิติมาแล้ว จะรับประกันได้เลยว่า คุณจะไม่หลงทางในการก้าวไปข้างหน้า และจะนำคุณไปสู่เส้นทางที่สั้น ตรงที่สุด มีความแม่นยำ และโอกาสประสบความสำเร็จสูงกว่าการใช้จินตนาการหรือประสบการณ์ส่วนตัวแน่นอน

เรามาดูตัวอย่างความรู้ที่ต้องใช้ในการวิเคราะห์ทางสถิติเบื้องต้นว่ามีอะไรบ้าง

• Bar Chart คือ กราฟที่ใช้เปรียบเทียบปริมาณของข้อมูลแต่ละตัว
• Scatter Plot คือ กราฟที่ใช้บ่งบอกถึง การกระจายตัวของข้อมูลว่า ส่วนใหญ่อยู่ในช่วงไหน
• Stem Left Plot คือ กราฟที่บ่งบอกถึงความถี่ของข้อมูลในแต่ละช่วงว่า มีปริมาณมากน้อยเพียงใด
• Accumulate Frequency คือ กราฟที่บ่งบอกถึงความถี่สะสมของข้อมูลแต่ละลำดับขั้นต่อเนื่องกันไป ซึ่งจะแสดงให้เห็นถึง เปอร์เซ็นต์ของข้อมูลในแต่ละช่วง เทียบกับปริมาณข้อมูลทั้งหมด
• Histogram คือ กราฟที่จะบอกถึงความถี่ของข้อมูลที่ถูกกำหนดไว้เป็นช่วงๆ ของข้อมูล
• Polygon คือกราฟที่มีลักษณะเหมือนกับ Histogram แต่จะใช้จุดกึ่งกลางของแต่ละช่วงของข้อมูลในการบอกถึงความถี่ของข้อมูลในช่วงนั้น
• Pareto คือ กราฟที่ช่วยบ่งบอกว่าปัญหาทั้งหมดที่มีอยู่นั้น ปัญหาส่วนใหญ่จะอยู่ในเรื่องใด
• Box Plot คือ กราฟที่ช่วยบ่งบอกในลักษณะของ การแบ่งเปอร์เซ็นต์ไทล์ ออกเป็น 4 ส่วน เพื่อให้รู้ว่า ข้อมูลช่วงไหนอยู่ในเปอร์เซ็นต์ไทล์ที่เท่าไหร่ แล้วข้อมูลใดที่อยู่นอกเหนือจาก Outlier หรือ ขอบเขตสุดขอบที่จะถือว่าเป็นข้อมูลผิดปกติได้
• Normal Distribution คือ ข้อมูลที่แปลงมาจากฮิสโตแกรม เพื่อให้เกิดการแบ่งพื้นที่ภายใต้กราฟ เพื่อแสดงถึงความน่าจะเป็นของช่วงข้อมูลที่อยู่ในแต่ละช่วงที่เราต้องการรู้ว่า ถ้าข้อมูลอยู่ในช่วงนี้ถึงช่วงนี้ มีโอกาสหรือความเป็นไปได้มากน้อยเพียงใด ที่จะเกิดขึ้นในช่วงของข้อมูลดังกล่าว
• Mean คือ ค่าเฉลี่ยของข้อมูลทั้งหมด ซึ่งค่านี้จะเป็นประโยชน์มากในการนำไปคำนวณ เพื่อกำหนดค่าต่ำสุด กับ ค่าสูงสุดที่ระดับความเชื่อมั่น 95% หมายความว่า เราสามารถกำหนดได้ว่า ลักษณะข้อมูลดังกล่าวนี้ในช่วงความเชื่อมั่น 95% สิ่งที่จะเกิดขึ้นจะเป็นข้อมูลอยู่ในช่วงใดถึงช่วงใด
• Analysis of Variance คือ การวิเคราะห์ความแปรปรวน ประโยชน์ของเรื่องนี้ คือ การนำไปวิเคราะห์ว่า ข้อมูล 2 อย่าง มีความแปรปรวนซึ่งกันและกันหรือไม่ เช่น หากต้องการทราบว่า ยี่ห้อของยาง 3 ยี่ห้อ มีผลต่อการตัดสินใจในการเปลี่ยนยางของ รถยนต์ 3 ยี้ห้อนี้อย่างไร หรือ ไม่มีผลใด ๆ เลย
• Multiple Regression Analysis เป็นการพยากรณ์ตัวแปรหนึ่ง โดยอ้างอิง จากอีกตัวแปรหนึ่ง เรียกว่า Linear Regression Analysis ตัวอย่างเช่น ต้องการพยากรณ์ สต็อกสินค้า ว่ามีความสัมพันธ์ กับ ปริมาณยอดขาย ที่คาดการณ์ไว้ล่วงหน้าอย่างไร เพื่อจะรู้ว่า ควรจะต้องมี สต็อกสินค้าจำนวนเท่าไหร่ จึงจะเพียงพอ แต่หากว่าเราต้องการพยากรณ์สิ่งหนึ่ง เทียบกับ ตัวแปรตั้งแต่ 2 ตัวขึ้นไป เราก็จะเรียกว่า Multiple Regression Analysis

เริ่มจาก Data ไปสู่ขบวนการ  Analysis ให้ได้มาซึ่ง Information เพื่อนำไปสู่ Vision และ กำหนด Mission ให้ Vision เป็นจริง ในที่สุด

👉ฝากประวัติกับออร์คิดจ๊อบ

👉บริการสรรหาพนักงาน