การวิเคราะห์ข้อมูลอย่างเฉียบคมเหมือนกับการรังสรรค์อาหารของเชฟระดับมิชลินสตาร์
เมื่อเราให้วัตถุดิบส่วนผสม (ingredients) และอุปกรณ์ทำครัว (utensils) ที่เหมือนกันทุกประการให้กับเชฟระดับมิชลินสตาร์ 2 ท่านรังสรรค์อาหารให้กับเราทาน ท่านคิดว่าอาหารจะเหมือน หรือ แตกต่างกัน อย่างไร
ใช่แล้วครับ คำตอบคือ “แตกต่างกัน” เพราะการทำอาหารของเชฟแต่ละท่านแม้ว่าจะใช้วัตถุดิบส่วนผสมเดียวกัน และใช้อุปกรณ์ทำครัวที่เหมือนกัน เชฟก็จะรังสรรค์อาหารรสเลิศที่แตกต่างกันในสไตล์ของตัวเอง ด้วยความมุ่งมั่นพิถีพิถันในการปรุงรสเพื่อส่งมอบความสุขให้กับเราอย่างสุดความสามารถ
เชฟแต่ละท่านกว่าจะผ่านมาตรฐานมิชลินสตาร์ ต้องมีประสบการณ์การทำอาหารมาอย่างโชกโชน เพื่อพัฒนาทักษะการทำอาหาร การปรุงรสชาติ และความคิดสร้างสรรค์ ตลอดจนความสม่ำเสมอในคุณภาพของอาหาร ซึ่งถือได้ว่าเป็นการผสมผสานทั้งศาสตร์และศิลป์ในการรังสรรค์อาหารรสเลิศ
หากเปรียบนักวิเคราะห์ข้อมูลเป็นเชฟนั้น วัตถุดิบส่วนผสม (ingredients) ก็คือ ข้อมูลและบริบท (data & context) อุปกรณ์ทำครัว (utensils) ก็คือ เครื่องมือและซอฟท์แวร์ (data processing machines & software) ที่ใช้ในการประมวลผลข้อมูล เพื่อรังสรรค์อาหารเลิศรส (delicious foods) ก็คือ ข้อมูลเชิงลึก (insights) ในการตัดสินใจอย่างเฉียบคม
แม้ว่าจะมีข้อมูลชุดเดียวกัน ใช้เครื่องมือและซอฟท์แวร์แบบเดียวกัน นักวิเคราะห์ข้อมูลแต่ละคนจะประยุกต์ใช้ทั้งศาสตร์และศิลป์ที่แตกต่างกัน ซึ่งอาจได้ข้อมูลเชิงลึกที่ไม่เหมือนกัน
นักวิเคราะห์ข้อมูลเชิงลึกที่มีคุณภาพจะต้องฝึกฝนพัฒนาทักษะการวิเคราะห์ข้อมูล ความเข้าใจในบริบท และความคิดสร้างสรรค์ในการอ่านข้อมูล ตลอดจนความสม่ำเสมอในคุณภาพของข้อมูลเชิงลึกที่วิเคราะห์ ไม่ต่างจากเชฟที่ผ่านมาตรฐานมิชลินสตาร์นั่นเอง
สูตรลับในการวิเคราะห์ข้อมูล คือ นักวิเคราะห์ต้องพัฒนาเซนส์ (sense) ใน 3 ด้านอย่างสมดุลได้แก่
เซนส์ด้านข้อมูล (Data Sense)
เซนส์ด้านข้อมูลเปรียบได้กับเชฟมีเซนส์ที่เข้าใจวัตถุดิบและเลือกใช้วัตถุดิบในการปรุงอาหาร
ผมได้มีโอกาสดูรายการแข่งขันทำอาหาร ทุกครั้งเชฟผู้ตัดสินก็จะย้ำกับผู้เข้าแข่งขันว่า “การเป็นเชฟที่ดีต้องศึกษาหาความรู้เรื่องวัตถุดิบอย่างสม่ำเสมอ” ผลลัพธ์ก็คือผู้ผ่านการทดสอบแทบทุกคนไม่เคยรังสรรค์อาหารจากวัตถุดิบนั้นมาก่อน แต่ก็สามารถประยุกต์ใช้ทักษะที่เคยฝึกฝนจากการศึกษาวัตถุดิบอื่นที่สามารถใช้ทักษะใกล้เคียงกันได้เพราะมีเซนส์ด้านวัตถุดิบ
สำหรับนักวิเคราะห์มี “ข้อมูล” และ “บริบท” เป็นวัตถุดิบส่วนผสม ดังนั้นนักวิเคราะห์ที่ดีต้องศึกษาหาความรู้เกี่ยวกับข้อมูลที่หลากหลาย และบริบทที่เกี่ยวข้องกับข้อมูลที่วิเคราะห์อย่างต่อเนื่อง พร้อมทั้งฝึกฝนการวิเคราะห์ข้อมูลร่วมกับบริบทอย่างสม่ำเสมอ เพื่อขยายขอบเขตความสามารถในการวิเคราะห์ข้อมูลเชิงลึกให้ครอบคลุมมากขึ้น หากเจอกับโจทย์ปัญหาการวิเคราะห์ที่ไม่เคยเจอมาก่อน นักวิเคราะห์ก็จะสามารถประยุกต์ใช้ความรู้และทักษะที่ฝึกฝนมานั้นได้อย่างมีประสิทธิผล และยังสามารถต่อยอดความชำนาญจากประสบการณ์การวิเคราะห์ที่หลากหลายขึ้นจากโจทย์ปัญหาที่ยากขึ้น
การฝึกฝนการใช้ข้อมูลร่วมกับบริบทมาอย่างเชี่ยวกรำ จะพัฒนาเซนส์ด้านข้อมูล (data sense) ให้เพิ่มขึ้น ซึ่งช่วยเพิ่มคุณภาพและประสิทธิภาพในการวิเคราะห์ข้อมูล (data) ให้กลายเป็น (insights) ได้แม้อาจไม่เคยวิเคราะห์ข้อมูลประเภทนั้นมาก่อน
เซนส์ด้านเทคนิค (Technical Sense)
เซนส์ด้านเทคนิคเปรียบได้กับเชฟที่มีเซนส์เข้าใจเครื่องมือและเลือกใช้เครื่องมือในการปรุงอาหาร
ผมเคยดูรายการแข่งขันเชฟของประเทศญี่ปุ่น เกี่ยวกับศิลปะการทำอาหารชั้นสูง การใช้มีดกับวัตถุดิบส่วนผสมที่ต่างกัน รูปแบบการหั่น/เฉือนที่ต่างกัน ขนาดการหั่น/เฉือนที่ต่างกัน มีผลต่อรสชาติของอาหารอย่างมีนัยสำคัญ แม้ว่าเชฟอาหารญี่ปุ่นส่วนใหญ่มีทักษะพื้นฐานการใช้มีดที่ดี แต่เชฟที่ประสบความสำเร็จจะฝึกฝนศิลปะในการประยุกต์ใช้มีดทำอาหารในขั้นสูง เลือกใช้มีด และวิธีการหั่น/เฉือนให้เหมาะสมกับวัตถุดิบส่วนผสม เพื่อให้รสสัมผัสส่งเสริมรสชาติอาหารโดยรวมให้ละมุนลิ้นมากยิ่งขึ้น
นักวิเคราะห์ก็เปรียบเช่นเดียวกับเชฟ ฝึกฝนเรียนรู้ทักษะพื้นฐานการใช้เครื่องมือและซอฟท์แวร์อย่างต่อเนื่อง แต่ถ้าต้องการประสบความสำเร็จมากขึ้นจะต้องฝึกฝนศิลปะการใช้เครื่องมือและซอฟท์แวร์เพื่อวิเคราะห์ข้อมูลและบริบทของข้อมูลให้เป็นข้อมูลเชิงลึกในการตัดสินใจให้เฉียบคมยิ่งขึ้น
เนื่องจากเครื่องมือและซอฟท์แวร์มีการแข่งขันกันพัฒนาเพื่อให้ผู้ใช้งานทำงานง่ายขึ้น เร็วขึ้นอย่างต่อเนื่อง นักวิเคราะห์ยิ่งต้องอัปเดทความรู้ใหม่ๆ เพื่อนำมาฝึกฝนเพิ่มประสิทธิภาพในการวิเคราะห์อยู่เสมอ
ในอนาคตอันใกล้จะมีการนำเอา AI มาช่วยในการวิเคราะห์ข้อมูลแบบพร้อมใช้มากขึ้น มีผู้พัฒนา Auto Machine Learning (เช่น DataRobot) ที่ทำให้ Machine Learning ง่ายขึ้น สำหรับผู้ไม่มีความรู้ด้าน coding ก็สามารถทำโมเดลได้ ดังนั้นนักวิเคราะห์ต้องศึกษาหาความรู้อย่างต่อเนื่องเพื่อจะได้ปรับตัวต่อเครื่องมือที่พัฒนาขึ้นอย่างก้าวกระโดด
ผมเชื่อว่าการพัฒนาของเครื่องมือและซอฟท์แวร์จะมีการพัฒนาในอัตราที่ก้าวกระโดด การฝึกฝนการใช้เครื่องมือเพื่อวิเคราะห์ข้อมูลและบริบทของข้อมูลให้เป็นข้อมูลเชิงลึกในการตัดสินใจอย่างสม่ำเสมอ จะช่วยสร้างเซนส์ด้านเทคนิค (technical sense) ที่ช่วยให้นักวิเคราะห์สามารถประยุกต์ใช้เครื่องมือและซอฟท์แวร์ใหม่ๆ ได้อย่างรวดเร็วและมีประสิทธิผล
เซนส์ด้านธุรกิจ (Business Sense)
เซนส์ด้านธุรกิจเปรียบได้กับเชฟที่มีเซนส์ว่าอาหารเลิศรสนั้นมีรสชาติเช่นไรและนำมาปรุงอาหารรสชาติตอบโจทย์ลูกค้า
เชฟฝีมือดีจำนวนมากมุ่งมั่นเรียนรู้จากประสบการณ์โดยเข้าทำงานเพื่อฝึกฝนกับร้านอาหารระดับมิชลินสตาร์ หรือโรงเรียนสอนทำอาหารชั้นนำ ตลอดจนเรียนรู้จากตำราหรือวีดีโอการทำอาหารเพิ่มเติมเพื่อเพิ่มพูนความรู้นอกเหนือจากงานในครัวที่ทำเป็นประจำ เมื่อมีโอกาสจะออกเดินทางไปสถานที่ต่างๆ เพื่อทดลองชิมอาหารเลิศรสของท้องถิ่นนั้นๆ เพื่อศึกษารสชาติและส่วนประกอบของอาหารนั้นๆ แล้วนำมาปรับใช้ในการรังสรรค์เมนูใหม่ของตนเอง
การวิเคราะห์ข้อมูลธุรกิจให้เฉียบคม นักวิเคราะห์ก็ควรเรียนรู้จากประสบการณ์จากนักวิเคราะห์ธุรกิจเก่งๆ หรือ หลักสูตรที่สอนเกี่ยวกับธุรกิจเพื่อนำมาประยุกต์ใช้กับการวิเคราะห์ ตลอดจนศึกษาเพิ่มเติมต่อเนื่องจากแหล่งอื่นๆ เรียนรู้หลักการบริหารธุรกิจ ตัวอย่างการวิเคราะห์ธุรกิจ รวมถึงฝึกทำการวิเคราะห์ข้อมูลตามพื้นฐานความรู้การบริหารธุรกิจ จากสื่อต่างๆ ไม่ว่าจะเป็นหนังสือ บทความ วีดีโอ เพื่อสร้างความเฉียบคมทางธุรกิจ (business acumen)
การฝึกฝนวิเคราะห์ข้อมูลตามพื้นฐานความรู้การบริหารธุรกิจ จะพัฒนาเซนส์ด้านธุรกิจ (business sense) ซึ่งช่วยเพิ่มให้ผลการวิเคราะห์ตอบโจทย์ธุรกิจ มีส่วนสนับสนุนการตัดสินใจที่เฉียบคมเพื่อให้ธุรกิจเติบโตอย่างยั่งยืนในระยะยาว
ความท้าทายด้านเซนส์ของเชฟและนักวิเคราะห์
ความท้าทายที่สำคัญของเชฟที่คือการรับรู้รสชาติของอาหาร เนื่องจากเชฟต้องชิมอาหารที่ปรุงก่อนเสริฟทุกครั้ง หากเชฟไม่สามารถรักษามาตรฐานการรับรู้รสชาติได้ อาทิ เอนเอียงไปทางรสหวานหรือที่เรามักจะเรียกว่า “ติดหวาน” รสชาติของอาหารที่รังสรรค์ก็จะไม่กลมกล่อมตามที่ควรจะเป็น อันเนื่องจากการรับรู้รสชาติขณะชิมไม่เป็นไปตามมาตรฐานนั่นเอง ดังนั้นเชฟจึงต้องมีวินัยเพื่อรักษาความสามารถในการรับรู้รสชาติของตนเองให้มากที่สุด
นักวิเคราะห์ก็เผชิญความท้าทายที่คล้ายกัน เพียงแต่ในมุมของนักวิเคราะห์จะมีปัญหาเรื่องความลำเอียงทางจิตวิทยา (psychological bias) ของการวิเคราะห์ ความลำเอียงทางจิตวิทยาที่พบบ่อยในหมู่นักวิเคราะห์คือ ความลำเอียงเพื่อยืนยัน (confirmation bias) อาทิ ตั้งคำถามเพื่อที่จะได้รับคำตอบจากการวิเคราะห์ที่นับสนุนความเชื่อหรือความคิดของตนเอง แล้ววิเคราะห์ข้อมูลเฉพาะในส่วนนี้เท่านั้นแทนที่จะสืบเสาะวิเคราะห์ข้อมูลรอบด้านที่เกี่ยวข้องทั้งหมด หรือตีความหมายของข้อมูลเอนเอียงไปตามความเชื่อหรือความคิดของตน
ดังนั้นนักวิเคราะห์จึงควรศึกษาเกี่ยวกับความลำเอียงทางจิตวิทยา ตลอดจนหาแนวทางป้องกัน หรือลดความลำเอียงให้ได้มากที่สุด เพื่อให้การวิเคราะห์นั้นสนับสนุนการตัดสินใจที่เฉียบคมตามเหตุผลและข้อเท็จจริง
