ทำไมธุรกิจทำ Digitizing แล้วยังไม่สามารถทำ Digital Transformation ได้ (ตอนที่ 1)

Screenshot 2018-08-05 11.29.12

ผู้บริหารธุรกิจหลายๆคนอาจสับสนกับการเรื่องของการทำ Digitization คือการเปลี่ยนข้อมูลต่างๆของธุรกิจจากอนาล็อกให้เป็นดิจิทัล กับความหมายของคำว่า Digital Transformation

  • ผู้บริหารมอบหมายให้ฝ่ายไอทีไปทำระบบ CRM หรือ ERP
  • ผู้บริหารมอบหมายให้ฝ่ายการตลาดไปทำ Digital Marketing
  • ผู้บริหารมอบหมายให้ฝ่ายขายไปทำ e-Commerce

แต่สุดท้ายธุรกิจก็ยังไม่ดีขึ้น บ้างก็ยังเห็นยอดขายลดลงอย่างต่อเนื่อง บ้างก็ยังต้องปิดกิจการแล้วไปต่อไม่ได้ ผมเคยตั้งคำถามกับผู้บริหารหลายๆคนว่า สื่อสิ่งพิมพ์ต่างๆทำ Digitzation ไหม เขามีระบบไอทีที่ดีไหม เขาทำเว็บไซต์ไหม เขาขายออนไลน์ไหม หรือถามว่าธุรกิจค้าปลีกหลายใหญ่หลายๆรายมีระบบ CRM, ERP ไหม มีระบบ online E-commerce ซึ่งทุกท่านก็จะตอบว่ามี แล้วทำไมยังอยู่รอดไม่ได้ คำตอบส่วนหนึ่งก็คือว่าการทำ Digitization ไม่ใช่เป็นการทำ Digital Transformation ปัญหาของธุรกิจหลายๆแห่งที่ประสบอยู่ในปัจจุบันอาจเกิดจากการที่ Business Model ของเราต้องเปลี่ยน อุตสาหกรรมอาจเปลี่ยน คู่แข่งอาจเปลี่ยนไป และลูกค้าอาจเปลี่ยนไป ดังนั้นการทำไอทีในองค์กรหรือการทำ Digitzing อาจไม่ได้ช่วยทำให้ธุรกิจอยู่รอดได้ แต่สิ่งที่ควรทำกลับเป็น

  • ทบทวนรูปแบบ Business Model ของธุรกิจเรา
  • ทบทวน Value chain ของธุรกิจเรา
  • การกำหนดกลยุทธ์เชื่อมโยงกับลูกค้าแบบใหม่ในโลกดิจิทัล
  • การสร้างทักษะของบุคลากรและปรับองค์กรใหม่

การทบทวนรูปแบบ Business Model

บางครั้งเราอาจจะต้องมาปรับแนวคิดของธุรกิจเรา คำถามว่าธุรกิจในปัจจุบันเราอยู่ในสถานะใดจำเป็นต้องเปลี่ยนรูปแบบหรือไม่ เราจะเห็นได้ว่าบางครั้งธุรกิจที่ประสบความสำเร็จ อาจจะเริ่มต้นจากจุดหนึ่งแลัวก็ต้องปรับเปลี่ยนไปเรื่อยๆ ซึ่งการปรับธุรกิจเปลี่ยนต้องคำนึงถึงลูกค้ารอบตัวเราแต่ไม่ใช่คำนึงถึงสินค้าหรือคู่แข่งของเรา  (Define your business around your customers, not your products or competotitos)  ตัวอย่างของ Amazon ที่เริ่มจากการขายหนังสืออvนไลน์ และเปลี่ยนตัวเองเป็นร้านค้าปลีกออนไลน์ หลังจากนั้นก็ปรับตัวเองเป็น Platform ที่จะให้ผู้ค้าอื่นเอาสินค้ามาขายให้ลูกค้าผ่าน Amazon.com ได้ จากนั้นก็ปรับไปทำขายเพลง ภาพยนตร์ หรือขาย Hardware อย่าง Fire TV หรือทำ Amazon Echo แข่งกับ Google รวมไปถึงการเป็นผู้ให้บริการ  Cloud  แข่งกับบริษัทไอทีเดิมอย่าง  IBM, Microsoft จะเห็นได้ว่าเป็นตัวอย่างที่ปรับตัวเองตลอด

Screenshot 2018-08-19 16.17.30

รูปที 1 รูปแบบการแข่งขันแบบใหม่ [จากหนังสือ Driving digital strategy: a guide to reimagining your business] 

แนวทางการแข่งขันในรูปแบบใหม่ อาจพิจารณาได้จากรูปที่ 1 ที่ชี้ให้เห็นโมเดลการทำธุรกิจหลากหลายรูปแบบ

  • แนวคิดแบบเดิมคือการทำให้ Product ที่นำเสนอลูกค้ามีราคาถูกลงหรือคุณภาพดีขึ้นเพื่อแข่งขันได้
  • แนวคิดถัดมาเราอาจปรับกลยุทธ์เป็น Razor-Blade เหมือนที่บริษัทขายเครื่องพิมพ์ราคาแต่เน้นขายหมึกพิมพ์จำนวนมากขึ้น หรือเหมือน Kindle  ที่เน้นขาย eBooks
  • รูปแบบการทำธุรกิจใหม่อาจเป็นการสร้าง Business Platform แล้วหวังให้มีลูกค้าจำนวนมากขึ้นเพื่อสร้าง Network effect เพราะการได้ฐานลูกค้าจำนวนมาก่อนน่าจะเป็นผู้ชนะ (ดูบทความเรื่อง Digital Transformation คือการพัฒนา Platform มิใช่แค่การสร้าง Product หรือ Service)
  • สุดท้ายเราอาจผสมผสานทั้งการสร้าง Platform และ การมี Product/Services ที่หลากหลายอย่าง Amazon และ WeChat

การทบทวน Value chain

เทคโนโลยีดิจิทัลใหม่ๆอย่าง Social Media, Smartphone หรือ IoT ทำให้เกิดการเปลี่ยนแปลงด้าน Value chain ของธุรกิจบางอย่าง ซึ่งบางครั้งเราอาจต้องทบทวน ตัวอย่างเช่น อุตสาหกรรมเพลง ที่เดิมอาจมีนักแต่งเพลง เซ็นสัญญากับค่ายเพลงแล้วจัดจำหน่ายในรูปแบบของ CD หรือ DVD กับผู้บริโภค ผ่านช่องทางของร้านค้าปลีก  CD/DVD ทั่วๆไป แต่เมือธุรกิจดิจิทัลเข้าก็จะเห็นกลุ่มที่เป็น Intermediation เข้ามาแทรกใหม่เช่น iTune หรือแม้แต่ YouTube ทำให้ธุรกิจค้าปลีกแบบเดิมเริ่มถดถอย เพราะลูกค้่สามารถซื้อผ่านช่องทางออนไลน์ได้ และบางครั้งก็จะพบว่าอุตสาหกรรมเกิด Disintermediation เช่นนักแต่งเพลงอาจจะข้าม Value chain เดิมๆแทนที่จะมาสังกัดค่ายเพลง แต่พวกเขาอาจแต่งเพลงขายออนไลน์ให้กับผู้บริโภคโดยตรง

ดังนั้นจึงจำเป็นที่ธุรกิจจะต้องกลับมาทบทวนตัวเองว่า เราอยู่ตรงไหนของ Value chain ซึ่งโดยมากธุรกิจที่จะแข่งกับคนอื่นๆได้ จะตรงอยู่ในจุดของ  Value chain  ที่มีความแตกต่างและคู่แข่งอื่นไม่สามารถเข้ามาง่าย หรือไม่ก็ต้องเป็นจุดต้นทางและปลายทางของ  Value chain ซึ่งหากธุรกิจกำลังอยู่ในช่วงการเปลี่ยนแปลงของ Value chain แม้ว่าเราจะทำ  Digitization ในธุรกิจมากแค่ไหนก็ตาม การหลีกเลี่ยง Digital disruption ก็ยังเป็นเรื่องยาก

ธนชาติ นุ่มนนท์

IMC Institute

 

 

การวิเคราะห์พฤติกรรมลูกค้าควรมีข้อมูลธุรกรรมขนาดใหญ่ของลูกค้าแต่ละราย

Screenshot 2018-08-05 11.29.12

วันก่อนไปที่ร้านขายเฟอร์นิเจอร์แห่งหนึ่งเพราะอยากซื้อ ตู้โชว์แบบเดียวกับที่เคยซื้อเมื่อ 6-7 ปีก่อน เพิ่มอีกซักหนึ่งชุด แต่พอไปถึงหารุ่นนั้นไม่เจอ ก็เลยขอพนักงานดูประวัติการซื้อย้อนหลัง เพราะอยากทราบว่าตอนนั้นซื้อรุ่นไหน สิ่งที่น่าสนใจคือร้านนี้เก็บช้อมูลลูกค้าไว้ทุกรายการที่เราซื้อ รวมถึงวัสดุทุกชิ้น แต่พอเกิน 5 ปีก็ไม่มีข้อมูลแล้ว ซึ่งก็พอเข้าใจได้ว่าข้อมูลเก่าไปและต้องการประหยัดพื้นที่เก็บข้อมูล ก็เลยลบข้อมูลเก่าทิ้งไป ผมว่าที่ร้านมีข้อมูล Big Data ของลูกค้าที่น่าสนใจ เพราะเขาเก็บข้อมูลธุรกรรมการซื้อของลูกค้าไว้ทุกรายการ และเขาทราบข้อมูลที่อยู่ของลูกค้าและเบอร์ติดต่อชัดเจน คำถามที่ผมสนใจก็คือว่าจากข้อมูลที่เขามีอยู่ เขาสามารถที่จะวิเคราะห์พฤติกรรมลูกค้าได้ไหม การเก็บข้อมูลธุรกรรมของลูกค้าไว้เพียง 5 ปีเพียงพอจะวิเคราะห์ข้อมูลลูกค้าเป็นรายบุคคลได้ดีแค่ไหน ลูกค้าแต่ละรายจะมาซื้อเฟอร์นิเจอร์และอุปกรณ์ต่างๆบ่อยแต่ไหนในแต่ละปี

แต่อย่างไรก็ตามสิ่งหนึ่งที่น่าสนใจของร้านนี้คือ เขามีกลยุทธ์ที่ดีในการจะทำ Big data โดยสามารถที่จะให้ลูกค้ามาสมัครเป็นสมาชิก ใส่รายละเอียดที่อยู่ได้ และสามารถเก็บธุรกรรมของลูกค้าได้ อย่างที่ผมเคยบอกไว้ว่าถ้าเราจะทำ Big Data เราควรจะต้องเน้นที่ข้อมูลธุรกรรม (ดูรายละเอียดได้ที่ Big data ต้องเริ่มต้นจากการวิเคราะห์ Transactional data ไม่ใช่เล่นกับ summary data) ซึ่งถ้าได้ข้อมูลเหล่านี้มาก็จะทำให้เราวิเคราะห์ข้อมูลพฤติกรรมลูกค้าได้ดีขึ้น ยิ่งมีจำนวนธุรกรรมของลูกค้าแต่ละรายมากเท่าไรก็ยิ่งดีขึ้น

หากเราพิจารณาข้อมูลที่เป็น Big Data เราอาจเห็นข้อมูลใหญ่ๆอยู่สี่ประเภทคือ

  • Social media data
  • Mobile data
  • Internet of things data
  • Transactional data

ซึ่งจะเห็นได้ว่าข้อมูลที่จะเกี่ยวข้องกับพฤติกรรมลูกค้าที่ธุรกิจต่างๆมักจะมีก็คือข้อมูลธุรกรรมต่างๆที่ลูกค้ามาทำกับธุรกิจเช่น การซื้อสินค้า การติดต่อสื่อสาร เพราะข้อมูล Social media หรือ ข้อมูล Mobile โดยมากมักจะเป็นข้อมูลภายนอกองค์กรธุรกิจ ส่วนข้อมูล IoT ก็จำเป็นจะต้องมีการติดตั้งอุปกรณ์ต่างๆ

1a-transactional-data

แต่ความท้าทายของธุรกิจที่จะมีข้อมูลธุรกรรมเหล่านี้ก็คือกลยุทธ์ในการเก็บข้อมูล บางธุรกิจมีการทำธุรกรรมขายให้กับลูกค้าจำนวนมาก แต่ก็อาจไม่ทราบว่าลูกค้าคือใครเช่น ธุรกิจค้าปลีกต่างๆ ซึ่งบางทีฝ่ายการตลาดก็ต้องพยายามจูงใจให้ลูกค้าสมัครเป็นสมาชิกเพื่อทราบข้อมูลของลูกค้าเป็นรายคน บางธุรกิจลูกค้าก็อาจไม่ได้มาทำธุรกรรมบ่อยนักเช่นประกันภัยรถยนต์ ถ้าจะได้ข้อมูลขนาดใหญ่ก็อาจต้องใช้เทคโนโลยีอย่าง IoT หรือข้อมูล  Mobile มาช่วย ซึ่งในปัจจุบันเราจะเห็นว่าธุรกิจที่มีข้อมูลธุรกรรมลูกค้าแต่ละรายจำนวนมากก็อาจมีกลุ่มต่างๆดังนี้

  • ผู้ให้บริการโทรศัพท์เคลื่อนที่
  • ธนาคาร
  • บริษัทหลักทระพย์
  • ธุรกิจด้านการชำระเงินออนไลน์เข่น  Mobile Payment
  • ธุรกิจค้าปลีกที่ลูกค้าลงทะเบียนข้อมูลบุคคลไว้
  • โรงพยาบาล

ดังนั้นจะเห็นได้ว่าความยากของการทำ Big data ประเด็นหนึ่งก็คือข้อมูลที่ธุรกิจส่วนใหญ่มักจะมีข้อมูลลูกค้าแต่ละรายเป็นจำนวนจำกัด ทำให้ไม่สามารถจะวิเคราะห์ข้อมูลพฤติกรรมลูกค้าได้ ดังนั้นจำเป็นอย่างยิ่งที่ธุรกิจจะต้องร่วมกันวางกลยุทธ์เพื่อให้ได้ข้อมูลเหล่านั้นมา

ธนชาติ นุ่มนนท์

IMC Institute

 

การวิเคราะห์ Big Data กับสิทธิของข้อมูลส่วนบุคคล

Screenshot 2018-08-05 11.29.12

เมื่อวันศุกร์ที่ผ่านมาผมมีโอกาสได้ไปบรรยายในงานครบรอบ 10 ปีสถาบันคุ้มครองเงินฝากในหัวข้อเรื่อง Digital Disruptive Technology in Financial Services โดยได้ชี้เห็นว่าเทคโนโลยีที่กำลังเข้ามามีผลกระทบกับอุตสาหกรรมการเงินอย่างมากที่สุดอย่างหนึ่งก็คือ Big data analytics  สิ่งที่น่าสนใจก็คือว่า การที่เรานำเงินไปฝากไว้กับสถาบันการเงิน ไม่เพียงแต่จะมีเงินที่เข้ามาฝากไว้ที่สถาบันการเงิน แต่ยังมีข้อมูลต่างๆอีกเป็นจำนวนมาก อาทิเช่น ข้อมูลรายละเอียดส่วนบุคคล (ชื่อ,  ที่อยู่, อายุ, สถานที่ทำงาน), ข้อมูลด้านการเงิน (เงินฝาก, เงินกู้, รายได้, รายจ่าย) หรือข้อมูลธุรกรรมการเงินต่างๆอีกมากมาย ก็เลยอยากตั้งคำถามว่า ข้อมูลเหล่านี้เป็นของใคร ของลูกค้าหรือของสถาบันการเงิน

Screenshot 2018-08-05 12.59.06

บางท่านอาจเข้าใจว่าเป็นของสถาบันการเงิน ผมอยากให้ลองคิดถึงข้อมูลทางการแพทย์โดยเฉพาะข้อมูลการรักษาพยาบาลของเรา ข้อมูลเหล่านั้นเป็นของโรงพยาบาล,ของเราหรือของรัฐบาล ผมคิดว่าหลายๆคนคงตอบว่า เป็นข้อมูลส่วนบุคคลของเรา เราคงไม่ยินยอมถ้าทางโรงพยาบาลหรือแพทย์จะเอาข้อมูลเหล่านั้นไปทำ Big Data Analytics มาทำการวิเคราะห์หรือคาดการณ์อะไรต่างๆกับตัวเราโดยที่เราไม่ทราบล่วงหน้า หากโรงพยาบาลอยู่ๆจะนำประวัติการรักษาของเรามาวิเคราะห์และมาคาดการณ์ว่าเราจะเป็นโรคนั้นโรคนี้โดยที่เราไม่ได้อนุญาตล่วงหน้าเราคงไม่ยินดี และถือว่าเป็นการละเมิดสิทธิส่วนบุคคลอย่างมาก ดังนั้นการวิเคราะห์ข้อมูลในวงการแพทย์จะต้องไม่สามารถที่จะสืบกลับมาได้ว่าเป็นข้อมูลของใคร และถ้าเป็นการคาดการณ์เรื่องของโรคร้ายต่างๆก็น่าจะเป็นการวิเคราะห์ภาพรวม ยกเว้นเสียแต่ว่าคนไข้จะยินยอมให้ใช้ข้อมูลส่วนบุคคลไปวิเคราะห์หรือทำ  Predictive analytics กับคนไข้เฉพาะราย

big-data-analytics-banking-industry-video

เช่นกันโดยหลักการข้อมูลที่อยู่สถาบันการเงินก็น่าจะเป็นข้อมูลของลูกค้า โดยหลักการสถาบันการเงินก็ไม่น่าที่จะมีสิทธิเอาข้อมูลลูกค้ามาวิเคราะห์เป็นรายบุคคลโดยไม่ขออนุญาตว่าจะทำการวิเคราะห์อะไร ไม่ควรที่จะมาวิเคราะห์ว่า

  • ลูกค้ามีรายได้เท่าไร มีเงินเพียงพอหรือไม่
  • ลูกค้าต้องการจะกู้ยืมหรือไม่
  • ลูกค้ามีรายจ่ายอย่างไร ซื้อบ้านกี่หลัง ผ่อนรถกี่คน
  • ลูกค้าไปใช้จ่ายเงินอย่างไร ประเภทใด ร้านค้าใด
  • ลูกค้าชำระค่าน้ำ ค่าไฟ ค่าโทรศัพท์เดือนเท่าไร
  • ลูกค้าเดินทางไปต่างประเทศบ่อยไหม

ข้อมูลเหล่านี้เป็นข้อมูลส่วนบุคคล ถ้าลูกค้าไม่ได้ร้องขอสินเชื่อให้ทำการวิเคราะห์ สถาบันการเงินก็ไม่สมควรที่จะนำไปทำการวิเคราะห์โดยไม่ได้รับความยินยอมจากลูกค้า หรืออยู่ดีๆจะมาแนะนำว่าผลการวิเคราะห์ลูกค้าใช้จ่ายอย่างไร จะต้องการกู้ยืมเงินไหมเพราะคิดว่าเรามีรายได้ไม่พอใช้

บางท่านอาจแย้งว่าลูกค้าได้เคย  consent อนุญาตให้ใช้ข้อมูลตั้งแต่เปิดบัญชีแล้ว จริงๆแล้วการ  consent น่าจะเป็นการใช้ข้อมูลโดยทั่วไป และไม่เคยมีการบอกมาชัดเจนว่าจะนำไปใช้อะไร ทำให้นึกถึงกรณีกฎระเบียบด้านข้อมูลอันใหม่ของ EU เรื่อง General Data Protection Regulation (GDPR) ได้เขียนไว้ชัดว่าข้อมูลต่างๆเหล่านี้เป็นของประชาชนและย่อมมีสิทธิที่จะทราบว่าผู้เก็บข้อมูลจะเอาไปทำอะไร แม้แต่การ Consent: ที่ต้องขอความยินยอมจากเจ้าของข้อมูลต้องเข้าใจง่าย และต้องระบุอย่างชัดเจนว่าจะนำข้อมูลไปใช้ทำอะไร เพื่อวัตถุประสงค์ใด หรือสิทธิของเจ้าของข้อมูล (ประชาชน) ที่จะขอดูข้อมูล ขอให้ลบและเคลื่อนย้าย

ข้อมูลที่เราเก็บไว้ในสถาบันการเงิน แตกต่างกับข้อมูลใน Social media อย่าง Facebook หรือ  Google พวก Social media เหล่านั้นลูกค้ามีสิทธิที่จะให้หรือไม่ให้ข้อมูลก็ได้ จะบอกที่อยู่ อายุ ชื่อจริง หรือเบอร์มือถือหรือไม่ก็ได้ แต่ข้อมูลที่อยู่กับสถาบันการเงินลูกค้าต้องใช้ข้อมูลจริง และเป็นข้อมูลส่วนบุคคลด้านการเงิน ที่สถาบันการเงินเก็บไว้ ซึ่งถือว่าเป็นข้อมูลที่สำคัญยิ่งและมีความอ่อนไหว (sentitive data) ไม่ควรต่อการให้ใครก็ได้นำมาวิเคราะห์ต่างๆโดยไม่ได้รับอนุญาต แต่เดิมลูกค้าอาจไม่เคยเห็นความสำคัญของข้อมูลเหล่านี้แต่ในปัจจุบันเราเริ่มเห็นกันแล้วว่าสินทรัพย์ที่สำคัญอีกอย่างหนึ่งที่เราฝากไว้กับสถาบันการเงินนอกเหนือจากตัวเงินก็คือข้อมูล เรามีสถาบันคุ้มครองเงินฝากของเรา แล้วใครละจะมาคุ้มครองข้อมูลของเราไม่ให้ถูกละเมิด

ธนชาติ นุ่มนนท์

IMC Institute

 

ขั้นตอนการทำโครงการ Big Data

Screenshot 2018-05-03 16.00.42

คำว่า Big Data กำลังเป็นศัพท์เทคนิคที่น่าสนใจในมุมของผู้บริหารองค์กรหลายๆแห่งทั้งภาครัฐและเอกชน ซึ่งนอกจากว่าผู้บริหารจำนวนหนึ่งจะมาใช้เป็นศัพท์ในการตลาดแล้วบางครั้งก็ทำให้ราวเหมือนกับว่ามันจะเป็นเทคโนโลยีวิเศษที่จะสร้างประโยชน์ให้กับองค์กรอย่างมากมาย

มีคนเคยบอกความหมายของคำว่า Big data ในเชิงคบขำไว้ว่า “Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, so everyone claims they are doing it... ”  (Prof. Dan Ariely ) คำพูดก็คล้ายกับที่ประเทศเราในตอนนี้ที่ทุกคนต่างก็พูดถึง Big Data บางทีข้อมูลเล็กนิดเดียวก็บอกว่าทำ Big Data บางครั้งก็สั่งงานให้ฝ่ายเทคโนโลยสารสนเทศไปเริ่มทำโครงการ Big Data ทั้งๆที่ Big Data น่าจะเริ่มจากกลยุทธ์ไม่ใช่เริ่มที่เทคโนโลยี แล้วบางคนก็บอกว่าทำโครงการ Big Data  เสร็จแล้ว

Untitled (1)

รูปที่ 1 ขั้นตอนการทำโครงการ Big Data

เมื่อวันก่อนผมมีโอกาสเขียนรูปภาพแสดงขั้นตอนง่ายๆให้เห็นว่าเราจะเริ่มทำโครงการ Big Data ได้อย่างไร  โดยมีขั้นตอนดังแสดงในรูปที่ 1

โครงการ  Big Data ต้องเริ่มต้นด้วยการทำกลยุทธ์ข้อมูล (Data strategy) ที่ผู้บริหารหน่วยงานต่างๆในองค์กรมากำหนดร่วมกัน ซึ่งกลยุทธ์ที่ดีไม่ได้ดูที่ว่ามีข้อมูลอะไรอยู่ในองค์กร แต่อยู่ที่ว่าธุรกิจมีเป้าหมายอะไร และข้อมูลใดที่จะช่วยให้บรรลุเป้าหมายนั้น

ซึ่งเมื่อได้กลยุทธ์แล้วเราจะเริ่มเข้าใจได้ว่าลักษณะข้อมูลที่ต้องการใช้เป็นอย่างไร ทั้งนี้ข้อมูลที่ต้องการจะนำมาใช้อาจแบ่งเป็นสองกลุ่มคือ

  • ข้อมูลที่มีอยู่ในปัจจุบันอยู่แล้ว แต่เราไม่เคยนำมาวิเคราะห์ ข้อมูลลักษณะนี้เราเรียกว่า Dark data ซึ่งก็อาจเป็นข้อมูลขนาดใหญ่ในองค์กร
  • ข้อมูลที่ยังไม่มี แต่คิดว่าน่าจะเป็นประโยชน์ ทั้งนี้อาจต้องไปหาข้อมูลเหล่านี้มาจากแหล่งอื่นๆเช่น พันธมิตร หรืออาจต้องซื้อข้อมูล บางครั้งอาจต้องหาเทคโนโลยีเช่น IoT เข้ามาช่วยในการเก็บซึ่งอาจต้องใช้เวลากว่าจะสะสมหรือหาข้อมูลได้

หากกลยุทธ์ต้องการข้อมูลกลุ่มหลังก็อาจต้องใช้เวลากว่าที่จะเริ่มทำโครงการได้ หรือบางครั้งเราอาจไม่มีข้อมูลเหล่านั้นเลยก็เป็นไปได้ ซึ่งสุดท้ายเราอาจจะต้องปรับกลยุทธ์ใหม่เพื่อให้ได้ข้อมูลที่มีอยู่แล้วเพื่อความรวดเร็วในการทำโครงการ

เมื่อเรามีข้อมูลที่เพียงพอคำถามถัดมาก็คือว่า ข้อมูลเหล่านั้นเป็นไปตามนิยามของ Big data ที่ว่า Volume, Variety, Velocity, Varacity จริงหรือไม่

  • ถ้าใช่ เราก็อาจต้องลงทุนโครงสร้างพื้นฐานด้าน Big data เช่นการจัดหา Data Lake อย่าง Hadoop หรือ Cloud storage
  • ถ้าไม่ใช่ บางครั้งโครงสร้างพื้นฐานที่มีอยู่อย่าง  ระบบ Database  ที่เป็น RDBMS ก็อาจเพียงพอและไม่จำเป็นจะต้องจัดหาระบบอย่าง  Data Lake

กรณีที่ข้อมูลที่ต้องการไม่ใช่ Big Data ก็คงต้องวิเคราะห์ต่อว่า จะมีการทำ Predictive Analytic โดยการใช้ Machine Learning หรือ เพราะถ้ามี ก็อาจจำเป็นต้องจัดหาเครื่องมือในการทำเรื่องนี้มาใช้ เพราะภาษา SQL ที่ใช้กับระบบ Database ไม่สามารถจะมาใช้ทำ Predictive Analytic ได้

แต่ถ้าข้อมูลไม่ใช่ Big data มีแค่จำนวนเป็นหลักสิบล้านและไม่ได้เข้าข่ายนิยามอะไรที่เป็น Big data แลัวก็ยังไม่มีการทำ Predictive Analytic  เน้นแต่การสอบถามข้อมูล (Data query) ทำ Dashboard เป็นโครงการทำ Data warehouse และ Business Intelligence แต่ผู้บริหารอยากเรียกว่า Big data เราก็คงต้องเข้าใจว่าเป็นอย่าง Prof. Dan Ariely ว่า ก็ยอมๆไปแล้วกันครับ เพราะผู้บริหารต้องการใช้คำว่า Big data ในการตลาด

สุดท้ายถ้าเรามีข้อมูลขนาดใหญ่และต้องการทำ Predictive analytics เราก็อาจใช้ทีม Data science ที่เข้าใจ Machine learning มาช่วยงาน และอาจต้องมีการแสดงผลผ่าน Data visualisation ซึ่งเราก็จะอาจจะได้ผลลัพธ์ตามกลยุทธ์ที่กำหนดไว้ในตอนต้น แต่โครงการทั้งหมดก็ต้องใช้เวลาในการทำงาน ตั้งแต่รวบรวมข้อมูล การทำโครงสร้างพื้นฐาน และการวิเคราะห์ข้อมูล ไม่มี Quick win ในการทำโครงการ  Big data ครับ

ธนชาติ นุ่มนนท์

IMC Institute

พฤษภาคม 2561

 

 

การดูงาน China IT Expo 2018 ที่เมืองเซินเจิ้น วันที่ 9-11 เมษายน

Screenshot 2018-04-16 09.50.57

ช่วงวันที่ 9-11 เมษายนที่ผ่านมา ทางสถาบันไอเอ็มซีได้จัดทริปไปดูงาน ที่เมืองเซินเจิ้น  (Shenzhen)  ประเทศจีน อีกครั้งหนึ่งโดยได้พาไปดูงาน The 6th China Information Technology Expo 2018 ซึ่งนับเป็นครั้งที่สองที่ทางสถาบันไอเอ็มซีพาไปดูงานที่เมืองเซินเจิ้น โดยครั้งแรกก็เคยพาผู้เข้าอบรมไปดูงาน China Hi-Tech Fair 2017  เมื่อเดือนพฤศจิกายนปืที่แล้ว (ดูบทความ เซินเจิ้น Silicon Valley ด้าน Hardware)

30516172_1069055216575151_5553812581140922368_n

งานนี้อาจจะไม่ยิ่งใหญ่เท่ากับงาน China Hi-Tech Fair แต่ก็มีทั้งหมด 9 Hall และแต่ละฮอลล์ก็มีบูธต่างๆจากผู้ประกอบการและผู้ผลิตมากมาย จำนวนเป็นพันราย ที่น่าสนใจคือสิ่งที่มาแสดงทั้งหมดนั้นเป็นสินค้าที่ผลิตในประเทศจีน และโดยมากเป็นโรงงานที่อยู่ในเซินเจิ้นเอง

 

Screenshot 2018-04-16 09.53.22

รูปที่ 1 ผังงาน China IT Expo 2018

ใน Hall 1 จะเป็นฮอลล์หลัก ที่กำหนด Theme เป็น Smart Home และ Intelligent Terminal ที่นำอุปกรณ์จากแบรนด์เครื่องใช้ไฟฟ้าในบ้านยี่ห้อต่างๆของจีนมาให้ชมอย่าง  SKYWORTH, CHIQ, ZTE หรือ TCL  โดยในฮอลล์นียังจะมีโซลูชั่นที่แสดงระบบอัจฉริยะต่างๆอาทิเช่นระบบ Facial Recognition หรือระบบ Smart classroom และก็มีกลุ่มของที่แสดงอุปกรณ์ด้าน Semiconductor อื่นๆอีกมาก

รูปที่ 2 ตัวอย่างบูธต่างๆที่อยู่ใน Hall 1

Hall 2 จะเป็นส่วนทีนำผู้ผลิต Display ต่างๆของจีนที่ทำ LCD, OLED หรือ LED ที่มีรวมกัน 200 กว่ารายมาแสดง โดยนำเทคโนโลยี Display ล่าสุดมาให้ดู ซึ่งเราจะเห็นถึงความก้าวหน้าด้านนวัตกรรมการผลิตอุปกรณ์แสดงผลของจีนที่มีโรงงานจำนวนมากอยู่ในเมืองเซินเจิ้น ส่วน Hall 3  และ Hall 4 เป็นทางด้าน Intellient manufacturing และ 3D Printing รวมถึง Industrial Robots และ Intelligent System ที่ได้นำบริษัทที่ผลิตหุ่นยนต์และระบบอัตโนมัติสำหรับโรงงานอุตสาหกรรมในจีนมากกว่า 150 รายมาแสดง ซึ่งที่เห็นจากงานนี้ทำให้ไม่แปลกใจกับนโยบาย Dark Factory  ของจีนที่เน้นจะนำระบบอัตโนมัติเข้ามาใช้ในโรงงานของจึน และใช้แรงงานคนน้อยลง

รูปที่ 3 ตัวอย่างบูธต่างๆที่อยู่ใน Hall 2-3

Hall 5 เป็นส่วนที่แสดงโซลูชั่นด้านปัญญาประดิษฐ์​ (Artificial Intelligence) โดยจะเห็นผู้ผลิตระบบหุ่นยนต์ในจีนประมาณ 30 รายมาแสดง ตั้งแต่หุ่นยนต์ในบ้าน ร้านอาหาร หรือหุ่นยนต์เพื่อการศึกษาสำหรับเด็ก ทำให้เห็นถึงความก้าวหน้าองค์ความรู้ด้านปัญญาประดิษฐ์จีนที่คิดว่าน่าจะเป็นอันดับต้นๆของโลกแล้ว  ส่วน Hall 6 เป็นฮอลล์ที่แสดงโซลูชั่น IoT โดยเน้นด้าน Smart city, อุปกรณ์อิเล็กทรอนิกส์ด้าน IoT รวมถึงด้าน Interactive Entertainment มาแสดงจำนวนมาก

รูปที่ 4 ตัวอย่างบูธต่างๆที่แสดงด้านหุ่นยนต์

Hall 7 และ 8 จะเน้นด้านรถยนต์ไฟฟ้าและเทคโนโลยีด้าน Connected car รวมถึงแบตเตอรี่สำหรับรถยนต์ต่างๆจำนวนมาก โดยเราจะเห็นบริษัทผู้ผลิตรถยนต์ไฟฟ้าหลายๆยี่ห้อของจีนนำรถมาแสดง ทั้งนี้เมืองเซินเจิ้นเองก็มีเป็นศูนย์กลางการวิจัยและการผลิตรถยนต์ไฟฟ้ายี่ห้อ BYD ซึ่งเป็นผู้ผลิตรถยนต์ไฟฟ้าใหญ่อันดับสองของโลก โดยผลิตส่งออกไปขายในหลายๆประเทศทั่วโลก ซึ่งเฉพาะที่ผลิตและส่งมอบในจีนก็มีถึงปีละ 171,000 คัน ซึ่งถ้าเรามาที่เมืองเซินเจิ้นก็จะเห็นรถยนต์ BYD วิ่งกันอยู่จำนวนมากทั้งเป็นรถส่วนตัว รถแท็กซี่ และรถเมล์ สำหรับ Hall 9 ก็เป็นส่วนแสดงอุปกรณ์อิเล็กทรอนิกส์ทั่วๆไปที่โรงงานมากกว่า 200 รายในจีนมาแสดง

รูปที่ 5 ตัวอย่างบูธต่างๆที่อยู่ใน Hall 7-8

รูปที่ 6 ตัวอย่างบูธต่างๆที่อยู่ในงาน

การมางาน China IT Expo ครั้งนี้ยิ่งทำให้มั่นใจมากขึ้นว่า ประเทศจีนกำลังแซงหน้าหลายๆประเทศในโลกด้านเทคโนโลยีไอที และเซินเจิ้นกำลังกลายเป็น Silicon Valley ด้านฮาร์ดแวร์ของโลกอย่างแท้จริง ทางสถาบันไอเอ็มซีก็คงจัดไปดูงานที่เซินเจิ้นอย่างต่อเนื่องโดยครั้งถัดไปตั้งใจจะจัดไปในกลางเดือนพฤศจิกายนปีนี้ สำหรับงาน China Hi-Tech Fair 2018

ธนชาติ นุ่มนนท์

IMC Institute

เมษายน 2561

Screenshot 2018-04-16 11.55.45

 

 

Platform Business Model Map เครื่องมือสำหรับการวิเคราะห์ Business Platform

 

ผมเขียนเรื่องของ  Business Platform มาสองตอน (Digital Transformation คือการพัฒนา Platform มิใช่แค่การสร้าง Product หรือ Service) คราวนี้เลยอยากนำ Platform Business Model Map ซึ่งเป็นเครื่องมือหนึ่งในการวิเคราะห์ Business Platform ที่ทาง David L. Roger นำเสนอไว่ในหนังสือ The digital transformation playbook มาอธิบายให้เข้าใจ

Screenshot 2018-04-04 10.12.07

Model map นี้จะประกอบไปด้วยสัญลักษณ์ต่างๆดังนี้

  • วงกลม คือ Business Platform
  • รูปสี่เหลี่ยมขนมเปียกปูน คือ ลูกค้าที่นำรายได้มาให้กับ Platform (เรียกว่า payer) ทั้งนี้ลูกค้าประเภทที่เป็นผู้สร้างรายได้หลัก (เรียกว่า primary payer) จะกำหนดไว้ทางขวามือของ Platform
  • รูปสี่เหลี่ยมผืนผ้า คือ ลูกค้าที่อาจไม่ได้นำรายได้มาให้กับ Platform แต่เป็นกลุ่มที่ช่วยดึงดูดให้ลูกค้ากลุ่มอื่นเข้ามาใช้ Platform (เรียกว่า sweetener)
  • จำนวน Spike คือ จำนวนประเภทลูกค้าที่ลูกค้ากลุ่มนี้อาจโต้ตอบด้วย (ตัวอย่างในรูปลูกค้าประเภท Users มี 4 Spike เพราะต้องเกี่ยวข้องกับ Advertiser, Publisher, App developer และ  ตัว User ด้วยกันเอง)
  • เส้นขอบสองเส้น คือ  ลูกค้าที่มีความสำคัญที่สุดใน Platform (เรียกว่า Linchpin) ที่จะสร้างให้เกิด Network effect โดยพิจารณาจากประเภทลูกค้าที่มีจำนวน Spike มากสุด
  • ลูกศรในแต่ละทิศทาง จะระบุถึงคุณค่าที่ลูกค้าได้รับหรือให้กับ Platform
    • ข้อความที่เป็นตัวเข้มคือคุณค่าที่เป็นเงิน
    • ข้อความที่อยู่ในวงเล็บหมายความว่าเป็นคุณค่ามีได้รับหรือให้กับ Platform โดยตรง
    • ข้อความที่ไม่ได้อยู่ในวงเล็บหมายความว่าคุณค่านี้ได้รับหรือให้กับลูกค้าประเภทอื่น โดยใช้ Platform เป็นตัวผ่าน

การจะสร้าง Platform Business Model Map  นี้ได้ ควรเริ่มต้นจากการสร้างตารางดังรูปข้างล่างนี้

Screenshot 2018-04-07 15.56.17

โดยเราควรตอบคำตอบต่างๆเหล่านี้

  1. ลูกค้าของ Platform มีประเภทใดบ้าง
  2. ลูกค้าในแต่ละประเภทได้รับประโยชน์หรือคุณค่าจากลูกค้าประเภทอื่นอย่างไรบ้าง  (เขียนตัวเข้มถ้าคุณค่านั้นเป็นรูปของเงิน)
  3. ลูกค้าในแต่ละประเภทได้รับประโยชน์หรือคุณค่าจาก Platform โดยตรงอย่างไรบ้าง  (เขียนตัวเข้มถ้าคุณค่านั้นเป็นรูปของเงิน)
  4. ลูกค้าในแต่ละประเภทได้ให้ประโยชน์หรือคุณค่าจากลูกค้าประเภทอื่นอย่างไรบ้าง  (เขียนตัวเข้มถ้าคุณค่านั้นเป็นรูปของเงิน)
  5. ลูกค้าในแต่ละประเภทได้ให้ประโยชน์หรือคุณค่าจาก Platform โดยตรงอย่างไรบ้าง  (เขียนตัวเข้มถ้าคุณค่านั้นเป็นรูปของเงิน)
  6. ลูกค้าในแต่ละประเภทเกี่ยวพันและติดต่อกับประเภทอื่นรายใดบ้าง
  7. ระบุ  Profile ของลูกค้าในแต่ละประเภทในสี่ชนิดนี้ linchpin, payer, primary payer หรือ sweetener

ดังตัวอย่างของ Facebook ที่ได้คำตอบดังแสดงในรูปข้างล่างนี้

Screenshot 2018-04-07 15.56.27

เมื่อได้ข้อสรุปจากตารางแล้ว เราก็สามารถนำสิ่งที่ได้จากตารางมาวาดใส่  Model Map ต่อไป

การสร้าง Business model map จะช่วยทำให้เราวิเคราะห์ Business platform ได้ดีขึ้น แล้วช่วยตอบคำถามในเชิงกลยุทธฺหลายๆด้านได้อาทิเช่น

  • ลูกค้าประเภทใดที่เราควรดึงเข้าร่วมใน Platform เพื่อทำให้เกิด Network effect?
  • เราสามารถจะสร้างรายได้ให้กับ Platform อย่างไร?
  • ลูกค้าประเภทใดมีความสำคัญต่อ Platform มากที่สุด (primary payer และ  linchpin)?
  • รูปแบบธุรกิจของ Business platform นี้มีความเหมาะสมหรือไม่ ลูกค้าทุกประเภทได้รับประโยชน์หรือคณค่าจาก Platform ด้วยความเหมาะสมหรือไม่?

จากที่กล่างทั้งหมด ก็หวังว่าเครื่องมือจะทำให้เราวิเคราะห์ Business Platform ต่างๆได้ดีขึ้น หลังจากที่ได้อ่านบทความสองตอนก่อนหน้านี้ของผม

ธนชาติ นุ่มนนท์

IMC Institute

เมษายน 2561

Digital Transformation คือการพัฒนา Platform มิใช่แค่การสร้าง Product หรือ Service (ตอนที่ 2)

Screenshot 2018-08-05 11.29.12

คราวก่อนผมเขียนบทความเรื่อง “Digital Transformation คือการพัฒนา Platform มิใช่แค่การสร้าง Product หรือ Service (ตอนที่ 1)” แล้วชี้ให้เห็นว่าอะไรคือ Business Platform และทำไมแพลตฟอร์มในโลกยุคดิจิทัลถึงมีสำคัญ ซึ่งผมก็ได้ยกตัวอย่างของแพลตฟอร์มต่างๆ ซึ่งเราอาจเห็นกันแล้วว่าการสร้าง E-commerce ก็อาจไม่ใช่ Business Platform แต่อาจเป็นเพียงช่องทางการขายผ่านดิจิทัลอีกช่องทางหนึ่งเท่านั้น

Business Platform นอกจากจะมาเปลี่ยนแปลงธุรกิจแบบเดิมๆแล้วบางครั้งแพลตฟอร์มต่างๆก็แข่งกันเอง การแข่งขันของแพลตฟอร์มแล้วประสบความสำเร็จจะอยู่ที่หลายๆประเด็นดังนี้

  • คุณค่าที่ได้จากเครือข่าย (Network-added value): คือการที่มีผู้ร่วมใช้แพลตฟอร์ม (ลูกค้า) มากกว่ากัน (Network effects), มีคุณภาพของสินค้าหรือบริการที่ดีจากลูกค้า หรือ มีข้อมูลที่แชร์จากลูกค้ามากกว่า
  • คุณค่าที่ได้จากแพลตฟอร์ม (Platform-added value): คือการที่แพลตฟอร์มมี Feature ที่โดดเด่นและมีประโยชน์มากกว่า หรืออาจมีเนื้อหาที่ให้ฟรี
  • มาตรฐานเปิด (Open standard): คือการที่แพลตฟอร์มมีระบบ API ที่เปิด มีชุดพัฒนาซอฟต์แวร์ (SDK) ที่ให้ลูกค้าสามารถเข้าถึงได้ง่าย
  • เครื่องมือโต้ตอบ (Interactive tools) : แพลตฟอร์มมีเครื่องมือในการหากลุ่มลูกค้า การจับคู่ หรือการทำให้เกิดธุรกรรม เช่น Facebook มือเครื่องมือแนะนำเพื่อน หรือมีเครื่องมือให้ผู้โฆษณาสินค้าได้ลูกค้าตรงกลุ่มเป้าหมาย
  • ระบบสร้างความเชื่อมั่น  (Trust enablers): แพลตฟอร์มอาจมีระบบระบุตัวตน มีระบบการสร้างความน่าเชื่อถือ (Reputation system) หรือระบบป้องกันการเงิน (Financial Safeguards) เช่นการคืนเงินเมื่อไม่ได้รับสินค้า

แม้โลกดิจิทัลจะทำให้เราสร้าง Business Platform ได้ง่าย แต่แพลตฟอร์มจำนวนมากก็อาจไม่ประสบความสำเร็จ  โดยทาง Harvard Business Review ได้ให้เหตุผล 6 ประการในบทความเรื่อง “6 Reasons Platforms Fail” ซึ่งอาจสรุปได้สั้นๆดังนี้

  • แพลตฟอร์มมีการเปิดกว้าง (openness) ไม่ดีพอ : แพลตฟอร์มอาจไม่ได้เปิดกว้างให้ลูกค้าเช่นผู้ซื้อ ผู้ขาย ผู้ใช้ แพลตฟอร์มสามารถเข้ามาได้อย่างเต็มที่ทำให้ไม่สามารถสร้าง Network effect ได้ แต่บางครั้งการเปิดแพลตฟอร์มมากไปก็อาจทำให้เราไม่สามารถควบคุมลูกค้าที่เข้ามาใช้แพลตฟอร์มได้ ก็อาจทำให้ได้คุณภาพของสินค้าหรือบริการที่ไม่ดีจากลูกค้า เช่นการสร้างเนื้อหาไม่เหมาะสมหรือมีลูกค้าที่มาขายของไม่มีคุณภาพได้ง่ายโดยไม่มีการกลั่นกรองสินค้าหรือบริการที่ดี
  • ไม่สามารถชักจูงนักพัฒนาโปรแกรมเข้ามาสู่แพลตฟอร์มได้​: แพลตฟอร์มจะเกิด Network effect ได้ต้องมีนักพัฒนาซอฟต์แวร์มาช่วยกันขยายแพลตฟอร์มผ่าน APIs โดยใช้เครื่องมือพัฒนาแพลตฟอร์ม (SDK)  แพลตฟอร์มที่ประสบความสำเร็จอย่าง Facebook, Amazon, eBay ต่างก็มี APIs และคู่มือที่ให้นักพัฒนาซอฟต์แวร์พัฒนาโปรแกรมเชื่อมต่อและเข้าถึงแพลตฟอร์มได้โดยง่าย
  • ไม่สามารถแบ่งปันกำไรหรือคุณค่าที่ได้จากแพลตฟอร์มได้ดีพอ: ลูกค้าของแพลตฟอร์มเช่นผู้ซื้อ ผู้ขาย หรือผู้ใช้ ต้องเห็นคุณค่าหรือกำไรที่จะได้จากแพลตฟอร์มที่เหมาะสม หากผู้บริหารแพลตฟอร์มไม่ได้แบ่งปันให้ดีพอลูกค้าก็จะไม่เห็นคุณค่าของแพลตฟอร์มและไปเลือกแพลตฟอร์มที่ให้ประโยชน์ดีกว่า
  • โปรโมทหรือขยายลูกค้าของแพลตฟอร์มผิดข้าง: อย่างที่กล่าวไว้ว่า Business Platform จะมีลูกค้ามากกว่าหนึ่งประเภทเข้ามาใช้แพลตฟอร์ม ดังนั้นผู้บริหารแพลตฟอร์มจำเป็นต้องเข้าใจและเลือกขยายลูกค้าของแพลตฟอร์มให้ถูกกลุ่มและถูกเวลา อาทิเช่นแพลตฟอร์มรถบริการสาธารณะมีแต่ผู้โดยสารมากไปไม่มีรถให้บริการก็ไม่สามารถจะเกิด Network effect ที่ดีได้ ช่วงแรกๆอาจเป็นการโปรโมทให้มีผู้ขับรถจำนวนมากหลังจากนั้นค่อยเน้นกลุ่มผู้โดยสาร
  • ไม่สามารถจะเน้นสิ่งที่มีความสำคัญยิ่งยวดได้อย่างถูกต้อง: การที่ลูกค้าจะเข้ามาใช้แพลตฟอร์มอาจมีสิ่งที่มีความสำคัญยิ่งยวดที่แตกต่างกัน แพลตฟอร์มในการชำระเงินสิ่งที่เป็นความสำคัญยิ่งยวดอาจเป็น การป้องกันการฉ้อโกง หรือการใช้งานง่าย ขึ้นอยู่กับบริบทของลูกค้าที่ผู้บริหารแพลตฟอร์มต้องเน้นให้ถูกต้อง
  • ไม่สามารถสร้างจินตนาการได้ดีพอ: การทำ Business Platform ใหม่ๆอาจต้องฉีกแนวคิดในการทำธุรกิจหรืออุตสาหกรรมแบบเดิมๆ ดังนั้นจึงต้องมีแนวคิดที่ดีและเหมาะสมในการสร้างแพลตฟอร์มใหม่ๆอย่าง eBay, AirBnB, Uber หรือ Facebook

Screenshot 2018-04-04 10.12.07

ตอนแรกผมตั้งใจจะเขียนเรื่องการทำ The Platform Business Model Map ซึ่งเป็นเครื่องมือเพื่อวิเคราะห์ Platform ต่างๆ ในตอนนี้ แต่เนื่องจากบทความนี้น่าจะจบลงที่เรื่องของปัจจัยที่สร้างความสำเร็จและความล้มเหลวของแพลตฟอร์ม จึงขอต่อในตอนที่ 3  แต่ขอแสดงตัวอย่างรูปของ  Model Map มาให้ดูก่อน และผู้สนใจอาจเข้าไปดู Slide การบรรยายของผมเรื่องนี้ได้ที่ https://tinyurl.com/platformmap

ธนชาติ นุ่มนนท์

IMC Institute

เมษายน 2561