ทำไม Data Science จึงเป็นกุญแจสำคัญ ของ Startup
top of page

ทำไม Data Science จึงเป็นกุญแจสำคัญของ Startup



คำว่า Startup เป็น Buzz word หรือ เป็นคำที่ได้ยินจนคุ้นหูในช่วง 2-3 ปีที่ผ่านมา ซึ่งแนวทางส่วนใหญ่จะเป็นเรื่องเทคโนโลยี เพราะตามหลักการแล้ว Startup คือ การทำธุรกิจที่สามารถ Scale up ได้เรื่อยๆ

อย่างไรก็ตาม อัตราการอยู่รอดของ Startup นั้นค่อนข้างต่ำ เพราะมีการแข่งขันที่สูง และเป็นธุรกิจที่ทั้ง Disrupt ผู้อื่น และสามารถโดนผู้อื่น Disrupt ตัวเองได้เช่นเดียวกัน

ตัวอย่างเช่น Uber vs Grab Taxi หรือ Joox vs Spotify ซึ่งด้วยเป้าหมายแล้ว มีไอเดียที่ไม่แตกต่างกัน แล้วสิ่งที่แตกต่างกัน คือ อะไร???

ก็คือการใช้ Data Model หรือการออกแบบแนวทางในการวิเคราะห์และต่อยอดจากข้อมูล

เพราะอะไร? เพราะการทำ Platform เป็นเหมือนหน้าด่านที่ทำให้ลูกค้ารู้จักเรา ซึ่งลูกค้าที่ใช้ Application หรือ เทคโนโลยี เป็นลูกค้าที่ชอบลองของใหม่อยู่แล้ว เมื่อเขาใช้ของเราได้ เขาก็ไปใช้ของใหม่ชิ้นอื่นได้เช่นกัน การจะทำให้ลูกค้าใช้ Platform ของเราอย่างต่อเนื่อง เราต้องมีลูกเล่นต่างๆ เพื่อดึงดูดลูกค้าเรื่อยๆ

และนั่นเป็นที่มาที่ทำให้ Data Modeling เป็นกุญแจสำคัญ

หากไม่มี Model โดยปกติแล้ว แต่ละองค์กรจะมี Marketing เพื่อวิเคราะห์แนวโน้มตลาด เพื่อคิดค้นหา Promotion ที่เหมาะสมกับกลุ่มลูกค้า แต่นั่นคือการใช้ประสบการณ์และเป็นการลองผิดลองถูกที่ไม่มีความแม่นยำมาเกี่ยวข้อง

แต่หากใช้หลักการของ Data Science ที่ว่าด้วยการนำ Data มาหาความสัมพันธ์ หา Insight และต่อยอดออกมาเป็นสิ่งใหม่ๆ ด้วยแล้ว ก็จะทำให้สามารถเข้าใจพฤติกรรมของลูกค้าได้มากขึ้น

ตัวอย่างเช่น Grab Taxi นำข้อมูล Demand มาเชื่อมโยงกับการจัดวาง Supply มีการ Alert ให้คนขับ Taxi ทราบว่า บริเวณไหนมีการเรียกงานเยอะ เพื่อให้นำรถไปอยู่ในตำแหน่งนั้น เพิ่มโอกาสในการได้งาน หรือ การสร้างโมเดลเพื่อส่งคนขับ Taxi ที่มีแนวโน้มจะรับงานมากที่สุด ไม่ใช่ส่งคนที่ใกล้ที่สุด (เพราะแม้ว่าจะอยู่ใกล้สุด แต่ก็อาจจะไม่รับงาน เนื่องจากลูกค้าต้องการเดินทางไปค่อนข้างไกลจากตำแหน่งที่คนขับ Taxi ต้องการไปก็เป็นได้)

Algorithm ต่างๆ ที่ Grab ใช้นั้น ทาง Coraline ได้รีวิวเอาไว้ที่ >>> https://facebook.com/coralineltd/posts/364248104074012

มาที่ Joox หรือ Spotify เอง นอกจากต้องพยายามนำเพลงมาไว้ใน Platform ให้มากที่สุดแล้ว ยังต้องมีการทำ Algorithm เพื่อเป็นลูกเล่นในการแนะนำเพลงใหม่ๆ อีกด้วย

ที่ดุเดือดที่สุด เห็นจะเป็น E-Commerce เพราะมี Model ต่างๆ ที่ใช้กันอย่างเห็นได้ชัด ไม่ว่าจะเป็นการทำ Product Recommendation และการจัดวางแต่ละ Product ในแต่ละหน้าอีกด้วย (อ่านเพิ่มเติมได้ที่ >>> https://bit.ly/2GWdLNF)

 

การแข่งขันในการพัฒนา Startup มีความร้อนแรงในทุกๆ ประเทศ และในช่วงที่ผ่านมา เราจะเห็น Startup ของต่างประเทศมากมาย เข้ามาทำตลาดในประเทศไทย ไม่ว่าจะเป็น Lazada, Joox, Spotify, Grab, Go Jek, Airbnb, Chope, Mobike และอีกมากมาย

ซึ่งชัดเจนว่า Startup เหล่านั้น มีการพัฒนา Data Science เป็นที่เรียบร้อยแล้ว เห็นได้จาก Algorithm ของเขาชัดเจนมาก ไม่ว่าจะเป็น Association Rule model, Regression model, Clustering model และอีกมากมาย

เพราะมีการใช้ Data Science นั่นเอง ทำให้ Startup เหล่านั้นสามารถพุ่งทยานมาได้ไกลขนาดนี้ คำถามคือ??? แล้วสถานการณ์ Startup ของเมืองไทย อยู่ที่จุดไหน???

สิ่งที่ได้เรียนรู้จากบทความนี้ คือ การเริ่มทำ Big Data หรือการใช้ Data Science ไม่จำเป็นต้องเริ่มจากการมี Data แต่ต้องเริ่มจากการเห็นคุณค่า และมีแนวคิดที่จะต่อยอด Data เสียก่อน การทำ Application หรือการสร้าง Platform ต่างๆ สามารถทำได้ง่ายขึ้น แต่การจะทำให้สิ่งที่สร้างขึ้นนั้น อยู่ได้อย่างยั่งยืนต่างหากที่ยาก

การ Copy Idea เป็นสิ่งที่เห็นได้ทั่วไปในวงการ Startup หรือในวงการอื่นๆ ทั่วไป สิ่งที่ทำให้แต่ละที่แตกต่างกัน คือ I do หรือการ Implement จริง เมื่อก้าวเข้ามาสู่โลกของเทคโนโลยีแล้ว ก็ต้องยอมรับว่ากำลังอยู่ในโลกที่มีการเปลี่ยนแปลงตลอดเวลา หากไม่ Sprint ตัวเองหนีให้เร็ว สักวันหนึ่ง ก็คงจะมีคนที่ก้าวเข้ามาแข่ง และแซงหน้าคุณไป

จากประสบการณ์ที่ได้เป็นที่ปรึกษา และสร้าง Model ให้ Startup หลายที่ สิ่งที่ Coraline เห็น คือ เป้าหมายในการต่อยอดข้อมูล ซึ่งนั้นคือจุดอ่อน

เรา กำลังเฝ้ามอง และรอคอย ให้สักวันหนึ่ง จะมี Startup สัญชาติไทย ที่เข้มแข็ง และ Expand ตัวเองไปสู่ระดับนานาชาติได้ และเรา Coraline พร้อมจะช่วยเหลือ และมอบกำลังใจให้เสมอ


 

We turn your DATA into your KEY of success.

ให้คำปรึกษาการทำโครงการ Big Data, Data Model, Artificial Intelligence และ Digital Transformation เพื่อเพิ่มศักยภาพของธุรกิจ

ติดต่อ inquiry@coraline.co.th, Tel: 099-425-5398


 


< Previous
Next >
bottom of page