Greg Kinsey เป็นที่ปรึกษาอุตสาหกรรมและที่ปรึกษาผู้บริหารซึ่งเป็นผู้นำแนวปฏิบัติด้านการผลิตของ Hitachi Vantara ใน EMEA เขาและทีมของเขาทำงานร่วมกับบริษัทอุตสาหกรรมในยุโรปเป็นหลักเพื่อช่วยให้พวกเขามองเห็น วางแผน และดำเนินการเปลี่ยนแปลงทางดิจิทัล จากคำพูดของเขา เขาช่วยให้บริษัทต่างๆ กลายเป็น “ลีนมากขึ้น, เป็นมิตรกับสิ่งแวดล้อมมากขึ้น, คล่องตัวมากขึ้น, และมีประสิทธิภาพมากขึ้น, โดยใช้เครื่องมือดิจิทัลเป็นเครื่องมือ”
Greg มีประสบการณ์มากกว่า 30 ปีในการทำงานกับอุตสาหกรรมการผลิต โดยส่วนใหญ่อยู่ในอุตสาหกรรมยานยนต์ อิเล็กทรอนิกส์ การบินและอวกาศ และสินค้าอุปโภคบริโภคทั่วโลก เรามองเห็นโอกาสที่ได้รับจากความคิดของเขาในหลายๆ หัวข้อเกี่ยวกับวิทยาศาสตร์ข้อมูล(Data Science) ในบทความนี้
การวิเคราะห์สำหรับทุกคนอย่างเท่าเทียมนั้นสำคัญอย่างไร?
ฉันเชื่อว่าการวิเคราะห์ข้อมูลเป็นสิ่งสำคัญอย่างยิ่งที่จะต้องเป็นส่วนหนึ่งและส่งต่อไปยังงานอุตสาหกรรมเกือบทุกงาน ไม่ว่าคุณจะทำงานในโรงงาน สำนักงาน ศูนย์บริการ หรือบทบาทที่ต้องเผชิญหน้ากับลูกค้า ไม่ว่าคุณจะมีบทบาทหรือในอุตสาหกรรมใด ในโลกปัจจุบัน การวิเคราะห์ข้อมูล (data analysis) ที่ถูกต้องเป็นสิ่งสำคัญอย่างยิ่งด้วยปลายนิ้วของคุณ ข้อมูลช่วยให้คุณตัดสินใจได้ดีขึ้น เพื่อให้คุณเพิ่มประสิทธิภาพงานที่คุณทำอยู่ได้ ข้อมูลป้องกันไม่ให้เกิดข้อผิดพลาด การมีข้อมูลที่ถูกต้องในการทำงานจะช่วยเพิ่มผลผลิต ลดความเครียด และเพิ่มความพึงพอใจในงาน
ความรู้ความเข้าใจข้อมูลสำหรับทุกคนมีความสำคัญอย่างไร?
ความรู้ความเข้าใจข้อมูล(Data literacy)เป็นสิ่งสำคัญ แต่บางทีที่สำคัญกว่านั้น เราต้องการเครื่องมือที่ช่วยให้เราใช้ข้อมูลในที่ทำงานได้อย่างง่ายดาย ในลักษณะเดียวกันกับวิธีที่เราใช้ข้อมูลที่บ้าน การปฏิวัติทางดิจิทัลเกิดขึ้นครั้งแรกในฐานะการปฏิวัติผู้บริโภค มันคือทั้งหมดที่เกี่ยวกับการค้าขายออนไลน์ สังคมออนไลน์ และข้อมูลส่วนบุคคล เกือบทุกคนมีอุปกรณ์ดิจิทัลอยู่ในบ้าน—และเกือบตลอดเวลาอยู่ในมือหรือบนข้อมือ ไม่ว่างานอดิเรกของคุณคืออะไร ฉันแน่ใจว่าคุณได้ใช้ข้อมูลเหล่านั้น ไม่ว่าคุณจะเป็นนักวิ่งมาราธอน พ่อครัวมือสมัครเล่นหรือนักดนตรี ค้นหาของเก่า หรือเล่นกีฬาประเภทใดก็ตาม ข้อมูลก็มีส่วนเกี่ยวข้อง ทุกสิ่งที่เราทำในชีวิตส่วนตัวตอนนี้ใช้ข้อมูล และข้อมูลนั้นช่วยให้เราใช้ชีวิตได้มากขึ้น เรายังไม่เห็นการเปลี่ยนแปลงอย่างเต็มที่ในชีวิตการทำงานในอุตสาหกรรม
แน่นอนว่าผู้คนในอุตสาหกรรมกำลังรวบรวมและรายงานข้อมูลบางอย่างอยู่แล้ว แต่พวกเขายังไม่จำเป็นต้องทำการวิเคราะห์ให้ถูกต้องซึ่งจำเป็นต่อการทำงานให้ดีขึ้น ปัญหานี้ไม่ได้เกี่ยวกับความรู้ความเข้าใจข้อมูลมากนัก แต่เป็นเรื่องเกี่ยวกับองค์กรที่สร้างสภาพแวดล้อมที่เหมาะสมและมีเครื่องมือที่เหมาะสมในสถานที่ที่เหมาะสม ซึ่งใช้งานง่าย นั่นจะนำไปสู่การวิเคราะห์สำหรับพนักงานทุกคนอย่างเท่าเทียม
คุณจำเป็นต้องปรับปรุงความรู้ความเข้าใจข้อมูลของคุณหรือไม่? ดูว่าคุณจะตอบคำถาม 5 ข้อนี้ได้หรือไม่
วิทยาศาสตร์ข้อมูล (Data Science) ควรสามารถเข้าถึงได้มากขึ้นเพื่อขยายกลุ่มผู้ใช้หรือไม่? เหตุใดจึงสำคัญ?
วิทยาศาสตร์ข้อมูลจำเป็นต้องเป็นส่วนหนึ่งของทุกสิ่งที่เราทำ คำว่า “นักวิทยาศาสตร์ข้อมูล(Data Scientist)” ทำให้เข้าใจผิด ฉันเชื่อว่าใครก็ตามที่ใช้สถิติพื้นฐานสามารถถือเป็นนักวิทยาศาสตร์ข้อมูลได้ การใช้ข้อมูลอย่างเข้มข้นกำลังเพิ่มขึ้นในเกือบทุกบทบาททางวิชาชีพ ในที่สุดเราทุกคนจะกลายเป็น “นักวิทยาศาสตร์ข้อมูล(Data Scientist)” ซึ่งเป็นส่วนหนึ่งของงานใดก็ตามที่เราทำ
ฉันมีส่วนร่วมอย่างมากในการเริ่มต้นการขับเคลื่อน Six Sigma ในปี 1990 ตอนนั้นเองที่เราได้ตระหนักถึงพลังของการให้คนงานอุตสาหกรรมเข้าถึงเครื่องมือทางสถิติขั้นพื้นฐาน เราไม่ได้เรียกพวกเขาว่า “นักวิทยาศาสตร์ด้านข้อมูล” แต่เรามาใช้กับคำว่า “สายดำ (Black Belts)” แทน พวกเขาใช้วิทยาศาสตร์ข้อมูลเพื่ออธิบายกระบวนการ แก้ไขปัญหา และใช้การวิเคราะห์พื้นฐานกับการดำเนินงานประจำวัน นั่นคือที่มาของการที่วิทยาศาสตร์ข้อมูลมีรากฐานมาจากการดำเนินงานทางอุตสาหกรรม Six Sigma สร้างรากฐานสำหรับการเปลี่ยนแปลงทางดิจิทัล
ทุกวันนี้ โลกธุรกิจเริ่มที่จะยอมรับคุณค่าของข้อมูลอย่างแท้จริง ได้รับการพิสูจน์แล้วว่ามีผลกระทบอย่างมากต่อประสิทธิภาพการทำงาน การตัดสินใจ และแม้กระทั่งการลดระดับความเครียดของพนักงาน เนื่องจากปัญหาสามารถแก้ไขได้เร็วและง่ายขึ้นด้วยข้อมูลที่ถูกต้อง
ดิจิทัลเป็นหัวข้อที่อยู่ภายในแผนกไอทีเท่านั้นหรือไม่?
ไม่เลย ฉันเชื่อว่าดิจิทัลเป็นหัวข้อสำหรับทั้งองค์กร การใช้ข้อมูลและการวิเคราะห์ และเครื่องมือที่เกี่ยวข้อง ควรขยายไปยังเกือบทุกฟังก์ชัน มีหลายบริษัทมากที่แยกเก็บข้อมูลไว้ในมือของ “ผู้เชี่ยวชาญ” เพียงสองสามคน แทนที่จะอนุญาตให้ทุกคนเข้าถึงข้อมูลที่อาจเป็นประโยชน์สำหรับพวกเขาในการทำงานประจำวัน
เรากำลังก้าวไปสู่โลกที่ผู้จัดการฝ่ายปฏิบัติการเป็นเจ้าของกลยุทธ์ดิจิทัลสำหรับหน้าที่ของตนด้วย ดังนั้น เมื่อคุณพูดคุยกับใครสักคนที่เป็นหัวหน้าแผนกซ่อมบำรุง แผนกคุณภาพ ฝ่ายการตลาด หรือซัพพลายเชน พวกเขาหรือควรจะรับผิดชอบในการปรับฟังก์ชันเหล่านั้นให้เป็นดิจิทัล
งานให้คำปรึกษาส่วนใหญ่ที่เราทำที่ Hitachi คือการทำงานร่วมกับผู้นำสายงาน
แผนกไอทีสนับสนุนการทำให้เป็นดิจิทัล แต่ฉันเห็นว่าการเปลี่ยนแปลงทางดิจิทัลนั้นได้รับแรงผลักดันจากมุมมองของการดำเนินงานจริงๆ เพราะนั่นคือสิ่งที่ผู้ใช้ข้อมูลนั่งอยู่ ผู้จัดการฝ่ายปฏิบัติการรู้ดีที่สุดว่าควรเริ่มจากจุดใดในการทำให้เป็นดิจิทัล และมักจะมีวิสัยทัศน์สำหรับการดำเนินงานในอนาคต แนวคิดที่ดีที่สุดจำนวนมากมาจากผู้ที่ทำงานในการปฏิบัติงานประจำวัน ดังนั้นจึงเป็นสิ่งสำคัญที่จะมีส่วนร่วมกับพวกเขาในการออกแบบดิจิทัลของคุณ
นี่เป็นการเปลี่ยนแปลงจากเมื่อ 20 ปีที่แล้วเมื่อมีการนำระบบใหม่มาใช้ และองค์กรต้องเปลี่ยนวิธีการทำงานเพื่อให้เข้ากับไอที ฉันจำได้ว่าหลายบริษัทปรับกระบวนการทางธุรกิจให้ตรงกับความต้องการของแอปพลิเคชัน MES หรือ MRP ที่เข้มงวด บ่อยครั้งสิ่งนี้ปิดกั้นนวัตกรรมการดำเนินงานและการเพิ่มประสิทธิภาพ
ตอนนี้กำลังถูกย้อนกลับ เรามีโอกาสสร้างการเชื่อมต่อดิจิทัล อัลกอริธึม และแพลตฟอร์มที่เหมาะสมกับกระบวนการทำงาน วิธีการแบบคล่องตัวถูกมุ่งเน้นไปที่ปัญหาที่ต้องแก้ไขและต้องการประสบการณ์ของผู้ปฎิบัติ แผนกไอทีจะต้องสนับสนุนนวัตกรรมเหล่านั้นและทำให้เข้ากับโครงสร้างพื้นฐานด้านไอทีโดยรวม
องค์กรควรจัดลำดับความสำคัญของการลงทุนโดยลดการเขียนโปรแกรมให้น้อยสุดและเลือกโปรแกรมสำเร็จรูปที่ไม่ต้องเขียนโปรแกรมหรือไม่?
ใช่อย่างแน่นอน ลองนึกถึงวิธีที่เราใช้สมาร์ทโฟนของเรา เราไม่จำเป็นต้องรู้วิธีเขียนโค้ดเพื่อทำสิ่งที่มีประโยชน์กับพวกเขา ซึ่งควรเป็นกรณีเดียวกันกับเครื่องมือวิเคราะห์ที่ทำงาน ประสบการณ์ของผู้ใช้ควรรวดเร็ว ง่าย และมีความเกี่ยวข้องกับงาน
ในช่วงแรกๆ บทบาทของไอทีในโลกธุรกิจ มีแต่เครื่องมือไม่ธรรมดาที่มีแต่ผู้เชี่ยวชาญเท่านั้นที่สามารถใช้ได้ จำคนที่ถูกเรียกว่า “โปรแกรมเมอร์” ได้ไหม? ทุกวันนี้ มันคือทั้งหมดที่เกี่ยวกับการค้นหาเครื่องมือวิเคราะห์ที่ทุกคนสามารถใช้ได้ ที่ Hitachi เรากำลังสร้างโซลูชันที่ไม่ต้องการการเขียนโปรแกรมหรือการเข้ารหัสในภาษาขั้นสูง
เหตุใดมืออาชีพที่ขับเคลื่อนด้วยข้อมูลจึงต้องการการวิเคราะห์เชิงคาดการณ์
การวิเคราะห์เชิงคาดการณ์เป็นตัวเปลี่ยนเกมอย่างแท้จริง ข้อมูลส่วนใหญ่ที่ใช้ในอุตสาหกรรมในปัจจุบันเป็นการมองย้อนกลับ ข้อมูลทางประวัติศาสตร์อธิบายถึงสิ่งที่เกิดขึ้นในอดีต ในบางพื้นที่ จะมีข้อมูลตามเวลาจริง ซึ่งช่วยให้คุณเห็นสิ่งที่เกิดขึ้นในขณะนี้ ด้วยการวิเคราะห์ขั้นสูงในปัจจุบัน คุณสามารถเริ่มคาดการณ์สิ่งที่จะเกิดขึ้นตามพฤติกรรมของปัจจัยเชิงสาเหตุ ตัวอย่างเช่น สภาพอากาศอาจส่งผลต่อการดำเนินงานของคุณ หรือการเปลี่ยนแปลงครั้งใหญ่ของอัตราแลกเปลี่ยนอาจส่งผลกระทบต่อโครงสร้างต้นทุนของคุณ หรือมีการเปลี่ยนแปลงอย่างรวดเร็วในความชอบของผู้บริโภค คุณต้องการรวบรวมและวิเคราะห์ข้อมูลเกี่ยวกับปัจจัยเหล่านี้เพื่อทำความเข้าใจว่าเกิดอะไรขึ้นในวันนี้และพรุ่งนี้ ในการเริ่มคาดการณ์เพื่อคาดการณ์ว่าจะมีลักษณะเป็นอย่างไรในสัปดาห์หน้าหรือเดือนหน้า นั่นคือสิ่งที่การวิเคราะห์เชิงคาดการณ์(predictive analytics)ตามการเรียนรู้ของ machine learning และข้อมูลแฟคทอเรียล จะช่วยให้คุณมองเห็นอนาคตได้
ฉันชอบคิดว่านี่เป็น “การเดินทางข้ามเวลา” การวิเคราะห์เชิงคาดการณ์ช่วยให้สามารถเดินทางไปยังวันที่ในอนาคตและสร้างสถานการณ์โดยถามว่า “จะเกิดอะไรขึ้น?” จะเป็นอย่างไรหากตลาดไปในทิศทางที่แน่นอนและความต้องการเปลี่ยนแปลงไปในทางที่คาดการณ์ที่ระบุไว้จริงๆ? จะเกิดอะไรขึ้นหากเราเร่งหรือทำให้กระบวนการช้าลง? แล้วการจำลองการเปลี่ยนแปลงการออกแบบผลิตภัณฑ์ล่ะ? จะเกิดอะไรขึ้นหากสามารถพิจารณาผลกระทบของผลลัพธ์ทางเศรษฐกิจหรือการเมืองได้? สิ่งนั้นจะส่งผลกระทบต่อเศรษฐกิจหรือสภาพแวดล้อมด้านกฎระเบียบที่เราดำเนินการอย่างไร? ขอบเขตอาจมีขนาดใหญ่
จากนั้นคุณสามารถรวมปัจจัยทั้งหมดเหล่านี้เข้าด้วยกันและยกตัวอย่างสถานการณ์ในปีหน้า ไตรมาสหน้า หรือเดือนหน้า คุณเริ่มเห็นว่าความสัมพันธ์ของเหตุและผลที่แตกต่างกันเหล่านี้จะออกมาเป็นอย่างไรในอนาคต เราสามารถทำอะไรกับมันได้บ้าง? การเปลี่ยนแปลงหรือการดำเนินการแก้ไขใดที่จำเป็นในสถานการณ์ในอนาคตเช่นนี้ นี่คือที่มาของมูลค่าที่ได้ การเพิ่มประสิทธิภาพสูงสุดของการทำงานในอนาคตของคุณ
ด้วยเหตุนี้จึงมีความสำคัญมาก คุณสามารถก้าวไปข้างหน้า คุณสามารถคาดการณ์ว่าจะเกิดอะไรขึ้น เพื่อให้คุณสามารถจัดการธุรกิจ องค์กรของคุณ และกระบวนการของคุณได้ดียิ่งขึ้นเพื่อจัดการกับการเปลี่ยนแปลงทั้งหมดที่กำลังจะเกิดขึ้น มันเกี่ยวกับความคล่องตัว
เพิ่มทักษะการวิเคราะห์เชิงคาดการณ์ของคุณด้วยความสามารถที่ใช้งานง่ายแต่ทรงพลัง เรียนรู้เพิ่มเติมในการสัมมนาผ่านเว็บตามเวลาที่คุณสะดวกนี้:
คุณเชื่อหรือไม่ว่าวิศวกรสามารถกลายเป็นนักวิทยาศาสตร์ข้อมูลได้โดยลดการเขียนโปรแกรมหรือไม่ต้องเขียนโปรแกรมเลย?
ได้อย่างแน่นอน! ฉันได้รับการฝึกฝนเป็นวิศวกร—ปริญญาตรีของฉันคือด้านวิศวกรรมเครื่องกล ฉันได้เรียนรู้ว่าศาสตร์วิศวกรรมเป็นเรื่องเกี่ยวกับการแก้ปัญหา การสร้างแบบจำลองทางคณิตศาสตร์ และการใช้วิธีการทางวิทยาศาสตร์ และวิทยาศาสตร์ข้อมูลเป็นส่วนหนึ่งของสิ่งนั้น
การถือกำเนิดของเทคโนโลยีที่ช่วยลดความจำเป็นในการเขียนโปรแกรมที่ซับซ้อนเพื่อเข้าถึงและใช้ข้อมูล กำลังผลักดันให้มีการใช้วิทยาศาสตร์ข้อมูลเพิ่มขึ้นภายในกลุ่มงานวิศวกรรม แต่มันกว้างกว่านั้นมาก นอกเหนือจากกลุ่มงานด้านวิศวกรรมแล้ว ยังเป็นที่ที่ผลประโยชน์มหาศาลเกิดขึ้นเมื่อคนงานที่มีทักษะซึ่งใช้เครื่องจักร ขับรถ บำรุงรักษาอุปกรณ์ ทำหน้าที่ด้านการผลิต เมื่อคนเหล่านั้นเริ่มเป็นนักวิทยาศาสตร์ด้านข้อมูล สิ่งเหล่านี้อาจเป็นกำไรที่ยิ่งใหญ่ที่สุด และอย่าลืมเกี่ยวกับผู้จัดการ รวมถึง C-suite—พวกเขากำลังกลายเป็น “นักวิทยาศาสตร์ข้อมูล” ด้วย
เมื่อทั้งองค์กรมีข้อมูลที่ดีขึ้นและเครื่องมือวิเคราะห์ที่ใช้งานง่าย จึงทำให้เกิด “ศาสตร์ข้อมูลสำหรับทุกคน” ฉันเชื่อว่านี่เป็นหนึ่งในองค์ประกอบพื้นฐานของการปฏิวัติอุตสาหกรรมครั้งที่ 4
พร้อมที่จะตระหนักถึงคุณค่าของข้อมูลของคุณแล้วหรือยัง คุยกับ Minitab
บทความต้นฉบับ : Data Science for Everyone: Understanding the Importance of Predictive Analytics
ต้นฉบับนำมาจาก Minitab blog , แปลและเรียบเรียงโดยชลทิชา จํารัสพร
บริหารจัดการ SCM Blog โดยชลทิชา จำรัสพร, บริษัท โซลูชั่น เซ็นเตอร์ จํากัด ตัวแทน Minitab ในประเทศไทย
เพิ่มเติมเกี่ยวกับบริษัท Minitab
Minitab ช่วยให้บริษัทและองค์กรต่างๆ สามารถมองเห็นแนวโน้มของข้อมูล, แก้ปัญหาและค้นพบประเด็นสำคัญจากข้อมูลเชิงลึก โดยนำเสนอชุดโซลูชั่นที่ครอบคลุมทุกด้านและดีที่สุดสำหรับซอฟต์แวร์ในระดับเดียวกัน ที่ใช้สำหรับการวิเคราะห์ข้อมูลและการปรับปรุงกระบวนการ
ด้วยวิธีการที่เป็นเอกลักษณ์ และการนำเสนอซอฟต์แวร์และบริการแบบองค์รวม Minitab ช่วยให้องค์กรเข้าถึงกระบวนการตัดสินใจในส่วนที่ช่วยผลักดันให้เกิดความเป็นเลิศทางธุรกิจได้ดีขึ้น ความง่ายในการใช้งานที่โดดเด่นกว่าใครมีส่วนช่วยให้ Minitab สามารถทำให้การเข้าถึงข้อมูลเชิงลึกเป็นเรื่องที่ง่าย ทีมงานของ Minitab ซึ่งประกอบด้วยผู้เชี่ยวชาญทางด้านการวิเคราะห์ข้อมูลที่ได้ผ่านการอบรมมาเป็นอย่างเข้มงวด จะช่วยให้ผู้ใช้งานมั่นใจว่าจะได้รับประโยชน์สูงสุดจากการใช้งานวิเคราะห์ข้อมูลและพร้อมที่จะให้คำปรึกษาตลอดเวลาที่ใช้งานเพื่อนำไปสู่การตัดสินใจที่ดีขึ้น รวดเร็ว และแม่นยำ
เป็นเวลากว่า 50 ปีที่ Minitab ได้ช่วยองค์การต่าง ๆ เพิ่มรายได้ ควบคุมและลดต้นทุน เพิ่มคุณภาพ เสริมสร้างความพึงพอใจของลูกค้า และเพิ่มประสิทธิภาพ ธุรกิจและองค์นับหมื่นทั่วโลกใช้ Minitab Statistical Software®, Companion by Minitab®, Minitab Workspace®, Salford Predictive Modeler® and Quality Trainer® เป็นเครื่องมือช่วยในการค้นพบและปรับปรุงความบกพร่องในกระบวนการ