คุณเคยอยู่ในการประชุมที่มีคนนำเสนอผลการวิเคราะห์ข้อมูล ซึ่งคุณไม่ได้เข้าใจมันอย่างสมบูรณ์ แต่ก็ไม่กล้าที่จะยกมือสอบถาม เพราะดูเหมือนว่า คนอื่น ๆ ในที่ประชุมจะเข้าใจสิ่งที่กำลังนำเสนอใช่หรือไม่? ถ้าใช่ คุณอาจจะหาเวลาในการพัฒนาทักษะการสื่อสารด้วยข้อมูล (Data Literacy) ของคุณ
ทักษะการสื่อสารด้วยข้อมูล (Data Literacy) คือ ความสามารถในการได้มาซึ่งสารสนเทศ (Information) ที่มีความหมายจากข้อมูล (Data) และถึงแม้ว่ามันจะต้องใช้ความรู้พื้นฐานด้านคณิตศาสตร์และสถิติ แต่ข่าวดีก็คือ มีเครื่องมือและแหล่งข้อมูลดี ๆ เป็นจำนวนมากที่จะช่วยคุณได้ ซึ่งหากคุณกำลังใช้ข้อมูลเพื่อขับเคลื่อนในการตัดสินใจ การทำความเข้าใจเกี่ยวกับการแสดงข้อมูลด้วยภาพ (Visualization) รวมถึงศัพท์และภาษาของการวิเคราะห์ทางสถิตินั้นเป็นสิ่งสำคัญ
มันอาจจะเป็นเรื่องง่ายพอ ๆ กับการทำความเข้าใจความผันแปรหรือสิ่งที่ซับซ้อน อย่างเช่น การนำแผนผังการตัดสินใจ (decision tree) ไปใช้ เพื่อขับเคลื่อนข้อมูลเชิงลึกที่นำไปสู่การปฏิบัติได้ และแน่นอนว่าการวิเคราะห์นั้นมาจากข้อมูลที่ถูกต้อง
ฉะนั้น ทักษะการสื่อสารด้วยข้อมูล (Data Literacy) ไม่ได้หมายถึงข้อมูลนั้นวิเคราะห์อย่างไร แต่มันเป็นการทำความเข้าใจว่า การวิเคราะห์ต่าง ๆ ที่เพื่อนร่วมงานของคุณหรือบุคคลจากหน่วยงานอื่นมานำเสนอให้กับคุณนั้นเป็นอย่างไร
ทำไมทักษะการสื่อสารด้วยข้อมูล (Data Literacy) จึงมีความสำคัญ?
องค์กรต่าง ๆ เข้าใจดีว่า การผสมผสานเทคโนโลยีและการวิเคราะห์เข้ากับกระบวนการทางธุรกิจอย่างมีประสิทธิผล จะทำให้พวกเขาสามารถทำกำไรได้มากขึ้น มีประสิทธิภาพมากขึ้น และมอบประสบการณ์ที่ดียิ่งขึ้นให้แก่ลูกค้า
Gartner คาดการณ์ว่าภายในปี 2566 “ทักษะการสื่อสารด้วยข้อมูล (Data Literacy) จะกลายเป็นตัวขับเคลื่อนมูลค่าทางธุรกิจที่ชัดเจนและจำเป็น” ซึ่งในความเป็นจริง พวกเขาเชื่อว่า มากกว่า 80% ที่ทักษะการสื่อสารด้วยข้อมูล (Data Literacy) จะรวมอยู่ในกลยุทธ์การวิเคราะห์ข้อมูล และโปรแกรมการจัดการการเปลี่ยนแปลง ซึ่งสำหรับผู้ที่มีพื้นฐานด้าน Lean หรือ Six Sigma คุณอาจให้ความรู้แก่ผู้คนในเรื่องทักษะการสื่อสารด้วยข้อมูล (Data Literacy) มาหลายปีแล้ว โดยที่คุณไม่รู้ตัว
เหล่าผู้นำรู้ดีว่า พวกเขาต้องนำข้อมูลของตนมาใช้ให้ดีขึ้น เพื่อที่จะยังคงสามารถแข่งขันกับผู้อื่นได้ และหลาย ๆ คนวางแผนพัฒนาวัฒนธรรมในการวิเคราะห์ ด้วยเทคโนโลยีที่เข้ามาสู่ทุกด้านของธุรกิจ และการรู้ว่าข้อมูลมีจำนวนมากขึ้นกว่าเดิม ความจำเป็นในการทำความเข้าใจแนวคิดการวิเคราะห์ข้อมูลพื้นฐานจึงกลายเป็นทักษะหนึ่งที่จำเป็นในงานส่วนใหญ่ของเรา
แบบทดสอบยอดนิยม: คุณมีทักษะการสื่อสารด้วยข้อมูล (Data Literacy) มากน้อยเพียงใด? (อย่าพึ่งดูเฉลย!)
การเพิ่มทักษะการสื่อสารด้วยข้อมูล (Data Literacy) ของคุณอาจเป็นการลงทุนที่ดีที่สุดที่คุณสามารถทำได้เลยในตอนนี้ ดูสิว่าคุณตอบคำถามด้านล่างได้กี่ข้อ?
ลองคิดดูสักครู่ แล้วเก็บคำตอบไว้ในใจหรือจดคำตอบไว้ที่ไหนสักแห่ง จากนั้นคลิกหรือแตะคำถามเพื่อดูว่าคุณตอบถูกหรือไม่!
1. คุณจะอธิบายความแตกต่างระหว่างข้อมูลเชิงคุณภาพ (Qualitative) และข้อมูลเชิงปริมาณ (Quantitative) ให้เพื่อนร่วมงานฟังได้อย่างไร?
ข้อมูลเชิงปริมาณ (Quantitative) หมายถึงตัวเลขและสิ่งต่าง ๆ ที่คุณสามารถวัดได้อย่างไม่มีอคติ (คิดตามความกว้าง ความสูง อุณหภูมิ หรือปริมาตร) ข้อมูลเชิงคุณภาพ (Qualitative) หมายถึง คุณลักษณะที่ไม่สามารถวัดได้ง่ายและสังเกตจากความรู้สึก (เช่น กลิ่น รสชาติ เนื้อสัมผัส หรือสี)
2. ทำไมค่ามัธยฐาน (Median) จึงใช้เพื่ออธิบายค่ากลางของราคาบ้าน แทนที่จะเป็นค่าเฉลี่ย (Mean)?
เมื่อคุณได้ยินคำว่า “ค่ากลาง” คุณมักจะหมายถึงค่าเฉลี่ย (Mean) — คือ การนำข้อมูลทุกตัวบวกเข้าด้วยกัน แล้วหารด้วยจำนวนข้อมูลที่คุณบวกเข้าไป แต่ในทางกลับกัน ค่ามัธยฐาน (Median) คือ ตัวเลขที่บอกตำแหน่งกึ่งกลาง
ในการศึกษาจำนวนมาก รวมถึงการทำโครงการ Lean Six Sigma คุณอาจต้องเจอกับข้อมูลที่ค่าเฉลี่ยไม่ใช่ตัวสะท้อนถึงค่ากลางที่ดีที่สุด ลองคิดดูว่ารายได้ของ 5 ครอบครัว ได้แก่ (1) 140,000 ดอลลาร์ (2) 200,000 ดอลลาร์ (3) 215,000 ดอลลาร์ (4) 220,000 ดอลลาร์ และ (5) 1,725,000 ดอลลาร์ ซึ่งค่าเฉลี่ยของตัวเลขเหล่านั้นคือ 500,000 ดอลลาร์
แต่เมื่อเราพูดว่า “ค่ากลาง” เรากำลังมองหาตัวเลขที่อธิบายตัวอย่างนั้นได้ดีที่สุด ซึ่ง 500,000 ดอลลาร์นั้นมีค่าสูงกว่าตัวเลขทั้งหมดยกเว้นตัวเลขตัวสุดท้าย ซึ่งค่ามัธยฐาน 215,000 ดอลลาร์ถือเป็น “ค่ากลาง” ที่ดีกว่า
3. ค่าสถิติที่เป็นการประมาณค่าแบบจุด ที่ใช้เป็น “ค่าประมาณที่ดีที่สุด” แต่อะไรจะทำให้คุณสามารถเข้าใจได้ดีขึ้นว่า ค่าที่แท้จริง ควรเป็นเท่าใด?
ช่วงความเชื่อมั่น (Confidence Intervals)
4. ทำไมความสัมพันธ์ (correlation) จึงไม่ได้เป็นตัวบ่งบอกถึงสาเหตุ (causation) อย่างชัดเจน?
แผนภาพกระจาย (Scatterplot) ของยอดขายไอศกรีมและอุบัติเหตุบนสเก็ตบอร์ดอาจเป็นเส้นตรงและมีค่าสัมประสิทธิ์สหสัมพันธ์เท่ากับ 0.9999 ซึ่งการซื้อไอศกรีมไม่ได้ทำให้เกิดอุบัติเหตุบนสเก็ตบอร์ดอย่างชัดเจน ผู้คนจำนวนมากเล่นสเก็ตบอร์ดและผู้คนจำนวนมากก็ซื้อไอศกรีมแท่งในสภาพอากาศร้อน ซึ่งเป็นสาเหตุที่ปัจจัยทั้งสองนี้มีความสัมพันธ์กัน ฉะนั้น การทดลองที่มีการควบคุมอย่างเหมาะสมเท่านั้นที่จะช่วยให้คุณระบุได้ว่าความสัมพันธ์เป็นสาเหตุของอีกตัวแปรหรือไม่
5. การศึกษาเชิงสังเกต (observational studies) และการออกแบบการทดลอง (designed experiments) แตกต่างกันอย่างไร?
ในการศึกษาเชิงสังเกต (observational study) ไม่มีสิ่งใดเกิดขึ้นกับสิ่งของหรือผู้คนที่กำลังศึกษา เราทำได้แต่เฝ้าดูพวกเขาตามความเป็นจริง แต่ในการทดลองที่มีการควบคุม (controlled experiment) พวกมันจะถูกกำหนดเป็นกลุ่ม ๆ โดยแต่ละกลุ่ม (ยกเว้นกลุ่มควบคุม) จะได้รับการปฏิบัติหรือได้รับการเปลี่ยนแปลงไปในทางใดทางหนึ่ง (เช่น ผลิตภัณฑ์ที่ถูกผลิตด้วยอีกขั้นตอนหนึ่ง หรือผู้คนขอให้งดการดื่มคาเฟอีน เป็นต้น) จากนั้นเราจะทำศึกษาต่อ ว่าการเปลี่ยนแปลงนั้นส่งผลต่อข้อมูลของพวกเขาอย่างไร
ยังตรวจสอบไม่เสร็จใช่ไหม? ที่บทความของ Khan Academy มีข้อมูลพื้นฐานและสถานการณ์จำลองเพิ่มเติมให้คุณได้ทดสอบด้วยตัวเอง หากคุณต้องการตรวจสอบอีกครั้งเพื่อให้แน่ใจว่า คุณควรให้คะแนนในคำตอบข้อนี้หรือไม่
เป็นอย่างไรกันบ้าง? มาดูคะแนนกัน
ถ้าได้ 0-2 คะแนน:
ไม่ต้องกังวล ถ้าทักษะการสื่อสารด้วยข้อมูล (Data Literacy) คือการเดินทาง คุณเพิ่งเริ่มต้น!
คุณได้เข้ามายัง Minitab Blog แล้ว และนี่คือก้าวแรกของคุณ จงสำรวจต่อไป และโปรดติดต่อเราหากคุณมีคำถาม หรือต้องการเรียนรู้เพิ่มเติมเกี่ยวกับการวิเคราะห์โซลูชั่น และการขับเคลื่อนการตัดสินใจด้วยข้อมูล!
ถ้าได้ 3-4 คะแนน:
หากสิ่งที่คุณรู้เพียงพอแล้ว นั่นเป็นสัญญาณอันตราย!
พวกเราสามารถฝึกฝนคุณให้มีความสามารถในการแก้ปัญหาโดยใช้การวิเคราะห์สถิติได้ พวกเราขอแนะนำคุณไปดูสัมมนาออนไลน์ที่กำลังจะมาถึง และบันทึกวีดีโอสัมมนาออนไลน์ที่ผ่านมาแล้ว หรือหากคุณสนใจที่จะลงทุนเพิ่มทักษะการวิเคราะห์ให้มากขึ้น คุณสามารถลงทะเบียนเพื่อรับการฝึกอบรมและการวิเคราะห์ทางสถิติ โดยผู้เชี่ยวชาญ Minitab คลิกเพื่อดูปฏิทิน
ถ้าได้ 5 คะแนน:
สมบูรณ์แบบ! อืม นี่มันน่าอึดอัดใจนะ…คุณทำงานที่นี่เหรอ?
หรือคุณต้องการที่จะ…? ตรวจสอบการเปิดตำแหน่งของเรา!
หรือหากคุณมีสถานที่ทำงานอยู่แล้ว เราขอยกนิ้วให้ 👍และเรายังคงสนับสนุนให้คุณเข้าไปดูสัมมนาออนไลน์และเนื้อหาล่าสุดที่เกี่ยวกับ Machine Learning แน่นอนเรารู้ดีว่า หากคุณเป็นนักสถิติหรือนักวิทยาศาสตร์ข้อมูล คุณสามารถตอบคำถามเหล่านี้ได้ทั้งหมดอยู่แล้ว แต่เรามีวิธีการหรือแนวทางใหม่ ๆ ให้คุณได้เรียนรู้อยู่เสมอ!
บทส่งท้าย: ข้อมูลเป็นสินทรัพย์ขององค์กรที่รู้ว่า พวกเขาต้องการนำไปใช้ให้ดียิ่งขึ้น
การสร้างทีมนักวิทยาศาสตร์ข้อมูล ไม่ได้ช่วยทำให้งานออกมาดี หรือประสบความสำเร็จในทางธุรกิจ และถึงแม้ว่าจะมีนักวิเคราะห์ข้อมูลหลายคนที่ทุ่มเทในการช่วยเหลือผู้ที่มีปัญหาด้านข้อมูลที่ยากที่สุด แต่ว่าทุกคนจะได้รับประโยชน์เมื่อพวกเขาเห็นคุณค่าของการวิเคราะห์ข้อมูลที่ดี
การมีทักษะการสื่อสารด้วยข้อมูล (Data Literacy) ทั่วทั้งองค์กรเป็นสิ่งที่รับประกันได้ว่า ข้อมูลจะถูกใช้ประกอบการตัดสินใจในแต่ละวัน มันส่งผลให้เกิดการตั้งคำถามที่ดีขึ้น เกิดความเข้าใจอย่างลึกซึ้ง และนำไปสู่ข้อสรุปที่สามารถแก้ต่างได้ ซึ่งการพัฒนาทักษะการวิเคราะห์ข้อมูลเป็นการเสริมทักษะที่ดีในแผนการพัฒนาบุคคลของคุณ และเมื่อเราตัดสินใจโดยใช้ข้อมูล เราจะลบอคติและความคิดเห็นที่นำมาอภิปรายโดยไม่รู้ตัว
บทความต้นฉบับ : Do You Need to Improve Your Data Literacy? See If You Can Answer These 5 Questions
ต้นฉบับนำมาจาก Minitab blog, แปลและเรียบเรียงโดยรัฐพงษ์ ยอดสีมา,
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