Data Maturity: เครื่องมือวัดระดับว่าองค์กรเป็น Data Driven มากแค่ไหน?

Data-Driven Maturity คืออะไร? และวัดอะไรบ้าง?

เพราะองค์กรใหญ่หลายๆ แห่งจำเป็นต้องใช้ Data สำหรับการทำธุรกิจ แม้แต่องค์กรขนาดเล็กหรือ Startups ก็ต้องยังต้องมี Data ขับเคลื่อนองค์กร คำถามคือเราจะรู้ได้อย่างไรว่าข้อมูลที่เราใช้อยู่นี้คุ้มค่าและช่วยธุรกิจได้จริง?

Data Maturity จึงเป็นวิธีเพื่อระดับความเชี่ยวชาญการใช้ Data ในองค์กร เป็นเกณฑ์วัดว่าตอนนี้เราใช้ Data ได้คุ้มค่าขนาดไหน ซึ่งมีประโยชน์มากในการใช้วางแผนอนาคตองค์กรว่าจะปรับปรุงการใช้ Data ให้ดียิ่งขึ้นได้อย่างไร

โดย Data-Driven Maturity มี 3 ระดับคือ

1.Starting with Data

ในขั้นนี้คือองค์กรที่ยังไม่มี Data มาก่อน และกำลังเริ่มสนใจหันมาใช้ Data หรืออาจจะมีการเริ่มเก็บข้อมูลบ้างแล้ว แต่สิ่งสำคัญในขั้นตอนนี้คือการทำให้ทีมบริหารเห็นคุณค่าของการใช้ Data เสียก่อน ด้วยการพิสูจน์โดยเครื่องมือในตลาดที่มีการทดสอบมาแล้วว่าดี 

ส่วนในเรื่องของทีมการทำงานนั้น ที่สำคัญคือควรมี Data Analyst และ Data Engineer เพื่อให้ Data Analyst ช่วยให้ทีมบริหารเห็นคุณค่าชัดเจนจากการวิเคราะห์ข้อมูล ส่วน Data Engineer ช่วยสร้างรากฐานข้อมูลที่มีคุณภาพ เพื่อให้องค์กรเติบโตด้าน Data ต่อไปได้

แต่ก็มีปัญหาที่อาจพบได้กับทีม Data ในขั้นนี้ก็คือ พอทีมบริหารเริ่มเห็นแล้วว่า Data ช่วยสร้างประโยชน์และความเติบโตให้องค์กรได้จริง ทำให้พนักงานเริ่มมาขอข้อมูลกับทีม Data มากขึ้น ซึ่งจะทำให้ทีม Data ทำงานหนักขึ้นไปด้วย เพราะต้องทำงานแบบ Ad-hoc นั่นเอง

2.Scaling with Data

ต่อมาในขั้นที่สองคือองค์กรที่มีทีม Data ในระดับหนึ่งแล้ว มีการวิเคราะห์ข้อมูล และมีการสร้าง Data Platform, Data Pipeline ที่จำเป็นเรียบร้อยแล้ว เนื่องจากในขั้นแรก ทีม Data ต้องจัดการข้อมูลทุกอย่างในองค์กรด้วยตัวเอง ทำให้มีงานแทรกที่เข้ามาอย่างไม่ขาดสาย ก็ถึงคราวที่ต้องมีการใช้ Automation เข้ามาช่วย

เครื่องมือที่ใช้ในขั้นนี้เน้นในการทำให้ระบบ Data รองรับกับผู้ใช้ให้มากขึ้น (Scale) โดยที่ทีม Data มีผลกระทบน้อย และให้ทีมอื่น ๆ นอกเหนือจากทีม Data เข้าถึงข้อมูลได้ง่ายขึ้นอีกด้วย

แต่ปัญหาที่ตามมาในขั้นนี้คือ พอองค์กรเริ่มเก่งด้าน Data แล้ว เครื่องมือที่อยู่ในตลาดอาจจะเริ่มไม่ตอบโจทย์ขององค์กร และพอ Data มีการเปิดให้เข้าถึงมากเกินไปก็มีความเสี่ยงที่ Data สำคัญบางส่วนสามารถเข้าถึงได้โดยคนที่ไม่เกี่ยวข้องได้

3.Leading with Data

และในขั้นสุดท้ายคือขั้นที่ทุกทีมในองค์กรเชื่อมั่นว่า Data ทำให้องค์กรเติบโตได้จริง และทีม Data ก็โฟกัสในการสร้าง Self-Service Data Platform ให้ดีขึ้น ทำให้ทีม Data สามารถรองรับจำนวนผู้ใช้ที่เพิ่มขึ้นเรื่อย ๆ ได้อย่างมีประสิทธิภาพ

ในจุดนี้เมื่อทีม Data เริ่มขยายทีมใหญ่ขึ้น ทีม Data จะเริ่มมองในเรื่องของการสร้างเครื่องมือแบบ Custom ขึ้นมาใช้เองในองค์กร สำหรับปัญหาเฉพาะขององค์กรที่ไม่มีเครื่องมือในตลาดรองรับได้แล้ว

แต่ก็มีอาจมีปัญหาที่ตามมาในขั้นนี้คือ เรื่องของสิทธิการเข้าถึง (Data Access) และการแก้ไขข้อมูล (Data Stewardship) ซึ่งจะเป็นเรื่องของการทำ Data Governance ที่จะช่วยให้ Data ในองค์กรมีการจัดระเบียบที่ดีขึ้น ช่วยให้องค์กรดูแลข้อมูลให้มีคุณภาพได้ในระยะยาวและพัฒนาต่อไปได้ดีขึ้น 

สามารถอ่านบทความเกี่ยวกับ Data Governance ได้ที่นี่ : What is data governance, and why does it matter?

Article by Thanisorn Boonchote