4กรณีศึกษา วิธีหา Insight จาก Data Visualization

# แนะนำ 4กรณีศึกษา วิธีหา Insight จาก Data Visualization #
การตัดสินใจด้วยข้อมูลเป็นสิ่งที่จำเป็นอย่างยิ่งในธุรกิจ
เพื่อให้สามารถแข่งขันกับคู่แข่งในตลาดได้
Data Visualization คือเครื่องมือหนึ่งที่ช่วยแปลงข้อมูลตัวเลข
ที่เป็นนามธรรม ให้สามารถเข้าใจได้ง่ายขึ้น ประโยชน์ของการ “Visualize” อีกอย่างหนึ่ง
คือการเห็นภาพรวม เห็นรายละเอียด และแนวโน้มได้ดีกว่า การดูข้อมูลโดยตรง
ในวันนี้เราจะพามาดู 4 กรณีศึกษา การหา Insight จาก Data Visualization
ถ้าพร้อมแล้วก็ไปดูกันเล่ยยย
1. ตัวอย่างสุดคลาสิกของ Data Visualization คือกรณีศึกษาของ หมอ John Snow ที่ค้นพบรูปแบบการแพร่เชื้ออหิวาตกโรคที่เมือง London
โดยในสมัยนั้น (ปี ค.ศ. 1850) ผู้คนเชื่อว่าเชื้ออหิวาตกโรคแพร่กระจายจากไอระเหยในอากาศ (Miasma theory)John Snow เป็นคนแรก ๆ ที่เริ่มเก็บข้อมูลอาการป่วยของผู้คน แล้วมาพลอตเป็นแผนที่ (Dot map) เพื่อวิเคราะห์การกระจายตัวของเชื้อโรค จนค้นพบว่าผู้ป่วยที่ติดเชื้ออหิวาตกโรค กระจายตัวอยู่บริเวณปั๊มน้ำของถนน Broad ในละแวกนั้นที่มาจากแม่น้ำ Thames และจากสังเกตเก็บข้อมูลเพิ่มเติมทำให้เขารู้ว่า ผู้ป่วยส่วนใหญ่ได้ดื่มน้ำจากบ่อน้ำบริเวณนั้น และเมื่อปั๊มน้ำได้รับการซ่อมแซมก็พบว่าอัตราการติดเชื้ออหิวาตกโรคลดลงอย่างมีนัยยะสำคัญ จนได้เป็นข้อสรุปใหม่ที่ว่าเชื้ออหิวาตกโรคแพร่กระจายผ่านบ่อน้ำนั้นที่มีการปนเปื้อนเชื้อนั่นเองตัวอย่างแหล่งที่มาจาก
https://bit.ly/3AYktvf
2. ในบางครั้ง Data Visualization ก็ช่วยเปิดเผยข้อมูลเชิงลึกบางอย่าง มากกว่าตารางข้อมูลด้วยซ้ำ เหมือนอย่างกรณี Diagram of the Causes of Mortality ของ Florence Nightingale
ซึ่งได้ชื่อว่าเป็นมารดาแห่งการพยาบาลสมัยใหม่
ซึ่งขณะที่เธอมีชีวิตอยู่ เธอได้ทำงานที่โรงพยาบาลของประเทศอังกฤษในช่วงสมัยสงคราม ในด้านนึงเธอเป็นนางพยาบาล แต่ในอีกด้านนึงเธอก็เป็นนักสถิติตัวยงด้วย ที่ใช้เวลางานในการจัดเก็บรูปข้อมูลทางการแพทย์ในสมัยนั้น ในขณะที่ทำงานเธอพบปัญหาของสถานพยาบาลที่ไม่ได้มาตรฐาน จากเรื่องการไม่มีระบบฆ่าเชื้อที่ดี การทำงานที่หนักเกิน และขาดแคลนทรัพยากร จนทำให้เธอเกิดความคิดที่จะสร้างมาตรฐานใหม่ในสถานพยาบาล แต่ด้วยความที่การสร้างมาตรฐานใหม่นั้นต้องได้รับการอนุมัติจาก Queen Victoria เธอจึงแนวโน้มทางกองทัพด้วยการสร้าง Polar Area Diagram ที่บ่งบอกถึงสัดส่วนของการเสียชีวิตของทหารที่มารักษาในโรงพยาบาลในช่วงปีค.ศ. 1854 – 1856 โดยสีแดง คือสัดส่วนของทหารที่เสียชีวิตจากบาดแผลจากสงคราม และสีฟ้าคือสัดส่วนของทหารที่เสียชีวิตจากการติดเชื้อ จนสามารถแนวโน้มทางกองทัพให้อนุมัติงบประมาณได้สำเร็จ
แหล่งที่มา : https://bit.ly/2YedReg
3. Starbucks เคยประสบปัญหาการขาดการวางแผนในการเปิดสาขาที่ดีจนยอดขายตกลง เพราะมีการแย่งลูกค้ากันเองในแต่ละสาขา หรือไปเปิดสาขาใหม่ ในที่ ๆ ไม่มีลูกค้ากลุ่มเป้าหมาย
โดย Starbucks ภายใต้การกลับมาบริหารของ Howard Schultz ได้ริเริ่มการนำ Data มาใช้ในการตัดสินมากขึ้น หนึ่งในนั้นคือการพลอต Density map เพื่อวิเคราะห์ลักษณะของผู้คนในท้องที่, Traffic ของคนเดิน, รายได้โดยเฉลี่ย และคู่แข่งสาขารอบเพื่อเลือกเปิดสาขาที่สามารถสร้างกำไรได้สูงสุด
แหล่งที่มา https://marker.medium.com/starbucks-isnt-a-coffee-company-its-a-data-technology-business-ddd9b397d83e

4.เคสนี้เป็นเคสของบริษัท Nest Labs ( บริษัทลูกของ Google ที่ทำด้าน Smart home )
ที่ได้นำข้อมูลสิทธิบัตรมา Plot ในรูปแบบ Radar Map เพื่อวิเคราะห์หาโอกาสทางธุรกิจใหม่ ๆ โดยดูจากสิทธิบัตรของบริษัทในเครือ และบริษัทของคู่แข่ง (ยิ่งมีการจดสิทธิบัตรโดยคู่แข่งเยอะในประเด็นนั้น ๆ จะยิ่งมีสีแดงเข้ม) ซึ่งจะพบว่าใน Radar Map มีช่องว่างสีขาวที่ยังไม่มีการจดสิทธิบัตรโดยคู่แข่ง ซึ่งสามารถนำมาใช้เป็นข้อมูลในการพัฒนาสินค้าต่อไป

ขอบคุณที่มาจาก : https://emerj.com/ai-future-outlook/2-business-use-cases-of-data-visualization-solving-tough-problems/

5.เคสนี้เป็นเคสของบริษัท Hon Hai ( บริษัทที่ทำเกี่ยวกับอิเล็กทรอนิคส์ โดยเป็นผู้ผลิตชิ้นส่วน iPhone ให้กับ Apple)
ที่ได้นำข้อมูลสิทธิบัตรของบริษัท Sharp (บริษัทเครื่องใช้ไฟฟ้า) เพื่อประเมินความคุ้มค่าในการซื้อกิจการ โดยดูจากสิทธิบัตรในบริษัท โดย จุดสีแดงคือส่วนที่ Hon Hai มีสิทธิบัตรอยู่แล้วจุดสีน้ำเงินคือส่วนที่ Sharp มีสิทธิบัตร และส่วนจุดสีชมพูคือส่วนที่มีสิทธิบัตรร่วมกัน
ขอบคุณที่มาจาก : https://emerj.com/ai-future-outlook/2-business-use-cases-of-data-visualization-solving-tough-problems/

Recommended Articles

No results found.

Menu