สร้างทีม Data อย่างไรให้บริษัทเป็น Data-driven Company

ในปัจจุบัน เราจะได้ยินหลายๆบริษัทเรียกตัวเองว่าเป็น Data-driven company บางบริษัทอาจจะเริ่มจากการจ้าง Data scientist เข้ามาในบริษัท แล้วให้ทำอะไรสักอย่างที่ใช้ข้อมูลมาบอกฝั่ง Business ว่าต้องทำอย่างไรถึงจะเพิ่มตัวเลข หรือลดรายจ่ายของบริษัทนั้นได้ มีแค่นี้ก็เป็น Data-driven company แล้ว

…

แค่นั้นจริงหรอ?

…

ถ้าคุณทำงานที่ FINNOMENA ในประชุมของทีมทาง Business หรือ Product คุณจะได้ยินคำพวกนี้อยู่บ่อยๆ

ขอถามทีม Data ครับ
ถามทีม Data ก่อนมั้ย
Hello data … มีข้อมูลของ xxx มั้ย
มีข้อมูลใน Tableau ปะ

เรียกได้ว่า 80% ของการทำงานที่นี่จะมี Data เข้าไปเป็นส่วนในการตัดสินใจด้วย

กว่าจะเป็นแบบนี้ได้ มันไม่ใช่มีแค่มี Data scientist แล้วทุกคนจะใช้ข้อมูลในการตัดสินใจ แต่สำหรับเรามันคือ

วิธีการทำงานของทีม Data และ Mindset ของคนในบริษัท

บทความนี้ก็เลยอยากจะมาแชร์ว่า เราจัดและบริหารทีม Data (ที่อื่นอาจจะเป็น BI หรือ Data science) อย่างไรให้บริษัทมี Data-culture และเป็น Data-driven company ได้

Disclaimer : บทความนี้เขียนจากประสบการณ์ส่วนตัวของเราเอง บริษัทอื่นอาจจะใช้วิธีที่แตกต่างกันค่ะ

Disclaimer2 : ปัจจุบันผู้เขียนไม่ได้ทำงานที่ FINNOMENA แล้ว ข้อมูลอาจมีการเปลี่ยนแปลงได้ค่ะ

การทำงานของทีม Data

ก่อนอื่น มาดูวิธีการ Integrate ทีม Data กับบริษัทในแบบต่างๆกันก่อน โดยทั่วไปจะแบ่งได้เป็น 3 แบบในรูปด้านล่างตามหนังสือของ O’Reilly (ในรูปจะใช้คำว่า Analytic group กล่องสีเขียว)

https://www.altexsoft.com/blog/datascience/how-to-structure-data-science-team-key-models-and-roles/

1. Centralized Data Team

การทำงานแบบนี้คือการให้สมาชิกในทีม Data นั่งทำงานด้วยกัน โดยมี Lead หนึ่งคนเป็นคนรับงาน ตัดสินใจ และแจกงานให้สมาชิกทีม

ข้อดี : ทีม Data ทำงานได้อย่างมีประสิทธิภาพมากที่สุด นอกจากนั้นยังทำให้ทีมสนิทกัน เกิด Knowledge sharing ภายในทีม และทำให้ทีมมี Culture ที่ดี

ข้อเสีย : การนั่งไกลจาก Business Unit (BU) ซึ่งอาจจะทำให้สมาชิกทีม Data แต่ละคนไม่เข้าใจปัญหาของ Business จริงๆ หรืออาจจะไม่เห็นปัญหาอื่นๆที่สามารถใช้ Data ไปแก้ปัญหาได้

2. Decentralized Data Team

รูปแบบการทำงานนี้จะให้แต่ละ BU มีคนที่ทำงานด้าน Data อยู่ใน BU นั้น และให้นั่งทำงานกับ BU นั้นเลย

ข้อดี : คนที่ทำงานด้าน Data เห็นและเข้าใจปัญหาทาง Business ได้เป็นอย่างดี และยังเห็นโอกาสที่จะนำ Data ไปพัฒนาให้ BU นั้นๆ

ข้อเสีย : แม้การทำงานในรูปแบบนี้จะทำให้บริษัทได้ประโยชน์สูงสุด แต่ตัวสมาชิกที่ทำงานด้าน Data จะต้องการคนที่พูดภาษา Data เหมือนกัน จากการศึกษาพบว่า ลักษณะการจัดทีมแบบนี้จะทำให้ Turnover rate ค่อนข้างสูง เพราะสมาชิกรู้สึกไม่มี Mentor ที่คอยให้คำปรึกษาตอนทำงาน

จากข้อดีข้อเสียของการทำงานทั้ง 2 แบบ จึงทำให้เกิดการทำงานแบบที่ 3 ขึ้น

3. Center-of-Excellence (Hybrid) Data Team

การทำงานแบบนี้จะเป็นการผสม 2 แบบข้างต้น คือจะยังมีทีม Data และสมาชิกในทีมจะนั่งทำงานด้วยกันเหมือนแบบ Centralized แต่สมาชิกแต่ละคนจะถูกยืมตัวไปทำงานกับ BU ต่างๆ อาจจะเป็นช่วงเวลาหนึ่งหรือเป็นแบบ project-based ตามแบบ Decentralized

เพราะฉะนั้นสมาชิกทีม Data จะได้ทำงานใกล้ชิดกับ BU และยังมีศูนย์กลางทีม Data ให้สมาชิกมา Knowledge sharing ด้วยกัน คุยภาษาเดียวกัน นำปัญหาต่างๆที่เจอมาจากแต่ละ BU มาแชร์กันและช่วยเหลือกันได้ การจัดทีมแบบนี้จึงเป็นผลดีทั้งกับบริษัทและพนักงาน

ถึงแม้การทำงานแบบ Hybrid จะดูมีประสิทธิภาพที่สุด แต่ก็ต้องคำนึงถึงจำนวนคนของทีม Data ด้วย ถ้าเพิ่งเริ่มสร้างทีม มีคนน้อยอยู่ ก็อาจจะเริ่มแบบ Centralized ไปก่อน พอเริ่มเป็นทีมขนาดกลาง อาจจะให้ลองกระจายตัวไปทำงานกับ BU อื่นๆ หรือถ้าขนาดทีมใหญ่มาก พอที่จะตั้งเป็นทีม Data ย่อยๆแต่ละ BU ได้เลย ก็ทำเป็นแบบ Decentralized ไปเลยก็ได้

ตัวอย่างการทำงานของทีม Data ที่ FINNOMENA

ตอนนี้ทีม Data ของที่นี่เมื่อเทียบกับขนาดของบริษัท ถือได้ว่าเป็นทีม Data ขนาดกลาง เราจึงจัดทีมแบบ Hybrid

โดยเราจะเซ็ตไปเลยว่า ให้สมาชิกคนไหนในทีม Data รับผิดชอบการทำงานกับทีม Business ไหน เพื่อให้ตัวงานมีความชัดเจน สมาชิกจะได้โฟกัสกับ domain นั้นๆไปเลย

Data ขอ join ด้วย

ปกติทุกทีมในบริษัทจะมีการประชุมประจำสัปดาห์เพื่ออัพเดตและวางแผนงานกัน ในการประชุมของทีม Business ทีมอื่น เราไปขอให้มีสมาชิกในทีม Data เข้าไปร่วมการประชุมด้วย เหมือนให้ทีม Data เป็นสมาชิกอีกคนในทีมนั้นไปเลย ถึงแม้เนื้อหาการประชุมอาจจะไม่ได้เกี่ยวข้องกับงานทาง Data โดยตรง แต่เราอยากให้คนในทีมเข้าใจการดำเนินงานหรือการตัดสินใจทาง Business จริงๆ สามารถให้คำแนะนำได้ว่าการทำงานของ Business สามารถวัดผลได้หรือเปล่า หรือเอา Data ไปช่วยอะไรตรงไหนได้บ้าง

พอมาถึงการประชุมประจำสัปดาห์ของทีม Data นอกจากจะเป็นการอัพเดตงานแล้ว ทุกคนก็จะได้อัพเดต Business activities และปัญหาของทีมอื่นๆที่แต่ละคนได้จากการไปประชุมหรือทำงานด้วย

ที่นี่ ทีม Data จะนั่งด้วยกัน มีกิจกรรม Knowledge sharing แชร์ความรู้ใหม่ๆทาง Data หรือแชร์รายละเอียดตัวงานที่ตัวเองทำทั้งในแง่ของการใช้ Data และแนวคิดทาง Business อื่น แต่ในระหว่างวันสมาชิกแต่ละคนจะมีการสื่อสารกับทีม Business ค่อนข้างเยอะ บางวันก็ไม่ได้นั่งกับ Data หายไปนั่งทำงานกับทีมนั้นๆเลยก็มี

ด้วยการทำงานแบบนี้ จึงทำให้ Data ค่อยๆแทรกซึมเข้าไปอยู่ในการทำงานของทีม Business ต่างๆได้

Mindset ของคนในบริษัทกับการใช้ Data

ถึงแม้ structure และการทำงานของทีม Data จะดีแค่ไหน Data-driven culture จะเกิดไม่ได้เลย ถ้าคนในบริษัทไม่มี Mindset ในการใช้ Data

ไม่ใช่แค่คนทางฝั่ง Business เท่านั้น แต่คนภายในทีม Data เองก็ต้องมาปรับจูน Mindset ด้วยเหมือนกัน

Mindset ของสมาชิกทีม Data

ด้วยความที่อาชีพ Data scientist มาแรง คนจะติดภาพจำว่าอะไรที่เกี่ยวกับ Data ก็น่าจะได้ทำ AI, Machine learning กัน แต่ในความเป็นจริงแล้ว การเป็น Data scientist แบบ in-house ไม่ค่อยได้ทำอะไรแบบนั้นหรอก

เราจะมุ่งเน้นการทำ Data ให้เกิด Business value ด้วยวิธีใดๆก็ได้ ซึ่งบางทีอาจจะแค่ ดึงตัวเลขทำ report หรือทำ Data visualization ง่ายๆก็เพียงพอกับปัญหาทาง Business แล้ว

จุดสำคัญคือทำให้คนในทีมตีโจทย์ทาง Business ให้ได้ แล้วนำข้อมูลที่มีอยู่และความสามารถทางเทคนิคมาทำให้เกิดเป็น Business value

ต้องปรับ Mindset คนในทีมให้ทำ Problem formulation ก่อน คิดก่อนว่าปัญหาของ Business จริงๆคืออะไร แล้วเราจะเอา Data มาทำอะไรยังไงให้เกิด value

Practical Data Science Venn Diagram

ส่วนสกิลของสมาชิกในทีม เราคิดว่าความรู้ใน Domain ที่เอาข้อมูลไปประยุกต์ใช้สำคัญมาก ไม่ใช่ว่าสกิลทางด้าน Programming กับ Math ไม่สำคัญ แต่การจะใช้ความรู้ทาง Programming กับ Math ให้เกิดเป็น value กับฝั่ง Business จริงๆได้นั้น เราให้น้ำหนักกับความเข้าใจใน Domain ที่เอาข้อมูลไปใช้เยอะมากกว่า จึงเป็นเหตุผลที่ทำไมเราถึงให้สมาชิกในทีมไปนั่งฟังการประชุมหรือคุยกับฝั่ง Business เยอะๆ เพื่อให้เขาเข้าใจปัญหาและเห็นช่องทางการเอาข้อมูลไปประยุกต์ใช้ได้

Mindset ของทีมฝั่ง Business

จริงๆแล้ว Key persons ที่จะทำให้เกิด Data-driven culture ในบริษัทก็คือ CEO ผู้บริหารและหัวหน้าทีมต่างๆ ที่ต้องเข้าใจความสำคัญของข้อมูลและเปิดรับให้ทีม Data เข้ามามีส่วนร่วมใน Business เพราะผลลัพธ์ที่ได้จากทีม Data ไม่ได้สร้าง impact กับลูกค้าโดยตรง หรือสามารถแปลงเป็นตัวเลข revenue หรือ cost ได้ตรงๆ

เราต้องสื่อสารกับทาง Business ตลอด อธิบายให้เข้าใจการทำงานของทีม Data ว่าทำแบบนี้ ผลลัพธ์ทางอ้อมที่ได้จะเป็นอย่างไร ถ้าเราทำให้ผู้บริหารหรือหัวหน้าทีมอื่นเข้าใจตรงจุดนี้ไม่ได้ การเป็น Data-driven company ก็จะเกิดได้ยากทีเดียว

แต่แค่นั้นก็ยังไม่พอนะ …

ที่นี่ CEO จะชอบเชิญชวนให้ไปใช้ Data โดยถามว่า

ใครยังไม่เคยเข้า Tableau บ้างครับ?

แต่แค่คำพูดของ CEO ที่ชวนให้ทุกคนเข้าไปดูก็ยังไม่ได้ทำให้คนมาใช้ Data มากขึ้นหรอก จนพี่ Co-founder คนหนึ่งพูดว่า

Dashboard มันจะศักดิ์สิทธิ์ได้ ต้องเปิดให้ดูใน Weekly meeting ทุกครั้ง

ในตอนแรกๆ ทางทีม Data ก็จะลองทำ Dashboard หรือ Report ออกมา แล้วก็จะเริ่มเข้าไปในการประชุมของทีมต่างๆ และอธิบายว่า Dashboard ใช้ยังไง บอกอะไรบ้าง มี Insight อะไรบ้าง และจบด้วยให้คำแนะนำว่า

จากข้อมูลที่ได้มานี้ ทีม Business ควรทำอะไรต่อไป

จนทีมต่างๆเริ่มเข้าใจกันมากขึ้น เราจะเริ่มเห็น Tableau dashboard ไปโผล่ตาม Weekly meeting ของทีมอื่น เป็นการสร้าง feedback loop ให้กับการทำงานของทีม Business ด้วยข้อมูล

ทุกเย็นวันศุกร์ ที่บริษัทจะมีกิจกรรมที่ชื่อ Show & Tell คือให้ทุกคนในบริษัทมารวมตัวกัน แต่ละทีมส่งตัวแทนออกไปเล่าว่าในอาทิตย์ที่ผ่านมาได้ทำอะไรไปบ้าง แต่สำหรับทีม Data เราไม่ได้ให้พูดแค่งานในอาทิตย์นั้น แต่จะให้สมาชิกแต่ละคนหยิบ Report หรือ Insight ไปเล่าให้ทุกคนในบริษัทฟัง ทำให้คนในบริษัทเข้าใจการใช้ข้อมูลและเห็นตัวอย่างการนำข้อมูลไปใช้ประโยชน์ในด้านต่างๆด้วย

ตัวอย่างภาพบรรยากาศ Show & Tell

นอกจากนั้น เรายังมองว่าเป็นการ Recogize ผลงานของทีมอื่นด้วยข้อมูล ตัวสมาชิกในทีม Data ก็ได้นำเสนอผลงานที่ตัวเองทำและฝึกสกิล Presentation ไปในตัวด้วย

กว่าจะมาเป็น Data-driven Company

จากวันแรกที่เราเข้ามาทำงานที่นี่ก็เกือบ 3 ปีแล้ว

ในตอนแรก มีพี่คนหนึ่งเห็นคำว่า BI กำลังบูมและคิดว่า Startup ที่ดีควรเป็น Data-driven ก็เลยเริ่มต้นจากตั้ง unit เล็กๆที่เรียกว่า Business intelligence (BI) แบบที่ทุก Startup มีกัน เพื่อเก็บข้อมูลช่วยในการทำ Digital marketing จากนั้นเราก็เข้ามาเป็น Data scientist คนแรกในบริษัท จึงได้มีการวิเคราะห์ข้อมูลที่จริงจังมากขึ้น มีกันแค่ 2 คน การทำงานก็เป็นได้แค่แบบ Centralized แหละ

เราเริ่มทำ Dashboard ให้กับฝั่ง Marketing และมีประชุมอัพเดตกันทุกอาทิตย์ พอเริ่มเห็นว่ามีประโยชน์ ก็ทำให้ฝั่ง Content บ้าง จากนั้นก็ทีม Sales จนทีมอื่นรู้สึกว่าข้อมูลเริ่มนำเอาไปใช้ในการทำงานได้ ก็เริ่มมีคนมาขอใช้ข้อมูลมากขึ้น ทางทีม Data ก็รับมาตรงส่วนกลางแล้วแบ่งงานในทีมกันไป

พอต้นปี 2019 งานเริ่มเยอะและหลากหลายมากขึ้น ก็มีการรับคนเพิ่มและเปลี่ยนการจัดทีมเป็นแบบ Hybrid ให้สมาชิกในทีม Data หนึ่งคนรับผิดชอบหนึ่ง Domain ไปเลย แล้วก็ให้เริ่มเข้าประชุมกับทาง Business ทุกสัปดาห์ มีการให้คำแนะนำและ feedback กับทาง Business ตลอด จนเกิดมาเป็นวิธีการทำงานที่ใช้กันในปัจจุบันนี้

เพราะฉะนั้น การจะทำให้บริษัทเป็น Data-driven Company ได้นั้น ไม่ได้เกิดขึ้นได้ในทันทีที่มีทีม Data แต่ต้องมีการจัดวิธีการทำงานของทีม Data ที่เหมาะสมและการสร้าง Mindset การใช้ Data ให้คนในบริษัทด้วย อย่างของที่นี่เราก็ใช้เวลาในการลองผิดลองถูกมาเยอะ จนเกิดเป็นความร่วมมือกันระหว่างทีม Data กับทีม Business ต่างๆ ที่พร้อมจะปรับเปลี่ยนวิธีการทำงานจนสามารถเอา Data เข้าไปเป็นส่วนหนึ่งในการทำงานได้อย่างทุกวันนี้

Last Update : 28/6/2020