8 นิสัยที่ไม่ธรรมดาที่ Data Analysis และนักวิเคราะห์ต้องมี


 

เพราะการวิเคราะห์ที่ดีที่สุด ไม่ได้มาจากหน้า Excel แต่เกิดจากมุมมองที่ต่างออกไป การฝึกฝน “นิสัยไม่ธรรมดา” หรือ “การคิดนอกกรอบ” อาจจะช่วยให้ได้ไอเดียใหม่ ๆ ไว้ประยุกต์ในการวิเคราะห์ให้รอบด้าน และมีมิติ ละเอียดมากขึ้น ซึ่งนิสัยที่ไม่ธรรมดาที่ควรฝึกฝนมี 7 นิสัยได้แก่

  1. ถาม “คำถามโง่ ๆ” ให้ได้มากที่สุด (เหมือนเด็ก 5 ขวบ) เคยมีคำพูดว่า ไม่มีคำถามไหนที่โง่ มากกว่าการนั่งอยู่ในห้องโดยไม่ถาม ดังนั้น การถามคำถามที่พื้นฐานมากๆ จนดูเหมือนไม่รู้อะไรก็เป็นเรื่องสำคัญ เพราะจะหลายๆ ครั้งจะช่วยทำให้เป้าหมายการทำงานกระจ่างขึ้น หรือเข้าใจว่าต้องการอะไรกันแน่ในที่สุด ทำให้คนที่ไม่เข้าใจได้เข้าใจด้วย นอกจากนี้ยังสามารถทำให้ความเข้าใจหรือเข้าใจไปคนละทางในเรื่องเดียวกัน ให้เข้าใจตรงกัน อย่าคิดว่าอะไรเป็นเรื่องเข้าใจอยู่แล้ว ชัดเจน แต่จงถาม “คำถามพื้นฐาน” เสมอ เพราะอินไซต์ที่ดีที่สุด มักโผล่มาตอนไขข้อสงสัยพื้นฐาน
  2. อธิบายเรื่องซับซ้อนให้คนอื่นฟัง หลาย ๆ ครั้งการต้องทำงานกับคนนอกสายงาน หรือคนที่ไม่คุ้นเคยในสิ่งที่กำลังทำ การอธิบายอะไรยากๆ ให้คนเหล่านี้ฟังกลับกลายเป็นการช่วยให้สามารถสรุปหรือทำความเข้าใจตัวเอง หรือทีมขึ้นมาได้ด้วย ไม่ว่าจะเป็น การอธิบาย Concept พื้นฐานทาง Data และการตลาดต่างๆ หรือวิธีการทำงานของ Marketing Attribution จนถึงเรื่องที่ท้าทายคือการอธิบายความขัดแย้งในการทำงานจริง การที่ไม่สามารถอธิบายเรื่องยากๆ ให้เป็นเรื่องง่ายๆ ได้นั้น แสดงว่ายังเข้าใจไม่ดีพอ หรือยังไม่สามารถสรุปความคิดตัวเองได้
  3. แกะงานของคนอื่น เพื่อเข้าใจธุรกิจ : การลองดูงานของคนอื่น ทำความเข้าใจวิธีคิดของการทำงานคนอื่นว่า เพื่อให้ได้ผลลัพท์ดังกล่าวมันมีความเป็นมาอย่างไรนั้น คือขุมทรัพย์มหาศาล เพราะสามารถทำให้เห็นว่า “กฎธุรกิจ” ที่แท้จริง มันเต็มไปด้วยรายละเอียดเกี่ยวกับข้อกำหนดต่างๆ มากมาย ตัวอย่างเช่น การทำให้กรอกแบบฟอร์มในออนไลน์จะเจอว่า ในโลกแห่งความเป็นจริง มีคนกรอกในรูปแบบที่แตกต่างจากที่คิดไว้มากมาย ไม่ว่าจะเป็นการพิมพ์ตัวเล็ก ตัวใหญ่หรือต่างภาษา การ Reverse Engineer เหล่านี้ไม่เพียงแต่ทำให้เก่งขึ้น แต่ยังเข้าใจ “กฎธุรกิจ” กว้างขึ้น
  4. Reverse Engineer การตัดสินใจทางธุรกิจ : Steve Jobs เคยกล่าวว่า: “เรามักจะเชื่อมจุดต่างๆ ได้เมื่อมองย้อนกลับ (Backward) มากกว่ามองไปข้างหน้า (Forward)” ดังนั้นการเริ่มต้นจาก Data แล้วค่อยหาข้อสรุปอาจไม่ใช่วิธีที่ดีที่สุด วิธีมองอีกทางคือลอง “กลับทาง” ดู ว่าจากข้อสรุปไปถึงข้อมูลนั้นเป็นอย่างไร เช่นการเลือกเหตุการณ์ธุรกิจครั้งใหญ่ แล้ว “Reverse Engineer” ดูว่าคนตัดสินใจใช้ “เหตุผล” หรือ “ข้อมูล” อะไรบ้าง
  5. ท้าทาย “อคติ” ของตัวเอง : ก่อนจะสรุปงานวิเคราะห์ ลองถามตัวเองก่อนว่าต้องการข้อสรุปแบบไหน จากนั้นลองตั้งคำถามกับข้อสรุปนั้นว่า กำลังตีความให้ข้อมูลไปตรงกับอคติตัวเองไหม หรือไม่สนใจข้อมูล เหตุผลอื่นที่ขัดแย้งสมมติฐานตัวเองอยู่รึเปล่า นักวิเคราะห์ที่เก่ง ไม่ใช่แค่ “ดูข้อมูล” แต่ต้อง “ดูวิธีคิดตัวเอง” เพื่อไม่ตกหลุมพราง “Cognitive Bias”
  6. “ผัดวันประกันพรุ่ง” อย่างมีชั้นเชิง (Procrastinate strategically) : หลาย ๆ คนอาจจะรู้สึกผิดเมื่อดองงานไว้นิดหน่อย… แต่บางที “การดองงานอย่างมีเหตุผล” คือสิ่งที่ดีที่สุด เพราะเราสามารถใช้การผัดวันประกันพรุ่ง (Procrastination) มาให้เป็นประโยชน์ได้โดยการ รอดูก่อนตอบคำขอ เช่น ทุกคนชอบงานด่วน แต่จริง ๆ แล้ว มักไม่ได้ฉุกเฉินขนาดนั้น การรออาจทำให้คนเจอทางแก้ด้วยตัวเอง หรือ ให้เวลาตัวเองก่อนลงมือวิเคราะห์: อย่าลองแก้ไขโดยทันที ลองหยุดคิดแผนสักหน่อย การ “เว้น” ช่วงจะเปิดโอกาสให้ไอเดียเกิดขึ้นมา
  7. โชว์ “ข้อผิดพลาด” ของตัวเอง : การบอกข้อผิดพลาดตัวเองกลับให้ผลลัพธ์ที่ดีเกินคาด เพราะการสื่อสารกับผู้มีส่วนได้ส่วนเสีย (Stakeholder) ไม่ใช่แค่การรายงาน แล้วจบ แต่คือ “บทสนทนา” ต่อเนื่อง เพราะการสื่อสารถึงเป้าหมายความคาดหวังที่ตรงกันจะช่วยเลี่ยงความเข้าใจผิดได้เยอะ และที่สำคัญ ยังช่วยป้องกันการทำงานผิดทางได้ แชร์ Draft ของการวิเคราะห์จะช่วยให้เกิด feedback ตั้งแต่เนิ่น ๆ และทำให้การทำงานถูกทางได้

 

 

นิสัยเหล่านี้บางอย่างอาจดูประหลาด หรือ “ไม่เห็นจำเป็นเท่าไหร่” แต่จุดที่ทำให้มันได้ผล คือขณะที่คนอื่นติดอยู่ในกระบวนการตายตัว วิธีคิดนอกกรอบนี่จะช่วยทำให้ค้นพบอินไซต์ที่คนอื่น “มองข้าม” และทำงานได้ดีกว่าคนอื่นได้ จำไว้ว่า การวิเคราะห์ข้อมูลที่ดีที่สุด ไม่ใช่แค่เรื่องตัวเลข แต่มาจาก ความสงสัย (Curiosity), ความคิดสร้างสรรค์ (Creativity), และ ความกล้า ที่จะตั้งคำถามกับทุกอย่าง


Molek
Head of Strategic Marketing ใน Integrated Service Agency ที่หนึ่ง ผู้หลงใหลในหลาย ๆ ที่มีความอยากรู้และเรียนรู้ในเรื่อง Startup, นวัตกรรม, การตลาด จากมุมมองหลาย ๆ ด้านและวัฒนธรรมของแบรนด์ต่าง ๆ