เหมืองข้อมูล (Data Mining)
เหมืองข้อมูล (Data Mining)

โดย : ม.ล.อัจฉราพร ณ สงขลา

update : 28 ตุลาคม 2558 11:39
ISBN : -


เหมืองข้อมูล (Data Mining)


ธุรกิจหลายอย่างในปัจจุบันเห็นคุณค่าในการเก็บรวบรวมข้อมูลของลูกค้าเพื่อนำมาสนับสนุนการขาย
      โดยทั่วๆ ไปองค์กรมักจัดเก็บข้อมูลเพื่อสนับสนุนธุรกิจในวัตถุประสงค์ต่างๆ โดยการสร้าง "ฐานข้อมูล (Database)" จากนั้นอาจนำไปพัฒนาต่อไปเป็นการทำ “เหมืองข้อมูล (Data Mining)”
      คำว่า “เหมืองข้อมูล (Data Mining)” แตกต่างจากการจัดทำ "ฐานข้อมูล (Database)" และฟังแล้วให้อารมณ์ตื่นเต้นอีกต่างหาก
      คนที่ทำงานสถิติจะใช้การทำ “เหมืองข้อมูล” ในเชิงปฏิบัติการที่เข้มข้นและต่อเนื่องมาจาก "ฐานข้อมูล" เพราะเป็นขั้นตอนที่ผ่านออกมาจากการสะกัดรายละเอียดที่แม่นยำออกมาจากฐานข้อมูลเรียบร้อยแล้ว และสามารถบอกได้ว่า ใคร … ที่ไหน... เมื่อไร… ทำไม… อย่างไร … เพื่ออะไร ฯลฯ ชัดเจน
      Dunnhumby เป็นผู้อยู่เบื้องหลังการสร้าง "ฐานข้อมูล "  ให้กับ Tesco Lotus จากนั้นได้นำข้อมูลเหล่านั้นมาเข้าสู่กระบวนการสร้าง "เหมืองข้อมูล" ในการทำงานและวางแผนการตลาด โดยได้คิดกระบวนการทำงาน "เหมืองข้อมูล" ที่โฟกัสเข้าไปในการวิเคราะห์พฤติกรรมการบริโภคของลูกค้าและนำไปทำงานต่อเนื่อง เพื่อการกระตุ้นการซื้อของลูกค้าในครั้งต่อๆ ไป 
      Dunnhumby กำหนดให้ระบบคอมพิวเตอร์ของ Tesco Lotus สามารถบันทึกรายละเอียด ณ จุดซื้อของลูกค้าในการซื้อของลูกค้า (POS) ซึ่งใช้บัตรสมาชิกควบคู่กับการชำระเงิน
      จากนั้นระบบคอมพิวเตอร์ส่งข้อมูลที่ Dunnhumby ต้องการเข้าไปสู่กระบวนการทำเหมืองข้อมูลทันที
      ข้อมูลดิบสำคัญที่ Dunnhumby ให้ความสำคัญอย่างมากเพื่อเข้าสู่การทำเหมืองข้อมูลคือ... วันที่ซื้อ... เวลาที่ซื้อ... สินค้าที่ซื้อ... จำนวนที่ซื้อต่อรายการ... บัตรเครดิตที่ใช้... ฯลฯ
      ฟังแล้วง่ายจัง... แค่นี้หรือคะที่เขาต้องการ ?
      ฟังแล้วง่ายจริงๆ ค่ะ... ไม่เห็นมีอะไรซับซ้อนสักนิด แต่ความสำคัญอยู่ตรงที่โปรแกรมคอมพิวเตอร์ได้แปรข้อมูลที่ดูแสนจะง่ายและธรรมดาเหล่านั้นไปแสดงผลที่สามารถกระตุ้นการขายครั้งต่อไปที่หลายคนอาจคิดไม่ถึงต่างหาก
      เส้นทางการเดินทางของข้อมูลที่ได้มาเป็นอย่างนี้ค่ะ...
      จากพฤติกรรมการซื้อของผู้บริโภคซึ่งเป็นสมาชิกที่ถือบัตรเกิดขึ้นในเชิงสถิติแต่ละครั้ง เมื่อเข้าไปสู่การทำเหมืองข้อมูลแล้วจะทำให้ Tesco Lotus รู้ทันทีว่า
      ลูกค้าซึ่งเป็นสมาชิกคนใดออกมาซื้อของในวันไหนของเดือนหรือในวันใดของสัปดาห์ ?
      ซื้อสินค้าอะไรประจำ ?
      สินค้าที่ซื้อแต่ละประเภทจำนวนเท่าใดต่อครั้ง ?
      ซื้อสินค้าชนิดใดซ้ำหรือบ่อยในระยะเวลาห่างกันเท่าใด ?
      หยุดหรือเลิกซื้อสินค้าอะไรหรือยี่ห้อที่เคยซื้อประจำ โดยหยุดซื้อไปเลยหรือเปลี่ยนพฤติกรรม ไปซื้อสินค้ายี่ห้อใดแทน ?
      เริ่มซื้อสินค้าอะไรใหม่ เพิ่มจากรายการสินค้าซึ่งเคยซื้อประจำ ?
       ฯลฯ
      ไม่น่าเชื่อว่ารายละเอียดทางสถิติที่แสดงออกมาในการซื้อสินค้าทุกครั้งสามารถบอกคำตอบ โดยการวิเคราะห์ตลาดผ่านการทำเหมืองข้อมูลในแง่มุมต่างๆ ได้หลายมิติที่ชัดเจนอย่างยิ่ง
      ยกตัวอย่างการที่ลูกค้าหันไปซื้อสินค้าหมวดเดียวกันแต่เป็นยี่ห้ออื่นอาจเป็นเพราะคุณภาพสินค้า หรือเพราะราคาสินค้าของผลิตภัณฑ์หรือเพราะขนาดบรรจุภัณฑ์ของอีกอย่างที่ชวนซื้อมากกว่า หรือเพราะสอดคล้องกับการจัดรายการสนับสนุนการขาย ฯลฯ
      ในสถิติการซื้อของสมาชิกบางคนแสดงรายการว่า... สมาชิกบางคนเริ่มที่ซื้อผ้าอ้อมเด็ก แป้งทาตัวเด็ก สบู่หรือแชมพูสระผมเด็ก ฯลฯ   Dunnhumby จะรู้ทันทีว่าบ้านนั้นมีเด็กเกิดใหม่หรือมีเด็กเข้ามาเป็นสมาชิกใหม่
      ฯลฯ
ข้อมูลทางสถิติที่วิเคราะห์ผ่านเหมืองข้อมูลเหล่านี้สามารถบอกรายละเอียดได้ชัดเจนโดยไม่ต้องตามไปดูถึงบ้านหรือไปถามสมาชิกว่าเกิดอะไรขึ้นที่บ้านสมาชิกคนนั้น

บทความที่น่าสนใจ
 
  • การสื่อสารในภาวะวิกฤติ สิ่งที่องค์กรเมืองไทยมองข้าม
  • Fortune Cookie
  • Oktoberfest กับ Big Six (1)
  • Oktoberfest (2)
  • Spargel... ผักแวมไพร์
  • ทำแผนการสื่อสารในภาวะวิกฤติ
  • สี ฟ้า-ขาว : แบรนด์ของบาวาเรีย
  • พรรคบาเยิร์น (BP)
  • เยี่ยมบริษัท BMW ที่ มิวนิก
  • ทำพื้นที่ต้อนรับลูกค้าให้... Wow ! (2)
  • ทำพื้นที่ต้อนรับลูกค้าให้... Wow ! (3)
  • Nostalgia ช่วยสร้างแบรนด์