NEWS /

3 วิธีในการสร้างประโยชน์ให้กับธุรกิจของคุณจากข้อมูลขนาดใหญ่

การวิเคราะห์ที่มีประสิทธิภาพสูงช่วยผลักดันให้ลูกค้าของแซสประสบผลสำเร็จ โดย นายทวีศักดิ์ แสงทอง กรรมการผู้จัดการ บริษัท แซส ซอฟท์แวร์ (ไทยแลนด์) จำกัด

                          

        

กรุงเทพฯ(วันที่ 24 ธันวาคม พ.ศ.2556)-การวิเคราะห์ขั้นสูงสามารถช่วยคุณพัฒนาโมเดลต่างๆ แล้วนำโมเดลเหล่านั้นมาใช้ในการตอบคำถามแบบมีเงื่อนไข (what-if) เกี่ยวกับข้อมูลของคุณได้ ตัวอย่างเช่น การพัฒนาโมเดลทางสถิติที่มีการเชื่อมโยงพฤติกรรมการซื้อกับโปรไฟล์ของลูกค้า สามารถใช้ทำนายพฤติกรรมในอนาคตของลูกค้าได้ การประยุกต์ใช้โมเดลดังกล่าว อาจเรียกได้ว่าเป็น "การให้คะแนน" และเป็นพื้นฐานสำหรับการวิเคราะห์เชิงพยากรณ์

            การวิเคราะห์ในประเภทดังกล่าว เป็นโลกที่ห่างไกลจากระบบธุรกิจอัจฉริยะ (Business Intelligence) ในรูปแบบดั้งเดิมที่เกี่ยวข้องกับการถามคำถามง่ายๆ เกี่ยวกับข้อมูลในลักษณะหนึ่งหรือสองมิติมากกว่า (เช่น มีรองเท้ายี่ห้อ X ในสต็อกของเรากี่คู่) ประเภทของการวิเคราะห์ดังกล่าวค่อนข้างตรงไปตรงมาโดยใช้ฐานข้อมูลแบบเดิม ซึ่งต้องการเพียงแค่ช่องทางขนาดเล็ก (อินเทอร์เฟส) ในการป้อนและแสดงผลข้อมูล และส่วนซอฟต์แวร์ในเครื่องไคลเอ็นต์สำหรับใช้จัดการอินเทอร์เฟสดังกล่าว

            แม้ว่าการรวมข้อมูลขนาดใหญ่ (Big Data) ด้วยการวิเคราะห์เชิงพยากรณ์จะเป็นสิ่งที่ท้าทายสำหรับแวดวงธุรกิจจำนวนมาก แต่การวิเคราะห์ที่มีประสิทธิภาพสูงนั้นได้ ช่วยเพิ่มความเร็วให้กับกระบวนการการให้คะแนนและการรายงาน ที่ให้ความช่วยเหลือลูกค้าของแซสในหลายๆ ภาคส่วนอยู่ในขณะนี้

            โดยเราจะทำการสำรวจใน แนวทางดังต่อไปนี้:

            1. การตรวจจับ ป้องกัน และบรรเทาการฉ้อโกงทางการเงิน

            2. การคำนวณความเสี่ยงของกลุ่มลูกหนี้สินเชื่อวงเงินสูง

            3. การดำเนินแคมเปญการตลาดที่มีมูลค่าสูง

การตรวจจับ ป้องกัน และบรรเทาการฉ้อโกงทางการเงิน

            ปัญหาหนึ่งที่ไม่อาจปฏิเสธได้ในแวดวงผู้บริโภคและธุรกิจแบบ B2B ก็คือมีอาชญากรจำนวนมากกำลังพยายามฉ้อโกงบริษัทต่างๆ โดยใช้รูปแบบและกลยุทธ์ที่มีการเปลี่ยนแปลงตลอดเวลา ซึ่งเกิดขึ้นทั่วโลกในทุกวัน

เมื่อรูปแบบของการก่ออาชญากรรมเริ่มซับซ้อนและมีปริมาณเพิ่มมากขึ้น องค์กรจำนวนมากจึงมองหาการวิเคราะห์ที่ทรงประสิทธิภาพเพื่อช่วยในการสำรวจข้อมูลที่มีจำนวนมหาศาลและเผยให้เห็นรูปแบบที่ซ่อนอยู่ ตลอดจนให้แนวโน้ม และระบุพฤติกรรมที่น่าสงสัยซึ่งสามารถบ่งบอกถึงการฉ้อโกงได้

            โดยส่วนใหญ่แล้ว การตรวจจับการทุจริตจะเกี่ยวข้องกับการวิเคราะห์คุณลักษณะต่างๆ ของการทำธุรกรรม รวมถึงการพิจารณาว่าควรตั้งค่าสถานะของการสั่งซื้อสินค้าหรือบริการดังกล่าวให้มีการตรวจสอบเพิ่มเติมหรือไม่ แต่เมื่อปริมาณธุรกรรมเริ่มมีจำนวนมากขึ้น ระดับของการแทรกแซงหรือเกณฑ์การตรวจสอบก็ต้องเพิ่มขึ้นด้วย เนื่องจากมีแนวโน้มสูงที่การทำธุรกรรมในลักษณะฉ้อโกงจะสามารถหลบเลี่ยงการตรวจสอบได้

            สำหรับลูกค้ารายหนึ่งของแซส ซึ่งเป็นผู้ผลิตอุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภครายใหญ่ระดับโลก ต้องประสบกับการขาดทุนอันเนื่องมาจากการฉ้อโกงที่ได้ทำลายโครงสร้างหลักก่อนหน้านี้ของบริษัท และจำเป็นที่จะต้องปรับใช้แนวทางใหม่เพื่อรับมือกับการฉ้อโกงให้ได้มากยิ่งขึ้น

            แม้ว่าบริษัทแห่งนี้จะมีอินสแตนซ์เซิร์ฟเวอร์ของแซสเป็นจำนวนมากสำหรับใช้ในการสร้างรายงานและดำเนินการวิเคราะห์ที่หลากหลาย แต่มีเพียงเซิร์ฟเวอร์เดียวเท่านั้นที่รองรับการทำงานด้านการวิเคราะห์การฉ้อโกงโดยเฉพาะ ด้วยเหตุนี้ แนวทางต่อสู้กับการทุจริตจึงเกิดอุปสรรคอันเนื่องมาจากข้อจำกัดของทรัพยากรด้านการประมวลผล ระบบจัดเก็บข้อมูล และประสิทธิภาพโดยรวม รวมถึงความสามารถที่มีอยู่อย่างจำกัดในด้านการปรับแต่งความสามารถด้านการพยากรณ์ของโมเดลการทุจริตให้เหมาะสม

            ทีมดูแลโครงการได้วางแผนและกำหนดขั้นตอนในการปรับเปลี่ยนระบบจากเดิมที่เป็นชุดข้อมูลแบบแยกส่วนในแต่ละแผนกให้กลายมาเป็นคลังข้อมูลที่เกิดจากการวิเคราะห์อย่างแท้จริงในระดับองค์กร ซึ่งต้องชื่นชมความสามารถด้านการประมวลผลในฐานข้อมูล (in-database) ของซอฟต์แวร์แซส แทนการเชื่อมโยงข้อมูลเข้ากับแอพพลิเคชั่นแบบเดิม ทำให้ฝ่ายไอทีสามารถนำแอพพลิเคชั่นเข้าใช้งานร่วมกับฐานข้อมูล ตลอดจนดำเนินการวิเคราะห์และใช้ฟังก์ชั่นทางสถิติได้จากภายในฐานข้อมูล

            นั่นหมายความว่าโมเดลที่มีอยู่จะสามารถทำงานได้อย่างเต็มประสิทธิภาพสามารถครอบคลุมลูกค้าทั้งหมดของบริษัท ที่ไม่ใช่ในลักษณะของการแยกข้อมูลออกจากระบบ ประมวลผลข้อมูล แล้วจึงค่อยนำเข้าผลลัพธ์ที่ได้กลับไปยังคลังข้อมูล

            เมื่อใช้การประมวลผลแบบกริดของแซส (SAS Grid Computing) ทีมไอทีและฝ่ายตรวจจับการฉ้อโกงของผู้ผลิตสามารถทำงานร่วมกันได้อย่างมีประสิทธิภาพมากขึ้น โดยเฉพาะการปรับปรุงโมเดลการตรวจจับการทุจริต ซึ่งช่วยให้พวกเขาสามารถรับมือกับผู้ทุจริตและรูปแบบการทุจริตที่มีการเปลี่ยนแปลงตลอดเวลาได้อย่างเห็นผลและมีระดับ "model lift" (ความสามารถในการดักจับการทำธุรกรรมปลอมได้อย่างถูกต้องมากขึ้น) ที่ดีกว่าเดิม รวมถึงสามารถตรวจสอบธุรกรรมต่างๆ ได้มากขึ้น และในที่สุดก็จะนำไปสู่​การป้องกันการฉ้อโกงได้ก่อนที่จะเกิดผลกระทบทางการเงินต่อบริษัท

 

การคำนวณความเสี่ยงของกลุ่มลูกหนี้สินเชื่อวงเงินสูง

            ในช่วงสองสามปีที่ผ่านมา บริษัทผู้ให้บริการทางการเงินต้องพยายามอย่างหนักในการเพิ่มประสิทธิภาพด้านการจัดการกลุ่มลูกค้าสินเชื่อบ้านที่มีการขยายตัวอย่างมาก จะเห็นได้ว่าหลายบริษัทไม่สามารถประเมินความเสี่ยงที่แฝงอยู่ของลูกค้าสินเชื่อที่ต่ำกว่ามาตรฐานนับพันราย ซึ่งนำไปสู่การสูญเสียเงินมูลค่านับพันล้านดอลลาร์ในที่สุด

            ลูกค้ารายใหญ่รายหนึ่งของแซสในตลาดบริการทางการเงิน พบว่าหนึ่งในสาเหตุสำคัญที่ทำให้เกิดความเสี่ยงที่ไม่อาจยอมรับได้ คือการที่บริษัทไม่สามารถสร้างโมเดลและรันโมเดลดังกล่าวกับข้อมูลที่กำลังขยายตัวอย่างต่อเนื่องได้ สถาบันการเงินแห่งนี้สามารถจัดเก็บข้อมูลได้ในระดับที่เร็วกว่าความสามารถในการประมวลผลข้อมูลดังกล่าว กล่าวคือทีมสร้างโมเดลของบริษัทไม่สามารถทำงานได้เร็วพอที่จะตอบสนองความต้องการของโมเดลใหม่และโมเดลที่มีการปรับปรุงได้

            ขณะนี้บริษัทกำลังเผชิญกับความเสี่ยงที่ไม่อาจยอมรับได้ และเวลาในการประมวลผลเพื่อสร้างและรันโมเดลสำหรับลดความเสี่ยงดังกล่าวก็ใช้เวลานานมาก ด้วยเหตุนี้ บริษัทจึงมองหาวิธีการที่ดีกว่าเดิมเพื่อสร้างและปรับใช้กระบวนทัศน์ใหม่ด้านการประมวลผลเชิงวิเคราะห์ หรือที่เรียกว่าการวิเคราะห์ที่มีประสิทธิภาพสูง

            การปรับปรุงประสิทธิภาพการทำงานถือเป็นสิ่งที่มีความสำคัญยิ่ง แทนที่จะต้องรอเป็นสัปดาห์เพื่อรันโมเดลใหม่และประเมินความเสี่ยงของลูกค้าสินเชื่อบ้าน ขณะนี้บริษัทสามารถได้ผลลัพธ์แบบเดียวกันภายในเวลาเพียง 84 วินาที สิ่งนี้ช่วยให้นักวิเคราะห์มีเวลาและแรงจูงใจมากกว่าแต่ก่อนในการรันโมเดลซ้ำหลายๆ ครั้ง และเนื่องจากบริษัทกำลังบริหารจัดการลูกหนี้สินเชื่อที่มีมูลค่านับพันล้านดอลลาร์ การปรับปรุงในครั้งนี้จึงหมายถึงการประหยัดเงินได้นับสิบล้านดอลลาร์เลยทีเดียว

การดำเนินแคมเปญการตลาดที่มีมูลค่าสูง

            บริษัทผู้ให้บริการทางการเงินรายเดิมนี้ยังพบกับปัญหาเกี่ยวกับข้อมูลขนาดใหญ่ในการดำเนินการด้านการตลาดด้วยเช่นกัน จะเห็นได้ว่าขณะนี้บรรดาผู้ให้บริการทางการเงินกำลังแข่งขันกันมากขึ้นเนื่องจากต้องการหาทางชดเชยการสูญเสียรายได้จากค่าธรรมเนียมและลดอัตราการยกเลิกการใช้บริการของฐานลูกค้าเดิม

            บริษัทรายนี้ทำการตลาดในลักษณะที่ซับซ้อน โดยใช้แคมเปญที่กำหนดกลุ่มเป้าหมายเป็นจำนวนมากนับล้านราย แม้ว่าปริมาณข้อมูลจะเพิ่มขึ้นจากแคมเปญที่มีกลุ่มเป้าหมายที่ระดับ 10 ล้านถึง 15 ล้านราย แต่บริษัทก็ไม่สามารถประมวลผลข้อมูลได้ทั้งหมด ซึ่งนั่นทำให้การรักษาฐานลูกค้ารายเดิมไว้เป็นเรื่องยาก และแคมเปญเพื่อการขายพ่วงหรือการขายต่อยอด (cross-sell/up-sell) ก็ไม่อาจสัมฤทธิผล

            เมื่อใช้การวิเคราะห์ที่มีประสิทธิภาพสูง บริษัทประสบความสำเร็จอย่างมากจากการทำตลาดโดยใช้ฐานข้อมูลของตน ซึ่งเร็วกว่าเดิมถึง 215 เท่า ลดรอบการพัฒนาโมเดลให้สั้นลงอย่างมากและช่วยให้ทีมงานสามารถทดสอบและตรวจสอบตัวแปรเพิ่มเติมเพื่อสร้างความน่าเชื่อถือให้กับโมเดลของพวกเขาได้มากขึ้น

            การวิเคราะห์ที่มีประสิทธิภาพสูงช่วยขจัดข้อจำกัดต่างๆ เกี่ยวกับข้อมูลและตัวแปรที่บริษัทสามารถดำเนินการได้ ซึ่งช่วยสร้างขอบเขตของคำถามที่จะถามและเส้นทางที่จะเดินหน้าต่อไป

            ผลที่ได้คือความมีประสิทธิภาพที่เพิ่มขึ้นอย่างมากของทีมงานในการรันโมเดลสำหรับแคมเปญที่ได้รับการปรับปรุงให้ดีขึ้น ที่สำคัญกว่านั้นก็คือ ความมีประสิทธิภาพและความน่าเชื่อถือเชิงพยากรณ์ของโมเดลการตลาดก็ได้รับการปรับปรุงด้วยเช่นกัน

            ทั้งนี้จะเห็นได้ว่าแม้จะมีการปรับปรุงเพิ่มขึ้นเพียงเล็กน้อย แต่ก็สามารถสร้างรายได้เพิ่มขึ้นได้อย่างมาก ตัวอย่างเช่น แคมเปญจดหมายทางตรงหรือไดเร็คเมล์ (Direct Mail) โดยปกติแล้วจะมีอัตราการตอบรับเพียง 1 เปอร์เซ็นต์ เมื่อจัดส่งไปให้ผู้ที่มีแนวโน้มจะเข้ามาเป็นลูกค้าจำนวน 15 ล้านราย ซึ่งมีมูลค่าต่อหัวที่ระดับ 500 ดอลลาร์ตลอดอายุการใช้บริการ จะพบว่าการปรับปรุงอัตราการตอบรับข้อเสนอการขายพ่วงหรือการขายต่อยอดเพียงเล็กน้อย หมายถึงเงินที่มีมูลค่านับสิบล้านดอลลาร์ต่อปีเลยทีเดียว

สร้างความต่างด้วยการวิเคราะห์ที่มีประสิทธิภาพสูง

            คุณต้องการแก้ปัญหาสำคัญของคุณเกี่ยวกับข้อมูลขนาดใหญ่อย่างไร หากคุณต้องการมุ่งเน้นไปที่การวิเคราะห์เป็นหลัก (เช่นเดียวกับลูกค้าเหล่านี้ของแซส) ไม่ได้มุ่งเน้นที่การทำธุรกรรม คุณจะต้องใช้การวิเคราะห์ที่มีประสิทธิภาพสูง และคุณสามารถทำอะไรได้บ้างหากเวลาในการประมวลผลของคุณเพื่อค้นหาการทุจริต ความเสี่ยง และการทำตลาดลดลงได้ถึง 90 เปอร์เซ็นต์ ทั้งหมดนี้ล้วนเป็นคำถามสำคัญที่มีค่าต่อการหาคำตอบ และแซสมีสถาปัตยกรรมที่พร้อมช่วยคุณตอบคำถามดังกล่าวแล้ว

เกี่ยวกับบริษัท แซส 

บริษัท แซส เป็นผู้นำในตลาดซอฟต์แวร์และบริการด้านการวิเคราะห์ข้อมูลเชิงธุรกิจ (Business Analytics) ด้วยโซลูชั่นเชิงนวัตกรรมที่ให้ลูกค้าในรูปของ Integrated Framework ทำให้บริษัท แซส สามารถช่วยลูกค้าเพิ่มประสิทธิภาพและมูลค่าผ่านการตัดสินใจทางธุรกิจที่ดีและรวดเร็วขึ้น สำหรับจำนวนลูกค้าที่ได้นำโซลูชั่นของแซสไปใช้แล้วนั้นมีมากกว่า 65,000 แห่งทั่วโลก และนับตั้งแต่ปี 2519 เป็นต้นมา แซสเดินหน้าอย่างมุ่งมั่นในการเป็น "พลังแห่งการรอบรู้" (The Power to Know®) สำหรับลูกค้าทั่วโลก