วิธีฝึก Data Literacy ฉบับ NonTech

"ผู้บริหารบอกว่าอยากได้คนที่ Data-Driven พนักงานทุกคนต้องมี Data Literacy แต่หนูจบคอมมู/การตลาด/บริหารมา เห็นสูตร Excel เกิน 3 ชั้นก็ปวดหัวแล้ว จะให้ไปเรียนเขียนโค้ด Python หรือ SQL ก็ไม่ไหวจริงๆ ค่ะพี่..."

นี่คือเสียงสะท้อนที่พี่ได้ยินจากน้องๆ ฝั่ง Non-Tech แทบทุกสัปดาห์ในองค์กรใหญ่ คนทำงานจำนวนมากกำลังเข้าใจผิดคิดว่า การมีทักษะ Data Literacy แปลว่าเราต้องกลายร่างเป็น Data Analyst หรือ Data Scientist ต้องเขียนโค้ดเป็น ดึงฐานข้อมูลได้ และสร้างโมเดล Machine Learning

ในฐานะ HR ที่ร่วมสัมภาษณ์และประเมินผลงานผู้บริหารระดับสูงมาตลอด 20 ปี พี่อยากบอกให้สบายใจตรงนี้เลยว่า: ผู้บริหารไม่ได้คาดหวังให้คนสายการตลาด จัดซื้อ บัญชี หรือ HR ไปนั่งเขียนโปรแกรม สิ่งที่ผู้บริหารต้องการจากคนสาย Non-Tech จริงๆ มีแค่เรื่องเดียวคือ "ความสามารถในการแปลตัวเลขให้กลายเป็นการตัดสินใจทางธุรกิจ" ต่างหาก

ถ้าคุณอยากอัปเกรดทักษะ Data Literacy ให้โดดเด่นเข้าตา โดยไม่ต้องแตะต้องโค้ดแม้แต่บรรทัดเดียว นี่คือ 4 สเต็ปที่พี่แนะนำให้ฝึกฝนทันที:

1. เริ่มต้นด้วย "คำถามทางธุรกิจ" ไม่ใช่การควานหาตัวเลข

ความผิดพลาดอันดับหนึ่งของมือใหม่คือ การดาวน์โหลดไฟล์ Excel ขนาดมหึมามานั่งไถดูเรื่อยเปื่อยอย่างไร้จุดหมาย การใช้ Data ที่ถูกต้องต้องเริ่มจาก "ปัญหา (Business Problem)" เสมอ ถามตัวเองก่อนว่า วันนี้เรากำลังต้องการคำตอบของเรื่องอะไร? เช่น "ทำไมลูกค้ายกเลิกคำสั่งซื้อในขั้นตอนสุดท้ายเยอะขึ้น?" หรือ "ทำไมแผนกเราถึงปิดรับสมัครพนักงานช้ากว่ากำหนด?" เมื่อคุณมีโจทย์ที่ชัดเจน ตัวเลขที่คุณต้องไปค้นหาจะเหลือเพียงไม่กี่ตัว และทำให้คุณไม่จมน้ำตายในกองข้อมูล

2. สื่อสารด้วยกฎ "3 ตัวเลขหลักที่ผู้บริหารแคร์"

เวลาคนสาย Non-Tech ทำรายงานส่งผู้บริหาร มักชอบแคปตารางข้อมูล 50 คอลัมน์ใส่สไลด์ ผลลัพธ์คือผู้บริหารกวาดตามองผ่านๆ แล้วถามว่า "แล้วไงต่อ?"

จำไว้ว่า ผู้บริหารระดับ C-Level สนใจตัวเลขแค่ 3 แกนเท่านั้น:

ตัวเลขที่เกี่ยวกับรายได้และการเติบโต (Revenue & Growth)
ตัวเลขที่เกี่ยวกับต้นทุนและความสูญเสีย (Cost & Waste)
ตัวเลขที่เกี่ยวกับระยะเวลาและความรวดเร็ว (Time & Efficiency)

เลือกตัวเลขที่ส่งผลกระทบต่อ 3 แกนนี้มาไม่เกิน 3 ตัว แล้วไฮไลต์ให้เด่นที่สุดบนสไลด์

3. ฝึกตอบคำถาม "So What?" และ "Now What?" ทุกครั้งที่เห็นตัวเลข

การบอกว่า "เดือนนี้ยอดเข้าชมเว็บไซต์ลดลง 15%" นั่นคือการรายงานสถิติ (Reporting) ใครๆ ก็ทำได้ แต่ Data Literacy ที่แท้จริงคือการตอบ 2 คำถามถัดไป:

"So What? (มันแปลว่าอะไร):" ยอดลดลงเพราะเราหยุดยิงแอดในช่องทาง A แต่กลับพบว่าลูกค้าที่เข้ามาทางช่องทาง B มีอัตราซื้อซ้ำสูงกว่าเดิม 2 เท่า
"Now What? (เราต้องทำอะไรต่อ):" ดังนั้น ข้อเสนอแนะคือเราควรโยกงบประมาณจากช่องทาง A มาทุ่มให้ช่องทาง B เพื่อเพิ่มผลตอบแทนต่อเม็ดเงินลงทุน

เมื่อคุณตอบครบทั้ง So What และ Now What จากพนักงานธรรมดา คุณจะกลายเป็น "ที่ปรึกษาเชิงกลยุทธ์" ทันที

4. รู้วิธี "บรีฟงาน" ให้ทีม Data ทำงานแทนคุณ

จุดแข็งของคนสาย Non-Tech ไม่ใช่การดึงข้อมูล แต่คือ "ความเข้าใจในหน้างาน (Domain Expertise)" คุณต้องทำหน้าที่เป็นล่ามที่เชื่อมโยงระหว่างทีมธุรกิจกับทีมเทคนิค ฝึกเขียนบรีฟให้ชัดเจนว่า คุณต้องการข้อมูลอะไร ไปใช้ตอบคำถามไหน และต้องการดูมิติ (Dimensions) แบบใด เมื่อคุณบรีฟงานเป็น ทีม Data จะรักคุณ และพร้อมดึงตัวเลขแม่นๆ มาเสิร์ฟให้คุณนำไปสร้างผลงาน

ข้อมูลก็เหมือนวัตถุดิบดิบในครัว คุณไม่จำเป็นต้องเป็นคนปลูกผักเอง แต่คุณต้องเป็นเชฟที่ปรุงมันออกมาเป็นอาหารจานเด็ดที่ตอบโจทย์ลูกค้าได้

Action Item ฝึกคิดเชิงข้อมูลสัปดาห์นี้

หยิบรายงานชิ้นล่าสุดที่คุณต้องส่งหัวหน้าขึ้นมาดู 1 แผ่น แล้วตัดตัวเลขที่ไม่จำเป็นออกให้เหลือเฉพาะ 3 ตัวเลขที่ส่งผลกระทบต่อเงินหรือเวลาของทีม พร้อมเขียนบทวิเคราะห์สั้นๆ 2 บรรทัดว่า "ตัวเลขนี้บอกอะไร และเราควรทำอะไรต่อ"