วิทยาศาสตร์ข้อมูลกับอนาคตธุรกิจห้างค้าปลีกหลัง Covid-19

ดังนั้นทักษะในการเข้าใจและสามารถวิเคราะห์ข้อมูลขนาดใหญ่ (data literacy) จึงกลายเป็นทักษะที่สำคัญของทศวรรษหน้าสำหรับทุกธุรกิจ ไม่เว้นแม้แต่ธุรกิจห้างค้าปลีกที่ต้องพึ่งพา “นักวิทยาศาสตร์ข้อมูล” ซึ่งปัจจุบันกำลังเป็นที่ต้องการของตลาดมากจนถึงขนาดขาดแคลน แต่แทนที่จะรอพึ่งพาคนนอก องค์กรอาจมองหาวิธีการเพิ่มพูนทักษะดังกล่าวให้กับบุคลากรภายใน ซึ่งเป็นวิธีการที่ยั่งยืนและสร้างการเติบโตให้กับคนในสายงานซึ่งมีประสบการณ์ในธุรกิจเป็นทุนเดิมอยู่แล้ว แต่องค์กรควรจะเตรียมความพร้อมอย่างไรเพื่อไม่ให้ตกเทรนด์นี้ เราลองมาฟังผู้เชี่ยวชาญที่ให้คำปรึกษาแก่ธุรกิจห้างค้าปลึก มร. วีเจย์ บาลาจิ แมดเฮสวารัน ผู้อำนวยการฝ่าย Applied Data Science ของ dunnhumby APAC ที่ดูแลรับผิดชอบทางด้านการลงทุนและการสร้างพันธมิตร เพื่อช่วยให้ธุรกิจค้าปลีกและแบรนด์ต่างๆ ทั่วโลกได้รับประโยชน์สูงสุดจากการตระหนักถึงคุณค่ามหาศาลของข้อมูลที่มีอยู่

 

มร. วีเจย์กล่าวว่า “ขั้นตอนสำคัญประการแรกสำหรับองค์กรคือการทำความเข้าใจว่า data literacy คืออะไร? เหตุใดจึงสำคัญ? และการเปลี่ยนผ่านนี้กำลังเกิดขึ้นจริงในปัจจุบันไม่ใช่เป็นแค่การคาดเดา รวมถึงการตระหนักรู้ว่าผลกระทบที่จะเกิดขึ้นกับพนักงานและธุรกิจของพวกเขานั้นมันหนักหนาเพียงใด ซึ่งจะทำให้องค์กรหันมาจัดลำดับความสำคัญในการวางกลยุทธ์และนั่นจะเป็นจุดเริ่มต้นที่ดีที่สุด และถือเป็นจุดเปลี่ยนที่จะนำมาซึ่งความได้เปรียบในการแข่งขันที่แข็งแกร่งสำหรับองค์กร”

เมื่อเกิดความเข้าใจอย่างถ่องแท้แล้ว องค์กรจึงหันมาพิจารณาระดับการลงทุนที่เหมาะสม และเฟ้นหาพันธมิตรที่แข็งแกร่งที่จะสามารถซัพพอร์ตการเปลี่ยนผ่านองค์กรและการฝึกอบรมเรียนรู้ที่จำเป็น เพื่อให้เห็นภาพชัดเจนขึ้นองค์กรต่างๆ ควรจะต้องพิจารณาการออกแบบองค์กร (Org. Design) ของตนในอนาคต และจัดทำแผนภูมิ organization chart แบบล่วงหน้าหลายปี พร้อมทั้งระบุลักษณะงานและทักษะที่จะพัฒนาไปในทิศทางไหน อย่างไร? จากนั้นจึงทำการกำหนดระดับข้อมูลในการเข้าถึงและชุดเครื่องมือที่เหมาะสมสำหรับบุคคลากรที่ใช่ในองค์กร ซึ่งจะเป็นก้าวสำคัญถัดไป ทั้งนี้ควรทำควบคู่ไปกับการฝึกอบรม การรักษาความปลอดภัย และการพัฒนาโซลูชันที่ปรับแต่งได้ซึ่งจะช่วยให้สามารถเพิ่มพูนทักษะทางด้าน data literacy ได้อย่างรวดเร็ว

เมื่อคุณสามารถสร้างทักษะดังกล่าวด้วยการอัพสกิลบุคคลากรภายในองค์กรได้แล้ว เราก็มาสำรวจอนาคตของ “นักวิทยาศาสตร์ข้อมูล” กัน คุณวีเจย์เผยว่าถึงตอนนี้องค์กรควรจะพิจารณานำเอาระบบ “ออโตเมชั่น” เข้ามาช่วยเพิ่มประสิทธิภาพในกระบวนการทำงานให้รวดเร็วขึ้น ซึ่งเรื่องนี้แม้ว่าเราจะทราบดีถึงประโยชน์มากมายของระบบออโตเมชั่น แต่ก็ยังเจออุปสรรคสำคัญในการยอมรับหรือนำมาใช้งานในวงกว้าง เหตุผลใหญ่ๆ ก็คือ ความลังเลไม่แน่ใจว่าจะคุ้มไหมเพราะโลกธุรกิจเปลี่ยนเร็ว หรือไม่มั่นใจเมื่อมีการเปรียบเทียบระหว่าง คนกับเครื่องจักร ฯลฯ ซึ่งคุณวีเจย์อยากแนะนำให้ธุรกิจห้างค้าปลีกมั่นใจในการนำระบบออโตเมชั่นเข้ามาประยุกต์ใช้ด้วยเหตุผลสำคัญ 2 ประการดังนี้

1. ความคุ้มค่าการลงทุน (ROI) ผมกล้าพูดได้เลยว่า ROI นั้นเป็นเนื้อเดียวกับระบบออโตเมชั่น ยกตัวอย่างเช่น ในปีแรกของการลงทุนมูลค่า $3 ล้านเหรียญ คุณสามารถได้รับผลประโยชน์กลับคืนในมูลค่า $3 ล้านเหรียญ ในปีที่สองผลตอบแทนของคุณอาจเพิ่มไปถึง $5 ล้านเหรียญจากที่คุณลงทุนไป $3 ล้านเหรียญเดิม และในปีที่สามอาจเพิ่มไปถึง $8 ล้านเหรียญและเพิ่มขึ้นเรื่อยๆ ในปีต่อๆ ไป ทั้งนี้เพราะงานต่างๆ  ที่เคยใช้คนทำถูกแทนที่ด้วยเครื่องจักร และนั่นทำให้เราสามารถสับเปลี่ยนบุคคลากรที่มากความสามารถไปโฟกัสในงานอื่นที่สำคัญและมีสาระกว่า หรือเป็นงานที่สร้างมูลค่าเพิ่มให้กับธุรกิจห้างค้าปลีกมากกว่าการทำงานเดิมซ้ำๆ
2. การรักษาคนเก่งในองค์กรให้อยู่กับเราไปนานๆ  ผู้คนโดยเฉพาะนักวิทยาศาสตร์ด้านข้อมูลมีลักษณะพิเศษคือมีความสนใจอยากรู้อยากเห็น พวกเขาชอบที่จะเรียนรู้เพิ่มเติม สำรวจสิ่งใหม่ๆ และเพิ่มพูนความรู้ให้กว้างขึ้น และมีแต่ระบบออโตเมชั่นเท่านั้นที่จะช่วยให้พวกเขาทำเช่นนั้นได้ ด้วยการใช้เครื่องจักรจัดการงานประเภทรูทีน บุคคลากรมากความสามารถเหล่านี้จะได้มีโอกาสผันตัวเองไปโฟกัสกับงานที่ท้าทายมากขึ้นหรือแก้โจทย์ปัญหาที่ยากและซับซ้อนมากขึ้น และเติบโตในสายงานอาชีพไปพร้อมๆ กับองค์กร และนี่ถือเป็นส่วนสำคัญในการรักษาคนเก่งให้อยู่กับองค์กรไปนานๆ

เราต้องแสดงให้ผู้ค้าปลีกเห็นและสัมผัสได้ถึงประโยชน์โดยตรงทั้งสองข้อนี้ ถึงจะมีแนวโน้มยอมรับที่จะนำระบบออโตเมชั่นมาใช้ในงานวิทยาศาสตร์ข้อมูล และนักวิทยาศาสตร์ข้อมูลก็มีบทบาทสำคัญในการช่วยให้ผู้ค้าปลีกเข้าใจถึงประโยชน์ของระบบออโตเมชั่นด้วยเช่นกัน

คุณวีเจย์กล่าวเพิ่มเติมว่า “ที่ dunnhumby เรามีผู้เชี่ยวชาญด้านวิทยาศาสตร์ข้อมูลคอยช่วยเหลือผู้ค้าปลีกสินค้าอุปโภคบริโภคทั่วโลกให้สามารถคาดการณ์พฤติกรรมนักซ้อปได้อย่างแม่นยำอย่างเหลือเชื่อ โดยใช้วิธีการผสานข้อมูลการซื้อและความภักดีของลูกค้าควบคู่ไปกับอัลกอริธึมการทำนายที่ซับซ้อน  และโดยส่วนตัวนี่เป็นหนึ่งในงานที่ผมชื่นชอบ เพราะทุกวันนี้เราสามารถทำนายพฤติกรรมในอนาคตของลูกค้าได้อย่างแม่นยำอย่างเหลือเชื่อ และประสิทธิภาพการคาดการณ์ได้พัฒนามาถึงจุดที่เราสามารถคาดคะเนโจทย์ที่ซับซ้อนได้อย่างดีเยี่ยมในช่วงหลายปีที่ผ่านมา ซึ่งช่วยให้ธุรกิจตัดสินใจเรื่องที่สำคัญได้ทันท่วงที ผมขอยกตัวอย่างบางส่วนมาให้ดู

• การคาดการณ์ระดับพื้นฐาน – ยอดขายในเดือนหน้าจะเป็นอย่างไร?

• การคาดการณ์ระดับพื้นฐาน - สัปดาห์หน้าจะมีลูกค้าซื้อของในภาคเหนือกี่คน?

• ระดับกลาง - สัปดาห์หน้าจะมีลูกค้าซื้อผลิตภัณฑ์นมกี่คน?

• ระดับกลาง – ลูกค้ารายใด (ที่ไม่เคยซื้อลิตภัณฑ์นมมาก่อน) มีแนวโน้มที่จะซื้อลิตภัณฑ์นมในสัปดาห์หน้าในภาคเหนือ

• ขั้นสูง – ลูกค้ารายใดที่จะซื้อนมในสัปดาห์หน้าในภาคเหนือ หากได้รับส่วนลด 15% ผ่านแอปและจัดส่ง 2 วันก่อนต้นสัปดาห์

• ขั้นสูง – อาทิตย์หน้าจะมีลูกค้าซื้อนมกี่คนในภาคเหนือ แม้เราไม่ได้จัดโปรโมชั่นใดๆ ก็ตามและจะซื้อในราคาเท่าไร?

อย่างที่คุณเห็น เราสามารถเริ่มจากการคาดคะเน / คาดการณ์ระดับบนสุดได้ (เหมาะสำหรับการวางแผนกลยุทธ์) และยังได้ผลลัพธ์ที่เฉพาะเจาะจงอย่างเหลือเชื่อ ซึ่งผลลัพธ์ที่น่าจะเป็นนี้เมื่อเชื่อมโยงกับสถานการณ์จะทำให้สามารถคาดการณ์ได้อย่างแม่นยำ ห้างค้าปลึกสามารถตัดสินใจดำเนินการได้ทันท่วงที และสร้างข้อเสนอแบบเฉพาะตัวให้แก่ลูกค้าแต่ละราย และด้วยความก้าวล้ำของระบบประมวลผลคอมพิวเตอร์ในปัจจุบัน เราจึงสามารถคาดการณ์ได้ในวงกว้างและใกล้เคียงกับเวลาเรียลไทม์

อีกกรณีศึกษาคือเราทำงานร่วมกับผู้ค้าปลีกรายนึงในยุโรป ซึ่งเขาจะสร้างโปรแกรมเพื่อส่งโปรให้กับลูกค้าแต่ละราย 6 รูปแบบทุกเดือนผ่านอีเมลและแอป ซึ่งให้ผลตอบแทน (ROI) คิดเป็นอัตราส่วน 4:1 และลูกค้าตอบรับต่อโปรแกรมที่ส่งให้สูงถึง 45% หรือในอีกกรณีหนึ่ง เราทำแคมเปญในลักษณะผ่านข้อความเตือนเช่น "คุณลืมซื้อสินค้านี้หรือไม่?" เชื่อไหมว่าลูกค้ามียอดจำหน่าย (conversion rate) สูงถึง 47%

เมื่อถามถึงห้างค้าปลีกในประเทศไทยว่ามีรายใดที่บุกเบิกในเรื่อง data science บ้างไหม? คุณวีเจย์กล่าวว่า “สำหรับประเทศไทยนั้น เรายังไม่เห็นว่ามีรายใดที่นำศักยภาพของ data science มาประยุกต์ใช้อย่างเต็มรูปแบบ เนื่องจากปัจจัยหลายๆ อย่างตั้งแต่ความพร้อมและการอัพเกรดหรือการปรับเปลี่ยนที่จำเป็นในระบบไอที (ซึ่งโดยทั่วไปต้องใช้เวลา) ไปจนถึงการจัดการทางออนไลน์ของห้างค้าปลีก ในช่วงล็อกดาวน์โควิดที่ส่งผลให้ลูกค้าจำนวนมากเริ่มซื้อของผ่านทางออนไลน์ เรารู้สึกตื่นเต้นมากที่ได้เห็นปริมาณการช็อปออนไลน์ที่เพิ่มสูงขึ้นและสามารถคาดการณ์พฤติกรรมของลูกค้าได้ผ่านทางออนไลน์ สิ่งเหล่านี้เป็นสัญญาณบวกที่มีแนวโน้มดีมากสำหรับผู้ค้าปลีกหลายรายที่ตัดสินใจนำศักยภาพของชุดวิทยาศาสตร์ข้อมูลขั้นสูงมาใช้จนประสบความสำเร็จ

อุปสรรคที่ใหญ่ที่สุดในการนำวิทยาศาสตร์ข้อมูลมาประยุกต์ใช้คือการที่ผู้ค้าปลีกยังใช้เทคโนโลยีไอทีแบบเก่าดั้งเดิม (และนั่นหมายถึงการลงทุนที่จำเป็นในการเปลี่ยนผ่านเทคโนโลยี) และการเติบโตที่ยังไม่เต็มที่ของตลาดออนไลน์ในแง่ของการจัดเก็บข้อมูล การบริหารจัดการ การใช้งานควบคู่ไปกับแรงผลักดันจากคู่แข่ง และความพร้อมของผู้บริโภค และเนื่องจากเทคโนโลยีแบบดั้งเดิมมีการตั้งค่าบางอย่างค้างอยู่ในระบบ (เหตุเนื่องมาจากมีหลายระบบถูกติดตั้งในช่วงเวลาต่างๆ กันจากเว็นเดอร์จำนวนมาก ซึ่งบางเจ้าอาจปิดตัวไปแล้ว แต่ระบบของพวกเขายังคงค้างอยู่) ดังนั้นผู้ค้าปลีกอาจต้องอัพเกรดระบบไอที  ตั้งค่าการไหลเวียนของข้อมูลให้ดีขึ้นและอาจจำเป็นต้องย้ายทั้งระบบไปยังคลาวด์โดยสมบูรณ์ ในขณะเดียวกันก็ต้องระวังและปฏิบัติตามกฎหมายความเป็นส่วนตัวและการปกป้องข้อมูล (PDPA)

คำแนะนำของเราคือดำเนินการตามด้านบนทีละขั้นๆ และกำหนดกรอบเวลาของการเปลี่ยนผ่านระบบให้เหมาะสม ให้สอดคล้องกับแนวทางที่ลูกค้าตอบรับและเปลี่ยนแปลง สิ่งสำคัญที่สุดคือการรับฟังลูกค้า

สำหรับอนาคตของธุรกิจค้าปลีกในประเทศไทยในอีก 2-3 ปีข้างหน้า หลังจากผ่านวิกฤติโควิด-19 คุณวีเจย์ให้ความเห็นว่า “หลังช่วงโควิด-19 เราคาดว่าจะได้เห็นการเติบโตของลูกค้าที่ช็อปออนไลน์อย่างต่อเนื่อง (สำหรับบางกลุ่มผลิตภัณฑ์) ในขณะที่การช้อปผ่านห้างร้านจะกลับมาสู่ระดับปกติมากขึ้น (สูงกว่าช่วงล็อกดาวน์โควิด แต่ต่ำกว่าช่วงก่อนโควิด) เพราะจะมีลูกค้าจำนวนมากที่เริ่มคุ้นชินและเลือกช็อปออนไลน์ในบางกลุ่มผลิตภัณฑ์ต่อไป อาทิสินค้าประเภท น้ำดื่มบรรจุขวดแพ็คใหญ่  ในประเทศไทยผมมองว่าลูกค้าส่วนใหญ่ยังคงชื่นชอบที่จะเลือกซื้อสินค้าในห้างร้าน เพราะการออกมาช้อปปิ้งคือโอกาสของการได้ไปเที่ยวและใช้เวลากับครอบครัว ซึ่งอาจจะเปลี่ยนไปตามสัดส่วนของขนาดครอบครัวในประเทศไทยที่ลดลงอย่างช้าๆ และสำหรับบางกลุ่มผลิตภัณฑ์ เช่น อาหารสดหรือเสื้อผ้า ออฟไลน์ยังคงเป็นช่องทางยอดนิยม เนื่องจากลูกค้าชอบที่จะเลือก ลอง หรือสัมผัสสินค้าก่อนซื้อ  ซึ่งผมยังไม่คิดว่าจะมีอะไรมาเปลี่ยนพฤติกรรมนี้ในอนาคตอันใกล้

ในช่วงระยะเวลา 3 ปีต่อจากนี้ สัดส่วนของยอดขายออนไลน์ในห้างค้าปลีกสินค้าอุปโภคบริโภคอาจเติบโตได้ถึง 9-10% ของยอดขายโดยรวมทั้งหมด ในขณะที่การมีส่วนร่วมของลูกค้าจะเป็นแบบดิจิทัลทั้งหมด โดยส่วนใหญ่จะทำผ่านอุปกรณ์มือถือ ซึ่งจะถูกขับเคลื่อนด้วยการกำหนดเป้าหมายที่รวดเร็ว ซึ่งจะเป็นไปได้ด้วยการผนวกค่าความน่าจะเป็นที่คำนวณไว้ล่วงหน้าสำหรับสถานการณ์ต่างๆ รวมกับข้อมูลบนอุปกรณ์เพื่อมอบประสบการณ์ที่เป็นส่วนตัวได้อย่างเต็มที่ นอกจากนี้อาจมีความเป็นไปได้ที่ธุรกิจห้างค้าปลีกจะเผชิญความเสี่ยงการถูกดิสรัปจากไมโครคอมเมิร์ซหรือควิกคอมเมิร์ซ (ผ่านบริการจัดส่งสินค้าแบบดีลิเวอรี่) ซึ่งจะผลักดันให้ผู้ค้าปลีกลดจำนวนร้านค้าในรูปแบบสโตร์ขนาดใหญ่ โดยอาจถูกแปลงเป็นคลังจัดเก็บสินค้าและหันมารุกรูปแบบร้านสะดวกซื้อมากขึ้น คุณวีเจย์กล่าวปิดท้าย