How to Data Analysis ใครๆ ก็สามารถวิเคราะห์ข้อมูลได้ ถ้ารู้สูตรพื้นฐาน 5 สูตรนี้

How to Data Analysis ใครๆ ก็สามารถวิเคราะห์ข้อมูลได้ ถ้ารู้สูตรพื้นฐาน 5 สูตรนี้

How to Data Analysis ใครๆ ก็สามารถวิเคราะห์ข้อมูลได้ ถ้ารู้สูตรพื้นฐาน 5 สูตรนี้

การวิเคราะห์ข้อมูลของธุรกิจ

จะมีรูปแบบการดูตัวเลขในงาน Operation คล้ายๆกัน

ตัวอย่างงานที่เกี่ยวข้องการการดำเนินงานที่จะทำคล้ายๆกันในหลายๆบริษัท

เช่น วิเคราะห์ข้อมูลการจัดซื้อ , วิเคราะห์ข้อมูลคลังสินค้า และสต๊อกสินค้าหน้าร้าน , วิเคราะห์ข้อมูลขาย , วิเคราะห์ข้อมูลลูกค้า

การวิเคราะห์ข้อมูลเหล่านี้ เป็นพื้นฐานที่ต้องทำกัน

เครื่องมือที่ในการวิเคราะห์ข้อมูล

Excel เครื่องมือพื้นฐานเลยคือ Pivot Table เป็นสิ่งที่ใครๆ ก็สามารถเรียนรู้การใช้งานพื้นฐานได้ง่าย สามารถสรุปข้อมูลจำนวนมากออกมาเป็นรายงานได้ ปรับแต่งได้ตามความต้องการ ในมุมมองต่างๆข้อมูล

Power BI Desktop(ฟรี) ใช้งานง่าย ถ้าใช้ Excel เป็น อันนี้ก็ไม่ยากเลย เป็นโปรแกรมที่สามารถทำ Dashboard ง่ายสุด ทำสูตรเงื่อนไขที่ซับซ้อนได้สบายมาก เชื่อมข้อมูล Relationship ได้ง่าย สามารถนำข้อมูลจากหลากแหล่งมาเชื่อมข้อมูลได้จำนวนมาก หลายสิบไฟล์ก็ไม่มีปัญหา

การวิเคราะห์ข้อมูลของธุรกิจ พื้นฐานที่ต้องทำทุกธุรกิจ

1.การเปรียบเทียบช่วงเวลา

การวิเคราะห์ข้อมูลเพื่อการดูอัตราการเติบโตตามช่วงเวลาที่ต้องทำทุกธุรกิจ 

คือ %MoM (Month on Month) เป็นการดูอัตราการเติบโตของแต่ละเดือน สูตรคำนวนคือ (เดือนปัจจุบัน หาร เดือนที่แล้ว ) ลบ 1 

%YoY (Year on Year) เป็นการดูอัตราการเติบโตของแต่ละปี สูตรคำนวนคือ (ปีปัจจุบัน หาร ปีที่แล้ว ) ลบ 1 เมื่อเราเห็นอัตราการเติบโตหรือลดลงระหว่างเดือนหรือระหว่างปี 

สิ่งที่ควรจะทำต่อคือ ค้นหาต่อว่า การเพิ่มขึ้นหรือลดลงมาจากสินค้าตัวไหน พื้นที่ไหน คนขายคนไหน ลดลงแบบเท่าๆกันทุกสินค้า 

มีอะไรที่เพิ่มขึ้นหรือลดลง แบบโดดเด่นหรือไม่ เมื่อเราค้นพบ ขั้นตอนต่อไปเราก็ต้องหาสาเหตุว่าเกิดจากอะไรกับสิ่งนั้นๆ

2.Forecast ตัวเลข

การ Forecast ที่กำลังจะนำเสนออาจจะใช้กับธุรกิจที่สามารถเอาค่าเฉลี่ยมาอ้างอิงได้ เป็นการประมาณการจากตัวเลขในอดีตเพื่อหาความเป็นไปได้ในอนาคตเป็นปัจจัยด้านตัวเลขอย่างเดียว ไม่ได้เอาข้อมูลอื่นๆมาเป็นตัวกำหนด 

ตัวอย่าง

การคำนวน Forecast จนถึงสิ้นปี คือ นำค่าเฉลี่ยของยอดขายเดือนที่ 1-10 มา Forecast เดือนที่ 11 และ12 

ก็จะได้ประมาณการของเดือนที่ 11และ 12 นำตัวเลขมารวมกัน ก็จะได้ตัวเลข Forecast จนถึงสิ้นปี 

หรือ Forecast ยอดขายสิ้นสุดเดือนจากยอดขาย 10 วัน 

คือ นำยอดขายของวันที่ 1-10 มาหาร 10 คูณด้วย จำนวนวันของเดือนนั้นๆ ตัวอย่าง ยอดขายวันที่ 1-10 คือ 1,000,000 บาท เฉลี่ยวันละ 100,000 บาท เดือนนั้นมี 30 วัน นำ 100,000 บาท คูน 30 วัน 

จะได้ Sales Forecast 3,000,000 บาท 

การ Forecast ตัวเลขแบบนี้เป็นการใช้กันทั่วๆไป อาจจะไม่น่าเชื่อถือเท่าการ Forecast แบบอิงข้อมูลจริง แต่ก็พอช่วยให้เราประมาณตัวเลขแบบคร่าวๆได้

3.Stock Day

Stock day คือ เราจะรู้ว่าสินค้าที่มีอยู่ สามารถขายได้กี่วันเมื่อเทียบกับยอดขายโดยเฉลี่ย 

มักจะใช้กับธุรกิจที่ต้องการประมาณการ Stock แบบรายวัน เช่น สินค้าที่มีการขายออกทุกวัน ต้องเติมสินค้าอยู่เป็นประจำ 

เช่น สินค้าในห้าง มือถือ อุปกรณ์เครื่องใช้ต่างๆ อาหาร และอื่นๆ Stock day จะกำหนดเท่าไหร่ขึ้นอยู่กับนโยบายการบริหารจัดการ โดยมีปัจจัย เช่น พื้นที่จัดเก็บ ค่าเช่า ค่าขนส่ง ค่าใช้จ่ายอื่นๆ ระยะเวลาขนส่ง ต้องหาความเหมาะสมของแต่ละธุรกิจ 

สูตรการคำนวนอย่างง่าย Stock day คือ จำนวน Stock ปัจจุบัน หาร ยอดขายเฉลี่ยรายวัน 

ตัวอย่าง Stock มี 300 ชิ้น ขายเฉลี่ยวันละ 15 ชิ้น 

จะได้ Stock day = 300/15 = 20 ความหมายคือ Stock ที่มีอยู่ปัจจุบันจะขายสินค้าได้ 20 วัน 

เมื่อได้ตัวเลขมาแล้ว ก็ต้องนำมาเทียบกับ นโยบาย Stock day หากเรากำหนด Stock dayที่ 30-45 วัน ตัวเลข 20 จะถือว่า Stock มีน้อยกว่าที่กำหนด ต้องเติมสินค้าเข้าคลังสินค้า

4.Target Achievement

Target Achievement ส่วนใหญ่แล้วจะใช้กับงานขาย แต่ความจริงแล้วสามารถใช้กับงานทุกประเภทที่มีการตั้ง Target ที่เป็นตัวเลข 

ที่จะยกตัวอย่างก็คือ ยอดขาย สมมุติ Target ของเดือนอยู่ 100 บาท เดือนนั้นมีทั้งหมด 30 วัน 

ขั้นตอนที่ 1 แยกย่อเป็น Target รายวัน เฉลี่ยวันละ 3.33 (100/30) บาท 

สมมุติ ยอดขายวันที่ 1-15 อยู่ที่ 30 บาท 

คำนวน Achievement Month คือ 30/100 = 30% หมายความว่าตอนนี้เราทำสำเร็จไปแล้ว 30% 

ต้องทำอีก 70% ใน 15 วันที่เหลือให้ได้ 

คำนวน Achievement Date คือ 30/(3.33*15) = 30/50 = 60% หมายความว่า เป้าหมายรายวันที่เราควรจะทำได้ 100% แต่ทำได้พียง 60% 

ต้องหาสาเหตุว่าเกิดจากอะไร ถึงทำไม่ได้ 100% และ 40% ที่ทำไม่ได้โดยปกติจะถูกไปเฉลี่ยในวันที่เหลืออยู่ Target Achievement เราสามารถติดตามได้ตามช่วงเวลาที่เรากำหนดได้ เลือกความถี่ได้ตามความต้องการ

5.หาค่ามากที่สุด น้อยที่สุด และทำ %Share

หาค่ามากที่สุด น้อยที่สุด อันนี้ทำง่ายๆเลย สามารถหาจาก สินค้า , ลูกค้า , รายการ , จำนวนวัน , ยอดขาย , การสั่งซื้อ ส่วนการทำ %Share 

สูตรง่ายๆ คือ นำรายการดังกล่าว หารกับ ยอดรวมทั้งหมด ทำกับทุกสิ่งทุกอย่างที่เราอยากรู้ การค้นหาแบบนี้จะช่วยให้เรา ทราบว่าอะไรมากที่สุด ลำดับรองลงมา และลำดับถัดๆไป จนถึงค่าน้อยที่สุด 

จะช่วยให้เราหาจุด focus ได้อย่างถูกต้อง ว่าควรเน้นอะไร ไม่เน้นอะไร บางอย่างมากเกินไปก็ไม่ดี น้อยเกินไปก็ไม่ดี อย่างเช่น การจัดซื้อ หากเราซื้อกับบริษัทนี้มากเกินไป ถึงเวลาที่บริษัทคู่ค้ามีปัญหา เรื่องการผลิต ขนส่ง คุณภาพสินค้า ขึ้นมา บริษัทจะได้รับผลกระทบนั้นไปด้วย เราอาจจะต้องการจายความเสี่ยงโดยหาคู่ค้าใหม่ๆเข้ามาในรายการ 

รายการสินค้านี้อยู่ลำดับกลางๆ หรือท้ายๆ เราจะทำอย่างไรให้ขึ้นมาอันดับต้นๆ หรือจะทำอย่างไรให้ส่วนนี้ปรับลดลง รายการอันนี้น้อยมาก จนไม่มีความสำคัญที่จะไปต่อก็ควรหาวิธีถอดออก 

อันนี้ทำง่ายสุด แต่มีพลังมาก

การจัดกลุ่มรายการต่างๆ เข้าด้วยกัน

การคำนวนแบบนี้ คิดว่ามีความซับซ้อนมากขึ้น วิธีการทำแต่ละอย่างก็จะไม่มีความตายตัว อันนี้จะได้บอกได้เพียงเป็นแนวทางในการค้นหา 

เช่น ลูกค้าที่ซื้อสินค้าอะไรคู่กับอะไรบ้าง ลูกค้าเกรดต่างๆ ตามมูลค่าที่เคยซื้อ ตามจำนวนครั้ง ตามรายการสินค้า 

ลูกค้า สามารถแบ่งได้ เช่น เพศ ช่วงอายุ พื้นที่ จังหวัด สินค้า 

จะจัดกลุ่ม คือ รายการสินค้า , Cetagory , ประเภท , การใช้งาน , ราคาสูงต่ำ , ลักษณะเฉพาะตัวอื่นๆ , การจัดเก็บ 

คนขาย จะจัดกลุ่ม ยอดขาย ,เพศ ,ช่วงอายุ ,พื้นที่ ,จังหวัด ,สินค้า 

ขึ้นอยู่กับว่าข้อมูลแต่ละอย่างเราต้องการที่จะหาข้อมูลแบบเฉพาะ 

เรามักจะจัดกลุ่มตาม จำนวนเงิน , จำนวนครั้ง , ช่วงเวลา , รายการสินค้า , Cetagory และอื่นๆ ขึ้นอยู่กับว่าธุรกิจแบบไหน

สรุป

หากท่านอ่านจบแล้ว ท่านก็จะทราบแนวทางในการทำ Data Analysis สมควร การวิเคราะห์ข้อมูลจำเป็นต้องรู้และเข้าใจ 6 ข้อที่ผมแนะนำ เพราะเป็นพื้นฐานของการทำข้อมูลต่างๆ เมื่อท่านทราบแนวทางแล้ว สิ่งที่ต้องทำเพิ่ม คือ ฝึกทำบ่อยๆ นำตัวเลขมาทำเยอะๆ ทำจนคล่อง แล้วท่านก็จะเป็น Data Analysis ได้ 

ขอบพระคุณครับ

Written by Freelance Fastwork: Sirichai

สนใจจ้างงานฟรีแลนซ์ได้ที่ https://fastwork.co/user/aun2655/data-analyst-30596610

 

No Comments Yet

Comments are closed