สนับสนุน settakid.com

สมัครเป็น member ฟรี

ขอเชิญเพื่อน ๆ มาสมัครเป็น member เพื่อรับบทความใหม่ผ่านทางอีเมล์ พร้อมกับ weekly email รวมลิงก์น่าอ่านสุดสัปดาห์ที่คัดมาแล้ว ผมทราบดีว่าสมัยนี้ทุกคนยุ่ง อาจไม่มีเวลามานั่งเช็คเว็บนี้ได้ตลอด จึงได้สร้าง member email list ขึ้นมาครับ

Home/Tag:Big Data

ธนาคาร: อยู่รอดในยุคฟินเทคได้อย่างไร?

ในช่วงสามสี่ปีที่ผ่านมาคำว่า​ “ฟินเทค” กลายเป็นคำพูดที่ติดหูที่สุดในแวดวงการเงินทั่วโลก​ จากเดิมที่คนเราคุ้นเคยกับการเดินทางไปทำธุรกรรมที่ธนาคาร​ ตอนนี้การทำธุรกรรมที่ปลายนิ้วโดยไม่ต้องเจอใครเลยจากทุกที่บนโลก​ (และบางทีไม่ต้องผ่านตัวกลางใดๆ)​ กำลังจะกลายเป็น​ new normal สำหรับผู้ใช้งานจำนวนไม่น้อย แม้ว่าธนาคารใหญ่ๆ​ หลายเจ้าจะเริ่มไหวตัวกันแล้วบ้าง​แล้ว​ เช่น เริ่ม digitize ข้อมูลและระบบเดิมมากขึ้นหรือเริ่มทำ​ mobile banking ​ ก็ยังถือว่าเป็นการปรับตัวที่เชื่องช้ามากเมื่อเทียบกับไอเดียและความคิดที่กำลังถูกปรุงแต่งโดยทีมสตาร์ต​อัพฟินเทคใหม่ๆ​ จึงเกิดคำถามขึ้นว่าธนาคารยุคเก่าที่เราคุ้นเคยกันจะอยู่รอดอย่างไร​ท่ามกลางคลื่นลูกใหม่ที่กำลังรุกรานถิ่นเก่าการเงินนี้

เจาะข้อมูลอุบัติเหตุ 4 แสนกรณีช่วงเทศกาลจากปี 2551-2558

วันนี้ผมเก็บ “ภาพเด็ดๆ” ซึ่งมาจากข้อมูลจริงเกี่ยวกับปัญหาใหญ่อันดับต้นๆ ของประเทศไทยมาให้ดูกันครับ นั่นก็คือปัญหาที่ว่า “ทำไมถึงมีผู้ได้รับบาดเจ็บและเสียชีวิตบนท้องถนนมากมายเหลือเกิน?”  ใน Top 20 ประเทศที่มีการเสียชีวิตจากอุบัติเหตุบนท้องถนนมากที่สุด มีประเทศด้อยพัฒนาจากทวีปแอฟริกา 18 ประเทศ  ที่เหลือคือ อิหร่าน กับ ไทย (เราติดอันดับ 2 ของโลกรองจากลิเบีย) โดยมีการคาดไว้ว่าทุกๆ ปี เราจะสูญเสียพี่น้องชาวไทยไปประมาณ 24,000 คนเพราะอุบัติเหตุพวกนี้ ที่น่าโมโหเป็นเพราะว่าอุบัติเหตุมันเป็นอะไรที่ป้องกันได้ และขอบอกก่อนเลยว่าบทความนี้ยิ่งอ่านยิ่งเศร้า ยิ่งผมล้างข้อมูลและเอาหยิบมา plot ยิ่งน่าหดหู่ แต่ที่ต้องการเอา visualization มาแชร์ให้พวกเราเก็บไปช่วยๆ คิดกันเป็นเพราะว่าปัญหาอุบัติเหตุที่คร่าชีวิตคนเป็นปัญหาที่ละเอียดอ่อนและซับซ้อนมาก มีตัวแปรจำนวนมากที่กระทบโอกาสการเกิดของมัน ไม่ว่าจะเป็นคุณภาพของถนน ความเร็วและประเภทของยานพาหนะ ความรักชีวิตของคนขับ พฤติกรรมดื่มสุรา การคาดเข็มขัด ความหย่อนยานของกฎหมาย ไปจนถึงความเร็วของหน่วยฉุกเฉิน เพราะฉะนั้นมันถึงแก้ยาก ถ้าแก้ผิดตัวแปร หรือแก้ไม่ครบ ปัญหานี้จะยังอยู่ต่อไป ข้อมูลในบทความนี้ดาวน์โหลดฟรีได้จาก data.go.th  เป็นข้อมูลรายกรณีผู้ที่ได้รับบาดเจ็บจากอุบัติเหตุบนท้องถนนในช่วงปีใหม่และสงกรานต์ จากทั่วประเทศ ที่เข้าใจว่าเก็บโดยโรงพยาบาลตั้งแต่ปีพ.ศ. 2551 ถึง 2558 (สงกรานต์มีแค่ถึง 2557)

ทำไม HR ก็ควร Data-Driven: เรื่องเล่าจากเซกเตอร์การศึกษาสหรัฐฯ

ทุกวันนี้ในสังคมดิจิทัล (ที่แท้จริง) จะเหลือ “การตัดสินใจสำคัญ” ที่ยังไม่ค่อยได้ใช้ประโยชน์จากข้อมูลขนาดใหญ่ อยู่ไม่กี่ประเภท ที่หลงเหลืออยู่ ส่วนมากจะเป็นการตัดสินใจที่มี 3 ลักษณะ เด่น คือ 1) สมัยก่อนไม่เคยมีข้อมูล ดีๆ (หรือไม่มีเลย) 2) มีผลกระทบที่คอขาดบาดตาย (high-stakes) 3) มีวัฒนธรรมในสังคมหรือองค์กรที่ชี้ว่าควรให้ “สมองคน” หรือ ” ดุลพินิจ ” ของผู้ที่มีคุณสมบัติเหมาะสมเป็นตัวชี้นำในการตัดสินใจ การสร้างทัศนคติ data-driven ระหว่างการตัดสินใจที่มีลักษณะเหล่านี้จึงเป็นไปได้อย่างเชื่องช้าและมักมีกระแสต่อต้านรุมล้อม  เรียกได้ว่ามี “ความเฉื่อย” ชั้นดีในการคอยรั้งการเปลี่ยนทัศนคติ เรามีทางเลือกที่จะตัดสินใจแบบเดิมๆ ต่อไป  แต่หลังจากที่มีข้อมูลดีขึ้น เราเริ่มเห็นแล้วว่าการตัดสินใจเหล่านี้โดยการพึ่งพา “คน” อย่างเดียวนั้นมีข้อจำกัดหรืออาจมีโทษด้วยซ้ำ เช่น ในการตัดสินใจฝากขังหรือปล่อยตัวจำเลยโดยผู้พิพาษาที่พบว่ามีการปล่อยตัวพลาดเป็นจำนวนมากอย่างน่าตกใจ เป็นต้น เพื่อให้เห็นภาพ ผู้เขียนจะขอยกตัวอย่างที่หลายคนน่าจะคุ้นเคยกัน นั่นก็คือ การตัดสินใจจ้างงาน ขึ้น/ลดเงินเดือน หรือเชิญ ออก โดยจะเป็นตัวอย่างที่มาจากประสบการณ์ทำงานวิจัยของผู้เขียนในความร่วมมือกับ school district แห่งหนึ่งในสหรัฐฯ อเมริกาเพื่อหา insight

Load More Posts