GAME CHANGER PART II ณภัทร จาตุศรีพิทักษ์ ปั้นธุรกิจ Big Data คู่คิดองค์กรสู้ดิสรัปต์

แม้ว่านามสกุล “จาตุศรีพิทักษ์” จะมีบทบาทในแวดวงการเมืองไทยมานาน แต่ “ณภัทร จาตุศรีพิทักษ์” ทายาทคนโตของ “สมคิด จาตุศรีพิทักษ์” ก็เลือกทางเดินของตัวเองที่แตกต่าง ด้วยการใช้ความรู้ดีกรีปริญญาเอกเศรษฐศาสตร์ประยุกต์ จาก University of Minnesota และประสบการณ์วิจัยจาก Harvard Kennedy School ก้าวสู่อาชีพ “Data Strategist” หรือนักกลยุทธ์ข้อมูลที่ถือได้ว่าเป็นมนุษย์ทองคำยิ่งเสียกว่า “Data Scientist” ของยุคนี้ และเป็น “นักธุรกิจ” ผู้ก่อตั้งและประธานเจ้าหน้าที่บริหาร “Siametrics Consulting” บริษัทที่ปรึกษาการสร้างคุณค่าแก่องค์กรด้วยข้อมูลและปัญญาประดิษฐ์

“ในครอบครัวไม่มีใครทำธุรกิจเลย ถือเป็นคนแรกที่ออกมาทำธุรกิจ ก็มีคนไม่เห็นด้วย เพราะมีความเสี่ยง แต่ก็ลุย เริ่มต้นกันแค่ผมกับรุ่นน้อง 2 คน และค่อย ๆเรียนรู้เอง อย่างการไปคุยกับลูกค้า ต้องทำความเข้าใจกับภาษากาย เพราะลูกค้าจะไม่บอกเราตรง ๆ ว่า เขาไม่ชอบ ยังไม่เข้าใจกับที่เรานำเสนอ หรือราคาแพงไป ก็เหนื่อยมาก เพราะทำเองทุกอย่าง วางบิลเอง ดูบัญชีเอง คุยกับลูกค้าเองก็คิดว่าจะค่อย ๆ ก้าวไป แต่ครบปีแล้วก็ก้าวไปได้เร็วมากกว่าที่คิด”

เห็น “เงิน” กองทิ้งอยู่บนโต๊ะ

จุดเริ่มต้นเกิดจากการเห็นว่า ประเทศไทยมี “กองข้อมูล” อยู่เยอะมาก แต่ไม่เคยถูกนำไปใช้ให้เกิดประโยชน์ เหมือน “เงินที่กองทิ้งบนโต๊ะ” ขณะเดียวกันก็ยังขาดแคลน Data Scientist อย่างมาก ทำให้แม้องค์กรจะสนใจอยากจะใช้ประโยชน์จากกองข้อมูลนี้ แต่ก็ไม่รู้ว่าควรจะทำอะไรเป็นสิ่งแรก

“ตอนแรกก็ไม่นึกว่าดีมานด์จะเยอะขนาดนี้ แต่ปรากฏว่า พอตั้งบริษัทเป็นที่ปรึกษาในการต่อยอดธุรกิจเชิงข้อมูลตั้งแต่ต้นน้ำยันปลายน้ำ เป็น B2B ทำให้หมดตั้งแต่มาร์เก็ตติ้ง ไพรซิ่ง คาดการณ์ดีมานด์ ประเมินที่ดิน การจ้างงาน ไปจนถึงการดูว่า เทรนด์ในอินเทอร์เน็ตว่า ลูกค้ากำลังอินกับอะไร ซึ่งลูกค้าส่วนใหญ่อยู่ใน SET 50”

เรียกว่าองค์กรธุรกิจในไทย ตื่นตัวกับ Big Data มาก แต่ก็ถือว่าเพิ่งเริ่มต้น “เป็นเหมือนกล้วยสีเขียว ๆ ขณะที่ฝั่งอเมริกาเรื่องนี้เป็นกล้วยที่เหลืองจนกลายเป็นสีดำแล้ว”

สิ่งที่เกิดขึ้นตามมาคือ “ลูกค้าจะยังไม่ได้อะไรมากจากผลลัพธ์ที่เราให้ไปในวันนี้ หากไม่มีคนเอาไปต่อยอดอีกต่อ เพราะการจะใช้ประโยชน์ให้สูงสุดจำเป็นต้องมีคนในองค์กรลูกค้านำไปปั่นต่อ”

ขณะที่ผู้บริโภคในปัจจุบันได้ประโยชน์เยอะมากจากเทคโนโลยี Big data โดยไม่รู้ตัว แต่ก็มีเสียประโยชน์จากข้อมูลส่วนบุคคล ความเป็นส่วนตัว ฉะนั้นจุดยืนที่สำคัญคือ ต้องมีการยินยอมให้นำข้อมูลไปใช้อย่างโปร่งใส ตรงไปตรงมา

หมอดู AI พยากรณ์จากข้อมูล-สถิติ

1 ปีที่ผ่านมาโจทย์จากลูกค้าหลากหลายมาก ตั้งแต่ให้ช่วยวิเคราะห์อดีต-พยากรณ์อนาคต จาก “ข้อมูล” ที่แต่ละธุรกิจสะสมไว้

“หน้าที่ของ Siametrics เป็นเหมือนหมอดูที่ให้คำทำนาย แต่เป็นหมอดูที่ยืนอยู่บนข้อมูลและทฤษฎีทางสถิติ ซึ่งต้องทำให้ดีกว่าการใช้ประสบการณ์หรือการเดาเฉย ๆ เป็นการนำทักษะทางสถิติกับปัญญาประดิษฐ์เข้ามาช่วยให้การทำธุรกิจเดินไปอย่างถูกทิศถูกทางมากขึ้น อย่างทำไมสาขานี้ยอดขายถึงดีหรือแย่ เมื่อก่อนอาจจะต้องอาศัยประสบการณ์ของผู้บริหารมาวิเคราะห์ แต่ยุคนี้การนำคลังข้อมูลมาวิเคราะห์จะแม่นยำขึ้น และจะช่วยในการทำธุรกิจได้มาก อย่างการพยากรณ์ยอดขายของแต่ละสาขาในเดือนถัดไป ก็จะทำให้สต๊อกสินค้าได้เหมาะสม ควบคุมต้นทุนได้ดีขึ้น หรือการวิเคราะห์และคาดการณ์รูปแบบผลิตภัณฑ์ที่จะขายดี”

“ข้อมูล” ความได้เปรียบทางธุรกิจ

ซีอีโอ Siametrics ย้ำว่า ยุคนี้ “ข้อมูล” คือความได้เปรียบเสียเปรียบทางธุรกิจในยุคนี้ แต่จะ “มากหรือน้อย” ขึ้นอยู่กับ “ผู้บริหาร” ขององค์กรได้ส่งแรงบันดาลใจลงไปถึงพนักงานระดับปฏิบัติการรุนแรงมากแค่ไหน รวมถึงจะเกิดผลกระทบแค่ไหนก็ขึ้นอยู่กับอุตสาหกรรมนั้น ๆ ด้วย เพราะอย่างสถาบันการเงินต้องรีบมาก ๆ ถ้าช้าคือไม่รอด แต่บางอุตสาหกรรมยังพอรอได้

“การจะปั่นข้อมูลเพื่อให้เกิดประโยชน์ และดันองค์กรให้พลิกโฉมได้ ต้องใช้แรงงาน แรงสมอง และงบประมาณซัพพอร์ตคนทำงานมากด้วย ถ้าข้างบนมีวิชั่นจริงจังและชัดเจน แล้วข้างล่างก็เข้าใจและเห็นด้วยกับวิสัยทัศน์ของผู้บริหารด้วยถึงจะเวิร์ก”

ปัจจุบันยักษ์ใหญ่ทางธุรกิจล้วนนำ “ข้อมูล” มาใช้แล้วทั้งนั้น ไม่จำกัดแวดวงอุตสาหกรรม เพียงแต่จะแตกต่างที่วัตถุประสงค์ เช่น ธุรกิจค้าปลีกมุ่งที่การหาทางลดต้นทุนให้ได้มากที่สุด การวิเคราะห์และคาดการณ์พฤติกรรมลูกค้าหรือแม้แต่คู่แข่ง ส่วนธุรกิจโทรคมนาคมใช้คาดการณ์ตลาด ประเมินว่าควรจะต้องจับมือเป็นพาร์ตเนอร์กับธุรกิจรายใด จะทำอย่างไรให้เกิดลูกค้าที่เป็นหนี้เสียน้อยที่สุด

“คน” คือความท้าทาย

จากประสบการณ์ในวงการธุรกิจที่ผ่านมาพบว่า ความเชื่อขององค์กรต่าง ๆ ยังคงแบ่งออกเป็น 2 ฝั่ง คือ กลุ่มแรกเชื่อใน Big Data มาก ๆ และกลุ่มที่ 2 คือยังคงใช้อารมณ์และประสบการณ์เดิม มากกว่าการใช้หลักฐานหรือข้อมูลมาใช้ในการตัดสินใจทั้งที่การตัดสินใจทางธุรกิจควรขึ้นอยู่กับข้อมูล

ขณะที่การขับเคลื่อนองค์กรให้ก้าวไปสู่ “4.0” เป็นสิ่งที่หลายธุรกิจให้ความสำคัญ แต่การจะผลักดันได้ ไม่ใช่แค่จ้าง “คนเก่ง” มาช่วยวางแผนหรือขับเคลื่อนองค์กร แต่ต้องเป็นคนที่ได้รับการยอมรับจาก “คนในองค์กร” และไม่ใช่ว่าจะกลายเป็น 4.0 ได้ในพริบตา นี่เป็นสิ่งที่ผู้บริหารต้องเข้าใจ

ทั้งยังมีประเด็นที่อ่อนไหว จากความกังวลของคนในองค์กรที่กลัวว่า การนำ Big Data มาใช้จะกระทบกับ “คน” ในองค์กร

อย่างการตั้งโจทย์ให้ใช้ข้อมูล แมชชีนเลิร์นนิ่ง และ AI (ปัญญาประดิษฐ์) มาวิเคราะห์ว่า ผู้สมัครหรือพนักงานแต่ละราย คนไหนมีคุณสมบัติเหมาะสม มีแนวโน้มจะทำงานกับบริษัทได้นาน และมีประสิทธิภาพแค่ไหน ระบบสามารถประมวลผลแม่นยำถึง 70-80% ซึ่งก็จะกระทบกับฝ่ายบุคคลขององค์กรนั้น ๆ ทำให้คนกังวลเรื่องจะถูกเทคโนโลยีเข้าไปทดแทน เป็นประเด็นที่ผู้บริหารองค์กรต้องทำความเข้าใจ

สร้างอิมแพ็กต์สูงสุด

ส่วนจะพยากรณ์ได้แม่นยำขนาดไหนขึ้นอยู่กับ “ข้อมูล” ที่องค์กรเก็บสะสมไว้มี “ใหญ่พอ-เยอะพอ-ถูกต้องพอ” แค่ไหน ยิ่งมีเยอะเป็นข้อมูลที่ถูกต้องผลลัพธ์ก็แม่นยำ

“ผมมีหน้าที่เข้าไปดูข้อมูลในถังของลูกค้าแล้วหยิบมาสร้างอิมแพ็กต์ให้ได้สูงสุดจากปริมาณข้อมูลที่มีในมือ”

ขณะเดียวกันยังพบว่า มีหลายครั้งที่องค์กรพยายามตั้งโจทย์ที่ยากแต่ผลตอบแทนกลับมาไม่คุ้มค่ากับการลงทุนลงแรง

“มีช่วงก่อนหน้านี้ ธุรกิจฮิตทำแชทบอทกันมาก ทุกคนแห่ทำ เพราะมันเหมือนง่าย แต่จริง ๆ การจะทำแชทบอทภาษาไทยให้ดี ๆ เป็นเรื่องยาก ต้องลงทุนสูง คือถ้าเป็นองค์กรใหญ่มีลูกค้าติดตามมาเยอะ ๆ อย่างธนาคาร ค่ายมือถือ แบบนี้ก็คุ้มที่จะทำ แต่บางองค์กรไม่ได้ติดต่อกับลูกค้ามากขนาดนั้นเอาเงินและเวลาไปทำโครงการ Data Science อื่นจะดีกว่าซึ่งเราก็จะเข้าไปช่วยแนะนำตรงนี้ด้วย ว่าควรจะเริ่มทำตรงไหนก่อนเพื่อให้เกิดอิมแพ็กต์สูงสุดในเวลาสั้นสุด”

ภาษาไทย-ทักษะสื่อสาร สำคัญสุด

ในแง่ความท้าทายในการบริหาร Siametrics “ณภัทร” ระบุว่า คือการจะสื่อสารให้ลูกค้าเข้าใจตั้งแต่ครั้งแรกว่า การเข้าไปสร้างแบบจำลองหรือวิเคราะห์ข้อมูลขององค์กรลูกค้า ไม่ได้เป็นการเข้าไปแย่งงานหรือทดแทนการทำงานของพนักงานเดิม แต่เป็นการเข้าไปช่วยทำงานในส่วนที่น่าเบื่อ เพื่อให้คนในองค์กรมีเวลาไปทำงานอื่นแทน ซึ่งเทคโนโลยียังทำได้ไม่ดีเท่า

ดังนั้นแม้จะมี 4-5 บริษัทที่ทำธุรกิจแบบเดียวกับ Siametrics แต่ปัญหาไม่ได้อยู่ที่ “คู่แข่ง” แต่คือการสื่อสารกับลูกค้าว่า “โจทย์ที่ต้องการคือ ?”

“ภาษาไทย ทักษะสื่อสารเป็นเรื่องสำคัญมากในธุรกิจนี้เพราะ 70% คือการบริการ อีก 30% เป็นงานเทคนิค ซึ่งต้องอธิบายให้ลูกค้าเข้าใจว่า จะได้อะไรกลับไป กระบวนการทำงานจะเป็นอย่างไร แล้วจะนำไปต่อยอดอะไรได้บ้างฉะนั้นต่อให้คู่แข่งต่างชาติเข้ามาในตลาดจะมีแบรนด์ที่ขลังกว่า แต่ know-how ด้านนี้เราไม่ได้ด้อยกว่า บวกกับทักษะและความเข้าใจวัฒนธรรม การจะเข้าไปอธิบายกับลูกค้าได้ เรายังได้เปรียบ”

ธุรกิจที่ปรึกษาเชิงข้อมูลแบบนี้ เทคโนโลยีจะทำให้เกิดความได้เปรียบในกรณีที่เป็นเทคโนโลยีล้ำหน้ามาก ๆ ในแบบของ “เทคสตาร์ตอัพ”

“จริง ๆ ผมไม่ชอบคำว่า Big Data เพราะทำให้คนคิดว่า มันต้องใหญ่ ต้องเยอะ แต่จริง ๆ ที่สำคัญคือ รายละเอียดดีเทลที่ชัดเจน ชนิดที่เรียกว่า ถ้าลูกค้าอยากได้สีดำ จะเอาดำเฉดไหนแน่ เพราะถ้าโจทย์เปลี่ยน Direction เปลี่ยน บรรดาข้อมูล สูตรวิธีคิด ทุกอย่างคือต้องเริ่มใหม่หมด”

ดึงดูด-รักษา-พัฒนา

ขณะที่องค์กรธุรกิจตื่นตัวอย่างมากกับการใช้ “ข้อมูล” แต่ “Data Scientist” ในไทยหาตัวได้ยาก ยิ่ง “คนเก่ง” ยิ่งหายาก ฉะนั้นนอกจากจะมุ่งหาลูกค้าแล้ว “ณภัทร” ยังต้องเน้นการสร้างสภาพแวดล้อมที่ดึงดูดเหล่านักวิทยาศาสตร์ข้อมูลที่มีคุณภาพ ซึ่งส่วนใหญ่เป็นคนรุ่นใหม่ อายุ 19-25 ปีเป็นเจเนอเรชั่นที่ต้องการแนวทางการทำงานที่แตกต่างออกไป

“ที่อื่นอาจจะขาดคน แต่ที่นี่ไม่ขาด เพราะผมจะทำให้ทุกงานสนุก แต่ละคนจะอยู่กับโจทย์ที่ลูกค้าให้ไม่เกิน 2 เดือนเราต้องสร้างสภาพแวดล้อมการทำงานที่สนุก ๆ เชิญน้อง ๆที่อยากฝึกทักษะด้านนี้ให้เข้ามาทำงานด้วย เพราะเด็กรุ่นนี้ต้องการเรียนรู้อะไรใหม่ ๆ ตลอดเพราะคนเก่ง ๆ ด้านนี้ ทำงานแบบเดิม ๆ ก็จะเบื่อ รู้สึกจำเจ ไม่ท้าทายแล้ว เป็นหน้าที่ของเราที่ต้องหาทางทำให้งานของเขาไม่น่าเบื่อ”

ปัจจุบันมีพนักงาน 18 คน เป็นทั้ง Full-time และ Part-time โดย 75% จบระดับปริญญาเอก อีก 25% จบปริญญาตรีสาขาวิศวกรรมและเศรษฐศาสตร์ที่เมืองไทย

“ในอาชีพนี้ต้องไม่ยึดติดกับแขนงเดิม ๆ ในบริษัทมีตั้งแต่วิศวะ เศรษฐศาสตร์ การเงิน ไปจนถึงอาชีวะ เพราะเป็นสาขาที่ใช้ Data Science เยอะมาก และมีเทคนิคคิดที่แตกต่างออกไป ซึ่งนำมาประยุกต์ใช้ได้ ขณะที่เรื่องความสนุกเป็นสิ่งที่มักถูกมองข้าม ทั้งที่งาน Data Scientist จำเป็นต้องมีความคิดสร้างสรรค์สูง จากกองข้อมูลที่โยนให้ไป จะนำไปใช้อะไรได้บ้าง จะค้นหาอะไรได้บ้าง ต้องไม่ยึดติดกับกรอบเดิม ๆ เป็นเหมือนกองกลางของธุรกิจ คือเป็นคนส่งลูกบอลให้กับทีมมาร์เก็ตติ้ง หรือส่วนงานอื่น ๆ ไปต่อยอด งาน Data Scientist คือซัพพอร์ตทีม”

วัยเด็กของลูกมีค่าที่สุด

Siametrics Consulting มีอายุแค่ 1 ปี แต่รายได้เพียงพอสร้างรันเวย์ไปได้อีกหลายปี ทั้งที่มีทีมงานแค่ 18 คน ซึ่งดูเผิน ๆ แล้วมีวิถีการทำงานแบบ “สตาร์ตอัพ” ที่กำลังอินเทรนด์ในยุคนี้

แต่ “ณภัทร” ยืนยันว่า ไม่เรียกธุรกิจตัวเองว่าเป็นสตาร์ตอัพ เพราะใช้ทุน 0 บาท ไม่ติดตัวแดง ไม่ได้พึ่งเงินทุนจากครอบครัวหรือนักลงทุนอื่น ซึ่งตอนนี้ธุรกิจก็ไปได้ สามารถ “ยืนบนขา” ตัวเองได้ ออฟฟิศใหม่ก็กำลังสร้างเองและไม่คิดจะเป็นสตาร์ตอัพด้วย เพราะอยากให้ใช้เวลากับ “น้องแนช” ลูกชายตัวน้อยที่ตั้งชื่อตาม “John Nash” นักคณิตศาสตร์ชาวอเมริกัน เจ้าของรางวัลโนเบลปี 1994 ผู้เชี่ยวชาญด้านทฤษฎีเกม ซึ่งไม่ใช่แค่คุณพ่อที่ทุ่มเทกับลูกน้อยหนักมาก แต่คุณปู่ “สมคิด” ก็หลงหลานหัวปักหัวปำ

“การเป็นสตาร์ตอัพที่ระดมทุนจะมีแรงกดดันเยอะ เมื่อหาเงินทุนได้ก็ต้องมีแผนชัดเจนว่าจะ Scale ไปต่ออย่างไร มี KPI ตัวชี้วัดจากเจ้าของเงินมากดดัน ตอนนี้จึงอยากจะลงเวลากับลูกให้เยอะที่สุด เพราะมันเป็นสิ่งที่ย้อนกลับไปไม่ได้ ถ้าอยากจะให้เวลากับลูกคนนี้ก็ต้องทำตอนนี้”

ดังนั้นหลัง 18.00 น.ของทุกวันจะต้องเป็นเวลาของ “น้องแนช” แม้ว่าจะตั้งเป้าว่าสิ้นปีจะมีรายได้เพิ่มขึ้นอีกหลายล้านบาทก็ตาม ซึ่งที่ผ่านมาการจัดตารางชีวิตแบบนี้ก็ยังทำให้ Siametrics Consult-ing ขยายธุรกิจได้เร็วกว่าที่คาดไว้มาก

ขณะที่ความเป็นลูกชาย “สมคิด” ก็ทำให้ “ณภัทร” หาลูกค้าได้ยากเหมือนกัน เพราะ 1.ไม่รับลูกค้าภาครัฐ เพื่อตัดปัญหา และ 2.บางทีก็เจอลูกค้าที่ไม่ชอบคุณพ่อ


“หลายครั้งก็มีลูกค้าที่มีความเห็นทาง “ข้อมูล” ตรงกัน แต่ไม่ชอบคุณพ่อก็มี ผมแยกได้อยู่แล้ว ถ้าเขาแยกได้ก็เป็นลูกค้ากันได้ ถ้าแยกไม่ได้ เขาก็คงไม่มาเป็นลูกค้าผม ส่วนที่คุณพ่อมักบอกเสมอคือ อย่าไปติดหนี้ใครเขา”