ในรอบสัปดาห์ที่ผ่านมา มี 2 องค์กรยักษ์ใหญ่ต่างอุตสาหกรรมที่มีความน่าสนใจคือการปรับตัวเข้าสู่ดิจิทัลมากไปอีกขั้น เพราะทั้งคู่ต่างก็มีเครื่องมือพื้นฐานด้านการให้บริการอยู่แล้ว แต่การปรับตัวครั้งนี้คือการทำให้ดีกว่าเดิมขึ้นไปอีก โดย Thumbsup จะมาวิเคราะห์การก้าวไปอีกขั้นทั้งสองหน่วยงานนี้กัน
เพื่องานบริการที่ดีขึ้น
ทางดีแทคได้แจ้งเกิดตำแหน่งงานใหม่ ที่ถือกำเนิดในยุคดิจิทัล ชื่อว่า Customer Value Management หรือ CVM คือหน่วยงานใหม่ที่ดีแทคจัดตั้งขึ้นมา เพื่อนำเสนอสินค้าและบริการที่ทำให้ลูกค้าพอใจสูงสุด เรียกได้ว่า “รู้ใจลูกค้ายิ่งกว่าลูกค้ารู้ใจตัวเองอีก” ซึ่งเป็นหน้าที่สำคัญของส่วนงานนี้
ความน่าสนใจของตำแหน่งงานนี้ คือ หลักคิดด้านบริหารการตลาดไม่ใช่แบบ 4 P เดิม คือ Product, Price, Place, Promotion อีกต่อไป แต่จะต้องเปลี่ยนตามพฤติกรรมลูกค้า คือ Right product, Right moment และ Right channel แทน
ดังนั้น งานของทีม CVM คือ ความพยายามในการเข้าใจพฤติกรรมลูกค้า เพื่อให้สามารถนำเสนอสินค้าและบริการที่เหมาะสมที่สุด ซึ่งเบื้องหลังที่สำคัญก็คือ “ข้อมูล” ที่เกิดขึ้นในแต่ละวันถึง 3,000 ล้านชุดข้อมูล อีกสิ่งหนึ่งที่สำคัญไม่แพ้กันเลยก็คือ “วิธีการ” ในการใช้ข้อมูล ซึ่งไม่ใช่เรื่องง่ายเลยกับการจัดการข้อมูลเหล่านี้แล้วแปรผลเพื่อมาใช้ในการทำแคมเปญหรือการตลาดต่อไป
เดินหน้าอาชีพ Data Analyst
ในยุคท่ีหลายองค์กรที่เดินหน้าเรื่องดิจิทัลเต็มตัวต่างก็ต้องการ Data Analyst หรือ นักวิเคราะห์ข้อมูลกันมากขึ้น เพื่อเข้ามาช่วยวิเคราะห์พฤติกรรมและความต้องการของลูกค้าให้ดียิ่งขึ้น ไม่ใช่แค่นำ AI เข้ามาใช้เก็บข้อมูลก็จบ เพราะงานบริการบางอย่างต้องอาศัยความเป็นคนเข้ามาช่วยเสริมความใส่ใจด้วย แต่หลายคนก็ไม่ค่อยเข้าใจว่าอาชีพนี้ ต้องทำอย่างไร หรือ ดีอย่างไร จนไปถึงต้องเรียนจบด้านไหนถึงจะทำงานด้านนี้ได้ ซึ่ง dtac แบ่งหน้าที่การทำงานของตำแหน่ง CVM เป็น 4 ขั้นตอน ดังนี้
- การวิเคราะห์ข้อมูล หรือ Pre-analysis เพื่อทำความเข้าใจพฤติกรรมและแนวโน้มการเปลี่ยนแปลงไปของความต้องการของลูกค้าในอนาคต ข้อดีของวิธีนี้คือทำให้ได้คำตอบที่แม่นยำเพราะมาจากข้อมูลการใช้งานจริง และข้อมูลยังสามารถช่วยในการวางแผนแคมเปญการตลาดให้มีประสิทธิภาพมากยิ่งขึ้น โดยข้อมูลที่ได้จะเป็นคลังขุมทรัพย์ที่ฝ่ายอื่นๆ หยิบไปต่อยอด
- เมื่อได้ข้อมูลเบื้องต้นมาแล้ว จะถูกนำเข้าแบบจำลองเพื่อทำการพยากรณ์หรือ Prediction สมมติฐานบางอย่างที่ต้องการทราบ แล้วปรับแบบจำลองนั้นให้แม่นยำที่สุดก่อนนำไปใช้จริงกับโปรเจคที่ต้องการลงรายละเอียดกับกลุ่มเป้าหมาย เช่น การทำแบบจำลองเพื่อประเมินว่าลูกค้ามีพฤติกรรมแบบนี้จะเป็นคนที่มีแนวโน้มจ่ายเงินตรงเวลาหรือไม่
- เมื่อทำการทดลองจนได้แบบจำลองที่แม่นยำในระดับที่น่าพอใจแล้ว จะออกแบบแคมเปญที่เหมาะสมกับลูกค้ากลุ่มหรือที่เรียกว่า Personalized Campaign เช่น เมื่อเรารู้แล้วลูกค้ากลุ่มนี้มีเครดิตดี ใช้บริการใจดีให้ยืมแล้วคืนเงินทุกครั้ง เมื่อลูกค้ามีการกดเช็คยอดเงินแล้วพบว่ามีเงินเหลือน้อย แทนที่เราจะส่งแคมเปญกระตุ้นให้ลูกค้าไปเติมเงิน เราก็จะเสนอแคมเปญให้ยืมเงินเพื่อให้สามารถใช้บริการได้อย่างต่อเนื่องแทน
- สุดท้ายก็คือ Contextual System Operations ที่จะช่วยดูระบบการส่งแคมเปญที่พัฒนาเสร็จเรียบร้อยแล้วให้ทำงานถูกต้องและต่อเนื่องแบบไม่มีหยุดพัก 24×7 กันเลยทีเดียว เมื่อใดที่ลูกค้ามีพฤติกรรมตามที่เรากำหนด ระบบก็จะส่งแคมเปญออกไปให้โดยอัตโนมัติ เช่น เมื่อลูกค้าเพิ่งวางสายและมียอดเงินคงเหลือน้อยกว่าที่กำหนด แคมเปญกระตุ้นการเติมเงิน หรือ ให้ยืม จะถูกส่งผ่านทาง SMS ไปให้ลูกค้าในทันที นอกจากนี้ระบบ Contextual System ยังสามารถบันทึกข้อมูลผลการตอบรับของแต่ละแคมเปญเพื่อนำมาใช้วัดประสิทธิภาพและปรับปรุงให้แคมเปญตอบสนองความต้องการของลูกค้าให้ดีขึ้นในอนาคต
แน่นอนว่าทุกองค์กรย่อมมีฐานข้อมูลเป็นของตนเองอยู่แล้ว และการใช้ฐานข้อมูล Big Data อย่างคุ้มค่าจะช่วยให้ได้ข้อมูลเชิงลึกที่มีประสิทธิภาพกว่าข้อมูลจากวิธีแบบเก่าอย่างการทำแบบสอบถามซึ่งอาจไม่แน่นอนและมีจำนวนน้อย การใช้กระบวนการ Data Science ยังช่วยให้การทำการตลาดเป็นไปอย่างแม่นยำ
ธุรกิจการเงินเดินหน้า AI
ส่วนกลุ่มการเงินอย่าง ธนาคารกรุงศรี ได้ลงทุน 4.7 พันล้านบาท ขยายความร่วมมือกับ IBM Service ภายใต้ระยะเวลา 5 ปี เพื่อเตรียมความพร้อมสู่ดิจิทัลทรานส์ฟอร์เมชันมุ่งเน้นด้านดิจิทัลแบงกิ้งในอนาคต
แน่นอนว่าธนาคารกรุงศรีอยุธยาถือว่าเป็นหนึ่งในท็อป 5 ของสถาบันการเงินที่ใหญ่ที่สุดของไทย ดำเนินธุรกิจมานานกว่า 73 ปี จากจำนวนลูกค้าบัตรเครดิต สินเชื่อเพื่อการผ่อนชําระค่าสินค้า และบัญชีสินเชื่อส่วนบุคคลรวม 8.6 ล้านบัญชี ด้วยความที่เป็นธนาคารขนาดใหญ่จึงตั้งเป้าจะเป็นธนาคารที่มีความก้าวล้ำด้านเทคโนโลยีการเงิน จึงได้เดินหน้าพัฒนาระบบโครงสร้างพื้นฐานด้านเทคโนโลยีที่มั่นคงปลอดภัย แข็งแกร่ง และพร้อมสำหรับคลาวด์ เพื่อรองรับบริการโมบายแบงกิ้ง ปัญญาประดิษฐ์ (AI) ดิจิทัลแบงกิ้ง รวมทั้งแผนการปรับเปลี่ยนสู่ระบบดิจิทัลครบวงจรเพื่อเพิ่มความคล่องตัวในการบริการลูกค้าและการปฏิบัติงานต่างๆ
ทั้งนี้ ทาง IBM และกรุงศรีร่วมงานกันครั้งแรกในปี 2555 ภายใต้ข้อตกลงที่มุ่งเน้นการให้บริการโครงสร้างพื้นฐานด้านไอที (Infrastructure as a Service) ในปี 2560 ธนาคารได้ร่วมกับทีมไอบีเอ็ม คลาวด์ โดยมีเป้าหมายในการเพิ่มประสิทธิภาพให้กับการบริหารจัดการเอกสารการให้บริการระหว่างธนาคารและบริษัทในเครือ
เนื่องจากธนาคารกรุงศรี มีเอกสารสัญญาธนาคารที่ส่งต่อไปมาระหว่างธนาคารและบริษัทในเครือจำนวนมากในแต่ละวัน และโครงการนำร่องบล็อกเชนของไอบีเอ็มได้ช่วยปรับปรุงประสิทธิภาพของกระบวนการการทำธุรกรรมระหว่างหน่วยงานที่เกี่ยวข้อง (Related Party Transaction) ภายในองค์กร ด้วยการนำเทคโนโลยีบล็อกเชนเข้ามาใช้กับกระบวนการจัดเก็บเอกสารการให้บริการระหว่างธนาคารและบริษัทในเครือ อันเป็นการช่วยเพิ่มประสิทธิภาพให้กับทุกฝ่าย และช่วยให้กระบวนการมีความปลอดภัย โปร่งใส รวดเร็วขึ้น และมีประสิทธิภาพมากขึ้น
การขยายข้อตกลงความร่วมมือครั้งใหม่ระหว่างไอบีเอ็มกับกรุงศรี ครอบคลุมการบริการบริหารจัดการด้านไอที (managed services) ตั้งแต่เมนเฟรมไอบีเอ็ม z14 สตอเรจที่รวมถึงแฟลช เซิร์ฟเวอร์ เน็ตเวิร์ค และเอทีเอ็ม โดยข้อตกลงดังกล่าวได้รับการออกแบบมาเพื่อเสริมแพลตฟอร์มเทคโนโลยีของกรุงศรีให้มีเสถียรภาพ สามารถสร้างโครงสร้างพื้นฐานที่รองรับคลาวด์เพื่อสนับสนุนวิสัยทัศน์ดิจิทัลทรานส์ฟอร์เมชันของธนาคารต่อไป
ก้าวต่อไปของทั้งสองกลุ่มธุรกิจเห็นได้ว่าต่างก็มองเรื่องโอกาสทางด้านดิจิทัลเป็นหลัก เพราะต้องยอมรับว่าโอกาสหลายอย่างล้วนมาจากพฤติกกรรมของการใช้งานออนไลน์มากขึ้น แต่ก็ยังมีหลายธุรกิจที่ยังไม่ปรับตัวมากพอ ก็ต้องอยู่ที่แนวทางของทีมบริหารกันแล้วละค่ะ