หา Business Insight ง่ายๆด้วย Learning Agenda by Lillian Chiu (Spotify’s Business Analyst )

หากเพื่อนๆ เป็นคนที่ Data ในการวิเคราะห์หา Business Insight เพื่อตอบโจทย์บางเรื่องสำหรับเอาไปใช้ในการตัดสินใจทางธุรกิจ (Decision Making) โพสนี้เรามีเรียน guideline ในการหา Business Insight กันจากประสบการณ์ของคนที่ทำงานอยู่ใน Tech company ที่มี Data มหาศาลแน่นอนอย่าง Spotify เลย ของแทร่แน่นอน

Table of Contents

1. ทำความรู้จัก Lillian Chiu
2. ถ้าเราเป็น Business Analyst ที่ Netflix
3. Learning Agenda with 3 steps
   1. 1. Start with Business Objective
   2. 2. Brainstrom Data Questions
   3. 3. Answer the Questions
4. Learning Agenda in Actual Work
5. Insight คืออะไรกันแน่?
   1. เพื่อนๆได้ประโยชน์จากโพสนี้อย่างไรบ้างเขียนแชร์เป็นกำลังใจให้กันด้านล่างนี้ได้เลยครับ 😊

ทำความรู้จัก Lillian Chiu

Lillian Chiu เป็นชาว Taiwan ที่ปัจจุบันทำงานเป็น Business Strategy & Operation Manager อยู่ที่ Spotify ใน New York โดยปีนี้(2024) เธอมีอายุ 27 ปี ซึ่งส่วนตัวผมมองว่าเธอเติบโตใน career path ได้เร็วมากเลย อายุเท่านี้ก็เป็น Manager เป็นหัวหน้าทีมแล้ว อย่างเก่งง

Lillian เองก็ยังเป็น YouTuber ที่มีช่องของตัวเองตามเธอเลยคือ Lillian Chiu (https://www.youtube.com/@LillianChiu101) เนื้อหาหลักๆของช่องเธอจะเป็น “Day in the life as a Business Analyst” ที่แชร์ประสบการณ์การทำงานในฐานะ Business Analyst ของเธอเอง และที่ทำให้ content ของช่องเธอน่าสนใจเข้าไปอีกคือการทำออกมาเป็นแนว vlog โดยรวมการใช้ชีวิตประจำวัน ของตัวเองไปด้วย บวกกับเพลงประกอบสบายๆ ที่เหมือนอยู่ในร้านกาแฟ ทำให้บรรยากาศเวลาดูคลิปไม่หนักเกินไปเวลาที่พูดถึงเรื่องการทำงานกับ data

นอกจากนี้ Lillian ยังเปิด online course บนเว็บ PPAcademy สอนเกี่ยวกับ Business Analytic ด้วยครับ ถ้าใครสนใจก็ตามลิ้งค์นี้ไปได้เลยย Lillian Online Courses

เอาล่ะครับ เราได้รู้จัก Lillian กันเบื้องต้นไปแล้ว เนื้อหาของโพสนี้จะแนะนำเกี่ยวกับ Learning agenda หรือผมขอเรียกมันว่า Work flow การทำงานของเธอในฐานะ Business Analyst กันครับ ซึ่งเนื้อหานี้จะอยู่ในคลิป “Weekly life of a Business Manager at Spotify | how I lead business analysis (at the office)” (https://www.youtube.com/watch?v=506S3bibFVY)

ถ้าเราเป็น Business Analyst ที่ Netflix

ให้เราสมมติว่าเราเป็น Business Analyst ที่ Netflix ที่ได้รับโจทย์จากทีม Marketing คือ “ทีมมีงบอยู่ 1 ล้าน usd เพื่อใช้ในการ promote show ที่จะเพิ่ม Engagement ใน U.S. (United State) คำถามคือ Show ไหนที่ทีม Marketing ควรจะหยิบมา promote” (Engagement ในมุมของ Netflix วัดจากจำนวนชั่วโมงที่ลูกค้าดู content)

อันดับแรก Lillian บอกว่าเราต้องคิดเรื่อง Learning Agenda หรือ Outline ซึ่งผมขอเรียกมันว่า”ใจความสำคัญ” ของโจทย์นี้ก่อนเพื่อไม่ให้เราหลงทาง (Lost) อยู่ในข้อมูลที่มหาศาล (Sea of data) ด้วย step ดังนี้

Learning Agenda with 3 steps

1. Start with Business Objective

ทำความเข้าใจวัตถุประสงค์ (Objective) ของโจทย์ซะก่อน: ข้อมูลทุกอย่างที่เราจะดึงต้องเชื่อมโยงกันกับ objective ของโจทย์นี้ด้วย (Every data should tie back to Business Objective)

2. Brainstrom Data Questions

Brainstorm กันกับทีมเพื่อตั้งคำถามที่จะวิเคราะห์ข้อมูลมาตอบขึ้นมา: การตั้งคำถามจะทำให้เราดึง data ที่จะนำมาวิเคราะห์ ได้อย่างถูกต้อง อย่างในโจทย์นี้ Lillian ได้คิดคำถามออกมา 3 ข้อคือ

• 10 อันดับ show ที่มีคนดู (streamed) มากที่สุดใน U.S. มีอะไรบ้าง ?
• Show ไหนมี completion rate สูงที่สุดจาก 10 อันดับนี้ ?
• สำหรับ show ที่จัดอยู่ในกลุ่มที่มี จำนวนการ stream และ completion rate สูง เมื่อพิจารณาแยกเป็นราย state (รัฐ) แล้ว state ไหนมีความอิ่มตัว (saturation) น้อยที่สุด หรือก็คือเป็น state ที่มีคนดูรายการนี้น้อยที่สุดนั่นเอง ?

ทุกคำถามที่ Lillian ลิสขึ้นมานั้นต้องมี Business objective มารองรับด้วยนะครับว่าเราตอบคำถามนั้นไปเพื่ออะไร แล้วจะวัดผล (measure) ด้วยวิธีไหน ซึ่งเดี๋ยวเราจะมาไล่เจาะแต่ละข้อกันแบบละเอียดเลย

3. Answer the Questions

เมื่อเรารู้แล้วว่าเราต้องดึง data ไหนขึ้นมาใช้งานเพื่อตอบคำถามทั้ง 3 ข้อของเราแล้ว เราจะต้อง Data นั้นมา Visualize และ Analyze เพื่อตอบคำถามเหล่านั้นกัน

Question 1: 10 อันดับ show ที่มีคนดู (streamed) มากที่สุดใน U.S. มีอะไรบ้าง ?

• Business objective: ในเมื่อเรามี show ที่ popular อยู่แล้ว เราจะใช้ momentum นี้ให้เป็นประโยชน์เพื่อให้การลงทุนของเรามีประสิทธิภาพมากขึ้น (effective) โดยการ promote show ตัวนั้นเลย (ของโคตรดีย์ก็ต้องเอามาใช้ Lillian บอก 555+)
• Measured by: วัดผลด้วยจำนวนการ Stream ใน U.S. ทั้งปี 2023

เมื่อนำจำนวน Streams มา plot bar chart แล้วเรียงอันดับจากมากสุดไปน้อยสุด (Descending order) ซึ่ง Business Insights ที่ได้จากข้อมูลนี้คือทำให้เราได้รู้ว่า show ไหนที่มีคนดูมากที่สุดใน U.S.

ทุกครั้งหลังจากที่จัดการ และ visualize data ขึ้นมา Lillian จะถามกับตัวเองว่า “So What?” อารมณ์ประมาณว่า “แล้วมันยังไง?” ข้อมูลนี้ให้อะไรกับเรา ทีม Marketing จะสามารถนำไปใช้ประโยชน์ในการปรับกลยุทธ์ (Strategy development) ทางการการตลาดได้อย่างไรจาก information ที่ได้นี้

Question 2: Show ไหนมี completion rate สูงที่สุดจาก 10 อันดับนี้ ?

• Business objective: Promote show ที่มี engagement ที่ดีเยี่ยม โดยพิจารณาจาก completion rate เพื่อนำ show เหล่านั้นมาเพิ่มปริมาณ content และ retain (รั้ง) ให้ลูกค้ายังอยู่กับเราต่อไป
• Measured by: Completion rate (% ของคนดูที่ดูรายการทั้ง episode นั้นจนจบ เช่นถ้า data มี 100 คน แต่มีคนดูจนจบ 50 คน จะคิด completion rate เป็น 50/100 = 50%)

Lillian ได้นำ show completion rate (%) และ จำนวนการดู มา visualize ออกมาเป็น scatter plot แล้วจัดกลุ่มของ show ดังนี้

1. High completion rate + High stream → Star Performances จัดว่าเป็นกลุ่มที่มี Engagement ที่ดีที่สุดใน 4 กลุ่มนี้เลย เพราะคนส่วนใหญ่เข้ามาดูแล้วก็ชื่นชอบกับ content เลยดูจนจบด้วย
2. High completion rate + Low stream → Cult Favourites คือเป็น content ที่ค่อนข้างเฉพาะเจาะจงกลุ่มคนดู (Niche) ถ้านึกไม่ออกให้ลองนึกถึงหนังเรื่อง Joker(2019), Inception(2010) ดูนะครับ
3. Low completion rate + High stream → Mass appeal, Low engagement คือจัดเป็นกลุ่มที่ยิง Ads ให้คนเห็นเยอะนะแต่พอเข้ามาดูจริงๆ ส่วนใหญ่จะดูไม่จบ ซึ่งอาจจะมาจากคุณภาพของ content หรือ ไม่ตรงกลุ่มผู้ชมก็ได้
4. Low completion rate + Low stream → จัดเป็น Under Performance เพราะคนสนใจที่จะเข้ามาดูก็น้อย แถมเข้ามาดูก็ดูไม่จบ

ดังนั้นถ้าจะเลือก promote show ไหนก็ต้องพิจารณาจาก show ที่จัดอยู่ในกลุ่ม Star Performances เลย เพราะคุ้มค่าการ spend เงินมากที่สุด และคาดหวังผลลัพธ์ได้ด้วย

“Make a good decision from the data”

Question 3: ใน Show ที่จัดเป็น Star Performers เมื่อพิจารณาแยกเป็นราย state แล้ว state ไหนมี saturation น้อยที่สุด ? (ในตัวอย่างนี้จะเลือกดูข้อมูลของ Show A ที่เป็น Top Performer มาให้ดูครับ)

• Business objective: ทางทีม Marketing ไม่ต้องก็ที่จะ spend เงินไปกับกลุ่มผู้ชมที่ดู show ตัวนี้อยู่แล้ว Lillian จึงเจาะลงไปดูอีกว่า state ในที่จัดเป็น lowest saturation ที่เหมาะสำหรับเลือกมาเป็นกลุ่มเป้าหมายของทีม
• Measured by: % of Current subscribers หรือ user ปัจจุบันที่รับชมรายการนี้อยู่แล้ว (ในที่นี้คือ Show A)

เมื่อนำ % Current subscribers ที่ดูรายการนี้อยู่แล้วมา plot ลง Bar chart แล้วเรียงข้อมูลจากน้อยไปมาก (Ascending order) ซึ่ง Business Insights ที่ได้จากข้อมูลนี้จะทำให้เรารู้ว่า ควรเลือก promote show A กับกลุ่ม user ใน state ไหนจึงมีประสิทธิภาพมากที่สุด

ข้อมูลได้บอกเราว่า New York (NY) เป็น state ที่จัดเป็น lowest saturation ซึ่งเหมาะมากที่จะ focus การ promote show A ไปให้ user ที่อยู่ที่นี่

Lillian บอกว่า Question แต่ละข้อนั้นเกิดขึ้นมาจากคำถามก่อนหน้า (the previous one) ซึ่งมันพาเราไปสู่คำถามต่อๆไปโดยอัตโนมัติ (Lillian ใช้คำว่า “naturally”) เดินตามเบาะแสอย่างกับโคนันเลย

Learning Agenda in Actual Work

จนถึงทุกวันนี้เธอเองก็ยังสร้าง Learning Agenda ทุกครั้งก่อนที่จะเริ่มทำ Data Analysis เพราะมันเป็นวิธีที่จะทำให้เธอยังสามารถที่จะ focus อยู่กับโจทย์ที่ได้รับมาอยู่ได้ เรียกว่าเป็น Core skill ของ Business Analyst เลยก็ว่าได้ ซึ่งเธอเองก็ใช้วิธีนี้ในการ lead คนในทีมของเธอเองด้วยเช่น (ถึงอายุเท่านี้เธอก็เป็น Manager แล้วนะ)

เดี๋ยวนี้มีหลายคนเลยที่พยายามสอนให้โยนข้อมูลเข้าไปให้ AI Analyze data ให้ Lillian บอกเลยว่า ไม่ได้จ้าาเพราะ Tech companies ส่วนใหญ่เข้มงวดมากเรื่องการใช้ AI เนื่องจากมันมีโอกาสทำให้ข้อมูลที่เป็นความลับทางธุรกิจรั่วไหลออกไปได้

วันก่อนได้ฟัง Mission to the Moon พี่แท๊ปบอกว่าน่าตกใจเหมือนกันที่ skill การเขียนตกลงไปตอนกลับมาเริ่มเขียนหนังสือแรกๆ เพราะก่อนหน้านี้มีอะไรให้ AI generate ให้หมดเลย อย่างพวกเขียนตอบ email ดังนั้น skill บางอย่างเรายังจำเป็นที่จะต้องฝึกอยู่เสมอเพราะมัน outsource ไม่ได้ (มาฝึกเขียนกันครับทุกคน เย้)

Insight คืออะไรกันแน่?

หลังจากดู VDO นี้ทำให้มุมมองของผมต่อคำว่า “Insight” เปลี่ยนไปเลย ก่อนหน้านี้ภาพที่ผมมีต่อคำๆนี้คือมันต้องเป็นอะไรที่ต้องได้มายากกว่านี้ หรือต้องใช้เทคนิคล้ำๆในการได้ insight นั้นมาอย่างเช่นการทำ Machine learning ทั้ง Supervised และ Unsupervised learning แต่จริงๆแล้วมันไม่ใช่แบบนั้น

Lillian ได้แสดงให้เห็นว่าการจะได้ Insight มันไม่ได้จำเป็นต้องยาก เราเพียงต้องรู้ว่า เราต้องใช้ data อะไร ไปเพื่ออะไร และเลือกเครื่องมือที่เหมาะสมในการ visualize มันออกมา ด้วยวิธีที่เรียบง่ายที่สุด อย่างในคลิปนี้ใช้ Bar chart กับ Scatter plot ก็ได้ Insight ที่เป็นประโยชน์ต่อทีม Marketing แล้ว

“Good Insight came from the Rigth data which visualize in the Right tools by the Simpliest way“

อย่างที่ Guideline ของ Occam’s razor ได้บอกไว้ว่า “ถ้าเรามี 2 ไอเดียที่สามารถอธิบายปรากฏการณ์ที่เกิดได้เหมือนกันให้เลือกไอเดียที่ง่ายที่สุด” เพราะมันอธิบายได้ง่ายกว่า และยังช่วยประหยัดเวลาทั้งเราทั้งคนที่ฟังเราอยู่ด้วย

“If you have two competing ideas to explain the same phenomenon, you should prefer the simpler one.”

Occam’s razor guiding principle

แล้ว Insight สำหรับเพื่อนๆ ก่อนอ่าน และหลังอ่านโพสนี้ทำให้ทุกคนมองภาพเปลี่ยนไปยังไงบ้าง สามารถ comment แชร์กันได้ครับ ชอบกดไลค์ ใช่กดแชร์ เพื่อส่งต่อความรู้ดีให้เพื่อนคนอื่นได้เลยครับ เย้ ขอบคุณทุกคนที่อ่านกันมาจนถึงตรงนี้มากๆครับ แล้วก็อย่าลืมไปติดตามให้กำลังใจ Lillian กันด้วยนะครับ ที่แบ่งปันประสบการณ์การทำงานบริษัทระดับโลกให้เราได้เรียนรู้กันด้วยครับ เย้

เพื่อนๆได้ประโยชน์จากโพสนี้อย่างไรบ้างเขียนแชร์เป็นกำลังใจให้กันด้านล่างนี้ได้เลยครับ 😊