ทุกวันนี้การทำงานกับข้อมูลไม่ใช่แค่เปิดไฟล์มาดูตัวเลขแล้วจบ แต่เราเอา AI มาช่วยได้มากขึ้นเรื่อยๆ บทความนี้สรุปมาจากหัวข้อ "Vibe Analytics: From Raw Data to Insight" ที่อาจารย์ชไลเวท พิพัฒพรรณวงศ์ CEO ของ 9Expert Training มาเล่าเทคนิคการใช้ Claude และ AI ทำงานด้าน Data ให้เร็วขึ้น แม่นยำขึ้น และยังคุมผลลัพธ์ได้อยู่
1. ข้อมูลจริงมันไม่สวยอย่างที่คิด
ปัญหาที่คนทำงานสาย Data เจอบ่อยที่สุดคือ ข้อมูลสกปรก (Dirty Data) ซึ่งเจอได้ถึง 60-80% ของข้อมูลทั้งหมดที่ได้มา ตัวอย่างที่เจอบ่อยๆ เช่น
- วันที่กรอกไม่ตรงกัน: บางคนกรอกแบบ วัน/เดือน/ปี (ค.ศ.) บางคนใช้ พ.ศ. บางคนพิมพ์เป็นข้อความมั่วๆ จนเอาไปใช้ต่อไม่ได้
- ตัวเลขปนตัวหนังสือ: เช่น พิมพ์ "1,000 บาท" ลงในช่องที่ควรเป็นตัวเลขล้วนๆ พอจะรวมยอดก็คำนวณไม่ได้
- โครงสร้างซับซ้อน: ไฟล์เดียวมีหลาย Sheet หลายไฟล์ หรือหน้าตาข้อมูลเปลี่ยนไปเรื่อยๆ ไม่คงที่
2. ขั้นตอนทำงานกับข้อมูล แล้ว AI เข้ามาช่วยตรงไหนได้บ้าง
งาน Data Analytics แบ่งเป็นขั้นตอนหลักๆ ได้ประมาณนี้ และ AI ช่วยได้แทบทุกขั้นตอน แต่ต้องรู้ว่าจะใช้ตรงไหนถึงจะคุ้ม
- Ingest: ดึงข้อมูลจากที่ต่างๆ เช่น Excel, ระบบบัญชี หรือ Cloud
- Audit & Prep (Cleansing): เช็กความถูกต้องแล้วก็ทำความสะอาดข้อมูล
- Visualization: เอาข้อมูลมาทำเป็นกราฟหรือภาพ ให้เห็นแนวโน้มง่ายๆ
- Insight: สรุปผลออกมาเพื่อเอาไปใช้ตัดสินใจ
3. เทคนิคสำคัญ: ให้ AI สร้าง "กฎ" แทนที่จะให้มันประมวลผลเองทุกครั้ง
อาจารย์ชไลเวทบอกไว้ชัดเจนว่า อย่าให้ AI ประมวลผลข้อมูลจำนวนมากๆ ตรงๆ ทุกครั้ง เพราะ
- เปลือง Token: ส่งข้อมูลเป็นล้านแถวให้ AI อ่านทุกครั้ง กินทรัพยากรเยอะมาก
- ผลลัพธ์ไม่นิ่ง: AI อาจตอบเพี้ยนไปบ้าง (Hallucination) หรือได้คำตอบไม่เหมือนเดิมทุกครั้ง
ทางที่ดีกว่าคือ: ให้ AI ช่วย "สร้างกฎเกณฑ์ที่ชัดเจน (Rules)" หรือเขียนโค้ดให้ (เช่น Power Query ใน Excel หรือ Python) เพื่อทำเป็นขั้นตอน ETL (Extract, Transform, Load) ที่แน่นอนตายตัว
- ข้อดีคือ: พอได้กฎที่ AI สร้างให้แล้ว ครั้งต่อไปแค่รันข้อมูลใหม่ผ่านกฎนี้ได้เลยใน 1 วินาที ไม่ต้องเสีย Token เพิ่ม แล้วผลลัพธ์ก็แม่นยำ 100% ตามกฎที่ตั้งไว้
4. ทำ Dashboard และ Insight ให้ดู "ว้าว"
พอข้อมูลสะอาดแล้ว ขั้นต่อไปคือนำเสนอให้ผู้บริหารตัดสินใจง่ายขึ้น มีเทคนิคเขียนพรอมต์ง่ายๆ ดังนี้
- กำหนดบทบาทให้ AI (Role): เช่น บอกว่า "คุณคือ Data Analyst และ UX/UI Specialist" จะช่วยให้ Dashboard ที่ได้สวยและใช้งานง่ายขึ้น
- ใส่ลูกเล่นเข้าไป (Features): เช่น ทำให้ Interactive ได้ ใส่ Slicer หรือ Animation เพื่อให้ข้อมูลน่าดูและไม่นิ่งจนน่าเบื่อ
- ให้ AI ช่วยหา Insight: ให้มันช่วยวิเคราะห์แนวโน้มและสรุปประเด็นสำคัญจากมุมมองของมันเอง จะได้เห็นอะไรที่ลึกกว่าดูตัวเลขดิบๆ
5. สรุป: พื้นฐานยังสำคัญที่สุดเสมอ
ต่อให้ AI จะเก่งแค่ไหน แต่ พื้นฐานความเข้าใจเรื่องข้อมูล ก็ยังเป็นสิ่งที่ทิ้งไม่ได้
- เราต้องตรวจสอบได้ว่าตัวเลขหรือ Insight ที่ AI สรุปมา มันมาจากไหน มีที่มายังไง
- ต้องมีความรู้พื้นฐานเรื่องจัดการข้อมูล เพื่อคุมและเช็กความถูกต้องของสิ่งที่ AI ทำออกมาได้
ถ้าใช้ AI อย่างชาญฉลาดตามแนวทาง Vibe Analytics นี้ คนทำงานด้านข้อมูลจะสร้างผลงานที่น่าทึ่งได้ง่ายขึ้น และช่วยให้องค์กรตัดสินใจได้ดีขึ้นในระยะยาว
