Category: Data Analysis
-
Women in Power
ผู้หญิงครึ่งหนึ่งของประเทศ แต่ในสภามีแค่ไม่ถึง 20% แล้วแบบนี้เราจะเรียกว่าประชาธิปไตยที่สมบูรณ์ได้ยังไง? คำถามนี้ไม่ได้เกิดขึ้นเฉพาะในไทย แต่เป็นปรากฏการณ์ที่เกิดขึ้นทั่วโลก โดยเฉพาะในภูมิภาคเอเชียตะวันออกเฉียงใต้ที่แม้จะมีความก้าวหน้าทางเศรษฐกิจและสังคมอย่างมาก แต่การมีส่วนร่วมทางการเมืองของผู้หญิงยังคงล้าหลังอย่างน่ากังวล จากข้อมูลล่าสุด สัดส่วนผู้หญิงในรัฐสภาทั่วโลกเพิ่มขึ้นจาก 11.3% ในปี 1995 มาอยู่ที่ 27.2% ในปี 2025 แต่ในระยะหลังอัตราการเติบโตได้ชะลอตัวลงอย่างน่ากังวล และคาดการณ์ว่าอาจต้องใช้เวลาถึง 169 ปีในการปิดช่องว่างด้านการเสริมอำนาจทางการเมือง ความเป็นจริงคือ ณ เดือนมิถุนายน 2025 มีผู้หญิงดำรงตำแหน่งประมุขแห่งรัฐหรือหัวหน้ารัฐบาลใน 27 ประเทศเท่านั้น และในระดับรัฐมนตรี ผู้หญิงครองตำแหน่งเพียง 23.3% ทั่วโลก โดยมักกระจุกตัวอยู่ในกระทรวงที่เกี่ยวข้องกับประเด็นทางสังคม เช่น สตรีและครอบครัว สังคมสงเคราะห์ และวัฒนธรรม ขณะที่มีสัดส่วนน้อยมากในกระทรวงด้านความมั่นคงและเศรษฐกิจ Thai Women in Parliament Plunge กราฟแสดงสัดส่วนผู้หญิงในสภาไทยตั้งแต่ปี 2005-2024 เผยให้เห็นเรื่องราวที่น่าสนใจและน่ากังวลในเวลาเดียวกัน ในช่วงปี 2005-2013 ประเทศไทยมีแนวโน้มการเพิ่มขึ้นของการมีส่วนร่วมของผู้หญิงในการเมืองอย่างต่อเนื่อง โดยในปี 2013 สัดส่วนผู้หญิงในสภาไทยอยู่ที่ประมาณ 15.8%แต่แล้วเหตุการณ์เปลี่ยนไป หลังจากการรัฐประหารปี 2014…
-
5 Fundamental Steps to Thinking Like a Data Analyst
เข้าใจวิธีคิดแบบนักวิเคราะห์ข้อมูล เพื่อใช้ข้อมูลตัดสินใจอย่างชาญฉลาด ปัจจุบันที่ทุกอย่างขับเคลื่อนด้วยข้อมูล การคิดแบบ “Data Analyst” ไม่ใช่แค่เรื่องของทักษะการใช้เครื่องมือ แต่มันคือ “วิธีคิดเชิงวิเคราะห์” ที่สามารถนำไปประยุกต์ใช้ได้ในทุกอาชีพและในชีวิตประจำวันวันนี้เราจะแนะนำ 5 ขั้นตอนพื้นฐาน ที่จะช่วยให้คุณเริ่มต้นคิดและวิเคราะห์ข้อมูลได้อย่างเป็นระบบ ไม่ว่าจะใช้ในงาน การเงิน หรือการตัดสินใจในชีวิตประจำวัน Define the Problem ตั้งคำถามให้ถูกจุด นักวิเคราะห์ที่ดีไม่เริ่มจากข้อมูล แต่เริ่มจาก “คำถาม” ถามให้ลึก ถามให้ชัดว่าเราต้องการรู้ “อะไร” และ รู้เพื่ออะไร สามารถนำไปใช้ได้อย่างไร เพราะคำถามคือเข็มทิศที่นำทางกระบวนการวิเคราะห์ 🔍 ตัวอย่าง: การตั้งคำถามให้ชัด จะช่วยให้คุณเลือกข้อมูลและวิเคราะห์ได้ตรงจุด และวางแผนการทำงานได้อย่างมีประสิทธิภาพ Collect the Right Data รู้ว่าจะหาข้อมูลจากที่ไหน เมื่อรู้ว่าจะตอบคำถามอะไร ขั้นต่อไปคือต้อง “หาและรวบรวมข้อมูล” ที่เกี่ยวข้อง โดยต้องมั่นใจว่า ข้อมูลนั้นเชื่อถือได้ ครบถ้วน และอยู่ในรูปแบบที่นำไปใช้งานต่อได้ง่าย 🔍 ตัวอย่าง:หากคำถามคือ “ยอดขายของแคมเปญ A ดีขึ้นหรือไม่?”คุณอาจต้องรวบรวมข้อมูลเหล่านี้: แหล่งข้อมูลอาจได้จาก Excel, ระบบ POS, Google Analytics,…
-
Economic Thinking for Customer Segmentation with RFM & ML
การเข้าใจลูกค้าไม่ใช่แค่เรื่องของการดูตัวเลขหรือกราฟเท่านั้น แต่เป็นการเข้าใจ “พฤติกรรมมนุษย์” ซึ่งเศรษฐศาสตร์ช่วยให้เราคิดวิเคราะห์ได้ลึกขึ้น ในฐานะคนที่มีความรู้เศรษฐศาสตร์ และการใช้ Data ในการวิเคราะห์ฉันพบว่าแนวคิดทางเศรษฐศาสตร์นั้นเสริมพลังให้กับการวิเคราะห์ข้อมูลลูกค้าได้อย่างน่าสนใจ ทฤษฎีเศรษฐศาสตร์ สู่การวิเคราะห์ลูกค้าด้วย RFM และ ML ทฤษฎีเศรษฐศาสตร์พฤติกรรม นอกจาก 3 แนวคิดที่กล่าวไป ยังมีทฤษฎีอื่น ๆ เช่น Mental Accounting, Anchoring Effect และ Status Quo Bias ที่สามารถนำมาประยุกต์ใช้ได้ ขึ้นอยู่กับบริบทและเป้าหมายของธุรกิจบทความนี้จึงคัดเลือกเฉพาะแนวคิดที่เชื่อมโยงกับ RFM ได้ชัดเจนและนำไปใช้ได้จริง หลังจากเข้าใจมุมมองเศรษฐศาสตร์พฤติกรรมแล้ว เรามาดูกันว่า RFM Model คืออะไร และสามารถนำไปใช้วิเคราะห์พฤติกรรมลูกค้าได้อย่างไร การวิเคราะห์ลูกค้าด้วย RFM Model RFM คือวิธีวัดพฤติกรรมของลูกค้าใน 3 ด้าน: เราสามารถใช้ RFM เพื่อหาลูกค้ากลุ่มสำคัญ (Top 20%) ตามหลักเศรษฐศาสตร์ Pareto 80/20: 80% ของรายได้มาจาก…