February 18, 2018
pathamibhat

pathamibhat

นางการะเกด  โชติชินรัตน์  ผู้อำนวยการกลุ่มพัฒนาการรวมกลุ่มอุตสาหกรรม   กองพัฒนาขีดความสามารถธุรกิจอุตสาหกรรม  กรมส่งเสริมอุตสาหกรรม  เป็นประธานในพิธีเปิดงานสัมมนาเชิงปฏิบัติการคลัสเตอร์อาหารแห่งอนาคต(Future Food) ภายใต้กิจกรรมสร้างและเชื่อมโยงเครือข่ายคลัสเตอร์อุตสาหกรรมแห่งอนาคต(กลุ่มอุตสาหกรรมอาหารแห่งอนาคต) พื้นที่กรุงเทพฯ และปริมณฑล ปีที่ 1 ประจำปีงบประมาณ 2561 ซึ่งกรมส่งเสริมอุตสาหกรรม ร่วมกับ สถาบันอาหารจัดขึ้น เพื่อสร้างและเชื่อมโยงเครือข่ายคลัสเตอร์ ในการพัฒนาศักยภาพหรือการใช้เทคโนโลยีสมัยใหม่สร้างมูลค่าเพิ่มให้กับผลิตภัณฑ์  เกิดการรวมกลุ่มสร้างความเข้มแข็งตลอดห่วงโซ่คุณค่า (Value Chain) รองรับอุตสาหกรรมแห่งอนาคต  

กิจกรรมดังกล่าวมีการบรรยายพิเศษ หัวข้อ “รวมกลุ่ม สร้างพลัง สร้างความเข้มแข็งให้ธุรกิจและประเทศไทย” โดย นายงยุทธ พีรพงศ์พิพัฒน์ กรรมการผู้จัดการ บริษัทที่ปรึกษา ดีโฟ คอลซัลแท็นท์ จำกัด นอกจากนี้ยังร่วมกันกำหนดทิศทางการดำเนินงานคลัสเตอร์อาหารอนาคต และเขียนแผนนวัตกรรม มีผู้ประกอบการเอสเอ็มอีได้รับคัดเลือกให้เป็นสมาชิกคลัสเตอร์อาหารอนาคตฯ เป็นกลุ่มแรกประมาณ 30 คน โดยมีดร.วิเชียร ฤกษ์พัฒนกิจ ที่ปรึกษาสถาบันอาหาร และคณะผู้บริหารทั้งสองฝ่ายเข้าร่วม เมื่อเร็วๆ นี้ ณ โรงแรมเซ็นจูรี่ พาร์ค

การตัดสินใจของมนุษย์เป็นเรื่องที่ซับซ้อน ที่สามารถแบ่งออกเป็นได้สามระดับ คือ การตัดสินใจระดับจิตสำนึก (conscious decision) การตัดสินใจกึ่งจิตสำนึก (Subconscious decision) และ การตัดสินใจใต้สำนึก (Unconscious decision) การตัดสินใจที่จิตสำนึก เป็นสิ่งที่ผู้บริโภครับรู้ว่ากำลังตัดสินใจ ใช้ประเด็นอะไรในการตัดสินใจบ้าง ณ เวลาที่เหตุการณ์เกิดขึ้น สำหรับ การตัดสินใจกึ่งจิตสำนึกนั้น ผู้บริโภคบริโภคจะรู้สึกตัว เมื่อมีการให้เวลาในการรับรู้ แต่ การตัดสินใจใต้สำนึกนั้น เป็นการที่คนปฏิบัติตนไปอย่างหนึ่ง เช่น การเลือกตราสินค้า โดยที่ไม่รู้ว่าเลือกเพราะอะไร หรือเชื่อว่าสามารถเลือกเพราะสาเหตุหนึ่ง แต่ในความจริงเป็นการสั่งงานจากสมองโดยโดยใช้สาเหตุอื่น แต่เขาไม่รับรู้ว่าเลือกเพราะสาเหตุนี้ 

การตัดสินใจของจิตใต้สำนึกของผู้บริโภค ได้รับความสนใจจากนักวิจัยและนักการตลาด เพราะ การตัดสินใจชนิดนี้มีถึง 90 เปอร์เซ็นต์ ของการตัดสินใจของมนุษย์  และเริ่มมีการนำเครื่องมือทาง Neuroscience มาช่วยให้นักวิจัยศึกษาการทำงานของสมองได้โดยตรง ทำให้สามารถวัดการตัดสินใจที่ไม่รู้ตัวนี้ได้ เมื่อเปรียบเทียบกับเครื่องมือการวิจัยที่ใช้ในปัจจุบัน คือ ใช้การสอบถามหรือการสังเกตพฤติกรรม เครื่องมือเหล่านี้ไม่สามารถจะเก็บข้อมูลหรืออธิบายสาเหตุของการตัดสินใจชนิดนี้ได้  เครื่องมือ Neuroscience มีหลากหลายชนิด แต่ที่นิยมใช้ในการวิจัยทางการตลาดที่วัดการทำงานของสมองโดยตรง คือ  เครื่องวัดคลื่นสมอง (EEG) เครื่องวัดคลื่นแม่เหล็กที่ออกจากการทำงานของสมอง (MEG) หรือ เครื่องวัดระดับออกซิเจนในหมุนเวียนเลือดในส่วนต่างๆของสมอง (fMRI) เครื่องมือเหล่านี้วัดการทำงานของสมองในประเด็นที่แตกต่างกัน ทำให้มีจุดดีและจุดด้อยต่างกันออกไป

 เครื่องวัดคลื่นสมอง (EEG) 

 

ผลการวิจัยพบว่าเราสามารถกระตุ้นให้จิตใต้สำนึกในการใช้ข้อมูลในการตัดสินใจ ตั้งแต่ประเด็นง่ายๆ เช่น ทำให้ความสนใจหรือไม่สนใจในสิ่งหนึ่ง การเลือกทำ หรือ ไม่ทำอะไรบางอย่าง จนถึงการทำให้เปลี่ยนใจจากการความชอบเดิม ซึ่งการวิจัยในด้านนี้ต้องใช้อาศัยเทคนิคการวิจัยเชิงทดลอง โดยใช้สิ่งกระตุ้น เช่น รูปภาพ เสียง แล้ววัดว่าสมองทำงานอย่างไรเมื่อได้รับการกระตุ้น และถ้าต้องการจะสื่อสารกับการตัดสินใจที่ผู้บริโภคไม่รู้สึกตัว (Unconscious) การสื่อสารสิ่งกระตุ้นนี้ ต้องให้สมองเห็น แต่จิตสำนึก (Conscious) และจิตกึ่งสำนึก (Subconscious) ไม่เห็นโดยการแสดงสิ่งกระตุ้นให้เห็นเพียงในระยะเวลาที่สั้นมากๆ

 ตัวอย่างการวิจัยของการตัดสินใจที่ไม่รู้ตัว เช่น ก่อนการทดสอบ จะถามว่าผู้เข้าร่วมวิจัยว่า ขอบกินผลไม้อะไร หลังจากนั้นให้ผู้เข้าร่วมวิจัยนั่งหน้าจอคอมพิวเตอร์ แล้วแสดงสัญญาลักษณ์บนจอ เป็น รูปผลไม้อื่นที่ไม่ใช่ผลไม้ที่เขาตอบว่าชอบในตอนแรก (ถ้าตอบว่าชอบกล้วย ก็จะเห็นส้มแทน) และมีคำเชิญชวนให้กินผลไม้นี้ ในระยะเวลาสั้นๆเพียง 17 มิลลิวินาที (หนึ่งในพันของหนึ่งวินาที) ซึ่งผู้เข้าร่วมวิจัยจะรู้สึกว่าเห็นรูปผลไม้เฉพาะในส่วนของจิตใต้สำนึก หลังจากนั้น ก็ให้ผู้เข้าร่วมวิจัยตอบว่าอยากกินผลไม้ชนิดไหน ซึ่งผลที่ได้คือ ผู้ร่วมวิจัยส่วนใหญ่เลือกผลไม้ที่เห็นในจิตใต้สำนึก เครื่องมือ neuroscience จะช่วยวัดว่าสมองเห็นหรือไม่ และมีการตอบสนองในส่วนไหนของสมอง

ถ้ารู้วิธีการทำงานของสมองในส่วนนี้ จะเป็นประโยชน์กับทางการตลาดเป็นอย่างมาก แต่การวิจัยเกี่ยวกับการทำงานของจิตใต้สำนึกยังอยู่ระยะเริ่มต้น ที่ขบวนการวิจัยและการวิเคราะห์ผลยังไม่ถูกต้องตามหลักวิชาการอย่างครบถ้วน ทำให้ผลของวิจัยที่นำเสนอแก่สาธารณะชน ยังเป็นที่ถกเถียงถึงความน่าเชื่อถือ หรือความเป็นไปได้ ดังเช่น การวิจัยที่ทำให้ผู้บริโภคเลือกผลไม้อื่นที่ไม่ได้เป็นผลไม้ที่ชื่นชอบ ก็มีการวิจารณ์ว่า การตัดสินใจนี้ อาจไม่ใช่มาจากจิตใต้สำนึกแต่เป็นขบวนการที่สมองกำลัง เชื่อมโยงระหว่างจิตกึ่งสำนึก และ จิตสำนึก ซึ่งถ้าให้เวลาผู้บริโภคมากขึ้น เขาน่าจะรู้ว่าเห็นรูปผลไม้และคำเชิญชวนในช่วงการวิจัย ทำให้เขาอยากกินผลไม้นี้ ดังนั้น การวิจัยด้านจิตใต้สำนึก เป็นสิ่งที่ท้าทายต่อนักวิจัยอย่างมาก คงต้องให้การวิจัยนี้พัฒนาไปอีกระยะหนึ่งกว่าที่ผลวิจัยทางด้านนี้ไปใช้ทางการตลาดได้อย่างมั่นใจ ดังนั้นประเด็นด้านจริยธรรมทางธุรกิจ ที่เป็นห่วงว่า นักการตลาดจะสามารถชักจูงผู้บริโภคโดยที่เขาไม่รู้สึกตัวได้นั้น คงจะเป็นประเด็นที่ถกเถียงกันในเฉพาะกลุ่มวิชาการเท่านั้น เพราะความเป็นไปได้ในเรื่องนี้ ยังต้องศึกษากันอีกนาน

ศ.ดร.นิตยา  วงศ์ธาดา สถาบันบัณฑิตพัฒนบริหารศาสตร์

เดลล์ (ประเทศไทย) เปิดตัวแล็ปท็อป XPS 13 ใหม่ ด้วยขนาดเล็กกะทัดรัด พร้อมรูปลักษณ์เพรียว เบา บางเฉียบยิ่งขึ้น ด้วยจอแสดงผลแบบ InfinityEdge ด้วยความละเอียดสูงระดับ 4K มีให้เลือกใช้เท่ๆ ใน 2 สไตล์ ได้แก่ Platinum Silver และ Black มาพร้อม Rose Gold และ Alpine White อันเจิดจรัส

เปิดตัวครั้งแรกในงาน CES 2012 (Consumer Electronics Show) เครื่อง XPS 13 ยกระดับไปสู่ความเหนือชั้นที่สืบสานอยู่ในสายผลิตภัณฑ์ XPS ในฐานะของแล็ปท็อปที่ได้รับการยกย่องมากที่สุดในโลกและผู้ชนะเลิศรางวัลด้านผลิตภัณฑ์มากกว่าสายผลิตภัณฑ์อื่นๆ ในประวัติศาสตร์เดลล์ อีกทั้งเพิ่งได้รับการขนานนามว่าเป็นผู้ได้รับรางวัลอันทรงเกียรติล่าสุดจาก CES 2018 Innovation Award 

เดลล์ ได้รังสรรค์จินตนาการใหม่ให้กับ XPS 13 ด้วยแรงบันดาลใจจากแวดวงแฟชั่นซึ่งสี Rose Gold ยังคงเป็นสีที่อยู่ในเทรนด์ ขณะที่สีขาวก็ยังคงเป็นสีที่ได้รับความนิยมเพิ่มขึ้นอย่างต่อเนื่อง และเป็นสีที่เห็นอยู่ในทุกที่ ไม่ว่าจะเป็นนาฬิกาข้อมือ ตลอดจนรองเท้า sneakers ที่กำลังเป็นที่นิยม ในการเปลี่ยนโฉม XPS 13 ให้เป็นสีขาวนั้น เดลล์พยายามอย่างยิ่งในการเนรมิตผลิตภัณฑ์ที่เรียบหรู และสมบูรณ์พร้อม ด้วยการผนึกกำลังทีมงานกว่า 10 คน ทุ่มเทระยะเวลาการทำงานกว่า 11,520 ชั่วโมง และทำการทดลองกว่า 50 ครั้ง เพื่อรังสรรค์ระบบใหม่ที่น่าตื่นตาตื่นใจทั้งภายในและภายนอก โดยทีมออกแบบของเดลล์ไม่ได้ต้องการเพียงเปลี่ยนสีเครื่องให้เป็นสีขาวเท่านั้น หากแต่ต้องการใช้วัสดุที่แท้จริง เพื่อให้มั่นใจได้ว่าตัวเครื่องจะยังคงความงามเสมือนเพิ่งใช้งานเป็นวันแรก แม้จะผ่านการใช้งานมายาวนานหลายปีแล้วก็ตาม

ในการรังสรรค์ส่วนรองข้อมือในสีขาวที่ให้อารมณ์เสมือนเป็นลายถักทอ ทีมงานได้พิจารณาใช้วัสดุที่แตกต่างออกไป โดยก้าวข้ามข้อจำกัดด้านสีของวัสดุคาร์บอน ไฟเบอร์แบบดั้งเดิม ซึ่งทางเลือกคือการใช้วัสดุที่เป็นนวัตกรรมใหม่เรียกว่า Crystalline Silica ที่มีการถักทอออกมาเป็นสีขาวที่แท้จริง คล้ายกับเนื้อผ้าที่มีการถักทอไปมาถึงเก้าชั้น ทั้งนี้ เดลล์คือรายแรกที่ใช้การถักทอไฟเบอร์กลาสในแล็ปท็อป

การถักทอไฟเบอร์กลาสเป็นสี alpine white ช่วยเสริมความโดดเด่นให้กับฝาปิดอลูมินัมของ XPS 13 ใหม่ในสี rose gold เพื่อให้ความหรูหราในเวลาที่มอง พร้อมความเรียบลื่นยามสัมผัส  สิ่งที่มาพร้อมความสวยงามคือความคงทนด้วยไททาเนียม ออกไซด์ที่เคลือบอยู่ด้านบนพื้นผิวเพื่อความเงางาม ช่วยต้านทานแสง UV และรอยเปื้อน เพื่อป้องกันการเกิดคราบ หรือการเปลี่ยนสีไปตามระยะเวลาใช้งาน ตามจริงแล้ว หากเกิดรอยเปื้อน ไม่ว่าจะจากสีของปากกา หรือคราบต่างๆ ผู้ใช้สามารถเช็ดออกได้อย่างง่ายดาย และด้วยความสามารถในการทนทานต่อความร้อนในระดับที่เหนือกว่าโลหะ การถักทอด้วยไฟเบอร์กลาสยังช่วยให้ตัวเครื่องรักษาความเย็นได้มากขึ้น ช่วยรองรับการใช้งานได้ยาวนานยิ่งขึ้น

ข้อเท็จจริงที่น่าสนใจ: เส้นใยของไฟเบอร์กลาสในส่วนที่รองมือ (palm rest) ฝั่งหนึ่ง หากนำมาเรียงยาวจนสุด จะยาวถึง 117,500 ไมล์ (189,098 กิโลเมตร) หรือเกือบเท่าครึ่งหนึ่งของระยะทางจากโลกไปดวงจันทร์ ซึ่งนับเป็นการก้าวกระโดดครั้งยิ่งใหญ่ในปัจจุบัน

เดลล์ไม่เพียงสร้างสรรค์แล็ปท็อปที่สวยงามสู่ตลาด หากใส่ใจในรูปลักษณ์การออกแบบทั้งหมด ที่รวมไปถึงสายพาวเวอร์สีขาวที่เข้าคู่กันอย่างเหมาะเจาะกับอะแดปเตอร์ USB-A / USB-C  ทั้งนี้ เดลล์ได้ลงทุนในการผลิตบรรจุภัณฑ์รีไซเคิลที่ยั่งยืนจากพลาสติกที่เก็บจากมหาสมุทร และที่ทำจากไม้ไผ่ เพื่อให้ผู้ใช้สามารถซื้อสินค้าด้วยความมั่นใจว่าเดลล์กำลังพยายามอย่างเต็มที่ในการทำหน้าที่ส่วนหนึ่งในการช่วยเหลือโลก

นอกเหนือจากรูปลักษณ์ภายนอกที่สะดุดตาแล้ว เดลล์ XPS 13 รุ่นใหม่ ยังให้สิ่งที่เหนือชั้นกว่าในทุกมิติ  โดยปัจจุบัน เป็นแล็ปท็อปขนาด 13 นิ้ว ที่เล็กที่สุดในโลก และพกพาได้สะดวกยิ่งขึ้นไปอีก มาพร้อมจอแสดงผลแบบไร้ขอบ InfinityEdge ที่น่าตื่นตาตื่นใจ ลงตัวในกรอบแล็ปท็อปขนาด 11 นิ้วได้อย่างเหมาะเจาะ โดยตัวเครื่องบางกว่าเดิมถึง 30 เปอร์เซ็นต์ หรือประมาณ 3.4 มิลลิเมตร พร้อมความเบายิ่งขึ้น โดยมีน้ำหนักเริ่มต้นเพียง 2.7 ปอนด์ทำให้ XPS 13 เป็นสุดยอดของความคล่องตัวและความทนทานในการใช้งาน

ด้วยการทำงานบนระบบปฏิบัติการ  Windows 10 และขับเคลื่อนด้วยโปรเซสเซอร์ Intel 8th Generation Quad Core รุ่นล่าสุด ทำให้ XPS 13 ทำงานด้านโมบายด้วยสมรรถนะที่เหนือกว่า พร้อม SSD แบบ fast booting ความจุสูงถึง 1TB ในการใช้งาน ลูกค้าสามารถคาดหวังได้ถึงอายุการใช้งานแบตเตอรี่ที่ยาวนานที่สุดของแล็ปท็อปขนาด 13 นิ้ว โดยรองรับการทำงานได้ยาวนานถึง 20 ชั่วโมงในรุ่น FHD และสูงถึง 11 ชั่วโมงบน UHD (Mobile Mark 14) ดังนั้น นอกเหนือจากการทำให้ตัวเครื่องมีขนาดเล็กลงและเบายิ่งแล้ว เดลล์ยังสามารถเพิ่มประสิทธิภาพของ XPS 13 ใหม่ให้สูงกว่าเครื่องรุ่นปี 2015 ถึงสองเท่า ทำให้ XPS 13 เป็นแล็ปท็อปที่มีประสิทธิภาพสูงสุดในบรรดาเครื่องรุ่นเดียวกัน

XPS 13 มาพร้อม Dell Power Manager ที่ช่วยให้ผู้ใช้สามารถปรับสมดุลของอายุการใช้งานแบตเตอรี่ การชาร์จไฟ ความร้อน และอะคูสติค นอกจากนี้ Dynamic Power Mode จะให้สมรรถนะการทำงานในระดับสูงสุดสำหรับการใช้งาน แอพพลิเคชันต่างๆ อาทิ การทำวิดีโอ เรนเดอริ่ง การทำสเปรดชีตในระดับแอดวานซ์ ขณะที่มีการตรวจสอบ และจัดการอุณหภูมิของระบบได้อย่างชาญฉลาด ซึ่งหมายความว่า XPS 13 จะยังคงรักษาประสิทธิภาพการทำงานในระดับสูงได้แม้มีการใช้งานต่อเนื่อง ในขณะที่แล็ปท็อปอื่นๆ อาจมีประสิทธิภาพลดลง

ในส่วนของวิศวกรรมด้านความร้อน เครื่อง XPS 13 คือแล็ปท็อปตัวแรกของโลกที่สร้างด้วยฉนวนกันความร้อน GORE ™ Thermal Insulation ซึ่งเป็นฉนวนกันความร้อนเดียวกับ Silica Aerogels ที่ใช้งานในสภาพแวดล้อมด้านงานวิทยาศาสตร์ที่ใช้เทคโนโลยีชั้นสูงและงานวิศวกรรมแบบเต็มพิกัด เพื่อกระจายและลดความร้อน โดยวัสดุดังกล่าวถูกนำไปใช้เป็นฉนวนกันความร้อนของยานสำรวจดาวอังคาร (Mar Rovers) และการจับอนุภาคความเร็วสูง (Hyper Velocity Particle) ในโครงการอวกาศ Stardust  โดยวัสดุนี้จะดึงความร้อนออกจากอุปกรณ์โดยตรง เพื่อทำให้ระบบเย็นลงในขณะที่กำลังทำงานอย่างหนัก

ด้วยจอแสดงผลที่มีความละเอียดกว่า 2.5 ล้านพิกเซลพร้อม 4K Ultra HD เมื่อเทียบกับรุ่นก่อนหน้าที่เป็น +QHD จอแสดงผล rSGB 100% บน XPS 13 ช่วยให้ผู้ใช้ได้รับสีที่ถูกต้องในการแสดงผล ไม่ว่าจะสำหรับมืออาชีพด้านงานกราฟิคหรือการรับชมรายการโปรด เนื่องจากตระหนักดีว่าผู้ใช้ในปัจจุบันนิยมใช้พีซีในการรับชมคอนเท้นท์แบบสตรีมมิ่ง เดลล์มอบประสบการณ์ความดื่มด่ำในการรับชมภาพยนต์ที่ไม่มีใครเทียบได้ ด้วยสีสันและรายละเอียดเสียงที่คมชัดและทรงพลังมากกว่าเดิม พร้อมกับลดการบัฟเฟอร์ลง เพื่อให้ผู้ใช้รับชม Netflix หรือ iFlix ได้อย่างเต็มรูปแบบ

และด้วยประสิทธิภาพที่ทรงพลัง การออกแบบด้วยการใช้วัสดุที่สวยงามและยั่งยืนยิ่งขึ้น พร้อมความเป็นมิตรต่อการรีไซเคิล เครื่อง XPS 13 คือหนึ่งในผลิตภัณฑ์ซึ่งตอบสนองต่อสิ่งแวดล้อมสูงสุด โดยรุ่นสีเงิน อลูมินัม มาพร้อมกับบรรจุภัณฑ์ของเดลล์ ที่ผลิตจากพลาสติกซึ่งนำมาจากมหาสมุทร (Ocean Plastic) โดยเป็นขยะพลาสติกที่เก็บกู้มาจากทางเดินน้ำและนำมาปรับเปลี่ยนให้เป็นวัสดุที่ทรงคุณประโยชน์

Pricing and Its Myths

February 15, 2018

งานวิจัยหลายชิ้นที่ได้ทำการสำรวจข้อมูลของบริษัทต่างๆ ทั่วโลก ทั้งบริษัทขนาดเล็กหรือใหญ่ ในอุตสาหกรรมหลากหลายประเภท ต่างก็พบข้อเท็จจริงที่บ่งชี้ไปในทิศทางเดียวกันว่า การปรับปรุงกลยุทธ์ด้านราคา สามารถเพิ่มผลกำไรใหกับบริษัทได้มากกว่าการปรับปรุงกลยุทธ์ในด้านอื่นๆ เช่น การลดต้นทุน หรือการเพิ่มยอดขาย (ในงานวิจัยชิ้นหนึ่งซึ่งตีพิมพ์ในวารสาร Harvard Business Review1 พบว่าการปรับปรุงราคา 1% สามารถเพิ่มกำไรได้ 11.1% ในขณะที่การลดต้นทุน คงที่ 1% หรือ การเพิ่มยอดขาย 1% สามารถเพิ่มกำไรได้เพียง 2.3% และ 3.3% ตามลำดับ) สิ่งที่น่าสนใจยิ่งไปกว่านั้นก็คือ นอกจากกลยุทธ์การตั้งราคาจะเป็นเครื่องมือที่มีประสิทธิภาพสูงสุดในการเพิ่มกำไรให้แก่ธุรกิจแล้วยังเป็นสิ่งที่มักจะทำได้ง่ายกว่าการปรับปรุงเปลี่ยนแปลงธุรกิจในด้านอื่นๆ อีกด้วย เพราะจริงๆ แล้วการตั้งราคาก็อยู่ในอำนาจของผู้ขายที่จะกำหนดหรือเปลี่ยนแปลงราคาอย่างไรก็ได้ ขอเพียงแต่อยู่ภายใต้กฎหมายและเป็นไปตามหลักจริยธรรมที่เหมาะสม ในทางกลับกัน การลดต้นทุน หรือการเพิ่ม ยอดขาย มักจะทำ ได้ยากกว่า เนื่องจากต้องขึ้นอยู่กับบุคคลอื่นในห่วงโซ่อุปทานที่ผู้ขายไม่สามารถควบคุมได้โดยตรง เช่น ซัพพลายเออร์ และลูกค้า

แม้ว่าเรื่องของ การตั้งราคา จะเป็นสิ่งที่ทุกธุรกิจรู้จักกันดีอยู่แล้ว และผู้ประกอบการจำนวนมาก มักจะตั้งราคาตามความรู้สึกหรือจากประสบการณ์ของตนเอง เช่น ตั้งราคาเท่าเดิมตามที่เคยขายได้ ตั้งราคาตามคู่แข่ง หรือตั้งราคาตามต้นทุน เป็นต้น แต่ศาสตร์ของการตั้งราคาอย่างมีหลักการเพื่อให้ได้ราคาที่เหมาะสมที่สุดสำหรับสินค้าทุกประเภท ลูกค้าทุกกลุ่ม ในทุกช่องทางการจัดจำหน่าย ในทุกช่วงเวลาของการขาย ซึ่งนำไปสู่การสร้างรายได้สูงสุดจากทรัพยากรทางธุรกิจที่มีจำกัดนั้น เป็นเรื่องที่ได้รับความสนใจและมีผู้ศึกษาอย่างจริงจังมาเป็นเวลา ไม่ถึง 40 ปี ศาสตร์นี้มีชื่อเรียกกันว่า Pricing and Revenue Optimization (PRO) วันนี้เรามาลองทำความรู้จักกับแนวคิดตามหลักการของ PRO แล้วดูสิว่าสิ่งที่หลายคนเคยเข้าใจเกี่ยวกับการตั้งราคานั้น แท้จริงแล้วเป็นอย่างไร

ผศ.ดร.ธัญรัตน์ อมรเพชรกุล ผู้อำนวยการศูนย์เพิ่มศักยภาพในการแข่งขัน ผู้อำนวยการหน่วยบ่มเพาะวิสาหกิจ สถาบันบัณฑิตพัฒนบริหารศาสตร์

"เมื่อไหร่ก็ตามที่มีการซื้อขายเกิดขึ้นในธุรกิจเมื่อนั้นก็จะต้องมีการตัดสินใจเรื่อง “ราคา” เข้ามาเกี่ยวข้อง การตั้งราคา (Pricing) จึงถือเป็นปัจจัยพื้นฐานที่สำคัญมากที่สุดปัจจัยหนึ่งที่ผู้ประกอบการทุกรายควรจะมีความเข้าใจที่ถูกต้อง โดยเฉพาะธุรกิจที่มีเป้าหมายในการทำกำไร หรือที่เราเรียกกันว่า For-Profit Businesses เป็นธุรกิจที่ขึ้นอยู่กับความสามารถในการตั้งราคาเป็นอย่างมากจนอาจจะเรียกได้ว่ากลยุทธ์ในการตั้งราคาสามารถชี้ชะตาธรุกิจเหล่านี้ได้ว่าจะอยู่รอดและประสบความสำเร็จหรือไม่ ทั้งนี้ก็เนื่องมาจากว่า ราคา (Price) เป็นตัวกำหนดรายได้ (Revenue) ที่ผู้ประกอบการจะได้รับจากการขายสินค้าหรือให้บริการ ซึ่งหลังจากหักลบกับต้นทุน (Cost) แล้ว จึงเหลือเป็นผลกำไร (Profit) ที่นำไปใช้หล่อเลี้ยงธรุกิจต่อไป"

Myth 1: ไม่จำเป็นต้องตั้งราคาเอง เพราะราคาที่เหมาะสมจะถูกกำหนดโดยตลาดและคู่แข่ง

Truth: ราคาที่เหมาะสมอาจแตกต่างจากราคาตลาดและราคาของคู่แข่ง

ผู้ประกอบการหลายราย โดยเฉพาะเมื่อวางจำหน่ายสินค้าเป็นครั้งแรกมักอิงราคาตลาด (ราคากลางหรือราคาเฉลี่ยของสินค้าประเภทเดียวกันที่วางจำหน่ายในตลาดอยู่แล้ว) หรือราคาของสินค้าคู่แข่งเฉพาะรายที่ต้องการเทียบเคียงมากที่สุด การตั้งราคาด้วยวิธีนี้เหมาะสำหรับสินค้าหรือบริการที่ไม่มีความแตกต่างหรือมีความแตกต่างน้อย เช่น ยางพารา เกลือ น้ำตาล เท่านั้น แต่สินค้าส่วนใหญ่ที่วางจำหน่ายในห้างร้านต่างๆ มักมีความแตกต่างกันพอสมควร ทั้งจากตัวสินค้าเอง หรือจากปัจจัยอื่นๆ ที่เกี่ยวข้องกับการซื้อขายไม่ว่าจะเป็น ตราสินค้า บรรจุภัณฑ์ สถานที่จำหน่าย ซึ่งล้วนแล้วแต่มีผลต่อความต้องการจ่ายของลูกค้าทั้งสิ้น การตั้งราคาที่เหมาะสมจึงควรคำนึงถึงความแตกต่างเหล่านี้ แล้วปรับราคาสูงขึ้นหรือต่ำลงจากราคาตลาดตามมูลค่า ที่ลูกค้ามีให้กับสินค้าและบริการนั้นๆ

Myth 2: วิธีการตั้งราคาที่ดีที่สุดคือการ Mark Up จากต้นทุน (Cost-Plus Pricing)

Truth: ราคาที่ได้จากการตั้งราคาแบบ Cost Plus มักจะไม่ใช่ราคาที่ดีที่สุด

การตั้งราคาแบบ Cost-Plus Pricing ยังคงเป็นการตั้งราคาที่เป็นที่รู้จักและเป็นที่นิยมมากที่สุด เพราะเข้าใจง่ายและนำไปใช้ได้ง่าย อย่างไรก็ตามการตั้งราคาโดยอิงต้นทุนเป็นหลัก อาจนำไปสู่ราคาที่ไม่สอดคล้องกับความต้องการจ่ายของลูกค้า ทั้งนี้เนื่องจากต้นทุนเป็นข้อมูลภายในของผู้ขายเท่านั้น ซึ่งมักจะพยายามปกปิดไม่ให้ลูกค้ารับรู้ แม้ในกรณีที่ต้นทุนสูง ผู้ขายอาจตั้งราคาขายสูงจากการ Mark Up ในสัดส่วนที่ตนต้องการ แต่หากสินค้า ไม่ได้มีคุณภาพสูงหรืออยู่ในความต้องการของลูกค้า ราคาขายนั้นก็จะกลายเป็นราคาที่ไม่เหมาะสมเพราะไม่ก่อให้เกิดยอดขายที่มากเพียงพอ การตั้งราคา ที่ดีจึงควรอิงจากความต้องการจ่ายของลูกค้าเป็นหลัก โดยคำนึงถึงต้นทุนเป็นข้อจำกัดในการตั้งราคามากกว่าที่จะเป็นตัวหลักที่ใช้กำหนดราคา

Myth 3: ถ้าต้องขายในราคาที่ต่ำ?กว่าทุน ไม่ขายเลยจะดีกว่า

Truth: การขายในราคาที่ต่ำกว่าทุนอาจเป็นทางเลือกที่ดีกว่าการไม่ขายเลย

ประเภทของต้นทุนหรือค่าใช้จ่ายที่ควรนำมาใช้พิจารณาในการตั้งราคานั้น คือ ต้นทุนส่วนเพิ่ม (Incremental Cost) ซึ่งหมายถึงต้นทุนที่จะเกิดเพิ่มขึ้นจากการขายสินค้าเพิ่มขึ้นแต่ละชิ้น เช่น ผู้ประกอบการแบบพรีออเดอร์ มีต้นทุนส่วนเพิ่มคือค่าสินค้าและค่าขนส่งที่เกี่ยวข้องกับของที่พรีออเดอร์มาแต่ละชิ้น แต่สำหรับผู้ประกอบการขายปลีกที่สั่งซื้อสินค้ามาขายโดยที่ไม่สามารถคืนสินค้าส่วนที่ขายไม่ออกได้ มีต้นทุนส่วนเพิ่มเป็นค่าใช้จ่ายอื่นๆ ที่เกี่ยวข้องกับการขายสินค้าแต่ละชิ้นเท่านั้น แต่ไม่รวมค่าสินค้าซึ่งถือว่าเป็นต้นทุนจม (Sunk Cost) ไปแล้ว สำหรับผู้ประกอบการแบบพรีออเดอร์ แน่นอนว่าถ้าราคาที่จะขายสินค้าได้ต่ำกว่าค่าใช้จ่ายในการพรีออเดอร์สินค้านั้นมา ผู้ประกอบการควรเลือกไม่ขายสินค้าเพื่อให้ไม่ขาดทุน แต่สำหรับผู้ประกอบการขายปลีกซึ่งต้นทุนสินค้าเป็น Sunk Cost ไปแล้ว การขายสินค้าที่เหลือค้างสต๊อกในราคาที่ต่ำกว่าราคาต้นทุนสินค้า แต่ยังสูงกว่าค่าใช้จ่ายในการขาย (Transaction Cost) ย่อมดีกว่าการไม่ขายสินค้าที่เหลือเลย ด้วยเหตุนี้เอง เราจึงยังเห็นการลดราคา สินค้า 70-80% ในห้างสรรพสินค้าและซูปเปอร์มาร์เก็ตต่างๆ โดยเฉพาะเสื้อผ้าแฟชั่นที่กำ?ลังจะตกรุ่น และอาหารที่กำลังจะหมดอายุ

Myth 4: การตั้งราคาควรเป็นหน้าที่ของฝ่ายการตลาดและฝ่ายขายเท่านั้น

Truth: การตั้งราคาควรใช้ข้อมูลและการตัดสินใจร่วมกันของหลายฝ่ายในธุรกิจ

Pricing มักถูกมองว่าเป็นแค่หนึ่ง P ใน 4P ของส่วนผสมทางการตลาดเท่านั้น ผู้ประกอบการจำนวนมากจึงมักกำหนดให้การวางแผนและการตัดสินใจต่างๆ ที่เกี่ยวข้องกับการตั้งราคาเป็นหน้าที่ของฝ่ายการตลาดและฝ่ายขาย ในความเป็นจริงแล้ว กิจกรรมทางธุรกิจที่เกี่ยวข้องกับราคานั้นมีอยู่มากมาย ไม่ใช่การกำหนดราคาขายสูงต่ำเพียงอย่างเดียวเท่านั้น การบริหารธุรกิจสมัยใหม่จึงมองถึงหน้าที่และความสำคัญของ Pricing and Revenue Optimization (PRO) มากกว่า Pricing แค่เพียงอย่างเดียว ซึ่ง PRO เป็นฟังก์ชั่นที่เกี่ยวข้องกับทุกๆ ฝ่ายในธุรกิจ ไม่ว่าจะเป็น การตลาด การขาย การผลิต การขนส่ง การเงิน ฯลฯ เนื่องจาก PRO คำนึงถึงทุกๆ ปัจจัยและข้อจำกัดทางธุรกิจที่จะส่งผลต่อการซื้อขายสินค้าและบริการ เช่น การกำหนดราคาของตั๋วโดยสารในเที่ยวบินหนึ่งมักขึ้นอยู่กับ จำนวนที่นั่งที่เหลืออยู่ วันและเวลาของเที่ยวบิน ปริมาณผู้โดยสารที่คาดว่าจะจองทีหลังแต่ยินดีจ่ายราคาสูง ปริมาณผู้โดยสารของเที่ยวบินต่อเนื่อง เป็นต้น ในปัจจุบันนี้ บริษัทขนาดใหญ่ที่ฟังก์ชั่นด้าน PRO มีความสลับซับซ้อนมากจึงมักมีฝ่าย PRO โดยเฉพาะ ซึ่งประสานงานร่วมกับฝ่ายอื่นๆ รวมถึงผู้บริหาร และรับผิดชอบการวางแผนต่างๆ ด้าน PRO

สำหรับแนวโน้มของกลยุทธ์ด้าน PRO ที่น่าจับตา มองก็สอดคล้องกับการเปลี่ยนแปลงทางด้านเทคโนโลยีต่างๆ ที่กำลังเกิดขึ้น ได้แก่การใช้ Big Data ในการกำหนดกลยุทธ์ด้าน PRO ให้มีความเฉพาะเจาะจงกับลูกค้าแต่ละกลุ่มมากยิ่งขึ้น การใช้ Artificial Intelligence ในการสร้างระบบ PRO ที่สามารถปรับเปลี่ยนราคาตามความเหมาะสมได้โดยอัตโนมัติ นอกจากนี้ การใช้ PRO เพื่อสร้างความยั่งยืน เช่น การใช้กลยุทธ์ราคาเพื่อสร้างแรงจูงใจให้เกิดการบริโภคที่ส่งผลกระทบต่อสิ่งแวดล้อมน้อยลง ก็เป็นทิศทางการบูรณาการด้าน PRO ที่กำลังได้รับความสนใจเป็นอย่างมาก

ในบทความนี้จะขอกล่าวถึงบทบาทและความสำคัญของเทคโนโลยีปัญญาประดิษฐ์และประสาทวิทยาศาสตรที่มีต่อโลกธุรกิจ โดยจะขอเน้นตัวอย่างไปที่การประยุกต์ใช้ทางด้านการเงิน

หากถามว่าเทคโนโลยีใดที่จะเข้ามาเปลี่ยนแปลงโลกธุรกิจในอนาคตอันใกล้นี้ ในมุมมองของผู้เขียนมีความเห็นว่านอกจากปัญญาประดิษฐ์ (Artificial Intelligence) ที่กำลังเป็นที่จับตามองอย่างมากแล้ว ก็คงหนีไม่พ้นเรื่องของประสาทวิทยาศาสตร์ (Neuroscience) โดยปัญญาประดิษฐ์จะเป็นการพัฒนาสมองให้กับเครื่องจักรกลเพื่อทำงานทดแทนและสนับสนุนการทำงานของมนุษย์ให้ดียิ่งขึ้นให้สะดวกยิ่งขึ้น ส่วนประสาทวิทยาศาสตร์จะทำให้เกิดความเข้าใจในระดับที่สูงขึ้นของการทำงานของสมองมนุษย์ และระบบประสาทที่เกี่ยวข้องกับการตัดสินใจและตอบสนองต่อสิ่งเร้าหรือสถานการณ์ต่างๆ ซึ่งสามารถนำมาประยุกต์ใช้ในการประกอบธุรกิจได้ เช่น สร้างความเข้าใจพฤติกรรมของผู้บริโภคมากยิ่งขึ้น ซึ่งจะทำให้พัฒนาผลิตภัณฑ์และบริการที่สามารถตอบสนองความต้องการของผู้บริโภคได้มากขึ้นในทางการเงินการลงทุน ประสาทวิทยาศาสตร์สามารถสร้างความเข้าใจถึงพฤติกรรมการซื้อขายของนักลงทุนให้มากยิ่งขึ้นซึ่งจะทำให้นักการเงินสามารถเข้าใจลักษณะการเคลื่อนไหวของ
ราคาสินทรัพย์ต่างๆได้ดียิ่งขึ้น อาทิ เช่น การเกิดของฟองสบู่ และอะไรเป็นสาเหตุที่นักลงทุนตัดสินใจเข้าลงทุนใน Bitcoin ซึ่งทำให้มีราคาสูงขึ้นอย่างรวดเร็ว โดยเพิ่มขึ้นประมาณ 400% ภายในระยะเวลาเพียง 6 เดือนเท่านั้น โดยมูลค่าเพิ่มขึ้นไปสูงสุดอยู่ที่ 19,343 ดอลลาร์ อย่างไรก็ตามปัจจุบันราคาได้ลดลงมาค่อนข้าง
มากแล้วโดยแตะที่ระดับ 7,964 ดอลลาร์

อ.ดร.กฤษฎา นิมมานันทน์ ผู้อำนวยการหลักสูตร Professional MBA คณะบริหารธุรกิจ สถาบันบันฑิตพัฒนบริหารศาสตร์

ปัญญาประดิษฐ์
ปัญญาประดิษฐ์ คือโปรแกรมคอมพิวเตอร์ที่สามารถทำหน้าที่เป็น “สมอง” ที่สามารถคิด วิเคราะห์ ประมวลผล แก้ปัญหา และตัดสินใจได้เองแทนมนุษย์ การพัฒนาปัญญาประดิษฐ์แตกต่างจากการพัฒนาโปรแกรมคอมพิวเตอร์ทั่วไปตรงที่การพัฒนาปัญญาประดิษฐ์นั้นผู้พัฒนาไม่จำเป็นต้องระบุขั้นตอนหรือวิธีการแก้ปัญหาโดยตรง แต่เพียงกำหนดเป้าหมายที่ต้องการ และให้โปรแกรมเรียนรู้ที่จะแก้ปัญหาหรือตัดสินใจด้วยตัวเองเพื่อให้สามารถบรรลุเป้าหมายที่กำหนดโดยอาศัยการเรียนรู้จากข้อมูลที่มีอยู่ ซึ่งผลลัพธ์ที่ได้สามารถนำมาใช้เพื่อเพิ่มผลผลิตทางอุตสาหกรรมและแก้ปัญหาธุรกิจต่างๆ ได้ดียิ่งขึ้น อาทิ เช่น การใช้ปัญญาประดิษฐ์เพื่อเรียนรู้พฤติกรรมผู้บริโภคและทำนายความชอบ เช่น ลวดลาย สี รูปทรงสินค้าการใช้ปัญญาประดิษฐ์เพื่อจับอารมณ์ของนักลงทุนในตลาดหุ้นโดยเรียนรู้จากราคา และข้อมูลข่าวสารต่างๆ

สมองกลที่พัฒนาขึ้นมา มีข้อได้เปรียบมนุษย์อยู่หลายประการ อาทิ เช่น ความสามารถในการประมวลผลที่รวดเร็วและแม่นยำกว่ามนุษย์ และ การตัดสินใจโดยอาศัยข้อมูลที่มีอยู่โดยปราศจากอคติส่วนข้อที่ด้อยกว่าสมองมนุษย์ ณ เวลาปัจจุบัน ก็มีอยู่หลายประการเช่นกัน ได้แก่ ความคิดริเริ่มสร้างสรรค์ ความสามารถ
ในการปรับเปลี่ยนวิธีคิดเมื่อสภาวะแวดล้อมเปลี่ยนแปลงไป ซึ่งมนุษย์จะปรับเปลี่ยนกระบวนคิดได้ดีกว่าเร็วกว่า จึงสามารถนำสิ่งที่เรียนรู้ไปประยุกต์ใช้ได้กว้างกว่า ถึงแม้ว่าสมองกลอาจจะสามารถเรียนรู้ได้รวดเร็วกว่ามนุษย์ก็ตาม ดังนั้น ณ ปัจจุบัน ปัญญาประดิษฐ์จึงเหมาะกับการแก้ปัญหาที่มีรูปแบบเฉพาะ (Specific Tasks) มากกว่าปัญหาแบบทั่วไป (Generic Tasks) อย่างไรก็ดีข้อจำกัดเหล่านี้ผู้เขียนเชื่อว่าจะค่อยๆ ลดลงในอนาคตข้างหน้า

ตัวอย่างปัญญาประดิษฐ์อย่างง่ายได้แก่ โครงข่ายประสาทเทียม (Artificial Neural Network หรือ ANN) ซึ่งมีโครงสร้างเป็นชั้นๆ ดังรูปภาพ 1 ก่อนที่จะเริ่มต้น
การใช้งาน ANN จำเป็นต้องการมีการฝึก (Training) ก่อน เพื่อให้เห็นภาพผู้เขียนขอยกตัวอย่างสถานการณ์ดังต่อไปนี้ ธนาคารแห่งหนึ่งต้องการจำแนกลูกหนี้ชั้นดี
ออกจากลูกหนี้ที่มีโอกาสผิดนัดชำระหนี้สูง โดยธนาคารมีฐานข้อมูลของลูกหนี้ เช่น อายุ รายได้ เพศ อาชีพ เป็นต้น และ มีข้อมูลในอดีตว่าใครชำ?ระตรงเวลา
ใครผิดนัดชำระ เมื่อข้อมูลเหล่านี้ถูกนำมาป้อนให้กับ ANN ทีละรายการไปเรื่อยๆ สำหรับข้อมูลแต่ละชุด ANN จะเปรียบเทียบผลลัพธ์ที่ทำนายได้กับผลลัพธ์ของจริง
และจะมีการปรับค่าพารามิเตอร์ให้เหมาะสมยิ่งขึ้น เมื่อได้รับการฝึกฝนด้วยข้อมูลมากขึ้นๆ ANN ก็จะมีความแม่นยำสูงขึ้นในการทำนาย ซึ่งถือเป็นการเรียนรู้
ของเครื่องจักรกลในการจำแยกลูกหนี้ชั้นออกจากลูกหนี้ที่ไม่ดี ข้อเสียของวิธีนี้คือ เป็นการยากที่จะทำความเข้าใจถึงความหมายของค่าพารามิเตอร์ต่างๆของ ANN
ซึ่งถึงแม้ธนาคารจะสามารถใช้ ANN จำแนกประเภทของ ลูกหนี้ได้แม่นยำเพียงใด แต่ธนาคารอาจไม่เข้าใจว่าเพราะเหตุใด ANN จึงจัดให้ลูกค้าคนนี้อยู่ในกลุ่มชั้นดี
หรือไม่ดี อย่างไรก็ตาม ANN เป็นเพียงแค่เครื่องมือหนึ่งเท่านั้นของปัญญาประดิษฐ์ ยังมีเครื่องมืออื่นๆอีกมากมายให้เลือกใช้

ผู้เขียนเชื่อว่าในอนาคตอันใกล้ธุรกิจต่างๆ จะนำปัญญาประดิษฐ์มาใช้ในเชิงพาณิชย์อย่างกว้างขวางในทุกวงการ เช่น นำมาใช้ตรวจสอบความผิดปกติทางบัญชี
นำมาช่วยวิเคราะห์ปัจจัยพื้นฐานของกิจการ นำมาช่วยวางแผนการผลิตในโรงงานอุตสาหกรรม นำมาใช้ทำนายการเติบโตของเศรษฐกิจ เป็นต้น ซึ่งก็จะเป็นการยก
ระดับการแข่งขันของอุตสาหกรรมต่างๆ ให้สูงขึ้น ระบบอัจฉริยะเหล่านี้จะถูกพัฒนาให้ดียิ่งขึ้น ซึ่งจะทำให้ชีวิตความเป็นอยู่ของผู้คนดียิ่งขึ้นตามไปด้วย ถือเป็นส่วนหนึ่งของการขับเคลื่อนเศรษฐกิจอัจฉริยะแห่งอนาคต

ประสาทวิทยาศาสตร์
ประสาทวิทยาศาสตร์ คือ ศาสตร์ที่พยายามทำ?ความเข้าใจโครงสร้าง กลไกการทำงาน การพัฒนา และ การเปลี่ยนแปลงของระบบประสาท (Nervous System) ของมนุษย์ ซึ่งมีระบบประสาทส่วนกลางอยู่ที่สมองและไขสันหลัง และ มีระบบประสาทส่วนปลายกระจายอยู่ตามส่วนต่างๆ ของร่างกาย ในระบบประสาทจะมีเซลล์ประสาท (Neuron) ที่มีรูปร่างดังรูปภาพ 2 ลักษณะเฉพาะของเซลล์ประสาทคือสามารถรับ ประมวลผล และส่งต่อสัญญาณไฟฟ้าและเคมี ไปยังเซลล์ประสาทตัวอื่นๆ ที่อยู่ในระบบประสาทส่วนกลาง หรือระบบประสาทส่วนปลาย คล้ายการส่งข้อมูลผ่านระบบเครือข่ายอินเทอร์เน็ต อย่างไรก็ตามการศึกษายังครอบคลุมไปถึง
การตอบสนองของร่างกายต่อสิ่งเร้า เช่น อุณหภูมิของร่างกายที่สูงขึ้น เมื่อเราตื่นตระหนก อัตราการเต้นของหัวใจที่ถี่ขึ้นเมื่อเจอคนที่ถูกใจ ความเหนี่ยวนำไฟฟ้าของผิวหนัง (Skin Conductance) ที่สูงขึ้นเมื่อเรา ตื่นเต้น เป็นต้น

เครื่องมือการวัดที่ใช้ในการศึกษาทางประสาทวิทยาศาสตร์มีมากมายหลายเครื่องมือ เช่น Functional Magnetic Resonance Image (fMRI), Positron Emission Tomography (PET), Magnetoencephalography (MEG), Transcranial Magnetic – Stimulation (TMS), Scalp Electroencephalography (EEG) หรือ Psychophysiological Equipment เช่น Galvanic Skin Response (GSR), Electrocardiogram (ECG or EKG) เป็นต้น แต่เครื่องมือที่กำลังเป็นที่นิยมอย่างมากในปัจจุบันได้แก่ fMRI เนื่องจากไม่ต้องเจาะหรือฝังอะไรลงในร่างกาย ไม่มีการแผ่สารกัมมันตภาพรังสี และสามารถนำมาใช้งานได้อย่างหลากหลาย การทำงานของ fMRI ทำงานโดยการตรวจวัดปริมาณออกซิเจนในเลือด กล่าวคือหากสมองส่วนไหนกำลังทำงานอยู่ก็จะต้องการพลังงานโดยจะมีเลือดไปเลี้ยงในบริเวณนั้นมาก ทำให้สามารถตรวจจับออกซิเจนที่สมองบริเวณนั้นได้หนาแน่นกว่าบริเวณอื่น ข้อเสียของ fMRI คือมีค่าใช้จ่ายค่อนข้างสูง

EEG ก็เป็นเครื่องมือที่ได้รับความนิยมเช่นกัน เนื่องจากมีค่า ใช้จ่ายที่ไม่แพงมากนัก EEG เป็นการตรวจวัดศักย์ไฟฟ้าในสมองส่วนนอก หากบริเวณใดเกิดกิจกรรมทางประสาทมากก็จะทำให้ศักย์ไฟฟ้าเปลี่ยนไป แต่ข้อเสียคือ EEG ไม่สามารถวัดกิจกรรมที่เกิดขึ้นในสมองส่วนอยู่ลึกเข้าไปด้านในได้

ในทางธุรกิจ ประสาทวิทยาศาสตร์สามารถนำมาใช้เป็นเครื่องมือศึกษาความรู้สึกของลูกค้าที่มีต่อสินค้าโดยประเมินจากการตอบสนองทางประสาทโดยคาดว่าจะให้ผลลัพธ์ที่ลำเอียงน้อยกว่าการประเมินรูปแบบอื่น เช่น การใช้แบบสอบถามหรือการสัมภาษณ์อาจมีโอกาสได้รับข้อมูลที่คลาดเคลื่อนมาก เนื่องจากผู้ตอบแบบสอบถามหรือผู้ให้สัมภาษณ์อาจไม่มั่นใจว่าตนเองรู้สึกอย่างไร ชอบแบบไหนมากกว่ากัน อาจเกิดความลังเล และสุดท้ายอาจตอบแบบสุ่มการวัดจากคลื่นประสาทสามารถบอกอารมณ์ของผู้ถูกวัดได้ว่า ดีใจหรือเสียใจ ถูกใจมากน้อยแค่ไหน หรือรู้สึกเฉยๆ ทั้งนี้ในช่วงหลายปีมานี้เทคโนโลยี Neuroimaging ได้รับการพัฒนาจนสามารถมองเห็นการทำงานของส่วนต่างๆ ภายในสมองได้ง่ายขึ้น ชัดเจนมากขึ้นและสามารถดูการทำงานของสมองได้แบบ Real-Time นักวิจัยจึงหันมาให้ความสนใจกับกลไกที่เกิดขึ้นภายในสมองกันมากขึ้น

ผู้เขียนจะขอกล่าวถึงการประยุกต์ใช้ความรู้ทางประสาทวิทยาศาสตร์ ในด้านการเงิน เนื่องจากพฤติกรรมของมนุษย์ที่แสดงออกมาตามสัญชาติญาณก็ดีหรือจากการไตร่ตรองก็ตามล้วนเป็นผลมาจากระบบประสาท รวมถึงระดับฮอร์โมนในร่างกาย ซึ่งนั่นก็จะส่งผลต่อการตัดสินใจ เช่น การตัดสินใจลงทุนในสินทรัพย์ที่มีความเสี่ยง เช่น หุ้นสามัญ ผู้เขียนจะขอยกตัวอย่างถึงสิ่งที่ถือว่ามีความสำคัญมากในศาสตร์ทางด้านการเงิน นั่นก็คือ ความเสี่ยง งานวิจัยหลายชิ้นพยายามวัดความเสี่ยง และดูว่านักลงทุนจะตอบสนองอย่างไรต่อระดับความเสี่ยงที่แตกต่างกัน แต่เนื่องจากองค์ความรู้เศรษฐศาสตร์การเงินที่พัฒนามายาวนา นอยู่บนพื้นฐานของข้อสมมติฐานที่ว่านักลงทุนตัดสินใจอย่างสมเหตุสมผลโดยไม่มีความลำเอียง งานวิจัยทางด้านเศรษฐศาสตร์การเงินส่วนมากสามารถตอบคำถาม หรือสร้างแบบจำลองการตัดสินใจที่ควรจะเป็นตามเหตุและผลได้ แต่ก็ยังพบว่าแบบจำลองเหล่านั้นยังไม่สามารถอธิบายพฤติกรรมของนักลงทุนบางประเภทได้ เช่น การพนันแบบหมดหน้าตัก
การพนันเป็นการลงทุนที่มีผลตอบแทนสูง แต่ก็มีความเสี่ยงสูงมากเช่นกัน โอกาสที่จะถูกรางวัลใหญ่ๆ หรือได้กำไรมากๆ นั้นน้อยมาก ถ้าวิเคราะห์กันตามหลักเหตุผลแล้ว การพนันไม่ใช่ตัวเลือกการลงทุนที่ดีนัก แต่ก็ยังมีคนบางส่วนที่ลงทุนกับการพนันจนขาดทุนมหาศาล ทฤษฎีทางการเงินไม่สามารถตอบคำ?ถามเหล่านี้ได้ แต่ประสาทวิทยาศาสตร์จะเปิดโอกาสให้เกิด

ทฤษฎีการลงทุนใหม่ๆ เช่น ทฤษฎีที่อธิบายว่าเพราะเหตุใดนักลงทุนบางคนจึงสามารถยอมรับความเสี่ยงที่แตกต่างจากคนทั่วไป เพราะเหตุใดนักลงทุนบางคนจึงประสบความสำเร็จอย่างมากในการซื้อขายหุ้น หรือเพราะอะไรนักลงทุนที่มีประสบการณ์จึงตัดสินใจที่จะซื้อหรือขายหุ้นได้อย่างเหมาะสมกว่าผู้ที่เพิ่งเริ่มเล่นใหม่ๆ เป็นต้น เกิดเป็นการศึกษาด้านการเงินโดยนำเอาองค์ความรู้ทางประสาทวิทยาศาสตร์เข้ามาใช้ควบคู่กันไปมากขึ้น เรียกว่า Neurofinance การศึกษาทาง Neurofinance ช่วยให้เราเห็นถึงเบื้องหลังกลไกการทำ?งานของสมองซึ่งเป็นที่มาของพฤติกรรมทางการเงินต่างๆ ได้

นับว่าเป็นการผสมผสานกันระหว่างสองศาสตร์ที่เข้ากันได้อย่างลงตัว และทำให้เราเข้าใจและค้นพบข้อเท็จจริงมากขึ้นเกี่ยวกับการตัดสินใจ การลงทุน และความสำคัญของสมองส่วนต่างๆ ที่สามารถนำไปต่อยอดเพื่อให้เกิดประโยชน์ได้ต่อไป

 

ในปัจจุบันระบบธุรกิจอัจฉริยะ (Business Intelligence) เริ่มเข้ามามีบทบาทอย่างกว้างขวางในหลายๆ สาขาอาชีพทั้งภาครัฐและเอกชน เนื่องจากสภาพการแข่งขันทางธุรกิจที่เปลี่ยนแปลงไปอย่างรวดเร็ว ทำให้องค์กรต่างๆ ต้องแบกรับความกดดันในการวางแผนกลยุทธ์ที่เหมาะสมเพื่อให้บรรลุตามวัตถุประสงค์ขององค์กร และด้วยสถานการณ์ที่เปลี่ยนแปลงไปก็เป็นการบังคับให้องค์กรเหล่านั้นเห็นความสำคัญกับการวิเคราะห์ข้อมูลเพิ่มมากขึ้นเพื่อเพิ่มประสิทธิภาพ และประสิทธิผลในการตัดสินใจในการตอบสนองต่อสภาพการแข่งขันดังกล่าว ทั้งนี้หากมองถึงปัจจัยสภาพแวดล้อมทางธุรกิจจะพบว่ามีปัจจัยหลักๆ อยู่ 3 ประการ คือ

1. สภาพการตลาดที่มีการแข่งขันกันสูงมากขึ้น มีคู่แข่งในการทำธุรกิจเพิ่มขึ้นอย่างต่อเนื่องมากมาย ถ้าองค์กรเป็นผู้นำตลาด ก็จะมีคู่แข่งที่พยายามจะแย่งส่วนแบ่งการตลาด โดยมีการปรับเปลี่ยนกลยุทธ์ทางการตลาดทั้งในด้านของสินค้าและบริการ (Product) ราคา (Price) วิธีการนำสินค้าไปสู่มือลูกค้า (Place) รวมถึงการส่งเสริมสินค้าให้เป็นที่รู้จักมากขึ้น (Promotion) แต่ถ้าองค์กรยังเป็นผู้ตามในตลาด ก็จะถูกภาวะกดดันจากทั้งคู่แข่งหลักๆ และคู่แข่งรายใหม่ทำให้ธุรกิจอาจจะไม่สามารถอยู่รอดได้ในระยะยาว

2 . ความต้องการของผู้บริโภคเปลี่ยนแปลงไปจากในอดีตค่อนข้างมาก เนื่องจากปัจจุบันเป็นเรื่องของยุคข้อมูลข่าวสาร ลูกค้าสามารถเข้าถึงข้อมูลทั้งในด้านผลิตภัณฑ์และด้านบริการได้มากขึ้นผ่านทางอินเทอร์เน็ต และSocial Network ทำให้พฤติกรรมการซื้อ (Purchasing Behavior) ความเต็มใจที่จะจ่าย (Willingness to Pay) รวมถึงการตอบสนองของลูกค้าต่อสินค้า และบริการนั้นมีผลต่อการตัดสินใจขององค์กรเป็นอย่างยิ่ง

3. เทคโนโลยีสารสนเทศเริ่มเข้ามามีบทบาทสำคัญต่อทั้งผู้ผลิต ผู้ให้บริการและผู้บริโภคในปัจจุบันเพิ่มมากขึ้นหลายๆ องค์กรให้ความสำคัญกับการติดตั้งระบบเทคโนโลยีสารสนเทศเพื่อช่วยเพิ่มผลผลิต ลดต้นทุน และเพิ่มประสิทธิภาพในการทำงาน

โดยเฉพาะอย่างยิ่งเมื่อเทคโนโลยีและระบบการทำงานคอมพิวเตอร์ อาทิเช่น สมาร์ตโฟน แท็บเล็ต แอปพลิเคชันที่ถูกพัฒนาขึ้นเพื่อสนับสนุน Platform บนมือถือรวมถึงความนิยมในการใช้ Social Network และการทำธุรกรรมออนไลน์ เป็นต้น ได้มีการพัฒนาขึ้นไปอย่างรวดเร็ว ทำให้องค์กรมีการเก็บข้อมูลอย่างมหาศาลในแบบที่ไม่เคยเป็นมาก่อน ดังนั้นแนวคิดของการจัดการกับข้อมูลที่มากมายเหล่านั้นหรือที่เรียกว่า Big Data จึงเริ่มแพร่หลายและมีคนให้ความสนใจเพิ่มมากขึ้น อย่างไรก็ตามคำถามสำคัญคือ องค์กรที่ให้ความสำคัญกับการนำแนวคิดเกี่ยวกับ Big Data เข้ามาช่วยในการวางแผนกลยุทธ์ขององค์กรเพื่อให้ธุรกิจประสบความสำเร็จนั้นมีมากน้อยขนาดไหน มีการวิเคราะห์ข้อมูลที่ถูกต้องหลักการหรือไม่ และเกิดประโยชน์ต่อองค์กรในระดับใด

ระบบธุรกิจอัจฉริยะ (BusinessIntelligence) จึงถูกพัฒนาขึ้นเพื่อช่วยให้การตัดสินใจขององค์กรเป็นไปอย่างมีระบบและเป็นแบบอัตโนมัติเพิ่มมากขึ้น เนื่องจาก
โลกของการแข่งขันทางธุรกิจในปัจจุบันเป็นโลกของข้อมูลข่าวสารที่มีการเปลี่ยนแปลงตลอดเวลา หลายๆ องค์กรจึงต้องมีการปรับตัวและปรับเปลี่ยนวิธีการคิดและวัฒนธรรมองค์กร โดยประยุกต์นำระบบธุรกิจอัจฉริยะเข้ามาช่วยในแต่ละขั้นตอนของการวางแผนกลยุทธ์ทั้งในระยะสั้นและระยะยาวขององค์กร รวมถึงวิธีการและขั้นตอนต่างๆ ของกระบวนการตัดสินใจเพื่อให้ตอบสนองต่อปรากฏการณ์ของ Big Data ได้อย่างเหมาะสมและรวดเร็ว ระบบธุรกิจอัจฉริยะ (Business Intelligence) มีพื้นฐานมาจากระบบสนับสนุนการตัดสินใจ (Decision Support Systems) แม้ว่าเทคโนโลยีในปัจจุบันจะเปลี่ยนแปลงไปทั้งในเรื่องของการจัดการข้อมูล Big Data และการเชื่อมต่อฐานข้อมูลที่เร็วขึ้น การสร้างแบบจำลองหรือโมเดลที่ซับซ้อนขึ้น ซึ่งนักวิเคราะห์น่าจะได้เรียนรู้ถึงระบบเอไอ (AI: Artificial Intelligence) ซึ่งเป็นศาสตร์แขนงหนึ่งของวิทยาศาสตร์คอมพิวเตอร์ หรือการเชื่อมต่อของผู้ใช้งานบนเว็บไซต์และมือถือ เป็นต้น แต่หลักการของระบบธุรกิจอัจฉริยะยังคงเหมือนเดิมซึ่งมาจากองค์ประกอบพื้นฐานหลัก 4 องค์ประกอบ คือ

1.ระบบจัดการฐานข้อมูล (Database Management Layer) จะเกี่ยวข้องกับเทคโนโลยีและซอฟต์แวร์สำหรับการจัดการฐานข้อมูล โดยข้อมูลต่างๆ ที่ถูกจัดเก็บอาจจะเป็นข้อมูลที่อยู่ภายในขององค์กรเอง (internal Data) เช่น ข้อมูลการขาย ข้อมูลผลิตภัณฑ์ ข้อมูลด้านการตลาด การผลิต ข้อมูลพนักงาน และข้อมูลของสินค้าคงคลัง เป็นต้น หรืออาจจะเป็นข้อมูลที่เกิดการเชื่อมโยงกับข้อมูลภายนอก (External Data) เช่น ข้อมูลด้านเศรษฐกิจ สังคม การจ้างงาน ข้อมูลสำมะโนประชากร ข้อมูลวิจัยตลาด หรือ ตารางอัตราดอกเบี้ยหรือภาษี เป็นต้น ระบบฐานข้อมูลจะเกี่ยวข้องกับคลังข้อมูล (Data Warehousing) หรือฐานข้อมูล (Database) ที่นักวิเคราะห์สามารถดึงข้อมูล เพิ่ม/ลบข้อมูล กรองข้อมูล แก้ไขข้อมูล สืบค้น สรุปข้อมูลจากฐานข้อมูลขนาดใหญ่ หรือการรวบรวมข้อมูลจากฐานข้อมูลมากว่าหนึ่งฐานข้อมูลได้

2.ระบบของการวิเคราะห์ข้อมูล (Business Analytics Layer) จะเกี่ยวข้องกับการสร้างแบบจำลอง ซึ่งส่วนใหญ่แล้วจะเกี่ยวข้องกับแบบจำลองเชิงปริมาณในรูปแบบต่างๆ เช่น แบบจำลองทางการเงิน แบบจำลองในการพยากรณ์ แบบจำลองต้นไม้ตัดสินใจ แบบจำลองการวิเคราะห์การถดถอย แบบจำลองการวิเคราะห์การถดถอยโลจิสติกส์ แบบจำลองโครงข่ายประสาทเทียม เป็นต้น ระบบของการวิเคราะห์ข้อมูลจะทำหน้าที่ในการใช้งานแบบแบบจำลอง (Model Execution) การรวบรวมแบบจำลอง (Model Integration) หลายๆ แบบจำลองเข้าด้วยกัน และการรับ แปล และประมวลคำสั่งของแบบจำลอง (Model Command)

- Descriptive Analytics เป็นรูปแบบการวิเคราะห์ข้อมูลแบบพื้นฐานที่สุด ที่เน้นการตอบคำถามทางด้าน “What Happened?” หรือการอธิบายว่าเกิดอะไรขึ้นกับองค์กรของคุณ การติดตามและประเมินผลการดำเนินงานของตัวชี้วัดที่องค์กรต้องการ ณ ช่วงเวลาใดเวลาหนึ่ง เช่น แนวโน้มของยอดขายที่ต่ำลง หรือต้นทุนที่สูงขึ้นในช่วง 3 ปีที่ผ่านมา จะช่วยให้องค์กรเข้าใจถึงสถานการณ์ขององค์กรได้เป็นอย่างดี ดังนั้นจะเห็นได้ว่า

- Diagnostic Analytics เป็นรูปแบบการวิเคราะห์ข้อมูลที่ก้าวขึ้นมาอีกหนึ่งขั้น ที่จะช่วยให้สามารถตอบคำถามทางด้าน “Why did it happen?” หรือเพื่ออธิบายว่า “ทำไมหรือเพราะอะไร” ที่ตัวชี้วัดที่นักวิเคราะห์สนใจถึงมีพฤติกรรมเช่นนั้น เช่น นอกจากที่ผู้บริหารจะเห็นภาพของผลของการดำเนินงานที่แย่ลงแล้วจากการทำ Descriptive Analytics สิ่งที่ผู้บริหารต้องการรู้ต่อไปคือ เพราะอะไรและปัจจัยอะไรบ้างที่ทำให้ผลการดำเนินงานต่ำลงกว่าที่คาดการณ์ไว้

- Predictive Analytics เป็นรูปแบบการวิเคราะห์ข้อมูลเพื่อการพยากรณ์สิ่งที่จะเกิดขึ้นในอนาคตโดยใช้ข้อมูลในอดีตหรือปัจจุบันมาประกอบการสร้างโมเดลเชิงทำนายหรือแบบจำลองทางคณิตศาสตร์ รูปแบบของ Predictive Analytics จะช่วยตอบคำถาม “What will happen?” เช่น การสร้างแบบจำลองเพื่อทำนายว่าลูกค้ากลุ่มใดบ้างที่น่าจะตอบรับแคมเปญหรือข้อเสนอที่องค์กรส่งไป การทำนายแนวโน้มการชำระหนี้ของลูกค้า หรือการคำนวณ Credit Risk Scores ของลูกค้ากลุ่มสถาบันการเงินที่มาขออนุมัติสินเชื่อ เป็นต้น

- Prescriptive Analytics จะเป็นการต่อยอดจาก Predictive Analytics เพื่อตอบคำถาม “Howe can we make it happen?” จากการจำลองสถานการณ์หลายรูปแบบ ปรับเปลี่ยนรูปแบบของการวิเคราะห์ และนำผลลัพธ์ที่ได้จากการวิเคราะห์ข้อมูล (Key Findings) มา ใช้ในการสร้างกลยุทธ์ที่เหมาะสมกับองค์กร


3. ระบบการจัดการประสิทธิภาพการดำเนินงานทางธุรกิจ (BPM: Business Performance Management Layer) จะเกี่ยวข้องกับกิจกรรมต่างๆ ที่ช่วยให้กระบวนการทางธุรกิจดำเนินไปตามวัตถุประสงค์ขององค์กร โดยจะร่วมรวมแนวคิดการบริหารจัดการองค์กรเข้าด้วยกัน ทั้งในเรื่องของการกำหนดตัวชี้วัด (KPI: Key Performance Indicators) การประยุกต์นำระบบ Balance Scorecard, Six Sigma, หรือ Lean Manufacturing เพื่อให้เกิดผลสัมฤทธิ์ในการบริหารจัดการ ทั้งนี้การกำหนดตัวชี้วัดที่ถูกต้องก็เป็นตัวกำหนดทิศทางของการวิเคราะห์ข้อมูล ทิศทางของการแก้ไขปัญหา และทิศทางของการสร้างกลยุทธ์


4.ระบบการเชื่อมต่อกับผู้ใช้งาน (User Interface Layer) จะเกี่ยวข้องกับการสื่อสารข้อมูลระหว่างระบบธุรกิจอัจฉริยะและผู้ใช้งาน ส่วนของการเชื่อมต่อกับผู้ใช้งานอาจจะอยู่ในรูปแบบของเว็บ (Web Browser) หรือแอปพลิเคชันบนมือถือ (Mobile Applications) ซึ่งผู้ใช้งานสามารถเข้าถึง Dashboard ที่ทำหน้าที่รวบรวมข้อมูล ผลการวิเคราะห์ข้อมูล ตัวชี้วัดต่างๆ ที่จำเป็นต่อการประเมินประสิทธิภาพการดำเนินงานขององค์กรมาไว้ในที่เดียวกัน ทั้งในรูปแบบของกราฟ ตัวเลข หรือบทสรุปสำหรับผู้บริหาร

องค์ประกอบหลักทั้งสี่สำคัญเป็นอย่างยิ่งสำหรับระบบธุรกิจอัจฉริยะและทุกส่วนประกอบจะต้องทำงานแบบ Real-Time ถึงจะเรียกได้ว่าเป็นระบบธุรกิจอัจฉริยะที่มีประสิทธิภาพ
1) ถ้าไม่มีข้อมูลก็ไม่สามารถวิเคราะห์อะไรได้
2) ถ้ามีข้อมูลที่คุณภาพไม่ดีผลของการวิเคราะห์ข้อมูลก็ไม่สามารถนำไปใช้ให้เกิดประโยชน์ได้
3) ถ้ามีข้อมูลครบถ้วนสมบูรณ์แต่ไม่สามารถวิเคราะห์ (คำนวณ) ข้อมูลได้ก็ไม่เกิดประโยชน์
4) ถ้ามีข้อมูลครบถ้วนและสามารถสร้างแบบจำลองได้ทั้งแบบง่ายและแบบที่ซับซ้อน แต่ไม่รู้ว่าจะวิเคราะห์อะไรและตรงตามจุดประสงค์หลักขององค์กรหรือไม่ เท่ากับว่านักวิเคราะห์เสียเวลาไปโดยเปล่า ประโยชน์
5) ถ้ามีข้อมูลครบถ้วนและวิเคราะห์ข้อมูลได้ ซึ่งตรงกับความต้องการของผู้บริหาร แต่ผู้ใช้งานไม่สามารถใช้งานระบบได้ ไม่สามารถเข้าถึงข้อมูลและผลของการวิเคราะห์ ข้อมูลได้ ก็ไม่สามารถสนับสนุนการตัดสินใจของผู้บริหารได้'

โดยสรุปแล้ว เนื่องจากระบบธุรกิจอัจฉริยะเป็นคำจำกัดความที่ค่อนข้างกว้าง การพัฒนาโปรแกรมแอปพลิเคชันต่างๆ ของระบบ BI จึงมีความหลากหลายขึ้นอยู่กับจุดประสงค์หลักของการนำระบบไปใช้ แต่โดยหลักการแล้วระบบธุรกิจอัจฉริยะจะช่วยให้ผู้ใช้ (ผู้บริหารหรือนักวิเคราะห์)

สามารถเข้าถึงข้อมูลแบบเรียลไทม์ จัดการนำข้อมูลทั้งในอดีตและปัจจุบันมาใช้เป็นพื้นฐานสำหรับการนำไปประเมินสถานการณ์ขององค์กรและวิเคราะห์ข้อมูลทางธุรกิจทั้งในเชิงกว้างและเชิงลึก โดยการประยุกต์และเลือกใช้เทคนิคการคำนวณต่างๆ ทางคณิตศาสตร์และทางสถิติที่เหมาะสมและตรงตามความต้องการของผู้ใช้ นอกจากนี้ระบบธุรกิจอัจฉริยะยังช่วยให้ผู้ใช้สามารถนำข้อมูลและผลจากการวิเคราะห์ที่ได้จากระบบมาใช้เพื่อประเมินประสิทธิภาพการทำงานขององค์กร ซึ่งผลจากการนำระบบธุรกิจอัจฉริยะมาประยุกต์ใช้ในองค์กรก็สามารถช่วยให้กระบวนการตัดสินใจแม่นยำมากขึ้นทั้งในเชิงกว้างและเชิงลึก

รศ.ดร.จงสวัสดิ์ จงวัฒน์ผล สถาบันบัณฑิตพัฒนบริหารศาสตร์

ระบบธุรกิจอัจฉริยะ (Business Intelligence) จึงถูกพัฒนาขึ้นเพื่อช่วยให้การตัดสินใจขององค์กรเป็นไปอย่างมีระบบและเป็นแบบอัตโนมัติเพิ่มมากขึ้น เนื่องจากโลกของการแข่งขันทางธุรกิจในปัจจุบันเป็นโลกของข้อมูลข่าวสารที่มีการเปลี่ยนแปลงตลอดเวลาหลายๆ องค์กรจึงต้องมีการปรับตัวและปรับเปลี่ยนวิธีการคิดและวัฒนธรรมองค์กร

Behavioral Finance หรือ “การเงินเชิงพฤติกรรม” เป็นการเงินที่ตั้งอยู่บนพื้นฐานของพฤติกรรมจริงของผู้คน โดยพฤติกรรมจริงของผู้คน มักถูกโน้มนำได้ด้วยอารมณ์และจิตวิทยา อย่างไรก็ตามในช่วงเวลา 40 ปีที่ผ่านมา ทฤษฎีทางการเงินที่สำคัญ เช่น ทฤษฎีตลาดมีประสิทธิภาพ (Efficient Market Hypothesis) และทฤษฎีการกำหนดราคาสินทรัพย์ (Capital Asset Pricing Model) นั้นกลับตั้งอยู่บนสมมุติฐานที่ว่า ผู้คนจะมีพฤติกรรมแบบสมเหตุสมผล (Rational) ในการตัดสินใจทางการเงินการลงทุนตลอดเวลา และจะไม่มีอคติหรือความเอนเอียงในการตัดสินใจ (Unbiased) จากอิทธิพลของอารมณ์ หรือจิตวิทยา

ผศ.ดร. ณัฐวุฒิ เจนวิทยาโรจน์ CFA คณะบริหารธุรกิจ สถาบันบัณฑิตพัฒนบริหารศาสตร์


จากคำนิยามของทฤษฎี Efficient Market Hypothesis หลักทรัพย์ทุกชนิดควรมีผลตอบแทนหลังปรับความเสี่ยงแล้ว (Risk-Adjusted Return) ที่เท่ากัน และไม่ควรจะมีคุณลักษณะใดๆ ของหุ้น เช่น ค่าอัตราส่วน P/E (Price-to-Earnings Ratio) ค่าอัตราส่วน P/BV (Price-to-Book Value Ratio) ค่าอัตราส่วนเงินปันผลตอบแทน (Dividend Yield) หรือขนาดของบริษัทที่จะใช้ในการบ่งชี้ว่าหุ้นนั้นๆ มีราคาต่ำหรือสูงเกินมูลค่าพื้นฐาน (Undervalued/Overvalued) จนทำให้ได้ผลตอบแทน สูงหรือต่ำ “ผิดปกติ” (Abnormal Returns)

อย่างไรก็ตาม การศึกษาจำ?นวนมากในช่วงที่ผ่านมากลับให้หลักฐานเชิงประจักษ์จากตลาดหุ้นที่แสดงให้เห็นว่า ตลาดหุ้นนั้นไม่ได้มีประสิทธิภาพและ/หรือนักลงทุนนั้นไม่ได้มีเหตุมีผลเสมอไป โดยการตัดสินใจทางการเงินของนักลงทุนนั้นมักมีอคติและเอนเอียง (Biased) อันเกิดจากอารมณ์และจิตวิทยาอยู่บ่อยๆ การศึกษาจำนวนมากค้นพบ“อโนมาลี (Anomalies)”1 ที่แสดงให้เห็นถึงว่าตลาดหุ้นนั้นไม่ได้มีประสิทธิภาพเช่น ปรากฏการณ์ “Size Effect” ที่ว่าการลงทุนในหุ้น
ขนาดเล็กมักให้ผลตอบแทนที่สูงกว่าการลงทุนในหุ้นขนาดใหญ่ที่มีความเสี่ยง(ที่วัดด้วยค่าเบต้า) ใกล้เคียงกัน2 หรือการค้นพบปรากฏการณ์ “Sell in May and
Go Away” ที่ว่าการลงทุนในช่วงฤดูร้อน (ช่วงพฤษภาคมถึงตุลาคม) ให้ผลตอบแทนที่ต่ำกว่าในช่วงฤดูหนาว (ช่วงพฤศจิกายนถึงเมษายน)3 หรือการค้นพบปรากฏการณ์ “January Effect” ที่ว่าหุ้นมักให้ผลตอบแทนที่ดีมากในช่วงเดือนมกราคมเมื่อเทียบกับเดือนอื่นๆ ของปี ท้ายที่สุด การค้นพบปรากฏการณ์ “Index Effect” ที่ว่าหุ้นที่ถูกปรับเข้าในดัชนีหุ้นที่สำคัญมักจะมีการปรับตัวขึ้นของราคาแบบ “ผิดปกติ” และหุ้นที่ถูกปรับออกจากดัชนีที่สำคัญก็มักจะมีการปรับตัวลงของราคาแบบ “ผิดปกติ” เช่นกัน4,5 โดยจะกล่าวในรายละเอียดต่อไป

ปรากฏการณ์ “Size Effect” มีอยู่ในหลายการศึกษา เช่น งานวิจัยของ Fama and French (1992)6 โดย Fama and French ได้แบ่งหุ้นทุกตัวที่ซื้อขายบน NYSE, AMEX และ NASDAQ ทุกๆปีนับจากปี 1963 ถึงปี 1990 เป็นสิบกลุ่มโดยเรียงลำ?ดับตามมูลค่าตลาดของส่วนทุน (Market Capitalization) จากนั้นวัดผลตอบแทนเฉลี่ยของแต่ละกลุ่มในปีถัดไป และพบว่าผลตอบแทนเฉลี่ยของกลุ่มหุ้นขนาดเล็กสุดมีค่าสูงกว่าผลตอบแทนเฉลี่ยของกลุ่มหุ้นขนาดใหญ่สุดอยู่ถึง 0.74% ต่อเดือน หรือประมาณ 8.9% ต่อปี ซึ่งแน่นอนว่าสิ่งที่พบนี้ถือเป็นอโนมาลีเพราะทฤษฎี CAPM ย่อมไม่สามารถอธิบายส่วนต่างของผลตอบแทนขนาดนี้ได้ โดยถึงแม้ว่าหุ้นกลุ่มขนาดเล็กสุดจะมีค่าเบต้าที่สูงกว่าก็ตาม แต่ผลต่างของค่าเบต้าหรือความเสี่ยงนั้นไม่มากพอที่จะอธิบายความแตกต่างในผลตอบแทนเฉลี่ย
ที่เกิดขึ้นได้

ปรากฏการณ์ “Sell in May and Go Away” มีอยู่ในหลายการศึกษาเช่นกัน โดยการศึกษาปรากฏการณ์นี้ในตลาดหุ้นไทย ได้แก่งานวิจัยของณัฐวุฒิ เจนวิทยาโรจน์ (2560)7 โดยทำการทดสอบความเชื่อที่ว่าตลาดหุ้นในช่วงเดือนพฤษภาคมถึงตุลาคม (ช่วงฤดูร้อน) มักจะให้ผลตอบแทนที่ต่ำกว่าในช่วงเดือนพฤศจิกายนถึงเมษายน (ช่วงฤดูหนาว) โดยทำการทดสอบผลตอบแทนของดัชนีหลักทรัพย์ที่สำคัญของตลาดหลักทรัพย์แห่งประเทศไทย ได้แก่ ดัชนี SET ดัชนี SET50 ดัชนี SET100 และ ดัชนี MAI ในช่วงปี 1975 - 2016 ผลการศึกษาแสดงในกราฟด้านล่างดังนี้ ตลาดหุ้นไทยให้ผลตอบแทนที่ต่ำในช่วงเดือนพฤษภาคมถึงตุลาคมเมื่อเทียบกับช่วงเดือนพฤศจิกายนถึงเมษายน โดยเฉพาะในหุ้นขนาดใหญ่ในดัชนี SET50 กล่าวคือ การลงทุนในดัชนี SET50 ในช่วงเดือนพฤษภาคมถึงตุลาคมให้ผลตอบแทนโดยเฉลี่ยเพียง 0.6% เท่านั้น ในขณะที่ดัชนี SET50 ในช่วงเดือนพฤศจิกายนถึงเมษายนให้ผลตอบแทนโดยเฉลี่ยสูง
ถึง 13.6% ต่อช่วง 6 เดือนนั้น ซึ่งถือเป็นอโนมาลีที่เป็นหลักฐานชิ้นหนึ่งที่ขัดแย้งกับสมมุติฐานความมีประสิทธิภาพของตลาดหุ้นไทย

การศึกษาผลตอบแทนรายเดือนของหุ้นทั้งในตลาดสหรัฐอเมริกาและตลาดการเงินหลักอื่นๆทั่วโลก มักจะพบว่าพฤติกรรมของผลตอบแทนในแต่ละเดือนของปีปฏิทินมีค่าแตกต่างกันอย่างมีนัยสำคัญ และมักพบว่าผลตอบแทนของเดือนมกราคมมีค่าสูงกว่า ผลตอบแทนในเดือนอื่นๆ ของปีอย่างมีนัยสำคัญ ปรากฏการณ์แบบนี้เรียกว่า “January Effect” โดยในตลาดหุ้นไทยก็เกิดปรากฏการณ์ “January Effect” เช่นกัน จากการวิเคราะห์ผลตอบแทนดัชนี SET50 แยกเป็นรายเดือนในช่วงปี 1997-2016 ดังแสดงในกราฟด้านล่าง พบว่าดัชนี SET50 ให้ผลตอบแทนโดยเฉลี่ยสูงที่สุดในเดือนมกราคมที่สูงถึง 4.41% ต่อเดือนหรือคิดเป็นประมาณ 52.9% ต่อปีทีเดียว

อโนมาลีถัดไป ได้แก่ ปรากฏการณ์ “Index Effect” คือการที่หุ้นใดๆ ถูกปรับเข้าหรือออกจากดัชนีจะส่งผลต่อการเปลี่ยนแปลงของราคาหุ้นนั้นๆ โดยหุ้นที่ถูกปรับเข้าไปใน (ปรับออกจาก) ดัชนีที่สำคัญจะมีราคาที่เพิ่มสูงขึ้น (ลดต่ำลง) ในวันที่ถูกประกาศปรับเข้า (ปรับออก) จากการรวบรวมผลการศึกษาปรากฏการณ์ “Index Effect” ของ Nattawut Jenwittayaroje (2557)8 Index Effects: A Review and Comments, Chulalongkorn Business Review ดังแสดงในตารางด้านล่าง จะพบว่า การที่หุ้นถูกปรับเข้าดัชนีจะส่งผลให้ราคาหุ้นเพิ่มขึ้นอย่างมีนัยสำคัญทางสถิติ ในทางกลับกัน การถูกปรับออกจากดัชนีก็จะทำให้ราคาของหุ้นนั้นลดลงอย่างมีนัยสำคัญทางสถิติ โดยการเปลี่ยนแปลงนี้ขัดกับทฤษฎีตลาดที่มีประสิทธิภาพ เนื่องจากการถูกปรับเข้าหรือออกไม่ได้เปลี่ยนแปลงปัจจัยพื้นฐานของบริษัท เช่น การศึกษาของ Harris and Gurel (1986) พบว่าหุ้นที่ถูกปรับเข้าในดัชนี S&P 500 ในช่วงปี 1978-1983 มีราคาสูงขึ้นโดยเฉลี่ยที่ 3.13% ณ วันที่ประกาศการปรับเข้า และหุ้นที่ถูกปรับออกจากดัชนี S&P 500 ในช่วงเวลาเดียวกันมีราคาต่ำลงโดยเฉลี่ยที่ 1.40% ณ วันที่ประกาศการปรับออก หรือผลการศึกษาของ Chakrabarti et. al. (2005) พบว่า หุ้นที่ถูกปรับเข้าในดัชนี MSCI Indices ในช่วงปี 1998-2001 มีราคาสูง ขึ้นโดยเฉลี่ยที่ 3.35% ณ วันที่ประกาศการปรับเข้า
และหุ้นที่ถูกออกจากดัชนี MSCI Indices ในช่วงเวลา เดียวกันมีราคาต่ำลงโดยเฉลี่ยที่ 2.59% ณ วันที่ประกาศการปรับออก ซึ่งปรากฏการณ์ Index Effects นี้พบได้ทั้งในดัชนีที่สำคัญในตลาดอเมริกา ยุโรป และเอเชีย

ส่วนการศึกษา Index Effect ในไทยนั้นศึกษาโดย มรกต ณัฐวุฒิ และไทยศิริ (2554)9 โดยใช้ข้อมูลของหุ้นที่ถูกปรับเข้าหรือปรับออกจากดัชนี SET50 ระหว่างปี พ.ศ.2549-2553 เป็นระยะเวลา 5 ปี โดยมีการประกาศรายชื่อหุ้นที่เข้าออกดัชนีทั้งหมด 10 ครั้ง และพบว่าหุ้นที่ถูกปรับเข้าดัชนี SET50 มีราคาสูงขึ้นโดยเฉลี่ยที่ 1.51% ณ วันที่ประกาศถูกปรับเข้า อย่างไรก็ตามหุ้นที่ถูกปรับออกจากดัชนี SET50 ในช่วงเวลา เดียวกันกลับมีราคาเพิ่มขึ้น 0.73% แต่ไม่มีนัยสำคัญทางสถิติ แต่ถ้าดูการเปลี่ยนแปลงของราคาของหุ้นที่ถูกปรับออกในช่วง 15 วันก่อนการประกาศถึง 15 วันหลังการประกาศใช้ จะมีการลงของราคาหุ้นที่ถูกปรับออกถึง 6.17% ทีเดียว

นอกจากนี้ ยังมีการศึกษาจำนวนมากเช่นกัน ที่แสดงให้เห็นว่านักลงทุนนั้นมีความเอนเอียง (Biased) อันเกิดจากอารมณ์และจิตวิทยาในการตัดสินใจลงทุน เช่น การศึกษามักพบว่าการลงทุนในกองทุนรวมหุ้นที่มีผลการดำ?เนินงานในอดีตที่ดีนั้นไม่สามารถมีผลการดำเนินงานที่ดีต่อเนื่องไปในอนาคตได้ 10 กล่าวคือปรากฏการณ์ “Hot Hand” นั้นไม่มีอยู่จริงอย่างที่นักลงทุนส่วนใหญ่เชื่อ และการ-ศึกษาเกี่ยวกับพฤติกรรมของนักลงทุนก็มักจะพบว่านักลงทุนมีแนวโน้มที่จะขายหุ้นทำกำไรที่เร็วเกินไปหรือถือหุ้นขาดทุนที่นานเกินไป (Disposition Effect) 11

ตัวอย่างของปรากฏการณ์ “มือขึ้น (Hot Hand)” ในทางการลงทุน คือการศึกษาเรื่องผลการดำ?เนินงานของกองทุนรวม โดยปกตินักลงทุนมักจะใช้ความเชื่อเรื่องปรากฏการณ์ “มือขึ้น (Hot Hand)” เป็นฐานของกลยุทธ์การซื้อกองทุน โดยการเลือกซื้อกองทุนรวมหุ้นที่มีผลการดำเนินงานที่ยอดเยี่ยมในอดีตเช่น 1 ถึง 5 ปีที่ผ่านมา และหวังว่ากองทุนยอดเยี่ยมในช่วงที่ผ่านมาเหล่านี้จะสามารถให้ผลการดำเนินงานที่ยอดเยี่ยมต่อเนื่องไปในอนาคต

การศึกษาปรากฏการณ์ “มือขึ้น (Hot Hand)” โดยกองทุนรวมหุ้นในตลาดไทยคืองานของ ณัฐวุฒิ (2560)12 ที่ศึกษาผลการดำเนินงานของกองทุนรวมตราสารหุ้นที่ดำเนินนโยบายการลงทุนเชิงรุกในตลาดไทยในช่วงปี 1995 - 2014 จำนวน 179 กองทุน และพบหลักฐานที่ไม่สนับสนุนปรากฏการณ์“มือขึ้น (Hot Hand)” เช่นกัน โดย ณัฐวุฒิ (2560) ได้คำนวณค่าร้อยละของการเป็นผู้ชนะหรือผู้แพ้ซ้ำในปีถัดไป และพบว่า ผลการดำเนินงานของกองทุนรวมหุ้นในปีที่ผ่านมานั้นแทบ
ไม่สามารถทำนายผลการดำเนินงานของกองทุนรวมหุ้นนั้นในปีถัดไปได้เลย จึงเป็นการบ่งบอกว่าผลการดำเนินงานของกองทุนรวมหุ้นในตลาดไทยนั้นไม่มีความต่อเนื่องและไม่สนับสนุนความเชื่อเรื่อง “มือขึ้น (Hot Hand)”

นอกจากนี้ การศึกษานี้ยังได้ทำการทดสอบปรากฏการณ์ “มือขึ้น (Hot Hand)” ของผลการดำเนินงานกองทุนรวมหุ้นที่ทำผลงานติด 20 อันดับแรกในช่วง 5 ปีที่ผ่านมา และดูว่า กองทุนรวมหุ้น 20 อันดับแรกนี้มีผลการดำเนินงานในอีก 5 ปีข้างหน้าเป็นอย่างไร และพบว่ากองทุนรวมหุ้นที่ทำผลงานได้ดี 20 กองทุนแรกในช่วง 5 ปีที่ผ่านมา มีเพียงประมาณ 1 ถึง 3 กองทุนเท่านั้นที่ยังติดอยู่ใน 20 อันดับแรกในช่วง 5 ปีต่อมา โดยรวมแล้วกองทุนรวมหุ้นที่เคยทำผลงานได้ดีในช่วง 5 ปีที่ผ่านมา กลับทำผลตอบแทนได้ไม่ดีจนทำให้อันดับตกลงอย่างมากในอีก 5 ปีถัดไป ดังนั้นแม้ว่ากองทุนรวมหุ้นที่สามารถทำผลงานได้ดีในระยะยาวที่ผ่านมา ก็ยังไม่สามารถเป็นเครื่องบ่งชี้ได้ว่ากองทุนรวมเหล่านี้จะทำผลตอบแทนได้ดีต่อเนื่องไปในอนาคตได้

การศึกษาจำนวนมากพบว่า นักลงทุนมีความลำบากใจที่จะขายสินทรัพย์ในราคาต่ำ?กว่าราคาที่พวกเขาซื้อมา หรือเป็นการขายแบบขาดทุน และนักลงทุนมีแนวโน้มที่จะขายหลักทรัพย์ที่มีกำไรอย่างรวดเร็วเกินไป Shefrin and Statman (1985)13 เรียกพฤติกรรมแบบนี้ว่า “Disposition Effect” Odean (1998)14 ได้ศึกษาข้อมูลการซื้อขายจากปี 1987 ถึง 1993 จำนวน 10,000 บัญชีของลูกค้าหลักทรัพย์ของนายหน้าซื้อขายหลักทรัพย์แบบไม่ให้คำแนะนำ (Discount Brokerage Firm) และพบว่านักลงทุนรายย่อยในกลุ่มตัวอย่างนั้นมีแนวโน้มที่จะขายหุ้นที่มีกำไรมากกว่าการขายหุ้นที่ขาดทุนอยู่ ซึ่งสนับสนุนปรากฏการณ์ Disposition Effect

Odean (1998) เสนอคำอธิบายของ Disposition Effect ที่พบในกลุ่มตัวอย่างนักลงทุนนี้ไว้หลายอย่าง เช่น นักลงทุนอาจ จะขายหุ้นที่กำไรอย่างมีเหตุมีผล เพราะมีข้อมูลที่ชี้ว่าผลงานในอนาคตของหุ้นเหล่านั้นจะไม่ดีและยังคงถือหุ้นที่ขาดทุนอยู่อย่างมีเหตุมีผลเพราะเชื่อว่าผลงานในอนาคตของหุ้นที่เลือกถือต่อไปจะดีขึ้นมา กล่าวคือ นักลงทุนอาจซื้อหุ้นเพราะข้อมูลเชิงบวกของบริษัทที่ตนเองรู้มาดังนั้นพอราคาหุ้นปรับตัวขึ้นมาสะท้อนรับกับข้อมูลเชิงบวกนี้ นักลงทุนก็จะขายทำกำไรหุ้นนั้นไป แต่ถ้าหุ้นนั้นปรับตัวลงแทน นักลงทุนก็จะเลือกถือหุ้นนั้นแบบขาดทุนต่อไป เพราะเชื่อว่า ราคาหุ้นยังไม่สะท้อนรับกับข้อมูลเชิงบวกนี้ อย่างไรก็ตาม ผลการศึกษากลับแสดงให้เห็นว่า หุ้นที่นักลงทุนขายทำกำไรไปนั้นมีผลตอบแทนที่สูงกว่าหุ้นขาดทุนที่นักลงทุนเลือกที่จะยังคงถือไว้อยู่ที่ 3.4% ต่อปี ซึ่งเป็นการขัดแย้งกับความเชื่อที่ว่านักลงทุนขายหุ้นที่ทำกำไรและถือหุ้นขาดทุนไว้ เพราะเชื่อว่าหุ้นขาดทุนนั้นจะทำผลงานในอนาคตได้ดีกว่าหุ้นทำกำไรที่ขายไป

บทความนี้ได้แสดงให้เห็นว่ามีหลักฐานเชิงประจักษ์จำนวนมากที่แสดงให้เห็น “ความไม่ปกติหรือความไม่สมเหตุสมผล” ของพฤติกรรมของนักลงทุนในตลาดการเงินและนำไปสู่อโนมาลีจำนวนมาก เพราะเป็นสิ่งที่ไม่สามารถอธิบายได้ด้วยแบบจำลองการกำหนดราคา สินทรัพย์ที่ได้รับการยอมรับ เช่น CAPM โดยพบว่าลักษณะบางอย่างของหุ้นมีความสัมพันธ์กับการที่หุ้นนั้นจะมีราคาที่สูงหรือต่ำกว่าราคา พื้นฐาน เช่น ขนาดของบริษัท อัตราส่วน P/E และ P/BV และการจ่ายเงินปันผลของบริษัท เป็นต้น นอกจากนี้ยังมี อโนมาลีที่เกี่ยวข้องกับปัจจัยเรื่องเวลา เช่น Sell in May และ January Effect และอโนมาลีที่เกี่ยวข้องกับพฤติกรรมที่ไม่สมเหตุสมผลอันเกิดจากอคติทางจิตวิทยาของนักลงทุน เช่น Hot Hand, Index Effect และ Disposition Effect

จากการค้นพบอโนมาลีจำนวนมากดังกล่าวข้างต้น ทำให้เกิดศาสตร์ Behavioral Finance ขึ้นมา เพราะอโนมาลีเหล่านี้ไม่สามารถอธิบายได้ด้วยทฤษฎีทางการเงินแบบมาตรฐานได้ แต่สามารถอธิบายได้ด้วยศาสตร์ Behavioral Finance ที่ยอมรับว่าอารมณ์และจิตวิทยามีบทบาทที่สำคัญต่อกระบวนการคิดและการตัดสินใจทางการเงิน การลงทุนของนักลงทุน และมีผลต่อราคาหลักทรัพย์โดยรวมได้ ดังนั้นการเรียนรู้ Behavioral Finance จึงมีความจำเป็นเพิ่มขึ้น เพื่อทำให้เราตระหนักและรับรู้ถึงการตัดสินใจลงทุนที่ผิดพลาดอันเกิดจากอคติทางอารมณ์และจิตวิทยาได้ และหลีกเลี่ยงข้อผิดพลาดที่อาจเกิดขึ้นในการตัดสินใจทางการเงินการลงทุน จนนำไปสู่การสร้างพอร์ตโฟลิโอการลงทุนที่จะบรรลุเป้าหมายการลงทุนได้สำเร็จ

1 อโนมาลี คือหลักฐานเชิงประจักษ์ (Empirical Results) ที่ไม่สอดคล้องกับทฤษฎีการกำหนดผลตอบแทนของสินทรัพย์ที่ใช้กันอยู่แพร่หลาย เช่น Capital Asset Pricing Model ที่กล่าวว่าผลตอบแทนที่คาดหวังของสินทรัพย์เสี่ยงจะขึ้นอยู่กับความเสี่ยงของสินทรัพย์นั้น โดยความเสี่ยงวัดได้ด้วยค่าเบต้า


2 Fama and French (1992), The Cross-Section of Expected Stock Returns, The Journal of Finance, Vol 47(2), 427-465.


3 ณัฐวุฒิ เจนวิทยาโรจน์ (2560) การศึกษา “ช่วงของฤดูกาลที่ให้ผลตอบแทนที่สูงกว่าช่วงของฤดูกาลอื่น” ในตลาดหลักทรัพย์แห่งประเทศไทย วารสารบริหารธุรกิจนิด้า เล่มที่ 20 เดือนพฤษภาคม 2560 หน้า 117-132


4 มรกต ชนินทรานุรักษ์, ณัฐวุฒิ เจนวิทยาโรจน์, และ ไทยศิริ เวทไว, (2554), “ผลกระทบต่อราคาและปริมาณการซื้อขายของหลักทรัพย์ที่ถูกปรับเข้าและออกจากดัชนี SET50”, จุฬาลงกรณ์ธุรกิจปริทัศน์, ปีที่ 33 ฉบับที่ 129 หน้า 1-24.


5 Nattawut Jenwittayaroje (2557) “Index Effects: A Review and Comments.” จุฬาลงกรณ์ธุรกิจปริทัศน์ ปีที่ 36 ฉบับที่ 140 (เมษายน – มิถุนายน 2557) หน้า 1-15. 


6 Fama and French (1992), The Cross-Section of Expected Stock Returns, The Journal of Finance, Vol 47(2), 427-465. January

7 ณัฐวุฒิ เจนวิทยาโรจน์ (2560) การศึกษา “ช่วงของฤดูกาลที่ให้ผลตอบแทนที่สูงกว่าช่วงของฤดูกาลอื่น” ในตลาดหลักทรัพย์แห่งประเทศไทย วารสารบริหารธุรกิจนิด้าเล่มที่ 20 เดือนพฤษภาคม 2560 หน้า 117-132


8 Nattawut Jenwittayaroje (2557) “Index Effects: A Review and Comments.” จุฬาลงกรณ์ธุรกิจปริทัศน์ ปีที่ 36 ฉบับที่ 140 (เมษายน – มิถุนายน 2557) หน้า 1-15.


9 มรกต ชนินทรานุรักษ์, ณัฐวุฒิ เจนวิทยาโรจน์, และ ไทยศิริ เวทไว, (2554), “ผลกระทบต่อราคาและปริมาณการซื้อขายของหลักทรัพย์ที่ถูกปรับเข้าและออกจากดัชนี SET50”,จุฬาลงกรณ์ธุรกิจปริทัศน์, ปีที่ 33 ฉบับที่ 129 หน้า 1-24.

10 ณัฐวุฒิ เจนวิทยาโรจน์ (2560) ผลการดำเนินงานและความต่อเนื่องของผลการดำเนินงานของกองทุนรวมตราสารทุนในประเทศไทยในช่วงปี 1995 – 2014 จุฬาลงกรณ์ธุรกิจปริทัศน์ ปีที่ 39 ฉบับ 152 เมษายน-มิถุนายน 2560 หน้า 57-89


11 Odean (1998), Are investors reluctant to realize their losses? The Journal of Finance 53, 1775-1798.

12 ณัฐวุฒิ เจนวิทยาโรจน์ (2560), ผลการดำเนินงานและความต่อเนื่องของผลการดำเนินงานของกองทุนรวมตราสารทุนในประเทศไทยในช่วงปี 1995 – 2014, วารสารจุฬาลงกรณ์ปริทัศน์ ฉบับที่ 152 ประจำเดือนเมษายน-มิถุนายน ปีพ.ศ. 2560

13 Shefrin and Statman (1985), The disposition to sell winners too early and ride losers too long: Theory and Evidence, The Journal of Finance 40, 777-790.


14 Odean (1998), Are investors reluctant to realize their losses? The Journal of Finance 53, 1775-1798.

หลายๆ คนเคยตั้งคำถามว่าทำไมบริษัทใน Silicon Valley ไม่ว่าจะเป็น Apple, Google, Facebook, และ Amazon ถึงได้มีการสร้างนวัตกรรมให้กับโลกจำนวนมากในช่วงหลายปีที่ผ่านมา หลายคนคิดว่าเป็นเรื่องของเทคโนโลยี แต่จริงๆ แล้วการพัฒนานวัตกรรมของบริษัทเหล่านี้ เป็นการพัฒนากระบวนการคิด และเป็นการสร้างวัฒนธรรมที่ส่งผลให้เกิดการสร้างความคิดสร้างสรรค์ในองค์กร หนึ่งในเครื่องมือที่บริษัทที่สร้างนวัตกรรมใช้คือ DesignThinking

รองศาสตราจารย์ พ.ต.ต.ดร.ดนุวศิน เจริญ สถาบันบัณฑิตพัฒนบริหารศาสตร์

Design Thinking คือกระบวนการคิดการแก้ปัญหา และการออกแบบสินค้าหรือกระบวนการที่ต้องมีการทำความเข้าใจในปัญหาต่างๆ อย่างลึกซึ้ง ต้องเอาผู้ใช้เป็นศูนย์กลาง และสร้างความคิดสร้างสรรค์และมุมมองจากคนหลายๆ มุมมองมาสร้างเป็นไอเดีย แนวทางการแก้ไขปัญหา และนำเอาแนวทางต่างๆ มาทดสอบและพัฒนา เพื่อให้ได้แนวทางหรือนวัตกรรมที่ตอบโจทย์ในการแก้ปัญหาให้กับผู้ใช้ โดยที่ Design Thinking มีทั้งสิ้นด้วยกัน 5 ขั้นตอนคือ

1.Empathize คือการเรียนรู้ความต้องการ และลักษณะพฤติกรรมของกลุ่มเป้าหมายโดยต้องทำความเข้าใจกับกลุ่มเป้าหมายอย่างลึกซึ้ง ผ่านการสังเกตพฤติกรรมการสัมภาษณ์เพื่อให้เข้าใจปัญหาของกลุ่มเป้าหมายอย่างลึกซึ้ง ต้องสามารถนำตัวเองเข้าไปอยู่ในสถานะของผู้ใช้ ต้องมีความเข้าใจว่ากลุ่มเป้าหมาย ชอบอะไรไม่ชอบอะไร เป้าหมายเค้าคืออะไร อะไรคือปัญหาที่เค้าประสบอยู่ ช่วง Empathize นั้นมีความสำคัญมาก เพราะจะนำไปสู่การระบุปัญหาจากมุมมองของผู้ใช้ หรือกลุ่มเป้าหมายที่เราต้องการเข้าไป
ช่วยในการแก้ปัญหา


2.Define คือ การระบุถึงปัญหาสำคัญและกำหนดสมมุติฐานเกี่ยวกับกลุ่มเป้าหมาย นอกจากนี้ยังรวมถึงการตีกรอบปัญหา ขั้นตอนนี้จะทำให้เราเข้าใจความต้องการของคนหรือผู้ใช้ถึงสาเหตุของปัญหาจริงๆ ซึ่งจะนำไปสู่การแก้ไขปัญหาที่ถูกต้องตรงจุดและเกิดผลลัพธ์ที่ยั่งยืน โดยขั้นตอนนี้เราต้องระบุให้ได้ถึง Root Cause หรือสาเหตุของปัญหา ถ้าสามารถแก้ที่สาเหตุได้ปัญหาก็จะหมดไป นั่นคือ ขั้นตอนนี้คือการนำข้อมูลที่เราเก็บมาจากกลุ่มเป้าหมายมาทำการวิเคราะห์ และดูว่ามี Pattern หรือ Meaning อะไรบ้างที่สามารถใช้
อธิบายปัญหาที่กลุ่มเป้าหมายต้องการแก้ไข


3.Ideation คือการระดมสมอง (Brainstorming) เพื่อหา Idea ในการแก้ปัญหาให้กับกลุ่มเป้าหมาย พร้อมๆ กับการเลือก Idea ที่ดีที่สุดมาใช้ในการแก้ปัญหาเพื่อพัฒนาเป็น Solution สำหรับแก้ปัญหา ขั้นตอนนี้คือการเปิดรับในทุก Idea โดยเน้นไปที่ปริมาณของ Idea ที่สามารถนำมาใช้ในการแก้ปัญหาได้ การระดมสมองเน้นไปที่ What โดยยังไม่ต้องสนใจ How หลังจากได้ Idea ที่มากพอขั้นตอนต่อไปคือการตัดสินใจเลือก Idea ที่ดีที่สุดมาทำการพัฒนาการตัดสินใจสามารถทำได้โดยการให้ทีมงานทำการ Vote ให้กับ Idea ที่คิดว่าน่าจะแก้ปัญหา และตอบโจทย์ของกลุ่มเป้าหมายได้ดีที่สุด


4.Prototype คือการนำ Idea ที่เลือกมามาทำการจัดทำ ต้นแบบ (Prototype) โดยเน้นการจัดทำต้นแบบที่มีต้นทุนต่ำและทำได้ในเวลาอันสั้น สาเหตุที่ Design Thinking ต้องมีการจัดทำ Prototype เพราะต้องการให้ Idea นำไปสู่สิ่งที่จับต้องได้ (Tangible) ผู้ใช้สามารถเห็น และสัมผัสได้ การใช้ Prototype ทำให้ผู้ใช้ได้เห็นภาพของ Product ถึงแม้ว่า Prototype ยังไม่สมบูรณ์แต่สามารถเป็นเครื่องมือที่ผู้ใช้สามารถให้ Feedback นำไปพัฒนาต่อยอดได้ อีกสาเหตุที่ใน Design Thinking ต้องมีการใช้ Prototype เพราะผู้ใช้อาจไม่รู้ว่าเขาต้องการอะไร แต่เมื่อได้เห็นต้นแบบแล้วจึงสามารถนึกออกว่าตนเองต้องการอะไร หรือที่เรียกว่า IKIWISI (I Know It When I See It)


5.Test คือการนำต้นแบบ (Prototypes) ไปทำการทดสอบกับกลุ่มเป้าหมาย นำ Prototype ให้กลุ่มเป้าหมายใช้จริง และนำเอา Feedback มาทำการปรับปรุง Prototype เพื่อนำผลตอบรับที่ได้กลับไปปรับปรุง

ทั้งห้ากระบวนการนี้ไม่ได้เป็นลักษณะ Linear หรือจากจุดเริ่มต้นไปสิ้นสุด แต่สามารถจัดทำเป็นวงรอบ (Iteration) ที่ในแต่ละวงรอบมีการพัฒนาอย่างต่อเนื่องมีการนำ Feedback จากผูใช้ไปทำการปรับปรุงพัฒนา Product จนกระทั่ง Release นำออกมาให้ผู้ใช้ได้ใช้ ยิ่งผมเรียนรู้เกี่ยวกับ Design Thinking มากเท่าไหร่ ผมเห็นว่าควรเรียกว่า “Design Doing” เพราะไม่ได้เป็นแค่การคิดอย่างเดียว แต่ต้องมีการจัดทำ (Doing) อย่างต่อเนื่อง ไม่ว่าจะเป็นการจัดทำ Prototypes การนำ Prototype ไปทดสอบ การนำเอา Feedback มาปรับปรุง Prototype อย่างต่อเนื่องDesign Thinking ไม่ใช่เพียงแค่เครื่องมือ แต่เป็น Mindset ตัวอย่างของ Mindset ที่ใช้ใน Design Thinking มีดังต่อไปนี้

Low Tech, High Touch
วิธีการในการแก้ปัญหาของ Design Thinking เน้นไปในการใช้เครื่องมือในลักษณะ Low Tech, High Touch ยกตัวอย่าง เช่น Whiteboard และ Post-it Notes และการทำ Prototype ที่อาศัยเครื่องมือง่ายๆ ไม่ซับซ้อนเช่นการสร้าง Prototype จากกระดาษ
(Paper Prototype) ผมคิดว่าสาเหตุที่เลือกใช้เครื่องมือเหล่านี้แทนที่จะใช้เครื่องมือที่ซับซ้อน เช่น Application Software ก็เพราะเครื่องมือ เช่น กระดาษ, Post-it Notes, และ Whiteboard เป็นอะไรที่ผู้ใช้และคนทั่วไปสามารถจับต้องได้ และสามารถมีส่วนร่วมในการให้ความคิดเห็นและ Feedback ได้ดีกว่าเครื่องมือที่ซับซ้อน นอกจากนั้นยังมีต้นทุนต่ำ?และสามารถพัฒนาได้ในเวลาที่รวดเร็ว

“Yes, and...” Mindset
มีคำเพียงแค่สองคำที่สามารถใช้ในการทำลายความคิดสร้างสรรค์ (Creativity) หรือ นวัตกรรม (Innovation) ได้อย่างสิ้นเชิงคือคำว่า “Yes, but” หรือถ้าเป็นภาษาไทยคือ “ได้ แต่ว่า….” หรือถ้าพูดตรงๆ คือ “ไม่ได้” มีหลายความคิดสร้างสรรค์และนวัตกรรมที่ไม่สามารถเกิดขึ้นเพราะถูกสกัดด้วยสองคำนี้ สาเหตุเพราะอะไร ก็เพราะว่าคนเรามีอัตตา ที่มองที่ความเห็นของเราเป็นหลัก รวมถึงมี Fixed Mindset ที่มองไปที่ “ข้อจำกัด” แทนที่จะเป็น “โอกาส” เวลาที่ฟังความเห็นหรือ Idea ของคนอื่นเราจะมองจากข้อจำกัด
เป็นหลัก ซึ่งทัศนคตินั้นส่งผลต่อการปิดกั้น Idea และความคิดสร้างสรรค์ใหม่ๆ

ใน Design Thinking โดยเฉพาะช่วงของ Ideation ที่เราต้องมีการระดมความคิดเห็น (Brainstorm) มีกฎที่ทุกคนต้องปฏิบัติตามคือไม่ว่าใครนำเสนอ Idea อะไรก็ตาม ถึงแม้ว่า Idea นั้นๆ จะดูว่าเป็นไปไม่ได้หรือไม่ฉลาดในสายตาเรา ทุกคนต้องพูดว่า “Yes, and…” หรือ “ใช่ เพราะว่า” “ได้ เพราะว่า….” ซึ่งวิธีการนี้ส่งผลให้เกิด Idea จำนวนมากและหลากหลายในหลายๆ ครั้งนำไปสู่การคิดนอกกรอบ นอกจากนี้ยังเป็นการสนับสนุนให้ทุกคนเข้ามา มีส่วนร่วมในการแสดงความคิดเห็นโดยไม่ต้องกังวลว่า Idea จะถูกปฏิเสธ ผมมองว่าสาเหตุที่ในสังคมไทยเราไม่มีความคิดสร้างสรรค์หรือนวัตกรรมใหม่ๆ เพราะว่าในการประชุมเวลาที่คนเสนอ Idea อะไรมาเราจะมองด้วยข้อจำกัดส่งผลให้ไม่มีใครต้องการเสนอ Idea อะไรใหม่ๆ หรือคิดนอกกรอบ เพราะกลัวการถูกปฏิเสธครั้งหน้าเราลองเปลี่ยนแนวคิดที่มองว่าทุก Idea สามารถเป็นไปได้ มองที่โอกาสเป็นหลักมันอาจนำไปสู่ความคิดสร้างสรรค์และนวัตกรรมใหม่ๆ

Fail Fast
Design Thinking มองว่าความล้มเหลวเป็นเรื่องปกติ และเรา สามารถเรียนรู้จากความล้มเหลวนั้นๆ ได้นำเอาบทเรียนที่ได้จากความล้มเหลวมาพัฒนา อย่างไรก็ตาม Design Thinking มองว่าถ้าเรา จะล้มเหลวเราควรล้มเหลวให้เร็วที่สุด (Fail Fast) ดังนั้น Design Thinking จะใช้วิธีการในการแก้ปัญหาแบบ “ลงมือทำ” หรือ “Just Do It” แทนที่จะต้องใช้เวลาไปกับการวางแผนอย่างยาวนาน Mindset นี้ตรงข้ามกับบริษัทส่วนใหญ่ที่ต้องมีการขั้นตอนวางแผนใช้เวลานานกว่าที่จะออกสินค้าออกมา ขณะที่ Design Thinking มองว่าเราควรรีบพัฒนาสินค้า ออกมาให้ผู้ใช้ได้ใช้อย่างรวดเร็วเพื่อสามารถนำ Feedback ที่เราได้เรียนรู้จากลูกค้านำไปปรับปรุงสินค้า Culture ของ Design Thinking นั้นสนับสนุนให้คนสามารถทำผิดพลาดได้ส่งผลให้ทีมงานสามารถทดลอง Idea ใหม่โดยไม่ต้องกังวล แนวคิดนี้ตรงข้ามกับบริษัทในรูปแบบดั้งเดิมที่ลงโทษความผิดพลาด ส่งผลให้ทีมงานต้อง Play Safe โดยไม่คิดนอกกรอบ ไม่ทดลอง Idea ใหม่ๆ เพราะกลัวว่าจะได้รับผลกระทบต่อข้อผิดพลาดนั้น สุดท้ายความคิดสร้างสรรค์และนวัตกรรมก็ไม่สามารถเกิดได้ในองค์กรเหล่านั้น

ผมหวังว่าผู้บริหารที่ได้อ่านบทความนี้จะเกิดแรงบันดาลใจในการนำเอาแนวคิดและกระบวนการของ Design Thinking ไปใช้ในองค์กรของท่าน และพยายามเปิดใจให้กว้างต่อการเปลี่ยนแปลงที่เกิดขึ้น ไม่แน่ว่า บริษัทของท่านอาจพัฒนานวัตกรรมที่เข้าไปเปลี่ยนแปลงโลกก็ได้

 

Dealing with Disruption

February 13, 2018

ถ้าจะท้าวความถึงกระแสการเปลี่ยนแปลงที่เกิดขึ้นในโลกธุรกิจ นั้นเริ่มจากการที่ประเทศจีนเปิดประเทศและกลายเป็นแหล่งผลิต สินค้าที่่สำคัญของโลก และรวมถึงประเทศอินเดียที่กลายเป็นแหล่งของการให้บริการด้านไอที คอลเซ็นเตอร์(Call Center) และบริการด้านอื่นๆ ทำให้เริ่มก่อเกิดกระแสแรกที่เรียกว่า โลกาภิวัตน์ หรือ Globalization

กระแสโลกาภิวัตน์มีผลอย่างรุนแรงตั้งแต่ช่วงปี 1990 ที่โลกทั้งใบจะเริ่มเชื่อมกัน ในด้านเศรษฐกิจ และทำให้เกิดโลกไร้พรมแดน ที่สินค้าที่ผลิตจากประเทศหนึ่งส่งไปขายอย่างเสรีในอีกประเทศหนึ่ง และทำให้เกิดข้อตกลงเขตการค้าเสรีขึ้นมากมายทั้งเป็นแบบระหว่างสองประเทศที่เรียกว่า ทวิภาคี หรือ Bilateral Agreement เช่น เจเทปปา (FTA ของไทยกับญี่ปุ่น Japan - Thailand Economic Partnership Agreement (JTEPA)) และ แบบหลายๆประเทศร่วมมือกัน หรือเรียกว่าแบบ พหุภาคี หรือ Multilateral Agreement เช่น อาฟต้า (ASEAN Free Trade Agreement (AFTA) ) ซึ่งนำไปสู่การเกิด AEC เออีซี-ASEAN Economic Community

กระแสโลกาภิวัฒน์ดังกล่าว ทำให้เกิดผู้ขายรายใหม่มากมาย เพราะในอดีตการจะมีสินค้าเข้ามาขายในตลาดหรือในอุตสาหกรรม ผู้ขายจะต้องลงทุนสร้างโรงงานเพื่อผลิตสินค้า ซึ่งการลงทุนดังกล่าวทำให้เกิดต้นทุนคงที่ (Fixed Cost) ทำให้มีผู้ขายเพียงไม่กี่รายที่มีสินค้า และเป็นการยากที่จะมีผู้ขายรายใหม่ๆ ที่จะมีเงินทุนในการลงทุนสร้างโรงงานเพื่อผลิตสินค้าดังกล่าว แต่ภายใต้กระแสโลกาภิวัฒน์ที่ผู้ขายรายใหม่สามารถจ้างโรงงานที่อยู่ในประเทศจีนผลิตสินค้าแล้วส่งมาขายในประเทศของตนเอง ทำให้เกิดผู้ขายรายใหม่ๆ เพิ่มขึ้นอย่างรวดเร็วซึ่งเร่งให้เกิดกระแสการแข่งขันที่รุนแรงและนำไปสู่การปรับตัวของโลกธุรกิจในยุคแรก การปรับตัวของธุรกิจ คือการพยายามไม่สร้างต้นทุนคงที่ (Fixed Cost) ในธุรกิจ เพราะต้นทุนคงที่เป็นภาระทางการเงินและทำให้ไม่เกิดความคล่องตัวในการปรับเปลี่ยนให้เหมาะสมกับสภาพการแข่งขัน และทำให้เกิดกระแสการ เอาต์ซอร์ส (Outsource) หรือมอบหมายให้คนอื่นทำแทน ในกิจกรรมทางธุรกิจ ไม่ว่ากิจกรรมการผลิต การขนส่ง การกระจายสินค้า เป็นต้น ซึ่งพอถึงจุดสมดุลที่ ผู้ขายทุกรายสามารถบริหารจัดการต้นทุนให้เหมาะสม ก็ประจวบเหมาะกับการเกิดกระแสอินเทอร์เน็ต (Internet) กระแสอินเทอร์เน็ต (Internet) เริ่มเกิดขึ้นในปี 2000 ก่อให้เกิดการใช้เว็บไซต์ (Website) ในการสร้างช่องทางในการทำธุรกิจใหม่ๆ หรือที่เรียกว่า ยุคดอตคอม (dot com) หรือ กระแสดอตคอม (dot com) ที่ธุรกิจเกือบทุกแห่ง ได้หวาดกลัวว่าจะตกขบวนรถไฟที่กำลังมาแรงภายใต้กระแสอินเทอร์เน็ต และดอตคอม (dot com) ส่งผลให้ธุรกิจได้ลงทุนอย่างหนักในการใช้อินเทอร์เน็ต เป็นช่องทางของการเข้าถึงลูกค้า และรวมถึงการพยายามใช้เว็บไซต์ในการขายสินค้า
โดยทุกบริษัทได้ทุ่มลงทุนเกินตัวและที่สุดไม่ได้สร้างผลตอบแทนตามที่คาดหวัง และนำไปสู่การล้มสลายของ ยุคดอตคอม (dot com) หรือที่เรียกว่า ฟองสบู่แตก (dot com bubble burst) ในช่วงปี 2002 เพราะในช่วงเวลาดังกล่าว ความเร็วของอินเทอร์เน็ต ยังอยู่ในยุคความเร็วต่ำทำให้ไม่สามารถจะพัฒนาเว็บไซต์ ให้เหมาะสมกับการใช้งานและทำให้ผู้บริโภคเกิดความเบื่อหน่ายในการค้นหาและการรอข้อมูล แต่กระแสการใช้ อินเทอร์เน็ตยังคงอยู่ และในช่วงปี 2006 เริ่มมีการพัฒนาความเร็วของ อินเทอร์เน็ต ให้เร็วขึ้น ด้วยเทคโนโลยี เอดีเอสแอล (ADSL) เกิดเป็น อินเทอร์เน็ตความเร็วสูง (High Speed Internet) ซึ่งประจวบกับการเกิด เฟซบุ๊ก (Facebook) ที่เปิดตัว เมื่อวันที่ 26 กันยายน ค.ศ. 2006 และ การเปิดตัว มือถือสมาร์ตโฟน (SmartPhone) ที่เปลี่ยนโลกคือ ไอโฟน (Iphone) รุ่นแรกในเดือน มิถุนายน ปี 2007 นำไปสู่การเกิดกระแสสังคมออนไลน์ หรือโซเชียลมีเดีย(Social Media) ในเวลาต่อมา

กระแสสังคมออนไลน์ หรือโซเชียลมีเดีย (Social Media) เริ่มเกิดขึ้นในปี 2007 ทำให้เกิดแนวทางทำการตลาดรูปแบบใหม่ที่
เรียกว่า การตลาดออนไลน์ (Online Marketing) และเกิดการขายสินค้าออนไลน์ โดยในระยะแรกจะใช้การค้นหาบน กูเกิล (Google) เป็นตัวนำไปสู่การเข้าถึงเว็บไซต์ของธุรกิจ ต่อมาได้มีการพัฒนาการขายสินค้าโดยอาศัย เฟซบุ๊ก (Facebook), อินสตราแกรม (Instagram) ยูทูป (YouTube) ที่มีฐานผู้บริโภคใช้งานเป็นล้านๆ ราย โดยทาง เฟซบุ๊ก (Facebook) ยูทูป (YouTube) และ กูเกิล (Google) ได้มีการเก็บข้อมูลพฤติกรรม การใช้งานและคาดเดาถึงความต้องการของผู้ใช้ว่าน่าจะสนใจสินค้าประเภทใด ทำให้เกิดการขายบริการโฆษณาในรูปแบบใหม่ๆที่นำมาสู่การขายสินค้าบนเฟซบุ๊ก (Facebook) นอกจากนี้ยังมีการพัฒนา แอฟพลิเคชั่น (Application) บนสมาร์ตโฟน (Smart Phone) ทำให้การใช้งานง่ายขึ้น โดยการเก็บข้อมูลพฤติกรรมความสนใจของผู้บริโภค ในการค้นหาและติดตามข้อมูลต่างๆ บน สังคมออนไลน์ (Social Media) ทำให้เกิดกระแสที่สำคัญต่อมาคือการเกิด ข้อมูลปริมาณมหาศาลและมีการวิเคราะห์ข้อมูลพฤติกรรมดังกล่าวเพื่อคาดเดาถึงความต้องการในยุคกระแสของข้อมูลขนาดใหญ่ หรือบิ๊กดาต้า (Big Data)

กระแสของบิ๊กดาต้า (Big Data) เกิดขึ้นในปี 2008 จากการที่มีการบันทึกติดตาม พฤติกรรมต่างๆ ของผู้บริโภคเพื่อดูว่ากำลังสนใจหรือกำลังค้นหา หรือติดตามข้อมูลอะไรบนสื่อสังคมออนไลน์  ไม่ว่าเป็นเฟซบุ๊ก (Facebook) ไลน์ (Line) ยูทูป (YouTube) ทำให้เกิดกระแสที่ธุรกิจจะต้องมีการเก็บข้อมูลลูกค้าเพิ่มมากขึ้นเพื่อสามารถคาดเดาความต้องการ และนำไปสู่การนำเสนอสินค้าและบริการที่ตรงกับความต้องการให้ได้มากขึ้น โดยหลายธุรกิจได้มีการให้บริการฟรีกับผู้บริโภคเพื่อทำให้สามารถใช้เป็นฐานในการศึกษาพฤติกรรมต่าง อย่างเช่น กูเกิล (Google) ให้บริการค้นหาข้อมูลฟรี ยูทูป (YouTube) ให้บริการดูวิดีโอฟรี แผนที่กูเกิล (GoogleMaps) ให้บริการแผนที่และการนำทางฟรี หรือการที่กูเกิล (Google) พัฒนาแอนดรอยด์ (Android) เพื่อให้เป็นระบบปฏิบัติการ (Operation System) สำหรับมือถือสมาร์ตโฟน (Smart Phone) ในราคาที่ไม่แพงเพื่อทำให้กูเกิล (Google) สามารถเรียนรู้พฤติกรรมการใช้มือถือของผู้บริโภคได้ ซึ่งทำให้หลายๆ ธุรกิจพยายามจะสร้างบริการต่างๆ โดยไม่คิดเงินแล้วเก็บข้อมูลพฤติกรรมการใช้งานเพื่อนำข้อมูลไปวิเคราะห์เพื่อใช้ประโยชน์ในการขายโฆษณา หรือนำเสนอสินค้าให้กับผู้บริโภค

 

โดยธุรกิจที่ประสบความสำเร็จอย่างมากคือ อาลีบาบา (Alibaba) ที่เป็นตลาดออนไลน์ (Online) ให้คนมาขายสินค้าโดยคิดค่าธรรมเนียมต่ำมากหรือไม่คิดเลยสำหรับร้านค้าที่มีฐานลูกค้ามากๆ แต่ อาลีบาบา (Alibaba) กลับนำข้อมูลพฤติกรรมการขายสินค้าของร้านค้าไปสร้างเป็นเครดิต เรตติ้ง (Credit Rating)เพื่อดูความน่าเชื่อถือของร้านค้า โดยร้านค้าใดมีความน่าเชื่อถือมาก ทางอาลีบาบา (Alibaba) จะนำเสนอเงินกู้ให้กับร้านค้าเพื่อไปขยายกิจการ ผ่าน อาลีเพย์ (AliPay) โดยการให้กู้ ทำให้อาลีบาบา(Alibaba) สามารถสร้างกำไรมหาศาลจากธุรกิจเงินกู้ มากกว่าการสร้างกำไรจากธุรกิจตลาดออนไลน์ แต่การให้กู้ของอาลีเพย์ (AliPay) ถือว่ามีความเสี่ยงต่ำเพราะลูกค้าที่จ่ายเงินซื้อสินค้าจะต้องใช้อาลีเพย์ (AliPay) ในการจ่ายเงิน ทำให้อาลีบาบา (Alibaba) เป็นคนได้รับเงินจากลูกค้าก่อนโอนไปให้ร้านค้า การให้บริการฟรีของธุรกิจที่ต้องยอมขาดทุนจากการลงทุนให้ใช้บริการโดยไม่คิดเงินหรือคิดเงินในปริมาณน้อยๆ แล้วค่อยสร้างกำไรคืนจากการได้ข้อมูลของผู้ใช้งานนำไปสร้างมูลค่าเพิ่มทั้งการขายโฆษณา การให้กู้ยืมเงิน การขายข้อมูล นำไปสู่การเกิดกระแสที่เรียกว่า เศรษฐกิจแบ่งปัน หรือแชร์ริ่งอีโคโนมี (Sharing Economy) ที่มีการให้บริการฟรีโดยอาศัยทรัพยากรของผู้บริโภครายหนึ่งมาให้บริการกับผู้บริโภคอีกรายหนึ่งที่มีการแบ่งปันการใช้งาน

กระแสเศรษฐกิจแบ่งปัน หรือแชร์ริ่งอีโคโนมี (Sharing Economy) เริ่มเกิดขึ้นตั้งแต่ปี 2009 ที่เกิดการให้บริการ แท็กซี่ (Taxi) โดย อูเบอร์ (Uber) ที่ธุรกิจไม่ได้มีรถยนต์เป็นของตัวเองแม้แต่คันเดียว แต่เป็นการนำรถของผู้บริโภคที่อยากแบ่งปันให้บริการกับผู้บริโภครายอื่น โดยทางอูเบอร์ (Uber) คิดค่าธรรมเนียมกับผู้บริโภคที่อยากแบ่งปัน และในเวลาใกล้เคียงกัน เกิดธุรกิจให้บริการที่พักโรงแรมโดยแอร์บีเอ็นบี (Airbnb) ที่ไม่ได้มีห้องหรือตึกเป็นของตัวเองแต่เป็นการเอาห้องของผู้บริโภคที่อยากแบ่งปันให้บริการกับผู้บริโภครายอื่น โดยทั้ง อูเบอร์ (Uber) และ แอร์บีเอ็นบี (Airbnb) ถือว่าได้ประโยชน์จากการให้บริการฟรี (ไม่คิดค่าธรรมเนียม) กับผู้บริโภคที่ใช้งาน และยังได้รายได้จากค่าธรรมเนียมที่คิดจากผู้บริโภคที่แบ่งปันให้บริการ โดยค่าบริการของผู้บริโภคที่ใช้บริการจะถูกจ่ายให้กับผู้บริโภคที่ให้บริการ ซึ่งโมเดลและกระแสแบบนี้มีความน่าสนใจและทำลายล้าง (Disrupt) ธุรกิจดั้งเดิม คือธุรกิจโรงแรมกับธุรกิจรถแท๊กซี่ ในขณะเดียวกัน อาลีเพย์ (AliPay) ที่ให้บริการกู้เงินก็ทำลายล้าง (Disrupt) ธนาคารที่ให้บริการกู้เงิน ทำให้เกิดกระแสการให้บริการทางการเงินด้วยเงินดิจิทัล หรือ คริปโต เคอเรนซี่ (Cryptocurrency)

กระแส สกุลเงินดิจิทัล หรือ คริปโต เคอเรนซี่ (Cryptocurrency) หรือเงินคริปโต ที่มีเหรียญที่เป็นสกุลเงินที่โด่งดัง คือ บิตคอยน์ (Bitcoin) ที่เริ่มมีการซื้อขายครั้งแรกในปี 2011 (แนวคิดของการเกิด บิตคอยน์เกิดมาในปี 2008 และเริ่มเป็นรูปเป็นร่างในปี 2009 แต่เริ่มมีการซื้อขายครั้งแรก ในวงจำกัด ในปี 2011) และเริ่มมาเป็นที่รู้จักและโด่งดังในปี 2016 ที่ธุรกิจเริ่มมองบิตคอยน์เป็นสินทรัพย์รูปแบบใหม่ ที่สามารถลงทุนและเพิ่มมูลค่าได้ ทำให้บิตคอยน์เริ่มมีบทบาทที่สำคัญกับธุรกิจ ทั้งเป็นแหล่งลงทุนและสามารถใช้เป็นระบบให้กู้ยืม จ่ายเงิน ชำระหนี้ได้เหมือนสกุลเงินปรกติ แต่ก็มีข้อถกเถียงถึงความเหมาะสมของการใช้สกุลเงินดิจิทัล เพราะบางประเทศมีการมอง บิตคอยน์เป็นเรื่องของการเก็งกำไร ที่ปราศจากพื้นฐาน ทำให้มีความเสี่ยงสูงและไม่เหมาะกับการเป็นสกุลเงิน เนื่องจากไม่สามารถสะท้อนมูลค่าเพื่อใช้ชำระหนี้ได้เหมือนกับสกุลจริงที่มีเสถียรภาพและไม่ผันผวน โดยประเทศ จีน อินเดีย ไต้หวัน รัสเซีย ประกาศว่าบิตคอยน์เป็นเรื่องผิดกฎหมายและไม่อนุญาตให้มีการลงทุน ในขณะที่ประเทศ สหรัฐอเมริกา ญี่ปุ่น สิงคโปร์ ฮ่องกง ยังอนุญาตให้มีการลงทุนในบิตคอยน์ได้ สำหรับบางประเทศยังอยู่ในระหว่างการพิจารณาจากรัฐบาลว่าจัดการอย่างไรกับบิตคอยน์ ซึ่งกระแสบิตคอยน์สามารถทำลายล้าง (Disrupt) ธุรกิจธนาคาร ได้อย่างรุนแรงและทำให้ธนาคารต้องมีการปรับตัวอย่างมากในปัจจุบัน ถ้ามาพิจารณากระแส การทำลายล้าง (Disruption) ต่างๆ ที่เกิดขึ้น จะเริ่มจาก
ปี 1990 กระแสโลกาภิวัตน์ (Globalization)
ปี 2000 กระแสอินเทอร์เน็ต (Internet) ที่ส่งผลให้เกิดดอตคอม (dot com)
ปี 2007 กระแสสังคมออนไลน์ หรือโซเชียลมีเดีย (Social Media)
ปี 2008 กระแสข้อมูลปริมาณมาก หรือบิ๊กดาต้า (Big Data)
ปี 2009 กระแสเศรษฐกิจแบ่งปัน หรือแชร์ริ่งอีโคโนมี (Sharing Economy)
ปี 2016 กระแสสกุลเงินคริปโต (Cryptocurrency)

โดยกระแสทั้ง 6 ยังคงส่งผลต่อการทำธุรกิจในปัจจุบันที่เศรษฐกิจทั้งโลกมีการเชื่อมโยงกัน ก่อให้เกิดการรวมกลุ่ม
ของเศรษฐกิจที่เหนียวแน่นขึ้น อินเทอร์เน็ต ยังคงส่งผลให้เกิดการสื่อสารและการใช้ออนไลน์เพิ่มมากขึ้น และส่งผลให้สื่อ สังคมออนไลน์ มีอิทธิพลมากกว่า สื่อแบบดั้งเดิม โดยมีการใช้ข้อมูลปริมาณมากในการทำธุรกิจและมีธุรกิจเกิดใหม่ที่ไม่ได้ลงทุนทรัพยากรแต่ใช้การแบ่งปันทรัพยากรจากคนอื่น และมีการสร้างสกุลเงินใหม่ที่เรียกว่าเงินดิจิทัล หรือเงินคริปโต
ที่อาจเหมาะสมกับการลงทุนและกลายเป็นสินทรัพย์ใหม่ทางด้านดิจิทัล ทำให้ภาคธุรกิจยังคงต้องปรับตัวอีกมาก

นายยงวุฒิ เสาวพฤกษ์ ผู้อำนวยการสถาบันอาหาร กระทรวงอุตสาหกรรม นายวิศิษฏ์ ลิ้มประนะ ประธานคณะอนุกรรมการศูนย์การเรียนรู้อาหารไทย ร่วมด้วยผู้เชี่ยวชาญและผู้ทรงคุณวุฒิด้านอาหารไทย ร่วมกันจัดทำเกณฑ์มาตรฐานอาหารไทยต้นแบบ “รสไทยแท้” โดยการปรุงและทดสอบรสชาติ อาหารคาวหวาน 9 เมนู  ได้แก่ ทอดมันปลา ฉู่ฉี่กุ้ง กุ้งซอสมะขาม ห่อหมกทะเล แกงเผ็ดเป็ดย่าง ยำวุ้นเส้นทะเล แกงกะหรี่ไก่ บัวลอย และข้าวเหนียวสังขยา  ภายใต้การจัดสรรงบประมาณจากสำนักงานเศรษฐกิจอุตสาหกรรม(สศอ.) ในโครงการ “ยกระดับมาตรฐานรสไทยแท้อุตสาหกรรมอาหารไทยในตลาดโลก (Authentic Thai Food for the World)” เพื่อยกระดับคุณภาพการผลิตอาหารในภาคอุตสาหกรรมและธุรกิจบริการอาหารของไทยให้มีคุณภาพปลอดภัยและมีคุณค่าโภชนาการที่เหมาะสม รักษาไว้ซึ่งเอกลักษณ์ของอาหารไทย  และใช้เป็นมาตรฐานอ้างอิงรับรองเครื่องหมาย “รสไทยแท้” มอบให้ร้านอาหารและผลิตภัณฑ์อาหารที่เข้าร่วมโครงการต่อไป เมื่อวันที่ 13 ก.พ. 2561 ณ ศูนย์การเรียนรู้อาหารไทย สถาบันอาหาร ถ.อรุณอมรินทร์

Page 1 of 6