กับดักของตัวเลขใน Dashboard ที่ทำให้ตัดสินใจผิด

รู้ทันกับดักตัวเลขที่พบบ่อย เช่น ค่าเฉลี่ยหลอกตา Simpson's Paradox ฐานเล็ก และ Goodhart's Law พร้อมวิธีให้ AI ช่วยจับผิด Dashboard ของคุณ

ร้านค้าออนไลน์แห่งหนึ่งฉลองกันทั้งทีมเพราะ Dashboard บอกว่ายอดขายช่องทางใหม่โต 300% แต่พอดูละเอียด เดือนก่อนขายได้ 2 ออเดอร์ เดือนนี้ 8 ออเดอร์ ตัวเลขถูกต้องทุกตัว แต่ข้อสรุปผิด ความผิดพลาดแบบนี้ไม่ได้มาจากข้อมูลเสีย แต่มาจาก "กับดักของตัวเลข" ที่ทุกคนเจอได้ รวมถึง AI ที่ช่วยคุณวิเคราะห์ด้วย

กับดักของตัวเลข คืออะไร

คือสถานการณ์ที่ตัวเลขถูกต้องทางเทคนิค แต่ถูกนำเสนอหรือตีความจนพาไปสู่ข้อสรุปที่ผิด Dashboard ทำให้กับดักเหล่านี้อันตรายขึ้น เพราะตัวเลขถูกแสดงซ้ำทุกวันจนคนเชื่อโดยไม่ตั้งคำถาม

กับดักที่ 1: เปอร์เซ็นต์จากฐานเล็ก

การเปลี่ยนแปลงเป็นเปอร์เซ็นต์ของตัวเลขที่เล็กมากดูยิ่งใหญ่เกินจริง วิธีแก้คือแสดงตัวเลขจริงคู่กับเปอร์เซ็นต์เสมอ และกำหนดเกณฑ์ขั้นต่ำ เช่น ไม่คำนวณอัตราการเติบโตถ้าฐานน้อยกว่าจำนวนที่ตกลงกัน

กับดักที่ 2: ค่าเฉลี่ยซ่อนการกระจาย

ค่าเฉลี่ยยอดซื้อต่อบิลอาจสูงขึ้นเพราะลูกค้าองค์กรไม่กี่รายสั่งของล็อตใหญ่ ทั้งที่ลูกค้าส่วนใหญ่ซื้อน้อยลง ใช้ค่ามัธยฐาน (median) ควบคู่ หรือแสดงการกระจายเป็น histogram

กับดักที่ 3: Simpson's Paradox

คือปรากฏการณ์ที่แนวโน้มในแต่ละกลุ่มย่อยไปทางหนึ่ง แต่พอรวมกันแล้วกลับไปอีกทาง สาเหตุมาจากสัดส่วนของกลุ่มเปลี่ยนไป ตัวอย่างเช่น อัตราการซื้อของทั้งลูกค้าใหม่และลูกค้าเก่าดีขึ้น แต่อัตรารวมลดลง เพราะเดือนนี้มีลูกค้าใหม่ที่อัตราการซื้อต่ำกว่าเข้ามาในสัดส่วนมากขึ้น วิธีป้องกันคือแยกดูตามกลุ่มสำคัญทุกครั้งที่ตัวเลขรวมเปลี่ยนแรง

กับดักที่ 4: เทียบผิดช่วงเวลา

ธุรกิจไทยมีฤดูกาลชัดเจน เช่น สงกรานต์ ปีใหม่ หรือแคมเปญวันที่ตัวเลขซ้ำกันของ marketplace การเทียบเดือนต่อเดือนอาจทำให้ตื่นตกใจโดยไม่จำเป็น ให้เทียบกับช่วงเดียวกันของปีก่อน และระบุบนกราฟว่าช่วงไหนมีแคมเปญ

กับดักที่ 5: Goodhart's Law

หลักนี้กล่าวโดยสรุปว่า เมื่อตัวชี้วัดกลายเป็นเป้าหมาย มันจะเลิกเป็นตัวชี้วัดที่ดี เช่น ถ้าวัดทีม Call Center ด้วยเวลาคุยต่อสาย พนักงานอาจรีบวางสายทั้งที่ปัญหาลูกค้ายังไม่จบ ทางแก้คือจับคู่ตัวชี้วัดที่ถ่วงกัน เช่น เวลาคุยต่อสายคู่กับอัตราแก้ปัญหาได้ในครั้งเดียว

กับดักที่ 6: Vanity Metrics และกราฟสะสม

ยอดผู้ติดตามสะสมหรือยอดดาวน์โหลดสะสมขึ้นอย่างเดียว ทำให้ดูดีเสมอ แต่ไม่บอกว่าธุรกิจดีขึ้นจริงหรือไม่ ให้ดูตัวเลขรายช่วง เช่น ผู้ใช้ที่ใช้งานจริงต่อสัปดาห์ และตัวเลขที่ผูกกับรายได้

ตัวอย่าง: ร้านเครื่องใช้ไฟฟ้าออนไลน์

Dashboard แสดงว่าอัตราคืนสินค้ารวมลดลง ทีมจึงคิดว่าคุณภาพบริการดีขึ้น แต่เมื่อแยกตามหมวดสินค้า พบว่าอัตราคืนของทุกหมวดเท่าเดิมหรือสูงขึ้น ตัวเลขรวมลดลงเพราะเดือนนั้นขายหมวดที่คืนน้อยได้มากเป็นพิเศษ ทีมจึงเพิ่มกราฟแยกหมวดไว้ใน Dashboard ถาวร

ตัวเลขไม่โกหก แต่วิธีที่เราดูตัวเลขโกหกเราได้

ใช้ AI ช่วยจับผิด Dashboard

• ส่งตารางสรุปให้ AI แล้วถามว่า "ข้อสรุปนี้อาจผิดได้ด้วยเหตุผลอะไรบ้าง ควรแยกดูข้อมูลตามมิติไหน"
• ให้ AI ตรวจว่า KPI แต่ละตัวมีตัวชี้วัดถ่วงหรือยัง
• ให้ AI ทำหน้าที่ผู้บริหารขี้สงสัย ตั้งคำถามกับทุกตัวเลขที่ดีเกินจริง

ข้อควรระวัง

• AI เองก็ตกกับดักเหล่านี้ได้ โดยเฉพาะเมื่อสรุปจากค่าเฉลี่ยหรือตัวเลขรวม อย่าให้ AI เป็นผู้ตรวจคนเดียว
• การแยกข้อมูลละเอียดเกินไปทำให้แต่ละกลุ่มเล็กจนเกิดความผันผวนสุ่ม และกลับไปตกกับดักฐานเล็ก
• ถ้าเปลี่ยนนิยามตัวชี้วัด ให้บันทึกวันที่เปลี่ยนไว้บน Dashboard ไม่เช่นนั้นกราฟจะเทียบของคนละอย่าง

ทำอะไรต่อ

1. เลือก KPI 3 ตัวที่ใช้ตัดสินใจบ่อยที่สุด
2. ตรวจแต่ละตัวกับกับดักทั้ง 6 ข้อ
3. เพิ่มตัวเลขจริงคู่เปอร์เซ็นต์ เพิ่ม median และกราฟแยกกลุ่มที่จำเป็น
4. จับคู่ KPI กับตัวชี้วัดถ่วง
5. ให้ AI และเพื่อนร่วมทีมช่วยตั้งคำถามก่อนนำเสนอ

อยากเล่าตัวเลขที่ตรวจแล้วให้คนลงมือทำ อ่านต่อที่ Data Storytelling: เล่าเรื่องจาก Dashboard ให้คนลงมือทำ และเสริมพื้นฐานด้วยคอร์ส เมื่อใคร ๆ ก็ทำ Analytics ได้ในยุค Gen AI บน Plants.work Learn ถ้าอยากต่อยอดเป็นอาชีพ ดูตำแหน่งงานสาย Data ได้ที่ หน้างาน