ก้าวสู่ปี 2567 อย่างเต็มรูปแบบ
สวัสดีปีใหม่ทุกท่านอีกครั้ง ช่วงต้นปีแบบนี้เราคงต้องมองหาอะไรใหม่ๆมารันวงการกันสักหน่อย
ในยุคดิจิตัลที่กำลังก้าวเข้ามาอย่างเต็มรูปแบบ หนึ่งในทิศทางการพัฒนาที่สำคัญ คงหนีไม่พ้นการปรับองค์กรให้มีลักษณะ “data-driven” หรือขับเคลื่อนด้วย “ข้อมูล”
เพียงได้ยินคำว่าข้อมูล มดงานหน้าด่านคงเบื่อหน่าย(อยากได้ข้อมูลอีกแล้ว) ผู้บริหารอาจถอนหายใจ การเก็บข้อมูลดูเหมือนไกลแต่แท้จริงแล้วใกล้นิดเดียว
“Data-driven” การขับเคลื่อนด้วยข้อมูล ใกล้ตัวกว่าที่เราคิด
ในรอบการตรวจราชการแผ่นดิน โรงพยาบาลแห่งหนึ่งรายงานตัวเลขผู้ประสบอุบัติเหตุรุนแรงลดลงเมื่อเทียบกับปีก่อนหน้า ผู้ตรวจฯเกิดความสงสัยจึงสอบถาม
“พอดีว่าเขาปรับทางกลับรถค่ะ”
พยาบาลอาวุโสที่มาพร้อมทีมนำเสนอตอบ
“คนชอบไปกลับรถกันตรงนั้นแล้วชนกัน มีทุกวันเลยค่ะ พอดีมีน้องคนงานบ้านอยู่ตรงนั้น เขาบอกว่าทางกลับรถไม่มีไฟ ไม่มีช่องแยก คนเลยชนกัน พอเราบอกทางหลวงฯให้ปรับ ปรับเสร็จคนไข้หายไปเยอะเลยค่ะ”
สังเกตได้ว่า กระบวนการเบื้องหลังการปรับจุดกลับรถ ประกอบด้วยการรวบรวมข้อมูล, การตรวจจับข้อมูลที่โดดเด่นผิดปกติ, การค้นหาสาเหตุเบื้องหลังความผิดปกตินั้น จนนำไปสู่การแก้ไข
แม้กระบวนการทั้งหมด จะเกิดผ่านการพูดคุยของเหล่าหน้างานตัวน้อย ไม่ได้ผ่านคอมพิวเตอร์เครื่องใหญ่ หรือคณะทำงานน่าเกรงขามใดๆ แต่ทั้งหมดคือการขับเคลื่อนด้วยข้อมูล คือแก่นพื้นฐานของคำหรูๆอย่าง data-driven organization นั่นเอง
อันที่จริงวงการแพทย์เป็นวงการที่ตัดสินใจบนข้อมูลมาโดยตลอด เราอยู่ในยุคของ evidence-based medicine ที่ทุกการรักษาไม่อาจเกิดจากสัญชาตญาณ แต่เกิดจากการวิจัยและพิสูจน์ด้วยวิถีทางวิทยาศาสตร์และสถิติ เราร้องหาข้อมูลในทุกจุดของการตัดสินใจ ในทุกระดับชั้นของระบบการทำงาน เราไม่อาจยินยอมให้บางอย่างผ่านไปโดยไร้หลักฐานเชิงประจักษ์ บุคลากรทางการแพทย์ถูกบ่มเพาะมาในลักษณะนี้
ในแง่หนึ่ง สาธารณสุขจึงอาจเป็นวงการที่บุคลากรมีความพร้อมสูง ที่จะเปิดใจเข้าสู่ยุค data-driven decision making
—
“Data-driven” มีอะไรที่แตกต่าง หรือควรรู้บ้าง
คำว่า data-driven เป็นคำคุณศัพท์นะคะ จำต้องตามด้วยคำนามจึงจะเป็นคำที่สมบูรณ์ หากลองเสิร์ชดูก็จะพบทั้ง data-driven organization (องค์กร), data-driven decision making (การตัดสินใจ), data-driven medicine (การแพทย์), data-driven healthcare system (ระบบบริการสาธารณสุข) ฯลฯ หลากหลายมากมายจริงๆค่ะ
อย่างไรก็ตาม เนื้อแท้ของ data-driven คือการใช้ข้อมูลมาเป็นฐานในการวางแผน วางกลยุทธ์ หรือกระทำการตัดสินใจใดๆ แต่เพราะหลักนี้เกิดในบริบทดิจิตัล จึงอาจมีข้อแตกต่างที่เราไม่คุ้นหรือเข้าใจได้ยาก ที่สำคัญและควรรู้จักมีดังต่อไปนี้
1. Datafication
หลักคิดแบบ data-driven ต้องการข้อมูลที่จับต้องได้ หรือ(ว่าอย่างเข้าใจง่าย)เป็นตัวเลข คำนวณได้ วิเคราะห์ด้วยเครื่องมือต่างๆได้ ยกตัวอย่างเช่น Facebook อาจวิเคราะห์ว่าเรากำลังสนใจอะไร ผ่านระยะเวลาที่เราค้างหน้าจอไว้ที่ภาพใดภาพหนึ่งเป็นพิเศษ เขาจะไม่ถามว่าเราชอบอะไร แต่ตรวจจับว่าเราใช้เวลาไปกับอะไรบ้างแทน
แนวคิดดังกล่าวนี้มีชื่อเรียกเฉพาะว่า datafication หรือกระบวนการเก็บข้อมูล ที่ออกแบบโดยพยายามให้ได้ข้อมูลในรูปแบบที่นับได้ นำไปคำนวณต่อได้
หากเปรียบ “ข้อมูล” เสมือนบ่อน้ำมันแห่งโลกยุคใหม่ “Datafication” ก็เปรียบเหมือนแท่นขุดเจาะน้ำมันนั่นเอง
สำหรับสายการแพทย์ สังเกตว่าเราเก็บข้อมูลเป็นตัวเลขมากขึ้น ไม่ว่าจะ pain score หรือ door to needle time หรือระดับผู้บริหาร ก็เริ่มสนใจระยะเวลารอคอยของผู้ป่วยตามจุดต่างๆ นำไปสู่แง่มุมพัฒนาที่หลากหลาย อาจนับได้ว่านี่คือ datafication แบบไม่รู้ตัวของชาวสาธารณสุขนั่นเอง
และด้วย datafication ทำให้โลกยุคนี้เต็มไปด้วยข้อมูลและกลยุทธ์การเก็บข้อมูลมากมาย ข้อมูลที่เก็บและเอามาประมวลผลได้ จึงมีขนาดใหญ่กว่าทุกยุคสมัยที่ผ่านมา และนั่นคือขุมพลังของ data-driven นั่นเอง (ไม่ว่าคำนามที่ตามมาจะเป็นอะไรก็ตาม)
2. Data Visualization, Data Analysis, Visual Analytics หลักคิดแบบ data-driven ต้องการข้อมูลเป็นฐานในการคิดวิเคราะห์ จุดสำคัญจึงมิใช่ตัวข้อมูลเองเท่านั้น แต่เป็นหนทางนำไปสู่การคิดวิเคราะห์ด้วย
data visualization หมายถึงการนำเสนอข้อมูลด้วยภาพเพื่อส่งเสริมความเข้าใจ เช่น กราฟแท่ง กราฟเส้น ชารต์รูปแบบต่างๆ อย่างไรก็ดี ในยุคข้อมูลมหาศาล data visualization จึงกลายเป็นฟันเฟืองสำคัญ ที่ส่งให้ข้อมูลเหล่านั้นแสดงพลังออกมา
data analysis แปลตรงตัวหมายถึงการวิเคราะห์ข้อมูล หากแต่การวิเคราะห์ข้อมูลในบริบท data-driven นี้ มักพบกับชุดข้อมูลขนาดใหญ่ มีเป้าหมายที่ซับซ้อนกว่ายุคก่อนๆ ในปัจจุบันมีเครื่องมือ(โปรแกรม)หลากหลายให้เลือกใช้
visual analytics หมายถึงการนำข้อมูลมาสร้างเป็นภาพ แต่มิได้เพื่อนำเสนอแก่ผู้ชมเท่านั้น แต่เน้นให้ผู้ชมเห็นภาพและจับประเด็นสำคัญ นำไปสู่การวิเคราะห์จากภาพที่เห็นได้
ด้านล่างเป็นกราฟเส้น แสดงร้อยละของผู้ป่วยวิกฤติที่เสียชีวิตใน 24 ชั่วโมงของแต่ละเดือนย้อนหลัง 5 ปี สังเกตว่าทิศทางลดลงอย่างเห็นได้ชัด กราฟดังกล่าวนี้ถือเป็น data visualization และหากนำกราฟไปวิเคราะห์ต่อ โดยอาจใช้ control chart มาจับ ก็จะพบว่าอัตราตายในเดือนท้ายๆหลุดจาก lower control limit ไป เป็นหลักฐานว่ากระบวนการพัฒนาคุณภาพที่ทำอยู่ สัมฤทธิ์ผลอย่างงดงามแล้วนั่นเอง
(อย่างไรก็ดี data analysis และ visual analytics ในวงธุรกิจที่ใช้ data-driven อย่างจริงจัง ย่อมจะซับซ้อนกว่านี้มาก แต่ในบทความนี้ขอนำตัวอย่างที่เข้าใจได้ง่ายมาแสดงก่อน)
—
เห็นได้ว่าแม้คำว่า data-driven จะดูเหมือนไกลตัว แต่แท้จริงแล้วอยู่ใกล้ มีหลักคิดและวิธีการที่คล้ายกับที่เราคุ้นเคยกันดี หากแต่อาจซับซ้อน และมีจุดแตกต่าง
การปรับองค์กรให้มีลักษณะ data-driven นั้น จึงไม่ใช่เรื่องไกลเกินฝัน และมิได้ยากเกินความสามารถของชาวสาธาฯอย่างแน่นอน
แต่การปรับองค์กรให้มีลักษณะ data-driven ไม่อาจเกิดขึ้นได้ด้วยการออกคำสั่ง “เก็บข้อมูล” เพิ่มขึ้นเพียงอย่างเดียว หากแต่เกิดขึ้นด้วยการวิเคราะห์อย่างเป็นระบบ, นำผลวิเคราะห์ที่ได้ไปใช้อย่างจริงจัง, ทั้งกระบวนการทั้งหมดต้องไม่กลายเป็นภาระหน้างาน ให้เจ้าหน้าที่รวมถึงผู้เกี่ยวข้องทั้งหมดเห็นประโยชน์แน่ชัด และพร้อมจะเดินต่อไปด้วยกันใต้วัฒนธรรมที่ขับเคลื่อนด้วยข้อมูล
Comments