MSITBlog

1 minute reading time (219 words)

การวิเคราะห์ข้อมูลแบบแมตริกซ์ (Matrix Data Analysis)

ในผังแมตริกซ์ที่เราคุยกันผ่านมาแล้วนั้น เราเน้นไปที่การดูความสัมพันธ์ระหว่างกลุ่มของตัวแปรว่า มีมาก ปานกลาง หรือ น้อย แต่บางกรณีเราต้องการการตัดสินใจที่อาศัยตัวเลขที่มาจากการให้ค่าน้ำหนักในความสำคัญของข้อมูล ในแง่นี้เราควรจะใช้การวิเคราะห์ข้อมูลแบบแมตริกซ์

การสร้างตารางก็จะเหมือนกับผังแมตริกซ์ที่ผ่านมา เพียงแต่เราจะแสดงความสัมพันธ์ในลักษณะของตัวเลข เราลองมาดูจากตัวอย่างง่าย ๆ สักตัวอย่างหนึ่ง

สมมติว่า เรามีตัวเลือกในการซื้อโทรศัพท์มือถืออยู่ 4 ยี่ห้อ คือ A, B, C และดี และเรามีเกณฑ์ที่นำมาใช้ตัดสินใจคือ น้ำหนักเบา แบตเตอรีใช้ได้นาน ความละเอียดของจอภาพ คุณภาพของเสียง ขนาดเหมาะมือ (เมื่อถือมือเดียว) โปรแกรมที่ติดตั้งให้มา และ ราคาไม่แพง

จากข้อมูลข้างต้นเราสามารถสร้างตารางแมตริกซ์ได้ดังรูปด้านล่าง

แถวบนสุด เราจะเพิ่มแถวการให้น้ำหนักของเกณฑ์ที่ใช้ในการพิจารณาเข้าไป สมมติว่า เราสนใจมาก เราจะให้ 5 คะแนน ถ้าปานกลางก็ 3 คะแนน ถ้าน้อยมากก็ 1 คะแนน สมมติว่า เราตัดสินใจให้ค่าน้ำหนักเอาไว้ดังด้านล่าง

จากนั้น เราก็มาพิจารณาโทรศัพท์ว่าสัมพันธ์กับเกณฑ์มากน้อยเท่าใด แต่คราวนี้เราจะให้ออกมาเป็นคำแนน .. ถ้าสัมพันธ์กัยมาก จะให้ 5 คะแนน ถ้าปานกลางก็ 3 คะแนน ถ้าน้อยมากก็ 1 คะแนน สมมติว่า เราให้คะนนออมาดังรูปด้านล่าง

จากนั้น เราก็นำค่าน้ำหนัก มาคูณกับ คะแนนความสัมพันธ์ แล้วใส่เอาไว้ในช่องว่างทางขวามือ ดังรูปด้านล่าง

จากนั้น เราก็รวมคะแนนที่เกิดจากการคูณกันระหว่างค่าความสัมพันธ์กับเกณฑ์ไปตามแนวโรว์ของโทรศัพท์แต่ละยี่ห้อ ใส่ผลลงในช่องรวมคะแนน ซึ่งผลจะออกมาดังรูปด้านล่าง

จากตารางข้างบนจะเห็นว่า โทรศัพธ์ยี่ห้อ D จะได้คะแนนรวมสูงสุด ว่ากันตามหลักการแล้ว เราก็ควรจะเลือกซื้อโทรศัพท์ยี่ห้อ D

เราลองมาดูอีกตัวอย่างหนึ่ง ซึ่งเป็นการดูความสัมพันธ์ระหว่างสิ่งที่ลูกค้าต้องการกับสิ่งที่วิศวกรออกแบบ และเราแสดงความสัมพันธ์ในแบบผังแมตริกซ์

ในกรณีนี้ เราจะมองเห็นแค่ความสัมพันธ์มากน้อย (หรือ ไม่สัมพันธ์กันเลยเท่านั้น) เราคงทำอะไรมากกว่านี้ไม่ได้ แต่ถ้าเราเปลี่ยนความสัมพันธ์เป็นคะแนน เช่น

ถ้าสนับสนุนกัน … + 5 สนับสนุนกันมาก, + 3 สนับสนุนกันปานกลาง, + 1 สนับสนุนกันน้อย, 0 ไม่เกี่ยวข้องกันเลย

ถ้าต้านกัน … - 5 ต้านกันมาก, - 3 ต้านกันปานกลาง, - 1 ต้านกันน้อย, 0 ไม่เกี่ยวข้องกันเลย

เราจะได้ตารางออกมาดังรูป

ถ้าเราลองรวมคะแนนในแนวโรว์และคอลัมน์ จะได้ออกมาดังรูป

ถ้าดูตามแนวคอลัมน์ คราวนี้เราจะเห็นว่า เคสพลาสติกนั้น จะเสริมกับสิ่งที่ลูกค้าต้องการมาก (+ 10) โดยจะต้านอยู่ไม่มาก (- 3) … เราจะเพิ่มการสนับสนุนให้สูงขึ้นีกได้ไหม เช่น เราอาจจะหันหมาใช้เคสเป็นโลหะบาง ๆ ซึ่งมีน้ำหนักเบาเช่นกัน แต่แข็งแรงทนทานกว่า แต่ราคาอาจจะสูงขึ้นเล็กน้อย

ส่วน หน้าจอมีความละเอียดสูงนั้น ไม่มีการสนับสนุนกับความต้องการของลูกค้าเลย มีแต่การต้านกันทั้งสิ้น (- 11) … ในกรณีนี้ เราอาจจะตัดส่วนนี้ออกไปก็ได้ แต่ถ้าวิศวกรยังยืนยันว่าต้องมี เราสามารถลดการต้านลงได้ เช่น เปลี่ยนจาก หน้าจอมีความละเอียดสูงมาเป็น หน้าจอมีความละเอียดปากกลางก็จะทำให้กินไฟน้อยลง และราคาถูกลงด้วย แม้ว่า เราจะไม่ได้ในเชิงการสนับสนุน แต่เราก็มีคะแนนการต้านลดลง

ผลที่ได้จะเป็นดังตารางด้านล่าง

ลองมาดูในแนวโรว์กันบ้าง เราจะไปเปลี่ยนสิ่งที่ลูกค้าต้องการ เช่น การมีน้ำหนักเบา แข็งแรง/ทนทาน แบตอึด อะไรพวกนี้ ย่อมไม่ได้ เพราะถ้าเราไปเปลี่ยน ลูกค้าอาจจะไม่ซื้อสินค้าของเราก็ได้ แต่เราสามารถกำหนดน้ำหนัก (หรือ ความสำคัญ) ของความต้องการของสิ่งที่ลูกค้าต้องการได้ โดยการนำหัวข้อเหล่านี้ไปถามลูกค้าว่า เขาชอบตัวไหนมาก หรือ น้อย ถ้ามากก็ให้ 5 ปานกลางก็ให้ 3 น้อยก็ให้ 1

จากนั้น เราก็เอาคะแนนความสำคัญไปคูณกับคะแนนในช่อง รวมแล้วนำผลไปใส่ไว้ที่ช่อง คะแนนรวม” … คราวนี้ เราจะเห็นว่า มีน้ำหนักเบานั้น เป็นสิ่งที่ลูกค้าต้องการมากที่สุด แต่คะแนนเสริมมีแค่ +25 แต่คะแนนต้านสูงถึง -40 … เราจะจัดการกับเรื่องนี้อย่างไร เราจะใช้ทำการปรับโน่นนี่ให้เหมาะสมที่สุดได้อย่างไร

จากที่ยกตัวอย่างมานี้ เราจะเห็นกว่าการใช้การวิเคราะห์ข้อมูลแบบแมตริกซ์นั้นจะช่วยเราตัดสินใจสิ่งต่าง ๆ ดีกว่า การใช้ผังแมตริกซ์แบบธรรมดาที่เราคุยกันผ่านมาแล้ว

 

ปิดท้ายของอนุกรม “Basic Problem Solving”
ผังโปรแกรมการตัดสินใจเชิงกระบวนการ (Process Decisi...

Related Posts

 

Comments

No comments made yet. Be the first to submit a comment
Already Registered? Login Here
Guest
Tuesday, 07 April 2020