บทความก่อนหน้าซึ่งเป็นบทความแรกของซีรีส์นี้ได้พูดถึงการหาคำตอบของสิ่งที่สงสัยโดยใช้ข้อมูล แม้ว่าคำถามตัวอย่างในบทความนั้นจะดูเป็นคำถามที่ไม่นำไปสู่อะไรนอกจากการตอบสนองความอยากรู้อยากเห็นของใครสักคน แต่อย่าได้ดูถูกความอยากรู้อยากเห็นเหล่านี้เชียว เพราะพัฒนาการต่างๆ ของมนุษยชาตินั้นล้วนเกิดมาจากความอยากรู้อยากเห็นทั้งสิ้น
ความอยากรู้อยากเห็นผลักดันให้มนุษย์ลองผิดลองถูกเพื่อหาคำตอบของสิ่งที่สนใจ เมื่อเราลองจนได้คำตอบที่ถูกต้องแล้วก็ไปลองผิดลองถูกกับสิ่งใหม่ เพราะคงไม่มีใครอยากลองผิดเรื่องเดิมซ้ำสอง กระบวนการเรียนรู้นี้นำไปสู่การพัฒนาองค์ความรู้และความเข้าใจใหม่ๆ และหนึ่งในเครื่องมือสำคัญที่ช่วยให้มนุษย์ไม่ต้องลองผิดเรื่องเดิมซ้ำแล้วซ้ำอีกก็คือ ข้อมูล
ตามข้อสันนิษฐานของนักโบราณคดี ภาพเขียนผนังถ้ำลัสโก (Lascaux) เมื่อประมาณ 15,000 ปีก่อนคริสตกาล น่าจะเป็นผลงานของนักวิเคราะห์ข้อมูลยุคแรกๆ เพราะภาพเขียนนี้ไม่ได้มีเพียงภาพวาดสัตว์วิ่งขนาดใหญ่แต่ยังมีจุดแปลกๆ ที่เรียงกันเป็นแถว เช่น มีการพบจุด 13 จุดที่อยู่ถัดจากรูปกวางตัวผู้ที่กำลังติดสัด โดยนักโบราณคดีได้ตั้งข้อสันนิษฐานว่า จุดเหล่านี้กำลังแสดงถึงการเกิดข้างขึ้นข้างแรมเพราะจุด 13 จุดนี้สามารถรวมกันเป็น 1 ไตรมาสหรือ 1 ฤดูกาลพอดี
Photo: Bayes Ahmed, CC BY 2.0 via Flickr
นอกจากนี้ นักโบราณคดียังสันนิษฐานว่าภาพเขียนเหล่านี้ถูกใช้เพื่อสอนช่วงเวลาที่เหมาะสมในการล่าสัตว์แต่ละประเภท เช่น ควรล่ากวางในฤดูที่พวกมันกำลังติดสัด แน่นอนว่าคนวาดภาพเหล่านี้จะไม่มีทางรู้ได้เลยว่าช่วงเวลาไหน คือช่วงเวลาที่เหมาะสมในการล่ากวางถ้าไม่ผ่านกระบวนการลองผิดลองถูก สังเกตและจดบันทึก นี่คือพลังของข้อมูล
ถึงแม้ว่าความรวดเร็ว ความว่องไว ความแข็งแรง และอาวุธที่ดีล้วนเป็นปัจจัยสำคัญในการล่าสัตว์ แต่ข้อสันนิษฐานของนักโบราณคดีเกี่ยวกับคู่มือการสอนนักล่าสัตว์นี้แสดงให้เห็นว่าข้อมูลก็เป็นอีกเครื่องมือสำคัญที่มนุษย์ใช้เพื่อเอาชนะความหิวโหยมาตั้งแต่โบราณกาล
นอกจากภาพเขียนผนังถ้ำ มนุษยชาตินั้นมีการจดบันทึกสิ่งที่เกิดขึ้นและพยายามใช้มันเพื่ออธิบายและทำนายปรากฏการณ์ต่างๆ อีกมากมาย เช่น ถ้ามดขนไข่แปลว่าฝนกำลังจะตก ถ้าน้ำทะเลลดฮวบแปลว่าคลื่นใหญ่กำลังมา หรือแม้แต่โหราศาสตร์บางแขนงก็มีรากฐานมาจากการวิเคราะห์ข้อมูลดวงดาวที่มีการบันทึกไว้ในอดีต แก่นของสิ่งเหล่านี้ไม่ได้ต่างไปจากการพยากรณ์สภาพอากาศในปัจจุบัน คือ การพยายามใช้ข้อมูลในอดีตที่เกิดขึ้นซ้ำๆ มาทำนายอนาคต จะต่างกันตรงเครื่องมือที่ใช้และวิธีการอธิบายผลเท่านั้น
แต่มนุษย์ไม่ได้ใช้ข้อมูลในการพยากรณ์เพียงอย่างเดียว ในช่วงปี 1853-1856 ที่สงครามไครเมียกำลังปะทุหนัก ฟลอเรนซ์ ไนติงเกล และทีมพยาบาลของเธอต้องเผชิญกับปัญหาความแออัดของโรงพยาบาลสนามรวมถึงการขาดแคลนอาหารและเครื่องนอน สถานการณ์ที่ตึงเครียดจากสงครามทำให้มีผู้ต้องได้รับการรักษาเป็นจำนวนมากจนเกินกำลังทีมแพทย์ และมีศพทหารหลายร้อยนายที่ต้องถูกฝังก่อนจะมีโอกาสได้ทราบชื่อ
ด้วยความที่ไนติงเกลตั้งใจเรียนวิชาคณิตศาสตร์มาตั้งแต่เด็ก เธอจึงเริ่มทำระบบทะเบียนทหารในโรงพยาบาลสนามโดยมีการบันทึกข้อมูลผู้ป่วยในโรงพยาบาลทั้งจำนวนผู้ป่วยใหม่ โรคของผู้ป่วย ไปจนถึงจำนวนผู้เสียชีวิต ก่อนที่ไนติงเกลจะเผยแพร่ข้อค้นพบจากข้อมูลของเธอเพื่อปฏิรูประบบการจัดการทางการแพทย์ในสงคราม เธอได้สร้างแผนภาพรูปใหม่ที่เรียกว่าแผนภาพพื้นที่เชิงขั้ว (Polar area diagram) เพื่อช่วยให้รัฐบาลและกองทัพที่อาจจะไม่คุ้นชินกับตัวเลขสามารถทำความเข้าใจข้อค้นพบได้อย่างง่ายดายด้วยการมองแค่ปราดเดียว
อีกกรณีหนึ่งคือภาพยนตร์ Moneyball ที่เล่าถึง บิลลี บีน (Billy Beane) ผู้จัดการทั่วไปของ โอ๊คแลนด์ แอธเลติกส์ (Oakland Athletics) ทีมเบสบอลที่อยู่ในสภาวะย่ำแย่ ทั้งฟอร์มการเล่นที่ไม่ดี คะแนนก็อยู่ท้ายตาราง แถมผู้เล่นมือดีของทีมก็เพิ่งถูกซื้อตัวไป เพื่อพลิกสถานะของทีม บิลลีได้ทำการรื้อระบบภายในใหม่ด้วยการเก็บข้อมูลผู้เล่นแต่ละคนและปรับแผนการเล่นของทีมให้เข้ากับข้อมูลของผู้เล่นแต่ละคน รวมถึงวางแผนการซื้อขายผู้เล่นเพื่อหาเงินเข้าทีมโดยบิลลีนำข้อมูลผู้เล่นที่เก็บรวบรวมมาคำนวณฝีมือการเล่น เขาพบว่ามีผู้เล่นทีมอื่นบางคนที่มีความสามารถมากกว่าราคาที่ตั้งไว้ และมีผู้เล่นทีมของเขาบางคนที่ความสามารถไม่ถึงราคาที่ทีมอื่นเสนอซื้อ สิ่งนี้ทำให้บิลลีสามารถซื้อขายผู้เล่นได้อย่างคุ้มค่าโดยการเลือกผู้เล่นที่เหมาะสมลงสนามจนทำให้ทีมสามารถพลิกกลับมาชนะ 20 เกมรวดอย่างน่าเหลือเชื่อ
ถึงแม้การวัดความสามารถของผู้เล่นด้วยข้อมูลจะไม่ใช่สิ่งที่ใหม่ในวงการกีฬาแต่ในอดีตวงการเบสบอลมักประเมินฝีมือของผู้เล่นแต่ละคนผ่านท่าทางการตี หน่วยก้าน และการตีโฮมรัน การตีโฮมรันนั้นเป็นสิ่งที่สำคัญที่สุดเพราะเป็นข้อมูลที่สังเกตได้ง่ายโดยไม่ต้องอาศัยการจดบันทึกและประมวลผลอะไรมาก นักเบสบอลที่ตีโฮมรันได้บ่อยก็มักถูกมองว่าเก่งเพราะเป็นสิ่งที่ทำได้ยาก ส่งผลให้ได้ค่าตัวสูงกว่าตามไปด้วย ในขณะที่บิลลีสนใจข้อมูลเพียงสองอย่าง คือ เปอร์เซ็นต์การสลัก (slugging percentage) หมายถึง เปอร์เซ็นต์การวิ่งเจาะขโมยฐานทีมตรงข้ามสำเร็จในระหว่างการแข่งขัน และ เปอร์เซ็นต์ตีโดนลูก (on-base percentage) โดยเปอร์เซ็นต์ตีโดนลูกนี้จะตัดปัจจัยภายนอกอย่างการตั้งใจขว้างลูกออกหรือการรบกวนจากผู้เล่นทีมตรงข้ามออกไป เห็นได้ชัดว่าข้อมูลทั้งสองต้องอาศัยการเก็บบันทึกอย่างดีเพื่อนำมาวิเคราะห์ ความสำเร็จของทีมโอ๊คแลนด์ แอธเลติกส์ ได้ปฏิวัติวงการเบสบอลไปตลอดกาล ทุกทีมต้องปรับวิธีการเลือกผู้เล่นโดยอิงจากข้อมูลทางสถิติมากขึ้นและหลังจากนั้นก็มีการต่อยอดแนวทางการวัดความสามารถนักเบสบอลไปอีกมากมาย
หนึ่งปัจจัยที่ช่วยผลักดันให้เกิดการเรียนรู้จากข้อมูลนั้น คือเครื่องมือที่ช่วยในการคำนวณและวิเคราะห์ข้อมูลอย่างคอมพิวเตอร์ สมัยก่อนที่เครื่องมือต่างๆ ยังไม่สามารถจัดการกับข้อมูลขนาดใหญ่ได้อย่างรวดเร็ว การเก็บข้อมูลและวิเคราะห์ข้อมูลต้องพึ่งพาคนจำนวนมาก ขนาดกรณีของไนติงเกลยังต้องตั้งทีมขึ้นมาเพื่อประมวลผลข้อมูลของโรงพยาบาลแห่งเดียวโดยเฉพาะ การขยายขอบเขตการทำงานให้วิเคราะห์ข้อมูลคนไข้ทั้งเมืองหรือทั้งประเทศอาจจะทำให้งานนี้กลายเป็นงานช้างไปในทันที
โชคดีที่ระบบการประมวลผลของคอมพิวเตอร์ในปัจจุบันถูกพัฒนาไปมาก เราจึงสามารถใช้ข้อมูลขนาดใหญ่ประกอบการวางแผนและตัดสินใจเรื่องสำคัญๆ ในระดับประเทศได้ หากย้อนกลับไปดูช่วงการแพร่ระบาดของโควิด-19 เราจะเห็นว่าการขาดศักยภาพในการจัดการข้อมูลนั้นส่งผลเสียขนาดไหน เมื่อไม่สามารถจัดการข้อมูลได้ ข้อมูลสำคัญอย่างจำนวนคนติดโควิด จำนวนคนที่รักษาหาย จำนวนคนที่ถูกกักตัวในโรงพยาบาล ก็กลายเป็นของที่ทุกคนถามหาแต่หาไม่เจอ แน่นอนว่าไม่มีรัฐบาลของประเทศไหนเคยรับมือกับการระบาดของโควิดมาก่อนจึงต้องมีการลองผิดลองถูกกันอยู่บ้าง สิ่งที่เราได้เรียนรู้จากเหตุการณ์นี้คือ ข้อมูลเหล่านี้เป็นกุญแจสำคัญที่ช่วยให้ผู้นำประเทศประเมินสถานการณ์ได้ถูกต้อง ลองผิดน้อยลงและลองอะไรที่มีแนวโน้มที่จะถูกมากขึ้น
ความจริงแล้วคนทั่วไปก็มีอะไรให้ตัดสินใจมากมายในชีวิตประจำวัน และแต่ละคนคงมีวิธีตัดสินใจเรื่องต่างๆ ด้วยมุมมองและวิธีที่ไม่เหมือนกัน เช่น คนขับรถที่ชำนาญทางมักจะพูดว่าเขาตัดสินใจเลือกเส้นทางที่รถไม่ติดได้อย่างแม่นยำอยู่เสมอเพราะสัญชาตญาณ แน่นอนว่าสัญชาตญาณเหล่านี้ก็เป็นผลลัพธ์ของการลองผิดลองถูกของคนขับรถที่ขับจนคุ้นเคยกับพื้นที่บริเวณนั้นเป็นอย่างดีจนคาดการณ์ได้ว่าถนนแต่ละเส้นจะเจอรถติดที่ช่วงเวลาไหน บางคนอาจจะชำนาญจนสามารถบอกล่วงหน้าได้เลยว่าเกิดอะไรขึ้นที่สามแยกถัดไปเพียงเห็นหางแถวของรถที่สี่แยกหนึ่ง
อย่างไรก็ดี การตัดสินใจอะไรต่างๆ ด้วยสัญชาตญาณมีข้อเสียสองข้อ
หนึ่ง บางครั้งสัญชาตญาณอาจจะผิดก็ได้เพราะสัญชาตญาณอาจมาคู่กับอคติ ตัวอย่างง่ายๆ ที่แสดงให้เห็นผลกระทบของการมีอคติในการใช้สัญชาตญาณ คือการที่คนมักจะคิดว่าฝนชอบตกในวันที่ซักผ้าตลอด จนเหมือนฟ้าฝนรู้ว่าเราจะซักผ้าวันไหน สิ่งนี้ไม่มีทางเป็นจริงอย่างแน่นอนเพราะในแต่ละวันก็น่าจะมีใครสักคนที่ซักผ้าอยู่แล้ว หากความเชื่อที่ว่าถ้าวันไหนมีคนซักผ้าแล้วฝนตกเป็นจริง ฝนก็ควรจะตกทุกวัน สิ่งที่ทำให้เราเชื่อไปแบบนั้นเป็นเพราะธรรมชาติของมนุษย์มักจะจำเหตุการณ์ที่ไม่ดีได้มากกว่าเหตุการณ์ทั่วๆ ไป ในกรณีนี้อาจหมายถึง บางวันฝนก็ตกทั้งที่เราไม่ได้ซักผ้า หรือ บางวันซักผ้าแล้วฝนก็ไม่ตก ซึ่งเราไม่ได้จดจำเหตุการณ์พวกนั้น แต่ทุกครั้งที่ซักผ้าแล้วฝนตกเราจะนึกย้อนไปถึงวันที่เกิดเหตุการณ์แบบเดียวกันมากกว่า
สอง คือ สัญชาตญาณนั้นไม่สามารถอธิบายได้ ถึงแม้มันจะถูกต้องก็ตาม คนขับรถที่ชำนาญทางอาจจะเลือกเส้นทางที่รถไม่ติดได้ แต่คงไม่สามารถอธิบายได้ว่าทำไมถึงเลือกแบบนั้น นอกจากตอบว่าใช้สัญชาตญาณ สิ่งนี้ทำให้วิธีการคิดไม่ได้ถูกส่งต่อซึ่งไม่มีประโยชน์อะไร หากย้อนกลับไปในกรณีภาพเขียนผนังถ้ำกับการล่าสัตว์ ถ้าคนในยุคนั้นพึ่งแต่สัญชาตญาณของนักล่าสัตว์เก่งๆ และไม่พยายามเก็บข้อมูลเพื่ออธิบายสัญชาตญาณนั้น สุดท้ายพวกเขาก็คงไม่สามารถสร้างองค์ความรู้เพื่อส่งต่อให้คนอื่นได้เลย
การใช้ข้อมูลช่วยให้เราก้าวข้ามข้อเสียของการใช้สัญชาตญาณได้ หากมองในระดับปัจเจกบุคคล การทำบัญชีรายรับรายจ่ายช่วยให้เราทำความเข้าใจที่มาของรายจ่ายแต่ละช่วงเวลาได้โดยไม่ต้องพึ่งสัญชาตญาณ หากเราใช้แต่สัญชาตญาณ เราอาจจะพยายามไปลดรายจ่ายก้อนใหญ่ทั้งที่ต้นเหตุของการไม่มีเงินเก็บอาจจะมาจากรายจ่ายก้อนเล็กที่เราจ่ายอยู่ทุกวันก็ได้ หากมองในระดับองค์กร การใช้ข้อมูลเพื่อวางแผนและตัดสินใจในเรื่องต่างๆ ช่วยให้องค์กรตัดสินใจได้เฉียบคมขึ้น เช่น การประเมินความสามารถของพนักงานในปัจจุบันที่ใช้ข้อมูลผลการทำงานย้อนหลังที่ตรงไปตรงมาและไม่ใช้ตัวชี้วัดที่อาจจะมีอคติ
เรื่องของไนติงเกลและบิลลีเป็นกรณีศึกษาเกี่ยวกับการเลือกใช้ข้อมูลเป็นฐานแทนการตัดสินใจด้วยสัญชาตญาณได้ดี พวกเขาไม่เพียงแต่เก็บบันทึกข้อมูลแต่ยังออกแบบการวิเคราะห์ข้อมูลของตัวเองให้มีความสอดคล้องกับปัญหาที่ต้องการแก้ด้วย แน่นอนว่าเราสามารถเลือกวิธีที่ใช้กันทั่วไปได้ แต่หลายครั้งเครื่องมือเหล่านั้นอาจจะไม่ตอบโจทย์ที่มีลักษณะพิเศษก็ได้ เช่น วิธีการทำบัญชีรายรับรายจ่ายของมนุษย์เงินเดือนและฟรีแลนซ์ก็จะมีความแตกต่างกัน วิธีการประเมินพนักงานขององค์กรแต่ละองค์กรก็มีแนวคิดและกระบวนการที่แตกต่างกัน ดังนั้นเราควรลองผิดลองถูก และพัฒนาวิธีที่สอดคล้องกับโจทย์ของเราให้มากที่สุด เพื่อลดการลองผิด และเพิ่มการลองถูกในอนาคต
ที่มา
บทความ “21,500-Year-Old “Writing?” Not Everyone Is Buying It!” จาก ancient-origins.net (Online)
บทความ “A Brief History of Data Science” จาก dataversity.net (Online)
บทความ “Data literacy” จาก opendatasoft.com (Online)
บทความ “FLORENCE NIGHTINGALE: THE PIONEER STATISTICIAN” จาก sciencemuseum.org.uk (Online)
บทความ “How are Data Science, Data Literacy, and AI different?” จาก correlation-one.com (Online)
บทความ “เปลี่ยนทีมบ๊วยให้ปังด้วย Big Data จากภาพยนตร์เรื่อง Moneyball” จาก everydaymarketing.co (Online)
Photo: Kirk Thornton on Unsplash
