Gartner’s Analytics Maturity Model คือกรอบแนวคิด (Framework) ที่พัฒนาโดย Gartner เพื่อใช้วัด “ระดับความพร้อมและความสามารถด้านการใช้ข้อมูล (Analytics)” ขององค์กร ตั้งแต่ระดับพื้นฐานไปจนถึงระดับที่ใช้ AI และการคาดการณ์เชิงกลยุทธ์ได้
โมเดลนี้ช่วยตอบคำถามสำคัญว่า
👉 “องค์กรของคุณใช้ข้อมูลได้ลึกแค่ไหน และควรพัฒนาไปสู่ระดับถัดไปอย่างไร”
เลือกหัวข้ออ่าน
Toggle🧠 ภาพรวมของ Gartner’s Analytics Maturity Model
โมเดลนี้แบ่งออกเป็น 4 ระดับหลัก (4 Stages) โดยไล่จาก “ดูอดีต” → “เข้าใจเหตุผล” → “คาดการณ์อนาคต” → “แนะนำการตัดสินใจ”
📊 4 ระดับของ Analytics Maturity
1️⃣ Descriptive Analytics (What happened?)
👉 “เกิดอะไรขึ้น”
-
วิเคราะห์ข้อมูลย้อนหลัง
-
ใช้รายงาน (Reports), Dashboard
-
KPI, Summary, Trend
ตัวอย่าง:
-
ยอดขายเดือนนี้เท่าไร
-
ลูกค้าซื้ออะไรบ้าง
🔹 Tools:
Excel, BI Dashboard เช่น Power BI, Tableau
🔹 ข้อจำกัด:
-
รู้แค่ “ผลลัพธ์”
-
ยังไม่รู้ “สาเหตุ”
2️⃣ Diagnostic Analytics (Why did it happen?)
👉 “ทำไมถึงเกิด”
-
วิเคราะห์เชิงลึกหาสาเหตุ
-
Drill down / Correlation / Segmentation
-
Root Cause Analysis
ตัวอย่าง:
-
ทำไมยอดขายตก?
-
ลูกค้ากลุ่มไหนซื้อเยอะ?
🔹 เทคนิค:
-
RFM Analysis
-
Cohort Analysis
-
Funnel Analysis
🔹 Insight:
เริ่มเข้าใจ “Behavior”
3️⃣ Predictive Analytics (What will happen?)
👉 “จะเกิดอะไรขึ้น”
-
ใช้ Data + Model ทำนายอนาคต
-
Machine Learning
-
Forecasting
ตัวอย่าง:
-
ลูกค้าคนไหนจะเลิกซื้อ (Churn)
-
ยอดขายเดือนหน้าจะเป็นเท่าไร
🔹 Tools:
-
Python / ML Model
-
AI / Data Science
🔹 Value:
👉 เริ่ม “วางแผนล่วงหน้าได้”
4️⃣ Prescriptive Analytics (What should we do?)
👉 “ควรทำอะไร”
-
AI แนะนำการตัดสินใจ
-
Optimization
-
Simulation
ตัวอย่าง:
-
ควรยิง Ads แบบไหนถึงกำไรสูงสุด
-
ควรให้โปรโมชั่นอะไรกับลูกค้าคนนี้
🔹 Advanced:
-
AI Decision System
-
Recommendation Engine
🔹 Value:
👉 “ระบบช่วยคิดแทนมนุษย์”
🔥 สรุปทั้ง 4 ระดับแบบเข้าใจง่าย
| Level | คำถาม | ความสามารถ | Value |
|---|---|---|---|
| Descriptive | เกิดอะไร | Report | มองอดีต |
| Diagnostic | ทำไม | วิเคราะห์ลึก | เข้าใจเหตุผล |
| Predictive | จะเกิดอะไร | Forecast | วางแผน |
| Prescriptive | ควรทำอะไร | AI แนะนำ | ตัดสินใจ |
🧩 จุดเด่นของ Gartner Model
1. เป็น “Data Journey”
ไม่ใช่แค่เทคโนโลยี แต่เป็นการพัฒนาองค์กรทั้งระบบ
2. เชื่อมกับ Business Value
ยิ่ง maturity สูง → ROI สูงขึ้น
3. ใช้เป็น Roadmap ได้จริง
องค์กรสามารถวางแผน “ไต่ระดับ” ได้
🏢 ตัวอย่างการใช้งานในธุรกิจจริง
🛍️ Retail / E-commerce
-
Level 1: ดูยอดขายสินค้า
-
Level 2: วิเคราะห์สินค้าขายดีเพราะอะไร
-
Level 3: ทำนายสินค้า Trending
-
Level 4: AI แนะนำสินค้าให้ลูกค้า
🏦 Banking / Insurance
-
Level 1: รายงานลูกค้า
-
Level 2: วิเคราะห์ Risk
-
Level 3: Predict Default
-
Level 4: แนะนำ Portfolio
🏥 Healthcare
-
Level 1: รายงานผู้ป่วย
-
Level 2: วิเคราะห์โรค
-
Level 3: Predict โรคล่วงหน้า
-
Level 4: AI แนะนำการรักษา
⚠️ ปัญหาที่องค์กรส่วนใหญ่เจอ
-
ติดอยู่ที่ Level 1–2
-
มี Data แต่ “ใช้ไม่เป็น”
-
ไม่มี Data Strategy
-
ไม่มีทีม Data / AI จริงจัง
🚀 Framework การพัฒนาองค์กร (จาก Gartner Model)
STEP 1: Data Foundation
-
เก็บข้อมูลให้ครบ (Single Source of Truth)
-
Data Governance
STEP 2: Insight Engine
-
BI Dashboard
-
Data Visualization
STEP 3: Predictive Layer
-
Machine Learning
-
Forecasting Model
STEP 4: Decision Intelligence
-
AI + Automation
-
Recommendation System
📌 Checklist การประเมินองค์กร
ลองถามตัวเอง:
-
มี Dashboard ที่ดูทุกวันไหม?
-
รู้ “เหตุผล” ของยอดขายหรือยัง?
-
เคยทำนายยอดขายไหม?
-
มี AI แนะนำการตัดสินใจหรือยัง?
🎯 Key Insight สำคัญ
-
Data ไม่ได้มีค่า ถ้ายังไม่ใช้
-
Insight ดีกว่า Data
-
Prediction ดีกว่า Insight
-
Decision ดีกว่า Prediction
👉 “องค์กรที่ชนะ = องค์กรที่ตัดสินใจได้ดีกว่า”
💡 3 คำถามสำคัญ
-
วันนี้องค์กรของคุณอยู่ Level ไหน?
-
Data ที่มี ถูกใช้ “แค่รายงาน” หรือ “สร้างเงิน”?
-
ถ้ามี AI ช่วยตัดสินใจ จะเพิ่มกำไรได้เท่าไร?
🔥 One Thing ที่ควรเริ่มทันที
👉 สร้าง Dashboard กลางขององค์กร (Single Source of Truth)
เพราะถ้าข้อมูลยังไม่ชัด
👉 AI ก็จะ “คิดผิดตั้งแต่ต้น”
หมวด 1: Descriptive Analytics — วิเคราะห์ว่า “เกิดอะไรขึ้น”
1) สรุปภาพรวมสำหรับผู้บริหาร
อ้างอิงหลักการ: Descriptive Analytics — What happened?
เหมาะใช้เมื่อ: ต้องการสรุปภาพรวมข้อมูลให้ผู้บริหารเข้าใจเร็วในหน้าเดียว
Prompt:
คุณคือผู้เชี่ยวชาญด้านการวิเคราะห์ธุรกิจระดับอาวุโส
เป้าหมาย:
สรุปภาพรวมจากข้อมูลหรือชุดข้อมูลที่ฉันให้ โดยเน้นตอบคำถามว่า “เกิดอะไรขึ้น”
บริบท:
ฉันต้องการบทสรุปแบบผู้บริหารตามแนวคิด Descriptive Analytics ของ Gartner
งานที่ต้องทำ:
1. สรุปตัวชี้วัดสำคัญ
2. ชี้ให้เห็นตัวเลขที่เพิ่มขึ้น ลดลง หรือผิดปกติ
3. สรุป 5 ประเด็นสำคัญที่สุดจากข้อมูล
4. แยก “ข้อเท็จจริง” ออกจาก “การตีความ”
5. ปิดท้ายด้วยข้อสรุปสั้น ๆ สำหรับผู้บริหาร
รูปแบบผลลัพธ์:
– ส่วนที่ 1: Executive Summary
– ส่วนที่ 2: ตัวชี้วัดสำคัญ
– ส่วนที่ 3: การเปลี่ยนแปลงที่น่าสนใจ
– ส่วนที่ 4: 5 ข้อเท็จจริงสำคัญ
– ส่วนที่ 5: ข้อสรุปสำหรับผู้บริหาร
ข้อกำหนด:
– อย่าคาดเดาสาเหตุ
– ใช้เฉพาะข้อมูลที่ให้มา
– เขียนด้วยภาษาธุรกิจที่ชัดเจน
– หากข้อมูลไม่ครบ ให้ระบุว่าส่วนใดขาดหาย
ข้อมูล:
[วางข้อมูลที่นี่]
2) สรุปผล KPI รายช่วงเวลา
อ้างอิงหลักการ: Descriptive Analytics
เหมาะใช้เมื่อ: ต้องการสรุปผล KPI รายวัน รายสัปดาห์ หรือรายเดือน
Prompt:
คุณคือผู้เชี่ยวชาญด้านการสรุปผล KPI
เป้าหมาย:
สรุปผลการดำเนินงานของ KPI และอธิบายว่าในช่วงเวลานี้ “เกิดอะไรขึ้น”
ให้ใช้แนวคิด Descriptive Analytics:
เน้นเฉพาะผลลัพธ์ แนวโน้ม และการเปลี่ยนแปลงของตัวชี้วัด
สิ่งที่ต้องทำ:
1. แสดง KPI ทั้งหมด พร้อมค่าปัจจุบัน เป้าหมาย ส่วนต่าง และสถานะ
2. ระบุ KPI ที่สูงกว่าเป้า ต่ำกว่าเป้า หรือทรงตัว
3. จัดอันดับ 3 KPI ที่ดีที่สุด และ 3 KPI ที่อ่อนที่สุด
4. สรุปภาพรวมผลการดำเนินงานด้วยภาษาธุรกิจที่เข้าใจง่าย
รูปแบบผลลัพธ์:
– ตาราง KPI
– จุดแข็ง
– จุดอ่อน
– สรุปภาพรวม
– คำถามต่อยอดที่ควรนำไปวิเคราะห์ต่อ
ข้อมูล:
[วางข้อมูล KPI ที่นี่]
3) สรุปผลงานยอดขายประจำงวด
อ้างอิงหลักการ: Descriptive Analytics
เหมาะใช้เมื่อ: ต้องการสรุปยอดขายในช่วงเวลาหนึ่ง
Prompt:
คุณคือผู้ช่วยวิเคราะห์ข้อมูลการขาย
งาน:
วิเคราะห์ข้อมูลการขายและสรุปว่าในช่วงเวลานี้ “เกิดอะไรขึ้น”
ประเด็นที่ต้องวิเคราะห์:
– รายได้รวม
– จำนวนชิ้นขาย
– มูลค่าต่อบิลเฉลี่ย
– สินค้าขายดี
– ช่องทางขายที่ทำผลงานดี
– พื้นที่หรือสาขาที่ทำผลงานดี
– ความผันผวนที่ผิดปกติ
ผลลัพธ์ที่ต้องการ:
1. สรุปภาพรวมแบบเล่าเรื่อง
2. วิเคราะห์ตามช่วงเวลา
3. วิเคราะห์ตามสินค้า / ช่องทาง / พื้นที่
4. ระบุสิ่งผิดปกติที่น่าสนใจ
ข้อกำหนด:
– ให้สรุปเชิงพรรณนาเท่านั้น
– อย่าคาดเดาสาเหตุ
– ใช้ bullet points ได้ถ้าจำเป็น
ข้อมูล:
[วางข้อมูลการขาย]
4) สรุปพฤติกรรมลูกค้าเบื้องต้น
อ้างอิงหลักการ: Descriptive Analytics
เหมาะใช้เมื่อ: ต้องการมองภาพรวมพฤติกรรมลูกค้า
Prompt:
คุณคือผู้เชี่ยวชาญด้าน Customer Insights
จงสรุปข้อมูลพฤติกรรมลูกค้าตามแนวคิด Descriptive Analytics โดยตอบว่า “เกิดอะไรขึ้น”
โปรดวิเคราะห์:
– จำนวนลูกค้า
– ลูกค้าใหม่ vs ลูกค้าเดิม
– ความถี่ในการซื้อ
– ขนาดตะกร้าซื้อเฉลี่ย
– การใช้ช่องทางต่าง ๆ
– ระดับการมีส่วนร่วม
– สัญญาณการกลับมาซื้อซ้ำ
รูปแบบผลลัพธ์:
– ภาพรวมลูกค้า
– สรุปตัวชี้วัด
– ไฮไลต์ตามกลุ่มลูกค้า
– รูปแบบที่พบ
– ช่องว่างของข้อมูล
ข้อมูลนำเข้า:
[วางข้อมูลลูกค้า]
5) สรุปผลแคมเปญการตลาด
อ้างอิงหลักการ: Descriptive Analytics
เหมาะใช้เมื่อ: ต้องการสรุปผลแคมเปญโดยยังไม่ลงลึกถึงสาเหตุ
Prompt:
คุณคือผู้วิเคราะห์ผลการตลาด
เป้าหมาย:
สรุปผลแคมเปญการตลาดโดยยึดแนวคิด Descriptive Analytics เท่านั้น
โปรดประเมิน:
– Reach
– Impressions
– CTR
– CPC
– Leads
– Conversions
– Cost per Lead
– ROAS หรือ ROI หากมี
ผลลัพธ์ที่ต้องการ:
1. สรุปภาพรวมแคมเปญ
2. ตัวชี้วัดที่ดีที่สุด
3. ตัวชี้วัดที่อ่อนที่สุด
4. ช่องทาง / ครีเอทีฟ / กลุ่มเป้าหมายที่ทำผลงานดีที่สุด
5. สรุปง่าย ๆ ว่าเกิดอะไรขึ้น
ข้อมูลแคมเปญ:
[วางข้อมูล]
6) สรุปผลงานรายสินค้า
อ้างอิงหลักการ: Descriptive Analytics
เหมาะใช้เมื่อ: ต้องการดูว่าสินค้าไหนเด่นหรืออ่อน
Prompt:
คุณคือผู้วิเคราะห์ผลงานสินค้า
จงวิเคราะห์ข้อมูลสินค้าและสรุปว่า “เกิดอะไรขึ้น”
สิ่งที่ต้องครอบคลุม:
– สินค้าขายดีที่สุด
– สินค้าที่ผลงานต่ำ
– สัดส่วนยอดขายตามสินค้า
– กำไรขั้นต้นถ้ามี
– การเติบโตหรือถดถอยของแต่ละ SKU
– การเปลี่ยนแปลงของ Product Mix
รูปแบบผลลัพธ์:
– บทสรุปภาพรวม
– จัดอันดับสินค้า
– วิเคราะห์สัดส่วนยอดขาย
– ข้อสังเกตสำคัญ
– สินค้าที่ควรนำไปวิเคราะห์ต่อ
ข้อมูล:
[วางข้อมูล]
7) สรุปผลงานตามสาขา / พื้นที่
อ้างอิงหลักการ: Descriptive Analytics
เหมาะใช้เมื่อ: ต้องการเปรียบเทียบผลงานสาขา เขต หรือภูมิภาค
Prompt:
คุณคือผู้วิเคราะห์ผลการดำเนินงานเชิงพื้นที่
ฉันต้องการสรุปผลตามสาขาหรือภูมิภาคแบบ Descriptive Analytics
โปรดวิเคราะห์:
– ยอดขาย
– จำนวนลูกค้าเข้าใช้บริการ
– อัตราแปลงยอดขาย
– Productivity
– มูลค่าต่อรายการเฉลี่ย
– อันดับสาขา
– สาขาที่เป็น outlier
รูปแบบผลลัพธ์:
– สรุปภาพรวม
– สาขาที่เด่นที่สุด
– สาขาที่อ่อนที่สุด
– เปรียบเทียบตามภูมิภาค
– ข้อค้นพบเชิงข้อเท็จจริง
ข้อกำหนด:
– ยังไม่ต้องอธิบายสาเหตุ
ข้อมูล:
[วางข้อมูล]
8) เขียนคำอธิบายรายงาน Dashboard รายสัปดาห์
อ้างอิงหลักการ: Descriptive Analytics
เหมาะใช้เมื่อ: มี dashboard แล้ว แต่อยากให้ AI ช่วยเขียนสรุป
Prompt:
คุณคือผู้ช่วยเขียนคำอธิบาย Dashboard ธุรกิจ
จากตัวเลขบน Dashboard ที่ฉันให้ ช่วยเขียนสรุปรายสัปดาห์ในรูปแบบ Descriptive Analytics
ข้อกำหนด:
1. อธิบายว่าตัวเลขใดเปลี่ยนจากสัปดาห์ก่อน
2. ชี้ให้เห็นการเปลี่ยนแปลงที่สำคัญ
3. ระบุรูปแบบหรือแนวโน้มที่มองเห็นได้
4. ใช้ภาษาสำหรับผู้บริหาร
5. ความยาวไม่เกิน 400 คำ
ข้อมูล Dashboard:
[วางข้อมูล]
9) เปรียบเทียบแนวโน้มตามช่วงเวลา
อ้างอิงหลักการ: Descriptive Analytics
เหมาะใช้เมื่อ: ต้องการเทียบ MoM / QoQ / YoY
Prompt:
คุณคือผู้ช่วยวิเคราะห์แนวโน้ม
ช่วยเปรียบเทียบข้อมูลระหว่างช่วงเวลาและสรุปว่า “เกิดอะไรขึ้น”
โปรดเปรียบเทียบ:
– งวดปัจจุบันเทียบงวดก่อน
– งวดปัจจุบันเทียบช่วงเดียวกันของปีก่อน
– การเปลี่ยนแปลงเชิงจำนวน
– การเปลี่ยนแปลงเชิงเปอร์เซ็นต์
– จุดเปลี่ยนของแนวโน้มที่สำคัญ
รูปแบบผลลัพธ์:
– สรุปการเปรียบเทียบ
– ตารางการเปลี่ยนแปลง
– สิ่งที่ดีขึ้นมากที่สุด
– สิ่งที่แย่ลงมากที่สุด
– ข้อสังเกตกลาง ๆ ที่ควรรับรู้
ข้อมูล:
[วางข้อมูล]
10) สร้างรายงานสรุปเชิงพรรณนา
อ้างอิงหลักการ: Descriptive Analytics
เหมาะใช้เมื่อ: ต้องการรายงานสรุปอย่างเป็นทางการ
Prompt:
คุณคือที่ปรึกษาด้านการเขียนรายงานธุรกิจ
ช่วยจัดทำรายงานสรุปเชิง Descriptive Analytics จากข้อมูลด้านล่าง
หัวข้อที่ต้องมี:
1. วัตถุประสงค์ของรายงาน
2. ขอบเขตของข้อมูล
3. สรุปผลลัพธ์หลัก
4. ตัวชี้วัดสำคัญ
5. ข้อสังเกตเรื่องแนวโน้ม
6. จุดผิดปกติที่น่าสนใจ
7. คำถามต่อยอดที่ควรวิเคราะห์ต่อ
โทนภาษา:
เป็นมืออาชีพ กระชับ เหมาะสำหรับผู้บริหาร
ข้อมูล:
[วางข้อมูล]
หมวด 2: Diagnostic Analytics — วิเคราะห์ว่า “ทำไมถึงเกิดขึ้น”
11) ค้นหาสาเหตุหลักของปัญหา
อ้างอิงหลักการ: Diagnostic Analytics — Why did it happen?
เหมาะใช้เมื่อ: ต้องการเริ่มหาสาเหตุของปัญหาหรือความเปลี่ยนแปลง
Prompt:
คุณคือผู้เชี่ยวชาญด้านการวิเคราะห์สาเหตุ
เป้าหมาย:
ระบุสาเหตุที่เป็นไปได้ของการเปลี่ยนแปลงในผลการดำเนินงานจากข้อมูลที่ให้
ให้ใช้แนวคิด Diagnostic Analytics:
ขยับจาก “เกิดอะไรขึ้น” ไปสู่ “น่าจะเกิดจากอะไร”
งานที่ต้องทำ:
1. ระบุปัญหาหรือการเปลี่ยนแปลงหลัก
2. ลิสต์ปัจจัยที่อาจมีส่วนเกี่ยวข้อง
3. แยกสิ่งที่มีหลักฐานรองรับชัดเจน กับสิ่งที่ยังเป็นข้อสมมติ
4. แสดงความสัมพันธ์ระหว่างตัวแปรถ้ามองเห็นได้
5. ระบุว่าควรตรวจข้อมูลอะไรเพิ่มเพื่อยืนยันสาเหตุ
รูปแบบผลลัพธ์:
– ปัญหาหลัก
– สาเหตุที่เป็นไปได้
– หลักฐานที่รองรับ
– ระดับความมั่นใจ
– ข้อมูลที่ควรเช็กต่อ
ข้อมูล:
[วางข้อมูล]
12) วิเคราะห์ว่ายอดขายตกเพราะอะไร
อ้างอิงหลักการ: Diagnostic Analytics
เหมาะใช้เมื่อ: ยอดขายลดลงและอยากหาสาเหตุ
Prompt:
คุณคือผู้วิเคราะห์เชิงพาณิชย์
ช่วยวิเคราะห์ว่าทำไมยอดขายจึงลดลงจากข้อมูลด้านล่าง
โปรดตรวจสอบปัจจัยที่เป็นไปได้ เช่น:
– Traffic ลดลง
– Conversion ลดลง
– ราคามีการเปลี่ยนแปลง
– สินค้าขาดสต็อก
– Channel Mix เปลี่ยน
– คู่แข่งมีผลกระทบ
– Seasonality
– สัดส่วนลูกค้าเปลี่ยนไป
รูปแบบผลลัพธ์:
– สรุปปัญหา
– สาเหตุที่เป็นไปได้ เรียงตามความน่าจะเป็น
– หลักฐานประกอบแต่ละสาเหตุ
– สิ่งที่ควรตรวจสอบเพิ่ม
ข้อมูล:
[วางข้อมูล]
13) วิเคราะห์ปัญหา Conversion ต่ำ
อ้างอิงหลักการ: Diagnostic Analytics
เหมาะใช้เมื่อ: Funnel มีจุดรั่วหรือ conversion ลดลง
Prompt:
คุณคือผู้เชี่ยวชาญด้าน Funnel Diagnostics
ฉันต้องการวิเคราะห์ว่าเหตุใด Conversion จึงเปลี่ยนแปลง
โปรดวิเคราะห์:
– คุณภาพของ Traffic
– พฤติกรรมบน Landing Page
– จุดที่คนหลุดจาก Funnel
– ความน่าสนใจของข้อเสนอ
– ความเหมาะสมของช่องทาง
– ความตรงกลุ่มของ Audience
– ปัญหาในขั้นตอนปิดการขาย หากเกี่ยวข้อง
ผลลัพธ์ที่ต้องการ:
1. สรุป Funnel
2. จุดที่รั่วมากที่สุด
3. สมมติฐานว่าทำไมจึงเกิดขึ้น
4. พื้นที่ที่ควรตรวจสอบเป็นลำดับแรก
ข้อมูล:
[วางข้อมูล Funnel]
14) วิเคราะห์สาเหตุลูกค้าหลุด
อ้างอิงหลักการ: Diagnostic Analytics
เหมาะใช้เมื่อ: ลูกค้าเลิกซื้อ ลดการใช้งาน หรือ churn สูงขึ้น
Prompt:
คุณคือผู้เชี่ยวชาญด้านการรักษาฐานลูกค้า
งาน:
วิเคราะห์ว่าทำไมลูกค้าจึงมีแนวโน้มหลุดหาย
โปรดประเมิน:
– รูปแบบการ churn ตาม segment
– ระยะเวลาก่อนลูกค้าหลุด
– การเปลี่ยนแปลงพฤติกรรมใช้งาน
– แนวโน้มข้อร้องเรียน
– ปัญหาด้านบริการ
– ปัญหาด้านราคา
– ระดับ engagement ที่ลดลง
– ตัวเลือกจากคู่แข่ง หากมีข้อมูล
ผลลัพธ์:
– สรุปสถานการณ์ churn
– ปัจจัยที่น่าจะเป็นสาเหตุ
– การวิเคราะห์ราย segment
– สัญญาณเตือน
– คำถามที่ควรใช้ตรวจสอบต่อ
ข้อมูล:
[วางข้อมูล]
15) วิเคราะห์สาเหตุแคมเปญผลงานไม่ดี
อ้างอิงหลักการ: Diagnostic Analytics
เหมาะใช้เมื่อ: แคมเปญไม่ถึงเป้าและต้องการเข้าใจสาเหตุ
Prompt:
คุณคือผู้เชี่ยวชาญด้านวิเคราะห์แคมเปญดิจิทัล
ช่วยวิเคราะห์ว่าทำไมแคมเปญนี้จึงทำผลงานต่ำกว่าที่คาด
โปรดตรวจสอบ:
– การกำหนดกลุ่มเป้าหมาย
– ประสิทธิภาพครีเอทีฟ
– ความเหมาะสมของช่องทาง
– ความตรงกันระหว่างข้อความกับข้อเสนอ
– จุดเสียดทานใน Funnel
– การจัดสรรงบ
– จังหวะเวลา
– ความถูกต้องของ Tracking / Data
ผลลัพธ์:
– อาการของปัญหาหลัก
– สาเหตุที่เป็นไปได้มากที่สุด
– หลักฐานที่รองรับจากตัวเลข
– แนวทางแก้ไขที่ควรทดสอบก่อน
ข้อมูลแคมเปญ:
[วางข้อมูล]
16) วิเคราะห์ว่าสินค้าบาง SKU ขายไม่ออกเพราะอะไร
อ้างอิงหลักการ: Diagnostic Analytics
เหมาะใช้เมื่อ: มีสินค้าบางตัวผลงานตกกว่าตัวอื่นชัดเจน
Prompt:
คุณคือผู้วิเคราะห์สินค้าค้าปลีก
ช่วยวิเคราะห์ว่าสินค้าหรือ SKU ใดกำลังทำผลงานต่ำ และน่าจะเกิดจากอะไร
โปรดพิจารณาปัจจัย เช่น:
– การตั้งราคา
– การมองเห็นบนชั้นวาง
– การสนับสนุนโปรโมชัน
– ปัญหาสต็อกขาด
– ความไม่ตรงกับตลาด
– ปัญหาด้านแพ็กเกจจิ้ง
– การรับรู้ของลูกค้า
– การกระจายสินค้า
ผลลัพธ์:
– รายชื่อ SKU ที่อ่อน
– สมมติฐานสาเหตุหลัก
– สัญญาณสนับสนุน
– ข้อมูลที่ควรเก็บเพิ่มเพื่อยืนยัน
ข้อมูล:
[วางข้อมูล]
17) วิเคราะห์ช่องว่างผลงานระหว่างสาขา
อ้างอิงหลักการ: Diagnostic Analytics
เหมาะใช้เมื่อ: บางสาขาทำได้ดีมาก แต่บางสาขาอ่อนมาก
Prompt:
คุณคือที่ปรึกษาด้านวิเคราะห์ผลงานสาขา
เปรียบเทียบสาขาที่ดีและสาขาที่อ่อน เพื่อวิเคราะห์ว่าช่องว่างเกิดจากอะไร
โปรดประเมิน:
– Traffic
– Staffing
– Conversion
– Product Mix
– ความต้องการของพื้นที่
– คุณภาพการปฏิบัติงาน
– โปรโมชั่น
– ระดับการบริการ
ผลลัพธ์:
– สรุปช่องว่างหลัก
– สาเหตุที่เป็นไปได้มากที่สุด
– ตารางเปรียบเทียบสาขา
– ประเด็นที่ควรตรวจสอบต่อ
ข้อมูล:
[วางข้อมูล]
18) วิเคราะห์สาเหตุข้อร้องเรียนพุ่ง
อ้างอิงหลักการ: Diagnostic Analytics
เหมาะใช้เมื่อ: จำนวน complaint เพิ่มขึ้นแบบผิดปกติ
Prompt:
คุณคือผู้เชี่ยวชาญด้านคุณภาพบริการ
ช่วยวิเคราะห์ว่าทำไมข้อร้องเรียนของลูกค้าจึงเพิ่มขึ้น
โปรดวิเคราะห์:
– หมวดหมู่ของข้อร้องเรียน
– ช่วงเวลาที่เกิด
– สินค้าหรือบริการที่เกี่ยวข้อง
– กลุ่มลูกค้าที่ได้รับผลกระทบ
– สาขาหรือช่องทางที่มีปัญหามาก
– เหตุการณ์การปฏิบัติงาน
– ปัญหาด้านคนหรือกระบวนการ
ผลลัพธ์:
– สรุปสถานการณ์
– สาเหตุที่เป็นไปได้
– หลักฐานรองรับ
– ประเด็นเร่งด่วนที่ควรตรวจทันที
ข้อมูล:
[วางข้อมูล]
19) วิเคราะห์ความคลาดเคลื่อนระหว่างแผนกับผลจริง
อ้างอิงหลักการ: Diagnostic Analytics
เหมาะใช้เมื่อ: ผลลัพธ์จริงต่างจากแผน เป้า หรือ Budget
Prompt:
คุณคือผู้เชี่ยวชาญด้าน Variance Analysis
ช่วยอธิบายว่าทำไมผลลัพธ์จริงจึงต่างจากแผน เป้าหมาย หรือ Budget
โปรดแยกการวิเคราะห์ตาม:
– ปริมาณ
– ราคา
– Product Mix
– Productivity
– จังหวะเวลา
– ช่องทาง
– พื้นที่
– ปัจจัยการปฏิบัติงาน
ผลลัพธ์:
– สรุปส่วนต่างรวม
– ปัจจัยที่ทำให้เกิดส่วนต่าง
– สิ่งที่ควบคุมได้ vs ควบคุมไม่ได้
– ประเด็นที่ผู้บริหารควรจับตา
ข้อมูล:
[วางข้อมูล Plan vs Actual]
20) วิเคราะห์ปัญหาด้วย 5 Whys
อ้างอิงหลักการ: Diagnostic Analytics + 5 Whys
เหมาะใช้เมื่อ: ต้องการหาต้นตอของปัญหาอย่างเป็นระบบ
Prompt:
คุณคือผู้อำนวยความสะดวกด้านการแก้ปัญหา
ช่วยวิเคราะห์ปัญหาด้านล่างด้วยหลัก 5 Whys โดยอ้างอิงข้อมูลที่ให้
คำสั่ง:
1. นิยามปัญหาให้ชัดเจน
2. ไล่ถาม “ทำไม” 5 ชั้น
3. ในแต่ละชั้น ให้แยก ข้อเท็จจริง / การอนุมาน / ข้อสมมติ
4. ระบุ root cause ที่น่าจะเป็นมากที่สุด
5. ระบุหลักฐานที่ต้องมีเพื่อยืนยัน
ปัญหา:
[อธิบายปัญหา]
ข้อมูลประกอบ:
[วางข้อมูล]
หมวด 3: Predictive Analytics — วิเคราะห์ว่า “จะเกิดอะไรต่อไป”
21) สร้างประมาณการยอดขาย
อ้างอิงหลักการ: Predictive Analytics — What will happen?
เหมาะใช้เมื่อ: ต้องการ forecast ยอดขายในอนาคต
Prompt:
คุณคือผู้เชี่ยวชาญด้านการพยากรณ์ยอดขาย
เป้าหมาย:
คาดการณ์ยอดขายในอนาคตจากข้อมูลในอดีตและบริบทธุรกิจ
โปรด:
1. ประมาณการยอดขายในช่วง [ระบุช่วงเวลา]
2. วิเคราะห์แนวโน้ม Seasonality และความผิดปกติ
3. สร้าง 3 ฉากทัศน์: Base Case / Optimistic Case / Conservative Case
4. ระบุสมมติฐานให้ชัดเจน
5. ชี้ความเสี่ยงที่ทำให้ Forecast คลาดเคลื่อน
รูปแบบผลลัพธ์:
– สรุป Forecast
– ตารางประมาณการแบบ 3 ฉากทัศน์
– สมมติฐานหลัก
– ปัจจัยเสี่ยง
– ระดับความมั่นใจ
ข้อมูลในอดีต:
[วางข้อมูล]
บริบทธุรกิจ:
[วางบริบท]
22) คาดการณ์ความต้องการของลูกค้า
อ้างอิงหลักการ: Predictive Analytics
เหมาะใช้เมื่อ: ต้องการประมาณ demand ล่วงหน้า
Prompt:
คุณคือผู้เชี่ยวชาญด้าน Demand Forecasting
ช่วยคาดการณ์ความต้องการของลูกค้าสำหรับช่วง [ระบุช่วงเวลา]
ให้ใช้ข้อมูลต่อไปนี้:
– ปริมาณในอดีต
– Seasonality
– โปรโมชั่น
– แนวโน้มลูกค้า
– การเปลี่ยนแปลงของช่องทาง
– เหตุการณ์ทางธุรกิจที่เกี่ยวข้อง
ผลลัพธ์ที่ต้องการ:
– Demand ที่คาดการณ์
– ปัจจัยที่มีผลต่อ Forecast
– ฉากทัศน์สูง / กลาง / ต่ำ
– ส่วนที่มีความไม่แน่นอนสูง
ข้อมูล:
[วางข้อมูล]
23) ทำนายกลุ่มลูกค้าที่เสี่ยงจะหลุด
อ้างอิงหลักการ: Predictive Analytics
เหมาะใช้เมื่อ: อยากรู้ว่าลูกค้ากลุ่มไหนมี churn risk สูง
Prompt:
คุณคือผู้เชี่ยวชาญด้านการทำนายความเสี่ยงลูกค้าหลุด
จากข้อมูลและพฤติกรรมลูกค้าที่ให้ ช่วยประเมินว่าลูกค้ากลุ่มใดมีความเสี่ยงจะเลิกซื้อหรือเลิกใช้งานสูงที่สุด
โปรด:
1. ระบุสัญญาณล่วงหน้าของการ churn
2. จัดอันดับ segment ตามความเสี่ยง
3. อธิบายเหตุผลว่าทำไมแต่ละกลุ่มจึงมีความเสี่ยงสูง/กลาง/ต่ำ
4. เสนอ warning signs ที่ควรติดตาม
ผลลัพธ์:
– การจัดอันดับความเสี่ยง
– เหตุผลประกอบ
– สัญญาณเตือน
– คำแนะนำในการเฝ้าระวัง
ข้อมูล:
[วางข้อมูล]
24) คาดการณ์การปิดการขายจาก Leads
อ้างอิงหลักการ: Predictive Analytics
เหมาะใช้เมื่อ: ต้องการ forecast pipeline และยอดปิด
Prompt:
คุณคือผู้วิเคราะห์ Revenue Pipeline
ช่วยคาดการณ์ผลลัพธ์การเปลี่ยน Lead เป็นยอดขาย จากข้อมูลในอดีตและสถานะ pipeline ปัจจุบัน
โปรดวิเคราะห์:
– จำนวน Leads
– คุณภาพของ Leads
– การเคลื่อนตัวในแต่ละ Funnel Stage
– ระยะเวลาปิดการขาย
– Conversion ย้อนหลัง
– คุณภาพของแต่ละแหล่งที่มา
ผลลัพธ์:
– จำนวน conversion ที่คาดการณ์
– รายได้ที่คาดว่าจะเกิด
– ฉากทัศน์ดีที่สุด / แย่ที่สุด
– ความเสี่ยงและสมมติฐาน
ข้อมูล:
[วางข้อมูล Pipeline]
25) คาดการณ์ความเสี่ยงด้านสต็อก
อ้างอิงหลักการ: Predictive Analytics
เหมาะใช้เมื่อ: ต้องการมองล่วงหน้าว่าของจะขาดหรือค้างสต็อก
Prompt:
คุณคือผู้เชี่ยวชาญด้านพยากรณ์สต็อกและซัพพลาย
ช่วยคาดการณ์ความเสี่ยงด้าน Inventory สำหรับช่วง [ระบุช่วงเวลา]
โปรดประเมิน:
– ความเสี่ยงของการขาดสต็อก
– ความเสี่ยงของสต็อกค้าง
– ความผันผวนของ Demand
– จังหวะการสั่งซื้อ
– สินค้าหมุนช้า
– สินค้าหมุนเร็ว
ผลลัพธ์:
– สรุปความเสี่ยง
– ตารางความเสี่ยงราย SKU / หมวด
– สัญญาณคาดการณ์
– Watchlist ที่ควรติดตาม
ข้อมูล:
[วางข้อมูล]
26) สร้างประมาณการรายได้หลายฉากทัศน์
อ้างอิงหลักการ: Predictive Analytics
เหมาะใช้เมื่อ: ต้องการมองอนาคตรายได้หลายแบบ
Prompt:
คุณคือผู้เชี่ยวชาญด้านการวางแผนการเงินและกลยุทธ์
ช่วยสร้างประมาณการรายได้ภายใต้หลายฉากทัศน์
ฉากทัศน์ที่ต้องมี:
– Base Case
– Upside Case
– Downside Case
ให้ใช้สมมติฐานเรื่อง:
– ปริมาณ
– ราคา
– Conversion
– Retention
– ประสิทธิภาพการตลาด
– ปัจจัยตลาด หากมี
ผลลัพธ์:
– ตารางเปรียบเทียบฉากทัศน์
– บทสรุปภาพรวม
– ตัวแปรที่อ่อนไหวที่สุด
– ความเสี่ยงของแต่ละฉากทัศน์
ข้อมูล:
[วางข้อมูล]
27) คาดการณ์คนเข้าร้าน / เข้าสาขา
อ้างอิงหลักการ: Predictive Analytics
เหมาะใช้เมื่อ: ธุรกิจมีหน้าร้านและต้องการ forecast traffic
Prompt:
คุณคือผู้เชี่ยวชาญด้านการพยากรณ์ Traffic ร้านค้า
ช่วยคาดการณ์จำนวนลูกค้าที่จะเข้าร้านหรือสาขาในช่วง [ระบุช่วงเวลา]
โปรดใช้ข้อมูล:
– Traffic ในอดีต
– รูปแบบตามวันในสัปดาห์
– Seasonality
– โปรโมชั่น
– กิจกรรมในพื้นที่ หากมี
– แนวโน้มรายสาขา
ผลลัพธ์:
– Forecast รายสาขา
– ช่วงเวลาที่คาดว่าจะพีค / เบา
– จุดเสี่ยงที่ควรระวัง
– ผลกระทบต่อการวางกำลังคนและการปฏิบัติงาน
ข้อมูล:
[วางข้อมูล]
28) คาดการณ์ผลลัพธ์แคมเปญการตลาด
อ้างอิงหลักการ: Predictive Analytics
เหมาะใช้เมื่อ: ก่อนใช้งบ อยากคาดการณ์ผลลัพธ์แคมเปญ
Prompt:
คุณคือผู้เชี่ยวชาญด้านการคาดการณ์ผลลัพธ์การตลาด
จากงบประมาณ ช่องทาง สถิติในอดีต และกลุ่มเป้าหมายที่ให้มา ช่วยคาดการณ์ผลลัพธ์ของแคมเปญ
โปรดประเมิน:
– Reach
– Clicks
– Leads
– Conversions
– ต้นทุนต่อผลลัพธ์
– ROI หากพอคำนวณได้
ผลลัพธ์:
– Forecast สรุป
– สมมติฐานที่ใช้
– เปรียบเทียบฉากทัศน์
– ความเสี่ยงสำคัญของ Forecast
ข้อมูล:
[วางข้อมูล]
29) คาดการณ์กำลังคนที่ต้องใช้
อ้างอิงหลักการ: Predictive Analytics
เหมาะใช้เมื่อ: ต้องวางแผนทีมคนจากปริมาณงานในอนาคต
Prompt:
คุณคือผู้เชี่ยวชาญด้าน Workforce Planning
ช่วยคาดการณ์จำนวนพนักงานที่จำเป็นต้องใช้ จากปริมาณงานที่คาดว่าจะเกิดขึ้นและ productivity ในอดีต
โปรดประเมิน:
– จำนวนคนที่ต้องใช้
– ช่วงเวลาที่ความต้องการสูง
– ช่องว่างของกำลังคน
– ความเสี่ยงเรื่อง OT
– คอขวดของทีม
ผลลัพธ์:
– Forecast กำลังคน
– สมมติฐานเรื่อง Capacity
– การวิเคราะห์ความเสี่ยง
– ข้อเสนอแนะด้านการจัดตารางหรือการจ้างเพิ่ม
ข้อมูล:
[วางข้อมูล]
30) สร้างระบบสัญญาณเตือนล่วงหน้า
อ้างอิงหลักการ: Predictive Analytics
เหมาะใช้เมื่อ: อยากเฝ้าระวังปัญหาก่อนเกิดจริง
Prompt:
คุณคือผู้เชี่ยวชาญด้านการทำนายความเสี่ยงทางธุรกิจ
จากข้อมูลด้านล่าง ช่วยระบุสัญญาณเตือนล่วงหน้าที่อาจบ่งชี้ถึงปัญหาในอนาคต
โปรดโฟกัส:
– ความเสี่ยงด้านรายได้
– ความเสี่ยงด้านลูกค้าหลุด
– ความเสี่ยงด้านกำไร
– ความเสี่ยงด้านสต็อก
– ความเสี่ยงด้านคุณภาพบริการ
– ความเสี่ยงด้านการปฏิบัติงานล่าช้า
ผลลัพธ์:
– Early Warning Dashboard
– ตัวชี้วัดนำ
– ระดับความรุนแรงของความเสี่ยง
– สิ่งที่ควรติดตามทุกสัปดาห์
ข้อมูล:
[วางข้อมูล]
ได้เลยครับ
ต่อจากข้อ 31–100 ให้ครบทั้งหมดในภาษาไทยครับ
หมวด 4: Prescriptive Analytics — วิเคราะห์ว่า “ควรทำอะไรต่อ”
31) วางแผน Next Best Action
อ้างอิงหลักการ: Prescriptive Analytics — What should we do?
เหมาะใช้เมื่อ: ต้องการแปลงผลวิเคราะห์ให้เป็นแผนลงมือทำ
Prompt:
คุณคือที่ปรึกษาด้านกลยุทธ์และการตัดสินใจ
เป้าหมาย:
จากข้อมูลและผลการวิเคราะห์ที่ให้มา ช่วยเสนอ “การกระทำที่ควรทำต่อ” ที่ดีที่สุด
ให้ใช้แนวคิด Prescriptive Analytics:
เปลี่ยนจากการมี Insight ไปสู่การตัดสินใจและการลงมือทำ
สิ่งที่ต้องทำ:
1. ระบุทางเลือกในการดำเนินการที่เป็นไปได้
2. จัดลำดับความสำคัญตามผลกระทบและความเป็นไปได้
3. อธิบายประโยชน์ ต้นทุน และความเสี่ยงของแต่ละทางเลือก
4. เสนอแผน 30-60-90 วัน
รูปแบบผลลัพธ์:
- ทางเลือกที่แนะนำ
- การจัดอันดับความสำคัญ
- เหตุผลประกอบ
- แผน 30-60-90 วัน
ข้อมูลและบริบท:
[วางข้อมูล]
32) วางแผนกู้ยอดขาย
อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: ยอดขายตกและต้องการแผนฟื้นฟูอย่างเป็นรูปธรรม
Prompt:
คุณคือที่ปรึกษาด้านการกู้ยอดขายเชิงพาณิชย์
ช่วยเสนอแผนปฏิบัติการเพื่อฟื้นฟูยอดขายจากข้อมูลด้านล่าง
ข้อกำหนด:
- จัดลำดับสิ่งที่ควรทำตามผลกระทบและความเร็ว
- แยก Quick Wins ออกจากการแก้เชิงโครงสร้าง
- ระบุเจ้าของงาน ระยะเวลา และ KPI
- ระบุความเสี่ยงและสิ่งที่ต้องพึ่งพา
รูปแบบผลลัพธ์:
- สิ่งที่ควรทำทันที
- สิ่งที่ควรทำระยะสั้น
- สิ่งที่ควรทำระยะกลาง
- KPI ที่ต้องติดตาม
ข้อมูล:
[วางข้อมูล]
33) ปรับงบประมาณไปยังจุดที่คุ้มกว่า
อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: ต้องการตัดสินใจ reallocating budget
Prompt:
คุณคือผู้เชี่ยวชาญด้านการจัดสรรงบประมาณเชิงกลยุทธ์
โปรดทบทวนการใช้งบปัจจุบัน และเสนอแนวทางปรับงบเพื่อให้ได้ผลลัพธ์ที่ดีขึ้น
โปรดวิเคราะห์:
- ส่วนใดใช้งบมากเกินไป
- ส่วนใดใช้งบน้อยเกินไป
- สิ่งใดควรเพิ่ม ลด หยุด หรือทดลอง
- ผลแลกเปลี่ยนที่อาจเกิดขึ้น
รูปแบบผลลัพธ์:
- ข้อเสนอการปรับงบ
- เหตุผล
- ผลกระทบที่คาดหวัง
- ความเสี่ยง
- แนวทางทดลองก่อนขยายผล
ข้อมูล:
[วางข้อมูลงบและผลลัพธ์]
34) วางแผนลดลูกค้าหลุด
อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: ต้องการลด churn และเพิ่ม retention
Prompt:
คุณคือผู้เชี่ยวชาญด้านกลยุทธ์การรักษาลูกค้า
โปรดเสนอแนวทางลด churn และเพิ่ม retention จากข้อมูลด้านล่าง
ให้จัดข้อเสนอแนะตาม:
- กลุ่มลูกค้า
- ข้อเสนอหรือสิทธิประโยชน์
- จังหวะเวลา
- ช่องทาง
- การแทรกแซงด้านบริการ
- แนวทางการสื่อสาร
รูปแบบผลลัพธ์:
- กลุ่มลูกค้าที่ควรโฟกัสก่อน
- แนวทางที่แนะนำ
- ผลลัพธ์ที่คาดหวัง
- วิธีวัดผล
ข้อมูล:
[วางข้อมูล]
35) ปรับพอร์ตสินค้า
อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: ต้องการตัดสินใจว่าจะดัน คง ปรับ หรือถอดสินค้าใด
Prompt:
คุณคือที่ปรึกษาด้านการบริหารพอร์ตสินค้า
จากข้อมูลผลงานสินค้า โปรดเสนอว่าแต่ละสินค้าหรือ SKU ควร:
- ลงทุนเพิ่ม
- รักษาระดับ
- ปรับปรุง
- จัด bundle
- reposition
- ถอดออก
โปรดอธิบายเหตุผลของแต่ละข้อเสนอด้วยหลักฐานจากข้อมูล
รูปแบบผลลัพธ์:
- ตารางตัดสินใจด้านพอร์ตสินค้า
- ข้อเสนอราย SKU
- ผลกระทบทางธุรกิจที่คาดหวัง
- ความเสี่ยงและข้อควรระวัง
ข้อมูล:
[วางข้อมูล]
36) ยกระดับสาขาที่ผลงานอ่อน
อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: ต้องการแผนปรับปรุงสาขาหรือทีมพื้นที่
Prompt:
คุณคือที่ปรึกษาด้านการพัฒนาประสิทธิภาพสาขา
ช่วยเสนอแผนยกระดับสาขาที่ผลงานอ่อนจากข้อมูลด้านล่าง
โปรดครอบคลุม:
- การแก้ไขเร่งด่วน
- การปรับกระบวนการ
- การพัฒนาคนหรือการฝึกอบรม
- การตลาดเฉพาะพื้นที่
- มาตรการควบคุมของผู้จัดการ
- KPI สำหรับติดตามผล
รูปแบบผลลัพธ์:
- สรุปปัญหาของแต่ละสาขา
- Action Plan รายสาขา
- ลำดับความสำคัญ
- แผนติดตามผล
ข้อมูล:
[วางข้อมูล]
37) เพิ่ม Conversion อย่างเป็นระบบ
อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: ต้องการเลือกสิ่งที่ควรปรับเพื่อเพิ่ม conversion
Prompt:
คุณคือผู้เชี่ยวชาญด้าน Conversion Optimization
โปรดเสนอสิ่งที่ควรทำเพื่อเพิ่ม Conversion จากข้อมูล Funnel ที่ให้
ให้ครอบคลุม:
- คุณภาพ Traffic
- ข้อความสื่อสาร
- ข้อเสนอ
- UX / หน้า Landing Page
- การติดตามปิดการขาย
- Retargeting
- การคัดกรอง Lead
รูปแบบผลลัพธ์:
- สิ่งที่ควรทำก่อน
- ไอเดียสำหรับการทดสอบ
- ผลกระทบที่คาดหวัง
- KPI ที่ต้องติดตาม
ข้อมูล:
[วางข้อมูล Funnel]
38) ตัดสินใจเรื่องราคา
อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: ต้องการหาว่าควรขึ้นราคา ลดราคา หรือคงราคา
Prompt:
คุณคือที่ปรึกษาด้าน Pricing Strategy
จากข้อมูลยอดขาย กำไร และการตอบสนองของลูกค้า ช่วยเสนอแนวทางด้านราคาที่เหมาะสม
โปรดให้คำแนะนำว่า:
- ควรขึ้นราคา
- ควรลดราคา
- ควรคงราคา
- ควรปรับ package หรือ offer
- ควรใช้โปรโมชั่นแทนการลดราคา
- ควรใช้ pricing แยกตาม segment หรือไม่
รูปแบบผลลัพธ์:
- แนวทางราคาที่แนะนำ
- เหตุผล
- ข้อดีข้อเสียที่อาจเกิดขึ้น
- วิธีทดสอบก่อนตัดสินใจเต็มรูปแบบ
ข้อมูล:
[วางข้อมูล]
39) เขียนบันทึกเสนอผู้บริหารเพื่อการตัดสินใจ
อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: ต้องสรุปเรื่องเพื่อขออนุมัติหรือขอการตัดสินใจ
Prompt:
คุณคือ Chief of Staff ด้านกลยุทธ์
ช่วยเขียนบันทึกเสนอผู้บริหารเพื่อแนะนำว่าควรตัดสินใจอย่างไรจากข้อมูลด้านล่าง
โครงสร้างที่ต้องมี:
1. สถานการณ์
2. ข้อค้นพบสำคัญ
3. ทางเลือกที่พิจารณา
4. ทางเลือกที่แนะนำ
5. เหตุผลว่าทำไมทางเลือกนี้ดีที่สุด
6. ความเสี่ยง
7. สิ่งที่ต้องทำต่อทันที
โทนภาษา:
สำหรับผู้บริหาร กระชับ ชัดเจน ตัดสินใจได้
ข้อมูล:
[วางข้อมูล]
40) สร้าง Roadmap จาก Insight ไปสู่การลงมือทำ
อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: ต้องการแผนระยะสั้น-กลางอย่างมีลำดับ
Prompt:
คุณคือที่ปรึกษาด้าน Transformation Roadmap
ช่วยสร้าง Roadmap การดำเนินงานจากผลวิเคราะห์ไปสู่การลงมือทำจริง
โปรดระบุ:
- Initiative สำคัญ
- Timeline
- เจ้าของงาน
- สิ่งที่ต้องพึ่งพา
- ทรัพยากรที่ต้องใช้
- KPI
- การควบคุมความเสี่ยง
รูปแบบ:
- 0-30 วัน
- 31-90 วัน
- 91-180 วัน
บริบท:
[วางข้อมูล]
หมวด 5: ประเมินระดับความพร้อมตาม Gartner’s Analytics Maturity Model
41) ประเมินระดับความเป็นผู้ใหญ่ด้าน Analytics
อ้างอิงหลักการ: Gartner’s Analytics Maturity Model ทั้ง 4 ระดับ
เหมาะใช้เมื่อ: ต้องการรู้ว่าองค์กรอยู่ระดับไหน
Prompt:
คุณคือผู้ประเมินระดับความพร้อมด้าน Analytics ขององค์กร
ช่วยประเมินองค์กรนี้ตาม Gartner’s Analytics Maturity Model:
- Descriptive
- Diagnostic
- Predictive
- Prescriptive
ให้ประเมินในมิติ:
- คุณภาพข้อมูล
- การทำรายงาน
- ความสามารถในการสร้าง Insight
- ความสามารถในการพยากรณ์
- วินัยในการตัดสินใจ
- ระบบอัตโนมัติ
- คนและทักษะ
- Governance
รูปแบบผลลัพธ์:
- ระดับปัจจุบันขององค์กร
- หลักฐานที่ใช้ประเมิน
- จุดแข็ง
- ช่องว่าง
- สิ่งที่ต้องมีเพื่อไปสู่ระดับถัดไป
ข้อมูลองค์กร:
[วางบริบท]
42) ประเมินระดับความพร้อมแยกตามฝ่าย
อ้างอิงหลักการ: Gartner Maturity Model
เหมาะใช้เมื่อ: ต้องการเห็นความต่างของแต่ละฝ่าย
Prompt:
คุณคือที่ปรึกษาด้าน Enterprise Analytics
ช่วยประเมินระดับความพร้อมด้าน Analytics แยกตามฝ่ายหรือหน่วยงาน
ฝ่ายที่ต้องประเมิน:
[ระบุรายชื่อฝ่าย]
ในแต่ละฝ่าย ให้ประเมิน:
- การใช้ข้อมูล
- การทำรายงาน
- ความสามารถในการวิเคราะห์หาสาเหตุ
- ความสามารถในการพยากรณ์
- ความสามารถในการสนับสนุนการตัดสินใจ
- การผสานเข้ากับกระบวนการทำงาน
รูปแบบผลลัพธ์:
- คะแนนหรือระดับของแต่ละฝ่าย
- การจัดระดับตามโมเดล Gartner
- ช่องว่างสำคัญ
- สิ่งที่แต่ละฝ่ายควรพัฒนาก่อน
บริบท:
[วางข้อมูล]
43) วิเคราะห์ Gap ระหว่างระดับปัจจุบันกับเป้าหมาย
อ้างอิงหลักการ: Maturity progression
เหมาะใช้เมื่อ: รู้ระดับปัจจุบันแล้วและมีระดับเป้าหมาย
Prompt:
คุณคือผู้เชี่ยวชาญด้าน Capability Gap Analysis
ช่วยเปรียบเทียบระดับความพร้อมด้าน Analytics ปัจจุบันกับระดับเป้าหมาย
โปรดระบุ:
- ความสามารถที่มีอยู่ในปัจจุบัน
- ความสามารถที่ยังขาด
- เครื่องมือ / กระบวนการ / ทักษะที่จำเป็น
- Quick Wins
- การเปลี่ยนแปลงเชิงโครงสร้างที่ต้องทำ
รูปแบบผลลัพธ์:
- Current State
- Target State
- Gap Analysis
- Action Priorities
ข้อมูลปัจจุบัน:
[วางข้อมูล]
ระดับเป้าหมาย:
[ระบุเป้าหมาย]
44) ประเมินความพร้อมในการก้าวสู่ Predictive Analytics
อ้างอิงหลักการ: จาก Diagnostic ไป Predictive
เหมาะใช้เมื่อ: องค์กรเริ่มอยากทำ Forecast หรือ Modeling
Prompt:
คุณคือที่ปรึกษาด้าน Data Strategy
ช่วยประเมินว่าองค์กรนี้พร้อมหรือยังที่จะก้าวสู่ Predictive Analytics
โปรดประเมิน:
- ความเพียงพอของข้อมูลย้อนหลัง
- คุณภาพและความสม่ำเสมอของข้อมูล
- นิยามทางธุรกิจ
- Use Case ที่เหมาะกับการทำโมเดล
- ทักษะของทีม
- ความพร้อมของเทคโนโลยี
- Governance
ผลลัพธ์:
- คำตัดสินเรื่องความพร้อม
- จุดแข็ง
- ความเสี่ยง
- ช่องว่างที่ต้องแก้ก่อน
- ขั้นตอนถัดไปที่แนะนำ
บริบท:
[วางข้อมูล]
45) ประเมินความพร้อมในการก้าวสู่ Prescriptive Analytics
อ้างอิงหลักการ: จาก Predictive ไป Prescriptive
เหมาะใช้เมื่อ: อยากไปสู่ decision support หรือ optimization
Prompt:
คุณคือที่ปรึกษาด้าน Advanced Analytics
ช่วยประเมินว่าองค์กรพร้อมสำหรับ Prescriptive Analytics หรือยัง
โปรดตรวจสอบ:
- ความน่าเชื่อถือของการพยากรณ์
- กติกาการตัดสินใจทางธุรกิจ
- ข้อจำกัดที่ต้องคำนึงถึง
- ความสามารถด้าน Scenario Planning
- การทำงานข้ามฝ่าย
- กลไกในการนำไปใช้จริง
- ความสามารถในการติดตามผล
รูปแบบผลลัพธ์:
- ระดับความพร้อม
- สิ่งที่ยังขาด
- ความเสี่ยงสำคัญ
- Roadmap เพื่อไปสู่ความพร้อม
บริบท:
[วางข้อมูล]
46) สร้างแบบประเมินตนเองด้าน Analytics Maturity
อ้างอิงหลักการ: Maturity diagnostics
เหมาะใช้เมื่อ: ต้องการทำแบบประเมินให้ผู้จัดการหรือทีมใช้เอง
Prompt:
คุณคือผู้ออกแบบแบบประเมิน Analytics Maturity
ช่วยสร้างแบบสอบถามประเมินตนเองสำหรับผู้บริหารหรือผู้จัดการ เพื่อประเมินระดับความพร้อมด้าน Analytics
ข้อกำหนด:
- มีคำถาม 25-40 ข้อ
- ครอบคลุม คน กระบวนการ ข้อมูล เครื่องมือ Governance และการตัดสินใจ
- ผูกคำถามกับ 4 ระดับของ Gartner
- มีระบบให้คะแนนแบบง่าย
ผลลัพธ์:
- แบบสอบถาม
- เกณฑ์การให้คะแนน
- วิธีแปลผล
บริบทองค์กร:
[วางบริบท]
47) สรุปผลประเมินเป็น Heatmap
อ้างอิงหลักการ: Maturity visualization
เหมาะใช้เมื่อ: ต้องการนำเสนอให้ผู้บริหารเห็นภาพเร็ว
Prompt:
คุณคือ Enterprise Analytics Architect
จากผลการประเมินด้านล่าง ช่วยออกแบบโครงสร้าง Heatmap เพื่อสรุประดับความพร้อมด้าน Analytics
มิติที่ต้องมี:
- หน่วยงานธุรกิจ
- คุณภาพข้อมูล
- Reporting
- Diagnostic
- Forecasting
- Prescriptive Decision Support
- Talent
- Governance
ผลลัพธ์:
- ตาราง Heatmap
- คำแนะนำเรื่องสีหรือระดับ
- คำอธิบายสำหรับผู้บริหาร
- จุดที่เป็นพื้นที่สีแดงและควรแก้ก่อน
ข้อมูล:
[วางผลประเมิน]
48) หา Priority ว่าควรลงทุนเรื่องไหนก่อน
อ้างอิงหลักการ: Maturity improvement path
เหมาะใช้เมื่อ: มีหลายเรื่องต้องพัฒนา แต่ทรัพยากรจำกัด
Prompt:
คุณคือที่ปรึกษาด้านการจัดลำดับการลงทุนเพื่อยกระดับ Analytics
ช่วยจัดอันดับสิ่งที่ควรลงทุนก่อนเพื่อยกระดับความพร้อมด้าน Analytics
เกณฑ์ที่ใช้:
- ผลกระทบทางธุรกิจ
- ความเป็นไปได้
- ต้นทุน
- Time to Value
- ระดับการพึ่งพาสิ่งอื่น
รูปแบบผลลัพธ์:
- รายการจัดอันดับ
- เหตุผลว่าทำไมแต่ละข้อสำคัญ
- ลำดับการทำที่แนะนำ
- Quick Wins vs งานฐานราก
ข้อมูลจากการประเมิน:
[วางข้อมูล]
49) เขียนสรุปสถานะ Analytics ให้ผู้บริหาร
อ้างอิงหลักการ: Maturity communication
เหมาะใช้เมื่อ: ต้องสื่อสารภาพรวมให้ง่ายและชัด
Prompt:
คุณคือผู้ช่วยสื่อสารเชิงผู้บริหาร
ช่วยเขียน Leadership Brief สรุปสถานะความพร้อมด้าน Analytics ขององค์กร
ประเด็นที่ต้องมี:
- วันนี้เราอยู่ตรงไหน
- สิ่งนี้แปลว่าอะไรในเชิงธุรกิจ
- ความเสี่ยงถ้ายังอยู่ระดับนี้
- ประโยชน์ถ้าขยับขึ้นอีก 1 ระดับ
- 5 สิ่งสำคัญที่ผู้นำควรสนับสนุน
โทนภาษา:
สำหรับผู้บริหาร ไม่เทคนิคเกินไป ชัดและโน้มน้าวได้
ข้อมูล:
[วางผลประเมิน]
50) สร้างคำถามสำหรับเวิร์กช็อปเรื่อง Analytics Maturity
อ้างอิงหลักการ: Maturity comparison
เหมาะใช้เมื่อ: จะใช้ในการประชุมหรือ workshop เชิงกลยุทธ์
Prompt:
คุณคือผู้อำนวยความสะดวกเวิร์กช็อปเชิงกลยุทธ์
ช่วยสร้างชุดคำถามสำหรับใช้ในการประชุมผู้บริหาร เพื่อประเมินระดับความพร้อมด้าน Analytics และตกลงเป้าหมายระดับถัดไป
โปรดจัดทำ:
- คำถามสะท้อนคิด
- สัญญาณเตือนว่าระดับยังต่ำ
- สัญญาณว่าพร้อมก้าวสู่ระดับถัดไป
- คำถามเพื่อถกเถียง
- เกณฑ์สำหรับใช้ตัดสินใจ
บริบท:
[วางข้อมูล]
หมวด 6: จัดโครง KPI และข้อมูลให้พร้อมต่อการวิเคราะห์
51) ออกแบบ KPI Tree
อ้างอิงหลักการ: Foundation for Descriptive → Diagnostic
เหมาะใช้เมื่อ: KPI ยังไม่เชื่อมกับเป้าหมายธุรกิจ
Prompt:
คุณคือที่ปรึกษาด้านสถาปัตยกรรม KPI
ช่วยออกแบบ KPI Tree จากเป้าหมายธุรกิจด้านล่าง
สิ่งที่ต้องทำ:
1. เริ่มจากเป้าหมายหลักของธุรกิจ
2. แตกเป็นตัวขับเคลื่อนหลัก
3. แตกย่อยเป็น KPI ระดับปฏิบัติการ
4. แยก Leading Indicators กับ Lagging Indicators
5. อธิบายว่าแต่ละ KPI ช่วยสนับสนุน Analytics Maturity อย่างไร
เป้าหมายธุรกิจ:
[วางเป้าหมาย]
52) ทำมาตรฐานนิยาม KPI
อ้างอิงหลักการ: Data consistency for maturity growth
เหมาะใช้เมื่อ: แต่ละทีมตีความ KPI ไม่เหมือนกัน
Prompt:
คุณคือผู้เชี่ยวชาญด้าน Data Governance
ช่วยทำให้นิยาม KPI ต่อไปนี้เป็นมาตรฐานเดียวกัน
สำหรับแต่ละ KPI โปรดระบุ:
- ความหมายทางธุรกิจ
- สูตรคำนวณ
- แหล่งข้อมูล
- ความถี่ในการอัปเดต
- เจ้าของ KPI
- ข้อควรระวัง
- ความเสี่ยงในการตีความผิด
ผลลัพธ์:
- KPI Dictionary
- นิยามมาตรฐานที่แนะนำ
- หมายเหตุด้าน Governance
รายการ KPI:
[วางรายการ KPI]
53) แยก KPI ที่เป็นตัวชี้นำ vs ตัวชี้ผลลัพธ์
อ้างอิงหลักการ: From descriptive to predictive thinking
เหมาะใช้เมื่อ: อยากรู้ว่า KPI ไหนใช้เฝ้าระวังล่วงหน้าได้
Prompt:
คุณคือผู้เชี่ยวชาญด้านการออกแบบระบบวัดผล
ช่วยจัดประเภท KPI ต่อไปนี้ว่าเป็น Leading Indicator หรือ Lagging Indicator
สำหรับแต่ละ KPI ให้อธิบาย:
- ทำไมจึงเป็น Leading หรือ Lagging
- มันช่วยการตัดสินใจเรื่องใด
- เหมาะกับ Analytics Maturity ระดับใด
- ควรติดตามอย่างไร
รายการ KPI:
[วางรายการ]
54) สร้าง Checklist ข้อมูลที่ต้องมีสำหรับการวิเคราะห์
อ้างอิงหลักการ: Readiness for analytics maturity
เหมาะใช้เมื่อ: ก่อนเริ่มโปรเจกต์ data / BI / AI
Prompt:
คุณคือที่ปรึกษาด้านการวางแผนโครงการข้อมูล
ช่วยสร้าง Checklist ข้อมูลที่จำเป็นสำหรับ Use Case ต่อไปนี้
โปรดครอบคลุม:
- ฟิลด์ข้อมูลที่ต้องมี
- ช่วงเวลาของข้อมูล
- ระดับความละเอียด
- การตรวจคุณภาพข้อมูล
- สิทธิ์การเข้าถึง
- นิยามทางธุรกิจ
- ความเสี่ยงหากข้อมูลไม่ครบ
Use Case:
[วาง Use Case]
55) ออกแบบ Requirement สำหรับ Dashboard
อ้างอิงหลักการ: Descriptive maturity enablement
เหมาะใช้เมื่อ: จะสร้าง Dashboard ให้ทีมใช้งานจริง
Prompt:
คุณคือผู้เชี่ยวชาญด้าน BI Dashboard
ช่วยออกแบบ Requirement ของ Dashboard สำหรับสถานการณ์ธุรกิจด้านล่าง
โปรดระบุ:
- ผู้ใช้งานหลัก
- การตัดสินใจที่ Dashboard นี้ต้องช่วยสนับสนุน
- KPI สำคัญที่ต้องมี
- มิติที่ควร drill-down ได้
- เงื่อนไขที่ควรมี Alert
- โครงสร้างหน้าจอที่แนะนำ
สถานการณ์ธุรกิจ:
[วางบริบท]
56) ตรวจหาปัญหาคุณภาพข้อมูล
อ้างอิงหลักการ: Maturity blocker identification
เหมาะใช้เมื่อ: สงสัยว่าตัวเลขไม่น่าเชื่อถือ
Prompt:
คุณคือผู้ตรวจสอบคุณภาพข้อมูล
ช่วยตรวจสอบข้อมูลด้านล่างและระบุปัญหาคุณภาพข้อมูลที่อาจทำให้การวิเคราะห์ผิดเพี้ยน
โปรดตรวจ:
- Missing values
- ข้อมูลซ้ำ
- นิยามไม่สอดคล้องกัน
- ค่าที่พุ่งผิดปกติ
- เวลาไม่ตรงกัน
- หน่วยวัดผิด
- ปัญหาด้านความสมบูรณ์ของข้อมูล
ผลลัพธ์:
- ปัญหาที่พบ
- ระดับความรุนแรง
- ผลกระทบต่อธุรกิจ
- แนวทางแก้ไข
ข้อมูล:
[วางข้อมูล]
57) Map KPI ว่ามาจากแหล่งข้อมูลใด
อ้างอิงหลักการ: Governance and traceability
เหมาะใช้เมื่อ: ต้องการรู้แหล่งที่มาของแต่ละ KPI
Prompt:
คุณคือที่ปรึกษาด้าน Data Lineage
ช่วยเชื่อมโยง KPI แต่ละตัวกับระบบต้นทาง ฟิลด์ข้อมูล เจ้าของข้อมูล และความถี่ในการอัปเดต
รูปแบบผลลัพธ์:
- ชื่อ KPI
- ระบบต้นทาง
- ฟิลด์ที่ต้องใช้
- Logic การแปลงข้อมูล
- เจ้าของข้อมูล
- ความถี่ในการอัปเดต
- หมายเหตุเรื่องความเสี่ยง
รายการ KPI:
[วางรายการ]
บริบทระบบ:
[วางบริบท]
58) แปลงคำถามธุรกิจให้เป็นโครงสร้างการวิเคราะห์
อ้างอิงหลักการ: Turning decisions into analytics structure
เหมาะใช้เมื่อ: ผู้บริหารถามคำถาม แต่ทีมยังไม่รู้ต้องใช้ข้อมูลอะไร
Prompt:
คุณคือผู้แปลภาษาระหว่างธุรกิจกับทีมวิเคราะห์
ช่วยแปลงคำถามธุรกิจต่อไปนี้ให้เป็นโครงสร้างข้อมูลและการวิเคราะห์ที่ต้องใช้
สำหรับแต่ละคำถาม โปรดระบุ:
- เป้าหมายการวิเคราะห์
- KPI ที่ต้องใช้
- มิติที่ต้องมี
- ช่วงเวลา
- วิธีวิเคราะห์ที่เหมาะสม
- รูปแบบผลลัพธ์ที่ควรนำเสนอ
คำถามธุรกิจ:
[วางคำถาม]
59) จัดลำดับ KPI ที่ควรติดตามก่อน
อ้างอิงหลักการ: Focus before complexity
เหมาะใช้เมื่อ: KPI เยอะมากจนทีมโฟกัสไม่ถูก
Prompt:
คุณคือที่ปรึกษาด้าน Performance Management
ช่วยจัดลำดับความสำคัญของ KPI ต่อไปนี้ โดยใช้เกณฑ์:
- ความสำคัญเชิงกลยุทธ์
- ความสามารถในการลงมือทำ
- ความพร้อมของข้อมูล
- ความน่าเชื่อถือ
- คุณค่าในการคาดการณ์
ผลลัพธ์:
- Priority Matrix
- KPI ที่ต้องติดตามแน่นอน
- KPI ที่มีไว้เสริม
- KPI ที่ควรลดความสำคัญหรือเลิกใช้
รายการ KPI:
[วางรายการ]
60) ประเมินว่าข้อมูลพร้อมต่อการตัดสินใจแค่ไหน
อ้างอิงหลักการ: Maturity progression
เหมาะใช้เมื่อ: อยากรู้ว่าข้อมูลที่มีสนับสนุนการตัดสินใจได้ระดับใด
Prompt:
คุณคือที่ปรึกษาด้าน Decision Intelligence
ช่วยประเมินว่าข้อมูลที่มีอยู่ตอนนี้เพียงพอสำหรับการตัดสินใจระดับใดบ้างใน 4 ระดับของ Gartner:
- Descriptive
- Diagnostic
- Predictive
- Prescriptive
ผลลัพธ์:
- การตัดสินใจที่ข้อมูลปัจจุบันรองรับได้แล้ว
- การตัดสินใจที่ยังรองรับไม่ได้
- ข้อมูลหรือ logic ที่ยังขาด
- ระดับ maturity ที่ข้อมูลปัจจุบันสนับสนุนได้
- ขั้นตอนถัดไปเพื่อยกระดับความพร้อม
ข้อมูลที่มี:
[วางข้อมูล]
หมวด 7: Use Case แยกตามฝ่ายงาน
61) สร้าง Use Case Analytics สำหรับการตลาด
อ้างอิงหลักการ: All maturity stages
เหมาะใช้เมื่อ: อยากหาโจทย์ที่ใช้ Analytics ในฝ่ายการตลาด
Prompt:
คุณคือที่ปรึกษาด้าน Marketing Analytics
ช่วยสร้าง Use Case สำหรับฝ่ายการตลาด โดยอิงตาม Gartner’s Analytics Maturity Model
โปรดจัดกลุ่มเป็น:
- Descriptive Use Cases
- Diagnostic Use Cases
- Predictive Use Cases
- Prescriptive Use Cases
สำหรับแต่ละ Use Case ให้ระบุ:
- วัตถุประสงค์
- คำถามตัวอย่าง
- ข้อมูลที่ต้องใช้
- คุณค่าทางธุรกิจที่คาดหวัง
บริบทธุรกิจ:
[วางบริบท]
62) สร้าง Use Case Analytics สำหรับฝ่ายขาย
อ้างอิงหลักการ: All maturity stages
เหมาะใช้เมื่อ: อยากหา Use Case เพื่อยกระดับทีมขาย
Prompt:
คุณคือที่ปรึกษาด้าน Sales Transformation
ช่วยสร้าง Use Case Analytics สำหรับฝ่ายขาย โดยยึดตาม Gartner’s Analytics Maturity Model
สำหรับแต่ละ Use Case ให้ระบุ:
- คำถามทางธุรกิจ
- ระดับ maturity
- ข้อมูลที่ต้องใช้
- ผลลัพธ์ที่คาดว่าจะได้
- การตัดสินใจที่มันช่วยสนับสนุน
บริบทฝ่ายขาย:
[วางบริบท]
63) สร้าง Use Case Analytics สำหรับ HR
อ้างอิงหลักการ: All maturity stages
เหมาะใช้เมื่อ: อยากนำ Analytics ไปใช้ในงาน HR
Prompt:
คุณคือที่ปรึกษาด้าน HR Analytics
ช่วยสร้าง Use Case สำหรับฝ่าย HR ครอบคลุม 4 ระดับของ Gartner
ให้ครอบคลุมหัวข้อ เช่น:
- Recruitment
- Turnover
- Performance
- Engagement
- Training
- Workforce Planning
สำหรับแต่ละ Use Case ให้ระบุ:
- คำถามที่ต้องการตอบ
- อยู่ใน maturity stage ไหน
- ข้อมูลที่ต้องใช้
- การตัดสินใจที่ดีขึ้นได้อย่างไร
บริบท HR:
[วางบริบท]
64) สร้าง Use Case Analytics สำหรับการเงิน
อ้างอิงหลักการ: All maturity stages
เหมาะใช้เมื่อ: อยากให้ทีมการเงินใช้ Analytics อย่างเป็นระบบ
Prompt:
คุณคือที่ปรึกษาด้าน Finance Analytics
ช่วยสร้าง Use Case Analytics สำหรับฝ่ายการเงินให้สอดคล้องกับ Gartner’s Analytics Maturity Model
โปรดรวมตัวอย่างเรื่อง:
- Revenue
- Cost Control
- Margin
- Variance Analysis
- Forecasting
- Cash Flow
- Decision Support
ผลลัพธ์:
- รายการ Use Case แยกตาม maturity stage
- คุณค่าทางธุรกิจ
- ระดับความยากในการทำ
บริบทการเงิน:
[วางบริบท]
65) สร้าง Use Case Analytics สำหรับฝ่ายปฏิบัติการ
อ้างอิงหลักการ: All maturity stages
เหมาะใช้เมื่อ: อยากใช้ข้อมูลยกระดับประสิทธิภาพการดำเนินงาน
Prompt:
คุณคือผู้เชี่ยวชาญด้าน Operations Excellence
ช่วยสร้าง Use Case Analytics สำหรับฝ่ายปฏิบัติการ โดยอิงตามกรอบของ Gartner
ให้ครอบคลุม:
- Productivity
- Cycle Time
- Quality
- Capacity
- Bottlenecks
- Service Levels
- Forecasting
- Optimization
สำหรับแต่ละ Use Case โปรดระบุวัตถุประสงค์ ข้อมูล Insight และ Action ที่ได้
บริบท:
[วางบริบท]
66) สร้าง Use Case สำหรับธุรกิจสาขาหรือหน้าร้าน
อ้างอิงหลักการ: All maturity stages
เหมาะใช้เมื่อ: ธุรกิจมีหลายสาขาหรือจุดขาย
Prompt:
คุณคือที่ปรึกษาด้าน Retail Analytics
ช่วยสร้าง Use Case Analytics สำหรับธุรกิจสาขาหรือร้านค้า แยกตาม maturity stage
ให้ครอบคลุม:
- Traffic
- Conversion
- Basket Size
- Product Mix
- Promotion Response
- Staffing
- Inventory
- Local Actions
ผลลัพธ์:
- Descriptive Use Cases
- Diagnostic Use Cases
- Predictive Use Cases
- Prescriptive Use Cases
บริบท:
[วางบริบท]
67) สร้าง Use Case สำหรับ Customer Experience
อ้างอิงหลักการ: All maturity stages
เหมาะใช้เมื่อ: อยากใช้ Analytics ปรับปรุงประสบการณ์ลูกค้า
Prompt:
คุณคือที่ปรึกษาด้าน Customer Experience Analytics
ช่วยสร้าง Use Case เชิงปฏิบัติสำหรับ CX ครอบคลุมทั้ง 4 ระดับของ Analytics Maturity
ให้รวมตัวอย่างเกี่ยวกับ:
- ข้อร้องเรียน
- ตัวขับเคลื่อนความพึงพอใจ
- สัญญาณลูกค้าหลุด
- จุดติดขัดใน Journey
- แนวคิด Next Best Action
ผลลัพธ์:
- Use Cases
- ข้อมูลที่ต้องใช้
- ระดับ maturity
- ประโยชน์ทางธุรกิจ
บริบท CX:
[วางบริบท]
68) ออกแบบ Use Case เพื่อสนับสนุนผู้บริหาร
อ้างอิงหลักการ: Prescriptive-oriented maturity
เหมาะใช้เมื่อ: ต้องการใช้ Analytics เพื่อช่วยการประชุมและการตัดสินใจของผู้บริหาร
Prompt:
คุณคือที่ปรึกษาด้าน Executive Decision Support
ช่วยสร้าง Use Case ระดับผู้บริหาร ที่ช่วยให้ผู้นำขยับจาก “ดูรายงาน” ไปสู่ “ตัดสินใจได้ดีขึ้น”
สำหรับแต่ละ Use Case โปรดระบุ:
- คำถามเชิงกลยุทธ์
- อยู่ระดับ maturity ใด
- การตัดสินใจที่มันช่วย
- KPI ที่ต้องใช้
- เหมาะใช้ในประชุมรูปแบบใด
บริบทผู้บริหาร:
[วางบริบท]
69) หาโอกาสเชื่อม Analytics กับ AI
อ้างอิงหลักการ: Predictive / Prescriptive extension
เหมาะใช้เมื่อ: อยากต่อยอดจาก analytics ไปสู่ AI use case
Prompt:
คุณคือที่ปรึกษาด้าน AI Opportunity
จากบริบทธุรกิจด้านล่าง ช่วยหาโอกาสที่ AI จะเข้ามาช่วยยกระดับ Analytics Maturity
โปรดจัดกลุ่มเป็น:
- ทำให้ Descriptive Reporting ดีขึ้น
- ทำให้ Diagnostic Analysis ดีขึ้น
- ทำให้ Prediction ดีขึ้น
- ทำให้ Recommendation / Decision Support ดีขึ้น
สำหรับแต่ละโอกาส ให้ระบุ:
- Use Case
- คุณค่า
- ความซับซ้อน
- ความพร้อมของข้อมูล
- ความเสี่ยง
บริบท:
[วางบริบท]
70) วาง Roadmap Analytics แบบข้ามฝ่าย
อ้างอิงหลักการ: Enterprise maturity growth
เหมาะใช้เมื่อ: ต้องการเชื่อมหลายฝ่ายให้พัฒนาไปพร้อมกัน
Prompt:
คุณคือที่ปรึกษาด้าน Enterprise Transformation
ช่วยสร้าง Roadmap การยกระดับ Analytics แบบข้ามฝ่าย โดยใช้ Gartner’s Analytics Maturity Model เป็นแกนกลาง
โปรดระบุ:
- สิ่งพื้นฐานร่วมกันที่ทุกฝ่ายต้องมี
- Quick Wins ของแต่ละฝ่าย
- Dependency ระดับองค์กร
- Governance ที่จำเป็น
- Roadmap แบบเป็นเฟส
บริบทองค์กร:
[วางบริบท]
หมวด 8: Scenario Planning และ Decision Support
71) เปรียบเทียบหลายฉากทัศน์ทางธุรกิจ
อ้างอิงหลักการ: Predictive + Prescriptive
เหมาะใช้เมื่อ: มีหลายทางเลือกและต้องการเทียบก่อนตัดสินใจ
Prompt:
คุณคือผู้เชี่ยวชาญด้าน Strategic Scenario Analysis
ช่วยเปรียบเทียบฉากทัศน์ทางธุรกิจต่อไปนี้ และประเมินผลลัพธ์ ข้อแลกเปลี่ยน และทางเลือกที่เหมาะที่สุด
สำหรับแต่ละฉากทัศน์ โปรดประเมิน:
- ผลกระทบที่คาดหวัง
- ต้นทุน
- ความเสี่ยง
- เวลาในการเห็นผล
- ความซับซ้อนในการดำเนินงาน
- ความสอดคล้องกับกลยุทธ์
ผลลัพธ์:
- ตารางเปรียบเทียบฉากทัศน์
- ตัวเลือกที่ดีที่สุด
- เหตุผล
- ข้อควรระวัง
- เกณฑ์ที่ใช้ในการตัดสินใจ
ฉากทัศน์:
[วางฉากทัศน์]
บริบท:
[วางข้อมูล]
72) วางแผน Best Case / Base Case / Worst Case
อ้างอิงหลักการ: Predictive Analytics
เหมาะใช้เมื่อ: ต้องเตรียมรับหลายความเป็นไปได้
Prompt:
คุณคือผู้เชี่ยวชาญด้าน Business Planning
ช่วยสร้างประมาณการแบบ Best Case / Base Case / Worst Case สำหรับสถานการณ์ด้านล่าง
โปรดระบุ:
- สมมติฐานหลักของแต่ละฉากทัศน์
- Trigger ที่ทำให้เข้าสู่แต่ละฉากทัศน์
- ผลกระทบทางธุรกิจ
- สิ่งที่ผู้บริหารควรจับตา
ข้อมูล:
[วางข้อมูล]
73) สร้าง Decision Tree สำหรับการตัดสินใจ
อ้างอิงหลักการ: Prescriptive decision support
เหมาะใช้เมื่อ: ต้องการระบบคิดแบบ if-then ในการตัดสินใจ
Prompt:
คุณคือที่ปรึกษาด้าน Decision Design
ช่วยสร้าง Decision Tree สำหรับประเด็นต่อไปนี้
โปรดจัดโครงสร้าง:
- เป้าหมายของการตัดสินใจ
- ปัจจัยที่ใช้แยกกิ่ง
- Threshold หรือ Trigger Metrics
- Action ที่ควรทำในแต่ละกรณี
- จุดที่ควร escalate
ประเด็น:
[วางโจทย์]
ข้อมูลและบริบท:
[วางข้อมูล]
74) วิเคราะห์ Trade-off ระหว่างหลายทางเลือก
อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: ทุกตัวเลือกมีทั้งข้อดีและข้อเสีย
Prompt:
คุณคือผู้เชี่ยวชาญด้าน Trade-off Analysis
ช่วยประเมินข้อแลกเปลี่ยนระหว่างตัวเลือกต่อไปนี้
โปรดวิเคราะห์:
- ผลกระทบทางการเงิน
- ความสอดคล้องกับกลยุทธ์
- ความเสี่ยง
- ทรัพยากรที่ต้องใช้
- ความเร็ว
- ความสามารถในการย้อนกลับ
- ผลกระทบต่อลูกค้า
ผลลัพธ์:
- Trade-off Matrix
- ตัวเลือกที่แนะนำ
- สิ่งที่ต้องแลก
- สิ่งที่ได้กลับมา
ตัวเลือก:
[วางตัวเลือก]
บริบท:
[วางข้อมูล]
75) ทำ What-if Analysis
อ้างอิงหลักการ: Predictive / Prescriptive
เหมาะใช้เมื่อ: อยากรู้ว่าถ้าเปลี่ยนตัวแปร จะเกิดอะไรขึ้น
Prompt:
คุณคือผู้ช่วยจำลองสถานการณ์ทางธุรกิจ
ช่วยทำ What-if Analysis กับตัวแปรต่อไปนี้
โปรดประเมินผลกระทบหากเราเปลี่ยน:
- ราคา
- งบประมาณ
- Conversion Rate
- จำนวนคน
- Retention
- ปริมาณ Demand
- Productivity
ผลลัพธ์:
- สถานการณ์จำลอง
- ผลกระทบที่เป็นไปได้ของแต่ละตัวแปร
- ตัวแปรที่อ่อนไหวที่สุด
- สิ่งที่ควรโฟกัสก่อน
ข้อมูลตั้งต้น:
[วางข้อมูล]
76) วางแผนลดความเสี่ยง
อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: รู้ความเสี่ยงแล้วและอยากได้แผนป้องกัน
Prompt:
คุณคือผู้เชี่ยวชาญด้าน Risk Mitigation
จากความเสี่ยงที่ระบุด้านล่าง ช่วยเสนอแนวทางป้องกันและแผนรองรับ
สำหรับแต่ละความเสี่ยง โปรดระบุ:
- ระดับความรุนแรง
- ความน่าจะเป็น
- ผลกระทบทางธุรกิจ
- วิธีป้องกัน
- แผนสำรอง
- KPI หรือสัญญาณที่ควรติดตาม
ความเสี่ยง / ข้อมูล:
[วางข้อมูล]
77) จัดลำดับสิ่งที่ต้องทำภายใต้ข้อจำกัด
อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: งบ คน และเวลาไม่พอทำทุกอย่าง
Prompt:
คุณคือที่ปรึกษาด้าน Portfolio Prioritization
ช่วยจัดลำดับ Initiative ที่ควรทำก่อน ภายใต้ข้อจำกัดด้านงบประมาณ คน และเวลา
โปรดจัดอันดับโดยใช้เกณฑ์:
- ผลกระทบทางธุรกิจ
- ความเร่งด่วน
- ความเป็นไปได้
- Dependency
- ต้นทุน
- ความเสี่ยง
ผลลัพธ์:
- ลำดับความสำคัญ
- เหตุผลของแต่ละลำดับ
- สิ่งที่ควรเลื่อนไปก่อน
- ลำดับการดำเนินงานที่แนะนำ
รายการ Initiative:
[วางรายการ]
ข้อจำกัด:
[วางข้อจำกัด]
78) เตรียม Brief ก่อนเข้าประชุมตัดสินใจ
อ้างอิงหลักการ: Prescriptive executive support
เหมาะใช้เมื่อ: ต้องเตรียมข้อมูลก่อนประชุมผู้บริหาร
Prompt:
คุณคือ Chief of Staff สำหรับการประชุมตัดสินใจ
ช่วยจัดทำ Briefing Note แบบสั้น กระชับ สำหรับการตัดสินใจเรื่องต่อไปนี้
ให้มี:
- เรื่องที่ต้องตัดสินใจ
- ข้อเท็จจริงที่เกี่ยวข้อง
- ทางเลือกหลัก
- ข้อดีข้อเสีย
- ตัวเลือกที่แนะนำ
- คำถามที่ผู้บริหารควรถาม
- ความเสี่ยงหลังตัดสินใจ
บริบท:
[วางข้อมูล]
79) วิเคราะห์ความอ่อนไหวของตัวแปร
อ้างอิงหลักการ: Predictive planning
เหมาะใช้เมื่อ: อยากรู้ว่าปัจจัยใดกระทบผลลัพธ์มากที่สุด
Prompt:
คุณคือผู้เชี่ยวชาญด้าน Sensitivity Analysis
ช่วยวิเคราะห์ว่าตัวแปรใดส่งผลต่อผลลัพธ์มากที่สุด
โปรดทดสอบความอ่อนไหวของ:
- ตัวขับเคลื่อนรายได้
- ตัวขับเคลื่อนต้นทุน
- Conversion
- Retention
- สมมติฐานด้าน Demand
- สมมติฐานด้านราคา
ผลลัพธ์:
- ตัวแปรที่อ่อนไหวสูง
- ตัวแปรที่อ่อนไหวต่ำ
- ความหมายเชิงการบริหาร
- สิ่งที่ควรเฝ้าระวังเป็นพิเศษ
ข้อมูลตั้งต้น:
[วางข้อมูล]
80) ขอคำแนะนำแบบโปร่งใสเรื่องสมมติฐาน
อ้างอิงหลักการ: Prescriptive Analytics
เหมาะใช้เมื่อ: อยากให้ AI แนะนำ แต่บอกชัดว่าอาศัยสมมติฐานอะไร
Prompt:
คุณคือที่ปรึกษาด้าน Decision Intelligence
ช่วยเสนอแนวทางที่ควรทำต่อ โดยต้องแสดงเหตุผลอย่างโปร่งใส
ข้อกำหนด:
- ระบุสมมติฐานให้ชัด
- แยกข้อเท็จจริงออกจากข้อสมมติ
- ลิสต์ทางเลือกที่เป็นไปได้
- อธิบายว่าทำไมตัวเลือกที่แนะนำจึงดีที่สุด
- ชี้ให้เห็นความไม่แน่นอนและข้อมูลที่ยังขาด
บริบทและข้อมูล:
[วางข้อมูล]
หมวด 9: การสื่อสารผลวิเคราะห์ให้ใช้งานต่อได้
81) แปลผลวิเคราะห์ให้ผู้บริหารเข้าใจง่าย
อ้างอิงหลักการ: Translating analytics maturity into executive language
เหมาะใช้เมื่อ: ผลวิเคราะห์ซับซ้อนเกินไปสำหรับผู้บริหาร
Prompt:
คุณคือผู้เชี่ยวชาญด้านการสื่อสารเชิงผู้บริหาร
ช่วยแปลงผลการวิเคราะห์ด้านล่างให้เป็นภาษาธุรกิจที่ผู้บริหารเข้าใจง่าย
ข้อกำหนด:
- หลีกเลี่ยงศัพท์เทคนิคเกินจำเป็น
- เน้นความหมายเชิงธุรกิจ
- อธิบายว่าเกิดอะไรขึ้น สำคัญอย่างไร และควรทำอะไรต่อ
- ให้กระชับและโน้มน้าวได้
ผลวิเคราะห์:
[วางผลวิเคราะห์]
82) สรุปสำหรับใส่สไลด์บอร์ดบริหาร
อ้างอิงหลักการ: Descriptive → Prescriptive communication
เหมาะใช้เมื่อ: ต้องสรุปสาระสำคัญให้ขึ้นสไลด์ผู้บริหาร
Prompt:
คุณคือที่ปรึกษาด้านการทำสไลด์เชิงกลยุทธ์
ช่วยแปลงผลการวิเคราะห์ด้านล่างให้เป็นสรุปสำหรับใส่สไลด์บอร์ดบริหาร
โครงสร้าง:
- สถานการณ์
- ข้อค้นพบสำคัญ
- ความเสี่ยง
- ข้อเสนอแนะในการตัดสินใจ
- ผลกระทบที่คาดหวัง
โทนภาษา:
คม กระชับ ระดับผู้บริหาร
ข้อมูล:
[วางผลวิเคราะห์]
83) เขียนรายงานแบบ Insight-to-Action
อ้างอิงหลักการ: Full maturity flow
เหมาะใช้เมื่อ: ไม่อยากให้รายงานจบแค่ Insight
Prompt:
คุณคือผู้เชี่ยวชาญด้านการเขียนรายงานเพื่อการบริหาร
ช่วยจัดทำรายงานที่เชื่อมโยงสิ่งต่อไปนี้เข้าด้วยกัน:
1. เกิดอะไรขึ้น
2. ทำไมถึงเกิดขึ้น
3. จะเกิดอะไรต่อ
4. เราควรทำอะไร
โปรดใช้ข้อมูลหรือผลวิเคราะห์ด้านล่าง และจัดโครงสร้างให้ชัดเจน
ข้อมูล:
[วางข้อมูลหรือผลวิเคราะห์]
84) สรุป Analytics Brief แบบ 1 หน้า
อ้างอิงหลักการ: Business-friendly analytics communication
เหมาะใช้เมื่อ: ต้องการเอกสารสั้นแต่ครบสำหรับประชุม
Prompt:
คุณคือผู้เชี่ยวชาญด้าน Executive Brief
ช่วยสร้างสรุป Analytics แบบ 1 หน้า จากข้อมูลด้านล่าง
สิ่งที่ต้องมี:
- วัตถุประสงค์
- เกิดอะไรขึ้น
- ทำไมเรื่องนี้สำคัญ
- ความเสี่ยง
- สิ่งที่ควรทำต่อ
- KPI ที่ควรติดตาม
ข้อกำหนด:
- กระชับ
- ใช้เพื่อการตัดสินใจได้จริง
ข้อมูล:
[วางข้อมูล]
85) สร้างคำถามสำหรับประชุมจากผลวิเคราะห์
อ้างอิงหลักการ: Turning analytics into management discussion
เหมาะใช้เมื่อ: อยากให้ผลวิเคราะห์นำไปสู่การคุยที่มีคุณภาพ
Prompt:
คุณคือผู้อำนวยความสะดวกการประชุมเชิงกลยุทธ์
จากผลการวิเคราะห์ด้านล่าง ช่วยสร้างชุดคำถามสำหรับใช้ในการประชุมผู้บริหาร
โปรดจัดกลุ่มคำถามเป็น:
- คำถามเพื่อขอความชัดเจน
- คำถามเชิงท้าทาย
- คำถามเพื่อการตัดสินใจ
- คำถามด้านความเสี่ยง
- คำถามเรื่องขั้นตอนถัดไป
ผลวิเคราะห์:
[วางผลวิเคราะห์]
86) สร้าง Storyline จากข้อมูล
อ้างอิงหลักการ: Narrative across maturity stages
เหมาะใช้เมื่อ: ต้องการเล่าเรื่องข้อมูลให้คนเข้าใจและจดจำได้
Prompt:
คุณคือผู้เชี่ยวชาญด้าน Business Storytelling
ช่วยแปลงข้อมูลและผลการวิเคราะห์ด้านล่างให้เป็น Storyline ที่ชัดเจน
โครงเรื่องต้องมี:
- เกิดอะไรขึ้น
- ทำไมถึงเกิดขึ้น
- มีแนวโน้มจะเกิดอะไรต่อ
- ตอนนี้เราควรทำอะไร
ผลลัพธ์:
- หัวเรื่องหลัก
- โครงเรื่อง
- หลักฐานสนับสนุน
- ข้อเสนอแนะสุดท้าย
ข้อมูล:
[วางข้อมูล]
87) เขียนอีเมลสรุปให้ผู้บริหาร
อ้างอิงหลักการ: Actionable reporting
เหมาะใช้เมื่อ: ต้องสรุปผลวิเคราะห์ส่งทางอีเมล
Prompt:
คุณคือผู้เชี่ยวชาญด้าน Executive Communications
ช่วยเขียนอีเมลสรุปสำหรับผู้บริหาร จากผลวิเคราะห์และข้อเสนอด้านล่าง
ข้อกำหนด:
- มีหัวข้ออีเมลที่ชัดเจน
- มี 5-7 ย่อหน้าสั้น ๆ หรือแบ่งเป็น bullet sections
- เน้นผลกระทบและการตัดสินใจ
- ปิดท้ายด้วยสิ่งที่ต้องการให้ผู้บริหารอนุมัติหรือเห็นชอบ
ข้อมูล:
[วางข้อมูลหรือผลวิเคราะห์]
88) สรุปงานให้ทีมลงมือทำ
อ้างอิงหลักการ: Prescriptive communication to execution teams
เหมาะใช้เมื่อ: ต้องส่งต่อจาก insight ไปสู่ execution team
Prompt:
คุณคือหัวหน้าฝ่ายสื่อสารภายในทีมปฏิบัติการ
ช่วยแปลงผลวิเคราะห์ด้านล่างให้เป็น Team Action Summary
สิ่งที่ต้องมี:
- สิ่งที่ทีมควรรู้
- สิ่งที่ต้องลงมือทำ
- ใครควรทำอะไร
- ต้องติดตามตัวเลขอะไร
- กำหนดเวลาสำคัญคืออะไร
ข้อมูล:
[วางผลวิเคราะห์]
89) เขียน Commentary ประกอบ Dashboard
อ้างอิงหลักการ: Descriptive and diagnostic reporting
เหมาะใช้เมื่อ: ต้องมีคำอธิบายประกอบ dashboard รายสัปดาห์หรือรายเดือน
Prompt:
คุณคือผู้เชี่ยวชาญด้านการเขียน Dashboard Commentary
ช่วยเขียนคำอธิบายประกอบ Dashboard จากการเปลี่ยนแปลงของ KPI ด้านล่าง
โปรดรวม:
- การเปลี่ยนแปลงสำคัญ
- การตีความที่เป็นไปได้
- ประเด็นที่ต้องจับตา
- คำถามที่ควรถามต่อ
- พื้นที่ที่ควรลงมือทำ
ข้อมูล Dashboard:
[วางข้อมูล]
90) เขียนสรุปข้อเสนอเพื่อขออนุมัติ
อ้างอิงหลักการ: Prescriptive decision support
เหมาะใช้เมื่อ: ต้องเสนอแผนและขอ approval
Prompt:
คุณคือผู้เชี่ยวชาญด้านการเขียน Recommendation Summary
ช่วยจัดทำสรุปข้อเสนอเพื่อขออนุมัติแผนจากผู้บริหาร
สิ่งที่ต้องมี:
- ที่มาและบริบท
- หลักฐานสำคัญ
- แผนที่เสนอ
- ผลกระทบที่คาดหวัง
- งบหรือทรัพยากรที่ต้องใช้
- ความเสี่ยง
- สิ่งที่ต้องการให้อนุมัติ
ข้อมูล:
[วางข้อเสนอหรือผลวิเคราะห์]
หมวด 10: Master Prompt และ Prompt Chain ใช้งานจริง
91) วิเคราะห์ครบทั้ง 4 ระดับในรอบเดียว
อ้างอิงหลักการ: Descriptive → Diagnostic → Predictive → Prescriptive
เหมาะใช้เมื่อ: อยากให้ AI วิเคราะห์ครบวงจรใน Prompt เดียว
Prompt:
คุณคือที่ปรึกษาด้าน Analytics และการตัดสินใจแบบครบวงจร
ช่วยวิเคราะห์ข้อมูลนี้ตาม Gartner’s Analytics Maturity Model ทั้ง 4 ระดับ
Stage 1: Descriptive
- เกิดอะไรขึ้น
Stage 2: Diagnostic
- ทำไมถึงเกิดขึ้น
Stage 3: Predictive
- มีแนวโน้มจะเกิดอะไรต่อ
Stage 4: Prescriptive
- ควรทำอะไรต่อ
ข้อกำหนด:
- แยกแต่ละ Stage ให้ชัดเจน
- แยกข้อเท็จจริงออกจากการอนุมานและข้อสมมติ
- ระบุข้อมูลที่ยังขาด
- ปิดท้ายด้วย Action Plan แบบเรียงลำดับความสำคัญ
ข้อมูล:
[วางข้อมูล]
92) ให้ AI ทำหน้าที่ Analyst Copilot แบบทีละขั้น
อ้างอิงหลักการ: Structured prompt workflow
เหมาะใช้เมื่อ: อยากลดความมั่วและให้ AI ทำงานเป็นลำดับ
Prompt:
คุณคือ Analyst Copilot ของฉัน
ช่วยทำงานเป็น 4 ขั้นตอนดังนี้:
1. สรุปว่าเกิดอะไรขึ้น
2. วิเคราะห์ว่าน่าจะเกิดจากอะไร
3. คาดการณ์ว่าจะเกิดอะไรต่อ
4. แนะนำว่าควรทำอะไร
สำหรับแต่ละขั้นตอน:
- สรุปเหตุผลแบบสั้น
- ระบุระดับความมั่นใจ
- บอกข้อมูลที่ยังขาด
- ใช้ภาษาธุรกิจที่เข้าใจง่าย
ข้อมูลธุรกิจ:
[วางข้อมูล]
93) สร้างคำถามวิเคราะห์ที่ดีขึ้น
อ้างอิงหลักการ: Analytics maturity depends on question quality
เหมาะใช้เมื่อ: ยังไม่แน่ใจว่าควรถามอะไรกับข้อมูล
Prompt:
คุณคือที่ปรึกษาด้านการตั้งคำถามเชิงวิเคราะห์
จากสถานการณ์ธุรกิจด้านล่าง ช่วยสร้างคำถามวิเคราะห์ที่ดีที่สุดในแต่ละระดับของ Gartner’s Analytics Maturity Model
โปรดแยกเป็น:
- คำถามแบบ Descriptive
- คำถามแบบ Diagnostic
- คำถามแบบ Predictive
- คำถามแบบ Prescriptive
สำหรับแต่ละคำถาม ให้ระบุ:
- ทำไมคำถามนี้จึงสำคัญ
- ต้องใช้ข้อมูลอะไร
- จะช่วยการตัดสินใจเรื่องใด
สถานการณ์:
[วางสถานการณ์]
94) วิเคราะห์แบบตั้ง Hypothesis
อ้างอิงหลักการ: Stronger diagnostic and predictive analysis
เหมาะใช้เมื่อ: อยากให้การวิเคราะห์มีโครงสร้าง ไม่กระโดดสรุป
Prompt:
คุณคือผู้เชี่ยวชาญด้าน Hypothesis-Driven Analysis
จากข้อมูลด้านล่าง โปรดทำสิ่งต่อไปนี้:
1. สรุปปัญหาหลัก
2. สร้างสมมติฐานที่เป็นไปได้ 5-7 ข้อ
3. จัดอันดับสมมติฐานตามความน่าจะเป็น
4. เสนอวิธีตรวจสอบแต่ละสมมติฐาน
5. แนะนำสิ่งที่ควรทำต่อจากสมมติฐานที่แข็งแรงที่สุด
ข้อมูล:
[วางข้อมูล]
95) วิเคราะห์เพื่อสนับสนุนการตัดสินใจโดยตรง
อ้างอิงหลักการ: Analytics should support decisions
เหมาะใช้เมื่อ: ไม่อยากได้แค่รายงาน แต่อยากได้คำตอบที่ใช้ตัดสินใจได้
Prompt:
คุณคือที่ปรึกษาด้านการวิเคราะห์เพื่อการตัดสินใจ
ช่วยวิเคราะห์สถานการณ์ด้านล่างโดยมีเป้าหมายชัดเจนว่า “ต้องช่วยให้ตัดสินใจได้”
โปรดตอบให้ครบ:
- เกิดอะไรขึ้น
- ทำไมเรื่องนี้จึงสำคัญ
- ทางเลือกที่มีอยู่คืออะไร
- ทางเลือกใดดีที่สุด
- มีสมมติฐานอะไรที่อาจทำให้คำแนะนำเปลี่ยนไป
บริบทธุรกิจ:
[วางข้อมูล]
การตัดสินใจที่ต้องการ:
[วางโจทย์การตัดสินใจ]
96) ตรวจคุณภาพงานวิเคราะห์ก่อนส่งต่อ
อ้างอิงหลักการ: Quality control across maturity stages
เหมาะใช้เมื่อ: อยากให้ AI ตรวจงานวิเคราะห์อีกชั้นก่อนนำเสนอ
Prompt:
คุณคือผู้ตรวจคุณภาพงานวิเคราะห์
ช่วยรีวิวผลการวิเคราะห์ด้านล่างและระบุจุดอ่อนที่ควรแก้
โปรดตรวจสอบ:
- มีข้อสรุปใดที่ไม่มีหลักฐานรองรับหรือไม่
- มีการปนกันระหว่างข้อเท็จจริงกับข้อสมมติหรือไม่
- การวิเคราะห์สาเหตุลึกพอหรือไม่
- Logic ของการคาดการณ์แน่นพอหรือไม่
- ข้อเสนอแนะในการลงมือทำชัดพอหรือไม่
- มีความเสี่ยงด้านคุณภาพข้อมูลหรือไม่
ผลลัพธ์:
- จุดแข็ง
- จุดอ่อน
- สิ่งที่ควรแก้
- ข้อเสนอเวอร์ชันที่ดีกว่า
ผลวิเคราะห์:
[วางผลวิเคราะห์]
97) สร้าง Template จาก Data → Insight → Action
อ้างอิงหลักการ: Full maturity workflow
เหมาะใช้เมื่อ: อยากได้แม่แบบใช้ซ้ำทุกสัปดาห์หรือทุกเดือน
Prompt:
คุณคือผู้ออกแบบ Template การวิเคราะห์ธุรกิจ
ช่วยสร้าง Template มาตรฐานที่พาข้อมูลดิบไปสู่:
- Insight
- Interpretation
- Forecast
- Recommendation
- Action Tracking
ข้อกำหนด:
- ใช้งานซ้ำได้ทุกสัปดาห์หรือทุกเดือน
- อ่านง่าย
- เหมาะกับทีมธุรกิจ
บริบท:
[วางบริบท]
98) ตั้งกติกาให้ AI วิเคราะห์แบบมาตรฐานเดียวกัน
อ้างอิงหลักการ: Governance and disciplined analysis
เหมาะใช้เมื่อ: อยากให้ AI ทุกครั้งวิเคราะห์ในมาตรฐานเดียวกัน
Prompt:
คุณคือผู้ช่วยวิเคราะห์ธุรกิจของฉัน
โปรดทำงานตามกติกาต่อไปนี้ทุกครั้ง:
1. เริ่มจากข้อเท็จจริงเชิง Descriptive ก่อน
2. อย่ากระโดดสรุปโดยไม่มีหลักฐาน
3. แยกการวิเคราะห์สาเหตุออกจากการคาดการณ์
4. แยกการคาดการณ์ออกจากข้อเสนอแนะ
5. ระบุสมมติฐานและระดับความมั่นใจทุกครั้ง
6. บอกข้อมูลที่ยังขาด
7. ข้อเสนอแนะต้องทำได้จริงและมีลำดับความสำคัญ
ตอนนี้ให้นำกติกานี้ไปใช้กับกรณีต่อไปนี้:
[วางกรณีศึกษา]
99) ใช้ AI ช่วยออกแบบเวิร์กช็อปข้ามฝ่าย
อ้างอิงหลักการ: Organizational maturity building
เหมาะใช้เมื่อ: จะจัดประชุมหรือ workshop ให้หลายทีมช่วยกันคิด
Prompt:
คุณคือผู้อำนวยความสะดวกเวิร์กช็อปด้าน Analytics Planning
ช่วยออกแบบเวิร์กช็อปสำหรับหลายฝ่าย โดยใช้ Gartner’s 4 Analytics Maturity Stages เป็นแกน
โปรดจัดทำ:
- Agenda เวิร์กช็อป
- คำถามหลักในแต่ละ Stage
- ข้อมูลที่ควรเตรียม
- กิจกรรมของแต่ละทีม
- Output ที่ควรได้
- คำถามเพื่อสรุปให้เกิด Alignment ตอนท้าย
ประเด็นธุรกิจ:
[วางประเด็น]
100) Master Prompt หลักสำหรับ Gartner’s Analytics Maturity Model
อ้างอิงหลักการ: Full master prompt
เหมาะใช้เมื่อ: ต้องการ Prompt หลักตัวเดียว ใช้ครอบคลุมหลายสถานการณ์
Prompt:
คุณคือที่ปรึกษาด้าน Business Analytics และ Decision Support ระดับอาวุโส
ช่วยวิเคราะห์ข้อมูลที่ฉันให้ โดยใช้ Gartner’s Analytics Maturity Model เป็นกรอบหลัก
ลำดับการทำงานต้องเป็นดังนี้:
1. Descriptive Analytics
- สรุปว่าเกิดอะไรขึ้น
- ชี้ตัวเลขสำคัญ รูปแบบ และสิ่งผิดปกติ
2. Diagnostic Analytics
- อธิบายว่าทำไมจึงอาจเกิดขึ้น
- ลิสต์สาเหตุที่เป็นไปได้และหลักฐานสนับสนุน
- แยกข้อเท็จจริงออกจากข้อสมมติ
3. Predictive Analytics
- คาดการณ์ว่าจะเกิดอะไรต่อ
- แสดงฉากทัศน์ สมมติฐาน และความไม่แน่นอน
4. Prescriptive Analytics
- แนะนำว่าควรทำอะไรต่อ
- จัดลำดับสิ่งที่ควรทำตามผลกระทบและความเป็นไปได้
- เสนอ KPI ที่ควรติดตามหลังลงมือทำ
รูปแบบผลลัพธ์:
- Executive Summary
- Stage 1: Descriptive
- Stage 2: Diagnostic
- Stage 3: Predictive
- Stage 4: Prescriptive
- Priority Action Plan
- Risks and Assumptions
- Missing Data / Next Questions
ข้อกำหนด:
- ใช้เฉพาะข้อมูลที่ฉันให้ เว้นแต่ฉันจะอนุญาตให้ใช้สมมติฐานภายนอก
- หากความมั่นใจต่ำ ให้บอกอย่างตรงไปตรงมา
- ใช้ภาษาธุรกิจที่เข้าใจง่าย
- เน้นผลลัพธ์ที่นำไปใช้ได้จริง
ข้อมูล / บริบท:
[วางข้อมูล]


