นาย ต. : อสังหาฯ data science & machine learning

10-20 ปีที่แล้วคงมีน้อยคนที่จะรู้จักคำเหล่านี้ data science & machine learning แม้ทุกวันนี้จะเป็นคำที่ยังทำความเข้าใจได้ยาก แต่เราไม่รู้จักมันไม่ได้เสียแล้ว

เพราะมันเข้ามาเปลี่ยนกระบวนความคิด กระบวนแสวงหาความรู้ และกระบวนการทำงาน ที่แตกต่างจากเดิมอย่างสิ้นเชิง

แม้แต่ธุรกิจอสังหาริมทรัพย์ ซึ่งเป็นธุรกิจที่ตรงไปตรงมาไม่ซับซ้อน มีที่ดินและสิ่งปลูกสร้าง เพื่อประโยชน์ใช้สอยของผู้คน เรื่อง data science & machine learning ยังเข้ามาเกี่ยวข้อง

 

เริ่มจากฝั่งผู้ซื้อ

ทุกวันนี้เพียงแค่การมีข้อมูลโครงการบ้านจัดสรร คอนโดมิเนียม และข้อมูลที่เกี่ยวข้องที่ครบถ้วน ให้ผู้ซื้อเห็นสินค้าทั้งหมดพร้อมข้อมูลที่เกี่ยวข้อง ก็ยังไม่เพียงพอสำหรับการตัดสินใจซื้อที่ดีที่จะทำให้ได้สินค้าที่ตรงความต้องการมากที่สุด

เพราะคนเราจะมีข้อจำกัดตามที่ประสบการณ์ที่ตัวเองมีเท่านั้น แม้มีข้อมูลให้ครบแล้ว ก็จะค้นหาตามที่ตัวเองคิดและมีประสบการณ์เท่านั้น จึงถือว่ายังอยู่ในเงื่อนไขที่จำกัด

ยกตัวอย่าง คนที่มีบ้านพ่อแม่อยู่ถนนลาดพร้าวและคุ้นเคยกับย่านนี้ ได้งานเงินดีที่ถนนสาทร ต้องการซื้อบ้านเป็นของตัวเอง แต่แถวลาดพร้าวราคาสูงเกินกำลังซื้อ ก็จะขยับถอยไปซื้อแถวมีนบุรีซึ่งมีราคาถูกกว่า โดยไม่ได้คิดหรือคิดแต่ไม่กล้าเพราะไม่มีประสบการณ์ที่เกี่ยวกับย่านฝั่งธนฯ ทั้งที่ใกล้กว่า และอาจมีราคาถูกกว่า

ทางแก้คือ ต้องนำ data จำนวนมหาศาล ทั้งด้าน supply โครงการต่างๆ ด้าน demad เส้นทางการค้นหาที่อยู่อาศัยของผู้ซื้อแต่ละคนและพฤติกรรมรวมของผู้บริโภค มาผ่านกระบวนการ data science & machine learning แล้วสร้างเครื่องมือเติมเต็มประสบการณ์ผู้ซื้อขึ้นมา เพื่อให้ผู้ซื้อใช้ติดสินใจได้เหนือประสบการณ์ส่วนตัว

 

ฝั่งผู้ผลิต นักพัฒนาอสังหาฯ

ทุกวันนี้ แทบทุกบริษัททำโครงการตามประสบการณ์ผู้บริหารและทีม มีความชำนาญโซนไหน หมายถึงรู้จักลูกค้า ความต้องการลูกค้า ก็จะทำอยู่ในโซนนั้นๆ เพราะการข้ามโซนที่ไม่ชำนาญมักมีความเสี่ยงสูง บริษัทรายใหญ่ที่มีโครงการอยู่แทบทุกทำเลก็จะมีข้อได้เปรียบที่มีข้อมูลในแทบทุกทำเล

นั่นแสดงว่า ผู้ผลิตก็มีข้อจำกัดตามประสบการณ์ตรงที่มีเช่นเดียวกับผู้บริโภค

data science & machine learning ที่ได้จาก Big data ของผู้บริโภคก็สามารถเข้ามาช่วยผู้ผลิตได้ ผ่านกระบวนการวิเคราะห์ข้อมูลที่จะช่วยให้รู้ถึงความต้องการของผู้บริโภค เกี่ยวกับ ทำเล รูปแบบดีไซน์ ราคา ที่ผู้บริโภคแต่ละคนแต่ละกลุ่มต้องการ

ช่วยผู้ผลิตแต่ละรายผลิตได้ตรงความต้องการผู้ซื้อ ช่วยให้ธุรกิจผลิตตามความต้องการของตลาด ไม่ล้นเกินความต้องการของตลาด

 

กระบวนการ data science & machine learning ดังกล่าวนี้ จะค่อยๆ ทำให้วิธีการแบบเดิมๆ เช่น การคาดเดาความต้องการของผู้ซื้อ การสุ่มตัวอย่างกลุ่มเป้าหมายเพื่อถามความต้องการ จะหายไปในที่สุด

ผู้ผลิตนักพัฒนาอสังหาริมทรัพย์ที่รู้ความต้องการของผู้บริโภคมากที่สุด ละเอียดลออมากที่สุดจะเป็นผู้ประสบความสำเร็จในการผลิตสินค้าที่อยู่อาศัย

ผู้ซื้อนอกจากจะมีสินค้าให้เลือกมากครบถ้วนแล้ว กระบวนการเลือกและตัดสินใจยังครบถ้วนเกินกว่าประสบการณ์ส่วนตัว และยังมีเครื่องมือสื่อสารการตลาดครบถ้วน ย่อมทำให้การตัดสินใจซื้อได้ตรงกับความต้องการที่แท้จริงสมบูรณ์

เป็นกลไกตลาดที่เสรีสมบูรณ์มากขึ้น

จะเรียกว่า เป็นประชาธิปไตยทางการตลาดก็ได้นะ 55

บทความก่อนหน้านี้วิรัตน์ แสงทองคำ : เบียร์ สุรา และ ธุรกิจค้าปลีก
บทความถัดไปสมหมาย ปาริจฉัตต์ : เรียนสุข สนุกสอน กับ sQip (1)