Data Silo แพงกว่าค่า Software อย่างไร? ต้นทุนที่ไม่เคยอยู่ในใบเสนอราคา

เวลาบริษัทกำลังพิจารณาระบบใหม่ คำถามแรกที่เกิดขึ้นแทบทุกครั้งคือ “ค่า License เท่าไร?” คำถามนี้ไม่ผิด เพราะ Software เป็นค่าใช้จ่ายที่มองเห็นได้ชัด มีใบเสนอราคา มีจำนวน User มีค่า Implement และมีค่าใช้จ่ายรายปีที่เอาไปใส่ Budget ได้ทันที แต่มีต้นทุนอีกประเภทหนึ่งที่ผมคิดว่าหลายองค์กรแทบไม่เคยนำมาคำนวณอย่างจริงจัง นั่นคือ ต้นทุนของการที่ข้อมูลยังแยกอยู่คนละที่ หรือ Data Silo ต้นทุนนี้ไม่มี Vendor ส่ง Invoice มาเรียกเก็บ ไม่มีบรรทัดชื่อ “Data Silo Cost” อยู่ในงบการเงิน และหลายครั้งแต่ละหน่วยงานก็ไม่รู้ด้วยซ้ำว่ากำลังจ่ายต้นทุนนี้อยู่ทุกเดือน แต่เมื่อรวมกันทั้งองค์กร มูลค่าอาจสูงกว่าค่า Software ที่เรากำลังพยายามประหยัดเสียอีก

Data Silo ไม่ได้หมายถึงแค่ “ข้อมูลอยู่หลายระบบ”

หลายคนได้ยินคำว่า Data Silo แล้วมักนึกถึงปัญหา IT Sales ใช้ระบบหนึ่ง Finance ใช้อีกระบบหนึ่ง HR มีฐานข้อมูลของตัวเอง Operation มี Excel อีกชุดหนึ่ง แต่ในมุมการบริหาร ปัญหาที่แท้จริงไม่ได้อยู่ที่มีหลายระบบ องค์กรขนาดใหญ่แทบเป็นไปไม่ได้ที่จะใช้ Software เพียงระบบเดียวทำทุกอย่าง ปัญหาเกิดขึ้นเมื่อข้อมูลในระบบเหล่านั้น ไม่สามารถสร้างความหมายร่วมกันได้ในเวลาที่ต้องตัดสินใจ ยอดขายอาจอยู่ใน CRM ค่าใช้จ่ายอยู่ใน ERP Headcount อยู่ใน HRIS Performance อยู่ในอีก Platform Strategy และ KPI อยู่ใน PowerPoint หรือ Spreadsheet แต่เวลาผู้บริหารต้องตอบว่า “ทำไม Margin ของ Business Unit นี้กำลังลด?” กลับต้องรอให้หลายฝ่ายดึงข้อมูลออกมา แล้วค่อยเอามาประกอบกันทีหลัง ตรงนี้ Data Silo จึงไม่ได้สร้างแค่ปัญหาเรื่องข้อมูล มันสร้าง ความล่าช้าในการบริหาร

ค่าใช้จ่ายที่เห็นง่ายที่สุด คือเวลาของคน

ลองนึกถึงการทำ Management Report ทุกเดือน Finance ดึงข้อมูลจากระบบหนึ่ง Sales ส่ง Excel มาอีกชุด HR ส่ง Headcount Operations ส่ง Productivity จากนั้นมีคนหนึ่งหรือหลายคนทำหน้าที่ Copy, VLOOKUP, Clean Data, ตรวจชื่อ Department, แก้ Format และพยายามทำให้ตัวเลขจากแต่ละฝ่ายพูดภาษาเดียวกัน สมมติใช้เวลาเพียงวันละ 2–3 ชั่วโมง ถ้ามองเฉพาะเงินเดือนของคนหนึ่งคน อาจรู้สึกว่าไม่มาก แต่ในองค์กรจริง ไม่ได้มีคนเดียวที่กำลังทำแบบนี้ Finance ทำ HR ทำ Sales Ops ทำ Business Analyst ทำ Manager เองก็ทำ แล้วทุกเดือนกระบวนการเดิมเกิดขึ้นใหม่อีกครั้ง นี่คือ Reconciliation Cost หรือค่าใช้จ่ายในการทำให้ข้อมูลจากหลายแหล่งกลับมาตรงกัน มันไม่ได้เพิ่ม Value โดยตรงให้ลูกค้า แต่เป็นงานที่องค์กรจำเป็นต้องทำ เพราะระบบข้อมูลข้างหลังยังไม่เชื่อมกัน

แต่เวลาทำ Report อาจยังไม่ใช่ต้นทุนที่แพงที่สุด

สิ่งที่ผมคิดว่าแพงกว่าคือ เวลาที่องค์กรต้องรอก่อนจะรู้ว่าเกิดอะไรขึ้น สมมติ KPI ของหน่วยงานหนึ่งเริ่มหลุดตั้งแต่สัปดาห์แรกของเดือน แต่รายงานถูกสรุปสิ้นเดือน จากนั้นประชุม Management ในสัปดาห์ถัดไป กว่าผู้บริหารจะเห็นปัญหา อาจผ่านไปแล้ว 4–5 สัปดาห์ ถ้าจากนั้นต้องขอข้อมูลเพิ่ม ก็อาจใช้เวลาอีกหนึ่งสัปดาห์ ปัญหาที่เกิดขึ้นจึงไม่ได้อยู่ที่ “เราไม่มีข้อมูล” แต่คือ “เมื่อเรารู้ มันสายไปแค่ไหนแล้ว?” ตรงนี้เริ่มเข้าสู่แนวคิดที่สำคัญมากในการบริหาร คือ Cost of Delay

Cost of Delay คือราคาที่องค์กรจ่ายเพราะตัดสินใจช้า

Cost of Delay ไม่จำเป็นต้องมีรูปแบบเป็นเงินที่จ่ายออกทันที แต่มันคือมูลค่าที่สูญเสียไป เพราะ Action เกิดช้ากว่าที่ควร ลองดูกรณีง่าย ๆ ถ้า Sales Pipeline เริ่มลดลงตั้งแต่ต้นไตรมาส แต่ CEO เพิ่งเห็นตอน Quarter Review สิ่งที่สูญเสียอาจไม่ใช่แค่ “ยอดขายที่หาย” แต่คือเวลาที่ควรใช้แก้ Pipeline ตั้งแต่สองเดือนก่อน หรือถ้าทีมหนึ่งเริ่มมี Turnover ของคนสำคัญต่อเนื่อง แต่ข้อมูลถูกมองเป็นเพียงตัวเลข Turnover รวมทั้งบริษัท กว่าผู้บริหารจะรู้ว่ากำลังสูญเสีย Critical Talent อาจเหลือคนหลักอยู่ไม่กี่คนแล้ว ตอนนั้นการขึ้นเงินเดือน การ Retention หรือ Succession Planning อาจสายเกินไป นี่คือ Cost of Delay และหลายครั้งมันแพงกว่าค่า Software หลายเท่า

Data Silo ทำให้ปัญหาที่ควรเห็นเร็ว กลายเป็นปัญหาที่เห็นตอนผลลัพธ์เกิดแล้ว

ตัวอย่างหนึ่งที่เห็นได้ชัดคือเรื่อง Workforce สมมติบริษัทกำลังจะขยายสาขาใหม่ ฝ่ายธุรกิจตั้งเป้าว่าต้องเปิดภายในเดือนตุลาคม แต่ Manpower Planning อยู่คนละระบบกับ Business Planning ฝ่าย People ได้รับข้อมูลจริงในเดือนสิงหาคม เริ่ม Recruitment เดือนกันยายน คนเข้าทำงานปลายตุลาคม Training เสร็จพฤศจิกายน เปิดจริงได้ธันวาคม ถ้ามองจาก People Report เราอาจเห็นเพียง Recruitment Delay แต่ในมุมธุรกิจ ปัญหาที่แท้จริงคือ บริษัทเสีย Revenue Opportunity ไปสองเดือน ดังนั้นต้นทุนของข้อมูลที่ไม่เชื่อมกันไม่ได้อยู่ที่ Recruitment Team ใช้เวลาทำงานเพิ่มเท่าไร แต่อยู่ที่ รายได้ที่ควรเกิด แต่ไม่เกิด นี่คือ Opportunity Cost

Opportunity Cost มักไม่ปรากฏอยู่ใน Business Case ของ Software

เวลาบริษัทเปรียบเทียบว่าจะซื้อระบบหรือไม่ เรามักคิดแบบนี้ ระบบใหม่ปีละ 1 ล้านบาท Excel ใช้ได้อยู่แล้ว ดังนั้นถ้ายังใช้ Excel ต่อ บริษัท “ประหยัด” 1 ล้านบาท แต่การคิดแบบนี้มีช่องว่างอยู่มาก เพราะ Excel ไม่ได้ฟรีจริง มันเพียงไม่มีค่า License ในบางกรณี ต้นทุนที่อยู่ข้างหลังอาจประกอบด้วยเวลาของคนที่ต้องรวมข้อมูล การตรวจตัวเลข การแก้ข้อมูลผิด การประชุมเพื่อหาว่าตัวเลขไหนถูก ความล่าช้าในการตัดสินใจ และโอกาสทางธุรกิจที่เสียไปเพราะเห็นปัญหาช้า ดังนั้น Business Case ที่ถูกต้องไม่ควรเปรียบเทียบเพียง Software Cost vs. Current Software Cost แต่ควรเปรียบเทียบ Investment vs. Cost of Current Operating Model ต่างหาก นี่เป็นคนละฐานคิดเลย

ลองนึกถึงประชุมที่ใช้เวลา 2 ชั่วโมงเพียงเพื่อหาว่า “เลขไหนถูก”

เหตุการณ์แบบนี้พบได้ไม่ยาก Sales บอก Revenue ตัวหนึ่ง Finance มีอีกตัวหนึ่ง แต่ละฝ่ายยืนยันว่าตัวเองถูก Management Meeting จึงใช้เวลาส่วนหนึ่งไปกับการตรวจว่า ต่างกันเพราะ Cut-off Date? Invoice? Credit Note? Definition? หรือ Source Data? สุดท้ายหลังประชุมต้องกลับไปตรวจอีกครั้ง คำถามคือ ต้นทุนของ Meeting นี้เท่าไร? ถ้ามี CEO, CFO, Director และ Manager หลายคนอยู่ในห้อง ต้นทุนไม่ได้มีเพียงเงินเดือนต่อชั่วโมง สิ่งที่เสียไปคือ Executive Attention เวลาที่ควรถูกใช้กับการตัดสินใจ กลับถูกใช้กับการตรวจสอบข้อมูล ตรงนี้เป็นต้นทุนที่วัดยาก แต่มีผลต่อประสิทธิภาพการบริหารโดยตรง

Data Silo ยังเพิ่ม “Decision Risk”

อีกมิติที่สำคัญไม่แพ้ความเร็วคือคุณภาพของการตัดสินใจ ข้อมูลที่กระจัดกระจายทำให้ผู้บริหารอาจเห็นเพียงบางส่วนของสถานการณ์ สมมติ Finance เห็นว่า Cost ของ Department หนึ่งสูงกว่าปีที่แล้ว 15% ถ้ามองเฉพาะ Financial Data คำตอบอาจเป็น “ต้องลด Cost” แต่ถ้าเชื่อมกับ Business Data อาจพบว่า Department นั้นกำลังรองรับ Revenue ที่โตขึ้น 35% หรือถ้าเชื่อม People Data อาจพบว่า OT สูง เพราะยัง Recruit ตำแหน่งสำคัญไม่ได้ Solution จึงอาจไม่ใช่การลดคน แต่อาจเป็นการรีบเติม Capacity ตัวเลขเดียวกัน ถ้าอยู่คนละบริบท สามารถนำไปสู่ Decision คนละแบบได้ Data Silo จึงไม่ได้ทำให้องค์กรตัดสินใจช้าอย่างเดียว แต่เพิ่มความเสี่ยงที่จะ “ตัดสินใจถูกข้อมูล แต่ผิดบริบท” ด้วย

เมื่อข้อมูลไม่เชื่อม CEO ต้องกลายเป็นคนเชื่อมระบบเอง

นี่เป็นภาพที่ผมคิดว่าน่าสนใจ องค์กรลงทุนระบบจำนวนมาก มี ERP มี CRM มี HR System มี BI มี Excel แต่เมื่อถึง Management Meeting CEO ยังต้องถามว่า ยอดขายลด ทำไม? Finance ตอบเรื่อง Margin Sales ตอบเรื่องลูกค้า HR บอกคนลาออก Operations บอก Capacity จากนั้น CEO ต้องเอาคำตอบทั้งหมดมาต่อกันในหัว พูดอีกแบบหนึ่งคือ ระบบทั้งหมดมีอยู่ แต่ Integration Layer ที่แท้จริงยังเป็นสมองของผู้บริหาร แน่นอนว่า Judgment ของผู้บริหารต้องมีอยู่เสมอ แต่ CEO ไม่ควรถูกใช้เป็นเครื่องมือทำ Data Integration เวลาของผู้บริหารควรถูกใช้กับการตั้งคำถามและตัดสินใจ ไม่ใช่ไล่ประกอบข้อมูลจากระบบหลายแห่ง

ดังนั้นก่อนถามว่า “Software นี้แพงไหม?” ควรถามว่า “ตอนนี้เราจ่ายอะไรอยู่บ้าง?”

ผมคิดว่าก่อนประเมิน Investment ทาง Technology องค์กรควรทำ Cost Baseline ของวิธีทำงานปัจจุบันเสียก่อน ไม่จำเป็นต้องซับซ้อน ลองมองอย่างน้อยเรื่องเวลาที่ใช้สร้างรายงานซ้ำ การประชุม reconcile ตัวเลข ระยะเวลารอข้อมูลก่อนตัดสินใจ ความผิดพลาดที่เกิดจาก Manual Process และเหตุการณ์ทางธุรกิจสำคัญที่องค์กรรู้ช้ากว่าที่ควร จากนั้นจึงค่อยถามว่า ถ้าเราลดเวลาตรงนี้ได้ครึ่งหนึ่ง มูลค่าเท่าไร? ถ้าเห็น Risk เร็วขึ้นหนึ่งเดือน มีมูลค่าเท่าไร? ถ้า Workforce พร้อมตรงเวลา Revenue ที่ได้คืนมาเท่าไร? ถ้า CEO ตัดสินใจเร็วขึ้นหนึ่งสัปดาห์ จะเกิดผลอะไรกับธุรกิจ? นี่จะทำให้การลงทุนด้าน Data และ Technology ถูกประเมินในฐานะ Management Capability ไม่ใช่แค่ค่าใช้จ่าย IT

Software แพงเป็นตัวเลขที่เห็นได้ แต่ Data Silo แพงแบบค่อย ๆ หายไปทุกวัน

นี่อาจเป็นเหตุผลที่ Data Silo ถูกปล่อยไว้นาน เพราะไม่มีวันที่บริษัทต้องจ่ายเงินก้อนหนึ่งแล้วเขียนว่า “ค่าข้อมูลไม่เชื่อมกัน 5 ล้านบาท” มันถูกซ่อนอยู่ในรูปแบบอื่น อยู่ในเวลาทำงาน อยู่ใน Meeting อยู่ใน Overtime อยู่ในการตัดสินใจที่ช้า อยู่ใน Talent ที่รักษาไม่ทัน อยู่ใน Project ที่รู้ช้าเกินไปว่ากำลังหลุด และอยู่ใน Revenue ที่ไม่เคยเกิดขึ้น จึงไม่มีใครรู้ว่าเราเคยเสียมันไป ตรงนี้ทำให้ Data Silo เป็นสิ่งที่อันตรายในเชิงเศรษฐศาสตร์องค์กร เพราะต้นทุนมีจริง แต่ระบบบัญชีอาจไม่เคยแสดงมันให้เห็นเป็นก้อนเดียว

Business Case ที่ดีจึงต้องคิดมากกว่าค่า License

การซื้อ Software โดยไม่มี Business Case ที่ชัดก็ไม่ใช่คำตอบ Technology ไม่ได้สร้าง Value โดยอัตโนมัติ แต่ในทางกลับกัน การไม่ลงทุนเพราะคิดว่าระบบเดิม “ยังใช้ได้” ก็ไม่ได้หมายความว่าไม่มีต้นทุน คำถามที่สมเหตุสมผลกว่าจึงไม่ใช่ “ระบบใหม่ราคาเท่าไร?” แต่ควรเป็น “ปัญหาปัจจุบันกำลังมีต้นทุนเท่าไร และการลงทุนนี้ลดต้นทุนนั้นได้จริงหรือไม่?” เมื่อคิดแบบนี้ เราจะเริ่มมองทั้ง Cost Saving Productivity Risk Reduction Cost of Delay และ Opportunity Cost พร้อมกัน และนี่จะทำให้การตัดสินใจลงทุนมีเหตุผลมากกว่าการเปรียบเทียบราคา Software กับ Excel เพียงอย่างเดียว

คำถามที่ผมอยากทิ้งไว้ให้ผู้บริหาร

ลองนึกถึงการตัดสินใจสำคัญครั้งล่าสุดในองค์กรของคุณ ตั้งแต่เกิดคำถามจนถึงวันที่ CEO มีข้อมูลมากพอที่จะตัดสินใจ ใช้เวลากี่วัน? ในช่วงเวลาที่รอนั้น มีคนกี่คนที่ต้องดึงข้อมูล ทำ Report เช็กตัวเลข และประชุมเพื่อทำความเข้าใจสถานการณ์? และถ้าการตัดสินใจนั้นเกิดได้เร็วกว่านี้หนึ่งสัปดาห์ ธุรกิจจะได้อะไรกลับคืนมา? คำตอบของคำถามนี้อาจทำให้เราเห็นว่า ต้นทุนที่แพงที่สุดของ Data Silo ไม่ใช่การมี Excel หลายไฟล์ แต่คือ เวลาระหว่าง “ปัญหาเริ่มเกิด” กับ “วันที่องค์กรรู้มากพอที่จะลงมือทำ” และในโลกธุรกิจที่ความเร็วกลายเป็นความได้เปรียบ เวลาช่วงนั้นอาจมีราคาแพงกว่าค่า Software มากกว่าที่เราคิด

Tags: DataSilo, CostOfDelay, OpportunityCost, DecisionLatency, DataIntegration, ExecutiveDecisionMaking, BusinessIntelligence, InformationManagement, DigitalTransformation, ManagementInformation, DataDrivenOrganization, DecisionQuality, OperationalEfficiency, EnterpriseData, BusinessCase