หน้าปกบทความส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation: SD) กับการวิจัย

ข้อมูล (Data) คือหนึ่งในปัจจัยสำคัญอย่างมากต่อการดำเนินธุรกิจในยุคที่มีการแข่งขันสูง การประยุกต์ใช้ข้อมูลผ่านการวิเคราะห์และวิจัยอย่างถูกต้องและเหมาะสมตามสถานการณ์ จะช่วยสนับสนุนการพัฒนาธุรกิจอย่างยั่งยืนในหลายๆด้าน เช่น การพัฒนาสินค้าและบริการ การส่งเสริมการตลาด โดยเฉพาะอย่างยิ่ง การวิจัยด้านการออกแบบประสบการณ์ผู้ใช้ (User Experience Research and Design) ที่ทุกธุรกิจเริ่มให้ความสนใจกันเป็นอย่างมาก

สำหรับการวิเคราะห์ข้อมูลและทำการวิจัย ข้อมูลเชิงปริมาณที่นิยมนำมาใช้ คือ ค่าเฉลี่ย (Mean) โดยแสดงถึงค่าตัวแทนของกลุ่มข้อมูล เพราะสามารถทำความเข้าใจง่าย สะดวกรวดเร็วในการคำนวณ และมีผลประโยชน์ที่ดี อย่างไรก็ตาม การพิจารณาเพียงแค่ค่าเฉลี่ยอย่างเดียวในงานวิจัย อาจจะให้ข้อมูลคลาดเคลื่อน และส่งผลกระทบในเชิงลบต่อธุรกิจได้ เนื่องจากมีคำถามสำคัญที่ว่า ‘อะไรคือปัจจัยที่บ่งบอกถึงคุณภาพในบริบทที่เหมาะสมของค่าเฉลี่ยของกลุ่มข้อมูลหนึ่งๆว่าสมควรนำมาใช้สำหรับงานวิจัยหรือไม่’

หนึ่งในวิธีการตรวจสอบนั้นก็คือ การประยุกต์ใช้การกระจายของข้อมูลที่ออกจากค่าเฉลี่ยของข้อมูล หรือที่รู้จักในชื่อ ‘ค่าส่วนเบี่ยงเบนมาตรฐาน’ (Standard Deviation: SD)

ส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation: SD)

ส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation: SD) คือเครื่องมือในการวัดการ กระจายของข้อมูลที่นิยมนำมาใช้กันอย่างแพร่หลาย และเป็นปัจจัยสำคัญในกระบวนการวิเคราะห์ข้อมูลและการทำวิจัย เพื่อให้ทราบถึงลักษณะข้อมูลค่าเฉลี่ยที่ได้รับว่ามีคุณภาพที่เหมาะสมกับสถานการณ์หรือไม่ กล่าวกันอย่างง่ายคือ หากค่าส่วนเบี่ยงเบนมาตรฐานมีค่าการกระจายตัวน้อย แสดงว่าข้อมูลในค่าเฉลี่ยนั้นใกล้เคียงกัน ในทางตรงกันข้าม หากค่าส่วนเบี่ยงเบนมาตรฐานมีค่าการกระจายตัวมาก แสดงว่าข้อมูลในค่าเฉลี่ยแตกต่างกันมาก ซึ่งอาจจะส่งผลให้ผลลัพธ์ของการวิจัยคลาดเคลื่อนได้

ทาง UX Research Lab จึงขอยกตัวอย่างกรณีศึกษาที่สำคัญดังนี้ ในการวิจัยด้านการใช้งาน (Usability Research) เพื่อเปรียบเทียบความสามารถในการใช้งานของแอปพลิเคชันชำระเงินผ่าน QR Code จำนวน 2 แอปพลิเคชัน (แอปพลิเคชัน A และ แอปพลิเคชัน B) เพื่อเปรียบเทียบว่า การออกแบบในรูปแบบใดมีศักยภาพในการสร้าง ความสามารถในการใช้งาน (Usability) ได้ดีกว่ากัน ในการวิจัยครั้งนี้ทาง UX Research Lab ได้ใช้แบบสอบถามเป็นเกณฑ์ในการวิจัย โดยมีคะแนนเต็ม 100 คะแนน ซึ่งหมายถึง ประสิทธิภาพสูง (ทาง UX Research Lab ขออนุญาตไม่ลงรายละเอียดถึงงานวิจัยเนื่องจากประสงค์ให้บทความกระชับมากขึ้น หากประสงค์ข้อมูลสามารถสอบถามเพิ่มเติมได้)

เมื่อวิเคราะห์ผลลัพธ์ จึงได้คะแนนออกมาดังนี้ แอปพลิเคชัน A ได้ผลลัพธ์ค่าเฉลี่ยของความสามารถในการใช้งานจากแบบสอบถามอยู่ที่ 80.33 คะแนน ในขณะที่แอปพลิเคชัน B ได้ผลลัพธ์ค่าเฉลี่ยอยู่ที่ 75.19 คะแนน เบื้องต้นหากวิเคราะห์จากค่าเฉลี่ยผลลัพธ์ที่ได้ออกมานั้น ย่อมสรุปได้อย่างชัดเจนว่าแอปพลิเคชัน A มีความสามารถในการใช้งาน (Usability) ได้ดีกว่าแอปพลิเคชัน B แต่อย่างไรก็ตามหากเข้าใจทฤษฎีด้านสถิติการวิจัย จะสามารถทราบว่าค่าเฉลี่ยที่ได้ก็ไม่ได้บ่งชี้คุณภาพของกลุ่มข้อมูล ซึ่งการวิจัยส่วนใหญ่มักจะสรุปผลลัพธ์ตั้งแต่หาค่าเฉลี่ย ซึ่งอาจจะทำให้เกิดข้อมูลที่คลาดเคลื่อนและส่งผลต่อธุรกิจตามลำดับ

ตารางที่ 1: ตารางเปรียบเทียบค่าเฉลี่ยของความสามารถในการใช้งานของ แอปพลิเคชัน A และ แอปพลิเคชัน B

เพื่อให้เข้าใจอย่างชัดเจน UX Research Lab จึงประสงค์ที่จะทำวิจัยต่อเพื่อให้เห็นถึงความคลาดเคลื่อนที่จะสามารถเกิดขึ้นได้หากใช้เพียงแค่ค่าเฉลี่ยเพียงอย่างเดียว โดยทดลองนำแอปพลิเคชันทั้งสองมาทำการวิจัยข้อมูลเชิงคุณภาพผ่านการสัมภาษณ์และการศึกษาสังเกตด้านการใช้งาน ผลลัพธ์ที่ได้คือ แอปพลิเคชัน A ได้ผลการตอบรับเชิงบวกเป็นที่ดี แต่ในเวลาเดียวกันก็ได้รับคำวิจารณ์ในเชิงลบเป็นอย่างมากเช่นกัน ซึ่งไม่เป็นที่น่าพอใจ

หากนำมาเปรียบเทียบกับผลลัพธ์เชิงคุณภาพของแอปพลิเคชัน B พบว่าแอปพลิเคชัน B กลับให้ผลลัพธ์เชิงคุณภาพที่ดี โดยเฉพาะการที่แทบจะไม่มีคำวิจารณ์และการตอบรับในเชิงลบเลย

จึงเกิดคำถามสำคัญขึ้นว่าสาเหตุใดจึงเกิดสถานการณ์นี้ขึ้น ทั้งๆที่แอปพลิเคชัน A ควรได้ผลตอบรับที่ดีกว่า แอปพลิเคชัน B เนื่องจากได้รับคะแนนจากแบบสอบถามที่ดีกว่าในตอนแรก (แอปพลิเคชัน A: 80.33 คะแนน และ แอปพลิเคชัน B: 75.19 คะแนน)

หากวิเคราะห์ในมุมมองเชิงการวิจัย จะสรุปได้ว่า การพิจารณาแต่เพียงค่าเฉลี่ย เป็นส่วนสำคัญที่ทำให้เกิดความคลาดเคลื่อนนั่นเอง เนื่องจากไม่ทราบได้ ว่าค่าเฉลี่ยที่เป็นตัวแทนกลุ่มข้อมูลนั้น เป็นข้อมูลที่มีความคลาดเคลื่อนมากน้อยอย่างไร ซึ่งหากนำไปใช้อ้างอิงต่อ ก็สามารถส่งผลกระทบที่ผิดพลาดได้

ซึ่งสถานการณ์ดังกล่าวนี้สามารถเห็นได้บ่อยครั้งในธุรกิจจริง เมื่อธุรกิจหนึ่งๆได้วิจัยและพัฒนาสินค้าและบริการออกมา ผ่านผู้เชี่ยวชาญและการศึกษาด้านการใช้งานเป็นอย่างดี (Usability Research) แต่เมื่อนำสินค้าและบริการออกไปสู่ตลาดกลับได้รับคำวิจารณ์ในเชิงลบเป็นอย่างมาก

ดังนี้ ส่วนเบี่ยงเบนมาตราฐาน (Standard Deviation) จึงถูกนำมาประยุกต์ใช้ เพื่อให้ผลลัพธ์ที่ได้ออกมาแสดงถึงการกระจายตัวของข้อมูล สืบเนื่องจากงานวิจัยข้างต้น หากนำค่าส่วนเบี่ยงเบนมาตราฐานมาคำนวณ จะได้ผลลัพธ์ดังนี้ แอปพลิเคชัน A มีค่าส่วนเบี่ยงเบนมาตรฐานสูงอยู่ที่ 20.34 แต่แอปพลิเคชัน B มีค่าส่วนเบี่ยงเบนมาตรฐานเพียง 1.76 เท่านั้น

ตารางที่ 2: ตารางเปรียบเทียบค่าเฉลี่ยของความสามารถในการใช้งาน และค่าส่วนเบี่ยงเบนมาตรฐาน ของ แอปพลิเคชัน A และ แอปพลิเคชัน B

หากวิเคราะห์ค่าส่วนเบี่ยงเบนมาตราฐาน จะแสดงให้เห็นว่าแอปพลิเคชัน A มีการกระจายตัวสูงมากจึงส่งผลให้ผลลัพธ์ของค่าเฉลี่ยนั้นไม่มีคุณภาพ กล่าวกันอย่างง่ายคือมีทั้งคนชอบและไม่ชอบในเวลาเดียวกัน แต่คนชอบกลับให้คะแนนสูงมาก ดังนั้นจึงเป็นที่มาของผลตอบรับในเชิงลบที่เกิดขึ้น แต่ในทางกลับกันแอปพลิเคชัน B มีการ กระจายตัวของข้อมูลน้อยหรือมีคะแนนที่เกาะกลุ่มกันในระดับที่ดีและยอมรับได้ ด้วยสาเหตุหลักนี้ แอปพลิเคชัน B จึงได้รับผลตอบรับที่ดีและแทบไม่มีผลตอบรับในเชิงลบเลย

บทส่งท้าย

จากบทความที่ได้นำเสนอแสดงให้เห็นว่า การวิเคราะห์ค่าเฉลี่ยเพียงอย่างเดียวอาจจะก่อให้เกิดความคลาดเคลื่อนได้ เนื่องจากค่าเฉลี่ยที่ดีกว่า ไม่ได้เป็นตัวแปรที่บ่งบอกว่ามีคุณภาพที่ดีกว่าเสมอไป แต่คุณภาพที่ดีกว่า คือการเข้าใจทั้งด้านทฤษฎีและปฏิบัติอย่างถูกต้อง เพื่อนำความรู้เหล่านี้มาเป็นเครื่องมือในการวิเคราะห์และวิจัยให้ถูกต้องตามบริบทอย่างมีประสิทธิภาพ โดยที่สามารถนำข้อมูลนั้นไปใช้ประโยชน์ได้ในสถานการณ์จริง


Author (ผู้เขียน)
Author profile image
Nattawat Tangkhunsombat
Economist & User Experience Researcher