Fermi Estimation: เมื่อไม่มีข้อมูล ไม่ได้แปลว่าต้อง “ไม่มีคำตอบ”
ถ้าหัวหน้าถามกลางที่ประชุมว่า “ตลาดของสินค้านี้ในกรุงเทพฯ ใหญ่แค่ไหน” แล้วไม่มีรายงานวิจัยให้เปิดดู คุณจะตอบอะไร?
คำตอบที่ได้ยินบ่อยที่สุดคือ “ขอไปหาข้อมูลก่อนนะครับ” ฟังดูรอบคอบ และบางครั้งก็เป็นคำตอบที่ถูก แต่บ่อยครั้งมันทำให้การตัดสินใจทั้งเรื่องหยุดรอไปหนึ่งสัปดาห์ เพื่อให้ได้ตัวเลขที่สุดท้ายอาจไม่ได้เปลี่ยนการตัดสินใจเลย
🔴 คำถามที่ดูเหมือนตอบไม่ได้
นักฟิสิกส์ Enrico Fermi ขึ้นชื่อเรื่องความสามารถในการประมาณค่าได้ใกล้เคียงความจริงโดยแทบไม่มีข้อมูลอยู่ในมือ คำถามคลาสสิกที่ผูกกับชื่อเขาคือ “ในเมืองชิคาโกมีช่างจูนเปียโนกี่คน”
ฟังครั้งแรกดูเหมือนเป็นคำถามที่ไม่มีทางตอบได้ถ้าไม่ได้เปิดสมุดรายชื่อ แต่วิธีแบบ Fermi คือการหั่นคำถามใหญ่ออกเป็นคำถามเล็กที่เราพอเดาได้ เมืองนี้มีคนประมาณเท่าไหร่ กี่ครัวเรือน ครัวเรือนที่มีเปียโนน่าจะมีสัดส่วนเท่าไหร่ เปียโนหนึ่งหลังจูนปีละกี่ครั้ง ช่างหนึ่งคนจูนได้วันละกี่หลัง แล้วเอาทั้งหมดมาคูณหารกัน
ผลลัพธ์ไม่ได้แม่นระดับหลักหน่วย แต่มักอยู่ในหลักที่ถูกต้อง และมีเหตุผลน่าสนใจว่าทำไม เพราะเวลาเราเดาหลายตัวแปร บางตัวเดาสูงไป บางตัวเดาต่ำไป ถ้าเราไม่ได้ลำเอียงไปทางเดียวกันทั้งหมด ความคลาดเคลื่อนเหล่านั้นมักหักล้างกันเอง
🔴 สิ่งที่ได้จริงไม่ใช่ตัวเลข
ถ้ามองแค่ผิว ๆ Fermi Estimation (การประมาณแบบ Fermi) ดูเหมือนเป็นเทคนิคเดาตัวเลขเก่ง ๆ แต่ในมุมของทักษะการคิด ของที่มีค่ากว่าตัวเลขคือ “โครงของปัญหา” ที่เราได้ระหว่างทาง
เมื่อต้องหั่นคำถามเรื่องขนาดตลาดออกเป็นชิ้น ๆ เราถูกบังคับให้คิดว่าตัวแปรอะไรบ้างที่ประกอบกันเป็นคำตอบ นี่คือการวิเคราะห์ในความหมายของ HOTS (Higher Order Thinking หรือการคิดขั้นสูง) คือการแยกส่วนและเห็นว่าแต่ละส่วนสัมพันธ์กันอย่างไร
และพอเห็นโครงแล้ว เราจะเห็นอีกอย่างที่สำคัญมาก คือตัวแปรไหน “อ่อนไหว” ที่สุด สมมติทีมกำลังประเมินว่าบริการใหม่จะคุ้มไหม แล้วพบว่าผลลัพธ์แทบไม่เปลี่ยนไม่ว่าจำนวนลูกค้าจะเดาสูงหรือต่ำ แต่เปลี่ยนมหาศาลตามอัตราการกลับมาซื้อซ้ำ แปลว่าถ้าจะไปหาข้อมูล ก็ควรไปหาเรื่องการซื้อซ้ำก่อน ไม่ใช่นั่งหาตัวเลขประชากรให้แม่นขึ้นอีกสองหลัก
นี่คือเหตุผลที่คนประมาณเก่งมักหาข้อมูลได้ตรงกว่าคนที่ “ขอไปหาข้อมูลก่อน” เพราะเขารู้แล้วว่ากำลังตามหาอะไร
🔴 ใช้ในงานประจำวันอย่างไร
ลองเริ่มจากคำถามที่เจออยู่ทุกวัน เช่น “ถ้าเปลี่ยนมาใช้ระบบนี้ จะประหยัดเวลาทีมได้เท่าไหร่” แทนที่จะตอบว่า “น่าจะเยอะ” ลองหั่นดูว่าทีมมีกี่คน แต่ละคนทำงานส่วนนี้วันละกี่ครั้ง ครั้งละกี่นาที ระบบใหม่ลดได้กี่นาทีต่อครั้ง แค่นี้เราก็มีตัวเลขหยาบ ๆ ที่เอาไปคุยต่อได้แล้ว
อีกเคล็ดเล็ก ๆ คือเขียนสมมติฐานแต่ละตัวออกมาให้คนอื่นเห็น การพูดว่า “ประมาณล้านบาท” กับการพูดว่า “ประมาณล้านบาท โดยสมมติว่าลูกค้าหนึ่งในสิบจะกลับมาซื้อซ้ำ” ให้ผลต่างกันมากในที่ประชุม เพราะอย่างหลังเปิดให้คนอื่นช่วยแย้งตรงจุดที่อาจผิด แทนที่จะเถียงกันที่ตัวเลขสุดท้ายลอย ๆ
และถ้าอยากรู้ว่าตัวเองประมาณได้ดีแค่ไหน ให้จดตัวเลขที่เดาไว้ แล้วกลับมาเทียบเมื่อมีข้อมูลจริง นานไปเราจะเริ่มเห็นว่าตัวเองมักเดาเกินหรือขาดในเรื่องแบบไหน
การไม่มีข้อมูลครบ ไม่ใช่ข้ออ้างที่ดีพอสำหรับการไม่คิด คำตอบที่ “ถูกโดยประมาณ” และมาเร็ว มักมีประโยชน์กว่าคำตอบที่ “แม่นเป๊ะ” แต่มาหลังจากที่การตัดสินใจผ่านไปแล้ว
ครั้งหน้าที่มีคนถามคำถามที่ไม่มีตัวเลขรองรับ ก่อนพูดว่า “ขอไปหาข้อมูลก่อน” ลองถามตัวเองดูว่า ถ้าต้องตอบภายในห้านาที เราจะหั่นคำถามนี้ออกเป็นกี่ชิ้น
——————————————————
หากองค์กรของคุณกำลังมองหาหลักสูตรเพื่อพัฒนาทักษะการคิดและ Soft Skills ให้กับทีมงาน
dots academy ให้บริการ In-house Training ที่ออกแบบให้เหมาะกับบริบทของแต่ละองค์กร ถ่ายทอดโดยเทรนเนอร์ที่ได้รับการรับรองระดับนานาชาติ พร้อมประสบการณ์ด้านการอบรมและพัฒนาองค์กรมากกว่า 10 ปี
หลักสูตรครอบคลุมหัวข้อ เช่น
✏️Analytical Thinking
✏️Critical Thinking
✏️Strategic Thinking
✏️Six Thinking Hats
✏️Business Storytelling
สนใจสอบถามรายละเอียดหรือปรึกษาการออกแบบหลักสูตรสำหรับองค์กรของคุณได้ทาง LINE @dots
ความคิดเห็น