แจงสี่เบี้ย

รวมคอลัมนิสต์ด้านเศรษฐกิจ การเงิน จากแบงก์ชาติ

13 มีนาคม 2561
2,122

Big Data กับการวิเคราะห์ติดตามภาวะเศรษฐกิจ

ในยุคปัจจุบันที่ทรัพยากรที่มีค่ามากที่สุดอีกตัวหนึ่งมิใช่ “น้ำมัน” หรือ “ทอง” แต่กลับกลายเป็น “ข้อมูล” ที่มีศักยภาพในการสร้างประโยชน์

ให้กับองค์กรต่างๆ ได้อย่างมหาศาลตั้งแต่การสร้างความเข้าใจผู้บริโภคไปถึงการสร้างมูลค่าเพิ่มให้กับองค์กรต่างๆ ทั้งในภาคเอกชนและภาครัฐ 

และด้วยความก้าวหน้าทางเทคโนโลยีที่ช่วยให้เราสามารถสกัดข้อมูลบางอย่างจากข้อมูลมากมายที่มีอยู่มาใช้ประโยชน์ ทำให้กระแส “Big Data” หรือการวิเคราะห์ข้อมูลจำนวนมหาศาลได้รับความนิยมเพิ่มขึ้น ด้วยเทคโนโลยีด้านการจัดการข้อมูลที่เพิ่มขึ้นเรื่อยๆ กระแสความนิยมนี้จะไม่เกิดแค่ช่วงระยะสั้นๆ แต่จะเป็นกลยุทธ์หนึ่งในการวางแผนการทำงานในระยะยาวขององค์กรต่างๆ

สำหรับธนาคารกลางในประเทศต่างๆ มีหลายแห่งที่ให้ความสนใจต่อการใช้ Big Data โดยมองว่าการวิเคราะห์แนวนี้จะมีประโยชน์ต่อการทำวิจัย โดยเฉพาะในส่วนของการดำเนินนโยบายการเงินที่น่าจะได้ประโยชน์ค่อนข้างมาก ยกตัวอย่างเช่นการใช้ประโยชน์จาก Billion Price Project โครงการวิจัยของมหาลัย MIT ในการติดตามแนวโน้มเงินเฟ้อโดยการใช้ข้อมูลราคาสินค้า online หรือ การใช้ข้อมูลการค้นหาคำที่สื่อถึงการว่างงานในเว็บไซต์ Google เพื่อนำมาติดตามภาวะตลาดแรงงานในเบื้องต้นแบบไม่ต้องรอผลการสำรวจโดยทางการที่มักใช้ระยะเวลาในการจัดทำ

สำหรับธนาคารแห่งประเทศไทย (ธปท.) เองก็มีความสนใจและให้ความสำคัญในการศึกษาและใช้ประโยชน์จาก Big Data เพื่อติดตามวิเคราะห์ควบคู่กับการใช้เครื่องชี้ที่มีอยู่มาแล้วระยะหนึ่ง ในหลากหลายด้านทั้งการดำเนินนโยบายการเงิน และการออกกฎหรือตรวจสอบสถาบันการเงิน เพื่อช่วยเพิ่มประสิทธิภาพและเป็นข้อมูลประกอบในการทำนโยบายที่มีหลักฐานมารองรับ (Evidence-based policy) ภายใต้สภาวะที่เศรษฐกิจมีความผันผวนและเปลี่ยนแปลงอย่างรวดเร็ว 

ธปท. ได้พัฒนาขยายขอบเขตข้อมูลรวมทั้งวิธีวิเคราะห์ข้อมูลใหม่ๆ จะเห็นได้จากการจัดงานสัมมนาวิชาการประจำปี 2559 ที่หัวข้อหลักคือการนำข้อมูล Big Data มาใช้ ตลอดจนมีการจัดตั้งฝ่ายงานใหม่ขึ้นเพื่อดูแล วางแผน และพัฒนาพนักงานให้พร้อมสำหรับการใช้ข้อมูล Big Data อย่างแพร่หลายใน ธปท.

จากข้อได้เปรียบของ Big Data ทั้งแง่ของความเร็วและความละเอียดของข้อมูลในหลากหลายมิติ ธปท. ได้นำข้อมูลเหล่านี้มาช่วยในหลายด้าน โดยเฉพาะในการติดตามแนวโน้มเศรษฐกิจ แบ่งได้หลักๆ ดังนี้

กรณีที่มีตัวเลขเศรษฐกิจให้ติดตามอยู่แล้ว แต่มีข้อจำกัดที่ข้อมูลออกช้า ธปทได้สร้างเครื่องชี้ใหม่เพื่อใช้ภายใน ธปทเพื่อช่วยให้สามารถประเมินเศรษฐกิจได้เร็วขึ้น ตัวอย่างเช่นนำข้อมูลจาก Google Trend ที่แสดงถึงความสนใจของคนทั่วไปในแต่ละช่วงเวลาจากคำค้นหาในเว็บไซต์ ซึ่งเป็นข้อมูลที่มีความเร็วเกือบจะทันเวลา (Almost real time) มาสร้างเครื่องชี้การว่างงาน แนวโน้มการซื้อรถยนต์ เป็นต้น

ซึ่งเครื่องชี้ในกลุ่มนี้จะช่วยเพิ่มความสามารถในการติดตามภาวะเศรษฐกิจในปัจจุบัน (Nowcasting) ได้ก่อนข้อมูลจริงออก รวมถึงการนำข้อมูลการนำเข้าสินค้าบางประเภทที่มีคุณสมบัติชี้นำการส่งออกบางกลุ่มมาสร้างดัชนีชี้นำ (Leading indicator) จากฐานข้อมูลของกรมศุลกากร ซึ่งช่วยเพิ่มความสามารถในการประมาณการแนวโน้มการส่งออกสินค้าในระยะข้างหน้า (Forecasting) ได้ด้วย

กรณีที่ไม่มีเครื่องชี้เศรษฐกิจให้ติดตาม ธปทได้นำข้อมูล Big Data มาสร้างเครื่องชี้เศรษฐกิจใหม่ โดยตัวอย่างที่ชัดเจนจะเป็นการนำข้อมูล Big Data มาช่วยติดตามภาวะหรือความเสี่ยงในตลาดอสังหาริมทรัพย์ 

เมื่อมองกลับไป 2-3 ปีก่อนจะได้ยินข่าวว่าตลาดอสังหาริมทรัพย์เติบโตค่อนข้างเร็ว โดยเฉพาะตลาดที่อยู่อาศัยประเภทอาคารชุดตามแนวรถไฟฟ้าในกรุงเทพฯ ซึ่งทำให้เกิดความเป็นห่วงถึงการเก็งกำไรในตลาดนี้ และเพื่อติดตามและวัดความน่ากังวลของปัจจัยนี้ ได้มีการนำเอาข้อมูลการใช้ไฟฟ้าที่แบ่งเป็นพื้นที่และประเภท มาสร้างเครื่องชี้เพื่อตรวจสอบอัตราการเข้าพักในแต่ละพื้นที่ รวมทั้งมีการนำข้อมูลการค้นหาคำในเว็บไซต์ Google มาสร้างดัชนีการเก็งกำไรใบจอง

อีกตัวอย่างหนึ่งคือการใช้ข้อมูล Big Data มาสร้างเครื่องชี้เพื่อช่วยประเมินภาวะการเงินและการส่งผ่านของอัตราดอกเบี้ยนโยบาย (monetary policy transmission mechanism) โดยการนำข้อมูลคำขอสินเชื่อจากธนาคารพาณิชย์ มาหาอัตราดอกเบี้ยสินเชื่อใหม่ (New Loan Rate) เพื่อสะท้อนถึงอัตราดอกเบี้ยที่ผู้กู้ได้รับจริง ๆ ซึ่งสามารถช่วยชี้ภาวะการเงินของระบบควบคู่ไปกับอัตราดอกเบี้ยอ้างอิงตลาดเช่น MLR และ MRR ได้อีกทางหนึ่ง

ช่วยเพิ่มความเข้าใจเศรษฐกิจให้ลึกซึ้งขึ้นซึ่งจะนำไปสู่การดำเนินนโยบายที่ตรงจุดมากขึ้น เช่นในปีก่อนจากการนำข้อมูลสินเชื่อบุคคลของเครดิตบูโรมาวิเคราะห์ภาวะและโครงสร้างหนี้ครัวเรือนไทย เพื่อสร้างความเข้าใจถึงโครงสร้างการเกิดหนี้ของคนไทยมากขึ้น ซึ่งพบว่าคนไทยมีหนี้ตั้งแต่อายุยังน้อยหรือตั้งแต่ช่วงเริ่มเข้าทำงาน 

นอกจากนี้ยังพบว่าคนวัยเริ่มทำงานเป็นคนกลุ่มที่มีหนี้เสียสูงที่สุด ซึ่งจากสิ่งที่พบทำให้มีการปรับปรุงเกณฑ์การตั้งวงเงินอนุมัติบัตรเครดิต และส่งผลให้ผู้กู้ที่มีรายได้น้อยหรือกลุ่มที่เพิ่งเริ่มทำงานสามารถกู้เงินผ่านบัตรเครดิตได้น้อยลง เพื่อดูแลการเกิดหนี้ให้ตรงจุดมากขึ้น

นอกจากการนำข้อมูลจาก big data มาใช้ประโยชน์แล้ว อีกสิ่งหนึ่งที่ ธปท. ให้ความสำคัญไม่ยิ่งหย่อนไปกว่ากันในทุกขั้นตอนของการทำงานคือเรื่องการปกป้องสิทธิความเป็นส่วนตัวของเจ้าของข้อมูล หรือ Data Governance ซึ่งเป็นเรื่องที่ ธปท. ยึดเป็นหลักปฏิบัติอย่างเคร่งครัดให้เป็นไปตามกฎกติกาสากล 

นอกจากนี้ ธปท. ยังมีแผนพัฒนาวิธีการใช้ประโยชน์จากข้อมูล big data ให้ดีขึ้น ควบคู่ไปกับการผลักดันการค้นหาแหล่งข้อมูลให้หลากหลายมากขึ้นอย่างต่อเนื่อง เพื่อเปิดมุมมองและต่อยอดให้เกิดคำถามใหม่ๆ ต่อการวิเคราะห์เศรษฐกิจ และนำไปสู่การดำเนินนโยบายด้านเศรษฐกิจที่ตรงจุดและทันท่วงที


แชร์ข่าว :
Tags: