งาน DAATDay ต้องถือว่าเป็นอีกหนึ่งงานที่คนในแวดวงดิจิทัล โดยเฉพาะการตลาดไม่ควรพลาด ปีนี้จัดขึ้นเป็นปีที่ 5 แล้ว และอยู่ภายใต้ธีม “All things Digital”
Digital is everything เป็นอีกหนึ่งหัวข้อในห้อง Technology / Innovation ที่น่าสนใจและอยากเก็บมาสรุปถ่ายทอด เรื่องของ Big Data (ขออนุญาตยกเครดิตเนื้อหาให้กับ ดร.แป้ง อัสมา กุลวานิชไชยนันท์ นักวิชาการ Data Scientist บริษัท Coraline Co.,Ltd. ผู้เชี่ยวชาญและให้บริการด้าน Big Data)
ประเภทของข้อมูล (Data) แบ่งออกเป็น Structure คือมีโครงสร้าง ประเภทแบ่งไว้ชัดเจน กับแบบ Unstructure ซึ่งเราจะพบเห็นในจากหลาย ๆ แหล่งข้อมูล ทั้ง text, video มีความหมายที่กำกวม ตีความได้ยาก
องค์ประกอบของ Big DATA คือ
1. Volume ปริมาณ ต้องมีมากเพียงพอ
2. Velocity ข้อมูลที่มีการเปลี่ยนแปลงรวดเร็ว
3. Variety ความหลากหลายของข้อมูล ยิ่งมาจากหลายแหล่งข้อมูล มีคนเป็นเจ้าของข้อมูลจากหลาย ๆ หน่วยงาน ก็ยิ่งมีความหลากหลาย และ
4. Veracity คุณภาพข้อมูลที่ต้องมีความถูกต้อง
Big Data จะมองที่ข้อมูลที่มีคุณภาพ โครงการของ Big Data จริง ๆ คือการใช้ประโยชน์จาก Data ให้มีประสิทธิภาพสูงสุด
สิ่งที่ได้จากการทำ Big Data คือ
1. Process Improvement ดูว่าทำให้กระบวนการทำงานมีประสิทธิภาพได้อย่างไร
2. Cost Reduction การลดต้นทุน
3. Profit Maximization เพิ่มกำไร
4. Business Value Added การนำไปต่อยอดธุรกิจ
..แต่อาจมีการทำโครงการ Big Data ที่ไม่ได้อยู่ในวัตถุประสงค์นี้คือ Corporate Image การเอาโครงการ Big Data , AI มาทำเพื่อภาพลักษณ์องค์กรที่ดีขึ้น แต่ถ้าคิด ROI ออกมาแล้วไม่คุ้มค่า ก็อาจจะช่วยไม่ได้จริง
2 ปัญหาพื้นฐานที่ใช้ Big Data มาแก้
1. มีปัญหาการเชื่อมโยงข้อมูล เช่น รพ.ของรัฐที่มีกระจายอยู่ทั่ว แต่มีข้อมูลที่ต่างโครงสร้าง ทำให้การเชื่อมโยงฐานข้อมูลทำได้ช้า เราต้องรู้ว่าข้อมูลอยู่แหล่งไหนบ้าง มีการเชื่อมแล้วหรือยัง สร้าง Data Lake หรือยัง
2. ระบบการตัดสินใจและแก้ไขงานที่ต้องใช้เวลานาน
ส่ิงที่เรายังเข้าใจผิดอยู่
1. Big Data ของตัวเองมีคุณค่า แต่ถ้าไม่ผ่านการแปรรูปก็ใช้ไม่ได้อยู่ดี ดังนั้นต้องใช้ประโยชน์จาก Data ให้เกิดประโยชน์สูงสุด
2. การใช้ Big Data จะนำพามาซึ่งการเปลี่ยนแปลงครั้งยิ่งใหญ่ จริง ๆ แล้ว Big Data ไม่ได้ทำให้เกิดการเปลี่ยนแปลงครั้งยิ่งใหญ่ แต่คือ การเปลี่ยน Mindset ของคน
3. Data ที่เก็บทับถมไว้แล้วไม่นำมาใช้ จะมีความสกปรก การทำความสะอาดข้อมูลขนาดใหญ่ที่ไม่เคยทำความสะอาดและนำมาใช้เลย มีความยากลำบากกว่าบริษัทใหม่ ๆ ที่มีการใช้ประโยชน์จาก Data มากกว่า
4. Big Data เป็นเรื่องขององค์กรขนาดใหญ่ ไม่ใช่ บริษัทขนาดเล็ก ก็ไม่จริงเสมอไป บริษัทเล็ก ๆ ที่เห็นนำ Data มาใช้ได้ดี สามารถ disrupt องค์กรขนาดใหญ่ได้
โครงการ Big Data เป็นโครงการใหญ่ มีส่วนประกอบ 5 ส่วน
1. แหล่งข้อมูลอยู่ที่ไหนบ้าง / ข้อมูลประเภทอะไร
2. เชื่อมอย่างไร
3. เก็บที่ไหน
4. วิเคราะห์อย่างไร
5. ผลลัพธ์ที่นำไปใช้ที่เป็นประโยชน์ มีสองประเภท 1. Report อ่านแล้วนำไปทำต่อ 2. Action คือสิ่งที่กระทำได้เลย ไม่ Report แล้ว ถ้าเป็นโครงการ AI จริง ๆ ต้องมีการกระทำเกิดขึ้น แต่ถ้าเป็น Machine Learning จะเป็นแค่ Report นำผลลัพธ์ไปกระทำต่อ
ปัจจัยที่ทำให้โครงการ Big Date สำเร็จได้ ประกอบไปด้วย
1. ความพร้อมของ Data
2. รู้วิธีการที่ชัดเจน
3. มีคนที่พร้อมจะทำงานด้วยกัน หนึ่งในปัจจัยของคนที่สำคัญในการทำโครงการ Big Data คือ “User” ซึ่งต้องเข้าใจปัญหาที่แท้จริง และ User ต้องตรวจประเมินผลลัพธ์ที่ได้จากการประมวลผลได้ User จึงเป็นหนึ่งในทีม Member
4. Timeline คือสิ่งที่สำคัญ หากเราไม่กำหนดให้ชัดเจน ว่าเมื่อไหร่ step ไหนจบเมื่อไหร่ โครงการจะไหลไปเรื่อย ๆ เพราะคน ไฟไม่ลนก้น ก็จะไม่ทำ จะรู้ตัวอีกทีคือคู่แข่งทำไปแล้ว
5. เทคโนโลยี คือเครื่องมือ เป็นสิ่งท้าย ๆ ที่คำนึงถึง อย่าเอาเครื่องมือมานำหน้า เราต้องรู้โจทย์ก่อนว่าจะทำอะไร การลงทุนด้านเทคโนโลยีไม่เหมือนกับการลงทุนด้านอื่น เราสร้างถนน สร้างตึก Life Cycle อาจจะหลักสิบปี แต่การลงทุนด้านเทคโนโลยี Life Cycle อาจจะแค่หลักเดือน เพราะเทคโนโลยีพัฒนาไปเรื่อย ไม่รอใคร
6. Leadership คือ คนที่สั่งงาน คนที่เข้าใจและสามารถวางการทำงานได้ชัดเจน ยิ่งถ้าคุณมี Timeline ยิ่งสั้น Leadership ต้องยิ่งแข็งแรง / Engagement คือการร่วมมือกัน คนในทีมต้องช่วยกัน คนทุกคนมี EGO แต่ถ้าแต่ละคนมี EGO ของตัวเอง ถ้าแต่ละคนไม่คุยกัน ทีมก็ทำงานไม่ได้ โครงการยิ่งขนาดใหญ่ยิ่งต้องการการสื่อสารที่ชัดเจน
AI = กลไกของสมอง คือทุกอย่าง เช่น การแปลภาษา, Robots, Voice Recognition, Chatbot เป็นกระบวนความคิดที่ใช้คอมพิวเตอร์ไปเรียนรู้ Data ที่เราใส่เข้าไปเป็นตัวตั้งต้น
AI ฉลาดแค่ไหน? AI ฉลาดเท่าที่เรา Train มัน / AI มีหลัก 2 R => Remember กับ Recognize / แต่เค้าจะถูก AI ข้อมูลไม่สะอาดแก้อย่างไร? ข้อมูลไม่สะอาด
Machine Learning เรียนรู้จากข้อมูลที่ใส่เข้าไป หากคุณใส่ข้อมูลไม่ถูกต้อง ผลลัพธ์ก็ผิด
AI กำลังจะเป็นเทรนที่ล้าหลัง เพราะเราเรียนรู้แล้วว่า ถ้าเป็นข้อมูลที่เรียนรู้แล้วเก่า 5 ปีย้อนหลัง มันก็ไม่ฉลาดในยุคสมัยปัจจุบัน คนที่เป็น Team Member ที่ต้องมาทำ AI คือ User ซึ่งถ้าสามารถป้อนข้อมูลให้ AI เรียนรู้ได้ เรียกว่า Smart User และเป็นที่มาของ Augmented Intelligence คือ AI ที่สามารถ Adapt ตัวเองได้ในพฤติกรรมที่เปลี่ยนแปลงไป
คำที่กำลังเป็น Buzz Word ต่อจาก Big Data และ AI คือ “Digital” ตาม Google แล้ว Digital หมายถึงเกี่ยวกับตัวเลข / Transformation หมายถึง การเปลี่ยนแปลง ปรับปรุง
Digital Transformation คือ การปรับเปลี่ยนระบบโดยใช้ดิจิทัลเข้ามา คำนี้ความสำคัญอยู่ที่คำหลังคือ Transformation เช่น ปรับเปลี่ยนวิธีการทำงาน โดยเอาดิจิทัล เข้ามาแก้ปัญหา ไม่ใช่เรื่องเทคโนโลยีเป็นหลัก “ถ้าเราเอาเทคโนโลยีเข้ามา แล้วไม่รู้ว่าจะเอามาแก้ปัญหาอะไร นั่นคือ การสร้างปัญหา”
Digital Marketing ไม่ได้แปลว่า Online Marketing, ไม่ได้แปลว่า Facebook, ไม่ได้แปลว่า Google, ไม่ได้แปลว่า Website หรือ E-Commerce
Digital Marketing คือ การทำการตลาดโดยใช้ข้อมูลที่ส่งผ่านกันได้ เช่น ถ้าเราทำโฆษณาบน Bill Board เราไม่รู้ว่าจะมีคนเห็นเท่าไหร่ แต่ถ้าทำโฆษณาบนเฟซบุ๊ก เรารู้ข้อมูลได้ทันที
การทำ Digital Transformation ได้มีหลัก 5 ขั้นตอน DELTA
1. Data ต้องพร้อม
2. Enterprise ทั้งองค์กรและทีม Member ต้องเห็นภาพเดียวกันและร่วมมือกัน
3. Leadership ต้องเข้าใจและสามารถสั่งการ รวมถึงเข้าช่วยเหลือทีม Member ได้อย่างต่อเนื่อง
4. Targets ต้องมีเป้าหมายการทำงานให้ชัด ทุกคนเห็นเป้าหมายเดียวกัน ไม่ใช่แยก KPI กัน
5. Analytics มีการวิเคราะห์ในแต่ละขั้นตอนอย่างชัดเจน
* เนื้อหาจาก DAAT Day 2019 (29 ส.ค. 62)
