How to use Big Data for SME ?

October 02, 2020

คำถามแรกที่มักจะเกิดขึ้นเมื่อเจ้าของธุรกิจที่เป็น SME รับรู้หรือได้ทำการศึกษาเกี่ยวกับ Big Data คือ “ข้อมูลที่จัดเก็บไว้ในองค์กรมีอยู่ไม่มากเมื่อเทียบกับบริษัทขนาดใหญ่ แล้ว Big Data จะมาตอบโจทย์ในการดำเนินธุรกิจได้อย่างไร” ซึงถ้ามองแค่เพียงคำว่า “Big Data” เพียงอย่างเดียวว่าคือ ข้อมูลขนาดใหญ่ โดยไม่เข้าใจความหมายที่แท้จริงของสิ่งที่เรียกว่า “Big Data” ก็อาจทำให้มีความเข้าใจที่คลาดเคลื่อนได้ ซึ่งสิ่งแรกที่สำคัญในการทำความเข้าใจในเรื่องของ Big Data คือ Big Data หรือข้อมูลขนาดใหญ่นี้ ไม่ได้มีความหมายเฉพาะแค่ข้อมูลในองค์กรเพียงอย่างเดียว แต่หมายถึงข้อมูลตามแหล่งข้อมูลต่าง ๆที่มีการจัดเก็บอยู่ไว้ทั่วทั้งโลก เช่นข้อมูลตาม social media ต่าง ๆ ไม่ว่าจะเป็น Facebook, Twitter, Instagram, YouTube หรือข้อมูลที่มีการบริการให้เข้าถึงในด้านต่าง ๆ เช่นข้อมูล ในเรื่องของ Covid ข้อมูลสภาพอากาศ ข้อมูลตลาดหุ้นทั้งโลก ซึ่งข้อมูลต่าง ๆเหล่านี้ ปัจจุบันก็จะมีบริษัทหรือหน่วยที่ทำการพัฒนาการรวบรวมข้อมูลและทำการเปิดการให้บริการข้อมูลทั้งในลักษณะของ Web Services, APIs หรือ Cloud technology ซึ่งทีทั้งแบบให้บริการฟรีและเสียค่าใช้จ่าย ดังนั้นสิ่งที่สำคัญต่อมาที่ SME ต้องรู้เพื่อนำ Big Data มาใช้ประโยชน์คือ ข้อมูลต่าง ๆที่มีอยู่ทั่วโลกในปัจจุบันนี้ ข้อมูลไหนบ้างที่มีประโยชน์ต่อการนำมาใช้วิเคราะห์ร่วมกับข้อมูลในองค์กร และมีวิธีการในการเชื่อมโยงข้อมูลต่าง ๆเหล่านั้นได้อย่างไร

สิ่งสำคัญสุดท้ายที่ควรคำนึงถึงค่าใช้จ่ายในการที่จะต้องลงทุนให้กับ Big Data ว่าต้องใช้จำนวนเท่าไหร่ และจะคุ้มกับที่ลงทุนไปหรือไม่ ซึ่งในส่วนนี้เป็นส่วนที่จะมีตัวชี้วัดได้หลากหลายตามลักษณะหรือประเภทของธุรกิจ แต่สิ่งสำคัญที่อยากให้ SME มีความเข้าใจก่อนที่จะทำการประเมินเรื่องค่าใช้จ่ายและเรื่องความคุ้มค่าคือ การทำ Big Data ไม่จำเป็นต้องเริ่มแบบ Big เสมอไป เนื่องจากปัจจุบันมีเครื่องมือหรือ Software สำเร็จรูปที่ให้บริการในลักษณะของ Freeware ที่สามารถให้ IT ในองค์กรหรือจ้างผู้เชี่ยวชาญทำการพัฒนาระบบ Big Data ให้โดยอาจมีแค่ในเรื่องของค่าการพัฒนาระบบ ทำให้ค่าใช้จ่ายในการพัฒนาไม่สูงมาก และเริ่มทำในส่วนที่เป็นประโยชน์หรือมีความสำคัญในการนำมาวิเคราะห์ในองค์กรก่อน แล้วค่อยทำในส่วนอื่น ๆ ที่ต้องการต่อไป ส่วนในเรื่องของการวัดผลความคุ้มค่านั้นก็สามารถให้ Big Data ทำการแสดงข้อมูลที่ได้รับจากการทำ Big Data มาแสดงในรูปแบบของรายงาน Business Intelligence ได้ ยกตัวอย่างง่าย ๆเช่น ทำรายงานยอดขายและค่าใช้จ่ายในองค์กร เพื่อชี้ให้เห็นว่าเมื่อมีการใช้งานระบบ Big Data แล้ว ยอดขายและค่าใช้จ่ายในองค์กร มีความเปลี่ยนแปลงไปอย่างไร เมื่อเทียบกับก่อนทีจะพัฒนาะระบบ Big Data ซึ่งก็จะทำให้สามารถนำไปประกอบเป็นข้อมูลได้ว่า การพัฒนาระบบ Big Data นั้นคุ้มค่าในการลงทุนหรือไม่อย่างไร

ปัจจุบันจะเห็นได้ว่าเทคโนโลยี Data warehouse นั้นได้ถูกสิ่งที่เรียกว่า Big Data เข้ามาแทนที่ เพื่อตอบโจทย์ในหลายๆเรื่องที่เป็นข้อจำกัดสำหรับเทคโนโลยี Data warehouse ไม่ว่าจะเป็นในเรื่องของระยะเวลาในการพัฒนาที่ใช้เวลานาน ข้อจำกัดในเรื่องการจัดเก็บข้อมูลที่ต้องอยู่ในรูปแบบ Relational Database รวมทั้งการเรียกข้อมูลในลักษณะของ Realtime ก็ทำได้ยาก ทำให้ไม่เป็นที่นิยมแล้วในปัจจุบัน แต่ตรงข้ามกับ Business Intelligence ที่เป็นที่นิยมมากขึ้นในปัจจุบัน โดยนอกจากที่สามารถใช้งานร่วมกันกับ เทคโนโลยี Big Data ได้เป็นอย่างดีแล้ว บริษัทผู้พัฒนาเครื่องมือสำเร็จรูป BI ยังมุ่งเน้นให้ ผู้ใช้งานเปลี่ยนจาก ผู้เชี่ยวชาญที่มีความรู้ด้าน IT ไปเป็น Business User ที่มีความต้องการการใช้งานข้อมูลโดยตรง โดยออกแบบเครื่องมือให้ใช้งานง่าย (User friendly) เน้นการใช้งานในลักษณะ Graphic User Interface(GUI) มากกว่าที่เป็นการเขียนโปรแกรม (Coding) ทำให้เพียงแค่เจ้าหน้าที่ IT ทำการเชื่อมโยงข้อมูลทีมีอยู่ในองค์กร และเตรียมข้อมูลต่าง ๆที่เกี่ยวข้องให้เท่านั้น Business User ก็จะสามารถเข้าถึงข้อมูลส่วนนี้และทำการสร้าง data model, BI Report ได้เองตามที่ต้องการ ซึ่งทำให้ลดระยะเวลาในการพัฒนาระบบได้อย่างมีนัยยะสำคัญ ซึ่ง Business Intelligence ในลักษณะเครื่องมือสำเร็จรูปนั้น ในปัจจุบันมีหลากหลายมากในตลาดไม่ว่าจะเป็นบริษัทใหญ่ที่มีครบทุก IT Services เช่น Microsoft, Oracle, IBM หรือ SAP รวมทั้งบริษัทที่เน้นในส่วนของ Business Intelligence เพียงอย่างเดียว ซึ่งมีทั้งของแพง ของถูกหรือของฟรี ที่เป็นลักษณะ Open Source แต่สิ่งที่สำคัญของ Business Intelligence นั้นไม่ได้อยู่ที่ tool ที่ใช้ว่ามี feature หรือ function ต่าง ๆให้เลือกใช้มากน้อยเพียงใด หากแต่อยู่ที่ผู้ใช้งานมีความเข้าใจใน “Business” ขององค์กรตัวเองมากน้อยเพียงใด และสามารถนำความรู้ความเข้าใจนี้ มาพัฒนาเป็นระบบให้ “Intelligence” พอที่จะตอบโจทย์ความรู้ความต้องการจากข้อมูลที่มีอยู่ในและนอกองค์กรได้อย่างมีประสิทธิภาพสูงสุดต่างหาก

และเมื่อ SME ทำการประเมินในด้านต่าง ๆ และมีความต้องการที่จะทำการพัฒนาระบบ Big Data แล้ว ถัดมาก็จะเป็นในเรื่องของ ขั้นตอนและแนวทางในการพัฒนาะระบบ Big Data โดยสามารถสรุปได้เป็น X ขั้นตอนดังนี้คือ

1. จัดระเบียบข้อมูลที่มีในองค์กร

2. ศึกษาและทดลองความต้องการข้อมูลเพิ่มเติมในองค์กรจากการทำ Big Data

3. สรุปสิ่งที่ต้องการเพื่อการพัฒนาระบบ Big Data

4. กำหนดคนและเครื่องมือให้ถูกต้อง

5. การเตรียมพร้อมในดูแลจัดการระบบ Big Data

โดยในแต่ละขั้นตอนมีรายละเอียดดังนี้

1. จัดระเบียบข้อมูลที่มีในองค์กร สิ่งนี้เป็นสิ่งสำคัญที่จำเป็นต้องทำเป็นสิ่งแรก เพื่อให้มีความเข้าใจกับข้อมูลที่มีอยู่ในองค์กร โดยบางองค์กรที่มีการเริ่มใช้งานข้อมูลที่มีอยู่แล้ว ก็อาจจะเริ่มจากการพัฒนาระบบ Data Warehouse เพื่อเชื่อมโยงข้อมูลจากระบบงานย่อย ๆ ที่มีในองค์กร และเตรียมตัวเพื่อที่เข้าถึงข้อมูล โดยไม่กระทบกับการทำงานจากระบบงานหลัก หรือบางองค์กรที่มีปริมาณข้อมูลไม่มากก็อาจจะเตรียมตัวแค่ในเรื่องของการเพิ่ม field บาง field เพื่อรองรับข้อมูลที่มีประโยชน์ในการเรียกดูข้อมูล โดยอาจเน้นเฉพาะข้อมูลที่ Master Data ในองค์กร

ซึ่งจะทำให้ข้อมูลที่จัดเก็บในองค์กรสามารถนำไปใช้งานได้มากยิ่งขึ้น ในส่วนนี้ ผู้ที่รับผิดชอบในการออกแบบและวิเคราะห์ระบบ อาจต้องมีการเก็บ requirement จากผู้บริหาร หรือหน่วยงานที่เรียกดูข้อมูล เพื่อให้ทราบถึงมุมมองต่าง ๆ ที่จำเป็นต่อการนำไปใช้ในการวิเคราะห์ต่อไป

2. ศึกษาและทดลองความต้องการข้อมูลเพิ่มเติมในองค์กรจากการทำ Big Data ปัจจุบันในการพัฒนาระบบ Big Data นั้นเป็นเรื่องที่มีความหลากหลายมาก ดังนั้นสิ่งสำคัญถัดมาหลังจากที่มีความเข้าใจในข้อมูลที่มีอยู่ในองค์กรรวมทั้งศึกษาความต้องการจากการพัฒนาระบบ Big Data ในองค์กรแล้วก็คือการทำความเข้าใจและการใช้งานเครื่องมือหรือ Software ที่มีอยู่มากมายให้เลือกใช้ในการพัฒนาระบบ ยกตัวอย่างเช่นเครื่องมือในการพัฒนาการเชื่อมโยงข้อมูลจากแหล่งข้อมูลต่าง ๆ เช่น ETL Tools, การสร้าง Data Lake หรือการดึงข้อมูลภายนอกองค์กรในลักษณะของ Web Services หรือ APIs และในส่วนของเครื่องมือที่ใช้ในการนำเสนอข้อมูลเช่น BI Reports หรือ Data Virtualization ที่มีอยู่มากมายในท้องตลาด รวมถึง ภาษาที่ใช้พัฒนาะในกรณีที่ต้องการพัฒนาระบบในลักษณะของ Machine Learning, Chatbot หรือ Robot Process Automation ซึ่งที่นิยมใช้ในประเทศไทยคือ Python และ R เป็นต้น

3. สรุปสิ่งที่ต้องการเพื่อการพัฒนาระบบ Big Data เมื่อได้ความต้องการหรือ requirement และรายละเอียดเครื่องมือต่าง ๆที่ต้องการนำมาพัฒนาระบบ Big Data เรียบร้อยแล้ว ถัดมาก็จะเป็นในเรื่องของการสรุปขั้นตอนและวิธีการในการพัฒนาระบบรวมถึง สิ่งที่คาดว่าจะได้รับจากการพัฒนาระบบ เพื่อให้สามารถวัดผลสำเร็จในการพัฒนาระบบได้ โดยในส่วนของขั้นตอนและวิธีการในการพัฒนาระบบนั้น อาจเริ่มจากการลำดับความสำคัญในการพัฒนาระบบในแต่ละขึ้นตอน เช่น ถ้าองค์กรยังไม่มี ระบบ Data Warehouse ก็อาจจะเริ่มจากการทำระบบ Data Warehouse หรือ Data Mart ก่อนจากนั้นค่อยพัฒนาโปรแกรมเพื่อดึงข้อมูลที่สำคัญ ๆ จากแหล่งข้อมูลภายนอกองค์กร จากนั้นถ้าข้อมูลในองค์กรมีขนาดใหญ่หรือข้อมูลมีความหลากหลายมาก ก็อาจจะพัฒนา Data Lake เพื่อเชื่อมโยงข้อมูลต่าง ๆ เข้าไว้ด้วยกัน แล้วค่อยเริ่มพัฒนาในกส่วนของการข้อมูลไปใช้ โดยเริ่มการการพัฒนาระบบรายงาน Business Intelligence หรือการเตรียมข้อมูลให้พร้อมสำหรับการทำ Data Virtualization และส่วนสุดท้ายกรณีที่องค์กรมีความต้องการพัฒนา Machine Learning หรือ Robot Process Automation ก็เริ่มทำการเขียนโปรแกรมที่มีการเลือกไว้เพื่อนำนาใช้ประโยชน์ในองค์กร

4. กำหนดคนและเครื่องมือให้ถูกต้อง สิ่งที่เป็นปัจจัยสำคัญที่จะทำให้การพัฒนาระบบงานต่าง ๆ ของงาน IT ที่ไม่ได้เฉพาะแค่ในส่วนของ Big Data คือการใช้เครื่องมือและคนให้ถูกต้องกับการใช้งาน โดยบุคลากรที่เลือกมาทำการพัฒนาระบบในแต่ละส่วนนั้น ต้องมีความรู้หรือทักษะในการใช้งานเครื่องมือที่มีการกำหนดไว้ได้อย่างมีประสิทธิภาพ ซึ่งส่วนใหญ่แล้วผู้ที่เป็นหัวหน้าทีมจำเป็นต้องมีประสบการณ์ในการพัฒนาระบบมาก่อนแล้ว เนื่องจากปัญหาส่วนใหญ่ที่เกิดขึ้นในการพัฒนาระบบ ไม่ใช่เรื่องของความไม่เข้าใจในเครื่องมือที่เลือกใช้ แต่มักจะเป็นในเรื่องของไม่สามารถนำความต้องการหลังจากที่มีการออกแบบระบบมาพัฒนาโดยใช้เครื่องมือต่าง ๆ ได้ เป็นเหตุให้หลายองค์กรใช้วิธีการจ้างผู้เชี่ยวชาญในการพัฒนาระบบให้ในช่วงแรก และให้บุคคลากรที่มีหน้าที่รับผิดชอบในเรื่องของ Big Data เข้าไปมีส่วนร่วมในการพัฒนา รวมถึงศึกษาและทำความเข้าใจระบบร่วมกับผู้เชี่ยวชาญ เพื่อที่จะสามารถดูแลจัดการระบบ หรือปรับปรุงเพิ่มเติมหลังจากที่รับมอบระบบได้ต่อไป ซึ่งผู้ที่เชี่ยวชาญที่เข้ามาพัฒนาระบบนั้น ควรมีความสามารถในการจัดการข้อมูลที่มีขนาดใหญ่และฮาร์ดแวร์ที่ใช้งานคู่กัน รวมทั้งสามารถวิเคราะห์ข้อมูลและทำให้ข้อมูลนั้นมีความสมเหตุสมผล ซึ่งปัจจุบันก็จะเป็นบุคลากรที่ตลาด IT ต้องการคือ data scientists นั่นเอง

5. การเตรียมพร้อมในดูแลจัดการระบบ Big Data เป็นสิ่งสุดท้ายที่จำเป็นอย่างมาก ในการใช้งานระบบ Big Data เนื่องจากเป็นการทำงานกับข้อมูลขนาดใหญ่และมีการ update ข้อมูลอยู่ตลอดเวลา ดังนั้นผู้ดูแลระบบจำเป็นต้องมีความรู้ความเข้าใจในแต่ละกระบวนการ โดยสามารถปรับปรุงหรือเปลี่ยนแปลงระบบงานในแต่ละส่วนได้ เพื่อให้ทันตามการเปลี่ยนแปลงที่เกิดได้อย่างมีประสิทธิภาพ โดยเฉพาะอย่างยิ่งในเรื่องของการดึงข้อมูลจากภายนอกองค์กรนั้น อาจมีการเปลี่ยนแปลงเกิดขึ้นได้ตลอดเวลา เนื่องจากเป็นปัจจัยภายนอกที่ไม่สามารถควบคุมได้ จำเป็นต้องปรับเปลี่ยนตามแหล่งข้อมูลภายนอกที่เชื่อมต่อ ในส่วนของภายในองค์กรนั้น ก็จะเป็นในเรื่องของการรองรับข้อมูลที่เพิ่มขึ้นหรือปรับเปลี่ยนไปตามผู้ใช้งาน ยกตัวอย่างเช่นมีการใช้งานระบบ CRM เพิ่มเข้ามาในองค์กร ในลักษณะของ Chatbot ซึ่งข้อมูลเหล่านี้ล้วนมีความสำคัญเพื่อใช้ในการนำมาวิเคราะห์ในระบบ Big Data ผู้ดูแลระบบก็ต้องสามารถทำการเชื่อมโยงข้อมูลดังกล่าวเข้าไว้ที่ระบบ Big Data ได้

Recent Posts