“เบลนเดต้า” รวมพลังบิ๊กดาต้า ระเบิดศักยภาพธุรกิจ

เมื่อคลื่นการเปลี่ยนผ่านสู่ยุคดิจิทัลซึ่งได้พัดพาข้อมูลปริมาณมหาศาล หรือ บิ๊กดาต้า (Big Data) เข้าสู่วงจรธุรกิจอย่างไม่เคยเกิดขึ้นมาก่อน ทำให้วิถีการบริหารจัดการข้อมูลในอดีตไม่ตอบโจทย์โลกการแข่งขันยุคปัจจุบันที่ “ข้อมูล” กลายเป็นรากฐานสำคัญในการสร้างนวัตกรรมธุรกิจ เสริมแกร่งประสิทธิภาพการดำเนินงาน ปรับแต่งกลยุทธ์การแข่งขัน และส่งต่อความยั่งยืนให้กับองค์กร

“ปัญหาปวดใจในการรับมือกับบิ๊กดาต้า คือ ความเป็นบิ๊กโปรเจกต์ใหญ่ที่ต้องใช้เงินไม่ต่ำกว่าแปดหลัก และต้องใช้เวลาพัฒนาราว 6 เดือน หรือ 1 ปี  ขณะเดียวกับที่ต้องเอาเทคโนโลยีหลาย ๆ อย่างที่ยากมาก ๆ มากองรวมกัน แล้วต้องหาคนที่เขียนโค้ดเก่ง ๆ ที่รู้เยอะและรู้ลึกมาประกอบร่างเทคโนโลยีทั้งหมดซึ่งหาได้ยากมากในประเทศนี้ จึงเกิดความคิดที่จะพัฒนาแพลตฟอร์มบริหารจัดการบิ๊กดาต้าขึ้นมาสักตัวเพื่อรวมเทคโนโลยีทุกอย่างไว้ด้วยกันแล้วทำให้ใช้งานง่ายชนิดระดับซูเปอร์ยูสเซอร์ที่พอมีพื้นฐานเทคโนโลยีอยู่บ้าง หรือทีมเทคนิคที่มีอยู่เดิมก็สามารถเล่นกับข้อมูลขนาดใหญ่พวกนี้ได้” ณัฐนภัส รชตะวิวรรธน์ ประธานเจ้าหน้าที่บริหารและผู้ร่วมก่อตั้ง บริษัท เบลนเดต้า จำกัด (Blendata) ผู้พัฒนาแพลตฟอร์มบริหารจัดการบิ๊กดาต้า บอกกับ The Story Thailand

ข้อมูลพร้อมปั่น “เบลนเดต้า”

เบลนเดต้า (Blendata) มาจากคำว่า “Blend” บวกกับ “Data” แต่ตัด D ออกหนึ่งตัวไม่ให้ซ้ำซ้อนกัน เป็นชื่อที่ณัฐนภัสบอกว่า ตรงและลงตัวที่สุดกับธุรกิจที่ทำ คือ “การปั่นผสมข้อมูลทุกอย่างในองค์กรเพื่อให้เกิดผลดีต่อการดำเนินธุรกิจ” เช่นเดียวกับฝันที่ลงตัวของ 4 ผู้ร่วมก่อตั้งที่นิยามตัวเองเป็น “เนิร์ด” ซึ่งประสมทั้งความหลงใหลในการเล่นกับข้อมูลและการประมวลผลข้อมูลมาก ๆ

“ตอนนั้นผมกับรุ่นพี่ซึ่งเป็นทั้งหัวหน้าด้วยร่วมกันทำโปรเจกต์บิ๊กดาต้าให้กับกลุ่มองค์กรขนาดใหญ่ เช่น ธุรกิจธนาคาร และโดยเฉพาะธุรกิจสื่อสารโทรคมนาคมที่เราไปช่วยพัฒนาดาต้าแพลตฟอร์ม และการวิเคราะห์ข้อมูล แล้วพบว่ากำลังประสบปัญหาเรื่องบิ๊กดาต้าอยู่ คิดว่าถ้าเราสามารถทำได้น่าจะดี พอมาปรึกษาผู้ใหญ่ทางจีเอเบิล ต้นสังกัดที่พวกเราทำงาน ก็ได้โอกาสให้ลองทำดู”

เบลนเดต้าเริ่มต้นธุรกิจในสไตล์สตาร์ตอัพ ด้วยการพัฒนาผลิตภัณฑ์แบบเอ็มวีพี (Minimum Viable Product-MVP) เอ็มวีพีแรก คือ “การพัฒนาเอนจิน (Engine) ให้สามารถประมวลผลข้อมูลได้เร็วมาก ๆ” เทคโนโลยีหลัก คือ การฟอร์คแตกโค้ด (Fork) โอเพ่นซอร์ส Apache Spark มาพัฒนาต่อยอด ซึ่ง 5 ปีที่แล้วน้อยคนมากที่รู้จักแต่กลับได้รับความนิยมมากในสายบิ๊กดาต้ายุคหลัง จากนั้นจึงพัฒนาฟีเจอร์ต่อยอดเพื่อเพิ่มประสิทธิภาพ เพิ่มความสามารถ รวมถึงการพัฒนาโนโค้ดโลว์โค้ด (No Code/Low Code) ขึ้นเองทั้งหมด ใช้เวลาราว 3 เดือนก็เสร็จนำไปเสนอลูกค้าเดิมซึ่งมีปฏิสัมพันธ์กันอยู่ แล้วเก็บผลตอบรับมาวิเคราะห์ปรับปรุงเพื่อให้ได้ผลิตภัณฑ์ที่ตรงตามความต้องการของตลาดจริง ๆ เรียกได้ว่า ทุกอย่างที่สร้างขึ้นเป็นการเรียนรู้จากลูกค้า จากฟีดแบ็คที่ได้รับหน้างานของลูกค้าโดยตรง

“เบลนเดต้าน่าจะเป็นบริษัทไทยรายเดียวที่ทำซอฟต์แวร์บิ๊กดาต้าให้เป็นซอฟต์แวร์แพ็คเกจจริง ๆ ที่ไม่ใช่แค่การเอาโอเพ่นซอร์สมาประกอบ ๆ กันเป็นผลิตภัณฑ์แล้วเอากลับมาขายใหม่”

ส่วนโปรเจกต์ปักหมุด คือ ผู้ให้บริการโซลูชันโทรคมนาคม (Telecom) ซึ่งกำลังหาคนมาทำเรื่องการวิเคราะห์รากของปัญหา (Root-Cause Analysis) และยังไม่มีใครหรือเวนเดอร์ไหนทำได้ ทางจีเอเบิลก็ถามมาว่าอยากลองไหม เราก็เข้าไปคุยกับบริษัทเพื่อรับทราบความต้องการลูกค้า จะด้วยความเด็กหรือเปล่าก็ไม่แน่ใจเลยแจ้งไปว่า ขอเวลาทำสองอาทิตย์แล้วจะเดโมให้ดูบนแมคบุ๊คเครื่องเดียว เนื่องด้วยเรามีเอนจินที่ประมวลผลได้เร็วมาก โดยใช้ทรัพยากรที่ต่ำเมื่อเทียบกับเทคโนโลยีบิ๊กดาต้าอื่น ๆ จึงไม่มีเหตุให้ต้องใช้ฟาร์มฮาร์ดแวร์ใหญ่ ผ่านไปหนึ่งอาทิตย์ก็ไปเดโมให้พาร์ทเนอร์ดู รุ่งขึ้นเขาก็นัดคุยกับลูกค้าแล้วอีกหนึ่งอาทิตย์ก็เซ็นสัญญา ทำให้เราได้ฝังรอยฟุตพรินต์ในกลุ่มธุรกิจสื่อสารโทรคมนาคมเป็นครั้งแรก แล้วขนาดของข้อมูลตอนนั้นน่าจะใหญ่ที่สุดในไทย

เป้าหมาย Lean Startup ที่ทำกำไร

เบลนเดต้าเลือกที่จะโตตามวิถีสตาร์ตอัพแต่ในรูปแบบ Lean Startup ซึ่งเราเชื่อและมุ่งเป้าการทำกำไรให้ธุรกิจมีกำไรและให้เติบโตอย่างยั่งยืน มากกว่าการปั้น Valuation โดยไม่สนกำไร หรือระดมทุนเพียงเพื่อเป้าหมายในการ Exit ออกจากธุรกิจไป

“เราเริ่มโปรเจกต์นี้ตั้งแต่ปี 2558 พอปี 2560 ธุรกิจก็ทำกำไรได้แล้วก่อนจะ Spin-off จากจีเอเบิลมาเป็นบริษัท เบลนเดต้า ในปี 2564 เสียอีก เพราะเรามองว่า แก่นของการทำธุรกิจที่แท้ คือ การทำกำไร ตอนนั้นพวกเรา 4 คนก็ถกกันว่า ระดมทุนเข้ามาเยอะดีไหม แล้วใช้เงินปั้นทีมใหญ่ ๆ แต่การทำแบบนี้ในตอนนั้นอาจไม่คุ้มกับเงินที่เสียไป แต่ถ้าเราโตก้าวกระโดดแบบสตาร์ตอัพ แต่วางรากฐานธุรกิจให้เหมือนเอสเอ็มอีน่าจะแข็งแรงกว่าในระยะยาว ก็เลยโตมาด้วยการจัดการแบบลีน สตาร์ตอัพ ”

ขณะเดียวกัน ความต้องการขึ้นแท่นเป็นบริษัทซอฟต์แวร์เช่นเดียวกับบริษัทในระดับโกลบอล ซึ่งโตด้วยการขายซอฟต์แวร์ที่ตัวเองเป็นเจ้าของไม่ว่าจะอยู่บนคลาวด์หรือออนเพรม (On-Premise) โมเดลการขายของเบลนเดต้าจึงเป็นการจับมือกับพาร์ทเนอร์ที่เป็นเอสไอ หรือ ผู้ให้บริการะบบไอทีครบวงจร (System Integrator) ในแต่ละประเทศเพื่อจัดจำหน่ายซอฟต์แวร์ในรูปแบบการขายใบอนุญาตใช้งาน (License) แทนการขายตรง หรือดำเนินธุรกิจบริการซอฟต์แวร์ที่หากจะขยายธุรกิจต้องใช้คนมาก ซึ่งยากและต้นทุนสูง ขณะที่บริษัทซอฟต์แวร์ส่วนใหญ่ 70% ของรายได้มาจากการขายไลเซนส์ ซึ่งทำให้ธุรกิจโตไปได้เรื่อย ๆ แม้จะเป็นการขายให้ลูกค้า 50 ราย กับ 500 ราย ก็ไม่จำเป็นต้องเพิ่มจำนวนคนตามไปด้วย ขอเพียงมีรากฐานที่แข็งแรง แค่เพิ่มบุคลากรเพียงเล็กน้อยก็ไปต่อได้แล้ว

ส่วนก้าวต่อไป คือ “การเข้าตลาดหลักทรัพย์ฯ เพื่อดันเบลนเดต้าให้โตต่อไปในระดับโกลบอล” จึงต้องมีการระดมทุนที่มากขึ้น ซึ่งหลังจากปักหลักวางฟุตพรินต์ในไทยโดยสามารถครอบคลุมกลุ่มลูกค้าองค์กรขนาดใหญ่ที่มีบิ๊กดาต้าราว 20-30 ราย ได้แก่ ธุรกิจสื่อสารโทรคมนาคม ธนาคาร โรงงานอุตสาหกรรม ธุรกิจสุขภาพ บริษัทน้ำมันและก๊าซธรรมชาติ ธุรกิจการศึกษา และภาครัฐไปได้ระดับหนึ่ง ในปีนี้จะเริ่มต้นบุกตลาดธุรกิจประกันมากขึ้น ตลอดจนพูดคุยกับพาร์ทเนอร์ระดับเอสไอในระดับภูมิภาคเอเชียตะวันออกเฉียงใต้ เริ่มจากอินโดนีเซีย เวียดนาม และสิงคโปร์ 

“เรามีแผนเข้าตลาด MAI ปี 2569-2570 ก็ประมาณ 3-4 ปีนับจากนี้ แต่เมื่อถึงเวลานั้น หากเรามีทางเลือกที่ดีกว่า ก็อาจจะยกเลิกแผนเข้าตลาดหลักทรัพย์ฯ ก็เป็นได้”

ฝ่าทางตันซอฟต์แวร์แบรนด์ไทย

ในอดีต อย่าว่าแต่ความเป็นซอฟต์แวร์แบรนด์ไทยที่จะไปขายให้ต่างชาติ หรือสามารถยืนเคียงข้างซอฟต์แวร์แบรนด์นอกที่อยู่ใน Gartner Magic Quadrant เลย แค่การขายให้กับบริษัทคนไทยในประเทศยังยาก ดังนั้น ภายใต้บริบททางธุรกิจของเบลนเดต้าเอง จึงต้องพิสูจน์ให้เห็นคุณค่าของสิ่งที่ทำว่า สามารถตอบโจทย์ลูกค้าได้มากกว่า ดีกว่า และสมเหตุสมผลกว่า เพื่อให้เกิดการยอมรับไปเรื่อย ๆ ซึ่งสะท้อนจากการที่หลายธนาคารเอาซอฟต์แวร์เบลนเดต้าไปวัดรอยกับซอฟต์แวร์ในเมจิค ควอแดนซ์และเราชนะมาได้ พอ ๆ กับคำชมที่ชื่นใจเวลาคนเข้าใจว่า เป็นซอฟต์แวร์มาจากต่างประเทศทั้งที่เป็นซอฟต์แวร์ไทยที่พัฒนาโดยฝีมือคนไทย

ขณะเดียวกัน บริบทรอบนอกที่จะหนุนบริษัทซอฟต์แวร์ไทยไปโตในระดับโกลบอลนับว่าดีขึ้นเยอะ ตัวอย่างเช่น เทคโนโลยีคลาวด์ที่เข้ามาเปลี่ยนรูปแบบการใช้งาน เปลี่ยนพฤติกรรมการซื้อของคนจากการซื้อซอฟต์แวร์มาติดตั้ง ซื้อผ่านตัวแทนจำหน่าย มาเป็นการสมัครสมาชิก (Subscribe) รวมถึงระบบนิเวศที่พร้อมมากขึ้นในการส่งเสริมบริษัทซอฟต์แวร์ของคนไทย

ส่วนในมุมของนักพัฒนาซอฟต์แวร์เองก็มีบริบทที่แตกต่างระหว่างทาง เช่น คนรุ่นเก่าอาจเน้นการศึกษาตำรับตำรา แต่ถ้าเป็นนักพัฒนา Gen Z จะใช้ ChatGPT รวมถึงนักพัฒนาก็จะมีความเก่งคนละแบบ เก่งมาก เก่งปานกลาง แต่ที่เบลนเดต้า เราคัดคนเก่งมาก เพราะของที่ทำนั้นยากและ Unique เราไม่ได้ทำเว็บแอปพลิเคชัน ไม่ได้พัฒนาโมไบล์แอปพลิเคชันสำหรับยูสเซอร์ 100 คน ตามปกติของการพัฒนาซอฟต์แวร์ สิ่งที่เราทำ คือ ระบบที่เป็นเอนจินหลักในการประมวลข้อมูลชนิด 2-3 ล้านเรคอร์ด (Record) ต่อวินาทีให้มีประสิทธิภาพสูงสุด ซึ่งจะพลาดไม่ได้ 

สำหรับฝั่งของข้อมูล เราจะมีทีมวิทยาศาสตร์ข้อมูล (Data Science) วิศวกรข้อมูล (Data Engineer) มาช่วยในการเตรียมข้อมูล หรือพัฒนาโมเดลเอไอ แมชชีนเลิร์นนิ่ง นอกจากนี้ ยังมีผู้เชี่ยวชาญจากธุรกิจนั้น ๆ มาทำหน้าที่เป็น Domain Expert เช่น ลูกค้ากลุ่มธุรกิจสุขภาพ นักวิทยาศาสตร์ข้อมูลของเราก็จะเป็นแพทย์ที่ลาออกมาร่วมทีมกับเรา สายอุตสาหกรรมการผลิตก็จะมีอาจารย์จากสายนี้โดยตรงมาอยู่ในทีม

“เราคัดคนเก่งเพราะต้องการพัฒนาของ ๆ เราให้ได้มาตรฐานหรือเกินกว่ามาตรฐาน นี่คือหลักการ ส่วนการนำผลิตภัณฑ์เข้าสู่ตลาดเป็นอีกเรื่องหนึ่ง หากมองย้อนไปสักสิบปีที่แล้วซึ่งผมอายุยังน้อยเลยตอบไม่ได้เต็มที่ว่า การนำซอฟต์แวร์แบบนี้เข้าตลาดจะท้าทายขนาดไหน แต่ถ้าเป็นปัจจุบัน ตอบได้ว่าไม่ง่ายแต่ไม่ถึงขนาดเป็นไปไม่ได้ โชคดีที่เราผ่านมาได้จนมีฟุตพรินต์ให้อ้างอิงได้ค่อนข้างเยอะพอสมควร รวมถึงมีหลายโปรเจกต์ที่สามารถเข้าไปแทนที่ผลิตภัณฑ์ต่างชาติมาแล้ว”

จับจุดเด่น “ใช้ง่าย-สมราคา-ลดค่าใช้จ่าย”

เนื่องเพราะการทำบิ๊กดาต้านั้นยาก ทั้งการเรียนรู้การโค้ดดิ้ง และการผสมผสานการทำงานของเทคโนโลยีต่าง ๆ เบลนเดต้าจึงชูประเด็นหลักของการพัฒนา ซอฟต์แวร์เบลนเดต้า เอ็นเตอร์ไพรส์ (Blendata Enterprise) ให้เป็น “แพลตฟอร์มบิ๊กดาต้าที่ใช้งานง่าย” โดยลูกค้าไม่ต้องไปประกอบร่างเทคโนโลยีเอง การพัฒนาหน้าเว็บแบบ GUI (Graphic User Interface) ซึ่งช่วยลูกค้าในการสร้างแพลตฟอร์มการใช้งานบิ๊กดาต้าแบบโนโค้ดหรือโลว์โค้ดโดยไม่ต้องเสียเวลาศึกษาการเขียนโค้ดด้วย Apache Spark หรือ Apache Hive ซึ่งทำให้ทีมพัฒนาดาต้าแวร์เฮ้าส์เดิมสามารถเล่นกับบิ๊กดาต้า เช่น ต้องการเชื่อมข้อมูลอีอาร์พี นำข้อมูลการขายบนสเปรดชีตมาผสมกับระบบบริหารงานขาย Salesforce หรือ ซีอาร์เอ็มเพื่อทำการวิเคราะห์ข้อมูล ก็สามารถ “คลิ๊กเมาส์” ลากมาเชื่อมหรือวาง (Drag and Drop) บนหน้าจอได้ทันที 

ส่วน “บริการ” คือ ท็อปปิ้งเสริมเรื่องของการให้คำปรึกษา เพราะบิ๊กดาต้าไม่ใช่แค่ซื้อไปตั้งแล้วจบ แต่ทุกอย่างต้องรันด้วยยูสเคสเพื่อให้เกิดมูลค่ากับธุรกิจจริง ๆ การได้พูดคุยหรือทำเวิร์คช็อปร่วมกับผู้บริหารระดับสูงว่า ข้อมูลลูกค้ามีอะไรบ้าง เชิงลึกเป็นอย่างไร และต้องทำอะไรก่อนหลังเพื่อให้ได้ยูสเคสมาพัฒนาต่อจนเสร็จเป็นพิมพ์เขียวที่พร้อมให้ทีมวิศวกรข้อมูลเข้าไปพัฒนาเพิ่มเติมบนแพลตฟอร์มของเบลนเดต้า นอกจากนี้ ยังมีบริการหลังการขาย หากลูกค้าประสงค์อยากทำเองเป็น เราก็มีการฝึกอบรมในฝั่งที่เป็นเทคโนโลยีเชิงลึก (Deep Technology) เช่น วิธีการเขียนโมเดลเอไอ การเขียนโปรแกรมด้วยภาษาไพธอน (Python) ให้ 

อีกหนึ่งจุดเด่น คือ “ราคาที่สมเหตุสมผล” เมื่อเทียบกับผู้ขายรายอื่น ๆ รวมถึง “การลดต้นทุนค่าใช้จ่าย” จากตัวอย่างยูสเคสที่นำแพลตฟอร์มของเบลนเดต้าไปติดตั้งแทนบิ๊กดาต้ารายหนึ่ง เพื่อเชื่อมต่อการทำงานหลักร้อยโหนดด้วยเวอร์ช่วลแมชชีนที่ใช้ฮาร์ดแวร์เพียง 30 เครื่อง แทนที่จะเป็น 100 เครื่อง ซึ่งเป็นจุดเด่นที่ลูกค้าสัมผัสได้จากการได้ลองใช้จริง และได้ผลทั้งในเรื่องการวางกลยุทธ์และลดต้นทุนการจัดการ TCO ด้านฮาร์ดแวร์ ซึ่งลูกค้าที่มีบิ๊กดาต้าอยู่แล้ว เบลนเดต้าสามารถช่วยบริหารจัดการค่าใช้จ่ายด้านไอที ด้วยเทคโนโลยีและรูปแบบการใช้งานแบบจ่ายเป็นไลเซนส์ และจ่ายตามจริงเท่าที่ใช้งาน

จากโมเดลธุรกิจการขายผ่านพาร์ทเนอร์ ทำให้เบลนเดต้ามีพันธมิตรร่วมธุรกิจทั้งในระดับเอสไอ ได้แก่ จีเอเบิล ซีดีจี เมโทรซิสเต็มส์ฯ เอไอที  ยูไอเอช อีการ์เดียน ระดับดิสทริบิวเตอร์ เช่น เก็ทออน เทคโนโลยี หรือเมโทรคอนเน็ก กลุ่มผู้ให้บริการคลาวด์ในประเทศ เช่น เอไอเอสคลาวด์ เอ็นทีคลาวด์ คลาวด์เอชเอ็มภายใต้กลุ่มเบญจจินดา เป็นต้น โดยพาร์ทเนอร์ที่เป็นเอสไออาจจะซื้อซอฟต์แวร์ไปแล้วต่อยอดด้วยบริการของเขาเพิ่มเติม ขณะที่พาร์ทเนอร์รายย่อย เบลนเดต้าก็มีบริการเสริม เช่น การให้คำปรึกษา หรือบริการติดตั้งระบบขายพ่วงไปด้วย

“ตอนนี้เรามีบุคลากรเกือบ 70 คน แบ่งเป็นทีมนักพัฒนาซอฟต์แวร์ราว 30 คน ทีมวิศวกรรวม 30 คน ที่เหลือคือฝ่ายขายและการตลาด ส่วนงานเอชอาร์ หรือแบ็คออฟฟิศ เป็นการซื้อเซอร์วิสจากจีเอเบิล สามารถยอดขายปีที่แล้วประมาณ 40 ล้านบาท ส่วนปีนี้คาดการณ์ที่ 65-70 ล้านบาท จะเห็นว่าเราโตเฉลี่ย 50% ทุกปี ประกอบกับปีที่แล้วเราได้ใบสั่งซื้อมาเยอะ แต่ปรับเป็นรายได้ไม่ทัน แล้วการขายไลเซนส์เป็นโปรเจกต์ที่ต้องมีเวลารับรู้ ทำให้จำนวนรายได้ก็จะข้ามมาปีนี้ค่อนข้างเยอะ”

คลี่ปมบิ๊กดาต้าสู่การดันยอดธุรกิจ

เมื่อคำว่า “บิ๊กดาต้า” ไม่ได้แปลว่า ต้องเป็นข้อมูลใหญ่หรือมากอย่างเดียว แต่หมายถึงการมีข้อมูลที่หลากหลายด้วย เช่น การดึงข้อมูลจากอีอาร์พี ข้อมูลลูกค้า ข้อมูลการขาย มาแสดงผลในหน้าเดียวเพื่อให้เข้าใจง่าย ดังนั้น คนที่ใช้ซอฟต์แวร์ของเบลนเดต้าเรียกว่า เป็นกลุ่มที่เจอปัญหาบิ๊กดาต้าดีกว่า ไม่ว่าจะเป็นกลุ่มที่มีข้อมูลแบบ First Party Data ที่องค์กรสะสมไว้เองจำนวนมาก และองค์กรที่ไม่มีข้อมูลเป็นของตัวเองเลย

“อย่างกลุ่มธุรกิจจำหน่ายสินค้าอุปโภคบริโภคแบบ FMCG (Fast Moving Consumer Goods) รายหนึ่งที่เราคุยด้วย ลูกค้าอยากทำมากแต่ข้อมูลที่มีในมือแค่รู้ว่ามีลูกค้า 3 ราย มีธุรกรรมอยู่แค่นั้นซึ่งแทบทำอะไรไม่ได้เลย ดังนั้น สิ่งที่องค์กรต้องมีก่อน คือ การสะสมข้อมูล แค่ข้อมูลลูกค้าก็ยังดี ถ้าไม่มีเลยก็จะแนะให้เริ่มจากการวางกลยุทธ์ข้อมูลในองค์กรก่อน หรือทำอะไรง่าย ๆ ไปเลย เช่น ดูประสิทธิภาพการดำเนินธุรกิจ ผมเคยเจอนะไปคุยกับทีมขายที่ใหญ่มากที่หนึ่ง แต่ไม่รู้ว่า รายได้การขายต่อพนักงานขายหนึ่งคนเป็นเท่าไหร่ โซลูชันไหนขายดี”

ถึงแม้ลูกค้าของเบลนเดต้ามีทั้งระดับองค์กรขนาดใหญ่ ลูกค้าระดับกลางถึงใหญ่ (Mid to Large) แต่ที่พบก็มีอยู่เยอะที่ไม่ได้ใช้ประโยชน์จากข้อมูลที่องค์กรมีเท่าที่ควร ซึ่งหากนำซอฟต์แวร์เบลนเดต้าไปใช้ สามารถการันตีการใช้ประโยชน์ได้แน่ ๆ ยกตัวอย่างเช่น การดาวน์โหลดข้อมูลการขาย หากอัพโหลดขึ้นบนสเปรดชีตเอ็กเซลด้วยจำนวนเกินแสนเรคอร์ด ระบบจะค้าง แต่ถ้าเป็นเบลนเดต้า องค์กรสามารถประมวลผลได้เร็วชนิดหนึ่งในพันของวินาที สามารถพลิกมุมมองหรือเล่นกับข้อมูลอย่างไรก็ได้ ส่วนลูกค้าที่เป็นบริษัทเล็ก ๆ ที่ยังไม่มีข้อมูล อาจสามารถซื้อข้อมูลจากแหล่งอื่นได้แต่ก็ต้องคำนึงถึงเรื่องพีดีพีเอ แต่ส่วนใหญ่คำแนะนำที่ให้กับลูกค้า คือ การเริ่มต้นเก็บข้อมูลภายในองค์กรเป็นการดีที่สุด เช่น ลองติดตั้งระบบซีอาร์เอ็ม เครื่องมือช่วยการขาย หรือโปรแกรมพิเศษสำหรับสมาชิก (Privilege Membership Program) อย่างน้อยเพื่อให้ได้ข้อมูลมาวิเคราะห์พฤติกรรมของลูกค้า เป็นต้น

“ถึงจะมีไม่มีเรื่องบิ๊กดาต้าเข้ามา ทุกองค์กรก็ควรขับเคลื่อนธุรกิจด้วยข้อมูล ควบคู่ไปกับการใช้สัญชาตญาณ ประสบการณ์ประกอบการตัดสินใจ อย่างล่าสุดลูกค้าธุรกิจประกันรายหนึ่งที่คิดว่า ผลิตภัณฑ์ตัวนี้ออกมาเพื่อสนองลูกค้ากลุ่มนี้ แต่การวิเคราะห์ข้อมูลเชิงลึกบอกว่า ลูกค้าที่ให้ความสนใจมากสุดเป็นลูกค้าอีกกลุ่มหนึ่งซึ่งบริษัทไม่เคยเห็นหรือโฟกัสมาก่อน จะเห็นว่า การขับเคลื่อนด้วยข้อมูลสามารถสร้างกลยุทธ์ธุรกิจให้กับผลิตภัณฑ์บริการใหม่ ๆ ที่ออกมาได้จริง ๆ”

เข็มทิศเทคโนโลยีในโลกข้อมูลเป็นใหญ่

หลายความเห็นจากองค์กรขนาดใหญ่ต่างเห็นพ้องว่า ยังไงเอไอมาแน่ เอไอจะฝังตัวอยู่กับทุกเรื่องในชีวิตประจำวัน และจะเปลี่ยนวิธีการทำงานของทุกคนไปหมด เมื่อก่อนเวลาเขียนโค้ดหากนึกไม่ออกก็ค้นกูเกิล ถามตอบใน Stack Overflow ก็อปโค้ดเอามาแปะ แต่ก้าวถัดไปในเรื่อง “เจเนอเรทีฟ เอไอ” ซึ่งฉลาดล้ำจนกระทบไปเสียทุกอย่าง ทำให้นักพัฒนาซอฟต์แวร์ เอ็นจิเนียร์แทบจะไม่ต้องเขียนโค้ดเองเลย เอไอทำให้หมด แค่ตรวจสอบ นำไปทดสอบแล้วก็ใช้งานเท่านั้นเอง

อย่างไรก็ตาม รากฐานของเอไอ คือ ข้อมูล ซึ่ง “บิ๊กดาต้า”  ก็จะกลายเป็นก้าวถัดไป องค์กรไหนที่เก็บข้อมูลได้ดีถือว่าแต้มบุญสูง ส่วนคนที่ยังไม่เก็บก็ควรเริ่มต้นเก็บเสีย บางองค์กรมักนึกว่า เราทำธุรกิจไม่ได้แข่งกับใครก็ให้องค์กรใหญ่ทำไป แต่เอไอตอนนี้มันเข้าถึงระดับปัจเจก เจาะตรงถึงความสนใจส่วนตัวของลูกค้า ทำให้องค์กรระดับกลางเริ่มหันมาใช้แพลตฟอร์มข้อมูลลูกค้าเพื่อวางแผนนำเสนอผลิตภัณฑ์บริการในครั้งต่อไป 

ตัวอย่างเช่น ลูกค้ามาดูหน้าเว็บไซต์บริษัท 2 ครั้ง เข้าไปในไลน์บัญชีหลัก (OA) ของบริษัท 1 ครั้ง มาที่หน้าร้าน 1 ครั้ง บางธุรกิจรู้เลยว่า ลูกค้าคนนี้ศึกษาอะไรมาก่อนบ้าง สนใจสินค้าอะไรแล้วก็ให้พนักงานขายติดต่อไปแล้วยิงตูมส่วนลดเพื่อปิดการขาย หรือลูกค้าที่เป็นบริษัทผลิตเหล็กในตลาดหลักทรัพย์ฯ ซึ่งอยากเพิ่มรายได้ 3-4 เท่าใน 5 ปี เราก็ทำงานร่วมกับบริษัทที่ปรึกษา ไฟร์ วัน วัน ไปศึกษาวิธีการขายเดิมซึ่งขายให้กับยี่ปั๊วซาปั๊วตามหัวเมือง เราก็ไปทำให้แตกธุรกิจอีคอมเมิร์ซในการขายวัสดุก่อสร้างออนไลน์ออกไปได้อีก สามารถส่งของตรงถึงหน้างานโดยต้นทางไม่ต้องสต็อคสินค้า ขณะที่โรงงานก็สามารถคำนวณการผลิตได้แม่นยำโดยไม่เสียของ รวมถึงจากเดิมที่เคยใช้หลงจู๊ในการโค้ดราคาสินค้าให้กับลูกค้า ก็เปลี่ยนให้เอไอทำให้เป็นอัตโนมัติ เพราะลูกค้าแต่ละรายมีการกำหนดราคาและเครดิตการขายที่ไม่เท่ากัน

นอกจากนี้ “ระบบประมวลผลชั้นสูง (High Performance Computing-HPC)” ก็นับเป็นหัวใจสำคัญ ซึ่งเบลนเดต้าถือว่าไปไกลแล้ว ด้วยระบบที่ประมวลผลได้ 300 กว่าเทราไบต์ต่อวันต่อลูกค้ารายเดียว ซึ่งทำให้การเล่นกับบิ๊กดาต้าหรือข้อมูลขนาดใหญ่เกิดผลลัพธ์ที่หลากหลาย ตัวอย่างโครงการเช่น การดึงข้อมูลจากเซลส์สัญญาณโทรศัพท์มือถือ ผสมกับเทคโนโลยี ที่ช่วยให้เราดึงฐานข้อมูลหลาย ๆ ก้อนมาประมวลผล ทำให้ธุรกิจสามารถยิงเอสเอ็มเอสแจ้งโปรโมชันผลิตภัณฑ์บริการที่ลูกค้าชื่นชอบจากร้านต่าง ๆ ได้ในทันทีที่เดินเข้าในห้าง 

“สิ่งที่ธุรกิจจะได้รับ เช่น การส่งเอสเอ็มเอสที่ถูกจริตความเป็นส่วนตัวของลูกค้า มันเป็นประสบการณ์ที่ดีมาก ๆ ได้ทั้งภาพลักษณ์ของแบรนด์ ได้ความทันสมัย และเพิ่มรายได้แน่นอนไม่ทางใดก็ทางหนึ่ง” 

ณัฐนภัส กล่าวว่า คลื่นเทคโนโลยีที่เข้ามาในแต่ละช่วงมีทั้งข้อดีข้อเสีย เช่น การมีอินเทอร์เน็ตทำให้เชื่อมโลกทั้งโลกได้แบบไร้พรมแดน แต่ก็ทำให้โครงข่ายแบบเดิมเสียไป เห็นได้จาก โครงข่ายที่เป็น Fixed Broadband เอดีเอสแอลที่มาฆ่า 56K ในอดีต ทุกอย่างจึงอยู่ที่การมอง เช่น การเติบโตของเอไอส่งผลดีกับธุรกิจเรา เพราะข้อมูลเป็นรากฐานของเอไอซึ่งยังไงก็เติบโต แม้กระทั่งลูกค้าเดิม ข้อมูลก็โตขึ้นทุกวัน ส่วนเทคโนโลยียอดนิยมตอนนี้อย่างเจเนอเรทีฟ เอไอ เป็นผลดีต่อการสร้างรับรู้เรื่องการใช้งานเอไอให้หลักแหลมมากขึ้น และทำให้การทำงานง่ายขึ้น 

“คนที่มีเก่งมากสุดเรื่องเจเนอเรทีฟ เอไอตอนนี้ น่าจะเป็น โอเพ่น เอไอ ซึ่งทำเรื่อง ChatGPT ณ ตอนนี้ เพียงแต่ต้นทุนของการถามคำถามแต่ละคำถามสูงมาก และต้องลงทุนมหาศาลในการตั้งฟาร์มเซิร์ฟเวอร์ เมื่อมองกลับมาในมุมของเรา การจะเอาคอมพิวเตอร์สักดาต้าเซ็นเตอร์มาเซิร์ฟงานลักษณะนี้คงยังไม่มีใครอยากลงทุน แต่ถ้าเราลดขนาดลงมาได้ บันเดิลให้ใช้งานกับแพลตฟอร์มได้เมื่อไหร่ คงจะเป็นประโยชน์มากขึ้น เพราะถึงยังไงเจเนอเรทีฟ เอไอก็ถูกพัฒนาให้ฉลาดกว่าเอไอแบบเดิม ๆ อยู่แล้ว ซึ่งถึงจะเป็นเรื่องใหม่ ๆ มาก และอยู่ในก้าวเริ่มต้น เบลนเดต้า เรากำลังมุ่งมั่นคิดค้นและพัฒนาความสามารถของเทคโนโลยี Big Data และ AI เพื่อสร้างเป็นบริการที่ตอบโจทย์และเพิ่มศักยภาพให้กับลูกค้าของเรา” 

อศินา พรวศิน – สัมภาษณ์
WASINA- เรียบเรียง