TH | EN
TH | EN
หน้าแรกColumnistทำไมโครงการ Big Data ต้องทำแบบ Customized

ทำไมโครงการ Big Data ต้องทำแบบ Customized

เมื่อพูดถึงโครงการ Big Data องค์กรที่มีการใช้ Big Data ได้อย่างประสบความสำเร็จ หลายคนจะนึกถึง Amazon, Grab Taxi, UPS, Citibank และรัฐบาลจีน 

โดยทั้งหมด เป็นโครงการที่ Customized หรือ พัฒนาขึ้นมาใหม่ โดยทั้งสิ้น 

ระบบแบบ Customized คือ ระบบที่พัฒนาขึ้นมาเพื่อเป้าหมายใด เป้าหมายหนึ่ง โดยเฉพาะ ในเชิงการพัฒนาระบบ อาจมีทั้งส่วนการใช้โปรแกรมสำเร็จรูป และการพัฒนาโปรแกรมขึ้นมาใหม่ แต่ระบบนี้ อาจไม่สามารถนำไปใช้กับโจทย์อื่นได้ 

เปรียบเทียบกับระบบสำเร็จรูป คือ ระบบที่พร้อมใช้งาน และได้รับการพัฒนามาแล้ว ในการใช้งานระบบสำเร็จรูป เจ้าของระบบจะสอนวิธีการใช้งานให้ผู้ใช้งานทราบ โดยผู้ใช้งานจะสามารถใช้งานได้ตามเงื่อนไขของระบบนั้น ๆ เท่านั้น

เหตุผลที่โครงการ Big Data ส่วนใหญ่จะเป็นโครงการแบบ Customized ก็เพราะ แต่ละโจทย์มีที่มาของปัญหาและความต้องการที่ไม่เหมือนกัน รวมไปถึงข้อมูลที่จะนำมาใช้เป็นทรัพยากรก็มีความหลากหลายทั้งในมุมของโครงสร้าง แหล่งที่มาของข้อมูล ความพร้อมของข้อมูล และขนาดของข้อมูล ทำให้แนวทางการแก้ปัญหาจึงแตกต่างกันไป 

โดยเฉพาะอย่างยิ่ง หากเป็นโครงการ Data Analytics ที่ต้องการผลลัพธ์เป็น Insight หรือ ข้อมูลเชิงลึก ซึ่งหากใช้ Model ที่ซ้ำกับคู่แข่ง ก็ยากยิ่งที่จะสามารถเอาชนะคู่แข่งได้ 

ตัวอย่างเช่น การวิเคราะห์สินเชื่อของธนาคารต่าง ๆ มีหลักเกณฑ์ที่แตกต่างกัน ซึ่งปัจจุบันพบว่า แต่ละธนาคารมีการนำข้อมูลภายนอกมาใช้วิเคราะห์พฤติกรรมของผู้ใช้บริการมากขึ้น ถือเป็นตัวอย่างของการสร้างระบบวิเคราะห์ข้อมูลแบบ Customized ที่ชัดเจน

งานส่วนใดที่ต้อง Customized ? 

งานในโครงการ Big Data แบ่งออกเป็น 4 ส่วน 

  1. แหล่งข้อมูล ในส่วนนี้จะเป็น Hardware หรือ Software ที่สามารถเก็บข้อมูลต่างๆ ซึ่งไม่จำเป็นต้อง Customized ทั้งหมด แต่จะต้องเป็นแหล่งข้อมูลที่สามารถส่งผ่านข้อมูลเพื่อนำไปใช้ต่อได้อย่างสะดวก
  1. การเชื่อมโยงข้อมูล และเก็บข้อมูล แม้ว่าจะมีโปรแกรมสำเร็จรูปที่สามารถทำให้การเชื่อมโยงข้อมูลเกิดขึ้นได้ง่ายขึ้น แต่เมื่อเชื่อมข้อมูลแล้วจะนำไปเก็บที่ไหน เก็บรูปแบบใด ต้องการออกแบบ Infrastructure อย่างไร ต้องอาศัย Data Engineer เป็นผู้ออกแบบ ดังนั้นงานในส่วนนี้ จะมีทั้งส่วน Customized โดยสามารถเลือกใช้เครื่องมือที่เหมาะสม นอกจากนี้ Data Engineer อาจจะเขียนโปรแกรมขึ้นมาเพื่อเชื่อมโยงข้อมูลด้วยตัวเองก็ทำได้เช่นกัน
  1. การวิเคราะห์ข้อมูล ในกรณีที่เป็นการสร้าง Model จะให้น้ำหนักกับการสร้าง Model แบบ Customized มากกว่า เพราะนอกจากจะได้ผลลัพธ์ที่ดีกว่า ยังทำให้เข้าใจแนวทางในการใช้ข้อมูลอย่างเหมาะสมกว่าอีกด้วย อย่างไรก็ตาม หากเป็นการวิเคราะห์ทั่วไป เช่น การเขียนกราฟ การวิเคราะห์ทางพื้นฐานสถิติ ก็อาจจะไม่จำเป็นต้องพัฒนาระบบนี้เอง โดยสามารถเลือกใช้โปรแกรมวิเคราะห์ได้ เช่น โปรแกรม BI
  1. ส่วนของการแสดงผล ในส่วนนี้จะใช้สำเร็จรูป หรือพัฒนาขึ้นมาเองก็ได้ สิ่งสำคัญคือ ผู้ใช้งานควรมีส่วนร่วมในการออกแบบ ไม่ว่าจะเป็น การออกแบบรูปแบบของรายงาน Dashboard หรือการพัฒนา Application ต่าง ๆ  

ทั้งนี้ ที่ผ่านมาพบว่า มีหลายโครงการที่ไม่ประสบความสำเร็จ ซึ่งส่วนใหญ่เกิดจากความไม่เข้าใจ และลงทุนกับเทคโนโลยีที่ไม่ตอบโจทย์ 

สุดท้ายนี้ สำหรับกลยุทธของบริษัทเทคโนโลยีผู้ผลิตโปรแกรมสำเร็จรูปต่างๆ นั้น เริ่มมีการปรับเปลี่ยนนโยบายจากเดิมที่เน้นขายสำเร็จรูป เปลี่ยนเป็นการขายแบบ Subscription มากกว่า เพื่อความยืดหยุ่นของระบบ ทำให้ไม่จำเป็นต้องซื้อขาด ยิ่งไปกว่านั้น การมาของ Cloud Technology ทำให้องค์กรต่าง ๆ สามารถบริหารงบประมาณด้าน Infrastructure ได้มากขึ้น

อย่างไรก็ตาม ข้อเสียของการพัฒนาระบบแบบ Customized คือ ไม่มีโปรแกรมให้ทดลอง หรือใช้งานในตอนต้น อาจทำให้ไม่เห็นภาพ และไม่รู้ว่าผลลัพธ์จะเป็นอย่างไร ถือเป็นความเสี่ยง ทำให้หลายองค์กร เลือกที่จะใช้โปรแกรมสำเร็จรูป มากกว่าพัฒนาขึ้นมาใหม่นั่นเอง

การพัฒนาระบบเอง ไม่ยาก หากเข้าใจ ทั้งนี้สิ่งที่ยาก ไม่ใช่การพัฒนาระบบ แต่เป็น “การทำความเข้าใจโจทย์ และการวิเคราะห์ความเหมาะสมของ Solution ก่อนพัฒนา” เสียมากกว่า

STAY CONNECTED

0แฟนคลับชอบ
440ผู้ติดตามติดตาม
spot_img

Lastest News

MUST READ