TH | EN
TH | EN
หน้าแรกTechnologyบลูบิค แนะภาคธุรกิจปรับใช้แนวปฏิบัติ 6 ขั้นตอน ทำ ‘Data Architecture’ ยกระดับคุณภาพฐานข้อมูล – ปลดล็อกศักยภาพปัญญาประดิษฐ์

บลูบิค แนะภาคธุรกิจปรับใช้แนวปฏิบัติ 6 ขั้นตอน ทำ ‘Data Architecture’ ยกระดับคุณภาพฐานข้อมูล – ปลดล็อกศักยภาพปัญญาประดิษฐ์

บริษัท บลูบิค กรุ๊ป จำกัด (มหาชน) แนะภาคธุรกิจเร่งทำ “Data Architecture หรือ สถาปัตยกรรมข้อมูล” ในการออกแบบและสร้างมาตรฐานการบริหารจัดการข้อมูลองค์กรในทุกกระบวนการ ให้เป็นไปอย่างมีระบบระเบียบและมีมาตรฐานผ่านหลักปฏิบัติ 6 ขั้นตอนเพื่อปูทางสู่การเป็น Data-Driven Organization ช่วยปลดล็อกศักยภาพและการใช้งานปัญญาประดิษฐ์อย่างเต็มประสิทธิภาพ พร้อมเพิ่มความได้เปรียบทางธุรกิจจากกระบวนการวิเคราะห์ข้อมูลขั้นสูงที่ถูกต้องแม่นยำ

พิพัฒน์ ประภาพรรณพงศ์ ผู้อำนวยการและหัวหน้าทีม Big Data and Advanced Analytics บริษัท บลูบิค กรุ๊ป จำกัด (มหาชน) กล่าวว่า กระแสความตื่นตัวของภาคธุรกิจเกี่ยวกับการปรับเปลี่ยนสู่องค์กรที่ขับเคลื่อนด้วยข้อมูลในประเทศไทยนั้นถือว่าอยู่ในระดับสูง แต่กลับมีองค์กรจำนวนไม่น้อยที่มองข้ามขั้นตอนสำคัญในการวางรากฐานให้กับข้อมูลอย่าง การวางแผนและออกแบบการจัดการข้อมูลตั้งแต่ต้นน้ำจนถึงปลายน้ำอย่างเป็นระบบ “Data Architecture หรือสถาปัตยกรรมข้อมูล” ส่งผลให้หลายองค์กรที่นำ Artificial Intelligence (AI) หรือ Machine Learning (ML) มาใช้งานโดยที่ไม่มีการออกแบบสถาปัตยกรรมข้อมูลที่เหมาะสม ต้องเผชิญกับปัญหาด้านการประมวลผลข้อมูลที่คลาดเคลื่อน จำเป็นต้องใช้เวลาในการตรวจสอบและแก้ไขข้อมูล (Data Cleansing) นานเกินไปจน ทำให้สูญเสียโอกาสทางธุรกิจและก่อให้เกิดต้นทุนค่าเสียโอกาส (Opportunity Cost) ซึ่งหากไม่แก้ไขปัญหาดังกล่าวจะส่งผลต่อขีดความสามารถการแข่งขันในอนาคตในที่สุด

“การให้ความสำคัญเกี่ยวกับการสร้างสถาปัตยกรรมข้อมูลในประเทศไทยนั้นยังน้อย สวนทางกับความต้องการทำ Data Analytics หรือการใช้เทคโนโลยีปัญญาประดิษฐ์ในการวิเคราะห์หาข้อมูลเชิงลึกที่มีสูง ซึ่งในความเป็นจริงแล้ว ข้อมูลเชิงลึกที่มีคุณภาพและถูกต้องแม่นยำสูง จำเป็นต้องมีสถาปัตยกรรมข้อมูลที่กำหนดมาตรฐานในการรวบรวม จัดเก็บ ประมวลผล ตรวจสอบ คัดกรอง แก้ไข และวิเคราะห์ข้อมูลให้ถูกต้อง รวมทั้งออกแบบให้การเรียกใช้งานข้อมูลที่มีความยืดหยุ่น

ซึ่งในโลกของ Data Analytics มีคำเปรียบเปรยเกี่ยวกับข้อมูลว่า Garbage in – Garbage out หรือ GIGO หมายถึง หากข้อมูลที่เราป้อนเข้าสู่ระบบคอมพิวเตอร์ไม่ถูกต้อง ไม่สมบูรณ์ ไม่สอดคล้องกับความต้องการ เปรียบเหมือนกับขยะ ผลลัพธ์ที่ได้จากคอมพิวเตอร์ก็ไม่ต่างกับขยะที่ไร้ประโยชน์เช่นกัน ด้วยเหตุนี้การสร้างสถาปัตยกรรมข้อมูลจึงเป็นการปูพื้นฐานที่สำคัญในการนำข้อมูลไปใช้งานทุกรูปแบบ”

ด้วยเหตุนี้ Data Architecture จึงเป็นส่วนสำคัญในการวางรากฐานและการออกแบบการบริหารจัดการ โครงสร้างและสร้างมาตรฐานคุณภาพข้อมูลให้สามารถนำไปใช้งานได้อย่างมีประสิทธิภาพ รวดเร็ว และตอบโจทย์ธุรกิจ อีกทั้งยังช่วยลดค่าใช้จ่าย เพิ่มความปลอดภัยของข้อมูล ลดเวลาการทำงาน และความผิดพลาดจาก Human Error รวมถึงยกระดับความถูกต้องแม่นยำให้กับข้อมูล เพื่อเพิ่มศักยภาพของปัญญาประดิษฐ์และการวิเคราะห์ข้อมูลขั้นสูงด้วย

ดังนั้น องค์กรที่ต้องการก้าวไปสู่การเป็นองค์กรที่ขับเคลื่อนด้วยข้อมูล จึงควรเร่งทำ Data Architecture ซึ่งทาง บลูบิค ได้วางแนวปฏิบัติในการทำ Data Architecture เบื้องต้น 6 ขั้นตอน ที่สามารถปรับใช้ได้กับทุกองค์กร ด้วยการออกแบบโมเดลสถาปัตยกรรมข้อมูลเฉพาะสำหรับแผนกลยุทธ์หรือโครงการต่าง ๆ ดังนี้

  1. การทำความเข้าใจกลยุทธ์ของธุรกิจ รวบรวมความต้องการและเป้าหมายของธุรกิจ เพื่อนำไปกำหนดการออกแบบสถาปัตยกรรมข้อมูลที่มีประโยชน์ต่อกระบวนการตัดสินใจ เพื่อนำไปสู่การบรรลุเป้าหมายของกลยุทธ์นั้น ๆ
  2. การคัดแยกข้อมูลที่มีคุณค่า (Identify Value Data) คัดกรองเฉพาะข้อมูลหลักที่จำเป็นต้องมีคุณภาพ (Critical Data Elements) ทำความเข้าใจกับทิศทางการไหลของข้อมูล และโครงสร้างของข้อมูลที่มีความสำคัญเกี่ยวข้องกับการคิดแผนกลยุทธ์ และมีประโยชน์ต่อกระบวนการตัดสินใจ โดยจัดให้มีหน่วยงานหรือผู้รับผิดชอบในการบริหารจัดการคุณภาพข้อมูล จัดให้มีการกำหนดโครงสร้างและคุณลักษณะข้อมูลที่มีคุณภาพที่ชัดเจน และเข้าใจการไหลของข้อมูลตั้งแต่การนำเข้าข้อมูลจนถึงส่วนที่จะนำข้อมูลไปใช้งาน
  3. การจัดลำดับความสำคัญข้อมูล (Prioritization of Data) การจัดลำดับความสำคัญของข้อมูลทำให้สามารถกำหนดจุดเริ่มต้นของการออกแบบและจัดระเบียบของโมเดลข้อมูล เพื่อที่จะทำให้สถาปัตยกรรมข้อมูลที่สร้างขึ้นมานั้นสอดคล้องกับการนำข้อมูลไปใช้งานและกลยุทธ์ในการดำเนินงานขององค์กร จึงสามารถเรียกข้อมูลไปใช้ได้อย่างรวดเร็วมากยิ่งขึ้น
  4. การนำข้อมูลที่ได้มาไปเชื่อมโยงกับ Use Case เพื่อกำหนดกรอบข้อมูล ตั้งแต่จุดเริ่มต้นในเชื่อมต่อ รวบรวมข้อมูล การออกแบบแบบจำลองข้อมูล และเข้าสู่กระบวนการสร้างแบบจำลองข้อมูล สำหรับกลยุทธ์นั้นได้
  5. การใช้ประโยชน์จากข้อมูล Insights นำข้อมูลที่ผ่านการกระบวนการวิเคราะห์โดย Data Analytics หรือ ปัญญาประดิษฐ์ เพื่อทำแผน Quick Win หรือ ประกอบการตัดสินใจทางธุรกิจต่างๆ เพื่อบรรลุเป้าหมายตามแผนกลยุทธ์ที่ได้วางไว้
  6. การสร้างความตระหนักรู้ให้กับคนในองค์กร เมื่อประสบความสำเร็จจากการนำข้อมูลจากสถาปัตยกรรมไปใช้แล้ว ควรทำการประชาสัมพันธ์ให้บุคลากรในองค์กรทราบถึงความสำคัญและประสิทธิผลในการใช้ข้อมูลเชิงลึกที่มีคุณภาพ เพื่อปรับมุมมองเกี่ยวกับสถาปัตยกรรมข้อมูลให้เป็นไปอย่างถูกต้อง เป็นจุดเริ่มต้นของการสร้างวัฒนธรรมองค์กรที่ขับเคลื่อนด้วยข้อมูล

บทความอื่น ๆ ที่น่าสนใจ

เขตสุขภาพที่ 4 ผนึก ติงส์ ออน เน็ต พัฒนาเทคโนโลยีอัจฉริยะดูแลสุขภาพผู้สูงวัย

OPPO เปิดรับโครงการวิจัยนวัตกรรมด้านสุขภาพ และการเข้าถึงผ่านเทคโนโลยี พร้อมเงินสนับสนุน 460,000 เหรียญ

STAY CONNECTED

0แฟนคลับชอบ
440ผู้ติดตามติดตาม
spot_img

Lastest News

MUST READ