Big Data ตัวช่วยสำคัญในธุรกิจ ผู้ประกอบการ SMEs ประยุกต์ใช้อย่างไร ให้ประสบความสำเร็จ

จริงๆ แล้ว Big Data สามารถนำไปประยุกต์ใช้ได้กับหลายภาคส่วน ไม่ว่าจะเป็นภาครัฐ หรือภาคเอกชน ไม่ว่าธุรกิจเล็กหรือใหญ่ จึงไม่ควรมองข้ามการใช้ Big Data เพราะ Big Data จะช่วยให้เข้าใจธุรกิจและอุตสาหกรรมของตัวเองได้ดียิ่งขึ้น

ตลอดจนมีข้อมูลและข้อมูลเชิงลึกจากตลาด เข้าใจลูกค้าและสถานการณ์ได้ดีขึ้น ช่วยให้สามารถนำมาปรับปรุงการดำเนินงาน นำมาสร้างแผนเตรียมพร้อมรับมือกับความท้าทายและโอกาส รวมถึงช่วยให้สามารถแก้ปัญหาได้อย่างรวดเร็ว มีประสิทธิภาพและตรงจุด

นอกจากนี้ Big Data ยังช่วยผนึกรวมข้อมูล (Integrate) ในโลกออฟไลน์และบนโลกออนไลน์เข้าด้วยกัน ช่วยให้ธุรกิจอำนวยความสะดวกและสร้างความพึงพอใจให้กับลูกค้า/ผู้รับบริการได้ทั้ง 2 ทาง

แล้วผู้ประกอบการ SMEs จะนำ Big Data มาประยุกต์ใช้อย่างไรให้ประสบความสำเร็จ เว็บไซต์ ธนาคารกรุงเทพ เผยว่า สามารถพิจารณาการดำเนินการให้สอดคล้องกับขั้นตอนต่างๆ ดังนี้

1. ระบุประเภทของดาต้าที่มีประโยชน์กับองค์กร

องค์กรต้องเริ่มต้นจากการระบุว่าดาต้าประเภทใดมีประโยชน์กับวัตถุประสงค์ของงาน ซึ่งอาจจะเป็นดาต้าที่องค์กรจัดเก็บอยู่แล้ว หรือดาต้าที่มีอยู่แล้วแต่ยังไม่ได้รับการจัดเก็บหรือบริหารจัดการก็เป็นได้ โดยเป็นได้ทั้งดาต้าจากภายนอก เช่น กระแสดาต้า (Streaming Data) จากพันธมิตรทางธุรกิจ ดาต้าที่ได้จาก Internet of Things (IoT) เป็นต้น

และเป็นได้ทั้งดาต้าจากภายใน เช่น ดาต้าจากอีเมลที่ช่วยให้เข้าใจความรู้สึกของลูกค้า ดาต้าจากเฮลป์เดสก์ (Help Desk) ที่ช่วยวัดประสิทธิภาพของการแก้ไขปัญหาหรือระบุถึงตำหนิของสินค้าได้ เป็นต้น

2. วางแผนการนำดาต้าไปใช้

ทั้งแผนกที่ต้องการใช้งานดาต้าและแผนกไอทีจำเป็นต้องทำการศึกษาดาต้าที่องค์กรมีอยู่ เพื่อวางแผน ค้นหาวิธีวิเคราะห์ดาต้าที่เหมาะสม และกำหนดวิธีการติดตามผลของการใช้งานดาต้า โครงการที่เกี่ยวข้องกับบิ๊กดาต้าที่ได้รับการออกแบบให้สร้างประโยชน์อย่างชัดเจนและต่อเนื่อง (หรือสร้างประโยชน์ให้กับหลายแผนก)

มักมีแนวโน้มที่จะได้รับการตอบรับที่ดีกว่าจากฝ่ายบริหารและมักได้รับการจัดสรรงบประมาณให้มากกว่า ซึ่งการต่อยอดโครงการจะเป็นไปได้ง่ายขึ้นหากองค์กรมีวิสัยทัศน์และแผนงานที่ชัดเจนตั้งแต่เริ่มต้น

3. เลือกใช้เทคโนโลยีที่เหมาะสม

การเปลี่ยนดาต้าให้การเป็นข้อมูลเชิงลึก (Insight) เพื่อนำไปใช้งานนั้น ต้องการเครื่องมือที่เหมาะสม ทั้งเทคโนโลยีที่รวบรวมดาต้าจากแหล่งต่างๆ ซึ่งฮาดูป (Hadoop) เป็นเครื่องมือที่ใช้งานอย่างแพร่หลายในขั้นตอนนี้ โดยเป็นเครื่องมือสร้างแหล่งจัดเก็บดาต้าเชิงไม่สัมพันธ์ (Nonrelational Data Store) จึงสามารถรองรับดาต้าได้ในปริมาณไม่จำกัดและมีความน่าเชื่อถือสูง

แต่ในบางกรณีระบบบริหารจัดการฐานข้อมูลเชิงสัมพันธ์อาจเป็นเครื่องมือที่เหมาะสมกว่าก็เป็นได้ เช่น ในกรณีที่มุ่งเน้นการใช้งานดาต้าที่มีโครงสร้างชัดเจน เป็นต้น นอกจากนี้ องค์กรยังต้องการเทคโนโลยีที่ใช้คัดกรองและเรียบเรียงดาต้าเพื่อสร้างดาต้าที่มีคุณภาพและมีความถูกต้อง เครื่องมือในการสร้างโมเดลเพื่อใช้งานดาต้าผ่านอัลกอริทึมต่างๆ เครื่องมือนำเสนอดาต้าในเชิงภาพในรูปแบบของกราฟิก

และอาจต้องการเครื่องมือในการเชื่อมต่อดาต้าหรือผลการวิเคราะห์ดาต้าเข้ากับแอพพลิเคชั่นอื่นๆ อีกด้วย สิ่งสำคัญคือ ต้องเลือกเทคโนโลยีให้เหมาะสมกับการใช้งานและประเภทของดาต้า และวางแผนเพื่อรองรับการใช้งานในอนาคตต่อไป

4. จัดทำกระบวนการและนโยบายที่เกี่ยวข้องกับดาต้าที่เหมาะสม

สิ่งสำคัญที่องค์กรต้องพิจารณาคือการสร้างความมั่นใจว่า ดาต้านั้นพร้อมใช้งานในเวลาที่ต้องการ สามารถนำไปใช้งานได้จริง มีคุณภาพ และนำมาใช้งานร่วมกันได้อย่างมีประสิทธิภาพ ส่งผลให้องค์กรต้องกำหนดนโยบายการกำกับดูแลด้านดาต้า (Data Governance) เพื่อควบคุมการเข้าใช้งาน การรักษาความเป็นส่วนตัว

และควบคุมให้เป็นไปตามกฎข้อบังคับที่มี ให้ครอบคลุมทุกมิติของระบบและการใช้งาน ยิ่งไปกว่านั้นองค์กรยังจำเป็นต้องสร้างกรอบการทำงานที่ชัดเจนในการกำกับดูแลการเคลื่อนที่ของดาต้า การจัดการสิทธิการเข้าถึงดาต้า กฎระเบียบต่างๆ กระบวนการบริหารจัดการดาต้าตลอดช่วงอายุ กำหนดเกณฑ์การวัดคุณภาพของดาต้า และสื่อสารประเด็นเหล่านี้ให้กับพนักงานที่เกี่ยวข้องอย่างชัดเจน

5. จัดตั้งทีมงานที่มีความสามารถที่เหมาะสม

หนทางสู่ความสำเร็จของโครงการบิ๊กดาต้าอนาไลติกส์ต้องอาศัยความร่วมมือและความเข้าใจอย่างต่อเนื่องระหว่างแผนกที่ใช้งานดาต้าและแผนกไอที ซึ่งโดยทั่วไปทีมงานบิ๊กดาต้าอนาไลติกส์จะประกอบด้วย เจ้าหน้าที่จากแผนกไอที ซึ่งเข้าใจธรรมชาติของแหล่งกำเนิดดาต้า นักวิเคราะห์ธุรกิจ ซึ่งมีประสบการณ์ในการทำงานกับดาต้าที่เคลื่อนย้ายจากฐานข้อมูลธุรกรรมไปยังคลังข้อมูล ผู้บริหารของแผนกที่ใช้งานดาต้า

ซึ่งสามารถกำหนดวิธีการประเมินความสำเร็จและผลที่ได้รับจากโครงการ และมักเป็นผู้ที่สามารถตัดสินใจในการจัดสรรงบประมาณมาลงทุนในโครงการได้ นักวิทยาศาสตร์ดาต้าซึ่งสามารถอธิบายได้ว่าดาต้าจะได้รับการวิเคราะห์และใช้ประโยชน์ได้อย่างไร และที่ปรึกษาจากภายนอก ซึ่งจะช่วยสร้างความแข็งแกร่งและเติมเต็มช่องว่างที่ยังขาด รวมถึงการถ่ายโอนความรู้ความชำนาญให้กับบุคลากรของทีมงานอย่างเหมาะสม

6. บริหารความคาดหวังและความพยายามของแผนกไอทีและแผนกที่ใช้งานดาต้า

การลงทุนในโครงการบิ๊กดาต้าอนาไลติกส์ที่มาพร้อมกับเป้าหมายที่ชัดเจนย่อมมาพร้อมกับความคาดหวัง ซึ่งจำเป็นต้องได้รับการบริหารจัดการที่เหมาะสมตามช่วงเวลาต่างๆ ของการดำเนินงาน และการเริ่มการทดสอบ (Pilot) จะช่วยให้สามารถกำหนดประโยชน์ที่ได้รับ เวลาในการดำเนินโครงการที่เป็นไปได้ และงบประมาณที่อาจต้องใช้ในโครงการต่อเนื่องในอนาคต

โดยในช่วงแรกของการดำเนินโครงการนั้น ความคาดหวังที่มีต่อโครงการควรถูกจำกัดให้อยู่ในระดับต่ำ เพื่อรองรับความไม่แน่นอนของงบประมาณและเวลาที่ใช้ในการดำเนินโครงการ และหลังจากที่เริ่มเห็นความสำเร็จของโครงการแล้ว ทีมงานควรแจ้งให้กับผู้ที่เกี่ยวข้องทราบ เพื่อสร้างความมั่นใจซึ่งจะนำไปสู่การต่อยอดโครงการในอนาคต

7. ยกระดับความก้าวหน้า ประสิทธิภาพ และนวัตกรรม

เมื่อองค์กรมีความก้าวหน้าด้านบิ๊กดาต้าอนาไลติกส์ในระดับหนึ่งแล้ว ควรพิจารณาจัดตั้งศูนย์ความเป็นเลิศด้านอนาไลติกส์ขึ้น เพื่อเพิ่มการใช้งานอนาไลติกส์ในวงกว้างให้กับแผนกหรือหน่วยธุรกิจต่างๆ อีกทั้งยังเป็นหน่วยงานที่กำกับดูแลดาต้าขององค์กรอย่างต่อเนื่อง เพื่อให้สามารถดำเนินโครงการด้านดาต้าที่สอดประสานกันได้ดีขึ้น นอกจากนี้ องค์กรยังควรตรวจสอบการใช้งานและประโยชน์ของการใช้งานบิ๊กดาต้าอนาไลติกส์เป็นประจำ