4 ความท้าทายการจัดการ Big Data ของธุรกิจไทย แนะแนวทางก้าวพ้นอุปสรรค เพิ่มศักยภาพการแข่งขัน

       จากประสบการณ์ด้านการเป็นผู้พัฒนาแพลตฟอร์มบริหารจัดการ Big Data และการทำงานร่วมกับธุรกิจมากมายในประเทศไทยมากกว่า 7 ปี พบองค์กรในประเทศไทยยังคงเผชิญกับปัญหาในการบริหารจัดการข้อมูล และการนำข้อมูลมาใช้ให้เกิดประสิทธิภาพสูงสุด เผย 4 ความท้าทายในการทำ Big Data ที่องค์กรไทยต้องเผชิญ พร้อมแนะแนวทางแก้ไข ช่วยธุรกิจก้าวข้ามอุปสรรคการบริหารจัดการข้อมูลมหาศาลที่ซับซ้อนยุ่งยากให้ง่าย รวดเร็ว และมีประสิทธิภาพยิ่งขึ้น

       จากประสบการณ์ทำงานด้าน Big Data มากกว่า 7 ปี พบว่าบริษัทจำนวนมากในประเทศไทยให้ความสำคัญและต้องการที่จะนำ Big Data มาใช้ แต่ยังคงเผชิญกับปัญหาด้านการบริหารจัดการ Big Data เพื่อให้สามารถนำไปใช้ให้เกิดประสิทธิภาพสูงสุดและคุ้มค่าต่อการลงทุน นับเป็นความท้าทายของภาคธุรกิจที่ต้องพัฒนาขีดความสามารถในการบริหารจัดการ Big Data ให้มีความรวดเร็ว แม่นยำ และมีประสิทธิภาพสูง โดยพบ 4 ความท้าทาย ด้านการบริหารจัดการ Big Data ที่องค์กรไทยกำลังเผชิญดังนี้

       1.  รู้ว่า Big Data มีประโยชน์และควรเร่งทำ แต่ยังไม่มีแนวทางในการเริ่มต้น หลายองค์กรเจอกับคำถามที่ว่า “จะเริ่มทำอะไรดี” และเลือกที่จะลงทุนซื้อเครื่องมือต่าง ๆ มาไว้ก่อน แล้วหาทางใช้ภายหลัง ทำให้การวัดผลความสำเร็จโครงการหรือผลตอบแทนนั้นทำได้ยากหรืออาจไม่คุ้มกับการลงทุน เนื่องจาก Big Data ไม่ใช่เครื่องมือที่ซื้อมา แล้วจะสามารถให้ผลลัพธ์ทางธุรกิจได้ทันที แต่ต้องอาศัยความร่วมมือหลายด้าน ทั้งด้านกลยุทธ์ทางธุรกิจ ด้านบุคลากรที่มีความเชี่ยวชาญ ด้านข้อมูลที่มีในมือ หรือด้านกระบวนการทำงานที่เอื้อต่อการทำโครงการ จากความท้าทายในข้อนี้องค์กรควรเริ่มต้นจากการ

• ระบุปัญหาหรือความต้องการขององค์กรในภาพรวมทั้งหมด เช่น องค์กรมีปัญหาด้านการให้บริการ ต้องการที่จะตรวจสอบและควบคุมคุณภาพด้านการบริการทั้งหมด หรือมีปัญหาด้านยอดขาย ต้องการที่จะเร่งให้ลูกค้าซื้อสินค้าเพิ่มมากขึ้น เป็นต้น
• จัดลำดับความสำคัญบน 2 ปัจจัยคือ ผลกระทบ และความยากในการทำ ซึ่งจะเลือกหัวข้อที่ได้รับผลกระทบมาก และมีความยากในการทำน้อย เป็นตัวเลือกแรกในการทำ (Quick-win) และเลือกหัวข้อที่มีผลกระทบมาก แต่มีความยากในการทำสูง เป็น Long-term solution ที่อยู่ในแผนกลยุทธ์ขององค์กรต่อไป
• ลงรายละเอียดด้านข้อมูลในแต่ละหัวข้อที่คัดเลือกมา โดยอาศัยความร่วมมือจากทั้งฝ่ายธุรกิจ ผู้ใช้งาน และไอที เพื่อกำหนดถึงรายละเอียดปลีกย่อย ตั้งแต่ข้อมูลที่เกี่ยวข้อง วิธีการใช้ หลักการวิเคราะห์ ที่ใช้งาน จนถึงผลลัพท์ที่คาดหวัง ซึ่งหลังจากทำเสร็จแล้ว จะสามารถตอบคำถามของธุรกิจได้ว่า ทำ Big Data เพื่อจุดประสงค์ใด มีองค์ประกอบอะไรบ้าง และนำมาซึ่งผลลัพท์ที่เป็นประโยชน์อย่างไร

       2.  ปัญหาด้านความซับซ้อนของโครงสร้างพื้นฐานและความไม่พร้อมของข้อมูล ส่วนใหญ่มักจะเกิดกับองค์กรที่ก่อตั้งมายาวนาน มีช่วงเปลี่ยนผ่านของระบบไอที หรือมีการสร้างระบบใหม่ขึ้นมามากขึ้นเพื่อตอบสนองความต้องการในด้านต่าง ๆ ซี่งมักทำให้เกิดหนี้ทางเทคนิค (Technical debt) ที่ส่งผลให้เกิดปัญหาด้านความซับซ้อนเชิงโครงสร้าง เช่น การใช้ Hardware, Software และ System จากหลากหลายผู้ผลิต ทำให้ข้อมูลที่จัดเก็บไม่อยู่ในรูปแบบเดียวกัน มีข้อมูลที่ซ้ำซ้อนกัน ไม่สามารถมีแหล่งข้อมูลจริงเพียงแห่งเดียว (Single source of truth-SSOT) ที่สามารถเชื่อถือได้ และมีปัญหาด้านคุณภาพของข้อมูล (Data quality) ทำให้ข้อมูลไม่มีความแม่นยำ จากปัญหาเหล่านี้ทำให้ก่อนการทำ Big Data จำเป็นต้องใช้เวลามากและทำได้ยาก ทำให้ต้องใช้ผู้เชียวชาญและเวลาในการบริหารจัดการค่อนข้างสูง ดังนั้นควรเริ่มจากจัดการกับข้อมูลตั้งต้นให้เสร็จสิ้นก่อนทำ Big Data  

• สร้างและแก้ไขไปพร้อมกัน โดยเลือกในส่วนที่ต้องแก้ไขระบบหลังบ้านแบบน้อยที่สุดและพร้อมที่สุด เพื่อให้ได้เห็นผลลัพธ์เร็วที่สุด ซึ่งระหว่างทางการพัฒนานั้น อาจจะทำให้เห็นถึงปัญหาอื่น ๆ ที่ซ้อนอยู่เพิ่มเติม ก็สามารถแก้ไขระบบข้อมูลต้นทางเพื่อแก้ไขและจัดระเบียบให้เรียบร้อย (Cleansing) เพื่อรองรับการใช้งานในอนาคตต่อไป
• ใช้ระบบ Big Data ที่สามารถรองรับการเชื่อมโยงข้อมูลในองค์กรได้หลากหลายรูปแบบ เพื่อสร้าง แหล่งข้อมูลจริงเพียงแห่งเดียว (Single source of truth) ที่ทำให้สามารถเข้าถึงข้อมูลได้ในทันทีลดความซับซ้อนของข้อมูลและการทำงานที่ไม่จำเป็น เพื่อใช้ประโยชน์ในด้านต่าง ๆ ไม่ว่าจะเป็นด้าน Business, Operation หรือทีมเทคนิค ซึ่งตัวช่วยสำคัญคือการเลือกใช้แพลตฟอร์ม Big Data ที่ควรรองรับการเชื่อมโยงข้อมูลในองค์กรเพื่อใช้งานได้อย่างรวดเร็ว มีต้นทุนแรงงานการใช้งานต่ำ แก้ปัญหาและหลีกเลี่ยงการเข้าไปรื้อแก้ไขโครงสร้างข้อมูลที่ซับซ้อนโดยตรง เพื่อให้ผู้ใช้งานสามารถใช้ข้อมูลที่ถูกรวบรวมไว้แล้วได้อย่างง่ายดายโดยไม่กระทบกับระบบเดิม
• ดีไซน์ระบบการจัดเก็บข้อมูลแบบเปิด (Open-platform) เพื่อรองรับการเติบโตของข้อมูลในอนาคต เมื่อทำระบบ Big Data เป็น Single source of truth แล้ว สิ่งสำคัญคือระบบใหม่ที่ต้องยืดหยุ่นมากพอที่จะรองรับการใช้งานจากผู้ใช้งานหลายรูปแบบ รวมถึงรองรับการเชื่อมต่อกับแอปพลิเคชันหรือแพลตฟอร์มอื่น เพื่อหลีกเลี่ยงการถูกล็อกอินจากผู้ให้บริการรายใดรายหนึ่ง (Vendor lock-in) ซึ่งถ้าหากในอนาคตมีความต้องการใช้ข้อมูลจากแอปพลิเคชันอื่นจะต้องทำการเริ่มสร้างระบบใหม่ ซึ่งขัดกับวัตถุประสงค์ของ “Single” source of truth โดยปริยาย

       3.  ปัญหาด้านการควบคุมค่าใช้จ่ายจากปริมาณข้อมูลที่เติบโตขึ้น เป็นอีกหนึ่งความท้าทายสำคัญขององค์กรไทย ด้วยปริมาณข้อมูลที่เติบโตในยุคดิจิทัลซึ่งแปรผันโดยตรงกับค่าใช้จ่ายที่เพิ่มขึ้น การใช้เทคโนโลยีเดิมที่มีอยู่ เช่น ระบบคลังข้อมูลขององค์กร (Enterprise data warehouse) หรือฐานข้อมูล (Database) จึงไม่เพียงพอและไม่ตอบโจทย์ เนื่องจากความต้องการด้านทรัพยากรที่ค่อนข้างสูงในการจัดเก็บและประมวลผลข้อมูลขนาดใหญ่ให้ได้ประสิทธิภาพ จึงส่งผลให้เกิดค่าใช้จ่ายทางด้านลิขสิทธิ์ซอฟต์แวร์ ระบบสารสนเทศ​ และการดูแลรักษาที่ค่อนข้างสูง

       การเลือกใช้เทคโนโลยีทันสมัยที่เหมาะสมอย่าง Big Data technology มารองรับการจัดเก็บข้อมูลขนาดใหญ่นับเป็นทางเลือกสำคัญที่ต้องคำนึงถึง เพราะสามารถรองรับการขยายตัวของข้อมูลบนต้นทุนที่ต่ำ พร้อมทั้งสามารถบีบอัดข้อมูลให้เล็กลงได้หลายเท่าแต่ยังคงประสิทธิภาพเท่าเดิม ทำให้สามารถจัดเก็บข้อมูลขนาดใหญ่ได้ง่ายยิ่งขึ้น รวมถึงการประมวลผลของ Big data technology ที่ถูกสร้างขึ้นมาเพื่อประมวลผลข้อมูลขนาดใหญ่โดยเฉพาะ จึงทำให้สามารถประมวลผลข้อมูลที่ใช้อยู่เป็นประจำ เช่น การสร้างรายงานประจำวันสำหรับผู้บริหารหรือการส่งต่อข้อมูลให้ฝ่ายวิเคราะห์ได้รวดเร็วกว่าเดิม โดยจากประสบการณ์ของบริษัทฯ นั้น พบว่าลูกค้าหลายองค์กรที่สามารถลดระยะเวลาประมวลผลจากหลักหลายชั่วโมง เหลือเพียงหลักนาทีหรือวินาทีเท่านั้น ซึ่งส่งผลโดยตรงต่อค่าใช้จ่ายด้านทรัพยากรสารสนเทศ และลดระยะเวลาการดูแลของทรัพยากรบุคคลได้มาก จึงเป็นทางเลือกสำคัญที่องค์กรควรพิจารณา เพื่อตอบสนองความต้องการของธุรกิจและเพื่อความคล่องตัวในการปรับขยายให้พร้อมรองรับการเปลี่ยนแปลงในโลกธุรกิจที่เกิดขึ้นอย่างรวดเร็ว

       4.  ปัญหาด้านวัฒนธรรมองค์กรและบุคลากร วัฒนธรรมองค์กรแบบเดิม ๆ เช่น การที่แผนกไอทีเป็นเจ้าของโครงการ Big Data เพียงแผนกเดียว โดยไม่ได้มีแผนกอื่น เช่น ภาคธุรกิจ การตลาด หรือฝ่ายดำเนินการเข้ามาร่วมออกแบบหรือใช้งานข้อมูล รวมถึงไม่ได้มีการส่งเสริมให้พนักงานในองค์กรมีการใช้ข้อมูลในการทำงาน หรือผลักดันธุรกิจให้ขับเคลื่อนด้วยข้อมูล (Data-driven organization) รวมทั้งองค์กรยังขาดบุคลากรที่มีความรู้ความสามารถด้าน Big Data หรือ Data Analytics ซึ่งทำให้ยึดติดกับแนวคิดแบบเดิม

       ดังนั้นการสร้างวัฒนธรรมองค์กรที่สนับสนุนการใช้ข้อมูลในการทำงานและการตัดสินใจ (Data-driven) จึงเป็นหนึ่งในเรื่องสำคัญที่ทำให้องค์กรประสบความสำเร็จในการทำ Big Data ซึ่งฝ่ายบริหารควรผลักดันและส่งเสริมให้พนักงานทุกคน มีส่วนร่วมในการทำโครงการนี้ โดยเริ่มตั้งแต่การเลือกกรณีศึกษา กำหนดรายละเอียด กำหนดผลลัพธ์ที่ต้องการ เพื่อให้ทุกคนได้ใช้ข้อมูลมหาศาลเหล่านี้ประกอบการทำงานในทุกส่วน รวมทั้งการลงทุนกับเทคโนโลยีด้าน Big Data ที่สามารถใช้งานได้ง่ายและทำได้รวดเร็ว เพื่อลดระยะเวลาการเรียนรู้ (Learning curve) ของบุคลากร ทำให้พนักงานสามารถเข้าถึงและใช้งาน Data ที่จำเป็นต่อการทำงานด้วยตนเองได้อย่างรวดเร็ว เป็นการวางรากฐานที่ดีตั้งแต่ระบบการทำงานและบุคลากรภายในองค์กร นำไปสู่วัฒนธรรมองค์กรที่ใช้ข้อมูลเป็นเข็มทิศในการทำธุรกิจอย่างยั่งยืน

       อย่างไรก็ดี เพื่อเป็นตัวช่วยให้ธุรกิจก้าวข้ามความท้าทายในการใช้ Big Data บริษัทฯ ได้พัฒนา Blendata Enterprise – Simplify Big Data Platform ระบบที่ตอบโจทย์ทุกขั้นตอนการจัดการ Big Data ตั้งแต่รวบรวมข้อมูล จนถึงการนำข้อมูลไปใช้ ในแบบ Code-free พร้อมจัดเก็บและประมวลผลข้อมูลขนาดใหญ่แบบ Real-time ช่วยเพิ่มศักยภาพให้ธุรกิจพร้อมสำหรับทุกการแข่งขันด้วยเวลาที่รวดเร็ว ลดเวลาและลดความซับซ้อนในการเข้าถึงข้อมูล แม้ผู้ใช้งานไม่มีความรู้ด้าน IT หรือ Big Data ให้ทุกคนในองค์กรสามารถใช้งานข้อมูลได้อย่างง่ายดายผ่านหน้าเว็บ Browser ด้วยราคาที่สามารถจับต้องได้ ลดการลงทุนทางด้านบุคลากรเทคนิคเฉพาะด้าน ทรัพยากรคอมพิวเตอร์ ซอฟต์แวร์ไลเซนส์ และการบำรุงรักษา ช่วยให้องค์กรปรับเปลี่ยนสู่การเป็น Data-Driven Organization ได้อย่างรวดเร็ว ด้วยการรวบรวมทุกฟังก์ชันในการจัดการ Big Data ไว้ในแพลตฟอร์มเดียว แบบ All-in-one อีกทั้งยังสามารถนำข้อมูล Big Data ที่มีอยู่ในมือไปต่อยอดเพื่อยกระดับธุรกิจในด้านอื่น ๆ ได้อย่างอิสระ