“การวางโครงสร้าง Data Management ให้มีประสิทธิภาพ เป็นหัวใจสำคัญที่องค์กรต้องจัดการก่อนที่จะเริ่มใช้เทคโนโลยี AI บทความนี้จะแนะนำ 4 กลยุทธ์จัดการข้อมูล ก่อนลงทุนใช้ระบบ AI
Blendata (เบลนเดต้า) บริษัทผู้พัฒนาแพลตฟอร์มบริหารจัดการ Big Data แนะองค์กรวางกลยุทธ์ด้านข้อมูล (Data Management) ให้มีประสิทธิภาพ ก่อนลงทุนใช้ระบบ AI เผยสมองที่ชาญฉลาดจำเป็นต้องมีข้อมูลคุณภาพเป็นตัวขับเคลื่อนให้ทรงประสิทธิภาพสูงสุด
แนะจัดการและบริหารข้อมูลด้วย 4 องค์ประกอบคือ 1. รวบรวมการเข้าถึงหรือดึงการใช้ข้อมูลมาบริหารจัดการไว้ในที่เดียว 2. การบริหารจัดการข้อมูลให้พร้อมใช้งานและมีคุณภาพ 3. ควบคุมสิทธิการเข้าถึงและการปกป้องข้อมูลเพื่อสร้างเกาะป้องกันข้อมูล และ 4. ออกแบบให้รองรับการใช้งานข้อมูลที่หลากหลาย
ณัฐนภัส รชตะวิวรรธน์ ประธานเจ้าหน้าที่บริหารและผู้ร่วมก่อตั้ง บริษัท เบลนเดต้า จำกัด บริษัทผู้พัฒนาแพลตฟอร์มบริหารจัดการ Big Data เปิดเผยว่า “เทคโนโลยีปัญญาประดิษฐ์ หรือ AI (Artificial intelligence)
คือหนึ่งในเทคโนโลยีที่ถูกให้ความสำคัญเป็นอย่างมาก โดยถูกปรับใช้ในองค์กรและธุรกิจทั่วโลก เพื่อช่วยเสริมประสิทธิภาพการทำงานทั้งในด้านธุรกิจและการปฏิบัติงาน (Operation)”
“จากการสำรวจ Data And AI Leadership Executive Survey 2022 ของ NewVantage Partners พบว่า 91.7% ขององค์กรกำลังลงทุนในด้าน AI และ Big Data แสดงให้เห็นถึงความตื่นตัวของภาคอุตสาหกรรมที่กำลังเร่งปรับใช้เทคโนโลยีเพื่อประโยชน์ทางธุรกิจและรับมือกับการแข่งขันในโลกดิจิทัล”
“และที่สำคัญ AI ยังช่วยเพิ่มมูลค่าและสร้างผลกำไรให้กับธุรกิจได้อีกด้วย ในอนาคตอันใกล้เทคโนโลยี AI จะถูกนำไปปรับใช้ในทุกอุตสาหกรรมและทุกการดำเนินงานขององค์กร แต่การที่องค์กรจะใช้ AI ได้เต็มศักยภาพและไม่เกิดข้อผิดพลาดนั้น”
“ต้องอาศัยปัจจัยหลัก 2 ด้าน คือ ข้อมูล และ บุคลากรผู้เชี่ยวชาญ จึงจะสามารถขับเคลื่อนเทคโนโลยี AI ให้เกิดผลลัพธ์ได้ดีที่สุด ซึ่งปัจจัยสำคัญที่ควรคำนึงถึงก่อนลงทุนใช้ระบบ AI คือ การบริหารจัดการข้อมูล หรือ Data Management ให้มีประสิทธิภาพ”
“Big Data เปรียบเสมือนเชื้อเพลิงที่สำคัญของ AI การจะสร้าง AI ให้มีมันสมองอันชาญฉลาด จำเป็นอย่างยิ่งที่จะต้องมีการจัดเก็บรวบรวม Big Data ที่มีคุณภาพ ครบถ้วนในทุกมิติของธุรกิจ หากองค์กรจะเริ่มใช้ AI ในการเพิ่มศักยภาพทางธุรกิจต้องเริ่มจากการวางโครงสร้างการจัดการข้อมูลและระบบไอทีให้ดีก่อนโดยการตรวจสอบข้อมูลที่มีว่ามีคุณภาพและพร้อมใช้งานหรือไม่
หากบริหารจัดการข้อมูลไม่มีประสิทธิภาพ ก็จะส่งผลให้ AI ดึงข้อมูลที่ไม่ได้คุณภาพ ไม่ถูกต้อง หรือไม่สมบูรณ์มาใช้งาน ซึ่งจะส่งผลให้ผลลัพธ์ที่ได้จากการประมวลผลมีการคลาดเคลื่อนและไม่ก่อให้เกิดประโยชน์ทางธุรกิจ ดังนั้นการวางโครงสร้างการจัดการข้อมูลให้มีประสิทธิภาพ จึงเป็นหัวใจสำคัญที่องค์กรต้องจัดการก่อนที่จะเริ่มใช้เทคโนโลยี AI ต่อไป” ณัฐนภัส กล่าว
ณัฐนภัส กล่าวเสริมว่า องค์กรควรพัฒนาการบริหารจัดการข้อมูล หรือ Data_Management ก่อนเริ่มต้นใช้เทคโนโลยี AI ซึ่งประกอบด้วย 4 องค์ประกอบสำคัญ คือ
1. การรวบรวมการเข้าถึงหรือดึงการใช้ข้อมูลมาบริหารจัดการไว้ในที่เดียว เพื่อให้สามารถจัดการใช้ข้อมูลในองค์กรได้ง่าย เช่น การทำ Data warehouse ในสมัยก่อน หรือการทำ Data lake ในยุคสมัย Big data ในปัจจุบัน ทำให้สามารถเชื่อมโยงข้อมูลที่เกี่ยวข้องทั้งหมดได้ในที่เดียว เพื่อนำไปใช้งานได้รวดเร็ว เห็นมุมมองที่แปลกใหม่ รวมไปถึงทำให้ AI มีความฉลาดจากข้อมูลที่หลากหลายและครบถ้วน
2. การบริหารจัดการให้ข้อมูลเหล่านั้นพร้อมใช้งาน แน่นอนว่าการดึงข้อมูลที่มาจากหลายแหล่ง ย่อมหลีกเลี่ยงปัญหาข้อมูลไม่พร้อมหรือไม่สมบูรณ์ (Corrupted data) ข้อมูลขยะ (Junk data) หรือข้อมูลที่จัดเก็บในรูปแบบที่หลากหลาย จึงเกิดกระบวนการหรือการใช้เครื่องมือที่หลีกเลี่ยงไม่ได้ อย่างเช่นการทำความสะอาดข้อมูล การเปลี่ยนแปลงรูปแบบข้อมูล
หรือกระบวนการประมวลผลด้านข้อมูลใดก็ตามที่ทำให้ข้อมูลพร้อมใช้งาน ทำให้ AI ได้รับข้อมูลที่ถูกต้อง ส่งผลให้ผลลัพธ์จากการเรียนรู้ของ AI ไม่เกิดข้อผิดพลาด เอนเอียง (Biased) หรือหากข้อมูลในองค์กรมีความหลากหลาย มีความเสี่ยงที่จะเกิดการเปลี่ยนแปลงรูปแบบของข้อมูล การทำ Data quality เพื่อคอยตรวจสอบและแก้ไขข้อมูลที่ผิดพลาดอย่างทันท่วงทีก็เป็นหนึ่งในวิธีที่ช่วยเพิ่มประสิทธิภาพการควบคุมคุณภาพของข้อมูลได้
3. ควบคุมสิทธิการเข้าถึงและการปกป้องข้อมูล เพื่อสร้างเกาะป้องกันความปลอดภัยข้อมูล เมื่อรวบรวมข้อมูลไว้ในที่เดียวกันแล้ว สิ่งที่ควรคำนึงอย่างมากคือการควบคุมไม่ให้ผู้ที่ไม่มีสิทธิเข้าถึงข้อมูลสำคัญขององค์กร หรือข้อมูลส่วนบุคคลของลูกค้า
ไม่ว่าจะเป็นการกำหนดสิทธิการเข้าถึงของข้อมูลที่ได้มาตรฐาน การเข้ารหัสข้อมูลที่จัดเก็บและการสื่อสารภายในทั้งหมด (Encryption) การปกปิดข้อมูลที่สำคัญเพื่อป้องกันการเห็นข้อมูลโดยไม่จำเป็น (Masking) ซึ่งเหล่านี้ล้วนเป็นเทคนิคที่ควรปรับใช้ตามแต่โครงสร้างและดีไซน์เทคโนโลยีขั้นพื้นฐานขององค์กร รวมถึงตามความสำคัญของข้อมูลที่จัดเก็บ
4. ออกแบบให้สามารถรองรับการใช้งานข้อมูลที่หลากหลาย ในโลกยุคปัจจุบันที่ข้อมูลคือขุมทรัพย์น้ำมันแห่งใหม่ การรองรับการนำข้อมูลไปประยุกต์ใช้ในรูปแบบที่หลากหลายและทันท่วงที คือสิ่งสำคัญที่สุดของ Data management ในปัจจุบัน ไม่ว่าจะเป็นการนำไปใช้รูปแบบเดิมอย่างไฟล์ รีพอร์ต
หรือการนำไปใช้ในรูปแบบใหม่อย่างแดชบอร์ด, Business intelligence, API, หรือการส่งต่อข้อมูลในรูปแบบ Batch, หรือ Real-time เพื่อเป็นข้อมูลตั้งต้นที่สำคัญสำหรับ Machine learning และ Artificial Intelligence ที่นำข้อมูลมหาศาลเหล่านี้ไปเรียนรู้ หรือนำไปใช้ เพื่อทำในสิ่งที่มนุษย์อาจทำไม่ได้
อย่างไรก็ตาม Data Management นับเป็นกลยุทธ์สำคัญ ที่ช่วยยกระดับความสามารถของเทคโนโลยี AI ตามที่ Gartner ได้ให้ความหมายของ Data_Management ไว้ว่า “การรวบรวมแนวทางการจัดการโครงสร้าง เทคนิค และเครื่องมือ เพื่อให้สามารถเข้าถึงและส่งต่อข้อมูลที่ต้องการในทุกรูปแบบ ตอบโจทย์ในทุกๆ ความต้องการทางด้านการประยุกต์ใช้และทุกขั้นตอนทางธุรกิจ” นั้น
เพื่อให้ถึงเป้าหมายของการทำ Data_Management ที่สามารถใช้งานข้อมูลในการวิเคราะห์ได้อย่างรวดเร็ว รวมถึงเป็นวัตถุดิบที่ทำให้ AI มีประสิทธิภาพสูงสุด องค์กรจึงต้องดำเนินการบริหารจัดการข้อมูลให้พร้อม เพื่อให้ได้มาซึ่งผลลัพธ์ทางธุรกิจที่คุ้มค่า จากการใช้เทคโนโลยี AI ที่ทรงพลังและชาญฉลาด
