“3 กรณีศึกษาที่น่าสนใจเรื่อง Big data ที่องค์กรธุรกิจควรมีการปรับใช้แล้วในปัจจุบัน และคาดการณ์ 5 เทรนด์การใช้ Big data มาแรง ที่ควรวางแผนปรับใช้ในปี 2566 เพื่อสร้างความสามารถในการแข่งขันที่ยั่งยืนให้กับธุรกิจ
เบลนเดต้า บริษัท Deep Tech ผู้พัฒนาแพลตฟอร์มบริหารจัดการ Big_Data อัจฉริยะ คาดการณ์ถึง การใช้งานหรือกรณีศึกษาที่น่าสนใจ 3 เรื่องสำหรับ Big_data ที่องค์กรธุรกิจควรมีการปรับใช้แล้วในปัจจุบัน พร้อมคาดการณ์ 5 เทรนด์การใช้ Big data มาแรง ที่ควรวางแผนปรับใช้ในปี 2566 เพื่อสร้างความสามารถในการแข่งขันที่ยั่งยืนให้กับธุรกิจ
ณัฐนภัส รชตะวิวรรธน์ ประธานเจ้าหน้าที่บริหารและผู้ร่วมก่อตั้ง บริษัท เบลนเดต้า จำกัด เปิดเผยว่า “ในแต่ละปีจะมีเทรนด์การใช้งาน Big_data ที่แตกต่างกันไปตามข้อมูลและเทคนิคที่เปลี่ยนแปลง แต่ปฏิเสธไม่ได้เลยว่า Big_data คือหัวใจหลักในการขับเคลื่อนธุรกิจ”
“องค์กรจึงมีความจำเป็นที่จะต้องรวบรวมข้อมูลจากทุกแหล่งมาวิเคราะห์เพื่อค้นหาโอกาสใหม่ๆ และเพิ่มมูลค่าให้ธุรกิจสามารถเติบโตไปข้างหน้าได้อย่างต่อเนื่อง ไม่ว่าจะเป็นการวิเคราะห์ข้อมูลเพื่อกำหนดแนวโน้มและทิศทางธุรกิจ ช่วยสนับสนุนการตัดสินใจที่แม่นยำมากขึ้น”
“ช่วยให้เข้าใจพฤติกรรมเชิงลึกของลูกค้า สามารถพัฒนาผลิตภัณฑ์และบริการให้ตอบโจทย์ลูกค้า รวมถึงเพื่อให้พร้อมตอบสนองความต้องการของลูกค้าอย่างรวดเร็วและมีประสิทธิภาพสูง ภายใต้ต้นทุนที่คุ้มค่าที่สุด”
“จากประสบการณ์การให้บริการแพลตฟอร์มด้าน Big data ร่วมกับบริษัทชั้นนำจากหลายอุตสาหกรรมในประเทศไทย Blendata ขอแนะนำ 3 Big_data use cases ที่องค์กรธุรกิจควรมีการปรับใช้แล้วในปัจจุบัน และ 5 Big data use cases ที่ควรวางแผนปรับใช้ภายในปี 2566”
“โดยสามารถนำไปใช้ได้กับทุกอุตสาหกรรม ไม่ว่าจะเป็น ภาครัฐ กลุ่มธุรกิจสุขภาพ การเงิน น้ำมันและพลังงาน อุตสาหกรรมการผลิต ธุรกิจค้าปลีก และอื่นๆ อีกมากมาย เพื่อสร้างความสามารถในการแข่งขันที่ยั่งยืนให้กับธุรกิจ” ณัฐนภัส กล่าว
3 Big Data Use Cases ที่องค์กรธุรกิจควรมีการปรับใช้แล้วในปัจจุบัน
1. Centralized data การรวมศูนย์ข้อมูล
เทคโนโลยี Big_data ในปัจจุบันถูกพัฒนาให้สามารถรองรับการจัดเก็บข้อมูลได้จำนวนมหาศาลและหลากหลายชนิด ด้วยเทคโนโลยีประสิทธิภาพสูงและค่าใช้จ่ายที่ถูกลง แตกต่างจากในอดีตที่การทำ Data warehouse จะต้องเลือกเก็บเฉพาะข้อมูลที่จำเป็นเท่านั้น เนื่องจากเทคโนโลยียังไม่รองรับและมีค่าใช้จ่ายสูง
เมื่อเทคโนโลยีในปัจจุบันมีศักยภาพเพียงพอแล้ว องค์กรจึงควรทำการรวมข้อมูลจากทุกแหล่งที่มา ทั้งข้อมูลที่ใช้งานในปัจจุบันและที่อาจใช้งานในอนาคต และรวมศูนย์โครงสร้างพื้นฐานข้อมูล (Data infrastructure) เพื่อให้ทุกฝ่ายสามารถใช้งานข้อมูลได้จากที่เดียวกัน และเห็นภาพรวมโครงสร้างข้อมูลในมุมมองเดียวกัน รวมทั้งควรออกแบบระบบและเทคโนโลยีให้รองรับการปรับเปลี่ยนและพร้อมต่อยอดการใช้งานในอนาคต
2. Business performance analysis การวิเคราะห์ประสิทธิภาพทางธุรกิจ
ปัจจุบันพบว่าองค์กรส่วนใหญ่ยังไม่สามารถติดตามและวิเคราะห์ประสิทธิภาพทางธุรกิจได้ทั้ง Lifecycle หรือหากต้องการวิเคราะห์ข้อมูลเพื่อหาคำตอบที่ต้องการ อาจต้องใช้เวลาในการดึงข้อมูลออกมาวิเคราะห์นานเป็นสัปดาห์ ทำให้เกิดความล่าช้าและไม่ทันต่อการแข่งขัน
Big_data คือเทคโนโลยีที่เข้ามาช่วยในการวิเคราะห์การทำงานในส่วนต่างๆ ขององค์กร ซึ่งจะช่วยให้สามารถปรับปรุงการทำงานและวางแผนพัฒนาธุรกิจได้อย่างละเอียด มีประสิทธิภาพและรวดเร็ว ไม่ว่าจะเป็นการวิเคราะห์รายได้ต่อหัวของพนักงานในฝ่ายขาย
การหา Conversion rate% การวิเคราะห์หาสินค้าหรือบริการประเภทใดที่สร้างรายได้มากที่สุด หรือการนำข้อมูลจากหลากหลายระบบ เช่น ERP, CRM หรือ POS มาผสมกันเพื่อวิเคราะห์ต่อยอดหาข้อมูลเชิงลึก เป็นต้น
3. Operation monitoring & analysis การตรวจสอบและวิเคราะห์การดำเนินงานในองค์กร
เทคโนโลยี Big_data สามารถรวบรวมข้อมูลที่เกี่ยวข้อง เพื่อเข้าไปตรวจสอบและวิเคราะห์ประสิทธิภาพการดำเนินงานของส่วนงาน Operation โดยองค์กรอาจทำการสรุปข้อมูลในรูปแบบแสดงสถานะ เพื่อแสดงประสิทธิภาพการดำเนินงานได้
เช่น สีเขียว คือ ระบบดำเนินงานปกติ สีแดง คือ พบความผิดปกติ เพื่อความรวดเร็วในการตอบสนองต่อปัญหา หรืออาจแสดงข้อมูลในแกนของเวลา เช่น SLA หรือ End-to-End flow ของการให้บริการ เพื่อตรวจสอบถึงความล่าช้าในแต่ละส่วน เป็นต้น โดยจุดประสงค์ของ Use case นี้คือทำให้องค์กรเห็นข้อมูล (Visibility) เพื่อทำให้งาน Operation ดำเนินได้อย่างมีประสิทธิภาพ
5 Big_Data Use Cases ที่องค์กรธุรกิจควรวางแผนปรับใช้ในปี 2566
1. Customers 360 รู้จักลูกค้าแบบรอบด้าน
แม้ไม่ใช่เทรนด์ใหม่ แต่เป็นเรื่องที่มีการเปลี่ยนแปลงตลอดเวลา ไม่ว่าจะเป็น Touchpoint และพฤติกรรมของลูกค้า ทำให้ธุรกิจจะต้องพัฒนาการทำ Customer 360 ตามเทรนด์ผู้บริโภคที่เปลี่ยนไป Big_data จะช่วยให้สามารถวิเคราะห์ข้อมูลลูกค้าได้ตลอดทั้ง Lifecycle จากการที่รวบรวมข้อมูลทุกๆ ด้านของลูกค้า ทำให้ธุรกิจรู้จักลูกค้ารอบด้านมากขึ้น และสามารถนำเสนอผลิตภัณฑ์และบริการที่ตรงใจลูกค้าได้มากขึ้น
รวมถึงออกแบบการมอบประสบการณ์ให้แก่ลูกค้าในทุกๆ ขั้น ตั้งแต่ลูกค้าใหม่จนถึงลูกค้าที่มีแนวโน้มจะเลิกใช้บริการ ซึ่งการนำการวิเคราะห์ต่างๆ (Analytics method) มาประยุกต์ใช้กับข้อมูลลูกค้าได้อย่างมีประสิทธิภาพนั้น จึงต้องอาศัยการออกแบบและวางโครงสร้างของการจัดการและจัดเก็บข้อมูลแบบ Customers 360 ที่ดีเพียงพอเช่นเดียวกัน
2. Next best offer เสนอสินค้าและบริการที่ลูกค้ามีแนวโน้มจะซื้อในครั้งถัดไป
การวิเคราะห์ Big_data และเทคนิค AI/ML จะช่วยให้เข้าใจความต้องการและพฤติกรรมเชิงลึกของลูกค้าในรายบุคคลมากขึ้น เพื่อให้สามารถแนะนำสินค้า บริการ หรือโปรโมชันที่ตรงกับความสนใจของลูกค้าแบบเจาะจงรายบุคคลได้อย่างรวดเร็วด้วยช่องทางที่เหมาะสม ซึ่งจะช่วยส่งเสริมการขายให้มีประสิทธิภาพ เพิ่มโอกาสในการซื้อ ลดต้นทุนการขาย และเพิ่มรายได้ให้กับธุรกิจ
3. Real-time analytics วิเคราะห์ข้อมูลแบบเรียลไทม์
ในยุคดิจิทัลพฤติกรรมของผู้บริโภคค่อนข้างเปลี่ยนแปลงจากอดีต รวมทั้งมีความ Loyalty ต่อแบรนด์ค่อนข้างต่ำลงมาก เนื่องจากมีตัวเลือกจากสินค้าต่างๆ ในท้องตลาดมากมาย ทั้งช่องทางออนไลน์และออฟไลน์
ดังนั้นเพื่อให้แบรนด์สามารถช่วงชิงเวลาและการตัดสินใจซื้อของลูกค้าได้ นอกเหนือจากการทำ Customer 360 แล้ว ธุรกิจควรมีการวิเคราะห์ข้อมูลแบบเรียลไทม์ เพื่อให้สามารถนำเสนอผลิตภัณฑ์ แก้ไขปัญหา หรือให้บริการที่ทำให้เข้าถึงลูกค้าได้รวดเร็ว เพื่อให้เกิดความพึงพอใจสูงสุด
4. Root cause analysis การวิเคราะห์สาเหตุของปัญหา
การแก้ไขปัญหาของระบบให้บริการต่างๆ ขององค์กรขนาดใหญ่ที่ปกติแล้วจะล้าช้านั้น มักเกิดมาจากความซับซ้อนของระบบที่ต่อเนื่องกันทั้งระบบเก่า (Legacy) และระบบใหม่ๆ ที่เกิดขึ้น ทำให้ต้องใช้บุคลากรจำนวนมากและใช้เวลาค่อนข้างนานในการไล่ตรวจสอบปัญหา
การนำระบบ Big_data มาใช้งานจึงสามารถรวบรวมข้อมูลความผิดปกติในทุกๆ ระบบ ที่เกี่ยวข้องมาวิเคราะห์และตรวจสอบทั้งด้วยตนเองและแบบอัตโนมัติ จึงช่วยให้สามารถค้นหาสาเหตุของปัญหาที่เกิดขึ้นได้รวดเร็ว และสามารถนำไปปรับปรุงแก้ไขได้อย่างถูกต้องและตรงจุดมากขึ้น
5. Anomaly detection การตรวจจับความผิดปกติ
การทำงานของ Big_data ร่วมกับ AI/ML จะช่วยให้สามารถระบุความผิดปกติได้อย่างแม่นยำและรวดเร็ว โดยเทคนิคพื้นฐานอย่างการตั้ง Rule-based บนข้อมูลขนาดใหญ่เพื่อตรวจจับ หรือใช้ AI/ML เพื่อดูพฤติกรรมว่าสิ่งใดคือความผิดปกติ
และแจ้งเตือนเพื่อให้ทีมงานที่เกี่ยวข้องเข้าแก้ปัญหาทันที ซึ่งสามารถนำไปปรับใช้ได้อย่างหลากหลาย ไม่ว่าจะเป็นโซลูชันด้าน Cyber security งานด้านระบบ IT หรือเชื่อมต่อกับอุปกรณ์ IoT ของโรงงานผลิตเพื่อตรวจจับความผิดปกติของอุปกรณ์ เป็นต้น
