Thursday, December 5, 2024
ArticlesData Management

แนวปฏิบัติ 6 ขั้นตอน การทำ Data Architecture ก้าวสู่ Data-Driven Organization

BBIK แนะภาคธุรกิจปรับใช้แนวปฏิบัติ 6 ขั้นตอน ทำ Data Architecture ยกระดับคุณภาพฐานข้อมูล ปลดล็อคศักยภาพปัญญาประดิษฐ์ สู่การเป็น Data-Driven Organization

ริษัท บลูบิค กรุ๊ป จำกัด (มหาชน) หรือ BBIK ที่ปรึกษาผู้ให้บริการด้านดิจิทัลทรานส์ฟอร์เมชันครบวงจร แนะภาคธุรกิจเร่งทำ Data Architecture หรือ สถาปัตยกรรมข้อมูล ในการออกแบบและสร้างมาตรฐานการบริหารจัดการข้อมูลองค์กรในทุกกระบวนการ ให้เป็นไปอย่างมีระบบระเบียบและมีมาตรฐาน

ผ่านหลักปฏิบัติ 6 ขั้นตอน เพื่อปูทางสู่การเป็น Data-Driven Organization ช่วยปลดล็อคศักยภาพและการใช้งานปัญญาประดิษฐ์ได้อย่าง เต็มประสิทธิภาพ พร้อมเพิ่มความได้เปรียบทางธุรกิจจากกระบวนการวิเคราะห์ข้อมูลขั้นสูงที่ถูกต้องแม่นยำ

พิพัฒน์ ประภาพรรณพงศ์ ผู้อำนวยการและหัวหน้าทีม Big Data and Advanced Analytics บริษัท บลูบิค กรุ๊ป จำกัด (มหาชน)

พิพัฒน์ ประภาพรรณพงศ์ ผู้อำนวยการและหัวหน้าทีม Big Data and Advanced Analytics บริษัท บลูบิค กรุ๊ป จำกัด (มหาชน) กล่าวว่า กระแสความตื่นตัวของภาคธุรกิจเกี่ยวกับการปรับเปลี่ยนสู่องค์กรที่ขับเคลื่อนด้วยข้อมูลในประเทศไทยนั้นถือว่าอยู่ในระดับสูง

แต่กลับมีองค์กรจำนวนไม่น้อยที่มองข้ามขั้นตอนสำคัญในการวางรากฐานให้กับข้อมูลอย่าง การวางแผนและออกแบบการจัดการข้อมูลตั้งแต่ต้นน้ำจนถึงปลายน้ำอย่างเป็นระบบ Data Architecture หรือ สถาปัตยกรรมข้อมูล

ส่งผลให้หลายองค์กรที่นำ Artificial Intelligence (AI) หรือ Machine Learning (M/L) มาใช้งานโดยที่ไม่มีการออกแบบสถาปัตยกรรมข้อมูลที่เหมาะสม

ต้องเผชิญกับปัญหาด้านการประมวลผลข้อมูลที่คลาดเคลื่อน จำเป็นต้องใช้เวลาในการตรวจสอบและแก้ไขข้อมูล (Data Cleansing) นานเกินไปจน ทำให้สูญเสียโอกาสทางธุรกิจและก่อให้เกิดต้นทุนค่าเสียโอกาส (Opportunity Cost) ซึ่งหากไม่แก้ไขปัญหาดังกล่าวจะส่งผลต่อขีดความสามารถการแข่งขันในอนาคตในที่สุด

“การให้ความสำคัญเกี่ยวกับการสร้างสถาปัตยกรรมข้อมูลในประเทศไทยนั้นยังน้อย สวนทางกับความต้องการทำ Data Analytics หรือ การใช้เทคโนโลยีปัญญาประดิษฐ์ในการวิเคราะห์หาข้อมูลเชิงลึก (Insights) ที่มีสูง”

“ซึ่งในความเป็นจริงแล้วข้อมูลเชิงลึกที่มีคุณภาพและถูกต้องแม่นยำสูงนั้น จำเป็นต้องมีสถาปัตยกรรมข้อมูลที่กำหนดมาตรฐานในการรวบรวม จัดเก็บ ประมวลผล ตรวจสอบ คัดกรอง แก้ไข และวิเคราะห์ข้อมูลให้ถูกต้อง รวมทั้งออกแบบให้การเรียกใช้งานข้อมูลที่มีความยืดหยุ่น”

“ซึ่งในโลกของ Data Analytics มีคำเปรียบเปรยเกี่ยวกับข้อมูลว่า Garbage in – Garbage out หรือ GIGO หมายถึง หากข้อมูลที่เราป้อนเข้าสู่ระบบคอมพิวเตอร์ไม่ถูกต้อง ไม่สมบูรณ์ ไม่สอดคล้องกับความต้องการ จึงเปรียบเหมือนกับขยะ ผลลัพธ์ที่ได้จากคอมพิวเตอร์ก็ไม่ต่างกับขยะที่ไร้ประโยชน์เช่นกัน ด้วยเหตุนี้การสร้างสถาปัตยกรรมข้อมูลจึงเป็นการปูพื้นฐานที่สำคัญในการนำข้อมูลไปใช้งานทุกรูปแบบ” พิพัฒน์ กล่าว

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

ดังนั้นองค์กรที่ต้องการก้าวไปสู่การเป็นองค์กรที่ขับเคลื่อนด้วยข้อมูล หรือองค์กรที่กำลังประสบปัญหาการใช้เทคโนโลยีปัญญาประดิษฐ์ได้ไม่เต็มศักยภาพ จึงควรเร่งทำ Data_Architecture ซึ่งทาง บลูบิค ได้วางแนวปฏิบัติในการทำ Data Architecture เบื้องต้น 6 ขั้นตอน ที่สามารถปรับใช้ได้กับทุกองค์กร ด้วยการออกแบบโมเดลสถาปัตยกรรมข้อมูลเฉพาะสำหรับแผนกลยุทธ์หรือโครงการต่างๆ ดังนี้

1) การทำความเข้าใจกลยุทธ์ของธุรกิจ รวบรวมความต้องการและเป้าหมายของธุรกิจ เพื่อนำไปกำหนดการออกแบบสถาปัตยกรรมข้อมูลที่มีประโยชน์ต่อกระบวนการตัดสินใจ เพื่อนำไปสู่การบรรลุเป้าหมายของกลยุทธ์นั้นๆ

2) การคัดแยกข้อมูลที่มีคุณค่า (Identify Value Data) เมื่อเข้าใจกลยุทธ์ทางธุรกิจแล้ว 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

“เมื่อ Data-Driven Organization กลายเป็นพันธกิจของหลายองค์กร การวางรากฐานข้อมูลด้วยการสร้างสถาปัตยกรรมข้อมูลจะช่วยให้องค์กรเข้าใจข้อมูลและการจัดการข้อมูลได้ดีขึ้น ทำให้ผู้ใช้งานสามารถเข้าถึงข้อมูลที่มีคุณภาพได้อย่างรวดเร็ว ซึ่งจะทำให้การนำเทคโนโลยีปัญญาประดิษฐ์มาใช้ให้เกิดประโยชน์สูงสุด รวมถึงการเลือกใช้เทคโนโลยีให้เหมาะสมกับการใช้งานในภาคธุรกิจนั้น”

“ซึ่งภารกิจเหล่านี้ล้วนจำเป็นต้องมีบุคคลากรที่มีความรู้ความเชี่ยวชาญที่เข้าใจทั้งภาคธุรกิจและเทคโนโลยีเป็นอย่างดี เพื่อให้การปรับเปลี่ยนองค์กรสามารถบรรลุตามเป้าหมายได้อย่างราบรื่น”

“จากประสบการณ์ของ บลูบิค ที่ได้เข้าไปช่วยปรับเปลี่ยนองค์กรชั้นนำสู่การเป็นองค์กรที่ขับเคลื่อนด้วยข้อมูล พบว่า การออกแบบสถาปัตยกรรมข้อมูลโดยผู้เชี่ยวชาญที่เข้าใจการใช้งานข้อมูลในมุมธุรกิจนั้น สามารถลดความเสี่ยงจากข้อมูลสำคัญสูญหายระหว่างกระบวนการจัดเก็บ”

“ลดเวลากระบวนการทำ Data Cleansing สามารถตรวจสอบและสร้างมาตรฐานข้อมูลที่เหมาะสมกับธุรกิจ ทำให้จำนวนข้อมูลเชิงลึกที่ถูกต้องและแม่นยำมีมากขึ้น ส่งผลให้ความเสี่ยงจากการตัดสินใจผิดพลาดลดลงด้วย” พิพัฒน์ กล่าวปิดท้าย