AI, Scalability และ Security คือความท้าทายของการพัฒนาระบบไอทีในปัจจุบัน

Screenshot 2018-09-01 10.39.18

วันพฤหัสบดีที่ผ่านมาผมมีโอกาสไปบรรยายที่ Software Park ในงานสัมมนา  Developers for Disruptive Era ในหัวข้อ Trend of Technology Skill for Developers โดยผมมีสไลด์ในการบรรยายดังนี้ >> Slide การบรรยาย Software ParkScreenshot 2018-09-01 10.41.19

สิ่งหนึ่งที่กล่าวในการบรรยายคือการพัฒนาซอฟต์แวร์ในวันนี้ไม่ใช่เน้นที่ Mobile First อีกต่อไป แต่เรากำลังก้าวเข้าสู่ยุค AI First ซอฟต์แวร์ในยุคต่อไปจะต้องมีระบบปัญญาประดิษฐ์ฝั่งอยู่ เราคงไม่ได้เน้นการพัฒนาซอฟต์แวร์ระบบ CRM, ERP, ระบบ Enterprise, ระบบบริการ หรือ  Mobile application ต่างๆเพียงอย่างเดียว แต่ซอฟต์แวร์ในอนาคตต้องชาญฉลาด ต้องสามารถบอกผู้ใช้ได้ว่าจะต้องทำอะไร ดังนั้นซอฟต์แวร์ที่จะแข่งขันได้ในอนาคตต้องเน้นปัญญาประดิษฐ์ และต้องมีทีมงานเข้าใจด้าน Machine Learning หรือ  AI ในการร่วมพัฒนา

นอกจากนี้ผมยังเน้นให้เห็นว่าในปัจจุบันเรากำลังก้าวเข้าสู่โลกดิจิทัลคนเข้ามาใช้ไอทีกันมากขึ้น มีอุปกรณ์ต่างๆเข้ามาใช้งานมากขึ้น ระบบก็จะมีความซับซ้อนมากขึ้น ตวามท้าทายในวันนี้ก็คือการทำให้ระบบมีเสถียรภาพ สามารถรองรับผู้ใช้จำนวนมากได้ (สามารถ Scale ได้) และต้องมีระบบความปลอดภัยที่ดี เทคโนโลยีและทักษะการพัฒนาระบบไอทีวันนี้เปลี่ยนแปลงไปมาก การพัฒนาระบบใหญ่ๆไม่ใช่เรื่องง่าย คนไอทีจำนวนมากอาจสามารถที่จะสร้างระบบเล็กๆที่เปรียบเสมือนบ้านสองชั้นได้ แต่พอเจอระบบใหญ่ที่เราอาจเปรียบกับการต้องสร้างตึกสูง มันย่อมจะมีความซับซ้อนมากมาย ต้องการคนออกแบบที่เป็น ต้องการผู้เชี่ยวชาญ ซึ่งบ้านเรายังขาดบุคลากรที่มีความรู้ความเข้าใจระบบและเทคโนโลยีในการพัฒนาระบบที่เปลี่ยนไป

ผมพูดในที่บรรยายแล้วยกตัวอย่างให้เห็นว่า เราเริ่มเห็นระบบไอทีใหญ่ต่างๆในบ้านเราที่มีผู้ใช้จำนวนมากล่มบ่อยๆเวลามีผู้ใช้งานจำนวนมากอาทิเช่น ระบบการจองตํ๋ว ระบบลงทะเบียนการศึกษา หรือแม้แต่ระบบธนาคารต่างๆ ปัญหาไม่เพียงแต่เกิดจากด้านฮาร์ดแวร์ที่อาจรองรับไม่ได้ แต่ยังรวมไปถึงการออกแบบสถาปัตยกรรมไอทีทั้งซอฟต์แวร์และฮาร์ดแวร์ที่ดี เรามักจะคิดว่าคนไอทีที่ทำระบบเล็กๆนำเสนอ Application หรือไอเดียที่ดีแล้วสามารถจะ Scale มาทำระบบขนาดใหญ่ ซึ่งโดยแท้จริงแล้วอาจต้องปรับทักษะและวิธีการอย่างมาก

แนวคิดในการพัฒนาซอฟต์แวร์ในอนาคตอยู่ที่การทำงานแบบร่วมมือกัน (Collaboration)  จะต้องเน้นเรื่องของ  Cloud, Agile, DevSecOp, Containerและ Microservices  เราต้องเน้นการพัฒนา API มากขึ้น และต้องสร้างสถาปัตยกรรมที่เป็น Hyper-Agile ระบบไอทีขนาดใหญ่มันแตกต่างกับระบบเล็กมากเราต้องการผู้รู้และผู้เชี่ยวชาญ ถึงเวลาที่ทุกฝ่ายต้องเร่งลงทุนกับระบบไอทีเพิ้ม และต้องพัฒนาคน ก่อนที่เราจะสายไป แล้วทำให้ระบบในประเทศเราพยุกขะงักบ่อยๆแล้วเกิดความเสียหายในอนาคตเมื่อเข้าสู่ยุค Thailand 4.0 ที่มีผู้ใช้ไอทีจำนวนมากอย่างแท้จริง โดยทักษะด้านไอทีที่เราอาจต้องการในอนาคตอาจมีดังนี้

  • Experience With AI & Machine Learning
  • Data Science Talent
  • Mobile Application Development
  • Ability To Adapt To New Tech.
  • Talent For PaaS In The Cloud
  • Coding And Engineering Experience .. DEvSecOp
  • Any Skills Related To Analytics
  • Blockchain
  • Cyber security
  • Digital Transformation

ธนชาติ นุ่มมนท์

IMC Institute

ทำไมธุรกิจทำ Digitization แล้วยังไม่สามารถทำ Digital Transformation ได้ (ตอนที่ 2)

Screenshot 2018-08-05 11.29.12

ในตอนที่แล้วผมได้เขียนถึงเรื่อง  Digital Transformation แล้วระบุว่าสิ่งที่ธุรกิจควรจะทำมีอยู่สี่ประเด็นคือ

  • ทบทวนรูปแบบ Business Model ของธุรกิจเรา
  • ทบทวน Value chain ของธุรกิจเรา
  • การกำหนดกลยุทธ์เชื่อมโยงกับลูกค้าแบบใหม่ในโลกดิจิทัล
  • การสร้างทักษะของบุคลากรและปรับองค์กรใหม่

Screenshot 2018-08-21 09.17.41

รูปที่ 1 Framework for reinventing business  [จากหนังสือ Driving digital strategy: a guide to reimagine your business,, Sunal Gupta]

และได้กล่าวถึงสองประเด็นแรกไปแล้ว (ดูบทความ ทำไมธุรกิจทำ Digitization แล้วยังไม่สามารถทำ Digital Transformation ได้ (ตอนที่ 1)) วันนี้ขอมาต่อในอีกสองประเด็นที่เหลือ

การกำหนดกลยุทธ์เชื่อมโยงกับลูกค้าแบบใหม่ในโลกดิจิทัล

การเข้ามาของเทคโนโลยีดิจิทัลเช่น Social media หรือ Mobile Phone ทำให้พฤติกรรมของลูกค้าเปลี่ยนไป ลูกค้ามีเครือข่ายมากขึ้นในการเชื่อมโยงถึงกัน มีการรับข้อมูลข่าวสารที่สะดวกรวดเร็วขึ้น Marketing Funnel ของลูกค้าก็เปลี่ยนไป โดยลูกค้ามีช่องทางการ”รับรู้” (awareness) ที่หลากหลายจากเดิมไม่เพียงแต่มาจากการโฆษณาแต่ยังอาจผ่านจากการ Search การอ่านบล็อก ซึ่งเมื่อลูกค้ารับรู้ก็จะเข้าสู่ขั้นตอนเพื่อ “พิจารณา” (consideration) ซึ่งก็อาจจะมาจากข้อมูลจากหลายๆแหล่งทั้งการค้นข้อมูลออนไลน์ การอ่าน User Review หรือการได้รับอีเมลจากผู้ขาย  ซึ่งพอลูกค้ามีความ “ปรารถนา” (perference) ก็อาจเริ่มที่จะมาการเปรียบเทียบสินค้า มีการทดสอบสินค้า มีการใช้ Social network มาพูดคุยกับลูกค้าอื่น แล้วจึงถึงขั้นตอนที่ลูกค้า “กระทำ” (Action) กล่าวคือซื้อสินค้าอาจจากในร้าน หรือผ่านออนไลน์ และเมื่อลูกค้าซื้อแล้วเราจะมีขั้นตอนอย่างไรให้ลูกค้า “จงรักภักดี” (loyalty) ต่อสินค้าของเรา มีช่องทางอย่างไรให้ลูกค้าติดต่อเราได้สะดวก ติดตามข่าวสารของเราผ่าน Facebook, Instagram หรือ อีเมล และทำอย่างไรให้สามารถขายสินค้าอย่างอื่นได้เพิ่ม สุดท้ายเป็นขั้นตอนที่ทำให้ลูกค้า “บอกต่อ” (advocacy) มีความประทับใจในสินค้าของเรา และทำการ Review สินค้าของเราในแง่ดีทาง Social media หรือช่องทางอื่นๆ

Screenshot 2018-08-21 09.40.35

รูปที่ 2 Marketing Funnel [จากหนังสือ The Digital Transformation Playbook: Rethink Your Business for the Digital Age, David L. Rogers ]

ด้วยพฤติกรรมที่เปลี่ยนไปของลูกค้า เราจึงจำเป็นที่จะปรับกลยุทธ์ในการเชื่อมโยงกับลูกค้าในด้านต่างๆดังนี้

  • Access จะต้องเข้าถึงลูกค้าได้อย่างรวดเร็ว ทุกที่ ทุกเวลา ทุกอุปกรณ์เช่นการใช้ช่องทางที่หลากหลายทั้ง Smartphone, Social Media
  • Engage ต้องทำให้เราเป็นแหล่งเนื้อหา (content) ที่เกี่ยวข้องกับสินค้าและบริการเราที่มีประโยชน์กับลูกค้า
  • Customize ต้องทำให้สิ่งที่เรานำเสนอต่อลูกค้าแต่ละรายสามารถปรับเปลี่ยนได้ตามความเหมาะสม
  • Connect  ต้องสร้างกลยุทธ์ให้ลูกค้าได้เชื่อมโยงกับลูกค้ารายอื่นๆ หรือกับเราเองได้
  • Collaboration ต้องทำให้ลูกค้าสามารถร่วมมือเป็นส่วนหนึ่งในโครงการหรือองค์กรของเรา

การสร้างทักษะของบุคลากรและปรับองค์กรใหม่

ความยากที่สุดเรื่องหนึ่งขององค์กรในการทำ  Digital Transformation คือตัวบุคลากรหรือแม้แต่ทัศนะของผู้บริหารเอง ที่บางครั้งอาจบอกว่ายังขาด Digital Mindset ทำอย่างไรที่เราจะพัฒนาบุคลากรให้เข้าใจการเปลี่ยนแปลงของโลกที่เกิดจากผลกระทบของเทคโนโลยีดิจิทัล ทำให้เข้าถึงรูปแบบธุรกิจที่จะเปลี่ยน ทำให้องค์กรมีวัฒนธรรมดิจิทัล (Digital culture) มีการทำทำงานแบบ Collaboration เป็นองค์กรที่ใช้ข้อมูลในการทำงาน

เราจะพบว่าในปัจจุบันบริษัทที่กำลังขึ้นมาสู่ระดับต้นๆของโลกอย่าง Google, Uber, Facebook, Amazon, NetFlix จะมีองค์ประกอบหลายๆอย่างที่คล้ายกันอาทิเช่น

  • จะเป็นบริษัทที่มีข้อมูลขนาดใหญ่ (Big data)
  • จะเป็นบริษัทที่มีความเข้าใจพฤติกรรมลูกค้าเป็นอย่างดี มีวัฒนธรรมของการใช้ข้อมูลในการทำความเข้าใจกับลูกค้า
  • จะเป็นบริษัทที่มีจำนวนพนักงานไม่มากนักเมื่อเทียบกับรายได้ของบริษัท
  • จะเป็นบริษัทที่มีความคล่องตัวและอาจปรับเปลี่ยน Business model ของตัวเองอยู่บ่อยๆ
  • จะเป็นบริษัทที่ทำนวัตกรรมใหม่ในการนำเสนอสินค้าและบริการด้วยความว่องไว หากพบว่าล้มเหลวก็จะทำอย่างอื่นต่อ
  • จะเป็นบริษัทที่ดึงดูดคนเก่งๆเข้ามาทำงานได้

ดังนั้นหากธุรกิจเราต้องการจะทำ Digital Transformation บางครั้งการปรับองค์กรให้มีคล่องตัว และการปรับแนวคิดของบุคลากรและผู้บริหารก็จะมีความจำเป็นอย่างยิ่ง

ธนชาติ นุ่มนนท์

IMC Institute

 

ทำไมธุรกิจทำ Digitization แล้วยังไม่สามารถทำ Digital Transformation ได้ (ตอนที่ 1)

Screenshot 2018-08-05 11.29.12

ผู้บริหารธุรกิจหลายๆคนอาจสับสนกับการเรื่องของการทำ Digitization คือการเปลี่ยนข้อมูลต่างๆของธุรกิจจากอนาล็อกให้เป็นดิจิทัล กับความหมายของคำว่า Digital Transformation

  • ผู้บริหารมอบหมายให้ฝ่ายไอทีไปทำระบบ CRM หรือ ERP
  • ผู้บริหารมอบหมายให้ฝ่ายการตลาดไปทำ Digital Marketing
  • ผู้บริหารมอบหมายให้ฝ่ายขายไปทำ e-Commerce

แต่สุดท้ายธุรกิจก็ยังไม่ดีขึ้น บ้างก็ยังเห็นยอดขายลดลงอย่างต่อเนื่อง บ้างก็ยังต้องปิดกิจการแล้วไปต่อไม่ได้ ผมเคยตั้งคำถามกับผู้บริหารหลายๆคนว่า สื่อสิ่งพิมพ์ต่างๆทำ Digitzation ไหม เขามีระบบไอทีที่ดีไหม เขาทำเว็บไซต์ไหม เขาขายออนไลน์ไหม หรือถามว่าธุรกิจค้าปลีกหลายใหญ่หลายๆรายมีระบบ CRM, ERP ไหม มีระบบ online E-commerce ซึ่งทุกท่านก็จะตอบว่ามี แล้วทำไมยังอยู่รอดไม่ได้ คำตอบส่วนหนึ่งก็คือว่าการทำ Digitization ไม่ใช่เป็นการทำ Digital Transformation ปัญหาของธุรกิจหลายๆแห่งที่ประสบอยู่ในปัจจุบันอาจเกิดจากการที่ Business Model ของเราต้องเปลี่ยน อุตสาหกรรมอาจเปลี่ยน คู่แข่งอาจเปลี่ยนไป และลูกค้าอาจเปลี่ยนไป ดังนั้นการทำไอทีในองค์กรหรือการทำ Digitzation อาจไม่ได้ช่วยทำให้ธุรกิจอยู่รอดได้ แต่สิ่งที่ควรทำกลับเป็น

  • ทบทวนรูปแบบ Business Model ของธุรกิจเรา
  • ทบทวน Value chain ของธุรกิจเรา
  • การกำหนดกลยุทธ์เชื่อมโยงกับลูกค้าแบบใหม่ในโลกดิจิทัล
  • การสร้างทักษะของบุคลากรและปรับองค์กรใหม่

การทบทวนรูปแบบ Business Model

บางครั้งเราอาจจะต้องมาปรับแนวคิดของธุรกิจเรา คำถามว่าธุรกิจในปัจจุบันเราอยู่ในสถานะใดจำเป็นต้องเปลี่ยนรูปแบบหรือไม่ เราจะเห็นได้ว่าบางครั้งธุรกิจที่ประสบความสำเร็จ อาจจะเริ่มต้นจากจุดหนึ่งแลัวก็ต้องปรับเปลี่ยนไปเรื่อยๆ ซึ่งการปรับธุรกิจเปลี่ยนต้องคำนึงถึงลูกค้ารอบตัวเราแต่ไม่ใช่คำนึงถึงสินค้าหรือคู่แข่งของเรา  (Define your business around your customers, not your products or competotitos)  ตัวอย่างของ Amazon ที่เริ่มจากการขายหนังสือออนไลน์ และเปลี่ยนตัวเองเป็นร้านค้าปลีกออนไลน์ หลังจากนั้นก็ปรับตัวเองเป็น Platform ที่จะให้ผู้ค้ารายอื่นๆเอาสินค้ามาขายให้ลูกค้าผ่าน Amazon.com ได้ จากนั้นก็ปรับไปทำขายเพลง ภาพยนตร์ หรือขาย Hardware อย่าง Fire TV หรือทำ Amazon Echo แข่งกับ Google รวมไปถึงการเป็นผู้ให้บริการ  Cloud  แข่งกับบริษัทไอทีเดิมอย่าง  IBM, Microsoft จะเห็นได้ว่า Amazon เป็นตัวอย่างที่ปรับตัวเองตลอด

Screenshot 2018-08-19 16.17.30

รูปที 1 รูปแบบการแข่งขันแบบใหม่ [จากหนังสือ Driving digital strategy: a guide to reimagining your business] 

แนวทางการแข่งขันในรูปแบบใหม่ อาจพิจารณาได้จากรูปที่ 1 ที่ชี้ให้เห็นโมเดลการทำธุรกิจหลากหลายรูปแบบ

  • แนวคิดแบบเดิมคือการทำให้ Product ที่นำเสนอลูกค้ามีราคาถูกลงหรือคุณภาพดีขึ้นเพื่อแข่งขันได้
  • แนวคิดถัดมาเราอาจปรับกลยุทธ์เป็น Razor-Blade เหมือนที่บริษัทขายเครื่องพิมพ์ราคาแต่เน้นขายหมึกพิมพ์จำนวนมากขึ้น หรือเหมือน Kindle  ที่เน้นขาย eBooks
  • รูปแบบการทำธุรกิจใหม่อาจเป็นการสร้าง Business Platform แล้วหวังให้มีลูกค้าจำนวนมากขึ้นเพื่อสร้าง Network effect เพราะการได้ฐานลูกค้าจำนวนมาก่อนน่าจะเป็นผู้ชนะ (ดูบทความเรื่อง Digital Transformation คือการพัฒนา Platform มิใช่แค่การสร้าง Product หรือ Service)
  • สุดท้ายเราอาจผสมผสานทั้งการสร้าง Platform และ การมี Product/Services ที่หลากหลายอย่าง Amazon และ WeChat

การทบทวน Value chain

เทคโนโลยีดิจิทัลใหม่ๆอย่าง Social Media, Smartphone หรือ IoT ทำให้เกิดการเปลี่ยนแปลงด้าน Value chain ของธุรกิจบางอย่าง ซึ่งบางครั้งเราอาจต้องทบทวน ตัวอย่างเช่น อุตสาหกรรมเพลง ที่เดิมอาจมีนักแต่งเพลง เซ็นสัญญากับค่ายเพลงแล้วจัดจำหน่ายในรูปแบบของ CD หรือ DVD กับผู้บริโภค ผ่านช่องทางของร้านค้าปลีก  CD/DVD ทั่วๆไป แต่เมื่อธุรกิจดิจิทัลเข้ามาก็จะเห็นกลุ่มที่เป็น Intermediation เข้ามาแทรกใหม่เช่น iTune หรือแม้แต่ YouTube ทำให้ธุรกิจค้าปลีกแบบเดิมเริ่มถดถอย เพราะลูกค้าสามารถซื้อผ่านช่องทางออนไลน์ได้ และบางครั้งก็จะพบว่าอุตสาหกรรมเกิด Disintermediation เช่นนักแต่งเพลงอาจจะข้าม Value chain เดิมๆแทนที่จะมาสังกัดค่ายเพลง แต่พวกเขาอาจแต่งเพลงขายออนไลน์ให้กับผู้บริโภคโดยตรง

ดังนั้นจึงจำเป็นที่ธุรกิจจะต้องกลับมาทบทวนตัวเองว่า เราอยู่ตรงไหนของ Value chain ซึ่งโดยมากธุรกิจที่จะแข่งกับคนอื่นๆได้ จะตรงอยู่ในจุดของ  Value chain  ที่มีความแตกต่างและคู่แข่งอื่นไม่สามารถเข้ามาง่าย หรือไม่ก็ต้องเป็นจุดต้นทางและปลายทางของ  Value chain ซึ่งหากธุรกิจกำลังอยู่ในช่วงการเปลี่ยนแปลงของ Value chain แม้ว่าเราจะทำ  Digitization ในธุรกิจมากแค่ไหนก็ตาม การหลีกเลี่ยง Digital disruption ก็ยังเป็นเรื่องยาก

ธนชาติ นุ่มนนท์

IMC Institute

 

 

การวิเคราะห์พฤติกรรมลูกค้าควรมีข้อมูลธุรกรรมขนาดใหญ่ของลูกค้าแต่ละราย

Screenshot 2018-08-05 11.29.12

วันก่อนไปที่ร้านขายเฟอร์นิเจอร์แห่งหนึ่งเพราะอยากซื้อ ตู้โชว์แบบเดียวกับที่เคยซื้อเมื่อ 6-7 ปีก่อน เพิ่มอีกซักหนึ่งชุด แต่พอไปถึงหารุ่นนั้นไม่เจอ ก็เลยขอพนักงานดูประวัติการซื้อย้อนหลัง เพราะอยากทราบว่าตอนนั้นซื้อรุ่นไหน สิ่งที่น่าสนใจคือร้านนี้เก็บช้อมูลลูกค้าไว้ทุกรายการที่เราซื้อ รวมถึงวัสดุทุกชิ้น แต่พอเกิน 5 ปีก็ไม่มีข้อมูลแล้ว ซึ่งก็พอเข้าใจได้ว่าข้อมูลเก่าไปและต้องการประหยัดพื้นที่เก็บข้อมูล ก็เลยลบข้อมูลเก่าทิ้งไป ผมว่าที่ร้านมีข้อมูล Big Data ของลูกค้าที่น่าสนใจ เพราะเขาเก็บข้อมูลธุรกรรมการซื้อของลูกค้าไว้ทุกรายการ และเขาทราบข้อมูลที่อยู่ของลูกค้าและเบอร์ติดต่อชัดเจน คำถามที่ผมสนใจก็คือว่าจากข้อมูลที่เขามีอยู่ เขาสามารถที่จะวิเคราะห์พฤติกรรมลูกค้าได้ไหม การเก็บข้อมูลธุรกรรมของลูกค้าไว้เพียง 5 ปีเพียงพอจะวิเคราะห์ข้อมูลลูกค้าเป็นรายบุคคลได้ดีแค่ไหน ลูกค้าแต่ละรายจะมาซื้อเฟอร์นิเจอร์และอุปกรณ์ต่างๆบ่อยแต่ไหนในแต่ละปี

แต่อย่างไรก็ตามสิ่งหนึ่งที่น่าสนใจของร้านนี้คือ เขามีกลยุทธ์ที่ดีในการจะทำ Big data โดยสามารถที่จะให้ลูกค้ามาสมัครเป็นสมาชิก ใส่รายละเอียดที่อยู่ได้ และสามารถเก็บธุรกรรมของลูกค้าได้ อย่างที่ผมเคยบอกไว้ว่าถ้าเราจะทำ Big Data เราควรจะต้องเน้นที่ข้อมูลธุรกรรม (ดูรายละเอียดได้ที่ Big data ต้องเริ่มต้นจากการวิเคราะห์ Transactional data ไม่ใช่เล่นกับ summary data) ซึ่งถ้าได้ข้อมูลเหล่านี้มาก็จะทำให้เราวิเคราะห์ข้อมูลพฤติกรรมลูกค้าได้ดีขึ้น ยิ่งมีจำนวนธุรกรรมของลูกค้าแต่ละรายมากเท่าไรก็ยิ่งดีขึ้น

หากเราพิจารณาข้อมูลที่เป็น Big Data เราอาจเห็นข้อมูลใหญ่ๆอยู่สี่ประเภทคือ

  • Social media data
  • Mobile data
  • Internet of things data
  • Transactional data

ซึ่งจะเห็นได้ว่าข้อมูลที่จะเกี่ยวข้องกับพฤติกรรมลูกค้าที่ธุรกิจต่างๆมักจะมีก็คือข้อมูลธุรกรรมต่างๆที่ลูกค้ามาทำกับธุรกิจเช่น การซื้อสินค้า การติดต่อสื่อสาร เพราะข้อมูล Social media หรือ ข้อมูล Mobile โดยมากมักจะเป็นข้อมูลภายนอกองค์กรธุรกิจ ส่วนข้อมูล IoT ก็จำเป็นจะต้องมีการติดตั้งอุปกรณ์ต่างๆ

1a-transactional-data

แต่ความท้าทายของธุรกิจที่จะมีข้อมูลธุรกรรมเหล่านี้ก็คือกลยุทธ์ในการเก็บข้อมูล บางธุรกิจมีการทำธุรกรรมขายให้กับลูกค้าจำนวนมาก แต่ก็อาจไม่ทราบว่าลูกค้าคือใครเช่น ธุรกิจค้าปลีกต่างๆ ซึ่งบางทีฝ่ายการตลาดก็ต้องพยายามจูงใจให้ลูกค้าสมัครเป็นสมาชิกเพื่อทราบข้อมูลของลูกค้าเป็นรายคน บางธุรกิจลูกค้าก็อาจไม่ได้มาทำธุรกรรมบ่อยนักเช่นประกันภัยรถยนต์ ถ้าจะได้ข้อมูลขนาดใหญ่ก็อาจต้องใช้เทคโนโลยีอย่าง IoT หรือข้อมูล  Mobile มาช่วย ซึ่งในปัจจุบันเราจะเห็นว่าธุรกิจที่มีข้อมูลธุรกรรมลูกค้าแต่ละรายจำนวนมากก็อาจมีกลุ่มต่างๆดังนี้

  • ผู้ให้บริการโทรศัพท์เคลื่อนที่
  • ธนาคาร
  • บริษัทหลักทระพย์
  • ธุรกิจด้านการชำระเงินออนไลน์เข่น  Mobile Payment
  • ธุรกิจค้าปลีกที่ลูกค้าลงทะเบียนข้อมูลบุคคลไว้
  • โรงพยาบาล

ดังนั้นจะเห็นได้ว่าความยากของการทำ Big data ประเด็นหนึ่งก็คือข้อมูลที่ธุรกิจส่วนใหญ่มักจะมีข้อมูลลูกค้าแต่ละรายเป็นจำนวนจำกัด ทำให้ไม่สามารถจะวิเคราะห์ข้อมูลพฤติกรรมลูกค้าได้ ดังนั้นจำเป็นอย่างยิ่งที่ธุรกิจจะต้องร่วมกันวางกลยุทธ์เพื่อให้ได้ข้อมูลเหล่านั้นมา

ธนชาติ นุ่มนนท์

IMC Institute

 

การวิเคราะห์ Big Data กับสิทธิของข้อมูลส่วนบุคคล

Screenshot 2018-08-05 11.29.12

เมื่อวันศุกร์ที่ผ่านมาผมมีโอกาสได้ไปบรรยายในงานครบรอบ 10 ปีสถาบันคุ้มครองเงินฝากในหัวข้อเรื่อง Digital Disruptive Technology in Financial Services โดยได้ชี้เห็นว่าเทคโนโลยีที่กำลังเข้ามามีผลกระทบกับอุตสาหกรรมการเงินอย่างมากที่สุดอย่างหนึ่งก็คือ Big data analytics  สิ่งที่น่าสนใจก็คือว่า การที่เรานำเงินไปฝากไว้กับสถาบันการเงิน ไม่เพียงแต่จะมีเงินที่เข้ามาฝากไว้ที่สถาบันการเงิน แต่ยังมีข้อมูลต่างๆอีกเป็นจำนวนมาก อาทิเช่น ข้อมูลรายละเอียดส่วนบุคคล (ชื่อ,  ที่อยู่, อายุ, สถานที่ทำงาน), ข้อมูลด้านการเงิน (เงินฝาก, เงินกู้, รายได้, รายจ่าย) หรือข้อมูลธุรกรรมการเงินต่างๆอีกมากมาย ก็เลยอยากตั้งคำถามว่า ข้อมูลเหล่านี้เป็นของใคร ของลูกค้าหรือของสถาบันการเงิน

Screenshot 2018-08-05 12.59.06

บางท่านอาจเข้าใจว่าเป็นของสถาบันการเงิน ผมอยากให้ลองคิดถึงข้อมูลทางการแพทย์โดยเฉพาะข้อมูลการรักษาพยาบาลของเรา ข้อมูลเหล่านั้นเป็นของโรงพยาบาล,ของเราหรือของรัฐบาล ผมคิดว่าหลายๆคนคงตอบว่า เป็นข้อมูลส่วนบุคคลของเรา เราคงไม่ยินยอมถ้าทางโรงพยาบาลหรือแพทย์จะเอาข้อมูลเหล่านั้นไปทำ Big Data Analytics มาทำการวิเคราะห์หรือคาดการณ์อะไรต่างๆกับตัวเราโดยที่เราไม่ทราบล่วงหน้า หากโรงพยาบาลอยู่ๆจะนำประวัติการรักษาของเรามาวิเคราะห์และมาคาดการณ์ว่าเราจะเป็นโรคนั้นโรคนี้โดยที่เราไม่ได้อนุญาตล่วงหน้าเราคงไม่ยินดี และถือว่าเป็นการละเมิดสิทธิส่วนบุคคลอย่างมาก ดังนั้นการวิเคราะห์ข้อมูลในวงการแพทย์จะต้องไม่สามารถที่จะสืบกลับมาได้ว่าเป็นข้อมูลของใคร และถ้าเป็นการคาดการณ์เรื่องของโรคร้ายต่างๆก็น่าจะเป็นการวิเคราะห์ภาพรวม ยกเว้นเสียแต่ว่าคนไข้จะยินยอมให้ใช้ข้อมูลส่วนบุคคลไปวิเคราะห์หรือทำ  Predictive analytics กับคนไข้เฉพาะราย

big-data-analytics-banking-industry-video

เช่นกันโดยหลักการข้อมูลที่อยู่สถาบันการเงินก็น่าจะเป็นข้อมูลของลูกค้า โดยหลักการสถาบันการเงินก็ไม่น่าที่จะมีสิทธิเอาข้อมูลลูกค้ามาวิเคราะห์เป็นรายบุคคลโดยไม่ขออนุญาตว่าจะทำการวิเคราะห์อะไร ไม่ควรที่จะมาวิเคราะห์ว่า

  • ลูกค้ามีรายได้เท่าไร มีเงินเพียงพอหรือไม่
  • ลูกค้าต้องการจะกู้ยืมหรือไม่
  • ลูกค้ามีรายจ่ายอย่างไร ซื้อบ้านกี่หลัง ผ่อนรถกี่คน
  • ลูกค้าไปใช้จ่ายเงินอย่างไร ประเภทใด ร้านค้าใด
  • ลูกค้าชำระค่าน้ำ ค่าไฟ ค่าโทรศัพท์เดือนเท่าไร
  • ลูกค้าเดินทางไปต่างประเทศบ่อยไหม

ข้อมูลเหล่านี้เป็นข้อมูลส่วนบุคคล ถ้าลูกค้าไม่ได้ร้องขอสินเชื่อให้ทำการวิเคราะห์ สถาบันการเงินก็ไม่สมควรที่จะนำไปทำการวิเคราะห์โดยไม่ได้รับความยินยอมจากลูกค้า หรืออยู่ดีๆจะมาแนะนำว่าผลการวิเคราะห์ลูกค้าใช้จ่ายอย่างไร จะต้องการกู้ยืมเงินไหมเพราะคิดว่าเรามีรายได้ไม่พอใช้

บางท่านอาจแย้งว่าลูกค้าได้เคย  consent อนุญาตให้ใช้ข้อมูลตั้งแต่เปิดบัญชีแล้ว จริงๆแล้วการ  consent น่าจะเป็นการใช้ข้อมูลโดยทั่วไป และไม่เคยมีการบอกมาชัดเจนว่าจะนำไปใช้อะไร ทำให้นึกถึงกรณีกฎระเบียบด้านข้อมูลอันใหม่ของ EU เรื่อง General Data Protection Regulation (GDPR) ได้เขียนไว้ชัดว่าข้อมูลต่างๆเหล่านี้เป็นของประชาชนและย่อมมีสิทธิที่จะทราบว่าผู้เก็บข้อมูลจะเอาไปทำอะไร แม้แต่การ Consent: ที่ต้องขอความยินยอมจากเจ้าของข้อมูลต้องเข้าใจง่าย และต้องระบุอย่างชัดเจนว่าจะนำข้อมูลไปใช้ทำอะไร เพื่อวัตถุประสงค์ใด หรือสิทธิของเจ้าของข้อมูล (ประชาชน) ที่จะขอดูข้อมูล ขอให้ลบและเคลื่อนย้าย

ข้อมูลที่เราเก็บไว้ในสถาบันการเงิน แตกต่างกับข้อมูลใน Social media อย่าง Facebook หรือ  Google พวก Social media เหล่านั้นลูกค้ามีสิทธิที่จะให้หรือไม่ให้ข้อมูลก็ได้ จะบอกที่อยู่ อายุ ชื่อจริง หรือเบอร์มือถือหรือไม่ก็ได้ แต่ข้อมูลที่อยู่กับสถาบันการเงินลูกค้าต้องใช้ข้อมูลจริง และเป็นข้อมูลส่วนบุคคลด้านการเงิน ที่สถาบันการเงินเก็บไว้ ซึ่งถือว่าเป็นข้อมูลที่สำคัญยิ่งและมีความอ่อนไหว (sentitive data) ไม่ควรต่อการให้ใครก็ได้นำมาวิเคราะห์ต่างๆโดยไม่ได้รับอนุญาต แต่เดิมลูกค้าอาจไม่เคยเห็นความสำคัญของข้อมูลเหล่านี้แต่ในปัจจุบันเราเริ่มเห็นกันแล้วว่าสินทรัพย์ที่สำคัญอีกอย่างหนึ่งที่เราฝากไว้กับสถาบันการเงินนอกเหนือจากตัวเงินก็คือข้อมูล เรามีสถาบันคุ้มครองเงินฝากของเรา แล้วใครละจะมาคุ้มครองข้อมูลของเราไม่ให้ถูกละเมิด

ธนชาติ นุ่มนนท์

IMC Institute

 

ขั้นตอนการทำโครงการ Big Data

Screenshot 2018-05-03 16.00.42

คำว่า Big Data กำลังเป็นศัพท์เทคนิคที่น่าสนใจในมุมของผู้บริหารองค์กรหลายๆแห่งทั้งภาครัฐและเอกชน ซึ่งนอกจากว่าผู้บริหารจำนวนหนึ่งจะมาใช้เป็นศัพท์ในการตลาดแล้วบางครั้งก็ทำให้ราวเหมือนกับว่ามันจะเป็นเทคโนโลยีวิเศษที่จะสร้างประโยชน์ให้กับองค์กรอย่างมากมาย

มีคนเคยบอกความหมายของคำว่า Big data ในเชิงคบขำไว้ว่า “Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, so everyone claims they are doing it... ”  (Prof. Dan Ariely ) คำพูดก็คล้ายกับที่ประเทศเราในตอนนี้ที่ทุกคนต่างก็พูดถึง Big Data บางทีข้อมูลเล็กนิดเดียวก็บอกว่าทำ Big Data บางครั้งก็สั่งงานให้ฝ่ายเทคโนโลยสารสนเทศไปเริ่มทำโครงการ Big Data ทั้งๆที่ Big Data น่าจะเริ่มจากกลยุทธ์ไม่ใช่เริ่มที่เทคโนโลยี แล้วบางคนก็บอกว่าทำโครงการ Big Data  เสร็จแล้ว

Untitled (1)

รูปที่ 1 ขั้นตอนการทำโครงการ Big Data

เมื่อวันก่อนผมมีโอกาสเขียนรูปภาพแสดงขั้นตอนง่ายๆให้เห็นว่าเราจะเริ่มทำโครงการ Big Data ได้อย่างไร  โดยมีขั้นตอนดังแสดงในรูปที่ 1

โครงการ  Big Data ต้องเริ่มต้นด้วยการทำกลยุทธ์ข้อมูล (Data strategy) ที่ผู้บริหารหน่วยงานต่างๆในองค์กรมากำหนดร่วมกัน ซึ่งกลยุทธ์ที่ดีไม่ได้ดูที่ว่ามีข้อมูลอะไรอยู่ในองค์กร แต่อยู่ที่ว่าธุรกิจมีเป้าหมายอะไร และข้อมูลใดที่จะช่วยให้บรรลุเป้าหมายนั้น

ซึ่งเมื่อได้กลยุทธ์แล้วเราจะเริ่มเข้าใจได้ว่าลักษณะข้อมูลที่ต้องการใช้เป็นอย่างไร ทั้งนี้ข้อมูลที่ต้องการจะนำมาใช้อาจแบ่งเป็นสองกลุ่มคือ

  • ข้อมูลที่มีอยู่ในปัจจุบันอยู่แล้ว แต่เราไม่เคยนำมาวิเคราะห์ ข้อมูลลักษณะนี้เราเรียกว่า Dark data ซึ่งก็อาจเป็นข้อมูลขนาดใหญ่ในองค์กร
  • ข้อมูลที่ยังไม่มี แต่คิดว่าน่าจะเป็นประโยชน์ ทั้งนี้อาจต้องไปหาข้อมูลเหล่านี้มาจากแหล่งอื่นๆเช่น พันธมิตร หรืออาจต้องซื้อข้อมูล บางครั้งอาจต้องหาเทคโนโลยีเช่น IoT เข้ามาช่วยในการเก็บซึ่งอาจต้องใช้เวลากว่าจะสะสมหรือหาข้อมูลได้

หากกลยุทธ์ต้องการข้อมูลกลุ่มหลังก็อาจต้องใช้เวลากว่าที่จะเริ่มทำโครงการได้ หรือบางครั้งเราอาจไม่มีข้อมูลเหล่านั้นเลยก็เป็นไปได้ ซึ่งสุดท้ายเราอาจจะต้องปรับกลยุทธ์ใหม่เพื่อให้ได้ข้อมูลที่มีอยู่แล้วเพื่อความรวดเร็วในการทำโครงการ

เมื่อเรามีข้อมูลที่เพียงพอคำถามถัดมาก็คือว่า ข้อมูลเหล่านั้นเป็นไปตามนิยามของ Big data ที่ว่า Volume, Variety, Velocity, Varacity จริงหรือไม่

  • ถ้าใช่ เราก็อาจต้องลงทุนโครงสร้างพื้นฐานด้าน Big data เช่นการจัดหา Data Lake อย่าง Hadoop หรือ Cloud storage
  • ถ้าไม่ใช่ บางครั้งโครงสร้างพื้นฐานที่มีอยู่อย่าง  ระบบ Database  ที่เป็น RDBMS ก็อาจเพียงพอและไม่จำเป็นจะต้องจัดหาระบบอย่าง  Data Lake

กรณีที่ข้อมูลที่ต้องการไม่ใช่ Big Data ก็คงต้องวิเคราะห์ต่อว่า จะมีการทำ Predictive Analytic โดยการใช้ Machine Learning หรือ เพราะถ้ามี ก็อาจจำเป็นต้องจัดหาเครื่องมือในการทำเรื่องนี้มาใช้ เพราะภาษา SQL ที่ใช้กับระบบ Database ไม่สามารถจะมาใช้ทำ Predictive Analytic ได้

แต่ถ้าข้อมูลไม่ใช่ Big data มีแค่จำนวนเป็นหลักสิบล้านและไม่ได้เข้าข่ายนิยามอะไรที่เป็น Big data แลัวก็ยังไม่มีการทำ Predictive Analytic  เน้นแต่การสอบถามข้อมูล (Data query) ทำ Dashboard เป็นโครงการทำ Data warehouse และ Business Intelligence แต่ผู้บริหารอยากเรียกว่า Big data เราก็คงต้องเข้าใจว่าเป็นอย่าง Prof. Dan Ariely ว่า ก็ยอมๆไปแล้วกันครับ เพราะผู้บริหารต้องการใช้คำว่า Big data ในการตลาด

สุดท้ายถ้าเรามีข้อมูลขนาดใหญ่และต้องการทำ Predictive analytics เราก็อาจใช้ทีม Data science ที่เข้าใจ Machine learning มาช่วยงาน และอาจต้องมีการแสดงผลผ่าน Data visualisation ซึ่งเราก็จะอาจจะได้ผลลัพธ์ตามกลยุทธ์ที่กำหนดไว้ในตอนต้น แต่โครงการทั้งหมดก็ต้องใช้เวลาในการทำงาน ตั้งแต่รวบรวมข้อมูล การทำโครงสร้างพื้นฐาน และการวิเคราะห์ข้อมูล ไม่มี Quick win ในการทำโครงการ  Big data ครับ

ธนชาติ นุ่มนนท์

IMC Institute

พฤษภาคม 2561

 

 

การดูงาน China IT Expo 2018 ที่เมืองเซินเจิ้น วันที่ 9-11 เมษายน

Screenshot 2018-04-16 09.50.57

ช่วงวันที่ 9-11 เมษายนที่ผ่านมา ทางสถาบันไอเอ็มซีได้จัดทริปไปดูงาน ที่เมืองเซินเจิ้น  (Shenzhen)  ประเทศจีน อีกครั้งหนึ่งโดยได้พาไปดูงาน The 6th China Information Technology Expo 2018 ซึ่งนับเป็นครั้งที่สองที่ทางสถาบันไอเอ็มซีพาไปดูงานที่เมืองเซินเจิ้น โดยครั้งแรกก็เคยพาผู้เข้าอบรมไปดูงาน China Hi-Tech Fair 2017  เมื่อเดือนพฤศจิกายนปืที่แล้ว (ดูบทความ เซินเจิ้น Silicon Valley ด้าน Hardware)

30516172_1069055216575151_5553812581140922368_n

งานนี้อาจจะไม่ยิ่งใหญ่เท่ากับงาน China Hi-Tech Fair แต่ก็มีทั้งหมด 9 Hall และแต่ละฮอลล์ก็มีบูธต่างๆจากผู้ประกอบการและผู้ผลิตมากมาย จำนวนเป็นพันราย ที่น่าสนใจคือสิ่งที่มาแสดงทั้งหมดนั้นเป็นสินค้าที่ผลิตในประเทศจีน และโดยมากเป็นโรงงานที่อยู่ในเซินเจิ้นเอง

 

Screenshot 2018-04-16 09.53.22

รูปที่ 1 ผังงาน China IT Expo 2018

ใน Hall 1 จะเป็นฮอลล์หลัก ที่กำหนด Theme เป็น Smart Home และ Intelligent Terminal ที่นำอุปกรณ์จากแบรนด์เครื่องใช้ไฟฟ้าในบ้านยี่ห้อต่างๆของจีนมาให้ชมอย่าง  SKYWORTH, CHIQ, ZTE หรือ TCL  โดยในฮอลล์นียังจะมีโซลูชั่นที่แสดงระบบอัจฉริยะต่างๆอาทิเช่นระบบ Facial Recognition หรือระบบ Smart classroom และก็มีกลุ่มของที่แสดงอุปกรณ์ด้าน Semiconductor อื่นๆอีกมาก

รูปที่ 2 ตัวอย่างบูธต่างๆที่อยู่ใน Hall 1

Hall 2 จะเป็นส่วนทีนำผู้ผลิต Display ต่างๆของจีนที่ทำ LCD, OLED หรือ LED ที่มีรวมกัน 200 กว่ารายมาแสดง โดยนำเทคโนโลยี Display ล่าสุดมาให้ดู ซึ่งเราจะเห็นถึงความก้าวหน้าด้านนวัตกรรมการผลิตอุปกรณ์แสดงผลของจีนที่มีโรงงานจำนวนมากอยู่ในเมืองเซินเจิ้น ส่วน Hall 3  และ Hall 4 เป็นทางด้าน Intellient manufacturing และ 3D Printing รวมถึง Industrial Robots และ Intelligent System ที่ได้นำบริษัทที่ผลิตหุ่นยนต์และระบบอัตโนมัติสำหรับโรงงานอุตสาหกรรมในจีนมากกว่า 150 รายมาแสดง ซึ่งที่เห็นจากงานนี้ทำให้ไม่แปลกใจกับนโยบาย Dark Factory  ของจีนที่เน้นจะนำระบบอัตโนมัติเข้ามาใช้ในโรงงานของจึน และใช้แรงงานคนน้อยลง

รูปที่ 3 ตัวอย่างบูธต่างๆที่อยู่ใน Hall 2-3

Hall 5 เป็นส่วนที่แสดงโซลูชั่นด้านปัญญาประดิษฐ์​ (Artificial Intelligence) โดยจะเห็นผู้ผลิตระบบหุ่นยนต์ในจีนประมาณ 30 รายมาแสดง ตั้งแต่หุ่นยนต์ในบ้าน ร้านอาหาร หรือหุ่นยนต์เพื่อการศึกษาสำหรับเด็ก ทำให้เห็นถึงความก้าวหน้าองค์ความรู้ด้านปัญญาประดิษฐ์จีนที่คิดว่าน่าจะเป็นอันดับต้นๆของโลกแล้ว  ส่วน Hall 6 เป็นฮอลล์ที่แสดงโซลูชั่น IoT โดยเน้นด้าน Smart city, อุปกรณ์อิเล็กทรอนิกส์ด้าน IoT รวมถึงด้าน Interactive Entertainment มาแสดงจำนวนมาก

รูปที่ 4 ตัวอย่างบูธต่างๆที่แสดงด้านหุ่นยนต์

Hall 7 และ 8 จะเน้นด้านรถยนต์ไฟฟ้าและเทคโนโลยีด้าน Connected car รวมถึงแบตเตอรี่สำหรับรถยนต์ต่างๆจำนวนมาก โดยเราจะเห็นบริษัทผู้ผลิตรถยนต์ไฟฟ้าหลายๆยี่ห้อของจีนนำรถมาแสดง ทั้งนี้เมืองเซินเจิ้นเองก็มีเป็นศูนย์กลางการวิจัยและการผลิตรถยนต์ไฟฟ้ายี่ห้อ BYD ซึ่งเป็นผู้ผลิตรถยนต์ไฟฟ้าใหญ่อันดับสองของโลก โดยผลิตส่งออกไปขายในหลายๆประเทศทั่วโลก ซึ่งเฉพาะที่ผลิตและส่งมอบในจีนก็มีถึงปีละ 171,000 คัน ซึ่งถ้าเรามาที่เมืองเซินเจิ้นก็จะเห็นรถยนต์ BYD วิ่งกันอยู่จำนวนมากทั้งเป็นรถส่วนตัว รถแท็กซี่ และรถเมล์ สำหรับ Hall 9 ก็เป็นส่วนแสดงอุปกรณ์อิเล็กทรอนิกส์ทั่วๆไปที่โรงงานมากกว่า 200 รายในจีนมาแสดง

รูปที่ 5 ตัวอย่างบูธต่างๆที่อยู่ใน Hall 7-8

รูปที่ 6 ตัวอย่างบูธต่างๆที่อยู่ในงาน

การมางาน China IT Expo ครั้งนี้ยิ่งทำให้มั่นใจมากขึ้นว่า ประเทศจีนกำลังแซงหน้าหลายๆประเทศในโลกด้านเทคโนโลยีไอที และเซินเจิ้นกำลังกลายเป็น Silicon Valley ด้านฮาร์ดแวร์ของโลกอย่างแท้จริง ทางสถาบันไอเอ็มซีก็คงจัดไปดูงานที่เซินเจิ้นอย่างต่อเนื่องโดยครั้งถัดไปตั้งใจจะจัดไปในกลางเดือนพฤศจิกายนปีนี้ สำหรับงาน China Hi-Tech Fair 2018

ธนชาติ นุ่มนนท์

IMC Institute

เมษายน 2561

Screenshot 2018-04-16 11.55.45