Gartner: Top 10 Strategic IT Trends 2015

ทุกๆปลายปี สำนักวิจัย Gartner  จะประกาศให้เห็นถึง Top 10  แนวโน้มของเทคโนโลยีในปีต่อไป แต่ปีนี้ Gartner ประกาศออกมาค่อนข้างเร็วตั้งแต่ต้นสัปดาห์นี้ และก็ได้ระบุถึงเทคโนโลยีไอทีต่างๆ 10  ด้าน ตามที่แสดงในรูปที  ซึ่งถ้าเปรียบเทียบกับปีที่แล้วหรือ 2-3  ปีที่ผ่านมา จะเห็นได้ว่าในปีนี้ไม่ค่อยมีคำว่า Cloud Computing, Mobile Technology, Social Networks  หรือ Big Data  ทั้งนี้ก็เพราะว่า Mega Trends  เหล่านี้ได้กลายมาเป็นส่วนหนึ่งในระบบไอทีที่เราใช้อยู่ทุกวัน และแทบทุก Strategic IT Trends ที่ Gartner พูดถึงก็จะเกี่ยวข้องกับ Mega Trends  เหล่านี้ สำหรับ IT Trends ในปีนี้มีเรื่องต่างๆที่น่าสนใจดังนี้

10649099_396528190494527_5178840512740960137_o

1) Computing Everywhere: การใช้งานอุปกรณ์ smartphone  ที่แพร่หลาย ทำให้เกิดผู้ใช้้ที่เป็น mobile มากขึ้น และต้องสามารถเข้าถึงการใช้งานได้ทุกที่ ระบบการใช้งานก็จะต้องคำนึงสภาพแวดล้อมที่จะมีอุปกรณ์หลากหลายต่อมาจากทุกๆที่มากกว่่าที่จะพัฒนามุ่งมาให้อุปกรณ์เดี่ยวใช้งาน และยิ่งมีกระแสของอุปกรณ์อย่าง  waerable technology ก็จะยิ่งทำให้การประมวลผลผ่านอินเตอร์เน็ตมีการใช้งานอย่างกว้างขวางขึ้นที่ผู้คนจะเข้าถึงจากทุกๆที่ และต่อไปการออกแบบที่เน้นประสบการณ์ของผู้ใช้ (User Experience Design) จะมีความสำคัญยิ่งขึ้น

2) The Internet of Thing (IoT): Gartner ให้ความสำคัญกับ IoT อย่างต่อเนื่องมาสามปีแล้ว ซึ่งการเติบโตอย่างต่อเนื่องของอุปกรณ์จะทำให้เกิดข้อมูลที่มากขึ้นและก็จะมีบริการต่างๆเพิ่มมากขึ้นตาม เราจะเห็นการนำอุปกรณ์มาใช้งานในเชิงธุรกิจมากขึ้น อาทิเช่น การนำโมเดลการจ่ายเงินตามการใช้งาน (Pay-per-use )มาใข้กับการบริการอย่างระบบประกันภัยที่อาจชำระเฉพาะเมื่อมีการขับรถโดยเราใช้อุปกรณ์ IoT ตรวจจับ  หรือที่จอดรถที่อาจมีอุปกรณ์ IoT ติดอยู่

3)  3D Printing: ตลาดการพิมพ์สามมิติในปี 2015 จะโตขึ้นถึง 98% และคาดการณ์ว่าจำนวนเครื่องพิมพ์สามมิติจะถูกจำหน่ายเพิ่มเป็นสองเท่าและจะมีจำนวนเป็นสามเท่าในอีกสามปีข้างหน้า โดยเครื่องก็จะมีราคาถูกลงและถูกนำมาใช้ในอุตสาหกรรมต่างๆมากขึ้น ซึ่งการนำ 3D Printer มาใช้ก็จะช่วยลดค่าใช้จ่ายในการออกแบบหรือการพัฒนาอุปกรณ์ต้นแบบ

4) Advanced, Pervasive and Invisible Analytics: Analytics จะกลายเป็นเรื่องสำคัญเพราะเราจะมีข้อมูลทั้งที่เป็น  structure และ unstructure มากขึ้น Application ต่างๆก็ต้องมีระบบที่มีความสามารถด้าน Analytics อยู่ใน และองค์กรก็ต้องเตรียมรองรับกับข้อมูลมหาศาลที่จะมาจาก IoT, Social Media และ อุปกรณ์ Wearable ซึ่ง Analytics จะมีความสำคัญในการจะหาคำตอบต่างๆมากกว่าเพียงแค่ Big Data

5) Context-Rich Systems: Gartner ได้กล่าวถึง Ubiquitous embedded intelligence ซึ่งจะเป็นการพัฒนาระบบต่างๆที่จะช่วยเตือนและคาดการณ์เรื่องต่างๆที่อยู้รอบตัวได้ล่วงหน้า อาทิเช่นระบบอย่าง  Context-Aware Security

6) Smart Machines: เมื่อปีที่แล้ว  Gartner ก็กล่าวถึง smart machine ที่เป็นระบบที่สามารถเรียนรู้เองได้ (เช่น IBM Watson) ซึ่งจะมีระบบ  Analytics ที่ชาญฉลาด โดยยุคของ smart machine ที่จะมาถึงนี้ก็จะเป็นการเปลี่ยนแปลงครั้งสำคัญของประวัติศาสตร์ไอที ซึ่งในปัจจุบันก็เริ่มมีการพัฒนาต้นแบบของ รถยนต์แบบautonomous, หุ่นยนต์ที่ก้าวหน้าขึ้น หรือผู้ช่วยอัจฉริยะเสมือนจริง (virtual personal assistant)

7) Cloud/Client Architecture:  เทคโนโลยี Mobile และ Cloud กำลังเข้ามารวมกัน โดยฝั่ง Client จะเป็น Rich Application ที่ทำงานบนอุปกรณ์ที่เชื่อมต่อระบบอินเตอร์เน็ตเช่นอุปกรณ์พีซี smartphone หรือ Tablet ส่วนฝั่งของ Server ก็จะเป็น Applications หลากหลายที่ทำงานอบู่บนระบบ Cloud Computing ที่ยืดหยุ่น (Elastic) และพร้อมที่จะรองรับผู้ใช้จำนวนมากได้ (Scability) นอกจากนี้ความต้องการการใช้งานฝั่ง Client ผ่านอุปกรณ์โมบายจะยิ่งทำให้ระบบ Server และ Storage มีขนาดใหญ่มากขึ้นเรื่อยๆ ผู้พัฒนา Application ก็ต้องต้องเตรียมรองรับกับผู้ใช้จำนวนมากจากอุปกรณ์ที่มีหน้าจอที่หลากหลาย และจะต้องสามารถ sync ข้อมูลของ App ในทุกๆอุปกรณ์ได้

8) Software Defined Infrastructure and Applications: ต่อไปเราจะเห็นการโปรแกรมที่ยืดหยุ่น (Agile Programming)  สำหรับทุกๆอย่างตั้งแต่การพัฒนา Application ไป จนถึงการทำ Infrastructure ที่จะมีเรื่องของ Software-defined networking, storage, data centers และ security โดยจะมีการใช้ Application Programming Interface (APIs) ที่จะเข้าถึงข้อมูลและระบบเหล่านี้ผ่านบริการที่อยู่บน Cloud

9) Web-Scale IT: การให้บริการไอทีกำลังเปลี่ยนไปเพราะมีผู้ใช้จำนวนมหาศาล ระบบอย่าง Facebook, Amazon และ Google ทำให้ Enterprise Data Center ต่างๆต้องออกแบบระบบที่จะรองรับผู้ใช้จำนวนมากที่จะเพิ่มขึ้นอย่างรวดเร็วได้ ซึ่งจะเป็นเรื่องยากที่องค์กรส่วนใหญ่จะทำระบบแบบนั้นได้ ดังนั้นในอนาคตเราอาจจะเห็นองค์กรต่างๆมาใช้ระบบ Cloud มากขึ้น และขั้นตอนแรกขององค์กรต่างๆที่จะเข้าสู่่  Web-Scale IT คือการใช้ DevOps  ซึ่งเป็นการรวมกันของ Development กับ  Operation

10) Risk-Based Security and Self-Protection: สุดท้าย Gartner ก็ยังให้ความสำคัญกับเรื่องของระบบความปลอดภัยและเชื่อว่าไม่มีองค์กรใดป้องกันได้  100%  ดังนั้นการประเมินความเสี่ยงและการใช้กระบวนการและเครื่องมือในการลดความเสี่ยงจะเป็นเรื่องที่สำคัญ ในมุมทางเทคนิคการออกแบบ Application ที่มีการป้องกันความปลอดภัยอยู่ในตัวจะมีความสำคัญยิ่งขึ้น

ธนชาติ นุ่มนนท์

IMC Institute

Screenshot 2014-10-11 12.05.57

Big Data on Cloud ตอนที่ 2: BI/Analytics as a Service

เมื่อเดือนก่อนผมเขียนบทความเรื่อง การคาดการณ์แนวโน้มของ Big Data โดยคาดการณ์ด้านๆต่างไว้  10 เรื่อง และได้กล่าวถึงเรื่อง Big Data as a Service (BDaaS) ไว้ โดยเชื่อว่าจะมีการให้ความสำคัญกับการทำ  Big Data บน Cloud มากขึ้น ซึ่งมีการคาดการณ์ว่ามูลค่าการตลาดของ Big Data ในปี 2021  จะสูงถึง 88 พันล้านเหรียญสหรัฐและถ้าคิดมูลค่า Big Data as a Service ว่าจะมีมูลค่าประมาณ 35% ของตลาดก็จะทำให้มีมูลค่าสูงถึง 30 พันล้านเหรียญสหรัฐ และผมได้แสดงแผนภาพของ  BDaaS ที่เริ่มพูดถึง as a Service อื่นๆ นอกเหนือจากคำว่า IaaS, PaaS และ SaaS ที่เราคุ้นเคยกันดี ดังรูปที่  1

BDaaSรูปที่ 1 Big Data as a Service

จากจะรูปจะเห็นว่า BDaaS จะมีบริการอย่าง  Compute as a Service  เช่น EC2 บน Amazon Web Services (AWS) หรือ Storage as a Service เช่น S3 บน AWS หรือบริการอย่าง Data as a Service  อาทิเช่น

  • Database as a Service  อย่าง SQL Server บน Azure  หรือ  RDS บน AWS หรือ
  • NoSQL as a Service  เช่น  Mongo DB บน Bluemix หรือ  Heroku
  • Hadoop as a  Service  อย่าง Amazon EMR, Microsoft Azure HDInsight, Rackspace Cloud Big Data Platform, IBM Bluemix และ  Qubole (ผมเองก็ได้เขียนบทความเรื่อง “Big Data on Cloud: Hadoop as a Service “)

คราวนี้พอมาถึงเรื่องสุดท้าย Analytics as a Service ก็เริ่มมีประเด็นขึ้นมาบ้างเพราะหลายๆคนไม่เข้าใจความแตกต่างระหว่าง  Big Data, Business intelligence และ  Analytics  พอดีได้อ่านบทความของดร.อธิป อัศวานันท์ รองประธานกรรมการธุรกิจเทคโนโลยีสารสนเทศและการสื่อสาร หอการค้าไทย เรื่อง “ความเข้าใจที่ผิดๆ เกี่ยวกับ Big Data และ Analytics (1)” ก็ยิ่งทำให้เห็นสอดคล้องกับท่านว่าคนไทยยังไม่เข้าใจเรื่องนี้ดี คิดไปว่า  Programmer  หรือ  BI Analyst  จะสามารถเป็น Data Scientist ทำเรื่อง  Analytics ได้ ผมเลยได้เขียนบทความเรื่อง “Big Data Analytics กับความต้องการ Data Scientist ตำแหน่งงานที่น่าสนใจในปัจจุบัน” เพื่อย้ำให้เห็นว่าอะไรคือคำว่า  Analytics และต่่างกับ BI อย่างไร

ตัวผมเองเรียนปริญญาโทและเอกมาทางด้าน Electrical and Electronic  Engineering สมัยนั้นจำได้ว่ามีเพื่อนหลายๆคนทำวิทยานิพนธ์ทางด้าน Neural Networks  ซึ่งก็เป็นคณิตศาสตร์โมเดลด้าน  Analytics แบบหนึ่ง และปีท้ายๆของการเรียนปริญญาเอกและการทำวิจัยหลังจากจบปริญญาเอกก็ต้องมาจัับเรื่อง Analytics กับเขาบ้าง ตอนนั้นทำเรื่อง Parallel Genetic Algorithm เพื่อคาดการณ์ราคาจำหน่ายไฟฟ้าของ Spot Market ที่โรงไฟฟ้าใน New Zealand ต้องแข่งขันกัน การเรียนปริญญาเอกที่ใช้เวลาหลายปี ดูวุ่นวายกับโมเดลคณิตศาสตร์ และ Algorithm  ทำให้บางครั้งก็ท้อ และถามตัวเองหลายครั้งว่า เรามาทำอะไรเสียเวลาอยู่หลายๆปีกับการคำนวณอะไร ขณะที่เพื่อนๆหลายคนจบออกมาก็มีความก้าวหน้าทางการงานไปประกอบอาชีพแล้ว พอจบมาสอนหนังสือนักศึิกษาอีกสิบกว่าปี ก็ได้ใช้โมเดลคณิตศาสตร์เหล่านี้อีกน้อยมาก จนลืมเรื่องเหล่านี้ไป

มาวันนี้พอคำว่า Big Data  Analytics กำลังเข้ามา และได้มีโอกาสให้คำปรึกษาอาจารย์และนักศึกษา รวมถึงให้คำปรึกษาบริษัทต่างๆด้่าน Big Data ทำให้เริ่มเห็นคุณค่าของสิ่งที่ได้เรียนมา และเริ่มเข้าใจว่าอะไรคือประโยชน์ของการเรียนรู้ Predictive Analytics และน่าจะเป็นประโยชน์ในอนาคตไม่มากก็น้อย ซึ่งก็จะช่วยทำให้เราเข้าใจการวิเคราะห์ข้อมูลในอนาคตได้ดีขึ้นซึ่่งเป็นการใช้  Big Data  ให้ได้ประโยชน์มากขึ้น

ถ้าเรามาพิจารณา Product ทางด้าน  BI and Analytics จะพบว่ามีรายงานของ Gartner เมื่อเดือนกุมภาพันธ์ปีนี้เรื่อง Magic Quadrant for Business Intelligence and Analytics Platforms ที่วิเคราะห์ Product ทางด้านนี้ ซึ่งทาง Gartner จะพิจารณา Product จากคุณลักษณะต่างๆ อาทิเช่น ความสามารถในการทำ Report, Dashboard, Interactive visualization หรือการพิจารณาว่ามีความสามารถด้าน advanced analytics เช่น forecasting algorithms หรือดูความสามารถในการที่เชื่อมโยงกับข้อมูล Big Data  อื่นๆอย่าง Hadoop  ซึ่งผลการวิเคราะห์จะพบว่า Product หลายๆตัวก็จะมีความสามารถที่แตกต่างกันและไม่ได้มี feature ที่ทำได้ทุกด้าน โดย Gartner ได้สรุปรูปของ Magic Quadrant ดังนี้

 Screenshot 2014-10-09 17.57.12

รูปที่  2 Gartner’s Magic Quadrant for Business Intelligence and Analytics Platforms

เมื่อพูดถึงความแตกต่างระหว่าง BI กับ Predictive Analytics และ Product ต่างๆที่กล่าวมาแล้ว เราอาจจะเริ่มเห็นความแตกต่างระหว่าง BI as a Service  และ Analytics as a Service ซึ่งในปัจจุบันบริการบน Cloud ส่วนใหญ่จะระบุว่าเป็น BI as a Service ตัวอย่างเช่น

Screenshot 2014-10-09 12.44.21

รูปที่ 3  BIME: BI as a Service

BI as a Service บน Cloud เหล่านี้โดยมากจะสามารถวิเคราะห์ข้อมูลจาก Data ที่มาจากแหล่งต่างๆได้ บางตัวก็อาจสนับสนุน Big Data ที่เป็น  unstructure หรือบางตัวก็จะมี Analytics Engine ที่ Embedded เข้ามาและทำให้เราใช้ Algorithm วิเคราะห์และคาดการณ์ข้อมูลได้ก่อนที่จะใช้ เครื่องมืออย่าง BI ในการที่จะทำ Report/ Dashboard  หรือทำ  Visualization ในมุมมองต่างๆ อาทิเช่น  Birst  ดังแสดงให้เห็นในรูป

Screenshot 2014-10-09 18.05.11

รูปที่  4 Birst Data Sheet

Screenshot 2014-10-09 19.49.48

รูปที่  5 IBM Watson Analytics

แต่เมื่อมาดู Analytics บน Cloud ส่วนใหญ่ก็ยังไม่ได้มี Analytics Algorithm ที่ชาญฉลาดมากนัก แต่ก็อาจช่วยลดความจำเป็นของความต้องการ Data Scientist ไปได้บ้าง เพราะอาจใช้เครื่องมือเหล่านี้เข้ามาช่วยได้ แต่ที่น่าสนใจและกำลังเป็นเรื่องที่น่าจับตามองก็คือการเปิดตัวของ  IBM Watson Analytics ซึ่งเป็น  ระบบคอมพิวเตอร์ Artificial Intelligent ของ IBM ที่จะให้บริการบน Cloud ในเดือนพฤศจิกายนนี้ และก็น่าจะเป็น Analytics as a Service บน  Cloud ที่แท้จรืงตัวหนึ่ง ซึ่งจะเปลี่ยนโลกของการวิเคราะห์  Big Data ไปอย่างมาก และเครื่องมือเหล่านี้อาจเข้ามาช่วยแทนที่ความต้องการหา  Data Scientist   ในอนาคตไปได้

ธนชาติ นุ่มนนท์

IMC Institute

ตุลาคม 2557

สรุปผลสำรวจ “ความพร้อมด้าน Cloud Computing ของหน่วยงานในประเทศไทย”

cloudmgmt

ช่วงเดือนพฤษภาคมถึงกันยายนที่ผ่านมาทางทีมวิจัยของ IMC Institute ได้ทำโครงการวิจัยเชิงสำรวจในหัวข้อ การสำรวจความพร้อมด้าน Cloud Computing ของหน่วยงานในประเทศไทย หรือ Cloud Computing in Thailand Readiness Survey 2014 ขึ้น ทั้งนี้มีวัตถุประสงค์เพื่อเปรียบเทียบ (Benchmarking) ความพร้อมของประเทศไทยกับประเทศอื่นๆในภูมิภาค ทั้งนี้การสำรวจจะทำการสำรวจทั้งหน่วยงานภาครัฐและเอกชน ทั้งที่เป็นขนาดใหญ่และขนาดกลาง ขนาดเล็ก และเพื่อเป็นแนวทางและข้อมูลในการเตรียมความพร้อมบุคลากรและองค์กรในประเทศไทยต่อไป

บทความนี้จึงขอนำผลการสำรวจบางส่วนมาเผยแพร่ สำหรับผู้ต้องการอ่านผลการสำรวจฉบับเต็มสามารถรอหาอ่านได้จากยนิตยสาร e-Leader  ฉบับเดือนพฤศจิกายน การสำรวจนี้ทีมวิจัยได้จำนวนตัวอย่าง 177 ราย โดยจำแนกตามขนาดองค์กรเป็น หน่วยงาน/บริษัทขนาดใหญ่ (Large Enterprises) ที่มีพนักงานมากกว่า 1,000 คน จำนวน 61 ราย คิดเป็นสัดส่วนร้อยละ 34 ของกลุ่มตัวอย่าง และองค์กรขนาดกลางและขนาดย่อม (SMEs) ที่มีพนักงานน้อยกว่า 1,000 คน จำนวน 116 ราย คิดเป็นสัดส่วนร้อยละ 66 ของกลุ่มตัวอย่าง

โดยมีผลการสำรวจแบ่งเป็น 3 ส่วนคือ

  • การสำรวจข้อมูลการใช้ IT และแผนงานการใช้บริการด้าน Private Cloud
  • การสำรวจแผนงานและการใช้บริการด้าน Public Cloud
  • การสำรวจความพึงพอใจในภาพรวม เหตุผลและปัญหาอุปสรรคในการใช้บริการ Cloud Computing

โดยสามารถแจกแจงรายละเอียดผลการสำรวจได้ดังต่อไปนี้

ผลการสำรวจแผนงานด้าน Private Cloud ของหน่วยงานในประเทศไทย

จากการสำรวจเกี่ยวกับแผนด้านการใช้งาน Private Cloud ในภาพรวมจากกลุ่มตัวอย่าง 167 ราย ที่ตอบว่ามี Servers ใช้งานในองค์กรนั้น พบว่าจำนวน 47 รายหรือคิดเป็นร้อยละ 28 มีการใช้งาน Private Cloud อยู่แล้วในปัจจุบัน จำนวน 48 ราย หรือคิดเป็นร้อยละ 29 มีแผนการใช้ติดตั้งในอนาคต แต่ส่วนใหญ่ถึงร้อยละ 43 หรือ 72 ราย ยังไม่มีแผนงานด้าน Private Cloud แต่อย่างใด

Screenshot 2014-10-08 07.51.16

รูปที่ 1 แผนงานด้าน Private Cloud

ผลการสำรวจแผนงานด้าน Public Cloud ของหน่วยงานในประเทศไทย

ในปัจจุบันการใช้บริการ Cloud Computing ในประเทศไทย เริ่มแพร่หลายมากขึ้น โดยเฉพาะรูปแบบการบริการ Infrastructure as a Services (IaaS) และ Software as a Service (SaaS) ซึ่งในปัจจุบันมีจำนวนผู้ให้บริการ (Service Providers) ในประเทศจำนวนเพิ่มขึ้น แต่ในส่วนรูปแบบการบริการ Platform as a Service (PaaS) ยังไม่มีข้อมูลว่ามีผู้ให้บริการภายในประเทศ

ทั้งนี้จากการวิเคราะห์ผลสำรวจจากกลุ่มตัวอย่าง พบว่ามีหน่วยงานกว่า 81 หน่วยงาน หรือคิดเป็นสัดส่วนร้อยละ 45.76 มีแผนงานใช้บริการ Public Cloud โดยสามารถจำแนกรายละเอียดความต้องการใช้งานตามรูปแบบการให้บริการ Cloud Computing หรือ Cloud Service Models โดยสามารถสรุปผลสำรวจเกี่ยวกับความต้องการของหน่วยงานที่มีแผนการใช้บริการ Public Cloud ดังนี้

  • มีความต้องการใช้บริการรูปแบบ IaaS มากเป็นอันดับที่ 1 คิดเป็นสัดส่วนร้อยละ 66.67

  • มีความต้องการใช้บริการรูปแบบ SaaS มากเป็นอันดับที่ 2 คิดเป็นสัดส่วนร้อยละ 60.49

  • มีความต้องการใช้บริการรูปแบบ PaaS น้อยที่สุด คิดเป็นสัดส่วนเพียงร้อยละ 39.51

Screenshot 2014-10-08 07.54.08

รูปที่ 2 แผนงานด้าน Public Cloud

เมื่อสอบถามถึงประเภทของ Software ที่ต้องการใช้บริการ SaaS Public Cloud ทีมงานวิจัยพบว่า 5 อันดับแรกของ SaaS applications ที่หน่วยงานกลุ่มตัวอย่างต้องการใช้ มีดังนี้ โดยมีรายละเอียดแสดงในรูปที่ 3

อันดับที่ 1 ระบบ E-mail มีความต้องการใช้ร้อยละ 63.39

อันดับที่ 2 Desktop/Office อาทิเช่น Office 365 มีความต้องการใช้ร้อยละ 56.06

อันดับที่ 3 Storage อาทิเช่น Dropbox มีความต้องการใช้ร้อยละ 46.94

อันดับที่ 4 CRM มีความต้องการใช้ร้อยละ 30.61

อันดับที่ 5 ERP มีความต้องการใช้ร้อยละ 24.49

Screenshot 2014-10-08 07.56.49

รูปที่ 3 ประเภท Software ที่ต้องการใช้บริการ SaaS Public Cloud

ภาพรวมความพึงพอใจ เหตุผลการเลือกใช้ และปัญหาอุปสรรคเกี่ยวกับการใช้บริการ Cloud Computing ในประเทศไทย

เมื่อสอบถามกลุ่มตัวอย่างทั้งหมดถึงระดับความพึงพอใจในการใช้บริการ Cloud Computing ในภาพรวม โดยมีระดับความพึงพอใจตั้งแต่ระดับ 1 ถึง 5 (1 ไม่พึงพอใจที่สุด ถึง 5 พึงพอใจมากที่สุด) พบว่าระดับความพึงพอใจเฉลี่ยในการให้บริการ Cloud Computing ของหน่วยงานใประเทศไทยปัจจุบันอยู่ที่ระดับ 3.72 ซึ่งถือว่าหน่วยงานส่วนใหญ่มีความพึงพอในต่อการใช้บริการ

โดยเมื่อสำรวจถึงปัจจัยในการเลือกใช้บริการ Public Cloud ของหน่วยงานต่างๆ พบว่า เหตุผลหลักในการเลือกใช้บริการ Cloud Computing ที่มีสัดส่วนสูงที่สุด คือ พิจารณาจากข้อมูลด้านเทคนิคของผู้ให้บริการ อาทิเช่น ข้อมูล Data Center และ Bandwidth เป็นต้น ทั้งนี้ราคา รวมถึงรูปแบบราคาที่ยึดหยุ่นสอดคล้องกับขนาดธุรกิจ และ การพิจารณาจาก SLA ของผู้ให้บริการ ถือเป็นเหตุผลสำคัญอันดับที่สองในสัดส่วนที่เท่ากันในการพิจารณาเลือกใช้บริการ Cloud Computing โดยปัจจัยเลือกใช้อันดับที่ 3 คือ พิจารณาจากชื่อเสียงของผู้ให้บริการที่เป็นที่ยอมรับในระดับสากล ทั้งนี้ในส่วนของการพิจารณาเลือกใช้บริการ Cloud Computing จากการมีตัวแทนของผู้ให้บริการในประเทศไทย และจากคำแนะนำของที่ปรึกษาหรือแหล่งอ้างอิงอื่น ถือว่ามีความสำคัญแต่อยู่ในสัดส่วนที่ไม่สูงมากนัก

Screenshot 2014-10-08 07.59.07

รูปที่ 4 เหตุผลของหน่วยงานในการเลือกใช้บริการ Public Cloud

แต่อย่างไรก็ตามการใช้งานหรือใช้บริการ Cloud Computing ในประเทศไทยยังคงต้องก้าวข้ามอุปสรรคที่เผชิญอยู่หลายประการด้วยกัน ซึ่งจากผลการสำรวจความเห็นของกลุ่มตัวอย่างในประเด็นที่เกี่ยวกับอุปสรรคในการใช้ Cloud Computing พบว่า กลุ่มตัวอย่างถึงร้อยละ 70.62 เห็นว่าการใช้งาน Cloud Computing ยังมีความเสี่ยงด้านระบบความปลอดภัยต่างๆ อาทิเช่นเรื่องข้อมูล ร้อยละ 49.15 เห็นว่าการขาดบุคลากรที่มีความรู้ด้าน Cloud Computing ที่ดีพอ ยังเป็นอุปสรรคสำคัญ โดยร้อยละ 45.20 เห็นว่ากฎระเบียบของหน่วยงานและภาครัฐยังไม่เอื้อต่อการใช้งาน Cloud Computing ร้อยละ 33.90 เห็นว่ายังขาดความตระหนักและยังไม่เห็นประโยชน์ที่ชัดเจน ร้อยละ 31.64 ยังไม่มีงบประมาณในด้านดังกล่าว อีกทั้งร้อยละ 23.10 เห็นว่าการใช้งาน Cloud ในประเทศไทยยังขาดมาตรฐานอีกหลายๆด้าน และอีกร้อยละ 19.77 พบว่ายังไม่มีผู้ให้บริการที่สามารถให้บริการสอดคล้องกับความต้องการ

Screenshot 2014-10-08 08.01.47

รูปที่ 5 อุปสรรคของการใช้ Cloud Computing

นั้นคือบทสรุปคร่าวๆของผลสำรวจครั้งนี้ สนใจข้อมูลเพิ่มเติมติดต่อมาได้ที่ contact@imcinstitute.com

Big Data Analytics กับความต้องการ Data Scientist ตำแหน่งงานที่น่าสนใจในปัจจุบัน

ช่วงเดือนที่ผ่านมาผมมีโอกาสได้บรรยายและพูดคุยกับคนไอทีจำนวนมากเรื่อง Big Data  พอพูดถึงปัญหาเรื่องการขาดบุคลากรด้าน Data Scientist ดูเหมือนหลายๆคนไม่เข้าใจว่าตำแหน่งงานนี้ทำอะไร บ้างก็บอกว่าองค์กรมี Business Intelligence (BI) Analyst ที่เชี่ยวชาญอยู่แล้ว บ้างก็บอกว่าองค์กรมีโปรแกรมเมอร์ที่เก่งด้านการพัฒนาโปรแกรมอย่าง MapReduce บน Hadoop  อยู่มาก นั้นละคือ  Data Scientist พอเมื่อวันก่อนได้อ่านบทความของ ดร.อธิป อัศวานันท์ ผู้บริหารของ  True  และ รองประธานกรรมการธุรกิจเทคโนโลยีสารสนเทศและการสื่อสาร หอการค้าไทย เรื่อง “ความเข้าใจที่ผิดๆ เกี่ยวกับ Big Data และ Analytics (1)” ยิ่งทำให้เห็นสอดคล้องกับท่านว่า บ้านเรากำลังเข้าใจเรื่องนี้ผิดกันไปใหญ่

เพื่อความเข้าใจเกี่ยวกับงานทางด้าน Data Scientist  คงจะขอเริ่มจากความหมายของ  Big Data ซึ่งเคยให้ความหมายไปหลายครั้งว่า โลกในปัจจุบันกำลังเผชิญกับข้อมูลขนาดใหญ่ (Volume) หลากหลายรูปแบบ   (Variety)  ที่มีการเปลี่ยนแปลงอย่างรวดเร็ว (Velocity) ดังนั้นการจะได้ประโยชน์จากข้อมูลแบบนี้จำเป็นจะต้องหาเครื่องมือใหม่ๆมาใช้งานเช่น  Hadoop, NoSQL หรือ  NewSQL ซึ่งการทำ Big Data ก็มีระดับของ Maturity  Level ดังแสดงในรูปที่ 1 ขึ้นอยู่กับว่าเราจะการนำข้อมูลมาใช้แบบใด โดยระดับต่้นๆก็จะเป็นการทำ  Business Monitor หรือขั้นต่อมาก็อาจเป็นการทำ Business Insight ที่ต้องใช้ BI ไปจนถึงระดับอย่าง Business Optimization  ที่ต้องมีการทำ  Analytics ดังนั้นการทำ  Big Data ในระดับต้นก็อาจไม่มีด้าน Analytic มากนักแต่ก็จะไม่ได้ประโยชน์จากข้อมูลเท่าที่ควร เพราะการคาดการณ์อนาคตได้จากข้อมูลมหาศาลคือความได้เปรียบเหนือคู่แข่ง

Screenshot 2014-10-05 19.36.35

รูปที่  1  Big Data Maturity Level  จากหนังสือ Big Data: Understanding How Data Powers Big Business 

คราวนี้ก็อาจเริ่มมีคำถามว่า Business Insight ที่ใช้ BI Analyst และ Business Optimization ที่ใช้ Data Scientist มีความต่างกันอย่างไร เพื่อความเข้าใจในการวิเคราะห์ทั้งสองส่วนนี้ลองพิจารณาดูรูปที่  2 เราจะเห็นว่าทั้งสองกรณีเป็นการวิเคราะห์ข้อมูล แต่กรณีของ  BI จะเป็นการวิเคราะห์ข้อมูลที่มีอยู่เพื่อมาดูสถานภาพปัจจุบันดูข้อมูลที่ผ่านมา อาจเอานักสถิติมาวิเคราะห์ข้อมูล เขียนกราฟในมิติต่างๆ เพื่อทำให้เราเข้าใจข้อมูลได้ดีขึ้นซึ่งก็จะมีประโยชน์ในระดับหนึ่ง แต่เมื่อพูดถึง  Data Scientist คือการวิเคราะห์ข้อมูลที่เป็นการคาดการณ์สิ่งที่น่าจะเกิดขึ้นจากข้อมูลในอดีตจำนวนมากที่มีอยู่เช่น การคาดการณ์สินค้าที่ผู้ใช้จะซื้อ การคาดการณ์การตลาด การพยากรณ์เหตุการณ์ต่างๆทางวิทยาศาสตร์ สิ่งเหล่านี้คือ Predictive Analytic  ที่ต้องการนักวิจัยทีมีความรู้ด้าน Algorithm อย่างเช่น Machine Learning  เป็นอย่างดี

Screenshot 2014-10-05 19.49.23

รูปที่  2  ความแตกต่างระหว่าง  BI และ Data Scientist จากหนังสือ Big Data: Understanding How Data Powers Big Business 

ผมเองเคยทำวิจัยปริญญาเอกและเขียนบทความเรื่อง Optimal Power Dispatch in Multinode Electricity Market Using Genetic Algorithm ซึ่งเป็นการคาดการณ์การผลิตไฟฟ้าโดยใช้ทฤษฎีอย่าง Genetic Algorithm ซึ่งต้องใช้โมเดลคณิตศาสตร์ในการคาดการณ์อนาคต ที่เป็นเรื่องค่อนข้างยาก แม้วันนี้ผมจะเป็นนักไอทีที่เล่นเครื่องมือ  Big Data หลายตัวไม่ว่าจะเป็น Hadoop  การพัฒนาโปรแกรมอย่าง Map Reduce,  Hive  หรือ Big  แต่ก็ไม่กล้าที่จะเรียกตัวเองว่าเป็น  Data Scientist เพราะแม้จะมีความรู้ด้าน Predictive Algorithm มาบ้างแต่ก็ล้ามือมานานและวันนี้ไม่ใช้คณิตศาสตร์มากแบบเดิมแล้ว

เพื่อให้เข้าใจเรื่องความแตกต่างเดี่ยวกับ  BI และ Data Scientist มากขึ้น ผมขอยกตัวอย่างในกรณีที่มีข้อมูลการขายของร้านบน E-Commerce ของเราอยู่ ถ้าเรามีคำถามอย่างเช่น

  • ยอดขายสินค้าเราในเดือน หรือไตรมาสที่ผ่านมาเป็นอย่างไร
  • ผู้ซื้อสินค้ามีอายุเฉลี่ยเท่าไร เพศอะไร
  • ผู้ที่เข้าเยี่ยมชมเว็บไซต์มีค่าเฉลี่ยการซื้อจริงเท่าไร

การวิเคราะห์ข้อมูลเหล่านี้คือ BI  เราอาจใช้นักสถิติมาวิเคราะห์ มาเขียนกราฟ หรือถ้าข้อมูลเป็นแบบ unstructure  ที่อยู่บน  Hadoop เราก็อาจให้  Programmer  เขียนโปรแกรม MapReduce  มาวิเคราะห์ได้

คราวนี้ถ้าคำถามเราเปลี่ยนไปเป็นแบบการคาดการณ์อนาคต อาทิเช่น

  • ผู้ซื้อคนนี้ควรจะซื้อสินค้าอะไรในอนาคต  (Next Thing to Buy)
  • เราควรสั่งสินค้าอะไรมาขายเพิ่มเติม
  • ยอดขายในไตรมาสหน้าน่าจะประมาณการเท่าไร

คำถามแบบนี้ คนที่เป็น BI หรือ Programmer ทั่วไป คงจะให้คำตอบไม่ได้ เพราะจะต้องถามว่าแล้วฉันจะรู้ได้อย่างไร  การจะหาคำตอบเหล่านี้ได้นี้คนที่จะวิเคราะห์ต้องมีความรู้ด้าน Predictive Analytic  หรือ  Machine Learning  ต้องรู้ว่าจะเอาข้อมูลอะไรมาวิเคราะห์และต้องใช้  Algorithm อะไร ซึ่งคนที่ไม่ได้ศึกษาทางด้านนี้ย่อมไม่เข้าใจและทำไม่ได้โดยง่าย

ปัจจุบันผมกำลังให้คำปรึกษานักศึกษาปริญญาโทคนหนึี่งเรื่องของ  Big Data Analytic  นอกจากให้ศึกษาการติดตั้ง Hadoop  การพัฒนาโปรแกรมอย่าง MapReduce หรือ Hive  แล้ว ผมต้องให้เขาศึกษา Machine Learning  และเครืองมืออย่าง  Apache Mahout  เพื่อที่จะทำ Predictive Analytic ในการคาดการณ์ข้อมูลในอนาคต และพอมาอ่านหนังสืออย่าง Mahout  ที่จะพูดถึงโมเดลทางคณิตศาสตร์ด้าน Classification อย่าง Hidden Markov Models  คนที่ล้างานวิจัยด้านคณิตศาสตร์อย่างผมมานานก็เริ่มงง

หลายๆท่านอาจแปลกใจว่า แล้วบริษัทใหญ่ๆทั่วโลก  เขาหา Data Scientist มาจากไหน ผลสำรวจของ  NewVantage Partner เมื่อปี2013 ก็ระบุว่าตำแหน่งนี้หายากมาก  6%  บอกว่าไม่มีทางที่จะหาได้ 60% บอกว่าหายากมาก และส่วนมากก็จะต้องหาคนที่จบปริญญาเอกด้านคณิตศาสตร์ หรืออาจต้องดึงตัวมาจากบริษัทใหญ่ๆอย่าง Facebook  หรือ Google  ดังนั้นจึงมีการบอกกันว่าตำแหน่งงาน  Data Scientist ในปัจจุบันเป็นงานที่ดีมากให้เงินเดือนสูงๆ และหาคนได้ยากมาก ผมเคยได้ยินว่าบริษัทอย่าง  Singtel ของสิงคโปร์หา  Data Scientist มาโดยการดึงคนจบปริญญาเอกด้านคณิตศาสตร์จากยุโรปตะวันออก

Screenshot 2014-10-05 20.21.57

รูปที่  3  Big Data Talent Survey

สุดท้ายหลายคนก็ตั้งคำถามว่า ถ้าเราไม่มี Data Scientist เราจะทำ Big Data ได้ไหม จริงๆเราก็คงทำได้ละครับในมุมของ Business Insight  แต่ถ้าจะเป็นมุมของ Analytic ที่ต้องการ  Predictive Analytic  ก็คงจะเหนื่อยหน่อยครับอาจต้องหาคนไปศึกษาโมเดลคณิตศาสตร์และ  Algorithm เหล่านี้ แต่ยังไงเราก็ควรต้องเริ่มต้น ผมเองวันนี้ก็เน้นในการจัดอบรมสร้่าง IT Prefessional  ด้าน Big Data โดยเน้นเทคโนโลยีอย่าง Hadoop และหวังว่าในอนาคตจะมี  Data Scientist ที่เก่งๆจำนวนมากขึ้น

ธนชาติ นุ่มนนท์

IMC Institute

ตุลาคม 2557

ความจำเป็นของการมีผู้ให้บริการ Cloud ในประเทศ และงาน Cloud Expo Asia 2014

cloudmgmt

เมื่อพูดถึง Cloud Service Provider คนก็จะนึกถึงผู้ให้บริการในต่างประเทศเจ้าใหญ่ๆอย่าง Amazon Web Services, Microsoft Azure, Google หรือ Dropbox แต่เราก็มักจะได้ยินคำถามบ่อยๆว่าแล้วผู้ให้บริการ Cloud ในประเทศเราละเมื่อไรจะมี บ้างก็ถามหาบริการเฉพาะด้านในประเทศบ้างเช่น Storage as a Service, Big Data as a Service หรือ Platform as a Service

จากคำถามดังกล่าวทำให้น่าสนใจที่จะหาคำตอบว่า แล้วเราจะต้องมีผู้ให้บริการ Cloud ในประเทศหรือไม่ เราลองมาพิจารณาดูตัวอย่างผู้ให้บริการ Cloud หลักๆในต่างประเทศก่อนว่ามีบริการและราคาเป็นอย่างไรบ้าง

  • Amazon Web Services (AWS) แน่นอนเมื่อพูดถึง AWS เราจะนึกถึงภาพของผู้ให้บริการ IaaS รายใหญ่ที่สุด มีจำนวน Servers ถึง 4-5 แสนเครื่อง มีบริการที่หลากหลายตั้งแต่ Server, Storage, Database หรือแม้กระทั่ง Big Data อย่าง Hadoop จากจำนวน Server ที่มีอยู่ทำให้ผู้ใช้สามารถใช้งานในจำนวนที่ไม่จำกัดและราคาค่อนข้างคุ้มค่า นอกจากนี้ก็ยังมีลูกค้าจำนวนมาก บางรายก็ใช้ Infrastructure ของ  AWS เพื่อสร้างบริการ Cloud Services อื่นอย่างเช่น Dropbox  ใช้บริการ  S3 ของ  AWS  โมเดลธุรกิจของ AWS  เริ่มตั้งแต่ให้บริการฟรีแบบ Trial  เป็นเวลาหนึ่งปี ไปจนถึงการเช่า VM ทั้งที่เป็น public หรือ private จำนวนมาก
  • Digital Ocean เป็น Cloud Provider  ที่อยู่ใน New York ที่ให้บริการ IaaS ในราคาที่ถูกซึ่งเราสามารถที่จะจ่ายค่า  Server  ขนาด  2Core, 2GB Memory และ 3GB SSD Disk ด้วยราคาเพียง $20 ต่อเดือน ซึ่งในปัจจุบัน Digital Ocean มี Data Center  หลายๆแห่งทั่วโลกทั้งใน  Amsterdam, London หรือใน Singapore และเป็นบริษัทที่ให้บริการ IaaS ที่โตที่สุดในโลกรายหนึ่ง ล่าสุดทาง Netcraft  ระบุว่าจำนวนผู้ใช้  Web Facing Server ของ  Digital Ocean มีจำนวนสูงถึงอันดับ  5  ในโลกแซงหน้าบริษัทอย่าง Rackspace  ไปแล้ว
  • Dropbox  ถ้าเรานึกถึงผู้ให้บริการ  Storage as a Service  เราจะนึกถึงผู้ให้บริการอย่าง  Dropbox  ซึ่งมีโมเดลการให้บริการแบบฟรีสำหรับผู้ใช่้  2-5 GB และก็เพิ่มค่าใช้จ่ายเมื่อต้องการพื้นที่มากขึ้น แม้ Dropbox จะไม่มี  Infrastructure ของตัวเอง แต่ด้วยโมเดลธุรกิจและซอฟต์แวร์ที่มีผู้ใช้ทั่วโลกในหลากหลาย Platform ก็ทำให้ Dropbox  สามารถสู้กับคู่แข่งยักษ์ใหญ่อย่าง  Google Drive หรือ OneDrive  ของ Microsoft  ได้ ล่าสุดด้วยจำนวนผู้ใช้จำนวนมากและการมีคู่แข่งที่มากขึ้นทำให้ Dropbox  สามารถตัดราคามาเหลือเพียง  $100 ต่อปีสำหรับ เนื้อที่ถึง  1TB
  • Azure, SalesForce, Google, OpenShift ยังมีผู้ให้บริการ Cloud ในต่างประเทศอีกจำนวนมากที่ให้บริการ Cloud ที่หลากหลายในราคาถูก อาทิเช่น  Azure  ที่มีบริการทั้ง  PaaS  อย่าง  SQL as a Service, IaaS หรือบริการเฉพาะด้านอย่าง  Big Data as a Service หรือผู้ให้บริการอย่าง SalesForce.com ที่ให้บริการ SaaS อย่าง Sales CRM หรือ PaaS อย่าง Force.com

จากที่ยกตัวอย่างมาทั้งหมดเราจะเห็นว่าผู้ให้บริการ Cloud  ในต่างประเทศอาจมีจุดแข็งต่างๆดังนี้

  • มี Infrastructure ขนาดใหญ่และมี Data Center หลายๆแห่งทำให้มีระบบที่เสถียร
  • มีจำนวนลูกค้าจำนวนมาก ทำให้มี Economy of Scale สามารถให้บริการได้ถูกกว่าคู่แข่งรายอื่นๆ
  • มีบริการที่หลากหลาย มีระบบ APIs ที่ดีทำให้ลูกค้าสามารถต่อยอดการใช้งานโดยง่าย
  • มีประสบการณ์ในการทำงาน และมีทีมวิศวกรและนักพัฒนาจำนวนมากที่มีความสามารถ

แต่ปัญหาที่เรามักจะเจอกับการใช้บริการของผู้ให้บริการ Cloud ต่างประเทศก็คือ

  • การขาดตัวแทนในประเทศทำให้การสนับสนุนเชิงเทคนิคบางด้านไม่สามารถทำได้ตามความต้องการของลูกค้าได้
  • ขาดความยืดหยุ่น ยากที่จะการ  Customize  ให้ตรงกับความต้องการของลูกค้า
  • การจ่ายค่าบริการบางรายต้องชำระโดยตรงไปยังต่างประเทศ ทำให้ลูกค้าในบ้านเราไม่สามารถนำมาหักเป็นค่าใช้จ่ายในการเสียภาษีได้
  • ผู้ให้บริการต่างประเทศจะให้ความสนใจกับลูกค้าไทยน่้อยเนื่องจากจำนวนการใช้เราไม่มากพอ

เมื่อเจอปัญหาต่างๆเหล่านี้ โดยเฉพาะหน่วยงานใหญ่ๆและภาคราชการที่จะพบว่าการใช้บริการ  Cloud Computing ของต่างประเทศจะมีอุปสรรคที่อาจขัดต่อกฎระเบียบในการทำงาน จึงเริ่มมีการถามหาผู้ให้บริการในประเทศที่อาจสนับสนุนลูกค้าได้ดีกว่า แต่ปัญหาของการเป็นผู้ให้บริการในประเทศจะเจออุปสรรคต่างๆบางประการดังนี้

  • Economy of Scale  มีไม่เพียงพอ ถ้าผู้ให้บริการ Cloud  จะมุ่งให้บริการเพียงในประเทศจำนวนลูกค้าจะมีไม่มากพอ จะทำให้ไม่สามารถแข่งขันเรื่องราคากับต่างประเทศได้ ดังนั้นถ้าจะเปิดบริการในประเทศคงต้องเน้นในตลาดที่กว้างขึ้นอย่างตลาด  ASEAN หรือมุ่งไปทั่วโลก เพราะ Cloud ไม่เน้นเรื่องตำแหน่งที่ตั้งอยู่แล้ว แต่ข้อสำคัญคือการจะเป็น Cloud Provider  ที่จะไปแข่งต่างประเทศได้คงต้องเน้นตลาดเฉพาะทาง ซึ่งอาจไม่ใช่แค่ IaaS หรือ PaaS แบบพื้นฐาน แต่อาจต้องมีจุดเด่นเฉพาะที่ต้องให้บริการต่างกับรายอื่นๆ ที่เราสามารถตั้งราคาที่สูงได้
  • Infrastructure ที่ยังไม่พร้อม ประเทศเรายังเป็นผู้นำเข้า Server  และจำนวนที่นำเข้าในแต่ละ Data Center จะมีไม่มากนัก ดังนั้นการทำ IaaS ในบ้านเราก็คือการนำเข้า  Server ที่ราคาย่อมสูงกว่าผู้ให้บริการรายใหญ่ๆอย่าง AWS  ที่เขาซื้อและผลิต  Server  มาเป็นแสนๆตัว ต้นทุนของเขาก็ย่อมถูกกว่า อีกอย่างโครงสร้างพื้นฐานในบ้านเรายังไม่พร้อมที่ทำ Data Center ขนาดใหญ่ และถ้าจะทำต้นทุนเราจะสูงกว่ามาก ดังนั้นการทำ IaaS ในบ้านเราก็คือการซื้อสินค้าจากต่างประเทศเพื่อมาขายต่อที่ไม่สามารถทำราคาได้ถูกกว่าเขา แม้เราอาจได้  Knowhow เพียงเล็กน้อย แต่ถ้าต้องการทำจริงจังในระยะยาวคงต้องมีการทำ R&D ด้่่่านนี้ที่มากกว่านี้มาก
  • ขาดบุคลากร  การจะเป็นผู้ให้บริการ  Cloud  ที่จะแข่งกับต่างประเทศได้ เราต้องมีบุคลากรที่มีความเชียวชาญเฉพาะ เช่นถ้าเราคิดว่าจะเป็นผู้ให้บริการ  Big Data as a Service  เราต้องมีบุคลากรทางนี้ โดยเราอาจไม่จำเป็นต้องที  Infrastructure ในการให่้บริการ Big Data  เอง เราสามารถที่จะไปพึ่ง IaaS  ของต่างประเทศอย่าง AWS หรือ Google แต่สิ่งสำคัญคือบุคลากรที่มีความเก่งและมีจุดเด่นที่ทำให้เราแข่งขันได้ แล้วเราก็จะสร้างบริการ  Cloud เฉพาะด้านแข่งกับต่างประเทศได้
  • Bandwidth เชื่อมต่อต่างประเทศต่ำ อย่างที่บอกตอนต้นถ้าเราคิดจะเป็นผู้ให้บริการ  Cloud  เราต้องมุ่งตลาดในต่างประเทศ เราถึงจะได้ Economy of Scale แต่อุปสรรคสำคัญคือ Bandwidth  เชื่อมต่อไปยังต่างประเทศเรายังไม่ดีพอ ดังนั้นการที่จะเป็นผู้ให้บริการที่ต้องใช้ Infrastructure ที่ตั้งอยู่ในประเทศอาจเป็นเรื่องยาก
  • ขาดการทราบความต้องการของผู้ใช้ที่ชัดเจน ผู้ให้บริการ Cloud ทีต้องสร้าง Infrastructure ต้องทำหน้าที่เหมือนผู้ผลิตไฟฟ้า ต้องพยากรณ์ความต้องการของผู้ใช้ในระยะเวลา 2-3  ปีข้างหน้าได้อย่างชัดเจน จะได้ลงทุนด้าน Server  และ Infrastructure  ได้อย่างเหมาะสม และเพียงพอต่อความต้องการของผู้ใช้ แต่ปัจจุบันเราขาดข้อมูลทางด้านนี้ และยากที่จะคาดการณ์ของต้องการของผู้ใช้ทั้งในและต่างประเทศ

แต่ที่กล่าวมาทั้งหมดนี้ ไม่ได้หมายความว่า เราไม่ควรมีผู้ให้บริการ  Cloud Computing ในประเทศ แม้เราจะสู้เรื่องราคา โครงสร้างพื้นฐาน และบุคลากรไม่ได้ แต่เรายังมีความจำเป็นที่จะต้่องมีผู้ให้บริการ  IaaS หรือ PaaS ในประเทศด้วยเหตุผลต่างๆดังนี้

  • ความปลอดภัยและความมั่นคง หน่วยงานหลายๆแห่งอาจไม่เหมาะที่ไปใช้บริการของต่างประเทศ เพราะการนำข้อมูลบางอย่างไปไว้ในต่างประเทศอาจขัดกฎระเบียบและมีความเสี่ยงต่อความมั่นคง
  • การให้บริการกับหน่วยงานเฉพาะ เช่นภาคราชการ
  • การให้สนับสนุนทางด้านเทคนิคและการให้บริการลูกค้าที่ดีกว่า
  • การพัฒนาบุคลากรและการสร้างการเรียนรู้ทางด้าน Cloud Computing โดยเฉพาะในด้าน R&D  ระยะยาว
  • การให้บริการที่มีความยืดหยุ่นต้องการ  Customize  ให้กับลูกค้า
  • Bandwidth ที่รวดเร็วกว่าถ้า Infrastructure  อยู่ในประเทศ

แต่ที่กล่าวมาทั้งหมด ยังไม่ได้เน้นเรื่องของ SaaS การเป็นผู้ให้บริการ SaaS  เราสามารถแข่งขันได้อย่างแน่นอน โดยเฉพาะความเป็น  Localization หรือซอฟต์แวร์ที่เราสามารถเปิดให้บริการทั่วโลกได้ ในปัจจุบันบริษัทซอฟต์แวร์ไทยหลายๆรายก็เปิดให้บริการ  SaaS  โดยที่อาจไม่จำเป็นต้องใช้ Infrastructure ที่อยู่ในประเทศ

Cloud Expo Asia 2014

cloudexpo

สุดท้ายนี้ผมขอพูดถึงงาน  Cloud Expo Asia  ซักหน่อยหนึ่งเพราะปีที่แล้วผมไปงานนี้ และพบว่าเป็นงาน Cloud computing  ที่น่าสนใจ และน่าจะเป็นงาน Cloud ที่ใหญ่ที่สุดในเอเซีย ที่เราจะได้พบกับผู้ให้บริการ Cloud จากทั่วโลกทั้งที่เป็น IaaS, PaaS, SaaS รวมถึงผู้ผลิต  Cloud Infrastructure และยังมีหัวข้อในการบรรยายที่น่าสนใจในหลายๆด้าน ทั้งเรื่องของ Infrastructure, Virtualization, Security, PaaS, Cloud Management หรือ Big Data  โดยสามารถที่จะดูโปรแกรมการสัมมนาได้ที่

งาน Cloud Expo Asia ปีนี้จัดขึ้นคู่กับงาน Data Center World  ในวันที่  29-30 ตุลาคมที่  Suntec Exhibition Centre ประเทศ Singapore  ทาง IMC Institute ได้จัดอบรมหลักสูตร Cloud Computing  for Senior Management ในวันที่ 14-16  ตุลาคม และมีการพาไปดูงาน Cloud Expo Asia  ในวันที่ 28-30 ตุลาคม โดยนอกจากไปงานนี้แล้วยังพาไปเยี่ยมชมบริษัททางด้าน  Cloud Computing อย่าง  Amazon Web Services, Oracle, Microsoft และ VMWare  ในกรณีที่มีผู้สนใจต้องการไปดูงานอย่างเดียวก็สามารถทำได้ สำหรับรายละเอียดโปรแกรมหลักสูตรนี้ สามารถดูได้ที่

สำหรับโปรแกรมการดูงานโดยละเอียดมีดังนี้

28  ตุลาคม:

  • 8.00  น. เดินทางไป Singapore สายการบิน  Thai Airways เที่ยวบิน  TG403 (08:00-11:15)
  • 12.30  น. Check-in ที่โรงแรม Ibis Singapore On Bencoolen หรือเทียบเท่า และรับประทานอาหารเที่ยง
  • 14.00 น. เยี่ยมชมบริษัท Amazon Web Services
  • 16.30 น. เยี่ยมชม Oracle Solution Center เพื่อดูเรื่อง Private Cloud/Virtualization
  • 18.00 น. รับประทานอาหารเย็นบริเวณ  Suntec City Mall

29 ตุลาคม:

  • 9.00 – 16.00 น. เข้าชมงานและฟังสัมมนางาน Cloud Asia Expo 2014 ที่ SunTec Exhibition Center
  • 18.00 น. รับประทานอาหารเย็น ถนน Orchard

30 ตุลาคม:

  • 9.00 น. เยี่ยมชม Microsoft Technology Center
  • 13.00 น. ดูงานกับบริษัท VMWare  หรือ บริษัทด้าน Cloud  อื่นๆ
  • 18:15  น.  เดินทางกลับ  สายการบิน  Thai Airways เที่ยวบิน   TG408  (18:15-19:35)