Cloud Expo Asia 2017 กับความก้าวหน้าการใช้ Cloud ของสิงคโปร์

Screenshot 2017-10-19 21.42.20

ผมไปงาน  Cloud Expo Asia ติดต่อกันมา 5 ปี และปีนี้ก็ไปอีกครั้งในช่วงสัปดาห์ที่ผ่านมา (11-12 ตุลาคม) งานนี้เขาจัดใหญ่ขึ้นเรื่อยๆจากเดิมที่เคยจัดที่ SunTec ก็ย้ายมาจัดในสถานที่ใหญ่ขึ้นตรง Marina Bay Sands และก็มีงานที่จัดร่วมกันหลายๆงานอาทิเช่น Data Center World, Big Data World, และ Smart IoT Singapore พร้อมกับมีห้องสัมมนาหลายๆด้านกว่า 300 หัวข้ออาทิเช่น

  • Cloud Expo Asia Keynote Theatre
  • DevOps, Containers, Open Cloud and Software Architecture Theatre
  • Infrastructure, Storage and Virtualisation & Agile Networks Theatre
  • Multi-Cloud Strategies & Managed Services Theatre
  • Cloud Innovations & Cloud Service Providers Theatre
  • Fintech, Finance & Banking Technology Theatre

รวมถึงห้องสัมมนาของงานที่จัดร่วมคือ

  • Big Data and Analytics Theatre
  • Big Data Open Air Theatre
  • The Internet of Things Theatre
  • Data Centre World Keynote Theatre
  • Critical Equipment and Facilities Management
  • Energy Efficiency, Cost Management, DCIM & Design and Build Theatre

NNM_3488

งาน Cloud Expo Asia ครั้งนี้ก็มีจัดแสดงโซลูชั่นด้าน Cloud Computing, Big Data และ Data Center จาก Sponsor จำนวนมากอาทิเช่น Google Cloud, Oracle, Fujitsu, Huawei, SAP, Cloudera, Hortonworks โดยมีผู้ร่วมออกบูธมากกว่า 300 รายและมีคนเข้าชมในช่วงสองวันของการจัดงานหลายพันคน และทาง  IMC Institute ก็พาผู้เข้าอบรมในหลักสูตร Cloud Computing for Senior Management เข้าไปร่วมดูงาน

สิ่งหนึ่งที่เห็นถึงการเปลี่ยนแปลงของงานนี้คือ Cloud Adoption ในสิงคโปร์ค่อนข้างจะอยู่ในขั้นก้าวหน้า การถกเถียงเรื่องว่าจะใช้ Cloud หรือไม่นั้นคงไม่ใช่เป็นประเด็นที่สำคัญ เขาสามารถที่จะดึง Cloud Provider รายใหญ่ๆหลายรายมาลงทุนในประเทศเนื่องจากตลาดที่ใหญ่พอ และกฎระเบียบต่างๆของประเทศเขาก็เร่งปรับเปลี่ยนให้สอดคล้องกับการเปลี่ยนแปลงเทคโนโลยี นอกจากนี้ก็ยังเห็นผู้ให้บริการ Cloud หลายๆที่เป็นบริษัทในประเทศเขาเอง เพราะรัฐบาลก็มีนโยบายการส่งเสริมให้ใช้และสร้างเทคโนโลยีด้าน Cloud Computing

งานนี้ถือว่าเป็นงานระดับเอเซียที่เราเห็นผู้คนจากหลายๆประเทศเข้ามาชมงานและฟังสัมมนา สิ่งหนึ่งที่น่าชื่นชมคือห้องสัมมนาสิบกว่าห้องนั้นคนร่วมงานต้องแย่งกันเข้าคิวเพื่อที่จะรอฟังสัมมนาหัวข้อถัดไป ซึ่งส่วนใหญ่จะเต็มทุกห้อง และหัวข้อในการสัมมนาจำนวนอยู่ในขั้น Advance มากกว่าจะพูดถึงขั้นพื้นฐานที่มาแนะนำ Cloud Computing หรือ Big Data ทำให้ผมตั้งขอสังเกตผู้ใช้ของเขาเองซึ่งอาจเป็นคนไอทีหรือ End-user ก็มีความเข้าใจและคุ้นเคยกับการใช้เทคโนโลยีใหม่ๆเหล่านั้นเป็นอย่างดี และพวกเขาก็กระตือรือล้นที่จะทำความเข้าใจกับเทคโนโลยีต่างๆจากการฟังสัมมนาและชม Exhibition

สุดท้ายสิ่งที่เห็นเป็นการเปลี่ยนแปลงมากก็คือ Theme ของงานเอง ที่แต่ก่อนอาจจะเน้นเรื่องของการแนะนำการใช้ Cloud Technology พูดถึง Cloud Governance หรือ  Cloud Security หรือปีที่ผ่านมาก็อาจเน้นเรื่องของการนำมาประยุกต์ใช้กับ Big Data แต่ Theme ในปีนี้คือการเน้น Cloud Platform มาทำเรื่องของ Artificial Intelligence หรือ Machine Learning ซึ่งทำให้ผู้พัฒนาระบบสามารถที่พัฒนาโซลูชั่น AI ต่างๆได้อย่างรวดเร็ว และก็เห็นได้ว่า Cloud Provider ทุกรายต่างมุ่งเน้นมาทำเรื่องนี้ไม่ว่าจะเป็น Google, Oracle, Microsoft, AWS หรือ Alibaba

หากเปรียบเทียบเนื้อหาและความสนใจของคนที่มางาน Cloud Expo Asia กับงานต่างๆที่จัดอยู่ในบ้านเรา ก็คงจะเห็นว่าเรายังห่างไกลกับเขาอีกมาก ถ้าจะแข่งได้คงไม่ใช่ที่จะไปจัดงานแข่ง แต่ต้องเน้นสร้างคนให้มีคุณภาพเร่งพัฒนาเทคโนโลยี งานต่างๆเป็นแค่สีสันที่ Vendor อาจเอาโซลูชั่นและสินค้าใหม่ๆมาแสดง แต่หากผู้ที่เข้ามาร่วมงานขาดความรู้พื้นฐานและประสบการณ์การใช้เทคโนโลยีใหม่ๆเหล่า เราก็คงเป็นได้แค่คนมาชมงานกับเนื้อหาง่ายๆที่ไม่ได้สร้างศักยภาพการแข่งขันใดๆของประเทศเรา

ธนชาติ นุ่มมนท์

IMC Institute

Neo-API Bank แนวทางการแข่งขันของธนาคารพาณิชย์ในกระแสของ FinTech

25182135_982595078554499_4976486232400632025_o (1)

บริษัท Startup กำลังนำเทคโนโนโลยีใหม่ๆเข้ามาให้บริการลูกค้าในกลุ่มธุรกิจการเงินการธนาคาร หรือที่เรียกว่า FinTech (Financial Technology) ทำให้เกิดรูปแบบการแข่งขันใหม่ๆเช่น การให้บริการชำระเงิน (เช่น PayPal, AliPay)  การบริการกู้เงิน (เช่น Lendingclub) จนบางคนตั้งข้อสังเกตว่า FinTech อาจจะทำให้ของธนาคารพาณิชย์แข่งขันลำบากในอนาคต เพราะกลุ่ม Startup มีความคล่องตัวในการทำงาน ลดค่าใช้จ่าย และเข้าถึงกลุ่มลูกค้าได้ดีกว่าโดยการใช้เทคโนโลยี

แต่แท้จริงแล้วธนาคารพาณิชย์ก็ยังมีจุดแข็งที่เป็นสถาบันที่ได้รับความเชื่อมั่นจากประชาชน ที่มั่นใจจะมาทำธุรกรรมต่างๆกับธนาคารมากกว่า FinTech Startup ธนาคารพาณิชย์ยังมีฐานลูกค้าปัจจุบันจำนวนมาก และมีข้อมูลการทำธุรกรรมจำนวนมหาศาลของลูกค้า นอกจากนี้ธนาคารพาณิชย์ยังเป็นผู้ได้รับอนุญาตจากหน่วยงานที่กำกับดูแลสถาบันการเงินให้ทำธุรกรรมต่างๆได้ ก็คงยังเป็นจุดที่ทำให้ Startup ต่างๆเข้ามาแข่งขันในช่วงนี้ได้ยาก

แต่อุปสรรคที่สำคัญของธนาคารพาณิชย์ที่จะนำเทคโนโลยีใหม่ๆเข้ามาใช้งานในการแข่งกับ Startup ก็คือระบบ Core-banking โดยมากยังเป็นระบบไอทีแบบเดิมๆ ยากต่อการปรับนำเทคโนโลยีใหม่ๆบางด้านเข้ามา และมักจะมีความล่าช้าในการดำเนินงาน ข้อสำคัญบางครั้งธนาคารก็อาจไม่มีทีมงานที่จะมาเน้นงานวิจัยที่จะศึกษาเทคโนโลยีใหม่ๆเหล่านี้ในการที่จะนำมาใช้ในระบบของธนาคาร ประกอบกับธนาคารเป็นหน่วยงานที่ใหญ่จึงไม่มีความคล่องตัวเช่นบริษัท FinTech จึงทำให้ธนาคารพัฒนาเทคโนโลยีใหม่ๆช้ากว่ากลุ่ม FinTech ที่อาจเน้นธุรกรรมการเงินเฉพาะในบางด้าน

ดังนั้นจึงจำเป็นอย่างยิ่งที่ธนาคารพาณิชย์จะต้องปรับระบบเทคโนโลยีด้านไอทีให้สามารถที่จะให้บริการธุรกรรมต่างร่วมกับกลุ่ม FinTech Startup เหล่านี้ให้ได้ โดยอาศัยการปรับเทคโนโลยี Core Banking ให้สนับสนุนการใช้  API (Application Programming Interface) เพื่อให้โซโลชั่นของกลุ่ม FinTech สามารถเชื่อมต่อและเรียกใช้งานได้ โดยอาศัยจุดแข็งของธนาคารที่มีใบอนุญาต มีลูกค้าจำนวนมากในปัจจุบันที่มีอยู่ในฐานข้อมูลลูกค้า (CRM) และมีระบบในการตรวจสอบตัวตนลูกค้า (KYC) ซึ่งไม่ใช่จุดแข็งของกลุ่ม FinTech Startup แนวโน้มของธนาคารพาณิชย์ปัจจุบันจึงจะต้องปรับตัวเป็น Neo-API bank ที่อาจมีโมเดลดังรูปที่ 1 ที่เป็นการใช้ Core Banking Platform  + API Layer + KYC + CRM  + Banking License ของธนาคารพาณิชย์ร่วมกับโซลูชั่นของกลุ่ม FinTech ที่เชื่อมต่อผ่าน API Layer ทั้งนี้ Neobank จะมีความแตกต่างกับ Challenge Bank ที่เป็นธนาคารใหม่ซึ่งอาจต้องมีใบอนุญาตใหม่แล้วมีการทำธุรกรรมโดยไม่ใช้รูปแบบเดิมๆเช่นอาจเป็น Digital Bank ล้วนๆโดยไม่มีสาขา แต่ทั้งนี้นิยามของ Neobank เองก็ยังสับสนบางแห่งก็ระบุว่าเป็นบริษัทที่ให้บริการธุรกรรมทางการเงินโดยไม่ได้เน้นเรื่องใบอนุญาตธนาคาร

Screenshot 2017-10-13 16.19.09

รูปที่  1 Neo-API Bank (Core banking platform + API Layer + CRM + KYC + Banking License + FinTech Companies)  [ภาพจาก The next 10 years in Fintech, Kantox]

นอกจากนี้หากเราพิจารณาถึงระดับขั้นของการเปลี่ยนแปลง (Disruption) ที่ทาง FinTech จะมีผลกระทบต่อระบบหลักของธนาคารอาจแบ่งได้ตามกลุ่มของต่างๆดังรูปที่ 2 ซึ่งกลุ่มวงนอกจะกระทบต่อสถาบันการเงินก่อนวงในๆ กล่าวคือ กลุ่มของ Banking Tech เช่นการทำ Data Management, Analytic, CRM หรือ Security จะเป็นกลุ่มแรกที่เข้ามาเปลี่ยนแปลงวิธีการทำธุรกรรมของธนาคาร ขั้นต่อมาคือกลุ่มของ Payments เช่น Mobile Payment หรือ P2P Money Transfer ระดับขั้นที่สามคือ Cyber Currency สกุลเงินดิจิทัลเช่น Bitcoin หรือ Digital Wallet ขั้นต่อมาคือ กลุ่มของ Business Finance เช่น CrowdFunding หรือ P2P Business Lending ระดับขั้นที่ห้า คือกลุ่มของ Consumer Finance เช่น Personal Finance Management, Mortage Lending, Robo Advisor หรือ P2P Consumer Lending และขั้นสุดท้ายคือการทำ Alternative Core เช่น Alternative car insurance หรือ  Digital Bank

Screenshot 2017-10-13 17.40.24

รูปที่ 2 Layers of disruption in FinTech [ภาพจาก SparkLabs]

ในปัจจุบันเราเริ่มเห็นตัวอย่างของ FinTech ที่ร่วมกับ Neobank หลายๆแห่งอาทิเช่น Moven ซึ่งเป็น mobile first experience platform โดยร่วมมือกับ CBW Bank หรือ Simple ซึ่งเป็น FDIC-insured checking accounts โดยร่วมมือกับ Compass Bank และ Bancorp Bank ทั้งนี้ทาง Techfoliance ได้จัดทำ The Global NeoBank Landscape และนำเสนอเป็นบทความและรายชื่อของ Neobank ที่สำคัญทั่วโลกดังรูปที่ 3

Screenshot 2017-10-13 18.23.56

รูปที่ 3 The Global NeoBank Landscape [ภาพจาก Techfoliance]

กล่าวโดยสรุปธนาคารพาณิชย์ต่างๆคงต้องปรับระบบ  Core banking เพื่อให้สามารถใช้จุดแข็งของธนาคารเพื่อให้ร่วมมือกับ FinTech ได้มากขึ้น ทั้งนี้กลุ่มแรกที่จะเห็นก็คงเป็นเรื่องของ Banking Tech และ Payment

ธนชาติ นุ่มนนท์

IMC Institute

 

ก็เพราะว่าผมใช้ Cloud Computing เลยทำให้ผมทำโครงการต่างๆได้ง่ายขึ้น

22221771_938806159600058_2163465171428810350_n

ผมเริ่มใช้ IaaS/PaaS cloud computing มามากกว่า 10 ปี การที่ผมใช้ cloud computing เริ่มแรกอาจจะมองที่ว่ามันประหยัดค่าใช้จ่ายมันทำให้ผมสร้าง server ได้เร็วขึ้น พัฒนา Web Application ได้สะดวกขึ้นและสามารถทำอะไรได้มากขึ้นกว่าเดิม แต่เอาเข้าจริงๆแล้วสิ่งที่ผมได้ประโยชน์จากการใช้ cloud computing มันมีมากกว่าการประหยัดค่าใช้จ่าย มันช่วยทำให้ผมได้เรียนรู้สิ่งต่างๆได้รวดเร็วขึ้น อาทิเช่นในยุคที่มี big data เริ่มต้นผมก็ใช้ cloud computing ในการสร้าง server ทดลองติดตั้ง big data Hadoop เวอร์ชั่นต่างๆ ทำให้ผทเรียนรู้ big data ได้รวดเร็วกว่าคนอื่น มี Machine Learning/Deep Learning เข้ามาผมก็ใช้ Cloud computing ทำการทดลอง กล่าวคือ Cloud Computing ทำให้สร้างนวัตกรรมและสร้างความคล่องตัวในการทำงาน

หลายๆคนเคยถามคำถามผมว่าทำไมไม่ใช้ Cloud Comuting ในประเทศ ซึ่งถ้ามองแค่การสร้าง virtual server แน่นอนหรอกครับเราอาจจะพิจารณาการใช้ cloud computing ที่มีอยู่ในประเทศ แต่สิ่งที่ผมทำ มันมีความต้องการใช้ Service ต่างๆมากกว่าแค่ virtual server ผมใช้ทั้ง Database as a service, Storage as a service, Hadoop as a service หรือแม้แต่ Machine learning as a service

บ่อยครั้งที่ทาง IMC Institute จัดอบรมหลักสูตรต่างๆแล้วเอา cloud computing เข้ามาช่วยในการเรียนการสอน เราให้ผู้เรียนสามารถสร้าง virtual server ใช้ service ต่างๆบน cloud จนบางครั้งเราเปิดเครื่อง Server มากถึงเกือบ 100 เครื่อง นอกจากนี้เรายังนำคลาวด์คอมพิวติ้งเข้ามาใช้ในการทำงานทำวิจัยทั้งการพัฒนาระบบ big data ต่างๆเพราะหากต้องรอจัดหาโครงสร้างพื้นฐานเช่นการหาซื้อเครื่อง server การหาซอฟต์แวร์มันคงต้องใช้งบประมาณเป็นจำนวนมาก

ผมเริ่มเล่นคลาวด์คอมพิวติ้งในช่วงแรกๆโดยใช้ Google App Engine ในการสร้าง Application และก็นำมาสอนให้คนอื่นๆใช้ ต่อมาก็ใช้ Amazon web services ตอนเริ่มต้นเหมือนหลายๆคนก็อาจจะเล่นแค่ EC2 เอามาสร้าง virtual server และการใช้บริการอย่างอย่าง S3 ที่เป็น Cloud Storage จากนั้นก็ขยับมาใช้ RDS, EMR, BeansTalk และ Service อื่นๆจำนวนมาก และนำมาเป็น Cloud Computing หลักในการสอน แต่พบว่าค่าใช้จ่ายค่อยข้างสูงและไม่สะดวกกับผู้เข้าอบรมที่จะต้องนำไปเรียนรู้ต่อ

ผมเองก็ใช้ Microsoft Azure ในการทำงานและการสอนต่างๆ โดยเฉพาะการใช้ HDInsight ที่เป็น Big Data Service และการใช้เครืองมืออย่าง Machine Learning as a Service ที่สะดวกและทำให้ผู้เรียนเข้าใจเรื่อง Machine Learning ได้ง่าย จุดเด่นของ Azure อีกอย่างคือมีการทดลองให้ใช้ฟรีทุกบริการวงเงิน $200 ซึ่งมากพอให้คนเรียนรู้และสร้างนวัตกรรมต่างๆได้

ทุกวันนี้ Google Cloud Platform (GCP) คือบริการ Cloud Computing หลักๆที่ผมใช้ โดยเฉพาะในการทำโครงการ Big Data ใช้ในการสอนหลักสูตรต่างๆรวมทั้งหลักสูตรด้าน Big Data เพราะ GCP มีราคาค่อนข้างถูก และผมใช้ สร้าง Services ได้รวดเร็วกว่า และมีวงเงินฟรีเริ่มต้น $300 ทำให้ผู้เรียนสามารถนำไปต่อยอดได้ง่าย ผมใช้บริการบน GCP หลากหลายอาทิเช่น Compute Engine, Cloud Storage, Cloud SQL, DataProc, Big Query, Machine Learning และ Data Studio ด้วยบริการบน Cloud ทำให้ผมสามารถทำ Machine Learning กับข้อมูลมหาศาลหลายร้อยล้านเรคอร์ด การทำ Big Data กับข้อมูลเป็น TeraByte ได้อย่างรวดเร็ว

Screen Shot 2015-04-15 at 6.33.15 PM

Cloud Computing เป็นการสร้างนวัตกรรมให้กับองค์กร มันทำให้องค์กรสามารถเข้าถึงระบบได้อย่างรวดเร็ว มันสามารถทำให้เกิดความคล่องตัวในการทำงานข้อสำคัญสุด มันสร้าง time to Market ไห้กับองค์กรได้อย่างรวดเร็วสามารถแข่งกับคู่แข่งได้

แม้ผมจะสอนคนใช้ Cloud Computing แบบลงมือปฎิบัติมาเป็นพันคนเกือบสิบปีแล้ว รวมถึงสอนอาจารย์มหาวิทยาลัยหลายร้อยคน หลายๆคนเคยเรียนหลักสูตรต่างๆกับผม แล้วผมพาทำ Lab โดยใช้ Cloud Computing แต่ผมก็อดแปลกใจไม่ได้ เมื่อไปบรรยายตามที่ต่างๆแล้วยังพบว่าคนไอทีไทยส่วนใหญ่ก็ยังไม่ค่อยสัมผัสหรือเล่น Cloud Computing เหล่านี้ ผมก็ไม่แน่ใจว่าเราจะแข่งขันกับต่างประเทศได้อย่างไร เพราะเวลาไปคุยกับต่างประเทศเขาคุ้นเคยกับการใช้บริการเหล่านี้จนเป็นเรื่องปกติ เพราะวันนี้การจะทำนวัตกรรมให้ได้รวดเร็วมันต้องพึ่งบริการ Cloud Computing ดังนั้นหากเราจะมุ่งไปสู่ Thailand 4.0 จริงเราคงต้องเร่งส่งเสริมให้คนไอทีเข้ามาสู่ระบบ Cloud Computing กันมากกว่านี้ มิฉะนั้นเราคงจะแข่งกับเขาลำบาก

ธนชาติ นุ่มนนท์

IMC Institute

 

Big Data as a Service แนวทางการทำโครงการ Big Data ที่ไม่ต้องลงทุนโครงสร้างพื้นฐาน

Screenshot 2017-09-18 10.59.49

ช่วงหลายเดือนที่ผ่านมาผมเดินสายบรรยายเรื่อง Big Data Jumpstart  โดยแนะนำให้องค์กรต่างๆทำ  Big Data  as a Service ซึ่งเป็นการใช้ Cloud Services ของ Public cloud หลายใหญ่ต่างๆทั้ง  Google Cloud Platform, Microsoft Platform หรือ Amazon Web Services (AWS) ทำให้เราสามารถที่จะลดค่าใช้จ่ายได้มหาศาลโดยเฉพาะกับองค์กรขนาดกลางหรือขนาดเล็กที่ไม่มีงบประมาณหลายสิบล้านในการลงทุนโครงสร้างพื้นฐานด้าน Big Data

Screenshot 2017-10-02 08.27.19

รูปที่ 1 องค์ประกอบของเทคโนโลยีสำหรับการทำ Big Data

การลงทุนโครงสร้างพื้นฐานหรือการจัดหาเทคโนโลยีสำหรับโครงการ Big Data โดยมากจะมีการลงทุนอยู่สี่ด้านคือ 1) Data Collection/Ingestion สำหรับการนำข้อมูลเข้ามาเก็บ  2) Data Storage สำหรับการเก็บข้อมูลที่เป็นทั้ง structure และ unstructure 3) Data Analysis/Processing สำหรับการประมวลผลข้อมูลที่อยู่ใน data storage และ 4)  Data visualisation  สำหรับการแสดงผล

ปัญหาที่องค์กรต่างๆมักจะมีก็คือการจัดหาเทคโนโลยีด้าน Data storage ที่จะต้องสามารถเก็บ Big Data ซึ่งนอกจากจะมีขนาดใหญ่แลัวข้อมูลยังมีความหลากหลาย จึงต้องหาเทคโนโลยีราคาถูกอย่าง Apache Hadoop มาเก็บข้อมูล แต่การติดตั้งเทคโนโลยีเหล่านี้ก็มีค่าใช้จ่ายในการหาเครื่องคอมพิวเตอร์ Server จำนวนมากมาใช้ และค่าใช้จ่ายด้าน Hardware ก็ค่อนข้างสูงหลายล้านบาท บางทีเป็นสิบล้านหรือร้อยล้านบาท ซึ่งอาจไม่เหมาะกับองค์กรขนาดเล็ก หรือแม้แต่องค์กรขนาดใหญ่ก็มีคำถามที่จะต้องหา Use case ที่ดีเพื่อตอบเรื่องความคุ้มค่ากับการลงทุน (Returm of Investment) ให้ได้

ดังนั้นการทำโครงการ Big Data ไม่ควรจะเริ่มต้นจากการลงทุนเรื่องเทคโนโลยี ไม่ใช่เป็นการจัดหาระบบอย่างการทำ Apache Hadoop แต่ควรจะเป็นการเริ่มจากคิดเรื่องของธุรกิจเราต้องคิดเรื่องของ Business Transformation (Don’t thing technology, think business transformation) การทำโครงการ Big Data ควรเริ่มจากทีมด้านธุรกิจไม่ใช้หานักเทคโนโลยีมาแนะนำการติดตั้งระบบหรือลง Hadoop หรือหานักวิทยาศาสตร์ข้อมูลมาทำงานทันที เพราะหากฝ่ายบริหารหรือฝ่ายธุรกิจมีกลยุทธ์ด้าน Big Data เข้าใจประโยชน์ของการทำ Big Data ได้ เราสามารถเริ่มต้นโครงการ Big Data ได้อย่างง่าย โดยใช้ประโยชน์จากบริการ Big Data as a Service บน Public cloud ซึ่งทำให้องค์กรไม่ต้องเสียค่าใช้จ่ายเริ่มต้นในราคาแพง ที่อาจไม่คุ้มค่ากับการลงทุน

เทคโนโลยีในการทำ Big Data  ต่างๆเช่น Big data storage (อย่าง Hadoop HDFS) เราสามารถใช้ Cloud Storage  อย่าง Amazon S3, Google Cloud Storage หรือ Azure Blob เข้ามาแทนที่ได้ โดยบริการเหล่านี้ค่าใช้จ่ายในการใช้จ่ายในการใช้งานจะต่ำกว่าการติดตั้ง Hadoop มาใช้งานเป็นสิบหรือร้อยเท่า แม้อาจมีข้อเสียเรื่องเวลาในการ Transfer ข้อมูลจาก site ของเราขึ้น Public Cloud แต่หากมีการวางแผนที่ดีแล้วสามารถทำงานได้อย่างมีประสิทธิภาพ เช่นเดียวกับเรื่องความปลอดภัยของข้อมูบบน Public cloud หากมีการพิจารณาการใช้ข้อมูลที่เหมาะสมหรือการเข้ารหัสข้อมูลก็จะตัดปัญหาเรื่องเหล่านี้ไปได้

เช่นเดียวกันในการประมวลผลเราสามารถใช้บริการบน Public cloud ที่ใช้ระบบประมวลผลอย่าง Hadoop as a service เช่น DataProc บน Google Cloud Platform, HDInsight ของ Microsoft Azure หรือ EMR ของ AWS ซึ่งมีค่าใช้จ่ายตามระยะเวลาการใช้งาน  (pay-as-you-go) ซึ่งเราไม่จำเป็นต้องเปิดระบบตลอด และมีค่าใช้จ่ายที่ต่ำมาก รวมถึงการใช้บริการอื่นๆอย่าง Machine Learning as a Service บน public cloud  ที่มีความสามารถที่ค่อนข้างสูง ทำให้เราสามารถทำงานได้อย่างมีประสิทธิภาพ

แม้แต่การทำ Data Visualisation เราก็สามารถที่จะใช้เครื่องมือบน public cloud ที่จัดเป็น Big Data Software as a Service อย่างเช่น Google Data Studio 360, PowerBI บน Microsoft Azure หรือ Quicksight ของ AWS ได้ ซึ่งรูปที่ 2 ก็แสดงสรุปให้เห็นบริการ Cloud Service เหล่านี้ บน public cloud platform ต่างๆ

Screenshot 2017-10-02 12.09.47

รูปที่ 2 Tradition Big Data Technology เทียบกับ Big Data as a Service ต่าง

ซึ่งการทำโครงการ Big Data โดยใช้ public cloud เหล่านี้สามารถที่จะเริ่มทำได้เลย ไม่ได้มีค่าใช้จ่ายเริ่มต้น และค่าใช้จ่ายที่ตามมาก็เป็นค่าบริการต่อการใช้งาน ซึ่งค่าบริการที่อาหมดไปหลักๆก็จะเป็นค่า Cloud Storage  ที่อาจเสียประมาณเดือนละไม่ถึงพันบามต่อ Terabyte และหากเราต้องการเปลี่ยนแปลงหรือยกเลิกบริการเหล่านี้ก็สามารถใช้ได้ทันที ซึ่งวิธีการตัดสินใจที่จะทำโครงการ Big Data เหล่านี้ก็จะไม่ได้เน้นเรื่องของความคุ้มค่ากับการลงทุนมากนัก เพราะค่าใช้จ่ายเริ่มต้นต่ำมาก แต่มันจะกลายเป็นว่า เราจะทำโครงการอะไรที่ให้ประโยชน์กับธุรกิจมากสุด และเมื่อเริ่มทำลงทุนเรื่มต้นเล็กน้อยก็จะเห็นผลทันทีว่าคุ้มค่าหรือไม่

กล่าวโดยสรุป วันนี้เราสามารถเริ่มทำโครงการ  Big Data ได้เลยโดยเริ่มที่โจทย์ทางธุรกิจ คุยกับฝั่งธุรกิจ ไม่ใช่เริ่มที่เทคโนโลยี

ธนชาติ นุ่มนนท์

IMC Institute

ตุลาคม 2560