thanachart IT Trends

งานสัมมนา IT Trends 2019 ของสถาบันไอเอ็มซี Putting Digital Transformation to Work

Screenshot 2018-10-22 13.30.30

IMC Institute จัดงานสัมมนา IT Trends มาต่อเนื่องกันทุกปี ทุกครั้งจะเชิญวิทยากรผู้ทรงคุณวุฒิในประเทศมายี่สิบกว่าท่านเพื่อจะ Update ในปีถัดไปว่าแนวโน้มด้านไอทีของบ้านเราจะมีเทคโนโลยีและความเคลื่อนไหวต่างๆของอุตสาหกรรมด้านใดที่สำคัญ ในปีนี้ทาง IMC Institute ก็จัดงานนี้ร่วมกับทาง บริษัท Optimus (Thailand) เป็นปีที่หก โดยกำหนดจัดงานขึ้นในวันที่  12-13 ธันวาคม 2561 ที่โรงแรมสวิสโซเทล เลอ คองคอร์ด  โดยได้เชิญวิทยากรมาทั้งหมด 35 ท่านโดยตั้งเป็นหัวข้อว่า Putting Digital Transformation to Work ทั้งนี้จะเน้นเรื่องของแนวโน้มด้านเทคโนโลยีสารสนเทศที่จะมีผลกระทบต่อ Digital Transformation ขององค์กร (ดูรายละเอียดเพิ่มเติมได้ที่ www.imcinstitute.com/IT-Trends-2019)

ทั้งนี้เมื่อพิจารณาดู Gartner IT Strategic Trends 2019 เราอาจไม่เห็นความแตกต่างกับปีที่ผ่านมาๆมากนัก โดยจะแบ่งเป็นสามด้านเช่นเดิมคือ Intelligent, Digital และ Mesh แต่เนื้อหาโดยละเอียดจะเห็นประเด็นที่น่าสนใจเพิ่มเติมในบ้างด้านเช่น Intelligent จะกล่าวถึง augmented analytics และ AI-driven development ที่จะทำให้การพัฒนา AI เป็นไปได้ง่ายและอัตโนมัติมากขึ้น นอกจากนั้นก็ยังเน้นเรื่องของ   Empowered edge และ Immersive technologies ในกลุ่มของ Digital  และยังกล่าวถึง Smart spaces อย่างเช่น Smart city ซึ่งจะเห็นสภาพแวดล้อมที่ผสมกันกับโลก Physical ปัจจุบันกับโลกดิจิทัล สุดท้ายก็ชี้เห็นถึง Quantum computing ที่กำลังเข้ามาซึ่งจะทำให้การประมวลผลต่างๆได้อย่างรวดเร็วมหาศาล รวมถึงเรื่องของ Digital ethics and privacy ที่กำลังกลายเป็นเรื่องสำคัญอย่างยิ่ง

PR_499538_Top_10_Technology_Trends_for_2019_Infographic

จาก IT Trends ที่กล่าวมาทำให้ทีมงานของ  IMC Institute และ Optimus (Thailand) มีความเห็นร่วมกันว่า IT Trends อาจเปลี่ยนแปลงไม่มากนักแต่สิ่งสำคัญคือองค์กรจะต้องนำการเปลี่ยนแปลงมาใช้ในองค์กรให้ได้ ต้องเข้าใจให้ได้ว่า IT Trends ที่เข้ามาจะมีผลกระทบกับองค์กรอย่างไร เช่นการเข้ามาของ AI ทั้งในเรื่องของ Autonomous things หรือ Development Tools จะทำให้เกิดการเปลี่ยนแปลงอย่างไร ดังนั้นเราจึงกำหนด Theme ในปีนี้ให้เป็นหัวข้อ Putting Digital Transformation to Work โดยการสัมมนาสองวัน ในวันแรกจะเชิญวิทยากรหลายๆท่านมาบรรยายให้เห็นการเปลี่ยนแปลงรวมถึงแนวโน้มเทคโนโลยีในปีหน้าอาทิเช่น

  • คุณธันยวัชร์ ไชยตระกูลชัย: ผู้เชี่ยวชาญด้านการตลาด บรรยายหัวข้อ  Digital Transformation is Faster than We Expected
  • ดร.มนู อรดีดลเชษฐ์ บรรยายหัวข้อ IT Trends & Digital Transformation
  • ดร.พันธุ์อาจ ชัยรัตน์ ผู้อำนวยการสำนักงานนวัตกรรมแห่งชาติ (องค์การมหาชน) จะมาบรรยายหัวข้อ Innovation & Digital Transformation
  • พันเอก ดร.เศรษฐพงค์ มะลิสุวรรณ บรรยายหัวข้อ  Digital Disruption
  • ดร.พีรเดช ณ น่าน Digital Futurist & CIO World Business Columnist บรรยายหัวข้อ  5G & Digital Transformation
  • ผศ. ดร. เด่นพงษ์ สุดภักดี: รองอธิการบดีฝ่ายวิชาการและสื่อสารองค์กร มหาวิทยาลัยขอนแก่นบรรยายหัวข้อ  IT Trends disrupt Government Sector
  • ผศ.ดร.จิรพันธ์ แดงเดช CTO, Merlin’s Solutions International บรรยายหัวข้อ AI & Digital Transformation

สำหรับวันที่สอง เราจะแบ่งห้องการบรรยายเป็นสามห้องและมีวิทยากรร่วมบรรยายประมาณ 30 ท่านโดยมี Track ต่างๆอาทิเช่น

  • Smart Media/Communication Track
  • Smart FSI Track
  • Future Technology Track
  • Smart Manufacturing Track
  • Smart Government Track

ท่านที่สนใจรายละเอียดการสัมมนาก็ลองสอบถามข้อมูลเพิ่มเติมได้ที่ 087-593-7974 หรือ contact@imcinstitute.com

ธนชาติ นุ่มนนท์

IMC Institute

 

thanachart Big Data

ภาพเปรียบเทียบ Big Data Architecture โดยใช้ Hadoop กับการใช้ Public Cloud ของ Google, AWS หรือ Azure

Screenshot 2018-10-22 13.30.30

ผมเคยเขียนบทความหลายๆครั้งชี้ให้เห็นว่าการทำ Big Data จำเป็นที่จะต้องมี Data Lake  ที่ทำงานร่วมกับ Database/Data warehouse และต้องมี Data Processing Tool และ Data Visualisation Tool ดังตัวอย่างสถาปัตยกรรมโดยย่อในรูปที่ 1  ทั้งนี้ Hadoop จะเป็นเทคโนโลยีที่หน่วยงานส่วนใหญ่จะลงทุนในการทำ Data Lake เพราะมีราคาในเก็บข้อมูลที่ต่ำเมื่อเทียบกับเทคโนโลยี On-Premise อื่นๆ และก็มีระบบนิเวศน์ที่มีซอฟต์แวร์อื่นๆอาทิเช่นการดึงข้อมูลหรือการประมวลผลข้อมูล

Screenshot 2018-10-21 16.55.08

รูปที่ 1 สถาปัตยกรรมเทคโนโลยี Big Data แบบย่อ

เพื่อให้เห็นภาพการออกแบบสถาปัตยกรรม Big Data โดยใช้เทคโนโลยี Hadoop ผมขอยกตัวอย่างระบบสถาปัตยกรรมข้อมูลแบบดังเดิม ( Traditional data architecture) ในรูปที่ 2 ซึ่งหน่วยงานอาจมีระบบฐานข้อมูลที่หลากหลายท้ง RDBMS และ NoSQL โดยอาจมี Data warehouse ที่จะทำหน้าที่รวบรวมข้อมูลแล้วแสดงผลผ่านมายัง Visualisation Tools  ต่างๆ ซึ่งหากเราจะพัฒนาระบบนี้ให้เป็นสถาปัตยกรรม Big Data แบบ On-Premise โดยใช้ Hadoop เป็น Data Lake เราก็อาจได้ระบบต่างๆดังรูปที่ 3 โดยรายละเอียดของการทำงานซอฟต์แวร์แต่ละตัว (Hadoop HDFS, Spark, Kafka และอื่นๆ) ผมขอไม่กล่าวซ้ำ เพราะได้เคยเขียนไว้หลายครั้งในบล็อก thanachart.org

Screenshot 2018-10-22 12.44.28

รูปที่ 2 ตัวอย่างสถาปัตยกรรมข้อมูลแบบดังเดิม

Screenshot 2018-10-22 12.43.33

รูปที่ 3 ตัวอย่างสถาปัตยกรรม Big Data แบบ On-Premise โดยใช้ Hadoop 

แต่การจะลงทุนระบบ On-Premise โดยใช้เทคโนโลยี Hadoop และซอฟต์แวร์ต่างๆในรูปที่ 3 จะมีต้นทุนที่ค่อนข้างสูงมาก ผมเคยเขียนบทความแนะนำให้ไปเริ่มต้นโดยใช้ Public cloud ที่ราคาจะถูกกว่ากันมาก (อ่านบทความเรื่องนี้เพิ่มเติมได้ที่ Big Data as a Service แนวทางการทำโครงการ Big Data ที่ไม่ต้องลงทุนโครงสร้างพื้นฐาน) ซึ่งในบทความนี้ผมเลยตั้งที่จะทำตารางสรุปเปรียบเทียบการใช้บริการ Public Cloud รายใหญ่ต่างๆ กับเทคโนโลยีที่เป็น On-Premise โดยแสดงให้เห็นว่าบริการอะไรที่จะเข้าทดแทนระบบแบบ On-Premise ตามตารางที่ 1 และรูปที่ 4-6 ก็จะสรุปเป็นภาพบริการของ Cloud Provider ทั้งสามราย ซึ่งรายละเอียดของบริการแต่ละอย่างขอให้ไปศึกษาเพิ่มเติมจากผู้ให้บริการหรือหลักสูตรต่างๆทั้งใน YouTube หรือของ IMC Institute

ธนชาติ นุ่มนนท์

IMC Institute

ตารางที่ 1 เปรียบเทียบเทคโนโลยี On-Promise กับบริการต่างๆของ Public Cloud

Screenshot 2018-10-21 17.27.41

Screenshot 2018-10-22 12.44.10

รูปที่ 4 ตัวอย่างสถาปัตยกรรม Big Data โดยใช้ AWS แทนที่ระบบ On-Premise

Screenshot 2018-10-22 12.43.52

รูปที่ 5 ตัวอย่างสถาปัตยกรรม Big Data โดยใช้ Google Cloud Platform แทนที่ระบบ On-Premise

Screenshot 2018-10-22 12.44.48

รูปที่ 6 ตัวอย่างสถาปัตยกรรม Big Data โดยใช้ Microsoft Azureแทนที่ระบบ On-Premise

thanachart Big Data

ถึงเวลาที่ต้องเข้าใจความหมาย Big Data อย่างแท้จริง ก่อนที่เราจะสูญเสียศักยภาพการแข่งขัน

Screenshot 2018-10-22 13.30.30

ช่วงนี้ทุกภาคส่วนในประเทศเราจะพูดถึงเทคโนโลยี Big Data บ่อยมาก บางครั้งก็บอกว่าหน่วยงานตัวเองกำลังทำ Big Data  บ้างก็บอกว่าเก็บข้อมูลเป็น  Big Data บ้างก็บอกว่าต้องวิเคราะห์ข้อมูลโดยใช้ Big Data ผมว่าผู้บริหารบ้านเราเล่นกับเทอม Big Data มากเกินไป โดยไม่เข้าใจความหมายที่แท้จริง และส่วนมากไม่ได้นำมาใช้ประโยชน์อย่างแท้จริง กลายเป็นว่าใช้ข้อมูลเล็กน้อยเพียงผิวเผินและไม่สนใจที่จะศึกษาความหมาย การใช้ Big Data อย่างแท้จริงเลยทำให้บ้างครั้งบ้านเราสูญเสียโอกาสไปอย่างมาก ก็เพียงเพราะว่าเราต้องการแค่สร้างภาพและตอบโจทย์เพียงแค่ว่า ฉันได้ทำ Big Data แล้วทั้งๆที่ก็อาจเป็นแค่ข้อมูลเล็กๆธรรมดาๆและก็อาจทำรายงาน หรือทำ Business Intelligence  สรุปข้อมูลออกมากโดยไม่มีการทำ Analytics  วิเคราะห์ข้อมูลขนาดใหญ่เพื่อสร้างศักยภาพการแข่งขันให้หน่วยงานแต่อย่างใด

ผมคงไม่อธิบายความหมายของ Big Data มากนัก เพราะตัวเองก็เคยเขียนแนะนำความหมายมาหลายๆครั้ง ไม่ว่าจะเป็น 3Vs อย่าง Volume, Velocity และ Variety หรือเราจะเพิ่มเรื่องของ Varacity เข้าไปอีก โดยถ้าสนใจจะลองดูความหมายก็อาจกลับไปอ่านบทความเก่าๆของผมได้ที่ Big Data และเทคโนโลยี Hadoop กับการพัฒนาองค์กรด้านการวิเคราะห์ข้อมูล และผมก็เคยพยายามจะชี้ให้เห็นว่าถ้าเรามองถึง Big Data เรามักจะเห็นข้อมูลอยู่สี่ประเภทดังรูปที่ 1 ก็คือ

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

Screenshot 2018-10-20 12.36.37

รูปที่ 1 ประเภทข้อมูลของ  Big Data

(อ่านรายละเอียดเพิ่มเติมได้ในบทความ   การวิเคราะห์พฤติกรรมลูกค้าควรมีข้อมูลธุรกรรมขนาดใหญ่ของลูกค้าแต่ละราย)

คุณลักษณะที่สำคัญสุดประการหนึ่งของข้อมูลแบบ Big Data คือต้องมี Velocity เข้ามา การจะวิเคราะห์ข้อมูลขนาดใหญ่ได้ดีและมีความแม่นยำขึ้นต้องมีข้อมูลที่เข้ามาอย่างต่อเนื่องและทันสมัย อาทิเช่นถ้ามีข้อมูล CRM ที่เก็บย้อนหลังไว้นานๆ แม้จะมีจำนวนลูกค้าเป็นล้านแต่ก็อาจจะไม่ทันสมัยเพราะข้อมูลลูกค้าก็อาจไม่ถูก update เช่นเบอร์โทรศัพท์ ที่อยู่ อาชีพ หรือแม้แต่ชื่อก็อาจเปลี่ยนไป แต่ในทางตรงข้ามถ้าเรามีข้อมูลธุรกรรมที่เข้ามาอย่างต่อเนื่องเช่นข้อมูลมาซื้อสินค้ากับเรา เราจะเข้าใจข้อมูลลูกค้ามากขึ้น อาจเห็นพฤติกรรมของเขาไว้ไปสาขาไหนอยู่ที่ใด ดังนั้นผมเลยเคยเขียนบอกไว้ว่า หลักการสำคัญของ Big Data Analytics ก็คือการที่เราสามารถเก็บข้อมูล Transactional data ให้มากที่สุดและมีรายละเอียดมากที่สุดเท่าที่ทำได้ (อ่านรายละเอียดเพิ่มเติมได้ในบทความ Big data ต้องเริ่มต้นจากการวิเคราะห์ Transactional data ไม่ใช่เล่นกับ summary data)

ดังนั้นถ้าเราต้องการจะสร้างศักยภาพการแข่งขันขององค์กรด้วย Big Data เราคงต้องวางกลยุทธ์ให้องค์กรมีข้อมูลในสี่ประเภทที่ผมกล่าวไว้ข้างต้น แต่คำถามที่ท้าท้ายก็คือว่าเราจะหาข้อมูลเหล่านั้นมาได้อย่างไร ซึ่งหากเราสามารถทำได้ก็จะทำ Big Data Analytics ที่แท้จริงได้ เมื่อวานนี้ผมไปบรรยายให้กระทรวงการท่องเที่ยวและกีฬาและพยายามยกตัวอย่างการใช้  Big Data ในการท่องเที่ยว โดยอาจมีโจทย์ต่างๆที่น่าสนใจดังนี้

  • การใช้เพื่อการวางแผนของภาครัฐในการกำหนดนโยบาย กำหนดเส้นทางการท่องเที่ยว หรือแม้แต่การวางแผนการบริการรถสาธารณะ
  • การเข้าใจพฤติกรรมการท่องเที่ยว
  • การทำ Personalisation ให้นักท่องเที่ยว

ซึ่งจากโจทย์ที่ยกมา ผมก็ชี้ให้เห็นว่าเราไม่สามารถที่จะทำได้โดยได้ข้อมูลแค่จำนวนนักท่องเที่ยวรายวเดือนหรือหรือวันที่เป็นข้อมูลสรุป แต่เราต้องมีข้อมูลต่างๆเช่น

  • ข้อมูลจาก Social Media ที่อาจเป็นการ Tag ตำแหน่งที่อยู่ หรือรูปถ่าย จะต้องมีข้อมูลป้อนเข้ามาในแต่ละวินาทีเป็นจำนวนมาก
  • ข้อมูลจาก Telecom ที่จะเห็นข้อมูลของนักท่องเที่ยวเป็นวินาทีว่าอยู่ที่ไหน เป็นต้น
  • ข้อมูลจาก IoT ที่ในอนาคตอาจมีข้อมูลจาก CCTV ที่เห็นจำนวนนักท่องเที่ยวในแต่ละที่อยู่ตลอดเวลา
  • ข้อมูล Transaction  เช่นข้อมูลจากการจองโรงแรม ข้อมูลการเดินทางจากสายการบิน การรถไฟ หรือการท่าอากาศยาย ซึ่งข้อมูลเหล่านี้ต้องเป็นข้อมูลดิบที่ให้เห็นเป็นนาที หรือเป็นรายธุรกรรม ไม่ใช่ข้อมูลสรุป

จากข้อมูลเหล่านี้เราก็อาจมาทำการวิเคราะห์ในเรื่องต่างๆได้เช่น

  • พฤติกรรมการเดินทางของนักท่องเที่ยวว่าจะเดินทางจากจุดไหนไปยังที่ใดต่อ
  • ตำแหน่งไหนมีคนเยี่ยมชมมากน้อยเพียงใด ในช่วงเวลาใด และอนาคตควรทำอย่างไร
  • วิธีการเดินทางของนักเที่ยวเช่นมาจุดนี้โดยเครื่องบิน หรือรถไฟ หรือรถยนต์
  • การทำ  Segementation นักท่องเที่ยวตามอายุ สัญชาติ เป็นต้น

จากที่กล่าวมาทั้งหมดจะเห็นได้ว่าเมื่อพูดถึง Big Data จะไม่ใช่ข้อมูลสรุป แต่จะต้องมีข้อมูลขนาดใหญ่ที่แท้จริงโดยเฉพาะข้อมูลธุรกรรมในการวิเคราะห์ ในปัจจุบันบางอุตสาหกรรมเริ่มมีความน่ากลัวที่ต่างชาติเข้าเก็บข้อมูลธุรกรรมเหล่านี้ไปหมด โดยที่หน่วยงานในประเทศเรากลับไม่ให้ความสำคัญ และไม่เข้าใจว่าข้อมูลเหล่านั้นมีความสำคัญยิ่งในการที่จะทำ Big Data ที่แท้จริง สุดท้ายเราก็จะสูญเสียศักยภาพการแข่งขันไป

ธนชาติ นุ่มนนท์

IMC Institute

 

thanachart Digital Transformation

การวิเคราะห์ธุรกิจที่ทำให้เกิด Disruption

Screenshot 2019-10-01 10.14.45

ผมได้เรียนหลักสูตรออนไลน์ Digital Strategies for Business: Leading The Next-Generation Enterprise ของ Columbia Business School Executive Education ซึ่งเป็นหลักสูตรที่นำเนื้อหาส่วนใหญ่มาจากหนังสือ Digital Transformation Playbook Rethink Your Business for the Digital Age ของ David L. Rogers และก็พบว่ามีหลายๆหัวข้อที่น่าสนใจในเรื่องของ Digital Transformation และหนึ่งในนั้นก็คือเรื่องของ Disruptive Business Model

โดยเนื่อหาได้กล่าวถึงทฤษฎี Disruption ของ Clayton Christensen ว่า Business disruption คือการที่อุตสาหกรรมปัจจุบันกำลังถูกผู้ท้าชิง (Challenger) เข้ามานำเสนอสิ่งที่ให้คุณค่ากับลูกค้าในรูปแบบใหม่ๆโดยที่ผู้เล่นรายเดิม (Incumbent) ที่อยู่ในอุตสาหกรรมไม่สามารถที่แข่งขันได้โดยตรง ทั้งนี้ Disruption มักจะเริ่มจากการที่ผู้ท้าจริงจะนำเสนอสินค้าหรือบริการที่มีนวัตกรรมใหม่ๆให้กับลูกค้าที่ผู้เล่นรายเดิมไม่ค่อยสนใจ จากนั้นเมื่อสินค้าหรือบริการถูกพัฒนาให้ดีขึ้นเรื่อยๆโดยอาจมีเครือข่ายมากขึ้น ลูกค้าส่วนใหญ่ของผู้เล่นรายเดิมก็จะค่อยๆเปลี่ยนมาใช้สินค้าหรือบริการของผู้ท้าชิง จนในที่สุดผู้เล่นรายเดิมก็จะหายไป

แต่อย่างไรก็ตามนวัตกรรมทุกอย่างอาจไม่ได้หมายความจะทำให้เกิด Disruption เช่นการทำสินค้าใหม่ๆที่รายเดิมอาจเลียนแบบได้ หรือการลดราคาแข่งกันหรือนำเสนอสินค้าที่ราคาถูกกว่าซึ่งรายเดิมก็อาจเลียนแบบได้ ดังนั้นสิ่งสำคัญอันหนึ่งของ Disruption คือต้องมีกำแพงที่จะป้องกันการเลียนแบบ (Barrier of imitation) จากผู้เล่นรายเดิมด้วย ซึ่งทาง David L. Rogers ระบุไว้ว่าทฤษฎีของ Disruption ผู้ท้าชิงจะต้องมีคุณค่าที่มีความแตกต่างจากผู้เล่นรายเดิมอยู่สองด้านคือ

  • Value Proposition Differential คือคุณค่าทีจะให้ลูกค้าที่ดีกว่าอาทิเช่น ราคา การเข้าถึง ความง่ายต่อการใช้งาน Personalization หรือ การมีระบบ Social network ของสินค้าหรือบริการที่ทำให้ลูกค้าอยากเปลี่ยนมาใช้งานอย่างยิ่งยวด
  • Value Network Differential คือเครือข่ายที่ทำให้นำเสนอคุณค่าที่กว่าข้างต้นให้กับลูกค้าได้ เช่นอาจมีช่องทางที่ดีกว่า มีเครือข่ายผู้ใช้จำนวนมาก มีทรัพย์สินทางปัญญา หรือมีข้อมูลขนาดใหญ่ ซึ่งเครือข่ายเหล่านี้จะเป็นกำแพงที่ป้องกันไม่ให้ผู้เล่นรายอื่นๆเลียนแบบคุณค่าที่นำเสนอให้กับลูกค้าโดยง่าย

ตัวอย่างเช่นเมื่อ iPhone เข้ามาในฐานะของผู้ท้าชิง แข่งกับรายเดิมอย่าง  Nokia  เราจะสังเกตได้ว่า  iPhone จะมี Value Proposition และ Value Network  ที่แตกต่างออกไปดังนี้

  • Value Proposition  มีรูปทรงในการออกแบบทีดีกว่า, ใช้งานง่ายกว่า, มี Application  ให้ใช้งาน,  รวมหลายๆอย่างเข้ามาด้วยกันเช่น การฟังเพลง ส่งอีเมล แผนที เป็นต้น
  • Value Network มี ทีมงานในการออกแบบที่มีความสามารถ, มีเครือข่ายนักพัฒนา Application, มี iTunes และ App Store, มีการร่วมมือกับ  Telecom Operator ในการที่จะให้บริการ Data package

Screenshot 2018-10-15 20.22.10

ซึ่งการวิเคราะห์ว่าธุรกิจใหม่ใดจะทำให้เกิด  Disruption เราก็ควรที่จะมาวิเคราะห์ Value Propostion  และ Value Network ต่างๆโดยใช้ Disruptive business model map ตามรูปข้างบนนี้ แล้วต้องทดสอบคำถามสองอย่าง (Two-Part Test) ว่า Value Proposition จะทำให้เกิดการเปลี่ยนแปลงทางคุณค่ายิ่งยวดหรือไม่ และทดสอบว่า Value network จะทำให้ผู้เล่นรายอื่นๆไม่สามารถเลียนแบบได้หรือไม่ ถ้าสองคำตอบนี้เป็นจริงก็มีโอกาสที่ธุรกิจใหม่นั้นมีโอกาสทำให้เกิด Disruption ได้

ธนชาติ นุ่มนนท์

IMC Institute

 

thanachart Articles

Hybrid Cloud Computing แนวโน้มของระบบไอที

Screenshot 2018-10-14 13.55.59

สัปดาห์ที่ผ่านมา (9-11 ตุลาคม 2018) ทีมงาน IMC Institute  พาผู้เข้าอบรม 16 ท่านไปดูงาน Cloud Expo Asia 2018 ที่ประเทศสิงคโปร์ โดยนับเป็นปีที่ 5 ที่ทางเราพาผู้เข้าอบรมไป ซึ่งนอกเหนือจากการเข้าชมงานก็ยังได้พาผู้เข้าอบรมไปเยียมชมบริษัท Oracle ด้วย

43462155_1228836723930332_1337121326103527424_n

สำหรับในปีนี้ทางผมเองได้เข้าไปร่วมบรรยายในงานนี้ด้วยในหัวข้อ Hybrid Cloud Strategies Drive Demand for Colocation ซึ่งผู้สนใจสามารถดูสไลด์การบรรยายของผมได้ที่ https://tinyurl.com/hybrid-cloud-imc โดยในการบรรยายนี้ผมได้กล่าวนำให้เห็นว่าจากการมาเยียมชมงาน Cloud Expo Asia ต่อเนื่องมาทุกปี ได้เห็นการเปลี่ยนแปลงของงานจากเดิมที่ปีแรกๆจะเน้นที่ ผู้ให้บริการ Public cloud ค่ายต่างๆอย่าง  Amazon, Google, Micrsoft มาออกงาน ในปีหลังๆก็จะเห็นเน้นไปที่การทำโซลูชั่นอย่าง IoT, Big Data หรือ AI โดยใช้ Cloud Computing มากขึ้น และในปัจจุบันก็เน้นไปที่การทำ Multi-cloud มากขึ้น ซึ่งก็สอดคล้องกับผลสำรวจของ Rightscale ปีล่าสุดที่ชี้ให้เห็นว่า ระบบไอทีในองค์กรต่างๆจะเป็น  Multi-cloud  มากขึ้น โดยมีแนวโน้มที่จะเป็น Hybrid cloud มากกว่าที่จะเป็น Multiple public cloud หรือ   Multiple private cloud ดังแสดงในรูปที่ 1 นอกจากนี้ก็ยังพบว่าจากการสำรวจผู้ใช้ทั่วโลกเกือบ 1000 ราย เกือบ 96% จะใช้ Cloud computing  ในปัจจุบันโดยเกือบ 71% จะตอบว่าจะใช้  Hybrid cloud ดังแสดงในรูปที่ 2

Screenshot 2018-10-14 14.09.25

รูปที่ 1 ผลการสำรวจการใช้  Cloud ขององค์กรขนาดใหญ่  [จาก RightScale]

Screenshot 2018-10-14 14.14.55

รูปที่ 2 ผลการสำรวจการใช้  Cloud   [จาก RightScale]

แม้ Public cloud รายใหญ่ๆจะมีประโยชน์ในด้านเงินลงทุนที่ค่อนข้างต่ำ เพราะเป็นการคิดค่าใช้จ่ายตามการใช้งาน และยังมีจุดเด่นที่มีบริการใหม่ๆมากมายอาทิเช่นด้าน  Big data, IoT หรือ AI ที่จะทำให้หน่วยงานพัฒนาระบบไอทีใหม่ๆได้รวดเร็วขึ้น แต่เมื่อมีการใช้งานมากๆค่าใช้จ่ายก็อาจสูงขึ้นกว่าการพัฒนาระบบ Private cloud เองหรือสูงกว่าการใช้ On-premise นอกจากนี้ก็อาจมีปัญหาเรื่องความปลอดภัยหรือด้าน Compliance ประเด็นที่สำคัญอีกด้านก็คืออาจเจอปัญหาเรื่อง  Vendor Lock-in

ดังนั้นจึงเป็นไปได้ยากที่องค์กรจะใช้เฉพาะ  Public cloud และแนวโน้มด้านไอทีเราคงจะต้องเห็นการผสมผสานกันระหว่างการใช้ Private cloud หรือระบบ  On-premise กับการใช้ Public cloud โดยเราอาจแบ่งระบบไอทีขององค์กรได้เป็นสองกลุ่ม

  • กลุ่มที่ 1 ระบบ Application ดั้งเดิม หรือระบบที่มีความสำคัญยิ่งยวด รวมถึงระบบ Core ขององค์กร ซึงพวกนี้ก็จะเป็นกลุ่มที่ใช้ Private cloud/On-premise
  • กลุ่มที่ 2 ระบบ Application ใหม่ๆ ที่ต้องการความรวดเร็วในการพัฒนา หรือที่ใช้เทคโนโลยีใหม่ๆในการพัฒนา กลุ่มพวกนี้จะใช้ Public cloud

ซึ่งองค์กรสามารถที่จะดูแลระบบไอทีทั้งสองนี้ในรูปแบบของ Bi-model IT กล่าวคือทั้งสองระบบจะแยกกันอยู่ หรือจะเป็น  Single infrastructure ก็ได้ โดยในรูปแบบหลังจะมีผลดีกว่าเพราะสามารถจะย้าย  workload ต่างๆได้ง่ายขึ้น โดยทั้งสองระบบจะเชื่อมต่อผ่าน VPN ดังรูปที่ 3

Screenshot 2018-10-14 14.31.25.png

รูปที่ 3 Hybrid Cloud Model

ทั้งนี้เราสามารถใช้  Hybrid Cloud ได้หลายรูปแบบอาทิเช่น

  • Isolated use cases คือการวางระบบ  Application ที่ต่างกันแยกในส่วนของ Private หรือ  Public cloud ที่ต่างกัน
  • Coexisting use cases  คือการที่เราอาจเอา Application เดียวกันมาติดตั้งไว้ในทั้ง Private และ Public cloud  เช่นกรณีของ  Cloud bursting ที่เราจะใช้ Private cloud สำหรับกรณีของ Fixed load แล้วในช่วงของ Peak load ก็ขยายไปใช้ Public cloud หรือกรณีของ Big data  ที่อาจมีข้อมูลเก็บไว้ในทั้งสองระบบ และเมื่อต้องการประมวลผลข้อมูลขนาดใหญ่ก็อาจไปใช้ Public cloud
  • Supporting application use cases  คือตัวอย่างของการพัฒนา Applicationใหม่ๆที่อาจต้องการใช้เครื่องมือใน Public cloud เช่นการใช้ Machine learning

การพัฒนาระบบขององค์กรสู่ Hybrid cloud จะมีขั้นตอนสำคัญที่ต้องพิจารณาคือ

  1. วางแผนระบบ  Application ต่างๆว่าระบบใดเหมาะกับ  Cloud โมเดลแบบไหน เช่น Private, Public หรือ  On-Premise
  2. ต้องพยายามเลือก Cloud Framework หนึ่งเดียวเพื่อลดความวุ่นวายในการดูแลลหลายระบบ อาทิเช่นอาจต้องตัดสินใจเลือก  VMWare, OpenStack, Azure stack หรือ ระบบอื่นๆ
  3. ต้องปรับเปลี่ยนระบบไอทีในองค์กรที่เป็น On-premise ให้เป็นระบบที่ทันสมัย โดยอาจเป็น Private cloud โดยต้องยึดกับ Framework ที่เลือกไว้
  4. พยายามเลือก Public cloud หรือ Cloud service provide ที่มี Framework ตามที่เลือกไว้และทำการเชื่อมต่อกับ Private cloud ผ่าน  VPN

ทั้งหมดก็เป็นการสรุปการบรรยายของผมสั้นๆที่กล่าวในงานดังกล่าว

ธนชาติ นุ่มนนท์

IMC Institute