safe_image

ดร.จิรพันธ์ แดงเดช ของกลุ่ม Thailand SPIN ชวนผมไปบรรยายงาน “AI/Big Data เรื่องบ่น และหนทางออก” ในวันที่ 22 พฤศจิกายนนี้ ที่อาคาร Software Park ผมก็ไม่แน่ใจว่าผู้จัดเห็นผมเป็นคนชอบบ่นมากๆหรือเปล่า เลยให้ผมขึ้นบรรยายเป็นคนแรก จริงๆแล้วผมสัมผัสกับงานทางด้าน Big Data มาหลากหลายด้านทั้งงานสอน อบรม ให้คำปรึกษา ขึ้นเวทีบรรยาย ติดตั้งระบบ และเจอลูกค้ามากมาย รวมถึงมีบทบาทในฐานะของบอร์ดและผู้บริหารของหน่วยงานทั้งภาครัฐและเอกชนหลายแห่ง ก็เลยมีเรื่องบ่นมากมายอย่างที่ผู้จัดเชิญผมนั้นละ แต่บ่นแล้วจะมีหนทางออกไหมนั้นก็คงต้องให้วิทยากรท่านอื่นๆและผู้ฟังทุกท่านช่วยกันแลกเปลี่ยนความคิดเห็นร่วมกัน ทั้งนี้ในด้านของ Big Data ผมเห็นประเด็นต่างๆที่น่าบ่นดังนี้

  • เพ้อเจ้อ: ผมขึ้นมาอย่างนี้หลายท่านอาจตกใจ แต่จริงครับเรื่องที่น่าบ่นที่สุดคือการขาดความรู้ความเข้าใจเรื่อง Big Dataโดยเฉพาะผู้บริหารที่ต้องการทำโปรเจ็คด้านนี้ บางครั้งอยากทำเพราะตามกระแส แต่ก็ไม่ทราบว่าคืออะไร มอบหมายให้ฝ่ายไอทีไปจัดการบ้าง ลงทุนหาเครื่องมือมาทำบ้าง คิดว่าเริ่มต้นคือไปกำหนดทำ Data Catalog หรือ Data Warehouse แต่ไม่ได้มีกลยุทธ์ที่จะเข้ามาแก้ไขปัญหาอะไรที่ชัดเจน ที่หนักกว่าคือไม่มีข้อมูลจริงๆ และบ่อยครั้งก็ชอบโม้ไปว่าหน่วยงานได้ทำ Big Data เสร็จแล้ว ซึ่งจุดนี้น่ากลัวที่สุดเพราะแทบยังไม่ได้ทำอะไรแต่คิดว่าทำเสร็จแล้ว แต่โชคดีที่หลังๆก็เริ่มเห็นหลายหน่วยงานที่ผู้บริหารมีความรู้ความเข้าใจมี่ดีขึ้นมากแล้ว ทำให้เห็นทิศทางที่ดีขึ้นและเริ่มมีการนำ  Big Data มาใช้ได้จริง
  • ไม่มีข้อมูล: ปัญหานี้เจอมาในหน่วยงานหลายแห่ง ที่มีข้อมูลน้อยมากระดับแสนเรคอร์ด และขาดข้อมูลที่เข้ามาอย่างต่อเนื่อง สุดท้ายก็ไม่สามารถไปวิเคราะห์อะไรได้ โดยส่วนมากจะเจอปัญหาดังนี้
    • มีข้อมูลเพียงเล็กน้อย: นอกจากนี้อาจมีปัญหาที่ตามมาก็คือข้อมูลไม่อัพเดท เพราะข้อมูลแทบไม่มีการเคลื่อนไหวอะไรเลย ส่วนใหญ่ก็จะสามารถทำได้เพียงรวบรวมข้อมูลมาแสดง Dashboard อาจไม่สามารถไปทำ Prediction อะไรมากมายนัก
    • มีข้อมูลกระจัดกระจายแต่ยังไม่สามารถรวบรวมข้อมูลได้: ปัญหาแบบนี้ยังพอแก้ไขได้ โดยการพยายามรวบรวมข้อมูลที่เป็น Silo เหล่านี้เข้าสู่ DataLake
    • มีข้อมูลกระจัดกระจายแต่ไม่สามารถขอมารวบรวมได้: ส่วนใหญ่เราจะเจอปัญหาของการหวงข้อมูลของหน่วยงานต่างๆทั้งภายในและภายนอก ถ้าจะเปิดให้ใช้ก็อาจแค่ให้ดีงข้อมูลแบบ API เป็นรายเรคอร์ดไม่สามารถเอาข้อมูลทั้งหมดมาวิเคราะห์ได้ ซึ่งทำให้ยากต่อการวิเคราะห์ข้อมูลโดยการใช้ Big Data สุดท้ายก็ทำได้แค่ทำรายงานสรุป Dashboard เป็นเรื่องๆไป
  • ขาดบุคลากร: เรื่องของ Big Data มีแนวคิดที่แตกต่างจากการทำ Database หรือ Data warehouse  แบบเดิมๆ จะต้องเรืยนรู้หลักการใหม่ๆเช่นการทำ DataLake  หลักการของ ELT  แทนที่ ETL แบบเดิม การพัฒนาโปรแกรมโดยใช้ Python, R, Hadoop หรือ Spark ตลอดจนเครื่องมือรูปแบบใหม่อื่นๆ รวมถึงการทำ Data Science
  • ขาดเครื่องมือ: เมื่อพูดถึงการทำโปรเจ็ค Big Data ถ้าจะต้องลงมือทำจริงในองค์กรและมีข้อมูลขนาดใหญ่ อาจต้องติดตั้งที่ใช้งบประมาณนับสิบล้านบาท  ยกเว้นจะใช้ Public Cloud ที่ค่าใช้จ่ายเริ่มต้นอาจถูกกว่า แต่องค์กรส่วนใหญ่ก็ไม่ได้จัดสรรงบประมาณมากนัก และไม่อยากนำข้อมูลขึ้น Public cloud ทำให้ไม่สามารถทำโครงการได้อย่างแท้จริง
  • ไม่มีการนำมาใช้งานจริง: เมื่อมีการทำ Dashboard หรือการวิเคราะห์ต่างๆแล้ว บ่อยครั้งจะพบว่า ผู้ใช้ก็ยังเป็นทีมไอทีที่ทำโปรเจ็ค องค์กรไม่ได้มีวัฒนธรรมในการใช้ข้อมูลในทุกภาคส่วน ซึ่งอันนี้ก็อาจเป็นเพราะคนในบ้านเราไม่ได้คุ้นเคยกับการใช้ข้อมูลมากนัก เราไม่ค่อยใช้ตัวเลขในการตัดสินใจ ดังนั้นจึงจำเป็นต้องสร้างวัฒนธรรมองค์กรให้ใช้ข้อมูลมาในการตัดสินใจ มิฉะนั้นแล้วสิ่งที่ทำมาก็ไม่ได้เกิดการใช้งานจริง

จากที่เล่ามาทั้งหมดนี่ คือตัวอย่างที่จะบ่นให้ฟังในงานวันที่ 22 พฤศจิกายนนี้ ถ้าท่านใดสนใจจะฟังผมบ่นเพิ่มหรือฟังวิทยากรท่านอื่นๆบ่น ก็สามารถลงทะเบียนได้ที่  >> Eventbrite  โดยไม่มีค่าใช้จ่ายใดๆ

ธนชาติ นุ่มนนท์

IMC Institute

ใส่ความเห็น

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  เปลี่ยนแปลง )

Google photo

You are commenting using your Google account. Log Out /  เปลี่ยนแปลง )

Twitter picture

You are commenting using your Twitter account. Log Out /  เปลี่ยนแปลง )

Facebook photo

You are commenting using your Facebook account. Log Out /  เปลี่ยนแปลง )

Connecting to %s