การปฎิวัติอุตสาหกรรมคลื่นที่สี่ ถึงเวลาที่ต้องเร่งปฎิรูปคนปฎิรูปการศึกษาบ้านเรา

12687806_599383603542317_5600153161347254731_n

เมื่อเร็วๆ นี้  World Economic Forum ได้ลงบทความเรื่อง “13 signs the fourth industrial revolution is almost here” ซึ่งระบุว่าตอนนี้เรามีสัญญาณต่างๆ หลายอย่างที่ทำให้เห็นว่าการปฏิวัติอุตสาหกรรมครั้งที่สี่กำลังใกล้มาถึงแล้ว ทั้งนี้เราเคยมีการปฎิวัติอุตสาหกรรมครั้งใหญ่มาแล้วสามครั้งคือ

  • ครั้งแรก ในช่วงปี 1784 เมื่อการคิดค้นเครื่องจักรไอน้ำทำให้เกิดโรงงานการผลิตสินค้าและมีระบบการขนส่งที่ดีขึ้น
  • ครั้งที่สองในช่วงปี 1870 เมื่อมีการคิดค้นไฟฟ้าและเกิดโรงงาน ที่สามารถผลิตสินค้าได้จำนวนมาก
  • ครั้งที่สามในช่วงปี 1969 เมื่อมีการนำเทคโนโลยีสารสนเทศ ที่ทำให้ระบบต่างๆ มีการทำงานได้รวดเร็ว โดยอัตโนมัติได้มากขึ้น

การปฏิวัติอุตสาหกรรมแต่ละครั้งทำให้เกิดการเปลี่ยนแปลงรูปแบบการผลิต การทำงาน การเคลื่อนย้ายการทำงาน และหากที่ใดปรับตัวไม่ทัน ก็อาจต้องเลิกกิจการและทำให้คนบางอาชีพต้องตกงาน การปฏิวัติแต่ละครั้งอาจมีช่วงเวลาที่นานและแต่ละครั้งก็ไม่เหมือนกัน

ในปัจจุบัน มีสัญญาณชี้ให้เห็นว่าเรากำลังเข้าสู่การปฏิวัติอุตสาหกรรมครั้งใหม่ มันคงเป็นเรื่องของข้อมูล หุ่นยนต์ และการวิเคราะห์และคาดการณ์ข้อมูลต่างๆ โดยพิจารณาจากปัจจัยต่างๆ ที่สำคัญอาทิเช่น

  • ผู้คนเข้าสู่โลกดิจิทัลมากขึ้น
  • เรามีมือถือที่มีความสามารถยิ่งกว่า Supercomputer ในอดีต
  • เรามีอุปกรณ์สวมใส่ที่เชื่อมต่ออินเตอร์เน็ต (Wearable Devices)
  • เราก้าวเข้าสู่ยุค Ubiquitous computing
  • Storage ในการเก็บข้อมูลมีราคาถูกลงมาก จนมีการคาดการณ์ว่าในปี 2025 ข้อมูลที่เราเก็บเกือบ 90% จะอยู่ Storage ที่มีขนาดไม่จำกัดและฟรี
  • อุปกรณ์ IoT จะมีใช้อย่างแพร่หลาย และในทศวรรษหน้าจะมีอุปกรณ์เซ็นเซอร์ที่ต่อกับอินเตอร์เน็ตมากกว่าหนึ่งล้านล้านชิ้น
  • เราจะมีการใช้ Big Data  วิเคราะห์ข้อมูล
  • บ้านจะเปลี่ยนเป็นบ้านอัจฉริยะ (Smart Home) และก้าวสู่เมืองอัจฉริยะ (Smart City)
  • หุ่นยนต์จะมาทำงานแทนเราในหลายๆ ด้าน
  • สกุลเงินดิจิทัลเริ่มมีการใช้อย่างแพร่หลายขึ้น ซึ่งเราจะเห็นได้จากสัญญาณว่าบางประเทศอย่างสวีเดนก็พยายามเลิกใช้เงินสดแล้ว
  • เครื่องพิมพ์สามมิติจะมีการใช้งานมากขึ้น
  • เรากำลังเข้าสู่ยุค Sharing Economy

Screenshot 2016-02-08 08.57.00

รูปที่ 1 ผลการสอบถามของ WEF

นอกจากนี้ทาง WEF ยังได้ทำการสอบถามความเห็นผู้เชี่ยวชาญด้านเทคโนโลยีและผู้บริหารต่างๆจำนวน 800 รายในความเป็นไปได้ในเรื่องของเทคโนโลยีที่จะเข้ามาในปี  2025  หรืออีก 10 ปีข้างหน้าดังรูปที่ 1 จะเห็นว่าผู้เชี่ยวชาญจำนวนมากมีความเชื่อในเทคโนโลยีว่าจะมาแทนที่อนาคตอาทิเช่น

  • คนเกือบ 10% จะสวมใส่เสื้อผ้าที่ต่ออินเตอร์เน็ต
  • จะมีหุ่นยนต์ทำงานแทนเภสัชกร
  • จะมีรถยนต์ที่ผลิตจากเครื่องพิมพ์สามมติ
  • สินค้าอุปโภคบริโภคกว่า 5%จะถูกผลิตจากเครื่องพิมพ์สามมติ
  • ประชากรโลกกว่า 90% จะเชื่อมต่ออินเตอร์เน็ตสม่ำเสมอ
  • รถกว่า 10% บนถนนในสหรัฐอเมริกาจะเป็นแบบไร้คนขับ

ตัวอย่างที่ยกมาให้เห็นน่าสนใจเพราะมันจะทำให้งานหลายๆอย่างเปลี่ยนไป ตอนนี้ทางสหรัฐอเมริกาเริ่มมีการศึกษาและเชื่อกันว่างานมากกว่าครึ่งหนึ่งสามารถถูกแทนที่ด้วยหุ่นยนต์ และต้องเร่งพัฒนาคนให้มีทักษะที่มากขึ้นกว่าเดิม ลองคิดดูว่าแค่เรื่องเครื่องพิมพ์สามมิติถ้าสามารถใช้สินค้าอุปโภคบริโภคได้ ฐานการผลิตก็จะย้ายออกไปสู่ประเทศและหน่วยงานที่มีนวัตกรรม ไม่ต้องพึ่งพาแรงงานในการผลิตราคาถูก

ถึงเวลาหรือยังที่เราต้องเร่งคิดเรื่องนี้จริงจัง ปฎิรูปคนปฎิรูปการศึกษาบ้านเรา เพื่อรองรับการเปลี่ยนแปลงของอุตสาหกรรมในอนาคต

ธนชาติ นุ่มนนท์

สถาบันไอเอ็มซี

 

 

 

สรุปการบรรยายงาน IT Trends: Strategic Planning for 2016 และ Slides

ในช่วงสองวันที่ผ่านมานี้ (14-15 ธันวาคม) ทาง IMC Institute จัดงานสัมมนา IT Trends: Strategic Planning for 2016 โดยได้เรียนเชิญวิทยากรมาทั้งหมด 16 ท่านเพื่อให้ผู้เข้าร่วมอบรมทราบถึงแนวโน้มในปีหน้าว่าไอทีจะมีการเปลี่ยนแปลงอะไร ทั้งแนวโน้มของโลกและแนวโน้มที่จะเกิดขึ้นในประเทศไทย และได้พูดในหัวข้อตั้งแต่ Cloud Computing, Big Data, Internet of Things, 4G หรือ Software Engineering วันนี้ผมเลยขอสรุปหัวข้อการบรรยายต่างๆสั้นๆและนำ Slide บางส่วนมาแชร์ดังนี้

วันที่หนึ่ง

หัวข้อแรกเป็น ​Keynote จากดร.มนู อรดีดลเชษฐ์ที่ปรึกษากระทรวงไอซีทีมาบรรยายในหัวข้อ  IT Trends: Strategic Planning for 2016 โดยมาบรรยายชี้ให้เห็นการเปบี่ยนแปลงของโลกชี้ให้เห็นการเชื่อมโยงระหว่างสองโลก-Physical World/Digital World และ Trends ต่างๆของ Gartner ดังแสดงในรูป และผู้สนใจสามารถ Download Slide ได้ที่ >> Slide: IT Trends: Strategic Planning for 2016

Screenshot 2015-12-15 14.50.04

หัวข้อที่สองเป็นเรื่อง Consumer IT Trends 2016: โดยคุณปฐม อินทโรดม ที่ปรึกษาของสมาคมอุตสาหกรรมเทคโนโลยีสารสนเทศ ATCI มาเล่าเรื่องของ IoT, Devices และ LifeStyle Network Effect โดยผู้สนใจสามารถ Download Slide ได้ที่ >> Slide:Consumer IT Trends 

หลังพักรับประทานเบรคตอนเช้า ตัวผมเองมาบรรยายต่อในเรื่อง Big Data & Cloud Trends โดยชี้ให้เห็นว่าเรากำลังเห็นการ Converge ของ IoT, Big Data, Cloud และระบุถึง 5 Trends ของ Big Data โดยผู้สนใจสามารถ Download Slide ได้ที่ >> Slide : Cloud Computing and Big Data Trends 

หัวข้อถัดมาเรื่องของ IT Security Trends  โดยอาจารย์นรินทร์ฤทธิ์ เปรมอภิวัฒโนกุล ผู้เชี่ยวชาญด้านความปลอดภัยด้านไซเปอร์ท่านหนี่งในประเทศไทย โดยผู้สนใจสามารถ Download Slide ได้ที่ >> Slide:IT Security Trends

หัวข้อที่ห้าเป็นเรื่อง Digital Transform  Strategy ที่น่าสนใจมากจาก อาจารย์ดนัยรัฐ ธนบดีธรรมจารี วิทยากรประจำท่านหนึ่งของ IMC Institute  ในด้าน Enterprise Architecture และ Big Data โดยได้นำเสนอ Digital Transformation Reference Model ดังรูป ซึ่งผู้สนใจสามารถ Download Slide ได้ที่ >> Slide:Digital Transform  Strategy

 

Screenshot 2015-12-15 15.29.51

หัวข้อหลังพักรับประทานอาหารว่างตอนบ่ายเป็นเรื่องของ : 4G impacts to ICT Industry จากดร.พีรเดช ณ น่าน ผู้บริหารจากบริษัท กสท โทรคมนาคม จำกัด (มหาชน) ตามด้วยหัวข้อของคุณทรงยศ คันธมานนท์ ประธานเจ้าหน้าที่บริหาร บริษัท เรดดี้แพลนเน็ต จำกัด บริษัทผู้ให้บริการเว็บไซต์รายใหญ่รายหนึ่งในประเทศมาเล่าเรื่องของ E-Commerce Trends ซึ่งผู้สนใจสามารถ Download Slide ได้ที่ >>Slide:E-Commerce Trends 

หัวข้อสุดท้ายของวันแรกคือเรื่องของ นโยบาย Digital Economy ของรัฐบาลที่ได้เชิญ ดร.กษิติธร ภูภราดัย ผู้อำนวยกำรฝ่ำยอำวุโส ฝ่ำยวิจัยนโยบำย ที่เป็นทีมงานร่างแผนของกระทรวงไอซีทีมาบรรยายให้เห็นทิศทางของภาครัฐในเด้านนี้  ซึ่งผู้สนใจสามารถ Download Slide ได้ที่ >> Slide: Thailand Digital Economy Policy

วันที่สอง

หัวข้อแรกเป็น ​Keynote จาก อาจารย์ปริญญา หอมเอนก . ประธานและผู้ก่อตั้ง, ACIS Professional Center Co., Ltd. (ACIS) ที่มาเล่าเรื่องของ IT Security Trends 2016  ตามด้วยวิทยากรจาก Microsoft (Thailand) คุณรชฎ อิศรางกูร ณ อยุธยา ผู้จัดการอาวุโสกลุ่มธุรกิจและการตลาดวินโดวส์และเซอร์เฟซ มาพูดเรื่องของ : BYOD & Device Trends

หลังพักรับประทานเบรคตอนเช้าได้รับเกียรติจากคุณอรนุช เลิศสุวรรณกิจ ผู้ร่วมก่อตั้ง Thumbsup และผู้อำนวยการฝ่ายการตลาดบริษัท Computerlogy มาบรรยายเรื่อง Social Networks Trends 2016 โดยผู้สนใจสามารถ Download Slide ได้ที่ >> Slide: Social Networks Trends 

ถัดมา Dr.Vit Niennattrakul CTO, Whiteline Technology ซึ่งเป็นบริษัท Startup ที่ทำ Application Stamp และมีความเชี่ยวชาญการพัฒนาซอฟต์แวร์บน่ Amazon Web Services มาบรรยายในหัวข้อ  Software Development Trends on Cloud Platform โดยผู้สนใจสามารถ Download Slide ได้ที่ >> Slide: Software Development Trends on Cloud Platform

หลังพักเที่ยงเริ่มต้นด้วยหัวข้อ Data Science Trends จากผศ. ดร. จิรพันธ์ แดงเดช. คณะวิทยาศาสตร์และเทคโนโลยี. มหาวิทยาลัยอัสสัมชัญ โดยผู้สนใจสามารถ Download Slide ได้ที่ >> Slide: Data Science Trends

หัวข้อถัดมา คุณประธาน ด่านสกุลเจริญกิจ CEO SPRINT 3R มาเล่าเรื่องของ Software Engineering Trends โดยพูดถึง  3 Trends คือ Design Thinking, Agile และ  DevOps  โดยผู้สนใจสามารถ Download Slide ได้ที่ >>Slide: Software Engineering Trends

Screenshot 2015-12-15 15.57.30

หัวข้อหลังพักรับประทานอาหารว่างตอนบ่ายเป็นเรื่องของ IoT Trends 2016 โดยได้รับเกียรติจากคุณภาณุภณ พสุชัยสกุล บรรณาธิการ opensource2day โดยผู้สนใจสามารถ Download Slide ได้ที่ >> Slide: IoT Trends 2016

ตามด้วยหัวข้อ Data Center Trends โดยคุณฐิติธร เสมาเงิน IT Architect จาก Oracle(Thailand) และสุดท้ายผมได้บรรยายปิดท้ายสรุปเรื่องราวการบรรยายทั้งสองวัน และคาดการณ์แนวโน้มในประเทศไทย  10 เรื่องดังรูป โดยผู้สนใจสามารถ Download Slide ได้ที่ >>  Slide: WrapUp

ธนชาติ นุ่มนนท์

IMC Institute

 

12294621_573971769416834_2580937459480497977_n

 

 

Asia Pacific ICT Awards: เมื่อ Start-up ไม่ใช่เถ้าแก่น้อย

Screenshot 2015-12-02 12.36.54

เมื่อช่วงวันที่ 18-21 พฤศจิกายนที่ผ่านมาผมได้ไปตัดสินการประกวดผลงานด้านไอซีทีของประเทศในกลุ่มเอเซียหรือที่เรียกว่า APICTA (Asia Pacific ICT Awards) ที่ประเทศศรีลังกา ปีนี้จัดมาเป็นปีที่ 15 และผมเองก็ได้เป็นกรรมการมาต่อเนื่องสิบปีแล้ว ปีนี้เขาจัดผมเป็นกรรมการในหมวด Start-Up

หลายคนพอได้ยินว่าเป็นหมวดนี้ก็คงคิดว่าเป็นคนรุ่นใหม่เพิ่งเรียนจบมาประกวด เปล่าเลยครับความหมายของหมวด Start-Up ที่ทาง APICTA กำหนดคือต้องเป็นบริษัทเปิดมาไม่เกินสามปี ซึ่งผมเองเคยตัดสินหมวดนี้มาสองครั้งในปี 2009 ที่ประเทศออสเตรเลียและปี 2011 ทีพัทยา ซึ่งสองครั้งนั้นคนชนะเลิศเป็นผู้มีประสบการณ์มาก ในปี 2011 ผู้ชนะมาจากมาเลเซียเคยเปิดบริษัทมาแล้วหลายบริษัทและเคยบริษัทออกไปทำรายได้ให้เป็นจำนวนมาก พูดง่ายๆมีอาชีพเป็น Start-Up ส่วนในปี 2009 ผู้ชนะเลิศเป็นคนอายุสามสิบต้นๆมาจาก Singapore และเสนอผลงาน X-Mini Speaker มาแข่ง

ตอนแรกผมคิดว่าบรรยากาศของ Start-Up ปีนี้น่าจะเปลี่ยนไปจากเมื่อครั่งสุดท้ายที่ผมมาตัดสินในหมวดนี้ ตัวแทนจากประเทศต่างๆที่ชนะเลิศการประกวดในหมวดนี้ของบ้านตัวเองอาจเป็นคนหนุ่มสาวจบมาใหม่ๆ แต่เมื่อพบว่า 18 ทีมที่เข้าประกวดเกือบอายุทุกคนเกิน 30 ปีครับบางคนน่าจะเกือบ 50 จะมีเด็กสุดก็อาจเป็นตัวแทนประเทศไทยที่อายุเพียง 25 และน่าจะเป็นทีมเดียวที่อายุต่ำกว่าสามสิบ ที่น่าสนใจคือแทบทุกคนเต็มไปด้วยประสบการณ์ หลายทีมมีคนจบปริญญาเอกมาเพราะมอง Start-Up ว่าต้องมีนวัตกรรมของตัวเอง หลายทีมเลยต้องจดสิทธิบัตรและบางครั้งไปจดในสหรัฐอเมริกา และสิ่งสำคัญบริษัทที่มาแข่งเหล่านี้ 5-6 ทีมเขาระดมเงินทุนจาก Venture Capital มาแล้วเกิน 1 ล้านเหรียญสหรัฐ

ทีมที่ชนะเลิศในหมวดนี้คือบริษัท Ingrain จากปากีสถานเขาทำโซลูชั่นในการใส่ภาพโฆษณาลงใน Video และขายไปให้กับบริษัทภาพยนตร์หลายแห่ง ทีมงานมีคนจบปริญญาเอกจำนวนมาก มีออฟฟิตย่อยในอเมริกาและจดสิทธิบัตรที่นั้น บางคนอาจนึกถึงโซลูชั่น Groopic ในการตัดต่อเซลฟีรูปก็เป็นของบริษัทนี่ละครับ คนที่ได้รางวัล Merit ทีมแรกมาจากฮ่องกงที่ทำโซลูชั่น Teamnote และอีกทีมบริษัท Neeuro จาก Singapore ชื่อโซลูชั่น Memorie

Screenshot 2015-12-05 07.20.31

รูปที่  1 ผลงานของบริษัท Ingrain

Screenshot 2015-12-05 07.31.26

รูปที่  2  Teamnote

Screenshot 2015-12-05 07.33.36

รูปที่  3 ผลงานของบริษัท Neeuro

ยังมีผู้เข้าประกวดอีกหลายรายที่มีผลงานดีแต่ไม่ได้รับรางวัลในหมวดนี้  เนื่องจากหมวดนี้แข่งกันเข้มข้นมาก และบางรายไปได้รางวัลในหมวดอื่นเช่น Eco2 Green Data Centers จาก Malaysia ไปชนะเลิศในหมวด Sustainability & Environment Technology   รายนี้นำเสนอได้ดีมากผู้เข้าแข่งอายุ40 กว่าและมีลูกค้าแล้วจำนวนมาก; DF Automated Guided Vehicle จาก Malaysia ไปได้รางวัล Merit ในหมวด Industry Application เขาทำหุ่นยนต์ให้โรงงานอุตสาหกรรมมีลูกค้าทั้งในมาเลเซีย สิงคโปร์และจีน พร้อมทั้งมี สิทธิบัตรหลายใบ ยังมีโซลูชั่นเด่นๆจากออสเตรเลียที่  Raise Fund มาได้แล้ว $2M ทำเรื่องของการดูป้ายทะเบียนรถยนต์แล้วสามารถชำระเงินการเติมน้ำมันโดยอัตโนมัติ เพื่อลดเวลาการชำระเงินและให้ลูกค้าเข้าร้านสะดวกซื้อที่ปั้มได้ไวขึ้น โดยโซลูชั่นนี้ขายไปหลายแห่งแล้วทั่วออสเตรเลีย

จากการตัดสิน Start-Up ครั้งนี้สิ่งที่ผมติดว่าน่าจะเป็นข้อคิดที่ดีทื่ให้บ้านเรานำมาพัฒนากลุ่ม Start-Up บ้านเรามีประเด็นที่น่าสนใจดังนี้

  • ผู้ที่มาทำ  Start-Up  ส่วนใหญ่ผ่านประสบการณ์มาเยอะมาก จำนวนมากจบปริญญาเอกหรือโท ส่วนใหญ่อายุสามสิบปลายๆ หลายคนมีประสบการณ์ทำงานกับบริษัทข้ามชาตินับสิบปี
  • บริษัท Start-Up เน้นเรื่องของทรัพย์สินทางปัญญา บริษัทที่มาประกวดส่วนใหญ่จะมีนวัตกรรมของตัวเอง ประสบการณ์ทั้งด้านเทคนิคและธุรกิจทำให้พวกเขาสามารถที่จะค้นคิดนวัตกรรมดีๆได้ และเขาเน้นที่จะจดสิทธิบัตร ถ้าเป็นไปได้เขาไปจดในสหรัฐอเมริกาเลย
  • ทีมงานมีความสามารถทางเทคนิคดีมาก บริษัทเหล่านี้มีทีมงานที่เก่งด้านเทคนิคจริงๆ การใช้ Cloud Computing อย่าง  Amazon Web Services  หรือ Azure  เป็นเรื่องที่เขาคุยกันปกติ การพัฒนาซอฟต์แวร์แบบ  Agile การใช้เขียนซอฟต์แวร์ด้วยภาษาหรือ Framework ใหม่คือสิ่งจำเป็น เขาเน้นพัฒนาโปรแกรมเพื่อให้  Scale ได้จริงๆคร้บ ไม่ใช่เขียนโปรแกรมแบบเด็กๆทำโครงการส่ง
  • บริษัทมีโอกาสในการระดมแหล่งเงินทุนได้ง่าย หลายบริษัทมีความสามารถในการนำเสนอ มีนวัตกรรมที่ดี และมีลูกค้าอยู่แล้วจำนวนมากจึงทำให้บางบริษัทสามารถ Raise Fund ได้นับล้านเหรียญ
  • บริษัทมีฐานลูกค้าที่ดีพอและตั้งเป้าบุกตลาดโลก บริษัทเหล่านี้มีประสบการณ์ในการทำตลาดต่างประเทศ มีฐานลูกค้าในประเทศของเขาอยู่แล้ว ข้อสำคัญภาษาอังกฤษเขาดีมากครับ

จากที่เล่ามาทั้งหมดนี่ ผมคิดว่าถ้าเราจะสร้าง Start-Up ในบ้านเรา ต้องเร่งพัฒนาในเด็กด้านไอทีเรามีความสามารถด้านเทคนิคดีกว่าปัจจุบันอีกมาก และฝึกให้เขาไปหาประสบการณ์ในอุตสาหกรรมเสียก่อน แล้วค่อยมาหนุนให้ทำ Start-Up   เราคงต้องสร้าง Start-Up จากผู้ประกอบการที่มีประสบการณ์

ธนชาติ นุ่มนนท์

IMC Institute

การพัฒนาบุคลากรสำหรับงานทางด้าน Big Data

กระแสของBig Data กำลังมาแรงหลายสถาบันการศึกษาต่างก็สนใจเปิดหลักสูตรด้านนี้. แต่ขณะเดียวกันสถาบันหลายแห่งก็บังไม่ได้ให้ความสำคัญยังเน้นสอนแต่ Database, Data Structure ในรูปแบบเดิมๆ ทั้งๆที่โดยแท้จริงแล้วสถาบันการศึกษามีหน้าที่จะต้องสอนคนให้ออกไปทำงานในอนาคต สอนให้คิดเป็นทำเป็นและเรียนรู้เพื่ออยู่กับอนาคตทำงานใน 10 ปีข้างหน้า ไม่ใช่แค่สอนเทคโนโลยีปัจจุบันหรือสิ่งที่อาจารย์เรียนรู้มาเมื่อ 10-20 ปีโดยไม่ได้เพิ่มเนื้อหาที่เป็นองค์ความรู้หรือเทคโนโลยีใหม่ๆแล้วอ้างแค่เพียงว่า นักศึกษาต้องมีความรู้พื้นฐาน ทั้งๆที่วันนี้ความรู้พื้นฐานด้านเทคโนโลยีไอทีหลายอย่างก็เปลี่ยนไป โดยเฉพาะในช่วง 4-5 ปีที่ผ่านมา ซึ่งในอีก 10 ปีข้างหน้าจะยิ่งเปลี่ยนไปกว่านี้อีกมาก ถ้าเราไม่สร้างคนเพื่ออนาคตเราจะแข่งกับเขาได้อย่างไร

 

แม้หลายแห่งพยายามจะสอนหลักสูตร Big Data แต่ก็พยายามจะเปิดสอนระดับปริญญาโทขึ้นไปเน้นเรื่องData Science หรือ Machine Learning ค่อนข้างมากเพราะอาจผูกกับงานวิจัยอาจารย์ และหลายๆแห่งมองหลักสูตร Big Data ค่อนข้างสับสนไปหมดทั้งๆที่เราควรจะเน้นสอนเรื่องนี้ตั้งแต่ปริญญาตรี และควรมองอนาคตว่า Big Data คือสิ่งจำเป็น และเราต้องพัฒนาคนไอทีเราให้ถูกทักษะรงต่ออาชีพที่จะต้องทำ

 

งานด้าน Big Data ไม่ใช่มีแค่ Data Scientist เรียน Big Data ไม่ใช่แค่เน้นเรียน Machine Learning และ Learning Path ทางด้านนี้มีหลากหลายมาก เราจึงต้องวางแผนก่อนว่าเราจะพัฒนาคนประเภทไหนออกมา ซึ่งอุตสาหกรรมต้องการคนมาทำงานด้าน Big Data ในอนาคตจำนวนมาก แต่จะมีบทบาทหน้าที่หลากหลาย
ดังนั้นทุกภาคส่วนก็คงต้องช่วยกันเตรียมคนเพื่อรองรับการเปลี่ยนแปลงในอนาคต

 

หากจะพิจารณางานด้าน Big Data ในอนาคตเราคงสร้างคน ที่มีหน้าที่ที่หลากหลาย คนแต่ละคนมีทักษะไม่เหมือนกัน เราไม่สามารถสร้างคนทุกคนเป็น Data Scientist ได้ ทำนองเดียวกันคนที่เป็น Data Scientist ก็อาจไม่เก่งที่จะเป็น Data Engineer มาติดตั้งระบบ หรืออาจไม่เก่งทำ Visualization ที่อาจต้องคนมีความสามารถในการทำ Infographics หรือDashborad ให้คนเข้าใจได้โดยง่าย

 

ถ้าเราจะแบ่งคนทางด้านนี้ในอนาคตเราอาจแบ่งคนตามสายอาชีพดังนี้ เพื่อให้อุตสาหกรรมมาเร่งช่วยกันพัฒนาคนออกมา

 

1) Data Engineer คนกลุ่มนี้จะทำหน้าที่ติดตั้งและดูแลระบบข้อมูลต่างๆ ต้องมีทักษะด้าน System Administration เข้าใจการติดตั้งและดูแลระบบอย่าง Database, Hadoop Cluster, NoSQL หรือสามารถออกแบบ Data Architecture ต่างๆ

 

2) Data Developer มีหน้าที่ในการพัฒนาโปรแกรมที่นำข้อมูลมาวิเคราะห์ โดยต้องเรียนรู้ทักษะในการเขียนโปรแกรมภาษาต่างๆทั้ง Java, Python หรือSQL เพื่อจะใช้เทคโนโลยีอย่าง Spark, Hive, Impala ฯลฯ

 

3) Data Analyst คนกลุ่มนี้จะมีความรู้ในการที่จะนำข้อมูลมาวิเคราะห์ มีความเข้าใจเรื่อง Business a intelligence เข้าใจ Business Domain และมีความรู้ด้านสถิติดี

 

4) Data Visualizer คนกลุ่มนี้จะมีความสามารถในการนำข้อมูลมาแสดงผลเพื่อให้ผู้คนเข้าใจ.สามารถทำ Dashboard หรือ Infographics  ได้สวยงามและเข้าใจง่าย

 

5) Data Scientist คือคนที่จะนำข้อมูลมาวิเคราะห์ที่อาจเป็น Predictive Analytics คนกลุ่มนี้ต้องเก่งคณิตศาสตร์เรียนรู้ Machine Learning เข้าใจ Algorithm ต่างๆ

 

จากที่กล่าวมาจะเห็นได้ว่าถ้าเราจะสร้างอนาคตของประเทศให้สามารถแข่งขันได้ด้วย Big Data เราต้องการคนในทุกด้านและก็หน้าที่ของทุกฝ่ายที่ต้องช่วยกัน สร้างคนเพื่ออนาคต
ธนชาติ นุ่มนนท์
IMC Institute
ธันวาคม 2558
big-data-job-growth-infographic

Hadoop Application Architecture

วันนี้มางาน Strata + Hadoop World  ที่สิงคโปร์วันแรกซึ่งเป็นวัน  Tutorial ผมเลือกที่จะเข้าสอง session คือ Hadoop Application Architectures ในตอนเช้าและ Apache Hadoop Operations for production systems ในตอนบ่าย

Session แรกน่าสนใจมากเพราะผู้บรรยายทั้งสี่ท่านคือคนเขียนหนังสือเรื่อง Hadoop Application Architectures และได้แนะนำสถาปัตยกรรมของ Hadoop สำหรับการวิเคราะห์ข้อมูล Network Fraud แบบ Near Real Time ดังรูปที่ 1

Screenshot 2015-12-01 10.31.54

รูปที่  1: Architecture สำหรับ Fraud Detection

จาก  Architecture นี้มีประเด็นที่น่าสนใจคือ

Storage: เลือกใช้ HDFS สำหรับเก็บข้อมูลที่ดึงมาจาก Network และต้องการประมวลผลแบบ Batch และเลือก HBase สำหรับการเก็บ Profiile ของ Network  ที่ต้องการอ่านและเขียนอย่างรวดเร็ว นอกจากนี้ยังมีการพูดถึง Kudu ว่าน่าจะเป็นเทคโนโลยีใหม่ที่อาจเหมาะกับการเก็บข้อมูลที่ Google ค้นคิดขึ้นมาที่ผสมระหว่าง HDFS และ  HBase ดังรูปที่ 2

Screenshot 2015-12-01 10.45.52

รูปที่ 2 Kudu

Ingestion: มี  Workflow ในการดึงข้อมูลจาก Network Devices ดังรูป โดยขั้นตอนแรกดึงข้อมูลมาเก็บใน Queue โดยใช้ Kafka และใช้ Flume ทำหน้าที่เป็น  Event Handler จัดการเลือกเฉพาะข้อมูลที่น่าสงสัย

Screenshot 2015-12-01 10.40.09

รูปที่ 3 Ingestion Workflow

Processing: ในการประมวลผลข้อมูลมีได้หลายวิธีดังรูปที่ 4 แต่ในในกรณีของ Streaming เลือกใช้ Spark Streaming  ส่วนกรณีของ Batch Processing เลือกใช้ Spark สำหรับการทำ Machine Learning, Impala สำหรับการทำรายงาน และ  MapReduce  ดังรูปที่ 5 โดยทีมงานก็พยายามเน้นให้เห็นว่า  MapReduce กำลังถูกแทนที่ด้วย Spark  และ Hive กำลังถูกแทนที่ด้วย Impala

Screenshot 2015-12-01 10.46.57

รูปที่ 4 การประมวลผลข้อมูลใน Hadoop ด้วยวิธีต่างๆ

Screenshot 2015-12-01 10.49.40

รูปที่ 5 Processing สำหรับกรณีศึกษานี้

สรุปสิ่งที่ได้จาก  Session นี้คือเห็นการเก็บข้อมูลที่ต้องผสมผสานทั้ง HDFS และ HBase การดึงข้อมูลคงต้องพิจารณาเรื่องของ KafKa และการประมวลผลควรเน้นเรื่องของ Spark และ Impala

ธนชาติ นุ่มนนท์

IMC Institute

ธันวาคม 2558

 

 

 

Azure HDInsight หนึ่งในกลยุทธ์ที่เปลี่ยนไปของ Microsoft (มี Link เอกสารการอบรม)

 

วันก่อนมีโอกาสไปจัดอบรม Big Data using Azure HDinsight ที่ออฟฟิศของ Microsoft มีคนเข้ามาร่วมอบรมจำนวน 50กว่าคน ทำให้มีโอกาสคิดได้ว่าถ้าเป็นสมัยก่อนคงยากที่ผมจะสอนเทคโนโลยีของ Microsoft โดยเฉพาะมาที่ออฟฟิศของเขาเลย เพราะผมสอนและใช้เทคโนโลยีตรงข้ามกับMicrosoft มาตลอด

  • ผมเขียนโปรแกรมและสอน Java Technology
  • ผมเป็น Certified Java instructor
  • ผมใช้เทคโนโลยีฝั่ง Server ที่เป็น Linux, MySQL database และ Java App/Web Server
  • ผมใช้เครื่อง Mac ใช้ ipad และเลือกใช้ smartphone ที่เป็น Android
  • ผมทำเอกสารต่างๆโดยใช้ OpenOffice ใช้ Gmail, Google Docs แม้ว่าจะซื้อ account ของOffice 365 แต่ก็ใช้ยามจำเป็น

แต่วันนี้กลยุทธ์ของ Microsoft มาที่ Mobile กับ Cloud ทำให้ผมต้องเข้ามาใช้ Microsoft Azure ที่เป็นระบบ Cloud ของ Microsoft ซึ่งมีทั้ง IaaS และ PaaS การใช้ IaaS โดยมากก็เป็นการใช้ Virtual Server ที่เป็น Ubuntu Linux ในการติดตั้ง Hadoop Clusterสำหรับ PaaS ที่น่าสนใจก็มี HDinsight ซึ่งเป็น Hadoop as a Service ซึ่งเหมาะกับการใช้ Hadoop Cluster ในช่วงระยะเวลาสั้นๆ เพราะเป็นระบบที่ติดตั้งโดยอัตโนมัติและเป็น Hadoop Distribution ของ Microsoft ที่พัฒนาบน Hortonworks เพื่อให้สามารถเชื่อม HDFS กับ Azure Blob

บริการ PaaS อีกอันของ azure ทีน่าสนใจคือ Machine Learning ซึ่งจัดเป็น Analytics as a Service ที่ผู้ใช้สามารถจะเข้ามาทำการวิเคราะห์ข้อมูลโดยใช้ Machine Learning Algorithm ต่างๆอาทิเช่น Linear Regression, K-Mean หรือ Recommendation สำหรับข้อมูลขนาดใหญ่โดยมี ML Studio ที่ผู้ใช้งานสามารถใช้งานโดยง่านได้

Screenshot 2015-09-23 21.38.47

สำหรับการอบรมที่ผมไปสอนผมใช้ HDInsight บน Linux จะเห็นได้ว่าวันนี้ Microsoft  เป็นระบบที่มีหลากหลาย Platform  แม้แต่ HDInsight ก็สามารถที่จะพัฒนาโปรแกรม  MapReduce ด้วยภาษา Java ผู้ที่ต้องการเรียนรู้การพัฒนาโปรแกรม Big Data  ผมแนะนำที่จะให้ใช้ Azure HDInsight เพราะจะได้ไม่ต้องไปวุ่นวายในการติดตั้ง Hadoop Cluster และ Microsoft เองก็มี Azure Free Trial ให้ใช้ สำหรับการใช้งานจริง HDInsight เหมาะสำหรับการทำงานเพียงระยะสั้นสำหรับผู้ที่ต้องการหา  Cluster ใหญ่ๆมาประมวลผล เพราะหลักการ HDInsight คือจะสร้างแล้วปิดระบบไม่ได้ นอกจากจะ Terminate  ทิ้ง แต่ถ้าต้องการตั้ง  Hadoop Cluster ไว้ระยะยาวบนคราว ผมอยากจะแนะนำให้ติดตั้ง Hadoop Distribution บน Vitual Server จะประหยัดกว่าเพราะสามารถเปิดปิด Server โดยไม่ต้อง Terminate เครื่องได้

สำหรับ Slide ประกอบการบรรยายครั้งนี้ผมมีสองชุด

– ชุดแรกเป็น Big Data using Azure HDInsight โดยสามารถ Download Slide ได้ที่ >> http://tinyurl.com/oco4z8n
– ชุดที่สองเป็นแบบฝึกหัด Azure HDInsight Workshop โดยสามารถ Download Slide ได้ที่ >>  http://tinyurl.com/obv34og

ซึ่งการอบรมนี้จะครอบคลุมเนื้อหา การติดตั้ง HDInsight, แนะนำ MapReduce, การใช้โปรแกรม Hive, การใช้โปรแกรมPig และการImport ข้อมูลจากฐานข้อมูล RDBMS โดยใช้ Sqoop

นอกจาก Slide ชุดนี้เราสามารถศึกษาการใช้ HDInsight ได้เพิ่มเติมจาก Tutorial ของMicrosoft Azure ได้ที่ >> http://azure.microsoft.com/en-us/documentation/services/hdinsight/

ผมเองยังได้เขียน Slide ที่เป็นแบบฝึกหัดสำหรับการใช้ Azure Machine Learning โดยมีแบบฝึกหัดทดลองทำ ML 4  เรื่องคือ

  • Classification เพื่อคาดการณ์ราคารถยนต์โดยใช้ Linear Regression Algorithm
  • Clustering เพื่อแบ่งกลุ่มประเทศตามการบริโภคอาหารโดยใช้ K-Mean Algorithm
  • Recommendation แนะนำร้านอาหารจากข้อมูลในอดีต และ
  • Classification เพื่อคาดการณ์ว่าเที่ยวบินที่มาถึงล่าช้าหรือไม่โดยใช้ Decision Tree Algorithm

โดยสามารถ Download Slide ได้ที่  >> http://tinyurl.com/pkjonbn

สุดท้ายนี้ทาง IMC Institute เองจะเปิดสอนหลักสูตร Azure โดยไม่มีค่าใช้จ่ายอีกครั้งในวันที่ 30 ตุลาคม โดยงานนี้ได้รับการสนับสนุนจาก Microsoft เช่นเคย

ธนชาติ นุ่มนนท์

IMC Institute

กันยายน 2558

แนวโน้มของเทคโนโลยีที่เปลี่ยนรูปแบบการเรียนการสอนในสถาบันอุดมศึกษา

practical-

วันก่อนมีโอกาสไปงานของสมาคมศิษย์เก่าวิศวกรรมศาสตร์ มหาวิทยาลัยขอนแก่น ได้เจออาจารย์หลายท่าน บางท่านก็เป็นผู้บริหารในคณะ ผมจบการศึกษาจากที่คณะนี้และเคยสอนอยู่ที่นั้นหลายปี แม้ระยะหลังจะไม่ได้เข้าไปร่วมกิจกรรมด้านการพัฒนาการเรียนการสอนของที่นั้น แต่ก็ยังติดตามข่าวสารของคณะตลอดเวลา ในงานผู้บริหารรุ่นใหม่บางคนถามผมว่าจะปรับหลักสูตรอย่างไรที่จะให้คณะแข่งขันได้ ผมเองมีโอกาสเป็นกรรมการพิจารณาหลักสูตรหลายๆสถาบัน ได้วิพากษ์หลักสูตรหลายๆแห่ง ผมคิดว่าทุกที่สามารถที่จะเขียนหลักสูตรให้สวยงามอย่างไรก็ได้ แต่ปัญหาอยู่ที่การปฎิบัติจริง คุณภาพของผู้เรียนและผู้สอนจะเป็นดังหลักสูตรที่เขียนไว้หรือไม่ บัณฑิตที่จบออกมาจะเป็นที่ต้องการของภาคอุตสาหกรรมหรือสามารถแข่งขันในตลาดได้หรือไม่ อาจไม่ได้อยู่ที่เพียงหลักสูตรที่ดูดี แต่อยู่ที่กระบวนการสอน ต้องปรับวิธีการ ปรับสภาพแวดล้อม ต้องสร้างสถาบันให้เป็นที่แห่งการเรียนรู้ สร้างนวัตกรรมสอนให้นักศึกษามีความคิดพร้อมที่จะเรียนรู้ตลอดชีวิต

การเปลี่ยนแปลงของเทคโนโลยีด้านไอที ไม่แต่เพียงเปลี่ยนการสอนด้านไอที แต่มีผลต่อระบบการศึกษาโดยรวม สถาบันการศึกษาที่นำเอาเทคโนโลยีมาใช้ในการสอน ปรับสภาพแวดล้อมการเรียนรู้ใหม่จะทำให้สามารถแข่งขันได้ในโลกที่กำลังเปลี่ยนไป เมื่อเร็วๆนี้ผมมีโอกาสได้อ่านรายงานเรื่อง NMC Horizon Report 2015: Higher Education Edition โดยกล่าวถึงเรื่อง Top Education Technology Trends ที่ชี้ให้เห็นถึงเทคโนโลยีที่จะมีผลต่อการเปลี่ยนรูปแบบเรียนการสอนในสถาบันอุดมศึกษา โดยระบุถึงซึ่งที่ควรเปลี่ยนไป 6 อย่างดังนี้

1) การพัฒนาสภาพแวดล้อมสำหรับการสร้างนวัตกรรม

การเปลี่ยนแปลงของเทคโนโลยีไอที ทำให้การพัฒนานวัตกรรมใหม่เป็นไปได้อย่างรวดเร็ว เทคโนโลยีทำให้เกิดสังคมนวัตกรรมแบบใหม่ สามารถทำงานกันได้ทุกที่ทุกเวลา ทำให้เพื่อนร่วมงานอยู่ที่ใดก็ได้ เกิดสังคมการทำงานร่วมกันแบบไร้พรมแดน สถาบันการศึกษาอาจต้องจำลองการทำงานของบริษัทธุรกิจใหม่ๆ ที่สร้างสภาพแวดล้อมที่ช่วยกระตุ้นให้เกิดนวัตกรรมใหม่ๆอาทิเช่น การจัด Co-Working Space การทำ Agile Startup หรือใช้ตัวอย่างของคนไอทีที่ทำเรื่อง Makespace  สำหรับสร้างนวัตกรรมด้าน  Internet of Things

Screenshot 2015-09-05 22.03.06

2) การเพิ่มความร่วมมือกันระหว่างสถาบันการศึกษา

สถาบันการศึกษาจะต้องมีความร่วมมือกันมากขึ้น ทั้งในเรื่องของการใช้เทคโนโลยีต่างๆร่วมกัน หรือควรจะต้องแชร์ข้อมูลและเนื้อหาร่วมกัน สถาบันการศึกษาในบ้านเรายังมีความเป็นอิสระมากไปขาดการบูรณาการในหลายๆด้าน แม้แต่เรื่องงบประมาณการจัดซื้อเทคโนโลยีต่างๆยังเป็นลักษณะแบบ Bottom Up แทนที่จะเป็นลักษณะของ Top-Down ที่ผู้บริหารควรจะมีวิสัยทัศน์กำหนดแนวโน้มของเทคโนโลยีการศึกษา แล้วจัดหาเทคโนโลยีที่จะพัฒนาศักยภาพการแข่งขัน ไม่ใช่แต่ละคณะ สาขา จัดซื้อมาอย่างอิสระ

3) การประเมินและวัดผลแบบใหม่ Real Time/Online

เทคโนโลยีไอทีทำให้เกิดการเรียนรู้แบบ Adaptive Learning  และสามารถวัดผลและประเมินการเรียนได้แบบ Realtime  ผู้สอนสามารถจะตรวจสอบได้ว่าผู้ใดเข้ามาศึกษาเรียนรู้แบบอนไลน์ สามารถวัดผล และโต้ตอบกับผู้เรียนได้แบบ Realtime  ผู้สอนสามารถจะปรับเปลี่ยนการเรียนการสอนได้แบบทันทีทันใด ดังนั้นสถาบันอุดมศึกษาจะต้องทำการสอนแบบ Adaptive โดยการนำเทคโนโลยีออนไลน์ใหม่ๆเข้ามาใช้

4) การเพิ่มจำนวนของ Open Educational Resources

เทคโนโลยีไอทีทำให้โลกของการเรียนรู้เปลี่ยนไป เกิดหลักสูตรและการเรียนรู้ที่เป็น Open Educational Resources (OER) ขึ้นมากมายทั้งในรูปของ หลักสูตร สื่อการสอน สไลด์ วิดีโอ แบบทดสอบ หรือซอฟต์แวร์ สถาบันการศึกษานอกจากต้องแข่งกับการศึกษาในรูปแบบเดิมแล้ว ก็ต้องแข่งกับการสอนที่เป็น OER ซึ่งบางครั้งสถาบันการศึกษาก็อาจจะต้องรู้จักนำสิ่งเหล่านี้มาใช้ รวมถึงอาจต้องร่วมในการพัฒนา OER  เพื่อให้มีผู้เรียนที่มากขึ้นในหลายรูปแบบ

5) การเรียนแบบผสมผสานระหว่าง Online กับ Face-to-Face

การศึกษาที่เป็นการผสมผสาน (Blended Learning) จะกลายเป็นเรื่องจำเป็น เพราะคงเป็นไปไม่ได้ที่ต่อไปการเรียนในระดับอุดมศึกษาจะมีเพียงรูปแบบ Online หรือการเรียนแบบชั้นเรียน Face-to-Face อย่างใดอย่างหนึ้งเพียงอย่างเดียว

Screenshot 2015-09-05 22.03.26

6) การออกแบบ Learning Space ใหม่

เทคโนโลยีไอทีได้เปลี่ยนแปลงรูปแบบของการเรียนรู้ ห้องเรียนคงไม่ใช่แบบเดิมที่ผู้สอนมายืนบรรยายอยู่หน้าขั้น หรือมีห้อง Lab เหมือนเดิมที่มีเครื่องคอมพิวเตอร์เรียงกันหันหน้าเข้าหาผู้สอน ห้องเรียนต้องเป็นรูปแบบที่ให้ผู้เรียนค้นคว้าข้อมูล สนทนาแลกเปลี่ยนทั้งภายในห้องและนอกห้อง ระหว่างการสอนได้ ต้องออกแบบห้องเรียนให้เกิดสภาพแวดล้อมที่ร่วมกันวิเคราะห์และแลกเปลี่ยนความคิดกันได้ เหมือนกับที่บางมหาวิทยาลัยได้เปลี่ยนรูปแบบของห้องสมุดที่เป็นมากกว่าที่จะนั่งอ่านหนังสือแบบเดิม

Screenshot 2015-09-05 22.03.35

จากที่กล่าวมาถึงหมดจะเห็นว่าสถาบันการศึกษาจะเป็นเลิศได้ คงไม่ใช่แค่ปรับหลักสูตร แต่ต้องนำเทคโนโลยีมาใช้เพื่อให้เกิดการเปลี่ยนแปลงการเรียนการสอน แต่สำคัญที่สุดคือผู้สอนและผู้เรียนต้องปรับตัวเอง แต่ไม่ว่าจะปรับอย่างไรก็ตามสิ่งสำคัญที่สุดของสถาบันการศึกษาคือต้องสอนนักศึกษาให้เป็นคนดี พร้อมที่จะเสียสละเพื่อส่วนรวมและประเทศชาติ อย่าคิดแต่เพียงจบออกมาเพื่อร่ำรวยและเห็นแก่ตัว สอนคนให้เป็นคนดีสำคัญกว่าสอนให้เป็นคนเก่ง

ธนชาติ นุ่มนนท์

IMC Institute

นายกสมาคมเทคโนโลยีสารสนเทศไทย

 

 

เทคโนโลยีสำหรับ Big Data: Storage และ Analytics

 

เมื่อพูดถึง Big Data หลายๆคนก็คงเริ่มเข้าใจความหมายของ 3Vs (Volume, Velocity, Variety) และเริ่มที่จะเห็นภาพว่าข้อมูลจะมีขนาดใหญ่ขึ้นและมีหลากหลายรูปแบบ ดังนั้นจึงไม่แปลกใจที่หลายองค์กรจำเป็นต้องปรับ Information Infrastructure เพื่อให้รองรับกับการบริหารจัดการ Big Data ได้

เทคโนโลยีฐานข้อมูลเดิมที่เป็น RDBMS และภาษา SQL ก็ยังคงอยู่แต่การที่จะนำมาใช้ในการเก็บข้อมูลขนาดใหญ่มากๆเป็นหลายร้อย TeraByte หรือนับเป็น PetaByte อาจไม่สามารถทำได้และอาจมีต้นทุนที่สูงเกินไป และยิ่งถ้าข้อมูลเป็นแบบ  Unstructure ก็คงไม่สามารถจะเก็บได้ นอกจากนี้การจะประมวลผลข้อมูลหลายร้อยล้านเรคอร์ดโดยใช้เทคโนโลยี  RDBMS ผ่านภาษา SQL ก็อาจใช้เวลานานและบางครั้งอาจไม่สามารถประมวลผลได้

Screenshot 2015-09-26 21.57.56

รูปที่ 1  ตัวอย่างของ Big Data Technology

ด้วยเหตุนี้จึงเริ่มมีการคิดถึงเทคโนโลยีอื่นๆในเก็บและประมวลผลข้อมูลที่เป็น Big Data ดังที่ได้แสดงตัวอย่างในรูปที่ 1 ซึ่งหากเราแบ่งเทคโนโลยีเป็นสองด้านคือ การเก็บข้อมูล (Storage) และการประมวลผล/วิเคราะห์ข้อมูล (Process/Analytics) เราอาจสามารถจำแนกเทคโนโลยีต่างๆได้ดังนี้

เทคโนโลยีการเก็บข้อมูล

ข้อมูลที่เป็น Big Data อาจจะมีขนาดใหญ่เกินกว่าที่เทคโนโลยีการเก็บข้อมูลแบบเดิมที่เรามีอยู่เก็บได้หรืออาจเจอปัญหาในแง่โครงสร้างของข้อมูลที่อาจไม่เหมาะกับเทตโนโลยี RDBMS ตัวอย่างเช่น Telecom operator อาจต้องการเก็บข้อมูล Call Detail Records (CDR) ที่อาจมีปริมาณสูงถึง 1 TeraByte ต่อวันเป็นระยะเวลายาวนานขึ้น หรือเราอาจต้องเก็บข้อมูลในอีเมลจำนวนมากที่เป็นรูปแบบของ Text File  หรือเก็บภาพจากกล้อง CCTV จำนวนหลายสิบ TB หรืออาจต้องการเก็บข้อมูลจาก Facebook ซึ่งข้อมูลต่างๆเหล่านี้ที่กล่าวมา อาจไม่เหมาะกับเทคโนโลยีฐานข้อมูลแบบเดิม RDBMS ที่เป็น Vertical Scaling

จากที่กล่าวมาจึ่งได้มีการนำเทคโนโลยีต่างๆเข้ามาเพื่อที่จะให้เก็บข้อมูลได้มากขึ้น โดยมีเทคโนโลยีต่างๆอาทิเช่น

  • ฐานข้อมูล  RDBMS แบบเดิม ก็ยังเป็นเทคโนโลยีที่เหมาะสมที่สุดในการเก็บข้อมูลแบบ Structure แต่ถ้าข้อมูลมีขนาดใหญ่มากก็จะเจอปัญหาเรื่องต้นทุนที่สูง  และหากข้อมูลมีจำนวนเป็น PetaByte ก็คงยากที่จะเก็บ ถึงแม้ในปัจจุบันจะมี MPP Datanbase อย่าง Oracle ExaDta หรือ SAP HANA แต่ราคาก็สุงมาก
  • Hadoop HDFS เป็นเทคโนโลยีที่มีการคาดการณ์ว่าหน่วยงานส่วนใหญ่จะต้องใช้ในอนาคต เพราะมีความต้องการเก็บข้อมูลขนาดใหญ่ทั้งที่เป็น Unstrucure Data หรือนำข้อมูลที่เป็น structure มาเก็บไว้ โดยสามารถจะเก็บข้อมูลได้เป็น PetaByte ทั้งนี้ขึ้นอยู่กับจำนวนเครื่องที่มีอยู่ในลักษณะ scale-out ข้อสำคัญ Hadoop มีต้นทุนที่ค่อนข้างต่ำเมื่อเทียบกับเทคโนโลยีการเก็บข้อมูลแบบอื่น ดังแสดงในรูปที่ 2
  • NoSQL เป็นเทคโนโลยีที่ต้องการเก็บข้อมูลจำนวนมากกว่าของ RDBMS ในลักษณะ scale-out เป็นจำนวนหลาย TeraByte แต่อาจไม่ได้เน้นเรื่อง Consistency หรือ ACID ของข้อมูลมากนัก เหมาะกับ Application บางประเภท ทั้งนี้เราสามารถจะแบ่งเทคโนโลยี NoSQL ออกไปได้สี่กลุ่มคือ Column Oriented, Document Oriented, Key-Value และ Graph
  • Cloud Storage ข้อมูลขนาดใหญ่ขององค์กรบางส่วนอาจต้องเก็บไว้ใน Public Cloud Storage เช่น  Amazon S3 โดยเฉพาะข้อมูลภายนอกอาทิเช่น Social Media Data หรือข้อมูลที่เป็น Archiving  ที่ไม่ได้มีความสำคัญมาก เพราะ Cloud Storage จะมีราคาในการเก็บที่ถูกสุด และสามารถที่จะเก็บได้โดยมีขนาดไม่จำกัด แต่ข้อเสียคือเรื่องความปลอดภัยและความเร็วในการถ่ายโอนข้อมูล

Screenshot 2014-11-17 16.27.33

รูปที่  2  เปรียบเทียบราคาของ Storage Technology

เทคโนโลยีการประมวลผลข้อมูล

การประมวลผลข้อมูลที่เป็น Big Data จะมีทั้งการวิเคราะห์ข้อมูลที่เป็น business intelligence (BI) เพื่อที่จะดึงข้อมูลมานำเสนอ หรือการทำ Predictive Analytics โดยใช้หลักการของ Data Science ความยากของการประมวลผลคือต้องการความเร็วในการประมวลผลข้อมูลที่นอกจากมีขนาดใหญ่แล้วบางครั้งยังเป็นข้อมูลที่ไม่มีโครงสร้าง ดังนั้นต้องจึงมีการนำเทคโนโลยีหรือภาษาต่างๆมาเพื่อให้สามารถประมวลผลข้อมูลได้ ซึ่งในบางครั้งหน่วยงานอาจต้องพิจารณาต้องเลือกใช้ อาทิเช่น

  • SQL  ก็เป็นภาษาที่ยังต้องใช้ในการประมวลผลข้อมูลโดยเฉพาะ Structure  Data ที่เก็บอยู่ใน RDBMS และสามารถประมวลผลแบบ RealTime ได้
  • APIs ข้อมูลที่เก็บอยู่ใน Storage ต่างๆที่กล่าวมาข้างต้นเช่น NoSQL หรือ Cloud Storage  อาจต้องพัฒนาโปรแกรมด้วยภาษาคอมพิวเตอร์ต่างๆ ในการประมวลผลข้อมูลโดยใช้  APIs ในการเข้าถึงข้อมูล
  • MapReduce เป็นเทคโนโลยีที่พัฒนาโดย Google ในการประมวลผลข้อมูลที่อยู่ใน HDFS โดยใช้ภาษาคอมพิวเตอร์อย่าง Java ในการพัฒนาโปรแกรม โดยจะประมวลผลแบบ Batch และเป็นวิธีการประมวลผลที่มากับเทคโนโลยี  Hadoop
  • Hive หรือ Pig เป็นภาษาคล้าย SQL หรือ Scripting ที่ทำให้เราสามารถประมวลผลข้อมูลที่อยู่ใน Hadoop HDFS ได้โดยไม่ต้องพัฒนาโปรแกรม MapReduce แต่ทั้งนี้ข้อมูลจะต้องอยู่ในรูปแบบที่เหมาะสมเช่น  ไฟล์ csv หรือ ไฟล์ข้อความบางประเภท
  • Impala  เป็นภาษาคล้าย SQL ที่ทำให้เราสามารถประมวลผลข้อมูลที่อยู่ใน Hadoop HDFS ได้ โดยทำงานได้รวดเร็วกว่า Hive มาก แต่มีข้อเสียคือเป็นภาษาที่เป็น proprietary ของ  Cloudera
  • Spark เป็นเทคโนโลยีที่สามารถประมวลผลข้อมูลขนาดใหญ่แบบ Real-time  โดยอาจมี Data Source มาจากหลากหลายแหล่งเช่น  RDBMS, Cloud Storage, NoSQL หรือ Hadoop  ซึ่งสามารถเขียนโปรแกรมโดยใช้ภาษา Scala, Java, Python หรือจะเขียนโดยใช้ภาษาคล้าย SQL ก็ได้ และมี  Library สำหรับการทำ Data Science คือ  MLib  เป็นเทคโนโลยีที่น่าสนใจมากอันหนึ่ง
  • ภาษาและเทคโนโลยีในการทำ Machine Learning  ซึ่งก็จะมีหลากหลายทั้ง R Hadoop, Mahout, Azure Machine Learning  หรือ AWS ML
  • เทคโนโลยีสำหรับการทำ Data Visualisation และ BI อาทิเช่น Tableau, Pentaho, SaS, Excel  และอื่นๆ

จากที่กล่าวมาทั้งหมดนี้ ถ้าหน่วยงานจะมีโครงการ Big Data และข้อมูลมีขนาดใหญ่จริง เราคงต้องเลือกหาเทคโนโลยีที่เหมาะสมมาใช้งาน

ธนชาติ นุ่มนนท์

IMC Institute

สิงหาคม 2558

รายชื่อ 54 ผลงานซอฟต์แวร์ที่เข้ารอบสุดท้ายงาน TICTA 2015 วันที่ 21-23 สิงหาคมนี้ ที่ Siam Paragon

slide-2-ticta2014-ai

สมาคมอุตสาหกรรมเทคโนโลยีสารสนเทศ (ATCI) ร่วมกับสำนักงานส่งเสริมอุตสาหกรรมซอฟต์แวร์แห่งชาติ (SIPA) ได้จัดการประกวดซอฟต์แวร์  Thailand ICT Awards (TICTA) มาอย่างต่อเนื่องทุกปี โดยมีวัตถุประสงค์ที่จะคัดเลือกผู้ชนะเลิศไปแข่ง Asia Pacific ICT Awards  (APICTA) เป็นงานประกวดผลิตภัณฑ์ทางด้านซอฟต์แวร์ของประเทศในกลุ่ม Asia Pacific โดยมีประเทศสมาชิก 16 ประเทศ และจากการประกวด APICTA ที่ผ่านมาก็เคยมีบริษัทและหน่วยงานในประเทศไทยที่ได้รับรางวัลชนะเลิศ หลายๆรางวัลดังที่ผมเคบเขียนลงในบล็อกเรื่อง  “บริษัทและหน่วยงานจากประเทศไทยที่เคยได้รับรางวัล APICTA (Asia Pacific ICT Awards)

สำหรับการประกวดปีนี้มีประเภทการประกวด 18 กลุ่มและทางคณะกรรมการตัดสินได้ดำเนินการคัดเลือกผลงานในรอบแรกช่วงเดือนกรกฎาคม และจะทำการตัดสินรอบสุดท้ายในวันที่ 21-23 สิงหาคมนี่ โดยให้ผู้ผ่านการคัดเลือกมาแสดงผลงานที่ Siam Paragon และจะประกาศผลผู้ชนะเลิศและมีพิธีมอบรางวัลในเวลา 16.00 น. ของวันที่ 23  สิงหาคม ทั้งนี้ผู้ขนะเลิศ TICTA จะได้ไปแข่ง APICTA 2105 ที่จัดขึ้นที่ประเทศศรีลังกา กลางเดือนพฤศจิกายน

สำหรับทีมที่เข้ารอบสุดท้ายในแต่ละประเภทมีดังนี้

1.Tools and Infrastructure Applications

  • บริษัท Mobic Co., Ltd. ผลงาน “Keeate”
  • บริษัท Innovative Extremist Co., Ltd.  ผลงาน “BvteArk”
  • บริษัท YMMY Co., Ltd ผลงาน “QueQ”
  • บริษัท Pay Solutions Co., Ltd ผลงาน “Pay.sn”

2.Communication Applications

  • บริษัท Apptividia Co., Ltd. ผลงาน “GRID SIGNAGE”
  • บริษัท 2 3 Perspective Co., Ltd. ผลงาน “Shoppening”
  • บริษัท Encas Co., Ltd. ผลงาน “Call Zen”
  • บริษัท Buzzebess Co., Ltd. ผลงาน  “Buzzebees Application”

3. E-Inclusion and E-Community

  • บริษัท Intelligent Enterprise Software Co., Ltd ผลงาน “SchoolOS”
  • บริษัท Twin Synergy Co., Ltd ผลงาน “Kickdudes”
  • คุณ Varayut Lerdkanlayanawat ผลงาน “Caruntee”
  • มหาวิทยาลัยฟาร์อีสเทอร์น ผลงาน “ปลาอานนท์แอพพลิเคชั่น พลัส”

4. E-Learning Applications

  • คุณ Anucha Aribarg ผลงาน “Buddhism and Mindfulness Meditation (iOS)”
  • บริษัท Ginkgo Soft Co., Ltd. ผลงาน “Portobello”
  • บริษัท TRINiTech Co., Ltd. ผลงาน “CourseVille”
  • บริษัท บุ๊คโดส จำกัด ผลงาน “BeLib E-Library System”

5 .E-Government & Services

  • บริษัท Bangkok Global Software Co., Ltd. ผลงาน  “Online bureau system(OBS)”
  • บริษัท พีเคเอ็มคอนซัลติ้ง กรุ๊ป จำกัด ผลงาน “สมุดจดกฎหมาย”
  • บริษัท Jenosize Co., Ltd. ผลงาน “Jenosize Co., Ltd.”
  • บริษัท ซอฟต์แวร์ แฟคตอรี่ จำกัด ผลงาน “Just Now!”

6. Financial Industry Applications

  • บริษัท Peng Brothers Co., Ltd. ผลงาน  “Stock2Day.co”

7. E-Health and well-being Applications

  • บริษัท Bangkok Medical Software Co., Ltd ผลงาน “HOSxP XE V.4 Hospital Information System for hospital.”
  • มหาวิทยาลัยฟาร์อีสเทอร์น ผลงาน “Mossquitio Zero”
  • บริษัท Cyber Advance System And Network Co., Ltd. ผลงาน “Health Book”
  • บริษัท Nextzy Technologies Co., Ltd ผลงาน “FitFit”

8.Retail & Supply Chain Management

  • บริษัท I Connect Marketing Co., Ltd. ผลงาน “iSmartSales”
  • บริษัท Man Innovation Co., Ltd. ผลงาน “BIZTECH (บิสเทค)”
  • บริษัท Simlogy Co., Ltd. ผลงาน “Logistics Planning Simulation and Optimization”
  • บริษัท Priceza Co., Ltd. ผลงาน “Priceza – Shopping Search Engine and Price Comparison Shopping”

9.Industrial Applications

  • บริษัท T.R.Siampun Co., Ltd. ผลงาน “TRCloud”

10.New Media and Entertainment

  • คุณศรันย์ นันตสุข ผลงาน  “”Dino VR” Virtual reality พิพิธภัณฑ์ไดโนเสาร์ภูเวียง”
  • บริษัท Genix Co., Ltd. ผลงาน “Socio Wi-Fi”

11.Research & Development

  • บริษัท Absolute Management Solution Co., Ltd. ผลงาน “ScanMe”
  • บริษัท Trinity Project Co., Ltd. ผลงาน “Multi DSLRs FIRE Control”

12.Security Application

  • บริษัท Digio (Thailand) Co., Ltd. ผลงาน  “Digio Printable Digital Signature (PDS)”
  • บริษัท Innovation IT Co., Ltd. ผลงาน “Smart Grag Track (SGT)”

13.Tourism and Hospitality

  • บริษัท Dreamio Co., Ltd. ผลงาน “ZipEvent”
  • บริษัท Smart Finder Co., Ltd. ผลงาน  “Smart HMS M Series”
  • บริษัท Bangkok App Co., Ltd. ผลงาน “Golfdigg”
  • บริษัท Apptitude Co., Ltd. ผลงาน “Sukhothai Adventure”

14.Agriculture Application

  • คุณรักษพล โง่นใจรักษ์ ผลงาน  “Corn Guide 1.0”
  • คุณ Chaiyong Phakdeekitcharoen ผลงาน “9420 GIS Crop Management”
  • บริษัท Double M Technology Management Co., Ltd. ผลงาน “Double M Nontri Cloud”
  • บริษัท Ease Code Co., Ltd. ผลงาน “Virtual Farm Asia (re-named from “Farmasia”)”

15. Sustainability and Green IT

  •  ไม่มีผู้เข้ารอบสุดท้าย

16.Start-Up Company

  • บริษัท Dreamio Co., Ltd. ผลงาน “ZipEvent”
  • บริษัท YMMY Co., Ltd.  ผลงาน “QueQ”
  • บริษัท Man Innovation Co., Ltd. ผลงาน “BIZTECH (บิสเทค)”
  • บริษัท Pay Solutions Co., Ltd ผลงาน  “Pay.sn”

17.Secondary Student Project

  • โรงเรียน Saint Francis Xavier Convent  ผลงาน “Chaturamal”
  • โรงเรียน Saint Francis Xavier Convent ผลงาน “King of transport”
  • โรงเรียน The Prince Royal’s College ผลงาน  “Happy Town”

18.Tertiary Student Project

  • มหาวิทยาลัยสงขลานครินทร์ ผลงาน “The Ultimate Programming System”
  • มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี ผลงาน “Visionear (A wearable device for the visually impaired persons)”
  • มหาวิทยาลัยมหิดล ผลงาน “Drum Stage”

กฎห้าข้อของการทำงานในยุคใหม่: ชีวิตการทำงานของเรากำลังเปลี่ยนไป

caaa296c-9057-4bbf-9a8b-bb1da5367e30

เทคโนโลยีดิจิทัลนอกจากเปลี่ยนการใช้ชีวิตประจำวันเราแล้ว ก็ยังมีผลต่อการเปลี่ยนวิถึการทำงานของผู้คนโดยเฉพาะคนรุ่นใหม่ที่เริ่มอยากมีความเป็นอิสระในการทำงาน ไม่อยากทำงานประจำ ไม่ต้องการเดินทางหลายคนอยากทำงานหลายๆงานพร้อมกัน หรือบางทีก็อยากทำงานแบบ part-time เมื่อเร็วๆนี้ผมได้อ่านบทความใน BBC ที่พูดถึงเรื่อง The five new rules of work ที่อ้างถึงข้อเขียนของ Naomi Simson ซึ่งเป็นผู้ก่อตั้งบริษัทเทคโนโลยีอย่าง RedBalloon และ REDii ซึ่งน่าสนใจมากและได้เล่าถึงกฎกติกาการทำงานในรูปแบบใหม่ที่อยากจะนำมาถ่ายทอดในที่นี้

กฎเดิมข้อที่ 1) เราจะติดต่อกับเพื่อนร่วมงานและหัวหน้าในที่ทำงานทุกวัน
กฎใหม่) สถานที่ทำงานในยุคใหม่จะอยู่ตามที่เราอยากอยู่ที่ไหนก็ได้ในโลกนี้

รูปแบบเดิมเราอาจต้องเข้าที่ทำงานทุกวันรู้จักหน้าและสนิทสนมกับเพื่อนร่วมงาน การทำงานยุคใหม่เพื่อนร่วมงานอาจอยู่ทั่วโลกเราอาจจะไม่รู้จักหน้าตาหรือชื่อของผู้ร่วมงานแต่เราอาจจดจำเขาจากชื่ออีเมลหรือชื่อ Facebook ของพวกเขา เราอาจนั่งทำงานอยู่ที่ไหนก็ได้ในเมืองไทยแต่หัวหน้าโดยตรงของเราอาจอยู่ต่างประเทศ คนที่มีประสบการณ์ทำงานบริษัทข้ามชาติในบ้านเราก็มักจะคุ้นเคยกับการทำงานแบบนี้ดี

กฎเดิมข้อที่ 2) เราจะทำงาน 5 วันๆละ 8 ชั่วโมง
กฎใหม่) เราพร้อมที่จะทำงานตามความต้องการของเราตลอดเวลา (7 วัน 24ชั่วโมง)

ทั้งนี้คงขึ้นอยู่กับลักษณะงานที่ทำ แต่เราคงต้องสามารถที่จะรับโทรศัพท์เรื่องงานได้ตลอดเวลา บางครั้งอาจจำเป็นต้องโต้ตอบเรื่องงานผ่าน Social Media Tool อย่าง Line แม้แต่เวลากลางคืนหรือขณะอยู่บนรถไฟฟ้าบางครั้งผมเองก็ต้องมาตอบอีเมลก่อนเข้านอน หรือแม้แต่ดึกๆแล้วก็อาจต้องมาเตรียมสไลด์สำหรับการเสนองาน เขียนบล็อกหรือโพสต์ข้อความใน Facebook ขององค์กรในเวลาเช้ามืด บางครั้งก็ต้องทำconference call กับเพื่อนร่วมงานตอนดึกๆ การทำงานไม่มีขอบเขตเวลาที่แน่นอนและจะมีงานต่างๆให้ทำตลอดเวลา

กฎเดิมข้อที 3) เราจะเป็นพนักงานองค์กรหนึ่งแบบเต็มเวลา
กฎใหม่) เราอาจทำงานหลายงานพร้อมกันเปลี่ยนโปรเจ็คไปเรื่อยๆและอาจมีนายจ้างหลายรายพร้อมกัน

การทำงานยุคใหม่จะดึงคนที่มีความสามารถในแต่ละด้านมาทำงานร่วมกันชั่วควารเมื่อหมดโปรเจ็คก็อาจแยกย้ายกันไป คนจะทำงานหลายๆอย่างพร้อมกันและเมื่อเสร็จจากงานหน่วยงานหนึ่งก็จะไปทำงานโครงการต่อไป ลักษณะงานบางทีเป็นสัญญาจ้างหรือทำงานแบบ Part-time

กฎเดิมข้อที่ 4) การทำงานและชีวิตส่วนตัวแบ่งแยกอย่างชัดเจน
กฎใหม่) เส้นแบ่งระหว่างโลกส่วนตัวกับการทำงานจะหายไป

โลกการทำงานในยุคใหม่เน้นเรื่องการทำงานทุกที่ ทุกเวลา เช่นกันคนเราก็อยากใช้ชีวิตส่วนตัวเพื่อความสุขและสังคมส่วนตัวตลอดเวลา เดิมเรามีคำว่าวันหยุดและวันทำงานที่ชัดเจน แต่ตอนนี้เราจะเริ่มแยกยากขึ้น ข้อสำคัญคนจะทำงานเพราะมีแรงบันดาลใจและมีความสุขกับการทำงานจึงไม่มีความรู้สึกว่าคืองาน ขณะเดียวกันก็จะต้องบริหารเวลาส่วนตัวให้ดีที่บางครั้งมันก็เป็นช่วงเวลาเดียวกับงาน เราอาจทำงานไปแล้วเดิน shopping หรือไปทำธุระส่วนตัวพร้อมกัน บางครั้งเราอาจยังต้องทำงานแม้จะไปพักผ่อนชายทะเล

กฎเดิมข้อที่ 5) เราทำงานเพราะต้องหาเงินเลี้ยงตัวเองและครอบครัว
กฎใหม่) เราทำงานเพราะมีความอยากกระตือรือร้นที่จะทำและรักที่จะทำ

สมัยก่อนเรามักจะได้ยินคำว่า “งานคือเงิน เงินคืองาน บันดาลสุข” มันเป็นคำพูดที่สอนให้คนทำงานเพราะเงินแม้อาจจะไม่รักกับงานที่ทำ โลกในยุคใหม่เราทำงานที่ไหนก็ได้ เพื่อนร่วมงานอาจไม่รู้จักกันเลยอยู่คนที่ เราทำงานได้ตลอดเวลาและอาจไม่ใช่พนักงานประจำ ดังนั้นเราคงต้องทำงานด้วยความรักที่จะทำ อยากเห็นผลสำเร็จของงาน

2015-02-01-Nest-by-AIA-3-1050x700

จากที่สรุปมาให้อ่านนี้ก็เพื่อที่อยากทำความเข้าใจว่าการทำงานยุคใหม่ ที่เราบอกว่าจะทำที่ไหน ทำเวลาไหนก็ได้ โดยผ่านเทคโนโลยีดิจิทัลไม่ได้หมายความว่าเราจะทำงานสบายขึ้น การไม่ต้องมาที่ทำงานก็อาจทำให้เราต้องทำงานมากขึ้นหรือน้อยลงก็ได้ แต่ข้อสำคัญถ้าทำในสิ่งที่ชอบด้วยวิธีการทำงานแบบใหม่เราคงได้งานที่มีประสิทธิภาพมากขึ้น

ธนชาติ นุ่มนนท์
IMC institute
สมาคมอุตสาหกรรมเทคโนโลยีสารสนเทศไทย (ATCI)