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

Screenshot 2017-10-06 17.30.17

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

การลดช่องว่างเชิงดิจิทัลคือก้าวแรกที่สำคัญสู่ Thailand 4.0

Screenshot 2017-09-18 10.59.49

ผมคิดว่าปัญหาและอุปสรรคสำคัญในการที่จะก้าวไปสู่ Thailand 4.0 ก็คือช่องว่างเชิงวิกฤตเชิงดิจิทัล (Digital Divide) ของภาคประชาชนและหน่วยราชการเอง ผมเองมีโอกาสได้สัมผัสกับการทำงานทั้งภาคเอกชนและภาคราชการ และยังมีโอกาสได้สอนอบรมผู้คนจำนวนมากทั้งในด้านเทคนิคองค์ความรู้ดิจิทัลต่างๆ ทั้งในกรุงเทพและต่างจังหวัด ผมยังเห็นช่องว่างของการใช้เทคโนโลยีอีกมาก ระหว่างประชาชนในเมืองกับชนบท ระหว่างภาคราชการกับภาคเอกชน กับองค์กรขนาดใหญ่และ SME  แม้เราจะบอกว่า คนไทยทุกวันนี้ใช้เทคโนโลยีมากขึ้น แต่โดยมากก็เพื่อความบันเทิงเช่น เล่น Facebook เล่นไลน์ เล่น Youtube แต่การนำเทคโนโลยีดิจิทัลเพิ่มประสิทธิภาพในการทํางานของข้าราชการและประชาชนจำนวนมากยังมีน้อยอยู่

ผมคิดว่าองค์กรของเราส่วนใหญ่โดยเฉพาะภาคราชการยังขาดวัฒนธรรมเชิงดิจิทัล (Digital Culture) ซึ่งมันมีความหมายมากกว่าการใช้เทคโนโลยี องค์กรที่มีวัฒนธรรมเชิงดิจิทัลไม่ได้หมายความว่าจะต้องลงทุนกับการซื้อเทคโนโลยีมากมาย ไม่ได้หมายความว่าผู้คนในองค์กรจะต้องเก่งการใช้เทคโนโลยีดิจิทัล สิ่งสำคัญคือองค์กรจะต้องมีความโปร่งใส ต้องมีการใช้ข้อมูลในการตัดสินใจ ต้องฝึกการใช้เทคโนโลยีในการทำงานร่วมกัน ต้องมีความคล่องตัวในการทำงาน และต้องรู้จักการแชร์ข้อมูล

แต่ทุกวันนี้หน่วยงานในประเทศหลายหน่วยงานยังใช้เอกสารจำนวนมาก ราชการยังยึดติดกับเอกสาร เรายังส่งแฟกซ์ เซ็นชื่อเข้าประชุม เรายังทำเอกสารโดยใช้กระดาษ เรามีการแชร์ข้อมูลน้อยมาก บุคลากรเองก็ขาดทักษะเชิงดิจิทัล หากเราไม่สามารถพัฒนาบุคลากรรู้จักใช้เครื่องมือใหม่ๆเหล่านี้ ยังขาดวัฒนธรรมเชิงดิจิทัล ผมเชื่อว่านโยบายไทยแลนด์ 4.0 คงไปไม่ถึงไหน

digital-divide-and-development-communication-3-638

หากเรามองแต่กลุ่มของ SME เราก็จะพบว่า SME จำนวนมากยังใช้ digital ในขั้นพื้นฐาน เราอาจจะเก็นการขายของออนไลน์ เอามาทำ marketing บ้าง แต่ SME ส่วนใหญ่ก็ยังไม่มีวัฒนธรรมเชิงดิจิทัล จำนวนมากก็ยังใช้ free email การลงทุนด้าน digital ก็ค่อนข้างต่ำ เราแทบไม่ค่อยเห็น SME ลงทุนกับซอฟต์แวร์ เห็นการลงทุนการใช้ cloud technology ไม่ต้องพูดถึงเรื่องของ big data การทำ data analytics ที่ SME บ้านเรายังห่างไกลกับอีกมาก ผมแทบไม่ค่อยห็น SME บ้านเรามาใช้ colllaboration tool เช่น Google doc หรือ Office 365 online ในการทำเอกสารร่วมกัน แม้เราอาจเห็น SME จำนวนมากนำเทคโนโลยี่มาใช้ในการสื่อสารเช่นการใช้ facebook การใช้ line แต่ถ้ามองในแง่ของประสิทธิภาพการทำงานก็ยังถือว่าไม่สูงมาก

ในกลุ่มของคนพัฒนาเทคโนโลยีเราอาจดีใจที่เห็นนักพัฒนาซอฟต์แวร์รุ่นใหม่ กลุ่ม Start up หลายๆแห่งหันมาพัฒนานวัตกรรมและเทคโนโลยีใหม่ๆ แต่ถ้าเรามองลึกไปจริงๆก็ยังหนีไม่พ้นในเรื่องของการพัฒนาเว็บ การขายของออนไลน์ การเล่นกับ social media แต่พอมองนวัตกรรมในเชิงลึกเหมือนที่นักพัฒนาต่างประเทศกำลังให้ความสนใจอย่างหนึ่งของปัญญาประดิษฐ์ เรื่องของหุ่นยนต์ เรื่องของ big data เราจะพบว่าคนของเรายังห่างไกลกับเรื่องเหล่านี้อีกมาก

ผมคิดว่านอกเหนือจากการจะพัฒนาคนให้ลดช่องว่างเชิงดิจิทัลในแง่ของการพัฒนาเทคโนโลยีใหม่ๆให้เราทันกับต่างชาติแล้ว เราจำเป็นอย่างยิ่งที่จะต้องลดช่องว่างที่เกิดขึ้นระหว่างภาคราชการกับเอกชนระหว่างองค์กรใหญ่ๆกับ SME ระหว่างผู้คนในเมืองกับสังคมต่างจังหวัด หากยังปล่อยทิ้งไว้ผมคิดว่านโยบายไทยแลนด์ 4.0 จะยิ่งสร้างปัญหาให้กับสังคมจะยิ่งทำให้ช่องว่างระหว่างชนชั้นมีมากยิ่งขึ้น

เป็นไปไม่ได้ที่เราจะให้คนกำหนดนโยบายหรือผู้ปฏิบัติงานหรือผู้เชี่ยวชาญไปมองเทคโนโลยีของต่างประเทศ โดยการเน้นเดินทางไปดูงานเอา Best Practice ของประเทศต่างๆมาใช้ โดยคนเหล่านี้สัมผัสกับชนบทไทยสัมผัสกับต่างจังหวัดน้อยมากๆเ ราต้องกำหนดให้เขาเหล่านั้นต้องเข้าใจสังคมไทยมากขึ้นโดยเฉพาะช่องว่างของสังคมต่างจังหวัดกับสังคมในเมือง อย่ามองว่ากรุงเทพฯคือประเทศไทย ต้องคิดเพื่อช่วยทำให้เทคโนโลยีดิจิทัลเป็นการสร้างโอกาสให้กับคนต่างจังหวัดเพื่อลดช่องว่างเชิงชนชั้น ดังนั้นสิ่งแรกสุดที่เราควรจะทำเพื่อ คือการกำหนดนโยบายที่เป็นการลดช่องว่างเชิงดิจิทัลและต้องสร้างวัฒนธรรมดิจิทัลให้กับองค์กรทั้งภาคราชการและ SME

 

ธนชาติ นุ่มมนท์

IMC Institute

Big Data เพื่อสร้าง Digital Disruption ในองค์กร (ตอนที่ 2)

Screenshot 2017-07-08 14.31.34

ผมเขียนบทความนี้ตอนที่ 1 ไว้นานมากแล้ว (Big Data เพื่อสร้าง Digital Disruption ในองค์กร (ตอนที่ 1)) เพิ่งมีเวลาเขียนตอนที่สองในวันนี้ ซึ่งในตอนนี้จะกล่าวถึงประเด็นที่ควรทำในเรื่องของการทำ Big Data ต่างๆดังนี้

  1. Big Data คือหลักการของ Data Lake องค์กรที่คิดว่าจะนำ Big Data มาสร้างความเปลี่ยนแปลงองค์กร จำเป็นต้องรวบรวม Data ต่างๆที่มีอยู่ทั้งภายในและภายนอกในลักษณะข้อมูลดิบ (Raw Data)  มาเก็บไว้ใน Data Lake เพื่อที่นำข้อมูลต่างๆมาใช้ในการวิเคราะห์และประมวลต่อไป กล่าวคือ Big Data จะเริ่มต้นด้วยการเก็บรวบรวมข้อมูลแล้วค่อยตั้งคำถามต่างๆในอนาคต
  2. Big Data ไม่ใช่เริ่มด้วยการทำ Data Warehouse  หรือการทำ Business Intelligence (BI) แบบเดิม แต่ Data Warehouse และ BI  คือส่วนหนึ่งของ Big Data ทั้งนี้การทำ Data Warehouse จะคำนึงถึงการทำ  Data Cleansing  และการทำรายงานเป็นครั้งๆไป ซึ่งการทำ  Data Cleansing และ Load Data เข้าสู่ Data Warehouse จะทำให้ Information หลายๆอย่างในข้อมูลดิบ จำนวนมากถูกลดทอนไปเพื่อทำรายงาน และเมื่อต้องการทำรายงานใหม่ๆ ก็อาจจะทำการ Load Data ชุดใหม่เข้ามาทำให้เสียเวลาในการทำงาน
  3. องค์กรจะต้องมีการลงทุนโครงสร้างพื้นฐานสำหรับ Big Data ซึ่งควรจะเป็นการลงทุนด้าน Data Lake เช่นการจัดหา Hadoop มาใช้ในองค์กร ดังแสดงในรูปที่ 1  และไม่ควรที่จะต้องลงทุนไปกับ Data Warehouse ด้วยอุปกรณ์หรือซอฟต์แวร์ที่ราคาสูงเกินไป เพราะ Data Lake จะมีราคาที่ถูกกว่า และสามารถ  Offload  ข้อมูลจาก Data Warehouse ลงมาได้ ดังนั้นการทำ Big Data Project  คือการเริ่มต้นจากการทำ Data Lake
  4. องค์กรที่สามารถใช้ Public Cloud ได้ อาจพิจารณาการทำ  Big Data  โดยใช้  Big Data as a Service  ที่อยู่บน Platform ต่างๆเช่น AWS, Google Cloud หรือ Microsoft Azure  ซึ่งจะมีบริการอย่าง  Cloud Storage  หรือ Hadoop as a Service
  5. คุณค่าของ Big Data ทีสำคัญเป็นเรื่องของการทำ Predictive Analytics ซึ่งต้องการทีมงานที่มีความรู้ทาง Data Science ที่มีความรู้และแนวคิดที่แตกต่างจากกลุ่มคนที่ทำ Data Warehouse และ BI องค์กรควรจะสร้างทีมขึ้นมาใหม่ที่มีความรู้ด้าน  Data Science แยกออกมาจากกลุ่มคนเดิม ทีมงาน  Data Science  จำเป็นอย่างยิ่งที่ต้องมีคนที่เข้าใจธุรกิจขององค์กร ดังนั้นบางครั้งการสร้างทีมจากภายในจะเป็นเรื่องที่ดีกว่า โดยอาจผสมผสานกับคนใหม่ที่มาจากภายนอก ทั้งนี้การเลือกคนมาทำต้องเน้นคนที่มีความเข้าใจเรื่อง คณิตศาสตร์และสถิติ มากกว่าคนไอทีที่เน้นการพัฒนาโปรแกรม
  6. องค์กรควรจะมีการพัฒนาบุคลากรในทุกระดับให้เข้าใจหลักการของ Big Data และประโยชน์ที่จะได้รับ ให้เข้าใจว่า  Big Data จะมา  Disrupt ธุรกิจอย่างไร
  7. การทำ  Big Data Analytics แต่ละเรื่องจำเป็นต้องใช้เวลาในการศึกษาข้อมูล หา Algorithm  ที่เหมาะสม ผู้บริหารไม่ควรที่จะคาดหวังว่าจะได้ผลลัพธ์ภายในระยะเวลาอันสั้น ซึ่งแตกต่างจากการขอรายงานที่ได้จาก BI ที่พนักงานสามารถจะหารายงานได้รวดเร็วกว่ามาก
  8. อย่าเริ่มต้นการทำ  Big Data ด้วยการลงทุนขนาดใหญ่ และโครงการ Big Data  ที่ดีไม่ควรเริ่มจากฝ่ายไอทีตามลำพัง

datalake21

รูปที่ 1 ตัวอย่างของ Data Lake Architecture  โดยใช้  Hadoop

ทั้งหมดนี้คือข้อคิดสั้นๆที่ผมอยากแนะนำต่อ เพื่อให้องค์กรเริ่มทำโครงการ Big Data ในแนวทางที่เหมาะสม

ธนชาติ นุ่มนนท์

IMC Institute

 

Big Data เพื่อสร้าง Digital Disruption ในองค์กร (ตอนที่ 1)

Screenshot 2017-07-08 14.31.34

การใช้ชีวิตประจำวันของผู้คนทั้งเรื่องการทำงานและเรื่องส่วนตัวล้วนแล้วแต่เป็นการสร้างข้อมูลใหม่ขึ้นมา ตั้งแต่เราตื่นนอนก็อาจมีเวลาที่เราตื่น การทานอาหารที่ใด ไปที่ไหน การทำงานก็มีข้อมูลตลอดว่าเราทำอะไร ส่งเอกสารหาใคร เขียนข้อความอะไร  หน่วยงานทุกแห่งล้วนมีข้อมูลจำนวนมากจากการทำงาน การติดต่อลูกค้า และการทำธุรกรรมต่างๆแต่ในอดีตข้อมูลเหล่านี้ไม่ถูกบันทึกในรูปแบบของดิจิทัลทั้งหมดทั้งนี้เพราะมีข้อจำกัดในเรื่องเทคโนโลยี

การเข้ามาของเทคโนโลยีใหม่อย่าง Internet of Things หรืออุปกรณ์ต่างๆ ประกอบกับการเปลี่ยนของเทคโนโลยีในการเก็บข้อมูล ที่รูปแบบข้อมูลเปลี่ยนไป และราคาที่ถูกลง รวมถึงการที่คอมพิวเตอร์มีประสิทธิภาพสูงขึ้น ทำให้เราสามารถบันทึกข้อมูลต่างๆในการทำงาน การใช้ชีวิตประจำ ลงไปได้มากขึ้น และเก็บรวบรวมเป็นข้อมูลขนาดใหญ่  (Big Data) ที่แตกต่างจากการเก็บข้อมูลเพียงแค่ในฐานข้อมูลแบบเดิมที่เป็น Database หรือ Datawarehouse ในอดีตที่จะต้องเลือกเก็บข้อมูลบางอย่าง ไม่ใช่ Big Data ที่ควรจะเป็น

เมื่อหน่วยงานมี Big Data ที่สามารถรวบรวมข้อมูลจำนวนมากลงมาในรูปแบบของ Data Lake ก็เกิดความท้าทายขึ้นมาว่า แล้วเราจะนำข้อมูลเรานั้นมาวิเคราะห์ให้เกิดประโยชน์อย่างไร กล่าวคือการทำ Big Data Analytics หลายๆหน่วยงานเข้าใจแต่เพียงว่าคือการนำมาสร้างรายงานให้เห็นข้อมูลต่างๆในรูปแบบของ Business Intelligence และไปเข้าใจว่าการทำ Digital Transformation ของหน่วยงานคือการนำเทคโนโลยีดิจิทัลมาใช้ แล้วนำรายงานที่ได้จาก Big Data มาใช้ประโยชน์

Screenshot 2017-04-22 16.33.53

จริงๆทุกวันนี้เราพูดถึงคำว่า  Digital Disruption  เราพูดคำว่า Industry 4.0 แล้วก็บอกว่า  Robot หรือ Artificial Intelligent / Machine Learning  กำลังเข้ามา เราเห็นธุรกิจหลายอย่างกำลังเปลี่ยนแปลงไป แต่เราไปคิดว่ามันก็คือแค่การใช้ดิจิทัล การหาซอฟต์แวร์เข้ามาใช้งาน หลายหน่วยงานก็พยายามจะปรับหน่วยงานไอทีในองค์กร หานักพัฒนาซอฟต์แวร์ ลงทุนฮาร์ดแวร์เพิ่มด้วยความเข้าใจว่า เราต้องทำ Digital Transformation หรือพยายามเต้นตามกระแส Industria; 4.0/ Thailand 4.0 อย่างไม่เข้าใจ

แต่จริงๆแล้วธุรกิจหลายๆอย่างที่กำลังทำให้เกิด Digital Disruption อย่าง  Amazon.com, Alibaba, Uber, AirBnb, eBay หรือ Facebook  ล้วนแต่เกิดการจากการนำ Big Data องค์กรที่ได้จากการบันทึกข้อมูลจากการทำงานมาใช้เช่นข้อมูลการทำธุรกรรมของลูกค้าในการทำธุรกรรมมาวิเคราะห์ หน่วยงานเหล่านี้ต่างมีทีมงาน  Data Scientist  จำนวนมาก มีแผนก  Data Science ที่คอยคิดวิเคราะห์ว่าจะนำ Big Data มาเปลี่ยนแปลงธุรกิจได้อย่างไร จะนำมาสร้างรูปแบบธุรกิจใหม่ๆได้อย่างไร และก็มีผลทำให้โลกเกิดการเปลี่ยนแปลงอย่างมาก ทำให้รุกคืบเข้าไปเปลี่ยนธุรกิจต่างๆ ทำให้ธุรกิจที่ไม่มีการวิเคราะห์ข้อมูลแข่งขันไม่ได้

ดังนั้นการรู้จักนำ Big Data  มาใช้ในองค์กร ที่สำคัญคือการรู้จักใช้หลักการของ Data Science มาเพื่อทำการคาดการณ์ธุรกิจ ซึ่งนอกเหนือจากจะทำให้เป็นการเพิ่มประสิทธิภาพในการทำงานแล้ว ที่สำคัญคือ Big Data อาจทำให้เกิด  Digital Disruption  อาจทำให้เห็นโอกาสทางธุรกิจใหม่ๆที่เกิดขึ้นจากการวิเคราะห์ โดยใช้หลักการของ Machine Learning หรือการนำข้อมูลมาใช้โดยทีมงาน Data Scientist แล้วอาจทำให้โอกาสใหม่ๆดังเช่นบริษัทที่กล่าวข้างต้น และก็จะทำให้หน่วยงานสามารถแข่งขันกับคู่แข่งได้

แต่ Big Data ไม่ใช่แค่เรื่องของ Business Intelligence  ไม่ใช่งานแบบเดิมๆของหน่วยงานอย่าง Datawarehouse ไม่ใช่แค่ใช้ทักษะของนักพัฒนาโปรแกรม หรือคนดูแลฐานข้อมูล แต่เป็นงานของคุนกลุ่มใหม่ที่องค์กรจะต้องกล้าและต้องสร้างทีมใหม่ขึ้นมา  ข้อสำคัญBig Data ไม่ใช่ Quick win ไม่ใช่โปรเจ็คระยะสั้น แต่มันคือการลงทุนเพื่ออนาคต ลงทุนคน ลงทุนเทคโนโลยีใหม่ แล้วต้องหวังผลระยะยาว มันคือคำถามที่ว่าผู้บริหารระดับสูงจะกล้าเสี่ยงไหม เพื่อเห็น  Digital Disruption ขององค์กร

วันนี้ผมขอเริ่มต้นแค่นี้ก่อน แล้วจะมาต่อเป็นประเด็นต่างๆทีควรทำในครั้งหน้า

ธนชาติ นุ่มนนท์

IMC Institute