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

การปรับองค์กรให้เข้าสู่ยุคดิจิทัล โดยการใช้ Big Data

Screenshot 2017-04-16 09.18.21

ผมมักจะได้ยินผู้บริหารหน่วยงานต่างๆภาครัฐและเอกชนจำนวนมาก บอกว่าเราจะกำลังเข้าสู่ยุคดิจิทัล กำลังเข้าสู่ยุค Industrial 4.0 เราต้องมีการนำข้อมูลขนาดใหญ่มาใช้เพื่อพัฒนาองค์กร บ้างก็บอกว่ากำลังทำ Big Data บ้างก็มอบหมายให้ฝ่ายไอทีไปทำโครงการ Big Data บางหน่วยงานก็เริ่มไปได้ดีเพราะมีผู้ที่เข้าใจเรื่อง Big Data และการนำข้อมูลมาวิเคราะห์ บางหน่วยงานก็ไปไม่ถูกทาง ฝ่ายไอที ฝ่ายการตลาดก็เร่งจัดหาซื้อเครื่องมือ ฐานข้อมูล ทำ Data warehouse บ้าง หาเครื่องมื่อมาทำ Business Intelligence บ้าง เพื่อจะสร้างรายงานต่างๆให้กับผู้บริหาร ที่ซ้ำร้ายไปกว่านั้นเคยไปเจอบางหน่วยงานฝ่ายไอทีบอกว่าเรายังไม่พร้อมทำ  Big Data  เพราะเรายังไม่ต้องการเอาข้อมูล Social Media มาวิเคราะห์

พื้นฐานความเข้าใจเรื่อง Big Data ในแต่ละหน่วยงานอาจแตกต่างกัน แต่ถ้าเราไม่พยายามทำความเข้าใจและวางกลยุทธ์ให้ถูกต้อง ผมคิดว่าเราก็อาจไม่ประสบความสำเร็จในการปรับองค์กรให้เข้าสู่ยุคดิจิทัลหรือการทำ  Digital Transformation โดยใช้ Big Data  ผมเคยเขียนบทความลงในบล็อกนี้เรื่อง โครงการ Big Data กับความจำเป็นต่อการลงทุนด้านเทคโนโลยี และได้บอกไว้ว่า โครงการ Big Data ที่ดีควรเริ่มที่ฝั่งธุรกิจ ควรจะต้องพิจารณาก่อนว่าต้องการทำอะไร โดย Big Data มีองค์ประกอบที่สำคัญสามอย่าง

  • Data Source
  • Technology
  • Analytics

องค์ประกอบแรก Data Source นั้นสำคัญที่สุด ในชีวิตประจำวันของเราทุกอย่างล้วนสร้างข้อมูลใหม่ขึ้นมา  หน่วยงานทุกหน่วยงานก็ย่อมมีข้อมูลเกิดขึ้นจากการทำงาน Big Data ก็คือข้อมูลเหล่านั้นที่เก็บอยู่ในรูปแบบต่างๆทั้ง Structure  และ Unstructure  การปรับองค์กรสู่ดิจิทัลแล้วเราจะละเลยข้อมูลต่างๆไปย่อมเป็นไปไม่ได้โดยเฉพาะการจะมุ่งเก็บแต่ข้อมูล Structure แบบเดิมย่อมเป็นเรื่องที่ผิดพลาด องค์กรที่พร้อมในการทำ Big Data เราจะต้องปรับวัฒนธรรมองค์กรให้เป็น  Data-Driven นำข้อมูลมาใช้ รู้จักการทำงานร่วมกันผ่านการแชร์ข้อมูล มีวัฒนธรรมองค์กรที่เน้นความโปร่งใส และข้อสำคัญข้อมูลที่จะแชร์ออกมาใช้อนาคตควรอยู่ในรูปของ API-based ปัญหานี้เป็นเรื่องยากในบ้านเราเพราะ วัฒนธรรมของคนบ้านเราจำนวนมากที่จะรู้สึกหรือคิดว่าข้อมูลเป็นของตนเองและไม่ค่อยยอมจะแป่งปันข้อมูล และอีกประการเราเองจะไม่ค่อยชอบนำข้อมูลมาใช้ในการตัดสินใจ เราจะเอาความรู้สึกมาตัดสินใจมากกว่าดูจากข้อมูล ดังนั้นการปรับองค์กรสู่ Big Data ประการที่สำคัญสุดคือ การปรับวัฒนธรรมองค์กร

องค์ประกอบที่สอง Technology หลักการสำคัญของ Big Data คือการหาเครื่องมือมาเก็บและวิเคราะห์ข้อมูล แต่เนื่องจากข้อมูลใหญ่และซับซ้อนขึ้นเกินกว่าเทคโนโลยีแบบเดิมจะจัดการได้ ดังนั้นองค์กรที่จะทำ Big Data จะต้องจัดหาเครื่องมือใหม่ๆเช่น  Hadoop หรือ Cloud Technology  ต่างๆมาใช้ ซึ่งเรื่องนี้ผมได้กล่าวไว้ในหลายๆครั้งแล้วจึงไม่อยากกล่าวซ้ำอีก

องค์ประกอบสุดท้าย Analytics หัวใจสำคัญของ Big Data คือการทำ Big Data Analytics  ที่ต้องการใช้ หลักการทางวิทยาศาสตร์และคณิตศาสตร์เพื่อทำการคาดการณ์อนาคตจากข้อมูลขนาดใหญ่ งานลักษณะนี้แตกต่างจากการทำ  BI เพราะใช้ทักษะที่ต่างกัน ต้องการคนที่มีความรู้ทางด้าน  Machine Learning หรือกลุ่มที่จะเป็น Data Scientist  ซึ่งต้องมีพื้นฐานคณิตศาสตร์ที่ดี และโดยมากมักจะเป็นคนที่จบการศึกษาสูงกว่าระดับปริญญาตรี หรือเรียนวิชาด้านนี้มาโดยเฉพาะ  ซึ่งผู้ที่จะมาทำด้านนี้ควรมีองค์ประกอบสามด้านคือ Hacking คือความสามารถในการพัฒนาโปรแกรม STATS คือความเข้าใจด้านสถิติและ Machine Learning และ Critical Thinking คือความสามารถในการคิดวิเคราะห์ในธุรกิจนั้นๆ

Screenshot 2017-04-16 09.25.51
รูปที่  1 องค์ประกอบของ Data Science

หลายๆองค์กรจะมีปัญหาเรื่องการหาทีมงานด้าน Data Science บ้างก็จะไป Outsource  จ้างหน่วยงานอื่น บ้างก็ไปตั้งเป็น Virtual Team  บ้างก็ไปฝากงานไว้กับทีมงาน BI หรือทีม Data Warehouse  ซึ่งเรื่องแบบนี้ไม่ต่อเนื่องโดยเฉพาะงาน Big Data ที่จะต้องมีข้อมูลหรือเรื่องใหม่ๆให้มาวิเคราะห์ตลอดต้องไม่ใช่ Project Base ทำงานช่วงครั้งชั่วควาร วิธีที่ดีสุดถ้าเราคิดว่าเราต้องทำ  Digital Transformation ในองค์กรคือต้องตั้งทีมใหม่ขึ้นมา ลงทุนจ้างคนมาครับ หาคนที่เข้าใจเรื่อง Data Science มาทำงานร่วมกับคนในองค์กรที่จะอยู่ร่วมทีม และต้องพัฒนาคน ข้อสำคัญอย่าไปคิดนะครับว่าจะจ้างคนต่างประเทศหรือ  Data Scientist ที่ทำงานในต่างประเทศมาแล้วจะทำงานได้เลย คงต้องฝึกและทำงานร่วมกันครับ เพราะวัฒนธรรมเรื่องข้อมูลและการทำงานของเรายังต่างกันาก ดีทีสุดคือเร่งพัฒนาคนในนี่ละครับ จ้างเด็กใหม่ที่จบโทเอกด้านนี้ครับ ต้องลงทุน

คงเป็นข้อคิดสั้นๆแค่นี้ละครับ สำหรับผู้บริหารที่อยากปรับองค์กรสู่  Digital Transformation ด้วย Big Data

ธนชาติ นุ่มมนท์

IMC Institute

การปรับนโยบายด้าน Cloud Computing ของประเทศเมื่อพิจารณาจากผลการสำรวจปี 2017

screenshot-2017-03-05-12-12-29

ทุกๆปีทางบริษัท  Rightscale จะออกรายงานผลการสำรวจสถานภาพการใช้  Cloud Computing ออกมา และสำหรับในปีนี้ทาง Rightscale  ได้ออกรายงานเรื่อง RightScale 2017 STATE OF THE CLOUD REPORT เมื่อต้นเดือนมกราคมปีนี้ โดยเป็นการเปิดเผยข้อมูลการสำรวจจากกลุ่มตัวอย่าง 1,002 ตัวอย่างที่เป็นการสำรวจคนอาชีพไอทีในองค์กรต่างๆทั่วโลก ซึ่งรวมถึงประเทศในกลุ่ม APAC ที่มีจำนวน 14% จากกลุ่มตัวอย่าง ผลการสำรวจมีประเด็นที่น่าสนใจที่องค์กรต่างๆในบ้านเราควรนำมาพิจารณาปรับนโยบายในด้าน  Cloud Computing ดังนี้

1)  ควรกำหนด  Cloud First Policy

 

ผลการสำรวจแสดงให้เห็นว่าองค์กรส่วนใหญ่เกือบ 95%  มีการใช้ Cloud อยู่โดยที่  89% มีการใช้ Public Cloud, 72% ใช้ Private Cloud และ 67% ใช้ Hybrid Cloud โดยในจำนวนนี้ ที่ใช้ Public Cloud เพียงอย่างเดียวมีแค่ 22% หรือที่ใช้เฉพาะ  Private Cloud  มี 5%  ซึ่งจะเห็นได้ว่าองค์กรมุ่งเน้นพัฒนาไอทีเป็นระบบ Cloud ด้วยเหตุผลต่างๆที่จะกล่าวต่อไป และแนวโน้มก็จะเป็น Hybrid Cloud ซึ่งจากข้อมูลจะเห็นว่าตัวเลขการใช้งาน และติดตั้ง Private Cloud  มีสัดส่วนลดลงเมื่อเทียบกับปีที่ผ่านมา สุดท้ายเราจะเห็นได้ว่า IT Workload ในปัจจุบันส่วนใหญ่จะใช้ระบบ Cloud โดยมีเพียง 21% ที่เป็น  Non-Cloud ดังนั้นองค์กรต่างๆควรกำหนดให้การใช้ไอทีขององค์กรมุ่งสู่ระบบ Cloud  โดยจำเป็นต้องมีการพัฒนาทั้ง Private Cloud และใช้  Public Cloud

screenshot-2017-03-05-15-27-12

screenshot-2017-03-05-15-37-46

screenshot-2017-03-05-15-40-22

2) ต้องสนับสนุนการใช้ระบบ Cloud มากกว่าหนึ่งแพลตฟอร์ม

ผลการสำรวจแสดงให้เห็นว่าองค์กรขนาดใหญ่ที่มีพนักงานมากกว่า 1,000  คน จะมุ่งสู่การสร้างระบบ Cloud แบบหลากหลายแพลตฟอร์ม จะเห็นได้ว่ามีเพียงต่ำกว่า 15%  ที่ตอบว่าใช้ Cloud แบบแพลตฟอร์มเดียวที่อาจเป็น Single Private Cloud หรือ  Single Public Cloud โดยส่วนมากจะเป็นการใช้ Hybrid Cloud หลากหลายแพลตฟอร์ม และก็มีการใช้  Public Cloud หลายราย ดังนั้นองค์กรต่างๆก็ควรจะมีนโยบายกำหนดให้มีการใช้ระบบ  Cloud มากกว่าหนึ่งแพลตฟอร์ม

screenshot-2017-03-05-21-05-14

3) ต้องส่งเสริมให้ผู้ให้บริการ Cloud ในประเทศให้บริการที่มากกว่าการบริการ Virtual Server

ผลการสำรวจในแง่ของการใช้บริการ Public Cloud พบว่าผู้ใช้ส่วนใหญ่ไม่ได้ต้องการแค่ใช้ Virtual Server ที่เป็น  Linux  หรือ Windows แต่จุดประสงค์การใช้งานมุ่งไปที่ PaaS โดยความต้องการ Database as a Service (DBaaS) อย่าง RDS ของ AWS สูงเป็นอันดับหนึ่ง หรือก็มีการใช้บริการอย่าง Data warehouse, Hadoop as a Service  แต่ขณะที่ผู้ให้บริการ  Cloud  ในบ้านเรายังให้บริการเพียงแค่  IaaS เช่น Virtual Server พื้นฐาน จึงไม่แปลกใจที่ผู้ใช้บริการจะมุ่งเน้นไปที่บริการของ Cloud Provider ในต่างประเทศที่มีบริการหลากหลายกว่า ดังนั้นเราควรส่งเสริมให้ผู้ให้บริการ Cloud  ในบ้านเราทำการวิจัยและพัฒนาสร้างบริการ Cloud ต่างๆที่ตรงกับความต้องการของผู้ใช้มากขึ้นอาทิเช่น  DBaaS, Container as a Service, IoT Services

screenshot-2017-03-05-21-11-54

4) ต้องเร่งส่งเสริมความเข้าใจเรื่องการใช้ Cloud

ข้อมูลการสำรวจแสดงให้เห็นประโยชน์หลักของ  Cloud  ไม่ใช่การลดค่าใช้จ่ายอย่างที่หลายคนเข้าใจ และเป็นความเข้าใจผิดมาตลอด แต่ประโยชน์หลักๆคือความคล่องตัวในการทำงาน การที่จะเข้าถึงโครงสร้างพื้นฐานได้อย่างรวดเร็ว การขยายระบบได้อย่างมาก และพัฒนาระบบได้อย่างรวดเร็ว ขณะเดียวกันถ้าพิจารณาถึงความท้าท้ายของการใช้ Cloud จะพบว่าเรื่องระบบความปลอดภัยไม่ใช่ประเด็นหลักสำหรับกลุ่มที่มุ่งเน้นการใช้ Cloud  (Cloud Focused group) แต่กลับเป็นเรื่องของการบริหารจัดการค่าใช้จ่าย และเรื่องของ Complicance  โดยความกังวลเรื่องความปลอดภัยก็จะเป็นเฉพาะกลุ่มผู้เรื่มต้นใช้งาน (Cloud Beginner Group)  แต่ในบ้านเราจะคิดว่าการใช้ Cloud Computing จะเป็นการลดค่าใช้จ่ายและจะกังวลเรื่องความปลอดภัยสูงเกินไป จึงจำเป็นที่เราต้องส่งเสริมในเรื่องความเข้าใจให้ถูกต้อง มิฉะนั้นเราจะก้าวตามเทคโนโลยีไม่ทัน

screenshot-2017-03-05-21-19-18

screenshot-2017-03-05-21-22-56

5)  ต้องเร่งพัฒนาคนด้าน  Cloud Computing

ความท้าทายหลักๆของเรือง  Cloud Computing คือการขาดบุคลากรที่มีความเชี่ยวชาญ ซึ่งบทบาทของไอทีในอนาคตจะเปลี่ยนไปเป็นคนที่ต้องมาคัดสรรการใช้  Public หรือ  Private Cloud กลายเป็นคนที่ต้องมากำหนดนโยบายการใช้ เป็นผู้ต้องมาบริหารและจัดการค่าใช้จ่าย ตลอดจนเป็นผู้ที่ต้องมาพัฒนา Private Cloud  นอกจากตำแหน่งงานด้านหนึ่งที่กำลังเข้ามาคือ Cloud Architect ประเทศเรายังขาดบุคลากรไอทีที่มีความเข้าใจ  Cloud Computing อยู่มากและแทบจะไม่มี Cloud Architect อยู่เลยดังนั้นเราจึงจำเป็นต้องให้สถาบันการศึกษาเร่งพัฒนาหลักสูตรทางด้านนี้ให้มากขึ้น และต้องอบรมคนไอทีในปัจจุบันให้มีความเข้าใจเรื่อง Cloud Computing มากขึ้น

screenshot-2017-03-05-21-33-45

screenshot-2017-03-05-21-30-35

6)  ต้องชักจูงให้ Cloud Provider จากต่างประเทศมาลงทุนในบ้านเรา

ตลาด Public Cloud ส่วนใหญ่ก็ยังเป็นของผู้ให้บริการรายใหญ่อย่าง Amazon Web Services, Microsoft Azure และ Google Cloud ทั้งนี้เนื่องจากเขามีบริการที่หลากหลายตรงความต้องการของผู้ใช้มากกว่าโดยไม่ได้เน้นแค่บริการ Virtual Server  นอกจากนี้บริษัทเหล่านี้ยังมีราคาค่าบริการถูกกว่ารายอื่นๆมากเนื่องจากมี  Economy of Scale  และที่สำคัญบริษัทเหล่านี้มีการทำวิจัยและพัฒนาที่จะออก Cloud Services ด้านใหม่ๆได้หลากหลายทั้ง IoT  Services, Machine Learning as a Service, Big Data  ซึ่งเราอาจจำเป็นต้องเรียนรู้จากเขา และต้องสร้างนโยบายให้เอื้อต่อการที่บริษัทเหล่านี้มาลงทุนให้ประเทศไทยเป็น Cloud Computing Hub อย่างญี่ปุ่นหรือสิงคโปร์ รวมถึงมีการทำวิจัยและพัฒนาบริการต่างๆในประเทศเรา

screenshot-2017-03-05-21-38-29

จากที่กล่าวมาทั้งหมด ก็คือข้อเสนอแนะที่อยากให้ทุกฝ่ายได้นำไปพิจารณาในการปรับนโยบายขององค์หร หรือของประเทศเพื่อเราจะสามารถแข่งขันได้ในยุคที่เทคโนโลยีกำลังเปลี่ยนอย่างรวดเร็ว

ธนชาติ นุ่มนนท์

IMC Institiute

Chief Technology Officer (CTO) กับการสร้าง Thailand 4.0 และ Thai Start-up

Screenshot 2017-07-08 15.05.19

ช่วงนี้เวลาที่ผมไปบรรยายตามที่ต่างๆ ผมมักจะแสดง  Slide ตามรูปข้างล่างที่กล่าวว่า “In an era of the Internet of Things, companies that have the right IT architecture and infrastructure, and the right talent, capable of both handling fast-moving technologies and finding meaning in big data, will be able to leapfrog their competitors.” ใช่ครับในโลกของยุคปัจจุบัน ถ้าเราจะแข่งขันได้เราต้องมี โครงสร้างพื้นฐานและสถาปัตยกรรมไอทีที่ดี มีทีมที่มีความสามารถที่ไล่ตามเทคโนโลยีที่เปลี่ยนแปลงไปอย่างรวดเร็ว

screenshot-2017-02-19-17-10-56

บริษัทด้านเทคโนโลยีในต่างประเทศไม่ว่าจะเป็น Google, Facebook, Oracle, Uber หรือ Alibaba จะมีผู้เชี่ยวชาญด้านไอทีในบริษัทเป็นพันๆคน และจำนวนมากมีตำแหน่งเป็น Chief Technology Officer (CTO) ที่มีความรู้ด้านสถาปัตยกรรมและเทคโนโลยีไอทีเป็นอย่างดี ทั้งด้าน Infrastructure, Architecture หรือ  core Technology อย่าง Cloud Computing, Big Data หรือ Web Programmming Framework แบบใหม่ๆ ผมจำได้ว่าเคยเจอบริษัทอย่าง  Lazada ที่จ้างผู้เชี่ยวชาญด้าน Big Data Analytics นับสิบคน

บ้านเราฝันว่าจะเป็น Thailand 4.0 พยายามจะผลักดัน Start-up กัน และพยายามจินตนาการราวกับว่าคนไอทีไทยเก่งด้านเทคโนโลยีอย่างมากมาย ทั้งๆที่เราเองเล่นเทคโนโลยีแบบพื้นฐาน พัฒนาโปรแกรมเว็บอย่างง่ายๆ แม้เราอาจจะบอกว่าเรามีคนเก่งบ้าง แต่ก็น้อยมากๆอาจจะนับจำนวนได้ไม่กี่ร้อยคน ที่จะพอเข้าใจ Fast Moving Technologies เรามีคนอยู่แค่หยิบมีเดียวที่จะเข้าใจเรื่อง Microservices, Web Framework ใหม่, ภาษาคอมพิวเตอร์ใหม่ เรานับคนที่จะทำ  DevOp, Container, Machine Learning และยิ่งหาคนที่จะเข้าใจ Large/Enterprise IT Architecture ก็ยิ่งยากกว่าหาเข็มในมหาสมุทร ดังนั้นอย่าแปลกใจถ้าจะบอกว่า เราอาจหาคนทำโปรแกรมเล็กๆที่พอรันให้ผู้ใช้จำนวนมากได้ แต่พอจะต้องขยายเพิ่มจำนวนมหาศาล ต้องการทีมงานจำนวนมาก ต้องการ  IT Architecture ที่เหมาะสม เราก็อาจไปรอด และก็คงจะขยายไปเป็น Unicorn ไม่ง่าย เพราะในบ้านเราอย่าว่าแต่หา CTO เก่งๆเลย แม้แต่จะหา IT Programmer เก่งๆซักคนยังหายาก ดังนั้นที่ฝันก็คงไปได้ยากถ้าไม่เร่งสร้างคนในอีก  5-10 ปีข้างหน้า แล้วเราต้องการคนที่รู้เรื่องอะไรบ้างละครับ

ผมจะขอยกตัวอย่างอาชีพต่างๆที่ต้องเร่งสร้างดังนี้

IT Architect:  บ้านเราแทบจะมีบุคลากรนับคนได้ที่เห็นภาพโครงสร้างไอทีขนาดใหญ่ว่าระบบต้องประกอบด้วยอะไรบ้าง จะทำให้ Scale  ได้อย่างไร คนที่เข้าใจระบบ  Cloud, Framework, Container, IT Security แต่ที่เรามีก็เพียง Programmer จำนวนหนึ่งที่เขียนโปรแกรมเว็บพื้นฐาน ถ้าเราไม่พัฒนาคนเหล่านี้ (ซึ่งก็พัฒนาค่อนข้างยาก) ผมเองก็ยังนึกไม่ออกว่า ระบบไอทีเราจะไปรอดได้อย่างไร นอกจากต้องซื้อโซลูชั่นและเซอร์วิสจากต่างประเทศ

Big Data: บุคลากรด้านนี้เรายังมีน้อยอยู่มาก จำนวนมากยังแทบไม่เข้าใจว่า Big Data  คืออะไร และยังเล่นกับ Structure Data  เพียงอย่างเดียว เราก็ยังเล่นกับโจทย์ BI และ Data Warehouse แบบเดิมเป็นส่วนใหญ่

Data Scientist: อนาคตของซอฟต์แวร์คือการทำ Amalytics และ Predictive เราต้องการนักวิทยาศาสตร์ข้อมูลที่สามารถเขียนโปรแกรม เข้าใจเรื่อง Machine Learning และมีความรู้ในธุรกิจเฉพาะ แต่ทุกวันนี้แม้แต่โปรแกรมเมอร์ง่ายๆเรายังหายังหาแทบไม่ได้ แล้วตำำแหน่งนี้คงไม่ต้องพูดถึง

Developer ขั้นเทพ: โลกของการพัฒนาซอฟต์แวร์ปรับเปลี่ยนไปมาก ทั้งเรื่องของภาษา, Framework, Software Methodology และ Tools ใหม่ๆที่เข้ามา แต่ทีมงานเราจำนวนมากก็ยังพัฒนาซอฟต์แวร์ในรูปแบบเดิมๆ การจะประยุกต์ใช้  Cloud PaaS หรือระบบใหม่ๆน้อยมาก

IT Security: เรายังหาคนที่รู้เรื่องระบบความปลอดภัยด้านไอทีเราน้อยมาก โปรแกรมเมอร์บ้านเราสนใจเรื่องความปลอดภัยไอทีน้อยมาก การพัฒนาโปรแกรมเราจำนวนมากละเลยเรื่องนี้ หลายโปรแกรมถ้ามีการใช้งานจริงจังก็คงมีช่องโหว่มหาศาล

IT Specialist: คนที่รู้เรื่อง Emerging Technology  อย่างจริงจังเช่น คนเข้าใจเรื่อง Cloud Computing, Internet of Things, Blockchain, DevOp หรือ Container

จริงๆมีอีกหลายด้านที่ยังไม่ได้กล่าวถึง แต่แค่ตำแหน่งที่ยกมาก็แทบจะหาคนในตลาดได้น้อยมาก คนจบใหม่ก็ไม่ค่อยมี แต่เราก็ยังวนสอนกันแบบเดิมๆ และก็ฝันว่าอยากเป็นโน่นเป็นนี้ จะสร้าง  Thailand  4.0  จะสร้าง Start-up  เน้นคนมา Pitch ไอเดีย พัฒนาโซลูชั่นง่ายๆ ไม่มองเรื่องโครงสร้างขนาดใหญ่ เราเน้นการตลาดไม่ได้หวังเรื่องจะเกิดขึ้นจริงโดยไม่ดูความพร้อมของบุคลากรไอทีไทย ผมยังมองไม่ออกเลยว่าบริษัทเใหม่ๆหล่านี้จะโตขึ้นได้อย่างไร จะหาคนทำงานจำนวนมากได้อย่างไร จะหาใครมาเป็น CTO แต่ถ้าจะเน้นเอาแค่การตลาดลงข่าวผมว่าอันนี้เราไปได้ครับ ถึงเวลาหรือยังครับที่เราจะสร้างคนอย่างจริงจัง ลดการ PR ลง ปรับหลักสูตรในมหาวิทยาลัยด้านเทคโนโลยี หันมาสร้างคนอย่างจริงจังกันเถอะครับ

ธนชาติ นุ่มนนท์

IMC Institute

นิยามคนไทย 4.0 คงไม่ใช่แค่คนเล่นเทคโนโลยี

screenshot-2017-02-13-17-22-36

ช่วงนี้ทุกภาคส่วนต่างพูดถึงคำว่า  Thailand 4.0  และก็อาจเกิดการวิพากษ์วิจารณ์ไปถึงว่าแล้วเราเป็น  Thailand 3.0 เมื่อไร แต่อย่างไรก็ตามรัฐบาลก็พยายามบอกว่า เราจำเป็นต้องพัฒนาประเทศให้แข่งขันกับการเปลี่ยนแปลงของโลกที่กำลังก้าวสู่เศรษฐกิจในยุคใหม่และอุตสาหกรรม4.0  ให้ได้ เราจำเป็นจะต้องสร้าง คนไทย  4.0 แต่ความหมายของคำว่าคนไทย 4.0 อาจยังเป็นที่สงสัยของคนหลายๆคนว่าคืออะไร ซึ่งนายกรัฐมนตรีเคยกล่าวในรายการเดินหน้าประเทศไทยว่า “ถ้าท่านมีโทรศัพท์ แต่ยังใช้งานเพียงเพื่อการสื่อสารพื้นฐาน ท่านยังคงเป็น”คนไทย 1.0” ถ้าหากท่านใช้มือถือ ในการส่ง e-mail ส่งไฟล์เอกสาร หรือใช้ประโยชน์ในการทำงาน และกิจวัตรประจำวัน ท่านน่าจะยกระดับตนเองเป็น “คนไทย 2.0” ได้ไม่ยาก แต่ถ้าหากท่านสามารถใช้ “สมาร์ทโฟน” ได้ราวกับคอมพิวเตอร์ที่เชื่อมต่อ “อินเตอร์เน็ต” ในการแสวงหาความรู้ใหม่ ๆ พัฒนาตนเอง ติดต่อกับคนทั่วโลกได้ ท่านอาจได้ชื่อว่าเป็น “คนไทย 3.0” ยิ่งกว่านั้น  หากท่านสามารถสร้างรายได้ สร้างอาชีพ สร้างเครือข่าย สร้างนวัตกรรมใหม่ ๆ นำไปสู่การผลิต ด้วยความรู้เหล่านั้น แล้วท่านรู้สึกว่า “ทำงานน้อยลง แต่ได้ผลผลิตมากขึ้น” เมื่อเทียบกับที่ผ่านมา แบบนี้ท่านได้ชื่อว่าเป็น คนไทย 4.0”

ผมก็เองก็เห็นด้วยกับรัฐบาลในเรื่องนี้ว่าเรากำลังอยู่ในโลกที่มี “พลวัต” ด้วยเทคโนโลยีดิจิทัล และคนไทยเองจำเป็นต้องปรับตัวเองอย่างมากเพื่อสร้างศักยภาพในการแข่งขัน และคำว่าคนไทย 4.0 มีความสำคัญอย่างยิ่งแต่ไม่ใช้เพียงแค่เป็นคนที่ใช้เทคโนโลยีเป็น แต่คิดว่าน่าจะมีความหมายมากกว่านั้น ข้อสำคัญคนไทย 4.0 จะต้องมี Digital Mindset  และ Digital Culture  ประกอบกับต้องเป็นคนที่มีจิตสาธารณะเพราะเรากำลังก้าวเข้าสู่ เศรษฐกิจยุคแห่งการแบ่งปัน (Sharing Economy) ซึ่งถ้าให้ผมนิยามคำว่า คนไทย 4.0 ในความเห็นส่วนตัวก็น่าจะเป็นดังนี้

 

screenshot-2017-02-13-17-25-09

รูปที่ 1  Digital Skill  ที่จำเป็นสำหรับคนในยุคปัจจุบัน 

  1. เป็นคนที่มีทักษะเชิงดิจิทัล ที่มีทักษะหกด้านที่จำเป็นต้องมีคือ Tools & Technologies, Find & Use, Teach & Learn, Communication & Collaborate, Create & Innovate และ Identity & Wellbeing  ดังที่ผมเคยเขียนในบทความเรื่อง “Digital Skill ที่คนไทยควรมีถ้าจะต้องก้าวไปสู่ Thailand 4.0” ตามรูปที่  1
  2. เป็นคนที่เข้าใจการโลกยุคโลกาภิวัฒน์  เข้าใจเศรษฐกิจแบบใหม่ ที่เข้าสู่อุตสาหกรรม 4.0 และโลกยุคไร้พรมแดนที่มีความเป็นสากล สามารถทำงานกับผู้ร่วมมือที่อาจอยู่ที่ใดๆในโลกนี้ แบบทุกที่ ทุกเวลา และทุกอุปกรณ์ได้
  3. เป็นคนที่เข้าใจบริบทของสังคมไทย เข้าใจในประเพณีและวัฒนธรรมไทย ประวัติศาสตร์ไทย เข้าใจสังคมในชนบท และช่องว่างของสังคมไทยได้
  4. เป็นคนที่มี จิตสาธารณะเกื้อกูล แบ่งปัน มีจริยธรรม คุณธรรมและ รับผิดชอบต่อส่วนรวม พร้อมที่จะก้าวสู่การทำงานในยุค Sharing Economy ไม่ใช่เทคโนโลยีเพื่อเอาเปรียบสังคม สร้างความร่ำรวยให้กับตัวเอง โดยละเลยช่องว่างทางสังคมไทย 

ธนชาติ นุ่มนนท์

IMC Institute

 

Big Data School: การอบรม On the Job Training สำหรับนักศึกษารุ่นที่สอง

screenshot-2017-02-06-08-48-04

ปีที่ผ่านมาทาง  IMC Institute  ได้เปิดอบรมหลักสูตรทางด้าน Emerging Technology ต่างๆเป็นจำนวนมาก โดยเฉพาะทางด้าน Big Data  ได้เปิดหลักสูตรต่างๆทั้งทางด้าน Hadoop, Apache Spark, Business Intellegence, Data Science, Data Visualisation, R Programming และ Machine Learning โดยอบรมคนไปร่วม 1,600  คน นอกจากนี้ก็ยังมีโครงการต่างๆทั้ง การจัดฟรีสัมมนา Big Data User Group การจัดงาน Big Data Challenge ร่วมกับสำนักงานรัฐบาลอิเล็กทรอนิกส์ (องค์การมหาชน) และการจัดอบรม Train the trainer : Big Data Analytics & Machine Learning ให้กับอาจารย์มหาวิทยาลัยต่างๆจำนวน  30 คนในช่วงเดือนกรกฎาคม

โครงการหนึ่งที่จัดให้กับนักศึกษามหาวิทยาลัยคือ Big Data School  โดยทาง IMC Institute จัดร่วมกับ ICE Solution และได้รับนักศึกษา 15 คนมาฝึกงานสองเดือนแบบ On the job training ในช่วงปิดเทอมในช่วงเดือน มิถุนายน จนถึง กรกฎาคม ปีที่ผ่านมา ซึ่งก็มีนักศึกษามาร่วมโครงการจากหลากหลายสถาบันทั้ง จุฬาลงกรณ์มหาวิทยาลัย ลาดกระบัง พระนครเหนือ มหาวิทยาลัยราชมงคลรัตนโกสินทร์ ธุรกิจบัณฑิต หรือมาไกลๆจาก มหาวิทยาลัยนครพนม มหาวิทยาลัยฟาฏอนี หรือนักศึกษาไทยในต่างประเทศอย่าง Wesleyan University

จริงๆโครงการนี้ได้แรงบันดาลใจมาจากรุ่นน้องคนหนึ่งที่เอารายการทีวีรื่อง “โรงเรียนฝึกคนหัวใจเพชร” ให้ดู ซึ่งเป็นโรงเรียนฝึกเด็กช่างไม้ในญี่ปุ่น สอนเด็กให้แกร่ง อดทน มีวินัยและใช้สมอง เห็นความยากลำบากในการเรียนกว่าจะออกมาเป็นช่างไม้ที่เก่งและมีคุณภาพ น้องเลยถามผมว่าเราทำโรงเรียนพัฒนาโปรแกรมเมอร์อย่างนี้ในเมืองไทยไหม  ผมก็เลยเริ่มคิดถึงการฝึกคน ผมอาจจะยังไม่สามารถทำโรงเรียนฝึกโปรแกรมเมอร์หัวใจเพชรได้ทันที แต่ก็นึกขึ้นมาว่าวันนี้อุตสาหกรรมไอทีในบ้านเราหาโปรแกรมเมอร์เก่งๆได้ยากโดยเฉพาะคนที่ซื่อสัตย์และตั้งใจทำงานให้กับหน่วยงาน ไม่ใช่แค่คิดหวังจะร่ำรวย นอกเหนือจากมีความรู้ ก็ต้องอดทนและมีจริยธรรมที่ดี เรามาฝึกงานเขาไหม? อาจเป็นช่วงเวลาสั้นๆ 2-3 เดือน พอฝึกงานเสร็จมาเขาจะกลับไปเรียนต่อหรือไปทำงานที่ไหนก็ตามอย่างน้อยเราก็ได้สร้างประโยชน์ให้กับสังคมบ้าง พอคิดได้อย่างนี้ก็เริ่มคุยกับเพื่อนและอาจารย์บางคนแล้วบอกว่า กลางเดือนปีที่ผ่านมาผมก็เริ่มทำ Big Data Intern School ฝึกงานนักศึกษา 15 คนให้ทำ Big Data แล้วก็กำหนดเป้าหมายสิ่งที่จะฝึกเขาดังนี้

  • ให้เรียนรู้หลักการของ Big Data และเทคโนโลยีต่างๆ
  • สามารถติดตั้งระบบ Big Data ได้ไม่ว่าจะเป็น Apache Hadoop, Cloudera, Hortonworks, Amazon EMR และ Microsoft Azure HDInsight
  • ให้ใช้ระบบ Cloud Computing อย่าง Amazon AWS และ Microsoft Azure ใที่ทางสถาบันจัดให้
  • สามารถติดตั้งระบบ NoSQL ต่างๆอย่าง Cassandra, NoSQL, MongoDB
  • เรียนรู้การประมวลข้อมูลขนาดใหญ่โดยใช้ Hive, Impala, Spark
  • สามารถที่จะดึงข้อมูลเข้าโดยใช้เทคโนโลยีอย่าง Sqoop, Flume, Kafka
  • เรียนรู้การทำ  Machine Learning โดยใช้ภาษา R, Spark MLLib หรือเครื่องมืออย่าง Azure Machine Learning
  • ทำโปรเจ็คด้าน Big Data กับบริษัท

13895023_683716961775647_7601004528023796116_n

ผมเองก็ได้อาจารย์ประจำสถาบันไอเอ็มซีหลายท่านเข้ามาช่วยอบรมนักศึกษาทั้ง 15 คน อาทิเช่น อ.โกเมษ จันทวิมล,อ.ธีรชัย หลาวทอง, อ.ชินวิทย์ ชลิดาพงศ์, อ. อารยา ฟลอเรนซ์และตัวผมเอง เข้ามาสอน  รวมถึงคุณดนุพล สยามวาลา และก็มีรุ่นพี่จาก Ice Solution สองคนเข้าช่วยเป็นพี่เลี่ยงตลอดทั้งสองเดือน นักศึกษาเองก็ได้เรียนรู้จากที่ทางอาจารย์สอนและฝึกหัดทำเรื่องต่างๆด้วยตัวเอง โดยการฝึกงานในช่วงต้นจะฝึกเน้นให้นักศึกษามีความเข้าใจเรื่องของ Big Data Technology  ต่างๆ และ Big Data Architecure จากนั้นก็จะเป็นการเน้นการใช้เทคโนโลยี Hadoop โดยให้นักศึกษาแบ่งกลุ่มกันติดตั้ง Hadoop Distribution ต่างๆทั้ง Cloudera, Hortoworks, MapR และ Pure Apache Hadoop แล้วทำการเปรียบเทียบกัน ซึ่งนักศึกษาก็สามารถทำได้เป็นอย่างดี โดยได้ลงมือติดตั้งบน Server cluster บน Cloud สุดท้ายก็ให้นักศึกษาได้เรียนรู้การทำ  Big Data Analytics และ Machine Learning Techniques  โดยใช้เครื่องมือต่างๆอย่าง  Apache Spark, Spark MLlib และ Azure Machine Learning

ตลอดเวลาสองเดือนนักศึกษาได้ฝึกทักษะด้าน Big Data เป็นอย่างดี ซึ่งนักศึกษาที่มาฝึกงานมีทั้งปี 2 ปี 3 รวมถึงนักศึกษาปีที่ 4  จบแล้ว 3-4 คนซึ่งยอมมาฝึกงานก่อนออกไปทำงาน ผลของการฝึกงานก็ทำให้นักศึกษาเหล่านี้สามารถลงมือทำการวิเคราะห์ข้อมูลขนาดใหญ่โดยใช้ Hadoop และเทคโนโลยีต่างๆได้ และทุกคนก็ได้ใช้ผลของการฝึกงานเข้าไปทำงานในบริษัทต่างๆได้ นักศึกษาที่ฝึกงานในโครงการนี้ก็ยังสามารถแสดงความสามารถไปชนะการประกวดด้าน Big Data Analytics ต่างๆ ทั้งงาน Big Data Challenge ของ IMC Institute เองที่ต้องแข่งกับผู้ใหญ่และนักพัฒนาที่ทำงานแล้ว และก็ไปได้รางวัลการประกวด  Data Science Contest ของสถาบันบัณฑิตพัฒนบริหารศาสตร์ (NIDA) ซึ่งผลของการฝึกงานทางสถาบันไอเอ็มซีก็ถือว่าเป็นความภาคภูมิใจอย่างหนึ่งที่เราได้ทำเพื่อพัฒนาบุคลากรเข้าสู่ภาคอุตสาหกรรม

สำหรับในปีนี้ทางสถาบันไอเอ็มซีตั้งใจจะรับนักศึกษามาฝึกงานในโครงการ Big Data School รุ่นที่สอง โดยในปีนี้เน้นจะรับนักศึกษาปีที่ 4 ที่จบการศึกษาแล้วแต่ต้องการฝึกงานเพื่อเรียนรู้เพิ่มเติมอีกสองเดือนก่อนเข้าไปทำงานในภาคอุตสาหกรรม โดยทางสถาบันเองจะร่วมมือกับบริษัท  NetBay  และบริษัทสยามวาลา เพื่อร่วมกันพัฒนา Big Data Platform และให้นักศึกษาได้ทดลองฝึกงานกับโจทย์จริงในภาคอุตสาหกรรม นอกจากนี้ยังมุ่งเน้นให้นักศึกษาได้เรียนเพื่อที่จะสอบประกาศนียบัตรระดับสากลอย่าง CCA Spark and Hadoop Developer Exam (CCA175)  โดยทางสถาบันจะสนับสนุนค่าใช้จ่ายจำนวนหนึ่งให้กับนักศึกษาที่คาดว่าน่าจะสอบผ่าน

สำหรับกำหนดการ การฝึกงานในปีนี้จะมีโปรแกรมคร่าวๆดังนี้

29 พฤษภาคม วันแรกแรกการฝึกงาน จัดปฐมเทศ อบรมระเบียบวินัย ศึกษาแนวโน้มของเทคโนโลยี

30พฤษภาคม – 3 มิถุนายน เรียนรู้ระบบ Public Cloud ของค่ายต่างอาทิเช่น Google Cloud, Amazon Web Services, Microsoft Azure การใช้บริการต่างๆ อาทิเช่น Virtual Server, Cloud Storage, Auto-Scaling Servers, Application Development Servers รวมถึงศึกษาเรื่อง Docker

5 – 10 มิถุนายน เรียนรู้หลักการของ Big Data Architecture  การติดตั้ง Apache Hadoop การติดตั้ง Hadoop Cluster และการติดตั้ง Cloudera/Hortonworks Cluster รียนรู้ NoSQL และติดตั้งระบบต่างๆทั้ง Cassandra, MongoDB และ HBase ร่วมถึงระบบอย่าง ElasticSearch และ Solr

12-17 มิถุนายน  เรียนรู้บริการต่างๆของ Hadoop ต่อ การใช้บริการต่างๆทั้ง  Hive, Impala, Flume, Sqoop, Kafka, Cloudera Manager, Amabari และให้เขียนข้อสรุปเปรียบเทียบ Big Data ต่างๆ

19-24 มิถุนายน เรียนรู้ Apache Spark และการทำ Big Data Analytics โดยใช้ Spark Python, Spark Scala, Spark SQL และ Spark Streaming

26 มิถุนายน – 1 กรกฎาคม  เรียนรู้ Machine Learning การใช้เครื่องมือและภาษาต่างๆอาทิเช่น , MLLib และ Azure Machine Learning และติวการสอบ CCA Spark and Hadoop Developer Exam

3-27 กรกฎาคม ทำ Mini-Project

28 กรกฎาคม นำเสนอ Mini-Project และปิดการฝึกงาน

ทั้งนี้การอบรมเชิงฝึกงานครั้งนี้ไม่มีค่าใช้จ่ายใดๆ ซึ่งทางสถาบันคาดว่าผู้ที่ผ่านการอบรมจะเป็นผู้ที่เข้าใจหลักการและเทคโนโลยีด้าน Big Data  พร้อมทั้งสามารถทำด้าน Data Science ได้ โดยทางสถาบันจะมีการสอบและวัดผลสัมฤทธิ์ของการฝึกงาน และทางสถาบันจะออกใบรับรองว่าผ่านการฝึกงาน และผู้ที่ผ่านหากต้องการไปฝึกงานหรือทำสหกิจศึกษา การทำโครงการเพิ่มเติมระหว่างเรียน ทางสถาบันจะติดต่อและให้การรับรองให้ พร้อมกันนี้นักศึกษาที่ทำคะแนนสอบจากการทดลองสอบ CCA Spark and Hadoop Developer Exam สูงสุดสามอันดับแรกทางสถาบันจะออกค่าใช้จ่ายการสอบจริงให้มูลค่ารายละ $295 เพื่อให้ได้ประกาศนียบัตร ทั้งนี้ผู้เข้าอบรมไม่มีอะไรต้องผูกมัดกับทางสถาบัน และทางสถาบันยินดีประสานติดต่อกับบริษัทอื่นๆเพื่อไปทำงานด้าน Big Data ต่อไป

สำหรับคุณสมบัติผู้ที่จะเข้ารับการอบรมนี้มีดังนี้

  • กำลังศึกษาหรือสำเร็จการศึกษาในระดับปริญญาตรีสาขาวิศวกรรมคอมพิวเตอร์ วิทยากรคอมพิวเตอร์ หรือเทคโนโลยีสารสนเทศ [ถ้าเป็นนักศึกษาปี  4 ที่กำลังจบการศึกษาจะได้รับการพิจารณาก่อน]
  • มีความตั้งใจจะเข้าฝึกงานจริงจัง อาจเป็นส่วนหนึ่งของการจบการศึกษาหรือไม่ก็ได้
  • สามารถเข้าฝึกงานได้ตั้งแต่วันจันทร์-ศุกร์ เวลา เวลา 8.30 – 17.30 น.
  • ต้องเข้ามาฝึกงานทุกวันตามข้อตกลงและต้องมีเวลาเข้าฝึกงานไม่น้อยกว่า 95%

ผู้ที่มีความสนใจการอบรมนี้สามารถดูรายละเอียดเพิ่มเติมได้ที่ http://www.imcinstitute.com/bigdataschool พร้อมทั้งส่งใบสมัครออนไลย์และติดต่อที่สถาบันไอเอ็มซี ก่อนวันที่  31 มีนาคม 2560

ธนชาติ นุ่มนนท์

IMC Institute