ว่ากันว่าในยุคปัจจุบัน ใครมี Data มากที่สุดและใช้ประโยชน์จากมันมากที่สุดคือผู้ชนะ องค์กรยุคใหม่ไม่ ว่าจะเล็กหรือใหญ่ควรให้ความสำคัญกับ Data โดยเริ่มจากการทำความเข้าใจกับ Data และความสำคัญต่อธุรกิจ รวมถึงจะต้องมีการจัดตั้ง Data team อย่างไรให้ประสบความสำเร็จ

Data as Infrastructure: ปัจจุบัน Data มีส่วนสำคัญมาก เป็นเหมือนโครงสร้างพื้นฐานที่จะทำให้บริษัทเราเจริญเติบโตไปข้างหน้าและทำให้ธุรกิจของเราได้เปรียบกว่าคู่แข่ง มีผลสำรวจข้อมูลพบว่าบริษัทที่ทำ Data หรือทำ Digital Transformation โดยเฉลี่ยแล้วการเติบโตของบริษัทจะมีรายได้สุทธิประจำปีและอัตรากำไรสุทธิมากกว่าบริษัทที่ไม่ได้เน้นเรื่องการวิเคราะห์ Data มากถึง 3 เท่า โดยเราสามารถนำ Data ไปปรับใช้ในการจัดการกับข้อมูลภายในองค์กรได้ โดยมีองค์ประกอบสำคัญอยู่ 4 อย่าง ส่วนแรกคือ 1) Business Process นำ Data ไปทำการวิเคราะห์เพื่อหาจุดที่ต้องปรับปรุงกระบวนการทางธุรกิจที่มีอยู่ให้สามารถตัดสินใจได้รวดเร็วและดีขึ้น 2) Business Model นำข้อมูลที่วิเคราะห์มาแล้วมาต่อยอดโดยการทำโมเดลธุรกิจใหม่ 3) Organization การนำข้อมูลมาวิเคราะห์ว่าจะช่วยให้พนักงานมีส่วนร่วมและมุ่งเน้นการเพิ่มมูลค่างานและการทำงานร่วมกันระหว่างแผนกต่างๆ มากขึ้นได้อย่างไร 4) Customer & Partners การนำเอาข้อมูลลูกค้ามาวิเคราะห์พฤติกรรมลูกค้า เพื่อพัฒนาบริการที่ดีขึ้นและสอดคล้องกับความต้องการของลูกค้าและ Partners ที่เป็นพันธมิตรของธุรกิจเรา

โครงสร้างของ Data Infrastructure ในปัจจุบัน ประกอบด้วยส่วนหลักๆ คือ 1) Data Source คือ แหล่งที่มาของข้อมูล ซึ่งอาจจะมี 3 ส่วนได้แก่ Business Data เก็บข้อมูลทั่วไปในบริษัท โดยการเก็บข้อมูลในรูปแบบเอกสารดิจิทัลมากขึ้น Machine Data เป็นการเก็บข้อมูลจาก Sensors หรือ IoT และส่วนสุดท้าย Social Data การจัดเก็บข้อมูลในลักษณะ Video, เสียง, ข้อความ ที่อยู่ในโลกโซเชียล โดยคาดว่าข้อมูลจะเยอะขึ้นอีกมากในอนาคต

Data Infrastructure ส่วนต่อมา คือ Team กลุ่มบุคคลที่จะมาจัดการกับข้อมูลที่เก็บมาได้ ประกอบด้วย Data Engineer สร้างและรักษาข้อมูล Data Analyst ผู้วิเคราะห์และหา insight ของข้อมูล Data Scientist ทำหน้าที่วิเคราะห์ข้อมูลเพื่อคาดคะเนพฤติกรรมของลูกค้าในอนาคต และ Data Project Manager ผู้ดูแลภาพรวมของโครงการ

Data Infrastructure ส่วนสุดท้ายคือ Application ในช่วงเริ่มต้นอาจเริ่มจากกการนำข้อมูลมาทำ Dashboard เพื่อช่วยในการตัดสินใจ และขั้นสูงคือการพัฒนานำเทคโนโลยี AI เข้ามาใช้งาน ทั้งนี้การเลือกเทคโนโลยี AI เข้ามาใช้งาน ต้องสำรวจดูก่อนว่าตัวนั้นยังอยู่ในช่วงพัฒนาอยู่หรือไม่ โดยธุรกิจก่อสร้างอาจนำเทคโนโลยี AI ไปลองปรับใช้กับงานกับงาน maintenance ของบริษัทได้ สิ่งสำคัญเราต้องทำการมอนิเตอร์ ตัว AI ที่ทำงานไม่ได้หรือเกิดข้อผิดพลาด เพราะหากผิดพลาดบ่อย เราจะได้รีบปรับตัวตรงส่วน AI โปรเจคต์อีกครั้ง ทั้งนี้ AI จะยิ่งฉลาดขึ้นถ้าเราใส่ข้อมูลเยอะๆ ให้ AI ได้เรียนรู้มากขึ้นเรื่อยๆ อย่างไรก็ดี การใช้ AI มาช่วยธุรกิจเราควรให้มีมนุษย์อยู่ใน loop ช่วยสอนงาน AI ด้วย และควรมีการตัดสินใจร่วมกันระหว่างมนุษย์และ AI โดย เมื่อ AI ให้คำตอบ ให้มนุษย์ลองรีวิวคำตอบที่ออกมาโอเคหรือไม่ ประหนึ่งเป็นการสอน AI ให้ฉลาดยิ่งขึ้น

การสร้าง Data Team & Data Project
การสร้าง Data Team มาช่วยบริหารจัดการข้อมูลองค์กรให้สมบูรณ์นั้น โดยมีอยู่ 4 ตำแหน่งหลักๆ อย่างที่ได้กล่าวไป ได้แก่

1) Data Engineer เป็นผู้ทำหน้าที่สร้างและรักษาโครงสร้างการจัดเก็บข้อมูล ทักษะที่ต้องมีคือ Programing ความรู้ทางด้าน Data Base, Infrastructure และ Data Security เพื่อพัฒนาให้เป็น Data Platform และ Data Pipeline เพื่อให้คนในองค์กรนำข้อมูลมาใช้วิเคราะห์ต่อได้ง่ายขึ้น
2) Data Analyst ทำหน้าที่วิเคราะห์ข้อมูลเชิงลึกหา insight สำคัญจาก data ที่มีอยู่ โดยต้องมีความรู้ทางด้าน Domain Knowledge, Visualization, Story Telling และ SQL (ภาษาที่ใช้จัดการข้อมูล) เพื่อพัฒนาเป็นรายงาน Insight และ Dashboard
3) Data Scientist ทำหน้าที่สร้างโมเดล Machine Learning หรือ โมเดล AI เพื่อวิเคราะห์อนาคตว่าจะเกิดอะไรขึ้น โดยความรู้เฉพาะทางด้าน Domain Knowledge, Statistics, SQL และ Programing โดยนำข้อมูลที่มีมาวิเคราะห์และนำมาสร้างโมเดลธุรกิจใหม่ๆ หรือคำแนะนำใหม่ๆ ว่าในอนาคตบริษัทควรทำธุรกิจอะไรดี
4) Data Project Manager ทำหน้าที่ดูภาพรวมทั้งหมดของโปรเจคต์ว่าปัญหาหรือ pain point ที่มีจะสามารถแก้ด้วยเครื่องมืออะไร และคาควรจะแก้ปัญหานี้ โดยจะต้องมีความสามารถทางด้าน Management, Prioritization, Stakeholder Management และ Data Knowledge Overview เพื่อช่วยบริษัทวาง Roadmap ที่จะทำ และช่วยดูแล Project ที่ทำให้เสร็จสิ้น

ในปี 2564 Data Scientists เป็นตำแหน่งที่หลายบริษัทต้องการโดยมีอัตราสูงมากถึง 250,000 คน ปัจจุบันประเทศไทยกำลังขาดแคลนตรงส่วนงาน Data Scientist จำนวนมาก หลักการหาคนมาทำงานด้าน Data Scientist ควรหาคนที่มี domain expertise เหมาะกับบริษัทของเรา หรือมีประสบการณ์เกี่ยวกับบริษัทของเราด้วย

ทั้งนี้ ในช่วงแรกเริ่มของการทำ Data Project ที่อาจมีข้อจำกัดทางด้านบุคลากร แนะนำว่าควรเริ่มเลือกจากคนในบริษัทที่มีอยู่ก่อน เพื่อทดลองการทำโครงการ เนื่องจากเข้าใจลักษณะของธุรกิจอยู่แล้ว โดยต้องยอมให้เวลาเพื่อพัฒนาทักษะ หรือหาผู้เชี่ยวชาญมาช่วยพัฒนาให้กลายเป็น Data Analyst ตรงนี้ได้ สามารถเริ่มการทำโครงการในรูปแบบ One-man Data Team เป็นคนเดียวที่มีในองค์กรด้วยโครงการง่ายๆ ไม่ซับซ้อนที่คนหนึ่งคนสามารถทำได้ และใช้ Data tools ง่ายๆ เช่น Excel หรือ Power BI ก่อนก็ได้

เมื่อถึงเวลาที่ทีมใหญ่ขึ้น รูปแบบของการทำทีมอาจจะต่างออกไปและมีการนำเทคโนโลยีเข้ามาใช้ในกระบวนการมากขึ้น อย่างเช่นโครงการ Predictive Maintenance & Integrity Platform ของธุรกิจ Oil & Gas ที่มีรูปแบบการสร้างทีมคล้ายกับธุรกิจก่อสร้าง เนื่องจากมีกระบวนการทำงานในบางส่วนใช้เครื่องมือต่างๆ คล้ายกัน ซึ่งการทำ Maintenance ถือเป็นเรื่องสำคัญมาก โดยมีการวางโปรแกรม Pipeline Integrity Product & Technology Development ใช้การติดตั้ง AI เพื่อเช็คคุณภาพของท่อและประเมินการใช้งานว่าควรซ่อมบำรุงเมื่อไร หรือนำเอา IoT เข้าไปติดไว้กับเครื่องจักรเพื่อดูการสั่นของเครื่องจักร เพื่อนำเอาข้อมูลสัญญานนั้นมาวิเคราะห์การสั่นแบบนี้เครื่องเรายังสุขภาพดีอยู่หรือเครื่องเราจะใกล้พัง

มิใช่แค่เพียงฝั่งการผลิตหนักๆ เท่านั้น แต่แม้แต่ในส่วนของธุรกิจ เช่น ฝั่งวางแผน ซัพพลายเชน หรือ ฝ่ายขายและการตลาด เองก็สามารถนำ Data เข้ามาวิเคราะห์และคาดคะเนปัจจัยต่างๆ เพื่อพัฒนากระบวนการทำงานในอนาคตได้อีกด้วย อาทิ คาดคะเนความต้องการผลผลิต การบริหารคลังสินค้า รวมถึงการวิเคราะห์พฤติกรรมของผู้บริโภคได้อย่างมีประสิทธิภาพ

รศ.ดร.สรณะ นุชอนงค์ คณบดีสำนักวิชาวิทยา ศาสตร์และเทคโนโลยีสารสนเทศ, สถาบันวิทยสิริเมธี
คุณพงศ์ธัชชัย ปณชัยบูรณ์พิภพ Research Manager สถาบันวิทยสิริเมธี