“ข้อมูล” สินทรัพย์ยุค 4.0 น่าเสียดาย นำไปใช้น้อยกว่า 0.5%

ธุรกิจในยุคปัจจุบัน ซึ่งที่จริงคงไม่ใช่แค่ภาคธุรกิจ แต่รวมถึงทุกหน่วยงานองค์กรใดหากละเลยความสำคัญของการจัดเก็บ บริหารจัดการ และนำ “ข้อมูล” มาใช้ประโยชน์มีสิทธิตามโลกไม่ทัน

“วิทยาศาสตร์ข้อมูล” จึงทวีความสำคัญมากขึ้น เร็ว ๆ นี้ สถาบันวิทยสิริเมธี จัดสัมมนา DATA Science & Engineering Seminar “How Data Science Can Help Improve Business” และเปิดตัวคณะ Information Science Technology (IST) โดยเชิญวิทยากรด้านดาต้ามาให้ข้อมูลน่าสนใจ

“สิงคโปร์” ต้นแบบ “สมาร์ทซิตี้”

รศ.ดร.ดุสิต นิตะโย อาจารย์โรงเรียนแห่งวิทยาศาสตร์คอมพิวเตอร์และวิศวกรรม มหาวิทยาลัยเทคโนโลยีนานยาง ประเทศสิงคโปร์ ระบุว่า เศรษฐกิจดิจิทัลเป็นการสร้างเศรษฐกิจจากพื้นฐานข้อมูลดิจิทัลหรือนำข้อมูลที่มีมาขายและทำกำไรได้ มีภาพของอินเทอร์เน็ตออฟทิงส์ (ไอโอที) ซึ่งในหลายประเทศต้องการเป็นสมาร์ทซิตี้เหมือนสิงคโปร์ที่เชื่อมต่อข้อมูลทั้งระบบ, คน, โครงสร้างพื้นฐาน และสาธารณูปโภคมาประมวลผลให้ใช้ประโยชน์จากทรัพยากร และพื้นที่สาธารณะได้คุ้มค่า

เช่น ในอาคารสูง มีเซ็นเซอร์วัดการใช้พลังงาน และการใช้พื้นที่ส่วนกลาง มีเซ็นเซอร์ผู้สูงอายุ จับพฤติกรรรมการเคลื่อนไหว การเกิดอุบัติเหตุ และการใช้เซ็นเซอร์ส่วนบุคคลยืนยันตัวตน, การชำระเงิน, การใช้จ่ายหรือพฤติกรรมการใช้รถขนส่งสาธารณะ ทำให้คนใช้ไม่ต้องรอนาน รวมถึงรถไฟฟ้าด้วย

“สิงคโปร์ตั้งใจนำระบบไปขายให้ประเทศต่าง ๆ ที่กำลังพัฒนา และมีเศรษฐกิจดีขึ้นเรื่อย ๆ รัฐบาลจึงต้องการวางแผนสร้างเมืองขึ้นมาใหม่จัดการให้เป็นเมืองอัจฉริยะหรือสมาร์ทซิตี้ ซึ่งองค์ประกอบพื้นฐานที่ ไอโอที ต้องมีประกอบด้วยการเชื่อมต่อกับอินเทอร์เน็ต, การระบุตัวตน, sensing, ระบบสมองกลฝังตัว และความสามารถในการสื่อสารระหว่างกัน”

สร้างธุรกิจ-รายได้ใหม่

“ไอโอที” เป็นเรื่องกว้าง ได้แก่ ระดับกายภาพจาก “คน”, เครื่องมืออุปกรณ์ต่าง ๆ ระดับระบบเครือข่ายและการสื่อสาร, ระดับศูนย์ข้อมูลใช้จัดเก็บและประมวลผล รวมถึงระดับการบริการ ซึ่งต้องสกัดสาระออกจากดาต้า และระดับแอปพลิเคชั่น นำสาระที่ได้ไปใช้ประโยชน์ และต้องนำ “บิ๊กดาต้า” มาประมวลผลใช้กับยูสเซอร์ได้ จึงไม่ได้อยู่ที่ฮาร์ดแวร์อย่างเดียว ทั้งหมดจะทำให้เกิดประสิทธิภาพ ความพึงพอใจ สะดวกสบาย ปลอดภัย รวมถึงโอกาสทางธุรกิจ และแหล่งรายได้ใหม่ด้วย

สิ่งสำคัญของ “ไอโอที” คือต้องเก็บข้อมูลด้วยเทคโนโลยีเซ็นซิ่ง ปัจจุบันใช้ crowd sensing เก็บข้อมูลผู้คน ที่ต่างมีอุปกรณ์พกพาจะเก็บข้อมูลพฤติกรรมส่งให้เซิร์ฟเวอร์ของกูเกิล หรือโซเชียลเน็ตเวิร์กต่าง ๆ โดยไม่รู้ตัว ซึ่งข้อมูลจะมีทั้งที่จัดและไม่จัดโครงสร้างแล้ว

และที่นิวยอร์ก บริษัทสตาร์ตอัพ “เพลสมิเตอร์” นำไอโอทีไปใช้ โดยให้ผู้คนส่งภาพถนนในนิวยอร์กไปที่บริษัท จากนั้นจะวิเคราะห์ได้ว่าถนนและพื้นที่มีคนเดินเท่าไร, เพศไหน, อาชีพ, ระดับการทำงาน แล้วให้ค่าตอบแทนคนละ 5-10-20 ดอลลาร์สหรัฐ/คน/เดือน ขึ้นกับความคมชัดของภาพ โดยข้อมูลที่ได้นำไปใช้วางแผนจัดโปรโมชั่นรองรับคนเดินถนน หรือรัฐใช้วางแผนใช้พื้นที่เพื่อประโยชน์สาธารณะต่าง ๆ เช่น ขยายทางเท้ากว้างขึ้น

ย้ำชัดข้อมูลมี “ราคา”

และใน “ไอโอที” จะมอง “ดาต้า และอินฟอร์เมชั่น” เป็นทรัพยากรที่สร้างกิจกรรมทางการตลาดได้ หากต้องการสร้างรายได้และกำไรจากข้อมูลที่มาจาก “ไอโอที” ผู้ให้บริการข้อมูล (content provider) เช่น CNN NetFlix The Economist ต้องดูเรื่องนี้ โดยมีระบบการค้นหา (searching) และมีนักเศรษฐศาสตร์ตีราคาข้อมูล เช่น ตีราคาค่าอ่านข้อมูลจากสำนักพิมพ์ตามราคาบทความ หรือเหมารวมเป็นราคาสมาชิก, ข้อมูลสารสนเทศเป็นสิ่งขายได้ แต่ราคาขึ้นอยู่กับคุณภาพ ต้องผ่านการประมวลผล คาดการณ์ได้ ช่วยตัดสินใจได้ แต่ด้วย “ข้อมูล” เป็นสิ่งที่คัดลอกได้ ดังนั้นขายเป็น “บริการ” จะดีกว่าการขายเฉพาะข้อมูล โดยทำเป็น “เวอร์ชั่น มีหลายฟอร์แมต” เช่น ภาพ, เสียง ตอบความต้องการของผู้ใช้ครบถ้วน ไม่นำเสนอแบบชั้นเดียว

เปิดกรณีศึกษาใน ตปท.

ทั้งมีกรณีศึกษาเรื่อง future mobility research ของค่ายรถยนต์เยอรมนีที่ต้องการสร้างระบบอำนวยความสะดวกสบายให้คนเดินทางมากที่สุด ใช้ข้อมูลจากเซ็นเซอร์มาช่วยหาที่จอดรถให้ หรือการบริหารการใช้พลังงานในนิคมอุตสาหกรรมของสิงคโปร์

และการวิเคราะห์ความปลอดภัยข้อมูลบิ๊กดาต้าของมือถือ เพื่อดูว่ามีแฮกเกอร์ซ่อนอยู่และมีโอกาสที่จะถูกโจมตี ตลอดจนการทำประกันภัยข้อมูล (cyber insurance) เพราะข้อมูลเป็นทรัพย์สิน โดยใช้ระบบปัญญาประดิษฐ์ (AI) วิเคราะห์และรับประกันความเสียหายให้ ส่วนบล็อกเชนจะนำมาประยุกต์เข้ากับไอโอที เพื่อรับรองคุณภาพความปลอดภัยข้อมูล

เข้าใจระบบ-เริ่มโครงการเล็ก

ด้าน ดร.สรณะ นุชอนงค์ ผู้เชี่ยวชาญด้าน Data Engineering & Scalable Machine Learning จากมหาวิทยาลัยเมลเบิร์น กล่าวว่า ข้อมูลบิ๊กดาต้ามาจากหลายแหล่ง เมื่อหลอมรวมเข้าด้วยกันจะเห็นว่า “บิ๊กดาต้า” สัมพันธ์กับกระบวนการวิเคราะห์ระบบธุรกิจอัจฉริยะดังนั้นองค์กรควรเตรียมพร้อมโดยทำให้เกิดความเข้าใจระบบ และทำให้ธุรกิจขับเคลื่อนบิ๊กดาต้า หรือรู้วิธีจัดเก็บ ทั้งเตรียมคนที่มีความรู้ เชี่ยวชาญ และเริ่มจากโครงการขนาดเล็กก่อน

ถอดรหัส “บิ๊กดาต้า = 4Vs”

“บิ๊กดาต้า” ประกอบด้วย 4 Vs คือ 1.Volume ปริมาณแค่องค์กรเดียวก็มีข้อมูลมากมายที่ต้องประมวลผล2. Variety ข้อมูลมีหลากหลายรูปแบบ เช่น ข้อมูลสุขภาพทั่วโลกปี 2554 คาดว่ามี 150 เอ็กซาไบต์ ข้อมูลจากเฟซบุ๊ก 3 หมื่นล้านข้อมูล ข้อมูลทวิตเตอร์ 400 ล้านทวิตที่ส่งต่อวันจากผู้ใช้ 200 ล้านราย เป็นต้น 3. Velocity มาเป็นแบบ streams เปลี่ยนแปลงแบบเรียลไทม์ ซึ่งต้องสตรีมมิ่งข้อมูลเข้าด้วยกัน เช่น ข้อมูลตลาดหลักทรัพย์นิวยอร์ก 1 เทราไบต์ต่อ 1 ช่วงเวลาเทรด หรือรถรุ่นใหม่มีเซ็นเซอร์กว่า 100 จุดไว้ตรวจสอบสถานะพลังงานเชื้อเพลิงหรือยาง ปี 2559 มีประมาณ 1.89 หมื่นล้านเน็ตเวิร์กเชื่อมต่อผู้ใช้เกือบ 2.5 อุปกรณ์เชื่อมต่อของผู้ใช้งาน 1 คน เป็นต้น

และ 4.Veracity คลุมเครือ ไม่แน่นอน นักธุรกิจ 1 ใน 3 ไม่เชื่อถือในข้อมูลที่ใช้ตัดสินใจ และในสหรัฐอเมริกามีค่าใช้จ่ายของข้อมูลคุณภาพต่ำสูงถึง 3.1 ล้านล้านดอลลาร์ต่อปี ดังนั้น ธุรกิจจะใช้บิ๊กดาต้ามาทำให้ตัดสินใจดีขึ้นเพิ่มประสิทธิภาพและกำไรได้ ต้องจัดการข้อมูลมหาศาล และซับซ้อนเหล่านี้ก่อน

น้อยกว่า 0.5% นำไปใช้งาน

“ดร.สรณะ” ย้ำว่า สิ่งที่น่าสนใจของบิ๊กดาต้า คือ 2 ปีที่ผ่านมา ข้อมูลเป็น 90% ของประวัติศาสตร์มวลมนุษยชาติที่ผ่าน ๆ มา 300 ชั่วโมงของวิดีโออัพโหลดขึ้นยูทูบทุกนาที แต่น้อยกว่า 0.5% ของ data ที่่เคยมีการนำมาวิเคราะห์ และใช้งาน เมื่อบิ๊กดาต้ามีจำนวนมหาศาล หลากหลายรูปแบบ การจะนำข้อมูลมาใช้ต้องผ่านกระบวนการวิเคราะห์ธุรกิจอัจฉริยะ (BI) ซึ่งช่วยทำให้การตัดสินใจดีขึ้น เพิ่มประสิทธิภาพ และสร้างผลกำไรได้


และการบริหารจัดเก็บข้อมูลที่จะช่วยตัดสินใจจะใช้รูปแบบใดช่วยคาดการณ์วิเคราะห์ แบ่งได้ 3 ประเภท คือ 1.Descriptive Analysis สรุป และอธิบายข้อมูล เช่น ยอดขายรายได้ต่อเดือน 2.Predictive Analysis ตัวเลขคาดการณ์ การประเมินรายได้ในอนาคต และ 3.Decision Analysis ให้คำแนะนำ เช่น คำแนะนำตัดสินใจลงทุน ปัจจุบันโอกาสในการนำ “บิ๊กดาต้า” มาใช้มีมากขึ้นจากความง่ายในการจัดเก็บข้อมูลจากสมาร์ทโฟน ผ่านโซเชียลมีเดีย, ข้อมูลภายใน และข้อมูลลูกค้า ขณะที่อุปกรณ์จัดเก็บราคาถูกลงโดยฮาร์ดไดรฟ์มีราคาต่อจิกะไบต์ลดลงอย่างต่อเนื่อง จากปี 2552 มีราคาอยู่ที่ 11 ดอลลาร์สหรัฐ แต่ในปี 2556 เหลือ 0.5 ดอลลาร์สหรัฐ เป็นต้น