Data สำคัญอย่างไร ? ในแง่ของบริษัท หรือ องค์กร เราสามารถแปลงข้อมูลดิบให้เป็นข้อมูลเชิงลึกเพื่อคาดการณ์พฤติกรรมของลูกค้า เพิ่มประสิทธิภาพห่วงโซ่อุปทาน และกระตุ้นนวัตกรรมใหม่ ๆ ให้เกิดขึ้น
เราย่างก้าวเข้าสู่ยุคข้อมูลข่าวสาร (Information Age หรือศัพท์บัญญัติใช้คำว่า “ยุคสารสนเทศ”) มาตั้งแต่ทศวรรษ 70 และผ่านการเปลี่ยนแปลงวิวัฒนาการมาจนถึงปัจจุบัน ที่ข้อมูลต่าง ๆ ไหลเวียนอยู่รอบตัวเราตลอดเวลาปริมาณมหาศาล ซึ่งบางทีก็อยู่ใกล้ตัวเรามากไปจนเรามองข้าม
อ่านเพิ่ม: Data คืออะไร
Data สำคัญอย่างไร
อย่างเช่น ตัวอย่างคลาสสิก ห้างค้าปลีกในจัดเอาสินค้าประเภทเบียร์ไปวางใกล้ ๆ สินค้าเด็กเล็กเช่นแพมเพิร์ต ลองถามตัวเองแบบไม่อคติ หรือ ไม่รู้อะไรมาก่อน คิดว่าการวางสินค้าแบบนี้มันแปลก หรือว่า วางมั่ว มั้ย?
แต่นี่คือเหตุผลที่ได้จากการวิเคราะห์ข้อมูลว่า มีคุณพ่อบ้านที่มาซื้อแพมเพิร์ต และบางทีการวางเบียร์ไว้ใกล้ ๆ
ทุกวัน ผู้คนหลายล้านคนให้ข้อมูลแก่ธุรกิจผ่านการโต้ตอบ เช่น คลิกจ่ายเงินผ่านแอปพิเคชัน การอ่านข้อมูลจากเซ็นเซอร์ต่าง ๆ เช่นการใช้บัตรโดยสารรถไฟฟ้า การทำธุรกรรมออนไลน์ หรือแม้แต่การเปิดเฟซบุ๊ก เอ็กส์ อินสตาแกรม
อ่านเพิ่ม: Big Data
องค์กรต่าง ๆ ใช้ข้อมูลเหล่านี้เพื่อขับเคลื่อนกิจกรรม ผลักดันให้ธุรกิจเติบโตและสร้างสิ่งตอบรับเพื่อผลทางธุรกิจ ตัวอย่างเช่น ผู้ค้าปลีกอีคอมเมิร์ซใช้ชุดข้อมูลขนาดใหญ่และการวิเคราะห์ข้อมูลเพื่อคาดการณ์ความต้องการสินค้าแต่ละประเภท ช่วยให้มั่นใจได้ว่าพวกเขาจะจัดเก็บผลิตภัณฑ์ที่ถูกต้องในเวลาที่เหมาะสม โดยเสียพื้นที่และต้นทุนการจัดเก็บน้อยที่สุด ได้กำไรมากที่สุด
หรืออย่างเพลงที่เราฟังผ่านระบบสตรีมมิงต่าง ๆ เวลาที่เลือกเพลงให้เราฟัง เพลย์สิสต์แนะนำ สิ่งเหล่านี้เกิดจากอัลกอริธึมของ machine learning ที่วิเคราะห์พฤติกรรมของเรา เช่น เราชอบเปิดเพลงของใคร แนวไหน เพื่อแนะนำเนื้อหาและปรับให้เหมาะสมกับเรา
หรือถ้าปัจจุบัน ก็ต้องพวก ปัญญาประดิษฐ์ (AI) ต่าง ๆ ไม่ว่าจะเป็น ChatGPT DeepSeek หรืออื่นใด ล้วนแล้วแต่ต้องการชุดข้อมูลขนาดใหญ่เพื่อฝึกโมเดลการเรียนรู้ของเครื่อง และอาจนำไปสู่การพยากรณ์สิ่งที่จะเกิดขึ้นตามมา การซื้อขายหุ้นที่การตัดสินใจในเสี้ยววินาทีส่งผลกระทบต่อผลกำไร
เราเอาข้อมูลไปทำอะไร
ตัวข้อมูลดิบ อาจจะไม่ช่วยอะไรถ้าปราศจากการนำไปใช้!
หนึ่งในการนำข้อมูลไปใช้ก็คือการวิเคราะห์เชิงทำนาย Predictive analytics เป็นสาขาหนึ่งของการวิเคราะห์ขั้นสูงที่ทำนายแนวโน้มและผลลัพธ์ในอนาคตโดยใช้ข้อมูลในอดีตร่วมกับการสร้างแบบจำลองทางสถิติ การขุดข้อมูล และการเรียนรู้ของเครื่องจักร (Machine Learning)
บริษัทอีคอมเมิร์ซมักใช้การวิเคราะห์เชิงทำนายเพื่อคาดการณ์พฤติกรรมการซื้อของลูกค้าโดยอิงจากธุรกรรมในอดีต เพื่อประโยชน์ในด้านการผลิตและการขนส่ง การวิเคราะห์เชิงทำนายช่วยให้สามารถบำรุงรักษาเชิงทำนายได้โดยวิเคราะห์ข้อมูลแบบเรียลไทม์เพื่อทำนายว่าอุปกรณ์จะเสื่อมเมื่อใดและแนะนำการบำรุงรักษาเชิงรุก
หรืออาจจะใช้ในการรวบรวมและวิเคราะห์ข้อมูลการขายแบบเรียลไทม์ เพื่อจัดการสินค้าคงคลัง ลดโอกาสที่สินค้าจะหมดสต็อกหรือมีสินค้ามากเกินไป สิ่งเหล่านี้เราใช้อัลกอริทึมการเรียนรู้ของเครื่อง เพิ่มประสิทธิภาพในการปฏิบัติงานได้โดยการปรับให้การขนส่งเหมาะสมที่สุด คาดการณ์ความต้องการ ปรับปรุงการจัดตารางเวลา และทำให้เวิร์กโฟลว์เป็นอัตโนมัติ
ซึ่งการนำข้อมูลต่าง ๆ มาทำ Business intelligence (BI) หรือกระบวนการทางเทคโนโลยีสำหรับการรวบรวม จัดการ และวิเคราะห์ข้อมูล โดยเปลี่ยนข้อมูลดิบเป็นข้อมูลเชิงลึกที่สามารถชี้นำการตัดสินใจทางธุรกิจได้ ช่วยให้ผู้บริหารตีความและดูภาพข้อมูลผ่านกราฟ แผงข้อมูล และรายงาน ทำให้มองเห็นแนวโน้มได้ง่ายขึ้นและตัดสินใจด้วยข้อมูลรอบด้าน
เรายังนำข้อมูลของลูกค้ามาช่วยในด้านการตลาด โดยการวิเคราะห์ข้อมูลเพื่อปรับแต่งเนื้อหาและโฆษณาให้เหมาะกับลูกค้าที่แตกต่างกัน ตัวอย่างเช่น บริการสตรีมมิ่งพึ่งพาอัลกอริทึมการเรียนรู้ของเครื่องในการวิเคราะห์พฤติกรรมการรับชมและแนะนำเนื้อหา
หรือว่านำไปใช้เพื่อป้องกันสิ่งที่อาจจะเกิดขึ้นได้ในอนาคตอันใกล้ เช่น ระบบการจัดการข้อมูลและเหตุการณ์ด้านความปลอดภัย (SIEM) สามารถช่วยตรวจจับและตอบสนองต่อความผิดปกติได้แบบเรียลไทม์ด้วยการรวบรวมและวิเคราะห์การแจ้งเตือนด้านความปลอดภัยจากทั่วทั้งเครือข่าย เพื่อระบุและตอบสนองต่อภัยคุกคามได้เร็วขึ้น ลดความเสียหายและลดระยะเวลาที่ต้องเสียไป
ตัวอย่างที่ชัดเจนอีกอย่างก็คือบรรดา Generative AI (บางครั้งเรียกว่า gen AI) เป็นปัญญาประดิษฐ์ ที่สามารถสร้างเนื้อหาต้นฉบับ เช่น ข้อความ รูปภาพ วิดีโอ เสียง หรือโค้ดซอฟต์แวร์ ตามคำขอของผู้ใช้
Generative AI อาศัยโมเดลการเรียนรู้ของเครื่องจักรที่ซับซ้อนที่เรียกว่าโมเดลการเรียนรู้เชิงลึก (deep learning models.) โมเดลเหล่านี้ได้รับการฝึกฝนจากชุดข้อมูลจำนวนมาก ซึ่งช่วยให้สามารถทำสิ่งต่าง ๆ เช่น เข้าใจคำขอของผู้ใช้ สร้างเนื้อหาการตลาดที่เป็นส่วนตัว และเขียนโค้ด ช่วยให้เราทำงานได้ง่ายขึ้นเป็นอันมาก
ข้อมูลเปิด (Open Data) ของภาครัฐ
ในช่วงหลายปีที่ผ่านมา หน่วยงานรัฐทั่วโลกมักใช้นโยบายข้อมูลเปิด (Open Data) เพื่อให้ทุกคนเข้าถึงชุดข้อมูลสาธารณะ ซึ่งส่งเสริมให้ธุรกิจและองค์กรต่างๆ ใช้ทรัพยากรเหล่านี้สำหรับการวิจัยและนวัตกรรม เปิดใช้งานการวิจัยและการทำงานร่วมกันแบบสหสาขาวิชา ลดข้อมูลซ้ำซ้อน แสดงความโปร่งใสให้พลเมืองติดตามการทำงานของรัฐบาล
ตัวอย่างเช่น แพลตฟอร์ม Data.gov ของรัฐบาลสหรัฐอเมริกาให้การเข้าถึงชุดข้อมูลต่างๆ ในด้านการดูแลสุขภาพ การศึกษา และการขนส่ง การเข้าถึงนี้ช่วยส่งเสริมความโปร่งใส และช่วยให้ธุรกิจต่างๆ ในอุตสาหกรรมต่างๆ สามารถพัฒนาโซลูชันที่ขับเคลื่อนด้วยข้อมูลโดยอิงจากข้อมูลที่สามารถเข้าถึงได้โดยสาธารณะ
หรือของไทย ก็มี data.go.th ที่เปิดข้อมูลสาธารณะให้เข้าถึงโดยทั่วไป ในอดีตประเทศไทยก็เคยมีการนำข้อมูลเหล่านี้มาใช้ (ไม่ว่ามันจะได้ผลขนาดไหนก็ตาม) เช่น เมื่อครั้งโควิดระบาด การวิเคราะห์ข้อมูลช่วยให้ผู้ให้บริการด้านการดูแลสุขภาพปรับปรุงการดูแลผู้ป่วย คาดการณ์การระบาดของโรค และปรับปรุงโปรโตคอลการรักษา
หรือนักวิจัยทางสังคมศาสตร์อาจจะนำข้อมูลเหล่านี้ (ไม่ว่าจะเป็นข้อมูลเชิงปริมาณและเชิงคุณภาพจากการสำรวจ รายงานสำมะโนประชากร และโซเชียลมีเดีย การตรวจสอบชุดข้อมูลเหล่านี้ช่วยให้สามารถศึกษาพฤติกรรม แนวโน้ม ได้