การเปลี่ยนแปลงทางเทคโนโลยีครั้งนี้ เป็นการปรับครั้งใหญ่มากและอาจกล่าวได้ว่า เป็นก้าวที่ใหญ่ที่สุดในประวัติศาสตร์โลกเลย การ ปรับตัวครั้งนี้เกี่ยวข้องกับการน�ำปัญญา ประดิษฐ์มาประยุกต์ใช้ในสังคม เกี่ยวกับการน�ำ แนวทางปัญญาประดิษฐ์มาใช้วิเคราะห์ข้อมูล เกี่ยวกับการน�ำหุ่นยนต์ที ่มีศักยภาพปัญญา ประดิษฐ์ที่มีศักยภาพสูงขึ้นมาใช้ในอุตสาหกรรม ต่างๆ เกี่ยวกับข้อมูลแบบใหม่ๆ ที่เกิดมากขึ้น อย่างรวดเร็วจากเครือข่ายสังคม เกิดจาก อุปกรณ์เซนเซอร์ที่ช่วยน�ำข้อมูลเข้ามาวิเคราะห์ เกิดจากระบบจัดเก็บและบริหารข้อมูลขนาด ใหญ่และเมื่อพิจารณาจากความเกี่ยวข้องเหล่า นี้จะเห็นว่าการเปลี่ยนแปลงครั้งนี้มีผลกระทบ ต่อทุกส่วนของสังคม
สิ่งที่ผมห่วงจากการเปลี่ยแปลงครั้งนี้ คือ ความรวดเร็วของเทคโนโลยีที่จะซึมเข้าไปสู ่ทุก องคาพยพของสังคม สู ่ทุกส่วนขององค์กรทั้งรัฐ และเอกชน ความรวดเร็วในการเปลี ่ยนแปลงครั้ง นี้ท�ำให้การผลิตผู ้รู ้ในเทคโนโลยีใหม่ๆ เหล่านี้ไม่ เพียงพอเมื่อเทียบกับความต้องการของ เทคโนโลยีใหม่ๆ เหล่านี้มีเกิดมาพร้อมค�ำศัพท์ เทคนิคัลเฉพาะตัว โดยเป็นค�ำศัพท์ที่เกี่ยวกับ เทคโนโลยีข้อมูล การวิเคราะห์ข้อมูลและปัญญา ประดิษฐ์ที่ส�ำคัญ เช่น real-time analytics, data science, steaming, Hadoop, big data, machine learning, data driven, big data analytics, Spark, Kafka, Deep Learning, NoSQL, data lake, CNN, MapReduce และอื่นๆ
ค�ำเหล่านี้กลายไปเป็น Buzz Word ที่ได้ รับการกล่าวถึงอย่างมากในรอบปีที่ผ่านมา เช่น ถ้าเราลองค้นค�ำว่า Deep Learning ในกูเกิ้ล
เราจะพบว่า มีถึง 15,900,000 เว็บและถ้าเรา ค้นค�ำว่า Big Data เราจะเจอถึง 301,000,000 เลยทีเดียว
ผลลัพท์หนึ่งของความนิยมนี้ท�ำให้เกิด กรณีการน�ำบัซเวิร์ด Buzz Word มาเป็นตั้งเป็น กลยุทธ์ข้อมูล มาเป็นวัตุประสงค์หลักหรือกลาย มาเป็นตัวตั้งต้นโจทย์ในในองค์กรต่างๆ มากขึ้น ปัญหานี้ไม่กระทบนัก ถ้าวัตถุประสงค์ของการ ใช้ Buzz Word คือ การท�ำประชาสัมพันธ์ให้ องค์กรเพื่อสื่อสารว่า องค์กรมีความทันสมัย แต่ ถ้าองค์กรหรือหน่วยงานเริ ่มต้องการที่ตั้ง โครงการพัฒนาระบบข้อมูลขึ้นบนพื้นฐานที่จะ ปฏิบัติให้ได้ตาม Buzz Word เหล่านี้ โดยไม่มี ความเข้าใจถึงโครงสร้างและส่วนเทคโนโลยีอื่นๆ ที่เกี่ยวข้องในการที่จะติดตั้งหรือพัฒนาระบบให้ ได้ตาม Buzz Word เหล่านี้
ดังนั้น โอกาสที่ผลลัพธ์ที่ได้จากโครงการ เหล่านี้จะประสพความส�ำเร็จนั้นมีค่อนข้างน้อย มาก เช่น หน่วยงานที่ต้องการจะท�ำโครงการที่ จะน�ำข้อมูลเข้ามาวิเคราะห์แบบเรียลไทม์ โดย อยากให้ใช้เทคโนโลยี Kafka บวกกับ Spark Streaming เป็นเทคโนโลยีหลัก ซึ่งโดยการ ท�ำงานแล้วเทคโนโลยีทั้งคู่เข้ากันได้ดีและมี องค์กรจ�ำนวนมากน�ำไปพัฒนาใช้ประสบความ ส�ำเร็จด้วยดีเช่น Linkedin แต่ปรากฏว่า องค์กร หรือหน่วยงานไม่มีความจ�ำเป็นที่จะต้องท�ำการ วิเคราะห์แบบเรียลไทม์ หรือองค์กรต้องการ พัฒนาระบบข้อมูลขนาดใหญ่ให้โดยที่ทั้งองค์กร ไม่มีข้อมูลขนาดใหญ่และยังไม่มีแผนการที่จะหา ประโยชน์จากข้อมูลขนาดใหญ่ถ้าจัดเก็บมาได้
โอกาสที่โครงการทั้งสองจะเพิ่ม ประสิทธิภาพและประสิทธิผลให้กับองค์กรนั้น
ดร. วรพล พงษ์เพ็ชร ผู้ช่วยศาสตราจารย์ สาขาวิชา Business Analytics and Intelligence คณะสถิติประยุกต์ สถาบันบัณฑิต พัฒนบริหารศาสตร์( นิด้า) ผู้ก่อตั้ง บริษัท Booster Analytics จ�ำกัด
ค่อนข้างจะเป็นไปได้ยาก เพราะทั้งสองโครงการ ไม่ได้เกิดขึ้นจากการวิเคราะห์ความต้องการทาง ธุรกิจที่ชัดเจน เพื่อจะช่วยให้องค์กรหรือหน่วย งานมีแนวทางในการที่จะพัฒนาโครงการปัญญา ประดิษฐ์ หรือโครงการข้อมูลขนาดใหญ่ ผมขอ เสนอแนวทาง 5 ข้อที่น่าจะมีประโยชน์ส�ำหรับ การเริ่มต้นโครงการเหล่านี้
• จะต้องมีความชัดเจนถึงความต้องการ และผลที ่ต้องการ รวมทั้งต้องอย่าลืมว่า นี่คือ โครงการธุรกิจไม่ใช่โครงการเทคโนโลยีแล้วจึง ท�ำกลยุทธ์เพื่อได้ผลลัพธ์ทางธุรกิจ( หลังจากจุด นี้สามารถเริ่มน�ำบัซเวิร์ดเข้ามาพิจารณาในการ ค�ำนวณความคุ ้มและค่าใช้จ่าย)
• กลยุทธ์นี้จะต้องได้รับการสนับสนุนเต็ม ที่จากผู ้บริหาร
• ควรจะเริ่มโครงการขนาดเล็กก่อน โดย วางแผนให้โครงการเหล่านี้ขยายขนาดขึ้นได้
• จะต้องพยายามให้ผู ้บริหารเข้าใจให้ชัดว่า โครงการแบบนี้ไม่ใช่โครงการที่ลงทุนครั้งเดียว จบ
• จะต้องมีแผนการชัดเจนในการที่จะ พัฒนาบุคลากรให้ได้ประโยชน์เต็มที่จาก โครงการ
B-CONNECT MAGAZINE 73