Data หัวใจของ AI แนะ 4 ทริคจัดการข้อมูล สร้าง AI อัจฉริยะ

Data หัวใจของ AI แนะ 4 ทริคจัดการข้อมูล สร้าง AI อัจฉริยะ

March 25, 2022

       Blendata แนะองค์กรวางกลยุทธ์ Data Management ให้มีประสิทธิภาพ ก่อนลงทุนใช้ระบบ AI เพราะสมองที่ชาญฉลาดจำเป็นต้องมีข้อมูลคุณภาพเป็นตัวขับเคลื่อนให้ทรงประสิทธิภาพสูงสุด องค์กรควรบริหารจัดการข้อมูลด้วย 4 องค์ประกอบคือ 1. รวบรวมการเข้าถึงหรือดึงการใช้ข้อมูลมาบริหารจัดการไว้ในที่เดียว 2. การบริหารจัดการข้อมูลให้พร้อมใช้งานและมีคุณภาพ 3. ควบคุมสิทธิการเข้าถึงและการปกป้องข้อมูลเพื่อสร้างเกาะป้องกันข้อมูล และ 4. ออกแบบให้รองรับการใช้งานข้อมูลที่หลากหลาย

       เทคโนโลยีปัญญาประดิษฐ์ หรือ AI (Artificial intelligence) คือหนึ่งในเทคโนโลยีที่ถูกให้ความสำคัญเป็นอย่างมาก โดยถูกปรับใช้ในองค์กรและธุรกิจทั่วโลก เพื่อช่วยเสริมประสิทธิภาพการทำงานทั้งในด้านธุรกิจและการปฏิบัติงาน (Operation) จากการสำรวจของ NewVantage Partners พบว่า 97.2% ขององค์กรกำลังลงทุนในด้าน AI และ Big Data แสดงให้เห็นถึงความตื่นตัวของภาคอุตสาหกรรมที่กำลังเร่งปรับใช้เทคโนโลยีเพื่อประโยชน์ทางธุรกิจและรับมือกับการแข่งขันในโลกดิจิทัล และที่สำคัญ AI ยังช่วยเพิ่มมูลค่าและสร้างผลกำไรให้กับธุรกิจได้อีกด้วย ในอนาคตอันใกล้เทคโนโลยี AI จะถูกนำไปปรับใช้ในทุกอุตสาหกรรมและทุกการดำเนินงานขององค์กร แต่การที่องค์กรจะใช้ AI ได้เต็มศักยภาพและไม่เกิดข้อผิดพลาดนั้น จะต้องอาศัยปัจจัยหลัก 2 ด้าน คือ ข้อมูลและบุคลากรผู้เชี่ยวชาญ จึงจะสามารถขับเคลื่อนเทคโนโลยี AI ให้เกิดผลลัพธ์ได้ดีที่สุด ซึ่งปัจจัยสำคัญที่ควรคำนึงถึงก่อนลงทุนใช้ระบบ AI คือ การบริหารจัดการข้อมูล หรือ Data Management ให้มีประสิทธิภาพ

       “Big Data เปรียบเสมือนเชื้อเพลิงที่สำคัญของ AI การจะสร้าง AI ให้มีมันสมองอันชาญฉลาด จำเป็นอย่างยิ่งที่จะต้องมีการจัดเก็บรวบรวม Big Data ที่มีคุณภาพ ครบถ้วนในทุกมิติของธุรกิจ หากองค์กรจะเริ่มใช้ AI ในการเพิ่มศักยภาพทางธุรกิจต้องเริ่มจากการวางโครงสร้างการจัดการข้อมูลและระบบไอทีให้ดีก่อนโดยการตรวจสอบข้อมูลที่มีว่ามีคุณภาพและพร้อมใช้งานหรือไม่ หากบริหารจัดการข้อมูลไม่มีประสิทธิภาพ ก็จะส่งผลให้  AI ดึงข้อมูลที่ไม่ได้คุณภาพ ไม่ถูกต้อง หรือไม่สมบูรณ์มาใช้งาน ซึ่งจะส่งผลให้ผลลัพธ์ที่ได้จากการประมวลผลมีการคลาดเคลื่อนและไม่ก่อให้เกิดประโยชน์ทางธุรกิจ ดังนั้นการวางโครงสร้างการจัดการข้อมูลให้มีประสิทธิภาพ จึงเป็นหัวใจสำคัญที่องค์กรต้องจัดการก่อนที่จะเริ่มใช้เทคโนโลยี AI ต่อไป”

       องค์กรควรพัฒนาการบริหารจัดการข้อมูล หรือ Data Management ก่อนเริ่มต้นใช้เทคโนโลยี AI ซึ่งประกอบด้วย 4 องค์ประกอบสำคัญ คือ 

  1. การรวบรวมการเข้าถึงหรือดึงการใช้ข้อมูลมาบริหารจัดการไว้ในที่เดียว เพื่อให้สามารถจัดการใช้ข้อมูลในองค์กรได้ง่าย เช่น การทำ Data warehouse ในสมัยก่อน หรือการทำ Data lake ในยุคสมัย Big data ในปัจจุบัน ทำให้สามารถเชื่อมโยงข้อมูลที่เกี่ยวข้องทั้งหมดได้ในที่เดียว เพื่อนำไปใช้งานได้รวดเร็ว เห็นมุมมองที่แปลกใหม่ รวมไปถึงทำให้ AI มีความฉลาดจากข้อมูลที่หลากหลายและครบถ้วน 
  2. การบริหารจัดการให้ข้อมูลเหล่านั้นพร้อมใช้งาน แน่นอนว่าการดึงข้อมูลที่มาจากหลายแหล่ง ย่อมหลีกเลี่ยงปัญหาข้อมูลไม่พร้อมหรือไม่สมบูรณ์ (Corrupted data) ข้อมูลขยะ (Junk data) หรือข้อมูลที่จัดเก็บในรูปแบบที่หลากหลาย จึงเกิดกระบวนการหรือการใช้เครื่องมือที่หลีกเลี่ยงไม่ได้ อย่างเช่นการทำความสะอาดข้อมูล การเปลี่ยนแปลงรูปแบบข้อมูล หรือกระบวนการประมวลผลด้านข้อมูลใดก็ตามที่ทำให้ข้อมูลพร้อมใช้งาน ทำให้ AI ได้รับข้อมูลที่ถูกต้อง ส่งผลให้ผลลัพธ์จากการเรียนรู้ของ AI ไม่เกิดข้อผิดพลาด เอนเอียง (Biased) หรือหากข้อมูลในองค์กรมีความหลากหลาย มีความเสี่ยงที่จะเกิดการเปลี่ยนแปลงรูปแบบของข้อมูล การทำ Data quality เพื่อคอยตรวจสอบและแก้ไขข้อมูลที่ผิดพลาดอย่างทันท่วงทีก็เป็นหนึ่งในวิธีที่ช่วยเพิ่มประสิทธิภาพการควบคุมคุณภาพของข้อมูลได้  
  3. ควบคุมสิทธิการเข้าถึงและการปกป้องข้อมูล เพื่อสร้างเกาะป้องกันความปลอดภัยข้อมูล เมื่อรวบรวมข้อมูลไว้ในที่เดียวกันแล้ว สิ่งที่ควรคำนึงอย่างมากคือการควบคุมไม่ให้ผู้ที่ไม่มีสิทธิเข้าถึงข้อมูลสำคัญขององค์กร หรือข้อมูลส่วนบุคคลของลูกค้า ไม่ว่าจะเป็นการกำหนดสิทธิการเข้าถึงของข้อมูลที่ได้มาตรฐาน การเข้ารหัสข้อมูลที่จัดเก็บและการสื่อสารภายในทั้งหมด (Encryption) การปกปิดข้อมูลที่สำคัญเพื่อป้องกันการเห็นข้อมูลโดยไม่จำเป็น (Masking) ซึ่งเหล่านี้ล้วนเป็นเทคนิคที่ควรปรับใช้ตามแต่โครงสร้างและดีไซน์เทคโนโลยีขั้นพื้นฐานขององค์กร รวมถึงตามความสำคัญของข้อมูลที่จัดเก็บ  
  4. ออกแบบให้สามารถรองรับการใช้งานข้อมูลที่หลากหลาย ในโลกยุคปัจจุบันที่ข้อมูลคือขุมทรัพย์น้ำมันแห่งใหม่ การรองรับการนำข้อมูลไปประยุกต์ใช้ในรูปแบบที่หลากหลายและทันท่วงที คือสิ่งสำคัญที่สุดของ Data management ในปัจจุบัน ไม่ว่าจะเป็นการนำไปใช้รูปแบบเดิมอย่างไฟล์ รีพอร์ต หรือการนำไปใช้ในรูปแบบใหม่อย่างแดชบอร์ด, Business intelligence, API, หรือการส่งต่อข้อมูลในรูปแบบ Batch, หรือ Real-time เพื่อเป็นข้อมูลตั้งต้นที่สำคัญสำหรับ Machine learning และ Artificial Intelligence ที่นำข้อมูลมหาศาลเหล่านี้ไปเรียนรู้ หรือนำไปใช้ เพื่อทำในสิ่งที่มนุษย์อาจทำไม่ได้

       อย่างไรก็ตาม Data Management นับเป็นกลยุทธ์สำคัญ ที่ช่วยยกระดับความสามารถของเทคโนโลยี AI ตามที่ Gartner ได้ให้ความหมายของ Data Management ไว้ว่า “การรวบรวมแนวทางการจัดการโครงสร้าง เทคนิค และเครื่องมือ เพื่อให้สามารถเข้าถึงและส่งต่อข้อมูลที่ต้องการในทุกรูปแบบ ตอบโจทย์ในทุก ๆ ความต้องการทางด้านการประยุกต์ใช้และทุกขั้นตอนทางธุรกิจ” นั้น เพื่อให้ถึงเป้าหมายของการทำ Data Management ที่สามารถใช้งานข้อมูลในการวิเคราะห์ได้อย่างรวดเร็ว รวมถึงเป็นวัตถุดิบที่ทำให้ AI มีประสิทธิภาพสูงสุด องค์กรจึงต้องดำเนินการบริหารจัดการข้อมูลให้พร้อม เพื่อให้ได้มาซึ่งผลลัพธ์ทางธุรกิจที่คุ้มค่า จากการใช้เทคโนโลยี AI ที่ทรงพลังและชาญฉลาด

Relate Contents

Update big data knowledge, analyse data, trends, and highlight news

Blendata จับมือ Get On ผสานซอฟต์แวร์และฮาร์ดแวร์ประสิทธิภาพสูง ยกระดับบริการและเทคโนโลยีด้าน Big Data ครบวงจร
เบลนเดต้า (Blendata) บริษัท Deep Tech ผู้พัฒนาแพลตฟอร์มบริหารจัดการ Big Data อัจฉริยะ เผย Blendata ได้ลงนามความร่วมมือ (MOU) กับ Get On Technology ผู้เชี่ยวชาญและผู้นำด้าน IT Transformation ในระดับองค์กร ตัวแทนจำหน่าย Dell Technologies ในประเทศไทย ตั้งเป้าหมายพัฒนาบริการ เครื่องมือ และเทคโนโลยีที่เกี่ยวข้องกับ Big Data
Blendata จับมือ Get On ผสานซอฟต์แวร์และฮาร์ดแวร์ประสิทธิภาพสูง ยกระดับบริการและเทคโนโลยีด้าน Big Data ครบวงจร
เบลนเดต้า (Blendata) บริษัท Deep Tech ผู้พัฒนาแพลตฟอร์มบริหารจัดการ Big Data อัจฉริยะ เผย Blendata ได้ลงนามความร่วมมือ (MOU) กับ Get On Technology ผู้เชี่ยวชาญและผู้นำด้าน IT Transformation ในระดับองค์กร ตัวแทนจำหน่าย Dell Technologies ในประเทศไทย ตั้งเป้าหมายพัฒนาบริการ เครื่องมือ และเทคโนโลยีที่เกี่ยวข้องกับ Big Data
เจาะลึกการทำงาน @Blendata EP.1 ทำความรู้จักทีม Product แบบไม่มีกั๊ก!
เจาะลึกการทำงาน @Blendata EP.1 - EP นี้ จะพาทุกคนไปทำความรู้จักกับทีม Product หรือทีม Developer ของ Blendata พร้อมเปิดเทคโนโลยีเบื้องหลังการพัฒนา Big Data Platform ที่ทำให้ Developer ได้พัฒนาสกิลแบบจัดเต็ม เทคโนโลยีที่ Blendata ใช้พัฒนา Product จะมีความน่าสนใจแค่ไหน ไปลุยกันเลย!
เจาะลึกการทำงาน @Blendata EP.1 ทำความรู้จักทีม Product แบบไม่มีกั๊ก!
เจาะลึกการทำงาน @Blendata EP.1 - EP นี้ จะพาทุกคนไปทำความรู้จักกับทีม Product หรือทีม Developer ของ Blendata พร้อมเปิดเทคโนโลยีเบื้องหลังการพัฒนา Big Data Platform ที่ทำให้ Developer ได้พัฒนาสกิลแบบจัดเต็ม เทคโนโลยีที่ Blendata ใช้พัฒนา Product จะมีความน่าสนใจแค่ไหน ไปลุยกันเลย!
แชร์ประสบการณ์ฝึกงานสาย Data สุดเข้มข้น พร้อม Moment ประทับใจ ที่ทำให้ ‘น้องโฟล์ค’ เลือกเริ่มต้นชีวิตการทำงานจริงกับ Blendata!
สวัสดีครับทุกคน ผมชื่อวศิน จงเจริญกิจ หรือโฟล์ค ทำงานที่ Blendata ในตำแหน่ง Data and analytics engineer ครับ ใน Blog นี้ผมก็จะมาเล่าถึงประสบการณ์ทำงานที่ Blendata ของผมที่เริ่มตั้งแต่การเข้ามาเป็นนักศึกษาฝึกงาน จนถึงการเป็นพนักงานประจำเต็มตัวครับ
แชร์ประสบการณ์ฝึกงานสาย Data สุดเข้มข้น พร้อม Moment ประทับใจ ที่ทำให้ ‘น้องโฟล์ค’ เลือกเริ่มต้นชีวิตการทำงานจริงกับ Blendata!
สวัสดีครับทุกคน ผมชื่อวศิน จงเจริญกิจ หรือโฟล์ค ทำงานที่ Blendata ในตำแหน่ง Data and analytics engineer ครับ ใน Blog นี้ผมก็จะมาเล่าถึงประสบการณ์ทำงานที่ Blendata ของผมที่เริ่มตั้งแต่การเข้ามาเป็นนักศึกษาฝึกงาน จนถึงการเป็นพนักงานประจำเต็มตัวครับ

Relate Contents

Update big data knowledge, analyse data, trends, and highlight news

Drive your business with data
Drive your business with data
Discover hidden opportunities within your data.

We use cookie to give you the best online experience Please let us know if you agree to all of these cookie.

©2021 Blendata. All right reserved.