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
- การรวบรวมการเข้าถึงหรือดึงการใช้ข้อมูลมาบริหารจัดการไว้ในที่เดียว เพื่อให้สามารถจัดการใช้ข้อมูลในองค์กรได้ง่าย เช่น การทำ Data warehouse ในสมัยก่อน หรือการทำ Data lake ในยุคสมัย Big data ในปัจจุบัน ทำให้สามารถเชื่อมโยงข้อมูลที่เกี่ยวข้องทั้งหมดได้ในที่เดียว เพื่อนำไปใช้งานได้รวดเร็ว เห็นมุมมองที่แปลกใหม่ รวมไปถึงทำให้ AI มีความฉลาดจากข้อมูลที่หลากหลายและครบถ้วน
- 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
- ควบคุมสิทธิการเข้าถึงและการปกป้องข้อมูล เพื่อสร้างเกาะป้องกันความปลอดภัยข้อมูล เมื่อรวบรวมข้อมูลไว้ในที่เดียวกันแล้ว สิ่งที่ควรคำนึงอย่างมากคือการควบคุมไม่ให้ผู้ที่ไม่มีสิทธิเข้าถึงข้อมูลสำคัญขององค์กร หรือข้อมูลส่วนบุคคลของลูกค้า ไม่ว่าจะเป็นการกำหนดสิทธิการเข้าถึงของข้อมูลที่ได้มาตรฐาน การเข้ารหัสข้อมูลที่จัดเก็บและการสื่อสารภายในทั้งหมด (Encryption) การปกปิดข้อมูลที่สำคัญเพื่อป้องกันการเห็นข้อมูลโดยไม่จำเป็น (Masking) ซึ่งเหล่านี้ล้วนเป็นเทคนิคที่ควรปรับใช้ตามแต่โครงสร้างและดีไซน์เทคโนโลยีขั้นพื้นฐานขององค์กร รวมถึงตามความสำคัญของข้อมูลที่จัดเก็บ
- 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
