ไม่น่าเชื่อว่าเรากำลังอยู่ในยุคที่บริษัทจำนวนหยิบมือหนึ่งจะมีมูลค่าตลาดรวมกันแล้วมากกว่า GDP ของประเทศไทยอันเป็นที่รักของเราถึง 11 เท่า มันเป็นไปได้อย่างไรกัน
กลุ่มบริษัทดังกล่าวไม่ใช่ใครที่ไหน แต่คือยักษ์ใหญ่อย่าง Apple, Amazon, Alphabet, Microsoft, Alibaba, Tencent และ Facebook ที่ล้วนแต่มีจุดเด่นในการต่อยอดธุรกิจด้วยข้อมูล Big Data ที่ตนมีอยู่
ในยุคเศรษฐกิจที่เราเรียกกันอย่างติดปากว่า “ยุค 4.0” คงปฏิเสธไม่ได้อีกต่อไปว่า “Big Data” คือเชื้อเพลิงในการขับเคลื่อนองค์กรให้อยู่รอดในมรสุมคลื่นเทคโนโลยีที่ถาโถมเข้ามา disrupt ธุรกิจเล็กใหญ่กันอย่างไม่หยุดยั้ง ไม่ว่าจะเป็นเทคโนโลยีปัญญาประดิษฐ์ (AI) บล็อกเชน หรือ Internet of Things (IoT) ก็ตาม
ทว่าสิ่งที่สำคัญที่สุดวันนี้ไม่ใช่แค่ “การเป็นเจ้าของ” หรือ “การลงทุน” ในเทคโนโลยีเหล่านี้เท่านั้น สิ่งที่ขาดไม่ได้ก็คือการวาง “กลยุทธ์ข้อมูล” ที่จะช่วยทำให้องค์กรขี่อยู่บนคลื่นเทคโนโลยีเหล่านี้ และอยู่เหนือคู่แข่งที่กำลังถูกกลืนหายไป
ทำไม Big Data จึงมีความจำเป็น
คำถามที่มักตามมา คือ ทำไมต้องมีกลยุทธ์ข้อมูล ทำไมมีแค่ฐานข้อมูล มีเทคโนโลยี หรือซื้อแพลตฟอร์มเทคโนโลยี Big Data แล้วยังไม่พอ
เหตุผลแรกคือ กลยุทธ์ Big Data นั้นจำเป็นต่อการวางรากฐานที่มั่นคงเพื่อเตรียมการใช้เทคโนโลยี AI ที่จะมากำหนดชะตากรรมของหลายๆ องค์กรในไม่ช้า
ที่ข้อมูลเป็นหัวใจสำคัญของเทคโนโลยี AI ก็เพราะว่า ณ ปัจจุบัน สมองกลยังคงต้องเรียนรู้จาก “ตัวอย่าง” ดั่งเด็กแรกเกิดที่ยังไม่มีความเข้าใจโลกอะไรใดๆ ทั้งสิ้น จำเป็นต้องเรียนรู้และฝึกฝนจากสิ่งแวดล้อมและผู้เลี้ยงดู มันจึงจะทำหน้าที่ได้เหมือนมนุษย์ และเมื่อถูกฝึกฝนอย่างไม่รู้จบ ผ่านการเห็นตัวอย่างและแพตเทิร์นข้อมูลมากพอ มันจะสามารถทำหน้าที่นั้นได้ดีกว่าผู้สอนที่เป็นมนุษย์เสียอีก
การเอาชนะมนุษย์ในเกมหมากล้อม การแยกภาพถ่ายว่าเป็นสุนัขหรือแมว การตรวจจับพฤติกรรมฉ้อโกง ไปจนถึงการพิจารณาให้สินเชื่อภายในครึ่งนาที ล้วนแล้วแต่ต้องมีวัตถุดิบเป็นข้อมูลให้สมองกลเรียนรู้ทั้งสิ้น
ฉะนั้นหากองค์กรใดยังไม่ได้วางพื้นฐานและวัฒนธรรมด้านข้อมูลให้ชัดเจนและแข็งแกร่งพอ หรือยังไม่เห็นคุณค่าด้วยซ้ำว่า การมีข้อมูลนั้นมันเชื่อมต่อกับเทคโนโลยี AI และการอยู่รอดขององค์กรอย่างไร ก็จะตกที่นั่งลำบากในระบบเศรษฐกิจที่คู่แข่งสามารถผลิตและให้บริการสิ่งที่ดีเท่าหรือดีกว่าได้ด้วยทรัพยากรเท่ากัน
เหตุผลที่สองคือ ข้อมูล Big Data เป็นเชื้อเพลิงธุรกิจที่ซับซ้อนและละเอียดอ่อน มากเสียยิ่งกว่าเชื้อเพลิงชนิดอื่นอย่างน้ำมัน ไฟฟ้า หรือไอน้ำ ที่เคยขับเคลื่อนธุรกิจและสังคมในช่วงหลายร้อยปีที่ผ่านมาโดยสิ้นเชิง แม้ Big Data เองจะมีอรรถประโยชน์สูงในตัวมันเอง แต่ก็มีความซับซ้อนในการนำไปใช้งานให้เกิดประโยชน์สูงสุด จึงจำเป็นต้องมีการตกผลึกในระดับองค์กรว่า ควรบริหารสินทรัพย์ดิจิทัลนี้อย่างไร
ความแตกต่างข้อแรกคือ ข้อมูลเป็นทรัพยากรที่ใช้แล้วไม่มีวันหมด การเก็บข้อมูลไปเรื่อยๆ โดยไม่มีจุดหมายชัดเจนจึงอาจเป็นการสร้างต้นทุนอันมหาศาล ข้อที่สอง ข้อมูลสามารถถูกปลอมแปลงได้อย่างแยบยลและมีต้นทุนในการตรวจสอบความถูกต้อง ทำให้การทำสัญญาแลกเปลี่ยนหรือซื้อขายข้อมูลเพื่อนำไปสร้างมูลค่าเพิ่มต่อ มีความซับซ้อนและความเสี่ยง และข้อที่สาม ข้อมูลสามารถถูกนำไปใช้ในการตัดสินใจเชิงธุรกิจอย่างผิดๆ ได้ง่ายเสียยิ่งกว่าการนำไปใช้อย่างถูกต้อง อีกทั้งยังอาจก่อให้เกิดความเสี่ยงทางกฎหมายอีกด้วย หากถูกนำไปใช้ในทางที่ผิด
คุณไม่เคยเห็นน้ำมันที่ใช้ได้แบบไม่มีวันหมด น้ำมันที่ปลอมแปลงจนวิศวกรแยกไม่ออก น้ำมันที่เติมแล้วรถไม่วิ่ง หรือน้ำมันที่โวยวายว่าคุณละเมิดสิทธิส่วนบุคคลของมันใช่ไหม
องค์ประกอบแห่งการวางกลยุทธ์ Big Data
สององค์ประกอบที่สำคัญที่สุดในกลยุทธ์ Big Data ที่ว่านี้ คือ การกำหนดเป้าหมายที่แน่ชัดในระดับองค์กรว่าจะใช้ประโยชน์จาก Big Data ไปในทางใด และ การสร้างความพร้อมด้าน data science ในองค์กร
การตั้งเป้าหมายให้ชัดเจนว่าจะใช้ประโยชน์จาก Big Data เพื่ออะไรนั้นมีความสำคัญยิ่ง เรามักได้ยินอยู่เสมอว่า Big Data และ AI สามารถทำอะไรได้มากมาย ไม่ว่าจะเป็นการตรวจจับใบหน้าหรือการแชตกับลูกค้า แต่ก็ไม่ได้หมายความว่าทุกองค์กรควรทุ่มทรัพยากรไปกับการพัฒนาผลิตภัณฑ์ดังกล่าวเป็นอันดับแรก เนื่องจากอาจทำไม่สำเร็จ หรือยังมีอีกหลายโปรเจกต์ที่ง่ายกว่า สอดคล้องกับโมเดลธุรกิจและวิสัยทัศน์กว่า และได้ผลตอบแทนเร็วกว่า
ดังนั้นสำหรับหลายๆ องค์กรแล้ว ผู้เขียนมองว่าจะดีที่สุดถ้าเริ่มจากการเก็บ low hanging fruit ก่อน เพื่อพิสูจน์ว่าการเดินทางบนเส้นทาง Big Data ขององค์กรคุณกำลังมาถูกทาง และคุ้มค่าแก่การจัดสรรทรัพยากรเพิ่ม
และที่ควรมีการกำหนดเป้าหมายร่วมกันในระดับองค์กร ก็เพราะว่าหน่วย data science นั้น เป็นเหมือน “หลังบ้าน IT หลังที่ 2” ซึ่งแม้จะสามารถต่อยอดให้กับหลายๆ business unit ได้ แต่ขณะเดียวกันก็อาจถูกถล่มด้วย “งานข้อมูล” ประเภทที่ไม่คุ้มค่าหรือเหมาะสมกับทรัพยากรบุคคลที่มีอยู่ในหน่วย data science นี้
ฉะนั้นการได้มาซึ่ง buy-in จากผู้บริหารระดับสูงว่าองค์กรจะมีหน่วย data science ไว้เพื่ออะไร จะเพื่อคิดค้นนวัตกรรมใหม่ เพื่อเพิ่มยอดขาย หรือจะเพื่อกระชับระบบ operation จะทำให้หน้าที่ของหน่วย data science มีความชัดเจนขึ้นและควรเป็นลำดับแรกของการวางกลยุทธ์ Big Data
องค์ประกอบสำคัญอีกอย่างของกลยุทธ์ Big Data ก็คือการสร้างความพร้อมทาง data science ทั้งในทีม data science เอง และใน business unit ทั่วไป ที่จะต้องทำงานร่วมกันอย่างใกล้ชิด
ทุกวันนี้การสร้างความเข้าใจในระดับองค์กรว่า data science สร้างประโยชน์ให้กับธุรกิจได้อย่างไร ยังคงเป็นเรื่องท้าทายสำหรับหลายองค์กร อีกทั้งการเริ่มสร้างทีม data science เอง ก็ทำได้ลำบาก เนื่องจาก “นักวิทยาศาสตร์ข้อมูล” หรือ data scientist นั้นกำลังขาดตลาดอย่างรุนแรง
ซ้ำร้ายที่จริงแล้วธุรกิจที่ต้องพึ่งพา Big Data ในการขับเคลื่อนยังต้องมีอีกหลายตำแหน่งที่ขาดไม่ได้ เช่น ตำแหน่ง “นักวิศวกรข้อมูล” หรือ data engineer ผู้ดูแลการจัดเก็บและรักษาคุณภาพของข้อมูลก่อนที่จะถูกนำไปใช้ เพื่อการันตีว่าวิสัยทัศน์และการตัดสินใจของผู้บริหารจะไม่ผิดพลาดเพียงเพราะข้อมูลมีความผิดพลาดตั้งแต่ต้นน้ำ
หรืออีกตำแหน่งที่สำคัญไม่แพ้กัน คือ “enterprise architect” ผู้ที่คอยวางแผนและแนะนำว่าควรใช้ technology solution ใดสำหรับโปรเจกต์แต่ละแบบ เป็นเหมือนสะพานเชื่อมระหว่างโลกธุรกิจกับโลกไอทีเข้าด้วยกัน
วันที่เราสามารถก้าวข้ามความท้าทายเหล่านี้ และหยิบ Big Data มาใช้ประโยชน์อย่างมั่นใจ ดูเหมือนยังไกลความจริงที่ระยะห่างระหว่างเรากับ 7 บริษัทยักษ์ใหญ่ในย่อหน้าที่สองมันมากมายเหลือเกิน แต่ผู้เขียนมองโลกในแง่ดี ว่ายังมีโอกาสอีกมหาศาลที่ธุรกิจและองค์กรในประเทศไทยจะสามารถปลดปล่อยพลังของข้อมูลที่มีอยู่เพื่อคิดค้นนวัตกรรมใหม่ๆ และบริหารองค์กรได้อย่างมีประสิทธิภาพมากขึ้น เพียงแต่ต้องตระหนักว่าต้องเริ่มเดินก้าวแรกบนเส้นทาง Big Data แล้วเท่านั้น
วันนี้คุณมีกลยุทธ์ Big Data แล้วหรือยัง?
ดร.ณภัทร จาตุศรีพิทักษ์
ซีอีโอ บริษัท Siametrics Consulting และนักเศรษฐศาสตร์ประยุกต์