TechTalkThai ศูนย์รวมข่าว Enterprise IT ออนไลน์แห่งแรกในประเทศไทย
Future of Enterprise Data Platform อนาคตแพลตฟอร์มด้านข้อมูลในยุค AI EP.5
องค์กรในปัจจุบันมีข้อมูลจำนวนมหาศาล ทั้งข้อมูลลูกค้า ยอดขาย ธุรกรรม การดำเนินงาน รวมถึงข้อมูลจากระบบต่าง ๆ ที่ถูกจัดเก็บและนำมาวิเคราะห์ผ่าน Data Warehouse, Data Lake หรือ Data Lakehouse การมีข้อมูลจำนวนมากจึงไม่ใช่เรื่องใหม่ แต่สิ่งที่กำลังเปลี่ยนไปคือ วิธีที่คนในองค์กรเข้าถึงและใช้ประโยชน์จากข้อมูลเหล่านั้น
เมื่อผู้บริหารต้องการรู้ว่ายอดขายเดือนนี้เป็นอย่างไร ผู้จัดการต้องการเปรียบเทียบผลการดำเนินงานระหว่างสาขา หรือทีมการตลาดต้องการหาสาเหตุที่ลูกค้าบางกลุ่มมีแนวโน้มลดลง คำตอบไม่ได้อยู่ไกลจากองค์กรเลย ข้อมูลอาจอยู่ในระบบเรียบร้อยแล้ว แต่กว่าจะได้คำตอบ ผู้ใช้งานอาจต้องเปิด Dashboard หลายชุด ขอข้อมูลจากทีม Data หรือให้ทีม IT ช่วยสร้าง Query เพิ่มเติม กระบวนการเหล่านี้ยังจำเป็นสำหรับงานวิเคราะห์ที่ซับซ้อน แต่สำหรับคำถามทางธุรกิจที่เกิดขึ้นทุกวัน วิธีการเข้าถึงข้อมูลกำลังเปลี่ยนไป
จากการค้นหาข้อมูล สู่การถามข้อมูลโดยตรง
ลองนึกถึงการทำงานที่ผู้ใช้งานไม่จำเป็นต้องรู้ว่า Data อยู่ใน Table ไหน ใช้ Field อะไร หรือเขียน SQL อย่างไร เพียงพิมพ์ว่า “ยอดขายของแต่ละภูมิภาคในไตรมาสนี้เป็นอย่างไร และภูมิภาคไหนเติบโตมากที่สุด?” แทนที่จะเริ่มจากการค้นหา Report ที่เกี่ยวข้อง ผู้ใช้งานสามารถเริ่มต้นด้วยคำถามที่ต้องการคำตอบได้เลย
AI จะเข้ามาช่วยทำความเข้าใจคำถาม เชื่อมโยงกับโครงสร้างและความหมายของข้อมูล สร้างคำสั่งเพื่อดึงข้อมูลที่เกี่ยวข้อง และนำผลลัพธ์กลับมาในรูปแบบที่คนสามารถอ่านและนำไปใช้ต่อได้ ความเปลี่ยนแปลงนี้อาจดูเหมือนเป็นเพียงเรื่องของ User Interface แต่ในระดับ Enterprise มันกำลังเปลี่ยนบทบาทของ Data Platform ไปด้วย ทำให้ Data Platform กำลังกลายเป็น ช่องทางที่ทำให้คนสามารถเข้าถึง Insight จากข้อมูลได้โดยตรง
Business Insight ไม่ได้เกิดจากคำตอบของ AI เพียงอย่างเดียว
การให้ AI ตอบคำถามจากข้อมูลขององค์กรมีความแตกต่างจากการถามข้อมูลทั่วไป เพราะคำตอบที่ดีต้องอาศัยบริบทของธุรกิจเข้ามาประกอบ คำว่า “ลูกค้าใหม่” ของแต่ละองค์กรอาจมีนิยามแตกต่างกัน KPI เดียวกันอาจถูกคำนวณด้วยเงื่อนไขที่ไม่เหมือนกัน และข้อมูลที่ผู้ใช้งานแต่ละคนสามารถเข้าถึงได้ก็อาจแตกต่างกันตามบทบาทหน้าที่ ดังนั้น AI ที่นำมาใช้กับ Enterprise Data จึงต้องทำมากกว่าการแปลงภาษาธรรมชาติเป็น SQL ระบบต้องเข้าใจว่า องค์กรกำลังพูดถึงข้อมูลอะไร และข้อมูลนั้นมีความหมายอย่างไรในบริบทธุรกิจ
แนวคิดอย่าง Semantic Mapping และ Business Glossary จึงมีความสำคัญ เพราะช่วยเชื่อมโยงคำศัพท์ที่คนในองค์กรใช้กับโครงสร้างข้อมูลจริง ทำให้คำถามอย่าง “ยอดขาย”, “ลูกค้า Active” หรือ “รายได้สุทธิ” สามารถถูกตีความตามนิยามที่องค์กรกำหนดไว้ อีกส่วนที่ไม่ควรมองข้ามคือความโปร่งใสของคำตอบ ผู้ใช้งานควรสามารถตรวจสอบได้ว่าคำตอบมาจากข้อมูลส่วนใด ใช้ Query แบบไหน และผ่านกระบวนการใดก่อนจะได้ผลลัพธ์ออกมา เพราะในงาน Enterprise Insight ที่นำไปใช้ตัดสินใจได้ ต้องมีทั้งความสะดวกและความน่าเชื่อถือ
จากคำถามหนึ่งข้อ ไปสู่การค้นพบ Insight
สิ่งที่น่าสนใจยิ่งกว่าการถามแล้วได้คำตอบ คือการที่ AI สามารถช่วยให้ผู้ใช้งานสำรวจข้อมูลต่อได้ สมมติว่าคำถามแรกคือ “ยอดขายเดือนนี้ลดลงหรือไม่?”
เมื่อพบว่ายอดขายลดลง ผู้ใช้งานอาจถามต่อทันทีว่า “ลดลงจากภูมิภาคไหน?”
แล้วต่อด้วย “สินค้ากลุ่มใดได้รับผลกระทบมากที่สุด?”
และ “แนวโน้มนี้เกิดขึ้นต่อเนื่องในช่วง 3 เดือนที่ผ่านมาหรือไม่?”
จากเดิมที่แต่ละคำถามอาจต้องเปิด Report หรือขอข้อมูลเพิ่มเติมหลายรอบ การใช้ภาษาธรรมชาติทำให้การสำรวจข้อมูลมีลักษณะเป็นบทสนทนา นี่คือจุดที่ AI สามารถเข้ามาช่วยลดระยะห่างระหว่าง Business Question กับ Business Insight ผู้ใช้งานไม่จำเป็นต้องเริ่มต้นจากการรู้ว่าจะต้องใช้ข้อมูลชุดไหน แต่เริ่มจากสิ่งที่ตัวเองต้องการรู้ แล้วค่อยให้ระบบช่วยค้นหาคำตอบจากข้อมูลที่มีอยู่
เมื่อ Data Platform กลายเป็น Interface ขององค์กร
แนวคิดนี้กำลังทำให้รูปแบบการใช้งาน Data Platform เปลี่ยนไป ในอดีต ผู้ใช้งานต้องเรียนรู้วิธีเข้าถึงข้อมูล ขณะที่ AI กำลังทำให้ Data Platform เรียนรู้วิธีสื่อสารกับผู้ใช้งานมากขึ้น แน่นอนว่า SQL, Dashboard และเครื่องมือ BI ยังคงมีบทบาทสำคัญ โดยเฉพาะงานวิเคราะห์เชิงลึกและการสร้างระบบรายงานที่ต้องควบคุมอย่างเป็นระบบ แต่สำหรับคำถามทางธุรกิจจำนวนมาก การมี Natural Language เป็นอีกหนึ่ง Interface ช่วยให้คนที่ไม่ได้ทำงานด้าน Data โดยตรงสามารถเข้าถึงข้อมูลได้ง่ายขึ้น
ในมุมของทีม Data เอง การลดคำขอข้อมูลแบบ Ad-hoc ยังช่วยให้ทีมมีเวลาไปทำงานที่สร้างมูลค่าในระดับที่สูงขึ้น เช่น Data Engineering, Data Quality หรือ Advanced Analytics แทนที่จะใช้เวลาส่วนใหญ่ไปกับการตอบคำถามข้อมูลที่เกิดขึ้นซ้ำ ๆ
AI ที่เข้าถึง Data ได้ ต้องอยู่ภายใต้การควบคุมขององค์กร
เมื่อ AI เข้ามาเป็นอีกหนึ่งช่องทางในการเข้าถึงข้อมูล ความสะดวกไม่ควรต้องแลกกับความปลอดภัย โดยเฉพาะข้อมูลสำคัญขององค์กรที่มีข้อกำหนดด้าน Privacy และ Data Governance องค์กรจึงควรสามารถกำหนดได้ว่า ข้อมูลถูกประมวลผลที่ไหน ใครเข้าถึงข้อมูลได้ และ AI ใช้งานข้อมูลภายใต้สิทธิ์ใด ไม่ว่าจะเป็นการติดตั้งภายในองค์กรแบบ On-premise การทำงานบน Private Cloud หรือ Customer VPC ไปจนถึงสภาพแวดล้อมแบบ Air-gapped ที่ไม่มีการเชื่อมต่อกับเครือข่ายภายนอก
แนวทางนี้ทำให้ AI สามารถทำงานกับข้อมูลจริงขององค์กรได้ โดยข้อมูลยังอยู่ภายใต้ Infrastructure, Security Policy และการควบคุมขององค์กรเอง เมื่อการเข้าถึง Data ทำได้ง่ายขึ้นโดยไม่สูญเสียการควบคุม นั่นจึงเป็นจุดที่ AI เริ่มเข้ามาเป็นส่วนหนึ่งของ Data Platform อย่างแท้จริง
Blendata Apollo: Ask Your Data, Get Your Business Insights
แนวคิดนี้เป็นที่มาของ Blendata Apollo ซึ่งถูกพัฒนาขึ้นในฐานะ AI-powered Data Interface สำหรับการทำงานกับข้อมูลขององค์กร ผู้ใช้งานสามารถตั้งคำถามด้วยภาษาธรรมชาติ และให้ Blendata Apollo ช่วยเปลี่ยนคำถามเหล่านั้นเป็นการค้นหาข้อมูลและการวิเคราะห์ที่เหมาะสม โดยสามารถทำงานร่วมกับข้อมูลที่องค์กรใช้งานอยู่แล้วผ่าน Blendata Enterprise และแหล่งข้อมูลที่รองรับการเชื่อมต่อผ่าน JDBC
นอกจากนี้ Blendata Apollo ยังถูกออกแบบให้รองรับสภาพแวดล้อมขององค์กร ทั้ง On-premise, Customer VPC และ Air-gapped พร้อมกลไกด้านสิทธิ์การเข้าถึงและการตรวจสอบการใช้งาน
เพราะเป้าหมายของการนำ AI เข้ามาใน Data Platform ไม่ใช่เพียงการทำให้ “ถามข้อมูลได้ง่ายขึ้น” แต่คือการทำให้ คนในองค์กรสามารถเปลี่ยนคำถามทางธุรกิจให้กลายเป็น Insight จากข้อมูลได้เร็วขึ้น โดยยังอยู่ภายใต้บริบท ความปลอดภัย และการควบคุมที่องค์กรกำหนด
เมื่อข้อมูลพร้อม และการเข้าถึงข้อมูลไม่กลายเป็นคอขวด AI ก็ไม่ได้เป็นเพียงเครื่องมือที่ช่วยทำงานกับข้อมูลอีกต่อไป แต่สามารถกลายเป็น Interface ใหม่ระหว่าง คน Data และ Business ทำให้ข้อมูลที่ถูกจัดเก็บอยู่ในองค์กรถูกนำกลับมาใช้ประกอบการตัดสินใจได้มากขึ้น
Future of Enterprise Data Platform จึงไม่ได้จบลงที่การมี Data มหาศาลหรือ Infrastructure ที่รองรับข้อมูลได้มากขึ้น แต่กำลังมุ่งไปสู่วันที่ทุกคนในองค์กรสามารถถามข้อมูลที่ต้องการ และเปลี่ยนคำตอบเหล่านั้นให้กลายเป็นการตัดสินใจที่เกิดขึ้นได้จริง
ศึกษาข้อมูลเพิ่มเติมเกี่ยวกับ Blendata Apollo ได้ที่ https://blendata.com/th/blendata-apollo หรือพูดคุยกับผู้เชี่ยวชาญได้ที่ www.blendata.com หรืออีเมล hello@blendata.com
Disclaimer: All third-party trademarks mentioned are the property of their respective owners.
