Black Hat Asia 2021

[Guest Post] Bluebik แนะองค์กรประยุกต์ Agile ในงาน Data Science เร่งอัตรารายได้โต เพิ่มโอกาสการแข่งขันยุคดิจิทัล

บลูบิค (Bluebik) บริษัทที่ปรึกษาชั้นนำด้านกลยุทธ์และการจัดการด้วยนวัตกรรมและเทคโนโลยี แนะธุรกิจปรับใช้ Agile ในกระบวนการด้าน Data Science เพิ่มความรวดเร็วการวิเคราะห์ข้อมูล ช่วยเร่งการเติบโตของรายได้และกำไรจากชุดข้อมูลขนาดใหญ่ ด้วยการดำเนินการ 3 ขั้นตอนหลัก 1. การปรับให้ทีม Data Science ทำงานแบบ Agile 2. ปรับเส้นทางการไหลของข้อมูล (Data Pipeline) เป็นแบบอัตโนมัติมากที่สุด และ 3. นำ Augmented Analytics หรือการวิเคราะห์ข้อมูลโดยอัตโนมัติ ไปปรับใช้กับกระบวนการทำงานภายในหน่วยธุรกิจ 

 

นายพชร อารยะการกุล ประธานเจ้าหน้าที่บริหาร บริษัท บลูบิค กรุ๊ป จำกัด เปิดเผยว่า ในโลกยุคใหม่ที่การตัดสินใจทางธุรกิจขับเคลื่อนด้วยข้อมูล องค์กรที่สามารถนำข้อมูลมาใช้ประโยชน์ได้อย่างเต็มประสิทธิภาพย่อมได้เปรียบในการแข่งขันมากกว่า ดังนั้นองค์กรจำนวนมากขึ้นจึงเลือกจัดตั้งหน่วยงานด้าน Data Science หรือวิทยาศาสตร์ข้อมูล เพื่อวิเคราะห์และนำข้อมูลมหาศาลที่มีอยู่มาสร้างมูลค่าเพิ่มให้ธุรกิจ ทั้งในแง่การทำการตลาดให้ตรงจุด หรือการพัฒนาผลิตภัณฑ์และบริการเพื่อสร้างกำไรให้ธุรกิจมากขึ้น ซึ่งกระบวนการของ Data Science ครอบคลุมตั้งแต่ขั้นตอนการเก็บข้อมูล การจัดการข้อมูล การวิเคราะห์ข้อมูล ไปจนถึงการนำข้อมูลมาช่วยในการตัดสินใจ

 

 

“แม้ว่าแทบทุกองค์กรต่างพยายามสร้างหน่วยงาน Data Science ขึ้นมา และผลักดันโครงการที่เกี่ยวข้องเพื่อมุ่งก้าวไปสู่การเป็น Data-Driven Organization หรือองค์กรขับเคลื่อนด้วยข้อมูล แต่ไม่ใช่ทุกองค์กรจะประสบความสำเร็จ เนื่องจากยังติดกับดักการพัฒนาโมเดลวิเคราะห์ข้อมูลที่ใช้เวลาพัฒนานานเกินไป และยังไม่ยืดหยุ่นมากพอในการแก้ไขปัญหาที่เกิดขึ้นแบบเรียลไทม์ รวมถึงไม่สามารถวิเคราะห์สถานการณ์ที่เปลี่ยนแปลงไปตลอดเวลาได้” นายพชร กล่าว

จากปัญหาดังกล่าวส่งผลให้หลายองค์กรยังไม่ประสบความสำเร็จในการแปลงข้อมูลทั่วไป (Data) ให้กลายเป็นข้อมูลเชิงลึก (Insights) ที่สร้างมูลค่าเพิ่มให้องค์กร โดยพบว่ามีเพียง 15% ของโครงการ Data Science ทั่วโลกที่สามารถช่วยแก้ปํญหาและวิเคราะห์ข้อมูลธุรกิจได้จริง ตามการเปิดเผยเมื่อปี 2562 ของ Gartner บริษัทเทคโนโลยีชื่อดังของสหรัฐ

ทั้งนี้ หากองค์กรต้องการประสบความสำเร็จในการทำโครงการ Data Science สามารถนำหลักการ Agile มาปรับใช้ได้ โดย Agile เป็นแนวคิดการทำงานที่เน้นความคล่องตัว ลดขั้นตอนการทำงาน มุ่งเน้นการสื่อสารระหว่างบุคลากรต่างทีมเพื่อสร้างความเข้าใจ กระจายอำนาจการตัดสินใจ วางแผนและส่งมอบงานเป็นชิ้นเล็กๆ เพื่อให้สามารถแก้ปัญหาหรือข้อผิดพลาดในแต่ละในส่วนได้ในเวลาอันรวดเร็ว โดยหลักการ Agile แตกต่างจากการทำงานแบบ Waterfall ที่มีการวางแผนการทำงานตั้งแต่เริ่มต้นจนจบโครงการในรอบเดียว ทำให้แก้ไขปัญหาไม่ทันเมื่อพบความผิดพลาด

ฉะนั้น การปรับใช้ Agile กับ Data Science จะสามารถเร่งกระบวนการพัฒนาโมเดลวิเคราะห์ข้อมูล เพื่อเพิ่มมูลค่าให้องค์กรได้ในเวลาอันรวดเร็ว โดยมีหลักการทำงาน 3 ข้อ ซึ่งเริ่มตั้งแต่

 

  1. การปรับให้ทีม Data Science ทำงานแบบ Agile เพื่อเพิ่มความคล่องตัวในการทำงาน โดยมีหลักการดังนี้

พัฒนาโมเดลวิเคราะห์ตามข้อมูลที่มีอยู่ เพื่อเน้นเปลี่ยนข้อมูลธรรมดาให้กลายเป็นข้อมูลที่มีคุณค่าต่อการทำธุรกิจในเวลาอันรวดเร็ว

แบ่งปันข้อมูลร่วมกันเป็นประจำ ทั้งภายในทีม Data Science ทีมนักพัฒนาผลิตภัณฑ์ และตัวผู้ใช้ผลิตภัณฑ์เพื่อให้ได้ข้อมูลใหม่ๆ แบบเรียลไทม์

ส่งมอบผลลัพธ์อย่างสม่ำเสมอ ผ่านการทดลองสร้างโมเดลและวิเคราะห์ข้อมูลแบบต่างๆ เพื่อลองดูผลตอบรับ และหาทางสร้างผลลัพธ์ที่ดีที่สุด

 

  1. การปรับเส้นทางการไหลของข้อมูล (Data Pipeline)

การปรับ Data Pipeline สามารถดำเนินการได้โดยทำให้เส้นทางการไหลของข้อมูลเป็นไปอย่างอัตโนมัติมากที่สุดเพื่อเพิ่มความรวดเร็วในการนำข้อมูลมาใช้ หรือที่เรียกว่า DataOps ตั้งแต่ขั้นตอนการจัดเก็บข้อมูล ทำความสะอาดข้อมูล กรองข้อมูล เรียนรู้ข้อมูล ทำรายงานข้อมูล นำเสนอข้อมูล และการแบ่งปันข้อมูล โดยแนวทางการนำ DataOps มาปรับใช้

 

  1. การปรับการทำงานของหน่วยงานภายในเป็นแบบอัตโนมัติด้วย Augmented Analytics

การเพิ่มความรวดเร็วภายในหน่วยธุรกิจ เป็นส่วนสำคัญที่ช่วยเพิ่มประสิทธิภาพในการนำข้อมูลไปใช้เพื่อค้นหาข้อมูลเชิงลึก (Insights)  ซึ่งสามารถดำเนินการผ่านการผสมผสานการเรียนรู้ของเครื่องจักรและปัญญาประดิษฐ์ (Artificial Intelligence/ Machine Learning: AI/ML) เข้ากับการประมวลภาษาธรรมชาติ (Natural Language Processing) กลายเป็นการวิเคราะห์ข้อมูลโดยอัตโนมัติ หรือที่เราเรียกว่า Augmented Analytics โดยการประยุกต์ใช้ Augmented Analytics สามารถนำไปปรับใช้ได้กับทั้งระบบงานส่วนหน้า (Front Office) ระบบงานส่วนกลาง (Middle Office) และระบบงานส่วนหลัง (Back Office)

“หากธุรกิจต้องการนำข้อมูลมหาศาลในมือมาขับเคลื่อนให้รายได้เติบโตอย่างรวดเร็ว และสร้างความได้เปรียบในสมรภูมิการแข่งขันยุคดิจิทัล การนำ Data Science มาช่วยวิเคราะห์ข้อมูลเพียงอย่างเดียวคงไม่เพียงพอ แต่ต้องทำให้ข้อมูลสร้างมูลค่าเพิ่มให้องค์กรในเวลาอันรวดเร็ว โดยนำหลักการ Agile มาปรับใช้กับกระบวนการวิเคราะห์ข้อมูล เพื่อเพิ่มศักยภาพขององค์กร จนสามารถก้าวขึ้นเป็นผู้นำในยุคดิจิทัล” นายพชร ทิ้งท้าย

About Maylada

Check Also

Fujitsu ขอเชิญร่วมงานสัมมนาออนไลน์ “Transform and grow your business with AI-powered Automation”

Fujitsu ขอเรียนเชิญผู้สนใจทุกท่านเข้าร่วมงานสัมมนาออนไลน์ “Transform and grow your business with AI-powered Automation” เพื่อรับฟังแนวทางการพลิกโฉมและขยายธุรกิจด้วยระบบอัตโนมัติที่ขับเคลื่อนด้วย AI ครอบคลุมกระบวนการทำงานทางธุรกิจหรือ business workflows …

สรุปคำแนะนำและแนวทางปฏิบัติด้าน Password ล่าสุดจาก NIST

บทความนี้ได้สรุปคำแนะนำและแนวทางปฏิบัติด้าน Password จากเอกสาร NIST Special Publication 800-63B Rev3 ของ สถาบันมาตรฐานและเทคโนโลยีแห่งชาติสหรัฐฯ หรือ NIST ได้แก่ การสร้างรหัสผ่านใหม่ การพิสูจน์ตัวตนด้วยรหัสผ่าน …