[Guest Post] Blendata แนะ 4 แนวทางทำ Big Data Analytics ตอบโจทย์ยุค PDPA มาแรง พลิกอุปสรรคการจัดเก็บข้อมูล ให้เป็นโอกาสทางธุรกิจที่ยั่งยืน

เบลนเดต้า (Blendata) บริษัท Deep Technology ผู้พัฒนาแพลตฟอร์มบริหารจัดการ Big Data อัจฉริยะ เผยพรบ.คุ้มครองข้อมูลส่วนบุคคลหรือ PDPA ที่มีผลบังคับใช้ ส่งผลให้องค์กรมีความตื่นตัวในการปรับระบบให้มีความพร้อมและสอดรับต่อข้อบังคับดังกล่าว Blendata แนะ 4 แนวทางการทำ Big Data Analytics ตอบโจทย์ PDPA พร้อมช่วยองค์กรพลิกอุปสรรคในยุคการจัดการข้อมูลที่มีข้อจำกัด ให้เป็นโอกาสทางธุรกิจที่ยั่งยืน ด้วยการสร้างรากฐานโครงสร้างการบริหารจัดการข้อมูลที่เป็นระบบ มีความปลอดภัย และสามารถวิเคราะห์ต่อยอดข้อมูลให้เกิดประโยชน์ในด้านอื่น ๆ ได้อย่างมีประสิทธิภาพ

นายณัฐนภัส รชตะวิวรรธน์ ประธานเจ้าหน้าที่บริหารและผู้ร่วมก่อตั้ง บริษัท เบลนเดต้า จำกัด บริษัท Deep Technology ผู้พัฒนาแพลตฟอร์มบริหารจัดการ Big Data เปิดเผยว่า หลังจากพระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล (Personal Data Protection Act) หรือ กฎหมาย PDPA เริ่มประกาศใช้ไปแล้วเมื่อวันที่ 1 มิถุนายน 2565 ที่ผ่านมา เป็นเหตุผลให้ทุกองค์กรต่างให้ความสำคัญกับการวางระบบความปลอดภัยในข้อมูล เพื่อดูแลและปกป้องข้อมูลให้มีความปลอดภัยสูงสุด ป้องกันความเสียหายทั้งต่อบุคคล องค์กร และความเสียหายทางด้านกฎหมาย

ก่อนหน้านี้ ธุรกิจในหลายอุตสาหกรรมล้วนมีการเก็บข้อมูลส่วนบุคคลของผู้ใช้งาน อย่างธุรกิจโทรคมนาคม หรือธุรกิจในกลุ่มการเงินและธนาคาร โดยนำข้อมูลดังกล่าวมาใช้วิเคราะห์ในเชิงลึก เพื่อให้ได้มาซึ่งกลยุทธ์การทำแคมเปญส่วนบุคคลต่าง ๆ รวมถึงการเพิ่มรายได้ ลดต้นทุน หรือการสร้างผลิตภัณฑ์และบริการใหม่ ๆ ซึ่งการประกาศใช้ PDPA จะทำให้การดึงข้อมูลมาใช้งานเป็นไปได้ยากขึ้น เพราะต้องได้รับอนุญาตจากเจ้าของข้อมูล ความแม่นยำลดลง ส่งผลกระทบต่อธุรกิจ ในทางกลับกัน ก็ส่งผลดีต่อเจ้าของข้อมูลที่กลับมามีสิทธิในข้อมูลของตนเอง สามารถกำหนดได้ว่าจะอนุญาตให้ใครใช้ข้อมูลได้หรือไม่ ซึ่งการจัดเก็บข้อมูลลูกค้าขององค์กรจะยังมีรูปแบบที่คล้ายเดิม ตามความต้องการทางธุรกิจ แต่สิ่งที่เปลี่ยนไปคือกระบวนการใช้งานข้อมูล ทั้งภายในและภายนอกที่ต้องมีมาตรฐาน ขั้นตอน และกระบวนการที่รัดกุมมากขึ้นนายณัฐนภัส กล่าว

Blendata แนะแนวทางการทำ Big Data Analytics วางรากฐานโครงสร้างการบริหารจัดการข้อมูลที่เป็นระบบ มีความปลอดภัย และสามารถวิเคราะห์ต่อยอดข้อมูลให้เกิดประโยชน์ในด้านอื่น ๆ ได้อย่างมีประสิทธิภาพ ด้วย 4 แนวทาง ดังนี้

  1. กำหนดเป้าหมายและนโยบายด้านข้อมูลของทุกฝ่ายในองค์กรให้ชัดเจนตรงกัน ผู้บริหารและพนักงานทุกฝ่ายที่เกี่ยวข้องควรหารือกันเพื่อกำหนดเป้าหมายและนโยบายด้านการจัดเก็บและใช้งานข้อมูลให้ชัดเจนตรงกัน โดยคำนึงถึงความสมดุลระหว่างข้อบังคับทางกฎหมายและผลประโยชน์ทางธุรกิจ การกำหนดเป้าหมายและนโยบายร่วมกันจะช่วยให้องค์กรเห็นภาพรวมของการใช้ข้อมูลทั้งภายในและภายนอกองค์กรอย่างครบถ้วน ส่งผลให้การวางแผนและดำเนินการต่อเนื่องในส่วนอื่น ๆ สามารถทำได้อย่างเป็นระบบและเป็นไปในทิศทางเดียวกัน
  2. วางโครงสร้างธรรมาภิบาลข้อมูล (Data Governance) ที่มีประสิทธิภาพ และมีการขออนุญาตจัดเก็บข้อมูลอย่างถูกต้อง องค์กรควรวางโครงสร้างการธรรมาภิบาลข้อมูล เพื่อให้บริหารจัดการข้อมูลได้อย่างถูกต้อง ปลอดภัย สามารถนำข้อมูลไปใช้ประโยชน์ได้อย่างมีประสิทธิภาพ โดยเริ่มจากการกำหนด Frameworks ที่ครอบคลุมทั้ง Life cycle ตั้งแต่จุดกำเนิดของข้อมูล กระบวนการจัดเก็บข้อมูล การจัดการข้อมูลให้มีคุณภาพ (Data Quality) การรักษาความปลอดภัย การประมวลผลและวิเคราะห์ การนำข้อมูลไปใช้งาน จนถึงการทำลายข้อมูล ซึ่งสอดคล้องกับ PDPA ที่กำหนดให้มีการขออนุญาตเก็บข้อมูลอย่างถูกต้องและจัดการข้อมูลเหล่านั้นอย่างปลอดภัย มีการกำหนดเวลาจัดเก็บข้อมูลที่ชัดเจน และจะต้องลบข้อมูลตามระยะเวลาที่กำหนดหรือเมื่อมีการร้องขอให้เพิกถอน โดยการทำ Data Governance นอกจากจะตอบโจทย์ทางด้านกฎหมายแล้ว ยังช่วยให้องค์กรสามารถนำข้อมูลไปวิเคราะห์ต่อยอดเพื่อประโยชน์ด้านอื่น ๆ ได้อย่างแม่นยำและมีประสิทธิภาพมากขึ้นอีกด้วย
  3. เลือกใช้เครื่องมือ Big Data Analytics ที่มีประสิทธิภาพ ยืดหยุ่นต่อการเปลี่ยนแปลง เพื่อรองรับการวิเคราะห์ข้อมูลที่รวดเร็วในต้นทุนที่ต่ำ ด้วยข้อกำหนดต่าง ๆ ที่อาจจะเกิดขึ้นเพิ่มเติมอีกในอนาคต องค์กรที่ขับเคลื่อนด้วยข้อมูลหลายแห่งมักพบปัญหาความซับซ้อนของข้อมูล รวมถึงการเติบโตอย่างรวดเร็วของข้อมูลที่หากระบบที่ใช้ไม่ยืดหยุ่น เป็นระบบปิด จะทำให้เกิดค่าใช้จ่ายในการขยายโซลูชันการวิเคราะห์ในทุกครั้งที่มีการเพิ่มข้อมูลหรือแก้ไขการวิเคราะห์เพิ่มเติม องค์กรจึงควรเลือกใช้เครื่องมือที่เป็นระบบเปิด มีความยืดหยุ่น สามารถรองรับข้อจำกัดในการเก็บรักษาข้อมูลตามหลัก PDPA พร้อมขยายระบบได้ตามการเติบโตของข้อมูลในอนาคต มีระบบความปลอดภัยตามมาตรฐานสากล สามารถค้นหาหรือดำเนินการกับข้อมูลได้อย่างรวดเร็วด้วยตนเอง เพื่อให้สามารถนำข้อมูลไปต่อยอดใช้งานได้ด้วยต้นทุนที่เหมาะสม อีกทั้งควรเลือกเทคโนโลยีที่คิดค่าใช้จ่ายตามการใช้งานจริง เพื่อความยืดหยุ่นในการจัดการค่าใช้จ่ายขององค์กรในอนาคต
  4. เพิ่มแนวทางการจัดเก็บข้อมูลชนิด First Party Data นอกจากการพึ่งพา Second Data Party Data และ Third Party Data แล้ว องค์กรควรวางแผนการจัดเก็บข้อมูลด้วยตนเองที่เรียกว่า First Party Data โดยวางแผนประสบการณ์ผู้ใช้งาน (User Experience) ให้สามารถผลิตข้อมูล และจัดเก็บข้อมูลได้ โดยควรจัดเก็บจากทุกช่องทางทั้งออฟไลน์และออนไลน์ ไม่ว่าจะเป็นข้อมูลจากระบบ CRM โซเชียลมีเดีย POS เว็บไซต์ แอปพลิเคชัน หรือ Offline Store เป็นต้น ซึ่งกลยุทธ์ First Party Data นี้จะทำให้องค์กรได้ข้อมูลที่มีความน่าเชื่อถือ มั่นใจได้ว่ามีการขออนุญาตจากเจ้าของข้อมูลอย่างถูกต้องตามหลัก PDPA แล้ว มีแหล่งที่มาชัดเจน มีความเกี่ยวข้องกับธุรกิจโดยตรง มีคุณภาพครบถ้วน โดยไม่ต้องกังวลถึงกฎระเบียบที่อาจเพิ่มเติมหรือเปลี่ยนไปในอนาคต ส่งผลให้องค์กรสามารถวิเคราะห์ต่อยอดได้อย่างแม่นยำ และนำมาซึ่งข้อมูลเชิงลึกที่เป็นประโยชน์ต่อธุรกิจ

ทั้งนี้ Blendata ได้ร่วมมือกับ Partners ผู้เชี่ยวชาญในหลากหลายด้าน ตั้งแต่ด้านเทคโนโลยี ธุรกิจ ที่ปรึกษา การวิจัยและการศึกษา รวมถึงผู้เชี่ยวชาญด้าน PDPA โดยมีบริการให้คำปรึกษาเชิงกลยุทธ์ด้าน Big Data ที่สอดคล้องกับ PDPA ในส่วนของการวางสถาปัตยกรรมข้อมูล วางโครงสร้างการบริหารจัดการข้อมูลที่ถูกต้อง รวมทั้งบริการ Big Data แพลตฟอร์มที่ทำได้ตั้งแต่การทำ Data Discovery เพื่อค้นหาว่าข้อมูลที่สำคัญอยู่ที่ใด จนถึงการทำ Blueprint และการสร้าง Big Data แพลตฟอร์ม เพื่อการใช้ข้อมูลในอนาคต ซึ่งสามารถควบคุมธรรมาภิบาลได้ในที่ ๆ เดียว ตอบโจทย์การทำ Big Data Analytics ในยุค PDPA ที่ปลอดภัยและคุ้มค่ากับการลงทุน

 

 


About Maylada

Check Also

[Guest Post] งานแสดงเทคโนโลยีธุรกิจ 5G แห่งอนาคต เริ่มอย่างเป็นทางการแล้ววันนี้!!

เปิดประสบการณ์สู่โลกของธุรกิจเทคโนโลยีไร้สายความเร็วสูง 28-29 กันยายน ณ สามย่านมิตรทาว์นฮอลล์ ชั้น 5 สามย่านมิตรทาวน์ กรุงเทพฯ

[Guest Post] การใช้ Edge automation กับ 7 อุตสาหกรรมหลัก

บทความโดย เด็บ ริชาร์ดสัน, Contribution Editor, เร้ดแฮท คำอธิบายง่าย ๆ ของ edge computing คือการประมวลผลที่เกิดขึ้น ณ ตำแหน่ง หรือใกล้กับตำแหน่งทางกายภาพของผู้ใช้ …