TechTalkThai ศูนย์รวมข่าว Enterprise IT ออนไลน์แห่งแรกในประเทศไทย
ทุกวันนี้เหล่าผู้นำฝ่ายวิเคราะห์และบริหารจัดการข้อมูลในธุรกิจองค์กรนั้นต่างให้ความสำคัญกับกลยุทธ์ด้าน Cloud, AI Analytics, Digital Customer Experience และอื่นๆ อีกมากมาย ซึ่งส่งผลให้หลายองค์กรนั้นต้องกลับมาให้ความสำคัญกับประเด็นด้านคุณภาพของข้อมูลหรือการทำ Data Quality Governance ตามไปด้วย เพื่อเป็นการวางรากฐานสำคัญให้โครงการด้าน Data และ AI เหล่านี้ประสบความสำเร็จได้อย่างมั่นใจ
Data Quality ส่งผลอย่างไรต่อการทำโครงการด้าน Data และ AI บ้าง?
การทำงานกับชุดข้อมูลที่ไม่มีคุณภาพนั้นอาจมีค่าใช้จ่ายแอบแฝงหรือเกิดความเสียหายต่อธุรกิจได้มากอย่างคาดไม่ถึง สำหรับในภาคธุรกิจ ข้อมูลที่ไม่มีคุณภาพนี้อาจส่งผลต่อความพึงพอใจของลูกค้าที่ลดลง, ประเด็นปัญหาในการปฏิบัติตามข้อกฎหมาย หรืออาจส่งผลต่อการทำงานที่ผิดพลาดของ AI ในการวิเคราะห์ตอบสนองต่อสิ่งต่างๆ ได้
ทั้งนี้ถึงแม้กระบวนการในการจัดการกับข้อมูลจะดีขึ้นและความผิดพลาดในการทำงานของมนุษย์ที่ป้อนข้อมูลลงไปจะน้อยลง แต่การดูแลรักษาข้อมูลให้มีคุณภาพสม่ำเสมอนั้นก็ยังคงเป็นความท้าทายที่มีโจทย์ใหม่ๆ ให้ต้องเผชิญอยู่เสมอ โดยเฉพาะในโลกของธุรกิจที่คุณภาพของข้อมูลไม่ได้ถูกจำกัดอยู่ที่เฉพาะความถูกต้องหรือความครบถ้วนเท่านั้น แต่ข้อมูลใหม่ๆ เกิดขึ้นอยู่ทุกวัน และการที่ข้อมูลเราไม่อัพเดตเพียงพอ ก็อาจทำให้ข้อมูลที่เราเคยมีอยู่ไม่สามารถตอบโจทย์การใช้งานได้อีกต่อไป
ในการศึกษาร่วมกันระหว่าง US Government และ Census นั้นได้เผยให้เห็นว่าโดยเฉลี่ยแล้ว คุณภาพของข้อมูลจะลดลงไป 27% ต่อปี, 61% ต่อสองปี และ 104% ต่อ 3 ปี ถ้าหากไม่มีการดูแลรักษาด้านคุณภาพอย่างต่อเนื่อง ปัจจัยเหล่านี้เองได้ส่งผลให้ธุรกิจต่างๆ นั้นมีความเชื่อมั่นต่อข้อมูลที่ตนเองมีอยู่เพียงแค่ 30% เท่านั้น ในขณะที่ 80% ของเวลาที่ใช้ในการทำงานนั้นก็คือการจัดการให้ข้อมูลมีคุณภาพที่เพียงพอต่อการใช้งานในเชิงลึก
ภาพเหล่านี้ถูกสะท้อนออกมาอย่างชัดเจนในผลสำรวจจากปี 2018 โดย Gartner ที่ระบุว่าข้อมูลที่มีคุณภาพต่ำนั้น ได้สร้างค่าใช้จ่ายให้กับองค์กรมากถึงราวๆ 426 ล้านบาทต่อปีเลยทีเดียว
Informatica กับแนวทางในการทำ Data Quality Governance
การทำ Data Quality Governance ของ Informatica นั้นจะช่วยให้ธุรกิจสามารถปรับปรุงคุณภาพของข้อมูลได้อย่างต่อเนื่อง เพื่อให้ข้อมูลเหล่านั้นมีความน่าเชื่อถือในการใช้งาน และมีการอัพเดตอย่างสม่ำเสมอให้ทันต่อสถานการณ์ โดยสามารถบังคับใช้แนวทางดังกล่าวนี้กับทั้งองค์กรได้
อย่างไรก็ดี ในการทำ Data Quality Governance ที่ดีนั้นก็ควรจะต้องมีการกำหนดนิยามของคำว่าคุณภาพที่ธุรกิจองค์กรต้องการให้ชัดเจน ตัวอย่างเช่น ทีมงานฝ่ายขายและฝ่าย IT เองก็อาจมีนิยามของคำว่าคุณภาพสำหรับข้อมูลในการติดต่อลูกค้าที่ต่างกันออกไป ดังนั้นการพูดคุยเพื่อทำความเข้าใจและตกลงให้เข้าใจตรงกันได้ก็เป็นสิ่งที่สำคัญ
แนวทางของ Informatica ในการทำ Data Quality Governance จึงแบ่งออกเป็น 2 ส่วนด้วยกัน ดังนี้
- การมี Metadata เพื่อระบุถึงชนิด, ความหมาย และข้อมูลแวดล้อมอื่นๆ ของข้อมูลแต่ละชุด เพื่อให้ผู้ใช้งานสามารถทำความเข้าใจเบื้องต้นได้อย่างรวดเร็ว และตัดสินใจ
นำชุดของข้อมูลไปใช้งานได้อย่างแม่นยำ - การใช้ AI เพื่อทำความเข้าใจข้อมูลแต่ละชุด และตรวจสอบคุณภาพของข้อมูลโดยอัตโนมัติ พร้อมระบุแนวทางในการปรับปรุงคุณภาพของชุดข้อมูลทั้งหมดอย่างต่อเนื่อง
แนวทางดังกล่าวนี้ถือเป็นโซลูชันแรกของโลกในการทำ Data Quality Governance ได้แบบอัตโนมัติ ซึ่งจะช่วยแก้ไขปัญหาในการบริหารจัดการข้อมูลที่นับวันจะยิ่งมีปริมาณและความหลากหลายเพิ่มขึ้นได้อย่างต่อเนื่อง
โซลูชันนี้สามารถถูกใช้งานได้ทั้งในแบบ On Cloud และ On Premises โดยผู้ที่สนใจสามารถติดต่อทีมงาน Vintcom ได้ทันทีที่ ติดต่อ อดิศร 092-542-9361
