Data Quality Governance สำคัญอย่างไร? ทำไมธุรกิจองค์กรที่มีกลยุทธ์ด้าน Data และ AI จึงต้องใส่ใจประเด็นนี้?

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

  1. การมี Metadata เพื่อระบุถึงชนิด, ความหมาย และข้อมูลแวดล้อมอื่นๆ ของข้อมูลแต่ละชุด เพื่อให้ผู้ใช้งานสามารถทำความเข้าใจเบื้องต้นได้อย่างรวดเร็ว และตัดสินใจ
    นำชุดของข้อมูลไปใช้งานได้อย่างแม่นยำ
  2. 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


About nattakon

จบการศึกษา ปริญญาตรีและโท สาขาวิศวกรรมคอมพิวเตอร์ KMITL เคยทำงานด้าน Engineer/Presale ดูแลผลิตภัณฑ์ด้าน Network Security และ Public Cloud ในประเทศ ปัจจุบันเป็นนักเขียน Full-time ที่ TechTalkThai

Check Also

Google เปิดตัว Secure AI Framework แนวทางการสร้าง AI อย่างปลอดภัย

Google เปิดตัว Secure AI Framework ช่วยแนะนำแนวทางการสร้าง AI อย่างปลอดภัย

Cisco เปิดตัวบริการ Multicloud Defenese

Cisco ได้ประกาศเปิดตัวบริการใหม่ Cisco Multicloud Defense ช่วยสร้างนโยบายรักษาความมั่นคงปลอดภัยสำหรับระบบ MultiCloud รองรับผู้ให้บริการ Public Cloud หลายราย