TechTalkThai ศูนย์รวมข่าว Enterprise IT ออนไลน์แห่งแรกในประเทศไทย
ทีมงาน TechTalkThai มีโอกาสได้มาร่วมงานสัมมนา Accelerated AI and Data Science with Cloud Agility ซึ่งจัดขึ้นโดยทางทีมงาน IBM Thailand สำหรับอัปเดตเทคโนโลยีทางด้าน Information Architecture และเปิดตัวโซลูชันล่าสุด IBM Cloud Private for Data เพื่อให้องค์กรสามารถตอบรับต่อการทำ Big Data และ AI ได้อย่างมีประสิทธิภาพ พร้อมทั้งอัปเดตแนวโน้มทางด้านธุรกิจที่เริ่มมีการแข่งขันในรูปแบบที่เปลี่ยนไป ซึ่งทางทีมงาน TechTalkThai ก็ขอสรุปเนื้อหาต่างๆ เอาไว้สำหรับผู้อ่านทุกท่านดังนี้ครับ
Digital Transformation เปลี่ยนจากการแข่งขันกับธุรกิจ Startup มาสู่การแข่งขันในระดับธุรกิจองค์กรด้วยกันเอง
IBM ได้ระบุว่าการพูดถึง Disruption กลายเป็นเรื่องใกล้ตัวขึ้นเรื่อยๆ หลายองค์กรต้องปรับตัว หลายๆ องค์กรมีคำถามว่าสิ่งที่ธุรกิจของตนเองทำอยู่นั้นดีหรือยัง และจะนำเทคโนโลยีใหม่ๆ อย่าง AI มาใช้งานได้อย่างไร
ปัจจุบันข้อมูลมีปริมาณมหาศาลมากบนโลก และมีเพียงแค่ประมาณ 20% เท่านั้นที่สามารถค้นหาได้ผ่าน Search Engine ส่วนข้อมูลอีกกว่า 80% ที่เหลือนั้นก็อยู่ภายในการใช้งานส่วนตัวและภายในธุรกิจองค์กรต่างๆ ซึ่งข้อมูลเหล่านี้ก็ถือเป็นทรัพย์สินของธุรกิจ และนำไปใช้ในการแข่งขันได้อีกทางหนึ่ง
ปัจจุบันนี้เหล่าธุรกิจองค์กรนั้นไม่ได้มีเพียงแต่ Startup ที่ต้องจับตามองและแข่งขันแล้ว เนื่องจากยอดการลงทุนในธุรกิจ Startup ในสหรัฐอเมริกานั้นก็หดตัวลงเป็นอย่างมาก แต่เหล่าธุรกิจขนาดใหญ่ที่เริ่มขยับตัวนั้นกลับน่ากลัวยิ่งกว่า เพราะมีทั้งงบประมาณและข้อมูลพร้อมสำหรับใช้ในการแข่งขัน และสิ่งที่เหล่าธุรกิจควรจะต้องทำก็คือการเตรียมความพร้อมรับมือต่อการเปลี่ยนแปลงที่จะเกิดจากเหล่าธุรกิจขนาดใหญ่ที่เริ่มขยับตัวอย่างรุนแรง
Information Architecture for AI Strategy: เมื่อ AI และ Big Data ไม่อาจแยกขาดจากกันได้
- 99% ของเหล่าธุรกิจต้องการมุ่งไปสู่การทำงานแบบ Insight-driven แต่มีเพียง 1 ใน 3 เท่านั้นที่ประสบความสำเร็จ
- ภายในปี 2019 40% ของการทำ Digital Transformation จะมีการใช้บริการระบบ AI
- ภายในปี 2021 75% ของ Application ในระดับองค์กร จะมีการใช้งาน AI
- ลูกค้าจะโต้ตอบกับธุรกิจผ่านทาง Chatbot มากกว่า 50%
- มากกว่า 50% ของหุ่นยนต์ในอุตสาหกรรมจะมีการใช้งาน AI เป็นเบื้องหลัง
บทบาทของ AI ในอนาคตก็คือการที่ AI จะได้เรียนรู้ในสิ่งที่มนุษย์ต้องการจะนำ AI มาช่วยงาน เพื่อให้บุคลากรภายในธุรกิจองค์กรต่างๆ สามารถทำงานได้อย่างมีประสิทธิภาพมากยิ่งขึ้น ดังนั้นบทบาทหลักของเหล่าธุรกิจองค์กรในปัจจุบันนี้จึงแบ่งออกเป็นการมองหาบทบาทของ AI ที่จะมาช่วยเสริมธุรกิจขององค์กรได้ และการเสริมทักษะของบุคลากรให้สามารถใช้งาน AI ได้อย่างมีประสิทธิภาพ และในการก้าวไปสู่ปลายทางดังกล่าว องค์กรก็ต้องเริ่มต้นจากการทำความเข้าใจขอบเขตของเทคโนโลยีให้ดีเสียก่อนว่า AI ทำอะได้ได้มากน้อยแค่ไหน และธุรกิจของเรามีข้อมูลอะไรอยู่บ้างสำหรับพร้อมใช้งาน
ปัจจุบัน IBM ในประเทศไทยเองก็ได้มีบทบาทในการเข้าไปให้คำแนะนำแก่เหล่าธุรกิจองค์กรทั้งเอกชนและภาครัฐในโครงการด้านระบบ Big Data และทาง IBM เองก็ได้เริ่มเห็นถึงแนวโน้มที่เหล่าองค์กรต่างๆ เริ่มมองไกลไปถึงการนำ AI มาใช้ในการช่วยวิเคราะห์ข้อมูลให้มีความเป็นอัตโนมัติมากยิ่งขึ้น และตอบโจทย์ภาคธุรกิจได้ดียิ่งขึ้นไปพร้อมๆ กัน พร้อมกับทิ้งคำกล่าวที่ชวนคิดเอาไว้ว่า “Big Data without AI is a Big Headache.”
สำหรับสิ่งที่ AI สามารถทำได้ดีในปัจจุบัน มีดังนี้
- Locating Knowledge ระบบ Search Engine เพื่อค้นหาข้อมูลต่างๆ ทั้งภายในและภายนอกองค์กร
- Pattern Identification การจำแนกรูปแบบของการทำธุรกรรมและการตลาดรวมถึงการนำไปใช้งานในแผนกอื่นๆ เพื่อค้นหาโอกาสใหม่ๆ ในการทำธุรกิจ หรือการปรับปรุงธุรกิจให้มีประสิทธิภาพมากขึ้น เช่น การค้นหารูปแบบสิ่งที่ลูกค้าของธุรกิจต้องการ เป็นต้น
- Natural Language วิเคราะห์ภาษาสื่อสารที่ใช้งานกันโดยธรรมชาติ เพื่อทำความเข้าใจเนื้อหาที่มีการสื่อสาร
- Machine Learning วิเคราะห์ข้อมูลเพื่อค้นหารูปแบบสำหรับนำมาใช้ในการทำนายหรือจำแนกกลุ่มและประเภทของสิ่งต่างๆ
- Eliminate Bias ทำการวิเคราะห์และนำเสนอข้อมูลโดยปราศจาก Bias จากมนุษย์
- Endless Capacity การวิเคราะห์ข้อมูลปริมาณมหาศาลได้อย่างรวดเร็ว
องค์กรควรเริ่มโครงการ AI และ Big Data จากโจทย์ขนาดเล็กๆ ก่อนเพื่อให้ธุรกิจมีความรู้ความเข้าใจในเทคโนโลยี และเริ่มเห็นผลลัพธ์จากการนำเทคโนโลยีมาใช้อย่างได้ผล เพื่อให้ในอนาคตการลงทุนในโครงการด้าน AI และ Big Data ต่อไปนั้นมีทิศทางที่ชัดเจนมากยิ่งขึ้นและเลือกใช้เทคโนโลยีได้อย่างเหมาะสมมากยิ่งขึ้นต่อไป
มีเพียง 20% ของโครงการ Data Science ในธุรกิจองค์กรเท่านั้นที่ประสบความสำเร็จ
ทาง IBM ได้นำเสนอถึง 4 ลำดับขั้นตอนพื้นฐานของโครงการ Data Science เอาไว้ดังนี้
- Gather All Data รวบรวมข้อมูล
- Prepare Data แปลงข้อมูลให้อยู่ในรูปที่พร้อมใช้งานได้
- Machine Learning Pattern Identification สร้างโมเดลการวิเคราะห์รูปแบบต่างๆ ที่เกิดขึ้นในข้อมูล
- Evaluate Test Model ทดสอบโมเดลที่สร้างขึ้นมาเพื่อตรวจสอบความแม่นยำ
กระบวนการเหล่านี้เป็นกระบวนการที่ต้องทำซ้ำอย่างต่อเนื่องเพื่อให้ระบบมีความแม่นยำมากยิ่งขึ้น ไม่ว่าจะเนื่องจากการเรียนรู้ข้อมูลใหม่ๆ เพิ่มเติม, การทดสอบกับข้อมูลตัวอย่างที่กว้างยิ่งกว่าเดิม ไปจนถึงการปรับเปลี่ยนโมเดลที่ใช้ในการเรียนรู้เพื่อให้ตรงต่อวัตถุประสงค์มากยิ่งขึ้น
อย่างไรก็ดี กว่า 80% ของเวลาที่ใช้ในการทำโครงการคือการรวบรวมข้อมูลจากหลากหลายแหล่งและนำมาแปลงให้อยู่ในรูปที่พร้อมนำไปใช้งานได้ ซึ่งขั้นตอนเหล่านี้ก็ถือเป็นขั้นตอนที่ทำให้เหล่าผู้เชี่ยวชาญต้องเสียเวลาเป็นอย่างมากกว่าที่โครงการใดๆ จะเริ่มต้นและทำงานได้จริง ด้วยปัจจัยต่างๆ ทั้งข้อมูลที่เก่าเกินไป, ข้อมูลที่ไม่ครบถ้วน และอื่นๆ อีกมากมาย ซึ่งสิ่งเหล่านี้สามารถถูกแก้ไขและทำให้เป็นอัตโนมัติได้ด้วยเครื่องมือต่างๆ และเทคโนโลยี AI
IBM ได้นำเสนอแนวโน้มอีกว่ามีเพียง 20% ขององค์กรเท่านั้นที่นำ AI ไปใช้งานจริงได้ประสบความสำเร็จ ทั้งนี้ก็เป็นเพราะขั้นตอนในการสร้าง Information Architecture หรือ IA ที่เหมาะสมและรองรับต่อการทำ AI ได้ดีนั้นถือเป็นหัวใจสำคัญ เพราะ AI จะไม่สามารถขับเคลื่อนธุรกิจองค์กรได้อย่างมีประสิทธิภาพเลย หากระบบการจัดการข้อมูลขององค์กรนั้นยังคงเป็นคอขวดของธุรกิจอยู่
IBM ได้สรุปถึง 2 ปัจจัยหลักที่ทำให้โครงการด้าน Data Science และ AI ดำเนินไปได้อย่างเชื่องช้าหรือไม่ประสบความสำเร็จ ดังนี้
- ไม่รู้ว่า AI เก่งตรงไหน ทำให้ไม่สามารถขึ้นโครงการที่ใช้ AI เพื่อตอบโจทย์ได้อย่างรวดเร็ว
- ระบบจัดการข้อมูลไม่มีประสิทธิภาพ Data Scientist ไม่สามารถทำงานได้
- ข้อมูลไม่ได้ถูกจัดเก็บอย่างเป็นระบบ เข้าถึงได้ยาก
- มีเครื่องมือในการวิเคราะห์ที่หลากหลายเกินไป ดูแลยาก ถ่ายทอดความรู้ได้ยาก
- ไม่มีกระบวนการการใช้งานและวิเคราะห์ข้อมูลที่เป็นมาตรฐาน
- ขาดวัฒนธรรมองค์กรที่ดีในการทำงานร่วมกันระหว่างแผนกเพื่อแลกเปลี่ยนข้อมูล ไปจนถึงการไม่เชื่อมั่นในเทคโนโลยี AI
Hybrid Data Lake Architecture การเลือกใช้เทคโนโลยีสำหรับจัดเก็บข้อมูลให้เหมาะสม ก็เป็นอีกหัวใจที่สำคัญ
อีกหนึ่งประเด็นน่าสนใจที่ IBM พูดถึงก็คือการที่ข้อมูลที่อยู่ในองค์กรนั้นมีรูปแบบที่หลากหลาย และการนำไปใช้งานก็มีความแตกต่างกัน ดังนั้นการเลือกใช้เทคโนโลยีที่เหมาะสมต่อสองปัจจัยนี้ก็จะเป็นสิ่งที่ช่วยเพิ่มโอกาสสำเร็จของการทำโครงการด้าน Data Science และ AI และประเด็นนี้ก็ไม่ได้มีสูตรสำเร็จที่ตายตัว เพราะแต่ละธุรกิจองค์กรนั้นก็มีความแตกต่างกัน
IBM ได้นำเสนอแนวคิดของ Hybrid Data Lake Architecture ที่นำเทคโนโลยี Data Virtualization เข้ามาช่วยเพื่อให้สามารถใช้งานเทคโนโลยีได้อย่างหลากหลายในการจัดเก็บและจัดการเข้าถึงข้อมูลรูปแบบต่างๆ โดยเฉพาะอย่างยิ่งบรรดาเทคโนโลยี Open Source Software ที่มีบทบาทเป็นอย่างมากในวงการนี้ และปรับเปลี่ยนเทคโนโลยีให้เหมาะสมต่อความต้องการใหม่ๆ ในการนำข้อมูลไปใช้งาน
แน่นอนว่าอีกปัจจัยที่สำคัญก็คือการเสริมสร้างทักษะให้กับเหล่าผู้ดูแลระบบ IT และผู้ดูแลข้อมูล เพราะแทบทุกเทคโนโลยีถือเป็นเทคโนโลยีใหม่สำหรับเหล่าองค์กรทั้งสิ้น และการมีองค์ความรู้ในเชิงลึกเกี่ยวกัเทคโนโลยีเหล่านี้เองก็จะช่วยให้องค์กรสามารถเลือกใช้งานเทคโนโลยีได้อย่างเหมาะสม
นำ Agile มาใช้กับการจัดการข้อมูล: ใช้ Microservices ตอบโจทย์
IBM ได้เล่าถึงโซลูชัน IBM ICP4Data ที่ IBM ได้เปลี่ยนสถาปัตยกรรมภายในให้เป็นแบบ Microservices ทั้งหมดในการบริหารจัดการข้อมูลบน Private Cloud และ Public Cloud เพื่อให้เหล่าองค์กรมีความยืดหยุ่นในการเลือกใช้เทคโนโลยีที่เหมาะสมกับข้อมูล และเพิ่มขยายประสิทธิภาพเฉพาะส่วนได้ตามต้องการ อีกทั้งยังครอบคลุมไปถึงการตรวจสอบประสิทธิภาพการทำงานและการแก้ไขปัญหาทั้งหมดได้อย่างง่ายดาย
เทคโนโลยีหลักในระบบนี้ก็คือการนำ Kubernetes มาใช้ในการจัดการกับ Container ของบริการต่างๆ ที่เกี่ยวข้องในการจัดการกับข้อมูล ซึ่งนอกจากจะตอบโจทย์ด้านการแปลงสถาปัตยกรรมให้กลายเป็น Microservices เพื่อให้ได้มาซึ่งความยืดหยุ่นในการเลือกใช้และจัดการกับเทคโนโลยีต่างๆ แล้ว ก็ยังเป็นก้าวสำคัญในการนำองค์กรไปสู่กลยุทธ์ Multi-Cloud ด้วยในตัว
Container: เทคโนโลยีที่จะมาพลิกโฉมโลก Data Center ขององค์กร
เพื่อขยายความถึงข้อดีของการนำ Microservices มาใช้งาน ทาง IBM ได้เล่าถึงข้อดีของการนำเทคโนโลยี Container มาใช้งานดังนี้
- สามารถทำ Continuous Delivery อัปเดตและแก้ไข Software ต่างๆ ได้อย่างต่อเนื่อง
- เพิ่มความมั่นคงปลอดภัยให้กับระบบ ด้วยการลดความซับซ้อนและส่วนประกอบในแต่ละ Container ให้เหลือน้อยลง ง่ายต่อการจัดการด้านความมั่นคงปลอดภัย
- ทำงานได้บนทุกเทคโนโลยี ไม่ติดปัญหาด้านความแตกต่างของสภาพแวดล้อมภายในระบบอีกต่อไป
- ทำงานได้เหมือนกันบนทุกที่ ลดโอกาสการเกิดบั๊กในขั้นตอนการพัฒนา ทดสอบ และใช้งานจริงลง
การนำสถาปัตยกรรม Microservices มาใช้งานนี้จะนำองค์กรไปสู่การพัฒนา Cloud Native Application ที่แยกบริการย่อยต่างๆ ภายในระบบออกเป็น Microservices และแยกฐานข้อมูลออกเป็นหลายๆ ระบบสำหรับรองรับแต่ละ Microservices แยกกันไป ในขณะที่มีระบบบริหารจัดการจากศูนย์กลางและมีหน้าจอการใช้งานที่เชื่อมต่อบริการย่อยต่างๆ เข้าด้วยกัน
Kubernetes ที่จะเป็นเทคโนโลยีหลักในการบริหารจัดการ Container จาก Docker นี้ก็คือโครงการ Open Source Software ที่ IBM เลือกใช้ ด้วยความสามารถต่างๆ ที่หลากหลายดังนี้
- Intelligent Scheduling การเลือกใช้ทรัพยากรในระบบต่างๆ อย่างชาญฉลาด เพื่อให้ระบบต่างๆ สามารถทำงานได้อย่างเต็มประสิทธิภาพและทนทาน
- Self Healing การตรวจสอบการทำงานของ Container เพื่อให้มั่นใจว่าบริการต่างๆ สามารถทำงานได้อยู่เสมอ และซ่อมแซมตนเองได้เมื่อระบบใดหยุดทำงาน รวมถึงให้ Container อื่นๆ ทำงานทดแทนระบบส่วนที่หยุดทำงานไป
- Horizontal Scaling สามารถเพิ่มขยายระบบเพื่อเสริมประสิทธิภาพในการประมวลผลได้อย่างง่ายดาย
- Service Discovery and Load Balancing สามารถจัดการตั้งค่าการเชื่อมต่อและการทำงานทดแทนในแต่ละ Microservices ได้ด้วนตนเอง
- Automated Rollout and Rollback สามารถทำการแก้ไขเปลี่ยนแปลงส่วนต่างๆ ของระบบให้เป็นโค้ดชุดใหม่ได้ และทำการเปลี่ยนระบบกลับหากพบว่ามีปัญหาได้
- Secret and Configuration Management สามารถจัดการกับกุญแจเข้ารหัสและการตั้งค่าของแต่ละ Container หรือ Service ที่ใช้งานได้
ใน Kubernetes นั้นเราจะทำการสร้าง Pod ขึ้นมาสำหรับแต่ละ Microservices เพื่อให้การ Deploy สามารถทำงานได้อย่างง่ายดาย และกำหนดปริมาณของ Container ที่ต้องการสร้างขึ้นมาทำงานได้อย่างยืดหยุ่น และลดความผิดพลาดในการติดตั้งระบบหรือเริ่มต้นใช้งานด้วยการนำแนวคิดของ Infrastructure-as-Code มาใช้ ซึ่งในระบบขนาดใหญ่เองก็จะประกอบด้วยหลาย Pod ที่ทำงานร่วมกันเพื่อเกิดเป็นภาพรวมของบริการหนึ่งๆ ขึ้นมา
IBM Cloud Private for Data: โซลูชันระบบ Private Cloud สำหรับการจัดการข้อมูล
จะเห็นได้ว่าการออกแบบระบบ Information Architecture ที่ดีนั้นจะต้องประกอบไปด้วยองค์กรประกอบต่างๆ มากมายรวมถึงต้องมีการใช้งานโครงการ Open Source Software ต่างๆ ที่หลากหลาย ทำให้การออกแบบ ติดตั้ง และดูแลรักษาระบบเหล่านี้ไม่ใช่เรื่องง่าย และหลายๆ ครั้งก็กลายเป็นคอขวดที่ทำให้องค์กรไม่ประสบความสำเร็จในโครงการด้าน Big Data และ AI ซึ่ง IBM เองก็ต้องการตีโจทย์เหล่านี้เพื่อให้เหล่าองค์กรสามารถก้าวไปสู่ขั้นถัดไปในการทำ Digital Transformation ด้วยการนำข้อมูลมาใช้ในการทำธุรกิจอย่างมีประสิทธิภาพให้ได้
เพื่อให้เหล่าองค์กรมีระบบ Infrastructure สำหรับการจัดการข้อมูลที่เหมาะสมและก้าวไปสู่การใช้งาน AI ได้อย่างมีประสิทธิภาพและรองรับการเติบโตในอนาคตได้เป็นอย่างดี รวมถึงยังสามารถบริหารจัดการได้อย่างง่ายดายด้วยหน้า GUI ที่สวยงาม ทาง IBM จึงได้ทำการพัฒนาโซลูชัน IBM Cloud Private for Data หรือ ICP for Data ขึ้นมาเพื่อตอบโจทย์เหล่านี้โดยเฉพาะ ด้วยคุณสมบัติที่น่าสนใจดังนี้
- เป็นโซลูชัน Software ที่สามารถทำงานได้บน Hardware Server หลากหลาย คุ้มค่าต่อการลงทุน คิด License ตาม vCPU ที่ใช้งาน
- ติดตั้งมาให้พร้อมใช้งานได้ทันที ไม่ต้องวุ่นวายกับการ Integrate ระบบต่างๆ เข้าด้วยกันเอง
- รองรับการใช้งานได้ทั้ง Virtual Machine (VM) และ Container เพื่อให้องค์กรสามารถใช้งานทรัพยากรที่มีอยู่ได้อย่างคุ้มค่าและยืดหยุ่น ตอบรับต่อเทคโนโลยีใหม่ๆ ที่จะนำมาใช้งานได้
- มี Middleware, Database และเทคโนโลยีต่างๆ จาก IBM สำหรับใช้ในการจัดการกับข้อมูลในหลากหลายรูปแบบได้อย่างมีประสิทธิภาพ รองรับข้อมูลแบบ Structured Data ได้หลากหลายรูปแบบ และสามารถทำงานร่วมกับ Hortonworks เพื่อรองรับกรณีของการจัดการกับ Unstructured Data ภายในองค์กรได้
- มีเทคโนโลยี Data Integration เบื้องต้นให้พร้อมใช้งาน รองรับทั้งการ Clean, Prepare, Transform และ Catalog ได้ในตัว และในอนาคตจะมีเทคโนโลยีใหม่ๆ เสริมเพิ่มขึ้นเรื่อยๆ
- สามารถสร้าง Project และ Dashboard แยกสำหรับแต่ละโครงการได้ ทำให้บริหารจัดการข้อมูลแยกขาดจากกันในแต่ละโครงการได้
- สามารถติดตามการฝึกโมเดลทั้งหมดที่เกิดขึ้นได้ตลอดเวลา
- มีการ Integrate ระบบ Machine Learning เอาไว้ในตัว พร้อมทำการวิเคราะห์ Pattern ของข้อมูลได้ทันที
- สามารถทำงานร่วมกับ IBM Watson Studio, IBM Cognos on Cloud และ Framework ต่างๆ ของเทคโนโลยีในฝั่ง AI ได้ ทำให้องค์กรมีทางเลือกในการใช้งานเทคโนโลยีที่หลากหลาย ด้วยการนำโมเดลที่สร้างขึ้นมาไปใช้งานในระบบอื่นๆ ได้อย่างอิสระ
- มีระบบบริหารจัดการข้อมูลและการประมวลผลด้าน AI ทำให้องค์กรสามารถทำงานได้อย่างมีประสิทธิภาพ
- มีโซลูชันด้านระบบ Analytics หลากหลายให้เลือกใช้งานได้ทันทีในรูปแบบ Microservices
- สามารถบริหารจัดการได้ง่าย ทั้งในแง่ของการใช้งานและการจัดการด้าน Security ภายในระบบ
- สามารถทำงานได้ทั้งแบบ Hybrid Cloud และ Multi-Cloud เลือกได้ว่าจะนำข้อมูลและการประมวลผลส่วนใดอยู่ภายในองค์กรและภายนอกองค์กร
- บริหารจัดการระบบ Container ด้วย Kubernetes ได้อย่างยืดหยุ่น และเชื่อมต่อกับบริการอื่นๆ ได้ผ่าน API
- สามารถรวบรวมและจัดเตรียมข้อมูลได้อย่างรวดเร็ว
- มีการทำ Containerize สำหรับทั้ง Data และ Service เพื่อให้สามารถทำการ Deploy ระบบได้อย่างรวดเร็ว
โซลูชันนี้จะช่วยให้องค์กรสามารถวางระบบ Infrastructure ที่สามารถใช้จัดการข้อมูลได้อย่างมีประสิทธิภาพและพร้อมรองรับการเพิ่มขยายได้อย่างต่อเนื่องในอนาคต ทำให้องค์กรไม่ต้องพะวงกับประเด็นด้านการจัดการข้อมูลและการนำข้อมูลมาใช้อีกต่อไป และมุ่งไปสู่การนำข้อมูลต่างๆ เข้ามาวิเคราะห์เพื่อสร้างโอกาสใหม่ๆ ทางธุรกิจได้อย่างต่อเนื่อง
ปัจจุบันนี้ IBM Cloud Private for Data มีลิขสิทธิ์ในการใช้งานด้วยกัน 3 รูปแบบ ได้แก่
- Community Edition สำหรับการใช้งานเพื่อการทดสอบในระบบ Non-Production
- Cloud Native Edition สำหรับระบบขนาดเล็กเพื่อใช้ในการวิเคราะห์ข้อมูลเบื้องต้นในระบบ Production
- Enterprise Edition สำหรับระบบขนาดใหญ่พร้อมฟีเจอร์แบบสมบูรณ์ เพื่อใช้ในระบบ Production ขนาดใหญ่
ผู้ที่สนใจสามารถศึกษาข้อมูลเพิ่มเติมเกี่ยวกับโซลูชันได้ที่ https://www.ibm.com/analytics/cloud-private-for-data-journey-to-ai โดยสามารถทำการทดสอบระบบฟรีๆ หรือศึกษาข้อมูลเพิ่มเติมเกี่ยวกับตัวอย่างการใช้งานได้ที่ https://ibm-dte.mybluemix.net/ibm-cloud-private-for-data และสำหรับด้านล่างนี้เป็นตัวอย่างการใช้งาน IBM Cloud Private for Data ครับ
กรณีศึกษาการใช้งาน IBM Cloud Private for Data ในอุตสาหกรรมต่างๆ
IBM ได้เล่าถึงกรณีศึกษาของการใช้งาน IBM Cloud Private for Data ในอุตสาหกรรมต่างๆ หลากหลาย ได้แก่
- สถาบันการเงินในยุโรป ใช้สร้างบริการ Data & Analytics แบบ White Label ให้กับลูกค้ารายต่างๆ
- ธนาคารในแอฟริกา ใช้สร้างระบบ Hybrid Cloud และ Multi-Cloud สำหรับ Data Analytics และ Machine Learning
- ธนาคารในจีน ใช้สร้างระบบ eLoan Application ที่มีความสามารถในการทำ Compliance, Audit, Anti-Fraud และ Risk Management ในตัว
- ธุรกิจการบินและอวกาศในอเมริกาเหนือ ใช้ในการจัดการระบบ Data Analytics แบบครบวงจร ซึ่งเดิมทีใช้โซลูชัน Open Source เป็นหลักอยู่แล้ว
- สถาบันการเงินในอเมริกาเหนือ พัฒนาระบบ Enterprise Search Engine สำหรับค้นหาข้อมูลใน Data Source และ Analytics Asset
- ธนาคารในยุโรป ใช้สร้างระบบ Cognitive Platform เพื่อรองรีับการทำ Natural Language Processing และ Machine Learning ภายในองค์กร
จะเห็นได้ว่าโจทย์ส่วนใหญ่นั้นคือการนำ IBM Cloud Private for Data ไปใช้เป็นระบบโครงสร้างพื้นฐานให้กับระบบ Data Analytics ที่มีอยู่เดิม เพื่อต่อยอดทั้งในแง่ของการก้าวไปสู่ Hybrid Cloud, Multi-Cloud, AI ไปจนถึงการพัฒนา Application ทางด้าน Data เพื่อใช้งานภายในหรือให้บริการลูกค้าเป็นหลักนั่นเอง
ผู้ที่สนใจสามารถติดต่อทีมงาน IBM Thailand ได้ทันที
สำหรับผู้ที่สนใจในโซลูชันทางด้าน Big Data หรือ AI และต้องการพูดคุยกับทีมงาน IBM Thailand สามารถติดต่อทีมงานได้ทันทีที่ pakornki@th.ibm.com
