Black Hat Asia 2021

ก้าวนำธุรกิจการผลิตและโลกแห่งการแข่งขันด้วยข้อมูล ด้วยระบบวิเคราะห์ข้อมูลและการคาดการณ์ของตลาด จาก SAS

สำหรับธุรกิจโรงงานและการผลิตซึ่งถือเป็นอุตสาหกรรมใหญ่ของประเทศไทยนั้น การวิเคราะห์ข้อมูลในการทำงานส่วนต่างๆ ภายในโรงงานเพื่อให้สามารถทำงานได้แม่นยำ ถือเป็นอีกหนึ่งหนทางที่จะช่วยให้ธุรกิจสามารถดำเนินไปได้อย่างมีประสิทธิภาพมากขึ้น และลดค่าใช้จ่ายลงได้อย่างเห็นผล

SAS ในฐานะของผู้นำด้านเทคโนโลยีการวิเคราะห์ข้อมูลสำหรับธุรกิจองค์กร ได้แนะนำให้ธุรกิจโรงงานและการผลิตนั้นปรับโมเดลการดำเนินงานไปสู่รูปแบบของ Demand Driven Supply Chain ด้วยการนำเทคโนโลยีการวิเคราะห์ข้อมูลชั้นสูงและการทำนายแนวโน้มมาใช้ เพื่อทำนายความต้องการของตลาด และนำมาสู่การผลิตตามข้อมูลแนวโน้มที่วิเคราะห์ได้ ทำให้เกิดประสิทธิภาพในการผลิตสูงสุด และเกิดของเสียน้อยที่สุดไปในเวลาเดียวกัน

ปัญหาของการผลิตในแบบ Supply Driven Supply Chain

SAS นั้นมีลูกค้าในกลุ่มธุรกิจโรงงานและการผลิตทั่วโลกมากกว่า 2,800 ราย โดยกว่า 75% ของธุรกิจโรงงานและการผลิตและ 99% ของธุรกิจ CPG, อวกาศ และการแพทย์ใน Fortune 500 นั้นก็ได้เลือกใช้ SAS ในการวิเคราะห์ข้อมูล ทำให้ SAS นั้นมีประสบการณ์กับการวิเคราะห์ข้อมูลในธุรกิจกลุ่มนี้เป็นอย่างดี

Credit: SAS

SAS ระบุว่าส่วนใหญ่นั้นธุรกิจโรงงานและการผลิตมักดำเนินธุรกิจในรูปแบบ Supply Driven Supply Chain กันเป็นพื้นฐาน โดยอาศัยการทำ Lean Manufacturing เพื่อผลิตสินค้าให้ได้มีอย่างมีประสิทธิภาพด้วยกระบวนการที่มีความคุ้มค่าสูงสุดเพื่อลดต้นทุนการผลิตเป็นหลัก และนำสินค้าออกไปจำหน่ายผ่านตัวแทนจำหน่ายหรือช่องทางต่างๆ โดยหวังว่าการผลิตสินค้าที่เป็นที่ต้องการโดยพื้นฐานของตลาดเป็นจำนวนมากนี้ได้อย่างต่อเนื่องจะทำให้ธุรกิจเติบโต

Credit: SAS

อย่างไรก็ดี เมื่อธุรกิจมีความซับซ้อนสูงขึ้น มีผลิตภัณฑ์ที่หลากหลาย และผลิตภัณฑ์แต่ละชนิดนั้นก็มีความต้องการในรูปแบบที่แตกต่างกัน มีสถานะหรือตำแหน่งในตลาดที่แตกต่างกัน รวมไปถึงยังมีสภาพแวดล้อมภายในตลาดและการแข่งขันที่แตกต่างกัน ส่งผลให้การวางแผนการผลิตนั้นก็เริ่มมีความซับซ้อนสูงขึ้นตามไปด้วย

ด้วยเหตุนี้ สำหรับธุรกิจโรงงานและการผลิตที่มีเป้าหมายในการเติบโตให้ได้อย่างมั่นคงและสร้างสรรค์ผลิตภัณฑ์ใหม่ๆ ออกสู่ตลาดให้ได้อย่างต่อเนื่องนั้น การผลิตในแบบ Supply Driven Supply Chain นี้จึงถือว่าไม่ตอบโจทย์อีกต่อไป การมุ่งเป้าไปที่การผลิตให้ได้ด้วยประสิทธิภาพและประสิทธิผลที่สูงสุดเพียงอย่างเดียวนั้นไม่พอ แต่การเข้าใจในฝั่งของความต้องการหรือ Demand และตลาดหรือ Market นั้นจึงเป็นอีกก้าวสำคัญของธุรกิจในอุตสาหกรรมนี้

เพิ่มประสิทธิภาพการผลิตด้วย Demand Driven Supply Chain พร้อมต่อยอดสู่ภาพ Market Driven

แนวคิด Demand Driven Supply Chain นั้นได้กลายเป็นที่นิยมในธุรกิจโรงงานและการผลิตในช่วงหลายปีที่ผ่านมา ภายใต้แนวคิดการผลิตในแบบ Data Driven ที่ใช้ข้อมูลเป็นตัวนำเพื่อให้ธุรกิจสามารถทำการผลิตได้อย่างมีประสิทธิภาพด้วยปริมาณและราคาที่ตอบโจทย์ต่อความต้องการของตัวแทนจำหน่ายและลูกค้ามากยิ่งขึ้น

Credit: SAS

เหมือนดังชื่อเรียก แนวคิดนี้อาศัยข้อมูลจากฝั่งความต้องการมาใช้ในการวิเคราะห์เพื่อให้ธุรกิจโรงงานและการผลิตสามารถกำหนดได้ว่าควรจะผลิตสินค้าชนิดใดเป็นจำนวนมากน้อยเพียงใด เพื่อให้เหมาะสมกับความต้องการ โดยเกิดของเสียน้อยที่สุด ทำให้ในภาพรวมแล้วการผลิตนั้นเป็นไปได้อย่างมีประสิทธิภาพมากขึ้น ซึ่งตรงจุดนี้เอง ที่ทำให้ธุรกิจโรงงานและการผลิตต้องเริ่มหันมาให้ความสำคัญกับการจัดเก็บข้อมูลเพื่อนำมาใช้ในการวิเคราะห์เชิงสถิติและการวิเคราะห์เชิงทำนายหรือ Forecasting ให้ได้อย่างแม่นยำ

การปรับธุรกิจสู่รูปแบบ Demand Driven นี้ไม่เพียงแต่จะตอบโจทย์ของตัวแทนจำหน่ายแต่ละรายได้อย่างเหมาะสมในแต่ละช่วงเวลามากขึ้นเท่านั้น แต่การรวบรวมข้อมูลเพื่อนำมาวิเคราะห์นี้ หากมีข้อมูลที่เหมาะสมในปริมาณที่มากพอ ก็จะทำให้ธุรกิจนั้นสามารถก้าวไปสู่ Market Driven ที่เข้าใจความต้องการของตลาดมากขึ้น และสามารถผลิตสินค้าใหม่ๆ ที่ตอบโจทย์ความต้องการของลูกค้าปลายทางได้จริงๆ และช่วยเร่งยอดขายทั้งในการขายสินค้าแบบ Direct to Customer (D2C) และการขายผ่านตัวแทนจำหน่ายไปได้พร้อมๆ กัน

หากอ้างอิงจากรายงาน Business Case for Demand Planning ของ Gartner นั้น การดำเนินธุรกิจในแบบ Demand Driven นี้จะช่วยให้ธุรกิจดำเนินต่อไปได้อย่างมีประสิทธิภาพมากยิ่งขึ้นดังนี้

  • ทำให้มีสินค้าวางจำหน่ายได้อยู่ตลอดโดยไม่ขาดช่วงมากขึ้น 20-30%
  • ลดค่าใช้จ่ายที่เกิดขึ้นจากการจัดเก็บสินค้าลง 15-30%
  • ลดโอกาสที่สินค้าจะหมดอายุหรือตกรุ่นไม่สามารถขายได้ลง 10-15%
  • เพิ่มรายได้และกำไรของธุรกิจ 1-3%

5 ขั้นตอนแนะนำสู่การผลิตแบบ Demand Driven Supply Chain ด้วยโซลูชันจาก SAS

เพื่อตอบสนองต่อโจทย์ของธุรกิจโรงงานและการผลิตในการก้าวสู่ภาพของ Demand Driven และ Market Driven ทาง SAS จึงได้ทำการผสานเทคโนโลยีการวิเคราะห์ข้อมูลธุรกิจด้วยแนวคิดเชิงสถิติเข้ากับเทคโนโลยีปัญญาประดิษฐ์หรือ AI เพื่อให้สามารถวิเคราะห์ข้อมูลปริมาณมหาศาลที่มีความซับซ้อนสูงได้อย่างแม่นยำ รองรับการสร้างโมเดลในการคำนวณรูปแบบต่างๆ ได้อย่างหลากหลายพร้อมทดสอบความถูกต้องในการทำงาน

SAS นั้นได้มีการลงทุนไปกับการพัฒนาเทคโนโลยี AI ให้สามารถนำมาใช้งานได้จริงสำหรับธุรกิจองค์กรมากกว่า  1,000 ล้านเหรียญดอลลาร์สหรัฐหรือราวๆ 30,000 ล้านบาท ครอคลุมทั้งการทำ Computer Vision, Natural Language Processing, Machine Learning, Deep Learning พร้อมทั้งพัฒนาในส่วนของการฝึกอบรมทักษะบุคคลากร และการสร้างทีมบริการด้าน AI เข้ามาช่วยตอบโจทย์เหล่านี้โดยเฉพาะ

ในการช่วยให้ธุรกิจโรงงานและการผลิตก้าวสู่ภาพของ Demand Driven และ Market Driven ได้นั้น SAS ระบุว่าขั้นตอนในการวิเคราะห์ข้อมูลที่จำเป็นนั้นจะมีด้วยกัน 5 ขั้นตอน ได้แก่

  1. Data Preparation & Hierachical Series Creation การจัดเตรียมข้อมูลด้านการขายในอดีตที่ผ่านมาเพื่อให้พร้อมต่อการนำไปวิเคราะห์ โดยการรวมข้อมูลในระดับรายเดือน
  2. Analytical Clustering การวิเคราะห์ข้อมูลเพื่อทำการแบ่งหมวดหมู่ของสินค้าที่มีรูปแบบในการขายที่คล้ายคลึงกัน
  3. Hierarchical Forecasting & Model Selection การสร้าง Forecasting Model สำหรับใช้ในการทำนายแนวโน้มให้มีความแม่นยำตามหมวดหมู่ของผลิตภัณฑ์ที่ได้ทำการแบ่งเอาไว้ก่อนหน้า
  4. Iterative Forecast ทำการวิเคราะห์แนวโน้มรายไตรมาส และนำข้อมูลที่ได้มาเพิ่มเติมในแต่ละไตรมาสมาเสริมความแม่นยำให้กับโมเดลที่ใช้
  5. Accuracy Evaluation การประเมินความแม่นยำในการทำนาย โดยเมื่อจบขั้นตอนนี้แล้วจะเกิดการย้อนไปทำตั้งแต่ขั้นตอนแรกใหม่ซ้ำ เพื่อปรับปรุงให้การวิเคราะห์ข้อมูลมีประสิทธิภาพมากยิ่งขึ้นไปเรื่อยๆ

SAS เคยทำการทดลอง 5 ขั้นตอนนี้กับลูกค้ารายหนึ่ง ด้วยการใช้ข้อมูลการขายย้อนหลัง 3 ปี และพบว่า SAS สามารถทำนายข้อมูลได้แม่นยำกว่าวิธีการเดิมๆ ที่ธุรกิจเคยใช้ในภาพรวม 14-22% โดยเวลาที่ใช้ในการประมวลผลเพื่อทำนายแต่ละครั้งนั้นอยู่ที่เพียงประมาณ 3 นาทีเท่านั้น

สำหรับธุรกิจองค์กรที่ต้องการค่อยๆ ปรับตัวสู่ Demand Driven และ Market Driven ให้ได้อย่างเต็มตัวนั้น SAS แนะนำว่า Roadmap ของธุรกิจนั้นควรดำเนินไปภายใต้ 5 ชั้นตอนใหญ่ๆ ดังนี้

ระยะสั้น

  • Statistical Forecast ปรับธุรกิจให้มีข้อมูลเพียงพอสำหรับการวิเคราะห์ และทำการวิเคราะห์เชิงสถิติเบื้องต้นให้ได้แบบอัตโนมัติอย่างต่อเนื่องเพื่อให้มีข้อมูลพื้นฐานสำหรับใช้ในการตัดสินใจเชิงธุรกิจเสียก่อน
  • Supply Chain Data Repository ปรับกระบวนการทำงานของธุรกิจให้เกิดการบันทึกจัดเก็บข้อมูล Supply Chain ทั้งขาเข้าและขาออก รวมถึงข้อมูลการซื้อขายให้เป็นไปได้โดยอัตโนมัติ มีความถูกต้องแม่นยำ และพร้อมให้นำข้อมูลส่วนนี้ไปใช้ในการวิเคราะห์ได้ทั้งสำหรับ Business Analyst และ Data Scientist

ระยะกลาง

  • Process Analysis ทำการวิเคราะห์ข้อมูลที่มีอยู่เพื่อสร้างคุณค่าใหม่ๆ ให้กับธุรกิจ จัดลำดับความสำคัญของสิ่งที่ควรวิเคราะห์ ทำความเข้าใจว่าสิ่งที่สร้างคุณค่าให้กับแต่ละกระบวนการคืออะไร และสร้าง Business Dashboard ในแบบ Interactive ที่มีการอัปเดตข้อมูลโดยอัตโนมัติเพื่อให้ติดตาม KPI สำคัญใน Supply Chain ได้ทั้งหมด
  • Integrated Forecasting นำผลวิเคราะห์เชิงทำนายมาใช้ชี้นำธุรกิจ เพื่อทำนายถึงการวางแผน Demand ในอนาคต และนำไปสู่การวางแผนส่วนต่างๆ ของ Supply Chain ตาม Demand ที่ถูกทำนายนี้ รวมถึงเริ่มมีการนำข้อมูลจากปัจจัยภายนอกเข้ามารวบรวมและใช้ในการวิเคราะห์เพื่อเพิ่มความแม่นยำให้มากขึ้น

ระยะยาว

  • E2E Supply Chain Platform ก้าวสู่การทำงานแบบ Data Driven อย่างเต็มตัวทั้ง Supply Chain โดยมี Demand Driven และ Market Driven เป็นตัวนำ ทำให้สามารถปรับปรุงคลังสินค้า, กระบวนการผลิต, การสั่งวัตถุดิบ และการขนส่งได้อย่างมประสิทธิภาพครบทั้งวงจร

การก้าวสู่ภาพนี้ได้ SAS เรียกภาพนี้ว่า Demand Intelligence ซึ่งจะเป็นขั้นตอนที่ธุรกิจสามารถทำนาย Demand ได้อย่างแม่นยำ และนำไปสู่การวางแผนการผลิตโดยมีของเสียเกิดขึ้นน้อยและพร้อมปรับตัวสู่อนาคตที่เปลี่ยนแปลงไปได้อย่างยืดหยุ่น, การผลิตสินค้าใหม่ๆ ให้ตอบโจทย์ความต้องการของตลาดได้อย่างเหมาะสม, การวางแผนร่วมกันด้วยข้อมูลจากหลายฝ่ายได้อย่างเป็นระบบ, การจัดการคลังสินค้าเพื่อรองรับช่องทางจัดจำหน่ายต่างๆ ได้อย่างเหมาะสม และการมีข้อมูลที่เพียงพอในการวิเคราะห์ข้อมูลและปรับปรุงกระบวนการได้อย่างต่อเนื่อง

โซลูชันของ SAS นั้นมีเทคโนโลยีที่สามารถตอบโจทย์เหล่านี้ของธุรกิจองค์กรได้อย่างครบวงจร โดยสามารถรองรับการจัดเก็บและวิเคราะห์ข้อมูลได้หลากหลายรูปแบบ สามารถนำไปปรับใช้กับภาคธุรกิจได้อย่างยืดหยุ่น อีกทั้งยังสามารถติดตั้งใช้งานภายในระบบ IT Infrastructure ได้หลายแนวทาง ไม่ว่าจะเป็น On-Premises, Hybrid Cloud, Public Cloud และ SAS Cloud ทำให้ธุรกิจสามารถนำเทคโนโลยีของ SAS ไปใช้งานได้ตามต้องการ พร้อมรองรับการเพิ่มขึ้นของข้อมูลในอนาคตได้อย่างอิสระ และทำให้ธุรกิจสามารถสร้างคุณค่าจากข้อมูลได้อย่างเต็มศักยภาพ

Credit: SAS

 

ทำไมถึงควรเลือก SAS และ Intel

  • รองรับชุดข้อมูลขนาดใหญ่ โดยไม่มีผลกระทบต่อประสิทธิภาพ
  • รองรับข้อมูลทุกประเภทจากทุกแหล่งที่มา และไม่มีข้อจำกัดด้านปริมาณหรือจำนวน
  • สามารถใช้งาน Library และโครงสร้างที่มีมากมาย เพื่อรองรับและพัฒนาการวิเคราะห์ขั้นสูง งาน IoT งาน AI และงานด้าน Machine Learning
  • ทำงานวิเคราะห์คู่ขนานเสร็จเร็วขึ้น 2 เท่า บนแอปพลิเคชัน SAS 9.4 ที่ใช้โปรเซสเซอร์ Intel® Xeon® Platinum 8180 และเทคโนโลยี Intel® Optane™

โดย Intel® Optane™ DC Persistent Memory Modules (DCPMM) สามารถพิสูจน์ได้ว่าเป็นอีกหนึ่งทางเลือกที่น่าสนใจในการเพิ่มประสิทธิภาพการวิเคราะห์ โดยมีการทดสอบประสิทธิภาพของ SAS Visual Data Mining และ Machine Learning (ตามภาพด้านล่าง) ซึ่งแสดงให้เห็นว่า DCPMM มีผลลัพธ์ที่น่าพอใจ เมื่อพิจารณาประสิทธิภาพจากขนาดปริมาณงานที่เพิ่มขึ้นและสามารถใช้งานได้ถึงขีดความสามารถ โดยทำงานได้เร็วขึ้นตั้งแต่ 4x ถึง 60x เมื่อ Ram ของระบบทำงานเกิน ดังนั้น DCPMM จึงสามารถรองรับการทำงานที่ใช้ประสิทธิภาพมากกว่า DRAM ด้วยค่าใช้จ่ายที่ใกล้เคียงกัน ซึ่งจะช่วยรองรับการลงทุนของคุณในอนาคตสำหรับชุดข้อมูลขนาดใหญ่ขึ้น

ค้นหาข้อมูลเพิ่มเติมได้ที่ sas.com/intel

ลงทะเบียนเข้าร่วม Webinar “การพยากรณ์ด้วยหลักทางสถิติและการเรียนรู้ด้วยเครื่องโดยการใช้ SAS Demand Forecasting” ได้ทันที

สำหรับผู้ที่สนใจเรียนรู้เทคโนโลยีสำหรับการวิเคราะห์เชิงทำนายเพื่อใช้งานในภาคธุรกิจองค์กร สามารถเข้าร่วม SAS Webinar ในหัวข้อ “การพยากรณ์ด้วยหลักทางสถิติและการเรียนรู้ด้วยเครื่องโดยการใช้ SAS Demand Forecasting” ในวันที่ 12 มีนาคม 2021 ได้ทันทีที่ https://zoom.us/webinar/register/WN_AxCo7ZRBSWKpksODOm1XyQ

 

สนใจติดต่อ SAS ได้ทันที

สำหรับผู้ที่สนใจด้านการทำ Data Analytics, Business Analytics, Prediction, Forecasting สามารถติดต่อทีมงาน SAS ได้ทันทีที่ Email thl.marketing@sas.com หรือโทร +66 020 091 6812   หรือเยี่ยมชมเว็บไซต์ของ SAS ได้ทันทีที่ https://www.sas.com/th_th/home.html

About techtalkthai

ทีมงาน TechTalkThai เป็นกลุ่มบุคคลที่ทำงานในสาย Enterprise IT ที่มีความเชี่ยวชาญทางด้าน Network, Security, Server, Storage, Operating System และ Virtualization มารวมตัวกันเพื่ออัพเดตข่าวสารทางด้าน Enterprise IT ให้แก่ชาว IT ในไทยโดยเฉพาะ

Check Also

Intel เปิดตัวชิป 11th Gen ‘Tiger Lake-H’

Tiger Lake-H เป็นชิปในรุ่น 10nm ของ Intel ที่ถูกออกแบบมาสำหรับเครื่องคอมพิวเตอร์ที่ต้องการศักยภาพสูง

Google พัฒนา Machine Learning ทำนายโอกาสเสียของฮาร์ดดิส ความแม่นยำ 98%

Google พัฒนา Machine Learning Model ทำนายการเสียของฮาร์ดดิสบน Google Cloud ให้ผลความแม่นยำ 98%