Isawan Chaichana, Author at Big Data Institute

บทความของผู้เขียน

Articles

การวิเคราะห์ Social Listening: ความคิดเห็นของผู้บริโภค

ในยุคปัจจุบันที่เป็นยุคแห่ง Big Data หรือข้อมูลขนาดใหญ่ ผู้บริโภคได้รับอิทธิพลจากข้อมูลที่พวกเขาได้รับตลอดเวลาและพฤติกรรมของผู้บริโภคก็กลายมาเป็นข้อมูลสำหรับแบรนด์ เป็นวงจรวนเช่นนี้ไปเรื่อย ๆ ดังนั้นการเข้าใจข้อมูลเชิงลึก ของผู้บริโภคจึงใช่แค่ตัวเลือกในการดำเนินธุรกิจแล้ว แต่กลับเป็นสิ่งจำเป็นสำหรับแบรนด์ เพื่อที่จะดึงลูกค้าไว้กับเรา แต่อย่างไรก็ตามก็ยังเป็นเรื่องยากสำหรับบริษัท โดยเฉพาะบริษัทขนาดเล็กและขนาดกลางที่จะสร้างทีมข้อมูลขนาดใหญ่ บริษัทเหล่านี้จึงมองหาบริการวิเคราะห์ข้อมูลที่ทำโดย AI ที่เป็นตัวช่วยให้บริษัทได้รับข้อมูลเชิงลึก จากข้อมูลมหาศาลในตลาด และปรับปรุงประสิทธิภาพการดำเนินการโดยที่ค่าใช้จ่ายไม่สูง ซึ่งบริการแบบนี้มีชื่อว่า Social-Listening ทำไมเราจึงต้องมี Social Listening? แพลตฟอร์มอีคอมเมิร์ซรายใหญ่ในประเทศจีนอย่างเช่น Tmall ได้มีการเปลี่ยนแปลงประสบการณ์ในการช็อปปิ้งใน Flagship Store ของแบรนด์ต่าง ๆ เพื่อเพิ่มยอดขายหรือ Sales Conversion สิ่งนี้บ่งบอกได้ว่าหากแบรนด์ต้องการพัฒนา ช่องทางการขายในอีคอมเมิร์ซแบบระยะยาว เนื้อหา และการบริการแบบยึดผู้บริโภคเป็นศูนย์กลาง (consumer-oriented) เป็นหนึ่งในกุญแจหลักของธุรกิจในอนาคต การที่เราจะสร้างเนื้อหาหรือบริการที่ดีได้นั้น เราจำเป็นต้องมีความเข้าใจความต้องการของผู้บริโภค โดยเฉพาะข้อมูลเชิงลึกของการสนทนาระหว่างผู้บริโภคกับแบรนด์ (การคุยกับฝ่ายบริการลูกค้า, ความเห็น, ฯลฯ) แม้ว่า Tmall กับ JD จะมีช่องทางที่ช่วยให้แบรนด์หรือร้านค้าต่าง ๆ สามารถบริหารจัดการข้อมูลในการติดตามผลและปรับปรุงธุรกิจ อย่างเช่น “Biz Advisor” และ “Data Bank” แต่การวิเคราะห์ข้อมูลของแบรนด์นั้นยังคงเน้นที่ปริมาณข้อมูลเป็นหลัก ซึ่งทำให้เกิดช่องว่างขนาดใหญ่ใน การวิเคราะห์ข้อมูลจากผู้บริโภค ทำให้แบรนด์ต่าง ๆ มีเพียงแต่ข้อมูลในปริมาณมาก แต่ไม่สามารถวิเคราะห์ข้อมูลเชิงลึกของลูกค้าได้อย่างมีประสิทธิภาพ มูลค่าของ Social Listening แบรนด์ควรใช้ความต้องการของผู้บริโภคเป็นแก่นหลัก ในการขับเคลื่อนความก้าวหน้าของแบรนด์ในระยะยาว และเพิ่มความสำคัญให้กับการตอบรับคำติชมของผู้บริโภค ผ่านทางเทคโนโลยีวิเคราะห์ตีความข้อมูลขนาดใหญ่อย่าง Social-Listening ที่ช่วยวิเคราะห์คำติชมจากผู้บริโภค ในแพลตฟอร์มอีคอมเมิร์ซรายใหญ่ และโซเชียลมีเดียของประเทศจีน ซึ่งช่วยให้แบรนด์สามารถวิเคราะห์ข้อมูล Customer Journey ของผู้บริโภคได้ โดยสามารถอัปเดตข้อมูลต่าง ๆ และดูข้อมูลการวิเคราะห์ได้แบบ Realtime วิธีการของ Social Listening ข้อมูลเชิงลึกของผู้บริโภคผ่านทางวงจรแบบปิดแบบดิจิทัล ข้อมูลเชิงลึกแบบหลายมิติผ่านโมเดลปีระมิด นอกจากสามขั้นตอนที่กล่าวถึงข้างต้น เรายังทำตามโมเดลการวิเคราะห์แบบปีระมิดกลับหัวด้วย โดยเริ่มจากแพลตฟอร์มออนไลน์ ต่อด้วยอุตสาหกรรมและประเภทของธุรกิจ ไปจนถึงคู่แข่งของแบรนด์ โมเดลนี้ค่อย ๆ คัดกรองข้อมูลเชิงลึกทีขั้น ทำให้บริษัทสามารถวิเคราะห์ และคาดการณ์แนวโน้มของธุรกิจได้ รวมถึงการเริ่มต้นจากการย่อยข้อมูลให้ละเอียด เพื่อให้การคัดกรองข้อมูลมีประสิทธิภาพมากที่สุด ข้อดีของ Social Listening สามารถปรับการพัฒนาระบบได้ตามต้องการ: ก่อนการวิเคราะห์ บริษัทที่ให้บริการด้าน Social Listening จะคุยกับแบรนด์ก่อนว่า ต้องการให้กรอบการวิเคราะห์ข้อมูลออกมาเป็นอย่างไร ครอบคลุมข้อมูลอะไรบ้าง การเลือกแบรนด์และผลิตภัณฑ์คู่แข่ง ซึ่งการเก็บรวบรวมข้อมูลนั้นจะปรับตามข้อมูลที่แบรนด์ต้องการ แพลตฟอร์มข้อมูลนี้ขับเคลื่อนด้วย Smart AI: ไม่ว่าจะเก็บข้อมูลไว้ที่ไหน แบรนด์สามารถเชื่อมต่อกับ แพลตฟอร์มของผู้ให้บริการได้อย่างง่ายดายด้วยแหล่งข้อมูลแบบเปิดที่ใช้ API ในระบบหลังบ้าน ทำให้ฐานข้อมูลบริษัทภายในและภายนอกสามารถเชื่อมต่อได้อย่างง่ายดาย แหล่งข้อมูลทั้งหมดจึงมารวมกันอยู่ในแพลตฟอร์มเดียว วิธีแก้ปัญหาแบบครบวงจร: ผู้ให้บริการ Social Listening ได้สร้างระบบวิเคราะห์ข้อมูลแบบ “เน้นผู้บริโภค” ที่อยู่ในที่เดียว ซึ่งจะทำตั้งแต่เก็บรวบรวม สร้างโมเดลข้อมูล วิเคราะห์ข้อมูล รวมถึงการแปลงข้อมูลเป็นภาพที่ทำให้เราเข้ามาดูข้อมูลได้ง่ายขึ้น รายงานข้อมูลเชิงลึกของผู้บริโภค: ผู้ให้บริการ Social Listening จะคัดสรรข้อมูลที่สำคัญที่สุด และนำเสนอข้อมูลให้กับแบรนด์ในรูปแบบที่เป็นรูปภาพ ทำให้แบรนด์สามารถเข้าใจข้อมูลได้ง่ายขึ้น การติดตามและเฝ้าสังเกตข้อมูลอย่างต่อเนื่อง: โมเดลวิเคราะห์ข้อมูลที่สร้างโดยผู้ให้บริการ Social-Listening ทำให้ข้อมูลถูกบริหารอย่างมีระบบและอัปเดตอัตโนมัติ ซึ่งการที่แบรนด์สามารถเฝ้าสังเกตและวิเคราะห์ได้อย่างต่อเนื่องนั้น ทำให้แบรนด์รู้ข้อเสียของผลิตภัณฑ์ และสามารถพัฒนาหรือปรับปรุงสินค้าได้ในทันที รวมถึงหากมีปัญหาเกิดขึ้นก็สามารถทำกลยุทธ์ส่งเสริมการตลาดได้ทันเวลา จะเห็นได้ว่า การทำ Social-Listening จะช่วยให้แบรนด์รู้จักกับลูกค้ามากขึ้น รู้ว่าลูกค้าคิดอย่างไรกับแบรนด์เรา ทำให้แบรนด์สามารถพัฒนาสินค้าหรือบริการ รวมถึงกลยุทธ์การตลาดที่โดนใจหรือตอบโจทย์ลูกค้ามากขึ้น ดังนั้น Social-Listening ก็นับได้ว่าเป็นอีกหนึ่งเครื่องมือที่แบรนด์ควรมี เพื่อต่อสู้กับการแข่งขันที่สูงขึ้นในปัจจุบัน บทความโดย ecommerceTOChinaเนื้อหาจากบทความของ ecommerceTOChinaแปลและเรียบเรียงโดย ไอสวรรค์ ไชยชะนะตรวจทานและปรับปรุงโดย นววิทย์ พงศ์อนันต์

15 November 2022

Data for Business

Social Listening คืออะไร ทำไมถึงสำคัญ และมีวิธีการทำอย่างไร?

“Social-Listening” คืออะไร? ทำไมถึงสำคัญ? เครื่องมือ Social Listening ที่ดีที่สุดคืออะไร? พบคำตอบได้ที่นี่ จะดีแค่ไหน ถ้าหากคุณ (และทุกคนในทีมของคุณ ตั้งแต่แผนก Social Media, PR, Product ไปจนถึง การตลาด) สามารถเข้าถึงข้อมูลที่บ่งบอกว่า ณ ตอนนี้ผู้คนกำลังพูดเรื่องอะไร พูดถึงแบรนด์คุณและคู่แข่งอย่างไร นี่แหละคือ บทบาทของ Social Listening Social Listening ที่จะทำให้คุณรู้ว่ามีคนเพิ่งโพสต์ทวีตชื่นชมสินค้าของคุณอยู่ มีคนเขียนถึงบริษัทของคุณในบทความที่รวมสตาร์ทอัพที่มีแนวโน้มดีที่สุดของปี ในขณะเดียวกันก็มีคนโพสต์บ่นเรื่องการดูแลลูกค้าของคุณ ไม่เพียงเท่านี้คุณยังสามารถรู้ได้ว่าคู่แข่งของคุณได้ทำการเปิดตัวสินค้าใหม่และมีคนพูดถึงสินค้านั้นอย่างไร รู้แบบนี้แล้วไปรู้จัก Social Listening กันเถอะ Social Media Listening คืออะไร? Social Listening คือกระบวนการในการติดตามคำคำหนึ่ง วลีหนึ่ง หรือแม้แต่ประโยคที่ซับซ้อนในโซเชียลมีเดียและเว็บไซต์ต่าง ๆ แล้วนำข้อมูลเหล่านั้นมาวิเคราะห์ ซึ่งส่วนใหญ่แล้วคำที่จะถูกติดตามมักจะเป็นชื่อแบรนด์ แต่รู้หรือไม่ว่า Social Listening ทำได้มากกว่านั้น เพราะคุณสามารถติดตามคู่แข่ง ธุรกิจ แฮชแท็กแคมเปญบนโลกออนไลน์ แล้ววิเคราะห์ออกมาได้ว่าสิ่งที่คุณกำลังติดตามอยู่นั้นถูกพูดถึงในแง่ไหน รวมไปถึงสามารถหาสิ่งที่มีกลุ่มคนกำลังสนใจ เช่น บริษัทอสังหาริมทรัพย์สามารถหากลุ่มคนที่กำลังมองหาสถานที่เช่าสำนักงานในย่านใจกลางเมืองได้ แม้เครื่องมือนี้จะมีคำว่าโซเชียล แต่ Social Listening ไม่ได้รวบรวมข้อมูลจากโซเชียลมีเดียเพียงอย่างเดียว เพราะเครื่องมือนี้สามารถรวบรวมข้อมูลจากเว็บไซต์ข่าว บล็อก ฟอรั่ม และเว็บไซต์อื่น ๆ ได้อีกด้วย นอกจากคำว่าโซเชียลในชื่อที่ทำให้คนสับสนเกี่ยวกับ Social Listening แล้ว ยังมีเรื่องของการเรียกชื่ออีกที่ทำให้คนสับสน เพราะต่างคนก็ใช้ชื่อที่แตกต่างกันไป ซึ่งชื่อที่เราได้ยินกันบ่อยครั้งในทุกวันนี้ ได้แก่ Buzz Analysis, Social Media Measurement, Brand Monitoring, Social Media Intelligence รวมไปถึง Social Media Monitoring โดยคำที่กล่าวไปข้างต้นนั้น แม้จะมีความคล้ายกันแต่ไม่ได้มีความหมายเหมือนกันซะทีเดียว ประโยชน์ของ Social Listening Social Media Listening สามารถทำให้คุณเข้าถึงข้อมูลเชิงลึกที่มีประสิทธิภาพได้ ไม่ว่าจะเป็นข้อมูลของลูกค้า ข้อมูลคู่แข่ง ข้อมูลในการวิเคราะห์ตลาด ซึ่งการที่คุณได้รู้ข้อมูลเหล่านี้นั้นทำให้คุณไม่ต้องมานั่งตั้งคำถามกับแบรนด์คุณว่า คุณจะต้องปรับปรุงตรงไหน ต้องพัฒนาอะไร เพราะข้อมูลเชิงลึกเหล่านี้มันบอกคุณหมดแล้ว นอกจากนี้ยังมีอีกหลากหลายวิธีที่คุณสามารถใช้ข้อมูลจาก Social Media Listening นี้ได้ และนี่ตัวอย่างที่คนมักนำเครื่องมือนี้ไปใช้ 1. บริหารจัดการชื่อเสียง บอกเลยว่า การบริหารจัดการชื่อเสียงเป็นเหตุผลหลักที่บริษัทต่าง ๆ ใช้ Social Listening เพราะเครื่องนี้สามารถทำให้ธุรกิจหรือแบรนด์ติดตามการพูดถึงแบรนด์หรือสินค้าของพวกเขาได้ ผู้บริหารหรือเจ้าของแบรนด์จึงสามารถวิเคราะห์ได้ว่า ณ ตอนนี้กลุ่มลูกค้าหรือคนอื่น ๆ นั้น มองแบรนด์เราอย่างไร ไม่เพียงเท่านี้การติดตามข้อมูลอยู่เรื่อย ๆ จะทำให้แบรนด์สามารถวางแผนแก้ไขสถานการณ์ล่วงหน้าได้ เพราะเมื่อเริ่มเห็นว่ามีคนพูดถึงแบรนด์ในแง่ลบมากขึ้น ก็สามารถเข้าไปตรวจสอบและหาแนวทางแก้ไป เพื่อป้องกันไม่ให้แบรนด์เสื่อมเสียชื่อเสียงได้ 2. วิเคราะห์คู่แข่ง นอกจาก Social Media Monitoring Tool จะทำให้คุณสามารถติดตามการพูดถึงของแบรนด์คุณได้แล้ว Social Media Monitoring Tool ยังสามารถติดตามการพูดถึงแบรนด์คู่แข่งของคุณได้อีกด้วย ซึ่งเครื่องมือนี้ก็จะรวบรวมข้อมูลจากสื่อในออนไลน์ทั้งหมดมาให้คุณ ไม่ว่าจะเป็นโซเชียลมีเดีย ฟอรั่มและกระดานสนทนาต่าง ๆ ทำให้คุณไม่ต้องเสียเวลาไปเก็บข้อมูลเหล่านี้ด้วยตนเอง ข้อมูลจาก Social Media Monitoring Tool จึงเป็นประโยชน์อย่างมากในการวิเคราะห์คู่แข่ง เพราะเครื่องนี้สามารถทำได้ตั้งแต่การวัด Share of Voice และการถูกพูดถึงของแบรนด์คู่แข่ง ทำให้คุณสามารถนำมาเปรียบเทียบกับบริษัทของคุณได้ นอกจากนี้ข้อมูลเหล่านี้ยังทำให้คุณรู้จักลูกค้าของคู่แข่งคุณมากขึ้น คุณจะรู้เลยว่าพวกเขาชอบอะไรหรือไม่ชอบอะไรในแบรนด์คู่แข่ง ซึ่งคุณสามารถนำข้อมูลเหล่านี้มาปรับปรุงหรือพัฒนาสินค้าของคุณได้ ไม่เพียงเท่านี้คุณยังสามารถใช้เครื่องในการดูว่าอินฟลูเอนเซอร์หรือสื่อไหน กำลังเป็นที่ถูกพูดถึงและพูดถึงในแง่ไหน หรือแม้กระทั่งว่าคู่แข่งใช้อินฟลูเอนเซอร์หรือสื่ออะไรบ้าง จึงไม่แปลกใจเลยว่าทำไม Social Media Monitoring จึงกลายเป็นเครื่องมือสำคัญในการวิเคราะห์คู่แข่งแบบละเอียด 3. คำติชมผลิตภัณฑ์ หากบริษัทหรือแบรนด์ของคุณมีการเปลี่ยนแปลงบางอย่าง เช่น เปลี่ยนแบรนด์ CI หรือปรับปรุงสินค้า เป็นต้น การติดตามหัวข้อหรือความคิดเห็นจากลูกค้าในโลกออนไลน์จะทำให้คุณเรียนรู้ได้ว่า พวกเขาคิดอย่างไรกับการเปลี่ยนแปลงนั้น รู้ว่าพวกเขาชอบอะไรเกี่ยวกับสินค้าของคุณ รวมถึงรู้ว่าสินค้าของคุณขาดอะไร นอกจากนี้เครื่องมือนี้ยังช่วยให้คุณเรียนรู้หรือรู้จักลูกค้าของคุณมากยิ่งขึ้น โดยเข้าใจความต้องการของพวกเขาได้ดีขึ้นและรู้ว่าต้องสื่อสารแบบไหนลูกค้าถึงจะเข้าใจ สิ่งนี้เองจะทำให้คุณจะสามารถปรับปรุงโฆษณา เว็บไซต์ และเพิ่มประสิทธิภาพในการเขียนข้อความในช่องทางการสื่อสารต่าง ๆ เพื่อให้คำเหล่านั้นโดนใจและตอบโจทย์ลูกค้าของคุณ 4. ฝ่ายบริการลูกค้า ถ้าหากมานั่งนับการสนทนาใน Social Media ทั้งหมด มีเพียงไม่ถึง 30% เท่านั้นที่จะ Mention หรือกล่าวถึงแบรนด์ ดังนั้นถ้าหากคุณไม่ได้ใช้ Social Listening ในการติดตามแบรนด์ของคุณนั่นหมายความว่าคุณกำลังพลาดหัวข้อการสนทนาเกี่ยวกับธุรกิจของคุณกว่า 70% เลยทีเดียว นอกจากนี้ยังมีสถิติออกมาว่า 60% ของผู้บริโภคคาดหวังให้แบรนด์ตอบกลับภายในหนึ่งชั่วโมง และ 68% ของลูกค้าเลือกที่จะไปหาคู่แข่งหรือแบรนด์อื่นเพราะไม่ได้รับการช่วยเหลือจากฝ่ายบริการลูกค้า ดังนั้นจะเห็นได้ว่าการที่เราไม่ได้ติดตามหรือตอบคอมเมนต์ของลูกค้าก็สามารถทำให้เราสูญเสียยอดขายได้ เนื่องจากลูกค้าเปลี่ยนไปใช้สินค้าจาแบรนด์คู่แข่งแทน 5. สร้างกลุ่มลูกค้าเป้าหมาย แม้แม้ว่าการทำ Lead Generation หรือการหากลุ่มลูกค้าเป้าหมายนั้นไม่ใช่จุดประสงค์หลักที่คนหันมาใช้ Social Listening แต่ก็มี Social Listening จากผู้ให้บริการบางเจ้าที่มีแพ็กเกจเสริม ที่จะช่วยให้แบรนด์สามารถหากลุ่มลูกค้าที่สนใจหรือมีโอกาสที่จะซื้อสินค้าของคุณได้ สำหรับคนที่ต้องการวิเคราะห์ข้อมูลให้ลึกไปอีกขั้น เราขอแนะนำการสืบค้นแบบบูลีน (Boolean Search) ซึ่งเป็นวิธีการสืบคนที่มีความยืดหยุ่นมาก ทำให้เราสามารถหากลุ่มลูกค้าเป้าหมายหรือคนที่มีโอกาสที่จะซื้อสินค้าเราได้มากขึ้น เพราะการสืบค้นแบบนี้ใช้เทคนิคขั้นสูงในการค้นหาที่เป็นการสร้างชุดคำถามที่ซับซ้อน ซึ่งสามารถปรับเปลี่ยนให้เข้ากับการใช้งานได้หลากหลาย ถ้าคุณเป็นบริษัทประกันภัยอยู่ที่นิวยอร์กซิตี้ คุณอาจจะตั้งค่าการให้บูลีนหากลุ่มคนที่กำลังจะย้ายมาอยู่ที่นิวยอร์ก ทีนี้คุณก็จะสามารถติดต่อหาพวกเขาได้ ก่อนที่พวกเขาจะคิดถึงเรื่องประกันภัยด้วยซ้ำ เจ๋งไหมล่ะ? 6. ฝ่ายประชาสัมพันธ์ (PR) Social Listening สามารถช่วยให้ทีม PR ทำงานได้ง่ายขึ้นหลายอย่าง อย่างแรกเลยเครื่องมือนี้จะช่วยให้ทีม PR สามารถติดตามการเผยแพร่ข่าวประชาสัมพันธ์และบทความที่พูดถึงบริษัทของคุณได้ และถ้าจะให้ลึกไปอีกขั้น ทีม PR สามารถติดตามการพูดถึงคู่แข่งและหัวข้อที่คนกำลังพูดถึงในโลกออนไลน์ เพื่อดูว่าเราควรใช้แพลตฟอร์มอะไรในการลงข่าวและหานักข่าวคนไหนมาร่วมงานกัน 7. การตลาดจากอินฟลูเอนเซอร์ จากที่ได้กล่าวไปข้างต้น Social Media Monitoring Tool ส่วนมากจะทำให้คุณรู้ว่าแบรนด์ของคุณถูกพูดถึงเยอะแค่ไหนในโลกออนไลน์ จากนั้นคุณก็จะสามารถหาว่าได้ว่า อินฟลูเอนเซอร์คนไหนชื่นชอบแบรนด์ของคุณและสามารถเข้าถึงคนได้มากที่สุด ดังนั้นหากคุณกำลังมองหาอินฟลูเอนเซอร์รายใหม่ที่จะร่วมงานด้วย สิ่งที่คุณต้องทำมีเพียงแค่ตั้งการแจ้งเตือน Social Listening สำหรับธุรกิจของคุณและดูว่าใครเป็นคนที่มีอิทธิพลมากที่สุดในแวดวงของคุณ และสุดท้าย อย่าลืมดูอินฟลูเอนเซอร์ของคู่แข่งคุณล่ะ เพราะพวกเขาน่าจะเหมาะสมกับแบรนด์ของคุณด้วยเช่นกัน 8. การวิจัย ไม่ใช่แบรนด์หรือบริษัทใหญ่ ๆ เท่านั้นที่ได้ประโยชน์จากการใช้ Social Listening คนอื่น ๆ ที่ต้องการติดตามสิ่งที่ผู้คนในโลกออนไลน์กำลังพูดถึงเกี่ยวกับปรากฏการณ์หรือสถานการณ์ต่าง ๆ ก็สามารถใช้ประโยชน์จาก Social Listening ได้ ไม่ว่าคุณจะเป็นนักข่าวที่ต้องเขียนบทความเรื่อง Brexit องค์กรการกุศลที่ต้องการประเมินผลจำนวนการสนทนาเกี่ยวกับอุดมการณ์ทางสังคม หรือนักธุรกิจที่อยากจะเริ่มทำธุรกิจและทำการวิจัยการตลาด ก่อนจากกัน...

15 November 2022

Data for Business

Power BI ช่วยให้ธุรกิจขนาดเล็กดีขึ้นได้อย่างไร

ไม่มีใครสามารถปฏิเสธได้ถึงความสำคัญของข้อมูลในแวดวงธุรกิจ บริษัททุกขนาดและประเภทกำลังใช้ข้อมูลจำนวนมหาศาลอยู่เป็นประจำทุกวัน พวกเขาต้องเก็บรวบรวมข้อมูลจากหลายแหล่ง นำมารวมกันและทำการวิเคราะห์โดยใช้แอปพลิเคชันเฉพาะทาง นั่นคือเหตุผลที่เครื่องมือ BI และการนำเสนอแผนภาพข้อมูลจึงกลายเป็นที่นิยมมาก เพราะมีข้อดีหลายอย่าง เช่น Software Solutions และสิ่งที่สังเกตได้ชัดคือแม้แต่หน่วยงานขนาดเล็กก็หันมาใช้เครื่องมือเหล่านี้ Power-BI เป็นหนึ่งในเครื่องมือ BI และ Data Visualization ที่ใช้กันอย่างกว้างขวางโดยธุรกิจต่าง ๆ ทั่วโลก ทำไมธุรกิจขนาดเล็กจึงควรใช้ Power BI? เจ้าของธุรกิจขนาดเล็กก็ไม่สามารถเพิกเฉยต่อการแข่งขันได้ในสถานการณ์ตลาดปัจจุบันได้ เพราะมีธุรกิจใหม่เกิดขึ้นเรื่อย ๆ ทั้งในระดับภูมิภาคและในเมืองใหญ่ ดังนั้นธุรกิจขนาดเล็กที่ให้บริการภูมิภาคหนึ่งจึงต้องหาข้อได้เปรียบเหนือคู่แข่งของพวกเขา นี่คือจุดที่ Power BI เข้ามามีบทบาทสำคัญ บริษัทเหล่านี้สามารถใช้ประโยชน์จากฟังก์ชันของ BI Solution เพื่อเข้าใจขั้นตอนการดำเนินการต่าง ๆ และนำมาประกอบการตัดสินใจในการวางกลยุทธ์ทางธุรกิจ ซึ่งสิ่งเหล่านี้มีความสำคัญต่อธุรกิจและการเติบโตของรายได้ในระยะยาวเป็นอย่างยิ่ง ดังนั้นการใช้ Power BI จึงเป็นประโยชน์ต่อการดำเนินธุรกิจขนาดเล็กดังนี้: กิจการขนาดเล็กประเภทไหนที่ได้ประโยชน์จากการใช้ Power BI? หลายคนอาจเข้าใจว่า BI และ Data Visualization มักจะใช้โดยบริษัทข้ามชาติและบริษัทเทคโนโลยีขนาดใหญ่หลายเจ้า แต่ว่าความเป็นจริงแล้ว Power BI ก็ถูกใช้งานโดยบริษัทขนาดเล็กหลายแห่งที่มีการเติบโตมากและมีแผนที่จะขยายบริษัทเช่นกัน เพราะแพลตฟอร์มดังกล่าวมีประโยชน์หลายอย่างและกลุ่มธุรกิจสตาร์ทอัพและเจ้าของกิจการก็สามารถใช้ประโยชน์จากแพลตฟอร์มได้ ไม่สำคัญว่ากิจการขนาดเล็กของคุณอยู่ในอุตสาหกรรมไหน Power BI เป็นประโยชน์ต่อทุกหน่วยงานในทุกภาคส่วน รวมถึงไอที ร้านค้า บริการด้านการเงิน บริการด้านสุขภาพ โรงพยาบาล และอีกมากมาย ข้อได้เปรียบสำคัญของการใช้ Power BI สำหรับกิจการขนาดเล็ก และรายการด้านล่างนี้คือข้อได้เปรียบของการใช้ Power BI สำหรับธุรกิจขนาดเล็ก: คุณควรจ้างนักวิเคราะห์หรือผู้ให้คำปรึกษาเรื่อง Power BI สำหรับธุรกิจขนาดเล็กของคุณไหม? โดยปกติแล้ว ธุรกิจขนาดเล็กที่ใช้ Power BI เวอร์ชันเดสก์ท็อปแบบฟรีไม่จำเป็นต้องจ้างนักวิเคราะห์หรือหน่วยงาน BI แต่อย่างไรก็ตามไม่มีอะไรมีกฎตายตัว ทั้งนี้ขึ้นอยู่กับงบประมาณ แผนการเติบโตธุรกิจ และสถานการณ์ของธุรกิจ การใช้บริการจากผู้เชี่ยวชาญทางด้าน Power BI อาจมีประสิทธิภาพมากกว่า แต่ทว่าคุณควรรอบคอบในการจ้างนักวิเคราะห์และบริการจากผู้เชี่ยวชาญ ควรเปรียบเทียบบริการของแต่ละเจ้าก่อนเพื่อประโยชน์สูงสุดของบริษัท บทความโดย ImensoSoftwareเนื้อหาจากบทความของ Data Science Centralแปลและเรียบเรียงโดย ไอสวรรค์ ไชยชะนะตรวจทานและปรับปรุงโดย อิสระพงศ์ เอกสินชล

14 November 2022

Data for Business

เพิ่มมูลค่าธุรกิจด้วยกลยุทธ์ที่ขับเคลื่อนด้วยข้อมูล

ในขณะที่ทุกองค์กรต่างกำลังเก็บรวบรวมข้อมูล แต่มีเพียงไม่กี่แห่งเท่านั้นที่จะขับเคลื่อนองค์กรด้วยข้อมูลจริง ๆ และนี่คือ 5 เหตุผลที่ข้อมูลสามารถเปลี่ยนแปลงธุรกิจของคุณได้ ( กลยุทธ์ ที่ขับเคลื่อนด้วยข้อมูล ) ทุกบริษัทกำลังเก็บรวบรวมข้อมูลในหลาย ๆ ด้าน ไม่ว่าจะเป็นข้อมูลด้านพฤติกรรมการซื้อของผู้บริโภค ข้อมูลด้านประชากรจากแหล่งบุคคลภายนอก หรือข้อมูลเชิงลึกจากรูปแบบสภาพอากาศ สิ่งนี้ถือว่าเป็นข่าวดี เพราะที่ผ่านมาข้อมูลที่สำคัญเหล่านี้มักถูกมองข้าม เท่านั้นยังไม่พอ บริษัทต้องใช้ข้อมูลในการขับเคลื่อนธุรกิจในทุก ๆ ภาคส่วนอีกด้วย จากการแบบสำรวจล่าสุดของ PwC ที่สหรัฐอเมริกา (PwC U.S. Cloud Business Survey) พบว่ามีผู้บริหารเพียง 34% เท่านั้นที่มีการตัดสินใจที่ดีจากการวิเคราะห์ข้อมูล ทำให้พวกเขาสามารถบรรลุเป้าหมาย และผลลัพธ์ทางธุรกิจของพวกเขาได้ และมีเพียง 16% เท่านั้นที่มองว่าข้อมูลมีมูลค่ามหาศาล และสามารถนำไปใช้ประโยชน์ได้จริง แล้วอะไรล่ะ ที่รั้งบริษัทเหล่านี้ไว้? หลายบริษัทมีหนี้สินจากการลงทุนด้านเทคโนโลยี ซึ่งหนี้จากการลงทุนนี้ก็มีการสะสมและเพิ่มขึ้นเรื่อย ๆ เพราะพวกเขาก็ไม่อยากทิ้งสิ่งที่เขาลงทุนไปกับระบบดั้งเดิม ทำให้พวกเขาตามนวัตกรรมและเทคโนโลยีใหม่ ๆ ที่เข้าสู่ตลาดไม่ทัน พวกเขาจึงกังวลว่าธุรกิจของตนจะไม่สามารถรับมือกับการเปลี่ยนแปลงได้ รวมถึงคนในบริษัทก็ยังขาดความรู้ในเรื่องการวิเคราะห์ข้อมูล ทำให้พนักงานหลายคนต้องเจอกับปัญหาในการตัดสินใจจากการวิเคราะห์ข้อมูล และการนำข้อมูลเชิงลึกมาวิเคราะห์ เพื่อให้เกิดประโยชน์อย่างแท้จริง 5 เหตุผลที่ข้อมูลสามารถเปลี่ยนแปลงธุรกิจของคุณได้ ถ้าองค์กรมีเป้าหมายที่จะทำให้บริษัททันสมัย และต้องการทำให้สำเร็จ บริษัทจะต้องลงทุนในเทคโนโลยี และน้อมรับการเปลี่ยนแปลงโดยเฉพาะในเรื่องของข้อมูล ซึ่งจะทำให้บริษัทของคุณมีประสิทธิภาพ และประสิทธิผลมากขึ้น พร้อมที่จะตอบรับการเปลี่ยนแปลงได้มากขึ้น และนี่คือ 5 วิธีที่ข้อมูลสามารถสร้างมูลค่าให้กับธุรกิจของคุณได้ 1. สร้างประสบการณ์ที่ตอบโจทย์ลูกค้ารายบุคคลทั้งในโลกความเป็นจริงและโลกเสมือน เกือบทุกบริษัทที่ต้องการสร้าง Personalized Experiences หรือสร้างประสบการณ์ที่ตอบโจทย์ลูกค้ารายบุคคล ซึ่งวิธีเดียวที่ทำได้คือการใช้ข้อมูลลูกค้าจำนวนมาก ไม่ว่าจะเป็นการได้รับข้อมูลจากผู้บริโภคเองโดยตรง หรือใช้ข้อมูลจากบุคคลภายนอกที่รวบรวมโดยองค์กรหรือกลุ่มบริษัทด้านข้อมูลอื่น ๆ สิ่งนี้เองทำให้ร้านค้าขายปลีกรายใหญ่บางรายรู้ว่าลูกค้าต้องการอะไร และก็เลือกนำสินค้าเหล่านั้นมาวางไว้ด้านหน้า ไม่ว่าจะเป็นในโฆษณาหรือหน้าร้านออนไลน์ของพวกเขา ซึ่งนี่ก็เป็นเพียงจุดเริ่มต้นของการทำ กลยุทธ์ Personalized Experiences จากข้อมูล ในโลกเสมือนอย่าง Metaverse จะเป็นพื้นที่แห่งใหม่ในการสร้าง Personalized Experiences ที่สามารถให้ประสบการณ์กับลูกค้าได้ดีขึ้นไปอีกระดับ ซึ่งต่างจากโลกจริงที่ร้านค้านำผลิตภัณฑ์มาวางขายให้กับทุกคน บริษัทที่รู้จักลูกค้าของตนเองเป็นอย่างดีสามารถสร้างโลกออนไลน์ที่แสดงแต่สินค้าที่ลูกค้าสนใจเป็นพิเศษ ลูกค้าสามารถเลือกซื้อเสื้อผ้าที่มีเฉพาะสไตล์และสีที่พวกเขาชอบ โดยเป้าหมายสูงสุดคือการให้ Personalized Experiences กับลูกค้า เพื่อให้ลูกค้าเกิดความชื่นชอบในตัวแบรนด์ 2. สร้างรายได้ใหม่ผ่านทางการเปลี่ยนข้อมูลเป็นเงิน หลายคนมักให้ความเห็นว่า Data is the new oil ที่เป็นการเปรียบเปรียบว่าข้อมูลเป็นแหล่งวัตถุดิบสำคัญสำหรับเครื่องจักรในการผลิตเพื่อสร้างรายได้ ซึ่งหลายคนก็เป็นเห็นตรงกันว่าเป็นเรื่องจริง เมื่อบริษัทของลูกค้าเราสามารถสร้างรายได้จากข้อมูลที่พวกเขาเก็บข้อมูลมา ซึ่งแน่นอนว่าการสร้างรายได้จากข้อมูลภายในบริษัทนั้นสำคัญเป็นสิ่งที่ต้องทำ แต่การสร้างรายได้จากข้อมูลภายนอกก็สำคัญเช่นกัน เพราะจะทำให้ธุรกิจขยายตัวได้อย่างรวดเร็ว เพื่อประสิทธิภาพสูงสุด บริษัทจำเป็นต้องปรับปรุงวิธีการเก็บรวบรวมข้อมูลของตนพร้อมกับคุณภาพข้อมูลที่ดีขึ้น รวมถึงปฏิบัติตามข้อบังคับด้านความเป็นส่วนตัว และพวกเขาต้องสร้างข้อมูลเชิงลึกที่พิเศษไม่เหมือนใคร เมื่อการแบ่งปันข้อมูลระหว่างแผนกหรือบริษัทกลายเป็นเรื่องที่ทำประจำ บริษัทแพลตฟอร์มเทคโนโลยีกำลังรวบรวมข้อมูลจากอุตสาหกรรมต่าง ๆ เพื่อสร้างชุดข้อมูลที่เป็นมุมมองลูกค้า 360 องศาที่พวกเขาไม่สามารถเก็บมาได้เองทั้งหมด ตัวอย่างเช่น ธนาคารรายใหญ่กับร้านค้าทำงานร่วมกัน เพื่อดูว่าธุรกรรมการเงินส่งผลต่อพฤติกรรมการซื้ออย่างไร แน่นอนว่าข้อมูลเหล่านี้มีมูลค่าสำหรับร้านค้า แต่หลังจากนั้นพวกเขาสามารถขายข้อมูลนั้นให้กับผู้ให้บริการด้านสาธารณสุข ซึ่งจะใช้ประโยชน์จากข้อมูลนี้ในการติดตามพฤติกรรมการบริโภคอาหารและมีอิทธิพลต่อสุขภาพและคุณภาพความเป็นอยู่ของชีวิตได้ 3. เพิ่มอำนาจการตัดสินใจแบบยั่งยืน ปัญหาทางสภาพแวดล้อม สังคม และการปกครอง (ESG) ทำให้บริษัทต้องคิดหาวิธีทำธุรกิจของตนใหม่ ไม่ว่าจะเป็นการวางแผนตัดสินใจเรื่องสถานที่ตั้งอาคาร กระบวนการผลิตในอนาคต หรือจำนวนประกันภัยที่ต้องซื้อ เกือบทุกด้านของการดำเนินการธุรกิจจะได้รับผลกระทบจาก ESG เครื่องมือปัญญาประดิษฐ์ ซึ่งสามารถย่อยและวิเคราะห์ข้อมูลได้ทุกชนิด เช่น รูปแบบสภาพอากาศ เส้นทางจัดส่งที่เหมาะสมที่สุด และแนวโน้มการเติบโตของประชากร ซึ่งถือว่าเป็นกำลังสำคัญที่ช่วยให้บริษัททำการตัดสินใจด้าน ESG ได้ดีขึ้น ตัวอย่างเช่น หลายบริษัทกำลังใช้ข้อมูลเพื่อดูว่าสถานที่ในการสร้างคลังสินค้า โดยดูว่าการเปลี่ยนแปลงสภาพอากาศจะส่งผลกระทบต่อการปฏิบัติการเหล่านั้นหรือไม่ บริษัทหลายแห่งกำลังใช้ข้อมูลเพื่อลดคาร์บอนฟุตพริ้นท์ ตัวอย่างเช่น บริษัทผงซักฟอกรายใหญ่ต้องการลดการปล่อยคาร์บอนโดยลดขนาดบรรจุภัณฑ์ แต่ก็เพิ่มความเข้มข้นของผงซักฟอกเพื่อผู้บริโภคสามารถซักเสื้อผ้าในปริมาณเท่าเดิมได้ ผู้ค้าปลีกบอกว่าแม้จะมีประสิทธิภาพเท่าเดิม แต่ขนาดที่เล็กกว่าอาจไม่สามารถทำให้เกิดยอดขายได้เพราะผู้บริโภคคิดว่าบรรจุภัณฑ์ที่ใหญ่กว่านั้นคุ้มค่ากว่า แทนที่จะยังคงใช้บรรจุภัณฑ์ขนาดใหญ่ ผู้ค้าปลีกทำให้ผู้ผลิตผงซักฟอกทุกรายลดขนาดบรรจุภัณฑ์ของตนลงได้โดยแสดงให้เห็นว่าสามารถรักษาจำนวนการซักผ้าไว้เท่าเดิมได้ในขนากบรรจุภัณฑ์ที่เล็กกว่า ขณะเดียวกันก็มีความยั่งยืนเพิ่มขึ้น สิ่งนี้พิสูจน์ถึงพลังแห่งการวิเคราะห์ข้อมูล—บริษัทจึงพยายามชักจูงให้บริษัทในอุตสาหกรรมเดียวกันลดการปล่อยคาร์บอนโดยการใช้การตัดสินใจที่เกิดจากการวิเคราะห์ข้อมูล 4. เพิ่มประสิทธิภาพในการผลิต ในยุคดิจิทัลที่ทุกคนให้ความสำคัญในเรื่องของความแม่นยำระดับสูง โดยการรวบรวม วิเคราะห์ และใช้ประโยชน์ข้อมูลที่มีคุณภาพที่ถูกต้องในเวลาที่เหมาะสม เพื่อประเมิน คาดการณ์ และกำหนดการตัดสินใจ ที่ทำให้บริษัทสามารถเพิ่มผลผลิตและมูลค่าของทรัพยกรที่มีให้ได้มากที่สุด ตัวอย่างเช่น ZF ผู้จัดจำหน่ายยานยนต์ระดับโลก ต้องการเปรียบเทียบประสิทธิภาพระหว่างโรงงานหลายแห่ง จึงได้สร้างโปรแกรมการผลิตแบบดิจิทัล โดยสร้างในระบบคลาวด์ของ Azure ด้วย Factory Intelligence ของ PwC เพื่อวิเคราะห์ข้อมูลการทำงานระหว่างสถานที่แต่ละแห่ง ซึ่งใช้การวิเคราะห์ขั้นสูง การเปลี่ยนข้อมูลเป็นภาพ และระบบการทำงานแบบอัตโนมัติ ทั้งหมดนี้จะทำให้บริษัทได้ลดต้นทุนแปรสภาพ ปรับปรุงสมรรถภาพโดยรวม และเพิ่มประสิทธิภาพแรงงาน และประสิทธิผลตลอดทั่วโรงงานมากกว่า 200 แห่ง 5. ส่งเสริมการนำนวัตกรรมในการสร้างผลิตภัณฑ์หรือบริการ เมื่อเป็นเรื่องของการสร้างผลิตภัณฑ์และบริการใหม่ ๆ ข้อมูลสามารถเป็นตัวพลิกเกมได้ เพราะยิ่งคุณรู้ข้อมูลเกี่ยวกับลูกค้ามากเท่าไร คุณก็จะสามารถเห็นภาพผลิตภัณฑ์ที่ลูกค้าอาจต้องการได้ชัดขึ้น อย่างไรก็ตาม บริษัทจำเป็นต้องไปไกลกว่าแค่ Big Data (ข้อมูลขนาดใหญ่) และเริ่มมองหาสิ่งที่เรียกว่า “Thick Data” (ข้อมูลหนาแน่น) เพื่อจะชักจูงการใช้ผลิตภัณฑ์และบริการได้อย่างมีประสิทธิภาพผ่านการออกแบบที่มนุษย์เป็นศูนย์กลาง (Human-centric Design) ขณะที่ข้อมูลขนาดใหญ่เป็นเรื่องเกี่ยวกับการหาว่าผู้คนใช้เงินกับสิ่งใด พวกเขาซื้อของเมื่อไหร่ และพวกเขาใช้จ่ายไปเท่าไหร่ ข้อมูลหนาแน่นมุ่งเน้นที่พฤติกรรมของมนุษย์และเจาะลึกไปที่แรงจูงใจของคนในการซื้อบางสิ่ง รวมถึงวิธีที่พวกเขาใช้ผลิตภัณฑ์ ตัวอย่างเช่น บริษัทสินเชื่อมักจะระบุการโกงโดยดูที่แบบแผนธุรกรรมที่ผิดปกติ แต่การรวบรวมข้อมูลหนาแน่นเกี่ยวกับลูกค้าที่ได้รับผลกระทบจากการโกงและพฤติกรรมของนักต้มตุ๋นสามารถนำมาซึ่งความซับซ้อนระดับใหม่ จากการสัมภาษณ์ผู้คนที่ทำการโกงและหาแรงจูงใจกับรูปแบบพฤติกรรมของพวกเขา ข้อมูลเชิงลึกเหล่านั้นสามารถนำมาใช้ร่วมกับการวิเคราะห์ติดตามการโกงแบบดั้งเดิม การรวมกันนี้ช่วยให้บริษัทสามารถคาดการณ์ได้ว่าจะเกิดการโกงเมื่อไรก่อนที่จะเกิดขึ้นจริง ซึ่งนำไปสู่วิธีแก้ปัญหาการโกงที่ดีขึ้นได้ในที่สุด เมื่อนำผู้เชี่ยวชาญด้านข้อมูลและเทคโนโลยีมาเจอกัน การบรรลุผลลัพธ์ที่มีมูลค่าสูงจะต้องใช้วิธีแก้ปัญหาแบบใหม่และวิธีการเข้าถึงข้อมูลที่แตกต่างออกไป จากนี้คุณจะต้องคิดว่าข้อมูลของคุณจะบอกอะไรได้บ้าง จากการทำงานร่วมกันของ PwC และ Microsoft จะเห็นได้เลยว่าเป็นเรื่องท้าทายแค่ไหนสำหรับธุรกิจที่จะเข้าใจว่า “ขับเคลื่อนด้วยข้อมูล” มันเป็นอย่างไร ธุรกิจหลายแห่งเชื่อว่าเพียงเก็บรวบรวมข้อมูลและเปลี่ยนออกมาเป็นตัวเลขโดยเครื่องมือการเปลี่ยนข้อมูลเป็นภาพนั้นเพียงพอแล้ว ขณะที่การวิเคราะห์แบบพื้นฐานสามารถช่วยคุณได้ข้อมูลของบางสิ่งที่เกิดขึ้นไปแล้ว ข้อมูลชนิดนี้ เมื่อทำมาจับคู่กับการปฏิบัติและผลลัพธ์จริง สามารถช่วยคุณประเมินสิ่งที่อาจเกิดขึ้นได้ในอนาคตและบอกคุณว่าคุณสามารถทำอะไรได้บ้างกับปัญหาก่อนที่มันจะเกิดขึ้น บทความโดย Matt Hobbsarchive & Anil Nagarajarchiveเนื้อหาจากบทความของ MIT Technology Reviewแปลและเรียบเรียงโดย ไอสวรรค์ ไชยชะนะตรวจทานและปรับปรุงโดย เมธิยาภาวิ์ ศรีมนตรินนท์

14 November 2022

Data for Business

Big Data และ AI สามารถปรับปรุงความปลอดภัยของแอปพลิเคชันบนมือถือได้จริงหรือไม่?

ในปัจจุบันมีการใช้แอปพลิเคชันบนมือถือมากขึ้นเรื่อย ๆ ตั้งแต่ Mobile E-commerce ไปจนถึง Social Media โดยคนทั่วไปใช้เวลาบนแอปพลิเคชันบนมือถือประมาณ 4.8 ชั่วโมงต่อวัน โดยใน Google Play Store มีแอปพลิเคชันมากถึง 3.48 พันล้านแอป และใน Apple App Store มีแอปพลิเคชัน 1.96 ล้านแอปให้เลือกใช้ด้วยกัน แอปพลิเคชันเหล่านั้นมีปัญหาด้านระบบรักษาความปลอดภัยอย่างไรบ้าง และเทคโนโลยีทางด้าน Big Data หรือ ปัญญาประดิษฐ์ (AI) จะสามารถแก้ปัญหาดังกล่าวได้หรือไม่ ( big data ประโยชน์ ) เหตุใดแอปพลิเคชันบนมือถือจึงมีแนวโน้มที่จะถูกแฮก จากรายงานพบว่า แอปพลิเคชันของร้านค้าต่าง ๆ 90% ใน Google Play Store และ 35% ใน Apple App Store ถูกแฮก ซึ่งมีปัจจัยมากมายที่จะทำให้เกิดการแฮกบนมือถือ หนึ่งในนั้นคือการเขียน Code ที่ไม่รัดกุมที่มักจะเกิดจากการที่ผู้พัฒนาแอปพลิเคชันได้รับความกดดันให้ส่งงานตรงตามเวลา หรือมีข้อจำกัดทางด้านการเงินในการพัฒนา ทั้งนี้การทดสอบระบบรักษาความปลอดภัยของแอปพลิเคชันสามารถช่วยอุดรอยรั่วตรงนี้ได้ ยกเว้นแอปพลิเคชันที่มีการใช้ Open-source Coding Software ในการพัฒนา นอกจากนี้การที่แอปพลิเคชันบนมือถือสามารถเก็บข้อมูลทางการเงินและข้อมูลส่วนตัวได้นั้น เป็นสิ่งที่ล่อตาล่อใจแฮกเกอร์ในการที่จะแฮกข้อมูล ตัวอย่างเช่น แอปพลิเคชันของร้านค้าต่าง ๆ โดยปกติจะเก็บข้อมูลบัตรและข้อมูลส่วนตัวไว้สำหรับการจัดส่ง จึงเป็นขุมทองข้อมูลให้กับนักจู่โจมทางไซเบอร์ บวกกับความจริงที่ว่าแอปพลิเคชันบนมือถือมากมายมีการเขียน Code ที่ไม่รัดกุมและมีความเสี่ยงอื่น ๆ อีกหลายอย่างที่ทำให้แทรกซึมเข้าไปได้ง่าย จึงเห็นได้ชัดว่าเหตุใดแอปพลิเคชันของร้านค้าจึงเป็นเป้าหมายแรก ๆ ของพวกแฮกเกอร์ ปัญหาสุดท้ายเกิดจากเกิดจากการเข้าใจผิดของผู้ใช้งานที่คิดว่าแอปพลิเคชันใน Store นั้นปลอดภัย เพราะไม่ใช่ว่าทุกแอปพลิเคชันใน Store จะถูกกฎหมายหรือออกแบบมาโดยผู้พัฒนาแอปพลิเคชันมืออาชีพ ตัวอย่างเช่น มีแอปพลิเคชันมากมายที่คุณภาพต่ำและมีความเสี่ยงสูงซึ่งทำให้ถูกแฮกได้ง่าย บวกกับการที่ผู้ใช้ไม่ได้คำนึงถึงในเรื่องความปลอดภัย เพียงต้องการเล่นเกมจึงได้ใส่ข้อมูลส่วนตัวเข้าไป ซึ่งก็กลายเป็นเป้านิ่งให้กับพวกแฮกเกอร์ที่รออยู่ Big Data และ AI จะช่วยได้อย่างไร? มาดูกัน Big Data คืออะไร? ก่อนจะเข้าใจว่าเทคโนโลยีทั้งสองอย่างนี้จะช่วยแก้ปัญหานี้ได้อย่างไร เราต้องเข้าใจก่อนว่าเทคโนโลยีทั้งสองอย่างนั้นคืออะไรในบริบทของแอปพลิเคชันบนมือถือ Big Data คือชุดข้อมูลที่มีขนาดใหญ่หรือซับซ้อนเกินกว่าจะประมวลผลได้ด้วยวิธีการประมวลผลข้อมูลแบบดั้งเดิม คุณลักษณะของ Big Data คือ Velocity (ความเร็ว) Volume (ปริมาณ) และ Variety (ความหลากหลาย) – การที่ข้อมูลจะกลายเป็น Big Data ได้ต้องมีครบทั้ง 3 V นี้ ปัญหาของ Big Data จึงตามชื่อของมัน นั่นคือใหญ่เกินไป หลายบริษัทต้องพิจารณาก่อนว่าข้อมูลส่วนไหนมีมูลค่าและจำเป็นกับบริษัทเพื่อให้จัดการได้ง่ายขึ้น AI คืออะไร? AI หรือปัญญาประดิษฐ์ คือ โปรแกรมที่สามารถทำงานที่ซับซ้อนได้ มีความฉลาดใกล้เคียงมนุษย์ ซึ่งเป็นแนวคิดที่เมื่อ 20 ปีก่อนไม่มีใครคาดถึง แต่ปัจจุบันนี้การใช้ปัญญาประดิษฐ์นั้นแพร่หลายกว้างไกลและยังมีการพัฒนาต่อเนื่องไปทุกวัน ตัวอย่างเช่น ธุรกิจสามารถใช้ AI เพื่อสร้างโฆษณาสำหรับรายบุคคลหรือสามารถระบุนิสัยของผู้ซื้อได้ นอกจากนี้ AI ยังสามารถใช้กับ Online Chatbot เครื่องบินแบบไร้คนขับ กระบวนการอุตสาหกรรมการผลิต และอื่น ๆ ได้อีกมาก บริษัทต่าง ๆ สนใจสร้างเครื่องจักรที่ใช้ปัญญาประดิษฐ์ เพื่อจะเข้าถึงอารมณ์และความคิดของมนุษย์ได้มากขึ้น ยิ่งไปกว่านั้นคอมพิวเตอร์บางตัวสามารถแยกแยะวัตถุทางกายภาพได้แล้วโดยใช้ปัญญาประดิษฐ์ เทคโนโลยีทั้งสองอย่างนี้สามารถปรับปรุงระบบรักษาความปลอดภัยของแอปพลิเคชันบนมือถือได้อย่างไร? วิธีการใช้ข้อมูลที่แตกต่างกันของทั้งสองเทคโนโลยีนี้มีส่วนช่วยปรับปรุงความปลอดภัยของ แอปพลิเคชันบนมือถือ ได้อย่างไร? เริ่มจาก Big Data ข้อมูลจำนวนมหาศาลที่รวบรวมเป็นชุดข้อมูล Big Data สามารถให้ข้อมูลที่มีคุณค่ามากแก่ผู้พัฒนาเกี่ยวกับแบบแผนพฤติกรรมของผู้ใช้ เพื่อจะค้นหาช่องโหว่ที่อาจก่อให้เกิดความเสี่ยงสูงด้านระบบรักษาความปลอดภัย ตัวอย่างเช่น ข้อมูลสามารถทำให้เราทราบว่าผู้ใช้งานมีรูปแบบการป้อนข้อมูลส่วนตัวของพวกเขาอย่างไรและส่งผลต่อการแฮกหรือไม่ Big Data ยังสามารถช่วยให้ผู้พัฒนาค้นพบปัญหาในแอปพลิเคชันและสามารถดำเนินการเปลี่ยนแปลงที่จำเป็นเพื่อปรับปรุงประสิทธิภาพของแอปพลิเคชันได้ Bug ของแอปพลิเคชันคือหนึ่งในต้นเหตุที่ทำให้แฮกเกอร์สามารถเข้าถึงแอปพลิเคชันได้ง่าย เป็นตัวเพิ่มความเสี่ยงในการโดนแฮก AI สามารถปฏิบัติการได้แบบเดียวกันกับ Big Data โดย AI สามารถเรียนรู้พฤติกรรมและให้ความเห็นเชิงลึกที่มีประโยชน์เกี่ยวกับพฤติกรรมของผู้ใช้ที่อาจส่งผลให้มีการแฮกแอปพลิเคชันมากขึ้น ผู้พัฒนาบางรายเริ่มใช้ AI ในการส่งการแจ้งเตือนไปยังผู้ใช้เกี่ยวกับความเสี่ยงสูงที่ตรวจพบจากการแฮกครั้งก่อน ๆ ตัวอย่างเช่น เมื่อผู้ใช้สร้างรหัสผ่านใหม่ AI สามารถระบุได้ว่ารหัสผ่านนั้น สามารถเดาได้ง่ายเกินไปและขอให้ผู้ใช้สร้างรหัสผ่านที่รัดกุมมากขึ้นได้ AI ยังมีจุดแข็งในการแสดงปัญหาด้านการรักษาความปลอดภัยให้ผู้พัฒนาทราบ โดยสามารถแยกแยะแบบแผนการเขียน Code ที่ไม่รัดกุมได้ นอกจากนี้ยังสามารถช่วยปรับปรุงประสิทธิภาพโดยรวมของแอปพลิเคชันสำหรับผู้ใช้เช่นเดียวกับ Big Data โดยการวิเคราะห์พฤติกรรมของผู้ใช้ และแนะนำวิธีใหม่ ๆ ในการใช้แอปพลิเคชัน ซึ่งช่วยเพิ่มประสบการณ์โดยรวมของผู้ใช้ได้ อย่างที่ได้กล่าวไปข้างต้น ทุกวันนี้เราใช้แอปพลิเคชันบนมือถือมากขึ้นเรื่อย ๆ และในทุก ๆ วันก็มีแอปพลิเคชันใน Store เพิ่มมากขึ้นเฉลี่ย 3,739 แอปพลิเคชันต่อวัน ทำให้เกิดคำถามขึ้นว่า แอปพลิเคชันจำนวนมากมายมหาศาลที่เพิ่มเข้าใน Store ต่าง ๆ นั้นมีคุณภาพและระบบรักษาความปลอดภัยที่ดีจริงหรือไม่ เพราะไม่ใช่ว่าทุกแอปพลิเคชันจะมีผู้พัฒนามืออาชีพดูแลอยู่ แต่ด้วยการใช้งานของ Big Data และ AI จะทำให้ระบบรักษาความปลอดภัยของแอปพลิเคชันและการปรับปรุงการใช้งานกลายเป็นมาตรฐานได้ บทความโดย Bigdataเนื้อหาจากบทความของ BDAN (Big Data Analytics News)แปลและเรียบเรียงโดย ไอสวรรค์ ไชยชะนะตรวจทานและปรับปรุงโดย ดวงใจ จิตคงชื่น

13 November 2022

Data for Business

3 ตัวชี้วัดหลักของ E-commerce จะช่วยในการวิเคราะห์ข้อมูลของคุณได้อย่างไร

ทุกคนคงรู้ดีว่า E-commerce เป็นวงการที่โหดเหี้ยมและจะยิ่งมีการแข่งขันสูงขึ้นเรื่อย ๆ จากเหตุการณ์โรคระบาดที่ทุกคนออกไปไหนไม่ได้ ทำให้ยอดขายผ่านทาง E-commerce เติบโตขึ้นอย่างรวดเร็วในเวลาเพียงสามเดือน ซึ่งเทียบได้กับการเติบโตเมื่อ 10 ปีที่ผ่านมา และก็ไม่มีแนวโน้มว่าอัตราการเติบโตจะลดลงเลย แต่นั่นก็ไม่ได้แปลว่ากลุ่มผู้ประกอบการรายย่อยนั้นจะขายสินค้าได้ง่ายขึ้น (E-commerce และการวิเคราะห์ข้อมูล) ร้านค้าออนไลน์ประสบปัญหาเนื่องจากการแข่งขันที่สูงขึ้นและลูกค้าประจำลดฮวบลง ในขณะที่นักช้อปออนไลน์มักจะถูกจูงใจได้ง่าย ๆ ด้วยปัจจัยทางด้านราคาและระยะเวลาในการจัดส่ง รวมไปถึงโจทย์ใหญ่ ๆ เช่น การสร้างประสบการณ์ที่ดีให้กับลูกค้าและการช่วยเหลือลูกค้า จึงไม่มีช่วงเวลาไหนเลยที่ผู้ประกอบการจะได้พักให้หายเหนื่อยได้เลย ดังนั้นการวิเคราะห์ข้อมูลจึงมีบทบาทสำคัญต่อความสำเร็จในการทำ E-commerce ผู้ประกอบการจำเป็นต้องทราบว่าขณะนี้ร้านมียอดขายเพิ่มขึ้นหรือลดลง ลูกค้าเข้ามาหามากที่สุดในช่องทางไหน ลูกค้ากลุ่มไหนที่ใช้เงินมากที่สุดหรือเป็นลูกค้าประจำ ฯลฯ แต่การวิเคราะห์ข้อมูลก็ไม่สามารถเกิดขึ้นได้ถ้าไม่มีข้อมูล ดังนั้นผู้ประกอบการจึงจำเป็นต้องติดตามผลและเก็บข้อมูลตัวชี้วัดของอีคอมเมิร์ซหรือ E-commerce Metrics ที่ถูกต้องเพื่อให้นักวิเคราะห์สามารถนำข้อมูลมาใช้ได้ ไม่เช่นนั้นคุณจะไม่รู้ว่าอะไรที่คุณทำถูกแล้ว (หรือทำไม่ถูก) และระบุได้ว่าจะต้องเปลี่ยนแปลงอะไรเพื่อเพิ่มรายได้และทำผลกำไรให้ดีขึ้น แต่ละบริษัทอาจมีตัววัดที่ตอบโจทย์เป้าหมายธุรกิจที่แตกต่างกัน แต่ก็มีตัวชี้วัดบางตัวที่มักจะเป็นตัวชี้วัดหลักที่ใช้ได้กับเกือบทุกรูปแบบธุรกิจ ซึ่งตัวชี้วัดเหล่านี้จำเป็นอย่างยิ่งต่อความสำเร็จในการวิเคราะห์ข้อมูล และตัวชี้วัดต่อไปนี้ก็คือตัววัดประสิทธิภาพธุรกิจที่ธุรกิจ E-commerce ทุกรายควรติดตามผล เพื่อให้เราได้ข้อมูลที่สามารถนำไปใช้ต่อได้และเกิดความเข้าใจเชิงลึกในข้อมูล 1. มูลค่าคำสั่งซื้อโดยเฉลี่ย (Average Order Value) มูลค่าคำสั่งซื้อโดยเฉลี่ย หรือ Average Order Value (AOV) หมายถึงจำนวนเงินเฉลี่ยของคำสั่งซื้อแต่ละยอดในเว็บไซต์หรือแอปมือถือของคุณ มันเป็นวิธีที่ยอดเยี่ยมในการติดตามผลรายได้เนื่องจากมันหารรายได้ของคุณตามคำสั่งซื้อ จึงเป็นการโฟกัสที่รายได้ต่อธุรกรรมแทนที่จะเป็นจำนวนธุรกรรมที่เกิดขึ้นหรือจำนวนเงินที่คุณได้ เพราะยอดขายอาจทำให้ผู้ประกอบการเข้าใจผิดได้ เนื่องจากบางทียอดขายทำให้คุณรู้สึกว่าคุณขายได้เยอะ แต่ว่าแต่ละรายการนั้นได้จำนวนเงินที่ต่ำมาก AOV ช่วยให้คุณมองเห็นภาพชัดเจนของแนวโน้มรายได้ของคุณ AOV ช่วยให้นักวิทยาศาสตร์ข้อมูลให้ข้อมูลประกอบการตัดสินใจที่สำคัญในบริษัทอีคอมเมิร์ซ เช่นจะเพิ่มหรือลดราคาหรือเปลี่ยนทิศทางการทำการตลาดไปดึงดูดกลุ่มลูกค้าที่มีกำลังจ่ายสูงขึ้น AOV ที่ต่ำอาจเป็นสัญญาณว่าคุณต้องเพิ่มมูลค่าต่อคำสั่งซื้อ ตัวอย่างเช่น กำหนดยอดซื้อขั้นต่ำที่จะได้การจัดส่งฟรี เพื่อกระตุ้นให้ผู้ซื้อเพิ่มรายการสินค้าสองสามอย่างลงตะกร้าหรือนำเสนอชุดสินค้าหลายอย่างรวมกันที่มีมูลค่าสูงกว่าเพื่อจะกระตุ้นให้ลูกค้าใช้เงินมากขึ้นอีกนิดในแต่ละคำสั่งซื้อ นอกจากนี้ AOV ยังเป็นตัววัดที่สำคัญสำหรับการคำนวณต้นทุนและค่าใช้จ่าย ตัวอย่างเช่น ถ้า AOV ของคุณสูงแต่ผลกำไรโดยรวมต่ำ นั่นอาจเป็นสัญญาณว่าบริษัทของคุณใช้เงินมากเกินไปในการหาลูกค้าแต่ละราย มีเพียงข้อมูลเท่านั้นที่บอกคุณได้ ซึ่งสิ่งนี้จะนำไปสู่ตัวชี้วัดถัดไปของเรา 2. ต้นทุนในการหาลูกค้า (Customer Acquisition Cost) ต้นทุนในการหาลูกค้า หรือ Customer Acquisition Cost (CAC) เป็นการวัดจำนวนเงินที่คุณใช้ในการดึงดูดลูกค้าใหม่แต่ละราย คุณสามารถคำนวณได้โดยการหารค่าการตลาดทั้งหมดด้วยจำนวนลูกค้าใหม่ในช่วงระยะเวลาหนึ่ง CAC เป็นวิธีที่สำคัญในการติดตามผลความสำเร็จของการตลาดของคุณและเป็นตัวตัดสินใจว่าคุณจะใช้เงินไปกับการหาลูกค้าใหม่เท่าไร ถ้า CAC ของคุณสูงเกินไป อาจทำให้ทำกำไรได้ยาก โดยเฉพาะอย่างยิ่งถ้า AOV ของคุณต่ำด้วย แต่สำคัญที่ผู้ประกอบการต้องจำไว้ว่าต้นทุนในการหาลูกค้าที่สูงไม่ใช่เป็นสัญญาณเตือนเสมอไป ถ้าลูกค้าของคุณมีกำลังจ่ายสูงและเป็นลูกค้าประจำ มันก็คุ้มค่า ที่จะใช้จ่ายมากขึ้นเพื่อดึงดูดแต่ละคน แต่ในทางกลับกันสิ่งนี้ก็อาจเป็นความผิดพลาดได้ หากเราใช้เงินมากเกินไปในการหาลูกค้าใหม่ที่สั่งซื้อเพียงครั้งเดียวและมีมูลค่าต่อยอดการสั่งซื้อต่ำ เมื่อเราลองเทียบอัตรากำไรของสินค้าแต่ละชนิดในบริษัท คุณอาจพบว่าสินค้าแต่ละตัวทำกำไรแตกต่างกัน ดังนั้นการใช้กำไรของทุกสินค้าเพื่อกำหนดต้นทุนในการหาลูกค้าสูงสุดที่เป็นไปได้จึงเป็นเรื่องยาก แต่อย่างไรก็ตามคุณสามารถหาตัวเลขที่เป็นไปได้ของ CAC ได้ หากคุณจำกัดการวิเคราะห์ให้อยู่เฉพาะในตัวเลขกำไรของสินค้ายอดนิยมที่สุดในเว็บไซต์ของคุณ และแน่นอนว่าธุรกิจใหม่ ๆ จะมีอัตรา CAC ที่สูงกว่าธุรกิจที่มีมานานเนื่องจากยังไม่มีฐานลูกค้าประจำหรือยังไม่เป็นที่รู้จักในวงกว้าง 3. อัตราการปิดการขาย Conversion Rate อัตรา Conversion Rate คือเปอร์เซ็นต์ของผู้ใช้บริการที่ดำเนินการกระทำสิ่งใดสิ่งหนึ่งที่เราต้องการวัดผลเทียบกับผู้ใช้บริการทั้งหมด ซึ่งอาจเป็นการลงชื่อรับจดหมายข่าวสารจากทางอีเมลของคุณ คลิกดูสินค้า “คอลเลคชันใหม่” ในร้านค้าออนไลน์ของคุณ หรือทำการสั่งซื้อ โดยขึ้นอยู่กับคุณว่าจะตัดสินใจติดตามผล Conversion ตัวไหน แต่ตัววัด Conversion Rate ของ E-commerce ที่นิยมที่สุดคือจำนวนธุรกรรมต่อการเข้าชม หรืออีกนัยหนึ่งคือ เปอร์เซ็นต์ของคนที่เข้าชมเว็บไซต์ของคุณแล้วทำให้เกิดยอดขาย Conversion Rate ของคุณนั้นจำเป็นอย่างยิ่งต่อการทำกลยุทธ์การตลาดของคุณ รวมถึงการใช้จ่ายค่าโฆษณาและการตลาดรูปแบบอื่น ๆ ที่ต้องจ่ายเงิน ถ้าอัตรา Conversion Rate ของคุณต่ำ อาจหมายความว่า Keyword ในการทำ SEO ของคุณไม่มีประสิทธิภาพ หรือคุณทำการโฆษณาขายสินค้าบนโซเชียลมีเดียโดยกำหนดกลุ่มเป้าหมาย (Target Audiences) ที่ไม่ถูกต้อง เนื่องจากคนที่เข้ามาชมเว็บไซต์ของคุณไม่ได้เข้ามาซื้อสินค้าของคุณ (สังเกตจากอัตราการปิดการขายที่ต่ำ) ข้อมูลการปิดการขายยังให้ข้อมูลด้านการทดลองอื่น ๆ ที่คุณอาจนำไปปรับใช้กับการออกแบบเว็บไซต์ของคุณให้เหมาะสมเพื่อเกิดยอดขายสูงสุด แต่ถ้าหากจะทำการทดลองที่มีความซับซ้อนขึ้นไปอีก คุณสามารถแบ่งข้อมูลตามช่องทางการเข้าชม เพื่อให้คุณสามารถเทียบอัตรา Conversion Rate ต่อการออกแบบหน้าเว็บไซต์กับสิ่งที่ผู้เข้าชมมองหาก่อนจะคลิกเข้าไปดู ตัววัดธุรกิจเป็นแนวทางสู่ความสำเร็จของ E-commerce ตัววัดธุรกิจที่ถูกต้องเปรียบเสมือนสายตาของคุณผ่านผืนน้ำแห่ง E-commerce ที่ขุ่นมัวและหนาแน่น ดังนั้นจึงสำคัญอย่างยิ่งที่คุณต้องมีตัววัดที่ถูกต้อง โดยการติดตามผลมูลค่าคำสั่งซื้อโดยเฉลี่ย อัตราการปิดการขาย และต้นทุนในการหาลูกค้า เท่านี้คุณก็จะมีแหล่งข้อมูลที่สำคัญที่สามารถนำมาวิเคราะห์ข้อมูลได้และได้รับข้อมูลเชิงลึกในเรื่องประสิทธิภาพของร้านค้าออนไลน์ของคุณ ซึ่งจะทำให้ธุรกิจของคุณเติบโตและสร้างกำไรได้ดียิ่งขึ้น บทความโดย Evan Morrisเนื้อหาจากบทความของ Data Science Centralแปลและเรียบเรียงโดย ไอสวรรค์ ไชยชะนะตรวจทานและปรับปรุงโดย อนันต์วัฒน์ ทิพย์ภาวัต

13 November 2022

Movements

AI คือคำตอบต่อปัญหาการเปลี่ยนแปลงสภาพภูมิอากาศของอาร์กติกหรือไม่?

โครงการ AI ของ ASU AI วิเคราะห์ข้อมูลขนาดใหญ่ เพื่อช่วยให้นักวิเคราะห์ค้นพบวิธีการแก้ปัญหาโลกร้อนที่อาร์กติก ( AI แก้ปัญหาโลกร้อน ) อาร์กติกกำลังเผชิญวิกฤตทางภูมิอากาศจากการคุกคามของผู้คนในบริเวณนั้นและบริเวณอื่น ๆ ทั่วโลก แม้ว่าเราจะมีวิธีแก้วิกฤตนี้โดยใช้วิธีแก้ปัญหาที่ใช้กันทั่วโลกก็ตาม แต่วิธีเหล่านั้นก็เหมือนจะไม่สามารถทำได้ เป็นเวลาหลายปีมาแล้วที่ดาวเทียมและโดรนได้เก็บข้อมูลทางวิทยาศาสตร์จำนวนมากมายจากพื้นที่อาร์กติกที่ห่างไกลและไม่ได้รับการสำรวจ แต่ปัญหาคือการเก็บข้อมูลเหล่านี้มาเป็นเวลาหลายปีทำให้เรามีข้อมูลมากเกินไป และแทบจะเป็นไปไม่ได้ที่จะตีความข้อมูลเหล่านั้นออกมาได้อย่างมีประสิทธิภาพ ซึ่งหนึ่งในอาจารย์ของมหาวิทยาลัยแอริโซนาสเตต (Arizona State University, ASU) มีความหวังที่จะเปลี่ยนแปลงเรื่องนี้ ในเดือนสิงหาคม เวนเวน ลี (Wenwen Li) กับหุ้นส่วนของเธอได้รับเงินวิจัยจำนวน 1 ล้านดอลลาร์สหรัฐ เพื่อช่วยให้นักวิทยาศาสตร์ได้เรียนรู้ที่จะใช้ปัญญาประดิษฐ์ในการแก้ปัญหาภัยพิบัติที่กำลังจะเกิดขึ้นที่อาร์กติก และลีก็เป็นหัวหน้าคณะนักวิจัยในโครงการดังกล่าว “ปัญหาที่อาร์กติกนั้นถือว่าเป็นปัญหาที่ต้องได้รับการแก้ไขอย่างเร่งด่วนมาก” ลีกล่าว เธอคือนักวิทยาศาสตร์ข้อมูลที่ได้รับการอบรมในเรื่องวิทยาการคอมพิวเตอร์และวิทยาศาสตร์โลกทั้งระบบ (Earth System Science) ที่ ASU “เราต้องแก้ไขปัญหาให้เร็วที่สุดเท่าที่เราสามารถทำได้” ข้อมูลขนาดใหญ่ ลี อาจารย์แผนก ภูมิศาสตร์วิทยาและการวางผังเมือง ของ ASU ได้กล่าวไว้ว่า การวิเคราะห์ข้อมูลขนาดใหญ่ในเชิงวิทยาศาสตร์เป็นเรื่องที่ท้าทายเป็นอย่างมาก และเราอาจจะประเมินการวิเคราะห์ดังกล่าวไว้ต่ำเกินไป จากคลังข้อมูลการเปลี่ยนแปลงสภาพภูมิอากาศของ NASA ถูกประมาณการณ์ว่าจะมีข้อมูลปริมาณกว่า 350 เพตะไบต์ภายในปี 2030 หรือเทียบได้กับจำนวนหน้ากระดาษพร้อมข้อความแบบไม่มีบรรทัดว่าง 10 ล้านหน้า และบริษัทดาวเทียม MaxarTechnologies จะมีภาพถ่ายทั่วโลกมากกว่า 125 เพตะไบต์ ซึ่งนั่นก็เทียบได้กับจำนวนจดหมายที่ไปรษณีย์สหรัฐทำการจัดส่งเป็นเวลากว่า 25 ปี ปัญหาที่ได้กล่าวไปนั้น เป็นเพียงแค่ส่วนหนึ่งของปัญหาอีกมากมาย ยังมีอีกองค์ประกอบหนึ่งนั่นก็คือ การที่รวบรวมข้อมูลในปริมาณมากและนำมาวิเคราะห์ เพื่อหาชุดข้อมูลที่นักวิทยาศาสตร์ต้องการมากที่สุด เพราะ ณ ตอนนี้เครื่องคอมพิวเตอร์ที่เหล่านักวิทยาศาสตร์ในอาร์กติกใช้อยู่นั้น ไม่มีศักยภาพมากพอที่จะเก็บรวมและตีความข้อมูลในปริมาณมากขนาดนั้นได้ ซึ่งการตีความข้อมูลเป็นสิ่งจำเป็นยิ่งเพื่อแก้ไขปัญหาที่อาร์กติกกำลังเผชิญ ลี ผู้อำนวยการห้องแล็บ โครงสร้างพื้นฐานทางไซเบอร์และปัญญาประดิษฐ์ ที่วิทยาเขต Tempe ของ ASU ได้กล่าวไว้ว่า “ข้อมูลเพียงอย่างเดียวไม่สามารถช่วยอะไรได้ เพราะสิ่งที่เราต้องการคือความสามารถในการวิเคราะห์ข้อมูลปริมาณมหาศาล เพื่อให้ได้องค์ความรู้ทางวิทยาศาสตร์ที่มีที่มีประโยชน์ โดยการที่จะทำสิ่งนี้ได้นั้นจำเป็นต้องใช้ปัญญาประดิษฐ์เข้ามาช่วย อย่างไรก็ดีนักวิทยาศาสตร์ในอาร์กติกหลายคนไม่มีความสามารถในการใช้ปัญญาประดิษฐ์ได้” ลีกับหุ้นส่วนของเธอตั้งเป้าจะใช้เงินทุนวิจัยเพื่อพัฒนาโปรแกรมอบรมด้านไซเบอร์สำหรับนักวิทยาศาสตร์ในอาร์กติก และบุคลากรจากแผนกอื่น ๆ เพื่อทำให้พวกเขาสามารถเข้าถึง ศึกษา และตีความข้อมูลจำนวนมากที่ซับซ้อนเหล่านี้ได้ด้วยการใช้งานปัญญาประดิษฐ์ โครงการดังกล่าวนี้มีชื่อว่า “Cyber 2A: CyberTraining on AI-driven Analytics for Next Generation Arctic Scientists” โดยโครงการจะเริ่มตั้งแต่เดือนมีนาคมปี ค.ศ. 2023 ไปจนถึงเดือนกุมภาพันธ์ปี ค.ศ. 2026 ลียังกล่าวอีกว่า “วิธีการที่ทันสมัยผ่านการนำเทคโนโลยีปัญญาประดิษฐ์เข้ามาช่วยนั้น จะทำให้นักวิทยาศาสตร์ในอาร์กติกมีโอกาสค้นพบสิ่งใหม่ ๆ เพิ่มขึ้น ทำให้เราทราบแน่ชัดว่า จริง ๆ แล้วกำลังเกิดอะไรขึ้นในอาร์กติกกันแน่” ซึ่งงานนี้เป็นการร่วมมือกันระหว่าง 4 หน่วยงาน ได้แก่ มหาวิทยาลัยแอริโซนาสเตท มหาวิทยาลัยแคลิฟอร์เนียที่แซนตาบาร์บารา มหาวิทยาลัยอิลลินอยส์เออร์บานาแชมเปญ และศูนย์วิจัยสภาพภูมิอากาศวูดเวลล์ ซึ่งภายในทีมวิจัยนั้นจะประกอบไปด้วยผู้เชี่ยวชาญในด้านต่าง ๆ ไม่ว่าจะเป็นด้านโครงสร้างพื้นฐานทางไซเบอร์ ด้านการประมวลผลประสิทธิภาพสูง ด้านปัญญาประดิษฐ์และด้านวิทยาศาสตร์อาร์กติก ( AI แก้ปัญหาโลกร้อน ) ปัญหาของขั้วโลก รายงานจากสถาบันอุตุนิยมวิทยาของฟินแลนด์ได้ระบุว่า ตั้งแต่ปี 1979 การเปลี่ยนแปลงสภาพภูมิอากาศและภาวะโลกร้อนบริเวณอาร์กติกได้เกิดขึ้นในอัตราที่รวดเร็วมาก ถ้าเทียบกับบริเวณอื่นของโลกแล้ว ที่อาร์กติกเกิดมากกว่าบริเวณอื่น ๆ มากถึง 4 เท่าเลยทีเดียว การละลายของน้ำแข็งในอาร์กติกที่มีพื้นที่ประมาณ 177.6 พันล้านตารางฟุตนั้นส่งผลกระทบอย่างมากต่อโครงสร้างของโลก เพราะตอนนี้โครงสร้างชั้นดินเยือกแข็งคงตัว (Permafrost) กำลังทรุดตัวลง โครงสร้างพื้นฐานของโลกที่ไม่มั่นคงนี้ ส่งผลกระทบกับทุกสิ่ง ตั้งแต่เศรษฐกิจไปจนกระทั่งการใช้ชีวิตอย่างการหาอาหารหรือการรักษาที่อยู่ของสัตว์ในบริเวณนั้น เช่น หมีขั้วโลก วอลรัส สุนัขจิ้งจองอาร์กติก กวางคาริบู เป็นต้น ไม่เพียงเท่านี้เมื่อน้ำแข็งหายไป การสะท้อนของแสงอาทิตย์ก็หายไปด้วย ทำให้พลังงานจากดวงอาทิตย์ถูกกักเก็บไว้ที่โลกมากขึ้น นอกจากนี้ การละลายของน้ำแข็งยังปล่อยสารมีเทนหรือแก๊สเรือนกระจกด้วย ซึ่งนำไปสู่ภาวะโลกร้อน และหากยังมีการละลายของน้ำแข็งอย่างต่อเนื่อง อีกไม่นานเราอาจจะได้เห็นจุดจบของแดนน้ำแข็งนี้ Nature Climate Change ได้คาดการณ์ไว้ว่า ภายในปี 2040 จะไม่มีน้ำแข็งในอาร์กติกอีกต่อไป และเนื่องจากปริมาณน้ำแข็งในอาร์กติกนั้นมีส่วนสำคัญอย่างมากในการควบคุมสภาพภูมิอากาศของโลก การที่ไม่เหลือน้ำแข็งในอาร์กติกย่อมส่งผลกระทบร้ายแรงกับทุกบริเวณทั่วโลก นักวิทยาศาสตร์ นักธรณีวิทยาและผู้เชี่ยวชาญอื่น ๆ ที่กำลังศึกษาปัญหาเหล่านี้อยู่นั้น ไม่มีกำลังมากพอที่จะติดตามและรับมือกับการละลายของน้ำแข็งในอาร์กติก รวมถึงข้อมูลที่เกี่ยวข้องกับเรื่องดังกล่าวได้ ทำให้ผู้ออกนโยบายไม่สามารถนำข้อมูลเหล่านี้มาตัดสินใจในการออกนโยบายป้องกันภาวะโลกร้อนแบบเร่งด่วน ทีมวิจัยรับมือกับความท้าทาย และจุดนี้แหละ ที่จะเป็นจุดที่ทีมของลีเข้ามามีบทบาท เงินทุนในการวิจัยนี้จะช่วยให้นักวิทยาศาสตร์ได้รับการอบรมด้านการวิเคราะห์ที่เกี่ยวกับ AI เพื่อนำความรู้มาคาดการณ์การเปลี่ยนแปลงตามเวลาจริงได้อย่างแม่นยำ และท้ายที่สุดเราก็จะพบวิธีการแก้ปัญหาภาวะโลกร้อนและการเปลี่ยนแปลงของสภาพภูมิอากาศในอาร์กติก การอบรมนี้จะมีทั้งรูปแบบการเรียนในห้องเรียนทั่วไป การเรียนในออนไลน์ และเปิดเป็นคอร์สผ่านเว็บบินาร์รายเดือน โดยเปิดให้กับทั้งนักวิทยาศาสตร์และนักการศึกษา นอกจากนี้ยังมีการสร้างเครือข่ายวิจัยอาร์กติก AI สำหรับแบ่งปันไอเดียและแหล่งข้อมูลต่าง ๆ เนื้อหาการอบรมทั้งหมดจะถูกเก็บไว้ใน Learning Hub ของศูนย์ข้อมูลอาร์กติก เพื่อให้นักวิทยาศาสตร์ ผู้เชี่ยวชาญ และผู้พัฒนาสามารถเข้าถึงข้อมูลวิทยาศาสตร์อาร์กติก ธรณีศาสตร์ และข้อมูลที่สำคัญอื่น ๆ ได้ การร่วมมือจากทุกฝ่ายเป็นอีกหนึ่งความพยายามสำคัญ นำไปสู่การทำแผนสรรหาบุคคลเพื่อสร้างแรงงานนักวิจัย STEM ที่มีประสิทธิภาพและหลากหลาย โดยเปิดโอกาสให้กับทุกคนไม่ว่าจะเป็น กลุ่มคนที่เสียเปรียบทางเศรษฐกิจ สตรี สมาชิกชุมชนชาวพื้นเมืองอาร์กติกและอีกมากมาย “เงินทุนการอบรมด้านปัญญาประดิษฐ์จะช่วยเพิ่มทักษะให้กับเหล่านักวิจัยอาร์กติกและผู้นำรุ่นใหม่ในการนำข้อมูลทั้งหมดที่ถูกเก็บรวบรวมไว้มาใช้ให้เกิดประโยชน์สูงสุดได้” อันนา ลิเลียดาห์ล ผู้ร่วมตรวจสอบหลักของโครงการจากศูนย์วิจัยสภาพภูมิอากาศวูดเวลล์กล่าว “มีข้อมูลเพียงไม่ถึงหยิบมือเดียวที่ประมวลผลมาเกือบทศวรรษหลังจากถูกเก็บรวบรวมมา นั่นคือการดำเนินการของวิทยาศาสตร์ในปัจจุบันเท่าที่ทำได้” และสุดท้าย ลีกับเพื่อนร่วมงานหวังว่าจะทำหน้าที่ของตนให้ดีที่สุดในการฟื้นฟูสภาพแวดล้อมส่วนหนึ่งของใบนี้ ( AI แก้ปัญหาโลกร้อน ) บทความโดย Dolores Tropianoเนื้อหาจากบทความของ Arizona State Universityแปลและเรียบเรียงโดย ไอสวรรค์ ไชยชะนะตรวจทานและปรับปรุงโดย พีรดล สามะศิริ

31 October 2022

รู้จัก BDI

Organization

Policy and Plan

Personnel

Operations

Isawan Chaichana

บทความของผู้เขียน

Articles

สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน)

Big Data Institute (Public Organization)

234/432 Soi Lat Phrao 12, Chomphon, Chatuchak, Bangkok 10900, Thailand

Contact Us

Quick Link

About Us

© Big Data Institute | Privacy Policy