BDI

BDI

ข่าวและบทความที่เกี่ยวข้อง

Related news and articles

PostType Filter En

ข่าว

BDI ผนึก พม.-ภาคีเครือข่าย เร่งบูรณาการข้อมูลกลุ่มเปราะบาง-คนพิการ-ผู้สูงอายุ ขับเคลื่อนนโยบายทั่วถึงด้วย Big Data เพื่อยกระดับคุณภาพชีวิตอย่างเท่าเทียม
18 มิถุนายน 2568, กรุงเทพฯ – สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน) หรือ BDI ภายใต้กระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม (ดีอี) เดินหน้ายกระดับการขับเคลื่อนข้อมูลของประเทศด้วยการบูรณาการข้อมูลจากทุกภาคส่วนโดยล่าสุดผนึกความร่วมมือกับกระทรวงการพัฒนาสังคมและความมั่นคงของมนุษย์ (พม.) และหน่วยงานที่เกี่ยวข้องรวม 29 ฝ่าย จาก 15 กระทรวง และอีก 14 หน่วยงาน โดยมี รศ. ดร.ธีรณี อจลากุล ผู้อำนวยการสถาบันข้อมูลขนาดใหญ่ (BDI) ร่วมลงนามบันทึกความเข้าใจ (MOU) “การเชื่อมโยงและปรับปรุงฐานข้อมูลประชาชนในกลุ่มเปราะบางและกลุ่มคนพิการ และการจัดทำฐานข้อมูลผู้สูงอายุตามสิทธิ/สวัสดิการที่จะได้รับรายบุคคลเพื่อบูรณาการข้อมูล จากทุกภาคส่วนที่ขับเคลื่อนงานด้านผู้สูงอายุ” ณ ตึกสันติไมตรี ทำเนียบรัฐบาล โดยได้รับเกียรติจาก นางสาวแพทองธาร ชินวัตร นายกรัฐมนตรี เป็นประธานในพิธีดังกล่าว พร้อมด้วย นายวราวุธ ศิลปอาชา รัฐมนตรีว่าการกระทรวงการพัฒนาสังคมและความมั่นคงของมนุษย์ (พม.) กล่าวรายงาน และมี นพ.พรหมินทร์ เลิศสุริย์เดช เลขาธิการนายกรัฐมนตรี นายภูมิธรรม เวชยชัย รองนายกรัฐมนตรีและรัฐมนตรีว่าการกระทรวงกลาโหม นายพิชัย นริพทะพันธุ์ รัฐมนตรีว่าการกระทรวงพาณิชย์ นายเดชอิศม์ ขาวทอง รัฐมนตรีช่วยว่าการกระทรวงสาธารณสุข และนายอนุกูล ปีดแก้ว ปลัดกระทรวงการพัฒนาสังคมและความมั่นคงของมนุษย์ ร่วมเป็นสักขีพยานและผู้บริหารระดับสูงจากกระทรวงมหาดไทย กระทรวงสาธารณสุข กระทรวงการคลัง กระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม กระทรวงแรงงาน กระทรวงศึกษาธิการ กรุงเทพมหานคร รวมถึงหน่วยงานที่เกี่ยวข้องเข้าร่วมลงนามอย่างพร้อมเพรียง การลงนามในครั้งนี้ สืบเนื่องจากมติคณะรัฐมนตรีเมื่อวันที่ 15 ตุลาคม 2567 และวันที่ 21 มกราคม 2568 ซึ่งเห็นชอบให้มีการจัดทำฐานข้อมูลประชาชนกลุ่มเปราะบาง คนพิการ และผู้สูงอายุ โดยมี พม. เป็นหน่วยงานหลักในการบูรณาการ ร่วมกับทุกหน่วยงานดังกล่าว ให้ข้อมูลมีความถูกต้อง ครบถ้วน เชื่อมโยงกัน และเป็นระบบเดียว เพื่อรองรับการกำหนดนโยบายและการจัดสรรสวัสดิการอย่างตรงจุด โดยมอบหมายให้สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน) หรือ BDI ทำหน้าที่สนับสนุนด้านเทคโนโลยีและโครงสร้างข้อมูล เพื่อผลักดันการใช้ประโยชน์จาก Big Data ของภาครัฐมากำหนดนโยบายอย่างเป็นรูปธรรมต่อไป รศ. ดร.ธีรณี อจลากุล ผู้อำนวยการสถาบันข้อมูลขนาดใหญ่ (BDI) กล่าวว่า BDI มีพันธกิจสำคัญในการให้บริการวิเคราะห์ข้อมูลและส่งเสริมการใช้ประโยชน์จากข้อมูลของภาครัฐ เพื่อให้การตัดสินใจเชิงนโยบายมีความชัดเจนและตอบโจทย์ประชาชนได้อย่างแท้จริง เรามุ่งมั่นในการสนับสนุนให้หน่วยงานภาครัฐสามารถนำข้อมูลที่ถูกเก็บรวบรวมไว้ไปใช้ประโยชน์ได้จริง โดย BDI พัฒนาโครงสร้างพื้นฐานด้านข้อมูลเพื่อให้เกิดการเชื่อมโยงกันอย่างมีประสิทธิภาพ เพราะเราเชื่อว่าข้อมูลคือรากฐานสำคัญของการพัฒนาประเทศ หากสามารถบูรณาการข้อมูลจากหน่วยงานต่าง ๆ ได้อย่างถูกต้อง เป็นระบบ และไม่ซ้ำซ้อน ก็จะช่วยลดความคลาดเคลื่อนของข้อมูล ทำให้การกำหนดนโยบายสาธารณะมีความแม่นยำ ตรงจุด และช่วยให้รัฐสามารถดูแลประชาชนทุกคนได้อย่างทั่วถึงและเท่าเทียมมากยิ่งขึ้น ภายใต้กรอบความร่วมมือดังกล่าว BDI จะทำหน้าที่ออกแบบระบบที่เชื่อมโยง และวิเคราะห์ข้อมูลจากหน่วยงานภาครัฐ ด้วยเทคโนโลยีที่สอดคล้องกับการคุ้มครองข้อมูลส่วนบุคคลและมีความมั่นคงปลอดภัย อีกทั้งยังนำ Machine Learning มาใช้ในการสร้างแบบจำลองเพื่อประเมินแนวโน้มของผู้ที่ยังเข้าไม่ถึงสิทธิ เช่น การคาดการณ์พื้นที่ที่มีคนจนแฝงซึ่งยังไม่ได้รับบัตรสวัสดิการแห่งรัฐ เพื่อช่วยให้ภาครัฐสามารถจัดบริการได้ตรงกลุ่มมากขึ้น พร้อมสนับสนุนการวิเคราะห์ข้อมูลในหลากหลายมิติ ทั้งรายได้ สุขภาพ การศึกษา การมีงานทำ และสวัสดิการ ผ่านดัชนีความยากจนหลายมิติ (Multidimensional Poverty Index: MPI) พร้อมพัฒนาแดชบอร์ดที่สามารถใช้งานได้จริง เข้าใจง่าย และสอดคล้องกับภารกิจของแต่ละหน่วยงาน นอกจากนี้ BDI ยังให้คำปรึกษาทางวิชาการอย่างต่อเนื่อง เพื่อสนับสนุนให้ทุกหน่วยงานสามารถนำข้อมูลไปใช้วางแผนและให้บริการประชาชนได้อย่างมีประสิทธิภาพ ภารกิจทั้งหมดนี้ดำเนินงานโดยนักวิทยาศาสตร์ข้อมูลและวิศวกรข้อมูลที่มีความรู้และเชี่ยวชาญด้านเทคโนโลยีของ BDI ภายใต้แพลตฟอร์มการเชื่อมโยงและวิเคราะห์ข้อมูลขนาดใหญ่ (ดีทู) หรือ Data Integration and Intelligence Platform (DII) ซึ่งเป็นหนึ่งในโครงการหลักของ BDI โดย DII ไม่ได้เป็นการสร้างระบบข้อมูลขึ้นมาใหม่ แต่ทำหน้าที่บูรณาการและเชื่อมโยงข้อมูลที่มีอยู่แล้วจากหลายภาคส่วน เพื่อให้ประเทศไทยสามารถใช้ประโยชน์จากข้อมูลอย่างเต็มศักยภาพ “ความร่วมมือในครั้งนี้เป็นก้าวสำคัญของ BDI ในการบูรณาการข้อมูลเพื่อแก้ปัญหาความเหลื่อมล้ำในการเข้าถึงสิทธิ และเพิ่มประสิทธิภาพในการดูแลประชาชนกลุ่มเปราะบางได้อย่างยั่งยืน การวางรากฐานระบบข้อมูลกลางที่แม่นยำและเชื่อมโยงไร้รอยต่อ จะช่วยให้การกำหนดนโยบายรัฐสวัสดิการตอบโจทย์ประชาชนได้ตรงจุด เท่าเทียมและมีประสิทธิภาพยิ่งขึ้น ทั้งนี้ BDI ยังมุ่งมั่นพร้อมเดินหน้าให้ความร่วมมือในการเชื่อมโยงและบูรณาการข้อมูลร่วมกับทุกภาคส่วน เพื่อผลักดันให้ประเทศไทยก้าวสู่การเป็น ‘Data-Driven Nation’ ” รศ. ดร.ธีรณี กล่าวสรุป

ข่าว

สัปดาห์แรก BDI จัดอบรมหลักสูตร LEAD รุ่นที่ 2 เสริมสร้างผู้นำยุคใหม่ ขับเคลื่อนองค์กรด้วย Big Data และ AI อย่างยั่งยืน
12 – 14 มิถุนายน 2568, ชลบุรี – สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน) หรือ BDI จัดกิจกรรมอบรมหลักสูตร “LEAD: Big Data and AI for Sustainable Future” รุ่นที่ 2 โดยมีผู้นำยุคใหม่ทั้งภาครัฐและอกชน เข้าร่วมอบรมอย่างเข้มข้น ณ บริษัท Amazon Web Services (AWS) และ โรงแรมพลูแมน พัทยา จี จังหวัดชลบุรี โดยมีเป้าหมายในการพัฒนาศักยภาพผู้นำยุคใหม่ ทั้งภาครัฐและเอกชน ให้สามารถนำเทคโนโลยี Big Data และปัญญาประดิษฐ์ (AI) มาใช้ในการขับเคลื่อนองค์กรอย่างยั่งยืนและมีประสิทธิภาพ เริ่มต้นกิจกรรมสัปดาห์แรกโดยผู้บริหาร AWS ก่อนเข้าสู่การบรรยายในหัวข้อ “Amazon Culture of Innovation & Working Backward” และ “End to End Data Solution & AI Innovation on AWS” โดยนายพิทักษ์ เหล่าแสนงาม Head of Innovation and Transformation Delivery และ นายศาศวัต นธการกิจกุล Data & AI Solutions Lead, eASEAN Public Sector, Amazon Web Services (AWS) ได้ถ่ายทอดแนวคิดและประสบการณ์ในการสร้างนวัตกรรมที่ขับเคลื่อนด้วยวัฒนธรรมองค์กรและโครงสร้างข้อมูลที่มั่นคง เช่น  การสร้างนวัตกรรมจาก “Customer Obsession” ผ่านกระบวนการ “Working Backwards” และการจัดทีมแบบ “Two-Pizza Team” เพื่อความคล่องตัวและความเป็นเจ้าของ ขณะเดียวกัน AWS ชูจุดแข็งด้าน Data Foundation ที่เป็นรากฐานสำคัญของ Generative AI พร้อมนำเสนอเครื่องมือครบวงจรที่รองรับการพัฒนา AI อย่างยืดหยุ่น และชี้แนวโน้มการมาถึงของ “Agentic AI” ซึ่งจะพลิกโฉมการทำงานในองค์กรสู่ระบบอัตโนมัติอัจฉริยะ ในช่วงบ่าย คณะผู้เข้าร่วมอบรมได้เดินทางสู่ โรงแรมพูลแมน พัทยา จี จังหวัดชลบุรี และเข้าร่วมกิจกรรม LEAD Connect โดยได้รับเกียรติจาก ผศ. ดร.สุมนรตรี นิ่มเนติพันธ์ หัวหน้าภาควิชาสันตภาพ คณะพละศึกษา มหาวิทยาลัยศรีนครินทรวิโรฒ ถ่ายทอดแนวคิดเกี่ยวกับ “การสื่อสารภาวะผู้นำที่สร้างแรงบันดาลใจ” ผ่านการเคลื่อนไหวและกิจกรรมกลุ่ม ซึ่งไม่เพียงช่วยสร้างความสามัคคีในทีม แต่ยังช่วยปลุกศักยภาพภายในของแต่ละบุคคลให้กล้าคิด กล้าแสดงออก และพร้อมเชื่อมโยงความเป็นผู้นำเข้าสู่การทำงานจริงได้อย่างมีประสิทธิภาพ กิจกรรมถัดมานำโดย ดร.ปริสุทธิ์ จิตต์ภักดี ผู้จัดการฝึกอบรมและพัฒนาการจัดการข้อมูลและทีม Manpower Development BDI เป็นวิทยากรในหัวข้อ “Strategic Dashboard Mastery: Enhancing Executive Decision-Making” ต่อเนื่องด้วยเวิร์กช็อป “Crafting Effective Dashboard & Presentation” ซึ่งได้ถ่ายทอด 3 แกนหลัก –Data Visualization, Data Storytelling และการประยุกต์ใช้ AI – ให้ผู้บริหารเข้าใจวิธีเปลี่ยน “ข้อมูล” สู่ “เรื่องเล่า” ที่โน้มน้าวใจภาคทฤษฎีเปิดฉากด้วยหลัก WHO-WHAT-HOW ในการเลือกกราฟและตีความข้อมูล, เปรียบเทียบ Data Visualization กับ Infographic ตลอดจนเทคนิคโทนสีและโครงสร้างแดชบอร์ดทั้ง Strategic, Tactical และ Operational พร้อมรีวิวเครื่องมือ BI ชั้นนำ (Power BI, Looker, Tableau) เพื่อชี้จุดแข็ง-จุดต่างที่ผู้บริหารควรรู้ ก่อนเข้าสู่ช่วงปฏิบัติจริง ผู้เข้าอบรมได้ใช้ Dashboard Design Prompt Template และ AI-powered Storytelling สร้างแดชบอร์ด 4 กราฟ พร้อมสคริปต์นำเสนอในอารมณ์หลากหลายทั้ง ฮึกเหิม เศร้า ชิลล์ หรือโมโห เพื่อพิสูจน์ว่า “ข้อมูลเดียวกันเล่าได้หลายมิติ” กิจกรรมจบด้วยการนำเสนอสดให้เพื่อนร่วมรุ่นและวิทยากรให้ข้อเสนอแนะ ส่งผลให้ผู้เข้าร่วมไม่เพียงเข้าใจหลักการออกแบบแดชบอร์ดที่ถูกต้อง แม่นยำ และดึงดูดใจ แต่ยังตระหนักถึงพลังของ AI ในการยกระดับการสื่อสารข้อมูลอย่างมีประสิทธิภาพและสร้างผลกระทบเชิงกลยุทธ์ต่อองค์กร กิจกรรมสุดท้ายของหลักสูตร LEAD ผู้เข้าอบรมได้รับเกียรติจาก รศ. ดร.ธีรณี อจลากุล ผู้อำนวยการสถาบันข้อมูลขนาดใหญ่ บรรยายหัวข้อ “Data-Driven Culture for Business Success” ถ่ายทอดแนวคิดการวางรากฐานองค์กรให้พร้อมสู่ยุค AI และ Analytics ผ่านการสร้างโครงสร้างพื้นฐานข้อมูล (Data Infrastructure) ที่ครอบคลุมตั้งแต่ Database, Data Warehouse, Data Lake, Data Lakehouse ไปจนถึง Data Catalog พร้อมเน้นย้ำว่า Digital Transformation ต้องไม่ใช่แค่การนำเทคโนโลยีมาใช้ แต่ต้องเข้าใจผู้ใช้งาน ปรับปรุง Workflow และพัฒนา Software ให้ตอบโจทย์อย่างเป็นระบบ โดยองค์กรควรแยกบทบาทระหว่าง “ศูนย์ดิจิทัล” และ “ศูนย์ไอที” อย่างชัดเจน พร้อมจัดสรรงบประมาณและ TOR ให้เอื้อต่อการพัฒนา API และสถาปัตยกรรมที่นำกลับมาใช้ซ้ำได้ นอกจากนี้ยังให้ความสำคัญกับ Data Governance, Security และ Privacy เพื่อสร้างสมดุลระหว่างความปลอดภัย ความสะดวก และคุณภาพของข้อมูล โดยเฉพาะการควบคุมการเข้าถึง การตรวจสอบคุณภาพข้อมูล และการป้องกันภัยไซเบอร์ เพื่อให้องค์กรสามารถใช้ข้อมูลได้อย่างเต็มศักยภาพและยั่งยืนในโลกดิจิทัลที่เปลี่ยนแปลงอย่างรวดเร็ว

ข่าว

BDI เดินหน้าขยายแพลตฟอร์ม “Travel Link” เจาะลึก 22 จว. ครบหัวเมืองหลักด้านการท่องเที่ยว เสริมศักยภาพ SMEs หนุนภาครัฐ-เอกชนกำหนดกลยุทธ์ ขานรับนโยบายรัฐ เที่ยวได้ตลอดปี
11 มิถุนายน 2568, กรุงเทพฯ – สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน) หรือ BDI เร่งขับเคลื่อนการใช้ “Travel Link” แพลตฟอร์มวิเคราะห์ข้อมูลด้านการท่องเที่ยวอัจฉริยะ เพื่อยกระดับขีดความสามารถของผู้ประกอบการไทยในการเข้าถึงอินไซต์นักท่องเที่ยวเชิงลึกด้วย Big Data และ AI พร้อมเสริมแกร่งศักยภาพ SMEs เตรียมขยายการวิเคราะห์เจาะลึกพฤติกรรมนักท่องเที่ยวครบ 22 จังหวัดหัวเมืองหลัก คาดแล้วเสร็จภายในปี 2569 รองรับการวางแผนเชิงกลยุทธ์ของทั้งภาครัฐและเอกชน สอดรับนโยบายรัฐในการกระตุ้นการท่องเที่ยวตลอดทั้งปี และกระจายรายได้สู่เมืองรองอย่างยั่งยืน รศ. ดร.ธีรณี อจลากุล ผู้อำนวยการสถาบันข้อมูลขนาดใหญ่ (BDI) กล่าวว่า จากข้อมูลในแดชบอร์ดบนแพลตฟอร์มข้อมูลอัจฉริยะด้านท่องเที่ยวแห่งชาติ หรือ Travel Link พบว่า ในช่วงต้นปี 2568 ตั้งแต่เดือนมกราคม – พฤษภาคม มีผู้โดยสารชาวต่างชาติเดินทางเข้าประเทศไทยจากทุกช่องทาง (ด่านอากาศ, ด่านบก และด่านน้ำ) มากกว่า 17 ล้านคน สะท้อนถึงสถานการณ์การท่องเที่ยวที่มีการเปลี่ยนแปลงอย่างไม่หยุดนิ่ง ดังนั้น การวางนโยบายและแผนการดำเนินงาน จึงไม่อาจอ้างอิงเพียงประสบการณ์ หรือการคาดการณ์ดังเช่นในอดีต การขับเคลื่อนธุรกิจด้วยข้อมูลที่ถูกต้อง ครบถ้วน เพื่อให้สามารถตอบสนองต่อความต้องการของนักท่องเที่ยวได้อย่างแม่นยำและทันท่วงที จึงเป็นหัวใจหลักในการบริหารองค์กร และขับเคลื่อนเศรษฐกิจของประเทศไทยได้อย่างยั่งยืน แพลตฟอร์ม Travel Link จึงเป็นหนึ่งในเครื่องมือสำคัญ ที่จะช่วยผู้ประกอบการท่องเที่ยว โดยเฉพาะในกลุ่มธุรกิจขนาดกลางและขนาดเล็ก (SMEs) ได้เข้าถึงข้อมูลเชิงลึกที่แม่นยำและทันต่อการเปลี่ยนแปลงของพฤติกรรมนักท่องเที่ยวในแต่ละภูมิภาค พร้อมกับคาดการณ์ฤดูกาลท่องเที่ยวทั้งช่วงไฮซีซันและโลว์ซีซัน รวมถึงการวางแผนขยายบริการ หรือสื่อสารการตลาดไปยังพื้นที่ที่มีศักยภาพใหม่ ๆ ด้วยข้อมูลที่ถูกถ่ายทอดผ่านฟีเจอร์สำคัญซึ่งออกแบบมาเพื่อสนับสนุนการตัดสินใจของผู้ประกอบการ และหน่วยงานที่เกี่ยวข้องในอุตสาหกรรมการท่องเที่ยวอย่างเป็นระบบ ผ่าน 4 ไฮไลต์ ได้แก่ · สถิติจำนวนชาวต่างชาติขาเข้ารายเดือน ระบบจะแสดงจำนวนผู้โดยสารต่างชาติที่เดินทางเข้าสู่ประเทศไทยจากทุกด่าน โดยสามารถกรองข้อมูลตามสัญชาติหรือทวีป เพื่อระบุพฤติกรรมการเดินทางของนักท่องเที่ยวกลุ่มต่าง ๆ ได้อย่างชัดเจน · การเปรียบเทียบจำนวนผู้เยี่ยมเยือนและรายได้ การนำเสนอข้อมูลการเปรียบเทียบระหว่างจำนวนผู้เยี่ยมเยือนและรายได้จากการท่องเที่ยวของแต่ละจังหวัดในช่วงเวลาต่าง ๆ ทั้งแบบรายเดือนและรายปี · ภาพรวมผู้เยี่ยมเยือนรายภาคและรายจังหวัด สรุปข้อมูลจำนวนผู้เยี่ยมเยือน รายได้รวม และรายได้เฉลี่ยต่อนักท่องเที่ยวในแต่ละจังหวัด พร้อมฟังก์ชันการกรองตามสัญชาติ หรือประเภทนักท่องเที่ยว เพื่อให้ผู้ประกอบการสามารถวางแผนบริการได้ตรงจุด · การวิเคราะห์รีวิวจาก TripAdvisor เชิงลึก นำความคิดเห็นของนักท่องเที่ยวจากแพลตฟอร์มชั้นนำมาวิเคราะห์ทั้งเชิงเนื้อหาและอารมณ์ (Sentiment Analysis) เพื่อทำความเข้าใจจุดแข็ง จุดอ่อน ความพึงพอใจ และความคาดหวังของนักท่องเที่ยวในแต่ละพื้นที่ “โดย BDI ตั้งเป้าขยายแพลตฟอร์ม Travel Link เจาะลึกการวิเคราะห์พฤติกรรมนักท่องเที่ยวทั้งชาวไทยและชาวต่างชาติ ครอบคลุม 22 จังหวัด ครบหัวเมืองหลักด้านการท่องเที่ยว คาดแล้วเสร็จภายในปี 2569 Travel Link ไม่ได้เป็นเพียงแพลตฟอร์มด้านข้อมูล แต่ยังเป็นรากฐานสำคัญในการขับเคลื่อนเศรษฐกิจด้วยข้อมูล ที่เชื่อมโยงทุกภาคส่วนเข้าด้วยกัน เสริมศักยภาพในการวางแผนและตัดสินใจให้กับผู้ประกอบการท่องเที่ยวไทยอย่างรอบด้าน เพื่อยกระดับขีดความสามารถในการแข่งขันของอุตสาหกรรมท่องเที่ยวในระยะยาว อีกทั้งยังสอดรับกับนโยบายภาครัฐ ไม่ว่าจะเป็นโครงการ ‘เที่ยวไทยคนละครึ่ง 2568’ หรือ ‘เมืองน่าเที่ยว’ ที่มุ่งกระตุ้นการท่องเที่ยวช่วงโลว์ซีซัน เพื่อกระจายรายได้สู่เมืองหลักและเมืองรองทั่วประเทศ” รศ. ดร.ธีรณี อจลากุล กล่าวทิ้งท้าย

ข่าว

BDI นำเสนอผลการศึกษาเชิงลึกด้านการใช้ข้อมูลท่องเที่ยว จ.อุดรธานี หนุนการใช้ข้อมูลต่อยอดการท่องเที่ยว
28 พฤษภาคม 2568, กรุงเทพมหานคร  – โครงการ Travel Link สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน) หรือ BDI โดย นายทินกร ม้าลายทอง ผู้จัดการโครงการฯ และนักวิทยาศาสตร์ข้อมูล พร้อมด้วยผู้แทนจากโครงการ Travel Link ร่วมประชุมและนำเสนอสรุปผลการสัมภาษณ์เชิงลึกเกี่ยวกับการใช้ประโยชน์จากข้อมูลด้านการท่องเที่ยวในจังหวัดอุดรธานี แก่หน่วยงานที่เกี่ยวข้องทั้งภาครัฐและเอกชน พร้อมทั้งแลกเปลี่ยนความคิดเห็นเพื่อร่วมหารือแนวทางการวิเคราะห์ข้อมูลในรูปแบบต่าง ๆ เช่น แดชบอร์ด อินโฟกราฟิก หรือรายงานสรุปผล ให้สอดคล้องกับบริบทที่ตอบโจทย์ความต้องการของพื้นที่ ผ่านระบบออนไลน์ ในการประชุมครั้งนี้ BDI ได้นำเสนอผลการเก็บข้อมูลจากผู้มีส่วนได้ส่วนเสียในพื้นที่ ครอบคลุมประเด็นการใช้ประโยชน์จากข้อมูล ปัญหาอุปสรรค และความต้องการด้านข้อมูลท่องเที่ยวในระดับพื้นที่ เพื่อวางแนวทางการใช้ข้อมูลด้านการท่องเที่ยวให้ตอบโจทย์ความต้องการในพื้นที่อย่างแท้จริง ทั้งนี้ การดำเนินงานดังกล่าวมีเป้าหมายเพื่อสนับสนุนการวางแผนการท่องเที่ยวของจังหวัดอุดรธานีอย่างเป็นระบบ โดยใช้ข้อมูลจริงเป็นฐานในการพัฒนาและขับเคลื่อนการท่องเที่ยวอย่างยั่งยืนในระดับท้องถิ่น ภายหลังจากรับฟังข้อคิดเห็นจากผู้มีส่วนเกี่ยวข้อง จะมีการพัฒนาการวิเคราะห์ข้อมูลให้สอดคล้องกับความต้องการของพื้นที่ และเตรียมจัดอบรมเชิงปฏิบัติการเพื่อส่งเสริมการใช้ประโยชน์จากข้อมูลด้านการท่องเที่ยวในช่วงเดือนกันยายนที่จะถึงนี้ 

ข่าว

BDI เผยตลาด “Big Data & AI” ไทย ย้อนหลัง 2 ปี มูลค่ากว่า 3.78 หมื่นล้านบาท กลุ่มบริการด้านข้อมูลขนาดใหญ่ครองมาร์เก็ตแชร์สูงสุด เร่งระบบนิเวศเติบโต ผ่าน 4 แนวทาง พลิกโฉมประเทศสู่ Data Driven Nation
18 มีนาคม 2568, กรุงเทพฯ – สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน) หรือ BDI ร่วมกับ บริษัท ไอเอ็มซี เอ้าท์ซอร์สซิ่ง (ประเทศไทย) จำกัด หรือ IMC เผยผลสำรวจวิเคราะห์สภาพแวดล้อม (Environmental Scanning) ด้านอุตสาหกรรม Big Data และ AI ในประเทศไทยย้อนหลัง 2 ปี พบว่ามูลค่ารวมสูงถึง 37,814 ล้านบาท โดยกลุ่มอุตสาหกรรมครองแชมป์ส่วนแบ่งตลาด (Market Share) สูงสุดได้แก่ Big Data Services คิดเป็นร้อยละ 52.7 ของมูลค่ารวมทั้งหมด สะท้อนถึงความต้องการบริการวิเคราะห์และจัดการข้อมูลเชิงลึกที่เพิ่มขึ้นต่อเนื่อง ด้านกำลังคน พบประเทศไทยมีบุคลากรในอุตสาหกรรม Big Data และ AI รวมกว่า 32,000 คน ชี้มูลค่าตลาดยังมีแนวโน้มเติบโตเฉลี่ยร้อยละ 7-8 ต่อปี พร้อมแนะ 4 แนวทางส่งเสริมตลาด Big Data และ AI สู่การวางรากฐานที่แข็งแกร่งสำหรับอนาคต ภายใต้แผนยุทธศาสตร์หลักระยะ 3 ปี (พ.ศ. 2568 -2570) โดยมุ่งเน้นการผลักดันองค์กรและหน่วยงานให้เร่งนำเทคโนโลยีดิจิทัลมาใช้เป็นแต้มต่อทางธุรกิจ เสริมศักยภาพการแข่งขัน และขับเคลื่อนเศรษฐกิจดิจิทัลอย่างเป็นรูปธรรม รศ. ดร.ธีรณี อจลากุล ผู้อำนวยการสถาบันข้อมูลขนาดใหญ่ กล่าวว่า รายงานการสำรวจวิเคราะห์สภาพแวดล้อม (Environmental Scanning) ด้านอุตสาหกรรมข้อมูลขนาดใหญ่ (Big Data) และเทคโนโลยีปัญญาประดิษฐ์ (AI) ในประเทศไทย จัดทำขึ้นเพื่อสะท้อนภาพรวม แนวโน้ม และทิศทางการพัฒนาเทคโนโลยี ซึ่งเป็นประโยชน์อย่างยิ่งต่อผู้ประกอบการทั้งรายใหญ่และรายย่อย เพื่อนำ Big Data และ AI ไปใช้ให้เกิดมูลค่าสูงสุด ทั้งในมิติการวางแผนกลยุทธ์ธุรกิจ การเพิ่มขีดความสามารถในการแข่งขัน หรือการต่อยอดโอกาสทางการตลาด โดยผลสำรวจจะเป็นแนวทางสำคัญในการให้ภาครัฐใช้กำหนดแนวนโยบาย และมาตรการสนับสนุนที่สอดคล้องกับความต้องการของอุตสาหกรรมได้อย่างมีประสิทธิภาพ พร้อมเสริมสร้างความพร้อมการนำเทคโนโลยี AI และ Big Data ซึ่งเป็นกลไกหลักในการขับเคลื่อนเศรษฐกิจและพัฒนาสังคมดิจิทัลให้เติบโตในระยะยาว การสำรวจครั้งนี้ครอบคลุมกลุ่มตัวอย่างผู้ประกอบการทั้งในกลุ่มอุตสาหกรรม Big Data และ AI กว่า 264 รายทั่วประเทศ มีการแบ่งหมวดหมู่ผู้ประกอบการออกเป็น 2 ประเภทหลัก ได้แก่ การจำแนกตามประเภทธุรกิจหรือภารกิจ และจำแนกตามประเภทเทคโนโลยี ซึ่งจากผลสำรวจ พบว่า มูลค่าตลาดรวมอยู่ที่ 37,814 ล้านบาท โดย Big Data Services ครองสัดส่วนสูงสุดที่ 19,923 ล้านบาท คิดเป็นร้อยละ 52.7 ของมูลค่ารวมทั้งหมด สะท้อนถึงแนวโน้มธุรกิจในไทยให้ความสนใจและใช้บริการวิเคราะห์ข้อมูล ขณะที่รองลงมา คือ Big Data / AI Software มีมูลค่า 8,057 ล้านบาท ตามมาด้วย ด้าน AI Services มีมูลค่า 5,160 ล้านบาท และ Big Data / AI Hardware มีมูลค่า 4,674 ล้านบาท นอกจากนี้ BDI ได้ขยายการสำรวจเบื้องต้นไปยังด้านแรงงานที่เกี่ยวข้องกับอุตสาหกรรม Big Data และ AI ระหว่างเดือนสิงหาคม – ธันวาคม 2567 พบว่า มีบุคลากรรวมกว่า 32,000 คน ซึ่งแรงงานที่อยู่ในสายเทคโนโลยีสารสนเทศประมาณ 16,000 คน แบ่งออกเป็นพนักงานด้าน Big Data ประมาณ 14,500 คน และพนักงานด้าน AI ประมาณ 700 คน ขณะที่ตำแหน่ง Big Data / AI / IT Project Manager มีเพียงประมาณ 800 คน สะท้อนให้เห็นถึงช่องว่างของบุคลากรระดับบริหารที่มีความเชี่ยวชาญด้านข้อมูล และความต้องการทักษะด้าน Data Science และ Data Engineering ที่ยังขาดแคลน ซึ่งอาจเป็นข้อจำกัดการเติบโตของอุตสาหกรรมนี้ในระยะยาว รศ. ดร.ธีรณี กล่าวเพิ่มเติมว่า นอกจากนี้ยังได้มีการคาดการณ์อัตราการเติบโตของอุตสาหกรรม Big Data และ AI ในประเทศไทย เฉลี่ยอยู่ที่ร้อยละ 7-8 ต่อปี สะท้อนถึงความตื่นตัวของตลาด และศักยภาพของผู้ประกอบการในการนำเทคโนโลยีมาปรับใช้เพื่อเพิ่มขีดความสามารถทางการแข่งขัน อย่างไรก็ดี ยังประเมินว่าประเทศไทยยังมีพื้นที่และโอกาสสำหรับการเติบโตของอุตสาหกรรม Big Data และ AI โดยต้องเร่งปรับตัวและสร้างระบบนิเวศของอุตสาหกรรมให้เติบโตผ่าน 4 แนวทางดังต่อไปนี้ · การลงทุนโครงสร้างพื้นฐานดิจิทัล – ผ่านการขยายโครงสร้างฯ ที่แข็งแกร่ง อาทิ เครือข่ายอินเทอร์เน็ตความเร็วสูง และ Data Center ที่มีประสิทธิภาพ พร้อมทั้งการลงทุนในเทคโนโลยีใหม่ ๆ ซึ่งจะช่วยเพิ่มขีดความสามารถในการจัดการข้อมูลได้อย่างมีประสิทธิภาพ · การพัฒนาทรัพยากรบุคคล – โดยต้องเร่งเตรียมความพร้อมรับมือกับการขาดแคลนผู้เชี่ยวชาญด้าน Big Data และ AI ผ่านการจัดเตรียมหลักสูตรในการศึกษาและฝึกอบรม รวมถึงการสนับสนุนการเรียนรู้อย่างต่อเนื่อง · การส่งเสริมการใช้งานเทคโนโลยีปัญญาประดิษฐ์ในภาคธุรกิจ – ซึ่งต้องผลักดันภาคธุรกิจในการใช้งาน Big Data และ AI เพื่อเพิ่มประสิทธิภาพและสร้างมูลค่าเพิ่ม ผ่านการฝึกอบรมและให้การสนับสนุนทางการเงิน เพื่อยกระดับให้ธุรกิจไทยปรับตัวและเพิ่มขีดความสามารถในการแข่งขันในตลาดได้ · การสร้างกรอบกฎหมายและนโยบายที่ชัดเจน เพื่อสร้างความมั่นใจให้กับนักลงทุนและผู้ใช้บริการ ป้องกันปัญหาด้านความเป็นส่วนตัวและความปลอดภัยของข้อมูล พร้อมทั้งสนับสนุนการพัฒนาเทคโนโลยี การสนับสนุนการวิจัยและพัฒนา จะช่วยเร่งการเติบโตของอุตสาหกรรม Big Data และ AI “BDI ในฐานะองค์กรหลักในการขับเคลื่อนประเทศด้วยข้อมูลขนาดใหญ่ มุ่งมั่นผลักดันการใช้ Big Data และ AI ให้เกิดประโยชน์สูงสุดในระดับประเทศ พร้อมเดินหน้าแผนยุทธศาสตร์ระยะ 3 ปี (พ.ศ. 2568-2570) ภายใต้วิสัยทัศน์ Data-Driven Nation โดยมุ่งส่งเสริมและสนับสนุนการใช้ Big Data...

บทความ

ความท้าทายในงานจดหมายเหตุเมื่อเข้าสู่ยุค Big Data: ตอนที่ 3 การใช้ประโยชน์ข้อมูลงานจดหมายเหตุ (Data Utilization)
ความท้าทายงานจดหมายเหตุเมื่อเข้าสู่ยุค Big Dataตอนที่ 1. ความหมายของจดหมายเหตุตอนที่ 2. การทำให้เป็นดิจิทัลของเอกสารจดหมายเหตุตอนที่ 3. การใช้ประโยชน์ข้อมูลงานจดหมายเหตุ (ท่านกำลังอ่านบทความนี้) จาก 4 ประเด็นความท้าทายในงานจดหมายเหตุ ในบทความตอนที่ 2 ได้พูดถึงประเด็นความท้าทาย 2 ประเด็นแรกเป็นที่เรียบร้อยแล้ว ซึ่งเกี่ยวข้องกับการทำเอกสารให้อยู่รูปแบบดิจิทัล (Digitization) ซึ่งชี้ให้เห็นว่ากระบวนการทั้งระบบในการเก็บเอกสารให้อยู่ในรูปแบบดิจิทัลจะต้องทำอย่างไรบ้าง บทความนี้จึงต้องการให้เห็นถึงการใช้ประโยชน์ข้อมูลจดหมายเหตุเป็นกรณีศึกษาทั้งในหอจดหมายเหตุและนอกหอจดหมายเหตุ ซึ่งสามารถปรับใช้ทฤษฎีทางจดหมายเหตุและการบริหารจัดการข้อมูลกับองค์กรได้ และความท้าทายอื่น ๆ ที่เกี่ยวข้องกับงานจดหมายเหตุที่ยังไม่ได้กล่าวถึงในบทความตอนที่ 2 การจัดการและหาข้อมูลเชิงลึกในเอกสารจดหมายเหตุในปัจจุบัน เนื่องจากเอกสารจดหมายเหตุในปัจจุบันมีความหลากหลายและมีจำนวนที่มาก การเตรียมการทางสถาปัตยกรรมข้อมูลสำหรับเอกสารเหล่านี้จึงเป็นเรื่องที่สำคัญเป็นอย่างยิ่ง ซึ่งในบริบทของประเทศไทย ทางเราได้มีการจัดทำระเบียบวิธีวิจัยดังภาพที่ 1 ซึ่งสามารถแบ่งออกได้เป็น 2 ส่วนการวิจัย คือ ความท้าทายในการเข้าถึงข้อมูลเพื่องานด้านสังคมศาสตร์และมนุษยศาสตร์ จากการให้ข้อมูลผ่านแบบสอบถามประกอบกับประสบการณ์การเข้าใช้ของผู้เขียน จึงสามารถประกอบออกมาเป็นความท้าทายออกมาได้ดังนี้ นอกจากนี้ยังมีความท้าทายอื่น เช่น ข้อมูลในอินเทอร์เน็ต หรือ ข้อมูลจากฐานข้อมูลขององค์กรซึ่งเป็น Digital-born (ข้อมูลที่เป็นดิจิทัลมาตั้งแต่เริ่มต้น) ไม่ครอบคลุมเมื่อเทียบกับที่มีอยู่ในสถานที่จริง หรือ แม้แต่ความหลากหลายของชนิดเอกสารที่จัดเก็บซึ่งมีความท้าทายในกระบวนการ digitization, การจัดเก็บข้อมูลดิจิทัลเหล่านั้น และการเก็บรักษาเอกสารต้นฉบับให้คงอยู่ได้นานที่สุดอีกด้วย ความท้าทายเชิงเทคนิคเพื่อสัมฤทธิ์ผลความต้องการของผู้ใช้ จากการอนุเคราะห์ข้อมูลและคำสัมภาษณ์ตามส่วนที่ 2 ที่ระบุในระเบียบวิธีวิจัย รวมถึงการศึกษางานวิจัยที่เกี่ยวข้องกับการจัดการข้อมูลจดหมายเหตุ พบว่าความท้าทายในเชิงเทคนิคสามารถแบ่งออกมาได้เป็น 3 รูปแบบ คือ 1. การค้นหาเอกสารด้วยเนื้อหาและความหมายภายในเอกสารนั้น (Semantic Search) นับตั้งแต่ พ.ศ. 2550 (ค.ศ. 2007) เป็นต้นมา แนวคิดวิทยาการเปิดเผย (Open Science) ได้ถูกนำมาพูดถึงและปฏิบัติใช้ในวงการวิจัยและแพร่กระจายไปยังวงการอื่น ๆ รวมถึงการทำข้อมูลเปิดเผยอีกด้วย ซึ่งโครงสร้างและความเชื่อมโยงของแนวคิดวิทยาการเปิดเผยเป็นไปตามภาพที่ 2 โดยแนวคิดแกนหลักของวิทยาการเปิดเผยจะมีวัตถุประสงค์เพื่อเพิ่มความโปร่งใสในกระบวนการวิจัย นับตั้งแต่กระบวนการทำวิจัย การบริหารจัดการงานวิจัย ไปจนถึงการบริหารข้อมูลที่มาจากงานวิจัย ในปัจจุบัน เนื่องจากข้อมูลนั้นเพิ่มขึ้นมาเป็นจำนวนมาก การบริหารจัดการข้อมูลเพื่อทำให้สามารถเพิ่มศักยภาพในการค้นพบความรู้ใหม่และนวัตกรรมเป็นสิ่งที่จำเป็นอย่างยิ่ง จึงทำให้ Wilkinson, et al. (2016) ได้สรุปหลักการพื้นฐานที่ทำให้การบริหารจัดการข้อมูลเป็นไปอย่างมีประสิทธิภาพ คือ Findable-Accessible-Interoperable-Reusable (FAIR Principles) ซึ่งเจาะจงไปที่ตัวข้อมูลและเมตาเดตาให้มีรายละเอียดอธิบายที่มากเพียงพอให้สามารถค้นหาได้ เปิดเผย และเป็นมาตรฐาน Hawkins (2022) ได้ระบุว่าการทำให้ผู้ศึกษาวิจัยสามารถค้นคว้าข้อมูลในเชิงความหมาย (Semantic Search) สามารถยกระดับความเร็วในการค้นพบความรู้สู่การเป็นวิทยาการใหม่หรือแนวทางการศึกษาแบบใหม่ให้กับผู้ศึกษาวิจัยที่เกี่ยวข้องกับสาขาวิชานั้นมากขึ้น โดยพื้นฐานโครงสร้างหลักจะแบ่งออกเป็น 4 องค์ประกอบหลักดังภาพที่ 3 คือ โครงสร้างพื้นฐานทางข้อมูล (Data Infrastructure) ชั้นภววิทยา (Ontological Layer) ชั้นจัดการตรรกะ (Unifying Logic Layer) และชั้นพิสูจน์ข้อเท็จจริง (Proof Layer) โดยชั้นที่มีความท้าทายในการทำงานที่สุด คือ ชั้นจัดการตรรกะและชั้นพิสูจน์ข้อเท็จจริง แต่อย่างไรนั้น การสร้างแพลตฟอร์มที่สามารถค้นหาบริบทอย่างชาญฉลาดดังที่กล่าวไว้ ข้อมูลเป็นสิ่งที่จำเป็น ซึ่งข้อมูลดังกล่าวมีความเป็นไปได้ทั้งเป็น Digital-born และ Non-digital-born Documents โดยจากที่พูดถึงในตอนที่ 2 เรื่อง Digitalization นั้นจะเห็นถึงปัญหาในการแกะตัวอักษรทั้งด้วยเทคโนโลยีและโบราณคดี หากสรุปโดยง่าย เราสามารถทำ Digitization ได้ด้วย OCR อย่างที่ผู้เขียนได้ทำไว้ในภาพที่ 4 ซึ่งหากยังไม่มีข้อมูลที่เพียงพอในการทำการวิเคราะห์ผล การทำให้มีข้อมูลอย่างเช่นการนำเข้าข้อมูลเอกสารจริงเป็นรูปแบบดิจิทัลเป็นปัจจัยที่จำเป็นอย่างยิ่ง 2. การสืบประวัติการแก้ไขของเอกสารทางกฎหมาย นอกจากนี้แล้ว ประเด็นที่น่าสนใจอีกหนึ่งอย่างจากที่ได้ข้อมูลมาจากผู้เชี่ยวชาญ คือ การสืบประวัติการแก้ไขของเอกสารทางกฎหมาย ซึ่งมีลักษณะคล้ายกับ Git Version Control System โดยในเบื้องต้น การทำให้เห็นการชำระและปรับปรุงกฎหมายเป็นสิ่งที่รัฐหลายประเทศทำ เช่น สหราชอาณาจักร หรือ สหรัฐอเมริกาใน District of Columbia ซึ่งทำให้เห็นถึงการเปลี่ยนแปลงและตีความกฎหมายได้อย่างเป็นระบบมากยิ่งขึ้น ประการหนึ่ง คือ การทำให้เห็นเป็นที่ประจักษ์ว่าศัพท์ทางกฎหมายหนึ่ง ๆ มีบริบทความหมายว่าอย่างไร 3. การจัดการเอกสารจดหมายเหตุด้วยกฎเกณฑ์การจำแนกเอกสาร (Document Classification) ในทางงานจัดการบันทึกเอกสารและจัดการจดหมายเหตุ กฎเกณฑ์การจำแนกเอกสารเป็นสิ่งที่จำเป็นอย่างยิ่งเพื่อทำให้ผู้ค้นคว้าสามารถหยิบหาได้ง่ายยิ่งขึ้นและเห็นภาพรวมของการจัดเก็บเอกสารยิ่งขึัน ซึ่งในงานจัดการบันทึกเอกสารและงานทางจดหมายเหตุจะมีหลักการคิดไม่เหมือนกันดังภาพที่ 5 ซึ่งหลักการในการจัดการเอกสารบันทึกนั้นจะเน้นการใช้งานที่ทำให้องค์กร สะดวกในการทำงานตามภารกิจขององค์กรที่สุด โดยจะเริ่มแบ่งขั้นตอนตามหน้าที่ขององค์กร แล้วลงมาที่กิจกรรมซึ่งทำให้วัตถุบรรลุวัตถุจุดประสงค์นั้น โครงการ และชิ้นงานเอกสารตามลำดับ แต่หากพูดถึงมาตรฐาน ISAD(G) ซึ่งเป็นมาตรฐานในการจัดการเอกสารจดหมายเหตุหรือการจัดเก็บข้อมูลถาวร โจทย์ประธานของมาตรฐานนี้จึงเป็นวัตถุประสงค์ในการสืบสาวความเป็นมาและเหตุในการกระทำเชิงประวัติ การจัดมาตรฐานจึงจำเป็นต้องแบ่งตามหัวข้อที่ชี้ให้เห็นถึงเหตุการณ์สำคัญขององค์กร อย่างไรก็ตาม Payne (2018) และนักวิจัยอื่น ๆ ที่เกี่ยวข้อง ได้เล็งเห็นถึงอิทธิพลสำคัญของขนาดของข้อมูลที่เพิ่มขึ้นมาอย่างมีนัยสำคัญ จึงทำให้เกิดวิทยาการใหม่อย่าง “วิทยาการจดหมายเหตุเชิงคำนวณ (Computational Archival Sciences)” ซึ่งเห็นว่าการนำวิทยาการคอมพิวเตอร์มาใช้ในการจัดการเอกสารจดหมายเหตุ ทั้งในมิติของการทำให้เห็นความสัมพันธ์ระหว่างมนุษย์ เทคโนโลยี และสังคม การเก็บรักษาเอกสารระยะยาว และประกอบสร้างซึ่งข้อเท็จจริงให้มีความคงเส้นคงวามากขึ้นผ่านเทคโนโลยี ตัวอย่างหนึ่งที่ทำให้เห็นว่าบทบาทของแบบจำลองการเรียนรู้ของเครื่อง ซึ่ง Franks (2022) ได้ใช้แบบจำลองการเรียนรู้ 3 ประเภท คือ Machine Learning Model กับ TF-IDF ปกติ Neural Networks และ Language Model ในการคัดแยกหมวดหมู่ของเอกสารในองค์กร Australian Human Rights Commission ที่มีจำนวนบทความทั้งสิ้น 6,217 บทความใน 29 กลุ่มชุดของเอกสาร พบว่าความถูกต้องในการจัดหมวดหมู่เอกสารอยู่ที่ประมาณ 67-88% และมีความแม่นยำ 54-81% ซึ่งร้อยละจะแปรผันตามประเภทของแบบจำลองที่ใช้ การ Resampling จากความไม่สมดุลของจำนวนข้อมูลในแต่ละประเภท (Imbalanced Data) และจำนวนของข้อมูลในแต่ละประเภท นอกจากนี้ เมื่อสามารถจัดหมวดหมู่ของเอกสารได้แล้ว แบบจำลองการเรียนรู้ของเครื่องอื่น ๆ ยังสามารถสร้างคำอธิบายให้กับคลังจดหมายเหตุ, การตอบคำถามจากสารานุกรม, และการสรุปสาระสังเขป โดย Generative AI อย่าง ChatGPT สามารถทำงานเหล่านี้ได้ หากมีการปรับปรุงแบบจำลองให้มีความจำเพาะกับบริบทที่สนใจ เช่น WangchanBERTa ซึ่งก็จะย้อนไปตอบคำถามในส่วนแรกที่เกี่ยวข้องกับการค้นหาข้อมูลเชิงความหมาย ทว่าแบบจำลองเหล่านี้ยังคงสร้างข้อมูลที่ไม่มีอยู่จริงและขัดแย้งกับข้อเท็จจริงที่มนุษย์ทราบ (Hallucination) และยังต้องใช้ทรัพยากรการคำนวณที่ค่อนข้างมาก จึงยังคงเป็นความท้าทายอยู่ในปัจจุบันนี้ การตีความผลการวิเคราะห์จากเอกสารจดหมายเหตุ สามารถอ่านได้เพิ่มเติมที่ Critical Questions for Archives as (Big) Data (core.ac.uk) หากเรามองว่าเอกสารจดหมายเหตุเป็นข้อมูลที่ถูกนำมาใช้ในการวิเคราะห์ได้นั้น การทำ data analytics สามารถกระทำได้โดยนักวิทยาศาสตร์ข้อมูลและผู้เชี่ยวชาญทางการคำนวณอื่น ๆ เพื่อแสดงให้เห็นถึงผลสัมฤทธิ์จากโจทย์ปัญหาโดยมีเอกสารจดหมายเหตุเป็นข้อมูลตัวตั้ง ชะรอยผู้เชี่ยวชาญเหล่านี้อาจไม่ได้มีความรู้ที่เกี่ยวข้องกับเอกสารsหรือโจทย์ที่เกี่ยวข้อง ซึ่งเป็นปกติในงานทางวิทยาศาสตร์ข้อมูลที่จะมีผู้เชี่ยวชาญด้านอื่น ๆ มาช่วยพิจารณาความสมเหตุสมผลในการวิเคราะห์ข้อมูลจากนักวิทยาศาสตร์ข้อมูล การวิเคราะห์ข้อมูลตามโจทย์ปัญหาที่ตั้งไว้นับตั้งแต่กระบวนการคิดโจทย์ไปจนถึงกระบวนการตอบคำถามและอภิปรายผล ย่อมมีปรัชญาที่แทรกซึมอยู่ภายในปัญหาเหล่านั้นเสมอ หากได้เป็นตั้งแต่การวิเคราะห์ประวัติศาสตร์ ไปจนถึงการค้นหาความจริงของโลก ซึ่งเป็นสิ่งที่ ณ...
6 September 2023

ข่าว

BDI นำทัพทีม Health link แถลงข่าวความก้าวหน้าโครงการ Health Link พร้อมสาธิตระบบเชื่อมโยงข้อมูลการรักษาสุขภาพ
25 สิงหาคม 2566, ศูนย์การประชุมแห่งชาติสิริกิติ์ – สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน) (BDI) จับมือกับหน่วยงานในโครงการ Health Link แถลงข่าวความก้าวหน้าการพัฒนาระบบเชื่อมโยงข้อมูลผู้ป่วยระหว่างโรงพยาบาลทั่วประเทศ พร้อมสาธิตระบบเชื่อมโยงข้อมูลการรักษาสุขภาพ พร้อมเผยข้อมูลล่าสุด มีสถานพยาบาลเข้าร่วมโครงการมากกว่า 1,100 แห่งแล้ว พร้อมเดินหน้าพัฒนาระบบอย่างต่อเนื่อง ในการนำข้อมูลไปใช้เพื่อเพิ่มคุณภาพการบริการด้านการแพทย์และสาธารณสุขผ่านเทคโนโลยีดิจิทัล อีกทั้งยังคงส่งเสริมให้ประชาชนสมัครบริการ Health Link ในช่องทางต่าง ๆ เช่น ผ่านแอปพลิเคชันเป๋าตัง ThaID (ไทยดี) ฯลฯ เพื่อให้ความยินยอมแก่โรงพยาบาล ในการส่งต่อข้อมูลสุขภาพเข้าสู่ระบบ Health Link เพื่อเชื่อมต่อเข้าสู่ฐานข้อมูลขนาดใหญ่ในด้านสุขภาพนี้ ถือเป็นการพลิกโฉมการให้บริการประชาชนและระบบบริหารจัดการด้านสาธารณสุขอย่างเต็มรูปแบบ โดยในครั้งนี้มีนายชัยวุฒิ ธนาคมานุสรณ์ รัฐมนตรีว่าการกระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม ได้เป็นประธานกล่าวเปิดงาน และ รองศาสตราจารย์ ดร.ธีรณี อจลากุล ผู้อำนวยการสถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน) (BDI) ได้กล่าวถึงความท้าทายของบริการด้านสาธารณสุขไทย ซึ่งเริ่มต้นจากระบบฐานข้อมูลที่ยังไม่เชื่อมถึงกัน เพราะโรงพยาบาลแต่ละแห่งจัดเก็บข้อมูลผู้ป่วยในรูปแบบข้อมูลที่ต่างกัน จึงเป็นเรื่องยากในการแลกเปลี่ยนข้อมูล แต่ด้วยเทคโนโลยีดิจิทัลได้เข้ามาเปลี่ยนเรื่องยากให้เป็นเรื่องง่ายขึ้น ภายใต้การดำเนินงานของ BDI หรือสถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน) ที่พัฒนาระบบเชื่อมต่อข้อมูลผู้ป่วยระหว่างโรงพยาบาล หรือ Health Link ซึ่งผู้ป่วยไม่จำเป็นต้องแจ้งประวัติใหม่ในการรักษาทุกครั้ง ช่วยประหยัดในเรื่องของเวลา และลดขั้นตอนการทำงานของแพทย์ อีกทั้งได้รับฟังความรู้เกี่ยวกับระบบเชื่อมโยงข้อมูลการรักษาสุขภาพมุ่งประโยชน์สูงสุดให้ประชาชน โดยนายแพทย์ธนกฤต จินตวร รักษาการผู้อำนวยการสถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน) (BDI) รวมถึงการเสวนาอีกมากมายจากนายแพทย์อีกหลายท่านในโครงการ โดยงานนี้มีผู้เข้าร่วมงานจากกระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม กระทรวงสาธารณสุข กระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม กระทรวงกลาโหม กรุงเทพมหานคร และอีกหลากหลายหน่วยงานในเครือข่าย Health Link รวมกว่า 300 แห่งทั่วประเทศ สำหรับประชาชนผู้สนใจสามารถเข้าร่วมในระบบ Health Link ได้ง่าย ๆ เพียงแค่ยินยอมให้โรงพยาบาลส่งต่อข้อมูลประวัติการรักษาของท่านเข้าสู่ระบบได้ ด้วยการลงทะเบียนสมัคร Health Link ได้ฟรี ในแอปพลิเคชันเป๋าตัง โดยดูวิธีการสมัครที่นี่ https://bit.ly/3VyBt5U หรือสมัครผ่านทางเว็บไซต์ www.healthlink.go.th/portal โดยยืนยันตัวตนผ่านแอปพลิเคชัน ThaiD ของกรมการปกครอง
PDPA Icon

We use cookies to optimize your browsing experience and improve our website’s performance. Learn more at our Privacy Policy and adjust your cookie settings at Settings

Privacy Preferences

You can choose your cookie settings by turning on/off each type of cookie as needed, except for necessary cookies.

Accept all
Manage Consent Preferences
  • Strictly Necessary Cookies
    Always Active

    This type of cookie is essential for providing services on the website of the Personal Data Protection Committee Office, allowing you to access various parts of the site. It also helps remember information you have previously provided through the website. Disabling this type of cookie will result in your inability to use key services of the Personal Data Protection Committee Office that require cookies to function.
    Cookies Details

  • Performance Cookies

    This type of cookie helps the Big Data Institute (Public Organization) understand user interactions with its website services, including which pages or areas of the site are most popular, as well as analyze other related data. The Big Data Institute (Public Organization) also uses this information to improve website performance and gain a better understanding of user behavior. Although the data collected by these cookies is non-identifiable and used solely for statistical analysis, disabling them will prevent the Big Data Institute (Public Organization) from knowing the number of website visitors and from evaluating the quality of its services.

  • Functional Cookies

    This type of cookie enables the Big Data Institute (Public Organization)’s website to remember the choices you have made and deliver enhanced features and content tailored to your usage. For example, it can remember your username or changes you have made to font sizes or other customizable settings on the page. Disabling these cookies may result in the website not functioning properly.

  • Targeting Cookies

    "This type of cookie helps the Big Data Institute (Public Organization) understand user interactions with its website services, including which pages or areas of the site are most popular, as well as analyze other related data. The Big Data Institute (Public Organization) also uses this information to improve website performance and gain a better understanding of user behavior. Although the data collected by these cookies is non-identifiable and used solely for statistical analysis, disabling them will prevent the Big Data Institute (Public Organization) from knowing the number of website visitors and from evaluating the quality of its services.

Save settings
This site is registered on wpml.org as a development site. Switch to a production site key to remove this banner.