Search
A
A
A
Back
Home
Data Governance

Data Governance

ข่าวและบทความที่เกี่ยวข้อง

All Data Governance

PostType Filter En

บทความ
Big Data 101
การพัฒนา Business Intelligence ด้วยธรรมาภิบาลข้อมูล
ธรรมาภิบาลข้อมูล (Data Governance หรือ DG) จะช่วยให้แน่ใจว่าข้อมูลของบริษัทซึ่งเป็นสินทรัพย์ธุรกิจที่มีค่าที่สุดนั้น ( Business Intelligence ) ได้รับการเก็บรักษาและนำไปใช้ได้อย่างมีประสิทธิภาพและปลอดภัยที่สุด ดังนั้นธรรมาภิบาลข้อมูลจึงจำเป็นต้องมีนโยบายขององค์กร กระบวนการ เทคโนโลยี และพนักงานรับผิดชอบในการพัฒนากรอบงานที่นำไปปฏิบัติได้ ตั้งแต่โครงสร้างหลักไปจนถึงระยะเวลาการนำไปใช้ กรอบธรรมาภิบาลข้อมูลบริษัท เป็นกรอบงานแบบองค์รวมที่เกี่ยวข้องกับบุคลากรที่มีคุณสมบัติเหมาะสม รวมถึงนโยบายและกระบวนการที่วางแผนไว้เพื่อใช้งานเทคโนโลยีข้อมูลขั้นสูงให้เกิดประโยชน์สูงสุด อีกทั้งเพื่อให้แน่ใจว่าเป็นการเก็บรักษาและใช้งานข้อมูลในแบบที่มีประสิทธิภาพมากที่สุด เป้าหมายหลักของธรรมาภิบาลข้อมูลของธุรกิจคือการเพิ่มคุณภาพของข้อมูล ลดค่าใช้จ่ายในการบริหารจัดการข้อมูล และควบคุมการเข้าถึงข้อมูลของทุกคนอย่างเคร่งครัด โดยปกติแล้ว วิธีการที่ธุรกิจใช้เพื่อบรรลุเป้าหมาย DG ของตนได้คือโดยการจัดตั้งนโยบาย มาตรฐาน และมาตรวัดที่เข้มงวด เพื่อไปให้ได้ผลลัพธ์ของการขับเคลื่อนด้วยข้อมูลตามที่ต้องการ โดยนโยบาย DG ในระดับพื้นฐานนั้นคือการออกกฎสำหรับการเข้าถึงและบริหารจัดการชุดข้อมูลขณะที่ยังคงยึดตามข้อบังคับด้านความเป็นส่วนตัวและการรักษาความปลอดภัยที่เกี่ยวข้องทั้งหมด โรคระบาดเพิ่มมูลค่าของข้อมูลบริษัท ตามการศึกษาของ Teradata ที่ได้จัดทำขึ้นเมื่อตุลาคม 2020 ผู้ตอบแบบสำรวจ 91% เห็นด้วยว่าโรคระบาดทำให้มูลค่าของข้อมูลในองค์กรสูงขึ้น ยิ่งไปกว่านั้น ผู้บริหารที่ตอบแบบสำรวจ 94% เห็นด้วยว่า “ข้อมูลเป็นสินทรัพย์ที่สำคัญ” ในขณะที่ความสำคัญของข้อมูลเชิงลึกและการตัดสินใจโดยใช้ข้อมูลเพิ่มขึ้นเรื่อย ๆ มุมมองในอีกด้านคือ “garbage in, garbage out,” ซึ่งหมายถึงการตัดสินใจโดยใช้ข้อมูลเชิงลึกหรือข้อมูลดิบที่ไม่มีคุณภาพ ก็จะส่งผลให้ได้ผลลัพธ์ที่ไม่ดี ซึ่งข้อมูลดิบที่แย่นั้นก็จะส่งผลกระทบในระยะยาวสำหรับธุรกิจ เพราะสามารถทำลายความไว้วางใจที่ลูกค้าและผู้ที่เกี่ยวข้องคนอื่นๆ มีให้ได้อย่างถาวร! ตามรายงานของ Gartner “87% ของธุรกิจทั้งหมด ไม่มีเครื่องมือ Business Intelligence หรือ  BI หรือการวิเคราะห์ข้อมูลที่มีประสิทธิภาพ” ทำให้องค์กรเกือบทั้งหมดประสบปัญหากับการใช้งานสินทรัพย์ข้อมูลของตน Gartner ได้จัดกลุ่มองค์กรที่มี BI ต่ำว่าเป็นกลุ่ม “พื้นฐาน” หรือ “มีโอกาส”  Gartner กล่าวซ้ำว่าองค์กรในระดับพื้นฐานถูกจำกัดอยู่ในการวิเคราะห์แบบสเปรดชีต ขณะที่องค์กรในระดับที่มีโอกาสจะมีหน่วยธุรกิจที่ติดตามข้อมูลดิบที่สะสมไว้และงานการวิเคราะห์ต่าง ๆ โดยไม่มีการควบคุมที่เป็นศูนย์กลาง หนึ่งในสี่คำแนะนำของการศึกษาดังกล่าวคือการนำโปรแกรมธรรมาภิบาลข้อมูลไปใช้ในทุกองค์กรเพื่อเพิ่มความตระหนักถึงความสำคัญและผลประโยชน์ของ DG ในการบริหารจัดการข้อมูลและการวิเคราะห์ของบริษัท DG ในการวิเคราะห์เชิงธุรกิจหรือใน BI วิทยากรที่งาน Webinar เรื่องการกำกับดูแล BI ได้อธิบายว่า “การกำกับดูแล BI” และ “ธรรมาภิบาลข้อมูล” เป็นสองคำที่ใช้บ่อยในแวดวง BI นั้นค่อนข้างแตกต่างจากกัน Webinar นี้เจาะลึกเรื่องงานการกำกับดูแลที่เกี่ยวข้องกับ BI บริษัทและคงจะมีประโยชน์ไม่น้อยสำหรับคนที่สนใจในด้านนี้ องค์กรที่ขับเคลื่อนด้วยข้อมูลค่อย ๆ เลิกใช้โปรแกรมที่เฉพาะเจาะจงกับงาน ปัญหา Data Silos ค่อย ๆ หายไป ธุรกิจสมัยใหม่ต้อนรับ “Data Flows” ที่ต่อเนื่องในทุก ๆ แผนกและการทำงานที่หลากหลาย ด้วยความนิยมที่เพิ่มขึ้นของเทคโนโลยีรุ่นใหม่อย่างเช่น AI และการเรียนรู้ของเครื่องจักรกล (ML) ความสำคัญของคุณภาพของข้อมูลและธรรมาภิบาลข้อมูลก็เพิ่มขึ้นด้วย ตามการศึกษาเดียวกันของ Teradata ได้ระบุไว้ว่าผู้บริหารที่ตอบแบบสำรวจ 77% เชื่อว่าปัจจุบันนี้ “องค์กรมุ่งความสำคัญไปที่ความถูกต้องแม่นยำของข้อมูล” โดยปกติแล้วเมื่อข้อมูลทางธุรกิจถูกนำไปวิเคราะห์ต่อ เพื่อทำการเปรียบเทียบหรือเพื่อเป็นข้อมูลทางการแข่งขัน เราจะเรียกวิธีการนี้เรียกว่า Business Intelligence (BI) หรือการวิเคราะห์ข้อมูลในเชิงธุรกิจ ในกรณีของ BI โปรแกรมธรรมาภิบาลข้อมูลบ่งบอกถึง “ขั้นตอนของการนำไปปฏิบัติและบังคับใช้สิทธิอำนาจในการบริหารจัดการข้อมูลและแหล่งข้อมูลที่เกี่ยวข้อง” ด้วย BI ที่สามารถกำกับดูแลข้อมูลได้ บริษัทคาดหวังที่จะทำการตัดสินใจที่ดีขึ้น และในระยะเวลาที่สั้นลง  ตามที่ผู้เฝ้าสังเกตการณ์ธุรกิจเห็น เมื่อเวลาผ่านไป ศักยภาพของ BI ขั้นสูงจะง่ายขึ้นและใช้งานได้ฟรี การศึกษาของ Forbes ยืนยันว่าองค์กรที่ใช้งาน BI ที่มี DG เป็นหลักซึ่งมีประสิทธิภาพต่างรายงานถึง “ผลกำไรที่เพิ่มขึ้นอย่างมาก” จากการลงทุนใน BI ของพวกเขา Elizabeth Mixson (เอลิซาเบ็ธ มิกสัน) ผู้เขียน The Ultimate Guide to Data Governance ให้ความเห็นว่า “หัวใจของการวิเคราะห์ข้อมูลคือการกำกับดูแลข้อมูล แต่พระเอกตัวจริงที่ไม่ได้รับการพูดถึงคือณภาพของข้อมูล ความสามารถในการนำไปใช้งาน และการรักษาความปลอดภัย” วิธีที่จะกล่าวถึง เป็นวิธีการบางวิธีที่จะช่วยปรับปรุงการวิเคราะห์ข้อมูลขององค์กรและการใช่งาน BI: ธรรมาภิบาลข้อมูลสำหรับ BI แบบบริการตนเอง ในองค์กรส่วนใหญ่ เป้าหมายสำคัญของทีม DG คือการ “ลดความเสี่ยงของการใช้ข้อมูลอย่างไม่เหมาะสม” ตามคำพูดของนักเขียนที่ต้องการจะแบ่งปันเรื่องราวเบื้องหลังในการทำ DG สำหรับ Business Intelligence แบบบริการตนเองนั้น นักธุรกิจสายลุยมักจะใช้วิธีแก้ปัญหาที่สร้างสรรค์ของตนเพื่อหลีกเลี่ยงการลงโทษจาก “นโยบาย DG” ภายในองค์กรของพวกเขา ผู้กล้าเสี่ยงเหล่านี้ใช้ “ไฟล์ Excel และรายการ SharePoint ด้วยข้อมูลที่ป้อนเข้าไปเอง” เพื่อบรรลุเป้าหมายในวิธีของพวกเขาเอง วิธีประณีประนอมแบบคนละครึ่งทางก็คงจะเป็น BI แบบบริการตนเองที่มีการบริหารจัดการข้อมูลไว้แล้ว ทำให้นักธุรกิจเข้าถึงข้อมูลที่พวกเขาต้องการได้ง่ายขึ้น แต่อย่างไรก็ตามการเข้าถึงก็ยังคงอยู่ภายใต้ระบบและกระบวนการที่ทีม DG ตั้งไว้อย่างเคร่งครัด ซึ่งถ้าหากเป็นแบบนี้แล้วกลุ่ม DG และนักธุรกิจก็จะกลายเป็นพันธมิตรกัน โดยสามารถเข้าถึงข้อมูลได้ภายใต้เงื่อนไขที่เข้มงวด สิ่งที่ดีที่สุดที่ได้จากบทความในลิงก์ด้านบนสรุปได้ว่า DG และ BI แบบบริการตนเองเป็นพันธมิตรต่อกันและเราก็ควรมองเช่นนั้น โครงการ DG โดยปกติจะเริ่มจากแผน แต่แผนมักจะเปลี่ยนเมื่อกลยุทธ์ขององค์กรเปลี่ยน ซึ่งการสร้างความสมดุลที่พิเศษนี้เกิดขึ้นได้ในบริษัทระดับโลกด้วยความช่วยเหลือของ Power BI ถ้ามองในแง่ BI ช่วยปรับปรุงการใช้งาน DG โดยการฝังการวิเคราะห์อย่างฉลาดเข้าไปในระบบและกระบวนการขององค์กร เป้าหมายสูงสุดของการใช้งาน DG แบบมี BI คือการก้าวผ่านมาตรวัดคุณภาพไปและเริ่มสำรวจต้นเหตุของความผิดพลาดในระบบ เช่น การสืบหาแหล่งที่มาของข้อมูลดิบที่ไม่ดี เฝ้าสังเกตการณ์ความถี่ของความผิดพลาดที่เกิดขึ้นในระบบ หรือวิเคราะห์ว่าคุณภาพข้อมูลนั้นดีขึ้นหรือไม่เมื่อเวลาผ่านไป ซึ่งการใช้งาน DG ที่มีการวิเคราะห์ที่ซับซ้อนแบบนี้จะเกิดขึ้นได้ก็ต่อเมื่อมี BI ฝังอยู่ในระบบ ธรรมาภิบาลข้อมูลสำหรับ BI: ตัวอย่างและผลประโยชน์ นี่คือตัวอย่างกรณีการใช้ DG สำหรับ BI ในบริษัท: ผลประโยชน์ของ DG สำหรับ BI: ขณะที่ BI บ่งชี้ถึงวิธีการบริหารจัดการข้อมูลที่ขับเคลื่อนด้วยเทคโนโลยีอย่างสูง DG อิงถึงกลยุทธ์แบบองค์รวมหรือกรอบงานสำหรับการทำให้เป้าหมายธุรกิจโดยรวมสอดคล้องกับเป้าหมายเชิงวิเคราะห์ของบริษัท  DG เปลี่ยนข้อมูลดิบให้เป็นสินทรัพย์เชิงกลยุทธ์ บทความโดย Paramita (Guha) Ghoshเนื้อหาจากบทความของ Dataversityแปลและเรียบเรียงโดย ไอสวรรค์ ไชยชะนะตรวจทานและปรับปรุงโดย นนทวิทย์ ชีวเรืองโรจน์
3 September 2022
Read More

บทความ
Big Data 101
แนวทางการปฏิบัติที่ดีที่สุด สำหรับการวัดความสำเร็จในการลงทุนด้านดิจิทัล (Digital Transformation)
ในยุคปัจจุบันที่แต่ละองค์กรต่างโฟกัสที่การลงทุนในการเปลี่ยนองค์กรแบบเดิม ๆ ให้กลายเป็นองค์กรดิจิทัล สิ่งสำคัญที่ควรให้ความสนใจเป็นอย่างยิ่งคือการสร้างโครงร่างที่ชัดเจนสำหรับการวัดผลความสำเร็จของ การลงทุนด้านดิจิทัล การเปลี่ยนแปลงสู่ดิจิทัล (Digital-Transformation) นั้นมีด้วยกันหลายองค์ประกอบ อาจเริ่มตั้งแต่การเปลี่ยนแปลงด้านกระบวนการและโมเดลธุรกิจไปจนถึงการเปลี่ยนแปลงด้านวัฒนธรรมและพัฒนาองค์กร การวิเคราะห์เพื่อวัดระดับความสำเร็จการลงทุนด้านดิจิทัลนั้นคำนวณจากดัชนีชี้วัดความสำเร็จ (KPI) ซึ่งบ่งชี้การทำกำไรที่เกิดขึ้นสืบเนื่องจากการลงทุนเพื่อการเปลี่ยนแปลงสู่ดิจิทัลเป็นหลัก ซึ่งการวิเคราะห์เหล่านี้จะช่วยรับรองได้ว่าการลงทุนดังกล่าวจะได้รับผลตอบแทนไม่ต่ำกว่าที่ได้คาดการณ์ไว้ในตอนแรก อย่างไรก็ตาม เมื่อไม่นานมานี้ได้มีการจัดทำแบบสำรวจผู้บริหารระดับ C ทั่วโลกโดย EY-Parthenon ซึ่งได้เปิดเผยว่าในขณะที่บริษัทต่าง ๆ ลงทุนด้านเทคโนโลยีมากขึ้นเป็นสองเท่า แต่พวกเขากลับประสบปัญหาในการวางแผนกลยุทธ์การลงทุนด้านดิจิทัลที่ชัดเจน วิธีการกำกับดูแลแบบศูนย์กลาง ในบรรดาผู้ที่ประสบความสำเร็จนั้น พวกเขามักเลือกใช้วิธีกำกับดูแลแบบเข้าสู่ศูนย์กลางในการจัดการกับผลประโยชน์และค่าใช้จ่ายที่เกี่ยวข้อง อีกทั้งกลุ่มผู้นำเหล่านี้ยังได้พัฒนาโปรแกรมทางการเพื่อใช้ระบุ วัดค่า และรายงานผลลัพธ์การลงทุนทางด้านดิจิทัลอีกด้วย “ปัญหาหลักที่คุณต้องคำนึงคือคุณจะจัดสรรเงินทุนเพื่อทำการเปลี่ยนแปลงสู่ดิจิทัลได้อย่างไร และคุณจะวัดผลตอบแทนการลงทุนได้อย่างไร” Laura McGarrity (ลอรา แม็คแกร์ริที้) หัวหน้าฝ่ายนวัตกรรมดิจิทัลของ EY-Parthenon และหนึ่งในผู้เขียนรายงานกล่าว “ถ้าคุณบอกว่าคุณจะได้รับผลตอบแทนคืน 5 เท่า คุณจะแน่ใจได้อย่างไรว่าคุณได้นำผลตอบแทนนั้นกลับคืนสู่ธุรกิจจริง ๆ” เธอยังบอกอีกว่าผู้มีส่วนได้ส่วนเสียทุกคน ตั้งแต่ CEO ลงไปจนถึงหน่วยธุรกิจรายย่อย ต้องเข้าใจชัดเจนเกี่ยวกับตัวชี้วัดที่จะช่วยขับเคลื่อนผลตอบแทนการลงทุนนั้น “สิ่งสำคัญคือคุณต้องรู้ว่าคุณกำลังพยายามทำอะไรให้สำเร็จ” McGarrity กล่าว “มันจะมีประโยชน์ต่อคุณอย่างยิ่งในระยะยาวถ้าคุณสามารถสร้างทะเลสาบข้อมูล (Data Lake) ที่สมบูรณ์ ที่ทำให้คุณสามารถเก็บสะสมข้อมูลที่คุณรวบรวมมาได้ครบถ้วนสมบูรณ์ รวมถึงทำให้คนในองค์กรสามารถเข้าถึงและเข้าใจข้อมูลเหล่านั้น ซึ่งจะทำให้พวกเข้าสามารถนำข้อมูลไปใช้ได้อย่างมีประสิทธิภาพ” กรอบการกำกับดูแลด้านดิจิทัล (Digital Governance Framework) การมี “โครงร่าง” สำหรับการกำกับดูแลด้านดิจิทัลที่ออกแบบมาอย่างดีนั้นเป็นสิ่งที่จำเป็นอย่างยิ่ง ซึ่งต้องครอบคลุมถึงการกำหนดผู้ที่มีอำนาจในการตัดสินใจและระบุผู้รับผิดชอบหรือเจ้าของโครงการที่ชัดเจนด้วยเช่นกัน โครงร่างดังกล่าวยังต้องสามารถรองรับการเปลี่ยนแปลงที่ต่อเนื่อง ทั้งในด้านของอำนาจการบริหารจัดการการเปลี่ยนสู่องค์กรดิจิทัล และการสนับสนุนหลักการในการเพิ่มยอดขาย ลดค่าใช้จ่าย การทำตามข้อกำหนด และการควบคุมความเสี่ยงอีกด้วย “สิ่งสำคัญคือการใช้กรอบการกำกับดูแลเข้ามาช่วย เพื่อให้แน่ใจว่าการเปลี่ยนแปลงสู่องค์กรดิจิทัลนั้นจะได้รับการสนับสนุน และไม่ถูกปิดกั้น” Rich Quattrocchi (ริช ควาททรอชชี) รองประธานฝ่ายการเปลี่ยนแปลงสู่ดิจิทัลของ Mutare วิสาหกิจการสื่อสารและผู้ให้บริการด้านความปลอดภัยกล่าว “การจัดสรรเงินทุนควรทำควบคู่ไปกับอัตราผลตอบแทนขั้นต่ำจากการลงทุนของวิสาหกิจเพื่อความรวดเร็วในการออกสู่ตลาด การเปลี่ยนแปลงสู่ดิจิทัลก็เช่นกัน” จากมุมมองของริช การสร้างความสมดุลระหว่างสองสิ่งเป็นเรื่องที่จำเป็น โดยเราต้องหาจุดสมดุลระหว่างคำว่า “สมบูรณ์แบบ” และคำว่า “ดีพอผ่าน” เพราะสองคำนี้เป็นศัตรูตัวฉกาจของกันและกัน “โครงการที่สนับสนุนพันธกิจ กลยุทธ์ และนโยบายที่ให้ผลกำไรตอบแทนสูงสุด ควรจะดึงดูดการลงทุนที่มากขึ้น” เขากล่าว “โดยคำนึงว่าความเร็วคือข้อได้เปรียบทางธุรกิจ ดังนั้นความพยายามในการเปลี่ยนแปลงสู่ดิจิทัลจึงต้องรวดเร็วด้วยเช่นกัน  ใช่ว่าทุกการเดิมพันจะสำเร็จเสมอไป ดังนั้นถ้าเปรียบเทียบการลงทุนเป็นที่ดิน เราก็ไม่ควรเดิมพันที่ดินทั้งหมดแค่กับที่ดินแปลงใหญ่แปลงเดียว แต่ควรลองเดิมพันทีละไร่สองไร่หลาย ๆ ที่” การมีผู้ที่มีส่วนได้ส่วนเสียที่หลากหลายเป็นเรื่องสำคัญ การวัดผลตอบแทนด้านดิจิทัลของผู้มีส่วนได้ส่วนเสียจะขึ้นอยู่กับโครงสร้างของการเปลี่ยนแปลงสู่ดิจิทัล โดยผู้มีส่วนได้ส่วนเสียที่เกี่ยวข้องจะมีตั้งแต่ผู้บริหารระดับ C หน่วยธุรกิจหลัก ทีมงานปฏิบัติการไปจนถึงทีมงานสนับสนุน และเนื่องจากผู้มีส่วนได้ส่วนเสียนั้นมีหลายฝ่าย ดังนั้นผู้มีส่วนได้ส่วนเสียหลักจึงควรเป็นคนที่รับผิดชอบต่อการทำให้ผลกำไรดีขึ้น “ประเด็นทั้งหมดของการเปลี่ยนแปลงสู่ดิจิทัลคือเพื่อเพิ่มยอดขาย ลดค่าใช้จ่าย ทำตามข้อกำหนด และลดความเสี่ยง” Quattrocchi กล่าว นอกจากนี้ McGarrity ยังเสริมอีกว่า CFO จะเป็นผู้มีส่วนได้ส่วนเสียหลักและเป็นผู้ที่ต้องอยู่หัวแถวเสมอ อีกทั้งยังต้องมีแผนที่จะใช้ในการลงทุนด้านการเปลี่ยนแปลงสู่ดิจิทัล เพื่อเตรียมพร้อมที่จะเพิ่มมูลค่าให้กับธุรกิจอยู่เสมอ “ถึงอย่างนั้นผู้มีส่วนได้ส่วนเสียหลักที่เกี่ยวข้องในการกำหนดตัวชี้วัดเหล่านี้ก็มีความหลากหลายตามแผนกและระดับชั้น” เธอกล่าวเสริม “เริ่มจากว่าใครเป็นคนผลักดันกลยุทธ์ด้านดิจิทัลสำหรับองค์กร ใช่ประธานเจ้าหน้าที่ฝ่ายกลยุทธ์ไหม? หรือเป็นประธานเจ้าหน้าที่ฝ่ายดิจิทัล? โดยทั่วไปจะเป็นหนึ่งในสองตำแหน่งนี้” Rick Sbrocca (ริค สบรอคคา) CMO ของ MNJ Technologies ผู้ให้บริการการแก้ปัญหาด้านไอที เสริมว่า ขณะที่ไอทีแบบศูนย์กลางเป็นแหล่งรวมผู้นำของการเปลี่ยนแปลงสู่ดิจิทัล ผู้มีส่วนได้ส่วนเสียหลักระดับแผนกยิ่งมีส่วนเกี่ยวข้องมากกว่าที่เคยเป็นมา ตัวอย่างเช่น หัวหน้าฝ่ายขายและฝ่ายตลาดอาจต้องใช้ระบบ CRM หัวหน้าเจ้าหน้าที่ฝ่ายทรัพยากรบุคคลอาจต้องการเครื่องมืออัตโนมัติสำหรับงาน HR มากขึ้น และ CFO อาจต้องการ FinTech และการสนับสนุนด้านการวิเคราะห์ข้อมูล “กุญแจสู่ความสำเร็จคือข้อมูล” เขากล่าว “เพราะข้อมูลจะเป็นตัวขับเคลื่อนธุรกิจและการเข้าถึงข้อมูลที่ถูกต้องในเวลาที่เหมาะสมยิ่งมีความสำคัญมากขึ้นต่อผู้มีส่วนได้ส่วนเสียหลักทุกคน” วิธีปรับใช้การวัดผล Sbrocca อธิบายว่าสิ่งสำคัญที่ต้องคำนึงคือ เราต้องใช้ตัววัดผลความสำเร็จเดียวกันทั้งองค์กรธุรกิจ เช่น ผลตอบแทนการลงทุน (ROIC) กำไร ดัชนีความพึงพอใจและการมีส่วนร่วมของพนักงาน ซึ่งสามารถนำมาปรับใช้กับโครงการการเปลี่ยนแปลงสู่ดิจิทัลได้ “วิธีการและเทคโนโลยีสำหรับการวิเคราะห์ข้อมูลควรถูกกำหนดเป็นแต่ละกรณี ๆ ไปและมุ่งให้ความสำคัญไปที่เปอร์เซ็นต์การเติบโตของธุรกิจที่จะตามมา  รวมถึงผลลัพธ์ของทีมงานอีกด้วย” เขากล่าว เทคโนโลยีที่จะเข้ามามีบทบาทมากขึ้นได้แก่การย้ายข้อมูลไปสู่คลาวด์ การเพิ่มการรักษาความปลอดภัย การคิดค้น AI และกระบวนการหุ่นยนต์อัตโนมัติ (RPA) “ธุรกิจต่าง ๆ ควรพัฒนากลยุทธ์และแผนการกำกับดูแลด้านการเปลี่ยนแปลงสู่ดิจิทัลให้มากขึ้น ซึ่งทั้งหมดควรอยู่ภายใต้ภาพรวมของธุรกิจขององค์กรอีกทีหนึ่ง” Sbrocca เสริม นี่อาจรวมไปถึงการประเมินผลอย่างต่อเนื่องของเป้าหมายธุรกิจและหาจุดที่สามารถเพิ่มประสิทธิภาพได้มากขึ้น ตลอดจนการลงทุนด้านเวลาและทรัพยากรเพื่อทำการค้นคว้าวิจัยเครื่องมือที่มีอยู่เพื่อช่วยให้องค์กรบรรลุเป้าหมายให้สำเร็จได้ การวัดผลลัพธ์อาจเป็นปัญหา Quattrocchi ชี้ให้เห็นว่าธุรกิจหลายแห่งประสบปัญหากับการวัดผลลัพธ์ที่ได้จากการลงทุนด้านดิจิทัล เนื่องจากการวางแผนที่ไม่มีประสิทธิภาพและขาดการตั้งตัวชี้วัด (KPI) ก่อนที่จะเริ่มโครงการ “ขั้นตอนแรกของโครงการการเปลี่ยนแปลงสู่ดิจิทัลคือ การระบุปัญหาที่คุณกำลังจะแก้ไข ระบุ KPI หรือตัวชี้วัดที่คุณจะใช้เพื่อนิยามความสำเร็จ และการสร้างเครื่องมือที่ทำการวัดผล” เขากล่าว “การวัดผลควรปราศจากอคติ วัดปริมาณได้ สื่อสารอย่างโปร่งใส และที่สำคัญที่สุด ไม่ควรมีผลย้อนกลับมาหากล้มเหลว” อย่างไรก็ตาม หากการลงทุนเกิดล้มเหลว ก็ต้องล้มให้ไว เพื่อให้องค์กรสามารถเปลี่ยนทิศทางได้หากจำเป็น และสามารถเดินหน้าไปยังเป้าหมายต่อไปได้ McGarrity จาก EY-Parthenon แนะนำให้เริ่มจากการเพิ่มการปรับปรุงด้านดิจิทัลเพิ่มและการพัฒนาตัววัดที่มีประสิทธิภาพที่ทำให้เห็นความสำเร็จที่เกิดขึ้น “นี่หมายถึงการเข้าใจตัวชี้วัดที่คุณกำลังสร้างขึ้นในระยะสั้น ซึ่งแม้ว่ามันอาจจะเกี่ยวพันกับกลยุทธ์ของคุณในระยะยาว ที่ไม่ได้เพิ่มรายได้หรือส่งผลต่อการเปลี่ยนแปลงทันที” เธอกล่าว “คุณต้องยึดความเป็นจริงและบอกว่า ดูนี่ เราคิดว่าเราลดค่าใช้จ่ายได้ $500,000 หากเราทำกิจกรรมเฉพาะส่วนนี้ให้เป็นอัตโนมัติได้” เธอชี้ให้เห็นว่าไม่ใช่ว่าทุกความสำเร็จจะวัดได้ด้วยรายได้ และไม่ใช่ว่าทุกการลงทุนด้านดิจิทัลจะเห็นผลทันที “เป็นสิ่งสำคัญมากที่ต้องสื่อสารกลับไปยังผู้บริหาร” McGarrity กล่าว “นี่มันขึ้นอยู่กับการเริ่มต้นเล็ก ๆ และค่อย ๆ เรียนรู้ผ่านโอกาสที่เพิ่มเข้ามา” บทความโดย Nathan Eddyเนื้อหาจากบทความของ InformationWeekแปลและเรียบเรียงโดย ไอสวรรค์ ไชยชะนะตรวจทานและปรับปรุงโดย พีรดล สามะศิริ และนววิทย์ พงศ์อนันต์
29 July 2022
Read More

บทความ
Movements
6 แนวทางยอดนิยมของการใช้งาน Data Fabrics
วันนี้เราจะมาพูดถึงสถาปัตยกรรม การจัดการ Data Fabric ที่เป็นเสมือนกล่องวิเศษช่วยเพิ่มประสิทธิภาพการเข้าถึงข้อมูลที่กระจัดกระจาย อีกทั้งยังช่วยดูแลจัดระเบียบข้อมูลได้อย่างชาญฉลาดไปด้วยในตัว และบทความนี้จะพูดถึงเรื่อง 6 แนวทางยอดนิยมของการใช้งาน Data Fabrics ที่จะมาช่วยเพิ่มประสิทธิภาพให้กับองค์กรของคุณได้ โดยปกติแล้วทุก ๆ องค์กรจะมีข้อมูลกระจายตามหน่วยงานที่เกี่ยวข้อง ซึ่งแต่ละหน่วยงานมีหน้าที่ละความรับผิดชอบในการจัดการข้อมูลของตัวเอง การจัดสรรข้อมูลลักษณะนี้เรียกว่าการจัดการข้อมูลแบบไซโล หรือ Data Silo โดย Silos ในที่นี้คือ ปัญหาที่มีข้อมูลบางอย่างที่ถูกเก็บอยู่แต่ในเฉพาะกลุ่ม คนในองค์กรส่วนอื่น ๆ ไม่เคยได้รับการแชร์หรือได้ใช้ประโยชน์เลย หรือพูดอีกนัยหนึ่งคือมีข้อเสียตรงที่การบูรณาการข้อมูลระหว่างกันจะเป็นไปได้ยาก ซึ่ง Data Fabrics จะมาช่วยสร้างระบบที่ให้ข้อมูลพวกนี้มาเรียงร้อยถักทอกันออกมาเป็นข้อมูลที่เป็นระบบระเบียบ จึงเป็นที่มาของคำ ๆ นี้นั่นเอง ดังนั้น Data Fabrics จึงเปรียบได้กับโครงสร้างที่ช่วยจัดการข้อมูลแบบรวมศูนย์ ที่อนุญาตให้องค์กรเข้าถึงข้อมูลของตนจากที่ไหนก็ได้ภายในสภาพแวดล้อม Hybrid Cloud  “การใช้เทคโนโลยีและบริการเหล่านี้ มันเพิ่มคุณค่าให้กับข้อมูลและให้ประโยชน์มากขึ้นสำหรับผู้ใช้” David Proctor, Senior Database Manager จาก Everconnect บริษัทที่ทำธุรกิจให้บริการระบบจัดการฐานข้อมูลระยะไกล อ่านเพิ่มเติมเรื่อง Data Fabric เป็นหนึ่งใน 12 เทรนด์เชิงกลยุทธ์ในปี 2022 Data Fabric กำลังเป็นที่นิยมมากขึ้นเรื่อย ๆ เมื่อองค์กรหันมาใช้วิธีการจัดเก็บแบบดิจิทัล เพราะเมื่อบริษัทเติบโตขึ้น ทำให้การจัดเก็บข้อมูลอาจซับซ้อนมากขึ้น เพราะข้อมูลถูกจัดเก็บไว้ในตำแหน่งต่าง ๆ ที่บางทีหลาย ๆ ส่วนงานอาจไม่สามารถเข้าถึงได้ Proctor จึงตั้งข้อสังเกตว่า “Data Fabric ได้สร้างมาตรฐานใหม่ของการเก็บข้อมูลและทำให้ทุกคนเข้าถึงข้อมูลได้โดยไม่ว่าพวกเขาจะอยู่ที่ไหนก็ตามบนโลก” Sean Knapp ผู้ก่อตั้งและ CEO ของ Ascend.io บริษัทที่ให้บริการระบบ Dataflow แบบอัตโนมัติกล่าวโดยสรุปว่า เทคโนโลยี Data Fabric เป็นเหมือนกาวที่เชื่อมโยงระบบข้อมูลขององค์กรทั้งหมดเข้าด้วยกัน ให้ทุกส่วนของข้อมูลสอดคล้องกัน ซึ่งจะช่วยให้ Data Engineer สร้าง, ขยายสเกล, และพัฒนา Data Pipeline อย่างต่อเนื่องที่อยู่บน Apache Spark โดยไม่ต้องเขียนโค้ดมาก “Data Fabric ช่วยองค์กรให้รักษาระบบข้อมูลที่ซับซ้อนและแตกต่างกันได้ และยังช่วยให้ผู้ใช้งานเข้าถึงข้อมูลที่ต้องการได้อย่างรวดเร็วด้วยตนเอง ไม่ว่าพวกเขาจะอยู่ที่ใดหรือก่อนหน้านี้ระบบเคยถูกจัดเก็บไว้อย่างไรก็ตาม” Sean Knapp กล่าว การนำ Data Fabrics มาใช้สามารถช่วยองค์กรของคุณได้อย่างไร นี่คือ 6 แนวทางยอดนิยมของการใช้งาน Data Fabric: 1.นวัตกรรมองค์กร “เทคโนโลยี Data Fabric ช่วยเปิดเส้นทางใหม่สู่การสร้างนวัตกรรมผู้ชนะจากไอเดีย AI, ML ใหม่ ๆ ได้ง่ายขึ้น โดยเฉพาะด้านการเร่งความเร็ววงจรการวิเคราะห์ข้อมูล (Data and Analytics Lifecycle) ” Knapp กล่าว “มันหมดคำถามแล้วว่า มันจะดีแค่ไหนถ้าองค์กรสามารถใช้สถาปัตยกรรม Data Fabric รวมแหล่งข้อมูลทั้งระบบ Cloud เครื่องมือคำนวณ โดเมนต่าง ๆ มาใช้ร่วมกัน แต่ต้องถามว่าจะเริ่มทำเมื่อไหร่เท่านั้นเอง” 2. ป้องกันและบำรุงรักษาระบบ เทคโนโลยี Data Fabric สามารถใช้ทำการวิเคราะห์หาจุดอ่อนเพื่อป้องกันการล่มของระบบได้ ซึ่งจะช่วยลดช่วงเวลา Downtime เนื่องจากมันสามารถเข้าถึงข้อมูลเชิงลึกจากจุดข้อมูลต่าง ๆ และคาดการณ์ล่วงหน้าถึงรอบการบำรุงรักษา เรียกว่าเป็นการ “กันก่อนแก้” นอกจากนี้ Jared Stern ซีอีโอของ Uplift Legal Funding ยังกล่าวอีกว่า ” Data Fabric จะช่วยวางแผนในการเตรียมเครื่องมือ อะไหล่ ทรัพยากรบุคคล และสำรองสิ่งที่จำเป็นได้อย่างเป็นระบบระเบียบ” 3.กำจัดปัญหา Silos (ไซโล) บอกลากับปัญหา Data Silo ไปได้เลย Dan DeMers ซีอีโอและผู้ร่วมก่อตั้ง Cinchy กล่าวว่า “วิธีการถักทอร้อยเรียงฐานข้อมูลต่าง ๆ ของ Data Fabric ทำให้มันได้ชื่อว่าเป็นเทคโนโลยีแรกที่สามารถทำลาย เรื่อง Data Silo ได้อย่างแท้จริง” “เราทุกคนรู้ถึงข้อเสียของการเก็บข้อมูลแบบไซโล” DeMers กล่าว “ถึงแม้จะมีข้อดี แต่ Data Silo ขัดขวางประสิทธิภาพการทำงาน รวมถึงยังไม่มีวิธีการทำงานรูปแบบอื่นที่แทนที่ได้ เนื่องจากไม่มีทางเลี่ยงฐานข้อมูลที่ผูกติดกับแอปพลิเคชัน” แต่ต้องเข้าใจว่าจริง ๆ แล้วองค์กรต้องทำงานด้วยข้อมูล ไม่ใช่แอปพลิเคชัน “นั่นเป็นเหตุผลที่การบูรณาการแบบจุดต่อจุดยังคงเป็นปัญหาใหญ่ในสถาปัตยกรรมข้อมูล ยิ่งเราคิดจะทำลาย Data Silo โดยไปหาที่รวมให้มัน กลับนำไปสู่ปัญหา Data Silo ที่ใหญ่ขึ้น ตรงกันข้ามเรากลับไม่ทำอะไรเลยเพื่อแก้ไขสาเหตุของปัญหาจริง ๆ  ซึ่งอยู่ที่เราโฟกัสกันเองว่าฐานข้อมูลต้องขึ้นอยู่กับแอปเป็นหลัก” เขาอธิบาย ”Data Fabric จะแยกข้อมูลออกจากแอปพลิเคชัน นี่แหละคือสิ่งที่ทำให้ หลักการที่ว่าเน้นข้อมูลเป็นศูนย์กลางเกิดขึ้นได้จริง เราจะได้จบวังวนในการซื้อโปรแกรม / สร้างโปรแกรม / และเอามาเชื่อมต่อกับระบบที่มีอยู่ได้ซักที” 4.  ได้ข้อมูลเชิงลึกของลูกค้า Data Fabrics ช่วยบอกองค์กรให้เห็นถึงวิธีที่ลูกค้าใช้บริการ โดย Proctor กล่าวว่า “ด้วยวิธีนี้ พวกเขาสามารถรวบรวมชุดข้อมูลที่เกี่ยวข้องกับลูกค้าที่แตกต่างกัน วิเคราะห์ และใช้เพื่อสร้างกลยุทธ์ที่ปรับปรุงประสบการณ์โดยรวมของลูกค้า” นอกจากนี้ Szymon Klarman หัวหน้าสถาปนิกด้านการจัดการความรู้ในองค์กรของ BlackSwan Technologies อธิบายการใช้ Data Fabric เพื่อให้ได้มุมมองหรือข้อมูลที่แท้จริงของลูกค้า “องค์กรสามารถใช้ Data Fabric เพื่ออ้างอิงข้อมูลระหว่างกันและใช้ในการสรุปผลได้ ทำให้เห็นมุมมองตามความเป็นจริงและความสัมพันธ์ต่าง ๆ ระหว่างเครือข่ายของหน่วยธุรกิจที่เกี่ยวข้องกับหน่วยงาน และช่วยปรับรูปแบบความสัมพันธ์ของหน่วยงานที่มีให้กับหน่วยธุรกิจนั้น ๆ “มุมมอง ‘ลูกค้า 360’ นี้ครอบคลุมความต้องการของแผนกต่าง ๆ ตั้งแต่การปฏิบัติตามนโยบายการตลาด / การจัดกลุ่มลูกค้า และความเสี่ยง / การจัดการกับความเสี่ยง” 5. ให้การช่วยเหลือการทำตามกฎระเบียบข้อบังคับของข้อมูล ข้อกำหนดสำหรับความเป็นส่วนตัวและความปลอดภัยของข้อมูลมีความสำคัญมากขึ้นเรื่อย ๆ และได้กลายเป็นความเสี่ยงสุดสำคัญขององค์กรที่ต้องหาวิธีลดความเสี่ยงให้ได้ โดย John Wills, CTO ภาคสนามของ Alation บริษัทที่นำเสนอเทคโนโลยี Machine Learning ที่ช่วยให้ผู้ใช้ค้นหา เข้าใจและเชื่อถือข้อมูลในข้อมูล ได้กล่าวว่า “เรื่องการลดความเสี่ยงในองค์กร ที่จริงแล้วมันขึ้นอยู่กับว่า องค์กรจัดการความเสี่ยงเรื่องการกำกับดูแลข้อมูล Data Governance ได้ดีแค่ไหน”...
18 March 2022
Read More

บทความ
Movements
ประชาธิปไตยข้อมูล (Data Democratization) เทรนที่องค์กรควรสนใจ
คำถามเหล่านี้เป็นคำถามเกี่ยวกับความเสมอภาคในการเข้าถึงและใช้ประโยชน์ของข้อมูลในองค์กร ซึ่งเป็นคนละประเด็นกับสิทธิ์ในการเข้าถึงข้อมูลบางประเภท (User Type) ทำให้หลายๆองค์กรเริ่มมองถึงความไม่เสมอภาคนี้และเป็นที่มาของการทำข้อมูลให้เป็นประชาธิปไตย หรือ Data Democratization ประชาธิปไตยข้อมูล (Data Democratization) ไม่ใช่แค่เรื่องของ การเข้าถึงข้อมูล (Data Access) การทำข้อมูลให้เป็นประชาธิปไตยนั้นมักจะถูกเข้าใจว่าเป็นการให้ทุกคนสามารถเข้าถึงข้อมูลได้อย่างทั่วถ้วนเท่านั้น ซึ่งไม่ถูกเสียทั้งหมด เพราะผู้บริหารก็คงไม่อยากให้พนักงานเห็นข้อมูลความลับของบริษัท หรือฝ่ายบุคคลก็คงไม่อยากให้เราเห็นเงินเดือนของเพื่อนร่วมงานด้วยเช่นกัน ซึ่งหลักการใหญ่ๆในการทำข้อมูลให้เป็นประชาธิปไตย สรุปได้ดังนี้ เกิดขึ้นเพื่อ แก้ ปัญหาความท้าทายของการใช้ข้อมูล ทำไมองค์กรถึงควรให้ความสำคัญกับเรื่องนี้ ก็เป็นเพราะว่าเรื่องนี้เพื่อจะช่วยแก้ปัญหาที่คนในองค์กรต้องเผชิญเกี่ยวกับการใช้ข้อมูลในวันต่อวัน ซึ่งเป็นอุปสรรคใหญ่ที่ทำให้องค์กรไม่เป็น Data-driven สักที ลองพิจารณาประเด็นต่อไปนี้ ปัญหาทั่วไปที่ฟังๆดูแล้วก็น่าจะแก้ได้ด้วยการทำ Data Governance ในองค์กรได้ (ขอแนะนำให้ลองอ่านกรอบการวิเคราะห์ข้อมูลขนาดใหญ่ภาครัฐ) ซึ่งก็ถูกต้องในแง่ของการการทำโครงสร้างให้มั่นคงพร้อมรับสถานการณ์การใช้ข้อมูลแบบต่างๆ แต่อีกปัญหาใหญ่ที่ยังไม่ถูกแก้ด้วย Data Governance คือ เครื่องมือที่เหมาะสมกับผู้ใช้งาน การมีเครื่องมือที่เหมาะสม คือ ความเสมอภาค “จอบที่เหมือนกัน ไม่ได้ทำให้ทุกคนได้หัวมันที่เท่ากัน และหัวมันที่เท่ากันก็ไม่ได้ทำให้คนอิ่มเท่ากันได้” “ความเสมอภาค” คือการเข้าถึงโอกาสได้เหมือนกัน บางคนต้องการน้อย บางคนต้องการมาก เช่นเดียวกับการเข้าถึงและใช้งานข้อมูล อันดับแรกในการสร้างความเสมอภาคคือ ต้องเข้าใจว่าผู้ใช้ต้องการอะไร เช่น จะดีกว่าไหมหากให้เครื่องมือที่แต่ละฝ่ายสามารถใช้วิเคราะห์ง่ายๆได้เอง เช่น ทำ Dashboards หรือวิเคราะห์ทำนายผลพื้นฐาน และเหลือเพียงงานหินๆให้ทีม Data Science ได้ลงมือได้เต็มที่ ซึ่งในปัจจุบันก็มี Software มากมายที่ให้ผู้ใช้งานสร้าง Dashbaords ได้ภายในไม่กี่นาที ด้วยการลากวาง หรือการสร้าง Model ทำนายผล ที่ไม่ต้องเขียนโค้ด สามารถลากวาง กำหนดค่า และแปรผลให้เราได้เอง ส่วนที่องค์กรต้องสนับสนุนเพิ่มคือ การอบรมใช้เครื่องมือ และความเข้าใจทางสถิติให้แก่พนักงาน  Modern Data Stack เป็นชุดของเครื่องมือที่องค์กรควรลงทุนเพื่อตอบสนองความต้องการใช้ข้อมูลของส่วนต่าง ๆ ในองค์กร ทั้งนี้องค์กรก็ควรพิจารณาถึงขนาดความต้องการและความพร้อมของข้อมูล (Data Maturity) ในองค์กรประกอบด้วย โดยส่วนใหญ่แล้วองค์กรด้านธุรกิจมักจะลงทุนในเครื่องมือเหล่านี้ Dataportal กรณีศึกษา Data Democratization ที่ Airbnb ลองมาดูตัวอย่างการทำให้ข้อมูลเป็นประชาธิปไตยอย่างเป็นรูปธรรมกัน ที่ Airbnb ซึ่งเป็นเทคสตาร์ทอัพด้านการจองที่พักที่มีการเติบโตในจำนวนพนักงานและจำนวนข้อมูลที่พร้อม ๆ กัน ปัญหาที่เกิดขึ้นคือการเข้าถึงสิ่งที่ต้องการในทะเลของข้อมูล (Data Lake) อย่างไรให้มีประสิทธิภาพและประสิทธิผลสูงสุด จึงเป็นที่มาของ Dataportal เครื่องมือและช่องทางให้พนักงานของ Airbnb เข้าถึงและเข้าใช้ข้อมูล ด้วยการอำนวยความสะดวกดังต่อไปนี้ การขับเคลื่อนองค์กรด้วยข้อมูลเริ่มต้นจากประชาธิปไตยของข้อมูล ความเสมอภาค คือคำสำคัญหลักที่ทำให้เกิดประชาธิปไตย การทำให้คนในองค์กรสามารถเข้าถึงและใช้ข้อมูลตามสิทธิของตนเองได้ ด้วยเครื่องมือที่เหมาะสมกับความสามารถและลักษณะของงาน จะสร้างให้เกิดบรรยากาศการทำงานกับข้อมูลอย่างเป็นรูปธรรม ซึ่งจะนำไปสู่การเกิดวัฒนธรรมที่คนในองค์กรจะหยิบยกข้อมูลมาพูดคุยและถกเถียงกัน เมื่อข้อมูลถูกวิเคราะห์ ตกตะกอน กลายเป็นข้อสรุป เกิดเป็นการตัดสินใจ องค์กรนั้นก็สามารถเรียกตัวเองได้ว่าเป็น Data-driven แหล่งอ้างอิง
28 February 2022
Read More

บทความ
Big Data 101
ติดตั้ง CKAN ไม่ได้ยากอย่างที่คิด !
ในบทความนี้ เราจะมาลองติดตั้ง Data Catalog เพื่อทดลองใช้งานกัน โดยใช้ CKAN ซึ่งเป็น Open source สำหรับการทำ Open Data Portal ที่ถูกใช้โดยรัฐบาลและหน่วยงานมากมายทั่วโลก
9 February 2021
Read More

บทความ
Big Data 101
กรอบการวิเคราะห์ข้อมูลขนาดใหญ่ภาครัฐ (Government Big Data Analytics Framework)
ทำความรู้จักกับกรอบการวิเคราะห์ข้อมูลขนาดใหญ่ภาครัฐ (Government Big Data Analytics Framework) ประเทศไทย
3 February 2021
Read More

บทความ
Big Data 101
ทีมบุคลากรสำหรับการธรรมาภิบาลข้อมูล
การจัดตั้งทีมรับผิดชอบการธรรมาภิบาลข้อมูลที่เรียกกันว่า Data Team ยังคงมีความสับสนในตำแหน่งที่มีอยู่หลากหลาย แต่หากให้จัดกลุ่มคนตามบทบาทและหน้าที่แล้ว จะได้ 3 กลุ่มหลัก ๆ เรามาทำความรู้จักกับคนสามกลุ่มนี้กันครับ
25 December 2020
Read More

สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน)

Big Data Institute (Public Organization)

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

Contact Us

0 2480 8833
saraban@bdi.or.th (For receiving and sending electronic documents)
info@bdi.or.th (For general inquiries)

Quick Link

About Us

© Big Data Institute | Privacy Policy

Web Setting
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

Settings Reject Accept
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
Privacy Preferences
Name
Strictly Necessary Cookies
Category
Strictly Necessary Cookies
Host
https://bdi.or.th
Duration
1 ปี
Description
Strictly Necessary Cookies
This site is registered on wpml.org as a development site. Switch to a production site key to remove this banner.