Digital Transformation

Digital Transformation

ข่าวและบทความที่เกี่ยวข้อง

Related news and articles

PostType Filter En

บทความ

AI Governance: เข็มทิศนำทางสู่ปัญญาประดิษฐ์ที่น่าเชื่อถือ
ในยุคที่ปัญญาประดิษฐ์ (AI) เข้ามามีบทบาทสำคัญต่อการดำเนินธุรกิจและการใช้ชีวิตประจำวัน เราจำเป็นต้องเข้าใจว่า AI ไม่ใช่แค่เครื่องมือธรรมดา แต่เป็นเทคโนโลยีที่สามารถใช้งานได้หลากหลาย ส่งผลให้ผู้ใช้มีอิทธิพลต่อผลลัพธ์ที่เกิดขึ้น เปรียบเสมือนกับค้อนที่สามารถใช้ตอกตะปูหรือทำกิจกรรมอื่น ๆ ได้ จึงควรเตรียมความพร้อมและสร้างความเข้าใจให้กับบุคลากรและผู้มีส่วนได้ส่วนเสีย เพื่อป้องกันความเสี่ยงไม่ว่าจะเป็น ความเสี่ยงที่เกิดจากการกระทำโดยเจตนา (Intentional) เช่น Deepfake Scam หรือ Autonomous Weapons และความเสี่ยงที่ไม่ได้เกิดจากความตั้งใจ (Unintentional) เช่น ความผิดพลาดโดยไม่เจตนา หรือภัยธรรมชาติ ซึ่งเป็นปัญหาหลักที่องค์กรควรให้ความสำคัญ โดยรวมถึงข้อมูลที่ AI ใช้ในการเรียนรู้เกิดความลำเอียง (Bias Training Data) AI สร้างข้อมูลหรือเนื้อหาที่ไม่ถูกต้อง ไม่เป็นความจริง หรือไม่สมเหตุสมผล (Hallucination) คำแนะนำหรือการตัดสินใจที่ผิดพลาด ปัญหาลิขสิทธิ์ เป็นต้น โดยเฉพาะอย่างยิ่ง หากท่านผู้อ่านเป็นผู้บริหารแล้ว ควรทำความเข้าใจและจัดการความเสี่ยงจาก AI อย่างรอบด้านผ่านคำถาม ดังนี้ หลักการกำกับดูแล AI (AI Principles) แนวทางในการพัฒนา ใช้งาน และกำกับดูแลเทคโนโลยี AI คำนึงถึงผลกระทบทางจริยธรรม สังคม และกฎหมาย โดยเน้นให้ AI สร้างประโยชน์ต่อมนุษย์และสังคม พร้อมลดความเสี่ยงและผลกระทบเชิงลบที่อาจเกิดขึ้น  ได้แก่ ภาพรวม AI Governance ในระดับสากลและไทย ในระดับสากล โดยเฉพาะสหประชาชาติ (UN) ให้ความสำคัญกับการกำกับดูแล AIโดยเน้นไปที่ สิทธิมนุษยชน จริยธรรม และความยุติธรรม เป็นหลัก ต่างจากสหรัฐอเมริกา ที่ขับเคลื่อนด้วยกลไกตลาด เน้นการแข่งขัน ประสิทธิภาพ และนวัตกรรมมากกว่า จีนเน้นการลงทุนโครงสร้างพื้นฐาน และการควบคุมโดยรัฐ และสหภาพยุโรปเน้นการกำกับดูแลเพื่อปกป้องสิทธิเสรีภาพของประชาชน สำหรับประเทศไทย คาดว่าจะไม่มีการออกกฎหมาย AI ในเร็วๆ นี้ และแนวโน้ม คือการพัฒนามาตรฐานอุตสาหกรรมโดยหลายภาคส่วนร่วมกัน ไม่ใช่แค่รัฐบาลเดียว องค์กรจึงควรแสดงให้เห็นว่าการใช้ AI สอดคล้องกับนโยบายเพื่อหลีกเลี่ยงการถูกมองว่าไม่รับผิดชอบต่อสังคมหรือที่เรียกว่า Social License to Operate และเพื่อประเมินความเสี่ยงของผลิตภัณฑ์ โดยเทียบกับ EU AI Act ที่แบ่งความเสี่ยงเป็น 4 ระดับตามแนวทาง Risk-Based Approach ได้แก่ โดยสิ่งที่สำคัญคือจะต้องใช้แนวทางในการ “อิงตามความเสี่ยง (Risk-Based)” เพื่อให้เข้าใจประเภทของความเสี่ยง (กฎหมาย จริยธรรม การดำเนินงาน) และใช้แนวทาง Integration-Based เพื่อบูรณาการและพิจารณาร่วมกันจากหลาย ๆ ฝ่ายโดยใช้เครื่องมือและกลไกที่หลากหลาย บทสรุป การกำกับดูแล AI ถูกให้ความสำคัญทั้งในระดับสากลและในประเทศไทย โดยมีเป้าหมายเพื่อคุ้มครองสิทธิส่วนบุคคลและสร้างความยุติธรรมในการใช้งาน เทรนด์ทั่วโลกสะท้อนให้เห็นหลายแนวทาง ไม่ว่าจะเป็นการเน้นจริยธรรมและสิทธิมนุษยชนของสหประชาชาติ การขับเคลื่อนด้วยนวัตกรรมในสหรัฐอเมริกา หรือการควบคุมโดยรัฐในจีน ขณะที่สหภาพยุโรปออกกฎหมายเพื่อคุ้มครองเสรีภาพประชาชน สำหรับไทย แม้ยังไม่มีการออกกฎหมาย AI โดยตรง แต่มีแนวโน้มเน้นการพัฒนามาตรฐานร่วมกันจากหลายภาคส่วน องค์กรจึงควรดำเนินงานอย่างโปร่งใสและมีความรับผิดชอบต่อสังคม ควรประเมินความเสี่ยงของ AI ด้วยแนวทางอิงตามความเสี่ยง เพื่อให้มั่นใจว่าสอดคล้องกับมาตรฐานและไม่เกิดผลกระทบเชิงลบ โดยเฉพาะกับระบบที่มีความเสี่ยงสูง ทั้งนี้ การบูรณาการความร่วมมือกับหลายฝ่ายและเลือกใช้เครื่องมือที่เหมาะสมจะช่วยสร้างความเชื่อมั่นในการนำ AI ไปใช้ในสังคมได้อย่างยั่งยืน เอกสารอ้างอิง https://arxiv.org/pdf/2407.01294 https://www.aiaaic.org/aiaaic-repository https://www.theguardian.com/society/article/2024/jun/23/dwp-algorithm-wrongly-flags-200000-people-possible-fraud-error https://doi.org/10.1007/s13347-021-00474-3 https://s41721.pcdn.co/wp-content/uploads/2021/06/Executive-Summary-2022-Report.pdf https://aiindex.stanford.edu/wp-content/uploads/2023/04/HAI_AI-Index-Report_2023.pdf
7 July 2025

บทความ

AI Co-worker เพื่อนร่วมงานดิจิทัล: พลิกโฉมกระบวนการทำงานขององค์กรยุคใหม่ 
ปัญญาประดิษฐ์ (Artificial Intelligence: AI) กำลังกลายเป็นกระแสสำคัญที่พลิกโฉมรูปแบบการทำงานในยุคปัจจุบัน องค์กรทั่วโลกต่างเร่งลงทุนในเทคโนโลยี AI รวมมูลค่านับพันล้านดอลลาร์ โดยในสหรัฐอเมริกา มีถึง 92% ของบริษัทที่วางแผนเพิ่มงบประมาณด้าน AI อย่างไรก็ตาม กลับมีเพียงส่วนน้อยที่เชื่อมั่นว่าบริษัทของตนมีความพร้อมอย่างเต็มที่ในการนำ AI ไปใช้ได้อย่างมีประสิทธิภาพ รายงานวิจัยหลายฉบับประเมินว่า AI จะสามารถสร้างมูลค่าเพิ่มให้เศรษฐกิจโลกได้สูงถึง 4.4 ล้านล้านดอลลาร์ภายในปี 2030 ขณะเดียวกัน World Economic Forum ได้คาดการณ์ว่า Generative AI จะเข้ามามีบทบาทในประมาณ 40% ของชั่วโมงการทำงานทั่วโลก ซึ่งจะส่งผลให้ลักษณะงานของแรงงานจำนวนมากเปลี่ยนแปลงไปอย่างมาก กล่าวได้ว่า AI ในฐานะผู้ช่วยยุคใหม่ กำลังเข้ามาทำงานที่มีลักษณะซ้ำซ้อนแทนมนุษย์ และในขณะเดียวกันยังช่วยเสริมศักยภาพ เพิ่มประสิทธิภาพ และเปิดโอกาสใหม่ในการทำงานอย่างที่ไม่เคยมีมาก่อน  AI ในบทบาทของ “เพื่อนร่วมงานดิจิทัล” กำลังเข้ามาช่วยลดเวลาในการทำงานในแต่ละภารกิจได้อย่างมีประสิทธิภาพ งานวิจัยจากสถาบัน MIT ระบุว่า เครื่องมืออย่าง ChatGPT ช่วยให้พนักงานสามารถเขียนอีเมล เอกสาร และบทวิเคราะห์ได้เร็วขึ้นถึง 40% ขณะเดียวกัน การใช้ AI ในการเขียนโค้ดช่วยลดระยะเวลาในการพัฒนาซอฟต์แวร์ได้ถึง 56% ในแวดวงการแพทย์ ระบบ Generative AI ของ Northwestern Medicine ถูกนำมาใช้ในการร่างรายงานทางรังสีวิทยาโดยอัตโนมัติ เพิ่มประสิทธิภาพได้ 15–40% โดยบางกรณีสามารถช่วยให้รังสีแพทย์ปฏิบัติงานได้เร็วขึ้นเป็นสองเท่า สำหรับภาคบริการ หลายองค์กรเริ่มนำระบบ chatbot มาใช้เพื่อตอบคำถามทั่วไปได้ตลอด 24 ชั่วโมง โดยสามารถจัดการคำถามเบื้องต้นแทนเจ้าหน้าที่ได้ถึง 80% อย่างรวดเร็วและต่อเนื่อง เครื่องมือ AI จึงมีบทบาทสำคัญในฐานะผู้ช่วยด้านการจัดตารางงาน การให้บริการลูกค้า การร่างสัญญา และการวางแผนข้อมูล ส่งผลให้พนักงานมีเวลาไปมุ่งเน้นงานที่สร้างคุณค่าและผลลัพธ์เชิงกลยุทธ์มากยิ่งขึ้น  ปัจจุบันองค์กรต่าง ๆ ได้นำเทคโนโลยีปัญญาประดิษฐ์ (AI) เข้ามาประยุกต์ใช้ในกระบวนการทำงานในหลายภาคส่วน เพื่อยกระดับประสิทธิภาพและความรวดเร็วในการดำเนินงาน ตัวอย่างที่ชัดเจน ได้แก่  เครื่องมือ AI เหล่านี้กำลังมีบทบาทสำคัญในการสนับสนุนการตัดสินใจขององค์กรอย่างมีประสิทธิภาพ การสำรวจหนึ่งระบุว่า 80% ของพนักงานที่ใช้ AI เชื่อว่าเครื่องมือดังกล่าวช่วยให้พวกเขาทำงานได้ดีขึ้นอย่างชัดเจน โดยเฉพาะในด้านการขายและการตลาด AI ยังสามารถช่วยปรับแต่งเนื้อหาให้เหมาะกับลูกค้าแต่ละกลุ่ม และสร้างกลุ่มเป้าหมายใหม่ได้รวดเร็วและแม่นยำ ส่งผลให้ความเร็วในการตัดสินใจและการดำเนินกลยุทธ์ขององค์กรเพิ่มขึ้นอย่างต่อเนื่อง  ข้อมูลจากงานวิจัยระดับโลก  ผลการวิจัยจากหลายแหล่งสะท้อนให้เห็นถึงการเติบโตอย่างรวดเร็วของการใช้เทคโนโลยีปัญญาประดิษฐ์ (AI) และความคาดหวังที่เพิ่มขึ้นอย่างต่อเนื่อง รายงานของ McKinsey ในปี 2025 ระบุว่า กว่า 75% ของบริษัททั่วโลกได้เริ่มนำ AI มาใช้ในอย่างน้อยหนึ่งฟังก์ชันขององค์กร และเกือบทุกบริษัทมีแผนจะลงทุนเพิ่มเติมในด้าน AI ขณะที่รายงานของ Thomson Reuters คาดการณ์ว่า ในอนาคตอันใกล้ มากกว่า 50% ของรูปแบบงานจะมีความเกี่ยวข้องกับ AI โดยตรง โมเดลเศรษฐศาสตร์ของ McKinsey ยังประเมินว่า เทคโนโลยี Generative AI เพียงอย่างเดียว อาจสามารถเพิ่มผลิตภัณฑ์มวลรวมภายในประเทศ (GDP) ได้ถึง 0.6% ต่อปี ภายในปี 2040  ในด้านมุมมองของแรงงาน รายงานของ OECD พบว่า พนักงาน 4 ใน 5 คนที่ได้ใช้งาน AI ระบุว่าประสิทธิภาพในการทำงานของตนดีขึ้น และ 3 ใน 5 คนรู้สึกว่างานของตนสนุกมากขึ้น การใช้ AI อย่างต่อเนื่องส่งผลให้เกิดความต้องการในการพัฒนาทักษะและฝึกอบรมเพิ่มเติมอย่างต่อเนื่องเช่นกัน ที่น่าสนใจคือ พนักงานมีแนวโน้มที่จะมองเห็นศักยภาพของ AI มากกว่าผู้บริหารถึง 3 เท่า ขณะเดียวกัน ซีอีโอจำนวนมากยังรับรู้ถึงความเสี่ยงในการสูญเสียความสามารถในการแข่งขัน หากองค์กรของตนปรับตัวด้าน AI ได้ล่าช้า โดยถึง 32% ของซีอีโอเห็นว่าเรื่องนี้เป็นความเสี่ยงสำคัญที่ต้องเร่งรับมือ  โอกาสและความท้าทายในการใช้งาน AI  แม้ว่าประสิทธิภาพของเทคโนโลยีปัญญาประดิษฐ์ (AI) จะได้รับการยอมรับอย่างกว้างขวาง แต่การนำ AI เข้ามาใช้งานในองค์กรยังคงมาพร้อมกับความท้าทายที่ไม่อาจมองข้าม ผู้บริหารบางรายรายงานว่าการเปลี่ยนผ่านสู่นวัตกรรมใหม่ในช่วงเริ่มต้นอาจทำให้กระบวนการทำงานสะดุด เช่น กำลังการผลิตของโรงงานบางแห่งลดลงในระหว่างการปรับปรุงระบบ แม้ AI จะช่วยลดภาระจากงานที่ซ้ำซากและใช้เวลามาก แต่ก็อาจกระทบต่อแรงจูงใจภายในของพนักงานในงานด้านอื่น ๆ ที่ต้องใช้ความคิดสร้างสรรค์และแรงบันดาลใจ นอกจากนี้ พนักงานจำนวนไม่น้อยยังมีความกังวลเกี่ยวกับผลกระทบในระยะยาว งานสำรวจของ OECD พบว่า 60% ของผู้ตอบแบบสอบถามกังวลว่า AI อาจเข้ามาแทนที่งานของตนภายใน 10 ปีข้างหน้า และ 40% กังวลว่า AI อาจส่งผลกระทบต่อระดับรายได้หรือความมั่นคงในสายอาชีพของตน  นอกจากผลกระทบด้านแรงงาน ยังมีประเด็นสำคัญที่ต้องพิจารณา เช่น ความเสี่ยงด้านความเป็นส่วนตัว อคติในอัลกอริทึม และความมั่นคงปลอดภัยทางไซเบอร์ ทั้งนี้ รายงานของ McKinsey ระบุว่า พนักงานเกือบครึ่งหนึ่งแสดงความกังวลเกี่ยวกับความแม่นยำและความปลอดภัยของระบบ AI ผู้เชี่ยวชาญจึงเห็นพ้องว่าการกำกับดูแล AI อย่างมีประสิทธิภาพเป็นสิ่งจำเป็น องค์กรควรแต่งตั้งผู้นำที่ชัดเจนสำหรับการขับเคลื่อนด้าน AI ออกแบบกระบวนการทำงานใหม่อย่างมีระบบ และสร้างความไว้วางใจระหว่างผู้มีส่วนได้ส่วนเสีย การฝึกอบรมพนักงานให้สามารถใช้ AI อย่างรับผิดชอบ การตรวจสอบความลำเอียงของอัลกอริทึม และการกำหนดบทบาทความรับผิดชอบอย่างชัดเจน ล้วนเป็นกลไกสำคัญที่สนับสนุนการใช้งาน AI อย่างยั่งยืน  ผู้นำหลายภาคส่วนยอมรับว่า แม้งานบางประเภทอาจได้รับผลกระทบจาก AI แต่ในขณะเดียวกันก็เป็นโอกาสในการสร้างทักษะใหม่ ๆ ขึ้นมา รายงานของ World Economic Forum (WEF) ชี้ว่า Generative AI มีศักยภาพในการยกระดับคุณภาพของงาน เพิ่มความหมายของการทำงาน และลดภาระจากงานที่น่าเบื่อและซ้ำซาก อย่างไรก็ตาม ผู้กำหนดนโยบายของสหภาพยุโรป (EU) ได้เตือนว่า 23–29% ของงานในปัจจุบันอยู่ในกลุ่มที่มี “ความเสี่ยงสูง” ที่จะถูกแทนที่โดย AI อย่างไรก็ดี งานเหล่านี้อาจไม่หายไปทั้งหมด เพราะ AI อาจเข้ามาเติมเต็มขีดความสามารถของมนุษย์ เปลี่ยนผู้เริ่มต้นให้กลายเป็นผู้เชี่ยวชาญ  นักวิจัยส่วนใหญ่เห็นตรงกันว่า องค์กรที่นำ AI มาใช้อย่างจริงจัง ควบคู่กับการลงทุนด้านบุคลากร จริยธรรม และความรับผิดชอบ จะมีความได้เปรียบในการแข่งขันอย่างยั่งยืน งานวิจัยของ McKinsey ย้ำชัดว่า องค์กรที่มอง AI เป็นเครื่องมือสนับสนุนและเสริมศักยภาพของพนักงาน จะสามารถสร้างการเปลี่ยนแปลงที่มีผลลัพธ์ชัดเจน และวัดผลตอบแทนจากการลงทุนได้อย่างเป็นรูปธรรม  ดังนั้น ผู้นำที่สามารถสร้างสมดุลระหว่างการนำนวัตกรรมใหม่เข้าสู่องค์กร การวางกรอบกำกับดูแลที่เหมาะสม และการพัฒนาทักษะของพนักงานอย่างต่อเนื่อง คือผู้ที่จะพาองค์กรก้าวไปสู่ความสำเร็จอย่างมั่นคงในยุคแห่ง AI  บทสรุป: ก้าวสู่อนาคตด้วย AI อย่างมีวิสัยทัศน์และความรับผิดชอบ  AI กำลังเปลี่ยนโฉมโลกของการทำงานอย่างรวดเร็วและลึกซึ้ง...
24 June 2025

บทความ

Big Data ผสาน AI Agent: พลังอัจฉริยะสู่เกราะป้องกันภัยไซเบอร์ยุคดิจิทัล 
ในยุคดิจิทัลที่เทคโนโลยีก้าวหน้าอย่างรวดเร็ว ภัยไซเบอร์ได้กลายเป็นความท้าทายสำคัญที่ทั้งองค์กรและบุคคลทั่วไปต้องเผชิญ  การโจมตีที่มีความซับซ้อนและหลากหลายรูปแบบ เช่น แรนซัมแวร์ (Ransomware), ฟิชชิ่ง (Phishing) หรือการบุกรุกเครือข่าย ทำให้มาตรการป้องกันแบบดั้งเดิมไม่เพียงพออีกต่อไป  ด้วยเหตุนี้ ในปี 2025 ได้มีการนำ Big Data และ AI Agent เข้ามาผสานรวมกันเพื่อสร้างระบบรักษาความปลอดภัยที่มีประสิทธิภาพและสามารถตอบสนองแบบเรียลไทม์  บทบาทของ Big Data ในการป้องกันภัยไซเบอร์  Big Data มีบทบาทสำคัญในการป้องกันภัยไซเบอร์โดยการรวบรวมและวิเคราะห์ข้อมูลจำนวนมหาศาลจากหลากหลายแหล่ง ซึ่งรวมถึงข้อมูลจากระบบเครือข่าย, เซ็นเซอร์ความปลอดภัย, กิจกรรมผู้ใช้ และข้อมูลภัยคุกคามทั่วโลก ข้อมูลเหล่านี้ช่วยให้ระบบรักษาความปลอดภัยสามารถทำความเข้าใจรูปแบบการโจมตีที่เปลี่ยนแปลงไปได้อย่างรวดเร็วและแม่นยำยิ่งขึ้น ตัวอย่างเช่น การวิเคราะห์ข้อมูลบันทึก (log) จากเซิร์ฟเวอร์และอุปกรณ์เครือข่ายแบบเรียลไทม์ ทำให้สามารถตรวจจับพฤติกรรมที่ผิดปกติซึ่งอาจบ่งชี้ถึงการบุกรุก หรือการแพร่ระบาดของมัลแวร์ได้อย่างรวดเร็ว  AI Agent: ตัวกระทำอัจฉริยะในโลกของปัญญาประดิษฐ์  AI Agent (ตัวแทนปัญญาประดิษฐ์) หมายถึง ระบบหรือโปรแกรมที่สามารถรับข้อมูลจากสิ่งแวดล้อม (Input) ประมวลผลเพื่อวิเคราะห์สถานการณ์ และดำเนินการตอบสนอง (Action) ตามวัตถุประสงค์ที่กำหนดไว้โดยอัตโนมัติ โดยไม่จำเป็นต้องมีมนุษย์ควบคุมตลอดเวลา  AI Agent โดยทั่วไปจะประกอบด้วยองค์ประกอบหลัก 3 ส่วน ได้แก่  AI Agent ถูกนำไปใช้งานในหลากหลายบริบท ไม่ว่าจะเป็นหุ่นยนต์ในสายการผลิตที่สามารถทำงานซ้ำ ๆ ได้อย่างแม่นยำ ผู้ช่วยเสมือน (Virtual Assistant) เช่น Siri หรือ Alexa ที่สามารถโต้ตอบและช่วยจัดการงานต่าง ๆ ให้กับผู้ใช้ ระบบแนะนำสินค้าในแพลตฟอร์มอีคอมเมิร์ซที่ช่วยวิเคราะห์พฤติกรรมผู้บริโภคเพื่อเสนอสินค้าที่ตรงความต้องการ และหนึ่งในบริบทที่มีความสำคัญอย่างยิ่งคือ การนำ AI Agent มาใช้ในด้านการรักษาความปลอดภัยทางไซเบอร์  AI Agent กับการตอบสนองภัยไซเบอร์แบบอัตโนมัติ  ในบริบทของความปลอดภัยทางไซเบอร์ AI Agent คือระบบปัญญาประดิษฐ์ที่ได้รับการออกแบบให้สามารถตรวจจับ วิเคราะห์ และตอบสนองต่อภัยคุกคามได้โดยอัตโนมัติ ภายในปี 2025 เทคโนโลยี AI Agent มีความสามารถก้าวหน้าอย่างมาก โดยสามารถเรียนรู้จากข้อมูลขนาดใหญ่ (Big Data) เพื่อนำไปสู่การตรวจจับภัยคุกคามรูปแบบใหม่ที่ไม่เคยปรากฏมาก่อน (Zero-day threats) ได้อย่างมีประสิทธิภาพ  AI Agent สามารถดำเนินการตอบสนองได้แบบเรียลไทม์ ไม่ว่าจะเป็นการบล็อกการโจมตีก่อนเกิดความเสียหาย การแจ้งเตือนผู้ดูแลระบบทันทีเมื่อพบพฤติกรรมที่ผิดปกติ หรือแม้กระทั่งการตอบสนองเชิงรุกโดยไม่ต้องรอคำสั่งจากมนุษย์ ความสามารถเหล่านี้ช่วยลดภาระของทีมรักษาความปลอดภัย และเสริมสร้างความสามารถขององค์กรในการป้องกันและรับมือกับภัยคุกคามทางไซเบอร์ได้อย่างมีประสิทธิภาพมากยิ่งขึ้น  การใช้ Big Data และ AI Agent ร่วมกันสร้างระบบป้องกันภัยไซเบอร์ที่ยืดหยุ่นและทันสมัย  การผสานศักยภาพของ Big Data เข้ากับความสามารถของ AI Agent ได้กลายเป็นกลยุทธ์สำคัญในการพัฒนาระบบรักษาความปลอดภัยทางไซเบอร์ในยุคปัจจุบัน โดย Big Data มีบทบาทในการจัดเก็บและวิเคราะห์ข้อมูลขนาดใหญ่ที่มีความหลากหลายและซับซ้อนอย่างมีประสิทธิภาพ ขณะที่ AI Agent ทำหน้าที่เรียนรู้จากข้อมูลเหล่านั้น เพื่อนำมาใช้ในการคาดการณ์ ตรวจจับ และตอบสนองต่อภัยคุกคามได้อย่างชาญฉลาดและทันท่วงที  นอกจากนี้ แนวโน้มสำคัญที่กำลังได้รับความสนใจ คือการพัฒนา AI Agent ให้ทำงานร่วมกันในรูปแบบของ Multi-agent System ซึ่งเป็นเครือข่ายของเอเจนต์อัจฉริยะที่สามารถแบ่งหน้าที่ ประสานการทำงาน และตัดสินใจร่วมกันในลักษณะกระจายศูนย์ (Distributed) โครงสร้างแบบนี้ช่วยเพิ่มขีดความสามารถในการเฝ้าระวังและตอบสนองต่อภัยคุกคามจากหลายจุดในเวลาเดียวกัน จึงเหมาะสมอย่างยิ่งสำหรับองค์กรที่มีระบบโครงสร้างพื้นฐานด้านเทคโนโลยีสารสนเทศขนาดใหญ่และซับซ้อน  เทคนิคที่ใช้ในการพัฒนา AI Agent สำหรับป้องกันภัยไซเบอร์  การพัฒนา AI Agent สำหรับรับมือกับภัยคุกคามไซเบอร์จำเป็นต้องอาศัยเทคนิคขั้นสูงที่สามารถวิเคราะห์ข้อมูลจำนวนมาก เรียนรู้พฤติกรรม และตัดสินใจตอบสนองได้อย่างแม่นยำและรวดเร็ว โดยเทคนิคที่นิยมใช้มีหลายรูปแบบ ซึ่งแต่ละเทคนิคมีจุดเด่นที่เหมาะสมกับสถานการณ์และลักษณะของภัยคุกคามที่แตกต่างกัน โดยจะขอยกตัวอย่าง ดังนี้  เทคนิคการเรียนรู้แบบมีผู้สอน (Supervised Learning) อาศัยชุดข้อมูลที่มีการระบุผลลัพธ์ล่วงหน้า (labeled data) เช่น ข้อมูลเหตุการณ์ด้านความปลอดภัยที่ถูกจัดประเภทว่าเป็นภัยคุกคามหรือไม่ AI Agent จะเรียนรู้จากรูปแบบที่พบในข้อมูลเหล่านี้ และสามารถนำไปใช้จำแนกเหตุการณ์ใหม่ในอนาคตได้อย่างแม่นยำ ตัวอย่างการประยุกต์ใช้งาน ได้แก่ การตรวจจับอีเมลฟิชชิ่ง (Phishing Detection) และการวิเคราะห์ทราฟฟิกเครือข่ายเพื่อกรองกิจกรรมที่มีความผิดปกติ  รูปที่ 1 Supervised Learning (Source: https://medium.com/@dhara732002/supervised-machine-learning-a-beginners-guide-9ac0b07eccbb)  เทคนิคการเรียนรู้แบบไม่มีผู้สอน (Unsupervised Learning) มีหลักการที่แตกต่างจาก Supervised Learning โดยไม่ใช้ข้อมูลที่มีการระบุผลลัพธ์ล่วงหน้า (unlabeled data) แต่ให้ AI Agent ค้นหารูปแบบหรือโครงสร้างในข้อมูลด้วยตนเอง เทคนิคนี้เหมาะสำหรับการวิเคราะห์ข้อมูลจำนวนมากที่ไม่มีการจัดประเภทล่วงหน้า โดยเฉพาะในสถานการณ์ที่ภัยคุกคามมีพฤติกรรมแปลกใหม่และไม่เคยปรากฏมาก่อน  ตัวอย่างการใช้งาน ได้แก่ การใช้เทคนิค Clustering เพื่อจัดกลุ่มพฤติกรรมที่คล้ายกัน และการประยุกต์ใช้ Anomaly Detection เพื่อระบุเหตุการณ์หรือทราฟฟิกที่เบี่ยงเบนจากพฤติกรรมปกติของระบบ ซึ่งอาจเป็นสัญญาณของการโจมตีหรือกิจกรรมที่มีความเสี่ยง  รูปที่ 2 Unsupervised Learning  (Source: https://www.mathworks.com/discovery/unsupervised-learning.html)  Reinforcement Learning เป็นเทคนิคที่ช่วยให้ AI Agent สามารถเรียนรู้จากประสบการณ์โดยอาศัยกลไกของการทดลองและการได้รับรางวัล (trial-and-error with reward signals) ระบบจะทดลองดำเนินการตอบสนองต่อภัยคุกคามในรูปแบบต่าง ๆ และปรับปรุงกลยุทธ์ของตนเองอย่างต่อเนื่อง โดยมีเป้าหมายเพื่อเพิ่มผลลัพธ์ที่ต้องการให้สูงที่สุด  เทคนิคนี้เหมาะอย่างยิ่งสำหรับสถานการณ์ที่มีความซับซ้อนและเปลี่ยนแปลงตลอดเวลา เช่น การจัดการเหตุการณ์แบบหลายขั้นตอน (multi-step attacks) การควบคุมแบบไดนามิก หรือการตอบสนองต่อภัยคุกคามอย่างอัตโนมัติตามนโยบายด้านความปลอดภัยขององค์กร โดยไม่ต้องพึ่งพาการป้อนข้อมูลตัวอย่างจำนวนมากล่วงหน้าเหมือนในเทคนิคแบบ Supervised  รูปที่ 3 Reinforcement Learning  (Source: https://www.enterrasolutions.com/is-reinforcement-learning-the-future-of-artificial-intelligence)  Natural Language Processing (NLP) เป็นเทคนิคที่ช่วยให้ AI Agent สามารถเข้าใจและประมวลผลข้อมูลในรูปแบบข้อความ ซึ่งถือเป็นองค์ประกอบสำคัญในการวิเคราะห์ข้อมูลที่ไม่เป็นโครงสร้าง (unstructured data) โดยเฉพาะในงานด้านความปลอดภัยไซเบอร์ที่เกี่ยวข้องกับอีเมล เอกสาร รายงาน หรือข้อความจากแหล่งข่าวกรองภัยคุกคาม  ตัวอย่างการประยุกต์ใช้งาน ได้แก่ การวิเคราะห์เนื้อหาในอีเมลเพื่อระบุความเสี่ยงจากฟิชชิ่ง การสกัดข้อมูลภัยคุกคามจากรายงานเชิงเทคนิคหรือโพสต์ในฟอรั่มของแฮกเกอร์ และการสร้างระบบแจ้งเตือนอัตโนมัติจากข้อมูล Threat Intelligence ที่อยู่ในรูปแบบข้อความ ความสามารถของ NLP ช่วยให้ AI Agent เข้าใจเจตนา วิเคราะห์บริบท และสรุปสาระสำคัญจากข้อความเหล่านั้นได้อย่างมีประสิทธิภาพ  รูปที่ 4 Natural Language Processing  (Source: https://amazinum.com/insights/what-is-nlp-and-how-it-is-implemented-in-our-lives/)  ความท้าทายในอนาคต  แม้ว่าการผสานเทคโนโลยี Big Data เข้ากับ AI Agent จะช่วยยกระดับศักยภาพในการป้องกันภัยคุกคามทางไซเบอร์ได้อย่างมีนัยสำคัญ แต่อนาคตยังคงเต็มไปด้วยความท้าทายทั้งในด้านเทคนิค ปฏิบัติการ และจริยธรรม ซึ่งองค์กรจำเป็นต้องให้ความสำคัญอย่างรอบด้าน ดังนี้:  แฮกเกอร์และกลุ่มอาชญากรไซเบอร์ยังคงพัฒนาเทคนิคการโจมตีรูปแบบใหม่อย่างไม่หยุดยั้ง อาทิ การใช้ AI...
16 June 2025

บทความ

BDI เปิดบ้านหลังใหม่ต้อนรับ คณะสภาดิจิทัลฯ หารือแนวทางความร่วมมือในการขับเคลื่อนและผลักดันศักยภาพด้าน Big Data & AI พัฒนาประเทศอย่างมีทิศทาง
11 มิถุนายน 2568, กรุงเทพมหานคร – สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน) หรือ BDI นำโดย รศ. ดร.ธีรณี อจลากุล ผู้อำนวยการสถาบันข้อมูลขนาดใหญ่ ดร.สุนทรีย์ ส่งเสริม รองผู้อำนวยการสถาบันข้อมูลขนาดใหญ่ น.ส.แก้วเกล้า อุทัยรัตนกิจ ผู้อำนวยการฝ่ายนโยบาย ยุทธศาสตร์และการต่างประเทศ และ ดร.อภิวดี ปิยธรรมรงค์ ผู้อำนวยการฝ่ายส่งเสริมอุตสาหกรรมและประสานเครือข่าย พร้อมด้วยเจ้าหน้าที่ที่เกี่ยวข้อง ให้การต้อนรับ ม.ร.ว. นงคราญ ชมพูนุท ประธานสภาดิจิทัลเพื่อเศรษฐกิจและสังคมแห่งประเทศไทย นางเขมนรินทร์ รัตนาอัมพวัลย์ รองประธานสภาดิจิทัลฯ และ ดร.อธิป อัศวานันท์ ผู้อำนวยการสภาดิจิทัลฯ พร้อมคณะทำงาน เข้าหารือความร่วมมือกับ BDI ณ อาคารสถาบันข้อมูลขนาดใหญ่ ซอยลาดพร้าว 12 โดยประเด็นในการหารือครั้งนี้ ทั้ง 2 ฝ่ายได้มองถึงแนวทางการดำเนินงานร่วมกันตั้งแต่ การพัฒนาโครงสร้างพื้นฐานด้านเทคโนโลยีปัญญาประดิษฐ์ (Artificial Intelligence: AI) การสนับสนุนและแนวทางการพัฒนาโครงสร้างพื้นฐานปัญญาประดิษฐ์สำหรับภาษาไทย (Thai Large Language Model: ThaiLLM) การส่งเสริมผู้ประกอบการไทย เช่น Startup, Digital Transformation, การใช้ประโยชน์จากแพลตฟอร์มการเชื่อมโยงและวิเคราะห์ข้อมูลขนาดใหญ่ (Data Integration and Intelligence Platform: DII) และการแก้ไขปัญหาช่องว่างทางทักษะ (Skills Gap) ด้าน AI ของประเทศไทย ตลอดจนการสำรวจตลาดอุตสาหกรรมด้าน Big Data และ AI เพื่อขับเคลื่อนและผลักดันศักยภาพด้าน Big Data และ AI พัฒนาประเทศอย่างมีทิศทาง
11 June 2025

บทความ

10 ทิศทางสำคัญที่ผู้บริหารควรเรียนรู้ในปี 2025 เพื่อความยั่งยืนของธุรกิจ
? เตรียมพร้อมสู่ปี 2025: 10 กลยุทธ์ที่ผู้บริหารต้องเรียนรู้เพื่อความยั่งยืนในธุรกิจ  ในปี 2025 โลกธุรกิจจะเผชิญกับความท้าทายใหม่ที่ผู้บริหารจำเป็นต้องเตรียมพร้อมและปรับตัวให้เข้ากับการเปลี่ยนแปลงทางเทคโนโลยีและสังคมที่เกิดขึ้นอย่างรวดเร็ว ความยั่งยืน (Sustainability) จะยังคงเป็นหัวใจหลักที่กำหนดทิศทางการเติบโตขององค์กร และความสามารถในการปรับตัวนี้จะเป็นตัวชี้วัดความสำเร็จในระยะยาว บทความนี้จะนำเสนอ 10 เรื่องที่ผู้บริหารควรเรียนรู้เพื่อความสำเร็จและความยั่งยืนในอนาคต  1. การเปลี่ยนผ่านสู่เทคโนโลยี AI เชิงยั่งยืน ?  ในยุคที่ AI และ Big Data กำลังเป็นเครื่องมือสำคัญในการพลิกโฉมธุรกิจ ผู้บริหารต้องเข้าใจการนำเทคโนโลยีเหล่านี้มาใช้ในองค์กรอย่างมีจริยธรรมและยั่งยืน หลักสูตร LEAD รุ่นที่ 2 ช่วยให้ผู้บริหารเข้าใจถึงการประยุกต์ใช้ AI ที่ไม่เพียงแค่เพิ่มประสิทธิภาพ แต่ยังสร้างความไว้วางใจในลูกค้าและสังคม  2. การจัดการความยั่งยืนในห่วงโซ่อุปทาน (Sustainable Supply Chain) ?  ผู้บริหารควรมีความเข้าใจในกระบวนการของ ห่วงโซ่อุปทาน ที่ยั่งยืน โดยสามารถนำ Big Data มาใช้ในการตรวจสอบแหล่งวัตถุดิบที่มีความรับผิดชอบ และลดผลกระทบต่อสิ่งแวดล้อม เช่น การลดการปล่อยคาร์บอนในกระบวนการผลิต รวมถึงการเลือกใช้ซัพพลายเออร์ที่มีจรรยาบรรณและความรับผิดชอบต่อสังคม  3. การเสริมสร้างความสามารถในการปรับตัว (Adaptability Skills) ?  การเปลี่ยนแปลงในสภาพตลาดและเทคโนโลยีที่รวดเร็วจำเป็นต้องมีการปรับตัวอย่างต่อเนื่อง ผู้บริหารที่เข้าร่วมหลักสูตร LEAD จะได้รับทักษะในการใช้ Big Data และ AI เพื่อช่วยในการวิเคราะห์แนวโน้มตลาดและทำนายความเปลี่ยนแปลงในอนาคต ทำให้สามารถปรับกลยุทธ์และตอบสนองต่อการเปลี่ยนแปลงได้อย่างรวดเร็ว  4. การนำ ESG (Environment, Social, Governance) มาใช้ในกลยุทธ์องค์กร ?  หลักสูตร LEAD รุ่นที่ 2 มุ่งเน้นให้ผู้บริหารเข้าใจการบูรณาการแนวคิด ESG (สิ่งแวดล้อม สังคม และการกำกับดูแล) เข้ากับกลยุทธ์การบริหาร โดยใช้ AI และ Big Data ในการวัดผลกระทบจากกิจกรรมองค์กรที่มีต่อสังคมและสิ่งแวดล้อม ทำให้สามารถพัฒนากลยุทธ์ที่ยั่งยืนและสร้างความเชื่อมั่นให้กับนักลงทุนและลูกค้า  5. ความปลอดภัยทางไซเบอร์และการคุ้มครองข้อมูล (Cybersecurity) ?  ด้วยการใช้ AI และ Big Data ในการบริหารข้อมูลขนาดใหญ่ ความปลอดภัยทางไซเบอร์จึงเป็นสิ่งสำคัญ หลักสูตร LEAD รุ่นที่ 2 จะช่วยให้ผู้บริหารเข้าใจการปกป้องข้อมูลและความปลอดภัยทางไซเบอร์ โดยการใช้เทคโนโลยีที่ทันสมัยในการป้องกันและตอบสนองต่อการโจมตีทางไซเบอร์  6. ความเป็นผู้นำในยุคการทำงานแบบไฮบริด (Leadership in a Hybrid Workplace) ?‍?  การทำงานในรูปแบบ hybrid ที่ผสมผสานการทำงานทั้งออฟไลน์และออนไลน์เป็นแนวโน้มใหม่ในอนาคต ผู้นำต้องเข้าใจการจัดการทีมอย่างมีประสิทธิภาพ โดยใช้ Big Data ในการประเมินการทำงานและสร้างความร่วมมือระหว่างทีมงานจากหลากหลายสถานที่  7. การสร้างความโปร่งใสในการทำงานและธุรกิจ (Transparency and Accountability)  ความโปร่งใสและการมีความรับผิดชอบเป็นพื้นฐานของการทำธุรกิจที่ยั่งยืน Big Data ช่วยให้ผู้บริหารสามารถตรวจสอบและเปิดเผยข้อมูลสำคัญที่มีผลต่อการตัดสินใจในองค์กร โดยสร้างวัฒนธรรมการทำงานที่เน้นความโปร่งใสและมีความรับผิดชอบ  8. การใช้พลังงานทางเลือกและลดการปล่อยก๊าซเรือนกระจก⚡  การนำ Big Data และ AI มาใช้ในการวิเคราะห์และพัฒนาแนวทางในการลดการปล่อยก๊าซเรือนกระจก เป็นสิ่งที่ผู้บริหารต้องคำนึงถึงในการขับเคลื่อนองค์กรไปสู่ความยั่งยืน หลักสูตร LEAD จะช่วยให้ผู้บริหารสามารถใช้เทคโนโลยีเพื่อเพิ่มประสิทธิภาพในการใช้พลังงานทางเลือกและลดการปล่อยคาร์บอน  9. การพัฒนาและฝึกอบรมบุคลากรอย่างต่อเนื่อง (Continuous Learning and Development) ?  ในการขับเคลื่อนองค์กรอย่างยั่งยืน ผู้บริหารต้องให้ความสำคัญกับการพัฒนาและฝึกอบรมบุคลากร โดยการใช้ AI เพื่อวิเคราะห์และออกแบบโปรแกรมฝึกอบรมที่ตอบสนองต่อการเปลี่ยนแปลงของตลาดและเทคโนโลยี  10. การสร้างสรรค์นวัตกรรมอย่างต่อเนื่อง (Continuous Innovation) ?  การสร้างนวัตกรรมที่ต่อเนื่องเป็นกุญแจสำคัญในการเติบโตในยุคที่การแข่งขันสูง AI และ Big Data สามารถช่วยในการค้นหาความท้าทายใหม่ ๆ และนำเสนอนวัตกรรมที่สามารถตอบสนองต่อความต้องการของตลาดได้อย่างทันเวลา  ? ปี 2025 จะเป็นปีแห่งการเปลี่ยนแปลงและการปรับตัวสำหรับผู้บริหารที่ต้องการนำองค์กรให้เติบโตอย่างยั่งยืน ความเข้าใจใน 10 เรื่องสำคัญจะช่วยให้ผู้บริหารมีวิสัยทัศน์ที่ก้าวไกลและปรับกลยุทธ์ได้ทันสมัย ตั้งแต่การประยุกต์ใช้เทคโนโลยี AI การจัดการห่วงโซ่อุปทานที่ยั่งยืน ไปจนถึงการสร้างวัฒนธรรมองค์กรที่เปิดรับการทำงานแบบไฮบริด การเพิ่มทักษะการนำองค์กรในยุคแห่งการเปลี่ยนแปลงที่รวดเร็วจะเป็นสิ่งสำคัญที่ช่วยให้ผู้บริหารสามารถก้าวนำและรับมือกับความท้าทายในโลกธุรกิจที่เต็มไปด้วยการแข่งขัน  เพิ่มโอกาสในการพัฒนาทักษะเพื่อก้าวนำในยุคที่การเปลี่ยนแปลงรวดเร็วนั้นอยู่ที่นี่แล้ว อย่าพลาด! สมัครเรียนหลักสูตร LEAD: Big Data and AI for Sustainable Future (LEAD รุ่นที่ 2) เพื่อเตรียมพร้อมสู่การเป็นผู้นำยุคใหม่ที่พร้อมเผชิญความท้าทายและสร้างความสำเร็จอย่างยั่งยืน  ? รีบจองที่นั่ง Early Bird ได้แล้ววันนี้   ราคา 189,900 บาท จากราคาปกติ 209,900 บาท (รวมศึกษาดูงานทั้งในประเทศ และต่างประเทศ)  ?ศึกษารายละเอียดหลักสูตรเพิ่มเติม: https://bdi.or.th/executive-course/  ?ท่านสามารถแจ้งความประสงค์เพื่อลงทะเบียนหลักสูตรได้ที่: https://forms.gle/QFW229rG7cbjx53R6  ? ติดต่อสอบถามข้อมูลเพิ่มเติม Email: businesspromotion@bdi.or.th หรือ โทร: 02 480 8833 ต่อ 9552 และ 9579  บทความโดย เบญญาภา ราชแก้ว
15 November 2024

บทความ

Digital Transformation สิ่งที่ทุกองค์กรต้องทำเพื่อความอยู่รอด
Digital Transformation เป็นคำที่องค์กรต่าง ๆ ทั่วโลกและในประเทศไทยเริ่มรับรู้และตระหนักอย่างจริงจังในช่วงทศวรรษที่ผ่านมา ตั้งแต่รายงานโดย McKinsey ในปี ค.ศ. 2017 ว่ามีองค์กรเพียง 40% ในภาคธุรกิจโดยรวมที่เข้าสู่ความเป็นดิจิทัลอย่างเต็มตัว มาจนถึงทุกวันนี้ในยุคหลังโควิด-19 (post-pandemic/new normal era) เราแทบจะนึกไม่ออกแล้วว่า มีองค์กรใดบ้างที่ยังไม่ได้เข้าสู่ความเป็นดิจิทัลทางใดทางหนึ่งแล้วยังอยู่รอดได้ แต่นั่นไม่ได้หมายความว่าทุกองค์กรจะสร้างความเปลี่ยนแปลงทางดิจิทัลได้อย่างประสบความสำเร็จ บางองค์กรโอบรับเทคโนโลยีดิจิทัลเข้ามาพร้อมกันหลายชิ้น แต่กลับเป็นเทคโนโลยีที่ไม่เชื่อมโยงกัน บางองค์กรพยายามบังคับให้คนในองค์กรต้องปรับวิถีการทำงานผ่านเทคโนโลยีชิ้นใหม่ แต่ทำได้ไม่นาน พนักงานก็กลับมาทำงานตามวิถีเดิม ทำให้องค์กรเสียทรัพยากรและค่าใช้จ่ายสูญเปล่ามหาศาล หลาย ๆ ท่านคงจะสงสัยกันแล้วว่า ในบทความนี้ ผมจะพาท่านผู้อ่านมาลองศึกษาและตอบคำถามเหล่านี้กันครับ วิวัตนาการ 3 ขั้นตอน สู่ Digital Transformation ก่อนอื่นเรามาทำความเข้าใจร่วมกันก่อนว่า กว่าองค์กรหนึ่งจะทำ Digital Transformation ได้นั้นจริง ๆ แล้วจะต้องผ่านวิวัฒนาการทางเทคโนโลยีสามขั้นตอน คือ Digitization, Digitalization, และตามท้ายด้วย Digital Transformation Digitization คือ การแปลงข้อมูลแบบแอนะล็อก (analog) เป็นข้อมูลแบบดิจิทัล (digital) ตัวอย่างคลาสสิกคือการสแกนเอกสารกระดาษเป็นเอกสารดิจิทัล เก็บในรูปแบบไฟล์ในระบบคอมพิวเตอร์ ลดความจำเป็นในการใช้ตู้เก็บเอกสาร ลดความเสี่ยงจากความเสียหายของข้อมูลในกรณีที่เอกสารเริ่มเก่า ขาด หรือเปียกน้ำ อีกตัวอย่างหนึ่งคือการใช้ word processor อย่าง Microsoft Word ในการสร้างเอกสารดิจิทัล แทนการสร้างเอกสารด้วยเครื่องพิมพ์ดีด Digitalization เป็นขั้นกว่าของ Digitization ซึ่งหมายถึงการใช้เทคโนโลยีดิจิทัลเพื่อทำสิ่งที่องค์กรทำได้อยู่แล้ว แต่ทำได้ดี เร็ว หรือประหยัดทรัพยากรได้มากกว่าเดิม ยกตัวอย่างเช่น การค้นหาข้อมูลจากเอกสาร ถ้าเป็นเอกสารกระดาษ องค์กรต้องใช้คนเปิดตู้เอกสารแล้วไล่ดูทีละแฟ้มจนเจอข้อมูลที่ต้องการ แต่การนำเทคโนโลยีดิจิทัลอย่างคอมพิวเตอร์มาใช้นั้น คอมพิวเตอร์จะสามารถค้นหาเอกสารที่ต้องการได้อย่างง่ายดายและรวดเร็ว ผ่านการพิมพ์คำค้นหาไม่กี่คำ โดยใช้ประโยชน์จากเทคโนโลยีการจัดเรียง (indexing and sorting) ไฟล์ดิจิทัลบนเครื่องคอมพิวเตอร์ และที่สำคัญคือ ประหยัดทรัพยากรมนุษย์อีกด้วย จะสังเกตได้ว่า Digitization และ Digitalization ไม่ได้ทำให้ธุรกิจหรือองค์กรสามารถทำอะไรใหม่ ๆ ได้มากกว่าเดิม เอกสารข้อมูลก็ยังคงมีอยู่ การค้นหาเอกสารก็ยังทำได้เหมือนเดิม แต่สามารถทำได้ดีขึ้น รวดเร็วขึ้น มีประสิทธิภาพมากขึ้น Digital Transformation คือการเปลี่ยนแปลงขั้นสูงทางดิจิทัลสำหรับองค์กร ซึ่งเป็นการนำเทคโนโลยีดิจิทัลเข้ามาสร้างนวัตกรรมใหม่ เปลี่ยนวิถีการทำธุรกิจหรือธุรกรรมไปจากเดิมโดยสิ้นเชิง และสร้างคุณค่า (value) ให้กับลูกค้าหรือผู้ใช้งานในทุกโอกาส (นิยามโดย Salesforce) โดยเริ่มจากการตั้งคำถามว่า “เราจะพลิกโฉมธุรกิจและกระบวนงานของเราได้อย่างไร ให้องค์กรก้าวไปสู่ขั้นกว่าของการตัดสินใจที่ดีขึ้น ประสิทธิภาพที่เพิ่มขึ้น และประสบการณ์ของลูกค้าและผู้ใช้งานที่ตรงใจมากขึ้น?” Digital Transformation เป็นการนำเทคโนโลยีดิจิทัลเข้ามาสร้างนวัตกรรมใหม่ เปลี่ยนวิถีการทำธุรกิจหรือธุรกรรมไปจากเดิมโดยสิ้นเชิง และสร้างคุณค่า (value) ให้กับลูกค้าหรือผู้ใช้งานในทุกโอกาส หากเรามองย้อนกลับไปที่ตัวอย่างของการจัดเก็บเอกสาร หากเราผนวก word processor ผนวกกับเทคโนโลยีคลาวด์ และ smartphones ทำให้พนักงานภายในองค์กรสามารถ (1) แก้ไขเอกสารได้ทันที, (2) เข้าถึงเอกสารจากที่ไหนก็ได้ โดยไม่จำเป็นต้องเดินทางไปออฟฟิศ, (3) สามารถใช้งาน collaboration feature เพื่อจัดทำเอกสารร่วมกับเพื่อนร่วมงานได้ ซึ่งสิ่งเหล่านี้เป็นขีดความสามารถ (capabilities) ใหม่ ๆ ที่องค์กรไม่เคยทำได้มาก่อนด้วยเทคโนโลยีเดิม ๆ ซึ่งช่วยเพิ่มประสิทธิภาพภายในองค์กรได้อย่างไม่เคยมีมาก่อน อีกตัวอย่างที่คลาสสิกมาก คือ กรณีศึกษาของ Netflix ที่ผันตนเองจากเดิมที่เคยเป็นผู้ให้บริการเช่าวิดีโอ มาเป็นผู้ให้บริการความบันเทิงผ่านช่องทาง streaming ซึ่งสอดคล้องกับเทคโนโลยีอินเตอร์เน็ตความเร็วสูงที่คนทั่วไปสามารถเข้าถึงได้ในวงการมากขึ้น ซึ่ง Digital Transformation ของ Netflix ทำให้เกิดประสบการณ์ที่ดีเยี่ยมกับผู้ใช้งานที่เทคโนโลยีเดิมไม่สามารถทำได้มาก่อน นั่นคือ ระบบการแนะนำสิ่งที่ตรงใจผู้ใช้งาน หรือ recommender system ซึ่งเกิดขึ้นได้จากการวิเคราะห์ข้อมูลด้านความชอบและพฤติกรรมการดูหนังของผู้ใช้งานที่ถูกจัดเก็บในรูปแบบดิจิทัล (อ่านเพิ่มเติมเกี่ยวกับนวัตกรรมดิจิทัลของ Netflix ได้ที่นี่) และประสบการณ์ที่ดีกว่าอย่างไม่เคยมีมาก่อนนี้ ทำให้ Netflix เข้ามาสร้างความสั่นสะเทือน (disruption) ในธุรกิจสื่อและความบันเทิงที่มีอยู่เดิม และแน่นอนว่า องค์กรที่ไม่สามารถปรับตัวได้ทันก็จะไม่สามารถดำเนินธุรกิจได้ต่ออย่างยั่งยืน Digital Transformation สามารถทำให้องค์กรหรือบริษัทหนึ่งสร้างความสั่นสะเทือน (disruption) ในวงการธุรกิจที่มีอยู่เดิม และแน่นอนว่า องค์กรที่ไม่สามารถปรับตัวได้ทันก็จะไม่สามารถดำเนินธุรกิจได้ต่ออย่างยั่งยืน มากกว่าการพัฒนาศักยภาพ Digital Transformation คือหนทางรอด จากนิยามความหมายของ Digital Transformation ข้างต้น เราพอจะเห็นภาพว่าทำไม Digital Transformation ถึงสำคัญ นั่นเป็นเพราะ Digital Transformation เป็นมากกว่าการแค่ทำให้องค์กรขึ้นพัฒนาศักยภาพตนเองให้ดีขึ้น แต่หลาย ๆ ครั้ง มันหมายถึง หนทางรอด ของธุรกิจนั้น ๆ เพราะถ้าองค์กรหรือบริษัทหนึ่ง ๆ ไม่วิวัฒนาการตนเองผ่าน disruption ในไม่ช้าก็จะต้องถูกองค์กรหรือบริษัทอื่น disrupt อยู่ดี นอกจากนี้แล้ว ผู้คนทั้งบุคลากรภายในองค์กรและบุคคลภายนอกที่ทำธุรกรรมกับองค์กรยุคใหม่ล้วนมีความคาดหวังที่สูงขึ้นจากความสะดวกสบายที่เทคโนโลยีดิจิทัลจะนำเสนอประสบการณ์ที่ดีให้ลูกค้าและผู้ใช้งานได้ ไม่ว่าจะเป็น และความคาดหวังที่สูงเหล่านี้สามารถถูกตีมูลค่าออกมาเป็นตัวเงินได้อีกด้วย ผลการวิจัยโดย Isobar ค.ศ. 2017 ได้ทำการศึกษาบริษัทที่จดทะเบียนในตลาดหลักทรัพย์ในสหรัฐอเมริกากว่า 1,000 บริษัท และค้นพบความสัมพันธ์ (correlation) ระหว่าง “ความมีศักยภาพทางดิจิทัล” ของบริษัทและราคาหุ้นของบริษัทในระยะยาวซึ่ง “ความมีศักยภาพทางดิจิทัล” นี้ถูกวัดโดยการพิจารณาจากองค์ประกอบต่าง ๆ เช่น ความเป็นที่รู้จักของแบรนด์ผ่านช่องทางดิจิทัล สัดส่วนรายได้ที่มาจากช่องทางดิจิทัล เป็นต้น ทำไม Digital Transformation ถึงทำยาก? การที่หลาย ๆ องค์กรก็ยังไม่สามารถทำ Digital Transformation ได้เป็นผลสำเร็จ อุปสรรคและข้อผิดพลาดที่มักเกิดขึ้น (Common Mistakes) สามารถแบ่งหลัก ๆ ได้เป็นกรณีดังนี้: ในงานสัมมนา Big Data Leadership Summit 2021 คุณปาจรีย์ แสงคำ Head of Digitization จากโอสถสภา ผู้เชี่ยวชาญด้าน Digital Transformation ได้กล่าวไว้ว่า อุปสรรคในการทำ Digital Transformation ที่สำคัญที่สุดไม่ใช่เรื่องทางเทคนิคหรือตัวเทคโนโลยีที่ใช้ แต่เป็นเรื่องของการบริหารจัดการทรัพยากรบุคคลในองค์กร การปรับเปลี่ยนทัศนคติ ความเชื่อ และอุปนิสัยที่บุคลากรภายในองค์กรอาจคุ้นชินกับวิธีการทำงานแบบเดิม ๆ ที่ได้ผลอยู่แล้ว ประกอบกับผลเสียที่อาจเกิดขึ้นหากมีการเปลี่ยนแปลงวิธีการทำงานแล้วเกิดข้อผิดพลาด ทำให้บุคลากรภายในองค์กรอาจมีกรอบความคิด (mindset) ที่ว่า “if it ain't broke, don't fix it.” (อย่าไปเปลี่ยนอะไรที่มันยังไม่เสีย) ซึ่งอาจรักษาเสถียรภาพขององค์กรโดยรวมไว้ได้ แต่ชุดวิธีคิดเช่นนี้กลับกลายเป็นอุปสรรคต่อวิวัฒนาการขององค์กรสู่ความเป็นดิจิทัล การปรับเปลี่ยนพฤติกรรม วิถีการปฏิบัติงาน และทัศนคติต่อการทำงานภายในองค์กรสู่ Digital Transformation คุณปาจรีย์ได้ให้ข้อแนะนำในหลักการเปลี่ยนพฤติกรรม วิถีการปฏิบัติงาน และทัศนคติต่อการทำงานภายในองค์กร สู่การขับเคลื่อนด้วย Digital Transformation ดังนี้ อุปสรรคในการทำ Digital Transformation ไม่ได้มีเพียงเรื่องทางเทคนิค แต่เป็นเรื่องของการบริหารจัดการทรัพยากรบุคคลในองค์กร แนวทางของกระบวนการ Digital Transformation             ถึงแม้ว่ากระบวนการทำ Digital Transformation จะไม่ได้มีสูตรสำเร็จตายตัว แต่องค์ประกอบที่ชัดเจนที่คุณปาจรีย์ได้แนะนำไว้ โดยอ้างถึงแนวคิดจาก Gartner คือ การปลูกฝังค่านิยมและชุดความคิด (mindset) ผนวกกับกระบวนการทำงาน (process) ที่พร้อมรับความเปลี่ยนแปลงอยู่เสมอ เมื่อถูกขยายผลด้วยเทคโนโลยี (technology) ที่ตอบโจทย์และภารกิจขององค์กร จะนำไปสู่ขีดความสามารถ (capabilities) ใหม่ ๆ ที่สร้างประสิทธิผลเชิงประจักษ์ บทสรุป ท่ามกลางยุคที่ความเปลี่ยนแปลงเป็นเรื่องปกติ องค์กรที่ผ่านกระบวนการ Digital Transformation จะสร้างขีดความสามารถในการผลิตนวัตกรรมที่เป็นมากกว่าการเติบโต แต่อาจหมายถึงความอยู่รอดขององค์กร ทั้งนี้ คุณปาจรีย์ได้เน้นย้ำว่า ความท้าทายหลักของ Digital Transformation คือการบริหารจัดการทรัพยากรบุคคล และวัฒนธรรมองค์กร ซึ่งองค์กรสามารถเริ่มวางยุทธศาสตร์ตามหลักการเปลี่ยนพฤติกรรมและชุดความคิด (behavior and mindset) ภายในองค์กร ผนวกกับกระบวนการ และเทคโนโลยีที่เหมาะสม เนื้อหาโดย ปพจน์ ธรรมเจริญพร ตรวจทานและปรับปรุงโดย ปพจน์ ธรรมเจริญพร
1 June 2023

บทความ

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

บทความ

Digital Transformation สำหรับสำนักข่าวและสื่อมวลชนยุคดิจิทัล
สำนักข่าวและสื่อมวลชนทั้งหลายจะมอบคุณค่าที่ดีขึ้นด้วยข้อมูลเชิงลึกอย่างไร บริษัท Deloitte ได้ทําการศึกษาในเรื่องการเปลี่ยนแปลงของข้อมูลจากทั่วโลก เพื่อศึกษาว่าสำนักข่าวและสื่อจะใช้ประโยชน์จากข้อมูลจากผู้เสพสื่ออย่างไร เพื่อดึงดูดผู้อ่านและสร้างรายได้ให้เพิ่มขึ้นได้อย่างไร ( Digital Transformation สำหรับสำนักข่าว ) บทนำ ดิจิทัลมีบทบาทสำคัญอย่างมากในการเปลี่ยนแปลงอุตสาหกรรมข่าวและสื่อมีเดีย จะเรียกว่าพลิกโฉมเลยก็ว่าได้ ซึ่งการเปลี่ยนแปลงนี้ได้เริ่มต้นขึ้นมานานกว่า 20 ปีแล้ว การเปลี่ยนแปลงที่ถือว่าเปลี่ยนแปลงไปมากที่สุดคือการพิมพ์ เพราะในปัจจุบัน สิ่งพิมพ์ที่ยังคงพิมพ์เป็นกระดาษก็เหลือน้อยมาก เหล่าสำนักพิมพ์และรายการโทรทัศน์เกือบทั้งหมดตอนนี้ก็กลายเป็นเวอร์ชันดิจิทัลไปแล้ว สำนักข่าวและสื่อได้ใช้ประโยชน์จากการเปลี่ยนแปลงและการพัฒนา Digital Platform มาสร้างข้อมูลเชิงลึกเกี่ยวกับพฤติกรรมของผู้อ่าน ซึ่งในสมัยก่อนการเปลี่ยนแปลงนี้ไม่สามารถทำได้ โดยข้อมูลเชิงลึกที่เต็มไปด้วยความซับซ้อนเหล่านี้ จะสามารถทำให้สำนักข่าวและสื่อสามารถปรับปรุง เพื่อเพิ่มการมีส่วนร่วมของผู้อ่านและเพิ่มรายได้ทางออนไลน์ ว่าแต่สำนักข่าวและสื่อสามารถขับเคลื่อนด้วยข้อมูลนี้ได้มากน้อยเพียงใดและพวกเขาทํากันอย่างไร? Deloitte ได้ทําการศึกษาและเก็บข้อมูลจากทั่วทุกมุมโลกเพื่อทําความเข้าใจว่า เหล่าสำนักข่าวและสื่อได้ใช้ประโยชน์จากข้อมูลของผู้รับชม เพื่อเพิ่มการมีส่วนร่วมบน Digital Platform ของพวกเขา รวมทั้งเพิ่มคุณค่าของตัวสื่อเอง ไปจนถึงการสร้างรายได้ของแพลตฟอร์มเหล่านั้นอย่างไร ขั้นตอนช่วงตั้งต้น ข้อมูลของผู้รับชมเป็นหัวใจสำคัญอันดับต้นๆ ของสำนักข่าวสื่อสารมวลชน ทั้งความคาดหวังของผู้ลงโฆษณาและผู้อ่านต่างสร้างแรงกดดันต่อเหล่าองค์กรสื่ออย่างมาก โดยคาดหวังว่าสื่อจะมีการนำข้อมูลมาใช้ในการทำคอนเทนต์มากขึ้นเพราะผู้อ่านต้องการคอนเทนต์ที่มีคุณภาพ และในส่วนของส่วนผู้ลงโฆษณาก็ต้องการความเข้าใจในเรื่องของความสนใจของผู้อ่าน รวมถึงการเข้าถึงกลุ่มคนเหล่านั้นที่มีโอกาสจะมาเป็นลูกค้าในอนาคต จึงไม่แปลกที่บริษัทข่าวและสื่อหลายแห่งได้ลงทุนในเทคโนโลยีที่สามารถนำข้อมูลมาใช้ได้อย่างมีประสิทธิภาพ เพื่อตอบสนองความต้องการของผู้อ่านและผู้ลงโฆษณา และในบางบริษัทถึงกลับเปลี่ยนตัวเองเป็นบริษัทเทคโนโลยีที่มีผลิตภัณฑ์ข่าวไปแล้วด้วยซ้ำ ซึ่งถือว่าเป็นการเกลี่ยนแปลงที่ก้าวกระโดดมากในช่วง 10 ปีที่ผ่านมา ความพยายามในการเปลี่ยนแปลงทั้งหมดนี้ล้วนมีเป้าหมายเดียวกัน – คือสร้างความเข้าใจเชิงลึกในตัวผู้อ่าน ซึ่งเป็นข้อได้เปรียบในการแข่งขันในโลกของข่าวดิจิทัล สำนักข่าวและสื่อทั่วโลกได้ใช้ข้อมูลผู้อ่านหรือผู้รับชมในการทำความเข้าใจและสื่อสารกับผู้อ่าน โดยเน้นที่การเพิ่มการตระหนักถึงการใช้ข้อมูลของผู้บริโภคที่เพิ่มขึ้นและกฎระเบียบด้านความเป็นส่วนตัวของข้อมูลที่เข้มงวดยิ่งขึ้น เช่น ระเบียบการคุ้มครองข้อมูลทั่วไปของสหภาพยุโรป (GDPR) แม้ว่าผลกระทบระยะยาวของ GDPR และกฎระเบียบอื่น ๆ ที่กําลังจะมาถึงจะยังไม่เป็นที่ทราบแน่ชัด แต่เจตนาของกฎระเบียบคือการปกป้องผู้บริโภค เหล่าสำนักข่าวและสื่อที่ให้ความสําคัญกับการกํากับดูแลข้อมูลและการปฏิบัติตามกฎระเบียบใหม่ รวมถึงการไปมีส่วนร่วมตามการสนทนาในพี้นที่สาธารณะต่างถือว่าเป็นบริษัทที่โอกาสที่จะเติบโต สำนักข่าวและสื่อสร้างมูลค่าจากข้อมูลผู้รับชมอย่างไร สำนักข่าวและสื่อรวบรวม วิเคราะห์ และใช้ประโยชน์จากข้อมูลผู้รับชมในวัตถุประสงค์การดําเนินงาน 3 อย่าง ได้แก่ ซึ่งแต่ละวัตถุประสงค์การดําเนินงานแต่ละข้อเหล่านี้ถูกนิยามตามกรณีการใช้งานได้ดังนี้: ปรับปรุงให้ผู้อ่านมีส่วนร่วม (Engagement) กับเนื้อหามากขึ้น การมีส่วนร่วมของผู้อ่านที่มีคุณภาพเป็นสิ่งสําคัญยิ่งในการรักษาผู้อ่านและเพิ่มความสนใจของผู้อ่านให้มาอยู่กับเรามากขึ้น หากไม่มีผู้อ่านที่มากพอและพวกเขามีส่วนร่วมกับเราน้อยไป สำนักข่าวและสื่อจะไม่มีโอกาสสร้างระบบสมัครสมาชิกและการโฆษณาที่เป็นรายได้หลักในการที่จะทำให้องค์กรอยู่รอดและเจริญเติบโต พูดง่าย ๆ ก็คือเมื่อผู้อ่านไม่ชอบสื่อก็จะไม่สมัครสมาชิก เมื่อไม่มีสมาชิกก็จะขายโฆษณาได้น้อยลงและราคาถูกลง บริษัทก็จะขาดรายได้นั่นเอง การที่เราจะเพิ่มการมีส่วนร่วมหรือเพิ่มประสบการณ์ที่ดีให้กับผู้อ่านได้นั้น เราต้องทำความเข้าใจก่อนว่าผู้อ่านมีส่วนร่วมอย่างไรและทําไมจึงมีส่วนร่วมกับแพลตฟอร์มข่าวดิจิทัล ซึ่งในความเป็นจริงแล้วสำนักข่าวและสื่อมีเดียทั้งหลายมีความชํานาญในการนำข้อมูลการมีส่วนร่วมของผู้รับชมมาใช้ให้เกิดประสิทธิภาพสูงสุด ไม่ว่าจะเป็นการดึงลูกค้าเข้ามาเสพข่าวอีกครั้ง  การให้ผู้อ่านอยู่ในเว็บไซต์เรานานขึ้น หรือแม้แต่การเพิ่มความถี่ในการเยี่ยมชม บอกเลยว่าพวกสำนักข่าวและสื่อทำได้ดีกว่า บริษัทอื่น ๆ ที่ยังมีข้อมูลไม่ค่อยสมบูรณ์ด้วยซ้ำ เพิ่ม Direct-paying Relationship กับผู้อ่าน การเปลี่ยนไปใช้การสมัครสมาชิกและรูปแบบรายได้อื่น ๆ ที่ไม่ได้มาจากโฆษณาทําให้สำนักข่าวและสื่อหลายแห่งคิดว่าผู้อ่านเป็นผู้บริโภค เช่นเดียวกับผู้ค้าปลีกออนไลน์ เหล่าสำนักข่าวและสื่อสารมวลชนเหล่านี้ใช้ข้อมูลเพื่อ: สำนักข่าวและสื่อที่ประสบความสําเร็จในการสร้างความสัมพันธ์ที่ดีกับผู้อ่าน พวกเขาไม่เพียงแต่เห็นประโยชน์ในระยะสั้นของรายได้ที่เพิ่มขึ้นเท่านั้น แต่ยังลดความผันผวนในการดําเนินงานผ่านกระแสรายได้ที่เกิดขึ้นในระยะยาวอีกด้วย สำนักข่าวและสื่อมีความชํานาญในการใช้ข้อมูลในการสมัครสมาชิกและรูปแบบรายได้อื่น ๆ ที่เพิ่มการเก็บรักษาฐานข้อมูลผู้อ่าน อัตราการแปลงในผลิตภัณฑ์หรือบริการที่ต้องชําระเงินและรายได้โดยรวมต่อผู้อ่าน เพิ่มรายได้จากผู้ลงโฆษณา สำนักข่าวและสื่อสารมวลชนรวบรวมข้อมูลจากผู้รับชมกลุ่มแรกที่มีความเฉพาะตัวและเชื่อถือได้ เพื่อป้องกันข้อมูลของผู้รับชมจาก Third Party และเป็นไปตามกฎระเบียบความเป็นส่วนตัวของผู้ใช้งาน (Privacy Regulations) การศึกษาในครั้งนี้แสดงให้เห็นว่าผู้ลงโฆษณาต้องการร่วมมือกับเหล่าสำนักข่าวและสื่อ เพื่อสร้างแคมเปญตามกลุ่มของผู้รับชมอย่างมีประสิทธิภาพ โดยการที่สำนักข่าวและสื่อแชร์ข้อมูลเชิงลึกของผู้อ่านที่หลากหลายให้กับผู้ลงโฆษณา เพื่อให้ลงโฆษณาสามารถสร้างแคมเปญตามกลุ่มของผู้รับชมอย่างมีประสิทธิภาพ เพราะผู้ที่รู้จักผู้อ่านดีที่สุด ก็คือสำนักข่าวและสื่อชั้นนํานั่นเอง เข้าจึงสามารถสร้างคอนเทนต์ที่มีเนื้อหาที่ผู้อ่านสนใจและรักษาผู้อ่านเหล่านั้นไว้ได้ ซึ่งพวกเขาสามารถนำสิ่งนี้ไปต่อยอดให้เกิดรายได้โดยการทําหน้าที่เป็นที่ปรึกษาในกระบวนการสร้างสรรค์และการพัฒนาแคมเปญด้วย เมื่อคิดถึงการเปลี่ยนแปลงทางดิจิทัล… สำนักข่าวและสื่อจะใช้ประโยชน์จากข้อมูลได้สูงสุดเมื่อข้อมูลมีความสมบูรณ์ จึงไม่แปลกใจเลยว่าหลาย ๆ สำนักข่าวและสื่อ (ที่มีส่วนร่วมในการวิจัย) มีเป้าหมายในการทำกลยุทธ์เดียวกันคือการปรับปรุงความสมบูรณ์ของข้อมูล แต่อย่างไรก็ตามเส้นทางสู่การเปลี่ยนแปลงจะต้องมีทิศทางที่ชัดเจนและต้องตั้งมั่นกับทางเลือกที่จะไปจะมุ่งไปด้วย Data Activation Framework หรือโครงสร้างกระบวนการเพื่อเอาข้อมูลมาใช้งาน มีขั้นตอนสําคัญสามขั้นตอนในการเปลี่ยนแปลงไปสู่โลกดิจิทัล และยังมีคู่มือการใช้งานข้อมูลที่มาพร้อมรายละเอียดขั้นตอนที่สามารถดําเนินการได้จริง เพื่อเพิ่มความสมบูรณ์ของข้อมูลดังนี้ การสร้างเส้นทางในอนาคต จากผลการสํารวจ มีเพียงร้อยละ 9 ของสำนักข่าวและสื่อที่เข้ามาร่วมในการศึกษานี้ที่ถูกจัดให้เป็นสื่อที่มีข้อมูลสมบูรณ์ ซึ่งสำนักข่าวและสื่อเหล่านี้ประสบความสําเร็จในการใช้ข้อมูลของผู้รับชมเพื่อกระตุ้นรายได้และองค์กรเหล่านี้ก็ถูกบันทึกว่ามีผลการดําเนินงานทางการเงินอยู่ในชั้นนําของตลาดอีกด้วย ในขณะที่กลุ่มสำนักข่าวชั้นนำพยายามหาโอกาสในการสร้างรายได้เพิ่มเติมจากข้อมูลที่เกี่ยวข้องกับผู้รับชม สำนักข่าวและสื่อมีเดียหลายแห่งลงทุนในข้อมูลผู้รับชมเพียงแค่เพื่อรักษาผู้อ่านปัจจุบันของพวกเขาเท่านั้น ในอุตสาหกรรมที่ท้าทายเช่นนี้ เหล่าองค์กรสื่อสารมวลชนต่าง ๆ จะมุ่งเน้นไปที่การแสวงหาเส้นทางที่ดีที่สุดเพื่อปรับปรุงความสมบูรณ์ของข้อมูลซึ่งตอนนี้เป็นเวลาที่ต้องทำแล้ว เกี่ยวกับผลการศึกษาของ Deloitte Deloitte ได้จัดให้มีการสัมภาษณ์กับบุคคลมากกว่า 80 คนในสำนักข่าวและสื่อมากกว่า 50 แห่งจาก 16 ประเทศทั่วโลก โดยสามารถอ่านบทวิเคราะห์ของการสัมภาษณ์ได้ที่นี่ คลิก บทความโดย บริษัท Deloitte.เนื้อหาจากบทความของ บริษัท Deloitte.แปลและเรียบเรียงโดย วิน เวธิตตรวจทานและปรับปรุงโดย นนทวิทย์ ชีวเรืองโรจน์
12 November 2022

บทความ

วัฒนธรรมข้อมูล กับวิกฤติโควิด-19
การเปลี่ยนแปลงข้อมูลขององค์กร หลังโควิด ในวิกฤติยังมีโอกาส นับตั้งแต่ช่วงแรกของการแพร่ระบาดของโควิด-19 ในปี 2563 หลาย ๆ องค์กรต้องปรับเปลี่ยนรูปแบบการทำงานเข้าสู่การทำงานรูปแบบ Work From Home อย่างเร่งด่วน รวมถึงยังได้รับผลกระทบกับธุรกิจในหลาย ๆ ด้าน ยิ่งสถานการณ์คาดเดาไม่ได้เท่าไร ยิ่งความเปลี่ยนแปลงไม่แน่นอนมากแค่ไหน ก็ยิ่งเป็นตัวผลักดันให้เหล่าผู้บริหารจำเป็นต้องคอยสอดส่องดูแลธุรกิจของตัวเองอย่างใกล้ชิดมากขึ้น จากเดิมที่การติดตามผลการบริหารที่อาจจะเป็นรายเดือน รายสัปดาห์ ก็แทบจะต้องลงมาพิจารณาลึกลงในระดับของรายวันแทบทั้งนั้น ยังไม่นับสถานการณ์การแพร่ระบาด ที่จำเป็นจะต้องติดตามทั้งในระดับของประเทศ และลงมาในระดับขององค์กรตนเองด้วย ยิ่งสำหรับธุรกิจผลิตและกระจายสินค้านั้น ถือว่าเป็นเรื่องสำคัญมากเพราะนั่นอาจหมายถึงการที่จะต้องหยุดการดำเนินธุรกิจไปชั่วระยะหนึ่งเลยทีเดียว ซึ่งแน่นอนว่าความเสียหายนั้นไม่สามารถประเมินค่าได้ และอาจรุนแรงถึงขั้นทำให้ต้องเลิกกิจการได้เลยทีเดียว เมื่อโลกไม่ยอมให้เราทำงานแบบเดิม ๆ แม้สถานการณ์โควิด-19 จะเป็นเรื่องที่บีบบังคับธุรกิจในหลาย ๆ ด้าน แต่ความพยายามแรก ๆ ในการฟันฝ่าปัญหาต่าง ๆ ย่อมหนีไม่พ้นการใช้วิธีการแก้ปัญหาแบบเดิม ๆ ซึ่งหลายธุรกิจคงทราบดี ว่าความพยายามเหล่านั้นล้วนติดขัดและเกิดปัญหาเป็นลูกโซ่มากขึ้นท่ามกลางวิกฤตินี้ไม่ว่าจะเป็น เพียงแค่พิจารณาจาก 3 ตัวอย่างข้างต้น ก็จะเห็นว่าสถานการณ์โควิด-19 นั้น นอกจากจะกระทบกับธุรกิจทางตรงแล้ว ยังส่งผลทางอ้อมอีกมากมายที่ทำให้ประสิทธิภาพในการทำงานลดลง ซึ่งก็ยิ่งเพิ่มความเสี่ยงและสร้างผลเสียให้กับองค์กรมากขึ้นเป็นทวีคูณ จนแทบจะไม่สามารถฟื้นตัวได้เลยหากยังคงพยายามทำงานในรูปแบบเดิมต่อไป สิ่งที่ตอบโจทย์ได้ดีกว่าอย่างไม่น่าเชื่อ กระแส Digital Transformation และ Data Visualization ต่างเป็นที่พูดถึงในวงกว้างตั้งแต่ช่วงก่อนการระบาดของโควิด-19 แต่เมื่อเข้าสู่ช่วงการระบาดนั้น กลับเป็นช่วงที่ทำให้องค์กรได้เห็นศักยภาพ และประโยชน์ของสิ่งเหล่านี้อย่างแท้จริง เพราะด้วยปัญหาข้างต้นที่กล่าวมานั้น สามารถนำแนวคิดทั้ง 2 เข้ามาปรับใช้เพื่อแก้ปัญหาได้แทบทั้งหมด ไม่ว่าจะเป็นการจัดทำระบบข้อมูลเพื่อติดตามสถานการณ์ธุรกิจทั้งยอดขาย คลัง หรือการผลิต ที่มีการอัพเดทข้อมูลอัตโนมัติ ทำให้ลดขั้นตอนในการจัดทำรายงานต่าง ๆ และยังทำให้สามารถทราบสถานการณ์ที่เปลี่ยนแปลงไปได้อย่างทันท่วงทีอีกด้วย นอกจากเรื่องธุรกิจแล้ว เรายังสามารถประยุกต์เพื่อใช้ติดตามสถานะของพนักงานแต่ละคนได้แบบรายวัน รวมถึงยังจัดสรรรูปแบบรายงานที่เหมาะสมสำหรับผู้บริหาร/หัวหน้า อย่างอัตโนมัติโดยไม่ต้องใช้เวลาในการจัดทำรายงานเพิ่มเติมเลย ทั้งหมดนี้ดูแล้วอาจจะเหมือนเป็นการเปลี่ยนแปลงระบบครั้งใหญ่ ที่จำเป็นจะต้องใช้งบประมาณและกำลังพลปริมาณมาก แต่จริง ๆ แล้ว เราใช้เวลาเพียงแค่ 1-2 สัปดาห์ โดยใช้พนักงานเพียง 3-4 คนเท่านั้นในการจัดทำ เคล็ดลับความสำเร็จนั้นหาใช่การวางแผนระยะยาวที่แม่นยำ หรือการใช้เทคโนโลยีล้ำสมัย แต่เป็นการปรับเปลี่ยนที่รวดเร็วเพื่อให้แก้ปัญหาที่แท้จริงให้ได้นั่นเอง ความคล่องตัวคือหัวใจสำคัญ องค์ประกอบสำคัญของการจัดการข้อมูลนั้น ให้แบ่งออกเป็น 3 เรื่องหลักคือ จะเห็นว่า ในการพิจารณาทั้ง 3 ด้านนั้น เราจะต้องมองไปที่ ความคล่องตัวในการใช้งาน ให้มากที่สุด เนื่องจากในช่วงวิกฤตินั้น เราไม่สามารถวางแผนหรือจัดเตรียมอะไรได้มากนัก ดังนั้นควรหยิบเครื่องมือที่มีอยู่แล้ว มาใช้งานจะทำให้ได้ผลลัพธ์ที่รวดเร็วกว่า นอกจากเรื่องระบบแล้ว บุคลากรก็เป็นเรื่องสำคัญ ซึ่งความคล่องตัวนั้น ในมุมของบุคลากรคือความสามารถในการเข้าถึงข้อมูล และทำความเข้าใจข้อมูลนั้น ๆ ได้อย่างรวดเร็ว เนื่องจากเราอาจมีพนักงานที่มีความสามารถด้านข้อมูล ที่ไม่ได้ดูแลข้อมูลที่เราต้องการนำมาใช้งาน ดังนั้นการประสานงานและการจัดการการเข้าถึงข้อมูลได้รวดเร็วนั้นถือเป็นกลไกสำคัญที่ทำให้เกิดผลสำเร็จได้เร็ว ซึ่งการทำงานในรูปแบบของ Special Taskforce หรือ ทีมเฉพาะกิจ จะมีความเหมาะสมมากที่สุด เพื่อให้การอนุมัติการเข้าถึงต่าง ๆ ทำได้รวดเร็ว รวมถึงยังคงควบคุมความเสี่ยงไว้ในจุดที่ยอมรับได้ด้วย พัฒนาต่อเนื่องเพื่อเปิดมุมมองใหม่ ในช่วงแรกของการเปลี่ยนการทำงาน เราย่อมไม่สามารถจัดทำทุกรายงานออกมาพร้อม ๆ กันได้ ดังนั้นการคัดเลือกรายงาน/ข้อมูล ที่มีความต้องการสูงและมีผู้ใช้งานจำนวณมาก จึงเป็นเงื่อนไขสำคัญในการคัดเลือกโครงการเริ่มแรก ซึ่งแม้จะได้รับการตอบสนองอย่างดีก็ตาม แต่สิ่งที่จะต้องรับฟังอยู่เสมอคือข้อเสนอแนะต่าง ๆ รวมถึงการเพิ่มช่องทางการเข้าถึง Dashboard นั้น ๆ ให้ได้ง่ายที่สุด เช่นการส่ง Dashboard ผ่านช่องทางอื่น ๆ ที่ผู้ใช้งานคุ้นเคย ไม่ว่าจะเป็นอีเมล์ หรือผ่านระบบ Chat Notification (Line Notify) ซึ่งจะทำให้ผู้ใช้งานเห็นถึงศักยภาพของการนำเสนอข้อมูลในรูปแบบใหม่ และช่วยจุดประกายให้มีการนำไปใช้ในข้อมูลชุดอื่น ๆ และการใช้งานอื่น ๆ มากขึ้นอย่างรวดเร็ว นอกจากจะพยายามสร้างสรรค์รูปแบบการนำเสนอใหม่ ๆ แล้ว สิ่งหนึ่งที่ต้องรีบสังเกตและตอบสนองคือ มุมมองที่แตกต่างออกไปบน Dashboard เดิม เพราะสิ่งเหล่านี้คือสัญญาณบ่งบอกถึงการวิเคราะห์ข้อมูลในแง่มุมที่หลากหลายขึ้น และเกิดการตั้งคำถามในมุมมองที่แตกต่างออกไปในข้อมูลชุดเดิม ซึ่งถือว่าเป็นรากฐานที่สำคัญของการสร้าง Analytic Culture ในองค์กรอย่างมาก และจะเป็นกลไกผลักดันสำคัญให้เกิดการขยายผลไปยังวงกว้าง ขยายผลสู่วงกว้าง หลังจากโครงการแรกเริ่มถูกนำไปใช้เพื่อกระตุ้นและเปิดมุมมองใหม่ๆเกี่ยวกับการทำงาน สิ่งที่จะเกิดขึ้นเป็นอย่างแรกคือ Request ให้ขยายผลไปยังข้อมูลหรืองานอื่นๆ ซึ่งการขยายในลักษณะนี้จะถูกจำกัดด้วยกำลังพลและทักษะของพนักงานที่มี ดังนั้นสิ่งที่จำเป็นในการขยายผลนั้น ไม่ใช่งบประมาณมหาศาล หรือการเปิดรับพนักงานด้านข้อมูลจำนวนมาก แต่เป็นการฝึกทักษะของบุคลากรภายใน ให้สามารถทำสิ่งเหล่านี้ได้ด้วยตนเอง และสร้างให้เกิดสังคมการเรียนรู้ด้านข้อมูลให้เกิดขึ้น เพื่อให้เกิดการถ่ายทอดความรู้กันเองโดยธรรมชาติระหว่างพนักงาน โดยเราสามารถแบ่งองค์ประกอบที่จำเป็นในการขยายผลให้เกิดผลสำเร็จได้เป็น 3 ส่วนดังนี้ จากทั้ง 3 องค์ประกอบนี้ จะเห็นว่าเป็นสิ่งที่สามารถทำได้โดยใช้งบประมาณไม่มาก และในอีกแง่มุมหนึ่งสถานการณ์โควิด-19 ก็กลับจะเป็นสถานการณ์ที่เอื้อให้เกิดการเปลี่ยนแปลงด้านข้อมูลขององค์กรได้เป็นอย่างดี หากเพียงแต่เราสามารถมองเห็นโอกาสที่แอบซ่อนอยู่ได้นั้น ก็จะสามารถพลิกมาเป็นเครื่องมือให้เกิดการเปลี่ยนแปลงในองค์กร ที่ทำให้เกิดการพัฒนาอย่างก้าวกระโดดและยั่งยืน ซึ่งจะเป็นเกราะป้องกันอย่างดี สำหรับการเปลี่ยนแปลงหรือวิกฤติใหม่ ๆ ในอนาคต เนื้อหาโดย เมธี ศรีสุบันฑิตตรวจทานและปรับปรุงโดย นนทวิทย์ ชีวเรืองโรจน์
11 November 2022
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