เกร็ดน่ารู้ เรื่อง 3 สิ่งที่ (อาจ) เข้าใจผิดเกี่ยวกับบิ๊กดาต้า
การเข้าสู่ยุคดิจิทัล ด้วยการนำข้อมูลที่มีอยู่จำนวนมหาศาล (บิ๊ก ดาต้า) มาวิเคราะห์ข้อมูลออกมาสำหรับการใช้ให้เกิดประโยชน์สูงสุด เกิดเป็นชุดข้อมูลอัจฉริยะนั้น เป็นสิ่งที่อุตสาหกรรมพูดถึงกันอยู่อย่างมาก ตามกระแสการพัฒนาที่จะเปลี่ยนแปลงให้ไปสู่ไทยแลนด์ 4.0 แต่ในหลายๆ บริบทยังมีความเข้าใจคลาดเคลื่อน เกี่ยวกับ บิ๊กดาต้า และการนำข้อมูลวิเคราะห์ (ดาต้า อะนาไลติกส์)
ทำข้อมูลให้อัจฉริยะ
พ.อ.เศรษฐพงค์ มะลิสุวรรณ กรรมการกิจการกระจายเสียง กิจการโทรทัศน์ และกิจการโทรคมนาคมแห่งชาติ (กสทช.)กล่าวว่า ใน ความเห็นส่วนตัว ยังมีประเด็นที่เข้าใจผิด เกี่ยวกับบิ๊กดาต้าอยู่ 3 ประเด็น
1.บิ๊กดาต้าเป็นเรื่องของดาต้าและเครื่องมือต่างๆ แต่ผู้นำและผู้บริหาร หลายคนเข้าใจว่าบิ๊กดาต้า คือ การรวบรวม ดาต้าจำนวนมากแล้วนำมาเทรวมกันและนำมาวิเคราะห์ในภายหลังด้วยเครื่องมือต่างๆ เท่านั้นซึ่งเป็นความเข้าใจที่ผิด ที่คิดว่าบิ๊กดาต้า คือ เวอร์ชั่นใหม่ของระบบการจัดการฐานข้อมูล Database Management system (DBMS) แต่ในความเป็นจริงแล้วบิ๊กดาต้าเป็นเรื่องของการจัดการข้อมูลในมิติต่างๆ เพื่อให้เกิดความชาญฉลาดในการตัดสินใจ ในประเด็นที่ตั้งไว้
ประเด็นที่ 2 คือ บิ๊กดาต้า ไม่ได้เริ่มต้น ด้วยการไปรวบรวมข้อมูลก่อน แต่ต้องเป็นการกำหนดเป้าหมายก่อนว่าเราต้องการ คำตอบอะไรจาก บิ๊กดาต้าจากนั้น จึงต้อง มีการกำหนดกลุ่ม ( Cluster of Data ) ต่างๆ ที่เกี่ยวข้องพร้อมทั้งสร้างโมเดลในการวิเคราะห์ รวมทั้งต้องมีการประเมินคุณภาพ ข้อมูลในมิติต่างๆ ทั้งเรื่องความถูกต้อง ความทันสมัย และ ฯลฯ เพื่อที่จะได้นำข้อมูล ใน Cluster ต่างๆ ไหลมา เข้าสู่โมเดลการวิเคราะห์ เพื่อนำบิ๊กดาต้ามาสร้างองค์ความรู้ ในการตอบคำถามที่ตั้งไว้ในตอนแรก
ไม่ใช่ต้องมีข้อมูลมาก
พ.อ.เศรษฐพงค์ กล่าวว่า ในประเด็นที่ 3 คือ จริงๆ แล้ว บิ๊กดาต้าไม่ได้เป็นเรื่อง ของวอลลุ่ม หรือปริมาณเพียงอย่างเดียว ด้วยความเข้าใจผิดในเรื่องนี้บางองค์กร ก็มุ่งเน้นจะเก็บข้อมูลจากที่ต่างๆ จำนวนมาก มาเก็บไว้ และตั้งงบประมาณจำนวนมากเพื่อนำมาใช้ในการหาข้อมูลและซื้อที่เก็บข้อมูลเพื่อเตรียมไว้ใช้ในอนาคตต่อไป
สุดท้ายบิ๊กดาต้าจะกลายเป็นเรื่องการลงทุนที่ล้มเหลวไม่ได้ประโยชน์อะไรเลยรวมทั้งจะกลายเป็นการกักตุนข้อมูล(Data Hoarding) ระหว่างกันโดยคิดว่าการมีข้อมูลจำนวนมากแล้วย่อมจะได้เปรียบแต่ความเป็นจริงบิ๊กดาต้าไม่ใช่เรื่องวอลลุ่มอย่างเดียว ซึ่งความสำเร็จจะขึ้นอยู่กับความฉลาดของผู้ดำเนินการที่รู้ว่าชุดข้อมูลไหนตรงกับ เป้าหมายไหนมีคุณภาพดีทันสมัยเที่ยงตรงเชื่อถือได้รวมทั้งความหลากหลายในข้อมูลจากหลายแหล่ง
โดยสรุปการรวบรวมดาต้าให้ได้มากที่สุด ใหญ่ที่สุด ไม่ใช่สาระสำคัญในการทำโครงการ บิ๊กดาต้าให้ประสบความสำเร็จ แต่จะกลายเป็น การสร้างค่าใช้จ่ายที่สิ้นเปลืองซึ่งแท้ที่จริงแล้ว ความสำคัญในการจัดการ บิ๊กดาต้า คือ ความชาญฉลาดในการรวบรวมข้อมูลจากหลากหลายแหล่งที่เกี่ยวข้อง การเข้าใจในคุณภาพของข้อมูลที่จะนำไปสู่คุณภาพของการวิเคราะห์เพื่อตอบคำถามโดยที่ไม่ต้องไป สิ้นเปลืองกับงบประมาณในการสร้าง ที่เก็บข้อมูลขนาดใหญ่และจัดหาเครื่องมือราคาสูงมาดำเนินการมากเกินความจำเป็น
เชื่อมสู่เทรนด์ "เอไอ"
ปัญญาประดิษฐ์(เอไอ) เป็นศาสตร์ แขนงหนึ่ง ในสาขาวิชาวิทยาศาสตร์คอมพิวเตอร์ ที่เกี่ยวข้องกับการเขียนโปรแกรมคอมพิวเตอร์ (โค้ดดิ้ง) ที่อยู่ในรูปแบบ กระบวนการแก้ไขปัญหาที่อธิบายเป็นขั้นตอน ที่ชัดเจนที่เราเรียกเป็นภาษาทางเทคนิคว่า "อัลกอริทึม"
ดังนั้น การทำงานระหว่างบิ๊กดาต้ากับเอไอ หากมาถูกทางจะก่อให้เกิด บิ๊กดาต้า อะนาไลติกส์ ทำให้คอมพิวเตอร์ที่บรรจุ อัลกอริทึม และเชื่อมกับเอไอสามารถเรียนรู้สิ่งใหม่ๆ จากข้อมูลทั่วทุกมุมโลกในทุกวินาที และเมื่อได้เรียนรู้ปีแล้วปีเล่า จึงทำให้เอไอ มีขีดความสามารถในการพยากรณ์อนาคตได้แม่นยำมากขึ้นเป็นลำดับ จนมีการคาดการณ์ว่า เอไอจะถูกนำมาใช้ในภาคธุรกิจในทุกอุตสาหกรรม รวมทั้งจะเป็นเครื่องมือ อันทรงพลังในการพัฒนาประเทศอีกด้วย แต่อีกด้านหนึ่งคือ การเข้ามามีผลกระทบ ต่ออุตสาหกรรมเดิม (ดิสรัปชั่น) กำลังจะเกิดขึ้น อย่างหลีกเลี่ยงไม่ได้
บิ๊กดาต้า จะกลายเป็นการลงทุนที่ล้มเหลวหรือไม่ได้ประโยชน์ หากมัวแต่ให้ความสำคัญกับการรวบรวมข้อมูลให้ได้มากที่สุด
ขอบคุณข้อมูลข่าวจาก : หนังสือพิมพ์กรุงเทพธุรกิจ วันที่ 20 พฤศจิกายน 2560