อย่าเชย! รู้จัก Big Data เทคโนโลยีสำคัญของโลกยุคใหม่

เราอาจเคยพูดถึง Big Data ในฐานะเทรนด์สำคัญของโลกปัจจุบัน แต่วันนี้เราจะพาคุณมารู้จักว่า Big Data คือ อะไรเพื่อที่จะได้รับมือกับข้อมูลใหม่ ๆ ได้ทันท่วงทีอย่างเข้าใจไม่ต้องกลัว Fake News

Big Data คืออะไร?

ถ้าจะถามว่า Big Data คืออะไร? แล้วตอบตามตรงเหมือนกำปั้นทุบดินไปว่า ‘มันคือข้อมูลขนาดใหญ่’ มันก็คงไม่ผิดนัก เพราะเอาเข้าจริง ๆ แล้ว Big Data คือ ข้อมูลจำนวนมหาศาลที่เกิดขึ้นไม่ว่าจะเป็นข้อมูลที่เกิดขึ้นภายในองค์กร โรงงาน หรือโลกดิจิทัลในระบเครือข่ายต่าง ๆ นั่นเอง แล้วเราจะรู้ได้อย่างไรว่าข้อมูลไหน Big ไม่ Big

พื้นฐานดั้งเดิมของการจำกัดขอบเขตนิยามของ Big Data นั้นตั้งอยู่บนฐานสำคัญ 3 ประการ ได้แก่

• Volume (จำนวน) ข้อมูลที่เกิดขึ้นนั้นต้องมีจำนวนมาก อาจมหาสาลเกินกว่า Petabyte ก็เป็นได้ ข้อมูลที่เกิดขึ้นนั้นอาจมีความหนาแน่นต่ำและมีลักษณะเป็นข้อมูลที่ไม่มีการจัดระเบียบใด ๆ (Unstructured Data) ซึ่งข้อมูลเหล่านี้ไม่จำเป็นต้องรู่ค่าของมันก็ได้ เช่น Feed ของ Twitter หรืออุปกรณ์ที่ติดเซนเซอร์เอาไว้ 
• Velocity (ความเร็ว) อัตราการรับส่งข้อมูลหรือการใช้งานข้อมูลเกิดการเปลี่ยนแปลงอย่างรวดเร็วตลอดเวลา ซึ่งทำให้เกิดการทำงานแบบ Real-time หรือใกล้เคียงกันได้
• Variety (ความหลากหลาย) ชนิดของข้อมูลต้องมีความหลากหลาย พวกข้อมูลที่ใช้งานกันบ่อย ๆ หรือเป็นที่รู่จักอยู่แล้วสามารถทำให้เป็นข้อมูลที่ถูกจัดระเบียบโครงสร้างเพื่อให้เทียบเคียงเข้ากับฐานข้อมูลได้โดยง่าย ซี่งข้อมูลที่เกิดขึ้นอาจเป็นได้ทั้งข้อมูลที่มีโครงสร้าง ไร้โครงสร้าง และกึ่งโครงสร้าง เช่น ข้อความ ภาพ หรือเสียงซึ่งสิ่งเหล่านี้ต้องการกระบวนการเพิ่มเติมเพื่อหาคุณค่าและข้อมูล Metadata ให้ระบบสามารถรู้จักได้

โดยในปัจจุบันได้มีการเพิ่มคุณสมบัติเข้ามาอีก 2 ประการ ซึ่งเป็นคุณสมบัติเสริม ได้แก่

• Value (คุณค่า) ข้อมูลที่มีคุณค่าสามารถบ่งชี้หรือแสดงออกถึงความสำคัญอันใดอันหนึ่งได้ถือเป็นสิ่งสำคัญ เช่น ข้อมูลสถิติ
• Veracity (ข้อมูลที่เป็นจริง) ข้อมูลที่สามารถนำมาใช้งานได้นั้นจะต้องเป็นข้อมูลจริงและมีความน่าเชื่อถือเพื่อทำให้การใช้งานหรือต่อยอดนั้นเกิดผลสัมฤทธิ์ที่มีศักยภาพ

Big Data เป็นเพียงข้อมูล! ต้องรู้จัก Analytics และ Analysis ด้วย!

อย่างที่ได้บอกเล่าไปแล้วว่าในทุกวินาทีนั้นมีการผลิตข้อมูลจำนวนมากออกมาพร้อมกันไม่หวาดไม่ไหว การคัดกรองข้อมูลเป็นสิ่งสำคัญเพื่อให้สามารถเข้าถึงข้อมูลที่มีคุณค่าและสำคัญจริง ๆ ซึ่งในขั้นตอนสุดท้ายการ Analytic เพื่อวิเคราะห์ต่อยอดข้อมูลที่ได้ให้เกิดประโยชน์ต่อไป

ระวังอย่าสับสนระหว่างคำว่า Analysis และ Analytics นะครับ แม้ว่าจะมีบริบทในการวิเคราะห์เหมือนกันแต่มีบทบาทที่แตกต่างกัน ถ้าให้อธิบายง่าย ๆ ก็ต้องบอกว่า Analysis เป็นการพยายามทำความเข้าใจธรรมชาติของสิ่งนั้น ๆ ในเชิงลึกเพื่อทำให้เห็นภาพของสิ่งนั้น ๆ ได้อย่างชัดเจน ในขณะที่ Analytics เป็นวิธีการใช้ Analysis ตามหลักตรรกะภายใต้เงื่อนไข เช่น การคาดเดาพฤติกรรมผู้บริโภค การค้นหาความสัมพันธ์ภายใต้รูปแบบที่เกิดขึ้น การหาเทรนด์ทางการตลาด เป็นต้น

Big Data Analytics จึงหมายถึงการวิเคราะห์ข้อมูลขนาดใหญ่เพื่อเปิดเผยข้อมูลที่ซ่อนอยู่ เช่น แพทเทิร์นรูปแบบ ความเกี่ยวข้องที่ถูกซ่อนอยู่ เทรดน์ตลาด หรือลูกค้าอ้างอิงที่ช่วยให้องค์กรตัดสินใจได้ ด้วยการวิเคราะห์ที่ซับซ้อนผ่านหลายองค์ประกอบ อาทิ Predictive Model อัลกอริทึ่มทางสถิติ และการวิเคราะห์แบบ What-If เป็นต้น 

แล้วเจ้า Big Data Analytics นี้จะมีผลดีต่อธุรกิจอย่างไรบ้าง ผมขอยกตัวอย่างสั้น ๆ ดังนี้ครับ

• สร้างโอกาสทางรายได้ใหม่ ๆ
• ทำการตลาดได้อย่างมีประสิทธิภาพมากขึ้น
• มีการบริการลูกค้าที่ดีขึ้น
• เพิ่มประสิทธิภาพของปฏิบัติการณ์
• มีความเป็นต่อในด้านการแข่ขันกับคู่แข่ง

อธิบายเกี่ยวกับ Big Data Analytics มายืดยาว แต่ไม่ได้ลืม Big Data Analysis นะครับ การทำ Analysis สำหรับโรงงานนั้นถือเป็นเรื่องจำเป็นอย่างยิ่งที่จะได้ทำความเข้าใจเกี่ยวกับการทำงานในของอุปกรณ์และเทคโนโลยีในกระบวนการทั้งหมดเพื่อทำการวางแผนต่าง ๆ ได้อย่างมีประสิทธิภาพ เช่น การตรวจวิเคราะห์ต่าง ๆ การ Optimize ระบบ รวมไปถึงการปรับตั้งค่าสายการผลิตอัจฉริยะใหม่ให้ทำงานได้อย่างเหมาะสมแบบ Real-time 

แล้ว Big Data สำคัญกับอุตสาหกรรมอย่างไร?

รู้ไหมครับว่าโลกใบนี้ผลิตข้อมูลจำนวนมหาศาลตลอดเวลา และข้อมูลเหล่านั้นสามารถบ่งชี้หรือสื่อสารบางสิ่งบางอย่างกับเราอยู่เสมอ ไม่ว่าจะเป็นข้อมูลของตลาดหุ้น เศรษฐกิจ การซื้อขาย ข่าวสังคม การเมือง พอมีกระแสหนึ่งเกิดขึ้นข้อมูลจำนวนมากที่เกี่ยวข้องก็เกิดขึ้นตามกระทบกันไปเหมือนคลื่นขนาดใหญ่ ซึ่งสิ่งเหล่านี้ถ้าเราสามารถคัดกรองข้อมูลได้ เราจะสามารถคาดการณ์สิ่งที่กำลังจะเกิดขึ้นได้ โดยการใช้งาน Big Data ที่นิยม มีดังนี้

• การพัฒนาสินค้า
• การซ่อมบำรุงเชิงคาดการณ์
• ประสบการณ์ของลูกค้า
• การป้องกันภัยทางดิจิทัล
• Machine Learning
• เพิ่มศักยภาพในการทำงาน
• ผลักดันให้เกิดนวัตกรรม

ซึ่งการใช้งาน Big Data จะสร้างความสามารถในการแข่งขันที่รู้จริง รู้ลึก เข้าถึงเป้าหมายและปัญหาได้อย่างแยบยล โดยผมจะขอยกตัวอย่างแบ่งเป็น 2 กลุ่มเบื้องต้น ดังนี้

ภาคการผลิต

ถ้าให้ลองจินตนาการถึงสายการผลิตแบบดั้งเดิมที่มีคนยืนประจำจุดทำงานแต่ละสถานี คุณจะรู้ไหมครับว่าใครจะป่วยเมื่อไหร่ ไปเข้าห้องน้ำตอนไหน หรือใครกำลังจะล้มบ้าง คงจะมีแต่ตัวคน ๆ นั้นคนเดียวที่รู้ว่าจะเป็นอะไรเมื่อไหร่ บางทีตัวเองยังไม่รู้เลยว่ากล้ามเนื้อจะอักเสบแล้วนะ ทุกการขยับของร่างกายจะเกิดข้อมูลขึ้นมาเป็นสัญญาณไฟฟ้าแต่ข้อมูลเหล่านั้นไม่ได้ถูกเก็บถูกนำมาทำฐานข้อมูลการทำงานของมนุษย์จึงไม่อาจตรวจวัดได้โดยละเอียด เรียกว่ามีการผลิตข้อมูลแต่ไม่อาจเก็บมาใช้ได้

ในขณะที่หุ่นยนต์หรืออุปกรณ์ต่าง ๆ ที่สามารถตรวจวัดแรงดันไฟฟ้า พลังงาน การเคลื่อนไหว มุมองศา ฯลฯ เรียกว่าสามารถตรวจวัดข้อมูลได้ทุกอย่างทุกกิจกรรมข้อแค่มีเซนเซอร์เป็นพอ ซึ่งการตรวจวัดได้ครบถ้วนแบบนี้สร้างความโปร่งใส (Transparency) ของระบบได้เป็นอย่างดี ทำให้เราสามารถตรวจสอบความสูญเปล่าที่เกิดขึ้นและแก้ไขได้อย่างมีประสิทธิภาพ เช่น การขยับที่เกินจุด การรองรับโหลดวัสดุที่มากเกินไปอาจทำให้ช้าและใช้พลังงานเยอะเป็นต้น ลองคิดดูนะครับว่าหุ่นยนต์หนึ่งตัวที่ทำหน้าที่หยิบจับชิ้นส่วนเล็ก ๆ 1 ชิ้นจะมีข้อมูลอะไรบ้าง เช่น มอเตอร์ 6 แกน การทำงานแกน X Y Z การทำงานของ End Effector กล้องตรวจจับ เซนเซอร์วัดแรง พลังงานที่ใช้ ระยะเวลาการทำงาน อัตรากระแสไฟ ฯลฯ นี่แค่หุ่นยนต์ 1 ตัวนะครับ ถ้าสมมุติว่าโรงงานมีหุ่นยนต์ 15 ตัว สายพานอัจฉริยะ AGV เครื่อง CNC อุปกรณ์ IIoT อีก คิดว่าจะเกิดข้อมูลขึ้นในเวลาเดียวกันมากมายขนาดไหน ซึ่งสิ่งเหล่านี้เกิดพร้อมกันเป็นเวลายาวนาน ตามระยะเวลาปฏิบัติงาน ดังนั้นข้อมูลที่เกิดขึ้นจึงมีจำนวนมหาศาล ซึ่งเราสามารถออกแบบให้ระบบทำการแจ้งเตือนเมื่อมีการทำงานที่แตกต่างออกไปได้ หรือทำการแจ้งเตือนระยะเวลาซ่อมบำรุงได้ครับ ทำให้ลดเวลา Downtime และคาดการณ์การผลิตได้อย่างแม่นยำชัดเจน ควบคุมต้นทุนได้อย่างอยู่หมัด

นอกจากนี้ยังสามารถใช้เทคโนโลยีใหม่นี้เพื่อเร่งการพัฒนาสินค้าให้ตรงตามความต้องการของตลาด หรือร่นระยะเวลาในการคิดคำนวณค่าทั้งหลายด้วย Machine Learning ได้ เช่น การค้นหาสูตรสำหรับองค์ประกอบวัสดุใหม่ เป็นต้น ทำให้งานวิจัยและพัฒนาสามารถเกิดขึ้นได้ในระยะเวลาอันสั้นแต่กลับมีความแม่นยำที่มากขึ้น ซึ่งเป็นผลจากการใช้งาน Big Data ควบคู่กับระบบ Simulation เพื่อจำลองสถานการณ์ต่าง ๆ ขึ้นมาทดสอบชิ้นส่วนได้โดยไม่จำเป็นต้องนั่งคิดคำนวณแล้วทดสอบชิ้นส่วนต้นแบบในภายหลัง ทั้งลดระยะเวลาและต้นทุนในการพัฒนาได้เป็นอย่างดี

ภาคธุรกิจ/ผู้บริโภค

ปัจจุบันมีการใช้งานสมาร์ทโฟนเพิ่มขึ้นเป็นจำนวนมากทำให้เกิดกรผลิตข้อมูลเป็นจำนวนมากเช่นกัน ซึ่งข้อมูลเหล่านี้สามารถบ่งชี้พฤติกรรมของผู้บริโภคได้อย่างแม่นยำ ชัดเจน และใกล้ชิดมากยิ่งขึ้น เช่น Facebook, Google หรือ Shopee ที่มีการเก็บข้อมูลผู้ใช้งานอย่างละเอียดยิบ เช่น ชอบกดเข้าไปดูสินค้าแบบไหน ช่วงวันที่เท่าไหร่บ้าง ช่วงเวลานี้จะกดดูอะไร ชอบเปิดหน้าไหนค้างไว้นาน ๆ ซึ่งข้อมูลเหล่านี้กลายเป็นตัวบ่งชี้ความชอบต่าง ๆ ได้เป็นอย่างดี ทำให้ภาคธุรกิจสามารถทำการตลาดได้อย่างมีประสิทธิภาพมากยิ่งขึ้น ไม่ว่าจะเป็นการนำเสนอสินค้าที่ถูกต้องตรงกลุ่ม และถูกที่ถูกเวลา ทำให้มีโอกาสในการซื้อขายสินค้ามากยิ่งขึ้น สร้างประสบการณ์การใช้งานที่ประทับใจให้กับผู้ใช้งานและในขณะเดียวกันก็ตอบสนองต่อพฤติกรรมผู้ใช้กลายเป็นข้อมูลให้กับผู้ให้บริการหรือผู้ผลิตอีกต่อหนึ่ง

จะเห็นได้ว่า Big Data นั้นเป็นการรวบรวมข้อมูลขนาดใหญ่ที่ไม่แบ่งฝักแบ่งฝ่าย ไม่มีการจัดเรียงข้อมูลใด ๆ อย่างเป็นระบบ การเลือกใช้ตัวกรองและรูปแบบการวิเคราะห์ที่เหมาะสมจึจะสามารถดึงเอาศักยภาพที่แฝงอยู่ในข้อมูลจำนวนมหาศาลออกมาได้ หากองค์กรใดมีความเข้าใจใน Big Data และการนำข้อมูลออกมาใช้แล้ว เรียกได้ว่าองค์กรนั้นสามารถกลายเป็นผู้ชี้นำตลาดก็ได้ด้วยศักยภาพของสินค้ารวยมไปถึงรูปแบบการตลาดต่าง ๆ ด้วยเช่นกัน

อ้างอิง:
Oracle.com/big-data/guide/what-is-big-data.html
Bigdata.go.th/?page_id=8156
Km.psru.ac.th/wp-content/uploads/2016/11/big-data_v2.pdf
Bigdataexperience.org/what-is-big-data-analytics
Educba.com/data-analytics-vs-data-analysis/
Eetimes.com/author.asp?section_id=36&doc_id=1332172#
1to1media.com/data-analytics/analysis-vs-analytics-whats-difference
Tot.co.th/blogs/ดิจิทัลทิปส์/digital-updates/ดิจิทัลทิปส์/2019/08/27/ทำความรู้จักกับ-data-analysis-คืออะไร
Searchbusinessanalytics.techtarget.com/definition/big-data-analytics
Ieeexplore.ieee.org/document/8012376