10 เทรนด์ Data & Analytics ภายในปี 2024 โลกอนาคตที่ Data จะมีบทบาทกว่าสิ่งใด

Share
  • 1
    Share

 1,818 total views

ยุคหลังโควิดจะเป็นช่วงที่องค์กรต้องขับเคลื่อนและใช้ประโยชน์จาก ข้อมูล (Data) ซึ่งเราเชื่อว่า ทุกคนรู้ ทั่วโลกรู้ ว่าข้อมูลของเราหรือของผู้บริโภคทุกคนนั้นมีค่า ทั้งยังเป็นโอกาสสำคัญขององค์กรและแบรนด์ที่จะรู้ความต้องการของผู้บริโภคได้ลึกซึ้งยิ่งขึ้น เราจึงนำ 10 เทรนด์ด้านข้อมูลและเทคโนโลยีการวิเคราะห์ข้อมูล (Top 10 Trends in Data and Analytics for 2020) มาให้อ่านกัน

โลกอนาคตที่ Data & Analytics ทำให้ AI เหนือชั้นยิ่งขึ้น

10 เทรนด์ด้านข้อมูลและเทคโนโลยีการวิเคราะห์ข้อมูล เป็นผลงานวิจัยชิ้นล่าสุดของ การ์ทเนอร์ (Gartner) ซึ่งมีประโยชน์อย่างยิ่งต่อผู้บริหาร โดยเฉพาะผู้บริหารฝ่ายข้อมูล เนื่องจากสามารถนำผลวิจัยนี้ไปพิจารณา จัดเตรียมเทคโนโลยีที่เหมาะสม และใช้เป็นแนวทางเร่งพลิกฟื้นกิจการ ตลอดจนสร้างความได้เปรียบทางธุรกิจหลังสถานการณ์โควิด-19 ผ่านไป

เทรนด์ที่ 1
AI ฉลาดขึ้น เร็วขึ้น ทำหน้าที่ได้เยอะขึ้น
(Smarter, Faster, More Responsible AI)

องค์กร 75% จะเปลี่ยนไปใช้ ปัญญาประดิษฐ์ หรือ AI : Artificial Intelligence อย่างจริงจัง ภายในสิ้นปี 2024 (พ.ศ. 2567) ส่งผลให้การสตรีมข้อมูลและการวิเคราะห์โครงสร้างพื้นฐานเพิ่มขึ้น 5 เท่า

จากการระบาดของไวรัสที่เกิดขึ้นยิ่งทำให้เห็นประโยชน์จากการนำเทคโนโลยี AI เช่น ระบบการเรียนรู้พฤติกรรม หรือ แมชชีนเลิร์นนิ่ง (ML) มาเพิ่มประสิทธิภาพและการประมวลผลภาษาธรรมชาติ/มนุษย์ (NLP) ให้ข้อมูลเชิงลึกและช่วยคาดการณ์การแพร่กระจายของไวรัส รวมถึงวัดผลมาตรการการรับมือโรคระบาดได้ นอกจากนี้ยังมีเทคโนโลยีอัจฉริยะอื่นๆ ที่ขับเคลื่อนด้วย AI ที่น่ารู้จัก อาทิ

  • การเรียนรู้แบบเสริมกำลัง (Reinforcement Learning) หรือ การกำหนดเงื่อนไขบางอย่างให้แมชชีนได้เรียนรู้และปิดช่องโหว่ที่พบเพื่อบรรลุเงื่อนไขที่กำหนดไว้
  • การเรียนรู้แบบกระจาย (Distributed Learning) หรือแนวคิดในการเชื่อมโยงองค์ประกอบต่างๆ ที่เกี่ยวข้องในกระบวนการเรียนรู้ผ่านการใช้เครือข่ายคอมพิวเตอร์  สิ่งเหล่านี้ทำให้เกิดการสร้างระบบที่สเกลได้และมีความยืดหยุ่นเพื่อจัดการกับสถานการณ์ทางธุรกิจที่ซับซ้อนได้ดียิ่งขึ้น เช่น ระบบ agent-based ที่ใช้โมเดลเป็นตัวแทนในแบบจำลองและวิเคราะห์ระบบที่มีความซับซ้อน

เทรนด์ที่ 2
ไม่ต้องแปลกใจที่ ‘แดชบอร์ด’ จะเข้าสู่ช่วงขาลง
(Decline of the Dashboard)

คอนเทนต์บนแดชบอร์ดรูปแบบเดิมที่เคยโชว์สรุปผลแบบรูปภาพ point-and-click และผลสำรวจการใช้งาน จะถูกแทนที่ด้วยการรายงานผลแบบไดนามิกหรือพลวัตที่จะมอบประสบการณ์ให้แก่ผู้ใช้งานจริงอย่างอัตโนมัติ โดยมีเทคโนโลยี Augmented Analytics หรือ NLP เข้ามาวิเคราะห์ข้อมูลเชิงลึกโดยอ้างอิงจากบทบาทหน้าที่ ประสบการณ์ใช้งานจริง และจะสตรีมคอนเทนต์ที่ตอบโจทย์ผู้ใช้งานแต่ละรายได้อัตโนมัติ ส่งผลให้ผู้ใช้งานใช้เวลาบนแดชบอร์ดที่กำหนดค่าไว้ล่วงหน้าน้อยลง

เทรนด์ที่ 3
บริหารจัดการข้อมูลได้ไว ตัดสินใจได้เร็วและชาญฉลาด
(Decision Intelligence)

ในปี 2023 องค์กรขนาดใหญ่มากกว่า 33% จะมีทีมนักวิเคราะห์ข้อมูลปฏิบัติงานในด้าน Decision Intelligence รวมถึง Decision Modeling

นั่นคือ การทำงานในด้าน Decision Intelligence จะนำไปสู่การกำหนดเกณฑ์การวิเคราะห์มากมาย ประกอบด้วย การจัดการด้านการตัดสินใจ (Decision Management) และการสนับสนุนการตัดสินใจ (Decision Support) ซึ่งช่วยกำหนดกรอบการปฏิบัติงานด้านการออกแบบ จัดวาง ดำเนินการ ตรวจสอบและปรับแต่งรูปแบบการตัดสินใจให้แก่ผู้บริหารฝ่ายข้อมูล รวมถึงกระบวนการอื่นๆ ที่สร้างผลลัพธ์ในเชิงธุรกิจและเรียนรู้พฤติกรรมผู้บริโภคได้ดียิ่งขึ้น

เทรนด์ที่ 4
วิเคราะห์จากทุกข้อมูล แม่นเป๊ะในทุกสถานการณ์
(X Analytics)

“X analytics” ทฤษฎีของการ์ทเนอร์เป็นคำศัพท์ที่ใช้กันอย่างแพร่หลาย โดย X ถูกกำหนดให้เป็น ตัวแปลข้อมูลด้านการวิเคราะห์ของช่วงเนื้อหาที่แตกต่างกัน ซึ่งครอบคลุมทั้งข้อมูลดิบและข้อมูลที่ผ่านการประมวลผลพร้อมใช้งาน เช่น การวิเคราะห์ข้อความ วิดีโอ เสียง

ช่วงการระบาดของโควิด-19 เทคโนโลยี AI มีความสำคัญอย่างยิ่งต่อการประมวลผลและจัดการข้อมู]หลายพันเรื่อง ทั้งงานวิจัย แหล่งข้อมูลข่าวสาร ข้อความที่ถูกโพสต์บนโซเชียล มีเดีย รวมถึงข้อมูลการทดลองทางคลินิก เพื่อช่วยผู้เชี่ยวชาญทางการแพทย์และสาธารณสุขคาดการณ์การแพร่กระจายของโรค อีกทั้งยังช่วยวางแผน ค้นหาแนวทางการรักษาใหม่ๆ พร้อมระบุได้ถึงประชากรกลุ่มเสี่ยง

นอกจากนี้ทฤษฎี X analytics ของการ์ทเนอร์ยังถูกนำไปใช้ร่วมกับ AI และเทคนิคอื่นๆ เพื่อเพิ่มศักยภาพในการวิเคราะห์ เช่น นำ AI ไปใช้ร่วมกับเทคนิคการวิเคราะห์ด้วยกราฟ ช่วยเพิ่มความแม่นยำในการระบุ คาดการณ์ และวางแผนรับมือภัยธรรมชาติและวิกฤตอื่นๆ ในอนาคตได้ดียิ่งขึ้น

เทรนด์ที่ 5
โลกแห่งการปรับแต่งข้อมูลอัตโนมัติ
(Augmented Data Management)

Augmented Data Management หรือ กระบวนการปรับแต่งข้อมูลอัตโนมัติโดยใช้แมชชีนเลิร์นนิ่งและ AI ช่วยเพิ่มประสิทธิภาพและพัฒนาศักยภาพไปสู่การวิเคราะห์ ข้อมูลอภิพันธุ์ (Metadata) ซึ่งใช้ในการตรวจสอบบัญชี ความสัมพันธ์ของข้อมูล และการรายงานในรูปแบบไดนามิกซิสเต็มส์

โดยผลิตภัณฑ์ด้าน Augmented Data Management นี้ สามารถตรวจสอบตัวอย่างข้อมูลการปฏิบัติงานจำนวนมาก ด้วยการใช้ข้อมูลจากการใช้งานจริงและข้อมูลเวิร์กโหลด Augmented Engine ซึ่งช่วยปรับแต่งประสิทธิภาพและกำหนดค่าความปลอดภัยได้ ประกอบด้วย

  • การค้นหาอย่างแท้จริง (Actual Queries)
  • ข้อมูลเชิงปฏิบัติงาน (Performance Data)
  • โครงสร้างข้อมูล (Schemas)

เทรนด์ที่ 6
Cloud ของที่องค์กรต้องใช้
(Cloud is a Given)

ภายในปี 2022 คลาวด์สาธารณะหรือ Public Cloud จะมีบทบาทสำคัญต่อการคิดค้นนวัตกรรมทางด้านการวิเคราะห์และข้อมูลถึง 90%

เนื่องจากข้อมูลและการวิเคราะห์ถูกย้ายขึ้นไปอยู่บนคลาวด์ ผู้บริหารฝ่ายข้อมูลจึงเผชิญความท้าทายสำคัญในการมองหาบริการที่เหมาะสมและสอดรับกับรูปแบบการใช้งานต่างๆ เพื่อลดค่าใช้จ่ายที่อาจเกิดขึ้นจากการใช้โซลูชันที่ไม่รองรับการสเกลระบบในอนาคต

คำถามที่เกิดขึ้นเมื่อต้องการซื้อบริการด้านข้อมูลและการวิเคราะห์ข้อมูลจึงเปลี่ยนจากความสนใจเรื่องค่าบริการไปเป็น บริการนี้มีความสามารถอะไรบ้าง? ตอบโจทย์ความต้องการด้านการทำงานหรือไม่ อย่างไร?

ขณะเดียวกัน ผู้บริหารที่ดูแลด้านข้อมูลและการวิเคราะห์จำเป็นต้องจัดลำดับความสำคัญของเวิร์กโหลดที่อาจทำให้ประสิทธิภาพการทำงานของคลาวด์ถูกลดทอนไปได้ และการให้ความสำคัญกับการบริหารความคุ้มค่าเมื่อต้องเปลี่ยนรูปแบบการดำเนินธุรกิจไปสู่ระบบคลาวด์

เทรนด์ที่ 7
โลกที่ ‘ข้อมูล’ ปะทะกับ ‘การวิเคราะห์’
(Data and Analytics Worlds Collide)

ปกติแล้ว การเลือกใช้เทคโนโลยีข้อมูลและการวิเคราะห์ข้อมูลจะแตกต่างกันไปในแต่ละองค์กร ตามอัตลักษณ์และรูปแบบการบริหารจัดการของแต่ละองค์กร ผู้จำหน่ายโซลูชันก็จะเสนอขายเวิร์กโฟลว์แบบครบวงจรให้ โดยเปิดใช้งานด้านวิเคราะห์ข้อมูลแบบอัตโนมัติด้วยเทคโนโลยี Augmented Analytics ซึ่งยากที่จะแยกความแตกต่างของสองตลาด (ข้อมูลและการวิเคราะห์)

การชนกันของข้อมูลและระบบวิเคราะห์จะเพิ่มการโต้ตอบและการทำงานร่วมกันระหว่างข้อมูลเก่าที่ถูกส่งออกและระบบการวิเคราะห์ข้อมูล ซึ่งไม่เพียงกระทบต่อเทคโนโลยีและความสามารถที่มีอยู่ในโซลูชัน แต่จะส่งผลกระทบต่อคนและกระบวนการสนับสนุน-การใช้งาน คล้ายกับเกิดเป็นรูปแบบการทำงานของสเปกตรัม โดยเริ่มขยายจากข้อมูลดิบเดิมสู่การวิเคราะห์ข้อมูล และส่งต่อไปยังนักวิเคราะห์ข้อมูลและนักพัฒนาทั่วไป

เทรนด์ที่ 8
แลก Data ในมาร์เก็ตเพลส
(Data Marketplaces and Exchanges)

ในปี 2022 องค์กรขนาดใหญ่ราว 35% จะกลายเป็นทั้งผู้ซื้อและผู้ขายข้อมูลผ่านออนไลน์มาร์เก็ตเพลส โดยโตจาก 25% ในปี 2563 ซึ่งแพลตฟอร์มการแลกเปลี่ยนข้อมูลและดาต้ามาร์เก็ตเพลส จะกลายเป็นแหล่งรวมข้อมูลออนไลน์เดียวที่จัดเก็บข้อมูลจากแหล่งต่างๆ ไว้สำหรับนำไปใช้และสามารถลดต้นทุนให้องค์กรได้

เทรนด์ที่ 9
บล็อกเชน โชว์ความโปร่งใสให้ Data
(Blockchain in Data and Analytics)

เทคโนโลยี บล็อกเชน (ฺBlockchain) ชี้ให้เห็นความท้าทายสำคัญสองสิ่งเกี่ยวกับข้อมูลและระบบวิเคราะห์ อย่างแรก คือ บล็อกเชนรวบรวมข้อมูลสินทรัพย์และธุรกรรมทั้งหมด และอย่างที่สอง คือ บล็อกเชนมีความโปร่งใสแม้เครือข่ายมีความซับซ้อนและมีผู้ใช้งานหลากหลาย

นอกจากกรณีการใช้ Bitcoin และ Smart Contract ยังมีระบบจัดการฐานข้อมูลบัญชีแยกประเภท (หรือ DBMSs) ที่นำเสนอตัวเลือกน่าสนใจในการตรวจสอบข้อมูลจากแหล่งที่มาได้หลากหลายผ่าน single-enterprise auditing ซึ่งการ์ทเนอร์คาดการณ์ว่า ในปี 2021 บล็อกเชนที่ได้รับใบอนุญาตประกอบธุรกิจสินทรัพย์ดิจิทัลส่วนใหญ่จะถูกแทนที่ด้วยผลิตภัณฑ์ DBMS

เทรนด์ที่ 10
ข้อมูลแน่น เพิ่มคุณค่าในการวิเคราะห์
(Relationships Form the Foundation of Data and Analytics Value)

ในปี 2023 องค์กรทั่วโลกราว 30% จะใช้ ‘เทคโนโลยีกราฟ’ ในการวิเคราะห์ข้อมูล ซึ่งช่วยในการตัดสินใจทางธุรกิจได้อย่างรวดเร็ว

การวิเคราะห์ข้อมูลด้วยกราฟ เป็นเทคนิคหนึ่งในการวิเคราะห์ข้อมูลที่ข้อมูลนั้นถูกจัดให้อยู่ในรูปแบบเชิงความสัมพันธ์ โดยใช้วิเคราะห์ความสัมพันธ์ของรายละเอียดต่างๆ เช่น องค์กร คน ธุรกรรมต่างๆ ช่วยให้ผู้บริหารฝ่ายข้อมูลค้นพบความสัมพันธ์ของข้อมูลใหม่ๆ และตรวจสอบข้อมูลที่ไม่สามารถวิเคราะห์ได้อีกด้วย

ที่มา : Top 10 Trends in Data and Analytics, 2020

ขอขอบคุณแหล่งที่มา :

https://www.salika.co/2020/07/01/gartner-top-10-trends-in-data-and-analytics-for-2020/