สานฝันบิ๊กดาต้าสู่รากฐาน AI

ผ่านการรวบรวมข้อมูลพฤติกรรมการใช้งานสมาร์ทโฟนและอุปกรณ์ การแชท การใช้เว็บไซต์และโซเชียลมีเดีย การจับจ่ายสินค้าหรือกระทั่งการเลือกชมภาพยนตร์ ฟังเพลงหรือเล่นเกมส์ 

รวมถึงข้อมูลการทำงานของระบบและอุปกรณ์ต่างๆ โดยข้อมูลดิบที่ถูกเก็บในระบบ Big Data ได้แก่ข้อมูลดิบอย่างตัวอักษร เอกสาร เสียง รูปภาพ เพลง วีดิโอ และข้อมูลจากเซนเซอร์ในสายการผลิต ซึ่งข้อมูลดิบจำนวนมหาศาลเหล่านี้จะถูกเก็บไว้ในระบบดาต้าเซนเตอร์สำหรับการวิเคราะห์ (Analytics) เพื่อตัดสินใจและวาง กลยุทธ์ทางธุรกิจ ข้อมูลถูกสร้างมากขึ้นและเร็วขึ้นทุกขณะ โดยประมาณว่าภายในปี 2020 คนจะผลิตข้อมูลใหม่ราว 1.7 เมกะไบต์ต่อวินาทีต่อคน

ข้อมูลเชิงลึก (Insight) เกี่ยวกับลูกค้าและการดำเนินธุรกิจช่วยสร้างความได้เปรียบทางธุรกิจและนับเป็นจุดเปลี่ยนสำคัญของการแข่งขันทางการค้าในยุคการปฏิวัติอุตสาหกรรมครั้งที่ 4 (IR4) ที่กำลังเกิดขึ้น ซึ่งไม่ได้เพียงขึ้นอยู่กับจำนวนข้อมูลมหาศาลเท่านั้น 

แต่ยังขึ้นอยู่กับการจัดการและเลือกใช้ข้อมูลเพื่อเชื่อมเข้ากับนวัตกรรม AI ที่เหมาะสมกับธุรกิจและอุตสาหกรรมของแต่ละองค์กร

รากฐานแห่งนวัตกรรม

โดยหลักการแล้วหากองค์กรสามารถเก็บข้อมูลดิบจำนวนมากและนำมาวิเคราะห์ผลเพื่อให้เข้าใจข้อมูลเชิงลึกจะช่วยในการคาดการณ์ (Prediction) หรือตัดสินใจถึงสิ่งที่น่าเกิดขึ้นในแต่ละสถานการณ์ การทำงานของ Big Data เริ่มจากการนำชุดข้อมูลจำนวนมากในแต่ละจุดมาเปรียบเทียบกันเพื่อหาความสัมพันธ์ผ่านการทำโมเดลและ Simulation ช่วยให้เข้าใจถึงความสัมพันธ์ของข้อมูลที่แฝงอยู่หรือไม่เคยปรากฎให้เห็นมาก่อน ซึ่งเมื่อปรับค่าของชุดข้อมูลบางจุดใน Simulation อาจช่วยให้เห็นผลที่เปลี่ยนไปและผลกระทบที่อาจเกิดขึ้น

หากปรับค่าบางตัวแปรของชุดข้อมูลอย่างต่อเนื่องก็จะช่วยให้เข้าใจถึงแพทเทิร์น (Pattern) หรือความสัมพันธ์ของตัวแปรและข้อมูลเชิงลึกที่ช่วยแก้ปัญหาหรือให้คำตอบที่ต้องการได้อย่างมีประสิทธิภาพ โดยปัจจุบันมีเทคนิคและเครื่องมือในการวิเคราะห์ขั้นสูง (Advance Analytics) ที่ช่วยทำ Simulation ได้อัตโนมัติและเรียลไทม์ ทำให้ธุรกิจสามารถคาดการณ์และเข้าใจถึงความต้องการของลูกค้าได้ตรงเป้าหมายยิ่งขึ้น

เทคโนโลยีในการวิเคราะห์และใช้ Big Data ถูกพัฒนาออกไปหลายแขนง ตัวอย่างดังที่ระบุในรายงาน TechRadar: Big Data ของ Forrester Research นับตั้งแต่โซลูชั่นทางด้าน Predictive Analytics เพื่อการประยุกต์ใช้ predictive model กับกลุ่มข้อมูลเพือเพิ่มประสิทธิภาพทางธุรกิจ ซอฟต์แวร์ด้าน Stream Analytics เพื่อแยกและรวบรวมข้อมูลจากหลายช่องทางในฟอร์แมทที่ต่างกัน รวมถึงเทคโนโลยีด้าน In-memory Data Fabric, NoSQL Databases, Data Virtualization, Data Integration, Data Preparation และ Data Quality เป็นต้น

เชื่อมต่อ AI

เมื่อผนวกเทคโนโลยี Big Data เข้ากับนวัตกรรม AI โดยการสอน (Training) ให้ระบบสามารถแยกแยะข้อมูลจำนวนมหาศาลอย่างอัตโนมัติ ได้เพิ่มความรวดเร็วในการหาแพทเทิร์นหรือคำตอบจากข้อมูลได้ถูกต้องและเรียลไทม์ จึงนับเป็นนวัตกรรมที่กำลังมาแรงและเป็นที่ต้องการของอุตสาหกรรมและธุรกิจอย่างมาก

กล่าวได้ว่า Big Data เป็นรากฐานสำคัญของการทำงานของ AI อาทิ การทำงานของ Voice Platform อย่าง Siri, Google Assist หรือ Alexa รวมถึงฟังก์ชั่นการทำงานของกูเกิลเสิร์ชเอ็นจิ้นที่อาศัยคำถามจากเสิร์ชหลายพันล้านคำถามต่อวันเพื่อเป็นคลังข้อมูลในการแนะตัวพิมพ์ที่ถูกต้องหรือแสดงคำถามที่นิยมถามในกล่องเสิร์ชเมื่อผู้ใช้พิมพ์คำถาม ตลอดจนนวัตกรรมของพาหนะไร้คนขับ (AV) และแอพพลิเคชั่นทางด้านการแพทย์ การคลัง การเกษตร การทหารและอุตสาหกรรม รวมถึง IoT อีกด้วย

ธุรกิจได้เร่งนำนวัตกรรม AI เพื่อใช้ศึกษาความต้องการของผู้บริโภค ตัวอย่าง โคคาโคล่า ที่ได้ออกผลิตภัณฑ์ใหม่ Cherry Sprite จากการรวบรวมข้อมูล Big Data ที่สรุปรสชาติเครื่องดื่มที่ถูกเลือกมากที่สุดจากเครื่องผสมน้ำโซดาด้วยตัวเอง (Self-Serve Vending Machine) ที่ติดตั้งนวัตกรรม AI-Powered Virtual Assistant โดยเครื่องดังกล่าวสามารถมิกส์เครื่องดื่มได้กว่า 150 รสชาติ และโคคาโคล่าได้วางแผนการใช้นวัตกรรม AI ในด้านการตลาดและการพัฒนาผลิตภัณฑ์อีกด้วย

ความท้าทายทางธุรกิจ

นอกเหนือจากความท้าทายในเรื่องการจัดการข้อมูลส่วนบุคคล การรักษาความปลอดภัยของข้อมูล และการสร้างความเท่าเทียมของสิทธิส่วนบุคคลแล้ว ความท้าทายของการใช้ Big Data และ AI ที่องค์กรต้องเผชิญยังเกี่ยวเนื่องกับการจัดการด้านทรัพยากรและการสรรหาบุคคลากร การฝึกอบรม การลงทุน การใช้เทคโนโลยี 

ตลอดจนการเปลี่ยนแปลงขององค์กรและวัฒนธรรมองค์กรเพื่อการแข่งขันด้านดิจิทัล (Digital Transformation) ที่กำลังเป็นตัวชี้วัดถึงความพร้อมต่อการดำเนินธุรกิจในยุคการปฏิวัติอุตสาหกรรมครั้งที่ 4 ที่กำลังเริ่มโหมกระหน่ำมากขึ้น