'Blendata' แนะ 4 ทริคจัดการข้อมูล สร้าง AI อัจฉริยะ
Blendata แนะองค์กรวางกลยุทธ์ Data Management ให้มีประสิทธิภาพ สมองที่ชาญฉลาดจำเป็นต้องมีข้อมูลคุณภาพเป็นตัวขับเคลื่อน เปิด 4 เคล็ดลับช่วยจัดการและบริหารข้อมูล ก่อนลงทุนใช้ระบบ AI
ณัฐนภัส รชตะวิวรรธน์ ประธานเจ้าหน้าที่บริหารและผู้ร่วมก่อตั้ง บริษัท เบลนเดต้า จำกัด (Blendata) ผู้พัฒนาแพลตฟอร์มบริหารจัดการ Big Data เผยว่า เทคโนโลยีปัญญาประดิษฐ์ หรือ AI (Artificial intelligence) คือหนึ่งในเทคโนโลยีที่ถูกให้ความสำคัญเป็นอย่างมาก
จากการสำรวจของ NewVantage Partners พบว่า 97.2% ขององค์กรกำลังลงทุนในด้าน AI และ Big Data แสดงให้เห็นถึงความตื่นตัวของภาคอุตสาหกรรมที่กำลังเร่งปรับใช้เทคโนโลยีเพื่อประโยชน์ทางธุรกิจและรับมือกับการแข่งขันในโลกดิจิทัล
ที่สำคัญ AI ยังช่วยเพิ่มมูลค่าและสร้างผลกำไรให้กับธุรกิจ และในอนาคตอันใกล้เทคโนโลยี AI จะถูกนำไปปรับใช้ในทุกอุตสาหกรรมและทุกการดำเนินงานขององค์กร
การที่องค์กรจะใช้ AI ได้เต็มศักยภาพและไม่เกิดข้อผิดพลาดนั้น จะต้องอาศัยปัจจัยหลัก 2 ด้าน คือ ข้อมูลและบุคลากรผู้เชี่ยวชาญ จึงจะสามารถขับเคลื่อนเทคโนโลยี AI ให้เกิดผลลัพธ์ได้ดีที่สุด ซึ่งปัจจัยสำคัญที่ควรคำนึงถึงก่อนลงทุนใช้ระบบ AI คือ การบริหารจัดการข้อมูล หรือ Data Management ให้มีประสิทธิภาพ
Big Data เปรียบเสมือนเชื้อเพลิงที่สำคัญของ AI การจะสร้าง AI ให้มีมันสมองอันชาญฉลาด จำเป็นอย่างยิ่งที่จะต้องมีการจัดเก็บรวบรวม Big Data ที่มีคุณภาพ ครบถ้วนในทุกมิติของธุรกิจ
หากองค์กรจะเริ่มใช้ AI ในการเพิ่มศักยภาพทางธุรกิจต้องเริ่มจากการวางโครงสร้างการจัดการข้อมูลและระบบไอทีให้ดีก่อน โดยการตรวจสอบข้อมูลที่มีว่ามีคุณภาพและพร้อมใช้งานหรือไม่ หากบริหารจัดการข้อมูลไม่มีประสิทธิภาพ ก็จะส่งผลให้ AI ดึงข้อมูลที่ไม่ได้คุณภาพ ไม่ถูกต้อง หรือไม่สมบูรณ์มาใช้งาน ซึ่งจะส่งผลให้ผลลัพธ์ที่ได้จากการประมวลผลมีการคลาดเคลื่อนและไม่ก่อให้เกิดประโยชน์ทางธุรกิจ
ดังนั้นการวางโครงสร้างการจัดการข้อมูลให้มีประสิทธิภาพ จึงเป็นหัวใจสำคัญที่องค์กรต้องจัดการก่อนที่จะเริ่มใช้เทคโนโลยี AI ต่อไป
ณัฐนภัส แนะว่า องค์กรควรพัฒนาการบริหารจัดการข้อมูล หรือ Data Management ก่อนเริ่มต้นใช้เทคโนโลยี AI ซึ่งประกอบด้วย 4 องค์ประกอบสำคัญ คือ
1. การรวบรวมการเข้าถึงหรือดึงการใช้ข้อมูลมาบริหารจัดการไว้ในที่เดียว เพื่อให้สามารถจัดการใช้ข้อมูลในองค์กรได้ง่าย นำไปใช้งานได้รวดเร็ว เห็นมุมมองที่แปลกใหม่ รวมไปถึงทำให้ AI มีความฉลาดจากข้อมูลที่หลากหลายและครบถ้วน
2. การบริหารจัดการให้ข้อมูลเหล่านั้นพร้อมใช้งาน การดึงข้อมูลที่มาจากหลายแหล่ง ย่อมหลีกเลี่ยงปัญหาข้อมูลไม่พร้อมหรือไม่สมบูรณ์ (Corrupted data) ข้อมูลขยะ (Junk data) หรือข้อมูลที่จัดเก็บในรูปแบบที่หลากหลาย จึงเกิดกระบวนการหรือการใช้เครื่องมือที่หลีกเลี่ยงไม่ได้
เพื่อทำให้ AI ได้รับข้อมูลที่ถูกต้อง ส่งผลให้ผลลัพธ์จากการเรียนรู้ของ AI ไม่เกิดข้อผิดพลาด เอนเอียง (Biased) หรือหากข้อมูลในองค์กรมีความหลากหลาย มีความเสี่ยงที่จะเกิดการเปลี่ยนแปลงรูปแบบของข้อมูล การทำ Data quality เพื่อคอยตรวจสอบและแก้ไขข้อมูลที่ผิดพลาดอย่างทันท่วงทีก็เป็นหนึ่งในวิธีที่ช่วยเพิ่มประสิทธิภาพการควบคุมคุณภาพของข้อมูลได้
3. ควบคุมสิทธิการเข้าถึงและการปกป้องข้อมูล เพื่อสร้างเกาะป้องกันความปลอดภัยข้อมูล เมื่อรวบรวมข้อมูลไว้ในที่เดียวกันแล้ว สิ่งที่ควรคำนึงอย่างมากคือการควบคุมไม่ให้ผู้ที่ไม่มีสิทธิเข้าถึงข้อมูลสำคัญขององค์กร หรือข้อมูลส่วนบุคคลของลูกค้า
ไม่ว่าจะเป็นการกำหนดสิทธิการเข้าถึงของข้อมูลที่ได้มาตรฐาน การเข้ารหัสข้อมูลที่จัดเก็บและการสื่อสารภายในทั้งหมด (Encryption) การปกปิดข้อมูลที่สำคัญเพื่อป้องกันการเห็นข้อมูลโดยไม่จำเป็น (Masking) ซึ่งเหล่านี้ล้วนเป็นเทคนิคที่ควรปรับใช้ตามแต่โครงสร้างและดีไซน์เทคโนโลยีขั้นพื้นฐานขององค์กร รวมถึงตามความสำคัญของข้อมูลที่จัดเก็บ
4. ออกแบบให้สามารถรองรับการใช้งานข้อมูลที่หลากหลาย โลกยุคปัจจุบันที่ข้อมูลคือขุมทรัพย์น้ำมันแห่งใหม่ การรองรับการนำข้อมูลไปประยุกต์ใช้ในรูปแบบที่หลากหลายและทันท่วงที คือสิ่งสำคัญที่สุดของ Data management
"Data Management นับเป็นกลยุทธ์สำคัญ ที่ช่วยยกระดับความสามารถของเทคโนโลยี AI"
Gartner ให้ความหมายของ Data Management ไว้ว่า การรวบรวมแนวทางการจัดการโครงสร้าง เทคนิค และเครื่องมือ เพื่อให้สามารถเข้าถึงและส่งต่อข้อมูลที่ต้องการในทุกรูปแบบ ตอบโจทย์ในทุกๆ ความต้องการทางด้านการประยุกต์ใช้และทุกขั้นตอนทางธุรกิจ
