ในยุคที่เทคโนโลยีเข้ามามีบทบาทอย่างมากกับงานด้านการตลาด ปัจจุบันเราเริ่มเห็นหลายองค์กรเปลี่ยนภาพการทำงานด้านการตลาด ไปสู่การทำงานที่เน้นข้อมูลและการวิเคราะห์ขั้นสูง กลับกลายเป็นว่านักการตลาดเป็นฝ่ายที่ต้องทำงานด้วยเทคโนโลยีล้ำสมัยอย่าง AI และ Big Data อย่างหลีกเลี่ยงไม่ได้อีกต่อไป ประเด็นดังกล่าวอาจมีการพูดถึงกันไปค่อนข้างมากแล้ว บทความนี้จึงจะเป็นการเปลี่ยนแนวด้วยการมาเล่าเทคโนโลยีเบื้องหลังของ AI และ Big Data ให้ได้รู้จักเป็นแนวทางประกอบการเลือกใช้กัน เพราะในอนาคตหลายๆ คนคงต้องเข้าไปรับผิดชอบโครงการเหล่านี้สำหรับงานด้านการตลาดกันอยู่แล้ว
AI กับ Big Data เป็นเรื่องที่แทบจะกลายเป็นเรื่องเดียวกันไปแล้ว
ก่อนอื่นเลยต้องทำความเข้าใจกันก่อนว่า AI กับ Big Data นั้นแทบจะเป็นเรื่องเดียวกัน
Big Data นั้นคือระบบที่มีการรวบรวมข้อมูลจำนวนมหาศาลเอาไว้ พร้อมให้เรานำไปใช้วิเคราะห์ได้ เช่น ข้อมูลการพูดคุยของคนบน Social Network ข้อมูลรูปภาพที่มีการส่งต่อบน Internet ข้อมูลวิดีโอจากกล้องวงจรปิด หรืออื่นๆ ก็ตาม โดยหลายๆ ครั้งเวลาเราพูดถึงระบบ Big Data เราจะพูดถึงเทคโนโลยีสำหรับการวิเคราะห์ข้อมูลหรือ Data Analytics ด้วย ทำให้ถูกเรียกรวมไปว่า Big Data Analytics
แต่เดิมระบบ Big Data นี้ถูกเริ่มต้นด้วยการมีกลุ่มคนที่เรียกว่า Data Scientist หรือนักวิทยาศาสตร์ข้อมูลคอยจัดการวิเคราะห์ข้อมูลในมุมต่างๆ ให้ และก็มีการนำเทคโนโลยีที่เปิดให้คอมพิวเตอร์สามารถทำความเข้าใจและเรียนรู้จากข้อมูลได้อย่าง Machine Learning หรือ Deep Learning เข้ามาช่วยนักวิทยาศาสตร์ข้อมูลเหล่านี้ให้วิเคราะห์ข้อมูลปริมาณมากขึ้นได้อย่างแม่นยำยิ่งขึ้น และนี่เองก็เป็นจุดเริ่มต้นของ AI ที่ย่อมาจากคำว่า Artificial Intelligence หรือปัญญาประดิษฐ์นั่นเอง
จะเห็นได้ว่าสองเรื่องนี้แท้จริงแล้วก็คือการวิเคราะห์ข้อมูลทั้งสิ้น Big Data จะถูกพูดถึงในแง่ของการรวบรวมและวิเคราะห์ข้อมูลในภาพรวม ส่วน AI จะเป็นการเปิดให้เครื่องคอมพิวเตอร์มาเรียนรู้ข้อมูลและนำมาใช้งานโดยอัตโนมัตินั่นเอง
เบื้องหลังของ AI และ Big Data คือ Software, Data และ Algorithm
คราวนี้ก็มาถึงการสร้างระบบ AI และ Big Data ที่มักจะมีส่วนประกอบหลักๆ ด้วยกัน 3 ส่วน ดังนี้
Software ระบบทั้งหมดของ AI และ Big Data นั้นคือการทำงานของ Software ที่ทำหน้าที่จัดการรวบรวมข้อมูล, นำข้อมูลมาวิเคราะห์, แสดงผลให้นักวิทยาศาสตร์ข้อมูลจัดการกับข้อมูลได้ ซึ่งการเลือกใช้ Software เหล่านี้ก็จะเป็นหน้าที่ร่วมกันของเหล่านักวิทยาศาสตร์ข้อมูล, ฝ่าย IT และผู้ใช้งานอย่างเราๆ นั่นเอง ว่าจะสามารถทำการวิเคราะห์ข้อมูลได้ดีไหม และใช้งานจริงจะมีปัญหาอะไรหรือเปล่า
Data การทำงานของ AI และ Big Data นั้นจะเกิดขึ้นไม่ได้เลยหากไม่มี Data หรือข้อมูล ดังนั้นในทุกๆ โครงการด้านนี้ก็จะต้องมีการพูดคุยกันเสมอว่าจะนำข้อมูลมาจากไหน, อนาคตจะเพิ่มข้อมูลมาจากแหล่งใดหรือวิธีการใด, จะเก็บข้อมูลอะไรบ้าง, จะเก็บข้อมูลเอาในรูปแบบไหน, จะเก็บข้อมูลนานเท่าไหร่ เป็นต้น ซึ่งผู้ใช้งานเราและเหล่านักวิทยาศาสตร์ข้อมูลต้องมาพูดคุยกันว่าเราอยากได้ผลลัพธ์อะไรบ้าง จึงจะมีการออกแบบได้ถูกต้องว่าจะต้องใช้ข้อมูลประเภทไหนอย่างไร
Algorithm วิธีที่ใช้ในการวิเคราะห์ข้อมูลให้ได้อย่างรวดเร็วและมีผลลัพธ์ที่แม่นยำนั้นสำคัญมาก และสิ่งเหล่านี้ก็เรียกรวมๆ ว่า Algorithm นั่นเอง ซึ่งก็เป็นหน้าที่หลักของนักวิทยาศาสตร์ข้อมูลที่จะต้องไปค้นหาและสร้างวิธีการเหล่านี้ขึ้นมาให้เหมาะสมกับความต้องการทางธุรกิจ (ใครอยากเรียนรู้เพิ่มเติม ลองไปค้นหาเรื่อง Machine Learning หรือ Deep Learning มาศึกษาได้)
ต้องเลือกว่าจะใช้ Software บน Cloud หรือ Server
เรารู้กันดีอยู่แล้วว่า Software นั้นจะทำงานด้วยตัวเองไม่ได้ เพราะ Software นั้นต้องมีคอมพิวเตอร์ประสิทธิภาพสูงอย่าง Server หรือ Cloud มาช่วยจัดเก็บและประมวลผลข้อมูลต่างๆ ด้วยเสมอ
แล้ว Cloud กับ Server นั้นต่างกันยังไง? เดี๋ยวนี้ใครๆ ก็ใช้ Cloud กันแล้วเรายังต้องใช้ Server กันอีกหรือ? ประเด็นนี้ทางยักษ์ไอทีอย่าง IBM ให้ความเห็นมาน่าสนใจทีเดียว
โดยรวมแล้ว Cloud นั้นจริงๆ แล้วก็คือ Server ที่มีบริษัทต่างๆ ลงทุนซื้อเอาไว้ไปติดตั้งในบริษัทของตัวเอง แล้วเอามาให้เราเช่าใช้ โดยบริษัทเหล่านั้นจะรับหน้าที่ในการดูแลแทนเรานั่นเอง ในขณะที่หากเราเลือกที่จะซื้อ Server นั้นก็จะต้องทำการดูแลรักษาด้วยตนเอง เรียกได้ว่า Cloud คือการเช่าใช้ แต่ Server นั้นก็คือการซื้อใช้ก็ไม่ผิดนัก (แต่ในปัจจุบันก็เริ่มมีการให้เช่า Server ใช้ แต่ติดตั้ง Server ที่บริษัทเลยเหมือนกัน)
Cloud นั้นจะมีข้อดีเรื่องของการที่เราสามารถเริ่มต้นใช้หรือเลิกใช้งานได้ทันทีตามความต้องการ ทำให้สามารถเพิ่มพลังประมวลผลและพื้นที่จัดเก็บข้อมูลได้ง่าย ไม่ต้องมากังวลเรื่องทางด้านเทคนิคใดๆ แต่ก็มีข้อเสียว่า Cloud นั้นไม่ได้อยู่กับเรา การรับส่งข้อมูลปริมาณมหาศาลนั้นก็อาจทำให้ช้า และผู้ให้บริการบางเจ้าก็อาจตั้งเงื่อนไขในลักษณะกับดัก ทำให้หากใช้งานไปนานๆ ค่าใช้จ่ายในการเช่าก็อาจสูงกว่าการลงทุนใช้เองได้ หรือหากต้องการย้ายไปเจ้าอื่นที่ถูกกว่าก็ต้องเจอกับอุปสรรคมากมายที่ทำให้การย้ายติดขัด
ตัวอย่างของบริการ Cloud นั้นก็เช่น IBM Cloud ที่เปิดให้เราเข้าไปเช่าใช้งานได้ทันที พร้อมมีบริการกึ่งสำเร็จรูปสำหรับงานด้าน AI และ Big Data ให้พร้อมใช้งานอยู่แล้วโดยไม่ต้องติดตั้งเอง ลดภาระงานของฝ่าย IT ลงไปได้เยอะทีเดียว ทำให้นักวิทยาศาสตร์ข้อมูลเข้ามาทำงานได้ตามความต้องการของธุรกิจทันที และเมื่อระบบเสร็จแล้วเราก็สามารถเข้าไปใช้ได้ผ่าน Cloud จากทุกที่ทุกเวลา เป็นบริการ Cloud ที่เหมาะกับผู้ใช้ตั้งแต่ระดับสตาร์ทอัพถึงองค์กร และค่อนข้างคุ้มค่าการลงทุนในระยะยาว
ส่วน Server นั้นจะมีข้อดีเรื่องการติดตั้งในบริษัทของเราซึ่งเป็นที่จัดเก็บข้อมูลของเราได้ ทำให้ไม่ต้องมีปัญหาเรื่องการโอนถ่ายข้อมูล และในระยะยาวหากใช้ไปนานๆ ก็จะถึงจุดคุ้มทุนได้ แต่ก็มีข้อเสียที่เราต้องดูแลระบบเองค่อนข้างเยอะ และการเพิ่มขยายก็ทำได้ล่าช้าเพราะต้องมีขั้นตอนการจัดซื้อ การติดตั้ง และอื่นๆ อีก
ตัวอย่างของ Server นั้นก็เช่น IBM Power Systems ที่เป็นเครื่อง Server ความเร็วสูงที่ออกแบบมาสำหรับงาน AI และ Big Data โดยเฉพาะด้วยการใช้หน่วยประมวลผลอย่าง IBM POWER ที่ทาง IBM คิดค้นและพัฒนาขึ้นมาเอง ร่วมกับเทคโนโลยีการ์ดประมวลผลจาก NVIDIA และรับส่งข้อมูลผ่านระบบเครือข่ายความเร็วสูง ซึ่งอันที่จริงแล้วพวกบริการ Cloud สำหรับงานอย่าง AI หรือ Big Data ก็ต้องใช้เครื่อง Server ที่ออกแบบมาเฉพาะแบบนี้ ไม่ใช่เครื่อง Server ทั่วๆ ไปที่เราเห็นกัน แต่ว่าก็ต้องติดตั้ง Software ต่างๆ สำหรับทำงานด้าน AI หรือ Big Data เองอยู่ดี ซึ่งถ้าเป็นของ IBM เองก็จะมีชุด Software สำเร็จรูปอย่าง IBM PowerAI ให้นำไปติดตั้งใช้งานได้ง่ายๆ อยู่แล้ว
ดังนั้นหากใครจะทำโครงการด้าน AI หรือ Big Data เรื่องนี้ก็อาจเป็นเรื่องที่ต้องคิดให้ดีว่าจะเลือกทางไหน หรือจะใช้ทั้งสองอย่างร่วมกันเลยก็ได้ ขึ้นกับกลยุทธ์ของธุรกิจและงบประมาณของเราเป็นหลัก
จะใช้ Cloud หรือ Server ประเด็นด้านความปลอดภัยก็สำคัญมาก
ทุกวันนี้เราเห็นข่าวเรื่องการ Hack เกิดขึ้นบ่อยมาก และเราก็คงไม่อยากให้ข้อมูลสำคัญของบริษัทเราถูกขโมยหรือถูกทำลายไปเรียกค่าไถ่กัน หรือถูกเอาไปเปิดเผยสร้างความเสียหายกับบริษัท ดังนั้นเรื่องของ Security หรือความปลอดภัยก็เป็นสิ่งที่ห้ามละเลยเด็ดขาด
สำหรับคนที่อยากจะใช้ Cloud ก็ต้องตรวจสอบให้ดีว่าบริการ Cloud นั้นๆ มีความสามารถเสริมเรื่องการรักษาความปลอดภัยแค่ไหน มีมาตรฐานอะไรบ้าง หรือมี Certificate อะไรรองรับบ้าง
ส่วนคนที่จะเลือกใช้ Server นั้นก็ต้องเลือกให้ดีตั้งแต่ระดับของ Hardware และ Software ที่จะใช้งาน รวมถึงฝ่าย IT ที่จะมาดูแลระบบเหล่านี้ก็ต้องมีความรู้ความสามารถเรื่องนี้ด้วยเช่นกัน
อย่างไรก็ดี ผู้ใช้งานอย่างเราๆ เองก็มีบทบาทสูงมากทางด้านความปลอดภัย เพราะหากระบบจะปลอดภัยแค่ไหน แต่หากผู้ใช้อย่างเราๆ ไม่ระมัดระวังซะเอง เป็นคนทำให้ระบบรั่ว หรือเป็นคนทำให้มี Virus และ Malware เข้าไปติดระบบ หรือถูก Hacker หลอกให้กลายเป็นผู้ช่วยในการโจมตีระบบโดยไม่รู้ตัว ระบบจะแข็งแรงแค่ไหนก็ย่อมถูกเจาะได้ทั้งนั้น
ทาง IBM เล่าเสริมว่าไม่ว่าจะเป็น IBM Cloud, IBM Power Systems หรือ IBM Enterprise Storage นั้นต่างก็เป็นเทคโนโลยีที่เหล่าธนาคารและสถาบันการเงินทั่วโลกเลือกใช้ ด้วยเหตุผลด้านความปลอดภัย และความไว้วางใจในทีมงานของ IBM ที่มีประสบการณ์ด้านการดูแลรักษาระบบ IT ให้กับธุรกิจขนาดใหญ่ทั่วโลกมามากมาย อีกทั้งยังมีทีมฝ่าย Security โดยเฉพาะมาช่วยดูแลในประเด็นด้านนี้โดยตรงด้วยนั่นเอง
สำหรับองค์กรที่สนใจอยากขอคำปรึกษาด้านระบบไอที AI และ Big Data ทาง Metro Systems Corporation Plc, IBM Business Partner พร้อมให้การช่วยเหลือ หมายเลขโทรศัพท์ 0-2089-4994 หรือ e-mail : esgmkt@metrosystems.co.th หรือสามารถเข้าไปได้ที่ www.metrosystems.co.th
ติดตาม Marketeer ได้หลากหลายรูปแบบ