Big Data

ในสาขาเทคโนโลยีสารสนเทศ, ข้อมูลขนาดใหญ่ (อังกฤษ: Big data) คือชุมนุมของชุดข้อมูลที่มีขนาดและความซับซ้อนมาก จนมันยากที่จะประมวลผลได้ด้วยเครื่องมือจัดการฐานข้อมูลที่มีอยู่ ความท้าทายนี้รวมถึงการจับบันทึก การจัดเก็บ^[4] การค้นหา การแบ่งปัน การวิเคราะห์ และการวาดภาพข้อมูล แนวโน้มของชุดข้อมูลต่างๆ ที่ใหญ่ขึ้นเป็นผลจากสารสนเทศเพิ่มเติมที่ได้มาจากการวิเคราะห์ชุดข้อมูลชุดใหญ่ชุดเดียวของข้อมูลที่เกี่ยวข้องกัน เทียบกับชุดข้อมูลย่อยๆ หลายชุดที่แยกจากกันที่มีขนาดรวมกันแล้วเท่ากัน สิ่งนี้อนุญาตให้ความเชื่อมโยงถูกค้นพบได้ เพื่อ "หาแนวโน้มทางธุรกิจ ตัดสินคุณภาพของงานวิจัย ป้องกันโรค วิเคราะห์การอ้างอิงกฎหมาย ต่อสู้กับอาชญากรรม และบอกสภาพการจราจรตามเวลาจริง"

big data มักรวมถึงชุดข้อมูลที่มีขนาดใหญ่เกินกว่าความสามารถของซอฟต์แวร์ที่ใช้กันอยู่ทั่วไป จะจับบันทึก จัดการ และประมวลผลข้อมูลดังกล่าวได้ภายในเวลาที่ยอมรับได้ ขนาดของ big data นั้นเป็นเป้าหมายที่เคลื่อนไปเรื่อยๆ ตามเวลา ในปี 2012 ขนาดของมันอยู่ที่ตั้งแต่ไม่กี่เทราไบต์ไปจนถึงหลายๆ เพตาไบต์ในชุดข้อมูลชุดเดียว ด้วยความยากลำบากนี้ แพลตฟอร์มใหม่สำหรับ "big data" จึงได้เกิดขึ้นเพื่อจะสามารถทำจัดการกับข้อมูลจำนวนมากเช่นนั้นได้ ตัวอย่างเช่น Apache Hadoop Big Data Platform.

สภาพแวดล้อมสำหรับ Big Data

• ·         รองรับและจัดเก็บข้อมูลมากกว่า Petabyte ขึ้นไป

• ·         มีการจัดเก็บข้อมูลชนิดที่มีระบบทดแทน รวมทั้งให้บริการแบบกระจาย

• ·         การประมวลผลข้อมูลเป็นแบบขนาน

• ·         มีการประมวลผลข้อมูลข่าวสารที่มีขีดความสามารถแบบ MapReduce หรือเทียบเท่า

• ·         มีการบริหารจัดการแบบรวมศูนย์และเป็นระบบผสานการทำงานกับทรัพยากรประมวลผลต่างๆ

• ·         ระบบต้องไม่มีค่าใช้จ่ายสูง

• ·         ความสามารถในการเข้าถึงข้อมูล – ใช้งานง่าย และมีความพร้อมของข้อมูลอยู่เสมอ

• ·         ขีดความสามารถในการให้บริการจะต้องสามารถแปรผันไปตามความต้องการใช้งานเสมอ

Big data คือ ข้อมูลที่มีลักษณะสำคัญ 3 ข้อคือ

1.     volume 2.     velocity 3.     variety

1.  ปริมาณ (Volume)

ปริมาณของข้อมูล :องค์กรต่างๆ จมอยู่ใต้ข้อมูลทุกประเภทที่เติบโตขึ้นเรื่อยๆ จนถึงขนาดเทราไบต์ (terabyte) หรือแม้แต่เพทาไบท์ (petabyte) แล้วเราจะใช้ประโยชน์จาก big data ปริมาณมหาศาลเหล่านี้ได้อย่างไรบ้าง

·         เปลี่ยนข้อมูล 12 เทราไบต์จากการ Tweet ในแต่ละวันให้เป็นการวิเคราะห์ความเชื่อมั่นผลิตภัณฑ์ที่ดีขึ้น

·         แปลงข้อมูลจากการอ่านมิเตอร์ประจำปี 350 พันล้านครั้งให้เป็นข้อมูลการคาดการณ์การใช้พลังงานที่ดีกว่าเดิม

 2. ความหลากหลาย (Variety)

Data Variety:

·         จากตาราง excel ไปจนถึงฐานข้อมูล ที่ใช้งานในปัจจุบัน โครงสร้างข้อมูลนับวันจะสูญเสียความเป็นโครงสร้างมากขึ้น และมี Formatเพิ่มมากยิ่งขึ้นนับร้อยแบบ เริ่มตั้งแต่ข้อความเปล่าๆ ภาพถ่าย แฟ้มข้อมูลเสียงเพลง แฟ้มข้อมูลวิดีโอ ข้อมูล Web ข้อมูล GPS ข้อมูลจาก Sensor ต่างๆ ข้อมูลจากฐานข้อมูลเชิงสัมพันธ์ เอกสารทั่วไป ข่าวสาร SMS แฟ้มข้อมูลประเภท pdf แฟ้มข้อมูล Flash และอื่นๆมากมาย

Veracity

·         หมายถึงข้อมูลที่ได้มานั้นมีความถูกต้องแม่นยำเพียงใด เนื่องจากข้อมูลมีความหลากหลาย และมาจากแหล่งต่างๆที่อยู่เหนือการควบคุมของเราเช่น

• Facebook

• Twitter
• youtube

• 
  
• 
  

 3. ความเร็ว (Velocity)

Data Velocity:

·         โดยปกติองค์กรมีการวิเคราะห์ข้อมูลโดยใช้กระบวนการ Batch หรือการประมวลผลที่ต่อเนื่องตามลำดับโดยมีข้อมูลที่ถูกจัดเตรียมไว้เรียบร้อยแล้ว เหมาะสำหรับข้อมูลที่หลั่งไหลมาแบบช้าๆ

·         ปัจจุบัน แหล่งของข้อมูลมาจากสื่อสังคม และ อุปกรณ์มือถือ รวมทั้งอุปกรณ์คอมพิวเตอร์เคลื่อนที่ การประมวลผลแบบ Batch Processing ไม่สามารถรองรับลักษณะการไหลของข้อมูลแบบนี้ เนื่องจากเป็นกระแสของข้อมูลข่าวสารที่หลั่งเข้ามายัง Server และเป็นแบบ Real-Time และมีความต่อเนื่อง แต่ผลลัพธ์ยังใช้งานได้ดี หากมีค่าหน่วงเวลาน้อย  

·         ปี 2000 มีการจัดเก็บข้อมูล 800,000 Petabytes (PB)

·         ปี 2020 คาดว่าจะมีมากถึง 35 Zettabytes (ZB)

·         Twitter มีการจัดสร้างข้อมูล มากกว่า 7 Terrabytes (TB) ต่อวัน

·         Facebook 10 Terrabytes ต่อวัน

·         องค์กรขนาดวิสาหกิจทั่วไป 1 Terrabytes ต่อชั่วโมงต่อวันทำงาน

ตัวอย่างข้อมูลที่ทำให้เกิด Big Data

·         ปูมบันทึกการใช้งานเว็บ (Web log)

·         ข้อมูลจาก RFID

·         เครือข่ายเซ็นเซอร์,

·         เครือข่ายสังคม, ข้อมูลสังคม (social data),

·         เอกสารและข้อความบนอินเทอร์เน็ต, การทำดัชนีค้นหาอินเทอร์เน็ต,

·         บันทึกการรับโทรศัพท์,

·         ดาราศาสตร์, วิทยาศาสตร์สภาพอากาศ, จีโนมิคส์,

·         การวิจัยทางชีวธรณีเคมี ชีววิทยา และการวิจัยทางวิทยาศาสตร์ที่ซับซ้อน

·         การสอดส่องทางการทหาร, เวชระเบียน, คลังภาพถ่าย, คลังภาพเคลื่อนไหว, และพาณิชย์อิเล็กทรอนิกส์ขนาดใหญ่

เมื่อใดที่ควรพิจารณาใช้ Big Data

·         Big Data เหมาะสำหรับวิเคราะห์ข้อมูลดิบ ข้อมูลกึ่งโครงสร้างและไร้โครงสร้างจาก แหล่งต่างๆ

·         เมื่อใดที่ต้องการวิเคราะห์ข้อมูล และหรือข้อมูลที่นำมาวิเคราะห์ไม่เกิดประสิทธิผลเมื่อนำมาวิเคราะห์ด้วยระบบบริหารจัดการในปัจจุบัน

·         เหมาะสำหรับจัดการกับความท้าทาย เมื่อข้อมูลไม่สามารถถูกนำมาบริหารจัดการโดยระบบฐานข้อมูลปัจจุบัน

·         โซลูชั่นจาก Big Data เหมาะเป็นเครื่องมือในการวิเคราะห์ข้อมูลทางธุรกิจที่ไม่ได้กำหนดไว้ก่อนหน้า

อะไรคือกุญแจหลักที่ผลักดันสำหรับ Big Data ?

ในด้านธุรกิจ

·         โอกาสที่จะช่วยให้เกิดนวัตกรรมทางธุรกิจรูปแบบใหม่

·         ศักยภาพที่อาจเกิดขึ้นสำหรับข้อมูลเชิงลึกใหม่ๆที่ใช้ขับดันความได้เปรียบในการแข่งขัน

ทางด้านเทคนิค

·         ข้อมูลที่เก็บรวบรวมและจัดเก็บไว้ยังคงมีขนาดเพิ่มขึ้นอย่างต่อเนื่อง

·         ข้อมูลที่เพิ่มขึ้นในทุกๆที่ และมีรูปแบบที่หลากหลายมากยิ่งขึ้น

·         โซลูชั่นแบบเดิม ไม่สามารถรองรับความต้องการใหม่ๆในการวิเคราะห์ข้อมูล

ในด้านการเงิน

·         ต้นทุนของระบบข้อมูล คิดเป็นเปอร์เซ็นต์ของค่าใช้จ่ายด้านไอที และยังแนวโน้มใช้จ่ายมากขึ้น

·         ข้อได้เปรียบในด้านค่าใช้จ่ายของสินค้าฮาร์ดแวร์และซอฟแวร์ประเภทโอเพ่นซอร์ต

ประโยชน์ของ Big Data Analytics ต่อวงการโทรคมนาคม

 หลังจากติดตั้งเครื่องมือฺ Big data analytics ผู้ให้บริการระบบโทรคมนาคมจะมีขีดความสามารถใหม่ๆที่จะเพิ่มรายได้ และสร้างความพึงพอใจแก่ลูกค้า อีกทั้งลดค่าใช้จ่าย ขีดความสามารถนี้ประกอบด้วย  

 1. Location-based services

 2. Intelligent marketing campaigns

 3. Social media monitoring and insights

 4. Network intelligence

5. High-velocity fraud detection

 1. Location-based services

·         ผู้ให้บริการสามารถบ่งบอกตำแหน่งที่อยู่ของลูกค้าได้อย่างแม่นยำในลักษณะข้อมูลเรียลไทม์ ซึ่งจะช่วยให้สามารถส่งมอบหรือนำเสนอโปรโมชั่นของบริการใหม่ๆ ได้ทันที ณ ตำแหน่งที่อยู่ปัจจุบันของลูกค้า ขณะที่ยังคำนึงถึงความเป็นส่วนตัวของลูกค้าอีกด้วย

·         มีรูปแบบการให้บริการภายใต้ Location Services 2 ชนิด

·         บริการข้อมูลแสดงตำแหน่งที่อยู่ของลูกค้าจากโทรศัพท์มือถือ รวมทั้งข้อมูลเกี่ยวกับตำแหน่งที่อยู่จาก GPS

 2. การทำแคมเปญการตลาดที่ชาญฉลาด (Intelligent marketing campaigns)

·          เครื่องมือสำหรับ Big data analytics จะช่วยให้ผู้ให้บริการโทรคมนาคม มีความเข้าใจในลูกค้าได้ดีขึ้น และยังสามารถพัฒนา Profileของสมาชิกผู้ใช้บริการ ซึ่งยังประโยชน์ ต่อการสร้างแคมเปญทางการตลาดได้ดียิ่งขึ้น

·         ตัวอย่างเช่น ใช้ Location Based Service เพื่อจัดเก็บข้อมูลเกี่ยวกับตำแหน่งที่อยู่ของลูกค้าในแต่ละวัน จากนั้นทำการวิเคราะห์การใช้ชีวิตตั้งแต่อยู่ในที่ทำงานไปจนถึงกลับบ้านทุกวัน บนเส้นทางต่างๆ รวมทั้งการดำเนินชีวิตในวันหยุดสุดสัปดาห์ ข้อมูลเหล่านี้ถูกจัดเก็บใน Profile ของลูกค้า โดยผู้ให้บริการสามารถนำไปใช้เพื่อสร้าง Service ใหม่มานำเสนอต่อไป    

·         การทำแคมเปญการตลาดที่ชาญฉลาดจะใช้ Big data analytics เพื่อปรับปรุงผลลัพธ์จากการส่งเสริมทางการตลาด เพื่อเพิ่มรายได้และป้องกันลูกค้าหนีหาย

 3. การ Monitor ดู Social media และรู้ข้อมูลเชิงลึก (Social media monitoring and insights)

·         ผู้ให้บริการสามารถใช้เครื่องมือวิเคราะห์ Big Data เพื่อติดตามและวิเคราะห์การตอบสนองและความรู้สึกของลูกค้าได้อย่างรวดเร็วจากสื่อสังคมออนไลน์อย่างเช่น Twitter – Facebook – YouTube รวมทั้ง Message Board ตลอดจน สถานที่ออนไลน์อื่นๆ ที่ซึ่งลูกค้าใช้เป็นที่สนทนา รวมทั้งบันทึกการติดต่อและแลกเปลี่ยน E-mail กับลูกค้า    

·         ขีดความสามารถนี้จะช่วยให้สามารถประเมินว่าการทำแคมเปญตลาดใหม่ๆ รวมทั้งผลิตภัณฑ์และบริการจะให้ผลลัพธ์ออกมาอย่างไร? และยังสามารถระบุภูมิศาสตร์และกลุ่มเป้าหมายผู้ใช้ผลิตภัณฑ์ที่ตอบสนองเชิงบวก และใช้ข้อมูลนี้ เพื่อเพิ่มการขายและลดการตอบสนองเชิงลบ

 4. Network intelligence

·         การเพิ่มความพึงพอใจแก่ลูกค้า และลดการสูญเสียลูกค้า โดยการเพิ่มประสิทธิภาพการให้บริการของเครือข่าย ผู้ให้บริการสามารถใช้เครื่องมือวิเคราะห์ Big Data เพื่อพิสูจน์ทราบปัญหา รวมทั้งการหาจุดเสียแบบเรียลไทม์ ซึ่งจะช่วยปรับปรุงประสิทธิภาพของเครือข่ายและลดค่าใช้จ่ายการปฏิบัติงาน  

·         การวิเคราะห์แบบเรียลไทม์จะให้ข้อมูลที่รวดเร็วและชาญฉลาดแก่ผู้ให้บริการอย่างรวดเร็วเพื่อการพิสูจน์

 5. High-velocity fraud detection

·          การใช้ smartphone หรืออุปกรณ์อื่นๆอย่างเช่น laptop หรือ Tablet เพื่อการสร้าง Hotspot ปลอมโดยมีจุดประสงค์เพื่อแอบเชื่อมต่อกับผู้ใช้งานหลายๆคน กิจกรรมแบบนี้จะทำให้มีการแผ่ข้อมูลออกมามากมาย ทำให้ผู้ให้บริการสูญเสียรายได้    

·         ระบบสามารถพิสูจน์ทราบการเกิดฉ้อโกง หรือความไม่ตั้งใจใช้งานซึ่งละเมิดต่อข้อตกลงการใช้บริการระบบไร้สายของสมาชิก และทีมงานผู้ให้บริการลูกค้า สามารถติดต่อกับสมาชิกผู้ใช้บริการเพื่อลดกิจกรรมเหล่านี้หรืออัพเกรดสัญญาของเขา

 Customer Churn Analysis

          วิเคราะห์พฤติกรรมของผู้บริโภค ในการใช้บริการโทรศัพท์เคลื่อนที่ โดยนำเอาข้อมูลจากระบบ CRM (Customer relationship Management) มาเพื่อใช้ในการวิเคราะห์หาลูกค้าที่มีแนวโน้มว่าจะเปลี่ยน หรือลูกค้าที่ต้องรักษาเอาไว้ การจัดเตรียมข้อเสนอพิเศษต่างๆ  

ตัวอย่างจาก CAT

“Big Data” is all around

ในสมรภูมิการค้า  การเข้าถึงกลุ่มลูกค้าเป้าหมาย ย่อมทำให้ธุรกิจมีความได้เปรียบทางการแข่งขัน ธุรกิจต่างๆ จึงจำเป็นที่จะต้องศึกษาข้อมูลของลูกค้าในหลากหลายมิติ ไม่ว่าจะเป็นกลุ่มอายุ อาชีพ การศึกษา และพฤติกรรมผู้บริโภค เพื่อวิเคราะห์กลุ่มลูกค้าเป้าหมายแล้วนำไปสู่การส่งมอบสินค้าและบริการตามความต้องการที่แท้จริง ซึ่งในปัจจุบันข้อมูลลูกค้าส่วนใหญ่มักอยู่ในรูปแบบดิจิทัลที่กระจัดกระจายอยู่บนอินเทอร์เน็ตและเครือข่ายสังคมออนไลน์ที่มีแนวโน้มขยายตัวต่อเนื่อง เพราะผู้คนสามารถเข้าถึงอินเทอร์เน็ตได้โดยง่ายจากการทยอยเปิดบริการ 3G ของค่ายต่างๆ อัตราค่าใช้บริการอินเทอร์เน็ตและอุปกรณ์เคลื่อนที่ถูกลง  ส่งผลให้ข้อมูลบนโลกอินเทอร์เน็ตมีปริมาณมากขึ้นตามไปด้วย รวมถึงระบบฐานข้อมูลในองค์กรที่กระจัดกระจายอยู่ในหลายๆ ฝ่าย จึงเป็นที่มาของคำว่า “Big Data”  โดยทาง IDC คาดการณ์ไว้ว่า Big Data จะมีขนาดเพิ่มมากขึ้นถึง 40 เซตตาไบท์ภายในปี 2563 ซึ่งเป็นการเติบโตมากกว่า 50 เท่าจากปี 2553  ดังนั้นความสามารถในการดึงข้อมูลที่มีประโยชน์และมีคุณค่าออกมาจากฐานข้อมูลขนาดใหญ่ หรือ Big Data เหล่านั้น เพื่อใช้ในการประมวลผลและวิเคราะห์ข้อมูลในเชิงธุรกิจ (Business Analytics) จึงเป็นเรื่องที่หลายๆ องค์กรให้ความสำคัญ และส่งผลให้ธุรกิจที่ให้บริการซอฟท์แวร์ หรือโซลูชั่นสำหรับการวิเคราะห์ข้อมูลขนาดใหญ่ในเชิงธุรกิจมีบทบาทมากขึ้นในโลกยุคปัจจุบัน

เทคโนโลยีสำหรับประมวลผล “Big Data”

การที่ “Big Data” จะเชื่อมโยงไปสู่ระบบการประมวลผลสำหรับข้อมูลปริมาณมาก สามารถจัดแบ่งเทคโนโลยีออกเป็น 4 กลุ่ม ดังนี้

     ·  กลุ่มที่หนึ่ง “Hadoop”  ซึ่งถือเป็นเทคโนโลยีหลักที่อยู่เบื้องหลัง “Big Data”  เป็นซอฟต์แวร์แบบโอเพ่นซอร์ส (Open- source Software) ของ Apache   ซึ่งรวมระบบการจัดการเครื่องแม่ข่ายในลักษณะคลัสเตอร์ เข้าถึงและดึงข้อมูลอย่างรวดเร็วด้วยวิธี MapReduce (Map และ Reduce) ระบบคอมพิวเตอร์ที่จะรองรับการทำงานของ Hadoop จะเป็นกลุ่มเครื่องแม่ข่ายขนาดเล็กหลายๆ เครื่องที่มีหน่วยจัดเก็บข้อมูลขนาดใหญ่  ต่อเชื่อมกันผ่านระบบเครือข่าย (Local Area Network) หรือเครือข่ายระยะไกล (Wide Area Network) นอกจากนี้ยังมีพันธมิตรของ Hadoop หรือที่เรียกว่า Hadoop Ecosystem อีกจำนวนหนึ่งที่จะมาช่วยเสริมในเรื่องการจัดการข้อมูล การเข้าถึงและดึงข้อมูล รวมทั้งการ ติดต่อแลกเปลี่ยนข้อมูลกับระบบต่างๆ ให้สะดวกขึ้น อาทิ HBase, Hive, Pig, Sqoop เป็นต้น โดยมี Hadoop เป็นแกนกลางในการทำงาน องค์กรสามารถดาวน์โหลด Hadoop และผลิตภัณฑ์อื่นในกลุ่ม Hadoop Ecosystem มาใช้งานได้โดยไม่มีค่าใช้จ่าย  หรือใช้บริการบริษัทซอฟต์แวร์ที่ตั้งขึ้นมาเพื่อทำหน้าที่ให้บริการทางด้าน Hadoop Ecosystem แบบครบวงจร

     ·  กลุ่มที่สองคือ ระบบฐานข้อมูลที่ไม่ใช้ภาษา “SQL”  (NoSQL Database) เนื่องจากความสามารถที่รวดเร็ว สามารถรองรับข้อมูลแบบ Semi-Structured และ Unstructured ได้ รองรับการขยายตัวในแนวราบ (Horizontal Scaling) ซึ่งสอดคล้องกับสถาปัตยกรรมของ Hadoop ตัวอย่างผลิตภัณฑ์ทางด้าน NoSQL Database ที่เป็นที่นิยมได้แก่ Cassandra, CouchBase, HBase, MongoDB เป็นต้น

     ·  กลุ่มที่สามคือ “Data Visualization Tools” ซึ่งเป็นเครื่องมือที่จะช่วยแปลงข้อมูล “Big Data” ที่ได้รับการกลั่นกรองแล้วมาแสดงในรูปของแผนภาพ ง่ายต่อการเข้าใจ และนำไปสู่การตัดสินใจในขั้นถัดไป บทบาทของเครื่องมือกลุ่มนี้จะอยู่ในระดับปฏิบัติการ ให้ติดตามสถานะของระบบและการแก้ปัญหาได้ง่าย

    · กลุ่มสุดท้ายคือ “Analytic Database” ผลิตภัณฑ์ในกลุ่มนี้อาจจะนำไปใช้กับระบบคลังข้อมูลได้ด้วย และเป็นกลุ่มที่ผู้ผลิตซอฟต์แวร์ยักษ์ใหญ่ในตลาดต่างให้ความสำคัญมากโดยใช้เทคนิคในการทำงานแบบต่างๆ เพื่อตอบโจทย์ด้านความเร็ว ไม่ว่าจะเป็นการประมวลผลใน หน่วยความจำ (In-memory Computing) การประมวลในระบบฐานข้อมูล (In-database Computing) ซึ่งไม่เหมือนกันเลย แต่มีสิ่งหนึ่งที่ทุกผู้ผลิตมีเหมือนกันคือ สนับสนุนการต่อเชื่อมกับ Hadoop เพื่อให้สามารถนำข้อมูลจาก Hadoop เข้ามาประมวลในขั้นต่อไปในผลิตภัณฑ์ฐานข้อมูลของตนเองได้ ตัวอย่างผลิตภัณฑ์ในกลุ่มนี้ได้แก่ Aster Data (Teradata), Exadata (Oracle), Greenplum (EMC) Netezza (IBM), Vertica (HP) เป็นต้น

นอกจากนี้ยังมีเทคโนโลยีการบริหารจัดการ Big Data ในลักษณะ Cloud Computing   ซึ่งอยู่ในรูปแบบการเช่าใช้บริการ ซึ่งมีความยืดหยุ่นสูง โดยสามารถเลือกใช้บริการตามความต้องการที่เหมาะสมภายใต้งบประมาณที่มีอยู่อย่างจำกัดได้ จึงเป็นทางเลือกที่ดีสำหรับธุรกิจขนาดกลางและขนาดย่อม (SMEs) เนื่องจากองค์กรธุรกิจผู้ใช้บริการไม่จำเป็นต้องเสียเงินก้อนโตในการติดตั้งระบบคอมพิวเตอร์ ซอฟท์แวร์หรือโซลูชั่นต่างๆ เองทั้งระบบ

เพิ่มศักยภาพองค์กรไปกับเครือข่าย Big Data

โดยสรุปการบริหารจัดการ “Big Data” ไม่ได้มีความซับซ้อนไปกว่า ข้อมูลที่ผ่านการวิเคราะห์เชิงสถิติ (Data Analytics) และแสดงผลในรูปแบบต่างๆ (Data Visualization) ที่ง่ายต่อการเข้าใจ โดยการนำข้อมูลปริมาณมากมาผ่านการประมวลผล การวิเคราะห์ และแสดงผลด้วยวิธีที่เหมาะสม  ดังนั้นองค์กรธุรกิจควรใช้เทคโนโลยีสมัยใหม่ที่จะสามารถช่วยผลักดันศักยภาพข้อมูลที่องค์กรมีอยู่  โดยการผสานรวมไอทีเข้ากับธุรกิจให้มากขึ้น  เพื่อสามารถส่งต่อข้อมูลธุรกิจที่สำคัญ และข้อมูลเชิงลึกให้กับฝ่ายอื่นๆ ที่เกี่ยวข้อง  ผลักดันให้เกิดนวัตกรรมทางธุรกิจและการสร้างรายได้ที่เพิ่มขึ้น   จากผลสำรวจที่ได้รับการตีพิมพ์ใน Economist Intelligence Unit เรื่อง The Hype and the Hope : The Road to Big Data Adoption in Asia Pacific  ได้ระบุว่า  กลุ่มธุรกิจที่ตระหนักว่า Big Data ช่วยให้เข้าใจความต้องการของลูกค้าได้อย่างมาก ได้แก่ ธุรกิจโทรคมนาคม (67%)  สินค้าอุปโภคบริโภค (57%) และบริการทางการเงิน (52%)

สรุป
สำหรับธุรกิจที่อยากนำระบบนี้ไปใช้ ต้องเริ่มจากความชัดเจนของธุรกิจว่ามีวัตถุประสงค์อย่างไร เช่น ต้องการสร้างการรับรู้ หรืออยากได้ insight เป็นต้น เมื่อได้เป้าหมายที่ชัดเจนแล้ว ก็ต้องนำมาวางแผนการใช้สื่อให้ครอบคลุมทั้ง Paid media, Owned media และ Earned media หลังจากนั้นก็จะต้องแบ่งหน้าที่ของคนในองค์กรให้ชัดเจนว่าทีมที่ดูแลฟีดแบ็กในสื่อเหล่านั้นทำงานอย่างไร ใครเป็นผู้นำ มีการส่งต่อหน้าที่กันอย่างไร ที่สำคัญคือคนทำงานจะต้องมี Real time mindset ที่มี action กับกระแสต่างๆ อย่างรวดเร็ว
อ้างอิง
wikipedia.org

cyberthai.com

bigfish.co.th
catdatacom.com