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
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
- 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
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
catdatacom.com
“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%)
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.thcatdatacom.com