Big Data คืออะไรมีอะไรบ้าง

ก่อนจะรู้จักกับ Big Data เราต้องเริ่มต้นจากการทำความเข้าใจว่า “Data” กับ “Big Data” แตกต่างกันอย่างไรก่อน ซึ่งในความเป็นจริงแล้ว ทั้งสองคำนี้ หมายถึง ข้อมูลที่ถูกนำมาใช้ประโยชน์ในแง่มุมต่าง ๆ เหมือนกัน เพียงแต่ข้อมูลที่ถูกเรียกว่า “Big Data” จะมีลักษณะพิเศษที่เพิ่มขึ้นมาจากข้อมูลโดยทั่วไป 

Big Data นั้น จริง ๆ มีที่มาจาก Data ธรรมดาทั่วไป แต่ถูกพัฒนาขึ้นจนเรียกว่า “Big Data” หลังจากที่โลกเข้าสู่การเปลี่ยนผ่านเป็นดิจิทัล (Digitalization) ที่มีข้อมูลที่สามารถเก็บรวบรวมได้เกิดขึ้นตลอดเวลา จนเกิดภาวะ “ข้อมูลทะลักล้น” เทคโนโลยีในอดีตและศักยภาพของมนุษย์ไม่สามารถประมวลผลมาใช้ประโยชน์ได้ 

จนเมื่อมีเทคโนโลยีอย่าง Machine Learning (ML) และ Artificial Intelligence (AI) มนุษย์จึงมีเครื่องมือในการประมวลผลข้อมูลปริมาณมหาศาลและเกิดขึ้นแบบเรียลไทม์ได้ โดย ML คือ เครื่องมือที่สามารถเรียนรู้ข้อมูลปริมาณมหาศาลและตัดสินใจด้วยตัวเอง ทำให้สามารถใช้ประโยชน์จากข้อมูลแบบเรียลไทม์ได้ ส่วน AI คือ เครื่องมือที่สามารถคิด ตัดสินใจ และลงมือใช้ประโยชน์จากข้อมูลที่อัปเดตเข้ามาอยู่ตลอดได้ทันที – เมื่อมีทั้งข้อมูลปริมาณมหาศาลและมนุษย์สามารถใช้ประโยชน์จากข้อมูลเหล่านั้นได้ ณ จุดนี้ จึงถือว่า “Big Data” ได้ถือกำเนิดขึ้นแล้วจริง ๆ

ในบทความนี้ เราจะมาทำความรู้จักเรื่องราวของ Big Data กันให้มากขึ้น ลักษณะของ Data กับ Big Data แตกต่างกันอย่างไร ประโยชน์ และตัวอย่างการใช้ Big Data มีอะไรบ้าง และถ้าธุรกิจของคุณต้องการทำ Big Data จะเริ่มต้นอย่างไร ทำความเข้าใจไปพร้อมกัน ด้านล่างนี้ 

สารบัญ

Big Data คืออะไร? แล้วแตกต่างจาก Data ปกติอย่างไร

Big Data หรือในภาษาไทย แปลไว้ว่า “ข้อมูลมหัต” หมายถึง ข้อมูลปริมาณมหาศาลที่สามารถเก็บและใช้เพื่อนำมาวิเคราะห์ ประมวลผล และใช้ประโยชน์ในแง่มุมต่าง ๆ ได้ ซึ่งข้อมูลมหัตจะมาจากหลากหลายแหล่งข้อมูลรวมกันแล้วนำมาประมวลผล รวมไปถึงมีการเก็บและใช้ข้อมูลแบบเรียลไทม์  “Big Data” จึงมีความผันผวนและเปลี่ยนแปลงได้เสมอ แตกต่างจากการใช้ “ข้อมูล” ธรรมดา

Big Data เกิดขึ้นจากการที่โลกสามารถเก็บข้อมูลได้แบบมหาศาล เพราะสามารถเกิด Data ขึ้นได้ทุกวินาทีบนโลกดิจิทัล อินเทอร์เน็ตและเทคโนโลยีต่าง ๆ ช่วยให้เราสามารถใช้ประโยชน์จากข้อมูลปริมาณมหาศาลได้ รวมถึง หารูปแบบข้อมูลที่เกิดขึ้น พฤติกรรม หรือการคาดการณ์แนวโน้มหรือเทรนด์ที่จะเกิดขึ้นก็ทำได้อย่างแม่นยำ 

ตัวอย่างการใช้ Big Data ที่ใกล้ตัวก็อย่าง เช่น การเสิร์ชข้อมูลบน Google มากถึง 6.3 ล้านครั้งต่อนาที หรือกว่า 8.4 หมื่นล้านครั้งต่อวัน การพยากรณ์อากาศที่อัปเดตข้อมูลสภาพอากาศแบบเรียลไทม์ การใช้บริการสตรีมมิ่งต่าง ๆ เช่น YouTube, Netflix, Spotify ที่สตรีมคอนเทนต์พร้อมกันกว่าล้านผู้ใช้งาน หรือการใช้งาน GPS  และ Mobile Map ที่อัปเดตข้อมูลการจราจรแบบเรียลไทม์ ก็เป็นส่วนหนึ่งของบริการที่เราใช้ในชีวิตประจำวันที่อาศัย Big Data เช่นเดียวกัน

คุณลักษณะ 5Vs ของ Big Data 

Big Data หรือข้อมูลมหัตแตกต่างจากข้อมูลธรรมดาทั่วไปจากลักษณะต่าง ๆ ที่ไม่ได้มีเพียงเรื่องของปริมาณและขนาดข้อมูลเท่านั้น โดยคุณลักษณะที่ทำให้เราเรียก Data ว่า Big Data ได้แก่

1. V – Volume มีปริมาณมาก

ข้อมูลมีปริมาณมหาศาลที่มนุษย์ไม่สามารถประมวลผลทำความเข้าใจได้ด้วยตัวเอง ซึ่งมีทั้งข้อมูลออฟไลน์และข้อมูลออนไลน์ มีปริมาณมากกว่าหน่วย TB (Terabyte) ขึ้นไป จำเป็นต้องใช้เครื่องมือหรือจักรกลเรียนรู้  (Machine Learning) ในการประมวลผล

2. V – Velocity มีการเปลี่ยนแปลงอย่างรวดเร็ว 

ข้อมูลที่เรียกว่า Big Data จะสามารถเปลี่ยนแปลงผันผวนได้ตลอดเวลา เพราะมีข้อมูลใหม่ ๆ เข้ามาอัปเดตอยู่ตลอดแบบเรียลไทม์ ทำให้การประมวลผลเพื่อหารูปแบบแบบ Manual ทำได้ยาก เนื่องจากข้อมูลชุดใหม่ ๆ ที่ถูกดึงเข้ามามีปริมาณมหาศาลและผันผวน

3. V – Variety หลากหลายประเภทหรือแหล่งที่มา

ข้อมูลมหัตมาจากข้อมูลหลากหลายประเภทและแหล่งที่มา ระบบหรือเครื่องมือจะใช้การประมวลผลรวมจากทั้งข้อมูลรูปภาพ ตัวอักษร สภาพอากาศ ข้อมูลเรียลไทม์ ข้อมูลในอดีต แหล่งข้อมูลอาจมาทั้งจากออฟไลน์ ออนไลน์ องค์กรหรือจากแหล่งข้อมูลเปิด (Open Data Source)

4. V – Veracity ยังไม่ผ่านการประมวลผล

Big Data เป็นข้อมูลที่ยังไม่สามารถใช้งานได้ทันที เพราะมีข้อมูลปริมาณมหาศาล จำเป็นต้องมีการจัดรูปแบบเพื่อทำความเข้าใจ ไม่ใช่ข้อมูลที่สามารถอ่านและใช้งานได้ทันที นอกจากจะผ่านกระบวนการประมวลผลมาแล้ว

5. V – Variability สามารถแปรผันได้ตลอด

ข้อมูล Big Data มีการเปลี่ยนแปลงอย่างรวดเร็วได้ตลอดเวลา เพราะรับข้อมูลจำนวนมหาศาลจากหลายแหล่งข้อมูลและมีการอัปเดตแบบเรียลไทม์ ทำให้รูปแบบของข้อมูลเปลี่ยนแปลงได้ตลอดเวลา

สรุปความแตกต่างของ Data และ Big Data 

จากลักษณะ 5Vs ของ Big Data ทำให้ข้อมูลมหัตกับข้อมูลโดยทั่วไป (Traditional Data) มีลักษณะที่แตกต่างกัน เปรียบเทียบได้ ดังนี้

Staticity vs  Fluctuation

ข้อมูลแบบทั่วไปจะมี “ความนิ่ง” มาจากการเก็บข้อมูลที่มาจากตัวแปรควบคุมหรือตัวแปรที่รู้อยู่แล้วว่ามีอะไรบ้าง ทำให้ข้อมูลแบบปกติไม่ค่อยมีความผันผวนและคาดเดาได้ง่ายกว่า แตกต่างจาก Big Data ที่มีการดึงข้อมูลจากหลากหลายแหล่ง หลากหลายรูปแบบ และอัปเดตข้อมูลแบบเรียลไทม์ทำให้มีความยืดหยุ่น

Real-time Analytics

Data โดยทั่วไปมักจะใช้ข้อมูลที่เกิดขึ้นในอดีตในการคำนวณหรือประมวลผล แตกต่างจาก Big Data ที่เป็นการวิเคราะห์ข้อมูลที่เกิดขึ้นทุกขณะ หรือ Real-time Analytics เช่น การพยากรณ์สภาพอากาศ หรือการทำงานของ Google Map ที่ดึงข้อมูลการจราจรแบบเรียลไทม์

Centralized Architecture vs Distributed Architecture 

ข้อมูลโดยทั่วไปจะมีโครงสร้างการเก็บและวิเคราะห์ข้อมูลแบบรวมศูนย์กลาง (Centralized Architecture) ยกตัวอย่างเช่น การเก็บข้อมูลผู้ป่วยของโรงพยาบาลในอดีตที่ไม่ได้มีการอัปเดตแบบเรียลไทม์ เก็บข้อมูลไว้โดยที่ไม่ได้แชร์ข้อมูลสุขภาพของผู้ป่วยกับโรงพยาบาลอื่นหรือแผนกอื่น ๆ ในองค์กร ทำให้แพทย์ต้องสอบถามประวัติผู้ป่วยใหม่ทุกครั้ง 

แตกต่างจาก Big Data ที่ใช้การจัดการข้อมูลแบบกระจาย (Distributed Architechture) ติดตามและแบ่งปันข้อมูลต่าง ๆ ประยุกต์ใช้ระบบ ERP (Enterprise Resource Planning System) ในการเชื่อมต่อข้อมูลระหว่างแผนก เช่น เมื่อมีการรักษาผู้ป่วย ระบบก็สามารถตัดอุปกรณ์เครื่องใช้ในคลังได้ มีการแชร์ข้อมูลผู้ป่วยให้แต่ละแผนก พร้อมอัปเดตได้ตลอดเวลา 

Multitude of Source

แหล่งที่มาของข้อมูลแบบทั่วไปมาจากข้อมูลเพียงแหล่งเดียวหรือในความดูแลของหน่วยงานเดียวตามโครงสร้างการจัดการข้อมูลแบบรวมศูนย์ แตกต่างจาก Big Data ที่ดึงข้อมูลจากหลากหลายแหล่งมาประมวลผลและใช้ประโยชน์จากข้อมูลร่วมกัน

ประโยชน์ของ Big Data กับการทำธุรกิจในปัจจุบัน

ในปัจจุบัน Big Data กลายเป็นองค์ประกอบสำคัญของความสำเร็จในการทำธุรกิจ ธุรกิจจำเป็นจะต้องใช้ข้อมูลในการทำความเข้าใจลูกค้า เข้าใจตลาด วิเคราะห์และประเมินสถานการณ์เพื่อคว้าโอกาสหรือสามารถคาดการณ์เทรนด์หรือแนวโน้มสิ่งที่กำลังจะเกิดขึ้น พร้อมรับมือกับความท้าทายที่กำลังเข้ามา

1. ธุรกิจใช้ Big Data เพื่อทำความเข้าใจลูกค้าและผู้บริโภค

Big Data มักถูกนำมาใช้เพื่อหาความต้องการ ปัญหา และทำความเข้าใจพฤติกรรมของลูกค้าและผู้บริโภคมากที่สุด เพราะเป็นข้อมูลตั้งต้นให้ธุรกิจนำไปต่อยอดเป็นโปรดักต์ นำไปปรับปรุงบริการ/สินค้า ออกแบบกลยุทธ์การตลาดและการสื่อสารที่ได้ผลกับพวกเขา 

ในปัจจุบัน ธุรกิจสามารถเข้าถึงแหล่งข้อมูลในการทำความเข้าใจผูบริโภคได้มากมาย ซึ่งสามารถแยกแหล่งข้อมูลเป็น 3 ประเภทหลัก ได้แก่

• First Party Data หมายถึง ข้อมูลที่ธุรกิจเก็บด้วยตัวเอง เช่น รายงานข้อมูลการขาย ข้อมูลของลูกค้าผ่านระบบสมาชิกหรือ CRM (Customer Relationship Management System) ข้อมูลจากคุกกี้ (Cookies) บนเว็บไซต์ หรือข้อมูลที่ได้จากแชท ฯลฯ รวมไปถึง ข้อมูลการมีส่วนร่วมบนโซเชียลมีเดียช่องทางต่าง ๆ  ซึ่งข้อมูลแบบนี้เป็นสิ่งที่ธุรกิจสามารถควบคุมได้ หากจัดการอย่างเป็นระบบ ก็จะได้ข้อมูลคุณภาพที่สามารถใช้ทำความเข้าใจลูกค้าได้อย่างดี 
• Second Party Data หมายถึง ข้อมูลที่มาจากแหล่งอื่น ซึ่งได้จากการที่ตกลงแลกเปลี่ยนหรือซื้อขายจากแหล่งข้อมูลอื่น (หรือ First Party Data ของคนอื่น) ส่วนมากธุรกิจจะต้องการข้อมูลชนิดนี้ เมื่อข้อมูลที่มีอยู่ไม่เพียงพอกับโจทย์ที่ต้องการตอบ เช่น ธุรกิจเครื่องสำอางต้องการทำความเข้าใจพฤติกรรมของคนที่ซื้อเครื่องสำอางผ่านเว็บอีคอมเมิร์ซ (E-commerce) จึงติดต่อขอซื้อข้อมูลเพื่อหา Consumer Insight ในมุมกว้าง 
• Third Party Data หมายถึง ข้อมูลจากแหล่งข้อมูลเปิดหรือจากบุคคลที่สาม ส่วนใหญ่แล้วเป็นแพลตฟอร์มหรือเครื่องมือที่รวมข้อมูลจากแหล่งต่าง ๆ มาไว้ก่อนแล้ว เช่น Facebook หรือ Google ก็ถือเป็นหนึ่งในตัวอย่าง Third Party Data ที่รวมข้อมูลด้านพฤติกรรมและความสนใจของผู้บริโภคส่วนใหญ่เอาไว้ โจทย์ของการใช้ข้อมูลชุดนี้ คือ การกรองและจัดการเพื่อนำมาใช้ เพราะข้อมูลจะมีปริมาณมหาศาลและอาจไม่ได้อยู่ในรูปแบบที่พร้อมใช้งาน 

2. ธุรกิจใช้ Big Data เพื่อคาดการณ์เทรนด์หรือสิ่งที่กำลังจะเกิดขึ้น 

ธุรกิจใช้ Big Data คาดการณ์สิ่งที่จะเกิดขึ้นในอนาคต เทรนด์ ความนิยม/ความต้องการของผู้บริโภคในอนาคต ใช้สำหรับคาดการณ์พฤติกรรมของลูกค้า เพื่อคว้าโอกาสที่กำลังมาถึงหรือธุรกิจสามารถเตรียมรับมือกับความท้าทายที่เกิดขึ้น ยกตัวอย่างเช่น

บริษัทประกันและธนาคารใช้ Big Data เพื่อวิเคราะห์ความน่าเชื่อถือ (Credit) ของลูกค้าแต่ละราย หารูปแบบพฤติกรรมของลูกค้าแต่ละรายถึงแนวโน้มในการชำระหนี้หรือความเสี่ยงต่าง ๆ ที่ลูกค้าอาจเผชิญ เพื่อที่บริษัทประกันจะบริหารความเสี่ยงและสินทรัพย์ได้ 

หรือตัวอย่างการวิเคราะห์เทรนด์แบบเรียลไทม์ เช่น การวิเคราะห์อัตราการเติบโตของหุ้น ความนิยมของสินค้า หรือการใช้ปัญญาประดิษฐ์ (AI: Artificial Intelligence) วิเคราะห์หุ้นหรือราคาสินทรัพย์ เพราะดึงข้อมูลปริมาณมหาศาลมาวิเคราะห์ร่วมกับข้อมูลที่อัปเดตแบบเรียลไทม์

3. ธุรกิจใช้ Big Data เพื่อปรับปรุงการทำงานให้มีประสิทธิภาพมากขึ้น 

Big Data ไม่ได้ถูกนำมาใช้แค่ในการทำการตลาดเท่านั้น แต่ยังถูกนำมาใช้เพื่อวิเคราะห์กระบวนการทำงานเพื่อประสิทธิผลของการทำงาน อีกทั้ง ยังลดค่าใช้จ่ายให้ธุรกิจได้อีกด้วย 

ยกตัวอย่าง บริษัทขนส่งพัสดุเจ้าใหญ่ของโลก UPS ใช้ Big Data เข้ามาติดตามข้อมูลการขนส่ง เช่น ความเร็วที่รถขนส่งใช้ การเบรก และเส้นทางที่ใช้ เมื่อนำมาประมวลผลร่วมกับระบบ GPS และปรับเปลี่ยนเส้นทางในการขนส่งใหม่ ทำให้ UPS สามารถลดระยะทางการขนส่งได้ถึง 85 ล้านไมล์ต่อวันและประหยัดน้ำมันได้ 8 ล้านแกลลอน ซึ่งเมื่อคำนวณโดยคร่าว ทุก ๆ 1 ไมล์ ที่รถทุกคันร่นระยะลงได้ จะช่วยบริษัทประหยัดงบประมาณได้ถึง 30 ล้านดอลลาร์

4. ธุรกิจใช้ Big Data เพื่อมอบประสบการณ์ลูกค้าที่ดีขึ้น

Big Data สามารถนำมาใช้เพื่อสร้างประสบการณ์ลูกค้าที่ดีได้ โดยในปัจจุบันเราจะเห็นตัวอย่างการนำข้อมูลมาใช้ปรับปรุงประสบการณ์การใช้งานบนโลกดิจิทัลมากขึ้น เพราะสามารถเชื่อมต่อข้อมูลต่าง ๆ และใช้ประโยชน์ได้ทันที 

ยกตัวอย่างเช่น ระบบ Recommend Engine หรืออัลกอริทึมคัดสรรเพลง หนัง หรือคอนเทนต์ของ Netflix, Spotify, YouTube หรือโซเชียลมีเดีย การทำการตลาดแบบเฉพาะบุคคล (Personalized Marketing) ข้อมูลที่นำเสนอหรือสารที่ใช้พูดคุยถูกปรับเปลี่ยนให้เหมาะสมกับลูกค้าแต่ละรายชื่อและระดับการตัดสินใจ หรือระบบ Customer Support ที่ช่วยสร้างหมายหรือ Ticket ให้กับพนักงาน มีการคัดกรองลูกค้า และจัดประเภทให้อัตโนมัติ รวมถึงมี Chatbot ที่คอยให้ความช่วยเหลือในเบื้องต้น

ตัวอย่างการใช้ Big Data ในธุรกิจต่าง ๆ

เพื่อให้เห็นภาพของการใช้ Big Data มากขึ้น ลองมาดูตัวอย่างจากธุรกิจต่าง ๆ ที่ใช้ประโยชน์จาก Big Data ในแง่มุมที่แตกต่างกันสำหรับเป็นไอเดียการใช้งาน

Google

Google ถือเป็นตัวอย่างการใช้ Big Data ที่โดดเด่นและใกล้ตัวเรามากที่สุด เพราะในแต่ละวันอย่างน้อยต้องมีสักครั้งที่เราต้องพึ่งพาเครื่องมือของเขา ไม่ว่าจะเป็นการเสิร์ชหาข้อมูล การดูแผนที่ Google Map การดู YouTube 

การทำงานของ Google คือ การใช้ประโยชน์จาก Big Data ในทุกแง่มุม ตั้งแต่มีจักรกลในการตรวจสอบ (Crawling) เว็บไซต์​จัดทำข้อมูลดัชนี (Indexing) และประมวลผลจัดอันดับ (Ranking) เพื่อนำเสนอคอนเทนต์หรือเนื้อหาที่ผู้เสิร์ชอยากรู้ โดยผลลัพธ์ที่ผู้ใช้งานเห็น ไม่ได้มาจากคำค้น (Search Query) เท่านั้น แต่ยังมาจากข้อมูลพฤติกรรมการเสิร์ช ประวัติการค้นหา ประวัติการท่องเว็บ โลเคชั่นที่กำลังค้นหา ความชื่นชอบและความสนใจที่อัลกอริทึ่มของ Google เรียนรู้พฤติกรรมของเรา

นอกจากนี้ บริการของ Google ทั้ง Search, Map, YouTube ต่างใช้ประโยชน์จากข้อมูลเรียลไทม์ (Real-time Data) และข้อมูลโลเคชั่นที่เกิดขึ้น ณ ขณะนั้น ทำให้ผู้ใช้งานได้ประสบการณ์ที่ตรงกับบริบทและมีความเฉพาะตัว ยกตัวอย่างที่เห็นภาพง่าย ๆ คือ การนำเสนอสภาพการจราจร ความหนาแน่นของผู้คนตามสถานที่ต่าง ๆ ระบบนำทางบน Google Map 

McDonald’s

McDonald’s หนึ่งในบริษัทอาหารจานด่วนที่นำเทคโนโลยี Big Data เข้ามาใช้ในการทำงานและสร้างประสบการณ์ที่ดีขึ้นกว่าเดิมให้กับลูกค้า ผสมผสานการทำงานระหว่าง Big Data และ AI ถือเป็นอีกบริษัทที่ใช้การตลาดด้วยข้อมูล (Data-Driven Marketing) ในหลากหลายแง่มุม เช่น 

• ใช้ Big Data ที่ได้จากการเก็บข้อมูลสภาพอากาศ (Weather), การจราจร (Traffic), และช่วงเวลา (Time of a day) เพื่อนำเสนอเมนูแบบ Personalized ตามปัจจัยต่าง ๆ บนจอดิจิทัลของร้านแบบไดรฟ์ทรู (Drive-thru) 

• นำเสนอโปรโมชันและแนะนำเมนูตามรสนิยมของผู้ใช้งานแอปพลิเคชัน ซึ่งได้จากการติดตามและวิเคราะห์พฤติกรรมการสั่งของผู้ใช้งานแต่ละราย ช่วยให้ลูกค้าตัดสินใจเลือกเมนูได้เร็วขึ้นและร้านสามารถขายของได้มากขึ้น

• นำฐานข้อมูลทั้งหมด ทั้งพฤติกรรมการสั่งเมนูของลูกค้า ข้อมูลการขาย เพื่อออกแบบเมนูใหม่ ๆ หรือเปลี่ยนกลยุทธ์การขายและการทำการตลาดที่ชวนให้คนเข้าร้านอยู่ตลอด 

Pepsi

Pepsi จำเป็นต้องใช้ Big Data และข้อมูลจากร้านค้ารายย่อยจำนวนมหาศาลเพื่อทำความเข้าใจห่วงโซ่อุปทานหรือห่วงโซ่การจำหน่ายสินค้าของบริษัท เพื่อให้มั่นใจได้ว่า ร้านค้าตัวแทนจำหน่ายจะมีสินค้าของ Pepsi เพียงพอที่จะขายให้กับลูกค้าที่เป็นผู้บริโภค

Pepsi ใช้ข้อมูลจากเครื่องคิดเงินระบบ POS และระบบคลังสินค้า (Warehouse & Inventory) ของร้านตัวแทนจำหน่ายเพื่อทำความเข้าใจว่า สินค้าตัวใด ขนาดและปริมาณไหนที่ขายดี ขายได้เท่าไร เพื่อวางแผนการขนส่งสินค้าในแต่ละภูมิภาคให้เพียงพอจัดจำหน่าย รวมไปถึงวางแผนการผลิตที่พอเหมาะพอดีกับความต้องการ ถือได้ว่า Big Data คือ เคล็ดลับของการขนส่งและจัดการกับห่วงโซ่อุปทาน (Supply Chain) อย่างมีประสิทธิภาพของ Pepsi

American Express

American Express บริษัทการเงินที่ให้บริการบัตรชำระเงินหรือบัตรเครดิต ใช้ Big Data มาวิเคราะห์และคาดการณ์สถานการณ์การเงินของโลก รวมไปถึงใช้วิเคราะห์หารูปแบบพฤติกรรมการใช้เงินของสมาชิกแต่ละราย จากการบันทึกประวัติการทำธุรกรรมพร้อมตัวแปรมากกว่าร้อยปัจจัย ทำให้บริษัทสามารถคาดการณ์แนวโน้มที่ลูกค้าจะเปลี่ยนใจไปใช้บริการกับเจ้าอื่น บริการที่เขาน่าจะกำลังสนใจ หรือประเมินความน่าเชื่อถือในการชำระหนี้ 

นอกจากนี้ American Express ยังใช้ Big Data และ AI ในการช่วยตรวจจับธุรกรรมที่เป็นการทุจริตได้จากรูปแบบธุรกรรมที่น่าสนใจ ช่วยป้องกันการทุจริตให้กับลูกค้าที่ใช้บริการ American Express 

จะเริ่มต้นใช้ Big Data อย่างไรในธุรกิจให้เกิดประโยชน์สูงสุด

สำหรับธุรกิจที่เล็งเห็นประโยชน์ในการใช้ Big Data และอยากเริ่มต้นทำ Big Data ในองค์กรบ้าง เรามีคำแนะนำในการเริ่มต้นทำ 5 ขั้นตอนสำคัญด้วยกัน

1. กำหนดเป้าหมายและกลยุทธ์การจัดการ Big Data

เริ่มต้นจากการกำหนดเป้าหมายทางธุรกิจ (Business Objective) ก่อนว่า ในขณะนี้ธุรกิจต้องการอะไร เพิ่มยอดขาย ลดค่าใช้จ่าย เข้าใจลูกค้า หากลุ่มเป้าหมายใหม่ ฯลฯ จากนั้นจึงตั้งคำถามที่ต้องการตอบ กำหนดว่าต้องการใช้ข้อมูลอะไรบ้างและใช้เพื่ออะไร 

2. กำหนดแหล่งที่มาข้อมูล (Data Sources)

ตีโจทย์จากเป้าหมายและกลยุทธ์ที่วางไว้ออกมาว่า สิ่งที่ต้องการตอบหรือใช้นั้น ต้องการข้อมูลจากแหล่งข้อมูลใดบ้าง เช่น ข้อมูลยอดขาย ข้อมูลจากโซเชียลมีเดีย ข้อมูลพฤติกรรมลูกค้าบนเว็บไซต์ ข้อมูลเชิงบริบท (Contextual Data) ที่เกิดขึ้น ต้องดึงข้อมูลจากแหล่งไหน ข้อมูลจากแหล่งข้อมูลเปิดต่าง ๆ ข้อมูลจากร้านค้าตัวแทนจำหน่าย ข้อมูลจากภาครัฐ ข้อมูลการประสิทธิภาพจากสายผลิต ฯลฯ

3. นึกถึง Use Case ในการใช้งานข้อมูล

จากข้อมูลที่มีทั้งหมด ธุรกิจสามารถนำไปใช้ประโยชน์อะไรได้บ้าง และจะใช้อย่างไร พยายามนึกถึงกรณีใช้งานจริง (Use Case) โดยที่กรณีที่ใช้งาน ควรต้องสอดคล้องกับเป้าหมายทางธุรกิจและแหล่งที่มาข้อมูลที่กำหนดไว้ก่อนแล้ว เพื่อสอบทานดูอีกครั้งว่า ข้อมูลที่ใช้และวิธีที่จะใช้จัดการกับข้อมูลสามารถตอบจุดประสงค์ที่กำหนดไว้ได้หรือไม่ 

4. เลือกเทคโนโลยีจัดการ Big Data

Big Data Analytic Tool หรือเครื่องมือจัดการ Big Data อาจมีหลากหลายเครื่องมือด้วยกันหรือแยกระบบการทำงาน อย่างไรก็ตาม ธุรกิจควรมีเครื่องมือที่ช่วยทั้งติดตามและเก็บข้อมูล ดึงข้อมูล ประมวลผลและวิเคราะห์ รวมไปถึงการนำเสนอรายงานที่เข้าใจง่ายหรือจัดทำ Data Visualization ให้พร้อมสำหรับการใช้ประโยชน์ เครื่องมือจัดการกับ Big Data ที่ดี ควรทำงานร่วมกับเครื่องมืออื่น ๆ ได้ เช่น Marketing Technology และสามารถชี้ข้อมูลที่น่าสนใจ เปรียบเทียบข้อมูล นำเสนอรูปแบบของข้อมูลได้ทันที

5. ดำเนินการและตัดสินใจด้วย Big Data

การที่ธุรกิจวางแผนการใช้ Big Data อย่างเป็นระบบและเข้าใจ Use Case ในการใช้ข้อมูลเป็นอย่างดี จะนำไปสู่การวิเคราะห์และการตัดสินใจที่หนักแน่นจากการมีข้อมูลอยู่ในมือ (Data-Driven Decision) มากกว่าการใช้เพียงสัญชาตญาณเท่านั้น ธุรกิจก็จะมีความได้เปรียบในการทำธุรกิจมากขึ้น รู้จักลูกค้า และสามารถใช้ข้อมูลมาทำการตลาดทั้งการทำ Personlized Marketing, Marketing Automation, Contextual Marketing และประโยชน์ในด้านอื่น ๆ อีกมากมาย 

สรุป

Big Data เข้ามามีบทบาทในการดำเนินธุรกิจในหลากหลายด้านด้วยกัน ไม่ใช่เพียงการทำการตลาด แต่ข้อมูลปริมาณมหาศาลยังสามารถนำใช้ประโยชน์ได้อีกมากมาย เช่น การเพิ่มประสิทธิภาพการทำงาน การตรวจสอบธุรกรรมทุจริต การบริหารจัดการห่วงโซ่อุปทาน ฯลฯ 

อย่างไรก็ตาม จากลักษณะของ Big Data ที่มีข้อมูลปริมาณมหาศาลและมีความผันผวนอยู่ตลอดเวลา การจะใช้ประโยชน์จาก Big Data ได้ จึงจำเป็นต้องใช้เทคโนโลยีที่สามารถจัดการข้อมูลหรือทีมงานที่มีประสบการณ์ Wisesight มีทีม DATA CONSULTING ที่สามารถช่วยให้คำแนะนำและการจัดการข้อมูลแบบมืออาชีพให้กับธุรกิจของคุณได้ พร้อมกับบริการ RESEARCH สำหรับบริษัทที่ต้องการเริ่มต้นใช้ประโยชน์จากข้อมูล เช่น เอเจนซี แบรนด์สินค้า องค์กรภาครัฐ ฯลฯ ได้ทันที แม้ไม่มีทีม Data ในองค์กร

บิ๊กดาต้าหมายถึงอะไร

ข้อมูลขนาดใหญ่มีอะไรบ้าง

Big Data มีคุณลักษณะสําคัญ กี่อย่าง

Big Data ทำอะไรได้บ้าง