ข้อ ใด ไม่ เกี่ยวข้องกับการจัดการข้อมูลขนาดใหญ่ Big Data

บทท่ี 1 การจัดการขอ้ มูลขนาดใหญ่ (Big Data)

ความนำ

การปฏิบัติงานตามหน่วยงานต่างๆโดยทั่วไปแล้วเป็นการจัดเก็บ
หรือบริหารจดั การข้อมูลขนาดเล็กจะมีเนือ้ ท่ีของข้อมูลไม่มากแต่ถ้าเป็น
หน่วยงานขนาดใหญ่เช่นธนาคารหน่วยงานราชการหน่วยงาน
รัฐวิสาหกิจหรือระบบการสื่อสารอื่นๆที่มีปริมาณจำนวนมากต้องมีการ
จัดเก็บและบริหารจัดการข้อมูลขนาดใหญ่มากจึงต้องมีการบริหาร
จดั การท่ีดีและมีความพร้อมท่จี ะจดั การกบั ขอ้ มูลขนาดใหญเ่ หลา่ น้นั

1. ความหมายของ Big Data

Big Data หมายถึง การนําข้อมูลจํานวนมหาศาลที่ ได้จากการ
ให้บริการมาวิเคราะห์ เพื่อหาโอกาสทางธุรกิจ ใช้ประกอบการตัดสินใจ
ในเรื่องสําคัญ ๆ ทั้งการพัฒนาด้านการขายและการตลาด การปรับปรุง
สนิ คา้ บริการให้ ตรงกับความต้องการของผบู้ รโิ ภคยคุ ใหม่ท่ีเปลี่ยนแปลง
อย่างรวดเร็ว รวมถึงภาคการผลิตที่นําข้อมูล Big Data ไปใช้ในการ
วิเคราะห์เพื่อเพิ่มผลิตภาพหรือค่าเฉลี่ยของประสิท ธิภาพการผลิต
(Productivity) ในกระบวนการ ผลิตและการดําเนนิ งาน

Big Data เป็นข้อมูลที่มีโครงสร้างชัดเจน (Structured Data) เช่น
ข้อมูลที่เก็บอยู่ในตารางข้อมูล 3 และฐานข้อมูลต่าง ๆ ปกติโดยทั่วไป
หรืออาจเป็นข้อมูลถึงมีโครงสร้าง (Semi-Structured Data) เช่น ล็อก
ไฟล์ (Log Files) หรือแม้กระทั่งข้อมูลที่ไม่มีโครงสร้าง (Unstructured
Data) เช่น ข้อมูลการโต้ตอบปฏิสัมพันธ์ผ่านสังคมเครือข่าย (Social
Network) เช่น เฟซบุ๊ก (Facebook) ทวิตเตอร์ (Twitter) ไลน์ (Line)
หรือไฟล์จําพวกมีเดีย (Media) และข้อมูลที่ใช้การเซนเซอร์ เช่น การ
ตรวจจับความเร็ว ฯลฯ ซึ่งอาจเป็นข้อมูลภายในองค์กรและภายนอก
ที่มาจากการติดต่อระหว่างองค์กร หรือจากทุกช่องทางการติดต่อกับ
ลกู คา้ แตท่ ้งั หมดนก้ี ็ยงั คงเป็นเพียงข้อมลู ดบิ ทีร่ อการนํามาประมวลและ
วิเคราะห์เพื่อนําผลที่ได้มาสร้างมูลค่าทางธุรกิจ ข้อมูลเหล่านี้อาจไม่ได้
อยู่ในรูปแบบที่องค์กรสามารถนําไปใช้ได้ทันที แต่อาจมีข้อมูลที่เป็น
ประโยชน์ต่อองคก์ รบางอยา่ งแฝงอยู่

2. องค์ประกอบทสี่ าํ คญั ของข้อมลู
องคป์ ระกอบของ Big Data จะประกอบด้วยสว่ นสําคัญตา่ ง ๆ ดังนี้

2.1 Device/Data Source (แหลง่ ทม่ี าของขอ้ มลู )
ซึ่งถือได้ว่าเป็นต้นน้ำเป็นแหล่งกําเนิดของข้อมูลอาจเป็นระบบ
โปรแกรมหรือจะเป็นมนุษย์ที่ทําให้เกิดข้อมูลขึ้นมา ทั้งนี้เมื่อได้ชื่อว่า
เป็น Big Data แลว้ ข้อมลู ตา่ ง ๆ มักจะมาจากแหล่งข้อมูลท่ีหลากหลาย
ซึ่งมีความยากลําบากในการจัดการโครงสร้างหรือจัดเตรียมให้ข้อมูลที่
นํามารวมกนั น้ันมีความพรอ้ มใช้ตอ่ ไป

2.2 Gateway (ช่องทางการเชื่อมโยงข้อมูล)
การเชื่อมโยงข้อมูลเป็นส่วนที่สําคัญมาก และเป็นปัญหาใหญ่ใน
การทํา Big Data Project ต้องอาศัยทักษะของ Data Engineer ทั้ง
การเขียนโปรแกรมเองและใช้เครื่องมือที่มีอยู่มากมาย ทั้งนี้การจะ
ออกแบบช่องทาง การเชื่อมโยงข้อมูลได้อย่างสมบูรณ์แบบจําเป็นต้อง
ทราบก่อนว่าจะนําข้อมูลใดไปทําอะไรต่อบ้าง มิเช่นนั้นการสร้างช่อง
ทางการเช่อื มทไี่ มม่ ีเป้าหมายกอ็ าจเปน็ การเสียเวลาโดยเปล่าประโยชน์

2.3 Storage (แหลง่ เก็บข้อมูล)
แหล่งเก็บข้อมูลนี้ไม่ใช่การเก็บข้อมูลจากแหล่งข้อมูลเพียงอย่าง
เดียว แตเ่ ปน็ การเก็บข้อมูลจากแหล่งขอ้ มูลหลาย ๆ แหล่ง เอามาไว้เพื่อ
รอการใช้งาน ซึ่งอาจจะเป็นที่พักข้อมูลให้พร้อมใช้ หรือจะเป็นแหล่ง
เก็บข้อมูลในอดีตกเ็ ปน็ ได้

2.4 Analytics (การวิเคราะห์ข้อมูล)
ส่วนนี้เป็นหน้าที่หลักของ Data Scientist ซึ่งแบ่งงานออกเป็น 2
ลักษณะ คือ การวิเคราะห์เบื้องต้น โดยการใช้วิธีทางสถิติหรือจะเป็น
การวิเคราะห์เชิงลึกโดยการสร้าง Model แบบต่าง ๆ รวมไปถึงการใช้
Machine Learning การเรียนรู้ของเครื่องจักร โดยเครื่องจักรในที่น้ี
หมายถึง Program Computer เพื่อให้ได้ผลลัพธ์เฉพาะเจาะจงในแต่
ละปญั หาและแตล่ ะชดุ ขอ้ มูล

2.5 Report/Action (การใชผ้ ลการวิเคราะหข์ อ้ มลู )

ผลลพั ธท์ ีไ่ ด้จากการวิเคราะห์สามารถนําไปใชง้ านได้ 2 รูปแบบ คอื
ออกเปน็ รายงาน เพอ่ื ให้ Data Analyst นําผลลัพธ์ท่ไี ด้ไปใช้กบั งานทาง
ธุรกิจต่อไป หรือจะเป็นการนําไปกระทําเลยโดยที่ไม่ต้องมี “มนุษย์”
คอยตรวจสอบ ซึ่งจําเป็นต้องมีการเขียนโปรแกรมเพิ่ม เพื่อให้มีการ
กระทาํ ออกไปทเี่ รียกว่า Artificial Intelligence : AI (ปัญญาประดษิ ฐ)์

3. ลักษณะทีส่ ําคญั ของ Big Data

Big Data มีคณุ ลักษณะสําคญั อยู่ 6 อยา่ ง คือ

3.1 ปริมาณ (Volume) หมายถึง ข้อมูลนั้นต้องมีขนาดใหญ่มาก
ซึ่งไม่สามารถประมวลผลปริมาณของข้อมูลด้วยระบบฐานข้อมูลได้
จําเป็นต้องใช้คลังข้อมูล (Data Warehouse) และซอฟต์แวร์ฮาดูป
(Hadoop) ทํางานประสานกนั ในการบรหิ ารจัดการข้อมูลปรมิ าณข้อมลู
ที่มากจึงเป็นปัจจัยที่มีความสําคัญ ในปริมาณข้อมูลมากมายมหาศาล
ส่วนที่จะต้องประมวลผลเป็นข้อมูลที่ไม่มีโครงสร้าง มีความหนาแน่น
ของข้อมูลต่ำ และข้อมูลพวกนี้อาจเป็นข้อมูลที่ไม่ทราบค่า เช่น ฟีด
ข้อมูลของเฟซบุ๊ก (Facebook) ทวิตเตอร์ (Twitter) ไลน์ (Line) การ
คลิกบนเว็บไซต์หรืออุปกรณ์แอปพลิเคชันต่าง ๆ หรืออุปกรณ์ที่มี
เซนเซอร์ บางองค์กรอาจมีข้อมูลให้ประมวลผลเป็นสิบ ๆ เทระไบต์
(Terabyte : TB) หรือบางองค์กร อาจมีเป็นหลายร้อยเพตะไบต์
(Petabyte : PB)

3.2 ความหลากหลาย (Variety) หมายถึง ความหลากหลายของ
ชนิดข้อมูล อาจเป็นข้อมูลที่มีโครงสร้าง ไม่มีโครงสร้าง และกึ่งมี
โครงสร้าง ตั้งแต่ของข้อมูลแบบดั้งเดิมไปจนถึงเอกสาร ข้อความ อีเมล
วิดีโอ เสียง ข้อมูลหุ้น และธุรกรรมทางการเงิน ซึ่งไม่ได้จํากัดเพียง
ข้อความ อเี มล รูปภาพ ฯลฯ เท่าน้นั ขอ้ มลู ในสมัยกอ่ นมักจะเป็นข้อมูล
ที่เป็นโครงสร้างและมีความพอดีกับฐานขอ้ มูลเชิงสมั พันธ์ ปจั จบุ นั ขอ้ มูล
มีขนาดใหญ่ขึ้นและเป็นข้อมูลแบบไม่มีโครงสร้างหรือกึ่งโครงสร้าง เช่น
ข้อมูลแบบตัวอักษร ข้อมูลภาพ ข้อมูลเสียง ซึ่งต้องการการประมวลผล
เพิ่มเติม เพื่อที่จะแปลความหมายและหารายละเอียด คําอธิบายของ
ข้อมลู (Meta Data)

3.3 ความเรว็ (Velocity) หมายถึง ขอ้ มลู ดงั กล่าวตอ้ งมอี ัตราการ
เพิ่มขึ้นอย่างรวดเร็ว เช่น ข้อมูล จากภาพถ่ายโทรศัพท์ท่ีถกู อปั โหลดขนึ้
ขอ้ มลู การพมิ พส์ นทนา ขอ้ มูลวดิ โี อ รวมไปถงึ ข้อมูลการส่งั ซ้อื สินค้า โดย
ข้อมูลทั้งหมดล้วนเป็นข้อมูลที่มีการเพิ่มขึ้นตลอดเวลาแบบไม่สิ้นสุด
เรยี กว่า เปน็ การประมวลผลแบบเรียลไทม์ (Real-Time) โดยการเติบโต
ของ Internet of Things ข้อมูลจะถูกส่งไปยังธุรกิจต่าง ๆ ด้วย
ความเร็วที่ไม่เคยมีมาก่อนและต้องได้รับการจัดการในเวลาที่เหมาะสม
แท็ก RFID เซนเซอร์ และ สมาร์ตมิเตอร์ช่วยผลักดันความต้องการใน
การจดั การกับกระแสข้อมลู เหลา่ นี้ในแบบเรยี ลไทม์

3.4 ความถูกต้อง (Veracity) เป็นข้อมูลที่มีความคลุมเครือ มี
ความไม่แน่นอน เนื่องจากข้อมูลมีความหลากหลายและมาจากแหล่ง
ต่าง ๆ เช่น เฟซบุ๊ก (Facebook) ทวิตเตอร์ (Twitter) และยูทูบ
(Youtube) ซึง่ เป็นสงิ่ ทส่ี ามารถควบคุมคุณภาพของข้อมูลได้ยาก ข้อมูล
ที่มีคุณภาพนั้นจะต้องถูกต้องแม่นยําและเชื่อถือได้ ถ้าข้อมูลไร้คุณภาพ
ก็จะส่งผลต่อการวิเคราะห์ต่อไป แต่จะทําให้ข้อมูลที่ยังไม่ได้คุณภาพน้ี
กลายเป็นข้อมูลที่ดีได้อย่างไร ขึ้นอยู่กับวิธีในการเก็บและกระบวนการ
ทาํ ความสะอาดขอ้ มูล (Data Cleansing)

3.5 คุณค่า (Value) หมายถึง ข้อมูลมีประโยชน์และมี
ความสัมพันธ์ในเชิงธุรกิจ ซึ่งอาจจะไม่ใช่ทุกข้อมูลที่จะมีประโยชน์ใน
การเก็บและวิเคราะห์ ข้อมูลที่มีประโยชน์จะต้องเกี่ยวข้องกับ
วัตถุประสงค์ทางธุรกิจ เช่น ถ้าต้องการเพิ่มขีดความสามารถในการ
แข่งขันในตลาดของผลิตภัณฑ์ที่ขาย ข้อมูลที่มีประโยชน์ที่สุดน่าจะเป็น
ข้อมูลผลิตภัณฑ์ของคู่แข่งขัน

3.6 ความแปรผันได้ (Variability) หมายถึง เป็นเรื่องความไม่
เข้ากันของข้อมูลที่สามารถเกิดขึ้นได้ ตลอดเวลา ซึ่งอาจจะก่อให้เกิด
ปัญหาได้ ดังนั้นจําเป็นต้องมีกระบวนการเพื่อดักจับ และแก้ไขให้
ทนั ทว่ งที

4. วิวัฒนาการของ Big Data

ถึงแม้ว่าแนวคิดเรื่องข้อมูลขนาดใหญ่หรือ Big Data จะเป็นเรื่อง
ใหม่และเริ่มทํากันในไม่ก่ีปมี านี้ แต่ต้นกําเนิดของชุดข้อมูลขนาดใหญ่ได้
มีการริเรม่ิ สรา้ งมาตั้งแต่ยคุ 60 และในยคุ 70 โลกของข้อมูลก็ได้ เรมิ่ ตน้
และได้พัฒนาศูนย์ข้อมูลแห่งแรกขึ้นและมีการพัฒนาฐานข้อมูลเชิง
สัมพันธข์ ึ้นมา

ประมาณปี ค.ศ. 2005 เริ่มมีการตระหนักถึงข้อมูลปริมาณมากที่
ผู้คนได้สร้างขึ้นมาผ่านสื่อออนไลน์ เช่น เฟซบุ๊ก (Facebook) ยูทูบ
(Youtube) และ สื่อสังคมออนไลน์แบบอื่น ๆ โดยมีโปรแกรมHadoop
ที่เป็นโอเพนซอรส์ เฟรมเวิรก์ ท่ีถกู สร้างขึ้นมาในชว่ งเวลาเดียวกัน ให้เป็น
ที่เก็บและวิเคราะห์ข้อมูลขนาดใหญ่ และในช่วงเวลา เดียวกัน NoSQL
เรมิ่ ข้ึนและได้รับความนิยมมากขนึ้

การพฒั นาโอเพนซอร์สเฟรมเวิร์ก เชน่ Hadoop (และเมอ่ื เรว็ ๆ น้ี
ก็มี Spark) มีความสําคัญต่อการเติบโตของข้อมูลขนาดใหญ่ เนื่องจาก
ทําให้ข้อมูลขนาดใหญ่ ทํางานได้ง่ายและประหยัดกว่า ในช่วงหลายปีท่ี
ผ่านมาปริมาณข้อมูลขนาดใหญไ่ ดเ้ พิ่มข้ึน อย่างรวดเร็ว ผู้คนยังคงสร้าง
ข้อมูลจาํ นวนมาก ซงึ่ ไมใ่ ชแ่ ค่มนุษยท์ ี่สร้างขนึ้ มา

พัฒนาการของ IoT (Internet of Things) ซึ่งเป็นเครื่องมือ
อุปกรณ์ที่เชื่อมต่อกับอินเทอร์เน็ตได้เก็บ และรวบรวมข้อมูลซึ่งอาจเปน็
เรื่องที่เกี่ยวกับพฤติกรรมการใช้งานของลูกค้า ประสิทธิภาพของสินค้า
หรือการเรยี นรขู้ องเครอื่ งจักร สง่ิ เหลา่ น้ีลว้ นทาํ ใหม้ ขี อ้ มูลขนาดใหญ่

แม้ว่ายุคของข้อมูลขนาดใหญ่ Big Data มาถึงและได้เริ่มต้นแล้ว
แต่ก็ยังเป็นเพียงช่วงแรก ๆ และระบบคลาวด์คอมพิวติง (Cloud
Computing) ก็ได้ขยายความเป็นไปได้มากขึ้น คลาวด์มีความสามารถ
ในการใชง้ านไดอ้ ย่างยืดหยนุ่

5. รูปแบบของข้อมูล Big Data

Big Data มรี ปู แบบของขอ้ มูล ดังนี้
5.1 ข้อมูลเชิงพฤติกรรม เช่น เซิร์ฟเวอร์ล็อก การคลิกเข้ามาดู

ขอ้ มูลทางเวบ็ ไซต์ การเข้ามาใช้ บัตร ATM ในการกดเงนิ
5.2 ข้อมลู ภาพและเสยี ง เช่น วิดีโอ รปู ภาพ เสยี งทถ่ี ูกบันทกึ ไว้
5.3 ข้อมูลข้อความ เช่น การส่งข้อมลู ทางขอ้ ความ
5.4 ข้อมูลที่ถูกบันทึกไว้ เช่น ข้อมูลทางการแพทย์ ข้อมูลที่ได้จาก

การสํารวจ ขอ้ มลู ทางภาษี
5.5 ข้อมูลเซนเซอร์ เช่น ข้อมูลทางภูมิศาสตร์ ข้อมูลอุณหภูมิ

ตา่ ง ๆ ข้อมลู การตรวจจับความเรว็

6. การจัดการข้อมูลขนาดใหญ่ (Big Data)

ก่อนที่ธุรกิจจะสามารถนํา Big Data มาใช้งานได้ ควรพิจารณาว่า
ข้อมูลจะไหลเวียนไปยังสถานที่แหล่งที่มา ระบบ เจ้าของ และผู้ใช้
จํานวนมากได้อย่างไร มีข้นั ตอนสําคญั ในการจัดการ “โครงสรา้ งขอ้ มูล”
ขนาดใหญ่นี้ ซึง่ รวมถึงข้อมูลแบบดั้งเดมิ ข้อมูลท่มี โี ครงสรา้ ง และข้อมูล
ทไ่ี ม่มโี ครงสรา้ งและก่งึ มโี ครงสร้าง ดังนี้

6.1 กาํ หนดกลยุทธ์เก่ยี วกับขอ้ มูลขนาดใหญ่
ในระดับสูง กลยุทธ์ข้อมูลขนาดใหญ่เป็นแผนที่ออกแบบมาเพ่ือ
ช่วยในการกํากับดูแลและปรับปรุงวิธีที่ได้รับ จัดเก็บ จัดการ แบ่งปัน
และใช้ข้อมูลภายในและภายนอกองค์กรเดียวกัน กลยุทธ์ข้อมูลขนาด
ใหญ่ช่วยสร้างหนทางไปสู่ความสําเร็จทางธุรกิจ ข้อมูลที่มีปริมาณ
จํานวนมาก เมื่อพัฒนากลยุทธ์ สิ่งสําคัญ คือ ต้องพิจารณาเป้าหมาย
ทางธุรกิจและเทคโนโลยีในปัจจุบันและอนาคต และโครงการริเริ่มการ
ปฏิบัติกับ ข้อมูลขนาดใหญ่มีความจําเป็น เช่น ทรัพย์สินทางธุรกิจที่มี
ค่าอนื่ ๆ แทนที่จะเปน็ เพียงผลพลอยได้ของแอปพลิเคชนั

6.2 รแู้ หล่งทมี่ าของขอ้ มูลขนาดใหญ่

กระแสข้อมูลมาจาก Internet of Things (IoT) และอุปกรณ์ที่
เชื่อมต่ออื่น ๆ ที่ไหลเข้าสู่ระบบไอทีจาก อุปกรณ์สวมใส่ รถยนต์
อัจฉริยะ อุปกรณ์ทางการแพทย์ อุปกรณ์อุตสาหกรรม และอื่น ๆ ซึ่ง
สามารถวิเคราะห์ข้อมูลขนาดใหญ่นี้ได้ รวมถึงตัดสินใจเลือกข้อมูลที่จะ
เกบ็ หรอื ไมเ่ กบ็ และข้อมลู ใดทต่ี ้องมีการวเิ คราะหเ์ พ่มิ เติม

ส่ือสงั คมออนไลน์

ข้อมูลเกิดจากการโต้ตอบบนเฟซบุ๊ก ( Facebook) ยูทูบ
(Youtube) Instagram (อินสตาแกรม) Line (ไลน์) ฯลฯ ซึ่งรวมถึง
ข้อมูลขนาดใหญ่จํานวนมากในรูปแบบของภาพ วิดีโอ คําพูด ข้อความ
และเสียง มีประโยชน์สําหรับฟังก์ชันการตลาด การขาย และการ
สนับสนุน ข้อมูลนี้มักจะอยู่ในรูปแบบที่ไม่มีโครงสร้างหรือกึ่งโครงสร้าง
ดังนั้นจึงเป็นความท้าทายในแบบเฉพาะสําหรับการบริโภคและการ
วเิ คราะห์

ขอ้ มลู ที่เปดิ เผยตอ่ สาธารณชน
มาจากแหล่งข้อมูลแบบเปิดขนาดใหญ่ เช่น data.gov ของรัฐบาล
สหรัฐ CIA World Factbook หรือพอร์ทัลข้อมูลแบบเปิดของสหภาพ
ยโุ รป

ข้อมูลขนาดใหญ่อน่ื ๆ
อาจมาจากพื้นที่เก็บข้อมูลส่วนกลาง แหล่งข้อมูลบนระบบคลาวด์
ซัพพลายเออร์ (Cloud Supplier) และลูกค้า

6.3 การเข้าถึง จดั การ และจัดเกบ็ ขอ้ มลู ขนาดใหญ่
ระบบคอมพิวเตอร์สมัยใหม่มีความเร็วและความยืดหยุ่นที่จําเป็น
ในการเข้าถึงข้อมูลจํานวนมาก และประเภทของข้อมูลขนาดใหญ่ได้
อย่างรวดเร็ว นอกเหนือจากการเข้าถึงที่เชื่อถือได้แล้ว บริษัทต่าง ๆ ยัง
ต้องมีวิธีในการรวมข้อมูล รับประกันคุณภาพของข้อมูล การจัดระเบียบ
ข้อมูลและการจัดเก็บและการเตรียมข้อมูลสําหรับการวิเคราะห์ข้อมูล
บางอย่างอาจถูกจัดเก็บในสถานที่ในคลังข้อมูลแบบด้งั เดิม

แต่ยังมีตัวเลือกที่ยืดหยุ่นและราคาประหยัดสําหรับการจัดเก็บและ
จัดการข้อมูลขนาดใหญ่ผ่านทางโซลูชันระบบคลาวด์ พื้นที่จัดเก็บข้อมูล
ส่วนกลางและ Hadoop ซึ่งเป็นซอฟต์แวร์ประเภท Open Source ท่ี
จัดทําขึ้นเพื่อเป็นแพลตฟอร์มในการจัดเก็บข้อมูล ซึ่งมีกรอบการทํางาน
เพื่อใช้ในการจัดเก็บข้อมูลและประมวลผลข้อมูลที่มีขนาดใหญ่มาก ๆ ท่ี
เรียกกันว่าBig Data ซึ่ง Hadoop สามารถปรับขยายยืดหยุ่นเพื่อรองรับ
ข้อมูลที่มจี ํานวนมากได้ ทั้งนก้ี ็เพราะมีกระบวนการประมวลผลที่แข็งแกร่ง
มาก ซึ่งเป็นผลมาจากการประมวลผลข้อมูลแบบกระจายผ่านเครื่อง
คอมพวิ เตอรท์ ่ีถูกจัดอยู่ในรปู แบบ Cluster อนั นาํ ไปส่คู วามสามารถในการ
รองรบั ขอ้ มลู ท่ไี มจ่ ํากัดและมคี วามน่าเชอ่ื ถือสงู อกี ด้วย

6.4 การวเิ คราะหข์ อ้ มลู ขนาดใหญ่

ด้วยเทคโนโลยีที่มีประสิทธิภาพสูง เช่น Grid Computing (การ
ประมวลผลแบบกริด) หรือการวิเคราะห์ในหน่วยความจําองค์กรต่าง ๆ
จึงสามารถเลือกที่จะใช้ข้อมูลขนาดใหญ่ทั้งหมด แล้วนํามาวิเคราะห์ได้
แต่ไม่ว่าจะใช้วิธีใดการวิเคราะห์ข้อมูลขนาดใหญ่เป็นวิธีที่บริษัทต่าง ๆ
ได้รับมูลค่าและข้อมูลเชิงลึกจากข้อมูลปัจจุบันซึ่งเป็นข้อมูลขนาดใหญ่
ป้อนข้อมูลเข้าสู่ระบบการวิเคราะห์ที่มีความก้าวหน้าที่สูงขึ้น เช่น
ปญั ญาประดษิ ฐ์

6.5 ตดั สนิ ใจอย่างชาญฉลาดและใช้ขอ้ มลู ชว่ ย

ข้อมูลที่ได้รับการจัดการและมีความน่าเชื่อถือนําไปสู่การวิเคราะห์
ทีน่ า่ เชือ่ ถอื และการตดั สินใจทน่ี า่ เชื่อถือ เพือ่ ให้สามารถแขง่ ขันได้ ธุรกิจ
ต่าง ๆ จําเป็นต้องได้รับประโยชน์สูงสุดจากข้อมูลขนาดใหญ่ และ
ดําเนินงานบนพืน้ ฐานข้อมูล ตัดสินใจบนพ้ืนฐานหลักฐานท่ีนําเสนอโดย
ข้อมลู ขนาดใหญ่และต้องมกี ารขบั เคล่อื นดว้ ยขอ้ มูลทีม่ ีประโยชน์ชดั เจน

7. การนํา Big Data ไปใชป้ ระโยชน์ในด้านต่าง ๆ

ในปัจจบุ ันน้ี มกี ารนํา Big Data มาใชใ้ นภาครฐั เพอ่ื แก้ปัญหาความ
เดือดร้อนและลดความเหลื่อมล้ำ โดยนําข้อมูลในระบบราชการจาก
หลายหน่วยงาน เช่น ข้อมูลสาธารณสุข ทะเบียนราษฎร์ ที่ตั้งของธุรกจิ
โรงพยาบาล สถานบําบัด สถานการณ์จ้างแรงงาน มาวิเคราะห์และ
โจทย์เชื่อมโยงกันเกิดเป็นข้อมูลขนาดใหญ่ Big Data ของภาครัฐ ผ่าน
กระบวนการวิเคราะห์เชื่อมโยงเพื่อตอบโจทย์การให้บริการของภาครัฐ
ตัวอย่างเช่น รัฐบาลต้องการช่วยเหลือผู้มีรายได้น้อย แต่แทนที่จะ
ช่วยเหลือโดยให้เงินอุดหนุนท่ีเท่า ๆ กันแบบปูพรมทัง้ ประเทศ กน็ ํา Big
Data ซึ่งเป็นข้อมูลจากแหล่งต่าง ๆ มาใช้ชี้จําเพาะว่าบุคคลใดที่ถือว่ามี
รายได้น้อย พร้อมทั้งกําหนดระดับและลักษณะความช่วยเหลือท่ี
แตกต่างกัน เช่น ผู้มีรายได้น้อยที่สูงอายุเป็นผู้พิการอยู่กับบ้านให้
ลูกหลานดูแล รัฐอาจช่วยโดยสนับสนุนขาเทียมให้คูปองเข้ารับการทํา
กายภาพบาํ บัดพร้อมทงั้ เลอื กอาชพี ทีเ่ หมาะสมกบั กายภาพของผ้สู งู อายุ

การฝึกอาชีพเพื่อเพิ่มรายได้ให้กับผู้มีรายได้น้อยพร้อมทั้งจับคู่กับ
แหล่งงานที่อยู่ใกล้เคียงกับที่พักอาศัย อีกทั้งยังติดตามและเสนอโอกาส
ฝึกอาชีพใหม่ ๆ เพิ่มเติม เพื่อให้มีรายได้ที่สูงข้ึนและพัฒนาคณุ ภาพชวี ติ
ให้ดีขึ้น ซึ่งถ้าวิเคราะห์ดูจะเห็นว่าข้อมูลจํานวนมากเกิดการบูรณาการ
และวิเคราะห์ เพื่อใช้สําหรับการตัดสินใจในการให้บริการของภาครัฐได้
ตรงกลุ่มเป้าหมาย โดยในปัจจุบันนี้จะเห็นได้จากการใช้บัตรประชาชน
เพยี งบัตรเดียวก็สามารถเข้าถึงบรกิ ารภาครัฐได้มากขนึ้

Big Data สําหรับภาคเอกชนที่นํามาใช้ประโยชน์ เช่น เว็บไซต์อี-
คอมเมิร์ซท่ีจัดเก็บข้อมูลพฤตกิ รรมการซือ้ สนิ ค้าของลูกค้าอยา่ งต่อเนื่อง
และมีระบบที่ทําหน้าที่คัดเลือกสินค้าอื่น ๆ ที่คาดว่าลูกค้าจะต้องการ
เพิ่มเติม แล้วนําเสนอขึ้นมาให้โดยอัตโนมัติบนหน้าเว็บไซต์อี-คอมเมิร์ซ
ของลูกค้ารายนั้น ๆ ทั้งนี้ ลูกค้าแต่ละคนไม่จําเป็นต้องนําเสนอสินค้า
เดียวกัน จากการสังเกตพฤติกรรมการซ้ือสินค้าพบว่าภาคเอกชนจะมี
การเก็บข้อมูล ชื่อ ที่อยู่ เพศ เชื้อชาติ อายุ ประวัติการซื้อสินค้า ชนิด
สินค้า เวลาที่ซื้อ มูลค่าสินค้า นํามาวิเคราะห์จับคู่กับสินค้าอื่นที่มี
ศักยภาพ ทั้งนี้เงื่อนไขหรือสูตรการจับคู่อาจแตกต่างกันไปตามกลุ่ม
ลกู ค้าหรอื ประชากรในแตล่ ะประเทศหรอื ตามกลมุ่ สงั คมหรือวฒั นธรรม

นอกจากนั้นภาคเอกชนได้นําข้อมูล Big Data มาใช้ประโยชน์เพ่ือ
ยกระดับธุรกิจด้วยการพัฒนาเทคโนโลยีแช็ต บอต (Chatbot) ที่
สามารถรับมือกับความต้องการข้อมูลของลูกค้าที่ติดต่อเข้ามาจํานวน
มากผ่าน Messaging Application ได้อย่างมีประสทิ ธิภาพ รวดเร็ว ฉับ
ไว พร้อมให้บริการตลอด 24 ชั่วโมงและนี่คือจุดเปลี่ยนสําคัญของการ
ใหบ้ รกิ ารที่จะเข้ามาใช้งานแทนคน (Agent)

แม้ว่าเรื่องราวของ Big Data จะมีความซับซ้อนหรือมีอุปสรรค
ตา่ ง ๆ ไม่ว่าจะเปน็ อปุ สรรคในระหว่างการนําไปประยกุ ตใ์ ชง้ านไปจนถึง
การปรับกระบวนการทํางานใหม่ เพื่อให้เอื้อต่อการจัดเก็บข้อมูล จึง
จําเป็นที่จะต้องปรับนโยบายรัฐหรือเอกชนให้สอดคล้องกับการทํา Big
Data ด้วยเปน็ อย่างมาก

8. กระบวนการจาก Big Data ส่คู วามสัมพนั ธ์ของข้อมูล
กระบวนการจาก Big Data สคู่ วามสมั พันธ์ของขอ้ มูล มดี ังน้ี
8.1 Storage : การรวบรวมข้อมลู มาจัดเกบ็
การรวบรวมข้อมูลจากแหล่งต่าง ๆ ทั้งข้อมูลที่มีคุณภาพ ข้อมูลที่
คาดว่าจะมปี ระโยชน์ไม่ครบถว้ น ขอ้ มูลรปู ภาพ วดิ โี อ ไฟลเ์ สยี งทง้ั หลาย
ถูกส่งมาจดั เก็บท่ีถงั ข้อมูล

8.2 Processing : การประมวลผล
เมื่อข้อมูลต่าง ๆ ถูกนํามารวมกันไว้ในที่เดียวแล้ว จะถูกนําไปจัด
หมวดหมู่ข้อมูลที่มีความเกี่ยวข้องสัมพันธ์กัน ให้ผลคล้ายคลึงกัน แล้ว
นํามาเปลี่ยนเป็นรูปแบบข้อมูลเพื่อนําเข้าระบบคลังข้อมูลที่ผ่านการ
ประมวลผลแลว้

8.3 Analyst : การวเิ คราะหแ์ ละนําเสนอ

จากนั้นข้อมูลมากมายทั้งหมดที่ถูกจัดเรียงแล้วในหลายมิติจะถูก
นํามาวิเคราะห์หารูปแบบของข้อมูลที่มองไม่เห็นด้วยตาเปล่า เช่น หา
รูปแบบความสัมพันธ์ที่ซ่อนอยู่ หาแนวโน้มการตลาด แนวโน้ม
ความชอบของลูกคา้ และข้อมูลอ่ืน ๆ ทเี่ ปน็ ประโยชน์ทางธรุ กจิ และถูก
นําเสนอออกมาในรูปแบบทีเ่ ข้าใจงา่ ยผา่ นทางสถติ ิ กราฟ หรือรูปภาพ

9. วิธกี ารจดั ทํา Big Data
9.1 ต้ังเป้าหมายถึงส่ิงเล็กไวก้ ่อน
ในช่วงเริ่มต้นไม่จําเป็นต้องตั้งเป้าหมายใหญ่ที่สุด แต่การ
ตั้งเป้าหมายเล็ก ๆ ไว้ก่อนเพื่อที่จะได้ ดูว่าตนเองต้องการที่จะรู้เรื่อง
อะไร เพื่อแก้ปัญหาสิ่งใด

9.2 วางแผนรวบรวมขอ้ มูลจากแหลง่ ท่ีมอี ยู่
ข้อมูลที่ได้จากกิจกรรมที่เกิดขึ้นทั้งหน้าร้านหลังร้านมีอะไรบ้าง ให้
วางแผนการรวบรวมข้อมูล นอกจากนั้นการรู้จักหาข้อมูลจากแหล่งอื่น
บนสื่อสังคมออนไลน์ เช่น แนวโน้มความนิยมจาก Google Trends
หรือการใช้ Keyword ที่เกี่ยวข้องกับธรุ กิจของตนเพ่ือดวู ่าผู้คนพูดถึงส่ิง
ที่ต้องการดว้ ยคําว่าอะไรบา้ ง

9.3 จบั ตาความเคลอ่ื นไหวและเข้าใจแหล่งท่ีมาของข้อมูล
ใช้สื่อสังคมออนไลน์ที่มีอยู่ให้เกิดประโยชน์ เรียนรู้สิ่งที่เกิดขึ้น
รอบตัวทั้งลูกค้าคู่แข่งขันหรือประเด็นที่คนส่วนใหญ่กําลังพูดถึงส่ิง
เหลา่ น้นั วา่ เป็นอยา่ งไร เก่ียวข้องหรือไม่อยา่ งไรกบั ธุรกิจของตน

9.4 ฝึกหาความสมั พันธข์ องข้อมูล
นําข้อมูลทางตรงและทางอ้อมมาลองหาความสัมพันธ์ที่อาจเกิด
ขึ้นกับธุรกจิ ยิ่งเริ่มเร็วไดเ้ ท่าไรยิ่งดี ในแต่ละขั้นตอนของการดําเนินงาน
มีส่วนใดที่หากปรับการทํางานแล้วจะได้ข้อมูลที่คิดว่าต้องการอย่าง
แท้จรงิ

9.5 จําลองขอ้ มลู ข้ึนมา
เพื่อให้เข้าใจข้อมูลที่มีอยู่ให้มากยิ่งขึ้น และเห็นภาพรวมว่าจะนํา
ข้อมลู ไปใช้ในแนวทางใด ระหว่างน้นั กค็ อ่ ย ๆ พฒั นาไปเรือ่ ย ๆ

9.6 แยกผลลพั ธ์และข้อมูลรบกวนออกจากขอ้ มูลขนาดใหญ่
เมื่อได้ผลลัพธ์แล้วให้ลองแยกข้อมูลส่วนเกินออกจากข้อมูลส่วน
ใหญ่ แล้วสนใจเพียงแค่ข้อมูลเชิงลึกที่นําไปใช้ต่อได้จริง ทดลองนํา
ข้อมูลเชิงลึกที่ได้เข้าไปใช้งานในกระบวนการทําธุรกิจ ถ้าไม่มีผลลัพธ์
อะไรเกิดขึ้นให้เลิกสนใจข้อมูลส่วนนี้แล้วตั้งเป้าหมายและวางใหม่อีก
คร้ัง

10. ตวั อย่างการนํา Big Data ไปใช้

ข้อมูลขนาดใหญ่หรือ Big Data ช่วยให้สามารถจัดการงานทาง
ธุรกิจได้อย่างมีประสิทธิภาพตั้งแต่การเก็บข้อมูลของลูกค้าเพื่อสร้าง
ประสบการณ์ที่ดีให้กับลูกค้า ต่อไปนี้เป็นตัวอย่างเพียงส่วนหนึ่งของ
การใช้ข้อมลู Big Data

10.1 การพัฒนาผลติ ภณั ฑ์

บริษัท Netflix และ บริษัท Procter & Gamble ได้ใช้ข้อมูล Big
Data ช่วยในการคาดการณค์ วามตอ้ งการของลูกค้า โดยการสร้างโมเดล
เชิงคาดการณ์สําหรับผลิตภัณฑ์และบริการใหม่ ๆ โดยการจําแนก
คุณลักษณะที่สําคัญของผลิตภัณฑ์หรือบริการในอดีตและปัจจุบัน แล้ว
ส ร ้ า ง แ บ บ จ ํ า ล อ ง ค ว า ม ส ั ม พ ั น ธ ์ ร ะ ห ว ่ า ง คุ ณ ล ั ก ษ ณ ะ เ ห ล ่ า น ี ้ กั บ
ความสําเร็จในเชิงพาณิชย์ของข้อเสนอ นอกจากนี้บริษัท P&G ยังใช้
ข้อมูลของสื่อสังคมออนไลน์ในการวิเคราะห์การทดสอบตลาดและ
เปดิ ตวั สินคา้ ในช่วงตน้ เพ่อื วางแผนการผลติ และเปิดตัวสินคา้ ใหม่

10.2 การคาดการณเ์ พอ่ื การบาํ รงุ รกั ษาเคร่ืองจักร

ปัจจัยที่ใช้ทํานายการชํารุดของเครื่องจักรนี้ มาจากข้อมูลทั้งที่เป็น
แบบมีโครงสร้าง เช่น วัน เดือน ปี ที่ผลิต รุ่นและข้อมูลที่ไม่มีโครงสร้าง
เช่น ข้อมูลจากเซนเซอร์ต่าง ๆ เช่น อุณหภูมิของ เครื่องยนต์ การ
ทํางานผดิ ปกตขิ องเครือ่ งจักร ซง่ึ ข้อมลู เหล่านจ้ี ะตอ้ งได้รบั การวิเคราะห์
ก่อนที่จะเกิดปัญหาการวิเคราะห์ข้อมูลเหล่านี้ เพื่อกําหนดตารางซ่อม
บํารุง ประหยดั งบการซ่อมบํารุง และรวมไปถงึ การเก็บสะสมอะไหล่ต่าง
ๆ เพือ่ ใหก้ ารซ่อมบํารงุ มีประสิทธิภาพทนั เวลาและประหยัดงบประมาณ

10.3 สร้างประสบการณท์ ดี่ ีให้กบั ลูกคา้

ในสภาวะการแข่งขันทางการค้าในปจั จุบนั การเสนอประสบการณ์
และข้อเสนอที่ดีที่สุดและตรงใจตอ่ ลูกค้าที่สดุ ก็จะเป็นผู้ได้เปรียบในการ
แข่งขัน ข้อมูลขนาดใหญ่หรือ Big Data ช่วยให้ธุรกิจรวบรวมข้อมลู จาก
สอ่ื สังคมออนไลน์ ผเู้ ข้าชมเว็บไซต์ ผู้เข้าใช้แอปพลเิ คชัน ข้อมลู การตอบ
โต้ทางโทรศัพท์ ข้อมูลการสนทนา ผ่านสื่อต่าง ๆ เพื่อช่วยให้ปรับปรุง
การสื่อสารกับลูกค้าและเพิ่มมูลค่าให้ได้มากที่สุดด้วยการส่งข้อเสนอสดุ
พิเศษให้ตรงใจกับลูกค้า และยังช่วยแก้ปัญหาที่เกิดกับลูกค้าเป็นการ
แกป้ ัญหาเชิงรกุ ไดอ้ ยา่ งมปี ระสิทธิภาพ

10.4 การตรวจสอบการโกงและการปฏิบัตติ ามกฎระเบยี บ
การโกงในระบบเครือข่ายอินเทอร์เน็ตไม่ได้มีเฉพาะจากแฮ็กเกอร์
เท่านั้น แต่จะต้องเผชิญกับผู้เชีย่ วชาญในหลาย ๆ รูปแบบ ในระบบการ
รักษาความปลอดภัยสมัยใหม่นี้ได้มีการพัฒนาอย่างไม่หยุดนิ่ง การใช้
ข้อมูลขนาดใหญ่สามารถทําให้ระบุรูปแบบของข้อมูลที่เข้ามาในรูปที่มิ
ชอบและไมถ่ ูกตอ้ งตามข้อกาํ หนดเองได้

10.5 การเรยี นรู้ของเครอื่ งจักร (Machine Learning)
การเรียนรู้ของเครื่องจักร หรือ Machine Learning กําลังเป็นที่
นิยมอยู่ในขณะนี้ ข้อมูลโดยเฉพาะอย่างยิ่งข้อมูลขนาดใหญ่เป็นเหตุผล
ที่มนุษย์สามารถสอนเครื่องจักรได้ การมีข้อมูลขนาดใหญ่ทําให้ง่ายใน
การเตรียมขอ้ มูลในการสอนเครอ่ื งจักร ใหส้ ามารถเรยี นร้ไู ด้

10.6 ประสทิ ธิภาพในการปฏิบตั ิงาน

โดยปกติประสิทธิภาพในการปฏิบัติงานจะไม่สามารถทราบว่าการ
ดําเนินงานนั้นมีประสิทธิภาพเพียงใด แต่ในพื้นที่ที่มีข้อมูลขนาดใหญ่
ด้วยข้อมูลขนาดใหญ่นี้ทําให้สามารถวิเคราะห์และเข้าถึงการผลิต หรือ
การปฏิบัติงานได้ การตอบรับของลูกค้า รวมถึงปัจจัยอื่น ๆ ที่จะทําให้
ธุรกิจหยุดชะงักหรือขัดข้องได้ และสามารถคาดการณ์ความต้องการ
ล่วงหน้าด้วยการวิเคราะห์ข้อมูลขนาดใหญ่ ข้อมูลขนาดใหญ่หรือ Big
Data นี้ยังสามารถใช้เพื่อปรับปรุงการตัดสินใจให้สอดคล้องกับความ
ต้องการของตลาดในปจั จุบนั ได้อกี ด้วย

10.7 การขับเคลอื่ นในการสร้างสรรคส์ ง่ิ ใหม่ ๆ

ข้อมูลขนาดใหญ่สามารถช่วยในการสร้างสรรค์สิ่งใหม่ ๆ ได้ โดย
การศึกษาความสัมพันธ์ระหว่างบุคคล สถาบัน หน่วยงาน องค์กรและ
กระบวนการ และดําเนินการกําหนดวิธีการใหม่ในการใช้ข้อมูลเชิงลึก
เหล่านั้น โดยใช้ข้อมูลเชิงลึกเพื่อปรับปรุงการตัดสินใจเกี่ยวกับการ
พิจารณาเรื่องการเงิน วางแผน และพิจารณาแผนงาน ตรวจสอบ
แนวโนม้ และส่งิ ทลี่ ูกคา้ ต้องการ นําเสนอผลิตภณั ฑแ์ ละบรกิ ารใหม่ ๆ ใช้
การกําหนดราคาแบบไดนามกิ ที่มคี วามเปน็ ไปไดไ้ ม่มที ส่ี ้ินสุด

11. ตัวอย่างแบรนด์ต่าง ๆ ที่ใช้ Big Data ในการวิเคราะห์

ข้อมลู

แบรนดต์ า่ ง ๆ ท่ใี ช้ Big Data ในการวิเคราะห์ขอ้ มลู มหี ลายรูปแบบ
ดงั น้ี

11.1 การใช้ข้อมูลในการดึงดูดและรักษาลูกค้า ลูกค้า คือ
ทรัพย์สินที่สําคัญที่สุดที่ต้องใส่ใจ ไม่มีธุรกิจใดที่สามารถประสบ
ความสําเร็จได้โดยปราศจากการสร้างฐานลูกค้าท่ีแข็งแรง อยา่ งไรก็ตาม
ต่อให้มีฐานลูกค้าที่แข็งแรง แต่หากละเลยที่จะศึกษาว่าจริง ๆ แล้ว
ลูกค้าต้องการสิ่งใด นําเสนอแต่สิ่งที่ “ลูกค้า ไม่ต้องการ” ในที่สุดก็จะ
ทาํ ให้สูญเสียลกู ค้าไป และสง่ิ นจี้ ะเป็นอปุ สรรคต่อเสน้ ทางสู่ความสําเรจ็

การใช้ Big Data ช่วยให้ธุรกิจสามารถสังเกตรูปแบบและแนวโน้ม
ของลูกค้าได้มากยิ่งขึ้น ผ่านการรวบรวมข้อมูลของลูกค้าทั้งหมดท่ี
ต้องการได้อย่างง่ายดาย ซึ่งหมายความว่าเป็นเรื่องที่ง่ายขึ้นที่จะเข้าใจ
ลูกค้าในยุคดิจิทัล ด้วยกลไกการวิเคราะห์ข้อมูลและการสังเกต
พฤติกรรมของลูกค้าจะทําให้ธุรกิจได้รับข้อมูล พฤติกรรมลูกค้าเชิงลึกที่
จําเป็นต่อการรกั ษาฐานลูกคา้ ของธรุ กิจ

การเข้าใจข้อมูลเชิงลึกของลูกค้าจะช่วยให้ธุรกิจสามารถส่งมอบสิ่ง
ที่ลูกค้าต้องการ ซึ่งเป็นขั้นตอนพื้นฐานที่สุดเพื่อให้บรรลุเป้าหมายใน
การดูแลรักษาลูกค้า และเป็นสิ่งสําคัญที่ทําให้เกิด ความภักดีต่อธุรกิจ
หรอื แบรนด์

McDonald's

ตัวอย่างธุรกิจที่ใช้ข้อมูลในการดูแลและดึงดูดลูกค้า McDonald's
ร้านอาหารจานด่วนที่เป็นที่นิยมระดับโลก ใช้เทคโนโลยีที่ทันสมัยใน
หลาย ๆ ด้านของการประกอบธุรกิจ รวมถึงการใช้ข้อมูลในการดูแล
ลูกค้าผ่านแอปพลิเคชันโทรศัพท์เคลื่อนที่ ที่ช่วยให้ลูกค้าสามารถสั่งซื้อ
และชําระเงินเกือบทุกขั้นตอนผา่ นอุปกรณ์โทรศัพท์เคลื่อนที่และเพื่อให้
ประสบการณ์ของลกู คา้ ทดี่ ยี ิ่งขนึ้

McDonald's ก็สามารถเข้าถึงข้อมูลที่จําเป็น เกี่ยวกับผู้ใช้บริการ
ได้ เช่น การสั่งอาหาร การใช้บริการ ความถี่ที่ใช้ ใช้ผ่านเครื่องมือใด
ข้อมูลทั้งหมดนี้ช่วยให้ McDonald's สามารถออกแบบโปรโมชั่นและ
ข้อเสนอท่ตี รงเป้าหมายมากยง่ิ ขึน้ ซึง่ ในความเป็นจรงิ ลูกค้าชาวญี่ปุ่นที่
ใช้แอปพลิเคชันโทรศัพท์เคลื่อนที่ของ McDonald's ได้มียอดการซ้ือ
ที่มากขึ้นถึง 35% เนื่องจากการนําเสนอสินค้าที่ตรงตามความต้องการ
ของลกู ค้าก่อนท่ีจะส่ังอาหาร

11.2 การใช้ข้อมูลเพื่อแก้ไขปัญหาผู้โฆษณาและเสนอข้อมูลเชิง
ลึกทางการตลาด การวิเคราะห์ Big Data สามารถช่วยจับคู่ระหว่าง
ความคาดหวังของลูกค้ากับธุรกิจได้ ซึ่งรวมถึงการเปลี่ยนสายผลติ ภัณฑ์
ของธุรกิจให้ตอบโจทย์ความต้องการลูกค้ามากขึ้น และมั่นใจได้ว่าการ
ทําแคมเปญการตลาดและการโฆษณานั้นมีประสิทธิภาพมากขึ้น ซึ่งใน
ความเปน็ จรงิ นัน้ หลายธุรกิจไดส้ ูญเสียเงินไปจํานวนมาก

การทําแคมเปญโฆษณาที่ผลลัพธ์ไม่เป็นไปตามความต้องการนั้น
อาจเป็นเพราะธุรกิจต่าง ๆ เหล่านั้นได้ข้ามขั้นตอนในการวิเคราะห์
ข้อมูลก่อนลงมือทําโฆษณาแล้ว การทําการตลาดและการทําโฆษณาน้นั
สามารถนํามาวิเคราะห์ให้ซับซ้อนยิ่งขึ้นได้ เช่น การสังเกตความ
เคลื่อนไหวบนโลกออนไลน์ ตรวจสอบ ณ จุดขาย รวมไปถึงการ
วิเคราะห์พฤติกรรมของลูกค้าที่เปลี่ยนแปลงไปอย่างรวดเร็ว สิ่งเหล่าน้ี
เปน็ วิธที น่ี ักการตลาดและนักโฆษณาใชใ้ นการทํางานเพอ่ื ให้ข้อมลู เชิงลึก
ถึงสิ่งที่ลูกค้าต้องการมากยิ่งขึ้น โดยนํามาซึ่งการบรรลุเป้าหมายในการ
ทาํ แคมเปญการตลาดทตี่ อบสนองความต้องการของลกู คา้

แคมเปญที่ตรงกลุ่มเป้าหมายและเฉพาะบุคคลนั้นหมายความว่า
ธุรกิจสามารถประหยัดเงิน และสามารถมั่นใจในประสิทธิภาพของ
แคมเปญได้ เนื่องจากพวกเขาได้กําหนดกลุ่มเป้าหมายที่มีศักยภาพสูง

บวกกับสินค้าที่เหมาะสม ดังนั้นธุรกิจสามารถเข้าถึงข้อมูลได้อย่าง
เหมาะสมและมีประสิทธิภาพเพื่อหลีกเลี่ยงปัญหาการเสียค่าใช้จ่ายใน
การโฆษณาไปจํานวนมากแตไ่ ม่ได้ผลลัพธท์ ่ีดี

Netflix

ตัวอย่างแบรนด์ที่ใช้ข้อมูลสําหรับกําหนดเป้าหมายในการทํา
โฆษณา Netflix เป็นตัวอย่างที่ดีของแบรนด์ใหญ่ที่ใช้ Big Data ในการ
วิเคราะห์กลุ่มเป้าหมายในการนําส่งโฆษณา ด้วยสมาชิกมากกว่า 100
ลา้ นราย บรษิ ทั ได้รวบรวมขอ้ มูลจาํ นวนมาก ซง่ึ เป็นกญุ แจสําคัญทท่ี าํ ให้
Netflix ประสบความสําเร็จ หากเป็นสมาชิกของ Netflix จะคุ้นเคยดี
กับวิธีที่ Netflix ส่งคําแนะนําของภาพยนตร์เรื่องต่อไปที่สมาชิกควรดู
ขั้นตอนนี้ได้ใช้ข้อมูลจากการค้นหาย้อนหลังของสมาชิกในการประกอบ
คาํ แนะนําได้อยา่ งแมน่ ยาํ ซง่ึ บอกได้ถึงจํานวนเปอร์เซ็นต์ของภาพยนตร์
ว่าตรงต่อความชื่นชอบของสมาชิกเพียงใด และข้อมูลนี้ทําให้ Netflix
สามารถใช้ข้อมูลเชิงลึกได้อย่างเป็น ประโยชน์และนําเสนอได้ตรงความ
ตอ้ งการของลกู ค้า

11.3 การวิเคราะห์ข้อมูลสําหรับการจัดการความเสี่ยง แผนการ
จัดการความเสี่ยงเป็นการลงทุนที่สําคัญ สําหรับหลาย ๆ ธุรกิจ เพราะ
ปัจจุบันหลาย ๆ อย่างต่างเคลื่อนไหวหรือเปลี่ยนแปลงอยู่ตลอดเวลา
ซึ่งความสามารถในการมองเห็นถึงความเสี่ยงที่อาจเกิดขึ้นและสามารถ
ลดความเสี่ยงก่อนที่จะเกิดขึ้นนัน้ เป็นสิ่งสําคัญอย่างมากสําหรับการทํา
ธุรกิจ นั่นคือ จะนําการวิเคราะห์ข้อมูลมาใช้ในการวางแผนประเมิน
ความเสี่ยงที่อาจเกิดขึ้น โดยสามารถวัดและจําลองถึงความเสี่ยงที่ต้อง
เผชิญหน้า หรืออีกนัยหนึ่งการลดความเสี่ยงทําให้ธุรกิจสามารถทํากําไร
ได้มากขึ้น การวิเคราะห์ Big Data มีส่วนสําคัญอย่างมากต่อการพัฒนา
ทางเลือกให้แก่การบริหารจัดการความเสี่ยง เมื่อพิจารณาถึงความ
พร้อมของข้อมูลที่เพิ่มขึ้นและ ความหลากหลายของสถิติการวิเคราะห์
ข้อมูลขนาดใหญ่ที่มีศักยภาพมาก ดังนั้นธุรกิจจึงสามารถบรรลุ
เป้าหมายและตดั สินใจเชงิ กลยุทธไ์ ดด้ มี ากย่ิงข้นึ

Starbucks

ตวั อย่างแบรนด์ที่ใชก้ ารวิเคราะหข์ ้อมูลในการบริหารจั ดการความ
เสี่ยง Starbucks ในฐานะบริษัทกาแฟชั้นนํา ของโลก Starbucks
สามารถเปิดสาขาใหม่ในบริเวณ ใกล้เคียงกับร้านค้าอื่น ๆ และยัง
รับประกันถึงอัตรา การประสบความสําเร็จที่สูง เพราะโดยปกติแล้ว
การตัดสินใจเปิดสาขาใหม่ขึ้นมานั้นเป็นความเสี่ยงโดยไม่จําเป็น แต่
Starbucks ได้ใช้ฐานข้อมลู ในการวเิ คราะห์ คาํ นวณถงึ อตั ราความสําเรจ็
ของทุกตําแหน่งที่ตั้งใหม่ก่อนจะลงมือปฏิบัติด้วยข้อมูลตามพื้นที่นั้น ๆ
ว่ามีจํานวนประชากร การจราจร มีผู้คนจํานวนเท่าใด และจากการ
วิเคราะห์ข้อมูลนั้นทําให้ Starbucks สามารถคํานวณถึงข้อมูลพื้นฐาน
ทั่วไปของแต่ละสาขาที่ต้องการเปิดใหม่ได้ เพื่อให้สามารถเลือกสถาน
ที่ตั้งตามแนวโน้มการเติบโตของรายได้ และสามารถลดความเสี่ยงใน
การลงทุนจํานวนมากของแต่ละสาขา

11.4 การใช้ข้อมูลในการจัดการห่วงโซ่อุปทาน Supply Chain
Management (SCM) ห ร ื อ ก า ร จ ั ด ก า ร ห ่ ว ง โ ซ่ อ ุ ป ท า น คื อ
กระบวนการดําเนินงานของวัสดุ สินค้า ตลอดจนการผลิต ข้อมูลและ
ธุรกรรมต่าง ๆ ผ่านองค์กรที่เป็นผู้ส่งมอบ ผู้ผลิต ผู้จัดจําหน่ายไปจนถึง
ลกู คา้ หรือผบู้ รโิ ภค

Big data ช่วยให้ซัพพลายเออร์หรือคนที่มีหน้าที่จัดหาวัตถุดิบต่าง
ๆ ให้แก่โรงงานนําไปผลิตสินค้าเพื่อขายนั้นสามารถทํางานได้อย่าง
แม่นยําและชัดเจนมากขึ้น ผ่านการวิเคราะห์ข้อมูลจากปลายทาง เช่น
ลูกค้าชื่นชอบสินค้ารูปแบบใด สีใดเป็นพิเศษ ทําให้ซัพพลายเออร์
สามารถคํานวณได้ว่าควรจัดหา วัตถุดิบแบบใด เป็นจํานวนเท่าใด
เพอ่ื ให้สามารถผลิตสินค้าไดเ้ หมาะสมกบั ความตอ้ งการซ้อื

ด้วยวิธีการที่ทันสมัยจะช่วยให้ระบบการทํางานในขั้นตอนของการสัง่
ผลิตและการขนสง่ สนิ คา้ สามารถทําได้อยา่ งเปน็ ระบบมากข้ึนและสามารถ
ลดความผิดพลาด สินค้าขาดหรือเกินสต๊อกอีกด้วย ซึ่งทําได้จากการ
วิเคราะห์ข้อมูลที่มีอยู่ในระบบการผลิตในแต่ละส่วนมารวบรวมและ
วิเคราะห์อีกส่วนมาจากการแบ่งปันความรู้และการทํางานร่วมกันของแต่
ละฝ่าย ซึ่งจะเป็นรากฐานสําหรบั การจัดการห่วงโซ่อุปทาน ทําให้ซัพพลาย
เออร์สามารถใช้ประโยชนจ์ ากขอ้ มูลได้มีประสิทธภิ าพมากย่งิ ข้นึ

Supply Chain PepsiCo

ตัวอย่างแบรนด์ที่ใช้ข้อมูลเพื่อเพิ่มประสิทธิภาพของ Supply
Chain PepsiCo เป็นบริษัทบรรจุสินค้าอุปโภคบริโภคที่ต้องใช้ข้อมูล
จํานวนมากเพื่อการจัดการห่วงโซ่อุปทานที่มีประสิทธิภาพ บริษัทมุ่งม่ัน
ที่จะสร้างความมั่นใจว่าสามารถเติมเต็มชั้นวางของร้านค้าปลีกด้วย
ปริมาณและประเภทของผลิตภัณฑ์ที่เหมาะสม ลูกค้าของบริษัทจัดทํา
รายงานซึ่งรวมถึงสินค้าคงคลัง รายการสินค้า และ POS (Point Of
Sale) เก็บข้อมูลการขายหน้าร้านให้กับบริษัทและข้อมูลนี้ จะใช้ในการ
วางแผนพยากรณ์การผลิตและการจัดส่งด้วยวิธีนี้บริษัทมั่นใจว่าผู้ค้า
ปลีกจะมีผลิตภัณฑ์เหมาะสมในปริมาณที่เพียงพอต่อความต้องการและ
เวลาทีเ่ หมาะสม

สรุปประเด็นสำคญั

Big Data เป็นข้อมูลที่มีโครงสร้างชัดเจน (Structured Data) เช่น
ข้อมูลที่เก็บอยู่ในตารางข้อมูลต่าง ๆ และฐานข้อมูล ต่าง ๆ ปกติ
โดยทั่วไปหรืออาจเป็นข้อมูลกึ่งมีโครงสร้าง (Semi-Structured Data)
เช่น ล็อกไฟล์ (Log files) หรือแม้กระทั่ง ข้อมูลที่ไม่มีโครงสร้าง
(Unstructured Data) เช่น ข้อมูลการโต้ตอบปฏิสัมพันธ์ผ่านสังคม
เครือข่าย (Social Network) เช่น เฟซบุ๊ก (Facebook) ทวิตเตอร์
(Twitter) ไลน์ (Line) อินสตาแกรม (Instagram) หรือไฟล์จําพวกมีเดีย
(Media) และข้อมูลที่ใช้การเซนเซอร์ เช่น การตรวจจับความเร็ว ฯลฯ
ฉะนัน้ กอ่ นที่ธรุ กิจจะสามารถนํา Big Data มาใช้งานได้ ควรพิจารณาว่า
ข้อมูลจะไหลเวียนไปยังสถานที่ แหล่งท่ีมาระบบเจ้าของและผู้ใช้จํานวน
มากได้อย่างไร มีขั้นตอนสําคัญในการจัดการ “โครงสร้างข้อมลู ” ขนาด
ใหญ่นี้ ซึ่งรวมถึงข้อมูลแบบดั้งเดิม ข้อมูลที่มีโครงสร้างและข้อมูลที่ไม่มี
โครงสร้างและกง่ึ มโี ครงสร้าง