การเลือก Vendor หรือผู้ให้บริการในโครงการ Big Data

อัพเดตเมื่อ: 20 เม.ย. 2023

การเลือกผู้ให้บริการหรือ Vendor ในโครงการ Big Data

คำว่า Big Data ได้ชื่อว่าเป็น Buzzword อย่างหนึ่ง ทำให้เรามักจะพบเจอโครงการที่เรียกว่าเป็น Big Data ในรูปแบบต่างๆเช่น การซื้อระบบ การวิเคราะห์พฤติกรรมลูกค้าหรือแม้แต่การทำเว็บไซด์เพื่อนำเสนอข้อมูล


 
ไม่เพียงแต่ในมุมของโครงการเพียงอย่างเดียว แต่ผู้ให้บริการหรือ Vendor ที่ใช้คำว่า Big Data เป็น Keyword ก็มีหลากหลายเช่นกัน


 
รูปแบบของบริษัทต่างๆที่ใช้คำว่า Big Data เป็นคำอธิบายของบริษัทมีดังนี้


 
1. SI หรือ System Integration ส่วนใหญ่เป็นบริษัทขนาดกลาง-ใหญ่ เป็นบริษัทที่มี License ของ Hardware และ Software เดิมจะเน้นการขายระบบที่สำเร็จรูปแต่ปัจจุบันบริษัท SI หลายบริษัทจะรับพัฒนาโครงการด้วย (บางครั้งก็จะร่วมพัฒนากับกับบริษัท Developer) ซึ่ง SI แต่ละเจ้าจะมีความถนัดใน ผลิตภัณฑ์ (Product) ที่ต่างกัน ขึ้นอยู่กับว่าแต่ละบริษัทเน้นทำยอดขายของผลิตภัณฑ์ตัวไหนเป็นพิเศษ แต่ก็มี SI หลายรายที่มีผลิตภัณฑ์ที่หลากหลายและสามารถเสนอแนวทางการพัฒนาหรือ Solution ที่ครบองค์รวมได้


 
2. Developer หรือ Implementer มีลักษณะการขายในรูปแบบการบริการ (Service) เป็นบริษัทรับพัฒนาโครงการโดยเน้นการเขียนโปรแกรมขึ้นมาเอง ซึ่งในปัจจุบันมีโปรแกรมที่เป็น Open-source เกิดขึ้นมากมายทำให้ไม่จำเป็นต้องลงทุนใน Software สำเร็จรูป เหมาะกับการดำเนินโครงการที่ต้องการความเป็นเอกลักษณ์หรือโครงการที่ระบบสำเร็จรูปไม่ตอบโจทย์


 
3. Digital Marketing บริษัทนี้จะเน้นขายบริการด้านการตลาดเท่านั้น โดยเขาจะใช้คำว่า Big Data เพื่อสื่อว่าจะมีการใช้ข้อมูลภายนอกในการวิเคราะห์ตลาดให้กับลูกค้า อาจจะเป็นข้อมูลจาก Social Media ประเภทต่างๆ การวิเคราะห์ Customer Journey ที่ใช้ข้อมูลจาก Platform ออนไลน์เป็นต้น แต่รูปแบบการทำงานจะไม่ใช่การสร้างระบบหรือ Platform ใดๆ


 
4. Supplier คือบริษัทเจ้าของเทคโนโลยี เช่น Oracle, Microsoft, AWS, Google, DataRobot เป็นต้น เป็นยี่ห้อของ Platform หรือ Software ที่จะใช้ดำเนินโครงการ บางเจ้าจะมีพนักงานขายหรือเซลล์เพื่อขายผลิตภัณฑ์ของตัวเองแต่ส่วนใหญ่จะต้องซื้อผ่านบริษัท SI


 
5. Startup โดยจะแตกต่างจาก Developer ตรงที่มี Product ที่เสร็จแล้วและจะนำเสนอขายการใช้ Product นั้น เช่นบริษัท Social Listening ที่มีการใช้คำว่า Big Data เพราะเขามีการรวบรวมข้อมูลขนาดใหญ่เอาไว้ให้ลูกค้าเข้ามาใช้งานได้ซึ่ง Product มักจะเป็นเรื่องใดเรื่องหนึ่งไม่ใช่ Product ที่พัฒนาแบบ Customize ให้ลูกค้ารายใดรายหนึ่ง


 
6. Data Provider เป็นบริษัทที่ขายข้อมูล(แต่ต้องไม่ใช่ข้อมูลส่วนบุคคล)หรือที่เรียกว่า Data Monetization เช่นการวิเคราะห์ GPS การวิเคราะห์จำนวนประชากรในแต่ละพื้นที่ เป็นต้น


 
7. บริษัทที่ปรึกษา (เท่านั้น) คือบริษัทที่รับให้คำปรึกษาโดยจะทำหน้าที่เข้าไปหา Gap Analysis ส่วนใหญ่จะเป็นโครงการ Digital Transformation แต่อาจจะไม่สามารถ Implement ได้เพราะไม่มีทีม Developer หลายครั้งพบว่าที่ปรึกษาที่ไม่เคย Implement จะไม่สามารถตอบคำถามในเชิงการปฏิบัติงานได้ เช่น ให้คำแนะนำเรื่องคุณภาพของข้อมูลแต่ไม่สามารถชี้แจงว่าแล้วจะต้อง Clean อย่างไร เป็นต้น


 
วิธีการเลือก Vendor ที่เหมาะสมควรมองหา Vendor ที่มี Site References และควรเป็น Vendor เหมาะสมกับโจทย์ของโครงการ องค์กรควรศึกษาและจัดเตรียมคำถามต่างๆ เพื่อให้ Vendor แสดงความสามารถและควรให้ Vendor เสนองานอย่างละเอียดเพื่อความเข้าใจในขอบเขตของการดำเนินโครงการอย่างครบถ้วนก่อนเริ่มโครงการ


 
นอกจากนี้การเปรียบเทียบ Solution ที่แต่ละ Vendor เสนอมาก็เป็นสิ่งสำคัญเช่นเดียวกัน เนื่องจากโครงการ Big Data ต้องการความยืดหยุ่นเพราะข้อมูลที่เกี่ยวข้องมีทั้งข้อมูลภายในและภายนอกซึ่งขยายตัวตลอดเวลา ในอนาคตจะมีแนวโน้มในการรับข้อมูลใหม่ๆอยู่ตลอด Solution ในโครงการ Big Data ที่เหมาะสมจึงควรเป็น Solution ที่ไม่ตายตัว


 
การเลือก Vendor นั้นสำคัญมากเพราะโครงการ Big Data ถือเป็นแกนกลางของการใช้ทรัพยากรข้อมูลและยิ่งโครงการมีขนาดไหนเท่าใดก็ต้องใช้ทักษะของ Vendor และต้องใช้ระยะเวลาอยู่กับโครงการมากเท่านั้น


We turn your DATA into your KEY of success.

#Coraline ให้คำปรึกษาและพัฒนาโครงการ Big Data, Data Model, Artificial Intelligence และ Digital Transformation เพื่อเพิ่มศักยภาพของธุรกิจ

คอราไลน์ให้บริการครบวงจรด้านข้อมูลมหัต (Big Data) ปัญญาประดิษฐ์ (AI) เพื่อการพัฒนาองค์กรให้ขับเคลื่อนด้วยข้อมูลโดยสมบูรณ์ (Data Driven Transformation)

สนใจติดต่อ

Email: inquiry@coraline.co.th

Tel: 099-425-5398


 
#BigData #DataScience #Optimization #ProductivityImprovement #DigitalTransformation #MachineLearning #ArtificialIntelligence #DataManagement #DataGovernance #DataQuality #DeepLearning


 

 

 

    0