5 ตัวอย่างโครงการ Data Analytics ของจริง!

โครงการ Data Analytics ในยุค Big Data คือ โครงการที่มีการใช้ข้อมูลขนาดใหญ่ มีความหลากหลายของข้อมูล และมีการสร้างเป็นระบบ ที่มีการไหลเวียนของข้อมูล ทำให้สามารถใช้ประโยชน์จากข้อมูลได้รวดเร็ว

Data Analytics จึงเป็นหนึ่งในองค์ประกอบที่สำคัญของ Data Platform

ทั้งนี้ สำหรับโครงการที่ไม่มีการขึ้นเป็น Data Platform ก็ยังถือเป็นโครงการ Data Analytics ได้ แต่อาจจะเป็นเชิงวิจัย หรือทำงานแบบ manual ที่ไม่มีการขึ้นระบบ ขึ้นอยู่กับวัตถุประสงค์ของโครงการเป็นหลัก

วันนี้ Coraline ขอเสนอ 5 ตัวอย่างโครงการ Data Analytics ของจริง! ที่มีการขึ้นระบบ และเป็นโครงการ Big Data ที่มีความท้าทาย

1. Fraud Detection สำหรับบัตรเครดิต เพื่อป้องกันการโกง หรือการโจรกรรมด้านการเงิน สถาบันการเงินจะมีการวิเคราะห์ธุรกรรมที่ผิดปกติ เพื่อแจ้งเตือน หรือระงับการใช้งานได้ทันท่วงที ซึ่งถ้าไม่มีระบบการวิเคราะห์ และทำงานอัตโนมัติ จะต้องให้ทางผู้ใช้งาน หรือเจ้าของบัตรเป็นผู้ยื่นแจ้งเหตุธุรกรรมด้วยตัวเอง ทำให้เสียเวลาในการตรวจสอบ

2. Product Recommendation สำหรับ E-Commerce การแนะนำผลิตภัณฑ์ที่เหมาะสม ช่วยเพิ่มยอมขายได้อย่างมีนัยสำคัญ โดยเฉพาะอย่างยิ่ง การซื้อของออนไลน์ ที่ข้อมูลการซื้อสินค้าอยู่ในรูปแบบดิจิตอลที่พร้อมใช้ Product Recommendation ทำงานโดยการเก็บรายละเอียดการซื้อสินค้า และวิเคราะห์พฤติกรรมของเจ้าของ Account นั้นๆ จากนั้นระบบจะแสดงผลเป็นการแนะนำผลิตภัณฑ์แบบส่วนตัว ทำให้ Platform นั้นๆ สามารถดึงดูดการใช้งานของผู้ซื้อได้มากขึ้น

3. Demand Forecast สำหรับการบริหารคงคลัง หรือ Inventory Management ถ้าเป็นบริษัทที่ให้ความสำคัญกับความแม่นยำ การ Forecast จะใช้ Machine Learning และมีทีมงาน Monitor พฤติกรรมของการขายอย่างสม่ำเสมอ เพื่อประเมินแนวทางในการบริหารสินค้า ทั้งในมุมการขาย และในมุมการบริหารคลังสินค้า

4. Routing Optimization สำหรับบริษัทขนส่ง ทั้งทางบก และทางอากาศ การวิเคราะห์ Routing หรือเส้นทางการเดินทาง ถือเป็นหัวใจของการบริหารต้นทุน ไม่ว่าจะเป็นในุมการวิเคราะห์เส้นทางเพื่อความคุ้มทุน การเลือกใช้พาหนะ ที่เหมาะสม ปริมาณงานต่อวัน และการจัดสรรพนักงาน ทั้งหมดนี้มีการทำงานที่เป็นระบบ เพราะการใช้บุคลากรหน้างานเป็นผู้กระจายงาน จะมีความเสี่ยงด้าน Operation และมีความไม่แน่นอนเกิดขึ้น

5. Weather Forecast การพยากรณ์สภาพอากาศ รวมไปถึงการวางแผนบริหารจัดการทรัพยากร เป็นการวิเคราะห์ และใช้ Data Model โดยสิ่งที่สำคัญที่สุด คือ ข้อมูล ที่ยิ่งมีละเอียดเท่าไหร่ ก็ยิ่งทำนายได้แม่นเท่านั้น

จะเห็นได้ว่า โครงการ Data Analytics อยู่ใกล้ตัวเรามากๆ โดยมักจะเป็นโครงการที่ขึ้นระบบ และมี Data Pipeline กล่าวคือ เมื่อมีข้อมูลใหม่เกิดขึ้น ระบบจะทำงานได้ทันที ไม่ต้องมีบุคลากรมาทำการ Import Data เข้า Model แต่อย่างใด

ทั้งนี้ สิ่งที่สำคัญในการพัฒนา Data Analytics Platform คือ ข้อมูลที่พร้อม มีปริมาณที่มากพอ และมีคุณภาพที่ดี เพื่อเป็นต้นแบบในการพัฒนา Model ระบบที่เหมาะสม เพื่อสร้าง Pipeline ทีมงานต่าง ๆ เช่น Data Engineer, Data Scientist และ Developer โจทย์ที่ชัด และพร้อมนำไป Implement จริง