Contact

Follow

  • medium-logo-black-transparent
  • Black Twitter Icon

66 95-460-8830

©2017 by Coraline

Please reload

Recent Posts

ทำไมโครงการ Big Data ต้องทำแบบ Customized

October 16, 2019

 

เมื่อพูดถึงโครงการองค์กรที่มีการใช้ Big Data ได้อย่างประสบความสำเร็จ หลายคนจะนึกถึง Amazon, Grab Taxi, UPS, Citibank และรัฐบาลจีน

 

โดยทั้งหมด เป็นโครงการที่ Customized หรือ พัฒนาขึ้นมาใหม่ โดยทั้งสิ้น

 

ระบบแบบ Customized คือ ระบบที่พัฒนาขึ้นมาเพื่อเป้าหมายใด เป้าหมายหนึ่งโดยเฉพาะ ในเชิงการพัฒนาระบบ อาจจะมีทั้งส่วนของโปรแกรมสำเร็จรูปบางส่วน และมีโปรแกรมที่เขียนขึ้นมาใหม่โดยเฉพาะเป็นบางส่วน แต่ระบบนี้ จะไม่สามารถนำไปใช้กับที่อื่นได้ โดยที่ไม่มีการดัดแปลงใดๆ

 

เปรียบเทียบกับระบบสำเร็จรูป คือ ระบบที่พร้อมใช้งาน และได้รับการพัฒนามาแล้ว ในการใช้งานระบบสำเร็จรูปนั้น ผู้ใช้งานจะต้องเรียนรู้กลไกการทำงานของระบบ และจะต้องทำตามเงื่อนไขทุกประการ

 

เหตุผลที่โครงการ Big Data ส่วนใหญ่จะเป็นโครงการแบบ Customized ก็เพราะ แต่ละโจทย์ปัญหา มีความต้องการที่ไม่เหมือนกัน รวมไปถึงข้อมูลเองก็ความหลากหลายทั้งในมุมของโครงสร้าง และขนาดของข้อมูล ทำให้แนวทางการแก้ปัญหาจึงแตกต่างกันไป

 

โดยเฉพาะอย่างยิ่ง หากเป็นโครงการ Data Analytics ที่ต้องการผลลัพธ์เป็น Insight หรือ ข้อมูลเชิงลึก ซึ่งหากใช้ Model ที่ซ้ำกับคู่แข่ง ก็ยากยิ่งที่จะสามารถเอาชนะคู่แข่งได้

 

งานส่วนใดที่ต้อง Customized ?

 

งานในโครงการ Big Data แบ่งออกเป็น 4 ส่วน

 

1. แหล่งข้อมูล ในส่วนนี้จะเป็น Hardware หรือ Software ที่สามารถเก็บข้อมูลต่างๆ ซึ่งไม่จำเป็นต้อง Customized ทั้งหมด แต่จะต้องเป็นแหล่งข้อมูลที่สามารถส่งผ่านข้อมูลเพื่อนำไปใช้ต่อได้อย่างสะดวก

 

2. การเชื่อมโยงข้อมูล และเก็บข้อมูล แม้ว่าจะมีโปรแกรมสำเร็จรูปที่สามารถทำให้การเชื่อมโยงข้อมูลเกิดขึ้นได้ง่ายขึ้น แต่เชื่อมไปแล้วจะไปเก็บที่ไหน เก็บรูปแบบใด หรือ Infrastructure อย่างไร ต้องอาศัย Data Engineer เป็นผู้ออกแบบ ดังนั้นงานในส่วนนี้ จะให้น้ำหนักกับการ Customized เสียมากกว่า นอกจากนี้ Data Engineer อาจจะเขียนโปรแกรมขึ้นมาเพื่อเชื่อมโยงข้อมูลด้วยตัวเองก็ทำได้เช่นกัน

 

3. การวิเคราะห์ข้อมูล ในกรณีที่เป็นการสร้าง Model จะให้น้ำหนักกับการสร้าง Model แบบ Customized มากกว่า เพราะนอกจากจะได้ผลลัพธ์ที่ดีกว่า ยังทำให้เข้าใจแนวทางในการใช้ข้อมูลอย่างเหมาะสมกว่าอีกด้วย อย่างไรก็ตาม หากเป็นการวิเคราะห์ทั่วไป เช่น การเขียนกราฟ การวิเคราะห์ทางพื้นฐานสถิติ ก็อาจจะไม่จำเป็นต้องพัฒนาระบบนี้เอง โดยสามารถเลือกใช้โปรแกรมวิเคราะห์ได้ เช่น โปรแกรม BI

 

4. ส่วนของการแสดงผล ในส่วนนี้จะใช้สำเร็จรูป หรือพัฒนาขึ้นมาเองก็ได้ สิ่งสำคัญคือ ผู้ใช้งานควรมีส่วนร่วมในการออกแบบ ไม่ว่าจะเป็น การออกแบบรูปแบบของรายงาน หรือ Dashboard เป็นต้น

 

ทั้งนี้ ที่ผ่านมาพบว่า มีหลายโครงการที่ไม่ประสบความสำเร็จ ซึ่งส่วนใหญ่เกิดจากความไม่เข้าใจ และลงทุนกับเทคโนโลยีที่ไม่ตอบโจทย์ อีกทั้งในการพัฒนาระบบ ก็จำเป็นต้องมีการประเมินความเหมาะสมของงาน ซึ่งหากผู้ว่าจ้าง หรือ ผู้บริหารไม่เข้าใจ ก็ยากยิ่งที่จะได้ระบบที่ตอบโจทย์

 

สุดท้ายนี้ สำหรับกลยุทธของบริษัทเทคโนโลยีผู้ผลิตโปรแกรมสำเร็จรูปต่างๆ นั้น เริ่มมีการปรับเปลี่ยนนโยบายจากเดิมที่เน้นขายสำเร็จรูป เป็นการขายแบบ Subscription มากกว่า เพื่อความยืดหยุ่นของระบบ นอกจากนี้ จะเห็นได้ว่า บริษัทเทคโนโลยียุคใหม่ อย่าง AWS หรือ Google Cloud จะเน้นการขายโปรแกรม หรือ Tool บน Cloud โดยที่นักพัฒนาสามารถเข้าไปใช้ประโยชน์จาก Tool เหล่านี้ได้

 

อย่างไรก็ตาม ข้อเสียของการพัฒนาระบบแบบ Customized คือ ไม่มีโปรแกรมให้เล่น หรือใช้งานในตอนต้น อาจทำให้ไม่เห็นภาพ และไม่รู้ว่าผลลัพธ์จะเป็นอย่างไร และนี้เองที่เป็นจุดบอด ทำให้หลายองค์กร เลือกที่จะใช้โปรแกรมสำเร็จรูป มากกว่าพัฒนาเอง

 

การพัฒนาระบบเอง ไม่ยาก หากเข้าใจ แต่สิ่งที่ยาก ไม่ใช่การพัฒนาระบบ แต่เป็น “การทำความเข้าใจ”

 

 

 

#BigData


#DataScience


#Optimization


#ProductivityImprovement


#DigitalTransformation

 

#Coraline ให้คำปรึกษาการทำ Big Data Project และ Digital Transformation เพื่อเพิ่มศักยภาพของธุรกิจ

Share on Facebook
Share on Twitter
Please reload

Please reload