fbpx

Blendata เผย 5 เทรนด์ การใช้ Big Data ปี 2566 แนะองค์กรปรับตัวเพื่อต่อยอดธุรกิจอย่างยั่งยืน

Blendata คาดการณ์ 5 เทรนด์ การใช้ Big Data ที่จะเป็นที่นิยมในปี 2566 แนะนำทุกองค์กรควรมีการปรับใช้ เพื่อต่อยอดธุรกิจสู่เป้าหมาย

เบลนเดต้า (Blendata) บริษัท Deep Tech ผู้พัฒนาแพลตฟอร์มบริหารจัดการ Big Data อัจฉริยะ เผย ปัจจุบัน Big data คือเทคโนโลยีสำคัญที่ช่วยขับเคลื่อนธุรกิจให้เติบโตสู่เป้าหมาย ช่วยสร้างโอกาสใหม่ ๆ และเพิ่มมูลค่าให้กับธุรกิจ แนะองค์กรควรวางแนวทางการใช้ Big data ให้ตอบโจทย์และเกิดประโยชน์สูงสุด Blendata เปิด 3 Big data use cases ที่องค์กรธุรกิจควรมีการปรับใช้แล้วในปัจจุบัน พร้อมคาดการณ์ 5 เทรนด์ การใช้ Big data มาแรง ที่ควรวางแผนปรับใช้ในปี 2566 เพื่อสร้างความสามารถในการแข่งขันที่ยั่งยืนให้กับธุรกิจ

Blendata-เทรนด์-การใช้-Big Data

นายณัฐนภัส รชตะวิวรรธน์ ประธานเจ้าหน้าที่บริหารและผู้ร่วมก่อตั้ง บริษัท เบลนเดต้า จำกัด เปิดเผยว่า ในแต่ละปีจะมีเทรนด์การใช้งาน Big data ที่แตกต่างกันไปตามข้อมูลและเทคนิคที่เปลี่ยนแปลง แต่ปฏิเสธไม่ได้เลยว่า ‘Big data’ คือหัวใจหลักในการขับเคลื่อนธุรกิจ องค์กรจึงมีความจำเป็นที่จะต้องรวบรวมข้อมูลจากทุกแหล่งมาวิเคราะห์เพื่อค้นหาโอกาสใหม่ ๆ และเพิ่มมูลค่าให้ธุรกิจสามารถเติบโตไปข้างหน้าได้อย่างต่อเนื่อง ไม่ว่าจะเป็นการวิเคราะห์ข้อมูลเพื่อกำหนดแนวโน้มและทิศทางธุรกิจ ช่วยสนับสนุนการตัดสินใจที่แม่นยำมากขึ้น ช่วยให้เข้าใจพฤติกรรมเชิงลึกของลูกค้า สามารถพัฒนาผลิตภัณฑ์และบริการให้ตอบโจทย์ลูกค้า รวมถึงเพื่อให้พร้อมตอบสนองความต้องการของลูกค้าอย่างรวดเร็วและมีประสิทธิภาพสูง ภายใต้ต้นทุนที่คุ้มค่าที่สุด

จากประสบการณ์การให้บริการแพลตฟอร์มด้าน Big data ร่วมกับบริษัทชั้นนำจากหลายอุตสาหกรรมในประเทศไทย Blendata ขอแนะนำ 3 Big data use cases ที่องค์กรธุรกิจควรมีการปรับใช้แล้วในปัจจุบัน และ 5 Big data use cases ที่ควรวางแผนปรับใช้ภายในปี2566 โดยสามารถนำไปใช้ได้กับทุกอุตสาหกรรม ไม่ว่าจะเป็น ภาครัฐ กลุ่มธุรกิจสุขภาพ การเงิน น้ำมันและพลังงาน อุตสาหกรรมการผลิต ธุรกิจค้าปลีก และอื่น ๆ อีกมากมาย เพื่อสร้างความสามารถในการแข่งขันที่ยั่งยืนให้กับธุรกิจ นายณัฐนภัสกล่าว

3 Big Data Use Cases ที่องค์กรธุรกิจควรมีการปรับใช้แล้วในปัจจุบัน

  1. Centralized data การรวมศูนย์ข้อมูล เทคโนโลยี Big data ในปัจจุบันถูกพัฒนาให้สามารถรองรับการจัดเก็บข้อมูลได้จำนวนมหาศาลและหลากหลายชนิด ด้วยเทคโนโลยีประสิทธิภาพสูงและค่าใช้จ่ายที่ถูกลง แตกต่างจากในอดีตที่การทำ Data warehouse จะต้องเลือกเก็บเฉพาะข้อมูลที่จำเป็นเท่านั้น เนื่องจากเทคโนโลยียังไม่รองรับและมีค่าใช้จ่ายสูง เมื่อเทคโนโลยีในปัจจุบันมีศักยภาพเพียงพอแล้ว องค์กรจึงควรทำการรวมข้อมูลจากทุกแหล่งที่มา ทั้งข้อมูลที่ใช้งานในปัจจุบันและที่อาจใช้งานในอนาคต และรวมศูนย์โครงสร้างพื้นฐานข้อมูล (Data infrastructure) เพื่อให้ทุกฝ่ายสามารถใช้งานข้อมูลได้จากที่เดียวกันและเห็นภาพรวมโครงสร้างข้อมูลในมุมมองเดียวกัน รวมทั้งควรออกแบบระบบและเทคโนโลยีให้รองรับการปรับเปลี่ยนและพร้อมต่อยอดการใช้งานในอนาคต
  2. Business performance analysis การวิเคราะห์ประสิทธิภาพทางธุรกิจ ปัจจุบันพบว่าองค์กรส่วนใหญ่ยังไม่สามารถติดตามและวิเคราะห์ประสิทธิภาพทางธุรกิจได้ทั้งLifecycle หรือหากต้องการวิเคราะห์ข้อมูลเพื่อหาคำตอบที่ต้องการ อาจต้องใช้เวลาในการดึงข้อมูลออกมาวิเคราะห์นานเป็นสัปดาห์ ทำให้เกิดความล่าช้าและไม่ทันต่อการแข่งขัน Big data คือเทคโนโลยีที่เข้ามาช่วยในการวิเคราะห์การทำงานในส่วนต่าง ๆ ขององค์กร ซึ่งจะช่วยให้สามารถปรับปรุงการทำงานและวางแผนพัฒนาธุรกิจได้อย่างละเอียด มีประสิทธิภาพและรวดเร็ว ไม่ว่าจะเป็นการวิเคราะห์รายได้ต่อหัวของพนักงานในฝ่ายขาย การหา Conversion rate% การวิเคราะห์หาสินค้าหรือบริการประเภทใดที่สร้างรายได้มากที่สุด หรือการนำข้อมูลจากหลากหลายระบบ เช่น ERP, CRM หรือPOS มาผสมกันเพื่อวิเคราะห์ต่อยอดหาข้อมูลเชิงลึก เป็นต้น
  3. Operation monitoring & analysis การตรวจสอบและวิเคราะห์การดำเนินงานในองค์กร เทคโนโลยี Big data สามารถรวบรวมข้อมูลที่เกี่ยวข้อง เพื่อเข้าไปตรวจสอบและวิเคราะห์ประสิทธิภาพการดำเนินงานของส่วนงาน Operation โดยองค์กรอาจทำการสรุปข้อมูลในรูปแบบแสดงสถานะ เพื่อแสดงประสิทธิภาพการดำเนินงานได้ เช่น สีเขียว คือ ระบบดำเนินงานปกติ สีแดง คือ พบความผิดปกติ เพื่อความรวดเร็วในการตอบสนองต่อปัญหา หรืออาจแสดงข้อมูลในแกนของเวลา เช่น SLA หรือ End-to-End flow ของการให้บริการ เพื่อตรวจสอบถึงความล่าช้าในแต่ละส่วน เป็นต้น โดยจุดประสงค์ของ Use case นี้คือทำให้องค์กรเห็นข้อมูล (Visibility) เพื่อทำให้งาน Operation ดำเนินได้อย่างมีประสิทธิภาพ

5 Big Data Use Cases ที่องค์กรธุรกิจควรวางแผนปรับใช้ในปี 2566

  1. Customers 360 รู้จักลูกค้าแบบรอบด้าน แม้ไม่ใช่เทรนด์ใหม่ แต่เป็นเรื่องที่มีการเปลี่ยนแปลงตลอดเวลา ไม่ว่าจะเป็น Touchpoint และพฤติกรรมของลูกค้า ทำให้ธุรกิจจะต้องพัฒนาการทำ Customer 360 ตามเทรนด์ผู้บริโภคที่เปลี่ยนไป Big data จะช่วยให้สามารถวิเคราะห์ข้อมูลลูกค้าได้ตลอดทั้ง Lifecycle จากการที่รวบรวมข้อมูลทุก ๆ ด้านของลูกค้า ทำให้ธุรกิจรู้จักลูกค้ารอบด้านมากขึ้น และสามารถนำเสนอผลิตภัณฑ์และบริการที่ตรงใจลูกค้าได้มากขึ้น รวมถึงออกแบบการมอบประสบการณ์ให้แก่ลูกค้าในทุก ๆ ขั้น ตั้งแต่ลูกค้าใหม่จนถึงลูกค้าที่มีแนวโน้มจะเลิกใช้บริการ ซึ่งการนำการวิเคราะห์ต่าง ๆ (Analytics method) มาประยุกต์ใช้กับข้อมูลลูกค้าได้อย่างมีประสิทธิภาพนั้น จึงต้องอาศัยการออกแบบและวางโครงสร้างของการจัดการและจัดเก็บข้อมูลแบบ Customers 360 ที่ดีเพียงพอเช่นเดียวกัน
  2. Next best offer เสนอสินค้าและบริการที่ลูกค้ามีแนวโน้มจะซื้อในครั้งถัดไป การวิเคราะห์ Big data และเทคนิค AI/ML จะช่วยให้เข้าใจความต้องการและพฤติกรรมเชิงลึกของลูกค้าในรายบุคคลมากขึ้น เพื่อให้สามารถแนะนำสินค้า บริการ หรือโปรโมชันที่ตรงกับความสนใจของลูกค้าแบบเจาะจงรายบุคคลได้อย่างรวดเร็วด้วยช่องทางที่เหมาะสม ซึ่งจะช่วยส่งเสริมการขายให้มีประสิทธิภาพ เพิ่มโอกาสในการซื้อ ลดต้นทุนการขาย และเพิ่มรายได้ให้กับธุรกิจ
  3. Real-time analytics วิเคราะห์ข้อมูลแบบเรียลไทม์ ในยุคดิจิทัลพฤติกรรมของผู้บริโภคค่อนข้างเปลี่ยนแปลงจากอดีต รวมทั้งมีความ Loyalty ต่อแบรนด์ค่อนข้างต่ำลงมาก เนื่องจากมีตัวเลือกจากสินค้าต่าง ๆ ในท้องตลาดมากมาย ทั้งช่องทางออนไลน์และออฟไลน์ ดังนั้นเพื่อให้แบรนด์สามารถช่วงชิงเวลาและการตัดสินใจซื้อของลูกค้าได้ นอกเหนือจากการทำ Customer 360 แล้ว ธุรกิจควรมีการวิเคราะห์ข้อมูลแบบเรียลไทม์ เพื่อให้สามารถนำเสนอผลิตภัณฑ์ แก้ไขปัญหา หรือให้บริการที่ทำให้เข้าถึงลูกค้าได้รวดเร็ว เพื่อให้เกิดความพึงพอใจสูงสุด
  4. Root cause analysis การวิเคราะห์สาเหตุของปัญหา การแก้ไขปัญหาของระบบให้บริการต่าง ๆ ขององค์กรขนาดใหญ่ที่ปกติแล้วจะล้าช้านั้น มักเกิดมาจากความซับซ้อนของระบบที่ต่อเนื่องกันทั้งระบบเก่า (Legacy) และระบบใหม่ ๆ ที่เกิดขึ้น ทำให้ต้องใช้บุคลากรจำนวนมากและใช้เวลาค่อนข้างนานในการไล่ตรวจสอบปัญหา การนำระบบ Big data มาใช้งานจึงสามารถรวบรวมข้อมูลความผิดปกติในทุก ๆ ระบบ ที่เกี่ยวข้องมาวิเคราะห์และตรวจสอบทั้งด้วยตนเองและแบบอัตโนมัติ จึงช่วยให้สามารถค้นหาสาเหตุของปัญหาที่เกิดขึ้นได้รวดเร็ว และสามารถนำไปปรับปรุงแก้ไขได้อย่างถูกต้องและตรงจุดมากขึ้น
  5. Anomaly detection การตรวจจับความผิดปกติ การทำงานของ Big data ร่วมกับAI/ML จะช่วยให้สามารถระบุความผิดปกติได้อย่างแม่นยำและรวดเร็ว โดยเทคนิคพื้นฐานอย่างการตั้ง Rule-based บนข้อมูลขนาดใหญ่เพื่อตรวจจับ หรือใช้ AI/ML เพื่อดูพฤติกรรมว่าสิ่งใดคือความผิดปกติ และแจ้งเตือนเพื่อให้ทีมงานที่เกี่ยวข้องเข้าแก้ปัญหาทันที ซึ่งสามารถนำไปปรับใช้ได้อย่างหลากหลาย ไม่ว่าจะเป็นโซลูชันด้าน Cyber security งานด้านระบบ IT หรือเชื่อมต่อกับอุปกรณ์ IoT ของโรงงานผลิตเพื่อตรวจจับความผิดปกติของอุปกรณ์ เป็นต้น

“จาก Use cases ทั้งหมดที่กล่าวมาข้างต้น Blendata พร้อมให้บริการด้าน Big data แบบครบวงจร ครอบคลุมทุกความต้องการขององค์กรในที่เดียว 1. Big Data and Analytics consulting services บริการให้คำปรึกษา วางแผน พร้อมกำหนดแนวทางที่เหมาะสมและมีประสิทธิภาพ เพื่อให้องค์กรสามารถเริ่มต้นทำโปรเจค Big data ได้ด้วยกระบวนการที่ง่ายและสำเร็จได้ในเวลาที่รวดเร็ว 2. Big Data technology and foundation บริการแพลตฟอร์มด้าน Big data ที่ใช้งานง่าย รวดเร็ว และมีประสิทธิภาพสูง และ 3. Big data professional services บริการด้าน Technical โดยทีมงานผู้เชี่ยวชาญจาก Blendata ที่มีประสบการณ์ทำงานร่วมกับบริษัทชั้นนำในหลายอุตสาหกรรม ช่วยให้สามารถนำ Big data ที่องค์กรมีไปต่อยอดใน Use cases ต่าง ๆ เพื่อเพิ่มศักยภาพทางธุรกิจได้อย่างมีประสิทธิภาพ” นายณัฐนภัสกล่าวทิ้งท้าย

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว และสามารถจัดการความเป็นส่วนตัวเองได้ของคุณได้เองโดยคลิกที่ ตั้งค่า

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

Allow All
Manage Consent Preferences
  • Always Active

Save