จากการที่โลกกำลังปฏิวัติอุตสาหกรรมทุกด้านสู่ Industry 4.0 ด้วยการเพิ่มมูลค่าทางเศรษฐกิจด้วยผลการวิเคราะห์ข้อมูลขนาดใหญ่ ธุรกิจต่างๆจึงได้รับทั้งความท้าทายและโอกาสใหม่ในเวลาเดียวกัน

      การใช้ Big data กำลังกลายเป็นเครื่องมือพื้นฐานในระดับยุทธศาสตร์ชาติและกลยุทธ์องค์กรที่สำคัญยิ่งในการแข่งขันและการเติบโตในธุรกิจ (key basis of competition and growth for individual firms) เกือบทุกภาคอุตสาหกรรม เพราะการสร้างขีดความสามารถของการแข่งขันและการสำรวจหาศักยภาพใหม่ของธุรกิจในช่วงเวลาต่อจากนี้ไป ที่อยู่ท่ามกลางการผลิตข้อมูลจากผู้บริโภคในปริมาณมหาศาลตลอดเวลาในทุกวินาที จึงทำให้องค์กรส่วนใหญ่ที่ต้องการเป็นองค์กรชั้นนำ จำเป็นต้องมีความเชี่ยวชาญในด้านการกำหนดกลยุทธ์การขับเคลื่อนข้อมูลขนาดใหญ่อย่างหลีกเลี่ยงไม่ได้

      อีกทั้งแนวโน้มของผู้เล่นหน้าใหม่ในทุกอุตสาหกรรม ที่ผู้ประกอบการส่วนใหญ่เป็นพวก Digital native ที่เกิดมาพร้อมกับการใช้อินเทอร์เน็ตและเครื่องมือดิจิทัลที่ทรงพลัง ซึ่งพวกเขากำลังกระโจนเข้ามายึดส่วนแบ่งในตลาดด้วยการสร้างนวัตกรรมจากการเข้าใจพฤติกรรมผู้บริโภคอย่างลึกซึ้งจากขุมทรัพย์ Big data ในรูปแบบ real time จึงทำให้พวกเขาเข้าถึงผู้บริโภคจำนวนมากในเวลาอันสั้น จนทำให้รูปแบบธุรกิจดั้งเดิมเริ่มสั่นคลอน

ดังนั้นองค์กรต่างๆ จึงต้องเสาะแสวงหาบุคคลากรที่มีค่าในสาขาที่เกี่ยวข้องกับการวิเคราะห์และสังเคราะห์ข้อมูลขนาดใหญ่เชิงลึก ซึ่งนับวันจะหายากยิ่ง จนทำให้ Harvard Business Review ได้ออกมาชี้ว่า วิทยาการข้อมูล (Data science) คือ สาขาวิชาที่มีความ "Sexy" ที่สุดในศตวรรษที่ 21 “the sexiest job of the 21st century.” (ดูเพิ่มเติม reference)

    แต่เนื่องจากการวิเคราะห์ข้อมูลขนาดใหญ่นั้น เป็นการใช้ศาสตร์หลายสาขาผสมผสานกัน จึงทำให้การออกแบบการเรียนการสอนต้องออกมาในรูปแบบสหวิทยาการ (interdisciplinary curriculum) ซึ่งประกอบไปด้วยด้านวิศวกรรม, วิทยาการคอมพิวเตอร์, คณิตศาสตร์, สถิติ และรวมไปถึงศาสตร์ที่เกี่ยวข้องกับมิติเชิงพื้นที่ (Spatial sciences) ซึ่งยังมีความท้าทายที่จะต้องนำข้อมูลไปเกี่ยวข้องกับเวลาและตำแหน่งที่ตั้ง (Location-based data environments) อีกด้วย

      ในขั้นตอนการศึกษาด้าน Data science ยังจะต้องมีการประยุกต์ใช้หลักวิชาด้านสังคมศาสตร์ (Social science) ผนวกกับวิทยาการคอมพิวเตอร์ (Computer science) ซึ่งจะนำไปสู่การวิเคราะห์ข้อมูลที่เกี่ยวข้องกับพฤติกรรมผู้บริโภค และสามารถอธิบายถึงความหมายของผลลัพธ์ได้ เพื่อจะทำให้องค์กรได้รับผลประโยชน์จากการนำผลของการวิเคราะห์ไปต่อยอดต่อไป

     Data science ยังมุ่งเน้นการบริหารจัดการข้อมูล โดยให้สามารถแปลความหมายออกมาเป็นภาพ และอาจจะออกมาให้เห็นถึงรูปร่างหรือลักษณะเฉพาะของข้อมูล (Data  visualization) เพื่อชี้ให้ผู้อ่านผลการวิเคราะห์เห็นภาพและค้นพบความรู้ใหม่ๆ ซึ่งการอ่านผลดังกล่าว คนทั่วไปที่ไม่มีความรู้ทางเทคนิคก็สามารถเข้าใจได้ง่าย อีกทั้ง Data scientist ยังต้องมีความสามารถในการใช้ปัญญาประดิษฐ์เพื่อเป็นหนึ่งในเครื่องมือวิเคราะห์และคาดการณ์/พยากรณ์ที่ทรงพลังอีกด้วย

    ซึ่งในความเป็นจริงในแวดวงวิชาการ การสอนด้านเทคโนโลยีสารสนเทศ (Informatics program) ในอดีตมักจะแยกศาสตร์ต่างๆ ออกจากกัน เช่น แยกการเรียน Big data และ Spatial science ให้อยู่คนละสาขากัน แต่ในปัจจุบันสาขา Data science ได้ทำการกำจัดช่องว่างดังกล่าวด้วยการเชื่อมโยงศาสตร์ทั้งสอง  (Bridging disciplines) คือ Big data technology + Spatial science เข้าด้วยกันจนทำให้ผู้ที่สำเร็จการศึกษาด้าน Data science มีขีดความสามารถในการวิเคราะห์ข้อมูล Big data ได้อย่างเป็นรูปธรรมมากขึ้น และสามารถวางกลยุทธ์และแก้ปัญหาที่เกิดขึ้นจริงในทางธุรกิจได้อย่างมีประสิทธิภาพและแม่นยำมากขึ้น

    การใช้งานเทคโนโลยี Cloud computing ที่เกิดขึ้นอย่างมากในเชิงธุรกิจ ด้วยการใช้เครือข่ายผ่านระบบบังคับระยะไกล (remote) บนอินเทอร์เน็ต ทำให้ business model ขององค์กรเกิดรูปแบบบูรณาการขึ้น (Integral forms) จนเกิดระบบธุรกิจที่มีความอัจฉริยะขึ้น (Business Intelligence) เพราะการเชื่อมโยงระยะไกลดังกล่าวทำให้ข้อมูลในทุกมุมโลกที่ได้จาก social media, IoT sensors และแหล่งอื่นๆบนอินเทอร์เน็ต ผนวกเข้ากับข้อมูลภายในองค์กร สามารถถูกวิเคราะห์ด้วยอัลกอริธึมที่ซับซ้อนร่วมกันได้ในเวลาเดียวกันแบบ realtime จนทำให้เกิดผลการวิเคราะห์ที่มีค่าและทรงพลังในทันที

การเขียนโค๊ดโปรแกรมคอมพิวเตอร์ (Computer coding) ในวันนี้นั้น มีขีดความสามารถในการทำให้เกิดการประมวลผลที่ปรับเปลี่ยนให้ตรงกับความต้องการของผู้ใช้งาน (Customization) ตัวอย่างที่คลาสิกมากคือ Google Maps application ที่อนุญาตให้ผู้ใช้งานสามารถดึงฐานข้อมูลภูมิศาสตร์ขนาดใหญ่มาผ่านการประมวลผลตามเงื่อนไขที่ผู้ใช้งานกำหนดขึ้นบนมือถือได้ จึงเป็นผลให้ผู้ใช้งาน application ดังกล่าวสามารถได้รับเส้นทางที่ดีที่สุดและสามารถหลีกเลี่ยงการเสียค่าทางด่วนได้อีกด้วย

Data scientist เป็นที่ต้องการอย่างมาก เพราะพวกเขาต้องเข้าไปมีส่วนร่วมในทุก step ของวงจรชีวิตของผลิตภัณฑ์ (product’s life cycle) ของบริษัท เพราะพวกเขาต้องใช้ Big data มาช่วยระบุให้ได้ว่า บริษัทควรจะลงทุนกับผลิตภัณฑ์ใด อีกทั้งยังต้องให้คำแนะนำบริษัทด้วยว่าควรจะออกผลิตภัณฑ์ใหม่อย่างไรและเมื่อใด ยกตัวอย่างเช่นในบริษัท Airbnb จะมีวิศวกร, นักออกแบบผลิตภัณฑ์, ผู้จัดการฝ่ายผลิตภัณฑ์ และ Data scientist ทำงานร่วมกันตลอดเวลา

จากที่ผู้เขียนได้กล่าวมา ทำให้องค์กรที่ไม่นำเอา Data science หรือไม่มีบุคคลากร/partnership ทางด้านนี้มาใช้ในการกำหนดกลยุทธ์ให้แก่องค์กร ก็อาจมีผลกระทบในทันที เพราะองค์กรที่เกิดขึ้นใหม่มีขีดความสามารถที่สูงกว่าจากการใช้ Data scientist แม้ว่าจะมีขนาดขององค์กรที่เล็กกว่าและเพิ่งเริ่มต้นได้ไม่นาน ก็อาจเอาชนะองค์กรแบบดั้งเดิมที่เคยประสบความสำเร็จอย่างยาวนานมาแล้วก็เป็นได้

ขอขอบคุณข้อมูลจาก พ.อ.ดร.เศรษฐพงค์ มะลิสุวรรณ

กรรมการกิจการกระจายเสียง กิจการโทรทัศน์ และกิจการโทรคมนาคมแห่งชาติ (กสทช.)

ประวัติ: http://www.xn--42cf0a8cxa3ai5ple.com/?p=165

10 กรกฎาคม 2560  www.เศรษฐพงค์.com