Gartner เผย 10 อันดับเทรนด์ Data และ Analytics ชี้!! ภายใน 4 ปี 75% ขององค์กรจะปรับใช้เทคโนโลยี AI อย่างจริงจัง

0
221
Gartner

การ์ทเนอร์ (Gartner) เผย 10 อันดับเทรนด์ Data และ Analytics ชี้!! ภายใน 4 ปี 75% ขององค์กรจะปรับใช้เทคโนโลยี AI อย่างจริงจัง…

Gartner เผย 10 อันดับเทรนด์ Data และ Analytics

เมื่อวันที่  1 กรกฎาคม 2563 ที่ผ่านมา การ์ทเนอร์ อิงค์ ชี้ 10 อันดับเทรนด์เทคโนโลยีด้านการวิเคราะห์และจัดเก็บข้อมูลปี 2563 ช่วยผู้บริหารฝ่ายข้อมูลพาองค์กรฝ่าวิกฤติโควิด-19 พร้อมเตรียมพลิกฟื้นกิจการหลังจากนี้ 

ริต้า ซัลแลม รองประธานฝ่ายวิจัยการ์ทเนอร์ อิงค์ กล่าวว่า อีกหนึ่งแนวทางสำคัญเพื่อพลิกฟื้นและวางแผนธุรกิจรับมือกับความผกผันของเศรษฐกิจหลังโควิด-19 ได้อย่างมีประสิทธิภาพ คือ การผลักดันกลยุทธ์องค์กรที่ขับเคลื่อนด้วยดาต้า ผู้บริหารฝ่ายข้อมูลขององค์กรจึงต้องอาศัยโซลูชันที่ตอบโจทย์เรื่องการเข้าถึงข้อมูล

และการประมวลผลที่รวดเร็วแม่นยำ พร้อมทั้งความสามารถในการสเกลระบบวิเคราะห์ข้อมูลเพื่อรองรับรูปแบบการทำงานใหม่ ๆ ที่จะเกิดขึ้นในอนาคตได้

โดยจากรายงานจากการ์ทเนอร์ อิงค์ เผย 10 เทรนด์ของดาต้าและเทคโนโลยีการวิเคราะห์ข้อมูล เพื่อให้ผู้บริหารฝ่ายข้อมูลพิจารณาใช้เป็นแนวทางเร่งพลิกฟื้นกิจการและสร้างความได้เปรียบทางการแข่งขันอย่างต่อเนื่องหลังสถานการณ์โควิด-19 คลี่คลายดังนี้

AI ที่ฉลาดขึ้น เร็วขึ้น มาพร้อมกับหน้าที่เยอะขึ้น (Smarter, Faster, More Responsible AI) 

ภายในสิ้นปี 2567 องค์กร 75% จะเปลี่ยนไปใช้ปัญญาประดิษฐ์ หรือ เอไอ (AI) อย่างจริงจัง ส่งผลให้เกิดการสตรีมข้อมูลและการวิเคราะห์โครงสร้างพื้นฐานเพิ่มขึ้น เท่า จากการระบาดของไวรัสที่เกิดขึ้นในปัจจุบัน เราได้เห็นความสำคัญของการนำเทคโนโลยี AI เช่น ระบบการเรียนรู้พฤติกรรม หรือแมชชีนเลิร์นนิ่ง (ML) 

มาเพิ่มประสิทธิภาพและการประมวลผลภาษาธรรมชาติ/มนุษย์ (NLP) ให้ข้อมูลเชิงลึกและช่วยคาดการณ์การแพร่กระจายของไวรัสได้อย่างมีประสิทธิผล รวมถึงวัดผลมาตรการการรับมือการแพร่ระบาดของไวรัสดังกล่าว โดยเทคโนโลยีอัจฉริยะอื่น ๆ ที่ขับเคลื่อนด้วย AI

อาทิ การเรียนรู้แบบเสริมกำลัง (Reinforcement Learning) หรือการกำหนดเงื่อนไขบางอย่างให้แมชชีนได้เรียนรู้และปิดช่องโหว่ที่พบเพื่อบรรลุเงื่อนไขที่กำหนดไว้ และการเรียนรู้แบบกระจาย (Distributed Learning) หรือแนวคิดในการเชื่อมโยงองค์ประกอบต่าง ๆ

ที่เกี่ยวข้องในกระบวนการเรียนรู้ผ่านการใช้เครือข่ายคอมพิวเตอร์  สิ่งเหล่านี้ทำให้เกิดการสร้างระบบที่มีสเกลได้และยืดหยุ่นเพื่อจัดการกับสถานการณ์ทางธุรกิจที่ซับซ้อนได้ดียิ่งขึ้น เช่น ระบบ agentbased ที่ใช้โมเดลเป็นตัวแทนในแบบจำลอง และวิเคราะห์ระบบที่มีความซับซ้อน 

แดชบอร์ดยังจำเป็นอยู่หรือไม่? (Decline of the Dashboard)

การรายงานผลแบบไดนามิกที่เน้นมอบประสบการณ์แก่ผู้ใช้งานจริงได้อัตโนมัติจะเข้ามาแทนที่คอนเทนท์บนแดชบอร์ดรูปแบบเดิมจากที่เคยโชว์สรุปผลแบบรูปภาพ pointandclick และผลสำรวจการใช้งาน ด้วยเทคโนโลยี augmented analytics หรือ NLP จะเข้าวิเคราะห์ข้อมูลเชิงลึกอ้างอิงจากบทบาทหน้าที่

และประสบการณ์ใช้งานจริง และจะสตรีมคอนเทนท์ที่ตอบโจทย์การใช้งานไปยังผู้ใช้แต่ละรายได้อัตโนมัติ ส่งผลให้ให้ผู้ใช้ใช้เวลาบนแดชบอร์ดที่กำหนดค่าไว้ล่วงหน้าน้อยลง

 

Gartner

บริหารจัดการข้อมูลแบบสมาร์ท เร่งกระบวนการตัดสินใจได้เร็ว และดีขึ้น (Decision Intelligence)

ภายในปี 2566 องค์กรขนาดใหญ่มากกว่า 33% จะมีทีมนักวิเคราะห์ข้อมูลปฏิบัติงานในด้าน Decision Intelligence รวมถึง Decision Modeling โดยการทำงานในด้าน Decision Intelligence จะนำไปสู่การกำหนดเกณฑ์การวิเคราะห์มากมาย ประกอบด้วย การจัดการการตัดสินใจ (Decision Management)

และการสนับสนุนการตัดสินใจ (Decision Support) ซึ่งช่วยกำหนดกรอบการปฏิบัติงานด้านการออกแบบ จัดวาง ดำเนินการ ตรวจสอบ และปรับแต่งรูปแบบการตัดสินใจให้แก่ผู้บริหารฝ่ายข้อมูล รวมถึงกระบวนการอื่น ๆ ที่สร้างผลลัพธ์ในเชิงธุรกิจ และเรียนรู้พฤติกรรมผู้บริโภค

X Analytics

ทฤษฎี X analytics ของการ์ทเนอร์เป็นคำศัพท์ที่ใช้กันอย่างแพร่หลาย โดย X ถูกกำหนดให้เป็นตัวแปลข้อมูลด้านการวิเคราะห์ของช่วงเนื้อหาที่แตกต่างกันครอบคลุมทั้งข้อมูลดิบ และข้อมูลที่ผ่านการประมวลผลพร้อมใช้งาน เช่น การวิเคราะห์ข้อความ วิดีโอ เสียง และข้อมูลอื่น ๆ

ช่วงการระบาดของโควิด-19 เทคโนโลยี AI มีความสำคัญอย่างยิ่งต่อการประมวลผล และจัดการข้อมูลต่าง ๆ หลายพันเรื่อง ทั้งงานวิจัย แหล่งข้อมูลข่าวสาร ข้อความที่ถูกโพสต์บนโซเชียลมีเดีย รวมถึงข้อมูลการทดลองทางคลินิกเพื่อช่วยผู้เชี่ยวชาญทางการแพทย์ และสาธารณสุขคาดการณ์การแพร่กระจายของโรค

อีกทั้งยังสามารถช่วยวางแผน ค้นหาแนวทางการรักษาใหม่ ๆ พร้อมระบุประชากรที่มีความเสี่ยง นอกจากนี้ทฤษฎี X analytics ของ การ์ทเนอร์ ยังถูกนำไปใช้ร่วมกับ AI และเทคนิคอื่น ๆ เพื่อเพิ่มศักยภาพในการวิเคราะห์

เช่น นำ AI ใช้ร่วมกับเทคนิคการวิเคราะห์ด้วยกราฟช่วยเพิ่มความแม่นยำในการระบุ คาดการณ์ และวางแผนรับมือภัยธรรมชาติและวิกฤตอื่น ๆ ในอนาคตได้ดียิ่งขึ้น

กระบวนการปรับแต่งข้อมูลอัตโนมัติ (Augmented Data Management)

กระบวนการปรับแต่งข้อมูลอัตโนมัติ (Augmented Data Management) โดยใช้แมชชีนเลิร์นนิ่ง และเอไอ จะช่วยเพิ่มประสิทธิภาพและพัฒนาศักยภาพไปสู่การวิเคราะห์ ข้อมูลอภิพันธุ์ (Metadata) ที่ใช้ในการตรวจสอบบัญชี ความสัมพันธ์ของข้อมูล และการรายงานในรูปแบบไดนามิกซิสเต็มส์

ผลิตภัณฑ์ของ Augmented Data Management สามารถตรวจสอบตัวอย่างข้อมูลการปฏิบัติงานจำนวนมาก ประกอบด้วย การค้นหาจริง (Actual Queries), ข้อมูลเชิงปฏิบัติงาน (Performance Data) และครงสร้างข้อมูล (Schemas) 

โดยใช้ข้อมูลจากการใช้งานจริง และข้อมูลเวิร์คโหลด (Augmented Engine) สามารถช่วยปรับแต่งประสิทธิภาพ และกำหนดค่าความปลอดภัยได้

Gartner

Cloud เป็นของที่ต้องมี (Cloud is a Given)

ภายในปี 2565 คลาวด์สาธารณะ (Public Cloud) จะมีบทบาทสำคัญต่อการคิดค้นนวัตกรรมทางด้านการวิเคราะห์และข้อมูลถึง 90% เนื่องจากข้อมูลและการวิเคราะห์ถูกย้ายขึ้นไปอยู่บนคลาวด์ โดยผู้บริหารฝ่ายข้อมูลยังมีความท้าทายสำคัญในการมองหาบริการที่เหมาะสมและสอดรับกับรูปแบบการใช้งานต่าง ๆ

เพื่อลดค่าใช้จ่ายที่จะเกิดจากการใช้โซลูชันที่ไม่รองรับการสเกลระบบที่อาจเกิดขึ้นในอนาคต ซึ่งทำให้วันนี้คำถามที่เกิดขึ้นเมื่อต้องการซื้อบริการด้านดาต้า (Data) และการวิเคราะห์ข้อมูล (Data Analytics) เปลี่ยนจากความสนใจเรื่องค่าบริการไปเป็น บริการนี้มีความสามารถอะไรบ้างตอบโจทย์ความต้องการด้านการทำงานหรือไม่อย่างไร

ขณะเดียวกันผู้บริหารที่ดูแลด้านดาต้าและการวิเคราะห์จำเป็นต้องจัดลำดับความสำคัญของเวิร์คโหลดที่อาจทำให้ประสิทธิภาพการทำงานของคลาวด์ถูกลดทอนไปได้ และให้ความสำคัญไปที่การบริหารความคุ้มค่าเมื่อต้องเปลี่ยนรูปแบบการดำเนินธุรกิจไปสู่คลาวด์

การปะทะกันของโลกแห่งข้อมูล และการวิเคราะห์ (Data and Analytics Worlds Collide)

โดยปกติการเลือกใช้เทคโนโลยีดาต้าและอนาไลติกส์จะแตกต่างกันไปในแต่ละองค์กร โดยใช้อัตลักษณ์และรูปแบบการบริหารจัดการของแต่ละองค์กร มาพิจารณาเลือกเทคโนโลยีให้เหมาะกับการใช้งาน ผู้จำหน่ายโซลูชันจะเสนอขาย เวิร์กโฟลว์แบบครบวงจรโดยเปิดใช้งานการวิเคราะห์ข้อมูลแบบอัตโนมัติ

ด้วยเทคโนโลยี augmented analytics ซึ่งยากต่อการแยกแยะความแตกต่างของ 2 ตลาด จากการผสมผสานกันของข้อมูล และระบบวิเคราะห์ จะเพิ่มการโต้ตอบ และการทำงานร่วมกันระหว่างข้อมูลเก่าที่ถูกส่งออก และระบบการวิเคราะห์ข้อมูล เป็นผลกระทบที่เกิดขึ้นไม่เพียงต่อเทคโนโลยี และความสามารถที่มีอยู่ในโซลูชัน

แต่เกิดขึ้นกับคน และกระบวนการสนับสนุนและใช้งาน ตัวอย่างการทำงานคล้ายกับเกิดเป็นรูปแบบการทำงานของสเปกตรัมโดยเริ่มขยายจากข้อมูลดิบเดิม สู่การวิเคราะห์ข้อมูล และส่งต่อไปยังนักวิเคราะห์ข้อมูล และนักพัฒนาทั่ว ๆ ไป

ตลาด และการแลกเปลี่ยนข้อมูล (Data Marketplaces and Exchanges)

ในปี 2565 องค์กรขนาดใหญ่ราว 35จะกลายเป็นทั้งผู้ซื้อและผู้ขายข้อมูลผ่านออนไลน์มาร์เก็ตเพลส โดยโตจาก 25% ในปี 2563 ซึ่งแพลตฟอร์มการแลกเปลี่ยนข้อมูล และดาต้ามาร์เก็ตเพลสจะกลายเป็นแหล่งรวมข้อมูลออนไลน์เดียวที่จัดเก็บข้อมูลจากแหล่งต่าง ๆ ไว้สำหรับนำไปใช้และลดต้นทุนให้กับองค์กร

บล็อกเชนที่อยู่ในดาต้า และการวิเคราะห์ข้อมูล (Blockchain in Data and Analytics) 

เทคโนโลยีบล็อกเชนชี้ให้เห็นความท้าทายสำคัญสองสิ่งเกี่ยวกับดาต้าและการวิเคราะห์ อย่างแรก คือ บล็อกเชน รวบรวมข้อมูลสินทรัพย์และธุรกรรมทั้งหมด และอย่างที่สอง คือ บล็อกเชนมีความโปร่งใสแม้เครือข่ายมีความซับซ้อนและผู้ใช้หลากหลาย 

นอกจากกรณีการใช้ Bitcoin และ Smart Contract ยังมีระบบจัดการฐานข้อมูลบัญชีแยกประเภท (หรือ DBMSs) ที่นำเสนอตัวเลือกน่าสนใจในการตรวจสอบข้อมูลจากแหล่งที่มาได้หลากหลายผ่าน singleenterprise auditing 

โดย การ์ทเนอร์ คาดการณ์ว่าในปี 2564 บล็อกเชนได้รับใบอนุญาตประกอบธุรกิจสินทรัพย์ดิจิทัลส่วนใหญ่จะถูกแทนที่ด้วยผลิตภัณฑ์ DBMS

ความสัมพันธ์สร้างรากฐานแก่ข้อมูล และเพิ่มคุณค่าในการวิเคราะห์ (Relationships Form the Foundation of Data and Analytics Value)

ในปี 2566 องค์กรต่าง ๆ ทั่วโลกราว 30% จะใช้เทคโนโลยีกราฟในการวิเคราะห์ข้อมูลซึ่งช่วยในการตัดสินใจทางธุรกิจได้อย่างรวดเร็ว การวิเคราะห์ข้อมูลด้วยกราฟ เป็นเทคนิคหนึ่งในการวิเคราะห์ข้อมูลที่ข้อมูลนั้นถูกจัดให้อยู่ในรูปแบบเชิงความสัมพันธ์ โดยใช้วิเคราะห์ความสัมพันธ์ของรายละเอียดต่าง ๆ

เช่น องค์กร คน และธุรกรรมต่าง ๆ  มันช่วยให้ผู้บริหารฝ่ายข้อมูลค้นพบความสัมพันธ์ของข้อมูลใหม่ ๆ และตรวจสอบข้อมูลที่ไม่สามารถวิเคราะห์ได้ด้วยวิธีการแบบเดิม สามารถคลิกอ่านรายงานเพิ่มเติมได้ที่ Top 10 Trends in Data and Analytics, 2020

ส่วนขยาย

* บทความเรื่องนี้น่าจะเป็นประโยชน์สำหรับการวิเคราะห์ในมุมมองที่น่าสนใจ 
** เขียน: ชลัมพ์ ศุภวาที (บรรณาธิการ และผู้สื่อข่าว) 
*** ขอขอบคุณภาพประกอบบางส่วนจาก www.pexels.com

สามารถกดติดตามข่าวสารและบทความทางด้านเทคโนโลยีของเราได้ที่  www.facebook.com/itday.in.th

Itdayleadger

This site uses Akismet to reduce spam. Learn how your comment data is processed.