การ์ทเนอร์ อิงค์ ชี้ 10 อันดับเทรนด์เทคโนโลยีด้านการวิเคราะห์และจัดเก็บข้อมูลปี 2563 ช่วยผู้บริหารฝ่ายข้อมูลพาองค์กรฝ่าวิกฤติโควิด-19 พร้อมเตรียมพลิกฟื้นกิจการหลังจากนี้

นางริต้า ซัลแลม รองประธานฝ่ายวิจัยการ์ทเนอร์ อิงค์ กล่าวว่า อีกหนึ่งแนวทางสำคัญเพื่อพลิกฟื้นและวางแผนธุรกิจรับมือกับความผกผันของเศรษฐกิจหลังโควิด-19 ได้อย่างมีประสิทธิภาพ คือ การผลักดันกลยุทธ์องค์กรที่ขับเคลื่อนด้วยดาต้า ผู้บริหารฝ่ายข้อมูลขององค์กรจึงต้องอาศัยโซลูชันที่ตอบโจทย์เรื่องการเข้าถึงข้อมูลและการประมวลผลที่รวดเร็วแม่นยำ พร้อมทั้งความสามารถในการสเกลระบบวิเคราะห์ข้อมูลเพื่อรองรับรูปแบบการทำงานใหม่ ๆ ที่จะเกิดขึ้นในอนาคตได้

รายงานจากการ์ทเนอร์ อิงค์ เผย 10 เทรนด์ของดาต้าและเทคโนโลยีการวิเคราะห์ข้อมูล เพื่อให้ผู้บริหารฝ่ายข้อมูลพิจารณาใช้เป็นแนวทางเร่งพลิกฟื้นกิจการและสร้างความได้เปรียบทางการแข่งขันอย่างต่อเนื่องหลังสถานการณ์โควิด-19 คลี่คลายดังนี้:

เทรนด์ 1: AI ที่ฉลาดขึ้น เร็วขึ้น มาพร้อมกับหน้าที่เยอะขึ้น (Smarter, Faster, More Responsible AI) ภายในสิ้นปี 2567 องค์กร 75% จะเปลี่ยนไปใช้ปัญญาประดิษฐ์หรือเอไอ (AI) อย่างจริงจัง ส่งผลให้เกิดการสตรีมข้อมูลและการวิเคราะห์โครงสร้างพื้นฐานเพิ่มขึ้น 5 เท่า

จากการระบาดของไวรัสที่เกิดขึ้นในปัจจุบัน เราได้เห็นความสำคัญของการนำเทคโนโลยี AI เช่น ระบบการเรียนรู้พฤติกรรมหรือแมชชีนเลิร์นนิ่ง (ML) มาเพิ่มประสิทธิภาพและการประมวลผลภาษาธรรมชาติ/มนุษย์ (NLP) ให้ข้อมูลเชิงลึกและช่วยคาดการณ์การแพร่กระจายของไวรัสได้อย่างมีประสิทธิผล รวมถึงวัดผลมาตรการการรับมือการแพร่ระบาดของไวรัสดังกล่าว

เทคโนโลยีอัจฉริยะอื่น ๆ ที่ขับเคลื่อนด้วย AI อาทิ การเรียนรู้แบบเสริมกำลัง (Reinforcement Learning) หรือการกำหนดเงื่อนไขบางอย่างให้แมชชีนได้เรียนรู้และปิดช่องโหว่ที่พบเพื่อบรรลุเงื่อนไขที่กำหนดไว้ และการเรียนรู้แบบกระจาย (Distributed Learning) หรือแนวคิดในการเชื่อมโยงองค์ประกอบต่าง ๆ ที่เกี่ยวข้องในกระบวนการเรียนรู้ผ่านการใช้เครือข่ายคอมพิวเตอร์ สิ่งเหล่านี้ทำให้เกิดการสร้างระบบที่มีสเกลได้และยืดหยุ่นเพื่อจัดการกับสถานการณ์ทางธุรกิจที่ซับซ้อนได้ดียิ่งขึ้น เช่น ระบบ agent-based ที่ใช้โมเดลเป็นตัวแทนในแบบจำลองและวิเคราะห์ระบบที่มีความซับซ้อน

เทรนด์ 2: แดชบอร์ดยังจำเป็นอยู่หรือไม่?(Decline of the Dashboard) การรายงานผลแบบไดนามิกที่เน้นมอบประสบการณ์แก่ผู้ใช้งานจริงได้อัตโนมัติจะเข้ามาแทนที่คอนเทนท์บนแดชบอร์ดรูปแบบเดิมจากที่เคยโชว์สรุปผลแบบรูปภาพ point-and-click และผลสำรวจการใช้งาน ด้วยเทคโนโลยี augmented analytics หรือ NLP จะเข้าวิเคราะห์ข้อมูลเชิงลึกอ้างอิงจากบทบาทหน้าที่และประสบการณ์ใช้งานจริงและจะสตรีมคอนเทนท์ที่ตอบโจทย์การใช้งานไปยังผู้ใช้แต่ละรายได้อัตโนมัติ ส่งผลให้ให้ผู้ใช้ใช้เวลาบนแดชบอร์ดที่กำหนดค่าไว้ล่วงหน้าน้อยลง

เทรนด์ 3: บริหารจัดการข้อมูลแบบสมาร์ท เร่งกระบวนการตัดสินใจได้เร็วและดีขึ้น (Decision Intelligence) ในปี 2566 องค์กรขนาดใหญ่มากกว่า 33% จะมีทีมนักวิเคราะห์ข้อมูลปฏิบัติงานในด้าน Decision Intelligence รวมถึง Decision Modeling โดยการทำงานในด้าน Decision Intelligence จะนำไปสู่การกำหนดเกณฑ์การวิเคราะห์มากมาย ประกอบด้วย การจัดการการตัดสินใจ (Decision Management) และการสนับสนุนการตัดสินใจ (Decision Support) ซึ่งช่วยกำหนดกรอบการปฏิบัติงานด้านการออกแบบ จัดวาง ดำเนินการ ตรวจสอบและปรับแต่งรูปแบบการตัดสินใจให้แก่ผู้บริหารฝ่ายข้อมูล รวมถึงกระบวนการอื่น ๆ ที่สร้างผลลัพธ์ในเชิงธุรกิจและเรียนรู้พฤติกรรมผู้บริโภค

เทรนด์ 4: X Analytics ทฤษฎี “X analytics” ของการ์ทเนอร์เป็นคำศัพท์ที่ใช้กันอย่างแพร่หลาย โดย X ถูกกำหนดให้เป็นตัวแปลข้อมูลด้านการวิเคราะห์ของช่วงเนื้อหาที่แตกต่างกันครอบคลุมทั้งข้อมูลดิบและข้อมูลที่ผ่านการประมวลผลพร้อมใช้งาน เช่น การวิเคราะห์ข้อความ วิดีโอ เสียง และข้อมูลอื่น ๆ

ช่วงการระบาดของโควิด-19 เทคโนโลยี AI มีความสำคัญอย่างยิ่งต่อการประมวลผลและจัดการข้อมูลต่าง ๆ หลายพันเรื่อง ทั้งงานวิจัย แหล่งข้อมูลข่าวสาร ข้อความที่ถูกโพสต์บนโซเชียลมีเดีย รวมถึงข้อมูลการทดลองทางคลินิกเพื่อช่วยผู้เชี่ยวชาญทางการแพทย์และสาธารณสุขคาดการณ์การแพร่กระจายของโรค อีกทั้งยังสามารถช่วยวางแผน ค้นหาแนวทางการรักษาใหม่ ๆ พร้อมระบุประชากรที่มีความเสี่ยง นอกจากนี้ทฤษฎี “X analytics” ของการ์ทเนอร์ยังถูกนำไปใช้ร่วมกับ AI และเทคนิคอื่น ๆ เพื่อเพิ่มศักยภาพในการวิเคราะห์ เช่น นำ AI ใช้ร่วมกับเทคนิคการวิเคราะห์ด้วยกราฟช่วยเพิ่มความแม่นยำในการระบุ คาดการณ์ และวางแผนรับมือภัยธรรมชาติและวิกฤตอื่น ๆ ในอนาคตได้ดียิ่งขึ้น

เทรนด์ 5: กระบวนการปรับแต่งข้อมูลอัตโนมัติ (Augmented Data Management) Augmented Data Management หรือกระบวนการปรับแต่งข้อมูลอัตโนมัติโดยใช้แมชชีนเลิร์นนิ่งและเอไอช่วยเพิ่มประสิทธิภาพและพัฒนาศักยภาพไปสู่การวิเคราะห์ ข้อมูลอภิพันธุ์ (Metadata) ที่ใช้ในการตรวจสอบบัญชี ความสัมพันธ์ของข้อมูล และการรายงานในรูปแบบไดนามิกซิสเต็มส์

ผลิตภัณฑ์ของ Augmented Data Management สามารถตรวจสอบตัวอย่างข้อมูลการปฏิบัติงานจำนวนมาก ประกอบด้วย การค้นหาจริง (Actual Queries), ข้อมูลเชิงปฏิบัติงาน (Performance Data) และโครงสร้างข้อมูล (Schemas) โดยใช้ข้อมูลจากการใช้งานจริงและข้อมูลเวิร์คโหลด Augmented Engine สามารถช่วยปรับแต่งประสิทธิภาพและกำหนดค่าความปลอดภัยได้

เทรนด์ 6: Cloud เป็นของที่ต้องมี (Cloud is a Given) ภายในปี 2565 คลาวด์สาธารณะหรือ Public Cloud จะมีบทบาทสำคัญต่อการคิดค้นนวัตกรรมทางด้านการวิเคราะห์และข้อมูลถึง 90% เนื่องจากข้อมูลและการวิเคราะห์ถูกย้ายขึ้นไปอยู่บนคลาวด์ โดยผู้บริหารฝ่ายข้อมูลยังมีความท้าทายสำคัญในการมองหาบริการที่เหมาะสมและสอดรับกับรูปแบบการใช้งานต่าง ๆ เพื่อลดค่าใช้จ่ายที่จะเกิดจากการใช้โซลูชันที่ไม่รองรับการสเกลระบบที่อาจเกิดขึ้นในอนาคต

ซึ่งทำให้วันนี้คำถามที่เกิดขึ้นเมื่อต้องการซื้อบริการด้านดาต้าและการวิเคราะห์ข้อมูลเปลี่ยนจากความสนใจเรื่องค่าบริการไปเป็น บริการนี้มีความสามารถอะไรบ้าง? ตอบโจทย์ความต้องการด้านการทำงานหรือไม่อย่างไร? ขณะเดียวกันผู้บริหารที่ดูแลด้านดาต้าและการวิเคราะห์จำเป็นต้องจัดลำดับความสำคัญของเวิร์คโหลดที่อาจทำให้ประสิทธิภาพการทำงานของคลาวด์ถูกลดทอนไปได้และให้ความสำคัญไปที่การบริหารความคุ้มค่าเมื่อต้องเปลี่ยนรูปแบบการดำเนินธุรกิจไปสู่คลาวด์

เทรนด์ 7: การปะทะกันของโลกแห่งข้อมูลและการวิเคราะห์ (Data and Analytics Worlds Collide) โดยปกติการเลือกใช้เทคโนโลยีดาต้าและอนาไลติกส์จะแตกต่างกันไปในแต่ละองค์กร โดยใช้อัตลักษณ์และรูปแบบการบริหารจัดการของแต่ละองค์กรมาพิจารณาเลือกเทคโนโลยีให้เหมาะกับการใช้งาน ผู้จำหน่ายโซลูชันจะเสนอขาย เวิร์กโฟลว์แบบครบวงจรโดยเปิดใช้งานการวิเคราะห์ข้อมูลแบบอัตโนมัติด้วยเทคโนโลยี augmented analytics ซึ่งยากต่อการแยกแยะความแตกต่างของสองตลาด

การชนกันของข้อมูลและระบบวิเคราะห์จะเพิ่มการโต้ตอบและการทำงานร่วมกันระหว่างข้อมูลเก่าที่ถูกส่งออกและระบบการวิเคราะห์ข้อมูล เป็นผลกระทบที่เกิดขึ้นไม่เพียงต่อเทคโนโลยีและความสามารถที่มีอยู่ในโซลูชัน แต่เกิดขึ้นกับคนและกระบวนการสนับสนุนและใช้งาน ตัวอย่างการทำงานคล้ายกับเกิดเป็นรูปแบบการทำงานของสเปกตรัมโดยเริ่มขยายจากข้อมูลดิบเดิม สู่การวิเคราะห์ข้อมูล และส่งต่อไปยังนักวิเคราะห์ข้อมูล และนักพัฒนาทั่ว ๆ ไป

เทรนด์ 8: ตลาดและการแลกเปลี่ยนข้อมูล (Data Marketplaces and Exchanges) ในปี 2565 องค์กรขนาดใหญ่ราว 35% จะกลายเป็นทั้งผู้ซื้อและผู้ขายข้อมูลผ่านออนไลน์มาร์เก็ตเพลส โดยโตจาก 25% ในปี 2563 ซึ่งแพลตฟอร์มการแลกเปลี่ยนข้อมูลและดาต้ามาร์เก็ตเพลสจะกลายเป็นแหล่งรวมข้อมูลออนไลน์เดียวที่จัดเก็บข้อมูลจากแหล่งต่าง ๆ ไว้สำหรับนำไปใช้และลดต้นทุนให้กับองค์กร

เทรนด์ 9: บล็อกเชนที่อยู่ในดาต้าและการวิเคราะห์ข้อมูล (Blockchain in Data and Analytics)  เทคโนโลยีบล็อกเชนชี้ให้เห็นความท้าทายสำคัญสองสิ่งเกี่ยวกับดาต้าและการวิเคราะห์ อย่างแรก คือ บล็อกเชน รวบรวมข้อมูลสินทรัพย์และธุรกรรมทั้งหมด และอย่างที่สอง คือ บล็อกเชนมีความโปร่งใสแม้เครือข่ายมีความซับซ้อนและผู้ใช้หลากหลาย

นอกจากกรณีการใช้ Bitcoin และ Smart Contract ยังมีระบบจัดการฐานข้อมูลบัญชีแยกประเภท (หรือ DBMSs) ที่นำเสนอตัวเลือกน่าสนใจในการตรวจสอบข้อมูลจากแหล่งที่มาได้หลากหลายผ่าน single-enterprise auditing การ์ทเนอร์คาดการณ์ว่าในปี 2564 บล็อกเชนได้รับใบอนุญาตประกอบธุรกิจสินทรัพย์ดิจิทัลส่วนใหญ่จะถูกแทนที่ด้วยผลิตภัณฑ์ DBMS

เทรนด์ 10: ความสัมพันธ์สร้างรากฐานแก่ข้อมูลและเพิ่มคุณค่าในการวิเคราะห์ (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