Item List

โครงการ Data Analytics ในยุค Big Data คือ โครงการที่มีการใช้ข้อมูลขนาดใหญ่ มีความหลากหลายของข้อมูล และมีการสร้างเป็นระบบ ที่มีการไหลเวียนของข้อมูล ทำให้สามารถใช้ประโยชน์จากข้อมูลได้รวดเร็ว Data Analytics จึงเป็นหนึ่งในองค์ประกอบที่สำคัญของ Data Platform ทั้งนี้ สำหรับโครงการที่ไม่มีการขึ้นเป็น Data Platform ก็ยังถือเป็นโครงการ Data Analytics ได้ แต่อาจจะเป็นเชิงวิจัย หรือทำงานแบบ manual ที่ไม่มีการขึ้นระบบ ขึ้นอยู่กับวัตถุประสงค์ของโครงการเป็นหลัก วันนี้ Coraline ขอเสนอ 5 ตัวอย่างโครงการ Data Analytics ของจริง! ที่มีการขึ้นระบบ และเป็นโครงการ Big Data ที่มีความท้าทาย 1. Fraud Detection สำหรับบัตรเครดิต เพื่อป้องกันการโกง หรือการโจรกรรมด้านการเงิน สถาบันการเงินจะมีการวิเคราะห์ธุรกรรมที่ผิดปกติ เพื่อแจ้งเตือน หรือระงับการใช้งานได้ทันท่วงที ซึ่งถ้าไม่มีระบบการวิเคราะห์ และทำงานอัตโนมัติ จะต้องให้ทางผู้ใช้งาน หรือเจ้าของบัตรเป็นผู้ยื่นแจ้งเหตุธุรกรรมด้วยตัวเอง ทำให้เสียเวลาในการตรวจสอบ 2. Product Recommendation สำหรับ E-Commerce การแนะนำผลิตภัณฑ์ที่เหมาะสม ช่วยเพิ่มยอมขายได้อย่างมีนัยสำคัญ โดยเฉพาะอย่างยิ่ง การซื้อของออนไลน์​ ที่ข้อมูลการซื้อสินค้าอยู่ในรูปแบบดิจิตอลที่พร้อมใช้ Product Recommendation ทำงานโดยการเก็บรายละเอียดการซื้อสินค้า และวิเคราะห์พฤติกรรมของเจ้าของ Account นั้นๆ จากนั้นระบบจะแสดงผลเป็นการแนะนำผลิตภัณฑ์แบบส่วนตัว ทำให้ Platform นั้นๆ สามารถดึงดูดการใช้งานของผู้ซื้อได้มากขึ้น 3. Demand Forecast สำหรับการบริหารคงคลัง หรือ Inventory Management ถ้าเป็นบริษัทที่ให้ความสำคัญกับความแม่นยำ การ Forecast จะใช้ Machine Learning และมีทีมงาน Monitor พฤติกรรมของการขายอย่างสม่ำเสมอ เพื่อประเมินแนวทางในการบริหารสินค้า ทั้งในมุมการขาย และในมุมการบริหารคลังสินค้า 4. Routing Optimization สำหรับบริษัทขนส่ง ทั้งทางบก และทางอากาศ การวิเคราะห์ Routing หรือเส้นทางการเดินทาง ถือเป็นหัวใจของการบริหารต้นทุน ไม่ว่าจะเป็นในุมการวิเคราะห์เส้นทางเพื่อความคุ้มทุน การเลือกใช้พาหนะ ที่เหมาะสม ปริมาณงานต่อวัน และการจัดสรรพนักงาน ทั้งหมดนี้มีการทำงานที่เป็นระบบ เพราะการใช้บุคลากรหน้างานเป็นผู้กระจายงาน จะมีความเสี่ยงด้าน Operation และมีความไม่แน่นอนเกิดขึ้น 5. Weather Forecast การพยากรณ์สภาพอากาศ รวมไปถึงการวางแผนบริหารจัดการทรัพยากร เป็นการวิเคราะห์ และใช้ Data Model โดยสิ่งที่สำคัญที่สุด คือ ข้อมูล ที่ยิ่งมีละเอียดเท่าไหร่ ก็ยิ่งทำนายได้แม่นเท่านั้น จะเห็นได้ว่า โครงการ Data Analytics อยู่ใกล้ตัวเรามากๆ โดยมักจะเป็นโครงการที่ขึ้นระบบ และมี Data Pipeline กล่าวคือ เมื่อมีข้อมูลใหม่เกิดขึ้น ระบบจะทำงานได้ทันที ไม่ต้องมีบุคลากรมาทำการ Import Data เข้า Model แต่อย่างใด ทั้งนี้ สิ่งที่สำคัญในการพัฒนา Data Analytics Platform คือ
ข้อมูลที่พร้อม มีปริมาณที่มากพอ และมีคุณภาพที่ดี เพื่อเป็นต้นแบบในการพัฒนา Model
ระบบที่เหมาะสม เพื่อสร้าง Pipeline
ทีมงานต่าง ๆ เช่น Data Engineer, Data Scientist และ Developer
โจทย์ที่ชัด และพร้อมนำไป Implement จริง สนใจดำเนินโครงการ Data Analytics โดยทีมผู้เชี่ยวชาญ ติดต่อ Coraline ได้ ทุกช่องทางค่ะ #DataScience
#Optimization
#ProductivityImprovement
#DigitalTransformation
#MachineLearning
#ArtificialIntelligence
#DataManagement
#DataGovernance
#DataQuality
#DeepLearning #Coraline ให้คำปรึกษา และรับพัฒนาโครงการ Big Data, Data Model, Artificial Intelligence และ Digital Transformation เพื่อเพิ่มศักยภาพของธุรกิจ Tel: 099-425-5398
Email: inquiry@coraline.co.th
FB Page: @coralineltd

บทสัมภาษณ์คุณ สรุจ ทิพเสนา รองกรรมการผู้จัดการฝ่ายโซลูชั่นองค์กร จากบริษัทไมโครซอฟท์ ประเทศไทย และ ดร. อสมา กุลวานิชไชยนันท์ ประธานเจ้าหน้าที่บริหาร คอราไลน์เกี่ยวกับงาน Global AI ที่ผ่านมาและกระแสของ AI และ ChatGPT ในตอนนี้ รวมถึงการเป็น Partner ระหว่าง คอราไลน์และไมโครซอฟท์ สำหรับบริการ Service OpenAI for Enterprise
#MicrosoftThailand #Coraline #Azure #AzureOpenAI #ChatGPT #AzureOpenAIForEnterprise #CoralineNewService

ChatGPT for Enterprise สำหรับคอราไลน์ ไม่ใช่แค่การนำ ChatGPT มาเชื่อมต่อกับข้อมูลขององค์กรเพื่อให้นำเสนอข้อมูลออกมาได้เพียงเท่านั้น แต่คือการที่เราใช้ความเชี่ยวชาญทางด้านข้อมูลมาช่วยออกแบบโซลูชั่น เพื่อให้มั่นใจว่าองค์กรของคุณ จะได้ระบบ AI Virtual Assistant ที่สามารถสื่อสารได้อย่างเป็นธรรมชาติ นำเสนอข้อมูลที่ตรงกับที่ผู้ใช้งานทั้งภายในและภายนอกองค์กรต้องการ ด้วยข้อมูลที่มีคุณภาพ และเป็นข้อมูลที่พร้อมให้ผู้ใช้งานสามารถนำไปใช้ประกอบการตัดสินใจที่สำคัญและทันเหตุการณ์ สามารถส่งต่อข้อมูลไปที่ระบบอื่น เพื่อให้ Take Action เช่น การตอบอีเมล์ การทำนัดหมายบนปฏิทิน หรือทำการสั่งซื้อสินค้า และอื่นๆ โดยโซลูชั่นของคอราไลน์ จะเป็นการดูแลจากทีมงานที่มีความเชี่ยวชาญเฉพาะทาง ทั้งในด้าน Data Management ,Data Governance, Data Analytics , Data Driven Transformations ซึ่งจะเป็นรากฐานที่สำคัญของการพัฒนาองค์กรให้มีข้อมูลที่พร้อมที่จะเชื่อมต่อกับ AI ไม่ว่าจะเป็น - ทีม Business Development ที่มีความเข้าใจในธุรกิจ ที่จะช่วยวิเคราะห์โจทย์ของค์กร ในด้านข้อมูลและช่วยออกแบบผลิตภัณฑ์หรือบริการที่สามารถตอบโจทย์และใช้งานได้จริง - ทีม Data ที่ประกอบไปด้วย Data Engineer/ Data Scientist / Data Analytics ที่มีความเชี่ยวชาญในการวิเคราะห์ ออกแบบ จัดทำ เทรน ข้อมูล เพื่อให้ได้ โซลูชั่น Virtual Assistant ที่เหมาะสมกับองค์กร และพร้อมรองรับเทคโนโลยีใหม่ๆ เพื่อสามารถพัฒนาต่อยอดในด้านอื่นๆ ได้อีกด้วย สนใจปรึกษาและออกแบบพัฒนาโครงการ Big Data, Data Analytics, Data Governance, Artificial Intelligence และ Data Driven Transformation เพื่อเพิ่มศักยภาพของธุรกิจ ติดต่อ Tel: 099-425-5398 Email: inquiry@coraline.co.th Website: https://coraline.co.th/ We turn your DATA into your KEY of success #Coraline #ChatGPT #ChatGPTforEnterprise #VirtualAssistant #คอราไลน์ #CoralineVirtualAssistant

กิจกรรมพิเศษสุด ๆ ในเดือนกรกฎาคม 2566 เรามี Outing EP.2 สำหรับปีนี้เราจัด Outing กัน 2 รอบ เพื่อให้ชาว Coralian ได้สังสรรค์และสนุกสนานกันแบบจุใจ ในรอบนี้เราได้ยกขบวนกันไปพักผ่อน และทำกิจกรรมกันที่ โรงแรม Holiday Inn Huahin เป็นเวลา 2 วัน 1 คืน ครั้งนี้เราคัดสรรกิจกรรมมากมายมาให้ชาว Coralian ได้ร่วมสนุก โดยระหว่างทำกิจกรรมต่าง ๆ สามารถร่วมลุ้นชิงเงินรางวัลมูลค่ารวมกว่า 30,000 บาท อาทิเช่น Coraline Bingo, กิจกรรมเล่นสวนน้ำ, เกมส์ต่าง ๆ เพื่อเสริมสร้างความใกล้ชิดระหว่างทีม, การแสดงสุดพิเศษจากพี่ ๆ C-Level, การแสดงสุดสร้างสรรค์ Coraline Got Talents จากทีมสมาชิกแต่ละแผนกรวมทั้งหมด 9 โชว์, แดนซ์กระจายกับ DJ Showtime และปิดท้ายด้วย Town Hall จาก CEO ของพวกเรา ขอขอบคุณเพื่อน ๆ ชาว Coralian ทุกท่านและโดยเฉพาะทีม HR สุดเจ๋งของเรา ที่ทำให้บรรยากาศเต็มไปด้วยความสนุกสนาน ช่วยกระชับความสัมพันธ์ภายในทีมและนอกทีม เรียกได้ว่าหลังจบจากทริปนี้ทำให้พวกเราชาวสมาชิกสนิทและอบอุ่นกันมากขึ้นจริง ๆ " Work from home แบบไม่มีเหงา ต้องมาอยู่กับเราที่คอราไลน์ " . #coralinemidyearouting2023 #lifeatcoraline #coraline #Coralian

จบไปแล้วกับกิจกรรม #NewYearParty เริ่มต้นปี 2023 กันอย่างสนุก และอบอุ่น โดยงานปีนี้จัดภายใต้คอนเซป "Happy Coralian Happy Coraline" ที่ให้ชาว Coralian ได้ครีเอท สร้างสรรค์การแต่งตัวตามฉบับตัวเราใน Gather ซึ่งเป็นออฟฟิศในโลกเสมือนของคอราไลน์ นอกจากนี้ภายในงานยังมีกิจกรรมให้ร่วมสนุกมากมาย อาทิ การจับฉลากของรางวัลรวมมูลค่ากว่า 200,000 บาท จากทางผู้บริหาร การจับฉลากของขวัญจากพี่น้อง Coralian การประกวดชุดแต่งกายที่มีเงินรางวัลของผู้ชนะรวม 17,500 บาท Town Hall จากผู้บริหาร ร่วมทานอาหารและเครื่องดื่มจากร้านอาหาร SORTREL’s Cottage พร้อมเกมส์สนุกๆมากมาย ซึ่งบรรยากาศภายในงานเต็มไปด้วยความสุข และเสียงหัวเราะ เนื่องจากทุกคนได้มาเจอกันพร้อมหน้า สุดท้ายนี้ขอแสดงความยินดีกับผู้โชคดีที่ได้รับรางวัลจากทางผู้บริหาร และขอให้ปีนี้เป็นปีที่ดีของทุกคน #CoralineNewYearParty23 #Coraline #LifeAtCoraline #Coralianway

อุตสาหกรรมการผลิต เป็นกลุ่มอุตสาหกรรมที่มีข้อมูลขนาดใหญ่มหาศาล ซึ่งข้อมูลส่วนใหญ่เป็นข้อมูลภายใน หรือ Internal Data ทำให้มีความยุ่งยากในการจัดการโครงสร้างของข้อมูลน้อยกว่าการมีข้อมูลภายนอก หรือ External Data เข้ามาเกี่ยวข้องด้วย ส่วนใหญ่ข้อมูลที่มีในส่วนของการผลิต จะแบ่งออกเป็น 2 ประเภท คือ ข้อมูลแบบ Batch ที่เก็บอยู่ในระบบ เช่น ข้อมูลกำลังผลิต และข้อมูลแบบ Real-Time ที่จะได้จากการติดตั้ง IoT ในยุคปฏิวัติอุตสาหกรรมครั้งที่ 3 หรือ ยุค Robotic นำพามาซึ่งการลงทุนในเครื่องจักร และระบบสำเร็จรูป ทำให้หลายๆ คนเคยชินกับการลงทุนในระบบที่พร้อมใช้ ต่อมาเมื่อเข้าสู่ยุคปฏิวัติอุตสาหกรรมครั้งที่ 4 หรือ ยุค Digital ที่เน้นการลงทุนในระบบแบบ Customized จึงเกิดเป็นช่องว่างในความเข้าใจ เพราะหากไม่เข้าใจ ก็ยากที่จะสามารถออกแบบเป็นระบบที่เหมาะสมได้ การติดตั้ง IoT จึงมีข้อจำกัดอยู่ว่า จะนำข้อมูลจาก IoT ไปใช้ประโยชน์ได้อย่างไร เพราะถ้าแค่ติดตั้ง IoT เพื่อแจ้งสถานะของตัวเลขในระยะเวลาใดระยะเวลาหนึ่ง ก็คงเป็นการลงทุนที่ไม่คุ้มค่า ยิ่งไปกว่านั้น การติดตั้ง IoT นอกจากจะมีค่าใช้จ่ายเรื่องอุปกรณ์ที่ติดตั้งแล้ว ยังจำเป็นต้องลงทุนใน Data Infrastructure ที่เหมาะสมอีกด้วย เพราะจะมีข้อมูลที่ไหลเข้ามาในระบบอยู่ตลอดเวลา และมีโอการที่จะขยายตัวอย่างรวดเร็ว ปัญหาใหญ่ คือ เมื่อต้องลงทุนกับ Infrastructure ใหญ่ และต้องติดตั้งอุปกรณ์ใหม่ขนาดนี้ กลับได้ผลลัพธ์เป็นเพียง Dashboard เพื่อแสดง Status ของตัวเลขในแต่ละส่วนของโรงงานเท่านั้นเองหรือ? เมื่อไม่สามารถแสดงให้เห็นได้ว่า การมีข้อมูลแบบ Real-Time จะเพิ่มประสิทธิภาพการทำงานได้อย่างไร โครงการ Big Data ที่นำไปสู่ Data Driven Process ในอุสาหกรรมการผลิต จึงไม่เกิดผลสำเร็จ ตัวอย่างของโครงการการใช้ประโยชน์จาก Data สำหรับอุตสาหกรรมการผลิต มีดังต่อไปนี้ 1. เพื่อจัดลำดับการผลิตได้อย่างเหมาะสมมากขึ้น สำหรับโรงงานใด ที่ยังมีการจัดลำดับงานโดย “มนุษย์” อยู่นั้น ถือเป็นความเสี่ยงในการดำเนินการอย่างมาก เช่น การจัดลำดับว่าวันนี้จะผลิตสินค้าแต่ละชนิดเป็นจำนวนเท่าไหร่ Line การผลิตแต่ละ Line จะมีลำดับในการผลิตอย่างไร รวมไปถึง ปริมาณแรงงาน หรือระยะเวลาในการทำงานแต่ละวัน การมี Big Data และ Data Model จะทำให้สามารถออกแบบการจัดลำดับงานได้อย่างมีประสิทธิภาพมากขึ้น และในระยะยาว หากต้องการปรับปรุง Line การผลิต ก็สามารถใช้ Model เพื่อวิเคราะห์ได้ว่า ตรงไหนคือ Fat หรือส่วนที่ทำให้เกิดผลเสียต่อระบบได้อีกด้วย 2.การตัดสินใจหน้างานที่มีประสิทธิภาพมากขึ้น การผลิตสินค้าบางชนิด มีข้อจำกัดเรื่องสภาพแวดล้อม เช่น อุณหภูมิ อัตราการไหล ความเร็วลม เป็นต้น ทำให้การผลิตยังต้องใช้ทักษะ และประสบการณ์หน้างานเป็นหลัก ถือเป็นความเสี่ยงอย่างนึง ทั้งในมุมของประสิทธิภาพในการทำงาน และความเสี่ยงเรื่องบุคลากร ตามหลักวิชาการแล้ว การทำงานแบบ Closed Loop หรือ จำกัดสภาพแวดล้อมของการผลิต จะทำให้การผลิตมีประสิทธิภาพสูงสุด แต่ในความเป็นจริง การทำงานแบบ Closed Loop นั้น ทำให้เกิดขึ้นได้ยากในโลกแห่งความเป็นจริง ซึ่งในทางปฏิบัติ การใช้ IoT จะสามารถส่งข้อมูลแบบ Real-Time ไปยังหน่วยการประมวลผลได้ ที่หน่วยประมวลผลจะมี Data Model ที่สร้างจากการนำข้อมูลขนาดใหญ่ มาวิเคราะห์ และสร้างเป็นต้นแบบเอาไว้ จากนั้นจะส่งผลลัพธ์เป็นแนวทางปฏิบัติไปแสดงผลให้ผู้ปฏิบัติดำเนินการต่อไป ตัวอย่างโครงการ เช่น การติด IoT เพื่อวัดค่าปริมาณสารคงเหลือในคลัง เพื่อตัดสินใจสั่งซื้อสารจาก Supplier หรือ การติดตั้ง IoT เพื่อวิธีการหลอมแบบภายใต้สภาพแวดล้อมที่ไม่คงที่ เป็นต้น 3.การพยากรณ์รอบการผลิตที่ต่ำลง หรือ Preventive Accident ในโรงงานการผลิต ที่ใช้เครื่องจักรอยู่ตลอดเวลา จะมีรอบการเกิดอุบัติเหตุ ทำให้จะมีแผนการซ่อมบำรุงเป็นค่ามาตรฐานเป็นค่าที่ทางบริษัทเครื่องมือได้กำหนดเอาไว้ ในความเป็นจริง อายุของเครื่องมือ สภาพแวดล้อม และอัตราการผลิต ต่างส่งผลให้เกิดอุบัติเหตุ หรือ อัตราการผลิตที่ลดต่ำลง แต่ละโรงงาน แม้จะซื้อเครื่องมือเดียวกัน จะเป็นไปได้ว่า รอบการผลิตที่เริ่มต่ำลง ที่จำเป็นจะต้องบำรุงรักษาระบบไม่พร้อมกัน ข้อมูลขนาดใหญ่ ทั้งจาก IoT จากระบบการผลิต และจากการเก็บลักษณะของการบำรุงรักษา จะสามารถนำมาสร้างเป็น Preventive Accident ได้ อย่างไรก็ตาม การจะสร้าง Model ประเภทนี้ อาจจะต้องรอให้มีข้อมูลที่มากพอ เพราะเป็นไปได้ว่า ปริมาณ Accident หรือ อุบัติเหตุที่เกิดขึ้นในระบบ จะเกิดขึ้นไม่บ่อยครั้ง จนไม่สามารถนำมาสร้างเป็นต้นแบบของเหตุผลในการเกิดแต่ละครั้งได้ (แนะนำว่า ควรจะต้องมีข้อมูลย้อนหลังอย่างน้อย 5 ปี) 3 ตัวอย่างที่นำเสนอ เป็นเพียงตัวอย่างอย่างงาน ที่หลายๆ โรงงาน หรือ หลายๆ องค์กรได้ทำสำเร็จเป็นที่เรียบร้อย ยังมีอีกหลายโครงการ ที่มีการพัฒนาขึ้นแบบเป็นเอกลักษณ์ หรือ Customized System ที่จะเหมาะกับการแก้ปัญหาเฉพาะที่ และไม่อาจจะนำไปแก้ปัญหาที่อื่นได้ การเป็น Data Driven Process คือ การที่ระบบดำเนินการไปเรื่อยๆ โดยมีข้อมูลไหลผ่าน และเกิดการประมวลผลอยู่ตลอดเวลา ซึ่งหากมีพฤติกรรมเปลี่ยนแปลงไป เกิดเป็นความผิดปกติทั้งในทางที่ดี หรือไม่ดี ระบบจะมีการกระทำ หรือมีการแจ้งเตือน เพื่อให้ผู้รับผิดชอบดำเนินการต่อไป โดยที่ไม่จำเป็นต้องมี “มนุษย์” หรือผู้รับผิดชอบ คอย Monitor ข้อมูลเหล่านั้น นอกจากจะเป็นการลดงานบางอย่างลงแล้ว ยังเป็นการนำข้อมูลมาใช้ให้เกิดประโยชน์ ได้ผลลัพธ์ที่มีประสิทธิภาพ และวัดผลได้จริงอีกด้วย ข้อจำกัดหลัก คือ ความเข้าใจ เพราะอุตสาหกรรมการผลิต เป็นอุตสาหกรรมขนาดใหญ่ ทั้งในเรื่องของขนาดองร์กร ขนาดการผลิต ขนาดของข้อมูล และขนาดของการลงทุน ถ้าไม่เริ่มให้ถูกทางตั้งแต่แรก ก็จะยากที่จะเดินต่ออย่างถูกต้อง การจะสร้าง Data Driven Process ให้เกิดขึ้นได้ในอุตสาหกรรมการผลิต จึงต้องใช้ข้อมูลขนาดใหญ่กว่าอุตสาหกรรมแบบปกติ จึงต้องมีการออกแบบ Infrastructure อย่างรัดกุม ถือว่าเป็นโครงการ Big Data ที่ท้าทายอย่างมาก และอาจจะต้องใช้เวลาในการดำเนินการ ทำให้ในการออกแบบโครงการ ควรออกแบบโครงการออกเป็นส่วนๆ หรือ Phase ย่อยๆ เพื่อมีจังหวะในการวัดผล และประเมินความเหมาะสมของเทคโนโลยี เนื่องจากในแต่ละช่วงเวลาจะมีเทคโนโลยีใหม่ๆ เกิดขึ้น ระบบที่เหมาะสม คือ ระบบที่ยืดหยุ่น และพร้อมต่อการเปลี่ยนแปลง เช่นเดียวกับ บุคลากร ที่จะต้องมีความรู้ทั้งในเชิงกว้าง และลึก ที่จะสามารถเข้าใจ Flow ของข้อมูลได้ตั้งแต่ต้นน้ำ จนถึงปลายน้ำ สนใจโครงการออกแบบ Data Lake, Data Infrastructure, Data Model และดำเนินโครงการ Big Data อย่างเต็มรูปแบบ ติดต่อทีม Coraline ได้ที่ inquiry@coraline.co.th

Data Management เป็นโครงการของฝั่ง IT โดยมีวัตถุประสงค์เพื่อบริหารจัดการให้ข้อมูลมีความพร้อมใช้ให้มากที่สุด ซึ่งในกรอบของโครงการ Big Data การดำเนินโครงการ Data Management ประกอบไปด้วยกิจกรรมดังต่อไปนี้ 1. การสร้าง Data Lake เพื่อเป็นแหล่งเก็บข้อมูลที่มีโครงสร้าง และไม่มีโครงสร้าง โดยข้อมูลที่อยู่ใน Data Lake ไม่จำเป็นต้องมีรูปแบบเดียวกัน โดยอาจเก็บข้อมูลในรูปแบบ Raw Data เพื่อนำไป Process ต่อที่ส่วนถัดไป Data Lake จะเป็น Data Lake จริง ๆ ก็ต่อเมื่อ มีการเก็บข้อมูลที่มากกว่าแหล่งข้อมูลเดียว ดังนั้น การมี ERP ระบบเดียว จึงไม่เรียกว่าเป็น Data Lake นั่นเอง 2. การปรับปรุงคุณภาพของข้อมูล โดยกระบวนการนี้ จะแบ่งออกเป็น การ Validate Data ในเชิงโครงสร้าง เช่น การค้นหาข้อมูลซ้ำซ้อน การหา Missing Value เป็นต้น และอีกส่วน เป็นการวิเคราะห์คุณภาพในการนำไปใช้ เช่น อำเภอตรงกับจังหวัดหรือไม่ เลข 13 หลัก ครบถ้วนหรือไม่ เป็นต้น กระบวนการปรับปรุงคุณภาพของข้อมูล จะเกี่ยวข้องกับเจ้าของข้อมูล และฝั่ง IT ดังนั้น การดำเนินโครงการเพื่อปรับปรุงคุณภาพของข้อมูลทุกฝ่ายที่เกี่ยวข้อง จะต้องให้ความช่วยเหลือซึ่งกันและกัน 3. การออกแบบ Data Warehouse แม้ Data Warehouse จะไม่ใช่ Concept ใหม่ แต่สำหรับโครงการ Big Data นั้น การทำ Data Warehouse จะไม่ใช่แค่การเก็บข้อมูลเอาไว้เฉยๆ เพราะข้อมูลใน Data Warehouse จะผ่านกระบวนการในการ Transform เพื่อให้มีความพร้อมใช้จริงๆ 4. จัดทำรายละเอียดข้อมูลต่าง ๆ เช่น Metadata, Data Dictionary, ER-Diagram แม้จะเป็นเรื่องพื้นฐาน แต่เชื่อหรือไม่ว่า หลายองค์กรไม่ได้มีการจัดทำเอกสาร หรือรายละเอียดข้อมูลเหล่านี้เอาไว้ ทำให้ยากต่อการนำข้อมูลมาเชื่อมโยงกัน หรือแม้กระทั่ง ปัญหาที่ไม่รู้ว่ามีการเก็บข้อมูลไว้ที่ไหนอย่างไรบ้าง อย่างไรก็ตาม การดำเนินโครงการ Data Management จะให้ผลลัพธ์เป็นข้อมูลที่พร้อมใช้ ซึ่งอาจจะไม่ตอบโจทย์ในฝั่ง Business ที่ต้องการผลลัพธ์ที่จับต้องได้ เช่น มี Dashboard หรือ มี ROI ทำให้การวางแผนเพื่อทำโครงการ Data Management มักจะได้รับคำถามจากผู้บริหารที่ว่า "จะทำไปทำไม" เมื่อเกิดเป็นปัญหาเรื้อรัง สุดท้ายแล้ว โครงการที่เกี่ยวกับ Data ภายในองค์กร จึงกระจัดกระจาย ตามการลงทุนของแต่ละ BU และไม่สามารถนำข้อมูลต่าง ๆ มาเชื่อมโยงกันได้ ดังนั้น คำถามที่ว่า Data Management ต้องเริ่มจากอะไร ??? คำตอบคือ .... เริ่มจากทีม IT ที่มีความพร้อมในการบริหารข้อมูล โดยต้องมี Data Engineer ทำหน้าที่ออกแบบ Data Pipeline นอกจากนี้ ทีม IT ยังต้องสามารถระบุปัญหาของการขาด Data Management ที่ดีให้ผู้บริหารทราบอีกด้วย อย่างไรก็ตาม การขึ้นโครงการ กับการบำรุงรักษาระบบ มีความแตกต่างกัน การขึ้นโครงการ จำเป็นต้องมีผู้เชี่ยวชาญที่มีประสบการณ์เป็นผู้ออกแบบระบบ และยังต้องเป็นระบบที่มีความยืดหยุ่นเพื่อรองรับข้อมูลในอนาคต ในขณะที่ผู้ดูแลระบบ จะมีหน้าที่ในการเข้าใจรูปแบบการทำงานของระบบที่มีการพัฒนาขึ้นเรียบร้อยแล้ว หากไม่ดำเนินโครงการ Data Management ณ วันนี้ ข้อมูลที่เก็บอย่างกระจัดกระจาย จะยิ่งมีปริมาณที่มากขึ้นเรื่อยๆ เมื่อรู้ตัวอีกครั้ง โครงการ Data Management จะมีขนาดใหญ่ และมีความยากลำบากขึ้นเรื่อย ๆ ตามปริมาณของข้อมูลนั่นเองค่ะ สนใจบริการ Implement Data Management โดยทีมงาน Coraline ติดต่อเราได้ ทุกช่องทางค่ะ #DataScience
#Optimization
#ProductivityImprovement
#DigitalTransformation
#MachineLearning
#ArtificialIntelligence
#DataManagement
#DataGovernance
#DataQuality
#DeepLearning #Coraline ให้คำปรึกษา และรับพัฒนาโครงการ Big Data, Data Model, Artificial Intelligence และ Digital Transformation เพื่อเพิ่มศักยภาพของธุรกิจ Tel: 099-425-5398
Email: inquiry@coraline.co.th
FB Page: @coralineltd

โครงการ Data Management คือ กระบวนการในการนำเข้า จัดเก็บ จัดระเบียบ และบำรุงรักษาข้อมูลที่ถูกสร้างและรวบรวมโดยองค์กร โดยมีวัตถุประสงค์เพื่อบริหารจัดการให้ข้อมูลมีความพร้อมใช้ให้มากที่สุด ทั้งมีความถูกต้อง พร้อมใช้งาน และสามารถเข้าถึงได้ โดยการดำเนินโครงการประกอบไปด้วยการสร้าง Data Lake, การปรับปรุงคุณภาพของข้อมูล, การออกแบบ Data Warehouse และการจัดทำรายละเอียดข้อมูลต่าง ๆ เช่น Metadata, Data Dictionary, ER-Diagram เป็นต้น หากไม่มีการทำ Data Management ก่อนข้อมูลที่ถือว่าเป็นทรัพย์สินขององค์กร เช่น สามารถปรับปรุงแคมเปญการตลาด เพิ่มประสิทธิภาพการดำเนินธุรกิจ และลดต้นทุนให้องค์กรได้ ก็จะกลายเป็นสิ่งที่ไม่มีมูลค่า ไม่สามารถนำมาใช้ประโยชน์ได้ เนื่องจากข้อมูลมีความสกปรก และไม่สามารถนนำมาใช้งานต่อยอดได้ตามต้องการ ตัวอย่าง ผลเสียจากการที่ไม่มีการทำ Data Management มีดังนี้ 1. ทำให้การดำเนินโครงการต่าง ๆ และการพัฒนา Application ต่าง ๆ จะทำแยกส่วนกัน 2. ทำให้องค์กรมีข้อมูลที่กระจัดกระจาย 3. ทำให้โครงการ Data Analytics มีความเสี่ยงที่จะใช้ข้อมูลที่ไม่มีคุณภาพ 4. ทำให้โครงการ Data Analytics เป็นการทำโครงการแบบ Manual ไม่เป็นระบบ การดำเนินโครงการ Data Management จะให้ผลลัพธ์เป็นข้อมูลที่พร้อมใช้ ซึ่งอาจจะไม่ตอบโจทย์ในฝั่ง Business ที่ต้องการผลลัพธ์ที่จับต้องได้ เช่น มี Dashboard หรือ มี ROI ทำให้การวางแผนเพื่อทำโครงการ Data Management มักจะเป็นสิ่งที่ถูกลืมจากผู้บริหาร เมื่อเกิดเป็นปัญหาเรื้อรัง ข้อมูลที่เก็บอย่างกระจัดกระจาย จะยิ่งมีปริมาณที่มากขึ้นเรื่อยๆ เมื่อรู้ตัวอีกครั้ง โครงการ Data Management จะมีขนาดใหญ่ และมีความยากลำบากขึ้นเรื่อย ๆ ตามปริมาณของข้อมูล สุดท้ายแล้ว โครงการที่เกี่ยวกับ Data ภายในองค์กร จึงกระจัดกระจาย ตามการลงทุนของแต่ละ BU และไม่สามารถนำข้อมูลต่าง ๆ มาเชื่อมโยงกันได้ อย่างไรก็ตามความท้าทายของโครงการ Data Management ไม่ใช่เรื่องเครื่องมือ หรือเทคโนโลยี แต่เป็นเรื่องแนวทางในการออกแบบ เพราะแต่ละองค์กรจะมีทรัพยากร “ข้อมูล” ที่ต้องบริหารจัดการที่แตกต่างกัน จึงไม่มีทฤษฎีปฏิบัติที่ดีที่สุด หรือเป็นมาตรฐานกลาง ดังนั้น โครงการจะประสบความสำเร็จหรือไม่ จึงขึ้นอยู่กับความเชี่ยวชาญของทีมงานเป็นประเด็นสำคัญค่ะ

คำตอบคือ "ยัง Hot อยู่" ในมุมของโครงการ แต่ในมุมของบุคลากรพบว่า มีตัวเลือกในตลาดแรงงานมากขึ้น เพราะอะไร ? ในมุมของโครงการ ก่อนหน้านี้ มีหลายองค์กรที่ต้องการปรับตัว และใช้ผลลัพธ์จาก Data Analytics เพื่อพัฒนาธุรกิจ แต่ไม่พร้อมจะเริ่มก่อน ทำให้เกิดสถานการณ์ Wait and See และรอให้มีตัวอย่างความสำเร็จเกิดขึ้นก่อน สังเกตได้จาก การที่ผู้บริหารมักจะตั้งคำถามว่า "คู่แข่ง หรือที่อื่น เขาทำอย่างไรกัน" ซึ่งคำถามนี้กำลังบ่งบอกถึงความ "ไม่พร้อมจะเป็นคนริเริ่ม"
เมื่อเวลาผ่านไป ทำให้เรามี Case Study มากขึ้น ทำให้ความต้องการในการดำเนินโครงการ Data Analytics มีมากขึ้นด้วยเช่นเดียวกัน และดูมีแน้วโน้มที่มากขึ้นเรื่อยๆ ในมุมของบุคลากการ ก่อนหน้านี้ Data Scientist เป็นตำแหน่งที่หาตัวจับได้ยาก ทั้งในมุมของ Education ที่ยังไม่มีความชัดเจนในสาขา Data Science และในมุมของหน้าที่ในการเป็น Data Scientist ภายในองค์กร เป็นที่มาของ "มนุษย์ทองคำ" และรายได้ของ Data Scientist ที่มากกว่าตำแหน่งอื่นๆ เกิดการแย่งตัวกันในตลาดแรงงานอย่างเห็นได้ชัด เมื่อเวลาผ่านไป มีสาขา Data Science เกิดขึ้นในหลายๆ สถาบันการศึกษา ทั้งในรูปแบบปริญญา และการอบรมนอกสถานบัน ทำให้มีคนที่พร้อมจะเป็น Data Scientist มากขึ้น อีกทั้ง มีคนที่มีประสบการณ์ในการทำงานมากขึ้น ทำให้แต่ละองค์กรมีตัวเลือกในตำแหน่ง Data Scientist มากขึ้น นอกจากนี้ ด้วยเทคโนโลยีที่พัฒนาไปเรื่อยๆ บวกกับความเข้าใจในโครงการ Data Analytics ที่พบว่า ไม่ใช่ทุกโครงการที่ต้องเป็น Data Science หลายโครงการจบได้ด้วยการใช้โปรแกรม BI และเครื่องมือต่าง ๆ ที่ฉลาดมากขึ้น ทำให้ความต้องการว่าจ้าง Data Scientist เริ่มไม่ดุดันเหมือนแต่ก่อน ทั้งหมดนี้ ก็เป็นไปตามกฎของ Demand and Supply ที่สามารถเกิดขึ้นได้กับทุกๆ สาขา วิชาชีพนั่นเอง ทั้งนี้ ในลักษณะของการพัฒนาโครงการ Data Science จะมีทั้งพัฒนาระบบ และการทำงานวิจัย ซึ่งหากเป็นการสร้างระบบ จะเป็นการทำงานแบบ project base ที่อาจจะไม่จำเป็นต้องมีทีม Data Scientist อยู่ประจำตลอดไปก็เป็นได้ ดังนั้น การจะสร้าง Data Scientist Team ในองค์กร ต้องวิเคราะห์แนวโน้มของการพัฒนาโครงการ เพื่อให้ทีมงานมีงานทำอย่างต่อเนื่อง และสามารถพัฒนาผลลัพธ์ที่ตอบโจทย์ให้แก่องค์กรได้อย่างยั่งยืน

สำหรับกิจกรรมในเดือนมิถุนายน 2566 เมื่อวันที่ 16 ที่ผ่านมาของชาวคอราเลียน เราไปรับประทานอาหารค่ำกันที่ร้าน Carne ซึ่งเป็นร้านอาหารสเปน สไตล์ Fine Dining โดยบรรยากาศเต็มไปด้วยเสียงหัวเราะ ความอบอุ่น และสนุกเช่นเคย นับตั้งแต่เหตุการณ์โควิดเกิดขึ้น เราได้มีการปรับเปลี่ยนรูปแบบการทำงานเป็น Work from anywhere มาจนถึงปัจจุบัน ซึ่งชาวคอราเลียนสามารถทำงานได้จากทุกสถานที่ โดยมี Virtual Office ที่ๆ เราสามารถมารวมตัวเพื่อทำงาน พูดคุย และแบ่งปันเรื่องราวต่างๆ ร่วมกัน ถึงแม้ว่าเราจะไม่ได้พบเจอกันจริงๆ ทุกวัน แต่รับรองว่าจะไม่เหงาจนลืมหน้ากันแน่นอน เพราะทุกเดือน HR ได้เตรียมกิจกรรมไว้สำหรับสมาชิก เพื่อมาพบปะและแบ่งปันเรื่องราวกันอย่างความอบอุ่น สำหรับกิจกรรมครั้งหน้าจะเป็นอะไรนั้นชาวคอราเลียนเตรียมติดตามกันได้เลย #CoralineMonthlyTeamBuilding #LifeAtCoraline #Coraline

ในวันศุกร์ที่ 26 พฤษภาคม 2023 ที่ผ่านมาบริษัท คอราไลน์ จำกัด ได้รับเกียรติจากนายแพทย์อกนิษฐ์ ศรีสุขวัฒนา (หมอแอร์) แพทย์ผู้เชี่ยวชาญโรคหัวใจและผู้ก่อตั้ง Avarin Multisport Store ในการจัด CPR Training CPR หรือ Cardiopulmonary resuscitation เป็นการช่วยเหลือผู้ป่วยที่กำลังจะหยุดหายใจ หรือหัวใจกำลังจะหยุดเต้น ให้กลับมาหายใจ หรือช่วยให้ลมหายใจไหลเวียนได้ตามปกติ เนื่องจากสภาวะสภาพอากาศที่เปลี่ยนแปลงไปในปัจจุบัน ทำให้มีผู้ป่วยหมดสติจากอากาศที่ร้อนจัด เราได้ตระหนักถึงความสำคัญของวิธีปฐมพยาบาลที่ถูกต้อง ซึ่งอาจเป็นประโยชน์แก่ผู้คนรอบข้างและสังคมในอนาคต จึงได้จัดกิจกรรมนี้ขึ้นมาเป็นกิจกรรมประจำเดือนพฤษภาคม 2566 สำหรับกิจกรรมอบรม CPR Training ชาว Coralian ไม่เพียงแต่ได้รับฟังความรู้ในเชิงทฤษฎีเท่านั้น แต่พี่หมอแอร์ยังให้ทุกคนได้ลองปฏิบัติพร้อมให้ข้อแนะนำระหว่างปฎิบัติอีกด้วย ภายหลังจากกิจกรรม เราก็ต้องไปทานข้าวร่วมกันตามธรรมเนียมปฎิบัติของทุกเดือน สำหรับเดือนนี้เราไปทานอาหารกลางวันกันที่ ร้าน Bar B Q Plaza เรียกได้ว่าได้ทั้งสาระความรู้และความสุข ได้ทานข้าวกับเพื่อนๆ พี่ๆ น้องๆ เดือนละครั้งก็มีเรื่องให้พูดคุยกันสนุก ถึงแม้จะบริษัทคอราไลน์จะ Work from home แต่ก็ยังอบอุ่นเสมอ เพราะเรามีกิจกรรมดีๆ เช่นนี้ในทุกเดือน สำหรับรอบหน้าจะเป็นกิจกรรมอะไรนั้นต้องรอติดตามกันต่อไป #CoralineMonthlyTeamBuilding #LifeAtCoraline #Coraline

บริการการจัดทำโครงการ ธรรมาภิบาลข้อมูล (Data Governance) ด้วยความเชี่ยวชาญ และประสบการณ์ของทีมงาน Coraline ที่มาพร้อมกับ Data Catalog Platform ที่สามารถตอบโจทย์ทุกด้านสำหรับองค์กรที่ต้องการผลักดันให้เกิด Data Driven Culture สนใจรายละเอียดเพิ่มเติม ติดต่อทีมงาน Coraline ได้ ทุกช่องทางค่ะ #DataScience
#Optimization
#ProductivityImprovement
#DigitalTransformation
#MachineLearning
#ArtificialIntelligence
#DataManagement
#DataGovernance
#DataQuality
#DeepLearning
#Coraline ให้คำปรึกษา และรับพัฒนาโครงการ Big Data, Data Model, Artificial Intelligence และ Digital Transformation เพื่อเพิ่มศักยภาพของธุรกิจ
Tel: 099-425-5398
Email: inquiry@coraline.co.th
FB Page: @coralineltd