Exclusive Interview “เมื่อ Data คือหัวใจการทำธุรกิจ ถอดบทเรียน 10 ปี การทำ Data Transformation” จากณัฐนภัส รชตะวิวรรธน์ CEO และผู้ก่อตั้ง Blendata
คงปฏิเสธไม่ได้ว่าข้อมูล ได้กลายเป็นปัจจัยสำคัญที่กำหนดความอยู่รอดขององค์กรในยุคนี้ แต่การนำข้อมูลมาใช้ให้เกิดประโยชน์สูงสุดกลับเป็นความท้าทายที่หลายองค์กรยังก้าวข้ามไม่พ้น
ณัฐนภัส รชตะวิวรรธน์ CEO และผู้ก่อตั้ง Blendata บริษัทผู้พัฒนาแพลตฟอร์มด้านการจัดการข้อมูลขนาดใหญ่ ได้แบ่งปันประสบการณ์ในวงการ Big Data กว่า 10 ปี ตั้งแต่ยุคที่ทำงานเป็นพนักงาน จนก่อตั้ง Blendata ในปี 2015 และตัดสินใจ Spin-off ออกมาเป็นบริษัทอิสระในปี 2021
“เราเห็นการเปลี่ยนแปลงมาตลอด 10 ปี จากยุคที่องค์กรมองว่าข้อมูลเป็นเพียงส่วนเสริม มาสู่ยุคที่ข้อมูลกลายเป็นสินทรัพย์สำคัญที่ขาดไม่ได้” ณัฐนภัสเล่าถึงการเปลี่ยนแปลงที่เกิดขึ้น
ด้วยประสบการณ์การทำงานร่วมกับองค์กรขนาดใหญ่ในหลากหลายอุตสาหกรรม ทั้งโทรคมนาคม ธนาคาร ประกันภัย และค้าปลีก ทำให้เขาได้เห็นทั้งความสำเร็จและความล้มเหลวในการทำ Data Transformation ขององค์กรต่างๆ
บทสนทนาครั้งนี้จะพาเราไปเรียนรู้บทเรียนสำคัญที่จะช่วยให้องค์กรสามารถนำข้อมูลมาใช้ประโยชน์ได้อย่างแท้จริง พร้อมมองไปข้างหน้าถึงอนาคตของวงการ Big Data ในยุคที่ AI กำลังเข้ามามีบทบาทสำคัญ
วิวัฒนาการของ Big Data ในประเทศไทย
การใช้ข้อมูลในองค์กรไทยได้พัฒนามาอย่างต่อเนื่องตลอด 10 ปีที่ผ่านมา จากยุคที่องค์กรใช้เพียง Excel ในการวิเคราะห์ข้อมูลพื้นฐาน มาสู่ยุคที่ต้องจัดการกับข้อมูลขนาดมหาศาล
จุดเปลี่ยนสำคัญเกิดขึ้นในช่วงปี 2012-2013 เมื่อองค์กรขนาดใหญ่ โดยเฉพาะในอุตสาหกรรมโทรคมนาคม เริ่มเผชิญกับความท้าทายในการจัดการข้อมูล เนื่องจากมีฐานลูกค้าระดับ 40-50 ล้านราย และต้องประมวลผลธุรกรรมนับล้านรายการต่อวินาที
“ปัญหาพื้นฐานที่สุดคือ Excel เปิดไม่ได้” ณัฐนภัสเล่าถึงจุดเริ่มต้นของการนำ Big Data เข้ามาใช้ในองค์กร “เมื่อก่อน Excel อาจจะรองรับได้แค่ 5,000 หรือ 10,000 บรรทัด แต่สำหรับองค์กรขนาดใหญ่ นี่คือข้อมูลที่เกิดขึ้นในเวลาไม่กี่วินาที”
ความท้าทายไม่ได้หยุดแค่เรื่องปริมาณข้อมูล แต่ยังรวมถึงความซับซ้อนของข้อมูลที่เพิ่มขึ้น โจทย์ขององค์กรเปลี่ยนจากการดูแค่ยอดขายรายเดือน มาสู่การต้องเข้าใจพฤติกรรมลูกค้าอย่างลึกซึ้ง ทั้งการวิเคราะห์ความคิดเห็นบน Social Media การติดตาม Customer Journey และการคาดการณ์แนวโน้มในอนาคต
องค์กรต้องรวบรวมข้อมูลจากหลากหลายแหล่ง ทั้ง CRM, ERP, Social Media, Mobile Application และ Call Center ซึ่งแต่ละแหล่งมีรูปแบบข้อมูลที่แตกต่างกัน บางส่วนไม่มีโครงสร้างที่ชัดเจน เช่น ข้อความแสดงความคิดเห็น ที่ต้องใช้เทคโนโลยีพิเศษในการวิเคราะห์
ยิ่งไปกว่านั้น ความต้องการในการใช้ข้อมูลแบบ Real-time เพื่อตอบสนองความต้องการของลูกค้าได้ทันที ยิ่งผลักดันให้องค์กรต้องพัฒนาโครงสร้างพื้นฐานด้านข้อมูลอย่างจริงจัง
ถอดบทเรียนความล้มเหลวในการทำ Data Transformation
“ปัญหาไม่ได้อยู่ที่เทคโนโลยีและทุน แต่อยู่ที่คน” ณัฐนภัสเปิดประเด็นด้วยข้อสังเกตที่น่าสนใจ จากประสบการณ์การทำงานกับองค์กรทั้งในไทยและต่างประเทศ
หลายองค์กรเริ่มต้นการทำ Data Transformation ด้วยการลงทุนในเทคโนโลยีราคาแพง เช่น Business Intelligence Tools หรือ Big Data Platform แต่สุดท้ายกลับไม่ประสบความสำเร็จ เพราะยังติดกับกรอบความคิดและวิธีการทำงานแบบเดิม
“มีองค์กรจำนวนมากที่ซื้อ BI Tools มาใช้ แต่รายงานที่ได้ไม่ต่างจาก Excel เลย แค่สวยขึ้นเท่านั้น” ณัฐนภัสยกตัวอย่าง “การเปลี่ยนจาก Excel เป็นเวอร์ชั่นที่สวยขึ้น ไม่ได้หมายความว่าเราเป็น Data-Driven”
ปัญหาสำคัญอีกประการคือ การมองข้ามการเปลี่ยนแปลงวัฒนธรรมองค์กร “Data-Driven ไม่ใช่เรื่องเทคโนโลยี แต่เป็นเรื่องของการใช้ข้อมูลขับเคลื่อนการตัดสินใจ” การตัดสินใจสำคัญในองค์กร เช่น การออกแคมเปญการตลาด หรือการกำหนดราคาสินค้า ยังคงใช้ความรู้สึกมากกว่าการวิเคราะห์ข้อมูล
แนวทางการแก้ไขต้องเริ่มจากการปรับมุมมองของผู้บริหารและพนักงาน ให้เห็นคุณค่าของการใช้ข้อมูลในการตัดสินใจ ควบคู่ไปกับการพัฒนาทักษะที่จำเป็น
“เราต้องสร้างวัฒนธรรมที่เปิดกว้างให้ทุกคนสามารถเข้าถึงและใช้ประโยชน์จากข้อมูลได้ ไม่ใช่จำกัดอยู่แค่ฝ่าย IT หรือทีมวิเคราะห์ข้อมูล” ณัฐนภัสแนะนำ พร้อมเสริมว่าองค์กรควรเริ่มจากโจทย์ทางธุรกิจที่ชัดเจน แล้วค่อยๆ พัฒนาความสามารถในการใช้ข้อมูลอย่างเป็นขั้นตอน
Data Lake: อนาคตของการจัดการข้อมูลองค์กร
การจัดการข้อมูลในองค์กรได้พัฒนาจาก Data Warehouse สู่ยุคของ Data Lake ด้วยความต้องการที่เปลี่ยนไปของธุรกิจ ณัฐนภัสอธิบายถึงแนวคิดพื้นฐานของการพัฒนานี้
“Data Warehouse เกิดขึ้นในยุคที่เราต้องคิดล่วงหน้าว่าจะใช้ข้อมูลทำอะไร” เขาอธิบาย “เราต้องออกแบบโครงสร้างข้อมูลให้เหมาะกับการใช้งานที่วางแผนไว้ เช่น การออกรายงานยอดขาย หรือการวิเคราะห์ต้นทุนสินค้า”
แต่ในยุคปัจจุบัน ความต้องการใช้ข้อมูลมีความหลากหลายและเปลี่ยนแปลงอย่างรวดเร็ว Data Lake จึงถูกพัฒนาขึ้นด้วยแนวคิด “โยนข้อมูลทุกอย่างลงทะเลสาบ” โดยไม่จำเป็นต้องกำหนดโครงสร้างที่ตายตัว
“Data Lake สามารถรองรับข้อมูลได้ทุกรูปแบบ ทั้งข้อมูลที่มีโครงสร้าง เช่น ข้อมูลจากระบบ ERP และข้อมูลที่ไม่มีโครงสร้าง เช่น ข้อความจาก Social Media หรือไฟล์มัลติมีเดีย” ณัฐนภัสเสริม “ที่สำคัญคือ เราสามารถนำข้อมูลมาใช้ได้หลากหลายรูปแบบ ตามความต้องการที่เกิดขึ้นในอนาคต”
ข้อได้เปรียบอีกประการของ Data Lake คือต้นทุนที่ต่ำกว่า Data Warehouse แบบดั้งเดิมอย่างมาก และสามารถขยายขนาดได้ตามความต้องการ
แนวทางการเริ่มต้นสำหรับองค์กรขนาดใหญ่
การเริ่มต้นทำ Data Transformation ในองค์กรขนาดใหญ่ต้องอาศัยการวางแผนที่รอบคอบและเป็นระบบ ณัฐนภัสแนะนำว่าควรเริ่มจากการกำหนดเป้าหมายที่ชัดเจนและวัดผลได้
“ผู้บริหารต้องชัดเจนว่าต้องการอะไร เช่น ต้องการควบคุมต้นทุนไม่ให้เติบโตเกิน 5% หรือต้องการเพิ่ม Bottom Line 20%” เขาอธิบาย “จากนั้นจึงค่อยๆ พัฒนากระบวนการและเครื่องมือที่จะช่วยให้บรรลุเป้าหมายนั้น”
การเตรียมความพร้อมด้านบุคลากรเป็นอีกปัจจัยสำคัญ องค์กรควรสร้างความเข้าใจให้พนักงานทุกระดับเห็นประโยชน์ของ Big Data และ AI ณัฐนภัสแนะนำให้เปิดเวทีให้ทีมงานได้แสดงความคิดเห็นและนำเสนอไอเดียการใช้ข้อมูล
“หลายองค์กรประสบความสำเร็จด้วยการจัดกิจกรรมแบบ Hackathon ให้พนักงานเสนอไอเดียการใช้ข้อมูลองค์กร แข่งขันชิงรางวัล และทำงานข้ามทีมกัน” เขายกตัวอย่าง “นี่เป็นวิธีที่ช่วยสร้างวัฒนธรรมการใช้ข้อมูลได้อย่างมีประสิทธิภาพ”
ในด้านเทคโนโลยี องค์กรควรเริ่มจากการจัดระเบียบข้อมูลที่มีอยู่ และวางกรอบการธรรมาภิบาลข้อมูล (Data Governance) ที่ชัดเจน เพื่อให้การใช้ข้อมูลเป็นไปอย่างมีประสิทธิภาพและปลอดภัย
คำแนะนำสำหรับ SME และสตาร์ทอัพ
สำหรับธุรกิจขนาดเล็กและขนาดกลาง การเริ่มต้นใช้ประโยชน์จากข้อมูลไม่จำเป็นต้องใช้การลงทุนสูง ณัฐนภัสเน้นย้ำว่าสิ่งสำคัญคือการเริ่มต้นเก็บข้อมูลอย่างเป็นระบบ
“การเก็บข้อมูลไม่จำเป็นต้องซื้อระบบราคาแพง” เขาอธิบาย “จะใช้ Excel หรือแม้แต่จดในสมุด ขอเพียงมีการบันทึกอย่างสม่ำเสมอ เมื่อถึงเวลาที่ต้องการใช้งานจริง เราจะมีข้อมูลพร้อมใช้”
ประเด็นสำคัญอยู่ที่การเลือกเก็บข้อมูลที่มีประโยชน์ต่อธุรกิจ ณัฐนภัสแนะนำให้เริ่มจากการตั้งคำถามว่าธุรกิจต้องการบรรลุเป้าหมายอะไร แล้วจึงวางแผนเก็บข้อมูลที่จะช่วยตอบโจทย์นั้น
“บางธุรกิจอาจต้องการทราบว่าลูกค้ามาจากช่องทางไหน สินค้าตัวไหนทำกำไรดีที่สุด หรือช่วงเวลาใดที่ลูกค้ามาใช้บริการมากที่สุด” เขายกตัวอย่าง “เมื่อรู้โจทย์ การวางแผนเก็บข้อมูลจะมีทิศทางที่ชัดเจน”
สำหรับการเริ่มต้นใช้เทคโนโลยี ปัจจุบันมีบริการบนคลาวด์มากมายที่ช่วยให้ธุรกิจขนาดเล็กสามารถเข้าถึงเครื่องมือวิเคราะห์ข้อมูลได้ในราคาที่เหมาะสม โดยจ่ายตามการใช้งานจริง
การประยุกต์ใช้ Big Data ในแต่ละแผนก
การนำ Big Data มาใช้ไม่ได้จำกัดอยู่แค่ฝ่ายการตลาดหรือฝ่ายไอที ณัฐนภัสแบ่งปันตัวอย่างการประยุกต์ใช้ที่น่าสนใจในหลากหลายแผนก
ในด้านทรัพยากรบุคคล การวิเคราะห์ข้อมูลช่วยให้องค์กรเข้าใจพนักงานได้ดีขึ้น “เราเคยทำโครงการที่นำข้อมูลการลางาน การใช้งานอินเทอร์เน็ตในองค์กร และประวัติการติดต่อ HR มาวิเคราะห์ เพื่อคาดการณ์แนวโน้มการลาออกของพนักงาน” เขาเล่า “ทำให้องค์กรสามารถดูแลพนักงานได้ตรงจุดมากขึ้น”
ในภาคการผลิต Big Data ถูกนำมาใช้ในการบริหารจัดการการผลิตและการซ่อมบำรุง “เราใช้ข้อมูลจากเซ็นเซอร์ในสายการผลิตมาคาดการณ์ว่าจะต้องใช้พนักงานกี่คน ต้องทำงานล่วงเวลาเท่าไหร่ เพื่อให้ผลิตสินค้าได้ตรงตามความต้องการ ไม่เกิดการผลิตมากหรือน้อยเกินไป”
ส่วนงานจัดซื้อ การวิเคราะห์ข้อมูลช่วยป้องกันการทุจริตและเพิ่มประสิทธิภาพในการทำงาน “ระบบสามารถตรวจจับรูปแบบการสั่งซื้อที่ผิดปกติ หรือการส่งมอบสินค้าที่ไม่ตรงตามคุณภาพที่กำหนด”
ผลกระทบของ AI ต่อวงการ Big Data
เทคโนโลยี AI กำลังเข้ามาเปลี่ยนแปลงวิธีการทำงานกับข้อมูลขนาดใหญ่อย่างมีนัยสำคัญ โดยเฉพาะในด้านการพัฒนาแพลตฟอร์มและการวิเคราะห์ข้อมูล
“AI ไม่เพียงแต่มาดิสรัปต์โลกของการเขียนโค้ด แต่ยังมาเปลี่ยนแปลงวิธีการทำงานกับ Big Data ด้วย” ณัฐนภัสอธิบาย “เมื่อก่อน การพัฒนา Big Data Platform ต้องใช้ความรู้หลายภาษาโปรแกรมมิ่ง และต้องเรียนรู้เทคโนโลยีหลายตัว แต่ตอนนี้ AI สามารถช่วยสร้าง Data Pipeline ได้อย่างรวดเร็วและมีประสิทธิภาพ”
นอกจากนี้ AI ยังช่วยให้การทำ Machine Learning และการวิเคราะห์ข้อมูลเป็นเรื่องที่เข้าถึงได้ง่ายขึ้น “ปัจจุบัน เราสามารถใช้ AI ช่วยเขียนโมเดลทำนายได้ภายในไม่กี่นาที ซึ่งแม่นยำและมีประสิทธิภาพ”
อย่างไรก็ตาม ณัฐนภัสเน้นย้ำว่าคุณภาพของข้อมูลยังคงเป็นปัจจัยสำคัญ “AI ก็เหมือนเด็กทารกที่ต้องการการเรียนรู้ที่ถูกต้อง ถ้าข้อมูลที่ใช้สอนไม่ดี ผลลัพธ์ที่ได้ก็จะไม่มีคุณภาพ”
เทรนด์สำคัญที่ต้องจับตาในปี 2025
ณัฐนภัสชี้ให้เห็นเทรนด์สำคัญสามประการที่จะเปลี่ยนแปลงวงการ Big Data ในอนาคตอันใกล้
ประการแรก คือการลดลงของต้นทุนเทคโนโลยี “เราเห็นการเปลี่ยนแปลงชัดเจนจากทั้งในไทยและต่างประเทศ ทุกองค์กรกำลังมองหาเทคโนโลยีใหม่ที่มีต้นทุนต่ำลง” เขาอธิบาย “จากเดิมที่การทำ Big Data ต้องลงทุนในฮาร์ดแวร์นับสิบล้าน ปัจจุบันองค์กรสามารถเริ่มต้นได้ด้วยการใช้บริการคลาวด์ที่จ่ายตามการใช้งานจริง”
ประการที่สอง คือความง่ายในการเข้าถึงเทคโนโลยี “สมัยก่อน การซื้อระบบ Big Data หมายถึงการต้องซื้อเครื่องเซิร์ฟเวอร์ จ้างทีมติดตั้ง และพัฒนาระบบ ใช้เวลาและงบประมาณมหาศาล แต่วันนี้ คุณสามารถเริ่มใช้งานบน Cloud ได้ภายใน 5 นาที ถ้าไม่พอใจก็ยกเลิกได้ทันที”
ประการที่สาม คือบทบาทของ Generative AI ที่จะเข้ามาเปลี่ยนวิธีการทำงานกับข้อมูล “ในอนาคตอันใกล้ การดึงข้อมูลหรือสร้าง Data Pipeline จะเป็นเหมือนการสนทนากับ AI ไม่จำเป็นต้องเขียนคำสั่ง SQL ที่ซับซ้อนอีกต่อไป” เขามองว่านี่จะเป็นการเปลี่ยนแปลงครั้งสำคัญที่ทำให้การใช้งานข้อมูลเป็นเรื่องที่เข้าถึงได้ง่ายขึ้นสำหรับทุกคนในองค์กร
การเปลี่ยนแปลงทางเทคโนโลยีที่เกิดขึ้นอย่างรวดเร็วทำให้องค์กรต้องปรับตัวอย่างต่อเนื่อง โดยเฉพาะในด้านการใช้ประโยชน์จากข้อมูล ณัฐนภัสได้ฝากข้อคิดสำคัญสำหรับผู้บริหารและผู้ที่กำลังเริ่มต้นในวงการ
“สิ่งสำคัญที่สุดคือการเริ่มต้นเก็บข้อมูลตั้งแต่วันนี้ แม้ยังไม่รู้ว่าจะใช้ประโยชน์อย่างไร” เขาย้ำ “เพราะข้อมูลเปรียบเสมือนสินทรัพย์ที่มีค่า ยิ่งมีประวัติย้อนหลังมากเท่าไร ยิ่งสร้างมูลค่าได้มากขึ้นเท่านั้น”
สำหรับองค์กรที่กำลังเริ่มต้น การวางรากฐานที่ดีด้านข้อมูลถือเป็นการลงทุนที่คุ้มค่า เริ่มจากการสร้างวัฒนธรรมองค์กรที่ให้ความสำคัญกับข้อมูล พัฒนาบุคลากรให้มีความเข้าใจและทักษะที่จำเป็น และค่อยๆ พัฒนาโครงสร้างพื้นฐานตามความเหมาะสม
“อย่ากลัวที่จะเริ่มต้นเล็กๆ แต่ต้องมีวิสัยทัศน์ที่ชัดเจน” เขาแนะนำ “เทคโนโลยีจะพัฒนาไปเรื่อยๆ แต่หัวใจสำคัญคือการมีข้อมูลที่ดีและการใช้ประโยชน์จากข้อมูลอย่างชาญฉลาด”
ท้ายที่สุด ณัฐนภัสเชื่อว่าการผสมผสานระหว่าง Big Data และ AI จะสร้างโอกาสใหม่ๆ ให้กับองค์กรที่พร้อมปรับตัว “อนาคตเป็นของคนที่เข้าใจทั้งธุรกิจและข้อมูล สามารถนำเทคโนโลยีมาสร้างคุณค่าได้อย่างแท้จริง”
