# Exclusive Interview “เมื่อ Data คือหัวใจการทำธุรกิจ ถอดบทเรียน 10 ปี การทำ Data Transformation” จากณัฐนภัส รชตะวิวรรธน์ CEO และผู้ก่อตั้ง Blendata

- Link: https://futuretrend.co/exclusive-interview-ceo-blendata/
- Published: 2024-12-27T11:15:00+07:00
- Author: Pakanut Tariyawong

คงปฏิเสธไม่ได้ว่าข้อมูล ได้กลายเป็นปัจจัยสำคัญที่กำหนดความอยู่รอดขององค์กรในยุคนี้
แต่การนำข้อมูลมาใช้ให้เกิดประโยชน์สูงสุดกลับเป็นความท้าทายที่หลายองค์กรยังก้าวข้าม
ไม่พ้น

ณัฐนภัส รชตะวิวรรธน์ CEO และผู้ก่อตั้ง Blendata บริษัทผู้พัฒนาแพลตฟอร์มด้านการจัดการ
ข้อมูลขนาดใหญ่ ได้แบ่งปันประสบการณ์ในวงการ Big Data กว่า 10 ปี ตั้งแต่ยุคที่ทำงาน
เป็นพนักงาน จนก่อตั้ง Blendata ในปี 2015 และตัดสินใจ Spin-off ออกมาเป็นบริษัทอิสระ
ในปี 2021

“เราเห็นการเปลี่ยนแปลงมาตลอด 10 ปี จากยุคที่องค์กรมองว่าข้อมูลเป็นเพียงส่วนเสริม
มาสู่ยุคที่ข้อมูลกลายเป็นสินทรัพย์สำคัญที่ขาดไม่ได้” ณัฐนภัสเล่าถึงการเปลี่ยนแปลง
ที่เกิดขึ้น

ด้วยประสบการณ์การทำงานร่วมกับองค์กรขนาดใหญ่ในหลากหลายอุตสาหกรรม ทั้งโทรคมนาคม ธนาคาร
ประกันภัย และค้าปลีก ทำให้เขาได้เห็นทั้งความสำเร็จและความล้มเหลวในการทำ Data Transformation
ขององค์กรต่างๆ

บทสนทนาครั้งนี้จะพาเราไปเรียนรู้บทเรียนสำคัญที่จะช่วยให้องค์กรสามารถนำข้อมูลมาใช้
ประโยชน์ได้อย่างแท้จริง พร้อมมองไปข้างหน้าถึงอนาคตของวงการ Big Data ในยุคที่ AI 
กำลังเข้ามามีบทบาทสำคัญ

## **วิวัฒนาการของ Big Data ในประเทศไทย**

การใช้ข้อมูลในองค์กรไทยได้พัฒนามาอย่างต่อเนื่องตลอด 10 ปีที่ผ่านมา จากยุคที่องค์กร
ใช้เพียง Excel ในการวิเคราะห์ข้อมูลพื้นฐาน มาสู่ยุคที่ต้องจัดการกับข้อมูลขนาดมหาศาล

จุดเปลี่ยนสำคัญเกิดขึ้นในช่วงปี 2012-2013 เมื่อองค์กรขนาดใหญ่ โดยเฉพาะในอุตสาหกรรม
โทรคมนาคม เริ่มเผชิญกับความท้าทายในการจัดการข้อมูล เนื่องจากมีฐานลูกค้าระดับ 40-
50 ล้านราย และต้องประมวลผลธุรกรรมนับล้านรายการต่อวินาที

“ปัญหาพื้นฐานที่สุดคือ Excel เปิดไม่ได้” ณัฐนภัสเล่าถึงจุดเริ่มต้นของการนำ Big Data
เข้ามาใช้ในองค์กร “เมื่อก่อน Excel อาจจะรองรับได้แค่ 5,000 หรือ 10,000 บรรทัด แต่
สำหรับองค์กรขนาดใหญ่ นี่คือข้อมูลที่เกิดขึ้นในเวลาไม่กี่วินาที”

ความท้าทายไม่ได้หยุดแค่เรื่องปริมาณข้อมูล แต่ยังรวมถึงความซับซ้อนของข้อมูลที่เพิ่ม
ขึ้น โจทย์ขององค์กรเปลี่ยนจากการดูแค่ยอดขายรายเดือน มาสู่การต้องเข้าใจพฤติกรรมลูกค้า
อย่างลึกซึ้ง ทั้งการวิเคราะห์ความคิดเห็นบน Social Media การติดตาม Customer Journey
และการคาดการณ์แนวโน้มในอนาคต

องค์กรต้องรวบรวมข้อมูลจากหลากหลายแหล่ง ทั้ง CRM, ERP, Social Media, Mobile Application
และ Call Center ซึ่งแต่ละแหล่งมีรูปแบบข้อมูลที่แตกต่างกัน บางส่วนไม่มีโครงสร้างที่
ชัดเจน เช่น ข้อความแสดงความคิดเห็น ที่ต้องใช้เทคโนโลยีพิเศษในการวิเคราะห์

ยิ่งไปกว่านั้น ความต้องการในการใช้ข้อมูลแบบ Real-time เพื่อตอบสนองความต้องการของ
ลูกค้าได้ทันที ยิ่งผลักดันให้องค์กรต้องพัฒนาโครงสร้างพื้นฐานด้านข้อมูลอย่างจริงจัง

## **ถอดบทเรียนความล้มเหลวในการทำ Data Transformation**

“ปัญหาไม่ได้อยู่ที่เทคโนโลยีและทุน แต่อยู่ที่คน” ณัฐนภัสเปิดประเด็นด้วยข้อสังเกต
ที่น่าสนใจ จากประสบการณ์การทำงานกับองค์กรทั้งในไทยและต่างประเทศ

หลายองค์กรเริ่มต้นการทำ Data Transformation ด้วยการลงทุนในเทคโนโลยีราคาแพง เช่น 
Business Intelligence Tools หรือ Big Data Platform แต่สุดท้ายกลับไม่ประสบความสำเร็จ
เพราะยังติดกับกรอบความคิดและวิธีการทำงานแบบเดิม

“มีองค์กรจำนวนมากที่ซื้อ BI Tools มาใช้ แต่รายงานที่ได้ไม่ต่างจาก Excel เลย แค่สวย
ขึ้นเท่านั้น” ณัฐนภัสยกตัวอย่าง “การเปลี่ยนจาก Excel เป็นเวอร์ชั่นที่สวยขึ้น ไม่
ได้หมายความว่าเราเป็น Data-Driven”

ปัญหาสำคัญอีกประการคือ การมองข้ามการเปลี่ยนแปลงวัฒนธรรมองค์กร “Data-Driven ไม่ใช่
เรื่องเทคโนโลยี แต่เป็นเรื่องของการใช้ข้อมูลขับเคลื่อนการตัดสินใจ” การตัดสินใจสำคัญ
ในองค์กร เช่น การออกแคมเปญการตลาด หรือการกำหนดราคาสินค้า ยังคงใช้ความรู้สึกมากกว่า
การวิเคราะห์ข้อมูล

แนวทางการแก้ไขต้องเริ่มจากการปรับมุมมองของผู้บริหารและพนักงาน ให้เห็นคุณค่าของการ
ใช้ข้อมูลในการตัดสินใจ ควบคู่ไปกับการพัฒนาทักษะที่จำเป็น

“เราต้องสร้างวัฒนธรรมที่เปิดกว้างให้ทุกคนสามารถเข้าถึงและใช้ประโยชน์จากข้อมูลได้
ไม่ใช่จำกัดอยู่แค่ฝ่าย IT หรือทีมวิเคราะห์ข้อมูล” ณัฐนภัสแนะนำ พร้อมเสริมว่าองค์กร
ควรเริ่มจากโจทย์ทางธุรกิจที่ชัดเจน แล้วค่อยๆ พัฒนาความสามารถในการใช้ข้อมูลอย่างเป็น
ขั้นตอน

## **Data Lake: อนาคตของการจัดการข้อมูลองค์กร**

การจัดการข้อมูลในองค์กรได้พัฒนาจาก Data Warehouse สู่ยุคของ Data Lake ด้วยความต้องการ
ที่เปลี่ยนไปของธุรกิจ ณัฐนภัสอธิบายถึงแนวคิดพื้นฐานของการพัฒนานี้

“Data Warehouse เกิดขึ้นในยุคที่เราต้องคิดล่วงหน้าว่าจะใช้ข้อมูลทำอะไร” เขาอธิบาย“
เราต้องออกแบบโครงสร้างข้อมูลให้เหมาะกับการใช้งานที่วางแผนไว้ เช่น การออกรายงานยอด
ขาย หรือการวิเคราะห์ต้นทุนสินค้า”

แต่ในยุคปัจจุบัน ความต้องการใช้ข้อมูลมีความหลากหลายและเปลี่ยนแปลงอย่างรวดเร็ว Data
Lake จึงถูกพัฒนาขึ้นด้วยแนวคิด “โยนข้อมูลทุกอย่างลงทะเลสาบ” โดยไม่จำเป็นต้องกำหนด
โครงสร้างที่ตายตัว

“Data Lake สามารถรองรับข้อมูลได้ทุกรูปแบบ ทั้งข้อมูลที่มีโครงสร้าง เช่น ข้อมูลจาก
ระบบ ERP และข้อมูลที่ไม่มีโครงสร้าง เช่น ข้อความจาก Social Media หรือไฟล์มัลติมีเดีย”
ณัฐนภัสเสริม “ที่สำคัญคือ เราสามารถนำข้อมูลมาใช้ได้หลากหลายรูปแบบ ตามความต้องการ
ที่เกิดขึ้นในอนาคต”

ข้อได้เปรียบอีกประการของ Data Lake คือต้นทุนที่ต่ำกว่า Data Warehouse แบบดั้งเดิม
อย่างมาก และสามารถขยายขนาดได้ตามความต้องการ

## **แนวทางการเริ่มต้นสำหรับองค์กรขนาดใหญ่**

การเริ่มต้นทำ Data Transformation ในองค์กรขนาดใหญ่ต้องอาศัยการวางแผนที่รอบคอบและ
เป็นระบบ ณัฐนภัสแนะนำว่าควรเริ่มจากการกำหนดเป้าหมายที่ชัดเจนและวัดผลได้

“ผู้บริหารต้องชัดเจนว่าต้องการอะไร เช่น ต้องการควบคุมต้นทุนไม่ให้เติบโตเกิน 5% หรือ
ต้องการเพิ่ม Bottom Line 20%” เขาอธิบาย “จากนั้นจึงค่อยๆ พัฒนากระบวนการและเครื่อง
มือที่จะช่วยให้บรรลุเป้าหมายนั้น”

การเตรียมความพร้อมด้านบุคลากรเป็นอีกปัจจัยสำคัญ องค์กรควรสร้างความเข้าใจให้พนักงาน
ทุกระดับเห็นประโยชน์ของ Big Data และ AI ณัฐนภัสแนะนำให้เปิดเวทีให้ทีมงานได้แสดงความ
คิดเห็นและนำเสนอไอเดียการใช้ข้อมูล

“หลายองค์กรประสบความสำเร็จด้วยการจัดกิจกรรมแบบ Hackathon ให้พนักงานเสนอไอเดียการ
ใช้ข้อมูลองค์กร แข่งขันชิงรางวัล และทำงานข้ามทีมกัน” เขายกตัวอย่าง “นี่เป็นวิธีที่
ช่วยสร้างวัฒนธรรมการใช้ข้อมูลได้อย่างมีประสิทธิภาพ”

ในด้านเทคโนโลยี องค์กรควรเริ่มจากการจัดระเบียบข้อมูลที่มีอยู่ และวางกรอบการธรรมาภิ
บาลข้อมูล (Data Governance) ที่ชัดเจน เพื่อให้การใช้ข้อมูลเป็นไปอย่างมีประสิทธิภาพ
และปลอดภัย

## **คำแนะนำสำหรับ SME และสตาร์ทอัพ**

สำหรับธุรกิจขนาดเล็กและขนาดกลาง การเริ่มต้นใช้ประโยชน์จากข้อมูลไม่จำเป็นต้องใช้การ
ลงทุนสูง ณัฐนภัสเน้นย้ำว่าสิ่งสำคัญคือการเริ่มต้นเก็บข้อมูลอย่างเป็นระบบ

“การเก็บข้อมูลไม่จำเป็นต้องซื้อระบบราคาแพง” เขาอธิบาย “จะใช้ Excel หรือแม้แต่จดใน
สมุด ขอเพียงมีการบันทึกอย่างสม่ำเสมอ เมื่อถึงเวลาที่ต้องการใช้งานจริง เราจะมีข้อมูล
พร้อมใช้”

ประเด็นสำคัญอยู่ที่การเลือกเก็บข้อมูลที่มีประโยชน์ต่อธุรกิจ ณัฐนภัสแนะนำให้เริ่ม
จากการตั้งคำถามว่าธุรกิจต้องการบรรลุเป้าหมายอะไร แล้วจึงวางแผนเก็บข้อมูลที่จะช่วย
ตอบโจทย์นั้น

“บางธุรกิจอาจต้องการทราบว่าลูกค้ามาจากช่องทางไหน สินค้าตัวไหนทำกำไรดีที่สุด หรือ
ช่วงเวลาใดที่ลูกค้ามาใช้บริการมากที่สุด” เขายกตัวอย่าง “เมื่อรู้โจทย์ การวางแผนเก็บ
ข้อมูลจะมีทิศทางที่ชัดเจน”

สำหรับการเริ่มต้นใช้เทคโนโลยี ปัจจุบันมีบริการบนคลาวด์มากมายที่ช่วยให้ธุรกิจขนาด
เล็กสามารถเข้าถึงเครื่องมือวิเคราะห์ข้อมูลได้ในราคาที่เหมาะสม โดยจ่ายตามการใช้งาน
จริง

## **การประยุกต์ใช้ Big Data ในแต่ละแผนก**

การนำ Big Data มาใช้ไม่ได้จำกัดอยู่แค่ฝ่ายการตลาดหรือฝ่ายไอที ณัฐนภัสแบ่งปันตัวอย่าง
การประยุกต์ใช้ที่น่าสนใจในหลากหลายแผนก

ในด้านทรัพยากรบุคคล การวิเคราะห์ข้อมูลช่วยให้องค์กรเข้าใจพนักงานได้ดีขึ้น “เราเคย
ทำโครงการที่นำข้อมูลการลางาน การใช้งานอินเทอร์เน็ตในองค์กร และประวัติการติดต่อ HR
มาวิเคราะห์ เพื่อคาดการณ์แนวโน้มการลาออกของพนักงาน” เขาเล่า “ทำให้องค์กรสามารถดูแล
พนักงานได้ตรงจุดมากขึ้น”

ในภาคการผลิต Big Data ถูกนำมาใช้ในการบริหารจัดการการผลิตและการซ่อมบำรุง “เราใช้ข้อมูล
จากเซ็นเซอร์ในสายการผลิตมาคาดการณ์ว่าจะต้องใช้พนักงานกี่คน ต้องทำงานล่วงเวลาเท่า
ไหร่ เพื่อให้ผลิตสินค้าได้ตรงตามความต้องการ ไม่เกิดการผลิตมากหรือน้อยเกินไป”

ส่วนงานจัดซื้อ การวิเคราะห์ข้อมูลช่วยป้องกันการทุจริตและเพิ่มประสิทธิภาพในการทำงาน“
ระบบสามารถตรวจจับรูปแบบการสั่งซื้อที่ผิดปกติ หรือการส่งมอบสินค้าที่ไม่ตรงตามคุณภาพ
ที่กำหนด”

## ** ผลกระทบของ AI ต่อวงการ Big Data**

เทคโนโลยี AI กำลังเข้ามาเปลี่ยนแปลงวิธีการทำงานกับข้อมูลขนาดใหญ่อย่างมีนัยสำคัญ 
โดยเฉพาะในด้านการพัฒนาแพลตฟอร์มและการวิเคราะห์ข้อมูล

“AI ไม่เพียงแต่มาดิสรัปต์โลกของการเขียนโค้ด แต่ยังมาเปลี่ยนแปลงวิธีการทำงานกับ Big
Data ด้วย” ณัฐนภัสอธิบาย “เมื่อก่อน การพัฒนา Big Data Platform ต้องใช้ความรู้หลาย
ภาษาโปรแกรมมิ่ง และต้องเรียนรู้เทคโนโลยีหลายตัว แต่ตอนนี้ AI สามารถช่วยสร้าง Data
Pipeline ได้อย่างรวดเร็วและมีประสิทธิภาพ”

นอกจากนี้ AI ยังช่วยให้การทำ Machine Learning และการวิเคราะห์ข้อมูลเป็นเรื่องที่
เข้าถึงได้ง่ายขึ้น “ปัจจุบัน เราสามารถใช้ AI ช่วยเขียนโมเดลทำนายได้ภายในไม่กี่นาที
ซึ่งแม่นยำและมีประสิทธิภาพ”

อย่างไรก็ตาม ณัฐนภัสเน้นย้ำว่าคุณภาพของข้อมูลยังคงเป็นปัจจัยสำคัญ “AI ก็เหมือนเด็ก
ทารกที่ต้องการการเรียนรู้ที่ถูกต้อง ถ้าข้อมูลที่ใช้สอนไม่ดี ผลลัพธ์ที่ได้ก็จะไม่มี
คุณภาพ”

## **เทรนด์สำคัญที่ต้องจับตาในปี 2025**

ณัฐนภัสชี้ให้เห็นเทรนด์สำคัญสามประการที่จะเปลี่ยนแปลงวงการ Big Data ในอนาคตอันใกล้

ประการแรก คือการลดลงของต้นทุนเทคโนโลยี “เราเห็นการเปลี่ยนแปลงชัดเจนจากทั้งในไทยและ
ต่างประเทศ ทุกองค์กรกำลังมองหาเทคโนโลยีใหม่ที่มีต้นทุนต่ำลง” เขาอธิบาย “จากเดิมที่
การทำ Big Data ต้องลงทุนในฮาร์ดแวร์นับสิบล้าน ปัจจุบันองค์กรสามารถเริ่มต้นได้ด้วย
การใช้บริการคลาวด์ที่จ่ายตามการใช้งานจริง”

ประการที่สอง คือความง่ายในการเข้าถึงเทคโนโลยี “สมัยก่อน การซื้อระบบ Big Data หมาย
ถึงการต้องซื้อเครื่องเซิร์ฟเวอร์ จ้างทีมติดตั้ง และพัฒนาระบบ ใช้เวลาและงบประมาณมหาศาล
แต่วันนี้ คุณสามารถเริ่มใช้งานบน Cloud ได้ภายใน 5 นาที ถ้าไม่พอใจก็ยกเลิกได้ทันที”

ประการที่สาม คือบทบาทของ Generative AI ที่จะเข้ามาเปลี่ยนวิธีการทำงานกับข้อมูล “
ในอนาคตอันใกล้ การดึงข้อมูลหรือสร้าง Data Pipeline จะเป็นเหมือนการสนทนากับ AI ไม่
จำเป็นต้องเขียนคำสั่ง SQL ที่ซับซ้อนอีกต่อไป” เขามองว่านี่จะเป็นการเปลี่ยนแปลงครั้ง
สำคัญที่ทำให้การใช้งานข้อมูลเป็นเรื่องที่เข้าถึงได้ง่ายขึ้นสำหรับทุกคนในองค์กร

การเปลี่ยนแปลงทางเทคโนโลยีที่เกิดขึ้นอย่างรวดเร็วทำให้องค์กรต้องปรับตัวอย่างต่อเนื่อง
โดยเฉพาะในด้านการใช้ประโยชน์จากข้อมูล ณัฐนภัสได้ฝากข้อคิดสำคัญสำหรับผู้บริหารและ
ผู้ที่กำลังเริ่มต้นในวงการ

“สิ่งสำคัญที่สุดคือการเริ่มต้นเก็บข้อมูลตั้งแต่วันนี้ แม้ยังไม่รู้ว่าจะใช้ประโยชน์
อย่างไร” เขาย้ำ “เพราะข้อมูลเปรียบเสมือนสินทรัพย์ที่มีค่า ยิ่งมีประวัติย้อนหลังมาก
เท่าไร ยิ่งสร้างมูลค่าได้มากขึ้นเท่านั้น”

สำหรับองค์กรที่กำลังเริ่มต้น การวางรากฐานที่ดีด้านข้อมูลถือเป็นการลงทุนที่คุ้มค่า
เริ่มจากการสร้างวัฒนธรรมองค์กรที่ให้ความสำคัญกับข้อมูล พัฒนาบุคลากรให้มีความเข้าใจ
และทักษะที่จำเป็น และค่อยๆ พัฒนาโครงสร้างพื้นฐานตามความเหมาะสม

“อย่ากลัวที่จะเริ่มต้นเล็กๆ แต่ต้องมีวิสัยทัศน์ที่ชัดเจน” เขาแนะนำ “เทคโนโลยีจะพัฒนา
ไปเรื่อยๆ แต่หัวใจสำคัญคือการมีข้อมูลที่ดีและการใช้ประโยชน์จากข้อมูลอย่างชาญฉลาด”

ท้ายที่สุด ณัฐนภัสเชื่อว่าการผสมผสานระหว่าง Big Data และ AI จะสร้างโอกาสใหม่ๆ ให้
กับองค์กรที่พร้อมปรับตัว “อนาคตเป็นของคนที่เข้าใจทั้งธุรกิจและข้อมูล สามารถนำเทคโนโลยี
มาสร้างคุณค่าได้อย่างแท้จริง”
