เดือนมกราคม 2022 ที่ผ่านมา McKinsey & Company บริษัทให้คำปรึกษาธุรกิจชั้นนำของโลก ได้เผยแพร่บทความชื่อว่า The Data-driven Enterprise of 2025  ซึ่งกล่าวถึง Insight ของรูปแบบการทำงาน และสิ่งสำคัญที่จะเกิดขึ้นในองค์กรแบบ Data-driven โดยเปรียบเทียบระหว่างปัจจุบัน และปี 2025 รวมทั้งวิธีที่องค์กรจะปรับตัวเพื่อให้อยู่รอดได้ด้วย

7 คุณลักษณะ ที่องค์กร Data-driven พึงมีเปรียบเทียบปัจจุบัน และปี 2025

1. ผนวก Data เข้ากับทุกการตัดสินใจ การปฎิสัมพันธ์ และกระบวนการทำงาน

ปัจจุบัน:
องค์กรมักใช้แนวคิด Data-driven ในบางเรื่อง เช่น ระบบทำนายคาดการณ์ หรือระบบ AI แต่หลายๆโจทย์ทางธุรกิจก็ยังคงใช้วิธีการแก้ปัญหาแบบเก่าๆ ที่ต้องใช้เวลาเป็นเดือนหรือปีในการแก้ ทำให้ไม่ได้ใช้แนวคิด Data-driven แบบเต็มประสิทธิภาพจริงๆ

ปี 2025:
พนักงานเกือบทั้งหมดใช้ Data เป็นหนึ่งในเครื่องมือในการทำงานเป็นปกติ จากปัญหาหรืองานที่ต้องทำใช้ระยะเวลานานเป็นปี พนักงานจะมีความในการกล้าตั้งคำถามว่านวัตกรรมด้าน Data จะช่วยแก้ปัญหาเหล่าภายในระยะเวลาไม่กี่สัปดาห์ วัน หรือชั่วโมง ได้อย่างไร องค์กรเองก็จะสามารถตัดสินใจได้ดียิ่งขึ้น รวมถึงใช้ระบบอัตโนมัติในการทำงานแบบรายวัน หรือการตัดสินใจที่ต้องเกิดขึ้นซ้ำๆเป็นประจำ ทำให้พนักงานมีเวลาไปโฟกัสงานที่ต้องใช้ทักษะมนุษย์จริงๆ เช่น งานด้านนวัตกรรม การประสานงาน และการสื่อสาร เมื่อแนวคิด Data-driven ถูกใช้อย่างเต็มที่จะช่วยพัฒนาประสิทธิภาพการทำงานและสร้างสิ่งที่ล้ำสมัยได้

2. ประมวลผล Data และส่ง Insights ให้กันแบบ Real-time

ปัจจุบัน:
องค์กรเก็บและประมวลผล Data ได้เพียงแค่บางส่วนที่เชื่อมต่อกับอุปกรณ์ ไม่สามารถดึงข้อมูลและวิเคราะห์แบบ Real-time ได้ ด้วยข้อจำกัดของเทคโนโลยีในองค์กร กลายเป็นต้องเลือกระหว่าง “ความเร็วของระบบ” กับ “ความฉลาดจากการคำนวนซับซ้อนของระบบ”

ปี 2025:
ระบบเครือข่ายขององค์กรจำนวนมากเชื่อมต่อกับอุปกรณ์ และส่ง Data ต่างๆ แบบ Real-time เทคโนโลยีใหม่ๆที่ใช้ทำงานกับ Data มีความแพร่หลายมากขึ้น เช่น เทคโนโลยีสถาปัตยกรรม Kappa หรือ Lambda นอกจากนี้หลายองค์กรยังใช้เครื่องมือวิเคราะห์ข้อมูลที่ซับซ้อนได้ ราคาบริการ Cloud Computing ถูกลง เครื่องมือ “In-memory” ฉลาดขึ้น และมาในรูแปบบออนไลน์ เช่น Redis หรือ Memcached

3.ใช้ Database ที่ยืดหยุ่นพร้อมนำไปใช้งานต่อได้เร็วขึ้น เช่น NoSQL

ปัจจุบัน:
แม้ว่า Data ที่เก็บได้จะมีทั้ง Unstructured Data และ Semi-structured Data แต่ Data ที่นำไปใช้ได้จริงกลับมีเพียงเฉพาะแบบที่ทำให้เป็น Structured Data เท่านั้น Data engineers มักใช้เวลาเยอะมากไปกับการสำรวจเซ็ตของ Data เอง หาความสัมพันธ์ และเชื่อม Data ด้วยตัวเอง ทำให้ไม่สามารถทำงานขนาดใหญ่ขึ้นได้ และเสี่ยงต่อความผิดพลาด

ปี 2025:
คนทำงานด้าน Data จะใช้ Database ได้หลากหลายรูปแบบมากขึ้น ทั้ง Time-series databases, Graph databases และ NoSQL databases ทำให้การจัดการข้อมูลมีความยืดหยุ่นมากขึ้น คนทำงานจะดึงข้อมูลและทำความเข้าใจความสัมพันธ์ระหว่าง Unstructured Data และ Semi-structured Data ได้ง่ายและเร็วขึ้น ทำให้การพัฒนาระบบ AI ต่างๆ ได้เร็วกว่าเดิม

4. Data Asset ถูกจัดการและดูแลเหมือนเป็น “ผลิตภัณฑ์” หนึ่งขององค์กร

ปัจจุบัน:
ทีม Data อยู่แยกจากทีม IT และใช้วิธีการบริหารแบบควบคุมจากเบื้องบน (Top-down) ไม่มีคนเป็นเจ้าของ Data ชัดเจน ทำให้ Data ไม่ได้รับการอัปเดตและทำให้นำไปใช้ต่อได้หลายๆแบบ นอกจากนี้เซ็ตของ Data ยังถูกเก็บแยกกันคนละที่ และบางทีก็ซ้ำซ้อนกัน กระจัดกระจาย ทำให้คนทำงานที่ต้องใช้ Data ทำงานยาก ใช้เวลาเยอะ

ปี 2025:
สินทรัพย์ Data ถูกจัดการและดูแลเสมือนเป็นผลิตภัณฑ์หนึ่ง ไม่ว่า Data นั้นจะถูกนำไปใช้โดยทีมภายใน หรือลูกค้าภายนอก ผลิตภัณฑ์ Data เหล่านี้จะมีทีม หรือ Squad ที่รับผิดชอบโดยตรง เพื่อความปลอดภัย และการพัฒนาวิศกรรม Data หรือทำให้ทีมอื่นๆ เข้าถึง Data และใช้เครื่องมือวิเคราะห์ได้ด้วยตนเอง (Self-service)

5. ขยายความรับผิดชอบของทีม Data สร้างช่องทางของรายได้ใหม่จากข้อมูล

ปัจจุบัน: ตำแหน่งหัวหน้าใหญ่ในทีม Data อย่าง CDOs (Chief Data Officers) และลูกทีมทำงานเสมือนเป็นผู้รับผิดชอบงานพัฒนาและติดตามว่าคนทำตามนโยบาย มาตราฐาน และขั้นตอนต่างๆที่วางไว้ เพื่อให้มั่นใจว่า Data ที่ได้มีคุณภาพ

ปี 2025: CDOs และลูกทีม จะทำงานเสมือนเป็นทีม Business ทีมหนึ่ง ต้องรับผิดชอบเรื่องกำไร-ขาดทุน โดยทีมต้องทำงานร่วมกับทีม Business อื่นๆ เพื่อคิดวิธีหาเงินจากการใช้ Data เช่น ให้บริการด้าน Data หรือการแชร์ Data และร่วมกันคิดกลยุทธ์ด้าน Data ขององค์กรแบบภาพใหญ่ และให้ Data เป็นส่วนหนึ่งของกลยุทธ์ด้าน Business

6. เข้าร่วม Data Economy ลดอุปสรรคในการแลกเปลี่ยนข้อมูลระหว่างองค์กร

ปัจจุบัน: เรื่องข้อมูลในองค์กรมักจะ “ไซโล” หรือเป็นการทำงานแบบส่วนใครส่วนมัน ไม่ Sync กัน ในขณะที่การแชร์ Data กับ Partner และคู่แข่งเริ่มมีมากขึ้น แต่ก็ยังไม่ได้เยอะ และส่วนมากก็มีข้อจำกัดมากมาย

ปี 2025: องค์กรขนาดใหญ่มักจะมีแพลตฟอร์มสำหรับการแชร์ Data เพื่อให้ง่ายต่อโปรเจคที่ต้องใช้ Data ทำงานร่วมกัน ทั้งภายในและภายนอกองค์กร องค์กรแบบ Data-driven จะเข้าร่วมใน Data Economy เพื่อเสริมให้องค์กรแข็งแกร่งด้าน Data ได้ Insight มากยิ่งขึ้นจากการมี Data Pool ขนาดใหญ่ นอกจากนี้จะมีตลาด Data เปิดให้แลกเปลี่ยน แชร์ ซื้อขาย Data กัน ซึ่งจะทำให้เกิดบริษัทใหม่ๆ ที่มุ่งเน้นการสร้างผลิตภัณฑ์ Data โดยเฉพาะมากขึ้น

7. ให้ความสำคัญในการจัดการ Data ในที่ทำงาน เพื่อรักษาความเป็นส่วนตัว ความปลอดภัย และความยืดหยุ่นในการปรับปรุงแก้ไขข้อมูล

ปัจจุบัน: เรื่องของความปลอดภัยและการรักษาความเป็นส่วนตัวด้าน Data ถูกมองเป็นเรื่องการปฏิบัติตามนโยบาย โดยเริ่มขับเคลื่อนจากกฎหมายปกป้อง Data และผู้บริโภคเริ่มตระหนักว่าตนเองโดนเก็บและใช้ข้อมูลส่วนตัว เรื่องของความปลอดภัยและการรักษาความเป็นส่วนตัวด้าน Data ยังไม่เพียงพอ หรือตั้งขึ้นมาแบบไม่คำนึงถึงความแตกต่างของแต่ละเซ็ต Data การให้การเข้าถึง Data แก่พนักงานยังจัดการแบบ Manual ทำให้ใช้เวลาและเสี่ยงต่อการผิดพลาด

ปี 2025: เรื่องของความปลอดภัย จริยธรรม และการรักษาความเป็นส่วนตัวด้าน Data กลายเป็นเรื่องจำเป็นพื้นฐาน ถูกขับเคลื่อนจากกฎหมายปกป้อง Data ที่มีการพัฒนาจริงจังมากขึ้น เช่น กฏหมาย PDPA (Personal Data Protection Act ) ผู้บริโภครู้สิทธิด้าน Data ของตนเองมากขึ้น การดูแลการเข้าถึง Data ต่างๆ เป็นไปโดยระบบอัตโนมัติ โดยใช้ Script ที่เขียนขึ้นไว้อยู่แล้ว เพื่อความปลอดภัยและรวดเร็วมากขึ้น ระบบอัตโนมัติทำให้การ Backup Data ต่างๆ ทำได้เกือบทันที จึงมีความยืดหยุ่นรวดเร็วในกรณีที่ต้องการทำ Data Recovery หรือรื้อฟื้นข้อมูลเก่า

Source: www.mckinsey.com/

———————————————–
ได้อัปเดต Insight ของรูปแบบการทำงาน และสิ่งสำคัญที่จะเกิดขึ้นในองค์กรแบบ Data-driven ในอีกไม่กี่ปีข้างหน้าแล้ว หลายคนน่าจะพอเห็นแนวทางในการปรับตัวให้เข้ากับเทรนด์ของการใช้ “ข้อมูล(Data)” ทั้งในแง่การวางแผนธุรกิจ และการทำงาน หากพบว่าทักษะที่เคยมีอยู่อาจจะเริ่มไม่ตอบโจทย์โลกของธุรกิจ และการทำงานในอนาคต True Digital Academy มีคอร์สเรียน E-learning  เริ่มต้นเรียนรู้พื้นฐานแนวคิด ภาพรวมของการวิเคราะห์ข้อมูล ในเวลา 1 ชั่วโมง กับ Introduction to Data Analytics และเรียนรู้การนำข้อมูลไปใช้ให้เกิดประโยชน์ต่อตนเองและองค์กร ฝึกการใช้เครื่องมือในการวิเคราะห์ข้อมูลเบื้องต้นผ่านกรณีตัวอย่าง ในเวลา 4 ชั่วโมง กับ Data Analytics: Foundation สามารถดูรายละเอียดเพิ่มเติมและสมัครได้เลย ที่ https://bit.ly/3LBlqzs