DIP360 KM.

DIP360 Knowledge Management คือ การจัดการความรู้เกี่ยวกับ DIP360 เพื่อประโยชน์ในการเรียนรู้และการนำข้อมูลขนาดใหญ่ (Big Data) ไปใช้ โดย DIP360 KM นี้จะนำเสนอทั้งในเรื่องของการวิเคราะห์ข้อมูล เทคนิคและเครื่องมือในการวิเคราะห์ข้อมูล Big data, แนวทางในการวางระบบ Big Data ขององค์กร, Big Data สำหรับผู้ประกอบการ SME รวมถึง Case Study เกี่ยวกับ Big Data ในด้านธุรกิจ เพื่อให้ผู้ใช้ข้อมูล Big data เกิดประโยชน์สูงสุดในการนำข้อมูลไปใช้

พื้นฐานเทคโนโลยีและความหมายของ BIG DATA

+ดูเพิ่มเติม

พื้นฐานเทคโนโลยีและ

ความหมายของ BIG DATA

Predictive Analytics ในทางปฎิบัติ อย่างที่ SMEs ทราบกันดีว่า การวิเคราะห์แนวคาดการณ์นี้มีประโยชน์อย่างมาก ในการหารูปแบบความสัมพันธ์ของข้อมูล เพื่อคาดการณ์สถานการณ์บางอย่างในอนาคต เราจะมาลองดูแนวทางการนำไปใช้จริงในธุรกิจ ระบบวิเคราะห์ข้อมูลในการบริหารความสัมพันธ์กับลูกค้า (Analystical Customer Relationship Management : ACRM) ใช้แนวทางการวิเคราะห์แบบคาดการณ์ โดยมีจุดประสงค์หลักเพื่อบริหารจัดการความสัมพันธ์กับลูกค้า โดยมีกระบวนการที่บูรณาการทุกๆ ด้านของลูกค้าเข้าไว้ด้วยกัน ไม่ว่าข้อมูลของลูกค้าจะอยู่จุดใดในธุรกิจ ซึ่งข้อมูลทั้งหมดจากการวิเคราะห์จะถูกนำมาใช้ในการทำการตลาด การขาย การบริการลูกค้าในจุดต่างๆ และทุกภาคส่วนที่เกี่ยวข้องกับลูกค้า ทั้งหมดนี้จะถูกเชื่อมโยงกันอย่างเป็นระบบ โดยมีแนวคิดพื้นฐานสำคัญคือ ใช้มุมมองของลูกค้าเป็นตัวขับเคลื่อนการดำเนินงาน กระบวนการวิเคราะห์จะเกี่ยวพันกับ ความเข้าใจในความต้องการของลูกค้าต่อผลิตภัณฑ์แต่ละประเภท พฤติกรรมในการบริโภคสินค้าแต่ละชนิด รูปแบบการซื้อของลูกค้าเพื่อพัฒนาการขายผลิตภัณฑ์ด้านอื่นที่เกี่ยวข้อง และการค้นหาพฤติกรรมที่อาจทำให้สูญเสียลูกค้าเพื่อลดจำนวนการสูญเสียหรือรับมือกับสถานการณ์ได้ทันท่วงทีมากยิ่งขึ้น โดยโปรแกรมการวิเคราะห์ลักษณะนี้ จะทำการวิเคราะห์ตลอดทั้งวงจรในผลิตภัณฑ์ของลูกค้า ตั้งแต่เริ่มสนใจสินค้า เข้าซื้อ นำไปใช้ไปจนถึงการกลับมาซื้อซ้ำ Cross-Sell การขายสินค้าแบบต่อเนื่องกับสินค้าหลัก ด้วยการเก็บข้อมูลของลูกค้าอย่างครบมิติ การนำข้อมูลมาวิเคราะห์ในแบบ Predictive จึงสามารถหาความสัมพันธ์ที่อยู่ภายใต้ข้อมูลเหล่านั้น ที่จะเชื่อมโยงความต้องการบางอย่างในผลิตภัณฑ์และบริการที่อาจจะต่อเนื่องกันไป เป็นสร้างความได้เปรียบทางด้านธุรกิจอย่างครบวงจร  โดยเฉพาะหากธุรกิจของ SMEs มีสินค้าหลายชนิด ก็อาจจะวิเคราะห์หาความสัมพันธ์ในมุมมองการซื้อของลูกค้า พฤติกรรมการใช้หรือพฤติกรรมอื่นๆ เพื่อนำมาสร้างแคมเปญในการตลาดและการขายแบบต่อเนื่องได้อย่างมีประสิทธิภาพ ด้วยการขายเพิ่มผลิตภัณฑ์ที่เกี่ยวข้องจากข้อมูลที่ได้รับมาจากการวิเคราะห์ ผลที่ได้ย่อมหนีไม่พ้นการขายที่ได้ผลมากขึ้น ยอดขายที่สูงขึ้น รวมถึงการพัฒนาความสัมพันธ์กับลูกค้าได้เป็นอย่างดี อันสืบเนื่องมาจากการนำเสนอผลิตภัณฑ์ที่ถูกใจและตอบสนองความต้องการของลูกค้าได้แม่นยำมากขึ้น นอกจากนั้น ยังมีรูปแบบโปรแกรมที่นำแนวของการวิเคราะห์แบบPredictive Analyticsนี้ไปใช้อีกมาก ไม่ว่าจะเป็นการทำ Direct Marketing, Customer Retention (การรักษาความสัมพันธ์กับลูกค้าเดิม) รวมไปถึงการวิเคราะห์หาความเสี่ยงด้านต่างๆ การตรวจสอบความผิดปกติในพฤติกรรมด้านต่างๆ ของลูกค้า ซึ่งนับว่าเป็นการสร้างความสามารถในการแข่งขันทางธุรกิจเป็นอย่างยิ่ง ซึ่งนับว่าธุรกิจต่างๆ ได้นำการวิเคราะห์นี้มาใช้กันอย่างแพร่หลาย จึงเป็นสิ่งที่ SMEs ไทยไม่ควรมองข้ามและควรศึกษา ทดลองนำไปใช้กับกิจการของตน เพื่อสร้างความยั่งยืนและความก้าวหน้าต่อไป เรียบเรียงจากData Science and Analytics for Ordinary PeopleBy Jeffrey S. Strickland
อ่านต่อ

+ดูเพิ่มเติม

BIG DATA ETL ความรู้ความเข้าใจการจัดการข้อมูลด้วย Cloudera Manager

+ดูเพิ่มเติม

BIG DATA ETL การจัดการข้อมูล

ด้วย Cloudera Manager

Predictive Analytics ในทางปฎิบัติ อย่างที่ SMEs ทราบกันดีว่า การวิเคราะห์แนวคาดการณ์นี้มีประโยชน์อย่างมาก ในการหารูปแบบความสัมพันธ์ของข้อมูล เพื่อคาดการณ์สถานการณ์บางอย่างในอนาคต เราจะมาลองดูแนวทางการนำไปใช้จริงในธุรกิจ ระบบวิเคราะห์ข้อมูลในการบริหารความสัมพันธ์กับลูกค้า (Analystical Customer Relationship Management : ACRM) ใช้แนวทางการวิเคราะห์แบบคาดการณ์ โดยมีจุดประสงค์หลักเพื่อบริหารจัดการความสัมพันธ์กับลูกค้า โดยมีกระบวนการที่บูรณาการทุกๆ ด้านของลูกค้าเข้าไว้ด้วยกัน ไม่ว่าข้อมูลของลูกค้าจะอยู่จุดใดในธุรกิจ ซึ่งข้อมูลทั้งหมดจากการวิเคราะห์จะถูกนำมาใช้ในการทำการตลาด การขาย การบริการลูกค้าในจุดต่างๆ และทุกภาคส่วนที่เกี่ยวข้องกับลูกค้า ทั้งหมดนี้จะถูกเชื่อมโยงกันอย่างเป็นระบบ โดยมีแนวคิดพื้นฐานสำคัญคือ ใช้มุมมองของลูกค้าเป็นตัวขับเคลื่อนการดำเนินงาน กระบวนการวิเคราะห์จะเกี่ยวพันกับ ความเข้าใจในความต้องการของลูกค้าต่อผลิตภัณฑ์แต่ละประเภท พฤติกรรมในการบริโภคสินค้าแต่ละชนิด รูปแบบการซื้อของลูกค้าเพื่อพัฒนาการขายผลิตภัณฑ์ด้านอื่นที่เกี่ยวข้อง และการค้นหาพฤติกรรมที่อาจทำให้สูญเสียลูกค้าเพื่อลดจำนวนการสูญเสียหรือรับมือกับสถานการณ์ได้ทันท่วงทีมากยิ่งขึ้น โดยโปรแกรมการวิเคราะห์ลักษณะนี้ จะทำการวิเคราะห์ตลอดทั้งวงจรในผลิตภัณฑ์ของลูกค้า ตั้งแต่เริ่มสนใจสินค้า เข้าซื้อ นำไปใช้ไปจนถึงการกลับมาซื้อซ้ำ Cross-Sell การขายสินค้าแบบต่อเนื่องกับสินค้าหลัก ด้วยการเก็บข้อมูลของลูกค้าอย่างครบมิติ การนำข้อมูลมาวิเคราะห์ในแบบ Predictive จึงสามารถหาความสัมพันธ์ที่อยู่ภายใต้ข้อมูลเหล่านั้น ที่จะเชื่อมโยงความต้องการบางอย่างในผลิตภัณฑ์และบริการที่อาจจะต่อเนื่องกันไป เป็นสร้างความได้เปรียบทางด้านธุรกิจอย่างครบวงจร  โดยเฉพาะหากธุรกิจของ SMEs มีสินค้าหลายชนิด ก็อาจจะวิเคราะห์หาความสัมพันธ์ในมุมมองการซื้อของลูกค้า พฤติกรรมการใช้หรือพฤติกรรมอื่นๆ เพื่อนำมาสร้างแคมเปญในการตลาดและการขายแบบต่อเนื่องได้อย่างมีประสิทธิภาพ ด้วยการขายเพิ่มผลิตภัณฑ์ที่เกี่ยวข้องจากข้อมูลที่ได้รับมาจากการวิเคราะห์ ผลที่ได้ย่อมหนีไม่พ้นการขายที่ได้ผลมากขึ้น ยอดขายที่สูงขึ้น รวมถึงการพัฒนาความสัมพันธ์กับลูกค้าได้เป็นอย่างดี อันสืบเนื่องมาจากการนำเสนอผลิตภัณฑ์ที่ถูกใจและตอบสนองความต้องการของลูกค้าได้แม่นยำมากขึ้น นอกจากนั้น ยังมีรูปแบบโปรแกรมที่นำแนวของการวิเคราะห์แบบPredictive Analyticsนี้ไปใช้อีกมาก ไม่ว่าจะเป็นการทำ Direct Marketing, Customer Retention (การรักษาความสัมพันธ์กับลูกค้าเดิม) รวมไปถึงการวิเคราะห์หาความเสี่ยงด้านต่างๆ การตรวจสอบความผิดปกติในพฤติกรรมด้านต่างๆ ของลูกค้า ซึ่งนับว่าเป็นการสร้างความสามารถในการแข่งขันทางธุรกิจเป็นอย่างยิ่ง ซึ่งนับว่าธุรกิจต่างๆ ได้นำการวิเคราะห์นี้มาใช้กันอย่างแพร่หลาย จึงเป็นสิ่งที่ SMEs ไทยไม่ควรมองข้ามและควรศึกษา ทดลองนำไปใช้กับกิจการของตน เพื่อสร้างความยั่งยืนและความก้าวหน้าต่อไป เรียบเรียงจากData Science and Analytics for Ordinary PeopleBy Jeffrey S. Strickland
อ่านต่อ

+ดูเพิ่มเติม

BIG DATA Data Science และอัลกอริทึมในการพยากรณ์ข้อมูลต่าง ๆ

+ดูเพิ่มเติม

BIG DATA Data Scienceและ

อัลกอริทึมในการพยากรณ์ข้อมูลต่าง ๆ

Cloud Computing: การประมวลผลบนคลาวด์กำลังสำคัญที่จะช่วยเสริมความสามารถให้ SMEsในสนามการแข่งขันทางธุรกิจอันร้อนแรงมีคำถามทีผุดขึ้นมากมายในช่วงระยะเวลาหลายปีที่ผ่านมาถึงความก้าวหน้าทางเทคโนโลยี โดยเฉพาะดิจิทัล ว่าอันที่จริงแล้วดิจิทัลกำลังเข้ามาปรับปรุงกระจายขีดความสามารถทางการแข่งขันให้กับธุรกิจขนาดกลาง ขนาดเล็กรวมถึงผู้เล่นหน้าใหม่ ๆ ที่กำลังตัดสินใจจะเข้าสู่ตลาด จริง ๆ หรือไม่เพราะการจัดรูปร่างโครงสร้างของบริษัทให้สอดคล้องและไล่ตามเทคโนโลยีย่อมหมายถึงงบประมาณที่เพิ่มขึ้นในปริมาณที่ไม่มีทีท่าว่าจะจบลงง่าย ๆซึ่งเหตุผลก็คือความเร็วในการพัฒนาเทคโนโลยีที่มีอัตราการเติบโตที่รวดเร็วขึ้นกว่าในอดีตมาก ซึ่งแน่นอนเรื่องเหล่านี้เป็นเรื่องสำคัญซึ่งไม่มีผู้บริหารคนใดนิ่งนอนใจในองค์กรขนาดใหญ่ที่ได้เปรียบเรื่องเงินทุน และทรัพยากรดิจิทัลเทคโนโลยีจึงเสมือนหนึ่งว่าเอื้ออำนวยให้เพียงองค์กรขนาดใหญ่เท่านั้นซึ่งไม่ใช่เรื่องเกินการคาดเดาหากเราติดตามสถานการณ์ตลาดในแวดวงอุตสาหกรรมต่าง ๆ ในโลกก็จะพบตัวเลขสถิติมากมายที่ยืนยันว่าบริษัทขนาดใหญ่หัวก้าวหน้าชิงความได้เปรียบด้านเทคโนโลยีจนปรับตัวจนสามารถชิงส่วนแบ่งตลาดได้เพิ่มมากขึ้นอย่างที่ไม่เคยปรากฏมาก่อนในช่วงทศวรรษที่ผ่านมานี้ โดยเฉพาะในสหรัฐอเมริกาแต่ทว่าผลการวิจัย และรายงานของ Nicholas Bloom and Nicola Pierriพบว่าการขยายขีดความสามารถในการแข่งขันที่มีเทคโนโลยีดิจิทัลเป็นปัจจัยพื้นฐาน ได้ขยายตัวสู่ธุรกิจขนาดเล็กเพิ่มมากขึ้นเรื่อยๆ อันสืบเนื่องมาจากการรับเอาเทคโนโลยีคลาวด์คอมพิวติ้งด์มาเป็นส่วนหนึ่งในโครงสร้างพื้นฐานทางธุรกิจของตน“Cloud computing is an IT paradigm based on remote access to a shared pool of computingresources. Putting data “in the cloud” essentially means paying someone else to manage it, andthen connecting to their servers via the internet to access your data when you need it. It alsomeans you don’t need to analyze this data on your own machines but can “rent” these serviceson demand.” Nicholas Bloom and Nicola Pierri“เทคโนโลยีคลาวด์คอมพิวติ้งด์ คือแนวคิดทิศทางการจัดการด้านเทคโนโลยีข้อมูลหรือ ไอที ทีสามารถเข้าถึงระบบ และทรัพยากรต่าง ๆ ได้จากทางไกลหรือจากสถานที่ใดก็ได้หากมีสัญญาณอินเตอร์เนตเรารวบรวมข้อมูลของเราไว้บนคลาวด์ หรือในก้อนเมฆนั่นหมายถึงเรากำลังรับบริการในการจัดเก็บ และประมวลผลจากผู้ให้บริการ และเราชำระค่าบริการในรูปแบบใดรูปแบบหนึ่งซึ่งผู้ให้บริการจะทำการจัดการสร้างทางเชื่อมต่อจากเซริฟเวอร์ของพวกเขาให้กับเราผ่านทางสัญญาณอินเตอร์เนต ในทุกครั้งที่เราต้องการเข้าใช้ข้อมูลของเราซึ่งบนคลาวด์ยังหมายถึงการที่เราไม่จำเป็นจะต้องวิเคราะห์ประมวลผลข้อมูลด้วยอุปกรณ์ของเราเองแต่เราสามารถเช่าบริการเหล่านี้ในแบบตามความต้องการของเรา”คำอธิบายนี้ช่วยให้เราเห็นภาพว่าทำไมในช่วงระยะห้าปีที่ผ่านมาเราจะได้ยินเรื่องของคลาวด์ถี่ขึ้น และถูกขยายความมากขึ้นรวมถึงเราได้เห็นปรากฎการณ์การขยายตัวของธุรกิจผู้ให้บริการคลาวด์ที่หลากหลายขึ้น เหตุผลสำคัญที่ คลาวด์ ได้รับความนิยมสูงขึ้น เรื่อย ๆนั้นสืบเนื่องมาจากการจัดการบริหารด้าน IT ที่สะดวก ประหยัดค่าใช้จ่ายขนาดทีมที่เล็กลง ในระดับที่สามารถคาดหวังผลในระดับที่สูงได้ยกตัวอย่างอย่าง บริษัท KenSci บริษัทวิเคราะห์ข้อมูลด้านสุขภาพ และสาธารณสุขขนาดเล็กที่ตั้งในซีแอตเทิล สหรัฐอเมริกาสามารถวิเคราะห์ข้อมูลเชิงเทคนิคในรูปแบบ Machine Learningที่สามารถวิเคราะห์รูปแบบต่าง ๆ ของผู้ป่วยในลักษณะต่าง ๆเพื่อการรายงานแบบเรียลไทม์ ทั้งอัตราการเสียชีวิต อัตราการเข้ารักษาซ้ำรวมถึงข้อมูลอัตราเสี่ยงต่อสุขภาพในด้านต่าง ๆ อีกจำนวนมาก ทั้งหมดจัดการบนคลาวด์ ซึ่ง KenSci สามารถขยายการให้บริการของตนในการวิเคราะห์ข้อมูลต่าง ๆให้กับลูกค้าในระดับที่แตกต่างกัน ไปในระดับโลกโดยที่ไม่ได้วางแผนด้านทรัพยากรด้าน ไอที ของตนมาก่อน ความคล่องตัวและยืดหยุ่นเช่นนี้เอง ที่คลาวด์มอบให้กับผู้ประกอบการขนาดเล็กและเป็นปัจจัยพื้นฐานสำคัญให้ธุรกิจในการสร้างสรรค์ผลิตภัณฑ์ใหม่ ๆอันชาญฉลาด ที่เหมาะสมกับขนาดทุนในการลงทุนของบริษัทซึ่งนอกจากจะเพิ่มโอกาสให้กับตัวบริษัทแล้วต้องถือว่าเป็นการสร้างโอกาสและทางเลือกให้กับตลาดมากขึ้นซึ่งจะส่งผลดีให้กับผู้บริโภคเป็นปลายทางในระบบตลาด ยกตัวอย่างเช่น Pivotheadที่มีพนักงานเพียง 25 คนที่สามารถออกแบบผลิตภัณฑ์เทคโนโลยีแบบสวมใส่ที่ช่วยปรับปรุงคุณภาพในการมองเห็นให้กับผู้พิการทางสายตาโดยมีหลักการที่นำข้อมูลจากเซ็นเซอร์ในอุปกรณ์ส่งขึ้นคลาวด์แบบเรียลไทม์เพื่อประมวลผลด้วยอัลกอริทึม Machine Learningซึ่งสามารถแปลความหมายจากข้อมูลสภาพแวดล้อมให้เป็น คำพูด หรือตัวอักษร เพื่อช่วยให้ผู้ใช้งานสามารถได้รับข้อมูลสภาพแวดล้อมใกล้เคียงที่แม่นยำขึ้นและสามารถนำไปใช้ในการตัดสินใจต่าง ๆ
อ่านต่อ

+ดูเพิ่มเติม

BIG DATA BI เข้าใจหลักการการออกแบบและวิเคราะห์ข้อมูลที่เป็น Business Intelligence

+ดูเพิ่มเติม

BIG DATA BI เข้าใจหลักการการ

ออกแบบและวิเคราะห์ข้อมูลที่เป็น

Business Intelligence

ทันทีที่เราเริ่มตระหนักว่าข้อมูลของเราเสมือนหนึ่งเป็นทรัพยากรพื้นฐานทรงคุณค่า สิ่งที่ตามมาคือการจัดทำกลยุทธ์ต่าง ๆ ด้านข้อมูล  ซึ่งทั้งหมดย่อมเกี่ยวพันกับความเข้าใจเรื่องข้อมูลในแง่มุมต่าง ๆ กัน ไม่ว่าจะเป็นการจัดเก็บ รวมไปถึงการนำไปใช้ตามจุดประสงค์ที่เราระบุไว้ เราจะลองมาดูหลักการสำคัญ 5 ประการที่เราจะใช้พัฒนากลยุทธ์ด้านข้อมูลของเรา เพื่อให้เกิดประโยชน์กับองค์กรสูงสุด กลยุทธ์ด้านข้อมูลควรมีการวบรวมข้อมูลให้หลากหลาย ทุกองค์กร ย่อมมีแผนกต่าง ๆ กัน และร่วมกันเป็นเสมือนหนึ่งห่วงโช่คุณค่า ที่นำสู่ตัวลูกค้า หรือผู้รับบริการ สมาชิก นั่นย่อมหมายถึงในทุกกระบวนการการทำงาน มีความเชื่อมโยงกันไม่ทางใดก็ทางหนึ่ง ต่างมีบทบาทหน้าที่ตามภารกิจที่ต่างกันก็จริง แต่สุดท้ายเป้าหมายก็คือการร่วมมือกันส่งมอบคุณค่าที่ดีที่สุด ดังนั้นข้อมูลอันเกิดจากกระบวนการทำงานในแต่ละส่วน ไม่ว่าจะเป็น ข้อมูลทรัพยากรด้านต่าง ๆ ข้อมูลซัพพลายเออร์ ข้อมูลการจ่ายเงินภายใน ภายนอก ฯลฯ ล้วนเป็นประโยชน์เมื่อนำมารวมกันในการสร้าง และปรับปรุงกระบวนการทำงาน ลดความเสี่ยงขององค์กร สร้างกฎเกณฑ์ที่เหมาะสม ข้อมูลด้านผลผลิต กับข้อมูลด้านบริการ เป็นข้อมูลที่สามารถใช้ผนวกเข้ากับการปรับปรุงคุณความพึงพอใจกับลูกค้า หรือผู้รับบริการ โดยเฉพาะข้อมูลสำหรับลูกค้านั้นกินความหมายวงกว้างมาก ๆ ซึ่งการจัดเก็บให้หลากหลายย่อมเป็นเรื่องดีกับธุรกิจ แต่ก็มีประเด็นเรื่องข้อมูลส่วนบุคคล และกฎหมายที่พึงระวังเป็นอย่างมาก ดังนั้นทางแก้ที่ดีก็คือการกำหนดวัตถุประสงค์ให้ตรงที่สุด ข้อมูลจากทุกที่ ที่นำมาร่วมกันหากมีความหลากหลาย ย่อมสร้างโอกาสที่เพิ่มขึ้นในการมองภาพการแก้ปัญหาที่ชัดเจนขึ้น กลยุทธ์ด้านข้อมูลควรกำหนดให้นำข้อมูลมาร่วมในกระบวนการตัดสินใจให้มากที่สุด ฝันร้ายของการทำกลยุทธองค์กร ก็คือการไม่ได้ถูกนำไปปฎิบัติให้เกิดผลเป็นรูปธรรมที่ชัดเจน กลยุทธ์ด้านข้อมูล ก็เช่นกัน เมื่อจุดเริ่มต้นของการทำการวิเคราะห์ข้อมูล คือการนำข้อมูลไปใช่ในการตัดสินใจทางธุรกิจ ดังนั้นแผนกลยุทธ์ข้อมูลที่ดี จึงควรกำหนดให้ทุกภาคส่วนในหน่วยงานนำข้อมูลไปประกอบรายงาน การตัดสินใจ ทุกครั้ง หรือมากที่สุด หน่วยปฎิบัติงานก็อาจใช้ข้อมูลเหล่านี้มาวิเคราะห์การใช้ทรัพยากรในปี ที่ผ่าน ๆ มาของตนมาวางแผนการจัดสรรทรัพยากรในการทำงานในปีถัดไป ข้อมูลจากลูกค้าก็ควรจะสามารถนำมาใช้ในการแบ่งประเภท เพื่อดำเนินการบริการลูกค้าที่แตกต่างกัน ให้คุ้มกับต้นทุน และเป็นการเสริมสร้างคุณค่าเพิ่มขึ้นให้กับการบริการ ซึ่งหมายถึงทุกหน่วยงานย่อมเริ่มต้นได้จากการนำข้อมูลที่ได้จากการวิเคราะห์มาปรับปรุงกระบวนการทำงานที่มีอยู่ ทั้งในแง่ประสิทธิภาพ และต้นทุนการผลิต กลยุทธ์ด้านข้อมูลควรกำหนดบทบาทข้อมูลให้เป็นหลักสำหรับด้านการพัฒนาธุรกิจใหม่ ข้อมูลการทำงานต่าง ๆ ไม่เพียงจะเป็นประโยชน์ในแง่การปรับปรุง แต่การนำข้อมูลมาประกอบกัน รวมกันย่อมสร้างความหมายใหม่ ๆ ให้กับชุดข้อมูลนั้น ๆ เรากำลังพูดถึงโอกาสใหม่ ๆ ทางธุรกิจ ที่อาจเกิดจาการปรับปรุงแก้ไข กระบวนการทำงานเดิม ๆ แต่อาจเกิดสิ่งใหม่ที่ต่างออกไป จนสามารถขยายเป็นผลิตภัณฑ์ หรือบริการใหม่ ๆ ได้ กลยุทธ์ด้านข้อมูลที่ดีจึงควรกำหนดแนวทางด้านพัฒนาธุรกิจใหม่เข้าร่วมด้วย  กลยุทธ์ด้านข้อมูลที่ดีมักเลือกพิจารณาที่พฤติกรรมของข้อมูล ข้อมูลลูกค้าที่เก็บได้ อาจแฝงด้วยอคติหลายอย่าง ดังนั้นการฟังเสียงข้อมูล หรือคำบอกเล่าจากลูกค้าอย่างเดียวจึงอาจทำให้ กลยุทธ์ขององค์กรเกิดความไขว้เขว และหลงทางไปตามอคติเหล่านั้นได้ ทางออกก็คือการสังเกตุพฤติกรรมของข้อมูล หรือลูกค้าเพื่อเป็นหลักในการตัดสินใจเพื่อกำหนดกลยุทธ์ทางธุรกิจ เพราะพฤติกรรมย่อมเป็นข้อมูลที่แทบไม่มีเรื่องอคติเจือปน เพราะถือเป็นการแสดงออกจากข้อมูลอย่างแท้จริง กลยุทธ์ด้านข้อมูลที่ดีควรกำหนดข้อแบ่งปันข้อมูลระหว่างหน่วยงานให้ชัดเจน ความหมายก็คือ ในการทำงานที่เป็นแผนก หรือหน่วยงานในทุกองค์กร ย่อมมีปัญหาเรื่องไซโล หรือการทำงานที่แต่ละหน่วยตั้งเป็นแท่ง ๆ เดี่ยว ๆ โดยปราศจากการเชื่อมโยงใด ๆ การแบ่งปันใด ๆ ในเชิงข้อมูลการทำงาน ดั้งนั้นการกำหนดให้มีการแบ่งปัน ส่งมอบข้อมูลข้ามหน่วยงาน ย่อมเป็นการสร้างวัฒนธรรมในการทำงานที่ดี บรรยากาศการทำงานเป็นทีม ความไว้เนื้อเชื่อใจในการทำงาน ตลอดจนผลสัมฤทธิ์ร่วมกันในฐานะองค์กร ซึ่งก็จะสอดคล้องกับข้อมูลที่เราเก็บมาอย่างหลากหลาย และได้ถูกนำมารวมกันเพื่อก่อให้คุณค่าและความหมายใหม่ ๆ ให้กับองค์กร ทั้งห้าข้อคือแนวหลักการวางกลยุทธ์ในการสร้างความเข้าใจพื้นฐานด้านการทำงานที่เกี่ยวกับข้อมูล เพราะข้อมูลนั้นไม่ว่าจะมีขนาดปริมาณใหญ่ หรือเล็ก ก็ล้วนจะสามารถก่อให้เกิดประโยชน์ได้ก็ด้วยความเข้าใจ ถึงคุณค่า การนำมาใช้ และการนำผลวิเคราะห์ไปลงมือปฎิบัติ เพื่อทดสอบหาข้อผิดพลาดต่าง ๆ มาแก้ไขปรับปรุงกลยุทธ์ให้ดียิ่งขึ้น และสอดคล้องกับทำงานต่อไป ดังนั้นการเริ่มต้นจัดการด้านข้อมูลจึงเริ่มจากการวางกลยุทธ์ที่เข้าใจพื้นฐานจริง ๆ ในการนำข้อมูลไปใช้ ก่อนที่จะเลือกใช้เทคโนโลยีให้เหมาะสมกับกลยุทธ์ ของเรา และเมื่อเข้าใจแล้วการก้าวสู่ BIG DATA ของเราและองค์กรจึงเป็นการก้าวย่างที่มั่นคงอย่างแท้จริง
อ่านต่อ

+ดูเพิ่มเติม

BIG DATA Applied ประโยชน์การประยุกต์ใช้ในงานตัดสินใจวางแผนงานและ
ลงทุนในธุรกิจ เพื่อให้เกิดประโยชน์ทางเศรษฐกิจและการพัฒนาแก่ตนเองได้

+ดูเพิ่มเติม

BIG DATA Applied ประโยชน์การประยุกต์ใช้ในงานตัดสินใจวางแผนงานและ
ลงทุนในธุรกิจ เพื่อให้เกิดประโยชน์ทางเศรษฐกิจและการพัฒนาแก่ตนเองได้

ธุรกิจสื่อนั้นเป็นธุรกิจได้รับผลกระทบเทคโนโลยีดิจิตอลอย่างรุนแรง เพราะได้ปรับเปลี่ยนสภาพของธุรกิจไปอย่างสิ้นเชิงทั้งในเรื่อง การสร้างเนื้อหา ต้นทุน ช่องทางในการออกอากาศ แม้ BBC เองจะไม่ได้พึ่งพารายได้จากการโฆษณาเป็นหลัก โดยจุดประสงค์ในการก่อตั้งเพื่อไม่ให้มีเรื่องผลประโยชน์ และเรื่องพาณิชย์เข้ามาครอบงำ อันจะทำให้จำกัดเสรีภาพในการนำเสนอข่าวสาร และเนื้อหาสาระ ต่าง ๆ แต่ BBC เองในระดับโลกก็อาจจะต้องพึ่งพารายได้จากการโฆษณา อันทำให้ในเวทีระดับโลก BBC เองก็ต้องแข่งขันกับเอกชนต่าง ๆ ในตลาด ซึ่งหนีไม่พ้นที่ BBC เอง ต้องผลิตเนื้อหาสาระในตรงใจกับผู้ชมมากที่สุด เพื่อดึงดูดความนิยมของรายการ รวมทั้งปรับตัวเข้ากับสภาพแวดล้อมในเทคโนโลยีใหม่ ๆ โดยเฉพาะเรื่องดิจิทัล   การทำเนื้อหาในสื่อดิจิทัลนั้น ไม่ได้มีลักษณะเดียวกันกับรายการโทรทัศน์ วิทยุ หรือหนังสือพิมพ์ในอดีต ที่เป็นผังรายการแล้วนำเสนอต่อผู้ชมในทางเดียว แต่สื่อดิจิทัลนั้นเปิดโอกาสให้ผู้ชมสามารถเลือกจัดผังรายการของตัวเองได้ ตามความชอบส่วนตัว และพฤติกรรมที่เหมาะสมกับตัวเอง เลือกได้อิสระที่ฟัง จะชม จะอ่านเนื้อหาสาระแบบใดก็ได้ ลำดับแบบได้ก็ได้ ซึ่งผลที่ตามมา ก็คือความผันผวนของรายการ ที่สื่อเองก็ต้องแข่งขัน และไม่สามารถผลิตรายการแบบเดิมได้ ที่หากสามารถสร้างความนิยมในช่วงเวลาใด ย่อมหมายถึงช่วงเวลาที่ผู้ชมส่วนใหญ่มุ่งความสนใจมาที่รายการนั้น ๆ หมายถึงการเลือกชมรายการ และความนิยมจะถูกกระจายออกไปโดยไม่จำกัดอยู่ในช่วงเวลาใด เวลาหนึ่ง ทั้งนี้เพราะผู้ชมสามารถเลือกชมเวลาใดก็ได้โดยไม่ต้องเฝ้ารอชมรายการตามเวลาเหมือนในอดีต ปี 2013 BBC ทำโครงการ BIG DATA ด้วยพัฒนารูปแบบในการนำเสนอรายการแบบใหม่ โดยใช้ดกรอบแนวคิด วิธีการทางด้านข้อมูลมาใช้ ทั้งการวิเคราะห์ผู้ชม ไปจนถึงสร้างแบบจำลองเพื่อทำนายพฤติกรรมผู้ชม เพื่อนำมาใช้เป็นรูปแบบในการตัดสินใจ สร้างสรรค์เนื้อหารายการต่าง ๆ รวมถึงรูปแบบการนำเสนอใหม่ ๆ  โดยเฉพาะอัลกอริทึ่มที่ใช้แนะนำรายการที่เหมาะสมกับพฤติกรรมการรับชมรายการของผู้ชมว่า รายการไหน ข้าวไหน สาระบันเทิงไหน ที่เหมาะกับผู้ชมนั้น ๆ จะรับชมถัดไป และใช้ข้อมูลจากโซเชียลมีเดียมาวิเคราะห์ข้อมูลร่วม ในการสร้างแบบจำลองพฤติกรรมการรับชมรายการต่าง ๆ การเริ่มต้นสร้าง myBBC โดยมีจุดประสงค์สำคัญ ในการสำรวจ และกระชับความสัมพันธ์กับผู้ชมให้ลึกซึ้งขึ้น ด้วยช่องทางเวปออนไลน์ที่รวมทุกช่องทางของ BBC ไว้นี้ จึงได้สร้างข้อมูลให้ BBC ในการพัฒนารายการต่าง ๆ รวมถึงกระตุ้นช่องติดต่อสื่อสารแบบ 2 ทางกับผู้ชม มากกว่าทางเดียวแบบในอดีต โดยใช้โซเชียลมีเดีย จากสิ่งเหล่านี้ ในช่วงปีนั้น BBC ได้ข้อมูลสำคัญหลาย ๆ อย่าง เพื่อพัฒนารายการที่ผู้ชมอยากชม และอยากชมซ้ำต่อไป นอกจากนั้นยังมีการทดลองนำ โปรแกรมวิเคราะห์ใบหน้าผู้ชมขณะชมรายการมาทดลอง เพื่อวัดปฎิกิริยาของผู้ชม  ซึ่งก็ยังอยู่ในระดับการทดลอง  ผลที่เกิดขึ้นกับ BBC หลังจากเริ่มโครงการ BIG DATA ไป ก็คือ ความแม่นยำในการผลิตรายการที่ตรงใจกับผู้ชมมากขึ้น รวมถึงการตอบสนองวิถีชีวิตแบบใหม่โลกดิจิทัลของผู้ชมได้เป็นอย่างดี สิ่งที่เราเรียนรู้จากตัวอย่างนี้ก็คือ แม้ BBC จะไม่ต้องสนใจเรื่อรายได้จาการโฆษณามากนัก จะเป็นข้อได้เปรียบของ BBC แต่ที่สุดแล้ว แม้แต่หน่วยงานที่ไม่ได้หวังกำไรมากมาย ยังต้องปรับตัวเข้าสู่กระบวนทัศน์ และสิ่งแวดล้อมทางดิจิทัลแบบใหม่นี้ จะเห็นได้ว่าไม่เฉพาะภาคธุรกิจ เท่านั้นที่จำเป็นจะต้องแข่งขัน แต่กลับเป็นเรื่องของทุกวงการที่จะต้องเร่งขีดความสามารถในการแข่งขันให้มากขึ้นตาม ความต้องการของสังคมที่เปลี่ยนแปลงไป นอกจากนั้นเราจะเห็นว่ารูปแบบธุรกิจได้เปลี่ยนแปลงไปอย่างมหาศาล ที่แบบเดิมลูกค้า หรือผู้ชม ผู้ฟังไม่ได้มีทางเลือกมากนัก เท่าในปัจจุบัน การเข้าถึงสื่อต่าง ๆ ความรวดเร็วในการติดต่อสื่อสาร รวมทั้งสื่อสังคมสมัยใหม่ทั้งหลาย ล้วนเป็นตัวกระตุ้นสำคัญ ในเกิดความเปลี่ยนแปลงในทุกองคาพยพ ผู้ชมมีทางเลือกมากมายมหาศาล ใช่ว่าจะไม่มีปัญหาตามมา เพราะปัญหาที่ตามมากลับเป็นเรื่องการเลือกชมที่ยากลำบากขึ้น จากทางเลือกที่มหาศาล นั่นจึงหมายถึงการใช้อัลกอริทึ่มช่วยลูกค้า และผู้ชมเลือกในสิ่งที่เหมาะสมกับตนเองอย่างแท้จริง การตลาดแบบเดิมที่เน้นคนหมู่มากจึงเริ่มเปลี่ยนแปลง
อ่านต่อ

+ดูเพิ่มเติม