ผู้ใช้:AthimaS./กระบะทราย

Big Data เป็นจุดกำเนิดของ BI

ในยุคปัจจุบัน มีการใช้อุปกรณ์ประเภทสมาร์ทโฟนและแท็บเลทกันอย่างแพร่หลาย มี Application ที่ถูกพัฒนามาเพื่อสนับสนุน Platformดังกล่าวมากมาย รวมถึงความนิยมในการใช้ Social Network และการทำธุรกิจหรือธุรกรรมออนไลน์ต่างๆ ทำให้มีข้อมูลเกิดขึ้นในระบบออนไลน์เหล่านี้เป็นจำนวนมาก และอยู่ในรูปแบบ Unstructured การจัดการกับข้อมูลจำนวนมากและเกิดขึ้นตลอดเวลาประเภทนี้ ไม่สามารถทำได้ด้วยวิธีการจัดเก็บไว้ใน Database รูปแบบเดิมๆได้ดี หรือถ้าทำได้ก็ไม่สะดวกสบายนัก และการจะนำมาใช้ให้เกิดประโยชน์ก็ยาก ดังนั้นองค์กรต่างๆ ส่วนมากจึงมักจะมีแต่การจัดเก็บสะสมไปเรื่อยๆแต่ไม่ได้มีการนำมาใช้งานใดๆสุดท้ายก็เป็นเหมือนขยะกองโตขององค์กร ที่สิ้นเปลืองทรัพยากรในการเก็บรักษาหรือไม่ก็ถูกปล่อยให้สูญหายไปอย่างไร้ค่า ทั้งที่จริงแล้ว ถ้ามีการจัดเก็บและนำมาวิเคราะห์ให้ดี จะพบว่าข้อมูลเหล่านี้เปรียบเสมือนขุมทรัพย์ที่จะทำให้ธุรกิจเติบโตได้อย่างมาก เพราะอุดมไปด้วยข้อมูลที่หลากหลาย สามารถนำมาสร้างมูลค่าเพิ่มให้กับองค์กรได้ในหลายๆ มุมมองรวมถึงสามารถนำข้อมูลที่ได้มาใช้เพื่อการป้องกันหรือปิดช่องโหว่ที่มีอยู่ในทั้งระบบออนไลน์และระบบภายในขององค์กรได้ และหากมีเครื่องมือที่เหมาะสมก็ยิ่งจะช่วยให้การนำข้อมูลออนไลน์มาใช้ในการดำเนินธุรกิจนั้นเกิดประสิทธิภาพในการวิเคราะห์ข้อมูลจนสามารถนำมาใช้ประโยชน์ได้ดียิ่งขึ้น ทำให้เกิดมุมมองใหม่ๆ สามารถมองเห็นในสิ่งที่คู่แข่งยังมองไม่เห็นหรือไม่ได้ใส่ใจที่จะนำมาใช้ ทำให้องค์กรของเราได้เปรียบหรือมีความเหนือชั้นกว่าในการดำเนินธุรกิจ และมีโอกาสประสบความสำเร็จมากกว่า ยกตัวอย่างบริษัทที่นำ Big Data เข้ามาใช้งานและสร้างความเติบโตให้องค์กรจนประสบความสำเร็จจนสามารถอยู่ในกลุ่มผู้นำของธุรกิจ อาทิเช่น Google , Facebook ,Twitter ,Yahoo เป็นต้น
Big data คือ ข้อมูลในระบบ

ลักษณะสำคัญของข้อมูล

1. Volume

ข้อมูลมีปริมาณมาก อยู่ในระดับ Terabytes ขึ้นไป จนทำให้การจัดเก็บในรูปแบบฐานข้อมูลเดิมๆ ทำได้ยากอีกทั้งยังไม่สามารถจัดเก็บได้หมด

2. Variety

ข้อมูลมีรูปแบบที่หลากหลาย อาทิเช่น
Structure: Relational database, Semi-Structure: XML Data, filesQuasi-Structure: Text Document, Unstructured: Image and Video

3. Velocity

ข้อมูลจะมีการเปลี่ยนแปลงตลอดเวลาและรวดเร็ว ซึ่งมักจะเป็นข้อมูลประเภท “Real-Time” เช่น ข้อมูลจาก Social Media ข้อมูล Transaction ทางการเงิน ต่างๆ

Big Data เป็นแนวคิดพื้นฐานของารวิเคราะห์ข้อมูลและสกัดสารสนเทศที่สำคัญมาใช้งาน (business intelligence) ต่อไปAthimaS. (พูดคุย) 16:26, 18 พฤศจิกายน 2557 (ICT)

ความหมายของ Business Intelligence

อโณทัย ใจยะเขียว (พูดคุย) 16:40, 18 พฤศจิกายน 2557 (ICT)
Business Intelligence คือ ซอฟต์แวร์ (Software)ที่นำข้อมูลที่มีอยู่เพื่อจัดทำรายงานในรูปแบบต่างๆ โดยทำหน้าที่ในการดึงข้อมูลจาก Database โดยตรงแล้วสามารถนำเสนในรูปแบบของรายงานชนิดต่างๆที่เหมาะสมกับมุมมองในการวิเคราะห์ แสดงความสัมพันธ์ และทำนายผลลัพธ์ของแนวโน้มที่อาจเกิดขึ้นได้ ตรงตามความต้องการของผู้ใช้งานทางด้านการวิเคราะห์ข้อมูลจะอยู่ในรูปแบบหลายมิติ (Multidimensional Model) ซึ่งจะทำให้สามารถดูข้อมูลรูปแบบที่เจาะลึกได้ (Drill-Down) อีกทั้งในเชิงธุรกิจรวมถึงการดำเนินงานขององค์กรสามารถนำไปประยุกต์ใช้เพื่อประโยชน์ในการวางแผนกลยุทธด้านต่างๆ เช่น - วิเคราะห์การดำเนินงานของบริษัทฯ เพื่อการตัดสินใจด้านการลงทุนสำหรับผู้บริหาร - วิเคราะห์และวางแผนการขาย / การตลาด เพื่อประเมินช่องทางการจำหน่าย ฯลฯ - วิเคราะห์สินค้าที่ทำกำไร สูงสุด / ขาดทุนต่ำสุด เพื่อการวางแผนงานด้านการตลาด และการผลิต - วิเคราะห์ปัจจัยที่มีผลกระทบต่อยอดขายของสินค้า ฯลฯ - วิเคราะห์ข้อมูลเกี่ยวกับคู่แข่งขัน ฯลฯ นอกจากนี้ BI สามารถดึงข้อมูลากฐานข้อมูลที่หลากหลายภายในองค์กรมาทำการวิเคราะห์ เช่น Excel, FoxPro, Dbase, Access, ORACLE, SQL Server, Informix, Progress, DB2 เป็นต้น อีกทั้งBusiness Intelligence ยังมีจุดเด่นในด้านใช้งานง่ายเพียงแค่คลิกเมาส์ก็สามารถเปลี่ยนแปลงรายงานได้โดยไม่ต้องมีการคีย์ข้อมูลใหม่ ซึ่งผู้ใช้สามารถถาม ตอบคำถามทางธุรกิจได้หลายมุมมองเพียงในเวลาไม่กี่นาที ซึ่งช่วยการตัดสินใจแม่นยำ และรวดเร็วกว่าคู่แข่ง ทั้งในเชิงกว้าง และเชิงลึกรวมถึงสามารถดึงข้อมูลจากฐานข้อมูลที่หลากหลายภายในองค์กรมาทำการวิเคราะห์ เช่น Excel, FoxPro, Dbase, Access, ORACLE, SQL Server, Informix, Progress, DB2 เป็นต้น โดยไม่มีการเขียนโปรแกรมเพิ่มเติมใดๆ

ส่วนประกอบของBusiness Intelligence

ดาต้าแวร์เฮ้าส์ (Data Warehouse)

หมายถึง ฐานข้อมูลขนาดใหญ่ที่รวบรวบข้อมูลจากแหล่ข้อมูลภายใน และภายนอกขององค์กรต่างๆ ซึ่งจำเป็นต้องมีการออกแบบฐานข้อมูลให้สอดคล้องกับการนำเสนอ รวมถึงนำข้อมูลที่ต้องการนำมาใช้งาน นอกจากนี้แหล่งรวมข้อมูลสำคัญที่ผู้บริหารให้ความสนใจเป็นพิเศษเพื่อนำมาวิเคราะห์ สนับสนุนการวางแผน การตัดสินใจและการบริหารงาน ผลลัพธ์ของคลังข้อมูลจะถูกนำใช้กับระบบสนับสนุนการตัดสินใจ(Decision Support System) และระบบสารสนเทศสำหรับผู้บริหารระดับสูง(Executive Information System) ข้อมูลในคลังข้อมูลถูกดึงมาจากฐานข้อมูล(Database) ที่ได้เก็บรวบรวมรายการต่างๆ ที่เกิดขึ้นในแต่ละวันแต่ไม่สามารถตอบสนองความต้องการของผู้บริหารได้ รายการที่เกิดขึ้นถูกประมวลผลจากฐานข้อมูลซึ่งเก็บรายการที่เป็นงานในระดับปฏิบัติการ(Operational Level) เช่น งานขายสินค้า งานจัดซื้อสินค้า งานพิมพ์ใบเสร็จรับเงินของ ระบบซื้อขายสินค้า งานเช่า-คืนหนังสือ งานพิมพ์ใบเสร็จค่าปรับ ในระบบเช่า-คืนหนังสือ เป็นต้น รายการที่เกิดขึ้นในระดับปฏิบัติการ จะเป็นงานที่เกิดขึ้นซ้ำๆเหมือนกันทุกรายการ(Transaction) โดยจะเน้นงานที่แสดงในรายละเอียดเป็นหลัก หากผู้บริหารต้องการดูรายงานสรุปที่มีการเปรียบเทียบหรือประเมินความเป็นไปได้ของผลลัพธ์เพื่อวางแผนในอนาคต อาจจะยากในการประมวลผลจากระบบฐานข้อมูล เช่น การพิจารณายอดขายสินค้าของแต่ละไตรมาสเปรียบเทียบกับช่วงเวลาเดียวกันย้อนหลัง 3 ปี หรือ การพิจารณายอดขายสินค้าของพนักงานโดยแยกตามภูมิภาค เพื่อประเมินค่าคอมมิสชันที่จะต้องจ่ายในแต่ละปี เป็นต้น ดังนั้น จะเห็นว่าข้อมูลที่อยู่ในคลังข้อมูลจะเกี่ยวข้องกับเวลาในอดีตเสมอ อย่างไรก็ตามข้อมูลที่จะนำมาสร้างเป็นคลังข้อมูลต้องถูกนำมาจากฐานข้อมูลที่ใช้อยู่ในช่วงเวลาปัจจุบันแต่อาจต้องมีการปรับเปลี่ยนรูปแบบข้อมูลเพื่อให้มีความเหมาะสมและสะดวกในการนำไปใช้งานด้วย

ดาต้ามาร์ท (Data Mart)

หมายถึง คลังข้อมูลขนาดเล็กมีการเก็บรวบรวมข้อมุลในลักษณะเฉพาะเจาะจง ซึ่งทำให้การจัดการข้อมูลการนำเอาข้อมูลไปสร้างความสัมพันธ์ และวิเคราะห์ได้ง่ายขึ้น

การทำเหมืองข้อมูล (Data Mining)

หมายถึง การนำคลังของข้อมูลหลักมาประมวลผลใหม่ มีสูตรทางธุรกิจ และเงื่อนไขต่างๆ เข้ามาเกี่ยวข้อง และผลลัพธ์นรูปแบบที่แตกต่างกัน

เครื่องมือที่ใช้ในการวิเคราะห์ข้อมูลในหลายมิติ (OLAP)

หมายถึง การสืบค้นข้อมูลที่ผู้ใช้สามารถเลือกผลลัพธ์ออกมาในรูปแบบของตารางหรือกราฟ โดยสามารถวิเคราะห์ข้อมูลในมุมมองหลากหลาย โดยที่ผู้ใช้สามารถที่จะดูข้อมูลแบบเตาะลึกได้ตามต้องการแบบประมวลผลทันทีที่ป้อนข้อมูลเข้าไป

ระบบสืบค้นและรายงานต่างๆ (Search & Repost)

== การออกแบบโครงสร้างของคลังข้อมูลเพื่อรองรับ BI ==ApissaraV (พูดคุย) 18:45, 18 พฤศจิกายน 2557 (ICT) แบบที่นิยมใช้คือ แบบ Star Schema หรือโครงสร้างแบบดาว มีลักษณะโครงสร้างที่ Fact Table ถูกล้อมรอบด้วยหลายๆ Dimension Table แสดงตัวอย่างของโครงสร้าง โครงสร้างแบบStar Schema ประกอบด้วย Dimension Table ได้แก่ สินค้า พนักงานขาย ลูกค้า และเวลา Fact Table ได้แก่ ยอดขายสินค้า ปัจจุบันมีกลุ่มซอฟต์แวร์หลายบริษัทที่ให้บริการระบบ

ตัวอย่างของธุรกิจอัจฉริยะBusiness Intelligence

Oracle Business Intelligence Discoverer

ของบริษัท Oracle เป็นซอฟต์แวร์ที่ช่วยให้ผู้ใช้ทางธุรกิจทุกระดับในองค์กรสามารถตัดสินใจดำเนินการทางธุรกิจได้อย่างรวดเร็วผ่านเว็บบราวเซอร์ เป็นเครื่องมือสำหรับสืบค้นข้อมูล จัดทำรายงาน วิเคราะห์ ข้อมูลและเผยแพร่ข้อมูลทางเว็บ ที่สำคัญคือผู้ใช้สามารถใช้ข้อมูลในฐานข้อมูลได้ทันทีและมีการแสดงมุมมองของโครงสร้างข้อมูลที่ไม่ซับซ้อน รวมถึงส่วนประกอบต่างๆ สามารถทำงานได้ร่วมกับฐานข้อมูล Oracle ได้เป็นอย่างดี

Cognos

ของบริษัท IBM เป็นซอฟต์แวร์ที่ประกอบด้วยการรายงานที่ผนวกกับการวิเคราะห์การวัดผลแบบสกอร์การ์ดมีความสามารถในการวางแผน การสร้างแบบจำลองสถานการณ์สมมติ การตรวจสอบแบบเรียลไทม์และการวิเคราะห์เชิงทำนายผล มีการเชื่อมต่อกับผู้มีส่วนเกี่ยวข้องเพื่อช่วยให้การตัดสินใจมีประสิทธิภาพมากขึ้น รวมถึงการเสริมเทคโนโลยีปัญญารวมหมู่(Collective Intelligence)ภายในองค์กร

SAS

เป็นบริษัทที่ให้บริการด้านการวิเคราะห์ข้อมูลเชิงธุรกิจนับเป็นผู้ค้าอิสระรายใหญ่ในตลาดระบบธุรกิจ อัจฉริยะ มีฐานลูกค้าครอบคลุมทั้งธุรกิจขนาดเล็กและขนาดใหญ่ รวมถึงลูกค้าที่ต้องการวิเคราะห์เชิงการทำนายและการทำเหมืองข้อมูล (Data Mining) จุดเด่นของ SAS คือเป็นวิธีการที่มีลักษณะครอบคลุมทั้งแบบทั่วไปและแบบเฉพาะทางโดยเน้นแต่ละภาคอุตสาหกรรมที่สามารถให้มุมมองด้านการดำเนินการอย่างรวดเร็ว

Prelytis

เป็นผู้จำหน่ายซอฟต์แวร์สำหรับระบบธุรกิจอัจฉริยะรุ่นใหม่ มีบริการวิธีประสานความร่วมมือสำหรับระบบธุรกิจอัจฉริยะ “LiveDashBoard4Team” เพื่อให้ผู้ใช้จำนวนมากสามารถสร้างและใช้ตัวชี้วัดการบริหารจัดการธุรกิจร่วมกันได้โดยไม่จำกัดจำนวนผู้ใช้ นอกจากนี้ผู้ใช้ยังสามารถเข้าถึงกระดานรายงานผลกานดำเนินการขององค์กรผ่านเว็บได้ในขณะเดินทางโดยใช้งานร่วมกับ iPad, iPhone, BlackBerry และGoogleAndroid ได้อย่างสมบูรณ์
ปัจจุบัน BI มีบทบาทสำคัญอย่างมากในธุรกิจ เป็นตัวขับเคลื่อนกลยุทธ์ขององค์กร ผู้บริหารธุรกิจสามารถตัดสินใจได้อย่างถูกต้องและแม่นยำ สามารถเข้าถึงและวิเคราะห์ข้อมูลได้แบบเรียลไทม์พร้อมทั้งนำผลที่ได้ไปใช้วางแผนได้อย่างฉับไวและทันต่อเหตุการณ์ การทำBI จำเป็นต้องอาศัยแหล่งข้อมูลจากคลังข้อมูลเป็นสำคัญทั้งภายในและภายนอกองค์กรแล้วนำมาประมวลผลออนไลน์เชิงวิเคราะห์(OLAP)มีผลการพยากรณ์จากGartner ว่าการตลาดของคลังข้อมูลเติบโตอย่างรวดเร็วถึง 29000 ล้านเหรียญสหรัฐในปี2006 และประมาณ70%ขององค์กรธุรกิจ มีการพัฒนา BI ด้วยคลังข้อมูล (Ramamurthy,2008,818) คลังข้อมูลถูกพัฒนาและสร้างขึ้นเพื่อตอบคำถามทางธุรกิจสำหรับข้อมูลที่ต้องวิเคราะห์ เจาะลึก และต้องรวบรวมข้อมูลจากหลายๆส่วนงาน ซึ่งช่วยสนับสนุนได้อย่างดีในการประมวลผลออนไลน์เชิงวิเคราะห์

แนวคิดของ Business Intelligence

Howard Dresner ให้ความหมาย คำ ธุรกิจอัจฉริยะ(Business Intelligence) หรือ BI ไว้ในช่วงต้นของ ค.ศ.1990 ว่าหมายถึง “ชุดของแนวคิดและกระบวนทัศน์ที่จะพัฒนากระบวนการตัดสินใจของธุรกิจโดยอาศัยข้อมูลที่เป็นข้อเท็จจริงจากฐานข้อมูล”ซึ่งในยุคนั้นเทคโนโลยีที่ถูกนำมาใช้สำหรับการพัฒนา BI คือ คลังข้อมูล จึงทำให้เกิดเทคโนโลยีที่ทำให้องค์กรสามารถตอบคำถาม ตัดสินใจ และจัดการได้อย่างถูกต้องแม่นยำ มีการจัดทำรายงานในรูปแบบต่างๆ จากการดึงข้อมูลในฐานข้อมูลและคลังข้อมูลจำนวนมากเพื่อช่วยในการวางแผน บริหารงานในองค์กรได้อย่างมีประสิทธิภาพและตรงตามความต้องการของผู้ใช้เช่น วิเคราะห์และวางแผนการขายเพื่อประเมินช่องทางการจัดจำหน่าย วิเคราะห์สินค้าที่ทำกำไรสูงสุดหรือขาดทุนต่ำสุดเพื่อวางแผนการตลาดและการผลิตวิเคราะห์ปัจจัยที่มีผลกระทบต่อยอดขายสินค้า นอกจากนี้ยังช่วยสนับสนุนระบบการบริหารงานและการประเมินผลการดำเนินการ (Corporate Performance Management : CPM) อีกด้วย ในอดีตระบบธุรกิจอัจฉริยะถูกนำมาประยุกต์ใช้กับองค์กรธุรกิจขนาดใหญ่เท่านั้น เนื่องจากมีค่าใช้จ่ายในการลงทุนและดำเนินการที่สูงมาก แต่ในปัจจุบันระบบดังกล่าวถูกนำมาประยุกต์ใช้งานในธุรกิจขนาดกลางและขนาดเล็กมากขึ้น เนื่องจากมีค่าใช้จ่ายที่ลดลงมาก ประกอบกับระบบดังกล่าวมีจุดเด่นทที่ทำธุรกิจสามารถวางแผนการดำเนินการต่างๆ ได้อย่างอย่างมีประสิทธิภาพจนอาจกล่าวได้ว่าBI กลายเป็นเครื่องมือที่จำเป็นของCEO(Chief Executive Officer) และ CIO (Chief Information Officer) ในทุกองค์กรธุรกิจ
จุดเด่นของ BI คือ
1. ใช้งานง่ายโดยผู้ใช้ไม่จำเป็นต้องมีความรู้ด้านฐานข้อมูลเมื่อผู้ใช้เลือกรายการที่ต้องการแล้วระบบจะสามารถผลิตผลลัพธ์ได้ตามต้องการ
2. ข้อมูลมีความถูกต้องแม่นยำ ทำให้สามารถใช้ข้อมูลเพื่อสนับสนุนการตัดสินใจได้อย่างมีประสิทธิภาพทำให้เกิดความได้เปรียบคู่แข่งในเชิงกลยุทธ์
3.สามารถดึงข้อมูลจากฐานข้อมูลและคลังข้อมูลที่หลากหลายทั้งภายในและภายนอกมาทำการวิเคราะห์ได้โดยไม่จำเป็นต้องเขียนโปรแกรมหรือ Coding เช่น Excel, Access, SQL, Serverและ Oracle เป็นต้น
4. สามารถนำข้อมูลที่อยู่ในรูปแบบของตารางไปใช้งานในโปรแกรมที่สามารถคำนวณ ทำตาราง สร้างกราฟหรือ Chart ได้ทันที
Sirinta (พูดคุย) 18:39, 18 พฤศจิกายน 2557 (ICT)

การใช้ Business Intelligence มาใช้ในองค์กรต่างๆ

Inthu-on (พูดคุย) 18:41, 18 พฤศจิกายน 2557 (ICT) การทำงานในธนาคารหรือภาคการสื่อสารโทรคมนาคม ขายปลีก ต้องให้ความสำคัญกับ การวิเคราะห์เชิงธุรกิจ บริษัทมีการติดต่อทางธุรกิจเป็นจำนวนมาก เพราะฉะนั้นการประสบความสำเร็จในธุรกิจกลายเป็นคลังตัวเลข บริษัทอาจมีการดำเนินการจัดทำคลังข้อมูลเพื่อรวบรวมข้อมูลด้านธุรกิจที่เกี่ยวข้องมากที่สุดและมีกระบวนการและเครื่องมือที่หลากหลายจะใช้นำข้อมูลเหล่านี้มาช่วยการตัดสินใจเรื่องนโยบายราคาด้านธุรกิจ ฯลฯ บริษัท ความชัดเจนของตัวเลขด้านธุรกิจต่างๆ มีส่วนช่วยให้คุณสามารถดึงข้อมูลเชิงลึก เพื่อพิจารณานำเงินที่มีอยู่ออกมาใช้อย่างไรให้เพิ่มกำไร และวิธีที่คุณสามารถเพิ่มรายได้ และแน่นอนคนส่วนใหญทำงานกับคนที่มีพื้นฐานในอุตสาหกรรมดังกล่าว เข้าใจดีว่าคุณค่าของการวิเคราะห์ข้อมูลและใช้เครื่องมือที่เกี่ยวข้อง (ระบบ Business Intelligence) เป็นอย่างดี
ในช่วง 2 ปี (อ้างอิงจากปี2014) พบว่าซอฟต์แวร์การวิเคราะห์ด้านธุรกิจพัฒนาอย่างมีนัยสำคัญ มีประสิทธิภาพมากขึ้นพร้อมช่วยลดเงินลงทุนขณะเดียวกันยังสามารถช่วยแก้ปัญหาเบื้องต้นได้ ขณะนี้สามารถใช้ระบบ Business Intelligence เบื้องต้น จากผู้นำแบรนด์ซึ่งลงทุนน้อยกว่าห้าล้านบาทและขึ้นอยู่กับความต้องการที่ขอบเขตกำจัดเฉพาะ ดังนั้น บริษัท ที่อยู่ในอุตสาหกรรมอิฐและปูนมองถึงแก้ปัญหาดังกล่าว ในหลายกรณี มีธุรกิจที่แข็งแกร่งที่จะนำBusiness Intelligence มาใช้ในภาคธุรกิจ มาช่วยพัฒนาได้อย่างทันเวลา
ตัวอย่างวิธีการของบริษัท อิฐและ ปูน ตระหนักถึงมูลค่าทางธุรกิจที่สำคัญจากระบบ Business Intelligence :
ตัวอย่างที่ 1 : บริษัท มียอดขายหลายสาขาทั่วประเทศ ใช้ระบบ Business Intelligence ช่วยเก็บข้อมูลอย่างมีประสิทธิภาพจากทุกสาขาเช่นการขาย, ค่าใช้จ่าย และประมวลผลจากข้อมูลส่วนกลางเพื่อการวิเคราะห์การทำงานอย่างมีประสิทธิภาพ คุณจะไม่เพียงสามารถดูว่าแต่ละสาขาหรือกลุ่มสาขามีความคืบหน้า แต่คุณยังสามารถเปรียบเทียบกับสาขาอื่น เพื่อวิเคราะห์ความล้มเหลวทางธุรกิจ เพื่อพยายามนำมาพัฒนาธุรกิจอย่างมีประสิทธิภาพมากขึ้น
ตัวอย่างที่ 2 : บริษัท ที่บริการลูกค้าในเว็บไซต์ทั่วประเทศ คุณมีทีมงานประกันคุณภาพ ตรวจสอบคุณภาพการจัดส่ง ระบบ Business Intelligence สามารถช่วยรวบรวมข้อมูลความคิดเห็นของลูกค้า และตอบกลับ สร้างความน่าเชื่อถือที่ลูกค้ามีให้แก่ธุรกิจของคุณ ข้อมูลนี้จะช่วยให้ทีมงานของคุณเน้นคุณภาพมากขึ้น ตัวอย่างเช่น ลูกค้ามีความสำคัญอย่างมากกับธุรกิจของคุณ อย่างไรก็ตามเรายังคงต้องปรับปรุงคุณภาพการบริการต่อไป
ตัวอย่างที่ 3 : บริษัท ของคุณแข็งแกร่งขึ้นอยู่กับตำแหน่งของตราสินค้าในตลาด เพื่อให้ตำแหน่งแบรนด์เข้มแข็งคุณจัดแคมเปญและยังพยายามติดต่อลูกค้าอย่างสม่ำเสมอ สื่อสารภาพลักษณ์ตราสินค้าที่คาดว่า ระบบ Business Intelligence สามารถช่วยในสองด้านคือ หนึ่ง คุณต้องหมั่นตรวจตรา ประเมินผล ตำแหน่งแบรนด์ของคุณเป็นประจำทุกเดือน (ดีที่สุดตรวจสอบจาก online ถ้าลูกค้าของคุณ online) สอง คุณสามารถกำหนดตัวชี้วัดทุกจุดของลูกค้าเพื่อให้คุณสามารถตรวจสอบได้ทันเวลาเมื่อลูกค้ามีปัญหาซึ่งกระทบกับแบรนด์ของคุณ เช่นนี้คุณจะได้รับข้อมูลที่มีคุณค่าในการเพิ่มผลตอบแทนงบประมาณโฆษณาของคุณ
ตัวอย่างเหล่านี้เป็นเพียงสามตัวอย่างการใช้ระบบ Business Intelligence สามารถช่วยบริษัทได้อย่างไร ไม่ใช่แค่เพียงธนาคาร ภาคการสื่อสารโทรคมนาคม หรือในธุรกิจค้าปลีกขนาดใหญ่ จากประสบการณ์ คือ บริษัท สามารถยกระดับจัดการข้อมูล โดยมีวัตถุประสงค์หลักคือ "สามารถประเมินผลได้คือสิ่งที่สามารถบริหารจัดการได้" มุ่งเน้นระบบทรัพยากรที่มีอยู่จริงและทำให้คุณไม่พลาดโอกาสที่จะบริหารจัดการกับการใช้จ่ายของคุณ ตั้งแต่เงินลงทุนเริ่มแรกสำหรับระบบดังกล่าว ให้ลดลงอย่างต่อเนื่อง 2-3 ปีนี้ บริษัทไทยหลายบริษัทควรได้รับประโยชน์จากความก้าวหน้านี้ซึ่งเทคโนโลยีสามารถสร้างความสำเร็จได้

ความแตกต่างระหว่าง Big Data vs. Analytics และAnalytics vs. Business Intelligence Data Scientists vs. Marketing Analysts และ Marketing Researchers

ในผู้บริหารระดับสูง

Data Scientists คือผู้ที่มีความรู้พื้นฐานจากสาย วิทย์-คณิต และ วิทย์-คอม และสามารถเขียนโปรแกรมคอมพิวเตอร์ในเชิงลึก เพื่อทำ Analytics กับ Big Data ที่มีขนาดยิ่งใหญ่มหาศาล Data Scientists ที่มีคุณภาพยังควรที่จะมีความรู้ทางด้านปัญญาประดิษฐ์ (Artificial Intelligence) และสามารถประยุกต์ใช้การเรียนรู้ของเครื่อง (Machine Learning) ได้อย่างคล่องแคล่ว ความสามารถในการใช้ Microsoft Excel หรือกระทั่ง Database โดยทั่วไป ย่อมไม่เพียงพอสำหรับการที่จะเป็น Data Scientists ชั้นดี เพราะ Big Data ส่วนใหญ่ ล้วนเป็นข้อมูลที่ไม่มีโครงสร้าง (Unstructured Data) จึงจำเป็นต้องอาศัยพื้นฐานทางเทคนิคในเชิงลึก ที่ไม่สามารถฝึกอบรมได้ในระยะสั้น

Marketing Analysts และ Marketing Researchers คือผู้ที่มีความรู้พื้นฐานจากสาย ศิลป์-คำนวณ และ ศิลป์-ภาษา และมีความเชี่ยวชาญในการทำ Survey และหรือ Focus Group แต่อาจมีความสามารถทางเทคนิคในเบื้องต้น ได้แก่การใช้งาน Microsoft Excel เพื่อประมวลผลของข้อมูลเป็น Business Intelligence ในเบื้องต้น Marketing Analysts และ Marketing Researchers ยังมีอยู่น้อยคน ที่มีความสามารถในการใช้ Database ได้โดยตรง โดยที่ไม่ต้องขอความช่วยเหลือจากผู้เชี่ยวชาญทาง IT และแทบที่จะไม่มีเลย ที่มีความสามารถในการเขียนโปรแกรมคอมพิวเตอร์ในเชิงลึก หรือมีความรู้ทางด้าน Artificial Intelligence และ Machine Learning

บทบาทหลักของ Marketing Analysts และ Marketing Researchers คือการ Support ข้อมูล Business Intelligenceให้กับผู้บริหารฝ่าย Business และ Marketing ให้เพียงพอต่อการตัดสินใจที่ถูกต้อง ในขณะที่บทบาทของ Data Scientists คือการคิดค้นกลยุทธ์ในเชิงรุกด้วย Big Data และ Analytics ในการเข้าถึงลูกค้าโดยตรง ซึ่งเป็นบทบาทที่มีความท้าทายมาก และไม่ใช่บทบาทของฝ่าย Support ความสับสนในข้อนี้ ทำให้ Marketing Analysts และ Marketing Researchers ของหลายองค์กร ได้ถูกสถาปนา หรือได้สถาปนาตนเองขึ้นเป็น Data Scientists เพื่อเกาะกระแสนิยมของคำว่า Big Data และ Analytics และได้ทวีคูณความสับสนระหว่าง Analytics vs. Business Intelligence อย่างที่ได้กล่าวถึงก่อนหน้า ซึ่งได้ส่งผลให้หลายองค์กรต้องสูญเสียผลประโยชน์ที่พึ่งจะได้จาก Big Data และ Analytics และจากการที่มี Data Scientists ที่มีคุณภาพ
Analytics ไม่หวังผลเพื่อรอคอยผู้บริหารกดปุ่ม: ผู้บริหารหลายท่าน ยังคงคุ้นเคยกับ Business Intelligence ที่เป็นข้อมูล Support ในการตัดสินใจในเชิง Business และ Marketing และได้เข้าใจผิดว่า Analytics คือข้อมูล Business Intelligence ที่มีความละเอียดยิ่งกว่า เพื่อใช้ในการตัดสินใจที่แม่นยำยิ่งขึ้น แต่ผลสำเร็จขั้นสูงสุดของ Analytics คือการที่คอมพิวเตอร์สามารถกดปุ่มแทนมนุษย์ และสร้างประโยชน์ต่อธุรกิจได้มากยิ่งกว่าการที่ต้องรอคอยผู้บริหารกดปุ่ม
ดังเช่นตัวอย่างของ Obama ที่ได้กล่าวถึงในบทความที่แล้ว ที่ได้อาศัย Big Data และ Analytics ในการทำ Micro campaigns ต่อ Micro segments ที่มีจำนวนในหลักล้าน อย่าง Real Time เป็นการที่ใช้คอมพิวเตอร์ตัดสินใจและกดปุ่มแทนมนุษย์ เพราะการตัดสินใจในรูปแบบดังกล่าว มนุษย์ย่อมไม่มีความละเอียดและรวดเร็วเพียงพอ และการตัดสินใจ ของ Analytics ย่อมไม่ใช่การกำหนดกฎเกณฑ์อย่างง่ายๆ แต่เป็นการอาศัย Artificial Intelligence และ Machine Learning เพื่อจำลองการตัดสินใจของมนุษย์ให้ได้เหนือชั้นกว่ามนุษย์ Deep Blue vs. Garry Kasparov ในปี 1997 อาจถือเป็นเหตุการณ์สำคัญที่เป็นต้นกำเนิดของการทำ Analytics ในปัจจุบัน เมื่อ Deep Blue ซึ่งเป็นคอมพิวเตอร์ของ IBM ได้เอาชนะ Kasparov แชมป์หมากรุกโลก ซึ่งในครั้งนั้น ได้เป็นจุดเริ่มต้นที่ไม่มีวันหวนกลับของการที่คอมพิวเตอร์สามารถตัดสินใจในเกมส์หมากรุกได้ดีกว่ามนุษย์ ซึ่งเทคโนโลยีในเชิง Artificial Intelligence และ Machine Learning จากวันนั้น ได้ถูกขยายผลสู่การทำ Analytics ในบริบทอื่นๆ เพื่อผลประโยชน์ในเชิงธุรกิจ
การที่คอมพิวเตอร์สามารถคิดเลขได้เร็วกว่ามนุษย์ ย่อมไม่ใช่สิ่งใหม่ แต่การที่คอมพิวเตอร์สามารถทำการตัดสินใจในบริบทที่มีความสลับซับซ้อนและไม่มีสูตรตายตัวได้ดีกว่ามนุษย์ กลับเป็นจุดกำเนิดของวิทยาการที่ถูกวิวัฒนาการมาเป็น Analytics ในปัจจุบัน นี่เป็นเพียงตัวอย่างเบื้องต้นของ ความเข้าใจที่ยังคงไม่ถูกต้อง เกี่ยวกับ Big Data และ Analytics ในประเทศไทย ซึ่งความเข้าใจผิดดังกล่าว ได้เกิดขึ้นทุกลำดับชั้นขององค์กร ซึ่งไม่ใช่เรื่องแปลก เนื่องจาก Big Data และ Analytics ได้เกิดกระแสเป็นวลียอดนิยม หลายฝ่ายจึงอยากเข้ามามีส่วนร่วม ในขณะที่มีพื้นฐานของความรู้ที่แตกต่างกัน ผู้บริหารที่ดีจึงจำเป็นต้องมีความเป็น Analytical จึงจะก้าวข้ามกับดักของการเข้าใจผิด และสามารถนำ Big Data และ Analytics ไปใช้ให้เกิดประโยชน์สูงสุดต่อองค์กร

การใช้BIในอนาคต

ปัจจุบันBIมีบทบาทมากขึ้นสำหรับทุกองค์กร เนื่องจากการทำBIทำให้สามารถคาดเดาและพยากรณ์ความต้องการของผู้บริโภคได้ และจากแนวโน้มขณะทำให้สามารถประมาณการณ์ได้ว่า BI ในอนาคตจะมีส่วนประกอบแสดงดังภาพที่5(Nupur,2009)

Performance Management

เนื่องจากขณะนี้เศรษฐกิจโลกกำลังประสบกับภาวะตกต่ำ ดังนั้นการทำBI และการวางแผนการจัดการที่มีประสิทธิภาพจึงเป็นสิ่งจำเป็นอย่างยิ่งในการวางแผนธุรกิจและการตัดสินใจเพื่อให้ธุรกิจสามารถแข่งขันกับคู่แข่งในตลาดได้ การกำหนดกลยุทธ์และวิสัยทัศน์ที่เหนือกว่าคู่แข่งเป็นสิ่งที่ทำให้องค์กรดูน่าเชื่อถือและมั่นคง

Information Democracy

ประชาธิปไตยในสารสนเทศ กล่าวคือ ทุกคนมีสิทธิในการเข้าถึงข้อมูลที่ได้ผ่านขั้นตอนการวิเคราะห์ต่างๆมาแล้วเพื่อจะได้นำข้อมูลส่วนนี้ไปใช้ในการวางแผนและตัดสินใจเพื่อเพิ่มประสิทธิภาพของธุรกิจของตนเอง สำหรับปัจจุบันนี้การเข้าถึงBIทำได้ยากสำหรับบุคคลทั่วไป เนื่องจากระบบดังกล่าวสร้างมาเพื่อรองรับการทำงานของผู้บริหารโดยเฉพาะ แต่ในอนาคตพนักงานระดับต่างๆจะสามารถเข้าถึงข้อมูลได้ง่ายขึ้น

Software As A Service (SaaS)

การทำ SaaS คือ การที่ผู้ใช้สามารถเรียกใช้บริการต่างๆผ่านทางเว็บ โดยไม่ต้องสนใจว่าซอฟต์แวร์ที่ใช้อยู่นั้นมี host อยู่ที่ไหนใช้ OS อะไร หรือถูกพัฒนาขึ้นมาโดยใช้ภาษาคอมพิวเตอร์อะไรและที่สำคัญไม่ต้องติดตั้งโปรแกรมไว้บนเครื่องคอมพิวเตอร์ที่ใช้อยู่ ตัวอย่างของSaaSที่พบเห็นได้ในชีวิตประจำวัน เช่น web-based email ของ Hotmail,Gmail,Yahoo เป็นต้น SaaSจึงเป็นความคาดหวังของหลายองค์กรในช่วงระยะเวลาหลายปีที่ผ่านมา ซึ่งในอนาคตอันใกล้การให้บริการ SaaS นั้นจะถูกให้บริการอย่างแพร่หลายเนื่องจากความต้องการด้าน BI ที่เพิ่มขึ้น ประกอบกับ SaaS นั้นใช้งบประมาณต่ำกว่าจึงทำให้เป็นที่สนใจแก่บริษัทขนาดเล็กและขนาดกลาง

Social Software

หรือซอฟต์แวร์เครือข่ายสังคมจะมีส่วนช่วยทำให้เกิดการร่วมกันตัดสินใจมากขึ้น เริ่มต้นที่ผู้ใช้งานได้กำหนดเป้าหมายในการตัดสินใจเพื่อลงทุนสิ่งใดสิ่งหนึ่งไปยังตัวซอฟต์แวร์ข้อมูลนี้จะถูกส่งไปยังตัววัดผล(Key PerformanceIndicator : KPI) เช่น ยอดขาย ผลกำไร เป็นต้น หลังจากนั้นตัววัดผลจะประมวลผลโดย BI แล้วทำการส่งผลลัพธ์กลับมาว่าควรตัดสินใจในธุรกิจนั้นอย่างไร

Real-Time Data

ข้อมูลแบบได้ผลลัพธ์ทันทีทันใดกล่าวคือ เมื่อผู้บริโภคมีความต้องการมากขึ้นทั้งในด้านสินค้าและบริการ มีผลทำให้การทำ BI จำเป็นต้องพัฒนาเพื่อให้ได้ข้อมูลที่ใกล้เคียงกับความจริงมากที่สุด ผลลัพธ์ของการสืบค้นต้องใกล้กับข้อมูลที่เป็นเรียลไทม์มากยิ่งขึ้น ซึ่งปัจจุบันนี้มีBI 2.0 ที่พัฒนาขึ้นมาเพื่อตอบสนองกับความต้องการของผู้บริโภคได้อย่างน่าพอใจ

ปัญหาในการใช้ Business Intelligence

     แม้ว่าBI จะถูกคิดค้นมาเพื่อใช้ประโยชน์จากข้อมูลที่มีมหาศาลในองค์กร ในรูปแบบต่างๆเพื่อเป็นประโยชน์ต่อการนำไปใช้วิเคราะห์สนับสนุนการดำเนินงานในด้านต่างๆแต่ก็มีข้อจำกัดในด้านต่างดังนี

• ไม่สามารถเชื่อมข้อมูลจากทุกส่วนจากภายในระบบเดียวกัน เช่น ต้อง export ข้อมูลออกจากฐานข้อมูลก่อน จึงจะมาสร้าง dashboard, forecasting (พยากรณ์ข้อมูล) ได้
• องค์กรส่วนใหญ่ไม่สามารถใช้งานในส่วน Analytics (การวิเคราะห์ข้อมูล) ได้อย่างคุ้มค่า เช่น บางระบบไม่สามารถ forecast ผลลัพธ์ได้ หรือ บางระบบ forecast ผลลัพธ์เชิงปริมาณแบบเส้นตรงเท่านั้น

หรือ บางระบบไม่สามารถวิเคราะห์หาความสัมพันธ์ระหว่างตัวแปรต่างๆ หรือทำแบบจำลองเพื่อตัดสินใจได้ (simulation for decision)

• BI บางค่าย ไม่มีฟังก์ชัน data mining มาให้พร้อม จึงต้องแยกระบบวิเคราะห์อีกต่างหาก
• องค์กรขนาดใหญ่บางแห่ง อาจใช้เวลาในการติดตั้งระบบ (implementation) นานหลายปี และต้องใช้เวลาอีกระดับหนึ่งกว่า user ของแผนกต่างๆ จะใช้งานได้คล่องแคล่ว
• การอัพเกรดระบบจากระบบเดิมอาจทำได้ยาก เช่น data warehouse เดิม ไม่รองรับ business intelligence ใหม่
• พนักงาน IT ขององค์กรขาดความรู้ความเข้าใจในเชิง Business, Management
• ค่าใช้จ่ายสูงมาก ทำให้องค์กรธุรกิจเล็กๆ หรือหน่วยงานที่มีงบไม่สูงนัก ขาดโอกาสในการจัดซื้อ หรือได้ BI ที่มีฟังก์ชันครบดั่งใจ