การเริ่มต้นโครงการ Big Data
ในยุคดิจิทัลที่ข้อมูลมีปริมาณมหาศาลและเพิ่มขึ้นอย่างรวดเร็ว การนำ Big Data มาใช้ประโยชน์กลายเป็นความจำเป็นอย่างยิ่งสำหรับองค์กรที่ต้องการความได้เปรียบในการแข่งขัน จากรายงานของ IDC (International Data Corporation) คาดการณ์ว่าภายในปี 2025 ปริมาณข้อมูลทั่วโลกจะเพิ่มขึ้นเป็น 175 Zettabytes หรือเพิ่มขึ้นถึง 61% จากปี 2020 ที่มีปริมาณข้อมูล 64.2 Zettabytes [1] ซึ่งแสดงให้เห็นถึงอัตราการเติบโตอย่างก้าวกระโดดของข้อมูลในยุคปัจจุบัน
Big Data Analytics
การนำ Big Data Analytics มาใช้ช่วยให้องค์กรสามารถวิเคราะห์และทำความเข้าใจพฤติกรรมลูกค้า ปรับปรุงประสิทธิภาพการดำเนินงาน ลดต้นทุน ตลอดจนค้นพบโอกาสทางธุรกิจใหม่ๆ จากการสำรวจของ NewVantage Partners ในปี 2021 พบว่า 96% ขององค์กรขนาดใหญ่กำลังลงทุนหรือวางแผนที่จะลงทุนใน AI และ Big Data [2] ซึ่งสะท้อนให้เห็นว่าผู้บริหารส่วนใหญ่ตระหนักถึงความสำคัญและประโยชน์ของ Big Data ต่อการสร้างความได้เปรียบทางการแข่งขันให้กับองค์กร
อย่างไรก็ตาม การเริ่มต้นโครงการ Big Data ให้ประสบความสำเร็จนั้นไม่ใช่เรื่องง่าย ผู้บริหารและทีมงานจำเป็นต้องมีความรู้ความเข้าใจในเทคโนโลยี กระบวนการ และแนวทางปฏิบัติที่เหมาะสม รวมถึงการวางกลยุทธ์และการบริหารจัดการโครงการอย่างมีประสิทธิภาพ จากรายงานของ Gartner พบว่ามากกว่า 85% ของโครงการ Big Data ล้มเหลวที่จะบรรลุวัตถุประสงค์ที่ตั้งไว้ [3] ดังนั้น การมีความรู้และแนวทางที่ถูกต้องจึงมีความสำคัญอย่างยิ่งต่อความสำเร็จของโครงการ Big Data
จากรายงานของ Gartner พบว่ามากกว่า 85% ของโครงการ Big Data ล้มเหลวที่จะบรรลุวัตถุประสงค์ที่ตั้งไว้
การเริ่มต้นโครงการ Big Data ให้ประสบความสำเร็จ
วัตถุประสงค์ของหนังสือเล่มนี้คือการให้ความรู้และแนวทางปฏิบัติที่จำเป็นสำหรับการเริ่มต้นและดำเนินโครงการ Big Data ให้ประสบความสำเร็จ ผู้เขียนได้รวบรวมแนวคิด เทคนิค และกรณีศึกษาจากประสบการณ์จริงในการทำโครงการ Big Data กับองค์กรชั้นนำในหลากหลายอุตสาหกรรม เพื่อถ่ายทอดองค์ความรู้ให้ผู้อ่านสามารถนำไปประยุกต์ใช้ได้จริง
เนื้อหาในหนังสือครอบคลุมตั้งแต่การวางกลยุทธ์และการกำหนดเป้าหมายของโครงการ การเลือกใช้เทคโนโลยีและสถาปัตยกรรมที่เหมาะสม การออกแบบและพัฒนาระบบ Data Pipeline การจัดการและควบคุมคุณภาพของข้อมูล การสร้าง Data Model และ Machine Learning การนำเสนอ Data Visualization ที่มีประสิทธิภาพ ตลอดจนการบริหารจัดการโครงการและทีมงานให้สำเร็จลุล่วง
ผู้อ่านจะได้เรียนรู้แนวคิดและเทคนิคสำคัญๆ เช่น Data Governance, Data Quality Management, Data Modeling, Feature Engineering, Machine Learning, Data Storytelling เป็นต้น ซึ่งล้วนเป็นทักษะที่จำเป็นสำหรับการทำงานด้าน Big Data ในยุคปัจจุบัน นอกจากนี้ยังมีการยกตัวอย่างกรณีศึกษาจริงจากองค์กรต่างๆ ที่ประสบความสำเร็จในการนำ Big Data ไปใช้ เพื่อให้ผู้อ่านเห็นภาพและแรงบันดาลใจในการประยุกต์ใช้กับองค์กรของตนเอง
ประโยชน์ที่จะได้รับ
ประโยชน์ที่ผู้อ่านจะได้รับจากหนังสือเล่มนี้ ได้แก่:
- มีความรู้ความเข้าใจในแนวคิด เทคโนโลยี และกระบวนการที่สำคัญของ Big Data
- สามารถวางแผนและออกแบบสถาปัตยกรรม Big Data ที่เหมาะสมกับบริบทขององค์กร
- เรียนรู้เทคนิคและ Best Practices ในการพัฒนาระบบ Data Pipeline ที่มีประสิทธิภาพ
- มีแนวทางในการจัดการและควบคุมคุณภาพของข้อมูลอย่างเป็นระบบ
- สามารถสร้าง Data Model และประยุกต์ใช้ Machine Learning เพื่อวิเคราะห์และสร้างคุณค่าจากข้อมูล
- เข้าใจหลักการของ Data Storytelling และสามารถนำเสนอ Data Visualization ให้น่าสนใจและตรงประเด็น
- มีแนวทางในการบริหารจัดการโครงการและทีมงาน Big Data ให้ประสบความสำเร็จ
- ได้แรงบันดาลใจและไอเดียจากกรณีศึกษาต่างๆ ที่สามารถนำไปประยุกต์ใช้ได้จริง
สรุปแล้ว หนังสือเล่มนี้เหมาะสำหรับผู้บริหาร นักวิเคราะห์ข้อมูล นักพัฒนา และผู้ที่สนใจศึกษาการนำ Big Data มาใช้ประโยชน์ในองค์กร ไม่ว่าจะอยู่ในอุตสาหกรรมใดก็ตาม ผู้อ่านจะได้รับทั้งความรู้ เทคนิค และแรงบันดาลใจ ในการเริ่มต้นและขับเคลื่อนโครงการ Big Data ให้ประสบความสำเร็จ และสร้างคุณค่าให้กับธุรกิจอย่างยั่งยืนครับ
อ้างอิง:
[1] IDC. (2020). IDC’s Global DataSphere Forecast Shows Continued Steady Growth in the Creation and Consumption of Data. https://www.idc.com/getdoc.jsp?containerId=prUS46286020
[2] NewVantage Partners. (2021). Big Data and AI Executive Survey 2021. https://c6abb8db-514c-4f5b-b5a1-fc710f1e464e.filesusr.com/ugd/e5361a_76709448ddc6490981f0cbea42d51508.pdf
[3] Gartner. (2019). Gartner Says Nearly Half of CIOs Are Planning to Deploy Artificial Intelligence. https://www.gartner.com/en/newsroom/press-releases/2019-01-21-gartner-says-nearly-half-of-cios-are-planning-to-depl
