ToiTink.Noodchanad

คลังสมบัติข้อมูล (Big Data)

Big Data เกิดขึ้นพร้อมกับการเฟื่องฟูของสื่อสังคมออนไลน์ (Social Media) ซึ่งเริ่มได้รับความนิยมมาจาก Facebook สามารถเชื่อมโยงไปยังระบบการประมวลผลข้อมูลที่ทันสมัยขึ้น ซึ่งส่วนมากมักไม่พบแพร่หลายมากนักในประเทศไทย

Big Data คือ ข้อมูลที่มีขนาดใหญ่มหาศาลเกินกว่าขีดความสามารถในการประมวลผลของระบบฐานข้อมูลธรรมดาจะรองรับได้ ปริมาณข้อมูลที่มีขนาดใหญ่มากๆ จะมีอัตราการเพิ่มขึ้นของข้อมูลเป็นไปอย่างรวดเร็วมากและเป็นรูปแบบที่ไม่มีโครงสร้าง (Unstructured) ซึ่งไม่สามารถจัดการด้วยเครื่องมือที่มีอยู่หรือเครื่องมือแบบเดิมๆ ได้ ปัจจุบันรูปแบบข้อมูลต่างๆ เปลี่ยนไปจากเดิม จากข้อความในรูปแบบธรรมดา (Text) เริ่มเปลี่ยนเป็นรูปแบบของ Media มากขึ้น เช่น ไฟล์เพลง ภาพยนตร์ คลิปวีดีโอ และอื่นๆ โดยอัตราการเพิ่มขึ้นของข้อมูลนั้น เพิ่มขึ้นถึง 10 เท่าทุกๆ 5 ปี คิดเป็น 85% ของข้อมูลทั้งหมด

นิยามของ Big Data

• Big data is when the size of the data itself becomes part of the problem. Big data คือเมื่อไหร่ก็ตามที่ขนาดของข้อมูลเริ่มกลายเป็นปัญหา โดย Mike Loukides
• Big data is data that becomes large enough that it cannot be processed using conventional methods. Big data คือข้อมูลที่ใหญ่เกินกว่าที่จะประมวลผลโดยใช้วิธีการธรรมดาได้ โดย Edd Dumbill

คุณลักษณะที่สำคัญของ Big Data

• Volume คือ ข้อมูลมหาศาลขนาดใหญ่เกินกว่าระบบฐานข้อมูลแบบเดิมจะดำเนินการประมวลผลได้
• Velocity คือ ข้อมูลที่ต้องวิเคราะห์เข้าสู่ระบบฐานข้อมูลอย่างรวดเร็ว โดยให้ความสำคัญกับข้อมูลเป็นแบบ Real-Time เช่น ข้อมูลจาก Social Media ข้อมูลการซื้อขาย ข้อมูลการเงินหรือการใช้โทรศัพท์ เป็นต้น
• Variety คือ ข้อมูลที่มีความหลากหลายรูปแบบ อาทิเช่น
  • Structure : Relational database
  • Semi-Structure: XML Data files
  • Quasi-Structure: Text Document
  • Unstructure : RDBMS, text, XML, JSON หรือ Image

ดังนั้นการจัดการ Big Data จึงจำเป็นต้องใช้ระบบการเก็บข้อมูลหรือการประมวลในรูปแบบอื่นๆที่อาจไม่ใช้เพียงแค่ฐานข้อมูล RDBMS แบบเดิมๆ ซึ่งหากเราพิจารณา Ecosystems ของ Big Data เราจะสามารถจะเห็นได้ว่ามีความเกี่ยวข้องกับโครงสร้างพื้นฐานไอทีหลายๆด้าน

ไฟล์:Hadoop.jpg

เครื่องมือที่เกี่ยวข้องกับการจัดการ Big Data

การที่ “Big Data” จะเชื่อมโยงไปสู่ระบบการประมวลผลสำหรับข้อมูลปริมาณมาก สามารถจัดแบ่งเทคโนโลยีออกเป็น 4 กลุ่ม ดังนี้

• กลุ่มที่หนึ่ง จากที่กล่าวมาในข้างต้นแล้วว่า ไม่สามารถจัดการ Big Data ด้วยระบบ Database แบบเดิมๆ ที่มีทั้งปริมาณของข้อมูลที่มากเกินและรูปแบบที่หลากหลายได้นั้น จึงจำเป็นต้องใช้ระบบการเก็บข้อมูลหรือการประมวลผลในรูปแบบอื่นๆ เข้ามาช่วยในระบบการจัดการแบบเดิมๆ ซึ่งการจัดการกับ Big Data นั้นในปัจจุบันมีเครื่องมือที่ได้รับความนิยมอย่างแพร่หลายและมีชื่อเสียงตัวหนึ่งเข้ามาช่วยจัดการ นั่นคือ Hadoop ที่พัฒนามาจาก Open Source Technology ให้ทำหน้าที่เป็น Distributed Storage ที่สามารถเก็บข้อมูลขนาดใหญ่ที่เป็น Unstructured และนำมาประมวลผลได้ ( Hadoop ไม่ได้ถูกนำมาใช้เพื่อแทนที่ระบบฐานข้อมูลเดิม เพียงแต่เป็นการนำมาใช้ร่วมกับระบบฐานข้อมูลแบบเดิมเท่านั้น ) ซึ่งองค์ประกอบหลักๆ ของ Hadoop ประกอบด้วย
  • Hadoop Distributed File System (HDFS) : ทำหน้าที่เป็น Storage จัดเก็บข้อมูลให้พร้อมใช้งาน
  • Map Reduce Frame Work : ใช้ในการพัฒนาโปรแกรม เพื่อให้การประมวลผลและวิเคราะห์ข้อมูลให้มีความรวดเร็วในการเข้าถึงข้อมูล

ซึ่งในช่วงแรกๆนั้น การพัฒนา Hadoop เกิดจากบริษัทอินเทอร์เน็ตชื่อดังอย่าง Facebook/Twitter เหตุเพราะว่าบริษัทนี้มีผู้ใช้เป็นจำนวนมาก และผลิตข้อมูลจำนวนมหาศาลในแต่ละวัน ซึ่งข้อมูลเหล่านี้มีค่ามากเพราะมันบอกได้ว่าผู้ใช้งานชอบไม่ชอบอะไร บริโภคอะไร และสามารถนำมาใช้ประกอบการคัดเลือกเนื้อหา (target content) ให้เหมาะกับผู้ใช้แต่ละคนได้ ตัวบริการเองก็จะสร้างประโยชน์กับผู้ใช้งานมากขึ้น และการลงโฆษณาก็แม่นยำมากขึ้น ดังนั้นโค้ดของ Hadoop ในยุคแรกๆ จึงออกแบบมาสำหรับการใช้งานลักษณะนี้เป็นหลัก แต่ด้วยการที่ Hadoop เป็น Open Source Technology ทำให้มีการพัฒนาอยู่เสมอ ซึ่งในภายหลัง Hadoop ก็พัฒนาขึ้นมาก จนสามารถนำมาใช้วิเคราะห์ข้อมูลลักษณะอื่นๆ ได้ด้วย โดยโลกไอทีไม่เคยวิเคราะห์ข้อมูลแบบนี้ได้มาก่อน ยกตัวอย่างเช่น

• สามารถวิเคราะห์ข้อมูลขนาดใหญ่ๆ ได้ทั้งหมด ไม่ต้องแบ่งวิเคราะห์เฉพาะกลุ่มตัวอย่างขนาดจำกัด
• สามารถวิเคราะห์ข้อมูลจากหลายๆ แหล่ง (multiple data sources) ได้เลย ไม่จำกัดเฉพาะฐานข้อมูลที่จัดเก็บข้อมูลอย่างเป็นระบบ (structured records) แบบที่องค์กรเคยใช้ในอดีต
• สามารถวิเคราะห์ข้อมูลที่ไม่มี schema ได้ เหมาะสำหรับงานที่เราไม่รู้ฟอร์แมตหรือแพทเทิร์นของข้อมูลจนกว่าจะเริ่มการวิเคราะห์

ดังนั้น Hadoop จึงกลายเป็นเครื่องมือที่ขาดไม่ได้สำหรับภาคธุรกิจที่ต้องตัดสินใจโดยอิงกับเทรนด์ใหม่ๆ ที่สกัดมาจากแหล่งข้อมูลที่หลากหลาย และนอกจาก Hadoop แล้วยังมี Software อื่นๆ ที่มาช่วยเสริมการทำงานของ Hadoop ให้มีประสิทธิภาพมากยิ่งขึ้นในการทำงานร่วมกับฐานข้อมูลเดิมขององค์กร เช่น Sqoop หรือ Hive เป็นต้น รวมถึง Splunk ซึ่งสามารถนำมา Integrate ร่วมกับ Hadoop เพื่อให้สามารถทำงานทำได้สะดวก มี Dashboard ที่สามารถทำการค้นหาข้อมูลเชิงลึกได้แบบ Real-Time แล้วนำผลที่ได้มาแสดงให้อยู่ในรูปแบบของกราฟฟิคที่สวยงามดูง่าย และถ้าหากจะกล่าวโดยสรุปแล้วสำหรับเทคโนโลยี Big Data นั่นก็คือ การนำข้อมูลที่มีปริมาณมากๆ มาผ่านการประมวลผล การวิเคราะห์ และแสดงผลด้วยวิธีที่เหมาะสม ซึ่งก็ขึ้นอยู่กับแต่ละองค์กรว่าต้องการจะนำข้อมูลมาใช้ให้เกิดประโยชน์ทางธุรกิจหรือจะปล่อยให้มันอยู่อย่างไร้ค่าและสิ้นเปลือง Storage ต่อไป นอกจากนี้ยังมีเทคโนโลยีการบริหารจัดการ Big Data ในลักษณะ Cloud Computing ซึ่งอยู่ในรูปแบบการเช่าใช้บริการ ซึ่งมีความยืดหยุ่นสูง โดยสามารถเลือกใช้บริการตามความต้องการที่เหมาะสมภายใต้งบประมาณที่มีอยู่อย่างจำกัดได้ จึงเป็นทางเลือกที่ดีสำหรับธุรกิจขนาดกลางและขนาดย่อม (SMEs) เนื่องจากองค์กรธุรกิจผู้ใช้บริการไม่จำเป็นต้องเสียเงินก้อนโตในการติดตั้งระบบคอมพิวเตอร์ ซอฟต์แวร์หรือโซลูชั่นต่างๆ ทั้งระบบ

• กลุ่มที่สองคือ ระบบฐานข้อมูลที่ไม่ใช้ภาษา “SQL” (NoSQL Database) เนื่องจากความสามารถที่รวดเร็ว สามารถรองรับข้อมูลแบบ Semi-Structured และ Unstructured ได้ รองรับการขยายตัวในแนวราบ (Horizontal Scaling) ซึ่งสอดคล้องกับสถาปัตยกรรมของ Hadoop ตัวอย่างผลิตภัณฑ์ทางด้าน NoSQL Database ที่เป็นที่นิยมได้แก่ Cassandra, CouchBase, HBase, MongoDB เป็นต้น

• กลุ่มที่สามคือ Data Visualization Tools ซึ่งเป็นเครื่องมือที่จะช่วยแปลงข้อมูล “Big Data” ที่ได้รับการกลั่นกรองแล้วมาแสดงในรูปของแผนภาพ ง่ายต่อการเข้าใจ และนำไปสู่การตัดสินใจในขั้นถัดไป บทบาทของเครื่องมือกลุ่มนี้จะอยู่ในระดับปฏิบัติการ ให้ติดตามสถานะของระบบและการแก้ปัญหาได้ง่าย

• กลุ่มที่สี่คือ Analytic Database ผลิตภัณฑ์ในกลุ่มนี้อาจจะนำไปใช้กับระบบคลังข้อมูลได้ด้วย และเป็นกลุ่มที่ผู้ผลิตซอฟต์แวร์ยักษ์ใหญ่ในตลาดต่างให้ความสำคัญมากโดยใช้เทคนิคในการทำงานแบบต่างๆ เพื่อตอบโจทย์ด้านความเร็ว ไม่ว่าจะเป็นการประมวลผลใน หน่วยความจำ (In-memory Computing) การประมวลในระบบฐานข้อมูล (In-database Computing) ซึ่งไม่เหมือนกันเลย แต่มีสิ่งหนึ่งที่ทุกผู้ผลิตมีเหมือนกันคือ สนับสนุนการต่อเชื่อมกับ Hadoop เพื่อให้สามารถนำข้อมูลจาก Hadoop เข้ามาประมวลในขั้นต่อไปในผลิตภัณฑ์ฐานข้อมูลของตนเองได้ ตัวอย่างผลิตภัณฑ์ในกลุ่มนี้ได้แก่ Aster Data (Teradata), Exadata (Oracle), Greenplum (EMC) Netezza (IBM), Vertica (HP) เป็นต้น

การมาถึงของ Big Data สำหรับบริษัทองค์กรและบุคคลทั่วไป

1. ราคาของอุปกรณ์เก็บข้อมูล (เช่น ฮาร์ดดิสก์หรือหน่วยความจำ) ในระดับผู้บริโภคนั้นพัฒนาไปอย่างรวดเร็วจนราคาต่อหน่วยพื้นที่ถูกลงอย่างมาก ทำให้บริษัทขนาดกลางหรือแม้แต่ผู้สนใจทั่วไปสามารถเก็บข้อมูลขนาดใหญ่ได้ เช่น โปรเจ็กต์ GALEX นั้น ผลิตข้อมูลปริมาณ 20 เทอราไบต์ ซึ่งถ้าเป็น 10 ปีก่อนนั้นการเก็บข้อมูลขนาดนี้คงเกินความสามารถของบริษัทขนาดกลาง แต่ปัจจุบัน คนทั่วไปก็สามารถซื้อฮาร์ดดิสก์ขนาด 2 เทอราไบต์ 10 ลูก ได้ในราคาประมาณ 40,000 บาทเท่านั้น
2. รูปแบบการประมวลผลแบบใหม่ เช่นการประมวลผลแบบมัลติคอร์ (Multi-core) ซึ่งพบเห็นได้ในซีพียูระดับผู้บริโภคทั่วไป (แม้แต่โทรศัพท์มือถือปัจจุบันก็ยังเป็นมัลติคอร์) หรือการประมวลผลแบบเมนีคอร์ (Many-core) ในการ์ดประมวลผลภาพ ซึ่งสามารถให้ประสิทธิภาพการประมวลผลที่สูงมากในราคาที่ไม่แพงมากเกินไปนัก ทำให้บริษัททั่วไปก็สามารถประมวลผลข้อมูลมหาศาลนี้ได้
3. การมาถึงของระบบกลุ่มเมฆ ที่เปลี่ยนการลงทุนด้านโครงข่ายพื้นฐานเทคโนโลยีให้เป็นการเช่าใช้ ทำให้บุคคลทั่วไปสามารถเข้าถึงทรัพยากรด้านเทคโนโยลีทั้งหน่วยประมวลผลและหน่วยเก็บข้อมูลขนาดใหญ่ได้โดยเสียค่าใช้จ่ายน้อยกว่าการลงทุนซื้อระบบเองมาก ผมวิเคราะห์ว่า ข้อนี้เป็นจุดสำคัญเลยที่ทำให้เรื่อง Big Data นั้น เป็นเรื่องที่คนทั่วไปเข้าถึงได้ ไม่ใช่เรื่องของศูนย์วิจัยหรือบริษัทขนาดใหญ่อีกต่อไป
4. ซอฟต์แวร์ที่ใช้ในการจัดการและประมวลผล ข้อมูลมหาศาลนี้ได้พัฒนาไปจนถึงจุดที่อยู่ตัว จนสามารถนำออกมาเป็นผลิตภัณฑ์สำเร็จรูปให้ผู้ใช้ทั่วไปได้ใช้ได้ ผู้ใช้จึงไม่จำเป็นต้องพัฒนาเครื่องมือด้านซอฟต์แวร์เองมาก ซอฟต์แวร์สำคัญที่นำมาใช้กับเรื่อง Big Dataเช่น ฐานข้อมูลแบบ NoSQLเช่น MongoDB หรือเครื่องมือการกระจายการประมวลผลไปยังคอมพิวเตอร์อื่นๆ เช่น MapReduce/Hadoop เป็นต้น
5. ราคาที่ถูกลงและความหลากหลายของเซนเซอร์ประเภทต่างๆ เช่น Accelerometer ในโทรศัพท์มือถือ เซนเซอร์ตรวจจับอุณหภูมิ ความดัน แสง เสียง GPS และอื่นๆ เซนเซอร์เหล่านี้เป็นตัวการสำคัญในการผลิตข้อมูลปริมาณมหาศาลที่นำไปสู่การทำงานแบบ Big Data ได้
6. สภาพทางสังคมที่คนทั่วไปผลิตข้อมูลมากขึ้น ประเด็นนี้เริ่มต้นตั้งแต่ระบบเว็บ 2.0 ที่ทำให้ผู้ใช้ทั่วไปสร้างเนื้อหาและอัพโหลดขึ้นไปบนเว็บได้ ไปจนถึงระบบ Social Networks ต่างๆ ที่ผู้ใช้ติดต่อกับผู้ใช้คนอื่นในหลากหลายรูปแบบ (เช่น โพสต์ข้อความ กดไลค์ รีทวีต เป็นต้น) รูปแบบการติดต่อและโต้ตอบกันระหว่างผู้ใช้นั้นมีปริมาณมหาศาลและสามารถถูกจัดเก็บไว้เพื่อนำมาประมวลผลได้

ตัวอย่างข้อมูล Big Data

• ข้อมูลเครือข่ายสังคม (Social Media)
• ข้อมูลการบริการทางเว็บ (Web Server Log)
• ข้อมูลจากอุปกรณ์ตรวจตราการจราจร (Traffic Flow Sensors)
• ข้อมูลภาพถ่ายดาวเทียม (Satellite Imagery)
• ข้อมูลด้านการกระจายเสียง (Broadcast Audio Streams)
• ข้อมูลธุรกรรมทางธนาคาร (Banking Transaction)
• ข้อมูลด้านการตลาดการเงิน (Financial Market Data)
• ข้อมูลการสื่อสารจากโทรศัพท์เคลื่อนที่ (Telemetry from Automobiles)

BI : Business Intelligence

BI (Business Intelligence) หรือ ธุรกิจอัจฉริยะ คือ เทคโนโลยีสำหรับการรวบรวมข้อมูล จัดเก็บ วิเคราะห์ และการเข้าถึงข้อมูลจาก Database โดยตรงรวมถึงการดูในหลากหลายมุมมอง ของแต่ละหน่วยงานที่เหมาะสมกับมุมมองในการวิเคราะห์ โดยการวิเคราะห์ข้อมูลจะอยู่ในรูปแบบหลายมิติ (Multidimensional Model) ซึ่งจะทำให้สามารถดูข้อมูลแบบเจาะลึก (Drill-down)ได้ และตรงตามความต้องการของผู้ใช้งาน ซึ่งช่วยให้ผู้ใช้งานในองค์กรทำการตัดสินใจทางธุรกิจที่ดียิ่งขึ้น และเป็นประโยชน์ในการวางแผนกลยุทธด้านต่างๆ ซึ่งในยุคปัจจุบันที่เทคโนโลยีมีการเปลี่ยนแปลงอย่างรวดเร็ว และตลอดเวลา เช่นเดียวกัน ระบบธุรกิจก็ต้องมีการแข่งขันกันค่อนข้างรุนแรง และมากขึ้นด้วย จึงเป็นสิ่งที่หลีกเลี่ยงไม่ได้ว่าการที่องค์กรจะอยู่รอดได้นั้นจะต้องมีการใช้ข้อมูลสารสนเทศที่ทันสมัยและทันท่วงที เพื่อสนับสนุนการตัดสินใจอย่างรวดเร็ว และสามารถนำไปวางแผน หรือ ตอบปัญหาเชิงธุรกิจได้ทันต่อเหตุการณ์ ให้กับผู้บริหารระดับสูงขององค์กร

• องค์ประกอบของ Business Intelligence ประกอบด้วย ระบบข้อมูล และโปรแกรมแอพพลิเคชั่น ด้านการวิเคราะห์มากมายหลายระบบ เช่น
  • ดาต้าแวร์เฮ้าส์ (Data Warehouse) คือฐานข้อมูลขนาดใหญ่ที่รวบรวมข้อมูลทั้งจากแหล่งข้อมูลภายในและภายนอกองค์กรโดยมีรูปแบบและวัตถุประสงค์ในการจัดเก็บข้อมูลซึ่งจำเป็นต้องมีการออกแบบฐานข้อมูลให้สอดคล้องกับการนำข้อมูลที่ต้องการนำมาใช้งาน
  • ดาต้ามาร์ท (Data Mart) คือ คลังข้อมูลขนาดเล็กมีการเก็บข้อมูลที่มีลักษณะเฉพาะเจาะจง เช่น เก็บข้อมูลส่วนของการเงิน ส่วนของสินค้าคงคลัง ส่วนของการขาย เป็นต้น ซึ่งทำให้การจัดการข้อมูลการนำเอาข้อมูลไปสร้างความสัมพันธ์และวิเคราะห์ต่อก็ง่ายขึ้น
  • การทำเหมืองข้อมูล (Data Mining) คือการนำคลังข้อมูลหลักมาประมวลผลใหม่ มาแสดงผลเฉพาะสิ่งที่สนใจโดยกระบวนการในการดึงข้อมูลออกจากฐานข้อมูลจะมีสูตรทางธุรกิจ (Business Formula)และเงื่อนไขต่างๆเข้ามาเกี่ยวข้องและผลลัพธ์ในรูปแบบที่แตกต่างกัน เช่นเป็นแผนภูมิในการตัดสินใจ (Decision Trees) เป็นต้น
  • การแก้ปัญหาทางคณิตศาสตร์ (Operations Research&Number Methods)
  • เครื่องมือที่ใช้ในการวิเคราะห์ข้อมูลในหลายมิติ (OLAP) แบบประมวลผลทันทีที่ป้อนข้อมูลเข้าไป คือการสืบค้นข้อมูลที่ผู้ใช้สามารถเลือกผลลัพธ์ออกมาในรูปแบบของตารางหรือกราฟ โดยสามารถวิเคราะห์ข้อมูลใน มุมมองหลากหลายมิติ (Multi-Dimensional) โดยที่ผู้ใช้สามารถที่จะดูข้อมูลแบบเจาะลึก (Drill Down) ได้ตามต้องการ
  • ระบบสืบค้นและออกรายงานต่างๆ (Search, Report)

• ความสามารถของ Business Intelligence
  • วิเคราะห์ผลดำเนินงานของบริษัท ในแต่ละช่วงเวลา เพื่อการตัดสินใจการลงทุนหรือปรับเปลี่ยนนโยบายของผู้บริหารได้
  • วิเคราะห์ข้อมูลแบบ Real time ทั้งอดีตจนถึงปัจจุบันได้
  • วิเคราะห์ยอดขาย และการตลาด เพื่อประเมินสถานการณ์ และปรับกลยุทธ์การขายหรือการตลาดได้
  • วิเคราะห์ผลิตภัณฑ์หรือบริการ งบกำไรขาดทุน, เพื่อการวางแผนการขาย, การตลาด, การผลิต และคลังสินค้าได้
  • วิเคราะห์ปัจจัยที่มีผลกระทบต่อยอดขายของผลิตภัณฑ์และบริการได้
  • วิเคราะห์ข้อมูลเกี่ยวกับคู่แข่งขัน อัตราการแลกเปลี่ยน ต้นทุน ฯลฯ

• จุดเด่นของ Business Intelligence
  • ใช้งานง่ายโดยผู้ใช้ไม่จำเป็นต้องมีความรู้ด้านฐานข้อมูลก็สามารถใช้งานได้
  • เพียงแค่คลิกเมาส์ก็สามารถเห็นความเปลี่ยนแปลงของ Report ได้หลายมุมมองเพียงใช้เวลาไม่กี่นาที
  • ข้อมูลมีความถูกต้องแม่นยำและสามารถน้ำข้อมูลไปใช้ เพื่อช่วยในการตัดสินใจได้รวดเร็วกว่าคู่แข่ง ทั้งในเชิงกว้าง และเชิงลึก
  • สามารถดึงข้อมูลจากฐานข้อมูลที่หลากหลายมาทำการวิเคราะห์ เช่น Informix, ORACLE, MS SQL Server, MySQL, Access, Excel, Dbase, FoxPro, DB2 เป็นต้น โดยไม่มีการเขียนโปรแกรมเพิ่มเติม

• ปัญหาที่พบในการใช้ Business Intelligence ของประเทศเรา
  • ไม่สามารถเชื่อมข้อมูลจากทุกส่วนได้ภายในระบบเดียวกัน เช่น ต้อง นำเข้าข้อมูลออกจากฐานข้อมูลก่อน จึงจะมาสร้างการคาดการณ์ข้อมูลได้
  • องค์กรส่วนใหญ่ไม่สามารถใช้งานในส่วนการวิเคราะห์ข้อมูล ได้อย่างคุ้มค่า เช่น บางระบบไม่สามารถคาดการณ์ ผลลัพธ์ได้ หรือ บางระบบคาดการณ์ผลลัพธ์เชิงปริมาณแบบเส้นตรงเท่านั้น หรือ บางระบบไม่สามารถวิเคราะห์หาความสัมพันธ์ระหว่างตัวแปรต่างๆ หรือทำแบบจำลองเพื่อตัดสินใจได้
  • Business Intelligence บางค่ายมาให้พร้อม จึงต้องแยกระบบวิเคราะห์อีกต่างหาก
  • องค์กรขนาดใหญ่บางแห่ง อาจใช้เวลาในการติดตั้งระบบนานหลายปี และต้องใช้เวลาอีกระดับหนึ่งกว่าผู้ใช้ของแผนกต่างๆ จะใช้งานได้คล่องแคล่ว
  • การอัพเกรดระบบจากระบบเดิมอาจทำได้ยาก เช่นคลังข้อมูลเดิม ไม่รองรับ business intelligence ใหม่
  • พนักงาน IT ขององค์กรขาดความรู้ความเข้าใจในเชิง Business, Management
  • ค่าใช้จ่ายสูงมาก ทำให้องค์กรธุรกิจเล็กๆ หรือหน่วยงานที่มีงบไม่สูงนัก ขาดโอกาสในการจัดซื้อ หรือได้ business intelligence ที่มีฟังก์ชันครบดั่งใจ

ปัจจุบันการวางแผนทางกลยุทธ์ของบริษัทนั้นจำเป็นต้องใช้ข้อมูลมากมาย ซึ่งการวิเคราะห์ข้อมูล ทางด้านการตลาด การขาย การเงิน การผลิตนั้นจะต้องทันกับเหตุการณ์ซึ่งมีข้อมูลเกิดขึ้นเป็นประจำทุกวัน การจัดทำรายงาน จะต้องมีการแก้ไขปรับปรุง และมีความยุ่งยาก ดังนั้นหลายบริษัทจึงได้นำธุรกิจอัจฉริยะ (Business Intelligence)ซึ่งเป็นกลุ่มของซอฟต์แวร์ (Software) ที่นำข้อมูลที่มีอยู่ เพื่อจัดทำรายงานในรูปแบบต่าง ๆ ที่เหมาะสมกับมุมมองในการวิเคราะห์ และตรงตามความต้องการของผู้ใช้งาน ซึ่งใช้สำหรับวิเคราะห์ข้อมูลของงานในมุมมองต่าง ๆ ตามแต่ละแผนก เช่น วิเคราะห์การดำเนินงานของบริษัท เพื่อการตัดสินใจด้านการลงทุนสำหรับผู้บริหาร วิเคราะห์และวางแผนการขาย การตลาด เพื่อประเมินช่องทางการจำหน่าย วิเคราะห์สินค้าที่ทำกำไรสูงสุดขาดทุนต่ำสุด เพื่อการวางแผนงานด้านการตลาดและการผลิต วิเคราะห์ปัจจัยที่มีผลกระทบต่อยอดขายของสินค้า วิเคราะห์ข้อมูลเกี่ยวกับคู่แข่งขัน ธุรกิจอัจฉริยะ ยังมีจุดเด่นเพิ่มขึ้นอีกในด้าน ใช้งานง่ายโดยสามารถเปลี่ยนแปลงรายงานได้โดยไม่ต้องมีการคีย์ข้อมูลใหม่ ซึ่งผู้ใช้สามารถถามตอบคำถามทางธุรกิจได้หลายมุมมองได้อย่างรวดเร็ว ซึ่งช่วยการตัดสินใจแม่นยำ ทั้งในเชิงกว้างและเชิงลึก สามารถดึงข้อมูลจากฐานข้อมูลที่หลากหลายภายในองค์กรมาทำการวิเคราะห์

Microsoft Business Intelligence

Microsoft Business Intelligence เป็นชุดโปรแกรมเซิร์ฟเวอร์ ไคลเอ็นต์ และผลิตภัณฑ์สำหรับนักพัฒนาที่ครบวงจร สามารถทำงานร่วมกับระบบ 2007 Microsoft Office ได้อย่างสมบูรณ์ ส่งมอบข้อมูลที่ถูกต้อง ในเวลาที่เหมาะสม และในรูปแบบที่ถูกต้อง Business Intelligence จะนำเสนอข้อมูลที่ใช้ง่ายให้แก่บุคลากรโดยตรง ในการทำงาน ร่วมมือ และตัดสินใจ ต่อไปนี้เป็น 10 วิธีที่ Business Intelligence จะช่วยคุณเพิ่มคุณค่าของผลลัพธ์ด้วยการนำเสนอข้อมูลวิเคราะห์เชิงธุรกิจในองค์กรของคุณ
1. เชื่อมโยงบุคคลกับข้อมูลอย่างมีประสิทธิภาพและประสิทธิผล

BUSINESS INTELLIGENCE ช่วยให้ผู้ตัดสินใจเข้าถึงและวิเคราะห์ข้อมูลได้อย่างง่ายดายในทุกที่ทุกเวลา ข้อมูลที่เป็นปัจจุบันจะพร้อมใช้งานในทุกที่ที่คุณทำงาน ทำงานร่วมกับผู้อื่น หรือตัดสินใจ ไม่ว่าจะอยู่ในเดสก์ท็อปหรือทางเว็บ

2. ให้อำนาจแก่พนักงาน

เมื่อข้อมูลเชิงวิเคราะห์พร้อมใช้งานและสามารถทำความเข้าใจได้ พนักงานของคุณจะสามารถดำเนินการได้ในทิศทางที่จะปรับปรุงประสิทธิภาพ และสนับสนุนยุทธศาสตร์ทางธุรกิจโดยรวมได้ง่ายยิ่งขึ้น ข้อมูล Business Intelligence ประกอบด้วยการใช้ scorecard ทางธุรกิจที่แน่นอนและไดนามิก และเครื่องมือรายงานที่ทำให้ทุกคนในบริษัทสามารถตัดสินใจได้อย่างชาญฉลาดและใช้เวลาน้อยลง

3. ลดความซับซ้อนด้านความร่วมมือและการใช้ข้อมูลร่วมกัน

พัฒนาประสิทธิภาพขององค์กรด้วยการใช้ Microsoft business intelligence และเทคโนโลยีการทำงานร่วมกัน ด้วยการผสานรวมเข้ากับ Microsoft Office SharePoint Server 2007 คุณจึงสามารถใช้ข้อมูลร่วมกันกับเพื่อนร่วมงาน ลูกค้า และบริษัทคู่ค้าของคุณได้อย่างง่ายดายในสภาพแวดล้อมเว็บที่มีการปรับปรุงความปลอดภัยและการจัดการ คุณจะมีแหล่งข้อมูลสำหรับการตรวจสอบ KPI ของคุณ เข้าถึงรายงาน และวิเคราะห์ข้อมูลของคุณ ตลอดจนการใช้เอกสารร่วมกัน และการสนทนาสด และเชื่อมโยงไปยังหัวข้อที่เกี่ยวข้อง

4. วิเคราะห์และทำความเข้าใจ

ระบบ 2007 Microsoft Office ซึ่งทำงานร่วมกับ Microsoft SQL Server 2005 ได้อย่างสมบูรณ์ ช่วยให้ผู้ใช้สามารถทำความเข้าใจโดยใช้เครื่องมือที่คุ้นเคย และใช้งานง่ายที่อาศัยแพลตฟอร์ม Business Intelligence ที่ผ่านการพิสูจน์และสามารถขยายขีดความสามารถได้ เมื่อข้อมูลสามารถเข้าถึงได้และสามารถดำเนินการได้ง่าย การเพิ่มข้อมูลเพื่อวิเคราะห์ คำนวณ และเข้าสู่รายละเอียดเพิ่มเติม ผู้ใช้จะสามารถวิเคราะห์และประเมินข้อมูล แล้วทำการตัดสินใจได้อย่างชาญฉลาดและมีความเข้าใจในธุรกิจอย่างแท้จริง

5. ปรับปรุงความสอดคล้อง

Business Intelligence ช่วยปรับปรุงความสอดคล้องในองค์กรของคุณ คุณสามารถกำหนดยุทธศาสตร์ ตั้งวัตถุประสงค์ ตรวจสอบประสิทธิภาพการทำงาน ดำเนินการวิเคราะห์กลุ่ม และตัดสินใจโดยใช้ข้อมูลที่สนับสนุนยุทธศาสตร์ทางธุรกิจโดยรวม ผู้จัดการสามารถกำหนดระดับความรับผิดชอบบนแผนที่ยุทธศาสตร์ ในขณะที่พนักงานสามารถกำหนดวัตถุประสงค์ของตนเองให้สอดคล้องกับเป้าหมายขององค์กร

6. ใช้ประโยชน์จากระบบ 2007 Microsoft Office

การปรับปรุงที่มีอยู่ในสมรรถนะที่เพิ่มขึ้นสำหรับการวิเคราะห์เชิงโต้ตอบใน Office Excel 2007 สำหรับการค้นหา ส่งมอบ และความร่วมมือใน Microsoft Office SharePoint Server 2007 และเทคโนโลยีการแสดงผลที่ดีขึ้นในชุดโปรแกรม Microsoft Office นอกจากนี้ Business Intelligence ยังสามารถทำงานร่วมกับ SQL Server 2005 Reporting Services และ SQL Server 2005 Analysis Services ซึ่งเป็นเทคโนโลยีแพลตฟอร์มข่าวกรองธุรกิจชั้นนำในอุตสาหกรรม ซึ่งปรับปรุงประสิทธิภาพของข้อมูลที่ส่งมอบไปยังระบบเดสก์ท็อป

7. นำเสนอข่าวกรองธุรกิจทั่วทั้งองค์กร

Business Intelligence สนับสนุนความหลากหลายของความต้องการข้อมูลวิเคราะห์เชิงธุรกิจขององค์กร การวางแผนทางยุทธศาสตร์มีความเรียบง่ายในระบบ BI ที่รวมศูนย์และมีการผสานรวมอย่างสมบูรณ์ และการพัฒนาก็มีความประหยัดต้นทุนมากกว่าเดิม เมื่อใช้ระบบการพัฒนาที่เป็นมาตรฐานของอุตสาหกรรม ด้วยส่วนติดต่อผู้ใช้ที่มีความคุ้นเคยในระบบ Microsoft Office แพลตฟอร์มข้อมูลวิเคราะห์เชิงธุรกิจ SQL Server 2005 ที่ทำงานอยู่เบื้องหลัง และการพัฒนาที่กำหนดเองผ่านทาง Microsoft Visual Studio Business Intelligence สนับสนุนการทำงานของทุกฝ่าย ทั้งผู้ที่ทำงานกับข้อมูล ผู้บริหารระบบไอที และนักพัฒนาในองค์กรของคุณ

8. ลดความต้องการในการฝึกอบรม

เมื่อใช้ Business Intelligence บุคลากรในองค์กรของคุณสามารถดำเนินการกับข้อมูลได้ในที่ที่ต้องการ คือในระบบ 2007 Microsoft Office การใช้เครื่องมือที่คุ้นเคย เข้าถึงได้ และมีการสนับสนุนในวงกว้าง ทำให้คุณสามารถลดค่าใช้จ่ายในการฝึกอบรม และลดระยะเวลาในการเรียนรู้ลงได้อย่างมาก

9. ส่งมอบการวิเคราะห์และรายงานขั้นสูง

ฟังก์ชัน scorecard ที่มีคุณลักษณะสมบูรณ์ ได้รับการสนับสนุนด้วยรายงาน แผนภูมิ กราฟ และการวิเคราะห์ หมายความว่าพนักงานของคุณสามารถติดตามตัวบ่งชี้ประสิทธิภาพหลัก (KPI) กับเป้าหมายสำคัญทางธุรกิจ การทำความเข้าใจและวิเคราะห์ความสัมพันธ์ระหว่าง KPI และวัตถุประสงค์ขององค์กร หมายความว่าคุณจะมีความเข้าใจต่อผลการดำเนินธุรกิจของคุณได้ดีขึ้นในปัจจุบัน ไม่ใช่เมื่อสิ้นเดือน ไตรมาส หรือสิ้นปี ซึ่งจะสายเกินไปที่จะดำเนินการกับการดำเนินงานของธุรกิจ

10. นำเสนอข่าวกรองธุรกิจในระดับองค์กร

ด้วยแพลตฟอร์มที่ทำงานแบบผสานกันได้อย่างที่สมบูรณ์แบบ มีการสนับสนุนจาก SQL Server 2005 ทำให้ Business Intelligence สามารถนำเสนอฟังก์ชัน extract-transform-load (ETL) การประมวลผลเชิงวิเคราะห์ออนไลน์ (OLAP) ดาต้าไมนิ่ง การวิเคราะห์เชิงคาดการณ์ และการรายงานได้ในหนึ่งเดียว Business Intelligence ซึ่งสามารถขยายขีดความสามารถได้อย่างสมบูรณ์ มีประสิทธิภาพ ความปลอดภัยที่สูงขึ้น และค่าใช้จ่ายในการเป็นเจ้าของ (TCO) ที่ดีกว่าเดิม

อ้างอิง

1. http://www.bigfish.co.th/archives/428

2. https://www.blognone.com/node/49583

3. http://magickiat.wordpress.com/2014/06/23/big-data-and-history-of-hadoop/

4. http://www.ecommerce-magazine.com/issue/182/February-2014-eCover-BigData/print

5. https://www.gotoknow.org/posts/52660

ุ6. http://kusrc-cognos.blogspot.com/2013/03/business-intelligence-bi.html

7. http://www.catdatacom.com/th/site/news/news_detail/156#sthash.MqzmT3MA.dpuf

8. http://office.microsoft.com/th-th/support/HA010165509.aspx