Series Content ชุด Data 101 ตอนที่สองจะพาไปรู้จัก 4V’s of Big Data ที่จะเป็นหลักการคัดกรองว่าแค่ปริมาณที่มหาศาลอย่างเดียวไม่อาจถูกนิยามว่าเป็น Big Data ได้ เพราะการจะถูกนิยามว่า Data ที่มีนั้นเป็น Big Data หรือไม่ ต้องมีครบทั้ง 4 องค์ประกอบที่จะเล่าให้ฟังต่อจากนี้ครับ
ตั้งแต่โลกของเราก้าวเข้าสู่ยุค 4.0 มาจนถึง 5.0 ในทุกวันนี้นั้นก่อให้เกิด Data มากมายมหาศาลยิ่งกว่าเราจะคิดภาพตามหรือจินตนาการออก ถ้าถามว่า Data เกิดขึ้นมาจากไหนตั้งมากมายในแต่ละวัน เริ่มจากการค้นหาสิ่งที่เราอยากรู้ใน Google ก็ก่อให้เกิดสิ่งที่เรียกว่า Search data ที่เราสามารถเข้าไปใช้งานได้ง่ายๆ ผ่าน Google Trends แล้ว แล้วไหนจะการช้อปปิ้งออนไลน์ที่ก่อให้เกิด Transaction data เช่นกัน ยังไม่นับว่าก่อให้เกิด Behavioural data อีกด้วยซ้ำเมื่อเอาข้อมูลการใช้งานเว็บหรือแอปช้อปปิ้งมาวิเคราะห์ต่อยอดจัดหมวดหมู่ลูกค้าตามพฤติกรรมการใช้งานครับ
แล้วไหนจะการติดต่อสื่อสารของเราทุกวันนี้ในทุกครั้งก็ล้วนแต่ก่อให้เกิด Data ใหม่ๆ ขึ้นทุกวินาที รู้ไหมครับว่าทุกครั้งที่เราส่งข้อความออกไปหาใครสักคนไม่ว่าจะผ่าน LINE หรือ Facebook Messenger ก็ตาม หรือแม้แต่การส่งข้อความ SMS ก็นับว่าเป็น Conversation data เช่นกัน
รวมไปถึง Data ที่ถูกสร้างขึ้นมาผ่าน Smartphone หรือโทรศัพท์มือถือเครื่องเล็กในมือเรา ที่คอยส่งสัญญาออกไปเป็นระยะว่าตอนนี้เรากำลังอยู่ตรงไหน ตอนนี้เรามีการหยิบขึ้นมาใช้งานหรือไม่ เรากำลังเชื่อมต่อผ่านอะไร Wifi หรือ Cellular แล้วถ้าต่อผ่านสัญญาณโทรศัพท์มือถือนั้นเรากำลังใช้ 4G หรือ 5G กันอยู่ในแต่ละช่วงเวลาหละ
แล้วถ้าเราหยิบโทรศัพท์มือถือขึ้นมาพูดถามผ่าน Siri หรือ Google Assistant ก็ล้วนแต่สร้าง Data ขึ้นมาใหม่ในการใช้สิ่งที่เรียกว่า Virtual assistants แล้วทุกรูปภาพหรือคลิปวิดีโอที่เราถ่ายแล้วอัพโหลดขึ้นไปบนออนไลน์ ไม่ว่าจะอัพขึ้น Facebook, Instagram, TikTok, YouTube หรือแพลตฟอร์มใดๆ ก็ล้วนแต่ทำให้เกิด Data ใหม่ๆ ขึ้นมาครับ
ยังไม่นับถือพวกอุปกรณ์ประเภท IoT หรือ Internet of Things ที่มีใช้งานตามบ้านและสถานที่ต่างๆ มากขึ้นทุกวัน อุปกรณ์พวกนี้ก็เป็นตัวเร่งช่วยสร้าง Data ขึ้นมาอยู่ตลอดเวลาซึ่งพอเอาข้อมูลทั้งหมดที่เกิดขึ้นในแต่ละวันมารวมกันก็จะยิ่งมากมายมหาศาล บอกได้เลยว่าคำว่า Big data ที่พูดกันนั้นกลายเป็นเล็กไปเลยในทันที
ในปี 2018 มีคนคาดการณ์ว่าในแต่ละวันมีข้อมูลใหม่ๆ ถูกสร้างขึ้นกว่าวันละ 2.5 quintillion bytes หรือลองดูข้อมูลอัพเดทล่าสุดที่มีการคาดการณ์ว่าในปี 2021 แค่ 1 นาทีนั้นมี Data เพิ่มขึ้นมามากมายขนาดไหนครับ
ดังนั้นจึงปฏิเสธไม่ได้เลยครับว่าเราก้าวเข้าสู่โลก Big Data มานานแล้ว ใดๆ ในโลกล้วนถูกขับเคลื่อนด้วยดาต้า เรายิ่งต้องมองหาโอกาสที่จะเอา Data รอบตัวไปต่อยอดให้เกิดประโยชน์มากที่สุดจึงจะเป็นผู้ชนะในศตวรรษที่ 21 ได้
ดังนั้นกลับมาสู่คำถามตั้งต้นว่า เมื่อทุกวันนี้ปริมาณ Data ที่เกิดขึ้นนั้นมหาศาลแทบทุกวินาที แล้วอะไรจะเป็นตัวนิยามหรือแบ่งเส้นว่าอันนี้ Big หรือไม่ Big ซึ่ง Big Data จะต้องประกอบด้วย 4 นี้อย่างครบถ้วน จึงจะคู่ควรกับการถูกเรียกว่า Big Data ครับ (เพราะใหญ่อย่างเดียวไม่สำคัญอีกต่อไป)
4V’s of Big Data
1. Volume เยอะ
ถ้าไม่ใหญ่พอก็ไม่ควรค่าแก่คำว่า Big แน่นอนว่า V ตัวแรกย่อมเป็นสิ่งที่สะท้อนถึงความใหญ่ หรือปริมาณของข้อมูลนั่นเอง ซึ่งวันนี้ถ้าบริษัทไหนหรือหน่วยงานใดมีเครื่องมือในการเก็บข้อมูลที่ดีๆ หรือครบถ้วนหน่อย การจะมี Data ที่มี Volume มากพอก็ไม่ใช่เรื่องยากเย็นอีกต่อไป
ซึ่งทุกวันนี้ปริมาณของ Big Data ก็จะเริ่มต้นกันที่หลัก Terabytes บ้างก็ไปถึง Petabytes ก็แล้วแต่ว่าสะสมมานานขนาดไหน หรือไปกวาดหามาเพิ่มได้มากขนาดไหนควบคู่กัน
ซึ่งปริมาณของดาต้าก็จะเพิ่มขึ้นเรื่อยๆ ในแต่ละวันจากช่องทางที่หลากหลายถ้าดูจากภาพตัวอย่างด้านบนครับ บ้างก็เพิ่มในหลักนาทีไปจนถึงวินาที เพราะสุดท้ายแล้วยิ่งมี Data มากเท่าไหร่ ก็จะยิ่งมีโอกาสเอาไปวิเคราะห์ต่อยอดหา Insight ใหม่ๆ ได้มากเท่านั้น
หลายธุรกิจในวันนี้จึงไม่ได้แข่งขันกันที่สร้างยอดขายหรือผลกำไรที่เป็นตัวเงินอีกต่อไป แต่พวกเขายังวางกลยุทธ์หรือ Business Strategy เพื่อสะสมดาต้าควบคู่ไปด้วย เพราะสุดท้ายแล้วเจ้าดาต้านี่แหละที่จะสร้างความได้เปรียบแบบ Unfair Advantage ให้กับธุรกิจเราในระยะยาวแบบที่คู่แข่งยากจะไล่ตามได้ทัน
แต่ข้อควรระวังก็คืออย่าลืมว่ายิ่งเราเก็บ Data ไว้มากก็ยิ่งล่อหูล่อตาและล่อใจบรรดา Hacker ผู้ไม่หวังดี พวกเขาเหล่านั้นก็จะพยายามเข้ามาเจาะระบบ Security ของเราอยู่เป็นประจำ บ้างก็เจาะเพื่อเอาไปขาย บ้างก็อาจจะเป็นคู่แข่งแอบเข้ามาเจาะแล้วปล่อยข่าวการรั่วไหลออกไป ซึ่งแน่นอนว่าทุกครั้งที่มีข่าวดาต้ารั่วไหลส่งผลกระทบต่อภาพลักษณ์ของแบรนด์ ความน่าเชื่อถือของบริษัท และสุดท้ายคือกระทบต่อราคาหุ้นอย่างหลีกเลี่ยงไม่ได้จริงๆ
2. Velocity รวดเร็วสดใหม่
จะเป็น Big Data ได้ความสดใหม่ของข้อมูลคือหัวใจสำคัญ ไม่ใช่ว่ามีดาต้ามากมายแต่เป็นดาต้าเก่าเก็บมานาน แบบนั้นก็อาจจะไม่เข้าข่ายของนิยามคำว่า Big Data ครับ
และไม่ใช่แค่ความสดใหม่ของข้อมูลเท่านั้น แต่ยังหมายถึงความเร็วของข้อมูลที่ได้มาในระดับ Real-time หรือใกล้เคียงกับ Real-time ให้ได้มากที่สุด ลองคิดดูซิว่าถ้าลูกค้าแวะเข้ามาซื้อของที่เว็บเราวันนี้ แต่เดือนหน้าเราค่อยเอา Data นั้นมาใช้งาน แบบนี้คุณคิดว่ามันสายเกินไปแล้วหรือไม่
ดังนั้นการจะเป็น Big Data ได้ต้องเป็นข้อมูลที่มีการไหลเวียนด้วยความเร็วควบคู่ไปกับปริมาณที่ส่งเข้ามา ถ้ามองภาพปริมาณของข้อมูลเป็นเสมือนเขื่อนใน V แรก ใน V ที่ 2 อย่าง Velocity นี้ให้คิดภาพถึงน้ำตกขนาดใหญ่ ที่มีน้ำมากมายไหลลงมาตลอดเวลาไม่ขาดสาย
นึกถึง Facebook ก็ได้ครับ นั่นก็เป็นโซเชียลมีเดียแพลตฟอร์มที่เป็น Big Data เพราะนอกจากจะมีคนมากมายเป็นสมาชิก ก็ยังมีการอัพโหลดรูปภาพ ข้อความ หรือพิมพ์คอมเมนต์เกิดขึ้นตลอดเวลาในทุกเสี้ยววินาที ว่ากันว่าในหนึ่งวันเราเข้า Facebook กันไม่ต่ำกว่า 150 ครั้ง ส่งผลให้ Facebook มีข้อมูลใหม่ๆ จำนวนมากไปใช้งานได้ตลอดเวลานั่นเอง
แต่สิ่งสำคัญของการได้ Data ที่มีความ Velocity คือต้องรีบนำไปใช้ทันที เพราะถ้ายิ่งปล่อยนานไว้หลายนาทีคุณค่าของข้อมูลนั้นก็จะยิ่งลดลงไปตามเวลาเรื่อยๆ ครับ
เพราะถ้าเรารู้ว่าใครกำลังทำอะไรอยู่ในตอนนั้น แล้วเราสามารถวิเคราะห์หาคำตอบได้ว่าเขาคนนั้นน่าจะต้องการอะไร จากนั้นเราก็รีบให้ในสิ่งที่ต้องการออกไป ก็จะยิ่งทำให้เราได้ทั้งดาต้าใหม่ๆ กลับมา ไปจนถึงอาจจะได้ยอดขายจากลูกค้ารายนั้นเพิ่มขึ้นอีกด้วยก็เป็นได้ครับ
สรุปได้ว่า V ที่ 2 อย่าง Velocity คือนอกจากจะต้องมีความไหลเข้ามาของ Data ใหม่ๆ ตลอดเวลา ยังหมายถึงความเร็วในการนำข้อมูลที่ได้มาไปใช้งานให้เกิดประโยชน์ต่อธุรกิจได้ทันเวลาควบคู่กัน
3. Variety หลากหลาย
จะเป็น Big Data ที่สมบูรณ์มากขึ้นได้ต้องมีความหลากหลายของข้อมูล เพราะดาต้าวันนี้ไม่เหมือนวันวาน สมัยก่อนดาต้ามักจะอยู่ในรูปแบบที่มีโครงสร้างหรือที่เรียกว่า Structured data แต่นานวันเข้าก็มีดาต้ารูปแบบอื่นๆ เพิ่มขึ้นมาอย่าง Unstructured data และ Semi-structured data ครับ ซึ่งรายละเอียดของ Data ทั้ง 3 แบบเดี๋ยวจะเล่าให้ฟังต่อในวันหลัง แต่ตอนนี้ขอกลับมาโฟกัสที่ความหลากหลาย Variety ของ Data ก่อน
สมัยก่อน Data มักจะถูกจัดเก็บเป็นระเบียบมีโครงสร้างง่ายต่อการใช้งาน นึกถึงภาพข้อมูลอย่าง Excel ที่ถูกจัดวางเป็นคอลัมน์สวยงามก็ได้ครับ แต่เมื่อไม่นานมานี้เรามี Data ใหม่ๆ เกิดขึ้นมากมายที่ไม่ได้อยู่ในรูปแบบ Structured data แบบเดิม เช่น ข้อความการแชท ข้อความการโพสบนโซเชียลมีเดีย รูปภาพ คลิปวิดีโอ อีเมล หรือบทความ พวกนี้ล้วนจัดเป็น Unstructured data ซึ่งยากที่จะนำไปทำให้อยู่ในรูปแบบของ Spreadsheet หรือ Excel แบบที่เคยเป็นมา
และด้วยความหลากหลายของ Data ที่เพิ่มขึ้นมาอีก 2 ประเภทรวมเป็น 3 ส่งผลให้การเกิด Big Data นั้นง่ายขึ้นกว่าเดิมมาก ลองคิดดูซิครับว่า Data แบบเดิมที่ไม่ถูกเรียกว่า Big เพราะกว่าจะทำให้มี Structured นั้นก็ลดขนาดลงไปมาก แต่พอมี Data มากๆ เข้าก็ไม่สามารถทำให้มีโครงสร้างได้ง่ายๆ จึงทำให้เกิดกอง Data มากมายจนกลายเป็น Big Data นี่แหละครับ
เพราะด้วยเทคโนโลยีมากมายทำให้ดาต้าที่ไม่เคยคิดว่าจะสามารถเก็บบันทึกไว้ได้กลายเป็นสิ่งที่สามารถจับต้องได้ง่ายขึ้นมากในวันนี้ ยกตัวอย่างเช่นระบบกล้องวงจรปิดที่บวกเพิ่มโปรแกรมจดจำใบหน้า หรือที่เรียกว่า Face recognition เข้าไปก็ทำให้เราสามารถเก็บ Biometirc data เพิ่มขึ้นได้สบายๆ รวมไปถึงแพลตฟอร์มอย่าง YouTube ที่ให้เราอัพโหลดวิดีโอขึ้นไปได้ไม่จำกัด ดังนั้นสิ่งที่ตามมาคือความสามารถในการเอา Data ทุกประเภทจากหลากหลายช่องทางที่มีปริมาณมหาศาลเข้ามาต่อยอดธุรกิจให้ดีขึ้นกว่าเดิม
สมัยก่อนการมีรูปภาพล้านรูปอาจจะไม่ได้เป็นประโยชน์ต่อธุรกิจเพราะไม่สามารถทำข้อมูลรูปภาพที่มีให้เกิดประโยชน์ได้ แต่วันนี้มีโปรแกรมมากมายที่สามารถจัดประเภทรูปภาพให้เราใช้งานได้ง่ายขึ้น เช่น ในโทรศัพท์มือถือเรามี AI ในการช่วยจำแนกหมวดหมู่รูปภาพ เราสามารถค้นหาภาพที่ต้องการด้วยการพิมพ์ เช่น หมา หรือ แมว แล้วระบบก็จะไปค้นหาภาพที่น่าจะใช่หมาหรือแมวจากรูปถ่ายหลายพันหลายหมื่นของเราได้ภายในเสี้ยววินาที
ถ้าคิดถึงภาพของการตลาดหรือธุรกิจสมัยก่อนอาจจะใช้แค่ระบบ CRM ในการเพิ่มยอดขาย แต่วันนี้มีระบบที่เรียกว่า CDP หรือ Customer Data Platform เกิดขึ้นมามากมาย ทำให้เราสามารถเอา Data ลูกค้าจากหลายแหล่งเข้ามาประกอบเชื่อมโยงกันให้เราวิเคราะห์ทำความเข้าใจ Insight ลูกค้าได้แม่นยำและมีประสิทธิภาพมากว่าเดิม
ถ้าเปรียบเทียบจากเขื่อนเป็นน้ำตก ความ Variety ก็เปรียบเสมือนกับระบบนิเวศทั้งหมดที่ทำให้โลกสวยงาม ไม่ใช่แค่เราจะใช้ประโยชน์จากน้ำได้เท่านั้น แต่ยังมีทั้งลม ไฟ หรือความร้อนใต้พื้นพิภพที่สามารถเอามารวมกันสร้างเป็นพลังงานให้กับเมืองได้เพิ่มขึ้นครับ
4. Veracity น่าเชื่อถือ
มาถึง V สุดท้ายคือ Veracity แปลง่ายๆ คือความน่าเชื่อถือความถูกต้องของข้อมูล เพราะสิ่งที่ตามมาเมื่อเรามี Data ปริมาณมากมายมหาศาลจากหลายแหล่งที่หลั่งไหลเข้ามาไม่หยุด ความน่าเชื่อถือของข้อมูลที่มีและได้มาจึงสำคัญมากต่อการนำไปใช้
เพราะถ้ามี Data มากมายแต่เป็น Data ที่ไม่น่าเชื่อถือหรือไม่มีคุณภาพ ก็จะพาลทำให้เสียเวลาทำงานหรือดีไม่ดีการไม่มี Data อาจจะดีกว่า ดังนั้นเมื่อเรามี Data มากมายจากหลายช่องทางเราต้องให้เข้าใจที่มาที่ไปของมัน ดาต้านั้นมาจากไหน เข้าใจใน Metadata เข้าใจบริบทในการเก็บข้อมูลมา เพราะการที่เราเข้าใจแหล่งที่มาที่ไปทำให้เรารู้ได้ว่าดาต้านั้นน่าเชื่อถือหรือไม่ เพื่อที่จะได้ประเมินต่อว่าควรจะเสียเวลาในการทำ Analytics หรือเปล่า
ยิ่ง Big Data เรามี Veracity ความน่าเชื่อถือมากเท่าไหร่ ก็ยิ่งทำให้เราได้เจอ Insight หรือ Opportunity ดีๆ ได้มากเท่านั้น และนั่นจะยิ่งทำให้เราเดินหน้าได้อย่างถูกทางและรวดเร็ว
V นี้เป็น V ที่เกิดขึ้นใหม่หลังจาก 3V’s of Big Data ในยุคแรกเริ่ม พอเมื่อเรามี Data มากขึ้นก็เริ่มค้นพบว่าไม่ใช่ทุก Data ที่มีจะมีคุณภาพพอที่คุ้มค่าต่อการลงแรงสกัดหา Insight ออกมาครับ
ถ้าเปรียบเทียบกับแหล่งพลังงานมากมายที่เราสามารถนำมาใช้งานได้ ก็ต้องมีการประเมินว่าไม่ใช่แหล่งพลังงานทุกจุดจะคุ้มค่าและมีประโยชน์พอที่จะลงทุนนำมาใช้งาน บางพื้นที่ไม่ควรสร้างเขื่อน บางพื้นที่ไม่ควรติดตั้งกังหันเพราะไม่ได้มีลมไหลผ่านสม่ำเสมอตลอดปี ระหว่างการถูก Data Bias โดยไม่รู้ตัวด้วยการเผลอเลือกสิ่งที่คิดว่าน่าสนใจหรือ Pickup cherry ขึ้นมาแล้วตัดสินใจพลาดไปจนเสียหายหลายล้านครับ
และจาก 4V’s of Big Data ก็จะก่อให้เกิด V ที่ 5 ขึ้นมานั่นก็คือ Value ที่จะเล่าให้ฟังต่อจากนี้ครับ
5. Value คุณค่าที่ซ่อนอยู่ในดาต้า
เมื่อเรามีทั้ง 4 V’s of Big Data ครบก็จะเป็นการปลดล็อคสกินทอง เอ๊ย! ไม่ใช่ ปลดล็อค V ที่ 5 ต่างหากครับ ซึ่งนั่นก็คือ Value หรือคุณค่าที่คุณคู่ควร เพราะหัวใจสำคัญในการทำ Data Analytics คือการทำให้เราได้ค้นพบ Insight & Opportunity ใหม่ๆ ที่ซ่อนอยู่หรือเราอาจจะเคยเห็นแต่มองข้ามไปเพราะคิดว่าไม่สำคัญ
และยิ่งการทำธุรกิจทุกวันนี้ในโลกยุคดาต้า 5.0 ก็ต้องมีการวาง Data Strategy ที่ดีที่จะสามารถเก็บรวบรวมดาต้าที่ต้องการได้มากพอในเวลาอันรวดเร็ว เพื่อที่จะได้นำไปใช้ขับเคลื่อนองค์กรหรือที่เรียกว่าทำ Data-Driven Business เพราะนี่เป็น Unfair Advantage เดียวที่คู่แข่งทุกรายยากจะตามเราได้ทัน
การทำ Data Analytics จะทำให้เราได้เข้าใจ Consumer Insight ที่แท้จริง ทำให้เราได้ค้นพบ Customer Segements ที่สำคัญต่อธุรกิจเราจริงๆ หรือแม้แต่ทำให้เราได้ค้นพบจุดอ่อนของธุรกิจที่อาจจะไม่เคยรู้มาก่อนได้จริงๆ เช่นกัน
ทีนี้เมื่อเรารู้ความจริงที่ซ่อนอยู่ใน Data ก็ทำให้เราสามารถตัดสินใจได้ง่ายขึ้นและแม่นยำขึ้นกว่าเดิมมาก จากเดิมที่เคยต้องทำการตลาดแบบเดาๆ หว่านๆ ก็กลายเป็นดูจาก Data ก่อนว่าตรงไหนที่มีโอกาสหรือตรงไหนที่เป็นรูรั่วในธุรกิจเราจะได้แก้ปัญหาได้ตรงจุด
จากประสบการณ์ที่ทำให้ลูกค้าก็พบว่าเราสามารถสร้าง New Product หรือ New Service ใหม่ๆ จาก Data ได้อย่างแม่นยำและทุกคนก็เห็นภาพตรงกันอย่างง่ายดาย เป็นการช่วยประหยัดต้นทุนลองผิดลองถูกมากมายครับ
สรุป 4V’s of Big Data คือหัวใจสำคัญในการทำธุรกิจให้กำไรในยุค 5.0
และทั้งหมดนี้คือเหตุผลว่าทำไมธุรกิจในวันนี้ไม่ว่าขนาดเล็กแบบ SME หรือขนาดใหญ่ระดับ Enterprise จะต้องใช้ Data เป็นเข็มทิศนำทางธุรกิจ เพราะสมัยก่อนการจะมี Data ตัดสินใจนั้นเป็นเรื่องยาก ด้วยข้อจำกัดทางเทคโนโลยีต่างๆ แต่วันนี้การจะมี Data ไว้ตัดสินใจนั้นไม่ยาก แต่ที่ยากคือทำอย่างไรที่เราจะมีข้อมูลที่มีคุณภาพในปริมาณมากพอ บวกกับมาจากแหล่งที่มาที่หลากหลายเพื่อให้เข้าใจความจริงในทุกมิติแบบครบถ้วน แถมต้องเป็นข้อมูลที่อัพเดททันเวลาไม่ใช่เก่าเก็บล้าสมัยเอามาใช้ตัดสินใจในโลกที่เปลี่ยนแปลงไวเหลือเกิน
ดังนั้นธุรกิจที่จะสามารถไปต่อได้ในยุคดาต้า 5.0 คือธุรกิจที่มีการกำหนด Data Strategy ที่ดีที่จะนำไปสู่การทำ Data-Driven Marketing หรือ Data-Driven Business ครับ
ทั้งหมดนี้จะนำกลับมาสู่คำถามสำคัญที่ผมอยากจะถามคุณทิ้งท้ายว่า คุณใช้ดาต้าในการตัดสินใจมากพอหรือยังในแต่ละวัน? คุณเก็บดาต้าที่ควรจะเป็นของคุณครบทุกช่องทางแล้วหรือเปล่า? และสุดท้ายคือดาต้าที่คุณมีอยู่นั้นดีพอที่จะนำไปมาใช้งานต่อได้จริงไหม? บวกกับข้อมูลเหล่านั้นไม่ได้เก่าเกินไปในวันที่ผู้บริโภคเปลี่ยนใจได้ทุกวันใช่หรือไม่?
ผมเชื่อว่าคุณมีตำตอบของคำถามทั้ง 4 ข้อที่ผมถามไป เอาใจช่วยให้คุณสามารถใช้ Data-Driven Organization จนคู่แข่งตามไม่ทันได้แต่มองด้วยความอิจฉาครับ
แต่ถ้าใครอยากปรึกษาเรื่อง Data อีเมลเข้ามาพูดคุยกันได้ที่ [email protected] ครับ ผมจะเป็นคนตอบอีเมลคุณด้วยตัวเอง
ในบทหน้าเราจะไปทำความเข้าใจกับ Data 3 ประเภทที่มีพูดถึงกันไว้ Structured data, Semi-structured data และ Unstructured data ว่าแต่ละอย่างต่างกันอย่างไร เพราะเรื่องดาต้าเป็นเรื่องที่ทุกคนถ้าไม่อยากตกงานในศตวรรษที่ 21 ต้องรู้ไว้ครับ
Source
//www.bernardmarr.com/default.asp?contentID=2119
//www.bigdataframework.org/four-vs-of-big-data/