บิ๊กดาต้าจะปฏิวัติฉากธุรกิจในอนาคตอันใกล้ได้อย่างไร: ตอนที่ 2

ข้อมูลขนาดใหญ่ได้จุดประกายการเปลี่ยนแปลงครั้งใหญ่ในการดำเนินธุรกิจของบริษัทและบริษัททั่วโลก ในอนาคต พื้นที่การทำงานจำนวนมากที่จำเป็นต้องมีการแทรกแซงของมนุษย์จะกลายเป็นระบบอัตโนมัติ เช่นเดียวกับที่ Amazon แนะนำ 'หนังสือที่จะซื้อ' LinkedIn แนะนำ 'คนที่คุณอาจรู้จัก' Facebook ปรากฏขึ้นหน้าที่คุณอาจชอบ เทคโนโลยีเดียวกันนี้จะถูกนำไปใช้กับสาขาอื่นในไม่ช้า ตัวอย่างเช่น ในการแนะนำการรักษา การวินิจฉัยโรค และอาจรู้จักอาชญากรก่อนที่จะก่ออาชญากรรม

ข้อมูลขนาดใหญ่จะเป็นผู้เปลี่ยนเกมอย่างแน่นอนในอีกไม่กี่ปีข้างหน้า ผลรวมของการเริ่มต้นแนวทางปฏิบัติและเทคโนโลยีบิ๊กดาต้าในองค์กรจะส่งผลให้เกิดการเปลี่ยนแปลงการเปลี่ยนแปลง บิ๊กดาต้าสามารถส่งผลกระทบต่อฟังก์ชันต่างๆ ทั่วทั้งองค์กร ตั้งแต่การกำหนดนิยามใหม่ของการพัฒนาผลิตภัณฑ์ การเพิ่มประสิทธิภาพซัพพลายเชน ผลกระทบเชิงบวกต่อความสัมพันธ์กับลูกค้า การมุ่งเน้นข้อมูลทางธุรกิจ การปรับปรุงการดำเนินงาน และอื่นๆ อีกมากมาย ผู้บริหารระดับสูงต้องเริ่มพิจารณาว่าบริษัทของพวกเขาจะได้รับประโยชน์จากข้อมูลเชิงลึกที่ได้จากการนำข้อมูลขนาดใหญ่ไปใช้อย่างไร

การคาดการณ์ข้อมูลขนาดใหญ่สำหรับปี 2560 และปีต่อๆ ไป

ในขณะที่เราก้าวผ่านปี 2016 และต้อนรับปี 2017 ในไม่ช้า เซ็นเซอร์ อุปกรณ์ เทคโนโลยี ธุรกิจ และแม้แต่ผู้คนจำนวนมากขึ้นก็จะเข้าร่วมกับกลุ่มข้อมูลขนาดใหญ่ ต่อไปนี้คือพื้นที่ที่ข้อมูลขนาดใหญ่มีแนวโน้มที่จะปฏิวัติธุรกิจมากที่สุด

อินเทอร์เน็ตของสรรพสิ่ง (IoT)

บริการคลาวด์ข้อมูลขนาดใหญ่เป็นสิ่งมหัศจรรย์เบื้องหลังของ IoT Neil Mendelson รองประธานฝ่าย Big Data Advanced Analytics ของ Oracle กล่าวว่าการขยายบริการคลาวด์ไม่เพียงแต่จับข้อมูลเซ็นเซอร์เท่านั้น แต่ยังป้อนข้อมูลลงในอัลกอริธึม Big Data และการวิเคราะห์เพื่อให้ใช้งานได้อย่างมีประสิทธิภาพ นอกจากนี้ บริการคลาวด์ IoT ที่ปลอดภัยจะช่วยผู้ผลิตในการสร้างผลิตภัณฑ์และบริการใหม่ที่ดำเนินการกับข้อมูลที่วิเคราะห์ได้อย่างปลอดภัยโดยปราศจากการแทรกแซงของมนุษย์

อินเทอร์เน็ตอุตสาหกรรมผสมผสานการเรียนรู้ของเครื่อง การสื่อสารระหว่างเครื่องกับเครื่อง และการสื่อสารข้อมูลขนาดใหญ่เพื่อระบุรูปแบบและปรับการดำเนินธุรกิจแบบเรียลไทม์ อีกสักครู่ อินเทอร์เน็ตอุตสาหกรรมจะขยายตัวตามคำจำกัดความเพื่อรวม IoT เข้าไว้ด้วยกัน ในไม่ช้า สตรีมข้อมูลแบบเรียลไทม์จะปรับปรุงสิ่งที่เป็นไปได้ผ่านอินเทอร์เน็ตอุตสาหกรรม ทำให้ผู้ใช้สามารถปรับเปลี่ยนกระบวนการ ถามคำถามที่สำคัญ หรือดูรูปแบบเฉพาะได้ทันที อุตสาหกรรมทั้งหมด เช่น เภสัชกรรม พลังงาน เทคโนโลยีสารสนเทศ การสื่อสาร การธนาคาร และการเกษตร จะได้รับอิทธิพลอย่างมากจากความสามารถในการตรวจสอบข้อมูลในอดีตและแบบเรียลไทม์ร่วมกันเพื่อการตัดสินใจทางธุรกิจที่รวดเร็วและชาญฉลาด

เราจะก้าวหน้าในฐานะสังคมที่ข้อมูลและข้อมูลจะกลายเป็นสินค้าสำคัญทางการค้าของเรา การให้สิทธิ์ใช้งานแบบไมโคร ธุรกรรม และการแลกเปลี่ยนข้อมูลที่สร้างรายได้จะกลายเป็นงานที่สำคัญ เนื่องจากเครือข่ายระหว่างเครื่องจักรกับเครื่องจักรและระบบอัตโนมัติดูแลความต้องการประจำวันของเรา การเป็นเจ้าของข้อมูล การประเมินข้อมูล และการสร้างสรรค์และปรับปรุงจะกลายเป็นพื้นฐานสำหรับความสำเร็จของอุตสาหกรรมและองค์กร

การเรียนรู้ของเครื่อง

ข้อมูลขนาดใหญ่มีอยู่ทั่วไปทุกหนทุกแห่งและรวมเข้ากับกิจกรรมประจำวันที่เราทำ เช่น การช็อปปิ้งออนไลน์ การอ่านแผนที่ หรือแม้แต่การเดินทาง ในอนาคตที่จะมาถึง นักเทคโนโลยีและบริษัทต่างๆ จะเปลี่ยนโฟกัสจากบิ๊กดาต้าเป็นแมชชีนเลิร์นนิงและให้ข้อมูลเชิงลึกเชิงรุก นอกจากนี้ Active Intelligence จะเป็นจุดสนใจใหม่ที่บริษัทต่างๆ จะใช้ประโยชน์จากเทคโนโลยี เช่น การเรียนรู้ของเครื่องและการวิเคราะห์เชิงคาดการณ์เพื่อจัดหาโซลูชัน ซึ่งจะประเมินข้อมูลทุกวันตลอด 24 ชั่วโมง และแจ้งให้เราทราบเมื่อมีเหตุการณ์สำคัญเกิดขึ้น

ในทางกลับกัน มีความตื่นเต้นมากมายเกี่ยวกับปัญญาประดิษฐ์ (AI) บริษัทขนาดใหญ่และแม้แต่บริษัทสตาร์ทอัพต่างก็ลงทุนครั้งใหญ่ใน AI อย่างไรก็ตาม ความสำเร็จของธุรกิจจะตกเป็นของบริษัทที่ใช้เทคนิคแมชชีนเลิร์นนิงมากขึ้นเพื่อแก้ไขปัญหาประจำ เช่น การจัดหาผลิตภัณฑ์ บริการ และคำแนะนำที่เป็นส่วนตัวมากขึ้นโดยปราศจากการประโคมหรือเอะอะมากนัก บริษัทที่สามารถเปลี่ยนแนวคิดแห่งอนาคตให้กลายเป็นแอปพลิเคชันเชิงปฏิบัติที่จัดการได้ ซึ่งสามารถนำไปใช้ได้อย่างมีประสิทธิภาพทั่วทั้งองค์กร จะได้รับผลตอบแทนและผลประโยชน์จากการลงทุนมากขึ้น ปี 2560 จะเห็นเทคโนโลยี AI เช่น กราฟคุณสมบัติ (PG) การประมวลผลภาษาธรรมชาติ (NLP) และการเรียนรู้ของเครื่อง (ML) กับความท้าทายในการประมวลผลข้อมูลตามปกติหรือตามปกติ แม้ว่า PG, NLP และ ML จะสามารถเข้าถึงได้เป็นไลบรารี Application Programming Interface (API) ในข้อมูลขนาดใหญ่ แต่การเปลี่ยนแปลงครั้งใหม่นี้จะรวมถึงการใช้เทคโนโลยีเหล่านี้อย่างกว้างขวางในเครื่องมือเทคโนโลยีสารสนเทศที่สนับสนุนวิทยาศาสตร์ข้อมูล การวิเคราะห์แบบเรียลไทม์ และแอปพลิเคชัน

ดูแลสุขภาพ

การประมวลผลทางปัญญาและ AI จะสร้างแนวทางสำหรับการแพทย์เฉพาะบุคคล ช่วยชีวิตผู้คนที่ทุกข์ทรมานจากโรคภัยไข้เจ็บที่หายาก และปรับปรุงสถานะของการดูแลสุขภาพในอีกไม่กี่ปีข้างหน้า ปัจจุบัน มีโรงพยาบาลเพียง 16 เปอร์เซ็นต์ในสหรัฐอเมริกาที่ใช้การวิเคราะห์เชิงคาดการณ์ แม้ว่าประธานาธิบดีบารัค โอบามาจะใช้ความคิดริเริ่มด้านการแพทย์ที่แม่นยำในคำปราศรัยของรัฐสภาสหรัฐฯ ปี 2015 อย่างไรก็ตาม ความก้าวหน้าทางเทคโนโลยีล่าสุดที่ใช้ AI กับการวิเคราะห์เชิงคาดการณ์ของข้อมูลขนาดใหญ่ทำให้สามารถฝึกยาเฉพาะบุคคลผ่านข้อมูลจีโนมที่แมปกับเวชระเบียนอิเล็กทรอนิกส์ของผู้ป่วย และเพื่อตอบคำถามเกี่ยวกับยาหรือการรักษาโรคหายาก ในอดีต การวิจัยทางการแพทย์เกี่ยวกับโรคใหม่และการรักษาของพวกเขามีต้นทุนที่จำกัดเนื่องจากมีกลุ่มตัวอย่างเล็กๆ แต่ดูเหมือนว่าเป็นไปได้มากกับชุดข้อมูลขนาดใหญ่ในข้อมูลขนาดใหญ่ ตอนนี้ อาจเป็นไปได้ที่จะใช้ยาที่แม่นยำโดยให้คำตอบสำหรับคำถามเกี่ยวกับการรักษาที่เป็นไปได้สำหรับประชากรย่อย เช่น ผู้หญิง ผู้สูงอายุ เด็ก และเชื้อชาติต่างๆ

การป้องกันอาชญากรรม

เพื่อระบุตัวอาชญากรที่อาจเป็นอาชญากรก่อนที่จะก่ออาชญากรรมใดๆ หน่วยงานบังคับใช้กฎหมาย โดยเฉพาะอย่างยิ่งในแถบตะวันตก กำลังเปลี่ยนไปใช้ข้อมูลขนาดใหญ่ ข้อมูลที่เปิดเผยต่อสาธารณะพร้อมกับข้อมูลข่าวกรองและข้อมูลที่จัดทำโดยสำนักงานบังคับใช้กฎหมายและหน่วยงานท้องถิ่นช่วยให้ตำรวจตรวจพบผู้ฝ่าฝืนและกิจกรรมทางอาญาด้วยความแม่นยำที่สูงขึ้นก่อนเกิดปัญหา เป็นผลให้หน่วยงานบังคับใช้กฎหมายมีแนวโน้มที่จะมีปฏิกิริยาน้อยลงซึ่งจะช่วยลดความเสี่ยงในการยิงหรือจับกุมคนผิด นอกจากนี้ เจ้าหน้าที่ตำรวจเหล่านี้ยังให้ความสำคัญกับจุดที่มีอาชญากรรมเพื่อจับอาชญากรเมื่อพวกเขาออกมาจากที่ซ่อน ผ่านการวิเคราะห์ข้อมูลขนาดใหญ่ ภารกิจที่วางแผนไว้ได้ช่วยหน่วยงานบังคับใช้กฎหมายในการลดหรือควบคุมอัตราการเกิดอาชญากรรมในเมืองใหญ่ทั่วโลก

การรับมือกับภัยธรรมชาติ

ทุกปี เงินหลายพันล้านดอลลาร์และชีวิตหลายพันชีวิตต้องสูญเสียระหว่างน้ำท่วม แผ่นดินไหว ภัยแล้ง หรือภัยธรรมชาติอื่นๆ นักวิทยาศาสตร์ข้อมูลตระหนักถึงคุณค่าของการใช้เทคนิคการทำเหมืองข้อมูลเพื่อประเมินภัยธรรมชาติเพื่อช่วยในการทำความเข้าใจแนวโน้ม วิเคราะห์ความเปราะบางของประชากร และคาดการณ์ภัยพิบัติในอนาคต วัตถุประสงค์ของการวิเคราะห์ดังกล่าวคือเพื่อช่วยเหลือรัฐบาลทั่วโลกในการบรรเทาทุกข์ การตอบสนองฉุกเฉิน และเพื่อกำหนดกลยุทธ์สำหรับการบรรเทาภัยพิบัติทางธรรมชาติในอนาคต การพัฒนาล่าสุดในเทคโนโลยีข้อมูลขนาดใหญ่และวิทยาศาสตร์ข้อมูลได้ช่วยให้นักวิทยาศาสตร์ข้อมูลใช้เทคนิคเชิงพรรณนาและการคาดการณ์อย่างประหยัดและแม่นยำ เทคนิคเหล่านี้มีประโยชน์ในการระบุประชากรที่อ่อนแอต่อภัยพิบัติทางธรรมชาติโดยการวิเคราะห์เหตุการณ์ในอดีตเพื่อกำหนดรูปแบบที่อาจระบุประชากรที่มีความเสี่ยงและปรับปรุงการพยากรณ์ภัยพิบัติในอนาคต

ผลกระทบของบิ๊กดาต้าต่อธุรกิจ

Edwin Miller ซีอีโอของ 9Lenses บริษัทเทคโนโลยีในสหรัฐฯ กล่าวว่าบิ๊กดาต้ามีผลกระทบอย่างมากต่อธุรกิจ ตั้งแต่การดำเนินงานด้านซัพพลายเชน การพัฒนาผลิตภัณฑ์ ไปจนถึงความสัมพันธ์กับลูกค้า และจะยังคงทำเช่นนั้นต่อไป แม้ว่าหลายคนอาจไม่ทราบเกี่ยวกับข้อมูลขนาดใหญ่ แต่ก็ส่งผลกระทบอย่างแน่นอนต่อธุรกิจทั่วไปบางส่วน

Capital One Financial Corporation ซึ่งตั้งอยู่ในสหรัฐฯ เป็นตัวอย่างที่ดี ระหว่างปี 1990 ถึง 2000 อุตสาหกรรมบัตรเครดิตใช้รูปแบบการกำหนดราคาแบบเดียวกันโดยคิดราคาผู้บริโภคแต่ละรายในราคาเท่ากัน ยกเว้น Capital One บริษัทใช้แบบจำลองทางสถิติซึ่งอิงตามข้อมูลประชากรและข้อมูลเครดิตสาธารณะ เพื่อจัดหาผลิตภัณฑ์ที่กำหนดเองให้กับลูกค้า นวัตกรรมดังกล่าวช่วยให้บริษัทมีรายได้เพิ่มขึ้นร้อยละ 33 ต่อปี (CAGR) ตั้งแต่ปี 2538 ถึง พ.ศ. 2546 ส่งผลให้มีธนาคารเพียงไม่กี่แห่งที่ให้ความสำคัญกับการวิเคราะห์บิ๊กดาต้ามากขึ้น ทำให้พวกเขามีรายได้สุทธิต่อปีเพิ่มขึ้นร้อยละ 17 เมื่อเปรียบเทียบกับธนาคารชั้นนำของอเมริกา เช่น Bank of America ที่ 11% Citigroup ที่ 11 เปอร์เซ็นต์ และ JP Morgan ที่ 6% ระหว่างปี 2009 ถึง 2015

Walmart ใช้การวิเคราะห์ข้อมูลขนาดใหญ่อย่างต่อเนื่องเพื่อการดำเนินงาน ผลิตภัณฑ์ และบริการที่ดีขึ้น ในปี 1990 บริษัทได้เปลี่ยนแปลงภาคการค้าปลีกโดยการบันทึกแต่ละผลิตภัณฑ์เป็นข้อมูลโดยใช้ระบบที่เรียกว่าลิงก์การขายปลีก ระบบนี้ช่วยให้ซัพพลายเออร์ดูแลและจัดระเบียบผลิตภัณฑ์และบริการของตนโดยการตรวจสอบข้อมูลของตน รวมถึงการหมุนเวียนสินค้าคงคลัง ปริมาณสินค้าคงคลัง อัตรากำไรขั้นต้น และเปอร์เซ็นต์ในสต็อก ด้วยเหตุนี้ พวกเขาจึงมีความเสี่ยงด้านสินค้าคงคลังต่ำและต้นทุนอื่นๆ ที่เกี่ยวข้อง

โรลส์รอยซ์ยังใช้บิ๊กดาต้าซึ่งในทางกลับกันได้ปฏิรูปการผลิตเครื่องยนต์อากาศยาน ผู้ผลิตรถยนต์ระดับหรูจะคอยตรวจสอบเครื่องยนต์ประมาณ 3,600 เครื่องเป็นประจำ โดยแต่ละตัวมีเซ็นเซอร์หลายตัวเพื่อคาดการณ์ว่าจะเกิดการพังทลายที่ใดและเมื่อใด บริษัทได้เปลี่ยนธุรกิจจากการขายเครื่องยนต์เป็นการขายทั้งเครื่องยนต์ที่มีคุณภาพและบริการตรวจสอบ เรียกเก็บเงินลูกค้าตามการใช้งาน การซ่อมแซม และการเปลี่ยน ปัจจุบัน บริการดังกล่าวมีสัดส่วนมากกว่าร้อยละ 68 ของรายได้ต่อปีในแผนกเครื่องยนต์อากาศยาน

บทสรุป

เนื่องจากบิ๊กดาต้ายังคงถูกเปิดเผย จึงค่อนข้างชัดเจนว่าการเปลี่ยนแปลงที่เกิดจากบิ๊กดาต้าจะเปลี่ยนโฉมธุรกิจ องค์กร และแม้แต่สังคม ข้อมูลขนาดใหญ่จะอยู่ที่นี่ และธุรกิจจำเป็นต้องปรับให้เข้ากับกระบวนทัศน์ใหม่นี้ บริษัทต่างๆ อาจเลื่อนหรือชะลอการใช้กลยุทธ์บิ๊กดาต้าของตน แต่เห็นได้ชัดว่าบริษัทที่ใช้กลยุทธ์ของตนแล้วมีประสิทธิภาพดีกว่าบริษัทคู่แข่ง ดังนั้น พัฒนากลยุทธ์บิ๊กดาต้าของคุณตอนนี้ หากบริษัทของคุณต้องการสร้างและจัดหาผลิตภัณฑ์และบริการในยุคบิ๊กดาต้าที่เฟื่องฟู

วางแผนที่จะรับข้อมูลจากเว็บหรือไม่? เราอยู่ที่นี่เพื่อช่วย แจ้งให้เราทราบ เกี่ยวกับความต้องการของคุณ