ในโลกยุคใหม่ที่การตัดสินใจทางธุรกิจขับเคลื่อนด้วยข้อมูล ทำให้องค์กรจำนวนมากเดินหน้าสู่ Data-Driven Organization ด้วยการจัดตั้งหน่วยงานด้าน ‘Data Science’ หรือวิทยาศาสตร์ข้อมูลขึ้นมาเพื่อวิเคราะห์และนำข้อมูลมหาศาลที่มีอยู่มาสร้างมูลค่าเพิ่มและเสริมประสิทธิภาพในการแข่งขันให้ธุรกิจ
แต่ใช่ว่า เมื่อมีหน่วยงานดังกล่าวแล้วทุกองค์กรจะประสบความสำเร็จ เนื่องจากยังติดกับดักการพัฒนาโมเดลวิเคราะห์ข้อมูลที่ใช้เวลาพัฒนานานเกินไป และยังไม่ยืดหยุ่นมากพอในการแก้ไขปัญหาที่เกิดขึ้นแบบเรียลไทม์ รวมถึงไม่สามารถวิเคราะห์สถานการณ์ที่เปลี่ยนแปลงไปตลอดเวลา
จากปัญหาดังกล่าว พชร อารยะการกุล ประธานเจ้าหน้าที่บริหาร บริษัท บลูบิค กรุ๊ป จำกัด บอกว่า ส่งผลให้หลายองค์กรยังไม่ประสบความสำเร็จในการแปลงข้อมูลทั่วไป (Data) ให้กลายเป็นข้อมูลเชิงลึก (Insights) ที่สร้างมูลค่าเพิ่มให้องค์กรพบว่า มีเพียง 15% ของโครงการ Data Science ทั่วโลกที่สามารถช่วยแก้ปัญหาและวิเคราะห์ข้อมูลธุรกิจได้จริง ตามการเปิดเผยเมื่อปี 2562 ของ Gartner บริษัทเทคโนโลยีชื่อดังของสหรัฐ
ดังนั้น หากต้องการประสบความสำเร็จ ควรนำหลักการ Agile มาปรับใช้ได้ ภายใต้หลักการทำงาน 3 ข้อ ได้แก่
1.การปรับให้ทีม Data Science ทำงานแบบ Agile เพื่อเพิ่มความคล่องตัวในการทำงาน โดยมีหลักการดังนี้
– พัฒนาโมเดลวิเคราะห์ตามข้อมูลที่มีอยู่ เพื่อเน้นเปลี่ยนข้อมูลธรรมดาให้กลายเป็นข้อมูลที่มีคุณค่าต่อการทำธุรกิจในเวลาอันรวดเร็ว
– แบ่งปันข้อมูลร่วมกันเป็นประจำ ทั้งภายในทีม Data Science ทีมนักพัฒนาผลิตภัณฑ์ และตัวผู้ใช้ผลิตภัณฑ์เพื่อให้ได้ข้อมูลใหม่ๆ แบบเรียลไทม์
– ส่งมอบผลลัพธ์อย่างสม่ำเสมอ ผ่านการทดลองสร้างโมเดลและวิเคราะห์ข้อมูลแบบต่างๆ เพื่อลองดูผลตอบรับ และหาทางสร้างผลลัพธ์ที่ดีที่สุด
2.การปรับเส้นทางการไหลของข้อมูล (Data Pipeline)
การปรับ Data Pipeline สามารถดำเนินการได้โดยทำให้เส้นทางการไหลของข้อมูลเป็นไปอย่างอัตโนมัติมากที่สุดเพื่อเพิ่มความรวดเร็วในการนำข้อมูลมาใช้ หรือเรียกว่า DataOps ตั้งแต่ขั้นตอนการจัดเก็บข้อมูล ทำความสะอาดข้อมูล กรองข้อมูล เรียนรู้ข้อมูล ทำรายงานข้อมูล นำเสนอข้อมูล และการแบ่งปันข้อมูลด้วยการนำ DataOps มาปรับใช้
3.การปรับการทำงานของหน่วยงานภายในเป็นแบบอัตโนมัติด้วย Augmented Analytics
การเพิ่มความรวดเร็วภายในหน่วยธุรกิจ เป็นส่วนสำคัญที่ช่วยเพิ่มประสิทธิภาพในการนำข้อมูลไปใช้เพื่อค้นหาข้อมูลเชิงลึก (Insights) ซึ่งสามารถดำเนินการผ่านการผสมผสานการเรียนรู้ของเครื่องจักรและปัญญาประดิษฐ์ (Artificial Intelligence/ Machine Learning: AI/ML) เข้ากับการประมวลภาษาธรรมชาติ (Natural Language Processing) กลายเป็นการวิเคราะห์ข้อมูลโดยอัตโนมัติ หรือที่เราเรียกว่า Augmented Analytics โดยการประยุกต์ใช้ Augmented Analytics สามารถนำไปปรับใช้ได้กับทั้งระบบงานส่วนหน้า (Front Office) ระบบงานส่วนกลาง (Middle Office) และระบบงานส่วนหลัง (Back Office)
“หากธุรกิจต้องการนำข้อมูลมหาศาลในมือมาขับเคลื่อนให้รายได้เติบโตอย่างรวดเร็ว และสร้างความได้เปรียบในสมรภูมิการแข่งขันยุคดิจิทัล การนำ Data Science มาช่วยวิเคราะห์ข้อมูลเพียงอย่างเดียวคงไม่เพียงพอ แต่ต้องทำให้ข้อมูลสร้างมูลค่าเพิ่มให้องค์กรในเวลาอันรวดเร็ว ซึ่ง Agile จะช่วยได้ เพราะเป็นแนวคิดการทำงานที่เน้นความคล่องตัว ลดขั้นตอนการทำงาน เน้นการสื่อสารระหว่างบุคลากรต่างทีมเพื่อสร้างความเข้าใจ กระจายอำนาจการตัดสินใจ วางแผนและส่งมอบงานเป็นชิ้นเล็กๆ ให้สามารถแก้ปัญหาหรือข้อผิดพลาดในแต่ละในส่วนได้ในเวลาอันรวดเร็ว แตกต่างจากการทำงานแบบ Waterfall ที่มีการวางแผนการทำงานตั้งแต่เริ่มต้นจนจบโครงการในรอบเดียว ทำให้แก้ไขปัญหาไม่ทันเมื่อพบความผิดพลาด”
