‘บลูบิค’ แนะองค์กรดัน 'Agile' พลิกโมเดลทำงานหนุนยุคดิจิทัล

‘บลูบิค’ แนะองค์กรดัน 'Agile' พลิกโมเดลทำงานหนุนยุคดิจิทัล

เปลี่ยนข้อมูลธรรมดาให้เป็นข้อมูลที่มีคุณค่าต่อการทำธุรกิจ

ปัญหาดังกล่าวส่งผลให้หลายองค์กร ไม่ประสบความสำเร็จในการแปลงข้อมูลทั่วไป (Data) ให้กลายเป็นข้อมูลเชิงลึก (Insights) สร้างมูลค่าเพิ่มให้องค์กร โดยพบว่า มีเพียง 15% ของโครงการดาต้า ไซอันซ์ทั่วโลก ที่สามารถช่วยแก้ปํญหาและวิเคราะห์ข้อมูลธุรกิจได้จริง 

การ์ทเนอร์ เผยว่า หากองค์กรต้องการประสบความสำเร็จทำโครงการ ดาต้า ไซอันซ์ สามารถนำหลักการอไจล์ มาปรับใช้ได้ โดยอไจล์เป็นแนวคิดการทำงานที่เน้นความคล่องตัว ลดขั้นตอนทำงาน มุ่งสื่อสารระหว่างบุคลากรต่างทีมเพื่อสร้างความเข้าใจ กระจายอำนาจการตัดสินใจ วางแผนและส่งมอบงานเป็นชิ้นเล็กๆ เพื่อสามารถแก้ปัญหาหรือข้อผิดพลาดแต่ละในส่วนได้ในเวลารวดเร็ว 

หลักการอไจล์ ต่างจากการทำงานแบบวอเตอร์ฟอลล์ (Waterfall) ที่มีการวางแผนการทำงานตั้งแต่เริ่มต้นจนจบโครงการในรอบเดียว ทำให้แก้ไขปัญหาไม่ทันเมื่อพบความผิดพลาด ดังนั้นการปรับใช้อไจล์ กับดาต้าไซอันซ์ จะสามารถเร่งกระบวนการพัฒนาโมเดลวิเคราะห์ข้อมูล เพื่อเพิ่มมูลค่าให้องค์กรได้ในเวลาอันรวดเร็ว

เปิดหลัก 3 ข้อ ทำงานยุคใหม่ 

หลักการทำงาน 3 ข้อ เริ่มตั้งแต่ 1.การปรับให้ทีมดาต้า ไซอันซ์ ทำงานแบบอไจล์ เพื่อเพิ่มความคล่องตัวในการทำงาน โดยเน้นพัฒนาโมเดลวิเคราะห์ตามข้อมูลที่มีอยู่ เน้นเปลี่ยนข้อมูลธรรมดาให้กลายเป็นข้อมูลที่มีคุณค่าต่อการทำธุรกิจในเวลาอันรวดเร็ว แบ่งปันข้อมูลร่วมกันเป็นประจำ ทั้งภายในทีมดาต้า ไซอันซ์ ทีมนักพัฒนาผลิตภัณฑ์ และตัวผู้ใช้ผลิตภัณฑ์เพื่อให้ได้ข้อมูลใหม่ๆ แบบเรียลไทม์ รวมถึงการส่งมอบผลลัพธ์อย่างสม่ำเสมอ ผ่านการทดลองสร้างโมเดลและวิเคราะห์ข้อมูลแบบต่างๆ และหาทางสร้างผลลัพธ์ที่ดีที่สุด

2. ปรับเส้นทางการไหลของข้อมูลให้อัตโนมัติมากที่สุด เพื่อเพิ่มความรวดเร็วในการนำข้อมูลมาใช้ หรือที่เรียกว่า DataOps ตั้งแต่ขั้นตอนการจัดเก็บข้อมูล ทำความสะอาดข้อมูล กรองข้อมูล เรียนรู้ข้อมูล ทำรายงานข้อมูล นำเสนอข้อมูล และการแบ่งปันข้อมูล 3.ปรับการทำงานของหน่วยงานภายในเป็นแบบอัตโนมัติด้วยอ็อกเมนเต็ด อนาไลติกส์ 

การเพิ่มความรวดเร็วภายในหน่วยธุรกิจ เป็นส่วนสำคัญที่ช่วยเพิ่มประสิทธิภาพการนำข้อมูลไปใช้เพื่อค้นหาข้อมูลเชิงลึก (Insights) ซึ่งสามารถดำเนินการผ่านการผสมผสานการเรียนรู้ของเครื่องจักรและปัญญาประดิษฐ์ หรือเอไอ /เอ็มแอล เข้ากับการประมวลภาษาธรรมชาติ กลายเป็นการวิเคราะห์ข้อมูลโดยอัตโนมัติ สามารถนำไปปรับใช้ได้กับทั้งระบบงานส่วนหน้า (Front Office) ระบบงานส่วนกลาง (Middle Office) และระบบงานส่วนหลัง (Back Office)

"หากธุรกิจต้องการนำข้อมูลมหาศาลในมือมาขับเคลื่อนให้รายได้เติบโตอย่างรวดเร็ว และสร้างความได้เปรียบในสมรภูมิการแข่งขันยุคดิจิทัล การนำ Data Science มาช่วยวิเคราะห์ข้อมูลเพียงอย่างเดียวคงไม่เพียงพอ แต่ต้องทำให้ข้อมูลสร้างมูลค่าเพิ่มให้องค์กรในเวลาอันรวดเร็ว โดยนำหลักการ Agile มาปรับใช้กับกระบวนการวิเคราะห์ข้อมูล เพื่อเพิ่มศักยภาพขององค์กร จนสามารถก้าวขึ้นเป็นผู้นำในยุคดิจิทัล” นายพชร ทิ้งท้าย