หลายองค์กรคงเริ่มโครงการพัฒนากลยุทธ์สำหรับงาน Big Data กันไปบ้างแล้ว ในขณะที่หลายคน อาจจะยังลังเล ไม่รู้ว่าจะเริ่มอย่างไรดี บทความฉบับนี้นำเสนอแนวทาง และข้อพิจารณาที่จะช่วยให้การเริ่มพัฒนา Big Data Strategy ทำได้ง่ายขึ้น
เริ่มด้วยการประเมินความพร้อม
เมื่อมีเป้าหมายแล้วว่า องค์กรของเราต้องการก้าวเดินไปในเส้นทางของการใช้ Big Data สิ่งที่ต้องทำต่อไปคือการสร้างแผนที่ Strategy หรือกลยุทธ์ ก็เปรียบเสมือนแผนที่ขององค์กร ว่าจะเลือกเส้นทางใด ใช้วิธีการอย่างไร เพื่อก้าวไปสู่เป้าหมายนั้น
การประเมินความพร้อม หรือ readiness assessment เป็นการกำหนดจุด “You are here” ในแผนที่นั้น หากเราประเมินไม่ถูกต้องการจะทำให้การพัฒนากลยุทธ์ที่ตามมา อาจไปถึงจุดหมายล่าช้าไป หรือถึงกับทำให้หลงทางไปเลยก็เป็นได้
แผนกไอทีเป็นหน่วยงานที่เหมาะสมในการประเมินความพร้อม ประเด็นสำคัญคือ อย่ามุ่งเน้นอยู่เฉพาะการประเมินความสามารถทางเทคโนโลยี หรือด้านการจัดการข้อมูลอย่างเดียวเท่านั้น ปัจจัยหลักของความสำเร็จในการนำ Big Data มาใช้ในองค์กร ขึ้นอยู่กับความพร้อมทางด้านองค์กรด้วย
โดยรวมแล้วการประเมินความพร้อมทั้งด้าน Technical Readiness และ Organization Readiness จึงมีความสำคัญไม่ยิ่งหย่อนไปกว่ากัน
Maturity Stages
เพื่อให้การประเมินมีเกณฑ์วัดและบริบทที่ง่ายต่อความเข้าใจ เราจำเป็นต้องใช้โมเดลการเจริญเติบโต หรือ Maturity Model เป็นเครื่องมือสร้างกรอบในการเปรียบเทียบ โดยการแบ่งสถานะความพร้อมหรือความก้าวหน้าไว้เป็นช่วงหรือ Stage
Big Data Maturity Model มีหลายรูปแบบ แต่ส่วนใหญ่จะมีประมาณ 5-6 ช่วง บทความนี้จะใช้โมเดลของ TDWI (The Data Warehouse Institute : tdwi.org) เป็นแนวทางหลัก
ที่มา: TDWI Big Data Maturity Model and Assessment
โมเดลดังกล่าว แบ่งลำดับขั้นความเติบโตของ Big Data ไว้เป็น 5 Stage ดังนี้
Stage 1: Nascent
องค์กรที่ยังอยู่ในขั้นนี้ ถึงว่ายังอยู่ในยุค Pre-Big Data ไม่ได้มีการพูดถึงหรือวางแผนที่จะนำ Big Data มาใช้ในองค์กรเลย อาจจะมีผู้สนใจอยู่บ้าง แต่ไม่มีการสนับสนุนจากผู้บริหาร เทคโนโลยี และการจัดการข้อมูลยังกระจัดกระจาย อาจจะมีหน่วยงานที่ทำการวิเคราะห์ข้อมูลอยู่บ้าง แต่มักจะฝังตัวอยู่ตามแผนกอย่างการตลาด และทำงานอยู่เฉพาะในแผนกเท่านั้น
Stage 2: Pre- Adoption
องค์กรในขั้นนี้ เริ่มมีความสนใจในการนำ Big Data มาใช้งานบ้างแล้ว อาจมีการลงทุนบางอย่างในเทคโนโลยี เช่น Hadoop ด้วยคาดว่าจะมีการมาใช้งานในอนาคตอันใกล้ แต่ยังอยู่ในระดับแผนกหรือเป็นแค่ Proof of Concept เท่านั้น ในแง่องค์กร อาจจะมีแค่ CIO เท่านั้นที่เป็นผู้สนับสนุน ยังไม่มีผู้นำหน่วยงานธุรกิจอื่นเข้าร่วมนัก แนวคิดยังคงเป็นเพียงแค่การทดลองใช้เท่านั้น
Stage 3: Early Adoption
ในขั้นนี้ องค์กรที่เริ่มทำ Proof of Concept สำหรับ Big Data แอพพลิเคชัน เริ่มนำแอพพลิเคชันเหล่านั้นออกมาใช้งานแบบ production แล้ว อาจจะเพียงแค่ 1-2 แอพพลิเคชันในช่วงเริ่มต้น แต่เริ่มมีผู้บริหารให้ความสนใจมากขึ้น เริ่มมีผลตอบแทนจาก POC เริ่มมีการใช้เทคโนโลยีหรือแพลตฟอร์มในลักษณะ production บ้างแล้ว แต่ยังไม่สำคัญเท่ากับระบบงานหลักขององค์กร เริ่มมีการพัฒนามาตรฐานการจัดการข้อมูล และควบคุมคุณภาพของข้อมูลในระดับทั่วทั้งองค์กร องค์กรทั่วไปมีแนวโน้มที่จะอยู่ในขั้นนี้นานกว่า stage อื่นๆ
Chasm
ช่องว่างที่ต้องกระโดดข้ามไป หลายองค์กรที่ไม่สามารถก้าวข้ามช่องว่างนี้ไปได้ ก็จะยังคงวนเวียนอยู่ในฝั่งของ Early Adoption แต่หากสามารถข้ามพ้นไปได้ ก็จะเข้าไปสู่การนำ Big Data ไปใช้อย่างกว้างขวางทั่วทั้งองค์กร ความท้าทายหลักๆ ที่ต้องเอาชนะเพื่อก้าวข้าม Chasm ไปให้ได้ ประกอบไปด้วยทั้งเรื่องงบประมาณ ซึ่งเงินจากฝ่ายไอทีอย่างเดียวคงไม่เพียงพออีกต่อไปแล้ว หรือเรื่องการเมืองภายในองค์กร จากวิสัยทัศน์ของหน่วยงานที่อาจแตกต่างกัน รวมไปจนถึงหัวข้ออื่นๆ ที่ต้องเตรียมความพร้อมก่อนใช้งานทั่วทั้งองค์กร เช่น มาตรฐานธรรมาภิบาล การรักษาความปลอดภัยข้อมูล หรือจำนวนพนักงานที่มีทักษะเกี่ยวกับ Big Data มากเพียงพอ เป็นต้น
Stage 4: Corporate Adoption
เป็นขั้นตอนที่เกิดการนำไปใช้เป็นวงกว้างในองค์กร เกิดผู้ใช้หน้าใหม่ขึ้นเป็นจำนวนมาก มีการเปลี่ยนแปลงกระบวนการตัดสินใจที่เปลี่ยนมาอิงกับข้อมูลมากขึ้น ผู้บริหารเริ่มตระหนักแล้วว่า การวิเคราะห์ข้อมูล Big Data ไม่ได้เพียงแค่ประหยัดต้นทุนการจัดการข้อมูล แต่ยังถือเป็นความได้เปรียบในการแข่งขันอย่างสำคัญด้วย
โครงสร้างพื้นฐานเกี่ยวกับ Big Data มีความเป็นมาตรฐานมากขึ้น มีกระบวนการจัดการเกี่ยวกับข้อมูลที่ชัดเจน อีกทั้งมีการแบ่งปันข้อมูลในหลากหลายรูปแบบ และเริ่มมีการสร้าง Analytics Center Of Excellence หรือมีการรวมศูนย์เกี่ยวกับการวิเคราะห์ข้อมูล เพื่อให้บริการแก่หลากหลายหน่วยงานในองค์กร
Stage 5: Mature / Visionary
มีองค์กรเพียงจำนวนไม่กี่แห่งเท่านั้นในตอนนี้ที่อาจจัดได้ว่า อยู่ใน Mature stage เกี่ยวกับการใช้งาน Big Data โดยผู้บริหารจะมอง Big Data เป็น “วิธีการทำธุรกิจ” หรือเป็นองค์ประกอบสำคัญที่ขาดไม่ได้ มีการพยายามหาวิธีการใช้งานใหม่ๆ เพิ่มมากขึ้น ในแง่ของเทคโนโลยี แพลตฟอร์ม Big Data จะกลายเป็นแพลตฟอร์มหลักไม่แตกต่างจาก ERP system ซึ่งกลายเป็นระบบที่เรียกว่า mission-critical และแนวคิดของการวิเคราะห์ข้อมูลขั้นสูงจะถูกพัฒนาต่อเนื่องไปอย่างไม่หยุดยั้ง โดย Analytics COE จะกลายเป็นส่วนหนึ่งของ Innovation Team ที่ทำงานร่วมกับภาคธุรกิจนำนวัตกรรมใหม่ๆ มาสู่องค์กร
ความพร้อมทางเทคนิค (Technical Readiness)
การประเมินความพร้อมทางเทคนิค มักจะเป็นเรื่องที่ฝ่ายไอทีสามารถดำเนินการประเมินได้เองภายในหน่วยงาน โดยรวม คำถามเหล่านี้จะช่วยให้สามารถประเมินได้ว่า หน่วยงานของเรา พร้อมแค่ไหนในการจัดการข้อมูลขนาดใหญ่ ตลอดจนการนำรูปแบบการวิเคราะห์ข้อมูลชั้นสูงมาใช้งาน
หัวข้อการประเมินความพร้อม สามารถแบ่งเป็นกลุ่มใหญ่ๆ ได้ดังนี้
1.Infrastructure
2.Data Management
3.Analytics
4.Governance
บทความนี้จะพยายามยกตัวอย่างในแต่ละหัวข้อ โดยยกเรื่อง “คำถาม” ที่น่าจะช่วยวางกรอบการประเมินความพร้อมได้ แต่คำถามเหล่านี้ เป็นเพียงแนวทางเท่านั้น เราอาจเพิ่มเติมหรือปรับเปลี่ยนคำถามได้ตามความเหมาะสม
โครงสร้างพื้นฐาน (Infrastructure)
งาน Big Data ต้องการใช้เทคโนโลยีที่ค่อนข้างใหม่ การจัดการโครงสร้างพื้นฐานจึงกลายเป็นประเด็นทางเทคนิคแรกๆ ที่ผู้นำด้านไอทีมักให้ความสำคัญ ลองสำรวจระบบโครงสร้างพื้นฐานโดยเฉพาะส่วนการจัดการข้อมูล ด้วยคำถามเหล่านี้
สถาปัตยกรรม หรือ Architecture ขององค์กร มีความพร้อมมากเพียงใด กลมกลืนหรือแปลกแยกแตกต่างกันแค่ไหน
เทคโนโลยีในปัจจุบันที่ใช้อยู่ จะสามารถ scale ให้ใหญ่ขึ้น เพื่อรองรับโหลดข้อมูลที่มากขึ้นได้รวดเร็วเพียงใด
หน่วยงานสามารถจัดการ performance กับ capacity ได้ดีเพียงใด มีการวางแผนขยาย ซ่อมบำรุง สำรอง หรือแนวปฏิบัติในภาวะวิกฤต (disaster recovery) พร้อมเพียงใด
กลุ่มเทคโนโลยีที่ใช้ มีลักษณะ “เปิด” มากเพียงใด หรือพึ่งพิงอยู่กับเทคโนโลยี proprietary แบบใดแบบหนึ่งเป็นพิเศษหรือไม่
แนวทางการเพิ่มความสามารถทางด้านโครงสร้างพื้นฐาน สามารถค่อยๆ เพิ่มเป็นส่วนๆ ได้ หรือจำเป็นต้องทำแบบ Big Bang
การจัดการข้อมูล (Data Management)
ความพร้อมในด้านการจัดการข้อมูล นับเป็นปัจจัยหลักที่สำคัญอีกประการหนึ่งที่จำเป็นต้องทำการประเมิน อุปสรรคสำคัญของการเริ่มใช้ Big Data ในองค์กร คือความกระจัดกระจายของข้อมูลในองค์กร นักวิทยาศาสตร์ข้อมูลใช้เวลาส่วนมากในการรวบรวม เรียบเรียง จัดกลุ่ม และเชื่อมโยง ข้อมูลจากหลายๆ แหล่งเข้าด้วยกัน ก่อนที่จะเริ่มสามารถทำการวิเคราะห์ได้ ตัวอย่างคำถามที่ใช้ในการประเมินความพร้อมด้าน data management ในองค์กร ประกอบด้วย
ภายในองค์กร ได้มีการกำหนดมาตรฐาน หรือนิยามของข้อมูลที่ใช้ร่วมกันหรือไม่ หรือแต่ละแผนก ต่างใช้นิยามข้อมูลของตัวเอง
ได้มีการกำหนด ความเป็นเจ้าของ หรือผู้มีหน้าที่รับผิดชอบเกี่ยวกับข้อมูลอย่างชัดเจนหรือไม่
มีการกำหนด คุณภาพของข้อมูล (Data Quality) และกระบวนการจัดการกับคุณภาพข้อมูลหรือไม่
แหล่งเก็บข้อมูลอย่างเป็นทางการขององค์กร ได้มีการนิยามไว้หรือไม่ว่า ระบบใดจะเป็น System of Record หรือ “ข้อมูลอย่างเป็นทางการ” และมีกี่ระบบ แต่ละแห่งใช้เทคโนโลยีหรือกระบวนการจัดเก็บที่แตกต่างกันหรือไม่อย่างไร
ความสามารถในการทำ Data Integration ขององค์กรเป็นอย่างไร การคำนวณหรือการรวมข้อมูลที่มาจากแหล่งที่แตกต่างกัน มีการกำหนดกฎเกณฑ์ที่ชัดเจนไว้หรือไม่
ในองค์กรมีแนวทางจัดการข้อมูลหลัก หรือ Master Data Management หรือไม่
การวิเคราะห์ข้อมูล (Analytics)
ความสามารถในการวิเคราะห์ข้อมูลขององค์กร จะเป็นเครื่องบ่งชี้ว่า ในปัจจุบัน องค์กรนั้นๆ “ใช้” ข้อมูลหรือสารสนเทศที่มีอยู่ได้คุ้มค่าเพียงใด ความสามารถในการวิเคราะห์ข้อมูล มีระดับแตกต่างกันตั้งแต่การใช้รายงานธรรมดา การวิเคราะห์ข้อมูลแบบ Ad-Hoc ด้วย OLAP (Online Analytical Processing) ไปจนถึงการใช้ระบบพยากรณ์ข้อมูลที่ซับซ้อน ตัวอย่างคำถามด้านการวิเคราะห์ข้อมูลประกอบด้วย
มีการใช้รายงานมาตรฐาน (Standard Reports) ในการจัดการผลประกอบการ (Performance Management) หรือไม่ อย่างไร หรือไม่มีการควบคุมรูปแบบรายงาน ต่างคนต่างสร้าง ต่างคนต่างใช้
องค์กรมีระบบ Business Intelligence หลักหรือไม่ หรือแต่ละแผนกต่างใช้ระบบของตัวเองเป็นเอกเทศ
เครื่องมือที่ใช้ในการวิเคราะห์ข้อมูลภายในองค์กร มีกี่ชนิด ใครเป็นผู้กำหนดนโยบายการเลือกใช้เครื่องมือ
องค์กรได้มีการใช้งานในลักษณะต่างๆ เหล่านี้หรือไม่ เช่น Reporting, Querying, Monitoring, Dashboard, Scorecards, Ad-hoc Analysis, Guided Analysis, Planning and Forecasting หากมี ใช้ในกระบวนการใดบ้าง และแพร่หลายเพียงใด
องค์กรได้มีการใช้งานการวิเคราะห์ข้อมูลขั้นสูง หรือ Advanced Analytics บ้างหรือไม่ เช่น Predictive Analytics, Data Mining, Simulation หรือ Optimization หากมี หน่วยงานใดใช้ และใช้เครื่องมือใด
เจ้าหน้าที่ในองค์กร มีความรู้หรือความชำนาญเพียงใดในการใช้เครื่องมือวิเคราะห์ข้อมูลแต่ละรูปแบบ
การจัดการระบบควบคุม (Governance)
การจัดการควบคุม ในส่วนของข้อมูล อาจถูกมองได้ว่าเป็นหัวข้อที่อยู่กึ่งกลางระหว่าง ความพร้อมเชิงเทคนิค และความพร้อมทางด้านองค์กร แผนกไอทีอาจไม่ได้เป็นผู้นำในหัวข้อเหล่านี้ แต่การจัดการควบคุมก็เป็นเรื่องสำคัญ โดยเฉพาะอย่างยิ่งเมื่อมีส่วนที่เกี่ยวข้องกับระดับนโยบายขององค์กร ตัวอย่างคำถามการประเมินความพร้อมด้าน Governance ประกอบด้วย
องค์กรมีการกำหนดนโยบายด้าน Information Security หรือไม่ มีการบังคับใช้มากน้อยเพียงใด
การปกป้องข้อมูลเข้มแข็งเพียงใด มีการทำ Disaster Recovery Plan หรือไม่
นโยบายการปกป้องข้อมูลส่วนบุคคล (Privacy Policy) เป็นอย่างไร มีการบังคับใช้มากน้อยเพียงใด
มีการกำหนด Stewardship หรือบทบาทของผู้ดูแลหรือไม่
ความพร้อมทางด้านองค์กร (Organization Readiness)
Big Data ไม่ได้เป็นเพียงแค่กลุ่มของเทคโนโลยีใหม่ๆ ที่ดูแลจัดการโดยฝ่ายไอทีเท่านั้น การประสบความสำเร็จจะเป็นไปไม่ได้เลย หากองค์กรยังไม่พร้อมที่จะใช้ Maturity Model บางรูปแบบ (เช่น รูปแบบ Harvard Business Review หรือ Forrester Research) ถึงกับเน้นความสำคัญด้านองค์กร มากกว่าทางด้านเทคโนโลยี
ปัจจัยความพร้อมด้านองค์กรเหล่านี้ อยู่นอกเหนือขอบเขตการดูแลของฝ่ายไอที และจำเป็นต้องอาศัยการสนับสนุนจากผู้บริหารองค์กรที่มีวิสัยทัศน์ อย่างไรก็ตาม ฝ่ายไอทีสามารถทำหน้าที่เป็นผู้ดำเนินรายการ หรือ Facilitator ในการประเมินความพร้อมได้
หัวข้อการประเมินความพร้อมด้านองค์กร สามารถแบ่งเป็นกลุ่มใหญ่ๆ ได้ดังนี้
Leadership Style ,Talent Management ,Decision Making, Organization Culture
สไตล์ของผู้นำองค์กร (Leadership Style)
คำถามเหล่านี้ จะช่วยให้เราสามารถมองหาผู้สนับสนุนหลักของโปรแกรมได้
มีการกำหนดเป้าหมายระยะยาวที่ชัดเจนสำหรับองค์กรหรือไม่
มีการนิยาม “ความสำเร็จ” ที่ชัดเจนและวัดผลได้หรือไม่
มีแนวคิดเชิงนวัตกรรม และวิสัยทัศน์ระยะยาวหรือไม่
ผู้นำองค์กร มีการปฏิสัมพันธ์กับลูกค้า และผู้มีส่วนเกี่ยวข้องอื่นๆ (เช่น พนักงาน) อย่างสม่ำเสมอหรือไม่
การจัดการบุคลากร (Talent Management)
งาน Big Data ต้องใช้บุคลากรที่กำลังขาดแคลน ความสามารถขององค์กรในการจัดการบุคคลากรเหล่านี้จึงมีความสำคัญ
องค์กรปัจจุบันมีการจ้างเจ้าหน้าที่ทางด้านวิเคราะห์ข้อมูล อาทิ นักวิเคราะห์ข้อมูล นักเศรษฐศาสตร์ นักสถิติ นักวิทยาศาสตร์ข้อมูล อยู่บ้างหรือไม่
ทีมงานที่ทำหน้าที่วิเคราะห์ข้อมูล สามารถ “สื่อสาร” ในเชิงธุรกิจ ได้มีประสิทธิภาพเพียงใด หรือพูดอะไรไปก็ไม่มีใครเข้าใจ
องค์กรมีโครงสร้างหรือขั้นตอนการทำงานที่สนับสนุนการ “ทดลอง” หรือ “วิจัย” ได้ดีเพียงใด
กระบวนการตัดสินใจ (Decision Making)
กระบวนการตัดสินใจ จะเป็นสิ่งที่เกิดการเปลี่ยนแปลงอย่างขนานใหญ่ที่สุด หาก Big Data ถูกนำมาใช้ การประเมินความพร้อมด้านกระบวนการตัดสินใจในองค์กร จะช่วยให้เราเตรียมวางแผนได้ถูกต้อง
การแบ่งปัน “อำนาจการตัดสินใจ (Decision Rights)” สำหรับการตัดสินใจที่ไม่เป็นเรื่องประจำ non-routine เป็นอย่างไร รวมศูนย์ กระจายตามแผนก หรือให้อำนาจพนักงานตัดสินใจได้มาก
มีการใช้ข้อมูลและการวิเคราะห์มากน้อยเพียงใด ในการตัดสินใจระดับปฏิบัติการแต่ละวัน หรือมักใช้การหยั่งรู้ (Intuition) หรือประสบการณ์ของผู้ปฏิบัติเป็นหลัก
การตัดสินใจในเชิงกลยุทธ์ระดับสูง มีการใช้ข้อมูลและการวิเคราะห์สนับสนุนมากเพียงใด หรือผู้บริหารใช้การหยั่งรู้และประสบการณ์เป็นหลัก
วัฒนธรรมองค์กร (Organization Culture)
วัฒนธรรมองค์กร เป็นปัจจัยสำคัญที่ส่งผลต่ออัตราความสำเร็จในการเปลี่ยนแปลงใดๆ กับองค์กร วัฒนธรรมองค์กรเหล่านี้ ควรถูกพิจารณาก่อนเริ่มนำ Big Data มาใช้
องค์กรของท่าน คุ้นเคยต่อการใช้งานเครื่องมือ หรือวิธีการใหม่ๆ มากน้อยเพียงใด
วัฒนธรรมการใช้งานข้อมูลเป็นอย่างไร คนในองค์กรเชื่อข้อมูล หรือเชื่อความรู้สึกและประสบการณ์มากกว่ากัน
มีการส่งเสริมสนับสนุนอย่างไรบ้าง (เช่น การใช้รางวัล คำชมเชย) กับพฤติกรรมการทำงานที่ใช้ข้อมูลเป็นหลัก
ข้อสังเกต
การประเมินความพร้อมทางด้านองค์กร เป็นเรื่องละเอียดอ่อน และผลลัพธ์ที่ได้อาจขึ้นอยู่กับมุมมองส่วนตัวของผู้ประเมิน หรือผู้ให้ข้อมูล
แนวทางการประเมินและพัฒนากลยุทธ์
ขั้นตอนโดยสังเขปของการประเมินความพร้อมและพัฒนากลยุทธ์ ประกอบด้วย
เลือก Maturity Model ที่ต้องการใช้อ้างอิง บทความนี้อ้างถึงโมเดลของ TDWI แต่โมเดลอื่นๆ ก็สามารถใช้ได้เช่นเดียวกัน กำหนดเป้าหมาย ว่าต้องการพาองค์กรของเรา ไปสู่ขั้นใดในโมเดลที่เลือก
สร้างแบบประเมิน ตามหัวข้อต่างๆ ข้างต้น และกำหนดคะแนนหรือ Score ของแต่ละหัวข้อ ตามลำดับขั้นของ Maturity Model ที่เลือกไว้
ลงมือทำการประเมิน อาจจะใช้วิธีการสัมภาษณ์ผู้เกี่ยวข้อง และให้คะแนนแต่ละหัวข้อ
สรุปผล โดยการสร้างแผนภาพลักษณะคล้ายภาพนี้ ซึ่งแสดงให้เห็นช่องว่าง ของความพร้อมในแต่ละหัวข้อว่า ความพร้อมในปัจจุบัน มีความแตกต่างจากความพร้อมของเป้าหมายมากน้อยเพียงใด
ควรสังเกตว่า เป็นเรื่องปกติ ที่ความพร้อมในแต่ละด้านจะแตกต่างกัน ส่งผลให้ช่องว่างหรือ Capability Gap ในแต่ละหัวข้อแตกต่างกันด้วย บางองค์กรอาจมีความพร้อมมากในด้านเทคโนโลยี แต่ด้านองค์กรยังมีช่องว่างอยู่มาก ในขณะที่องค์กรอื่นอาจมีลักษณะกลับกัน
จากแผนภาพสรุป เราจะสามารถเห็นภาพรวมของเส้นทางการนำ Big Data มาใช้ในองค์กร ความสามารถในด้านใด ที่จำเป็นต้องพัฒนา ข้อมูลเหล่านี้ จะเป็นพื้นฐานสำคัญในการพัฒนากลยุทธ์ต่อไป
Carrying out a gib data readiness assessment
โดยสรุปสำหรับโครงการ Big Data แล้วนั้น มาพร้อมกับคำว่า Big Benefits ผลประโยชน์มหาศาลที่คาดว่าองค์กรจะได้รับหากนำ Big Data มาใช้ ส่งผลให้หลายคนเกิดความคลางแคลงใจ ไม่เชื่อว่าจะเป็นไปได้
บทความนี้คงวาดภาพให้เห็นได้ว่า ประโยชน์จาก Big Data ไม่ได้มาจากเทคโนโลยีเพียงอย่างเดียว แต่มาจากการพยายามปรับเปลี่ยนพัฒนาองค์กร ให้สามารถใช้ประโยชน์จากข้อมูลสารสนเทศได้อย่างที่ไม่เคยเป็นมาก่อน
เส้นทางสำหรับ Big Data นั้นทอดยาว และมีงานที่ต้องทำมากมายหลายด้าน แต่ด้วยการวางแผนอย่างรอบด้าน และการทำงานร่วมกับผู้บริหารที่มีวิสัยทัศน์สอดคล้องกัน เราสามารถเริ่มต้นได้โดยไม่ยากนัก
