ในยุคปัจจุบันที่โลกถูกขับเคลื่อนด้วยข้อมูล ผู้คนพึ่งพิงข้อมูลในการตัดสินใจต่างๆ กระบวนการคิดของคนทั่วไปหรือแม้แต่องค์กรต่างๆในทุกวันนี้ส่วนใหญ่อยู่บนฐานของการรวบรวมข้อมูล ประมวลผล เพื่อประกอบการตัดสินใจทำอะไรบางอย่าง
แต่ด้วยความที่ข้อมูลในปัจจุบันมีอยู่มากมายและกระจัดกระจาย คำถามสำคัญ คือ เราจะเข้าถึงข้อมูลมหาศาลเหล่านั้นและใช้ข้อมูลเหล่านั้นให้เป็นประโยชน์ได้อย่างไร จากคำถามดังกล่าวจึงทำให้คนหันมาสนใจสิ่งที่เรียกว่า Big data กันมากขึ้นจนกลายเป็นกระแสสังคมในปัจจุบัน
What is big data?
Big data คือ ข้อมูลที่ประกอบด้วยคุณลักษณะ 4 อย่างคือ
1. Volume — size ของข้อมูลมีขนาดใหญ่ มีปริมาณข้อมูลมาก ซึ่งสามารถเป็นได้ทั้งข้อมูลแบบ offline หรือ online
2. Variety — ข้อมูลมีความหลากหลาย สามารถเป็นได้ทั้งที่มีโครงสร้างและข้อมูลที่ไม่สามารถจับ pattern ได้
3. Velocity — ข้อมูลมีการเปลี่ยนแปลงตลอดเวลาอย่างรวดเร็ว มีการส่งผ่านข้อมูลอย่างต่อเนื่องในลักษณะ streaming ทำให้การวิเคราะห์ข้อมูลแบบ manual มีข้อจำกัด
4. Veracity — ข้อมูลมีความไม่ชัดเจน (untrusted, uncleaned)
โดยรูปแบบของข้อมูลของ big data ก็สามารถเป็นไปได้หลากหลาย ตั้งแต่
1. Behavioral data: ข้อมูลเชิงพฤติกรรมการใช้งานต่างๆเช่น server log, พฤติกรรมการคลิกดูข้อมูล, ข้อมูลการใช้ ATM เป็นต้น
2. Image & sounds: ภาพถ่าย, วีดีโอ, รูปจาก google street view, ภาพถ่ายทางการแพทย์, ลายมือ, ข้อมูลเสียงที่ถูกบันทึกไว้ เป็นต้น
3. Languages: text message, ข้อความที่ถูก tweet, เนื้อหาต่างๆในเว็บไซต์ เป็นต้น
4. Records: ข้อมูลทางการแพทย์, ข้อมูลผลสำรวจที่มีขนาดใหญ่, ข้อมูลทางภาษี เป็นต้น
5. Sensors: ข้อมูลอุณหภูมิ, accelerometer, ข้อมูลทางภูมิศาสตร์ เป็นต้น
Big data analytics
การวิเคราะห์ข้อมูล Big data อาศัยหลักการพื้นฐานบางอย่างเพื่อพัฒนาเป็นเทคนิคในการดึงข้อมูลสำคัญออกจากชุดฐานข้อมูลขนาดใหญ่ที่เต็มไปด้วยข้อมูลหลากหลายรูปแบบ เพื่อนำมาหา pattern ของข้อมูลที่มองไม่เห็นด้วยตาเปล่า หารูปแบบความสัมพันธ์ที่ซ่อนอยู่ หาแนวโน้มการตลาด เทรนด์ความชอบของลูกค้า และข้อมูลอื่นๆที่เป็นประโยชน์ทางธุรกิจ
ผลจากการวิเคราะห์ข้อมูล Big data ทำให้มีข้อมูลที่เป็นข้อเท็จจริงซึ่งผ่านการวิเคราะห์อย่างเป็นระบบเพื่อใช้ประกอบการตัดสินใจ โดยระดับของการวิเคราะห์ก็เป็นได้หลากหลาย แล้วแต่รูปแบบการนำไปใช้งาน
1. Descriptive analytics
เป็นการวิเคราะห์ในระดับที่บอกว่าเกิดอะไรขึ้น จำนวนเท่าไหร่ ถี่แค่ไหน
เกิดเหตุการณ์สำคัญๆตอนไหน ตรงไหนบ้าง เป็นต้น โดยสามารถทำในรูปแบบของ
- Standard report: “เกิดอะไรขึ้น”
- Ad hoc report: “จำนวนเท่าไหร่ บ่อยแค่ไหน ที่ไหน”
- Query: “อะไรคือปัญหาที่แท้จริง”
- Alerts: “ต้องเกิด action อะไร”
2. Predictive analytics
เป็นการวิเคราะห์ในลักษณะที่ซับซ้อนขึ้นไปอีกขั้นหนึ่งคือ เป็นการประเมินว่าจะเกิดอะไรขึ้นต่อไป มีการให้ข้อมูลตัวชี้วัดของผลลัพธ์ที่อาจจะเกิดขึ้นถ้าแนวโน้มยังเป็นอย่างนี้ต่อไป โดยผลการวิเคราะห์อาจออกมาในรูปแบบของ
- Statistical analysis: “ทำไมถึงเกิดเหตุการณ์นี้”
- Randomized testing: “จะเกิดอะไรขึ้นถ้าเราทดลองทำวิธีการนี้”
- Predictive modeling: “จะเกิดอะไรขึ้นต่อไป”
- Optimization: “อะไรคือสถานการณ์ที่ดีที่สุดที่จะเกิดขึ้น”
3. Prescriptive analytics
เป็นการสังเคราะห์ข้อมูลเพื่อวิเคราะห์แนวโน้มและเสนอทางเลือกในการตัดสินใจที่เหมาะสมกับการคาดการณ์บนฐานของข้อมูล
Why big data now?
มีหลายคนที่เกิดคำถามว่าทำไมเรื่อง big data จึงกลายเป็นกระแสในปัจจุบัน อ.ธีรณีได้ให้ความเห็นว่า กระแสนี้เป็นผลที่จากเกิดหลายๆองค์ประกอบ ไม่ว่าจะเป็น
- Demand for better data เกิดกระแสกดดันภายใต้บริบทของการปฏิรูป สภาวะทางเศรษฐกิจ และนวัตกรรมใหม่ๆ
- Supply of relevant data at scale มีการแพร่หลายและไหลเวียนของข้อมูลทั้งข้อมูลทางการแพทย์และข้อมูลอื่นๆที่สามารถเข้าถึงได้ทั่วไป
- Technical capability มีการพัฒนาเทคนิคในการวิเคราะห์ข้อมูลจำนวนมากที่ทันสมัย ทำงานง่ายขึ้นและเข้าถึงได้แพร่หลาย
- Government catalyzing market change มีแรงส่งจากภาครัฐที่ถูกกดดันให้มีการเปิดเผยข้อมูลให้โปร่งใสจนกระจายไปสู่ภาคธุรกิจอื่นๆ
จากนี้เราคงเห็นเทรนด์ในการใช้ Big Data ในการสร้างสรรนวัตกรรมใหม่ ๆ เกิดขึ้นอีกเรื่อย ๆ เป็นกระแสที่น่าติดตามอีกกระแสหนึ่งเลยทีเดียว
ในยุคสมัยนี้ ในนาทีนี้ จะมีคำเท่ๆคำหนึ่งที่ผู้บริหารองค์กรไม่ว่ารัฐหรือเอกชนทั้งขนาดใหญ่ ขนาดเล็ก มักจะกล่าวกันอยู่เสมอๆว่าเราจะนำมาใช้เพื่อทำให้องค์เราได้เปรียบ ทันสมัย มีความก้าวหน้า คือ Big Data ว่าแต่ Big Data ข้อมูลขนาดใหญ่คืออะไร ทำงานอย่างไร และนำไปใช้อะไรได้บ้าง เพื่อให้ความเข้าใจเกี่ยวกับ Big Data
มีมากขึ้นเรามาทำความเข้าใจเกี่ยวกับคำจัดความของคำว่า Big Data กันก่อน ในราวๆปี 2001 Gartner ได้ให้คำจำกัดความของคำว่า Big Data ไว้ว่า เป็นข้อมูลที่มีความหลากหลาย มีปริมาณมากๆ และมีความเร็วมากๆ ซึ่งรู้จักกันในนาม 3Vs (สามวี) พูดให้ง่ายๆคือ Big Data คือปริมาณข้อมูลที่มาก มีความซับซ้อน โดยเฉพาะที่มาจากแหล่งข้อมูลใหม่ๆ ด้วยปริมาณที่มากมายมหาศาลทำให้ไม่สามารถประเมินและวิเคราะห์ด้วยวิธีการ ซอฟต์แวร์ ฮาร์ดแวร์แบบเดิมๆ
แต่ข้อมูลมากมายมหาศาลเหล่านี้สามารถนำมาใช้ประโยชน์ได้ในทางธุรกิจที่ในอดีตไม่สามารถใช้ได้ ปริมาณข้อมูลที่มากเป็นปัจจัยที่มีความสำคัญ ในปริมาณข้อมูลที่มากมายมหาศาลนั้นที่เราจะต้องประมวลผลนั้นเป็นข้อมูลที่ไม่มีโครงสร้าง มีความหนาแน่นของข้อมูลต่ำ และข้อมูลพวกนี้อาจเป็นข้มมูลที่ไม่ทราบค่า เช่น ฟีดข้อมูลของเฟสบุ๊ค ทวีทเตอร์ การคลิ๊กบนเวปไซท์หรืออุปกรณ์แอพพลิเคชั่นต่างๆ หรืออุปกรณ์ที่มีเซนเซอร์
บางองค์การอาจมีข้อมูลให้ประมวลผลเป็นสิบๆเทราไบต์ หรือบางองกรค์อาจมีเป็น ร้อยๆเพตะไบต์ คือความเร็วของการรรับข้อมูลหรืออาจเป็นการกระทำใดๆ โดยปกติก็เป็นความเร็วสูงสุดที่ทำการสตีมข้อมูลลงในหน่วยความจำโดยตรงกับการบันทึกข้อมูลลงบนฮาร์ดดิสก์ เครื่องมือหรืออุปกรณ์ที่ใช้กับอินเตอร์เนตในสมัยนี้ก็เป็นการทำงานแบบเรียลไทม์หรือเกือบๆจะเรียลไทม์ ซึ่งจะต้องมีการประมวลผลแบบเรียลไทม์ Variety คือความหลากหลายของชนิดข้อมูล
ข้อมูลในสมัยก่อนมักเป็นพวกข้อมูลที่เป็นโครงสร้างและมีความพอดีกับฐานข้อมูลเชิงสัมพันธ์ ปัจจุบันข้อมูลมีขนาดใหญ่ขึ้นและเป็นข้อมูลแบบไม่มีโครงสร้างหรือกึ่งโครงสร้าง เช่น ข้อมูลแบบตัวอักษร ข้อมูลภาพ ข้อมูลเสียง ซึ่งต้องการการประมวลผลเพิ่มเติม เพื่อที่จะแปลความหมาย และหารายละเอียดคำอธิบายของข้อมูล (meta data) Big Data ในช่วง 2-3 ปีหลังมานี้ได้เพิ่มมาอีก 2 Vs คือ Value และ veracity ซึ่งคุณค่าและความจริง ซึ่งข้อมูลมันมีค่าอยู่ในตัวของมันเอง
แต่มันจะไม่มีประโยชน์เลยถ้าเราค้นไม่พบคุณค่าของมัน และความจริงของข้อมูลและความน่าเชื่อถือว่าเราจะเชื่อถือได้มากแค่ไหน ก็มีความสำคัญเท่าเทียมกันทั้งคุณค่าและความจริงของข้อมูล ในปัจจุบัน Big Data ได้กลายเป็นทุนหรือทรัพย์สินไปแล้ว ในบริษัทเทคโนโลยีขนาดใหญ่บางบริษัทมูลค่าของบริษัทเกิดมาจากข้อมูลของเขา และในขณะนี้เขาก็วิเคราะห์และประมวลผลเพื่อเพิ่มมูลค่าของข้อมูลให้สูงชึ้นไปอีก และด้วยความก้าวหน้าทางเทคโนโลยีในปัจจุบันส่งเสริมให้ราคาของอุปกรณ์การเก็บข้อมูลและคอมพิวเตอร์ลดลงแบบก้าวกระโดด
ทำให้การเก็บข้อมูลง่ายและมีราคาถูก การเก็บข้อมูลและการเข้าถึงข้อมูลขนาดใหญ่สามารถทำได้ง่ายๆและมีราคาถูก ทำให้การตัดสินใจด้านธุรกิจมีความแม่นยำและถูกต้องมากขึ้น การค้นหามูลค่าของข้อมูล Big Data มันไม่ใช่แค่การวิเคราะห์ธรรมดาเท่านั้น แต่มันต้องมีกระบวนการขั้นตอนทั้งหมด ซึ่งมีตั้งแต่การวิเคราะห์เชิงลึก ความต้องการของธุรกิจ ความสามารถในการถามข้อมูลที่ถูกต้องจากผู้บริหาร การจดจำรูปแบบ การให้ข้อมูลสำหรับสมมุติฐานต่างๆ และการทำนายพฤติกรรม เป็นต้น ถึงแม้ว่าแนวคิดเรื่องข้อมูลขนาดใหญ่หรือ
Big Data จะเป็นของใหม่และมีการเริ่มทำกันในไม่กี่ปีมานี้เอง แต่ต้นกำเนิดของชุดข้อมูลขนาดใหญ่ได้มีการริเริ่มสร้างมาตั้งแต่ยุค 60 และในยุค 70 โลกของข้อมูลก็ได้เริ่มต้น และได้พัฒนาศูนย์ข้อมูลแห่งแรกขึ้น และทำการพัฒนาฐานข้อมูลเชิงสัมพันธ์ขึ้นมา ประมาณปี 2005 เริ่มได้มีการตะหนักถึงข้อมูลปริมาณมากที่ผู้คนได้สร้างข้นมาผ่านสื่ออนไลน์ เช่น เฟสบุ๊ค ยูทูป และสื่ออนไลน์แบบอื่นๆ Hadoop เป็นโอเพ่นซอร์สเฟรมเวิร์คที่ถูกสร้างขึ้นมาในช่วงเวลาเดียวกันให้เป็นที่เก็บและวิเคราะห์ข้อมูลขนาดใหญ่
และในช่วงเวลาเดียวกัน NoSQL ได้ก็เริ่มขึ้นและได้รับความนิยมมากขึ้น การพัฒนาโอเพนซอร์สเฟรมเวิร์ค เช่น Hadoop (และเมื่อเร็ว ๆ นี้ก็มี Spark) มีความสำคัญต่อการเติบโตของข้อมูลขนาดใหญ่ เนื่องจากทำให้ข้อมูลขนาดใหญ่ทำงานได้ง่าย และประหยัดกว่า ในช่วงหลายปีที่ผ่านมาปริมาณข้อมูลขนาดใหญ่ได้เพิ่มขึ้นอย่างรวดเร็ว ผู้คนยังคงสร้างข้อมูลจำนวนมาก ซึ่งไม่ใช่แค่มนุษย์ที่ทำมันขึ้นมา การพัฒนาการของ IOT (Internet of Thing)
ซึ่งเป็นเครื่องมืออุปกรณ์ที่เชื่อมต่อกับอินเตอร์เนตก็ทำการเก็บและรวบรวมข้อมูลซึ่งอาจเป็นเรื่องที่เกี่ยวกับพฤติกรรมการใช้งานของลูกค้า ประสิทธิภาพของสินค้า หรือการเรียนรู้ของเครื่องจักรพวกนี้ล้วนทำให้มีข้อมูลขนาดใหญ่ แม้ว่ายุคของข้อมูลขนาดใหญ่ Big Data มาถึงและได้เริ่มต้นแล้ว แต่มันก็ยังเป็นเพียงแต่ช่วงแรกๆ และระบบระบบคลาวด์คอมพิวติ้งก็ได้ขยายความเป็นไปได้มากขึ้น คลาวด์มีความสามารถในการในการใช้งานได้อย่างยืดหยุ่นได้คำจำกัดความของ Big Data
3Vs ของ Big Data
V ที่1 คือ VOLUMEคุณค่าและความจริงของข้อมูล Big Data
ประวัติและความเป็นมาของ Big Data
ตัวอย่างการนำ Big Data ไปใช้
ข้อมูลขนาดใหญ่หรือ Big Data ช่วยให้เราสามารถจัดการงานทางธุรกิจได้อย่างมีประสิทธิภาพ ได้ตั้งแต่การเก็บข้อมูลของลูกค้าเพื่อสร้างประสบการณ์ที่ดีให้กับลูกค้า เป็นต้น ต่อนี้ไปเป็นตัวอย่างเพียงส่วนหนึ่งของการใช้ข้อมูล Big Data
การพัฒนาผลิตภัณฑ์บริษัท Netflix และ บริษัท Procter & Gamble ได้ใช้ข้อมูล Big Data ช่วยในการคาดการณ์ความต้องการของลูกค้า พวกเขาสร้างโมเดลเชิงคาดการณ์สำหรับผลิตภัณฑ์และบริการใหม่ ๆ โดยการจำแนกคุณลักษณะที่สำคัญของผลิตภัณฑ์หรือบริการในอดีตและปัจจุบันและสร้างแบบจำลองความสัมพันธ์ระหว่างคุณลักษณะเหล่านี้กับความสำเร็จในเชิงพาณิชย์ของข้อเสนอ นอกากนี้ยังมีบริษัท P&G ยังใช้ข้อมูลของสื่อสังคมออนไลน์ในการวิเคราะห์ ในการทดสอบตลาดและเปิดตัวสินค้าในช่วงต้น เพื่อวางแผนการผลิตและเปิดตัวสินค้าใหม่
การคาดการณ์เพื่อการบำรุงรักษาเครื่องจักรปัจจัยที่ใช้ทำนายการชำรุดของเครื่องจักรนี้ มาจากข้อมูลทั้งที่เป็นแบบมีโครงสร้างเช่น วันเดือนปี ที่ผลิต รุ่น และข้อมูลที่ไม่มีโครงสร้าง เช่นข้อมูลจากเว็นเซอร์ต่างๆ เช่นอุณภูมิของเครื่องยนต์ การทำงานผิดปกติของเครืองจักร ซึ่งข้อมูลเหล่านี้จะต้องได้รับการวิเคราะห์ก่อนที่จะเกิดปัญหา การวิเคราะห์ข้อมูลเหล่านี้ เพื่อกำหนดตารางซ่อมบำรุง เพื่อประหยัดงบการซ่อมบำรุง และรวมไปถึงการสต๊อกอะไหล่ต่างๆ เพืท่อให้การซ่อมบำรุงได้อย่างมีประสิทธิภาพ ทันเวลา และประหยัดงบประมาณ
สร้างประสบการณืที่ดีให้กับลูกค้าในสภาวะการแข่งขันทางการค้าในปัจจุบัน การเสนอประสบการณ์และข้อเสนอที่ดีที่สุดและตรงใจแก่ลูกค้าที่สุดก็จะเป็นผู้ได้เปรียบในการแข่งขัน ข้อมูลขนาดใหญ่หรือ Big Data ช่วยให้ธุรกิจรวบรวมข้อมูลจากสื่อสังคมออนไลน์ ผู้เข้าชมเว๊ปไซท์ ผู้เข้าใช้แอพพลิเคชั่น ข้อมูลการตอบโต้ทางโทรศัพท์ ข้อมูลการสนทนาผ่านสื่อต่างๆ เพื่อช่วยให้ปรับปรุงการสื่อสารกับลูกค้า และเพิ่มมูลค่าให้ได้มากที่สุดด้วยการส่งข้อเสนอสุดพิเศษให้ตรงใจกับลูกค้า และยังช่วยแก้ปัญหาที่เกิดกับลูกค้า เป็นการแก้ปัญหาเชิงรุกได้อย่างมีประสิทธิภาพ
การตรวจสอบการโกงและการปฏิบัติตามกฎระเบียบการโกงในระบบเครือข่ายอินเตอร์เนตไม่ได้มีเฉพาะจากแฮกเกอร์เท่านั้น ซึ่งเราจะต้องเผชิญกับผู้เช่ยวชาญในหลายๆรูปแบบ ในระบบการรักษาความปลอดภัยสมัยใหม่นี้ได้มีการพัฒนาอย่างไม่หยุดนิ่ง การใช้ข้อมูลขนาดใหญ่สามารถทำให้เราระบุรูปแบบของข้อมูลที่เข้าในรูปที่มิชอบ และไม่ถูกต้องตามข้อกำหนดของเราได้
การเรียนรู้ของเครื่องจักร Learning Machineการเรียนรู้ของเครื่องจักร หรือ Learning Machine กำลังเป็นที่นิยมอยู่ในขณะนี้ ข้อมูลโดยเฉพาะอย่างยิ่งข้อมูลขนาดใหญ่เป็นเหตุผลที่เราสามารถสอนเครื่องจักรได้ การมีข้อมูลขนาดใหญ่ทำให้ง่ายในการเตรียมข้อมูลในการสอนเครื่องจักรให้สามารถเรียนรู้ได้
ประสิทธิภาพในการปฏิบัติงานโดยปกติประสิทธิภาพในการปฏิบัติงานเรามักไม่ทราบว่าการดำเนินงานนั้นมีประสิทธิภาพเพียงใด แต่ในพื้นที่ที่มีข้อมูลขนาดใหญ่ ด้วยข้อมูลมูลขนาดใหญ่นี้ทำให้เราสามารถวิเคราะห์ และเข้าถึง การผลิตหรือการปฏิบัติงานได้ การตอบรับของลูกค้า รวมถึงปัจจัยอื่นๆที่จะทำให้ธุรกิจหยุดชะงักหรือขัดข้องได้ และสามารถคาดการณ์ความต้องการล่วงหน้าด้วยการวิเคราะห์ข้อมูลขนาดใหญ่ ข้อมูลขนาดใหญ่หรือ Big Data นี้ยังสามารถใช้เพื่อปรับปรุงการตัดสินใจให้สอดคล้องกับความต้องการของตลาดในปัจจุบันได้อีกด้วย
การขับเคลื่อนในการสร้างสรรค์สิ่งใหม่ๆข้อมูลขนาดใหญ่สามารถช่วยคุณในการสร้างสรรค์สิ่งใหม่ ๆ ได้โดยการศึกษาความสัมพันธ์ระหว่าง บุคคล สถาบัน หน่วยงาน องค์กร และกระบวนการ และดำเนินการกำหนดวิธีการใหม่ในการใช้ข้อมูลเชิงลึกเหล่านั้น ใช้ข้อมูลเชิงลึกเพื่อปรับปรุงการตัดสินใจเกี่ยวกับการพิจารณาเรื่องการเงิน วางแผนและพิจารณาแผนงาน ตรวจสอบแนวโน้มและสิ่งที่ลูกค้าต้องการ นำเสนอผลิตภัณฑ์และบริการใหม่ ๆ ใช้การกำหนดราคาแบบไดนามิก ที่มีความเป็นไปได้ไม่มีที่สิ้นสุด
Big Data ข้อมูลขนาดใหญ่ มันทำงานอย่างไร
ข้อมูลขนาดใหญ่ให้ข้อมูลเชิงลึกใหม่ ๆ เพื่อเปิดโอกาสและรูปแบบธุรกิจใหม่ ๆ การเริ่มต้นใช้งานประกอบด้วย 3 ขั้นตอนสำคัญดังนี้
การรวบรวมข้อมูล
การรวบรวมข้อมูลของ Big Data เป็นการรวบรวมข้อมูลของจากหลากหลายทั้งที่มาและการใช้งานที่แตกต่างกันอย่างมากมาย ซึ่งกลไกและเทคโนโลยีแบบดั้งเดิม ETL (extract, transform, and load) ไม่สามารถทำได้ ซึ่ง Big Data หรือ ข้อมูลขนาดใหญ่ต้องการเทคนิค วิธีการ และเทคโนโลยีใหม่ในการรวบรวมข้อมูลขนาด เทราไบต์ และอาจจะเป็นระดับเพธาไบต์เลยก็มี
ในการรวบรวมข้อมูลนั้นต้องมีการประมวลผล จัดรูปแบบ ให้เหมาะสำหรับการใช้ในการวิเคราะห์หรือใช้งานสำหรับธุรกิจหรือวัตถุประสงค์นั้นๆ
การจัดการข้อมูล
ข้อมูลขนาดใหญ่ หรือ Big Data นั้นมีความต้องการสถานที่จัดเก็บขนาดใหญ่ การจัดเก็บข้อมูลมูลขนาดใหญ่จะเป็นชนิดใดก็ได้ไม่ว่าจะเป็นแบบ on premises หรือ แบบ cloud ขึ้นกับความต้องการหรือความสะดวกในการใช้ ซึ่งเราสามารถใช้และประเมินผลได้เช่นเดียวกัน บางครั้งก็มีความจำเป็นที่ต้องจัดเก็บไว้ใกล้กับแหล่งข้อมูล หรือข้อมูลบางอันต้องการความยืดหยุ่นสูงและไม่ต้องการบริหารจัดการก็ใช้เป็นแบบ Cloud ซึ่งกำลังเป็นที่นิยมกันเป็นอย่างมาก
การวิเคราะห์
การลงทุนสร้างข้อมูลขนาดใหญ่ หรือ Big data จะมีประโยชน์หรือคุ้มค่าก็ต่อเมื่อคุณใช้และวิเคราะห์ข้อมูล การวิเคราะห์ข้อมูลทำให้เกิดความกระจ่างและชัดเจนในชุดข้อมูลที่คุณมีอยู่ การสำรวจข้อมูลยังทำให้เราค้นพบสิ่งใหม่ แชร์สิ่งที่ค้นพบใหม่ๆต่อคนอื่น สร้างรูปแบบจำลองข้อมูล ด้วยการเรียนรู้ของเครื่องจักรและปัญญาประดิษฐ์ AI และนำข้อมูลเหล่านั้นไปใช้งาน
เครดิตภาพ
Designed by Alvaro_Cabrera / Freepik
Designed
by rawpixel.com / Freepik