หากสังเกตให้ดีในช่วง 1-2 ปีที่ผ่านมา เราจะพบการพูดถึง ‘ข้อมูล’ ในแง่มุมต่าง ๆ อย่างมีนัยสำคัญ ไม่ว่าจะเป็นเทรนด์การปรับเปลี่ยนองค์กรเป็น ‘Data-Driven Organization (องค์กรที่ขับเคลื่อนด้วยข้อมูล)’ , ‘Data is Asset’ หมายความว่า ข้อมูลเป็นสินทรัพย์ที่มีค่า จนถึงเปรียบเปรยข้อมูลเป็นอาหารสมองของ AI สะท้อนให้เห็นว่าภาคธุรกิจกำลังให้ความสำคัญกับข้อมูลอย่างที่ไม่เคยเกิดขึ้นมาก่อน 

อย่างไรก็ตามการใช้งานข้อมูลจะบรรลุวัตถุประสงค์หรือไม่นั้น ขึ้นอยู่กับหลายองค์กรประกอบและหนึ่งในนั้น คือ ‘Data Governance’ หรือ การกำกับดูแลข้อมูล และบทบาทที่น่าจับตามองสำหรับก้าวต่อไปของ Data Governance คงหนีไม่พ้นความเกี่ยวพันถึงการพัฒนาโมเดล Artificial Intelligence – AI หรือ Machine Learning – ML และการใช้งานข้อมูลเพื่อหา Business Insights

Data Governance คืออะไร

Data Governance คือ กระบวนการกำกับดูแลข้อมูลตั้งแต่ ความพร้อมใช้งาน การใช้งาน ความสมบูรณ์และความปลอดภัยของข้อมูลบนระบบเครือข่าย ให้เป็นไปตามมาตรฐานภายในและนโยบายขององค์กร ซึ่งการกำกับดูแลที่มีประสิทธิภาพจะทำให้ข้อมูลปราศจากอคติ ถูกต้องและเชื่อถือถือได้ และไม่ถูกนำไปใช้อย่างผิด ๆ 

การบังคับใช้กฎหมาย/กฎระเบียบเกี่ยวกับความเป็นส่วนตัวของข้อมูลและการพึ่งพาระบบการวิเคราะห์ข้อมูล (Data Analytics) เพื่อเพิ่มประสิทธิภาพการดำเนินงานและขับเคลื่อนการตัดสินใจทางธุรกิจด้วยข้อมูล กำลังทำให้ Data Governance มีความสำคัญมากขึ้นเรื่อย ๆ และกำลังกลายเป็นส่วนสำคัญของกลยุทธ์การบริหารจัดการข้อมูล

ทำไม Data Governance ถึงสำคัญต่อธุรกิจ

หากปราศจากการกำกับดูแลข้อมูลที่ดี องค์กรต้องเผชิญปัญหา Data Inconsistencies (ความไม่สอดคล้องกันของข้อมูล) ยกตัวอย่าง ชื่อลูกค้าคนเดียวกัน แต่อยู่ในระบบฐานข้อมูลต่างแผนก เช่น ฝ่ายขาย ขนส่ง หรือฝ่ายบริการลูกค้า เมื่อแผนกใดแผนกหนึ่งเปลี่ยนชื่อลูกค้าในฐานข้อมูลของตนเอง แต่แผนกอื่นไม่ได้แก้ไขตามไปด้วย ส่งผลให้เกิดข้อมูลซ้ำซ้อนในฐานข้อมูล เป็นปัญหาต่อระบบการดำเนินงานของแผนกต่าง ๆ และปัญหาความถูกต้องสมบูรณ์ของข้อมูล (Data Integrity) ส่งผลกระทบต่อผลลัพธ์ของ Business Intelligence – BI หรือระบบอัจฉริยะที่ใช้แปลงข้อมูลเป็นข้อมูลเชิงลึกสำหรับธุรกิจได้ รวมถึงการจัดทำรายงานและแอปพลิชันที่มีการนำข้อมูลไปใช้ประโยชน์ ที่สำคัญข้อมูลที่ไม่ถูกต้องยังนำไปสู่ความล้มเหลวของการใช้ระบบวิเคราะห์ข้อมูลอัตโนมัติของ AI และ ML
ยิ่งไปกว่านี้การกำกับข้อมูลผิดพลาด ยังนำไปสู่การละเมิดกฎระเบียบที่เกี่ยวข้องและกฎหมายด้านความเป็นส่วนตัวของข้อมูลได้อีกด้วย

เป้าหมาย & ประโยชน์ของ Data Governance

หัวใจสำคัญของ Data Governance คือ การทำลายระบบ Data Silos (การจัดเก็บข้อมูลดิบที่แยกออกจากกันในองค์กร) ที่เกิดจากแต่ละแผนกใช้กระบวนการดำเนินงานแยกจากกัน หรือเชื่อมโยงกับ Data Architecture ขององค์กร ซึ่ง Data Governance จะทำหน้าที่เชื่อมโยงข้อมูลทั้งระบบขององค์กรผ่านกระบวนการความร่วมมือกันกับผู้ที่มีส่วนได้ส่วนเสียทั้งหมด 

เป้าหมายของ Data Governance ยังหมายรวมถึงการสร้างความมั่นใจว่าข้อมูลต่าง ๆ จะถูกนำไปใช้อย่างถูกต้องเหมาะสม เพื่อหลีกเลี่ยงการนำข้อมูลผิดพลาดเข้าสู่ระบบและป้องกันการนำข้อมูลส่วนตัวของลูกค้าและข้อมูลสำคัญขององค์กรไปใช้ในทางที่ไม่ถูกต้อง ผ่านการกำหนดนโยบายการใช้ข้อมูล ควบคู่กับมาตรการการตรวจสอบและบังคับใช้นโยบายอย่างจริงจังและต่อเนื่อง อีกหนึ่งข้อดีของ Data Governance ที่มักถูกมองข้าม คือ การรักษาสมดุลระหว่างการจัดเก็บข้อมูลและการรักษาความเป็นส่วนตัวของข้อมูลอีกด้วย
นอกจากผลลัพธ์การวิเคราะห์ที่แม่นยำและการปฏิบัติตามกฎข้อบังคับแล้ว Data Governance ยังมีประโยชน์ในแง่มุมอื่น ๆ ดังต่อไปนี้:

• ปรับปรุงคุณภาพข้อมูล (Data Quality)
• ลดต้นทุนในการบริหารจัดการข้อมูล (Data Management) 
• ให้สิทธิ์การเข้าถึงที่จำเป็นสำหรับ Data Scientiests นักวิเคราะห์และผู้ใช้งานอื่น ๆ ที่เป็นประโยชน์ต่อธุรกิจ 
• การตัดสินใจทางธุรกิจด้วยข้อมูลที่ถูกต้องแม่นยำมากขึ้น 
• สร้างข้อได้เปรียบทางธุรกิจและโอกาสเพิ่มรายได้และกำไร

องค์ประกอบสำคัญของ Data Governance Framework  

กรอบการกำกับดูแลข้อมูลหรือ Data Governance ประกอบไปด้วย นโยบาย กฎระเบียบข้อบังคับ กระบวนการ โครงสร้างองค์กรและเทคโนโลยี รวมถึงการแถลงพันธกิจ เป้าหมายและแนวทางการวัดผลความสำเร็จของโปรแกรม นอกจากนี้ยังมีการแบ่งหน้าที่และความรับผิดชอบอีกด้วย ทั้งนี้ องค์กรควรมีเอกสารยืนยันและแบ่งปันกรอบการกำกับดูแลภายในองค์กร เพื่อให้พนักงานหรือผู้ที่มีส่วนเกี่ยวข้องทุกคนได้ทราบถึงแนวทางการทำงานของโปรแกรม 

ในฝั่งของเทคโนโลยี ซอฟต์แวร์ Data Governance จะทำหน้าที่บริหารจัดการโปรแกรมการกำกับดูแล (Data Governance) ได้แบบอัตโนมัติ ในขณะที่เครื่องมือ(Tools) จะช่วยสนับสนุนกระบวนการอื่น ๆ ในการกำกับดูแล ได้แก่: 

• การบริหารจัดการโปรแกรมและขั้นตอนการทำงาน (Workflow)
• การประสานความร่วมมือ
• การพัฒนานโนบายการกำกับดูแล
• กระบวนการจัดทำเอกสาร
• การวางแผนผังและจำแนกข้อมูล
• การสร้างรายการข้อมูล (Data Catalogs) และคำศัพท์ทางธุรกิจ 

นอกจากนี้ซอฟต์แวร์ยังสามารถใช้ร่วมกับเครื่องมือสำหรับ Data Quality, Metadata Management และ Master Data Management – MDM ในกระบวนการ Data Governance อีกด้วย 

การปรับใช้ Data Governance ในองค์กร

Data Governance ควรเป็นแนวคิดด้านกลยุทธ์สำหรับองค์กร ซึ่งขั้นตอนการพัฒนากลยุทธ์นี้ สามารถเริ่มต้นด้วย…

• ระบุสินทรัพย์ข้อมูลและกระบวนการกำกับดูแลที่มีอยู่ 
• เพิ่มทักษะและความรู้ด้านข้อมูล (Data Literacy) แก่ผู้ใช้งาน 
• เลือกใช้แนวทางการวัดผลความสำเร็จสำหรับโปรแกรม Data Governance

ก่อนดำเนินงานตาม Data Governance Framework องค์กรควรระบุว่าใครเป็นเจ้าของ/ผู้ดูแล ข้อมูลในส่วนต่าง ๆ ของทั้งองค์กร และให้พวกเขาแต่งตั้งตัวแทน เพื่อมาทำงานร่วมกันในโปรแกรม Data Governance จากนั้นให้ Chief Data Officer – CDO หรือผู้บริหารด้านข้อมูล เข้ามาเป็นผู้นำในการกำหนดโครงสร้างของโปรแกรม อันประกอบด้วย จัดหาทีมงานกำกับดูแลด้านข้อมูล กำหนดหน้าที่ความรับผิดชอบและแต่งตั้งคณะกรรมการอย่างเป็นทางการ

เมื่อโครงสร้างพร้อมแล้ว ก็จะเข้าสู่กระบวนการทำงานจริง โดยเริ่มต้นจากการพัฒนานโนบายและมาตรฐานด้านข้อมูล ควบคู่กับการกำหนดกฎระเบียบและกำหนดสิทธิ์การเข้าถึงข้อมูลของแต่ละบุคคล นอกจากนี้ ยังมีชุดการควบคุมและขั้นตอนการตรวจสอบเพื่อให้แน่ใจว่านโยบายและกฎระเบียบต่าง ๆ ถูกบังคับใช้โดยทั่วถึงทุกแอปพลิเคชัน อีกทั้งทีมงานควรบันทึกแหล่งที่มาของข้อมูล และสถานที่จัดเก็บ และแนวทาการป้องกัน กรณีมีการใช้งานในทางที่ผิดหรือถูกโจมตีทางไซเบอร์ 

ความท้าทายของ Data Governance

ช่วงเริ่มต้นของการดำเนินการกำกับดูแลด้านข้อมูล ถือได้ว่าเป็นขั้นตอนที่ยากที่สุด เพราะนอกจากแต่ละแผนกมักมีฐานข้อมูลแตกต่างกันแล้ว แต่ละฝ่ายยังมีความคิดเห็นไม่เหมือนกันในแง่คำจำกัดความและรูปแบบของข้อมูลอีกด้วย ดังนั้นคณะทำงานของโปรแกรม จำเป็นต้องมีขั้นตอนการแก้ไปปัญหาและข้อพิพากอย่างชัดเจน 

โดยทั่วไปแล้วความท้าทายในการกำกับดูแลข้อมูลที่องค์กรส่วนใหญ่ มีดังต่อไปนี้
1. การแสดงถึงผลลัพธ์เชิงบวกต่อธุรกิจ: แทบเป็นไปไม่ได้เลยที่แผนงานด้าน Data Governance จะได้รับอนุมัติหรือเห็นชอบ หากปราศจากการประเมินผลลัพธ์เชิงบวกที่ธุรกิจจะได้รับจากการดำเนินกลยุทธ์ดังกล่าว 

การแสดงให้เห็นถึงประโยชน์ที่ธุรกิจจะได้รับ ผ่านกระบวนการ/ดัชนีชี้วัดอย่างต่อเนื่อง โดยเฉพาะในกระบวนการปรับปรุงคุณภาพข้อมูล อาทิ การแสดงผลจำนวนข้อมูลผิดพลาดที่ได้รับการแก้ไขในแต่ละไตรมาส รายรับเพิ่มขึ้น/ต้นทุนลดลงจากกระบวนการดังกล่าว นอกจากนี้ยังมีดัชนีชี้วัดอื่น ๆ ที่สามารถแสดงมูลค่าจากการดำเนินการด้าน Data Governance ได้แก่ ความถูกต้องแม่นยำของข้อมูล และการสร้างความตระหนักรู้หลักการบริหารจัดการข้อมูลในกลุ่มผู้ใช้งาน

2. การจัดสรรทรัพยากรและผู้มีทักษะเฉพาะ: นอกจากเงินทุนแล้ว การดำเนินโปรแกรมกำกับดูแลข้อมูลขององค์กร ยังจำเป็นต้องมีทรัพยากรและบุคลากรผู้เชี่ยวชาญ ตั้งแต่ระดับผู้บริหารถึงพนักงานระดับปฏิบัติการมาทำงานร่วมกัน เพราะการจัดสรรคนไม่เหมาะกับหน้าที่อาจทำให้แผนงานล้มเหลวได้ ดังนั้นหลายองค์กรจึงเลือกใช้ทีมบริษัทที่ปรึกษาที่มีความเชี่ยวชาญด้าน Data Governance ภายนอกเข้ามาเป็นหัวหอกในการดำเนินแผนงานแทน

3. การกำกับดูแลข้อมูลบนระบบคลาวด์ (Cloud Computing): ปัจจุบันองค์กรจำนวนมากโอนย้ายแอปฯไปไว้บนระบบคลาวด์ ซึ่งผู้ให้บริการมักรับผิดชอบด้านความปลอดภัยข้อมูลและปฏิบัติตามกฎระเบียบหรือกฎหมายเกี่ยวกับความเป็นส่วนตัวของข้อมูลตามที่กำหนดไว้เท่านั้น ในขณะที่องค์กรยังต้องกำกับดูแลข้อมูลทั้งหมดในภาพรวม โมเดลการแชร์ความรับผิดชอบแบบนี้และการใช้ระบบคลาวด์ที่อยู่ในประเทศต่างกันออกไป นำไปสู่ความท้าทายหลายด้าน

ยกตัวอย่าง จากหลักการ Data Residency หรือกฎหมายท้องถิ่นที่อยู่ของข้อมูลและ Data Sovereignty หรือธิปไตยของข้อมูล อาจทำให้ข้อมูลบางส่วนหรือทั้งหมดขององค์กรจำเป็นต้องถูกจัดเก็บในพื้นที่ที่ต่างกันไป เพื่อให้เป็นไปตามกฎหมายที่กำหนดไว้ของแต่ละประเทศ เพื่อหลีกเลี่ยงประเด็นปัญหาความเป็นส่วนตัวของข้อมูล เหล่านี้ถือเป็นความท้าทายหนึ่งในการกำกับดูแลข้อมูลให้อยู่ภายใต้การกำกับดูแลของผู้ให้บริการและกฎหมายของแต่ละประเทศ

4. การกำกับดูแล Big Data: การนำระบบข้อมูลขนาดใหญ่มาใช้ต้องเพิ่มแนวทางการกำกับดูแลที่จำเป็นและพร้อมรับมือกับท้าทายมากกว่าปกติ โดยทั่วไปแล้วการกำกับดูแลข้อมูลแบบดั้งเดิม ให้ความสำคัญกับการจัดเก็บข้อมูลที่มีโครงสร้าง (Structured Data) ที่สัมพันธ์กับฐานข้อมูล แต่ปัจจุบันโปรแกรม Data Governance จะต้องสามารถจัดการกับข้อมูลรูปแบบต่าง ๆ อาทิ ข้อมูลที่มีและไม่มีโครงสร้างหรือกึ่งโครงสร้าง ที่ถูกจัดเก็บอยู่ในสภาพแวดล้อมของ Big Data นอกจากนี้ยังมีแพลตฟอร์มข้อมูลที่หลากหลายมากขึ้นอีกด้วย ได้แก่ ระบบ Hadoop และ Spark, ฐานข้อมูล NoSQL และการใช้ระบบคลาวด์ในการจัดเก็บ รวมถึงชุดข้อมูลขนาดใหญ่ที่บ่อยครั้งเป็นข้อมูลดิบที่ถูกจัดเก็บใน Data Lakes เพื่อรอการคัดกรองข้อมูลที่จำเป็นสำหรับการวิเคราะห์ข้อมูล ปัจจัยเหล่านี้ทำให้การกำกับดูแลมีความซับซ้อนและท้าทายเป็นอย่างยิ่ง

การเปลี่ยนแปลงอย่างรวดเร็วของเทคโนโลยีโดยเฉพาะ AI ทำให้การพึ่งพาข้อมูลในภาคธุรกิจมากขึ้น และการบังคับใช้กฎหมาย/กฎระเบียบเกี่ยวกับความเป็นส่วนตัวของข้อมูลในหลายประเทศ กำลังกดดันให้องค์กรธุรกิจให้ความสำคัญกับ Data Governance อย่างจริงจังและหลีกเลี่ยงไม่ได้ สะท้อนผ่านผลสำรวจของ Atlan ที่พบว่าร้อยละ 60 ของผู้บริหารให้ความสำคัญกับ Data Governance มากที่สุดในปี 2566 และนักลงทุนเริ่มให้โฟกัสกับการกำกับดูแลข้อมูลมากขึ้นอย่างไม่เคยเป็นมาก่อน คำถามสำคัญ คือ องค์กรคุณล่ะ…ให้ความสำคัญกับ Data Governance แล้วหรือยัง?

สำหรับองค์กรที่สนใจและต้องการยกระดับ/สร้างมาตรฐานด้าน Data Governance ที่สามารถรองรับความเปลี่ยนแปลงทางธุรกิจ กฎระเบียบและเทคโนโลยีในอนาคต พร้อมสร้างความน่าเชื่อถือให้กับธุรกิจได้จริง สามารถติดต่อขอข้อมูลจากทีมงานผู้เชี่ยวชาญเฉพาะด้าน Data Governance ของบลูบิคได้ที่

✉ [email protected] 

☎ 02-636-7011

ขอบคุณข้อมูลอ้างอิงจาก techtarget, dataversity