
ปฏิวัติข้อมูลองค์กรด้วย “Data Architecture” รับมือความเสี่ยงจากการใช้ข้อมูลขยะ
“Garbage in – Garbage Out (GIGO) หมายถึง ป้อนขยะเข้ามา ก็จะได้ขยะออกไป” เป็นนิยามที่มักพบได้บ่อยในโลกของ Computer Science และ Data Analytics ที่สะท้อนถึงปัญหาที่หลายองค์กรอาจกำลังเผชิญอยู่ จากการใช้ข้อมูลที่ขาดคุณภาพและความถูกต้องแม่นยำจนทำให้การตัดสินใจทางธุรกิจผิดพลาด แม้ว่าข้อมูลเหล่านั้นได้ผ่านกระบวนการวิเคราะห์ขั้นสูงของเทคโนโลยีปัญญาประดิษฐ์อย่าง Artificial Intelligence: AI หรือ Machine Learning: ML มาแล้วก็ตาม กระแสความต้องการนำ AI หรือ ML มาใช้ยกระดับขีดความสามารถในการแข่งขันธุรกิจเป็นหนึ่งในเทรนด์เทคโนโลยีที่หลายองค์กรอยากมีไว้ในครอบครอง แต่โดยหลักการแล้ว การใช้ปัญญาประดิษฐ์ หรือ Data Analytics เพื่อวิเคราะห์ข้อมูลขั้นสูงนั้น เปรียบได้กับภาพกระบวนการท้ายๆ ของการใช้ประโยชน์จากข้อมูล นั่นหมายความว่า องค์กรส่วนใหญ่กำลังมุ่งไปสู่ปลายทางของการใช้งานโดยมองข้ามขั้นตอนสำคัญในการสร้างพื้นฐานที่แข็งแกร่งและเพิ่มคุณค่าให้กับข้อมูลด้วยการสร้าง “Data Architecture หรือ สถาปัตยกรรมข้อมูล” เพราะการนำข้อมูลที่ยังไม่ผ่านกระบวนการตรวจสอบความถูกต้องหรือได้มาตรฐาน ไปใช้ประมวลผลหรือวิเคราะห์ด...