ในยุคที่ข้อมูลคือตัวแปรสำคัญในการเพิ่มศักยภาพของธุรกิจ ไม่ว่าจะนำไปใช้เพิ่มประสิทธิภาพให้กระบวนการทำงาน สร้างโอกาสการขยายตัวใหม่ๆ หรือใช้ในการเทรนโมเดล AI สำหรับทำงานในหลายส่วน สิ่งที่องค์กรควรให้ความสำคัญเป็นลำดับแรกๆ จึงเป็นเรื่องคุณภาพข้อมูล หรือ Data Quality นั่นเอง  Data Quality คืออะไร นิยามของ Data Quality คือระดับความถูกต้อง ความสอดคล้องเชื่อมโยง ความครบถ้วนสมบูรณ์และความน่าเชื่อถือของข้อมูลที่เก็บรวบรวม และใช้งานภายในองค์กรหรือใช้สำหรับวัตถุประสงค์ต่างๆ โดยเฉพาะ โดยข้อมูลที่มีคุณภาพสูงเป็นองค์ประกอบสำคัญที่ใช้ในการวิเคราะห์ข้อมูลขั้นสูง  ประกอบการตัดสินใจทางธุรกิจหรือวางกลยุทธ์องค์กร   6 ลักษณะของ Data Quality  คำถามสำคัญในการสร้าง Data Quality คือธุรกิจจะรู้ได้อย่างไรว่าข้อมูลแบบไหนมีคุณภาพ โดยการวัดว่าข้อมูลแบบไหนมีคุณภาพ ข้อมูลนั้นๆ ควรประกอบด้วยลักษณะ 6 ข้อด้วยกัน  👉 1.) ความถูกต้อง (Accuracy)  ข้อมูลที่มีอยู่ไม่ผิดพลาด สะท้อนถึงข้อเท็จจริงหรือสถานการณ์ที่เกิดขึ้นในโลกแห่งความเป็นจริงหรือไม่  👉 2.) ความครบถ้วนสมบูรณ์ (Completeness)  ข้อมูลในชุดข้อมูลของเรามีความครบถ้วนมากน้อยแค่ไหน ไม่ได้มีส่วนที่ตกหล่นในส่วนที่ควรจะมี 👉 3.) ความทันเวลาและเป็นปัจจุบันของข้อมูล (Timeliness and […]

Read More…

ในโลกธุรกิจทุกวันนี้ต่างเต็มไปด้วยปริมาณข้อมูลมากมายมหาศาล การบริหารจัดการข้อมูลซึ่งถือเป็นสินทรัพย์ที่จะสร้างมูลค่าให้ธุรกิจและขับเคลื่อนการเติบโตขององค์กรจึงเป็นเรื่องสำคัญ อย่างไรก็ตาม การจัดการข้อมูลให้มีประสิทธิภาพสูงสุดนับเป็นเรื่องที่มีความท้าทายไม่น้อย และมีหลายประเด็นที่ควรพิจารณาอย่างรอบคอบ  Bluebik จึงได้รวบรวมความท้าทายที่เกี่ยวข้องกับการบริหารจัดการข้อมูล หรือ Data Management ที่มักเกิดขึ้นกับธุรกิจ พร้อมแนวทางเบื้องต้นในแก้ไขความท้าทายในการจัดการข้อมูล  4 ความท้าทายเรื่อง Data Management  1. คุณภาพข้อมูล (Data Quality)  ความท้าทายที่เกิดขึ้น  ข้อมูลไม่ถูกต้อง ไม่ครบถ้วนสมบูรณ์ หรือไม่เชื่อมโยงสอดคล้องกัน จนส่งผลให้ไม่สามารถนำข้อมูลไปใช้วิเคราะห์เพื่อหาข้อมูลเชิงลึกได้ (insight) ซึ่งจะกระทบต่อการนำข้อมูลไปใช้ในการตัดสินใจทางธุรกิจ การใช้เทรนโมเดล AI สำหรับการวิเคราะห์ขั้นสูง หรือใช้ในกระบวนการอื่นๆ  แนวทางแก้ปัญหา สำหรับแนวทางแก้ปัญหาเรื่องคุณภาพข้อมูล สามารถดำเนินการได้ใน 3 ส่วนหลักๆ  วางนโยบายและแนวทางด้านธรรมาภิบาลข้อมูล (Data Governance) ที่จะวางกรอบนโยบายเพื่อสร้างมาตรฐานด้านข้อมูล ระบุแนวทางและกระบวนการในการจัดข้อมูล รวมกำหนดบทบาทและหน้าที่ของผู้มีส่วนเกี่ยวข้อง เพื่อให้การจัดการข้อมูลเป็นไปอย่างมีระบบและเป็นมาตรฐานเดียวกัน  ตรวจสอบความถูกต้องของข้อมูล (Data validation) และทำความสะอาดข้อมูล (Data Cleaning) เพื่อตรวจสอบ แก้ไข หรือจัดรูปแบบข้อมูลให้มีความถูกต้องพร้อมใช้งานที่สุด วางมาตรฐานข้อมูลให้เป็นไปในรูปแบบเดียวกัน รวมไปถึงคัดกรองข้อมูลที่ไม่ถูกต้องหรือไม่จำเป็นออกไปจากชุดข้อมูลที่จะใช้วิเคราะห์หรือประมวลผล เพื่อให้ชุดข้อมูลที่จะใช้มีความสมบูรณ์ […]

Read More…

Data Governance หรือธรรมาภิบาลข้อมูล นับเป็นรากฐานสำคัญในการสร้างมาตรฐานการบริหารจัดการข้อมูลให้มีประสิทธิภาพด้วยการกำหนดทิศทาง ควบคุม ให้ข้อมูลมีคุณภาพที่ดี ซึ่งครอบคลุมตั้งแต่การวางนโยบายการดูแลข้อมูล กำหนดกลุ่มบุคคลที่รับผิดชอบดูแลจัดการข้อมูล และวางแนวทางการจัดการข้อมูลอย่างเป็นระบบ อย่างไรก็ตาม การสร้างแนวทางด้าน Data Governance ให้มีประสิทธิภาพอาจเป็นกระบวนการที่ซับซ้อนและมีความท้าทาย โดยเฉพาะในช่วงเริ่มต้นและในช่วงที่องค์กรขยายตัวจนต้องปรับแนวทางให้สอดคล้องกัน Bluebik จึงอยากชวนมาทำความเข้าใจความท้าทายที่เป็นกับดักการสร้าง Data Governance ไม่ว่าจะเป็น 1.) ขาดการกำหนดบทบาทและความรับผิดชอบที่ชัดเจน ความท้าทายอย่างแรกคือการขาดความชัดเจนเรื่องบทบาทหน้าที่ ความรับผิดชอบและสิทธิ์การเข้าถึงข้อมูลที่เหมาะสม ซึ่งกระบวนการนี้อาจใช้เวลานาน โดยเฉพาะอย่างยิ่งในองค์กรขนาดใหญ่ เนื่องจากครอบคลุมขั้นตอนหลายส่วนทั้งการสร้างและกำหนดบทบาทหน้าที่ด้านการบริหารข้อมูลของบุคลากร การบันทึกสิทธิ์การเข้าถึงข้อมูล และการสร้างความเข้าใจที่ชัดเจนเกี่ยวกับหน้าที่ความรับผิดชอบของแต่ละบุคคลภายในกรอบการบริหารข้อมูล 2.) ขาดคุณภาพและความสม่ำเสมอของข้อมูล การขาดคุณภาพข้อมูลเป็นอีกหนึ่งความท้าทายเรื่อง Data Governance ซึ่งต้องมีการวางกระบวนการและกลไกในการระบุ ติดตาม และแก้ไขปัญหาคุณภาพข้อมูลอย่างต่อเนื่อง เพื่อสร้างความมั่นใจว่าข้อมูลมีความถูกต้อง ครบถ้วน สอดคล้องเชื่อมโยงกันและอัพเดทอยู่สม่ำเสมอ 3.) ขาดการสร้างนโยบายและแนวทางปฏิบัติ การขาดนโยบายและแนวทางปฏิบัติด้าน Data Governance เป็นอีกความท้าทายสำคัญ ซึ่งส่งผลต่อการบริหารจัดการและนำข้อมูลไปใช้ โดยนโยบายและแนวทางปฏิบัติควรครอบคลุมการจัดจำแนกข้อมูล (Data Classification) การวางนโยบายด้านความปลอดภัยและความเป็นส่วนตัวของข้อมูล รวมถึงการสร้างแนวทางสำหรับการใช้งานและการเข้าถึงข้อมูล 4.) ขาดการรักษาสมดุลระหว่างการเข้าถึงข้อมูลและความปลอดภัย ความท้าทายถัดมาคือการขาดสมดุลระหว่างการอนุญาตให้ผู้ใช้เข้าถึงข้อมูลที่ต้องการ […]

Read More…