fbpx

3 ปัจจัยปั้น “Digital Product” ให้สำเร็จและแตกต่าง

Digital Product Application Transformation

“Digital Product คือ สินค้าและบริการที่อยู่ในรูปแบบดิจิทัล ครอบคลุมรูปแบบหลากหลาย ทั้งแอปพลิเคชัน เว็บไซต์ หรือบริการสมัครสมาชิกต่างๆ บนช่องทางออนไลน์ Digital Product ไม่เพียงเป็นช่องทางเข้าถึงลูกค้ากลุ่มใหม่ๆ แต่ยังเปิดโอกาสสร้างธุรกิจอีกมาก“ หลายปีที่ผ่านมาผู้ขับเคลื่อนองค์กรชั้นนำต่างเล็งเห็นความจำเป็นต่อการเปลี่ยนผ่านไปสู่ความเป็นดิจิทัล และมุ่งมั่นที่จะวางรากฐานในการทำธุรกิจแห่งอนาคตให้เป็น Digital-First Company เพื่อรับมือกับความไม่แน่นอนทางเศรษฐกิจและพฤติกรรมของคน New Generations โดยยกระดับความสามารถในการสร้างความยืดหยุ่นควบคู่กับการเติบโตขององค์กร และสร้างความแข็งแกร่งให้ระบบนิเวศของธุรกิจ ผ่านการนำนวัตกรรมและเทคโนโลยีเข้ามาเป็นกลไกขับเคลื่อนและตอบสนองต่อความต้องการของผู้มีส่วนได้ส่วนเสียในธุรกิจ “กนกรัตน์ บุญลีชัย” Associate Director, Management Consulting, Bluebik Group PLC. ให้ความเห็นว่า หนึ่งในแนวทางการเพิ่มศักยภาพของธุรกิจ คือ การพัฒนา Digital Platform หรือ Super App ของตนเอง เพื่อให้สามารถเป็นช่องทางในการเชื่อมต่อกับ ไลฟ์สไตล์ของลูกค้ารุ่นใหม่ และเพิ่มโอกาสในการเติบโตร่วมกับพันธมิตรได้เต็มรูปแบบ หากอธิบายอย่างรวบรัด Digital Product คือ สินค้าและบริการที่อยู่ในรูปแบบดิจิทัล ซึ่งครอบคลุมรูปแบบหลากหลาย ไม่ว่าจะเป็นแอปพลิเคชัน เว็บไซต์ หรือบริการสมัครสมาชิกต่าง ๆ บนช่องทางออนไลน์ โดย Digital Product ไม่เพียงเป็นช่องทางเข้าถึงลูกค้ากลุ่มใหม่ ๆ เท่านั้น […]

Read More…

ความจำเป็น & โอกาสธุรกิจจาก AI เพิ่มความได้เปรียบในทุกมิติของธุรกิจค้าปลีก

AI Digital Retail Data

ถ้าพูดถึงเทคโนโลยีที่จะสามารถเข้ามาพลิกโฉมธุรกิจ แน่นอนว่าเทคโนโลยีปัญญาประดิษฐ์ หรือ AI ย่อมเป็นหนึ่งในนั้น โดยหลายภาคธุรกิจต่างนำ AI มาใช้งานในส่วนต่างๆ ไม่ว่าจะเป็นการเพิ่มประสิทธิภาพการทำงาน หรือสร้างประสบการณ์ลูกค้าให้เหนือชั้นยิ่งขึ้น  แน่นอนว่าธุรกิจค้าปลีกเองก็เช่นกัน Bluebik ในฐานะที่ปรึกษาที่เชี่ยวชาญตั้งแต่การวางรากฐานในการใช้ AI สำหรับองค์กร จึงอยากชวนมาดูโอกาสของธุรกิจจากการนำ AI มาปรับใช้ในองค์กร พร้อม 6 AI Use Case ที่น่าสนใจและตัวอย่างโมเดล AI ที่นำไปใช้ได้จริงในธุรกิจค้าปลีก AI ในหลากหลายมิติ  สำหรับในภาคธุรกิจค้าปลีก การประยุกต์ใช้ AI ส่วนใหญ่จะเป็นการใช้งาน Machine Learning (ML) และการวิเคราะห์เชิงคาดการณ์ (Predictive Analytics) โดยเทคโนโลยี AI สามารถช่วยเรื่องการเก็บรวบรวมและประมวลผลข้อมูลเพื่อวิเคราะห์หารูปแบบความเชื่อมโยง แล้วดึงข้อมูลเชิงลึกออกมาเพื่อนำไปใช้ในกระบวนการทางธุรกิจต่างๆ ซึ่งเทรนด์อนาคตในช่วง 3 – 5 ปีข้างหน้านี้ เทคโนโลยี ML และ Predictive AI จะได้รับการพัฒนาจนก้าวหน้ายิ่งขึ้น ทำให้มีความแม่นยำมากกว่าเดิมและสามารถนำมาใช้ช่วยในการตัดสินใจทางธุรกิจต่างๆ ได้มากขึ้น […]

Read More…

Bluebik Global confident of its strengths when facing large competitors overseas

Bluebik Global Market

Bluebik Global Co Ltd, a subsidiary of Thailand’s leading consultancy on digital transformation Bluebik, is relying on its parent’s expertise and success formula to expand overseas, setting its sights on large tech consulting companies. Martin Christopher Simpson, Director of Bluebik Global, said that Bluebik’s success in Thailand was due to its local knowledge, local skills, […]

Read More…

AI Road Maps Enhance AI Application Capabilities Bluebik Recommends AI Adoption Maturity Framework

AI Roadmap Framework

Advanced artificial intelligence never stops surprising the world. AI trends in the next three to five years are likely to centre around generative AI which is a white-hot technology. There will be more forms of GenAI in addition to the ones which generate texts, audio and video. In the future GenAI will be specialized GenAI […]

Read More…

ความจำเป็น & โอกาสธุรกิจจาก AI ของต้องมีใน ‘ธุรกิจการเงิน’ (จริงหรือ?)

AI use case

ภูมิทัศน์ธุรกิจการเงินกำลังเปลี่ยนแปลงครั้งใหญ่ เป็นผลพวงจากการบรรจบกันของ Artificial Intelligence – AI และเทคโนโลยีทันสมัย (Cutting-Edge Technologies) ทำให้ปัจจุบันธุรกิจการเงินสามารถใช้ประโยชน์จาก Machine Learning – ML เพื่อวิเคราะห์ข้อมูล จัดการงานด้วยระบบอัตโนมัติ รวมถึงการตัดสินใจด้วยข้อมูล จากกระแสนิยมที่ผ่านมากพิสูจน์แล้วว่า AI เป็นเทคโนโลยีที่ต้องมีในธุรกิจ และนับจากนี้การใช้งาน AI จะมีความเข้มข้นมากขึ้นเรื่อย ๆ  หัวใจสำคัญของการปฏิวัติรอบนี้ คือ การผสานขีดความสามารถของ ML และศักยภาพของ Generative AI เข้าด้วยกัน เราจึงเห็นสถาบันการเงินระดับแถวหน้าของโลกทุ่มงบประมาณมหาศาลเพื่อทรานส์ฟอร์มองค์กร แค่ปี 2566 เพียงปีเดียว มีเม็ดเงินลงทุนใน AI ถึง 35,000 ล้านดอลล่าร์ นำโดยอุตสาหกรรมธนาคารที่จัดสรรเงินลงทุนถึง 21,000 ล้านดอลล่าร์เพื่อพัฒนาปัญญาประดิษฐ์ไว้ใช้งาน บลูบิค ในฐานะผู้เชี่ยวชาญด้าน AI จะพาทุกคนไปถอดรหัสความจำเป็นและโอกาสของการปรับใช้ AI รวมถึง Use Case ที่เกิดขึ้นในอุตสาหกรรมการเงิน  AI ทำให้ธุรกิจการเงินไม่เหมือนเดิม […]

Read More…

6 ลักษณะของ Data Quality พร้อมแนวทางสร้างข้อมูลคุณภาพ

Data Strategy Big Data Transformation

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…

ทำไมองค์กรต้องให้ความสำคัญกับ Data Strategy

Data Strategy Big Data Transformation

ปัจจุบัน ข้อมูลได้กลายเป็นส่วนสำคัญในการสร้างความได้เปรียบให้องค์กร ตั้งแต่การเพิ่มประสิทธิภาพให้กระบวนการดำเนินงาน ลดความผิดพลาด บริหารจัดการทรัพยากรต่างๆ ในองค์กรให้ดีขึ้น ไปจนถึงช่วยประกอบการตัดสินใจให้เฉียบคมกว่าเดิมเพื่อสร้างโอกาสทางธุรกิจใหม่ๆ ต่อยอดการสร้างนวัตกรรมจากผลิตภัณฑ์และบริการที่ไม่เคยเกิดขึ้นมาก่อน อย่างไรก็ตาม การนำข้อมูลไปสร้างมูลค่าทางธุรกิจจำเป็นต้องผ่านกระบวนการวางแผนและบริหารจัดการข้อมูลอย่างมีประสิทธิภาพ นั่นเป็นสาเหตุว่าทำไมองค์กรจึงควรให้ความสำคัญกับการวางกลยุทธ์การใช้ข้อมูล หรือ Data Strategy เพื่อให้สามารถนำข้อมูลไปสร้างผลลัพธ์ได้จริง ซึ่งหากองค์กรมีการวางกลยุทธ์การใช้ข้อมูลที่แข็งแกร่ง ย่อมสามารถเพิ่มศักยภาพของธุรกิจได้ในระยะยาว แน่นอนว่าการสร้าง Data Strategy เป็นกระบวนการที่ท้าทายและมีหลายปัจจัยที่ส่งผลให้การวางกลยุทธ์ไม่ประสบความสำเร็จ ไม่ว่าจะเป็น  👉 ขาดเป้าหมายธุรกิจ (Business Objective) การขาดเป้าหมายที่ชัดเจนในการนำข้อมูลไปใช้งาน ทำให้ขาดทิศทางในการเก็บรวบรวมและวิเคราะห์ข้อมูล โดยส่งผลตั้งแต่ทำให้องค์กรเก็บรวบรวมข้อมูลที่ไม่เกี่ยวข้องหรือข้อมูลที่ไม่ครบถ้วน ซึ่งไม่ช่วยสนับสนุนเป้าหมายของธุรกิจในภาพรวม 👉 ขาดแนวทางด้าน Data Governance  การขาดแนวทางบริหารจัดการข้อมูลที่ดี ทำให้ไม่สามารถวางกลยุทธ์การใช้ข้อมูลให้สร้างผลลัพธ์ได้ ดังนั้นจึงควรให้ความสำคัญกับ Data Governance หรือธรรมาภิบาลข้อมูล ที่เป็นการสร้างมาตรฐานการบริหารจัดการข้อมูลให้มีประสิทธิภาพด้วยการกำหนดทิศทาง ควบคุม ให้ข้อมูลมีคุณภาพที่ดี 👉 ขาดการรวมศูนย์ข้อมูล (Consolidated Data)  ความหลากหลายของแหล่งข้อมูล ประเภทข้อมูล วิธีการจัดเก็บ รวมไปถึงความกระจัดกระจายของข้อมูลภายในองค์กร ทำให้องค์กรไม่สามารถนำข้อมูลมาใช้ประโยชน์ได้อย่างรวดเร็ว นอกจากนี้ยังส่งผลต่อเรื่องคุณภาพของข้อมูล เนื่องจากไม่สามารถตรวจสอบได้ว่าข้อมูลต่างๆ ภายในองค์กรมีความถูกต้องมากแค่ไหน […]

Read More…

จัดการข้อมูลไม่ดีผลลัพธ์ไม่เกิด แนวทางแก้ปัญหา Data Management

Data Management Big Data Transformation

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…

ปลดล็อคศักยภาพธุรกิจสู่ Modern Business ด้วยคลังข้อมูลสุดล้ำ ‘Data Lakehouse’

Data Lakehouse ถูกพูดถึงในวงกว้างอย่างมีนัยสำคัญ เพื่อจัดเก็บและจัดการข้อมูลจำนวนมหาศาล รวมถึงรับมือกับปริมาณข้อมูลที่เพิ่มมากขึ้นทุกวัน […]

Read More…

ถอดปัญหา..ทำไมองค์กรติดกับดักการสร้าง Data Governance

Data Governance Big Data Transformation

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…