ในยุคที่ข้อมูลกลายเป็นสินทรัพย์สำคัญในการสร้างความได้เปรียบให้ธุรกิจ องค์กรต่างๆ จึงต้องหันมาให้ความสำคัญกับการบริหารข้อมูล ด้วยการวางธรรมาภิบาลข้อมูล (Data Governance) ที่เป็นแนวทางสร้างมาตรฐานและกำกับดูแลข้อมูล เพื่อให้ข้อมูลมีความถูกต้อง อัพเดตเป็นปัจจุบัน และนำไปใช้ต่อยอดอย่างการเทรนโมเดล AI หรือใช้สำหรับงาน Business Intelligence อื่นๆ เพื่อสร้างผลลัพธ์ทางธุรกิจ

>> อ่านเพิ่มเติม: Data Governance คืออะไร สำคัญต่อธุรกิจอย่างไร…ไปหาคำตอบกัน

อย่างไรก็ตาม ท่ามกลางโลกธุรกิจและเทคโนโลยีที่เปลี่ยนไป ทำให้แนวทางบางอย่างในการทำ Data Governance เองก็เปลี่ยนไปเช่นกัน วันนี้ เราจึงอยากชวนมาดู 4 เทรนด์ที่น่าสนใจเกี่ยวกับ Data Governance

1. Cloud-based Data Governance

ในปัจจุบัน การใช้ระบบคลาวด์ (Cloud) กำลังเพิ่มขึ้นอย่างเห็นได้ชัด ซึ่งแนวโน้มนี้มีผลต่อเรื่องการทำ Data Governance ด้วยเช่นกัน โดยเฉพาะในแง่การค้นหา ติดตาม และจัดระเบียบข้อมูล ทำให้ Cloud-based Data Governance กลายเป็นเทรนด์หนึ่งที่จะช่วยให้การกำกับดูแลข้อมูลมีประสิทธิภาพยิ่งขึ้น โดยเมื่อองค์กรย้ายข้อมูลและระบบขึ้นไปอยู่บนคลาวด์ จะทำให้สามารถเชื่อมต่อและเข้าถึงคลังข้อมูลต่างๆ เช่น Data Warehouse, Data Lake หรือ Data Lakehouse

เทคโนโลยีและเครื่องมือต่างๆ ที่พัฒนาขึ้นและซับซ้อนยิ่งขึ้น จะทำให้แนวทางทำ Data Governance แบบเดิมที่ไม่ได้อยู่บนคลาวด์ อาจทำได้ยากขึ้นและไม่รองรับการขยายตัวของธุรกิจในอนาคต 

2. Data Governance as a Service 

Data Governance ไม่ใช่เพียงแค่กระบวนการทำงานและเครื่องมือที่ใช้อย่างแบบเดี่ยวๆ (standalone tool) แต่ประกอบด้วยขั้นตอนที่ต้องผสานผสานกันระหว่างบุคลากร กระบวนการ และเทคโนโลยีต่างๆ เพื่อให้องค์กรสามารถกำกับดูแลข้อมูลได้ดียิ่งขึ้น ขณะที่บางองค์กรอาจจำเป็นต้องปรับโครงสร้างและกระบวนการทำงานขนานใหญ่เพื่อให้สามารถผลักดันการทำ Data Governance ให้เกิดผลลัพธ์ได้จริง

จากความซับซ้อนนี้ ทำให้ Data Governance as a Service กลายเป็นอีกหนึ่งเทรนด์ที่กำลังเกิดขึ้น เพื่อเข้าไปช่วยองค์กรดำเนินการวางแนวทางกำกับดูแลด้านข้อมูล ซึ่งครอบคลุมกระบวนการหลายส่วน ไม่ว่าจะเป็น 

• การจำแนกและทำแผนผังข้อมูลที่จะช่วยให้องค์กร หรือบริษัทสามารถดำเนินการสำรวจข้อมูล และสามารถมองเห็นภาพรวมของข้อมูลที่เรามีอยู่ทั้งหมดได้อย่างง่าย และชัดเจนยิ่งขึ้น 
• การจัดเก็บข้อมูลไว้แพลตฟอร์มที่อยู่บนคลาวด์ (cloud-based platform) ซึ่งเชื่อมต่อกับเครื่องมือต่างๆ ที่ช่วยให้การประมวลผลข้อมูลเป็นไปอย่างอัตโนมัติ
• การทำ Data Observability ที่เป็นการสังเกตเกี่ยวกับความผิดปกติของข้อมูลและแนะนำแนวทางแก้ปัญหา เพื่อให้ข้อมูลมีความถูกต้องเชื่อถือได้ 
• การวาง Data Governance Model ที่เหมาะสมกับองค์กรให้สอดคล้องกับเป้าหมายของธุรกิจ ครอบคลุมเรื่องการวางนโยบาย โครงสร้างบุคลากรและหน้าที่ความรับผิดชอบ  

3. Data Democratization 

หากต้องการมุ่งไปสู่การเป็นองค์กรที่ขับเคลื่อนด้วยข้อมูล (Data-Driven Organization) การเปิดกว้างให้สามารถเข้าถึงและนำข้อมูลไปใช้ได้ดียิ่งขึ้น (Data Democratization) คือเรื่องสำคัญ ควบคู่ไปกับการบริหารจัดการการใช้ข้อมูลอย่างปลอดภัยและมีความรับผิดชอบ 

ในการผลักดันให้ Data Democratization สามารถเกิดขึ้นได้จริง องค์กรควรให้ความสำคัญกับเรื่อง Data Strategy ที่เป็นการวางกลยุทธ์การใช้ข้อมูล โดยตั้งต้นจากการวางเป้าหมายธุรกิจที่ชัดเจน (Business Objective) เพื่อกำหนดทิศทางว่าจะนำข้อมูลไปใช้พัฒนาขีดความสามารถหรือสร้างมูลค่าเพิ่มให้ธุรกิจในส่วนไหน รวมไปถึงการวาง Data Architecture ที่เป็นการออกแบบและวางกระบวนการบริหารจัดการข้อมูลให้สามารถเข้าถึง แชร์ และใช้งานข้อมูลได้อย่างมีประสิทธิภาพตั้งแต่ต้นน้ำจนถึงปลายน้ำ ครอบคลุมตั้งแต่แหล่งที่มาของข้อมูล ไปจนถึงการวางแนวทางด้าน Data Security & Privacy เพื่อกำกับดูแลด้านความปลอดภัยและความเป็นส่วนของข้อมูล รวมถึงการสร้าง Data Literacy ให้กับบุคลากรในองค์กรเพื่อให้สามารถทำความเข้าใจและนำข้อมูลไปใช้งานในรูปแบบต่างๆ ตามวัตถุประสงค์ที่ต้องการ   

4. Adoption of AI, ML, Gen AI

ขณะนี้ เทคโนโลยี AI และ Machine Learning (ML) มีความสำคัญยิ่งขึ้นในการเพิ่มประสิทธิภาพการทำงานหลากหลายส่วน รวมถึงการทำ Data Governance ด้วยเช่นกัน การทำเทคโนโลยี AI/ML มาผสมผสานเข้ากับกระบวนการกำกับดูแลข้อมูล จะช่วยเพิ่มประสิทธิภาพและความรวดเร็วในการปฏิบัติตามนโยบายและระเบียบข้อบังคับต่างๆ รวมถึงเพิ่มความสามารถในการกระบวนการทำงาน เช่น การตรวจจับและระบุความผิดพลาดของข้อมูล การตรวจพบความผิดปกติที่เกิดขึ้นภายใน Data Pipeline ไปจนถึงการทำให้การประมวลผลข้อมูลต่างๆ เป็นไปแบบอัตโนมัติ เช่น การทำ Data Discovery หรือ Data Mapping

นอกจาก AI/ML แล้ว Generative AI (Gen AI)  ยังสามารถนำมาเพิ่มขีดความสามารถในการทำ Data Lineage ที่เป็นการทำผนที่การเดินทางของข้อมูลตั้งแต่จุดเริ่มต้นไปจนถึงปลายทางการใช้งาน ทั้งการช่วยตรวจจับความผิดพลาดที่มีแนวโน้มเกิดขึ้น และการทำ Post-hoc analysis ที่เป็นการเทียบผลลัพธ์จากโมเดล AI เพื่อหาความแตกต่าง ซึ่งจะให้องค์กรสามารถสร้างผลลัพธ์ที่ดีขึ้นและเชื่อถือได้มากขึ้นจากการวิเคราะห์ข้อมูล 

คงกล่าวได้ว่า Data Governance มีความซับซ้อน ต้องมีการเตรียมความพร้อมและการวางกลยุทธ์อย่างครอบคลุม ‘บลูบิค’ ในฐานะที่ปรึกษาชั้นนำผู้ให้บริการดิจิทัลทรานส์ฟอร์เมชันครบวงจร ครอบคลุมตั้งแต่การวางรากฐาน Data Governance จนถึงการพัฒนาโมเดล AI และ ML ขั้นสูง สามารถช่วยปลดล็อคพร้อมยกระดับการกำกับดูแลข้อมูลของ AI ให้มีความปลอดภัยและเป็นไปตามนโนบายขององค์กร กฎระเบียบและกฎหมายที่เกี่ยวข้อง ควบคู่กับการใช้ประโยชน์จาก AI ได้อย่างมีประสิทธิภาพสูงสุดสอดรับกับความต้องการทางธุรกิจของแต่ละองค์กรได้อย่างแท้จริง สำหรับองค์กรที่สนใจสามารถติดต่อขอข้อมูลจากทีมงานผู้เชี่ยวชาญเฉพาะด้าน Data Governance ของบลูบิคได้ที่

✉ [email protected] 

☎ 02-636-7011

ขอบคุณข้อมูลอ้างอิงจาก montecarlodata, sganalytics