10 แนวโน้มเทคโนโลยีด้าน Data & Analytics ประจำปี 2021 โดย Gartner

25 มิ.ย. 2564

Gartner ออกมาเปิดเผยถึง 10 แนวโน้มเทคโนโลยีด้าน Data & Analytics ประจำปี 2021 ที่จะมาช่วยสนับสนุนองค์กรให้ก้าวข้ามการเปลี่ยนแปลง และเปิดโอกาสทางธุรกิจสู่อนาคตในปีถัดๆ ไป ดังนี้


1. AI ที่ฉลาดมากขึ้น มีความรับผิดชอบมากขึ้น และพร้อมขยายระบบได้ในอนาคต

บทบาทของ Artificial Intelligence (AI) และ Machine Learning (ML) ที่มากขึ้น ทำให้ธุรกิจต้องนำเทคนิคใหม่ๆ เข้ามาปรับใช้เพื่อพัฒนาโซลูชัน AI ให้มีความชาญฉลาด ความรับผิดชอบทางจริยธรรม และความยืดหยุ่นมากยิ่งขึ้น ในขณะที่บริโภคปริมาณข้อมูลน้อยลง การปรับใช้ AI ที่ชาญฉลาด มีความรับผิดชอบ และพร้อมขยายระบบได้ง่ายในอนาคต ช่วยให้องค์กรสามารถใช้ประโยชน์จากการเรียนรู้อัลกอริธึมและระบบที่สามารถตีความได้ เพื่อสร้างมูลค่าในเวลาที่สั้นลง และให้ผลลัพธ์ทางธุรกิจที่สูงขึ้น


2. Data & Analytics ที่ประกอบร้อยเรียงกัน (Composable Data & Analytics)

สถาปัตยกรรมการวิเคราะห์ข้อมูลแบบเปิดและมีการจัดการแบบ Container ทำให้สามารถนำการวิเคราะห์มาประกอบร้อยเรียงกัน (Composable Analytics) ได้ดียิ่งขึ้น Data & Analytics ที่ประกอบร้อยเรียงกันนี้ใช้ประโยชน์จากส่วนประกอบต่างๆ ของข้อมูล การวิเคราะห์ และโซลูชัน AI หลากหลายรูปแบบ เพื่อสร้างแอปพลิเคชันอัจฉริยะที่มีทั้งความยืดหยุ่นและสามารถใช้งานได้ง่าย ซึ่งจะช่วยให้ผู้บริหารด้าน Data & Analytics สามารถเชื่อมโยงข้อมูลเชิงลึกเข้าด้วยกันกับการดำเนินธุรกิจได้ และเมื่อข้อมูลถูกย้ายขึ้น Cloud ทำให้การสร้างแอปพลิเคชันเชิงวิเคราะห์ที่สามารถประกอบร้อยเรียงกันได้มีความคล่องตัวมากยิ่งขึ้น โดยอาศัย Cloud Marketplace และโซลูชัน Low-code และ No-code


3. การมีข้อมูลเป็นผืนแผ่นเดียว (Data Fabric) เป็นรากฐานสำคัญ

การเพิ่มขึ้นของการแปลงข้อมูลให้อยู่ในรูปดิจิทัลและความมีอิสระของผู้บริโภค เป็นปัจจัยที่ทำให้ผู้บริหารด้าน Data & Analytics ใช้ประโยชน์จากการมีข้อมูลเป็นผืนแผ่นเดียวยกระดับจัดการกับความหลากหลาย การกระจาย การขยายระบบ และความซับซ้อนในสินทรัพย์ข้อมูลขององค์กรไปอีกขั้น การมีข้อมูลเป็นผืนแผ่นเดียวนี้ใช้การวิเคราะห์เพื่อติดตามการรับส่งข้อมูลอย่างต่อเนื่อง รวมไปถึงสนับสนุนการออกแบบ การวางระบบ และการใช้ประโยชน์จากความหลากหลายของข้อมูล เพื่อลดเวลาการผสานระบบลง 30% ลดเวลาการวางระบบ 30% และลดเวลาการบำรุงรักษาลงถึง  70%


4. จากการวิเคราะห์ด้วยชุดข้อมูลขนาดใหญ่ ไปสู่ข้อมูลขนาดเล็กและข้อมูลที่มีขอบเขตกว้างขึ้น

การเปลี่ยนแปลงอย่างรุนแรงต่อธุรกิจอันเนื่องมาจากเหตุแพร่ระบาดของ COVID-19 ทำให้โมเดล ML และ AI ที่ใช้พื้นฐานของข้อมูลปริมาณมหาศาลจากอดีต เริ่มมีความเกี่ยวข้องกันน้อยลง ในขณะที่การตัดสินใจโดยมนุษย์และ AI มีความซับซ้อนและเป็นที่ต้องการมากขึ้น ทำให้ผู้บริหารด้าน Data & Analytics ต้องมีข้อมูลที่หลากหลายและรอบด้านมากขึ้น เพื่อให้สามารถเข้าถึงสถานการณ์ได้อย่างถ่องแท้ ดังนั้นแล้ว ผู้บริหารด้าน Data & Analytics จึงควรเลือกใช้เทคนิคการวิเคราะห์ที่สามารถใช้ข้อมูลที่มีอยู่อย่างจำกัดได้อย่างมีประสิทธิภาพ รวมไปถึงอาศัยข้อมูลมุมกว้างในการวิเคราะห์แหล่งข้อมูลที่มีหลากหลาย ทั้งข้อมูลขนาดเล็ก ขนาดใหญ่ ที่มีโครงสร้างชัดเจน และที่มีโครงสร้างไม่ชัดเจน เพื่อให้ได้ข้อมูลเชิงลึกที่เป็นประโยชน์ต่อองค์กร แม้จะมีข้อมูลปริมาณไม่มากก็ตาม


5. XOps รูปแบบต่างๆ

เป้าหมายของ XOps ได้แก่ DataOps, MLOps, ModelOps และ PlatformOps คือการบรรลุเรื่องประสิทธิภาพและการประหยัดต่อขนาด (Economies of Scale) โดยใช้แนวทางปฏิบัติที่ดีที่สุดของ DevOps และการให้ความมั่นใจเรื่องความน่าเชื่อถือ การนำกลับมาใช้ใหม่ และการทำซ้ำ ทั้งยังช่วยลดความซ้ำซ้อนของเทคโนโลยีและกระบวนการ รวมไปถึงสร้างการทำงานแบบอัตโนมัติอีกด้วย โครงการวิเคราะห์ข้อมูลและ AI เกือบทั้งหมดเกิดความล้มเหลว เนื่องมาจากเพิ่งมาจัดการกระบวนการปฏิบัติงานอย่างเหมาะสมในภายหลัง หากผู้บริหารด้าน Data & Analytics ดำเนินการตามขนาดของระบบที่ใหญ่ขึ้นอย่างเหมาะสมโดยใช้ XOps จะทำให้สามารถทำซ้ำ ตรวจสอบย้อนกลับ ผสานรวมการทำงาน และสร้างความถูกต้องของการวิเคราะห์และสินทรัพย์ AI ได้


6. ข้อมูลเชิงวิศวกรรมแบบอัจฉริยะเพื่อสนับสนุนการตัดสินใจ

ข้อมูลเชิงวิศวกรรมแบบอัจฉริยะเพื่อสนับสนุนการตัดสินใจ ไม่เพียงแต่ใช้กับการตัดสินใจของแต่ละบุคคลเท่านั้น แต่ยังใช้จัดลำดับของการตัดสินใจ โดยจัดหมวดหมู่ให้เข้ากับกระบวนการเชิงธุรกิจ หรือแม้กระทั่งการตัดสินใจในเรื่องที่เกี่ยวโยงกันแบบฉุกเฉินและผลกระทบที่ตามมา เมื่อการตัดสินใจเริ่มมีความเป็นอัตโนมัติและถูกยกระดับมากขึ้น ก็จะเปิดโอกาสให้ผู้บริหารด้าน Data & Analytics สามารถตัดสินใจได้อย่างแม่นยำ ตัดสินใจซ้ำๆ ได้ มีความโปร่งใส และตรวจสอบย้อนกลับได้อย่างมีประสิทธิภาพมากยิ่งขึ้น


7. Data & Analytics  คือฟังก์ชันหลักทางธุรกิจ

Data & Analytics กำลังเปลี่ยนจากกิจกรรมรองเป็นฟังก์ชันหลักของธุรกิจ ภายใต้สถานการณ์นี้ Data & Analytics จะกลายเป็นสินทรัพย์ทางธุรกิจที่ถูกแชร์ร่วมกัน และสอดคล้องกับผลลัพธ์ทางธุรกิจ Data & Analytics ที่ทำงานแยกขาดจากกันจะล่มสลายไป เนื่องจากทีม Data & Analytics จากส่วนกลางและทุกหน่วยในองค์กรจะผสานความร่วมมือกันดีขึ้นกว่าเดิม


8. กราฟสัมพันธ์กับทุกสิ่งทุกอย่าง

กราฟเป็นรากฐากของคุณสมบัติของ Data & Analytics ยุคใหม่ ถูกใช้เพื่อค้นหาความสัมพันธ์ระหว่างบุคคล สถานที่ สิ่งของ อีเวนต์ และตำแหน่งระหว่างสินทรัพย์ข้อมูลที่หลากหลาย ผู้บริหารด้าน Data & Analytics อาศัยกราฟในการตอบคำถามเชิงธุรกิจที่มีความซับซ้อน ต้องอาศัยบริบทและความเข้าใจในธรรมชาติของความสัมพันธ์และจุดแข็งระหว่างแต่ละภาคส่วน โดย Gartner คาดการณ์ว่า ภายในปี 2025 จะมีการใช้เทคโนโลยีกราฟใน Data & Analytics สูงถึง 80%


9. การเพิ่มขึ้นของผู้บริโภคที่ถูกยกระดับ (Augmented Consumer)

ปัจจุบันพนักงานในองค์กรเกือบทั้งหมดใช้ Dashboard ที่ถูกเตรียมไว้ล่วงหน้า และการสำรวจข้อมูลที่ต้องลงมือทำด้วยตัวเอง ซึ่งอาจนำไปสู่ข้อสรุปที่ไม่ถูกต้องและช่องโหว่ด้านการตัดสินใจและการดำเนินการหลังจากนั้น เวลาที่เสียไปกับ Dashboard ที่ถูกเตรียมไว้ล่วงหน้าจะถูกแทนที่ด้วยข้อมูลเชิงลึกที่ถูกสร้างขึ้นแบบไดนามิค มีความอัตโนมัติ สามารถโต้ตอบได้ และมีความคล่องตัว รวมไปถึงถูกปรับแต่งให้ตรงกับความต้องการของผู้ใช้ และส่งไปยังจุดที่ต้องการจะใช้ข้อมูลเหล่านั้น


10.  Data & Analytics ที่ Edge

Data & Analytics และเทคโนโลยีสนับสนุนอื่นๆ เริ่มอยู่ในระบบ Edge Computing ที่ใกล้ชิดกับสินทรัพย์ที่อยู่ในโลกจริงและอยู่นอกขอบเขตของ IT มากขึ้น Gartner คาดการณ์ว่า ภายในปี 2023 มากกว่า 50% ของความรับผิดชอบหลักของผู้บริหารด้าน Data & Analytics จะประกอบด้วยข้อมูลที่ถูกสร้าง บริหารจัดการ และวิเคราะห์ที่ Edge โดยผู้บริหารด้าน Data & Analytics สามารถใช้แนวโน้มนี้ในการทำให้การบริหารจัดการข้อมูลมีความยืดหยุ่น ความเร็ว การกำกับดูแล และความทนทานที่ดีกว่าเดิม ตัวอย่างการใช้งานเช่น การสนับสนุนการวิเคราะห์เหตุการณ์แบบเรียลไทม์ หรือการสร้างระบบอัตโนมัติเพื่อวิเคราะห์พฤติกรรมของสิ่งต่างๆ  (Behaviour of Things)


รายละเอียดเพิ่มเติม: https://www.gartner.com/en/newsroom/press-releases/2021-03-16-gartner-identifies-top-10-data-and-analytics-technologies-trends-for-2021

ก่อนหน้า