ปัจจุบันองค์กรต่างๆ กำลังนำการวิเคราะห์เชิงพยากรณ์เข้ามาใช้ในการวิเคราะห์ข้อมูลเพิ่มมากขึ้น แต่ดูเหมือนว่าทีมวิเคราะห์จำนวนมากจะยังคงยึดติดอยู่กับแนวทางและเครื่องมือแบบเดิม ทำให้ไม่สามารถปรับขยายขีดความสามารถได้ถึงระดับที่ต้องการ ด้วยเหตุนี้ องค์กรเหล่านี้จึงต้องการกระบวนการวิเคราะห์ที่มีประสิทธิภาพ ประสิทธิผล และสามารถดำเนินการซ้ำได้ เพื่อให้การสร้างและปรับใช้โมเดลการวิเคราะห์เชิงพยากรณ์ประสบความสำเร็จ นั่นคือ ความสามารถในการนำเอาการวิเคราะห์ไปใช้ในทางปฏิบัติได้ สำหรับตัวอย่างความสำเร็จที่สำคัญที่สุดคือ การนำเอาการบริหารและการตัดสินใจมาปรับใช้กับข้อมูลเชิงลึกด้านการวิเคราะห์กับการดำเนินงานในแต่ละวัน
ขั้นตอนที่ 1:
การทำความเข้าใจและแก้ไขปัญหาอย่างถูกต้อง
ความท้าทายที่สำคัญคือการมั่นใจได้ว่าทีมงานจะสามารถเข้าใจถึงปัญหาทางธุรกิจได้ ซึ่งอาจต้องคำนึงถึงคำถามบางอย่างขณะพัฒนาแผนโมเดลของคุณ นั่นคือ
- เราจะวัดความสำเร็จได้อย่างไร
- ข้อมูลใดที่สามารถนำไปปรับใช้ได้
- ใครจะใช้โมเดลนี้ และโมเดลดังกล่าวจะมีผลต่อการตัดสินใจในรูปแบบใด
- โมเดลนี้จะต้องปรับใช้ที่ใด
ทีมวิเคราะห์ที่มีประสิทธิภาพจะทำงานร่วมกับคู่ค้าทางธุรกิจของตนอย่างใกล้ชิดเพื่อตอบคำถามที่สำคัญเหล่านี้ ตลอดจนร่วมมือกันพัฒนาโมเดลและดำเนินการตรวจสอบไปพร้อมกันด้วย
การทำความเข้าใจเกี่ยวกับปัญหาของการบริหารการตัดสินใจ
แนวทางการบริหารเพื่อตัดสินใจจะช่วยสร้างกรอบการทำงานและสภาพแวดล้อมในการทำงานร่วมกันของทีมธุรกิจ ทีมไอที และทีมวิเคราะห์ ซึ่งภายใต้กรอบการทำงานนี้ การระบุและจัดลำดับความสำคัญในการตัดสินใจเชิงปฏิบัติการจะทำให้พวกเขาสามารถเข้าใจปัญหาดีขึ้นด้วย
การบริหารการตัดสินใจจะเชื่อมโยงการตัดสินใจเข้ากับสิ่งที่ขับเคลื่อนทางธุรกิจและตัวชี้วัดประสิทธิภาพซึ่งมีผลกระทบกับธุรกิจมากที่สุด การสร้างโมเดลการตัดสินใจเพื่อช่วยเพิ่มประสิทธิภาพให้กับการวิเคราะห์จึงต้องมีความชัดเจนและมุ่งเน้นไปที่การกำหนดปัญหาขององค์กรและมั่นใจได้ว่าผลตอบแทนจากการลงทุน (ROI) จะมั่นคงและยั่งยืน ทั้งยังสามารถใช้ทรัพยากรการวิเคราะห์ที่มีอยู่อย่างจำกัดได้อย่างมีประสิทธิภาพอีกด้วย
ขั้นตอนที่ 2:
การสื่อสารและความร่วมมือ
แนวทางที่ต้องการมุ่งเน้นธุรกิจในลักษณะนี้จะต้องสร้างปฏิสัมพันธ์ที่ดีระหว่างทีมวิเคราะห์กับทีมธุรกิจ และต้องเห็นภาพที่ชัดเจนเกี่ยวกับวิธีการปรับใช้การวิเคราะห์และตำแหน่งที่จะนำมาปรับใช้ด้วย โดยแนวทางนี้จะช่วยทำให้มั่นใจได้ว่าการปรับใช้จะประสบผลสำเร็จเมื่อโมเดลได้รับการพัฒนาขึ้นมา
ในปัจจุบัน ผลลัพธ์ของกระบวนการพัฒนาโมเดลเชิงพยากรณ์มักจะได้รับการบันทึกไว้ในรูปแบบของเอกสาร รายงาน หรือแดชบอร์ด หรือในรูปแบบของรหัสที่ได้มาจากระบบการสร้างโมเดล และแม้ว่ารายงานเพียงอย่างเดียวอาจจะเพียงพอสำหรับการตัดสินใจเชิงกลยุทธ์ ซึ่งมาจากการมีข้อมูลเชิงลึกที่สามารถใช้ในการตรวจสอบการวิเคราะห์และทำการตัดสินใจได้ก็ตาม แต่หากต้องการได้รับประโยชน์จากการวิเคราะห์เชิงพยากรณ์อย่างสมบูรณ์และครอบคลุม ข้อมูลเชิงลึกด้านการวิเคราะห์ก็จำเป็นที่จะต้องได้รับการปรับใช้ในระบบการปฏิบัติงานด้วย
การก้าวสู่ขั้นตอนถัดไป
ด้วยกระบวนการพัฒนาโมเดลระดับอุตสาหกรรม การบริหารการตัดสินใจจึงต้องได้รับการสนับสนุนจากสถาปัตยกรรมที่เชื่อถือได้เพื่อช่วยในการปรับใช้โมเดลกับระบบการปฏิบัติงาน ทั้งนี้ การตัดสินใจที่รวดเร็วและดียิ่งขึ้นนั้น จะต้องผสานรวมตรรกะของการตัดสินใจและการวิเคราะห์ระบบปฏิบัติงานต่างๆ เข้าไว้ด้วยกัน
การบริหารการตัดสินใจจะช่วยสร้างความมั่นใจได้ว่าเมื่อโมเดลถูกสร้างและได้รับการตรวจสอบแล้ว ทีมงานทั้งหมดจะทราบถึงตำแหน่งและวิธีการปรับใช้โมเดลนั้นๆ ซึ่งเมื่อถึงขั้นตอนนี้ทางทีมงานจะสามารถมุ่งไปยังจุดที่ต้องมีการตัดสินใจเชิงปฏิบัติการและระบบที่มีความจำเป็นจะต้องสร้างขึ้นนั่นเอง
การใช้โครงสร้างพื้นฐานภายในของฐานข้อมูล
วิธีหนึ่งที่จะทำให้โมเดลการวิเคราะห์เชิงพยากรณ์พร้อมใช้ในการปฏิบัติงาน คือการใช้โครงสร้างการให้คะแนนของภายในของฐานข้อมูล (in-database) โดยโมเดลการวิเคราะห์เหล่านี้จะถูกนำเข้าสู่ส่วนสำคัญของที่เก็บข้อมูลที่ใช้ในการปฏิบัติงานของคุณโดยตรง และเมื่อมีการปรับใช้งาน โมเดลดังกล่าวก็พร้อมใช้งานในรูปของฟังก์ชั่นหรือ SQL และครอบคลุมถึงมุมมองหรือกระบวนการที่ถูกจัดเก็บด้วย โดยขณะนี้ระบบการปฏิบัติงานจะมีสิทธิ์ในการเข้าถึงผลลัพธ์ของโมเดล อีกทั้งยังมั่นใจได้ว่าผลลัพธ์ดังกล่าวจะยึดตามข้อมูลปัจจุบัน ตลอดจนได้รับการคำนวณตามเวลาจริงและเมื่อมีการร้องขอ ด้วยเหตุนี้ กฎเกณฑ์ทางธุรกิจต่างๆ จึงสามารถเข้าถึงผลการวิเคราะห์เชิงพยากรณ์ได้เช่นเดียวกับส่วนอื่นๆ ของข้อมูล
การนำการวิเคราะห์มาปรับใช้โดยตรง
โมเดลการวิเคราะห์เชิงพยากรณ์สามารถปรับใช้ได้โดยตรงกับสภาพแวดล้อมการปฏิบัติงานผ่านบริการทางด้านการตัดสินใจ (การนำการตัดสินใจไปใช้และวิธีการของระบบที่จะพบถึงรูปแบบของการตัดสินใจ) ทั้งนี้ บริการทางด้านการตัดสินใจจะช่วยให้สามารถนำการตัดสินใจกลับมาใช้ซ้ำได้และยังพร้อมใช้งานโดยทั่วไป การบริการด้านการตัดสินใจถือเป็นบริการทางธุรกิจที่สำคัญในการบริการที่มุ่งเน้นสถาปัตยกรรม (Service Oriented Architecture or SOA) ซึ่งสามารถให้คำตอบสำหรับคำถามที่เฉพาะเจาะจงได้ และเนื่องจากบริการดังกล่าวไม่ได้ทำให้เกิดการเปลี่ยนแปลงใดๆ อย่างถาวร จึงสามารถนำไปใช้เพื่อตอบคำถามที่เกิดขึ้นโดยที่ไม่ต้องกังวลถึงผลข้างเคียงใดๆ
เรียลไทม์
ไม่ว่าวิธีการปรับใช้การวิเคราะห์เชิงพยากรณ์และบริการด้านการตัดสินใจจะเป็นอย่างไร การนำไปใช้ก็ควรเกิดขึ้นในแบบเรียลไทม์ เพื่อให้แน่ใจว่าการใช้ข้อมูลจะเป็นปัจจุบันมากที่สุด และทีมวิเคราะห์จะต้องรับรู้ด้วยว่าระบบการปฏิบัติงานที่ทันสมัยนั้นจะต้องอยู่ในรูปแบบเรียลไทม์
ขั้นตอนที่ 3
การปรับใช้ที่เชื่อถือได้
การบริหารการตัดสินใจให้ความสำคัญกับประสิทธิภาพของการตัดสินใจอย่างมาก กล่าวคือ ยิ่งการตัดสินใจมีประสิทธิภาพมากเท่าใดก็จะยิ่งลดโอกาสของการเกิดความผิดพลาด ช่วยปรับปรุงการมีปฏิสัมพันธ์กับลูกค้าและสามารถระบุจุดที่ก่อให้เกิดปัญหาได้ ขั้นตอนนี้มุ่งเน้นกระบวนการนำสถาปัตยกรรมการปรับใช้ซึ่งมีความน่าเชื่อถือและสามารถนำไปใช้งานจริง โดยประกอบด้วยคุณลักษณะที่สำคัญ 5 ประการ ดังนี้
1. แนวทางการจัดการข้อมูลอย่างเป็นระบบ
องค์กรจะต้องสามารถใช้ข้อมูลเชิงธุรกรรมและกระแสเหตุการณ์ต่างๆ รวมถึงข้อมูลที่ไม่มีโครงสร้างหรือกึ่งมีโครงสร้าง และข้อมูลในลักษณะอื่นๆ เพื่อที่จะสามารถเข้าใจถึงสิ่งที่ลูกค้ากำลังดำเนินการอยู่ โดยแนวทางการจัดการข้อมูลอย่างเป็นระบบเพื่อครอบคลุมในด้านคุณภาพของข้อมูล การผสานรวม และการจัดการ ซึ่งจะช่วยให้แน่ใจถึงการใช้งานที่มีประสิทธิภาพและเป็นมาตรฐาน
2. ระบบการทำงานของการวิเคราะห์เชิงพยากรณ์
แนวทางที่เป็นระบบมากขึ้นจะถูกนำไปสู่ระบบการทำงานเพื่อช่วยในการกำหนดขั้นตอนสำหรับการสร้างโมเดล ด้วยเหตุนี้ การสร้างโมเดลการวิเคราะห์จึงมีประสิทธิภาพและมาตรฐานมากขึ้น นอกจากนี้ ความสามารถในการทำเหมืองข้อมูลของฐานข้อมูลภายในที่ถูกผสานรวมเข้ากับเวิร์กโฟลว์ที่ยังสามารถสร้างอัลกอริธึมสำหรับการจัดเตรียมข้อมูล การแปลง และการสร้างโมเดลในโครงสร้างข้อมูลได้ ซึ่งช่วยลดปริมาณการเคลื่อนย้ายข้อมูลส่งผลให้งานมีประสิทธิภาพมากยิ่งขึ้น และที่สำคัญความสามารถด้านการวิเคราะห์ในหน่วยความจำและการวิเคราะห์ที่มีประสิทธิภาพสูงอื่นๆ รวมถึงระบบอัตโนมัติที่ชาญฉลาดยังสามารถนำไปปรับใช้ได้ตามความเหมาะสมอีกด้วย
3. การมีส่วนร่วมของผู้ใช้ที่มีความรู้ทางด้านเทคนิคน้อย
ด้วยคุณสมบัติต่างๆ ช่วยให้ผู้ใช้ที่มีความรู้ด้านเทคนิคน้อยสามารถสร้างและดำเนินการกับเวิร์กโฟลว์ได้โดยใช้ประโยชน์จากความสามารถด้านระบบอัตโนมัติในการสร้างโมเดลที่ "ดีพอ" (good-enough) จำนวนมากได้อย่างรวดเร็ว และเมื่อทำงานร่วมกับทีมวิเคราะห์ ผู้ใช้เหล่านี้จะสามารถสร้างโมเดลการวิเคราะห์ได้อย่างง่ายดาย อีกทั้งยังเข้าร่วมในการตรวจสอบโมเดลได้อย่างเต็มที่ ซึ่งนั่นจะช่วยให้ทีมวิเคราะห์สามารถมุ่งเน้นไปยังปัญหาที่มีความซับซ้อนและมีความสำคัญสูงได้
4. การตอบสนองอย่างรวดเร็วของโมเดล
โครงสร้างการวิเคราะห์ที่มีประสิทธิภาพสูงให้ความสามารถด้านการจัดการภาระงาน การจัดกำหนดการ และความพร้อมในการใช้งานระดับสูง โดยผลิตภัณฑ์ที่ช่วยสร้างระบบการประมวลผลแบบกริดในลักษณะกระจายจะดำเนินงานแบบคู่ขนานระหว่างเซิร์ฟเวอร์จำนวนมากด้วยการใช้ระบบจัดเก็บข้อมูลทางกายภาพร่วมกัน โดยจะเห็นได้ว่าอัลกอริธึมที่เขียนขึ้นมาเพื่อใช้ประโยชน์จากโครงสร้างนี้สามารถช่วยปรับปรุงประสิทธิภาพการทำงานได้อย่างมาก
5. การจัดการและการตรวจสอบโมเดล
ความสามารถของการปรับใช้บางอย่างช่วยให้ทีมวิเคราะห์สามารถตั้งค่าการตรวจสอบโมเดลได้โดยอัตโนมัติเพื่อดูว่าจำเป็นต้องปรับหรือสร้างโมเดลใหม่เมื่อใด ความสามารถเหล่านี้ยังช่วยติดตามประสิทธิภาพของโมเดลเพื่อยืนยันลักษณะการทำงานและประสิทธิภาพด้านการพยากรณ์ได้อีกด้วย โดยผู้ที่ไม่ได้ใช้ระบบการวิเคราะห์เชิงพยากรณ์ เช่น ผู้ดูแลระบบฐานข้อมูลและผู้เชี่ยวชาญด้านการผสานรวมระบบ สามารถที่จะกำหนด จัดการ และนำเวิร์กโฟลว์นี้เข้าสู่กระบวนการทำงานได้เช่นกัน
บทสรุป
ปัจจุบันองค์กรหลายแห่งมีกระบวนการเฉพาะกิจสำหรับกำหนดปัญหาทางธุรกิจของตน ซึ่งอาจใช้เวลาหลายเดือนในการปรับใช้โมเดลพยากรณ์ โดยที่องค์กรบางแห่งอาจไม่เคยปรับใช้โมเดลเลย ขณะที่บางแห่งปรับใช้แล้วแต่ยังไม่มีการตรวจสอบ สิ่งนี้อาจทำให้โมเดลถูกลดระดับลงไปยังจุดที่ก่อให้เกิดผลเสียมากกว่าผลดีได้
การวิเคราะห์เชิงพยากรณ์สามารถนำเสนอข้อมูลเชิงลึกและการคาดการณ์ต่างๆ รวมถึงช่วยเปลี่ยนความไม่แน่นอนทางธุรกิจให้กลายเป็นโอกาสที่สามารถทำกำไรได้ นอกจากนี้ การบริหารการตัดสินใจที่ผสานรวมเข้ากับแพลตฟอร์มเทคโนโลยีที่มีประสิทธิภาพและทันสมัยยังช่วยให้แน่ใจด้วยว่า การวิเคราะห์จะสามารถแก้ไขปัญหาได้อย่างถูกต้อง สามารถนำเสนอกระบวนการพัฒนาโมเดลที่ดำเนินการซ้ำได้ในระดับอุตสาหกรรม พร้อมทั้งให้สถาปัตยกรรมที่เชื่อถือได้สำหรับการปรับใช้โมเดลการวิเคราะห์เชิงพยากรณ์กับระบบการผลิต