ไชยพงศ์​ ลาภเลี้ยงตระกูล

การใช้แนวคิด Data-Driven หมายถึงการนำข้อมูลที่เรามีมาใช้ในการปรับปรุงและพัฒนากระบวนการต่างๆ ให้มีประสิทธิภาพยิ่งขึ้น โดยเฉพาะในด้านการตลาดหรือ Data-Driven Marketing ซึ่งเป็นการใช้ข้อมูลเพื่อปรับปรุงการตลาดให้ตรงเป้าหมายและมีประสิทธิผลมากขึ้น

ทำไมเราต้องสนใจ Data-Driven และ Automation?

ในยุคของการเปลี่ยนแปลงอย่างรวดเร็ว การทำงานที่มีประสิทธิภาพและการสร้างมูลค่าเพิ่มให้กับองค์กรนั้นจำเป็นต้องมีการใช้ Automation และ Data-Driven เพื่อให้ได้ผลลัพธ์ที่ต้องการ นอกจากจะช่วยลดเวลาและค่าใช้จ่ายแล้ว ยังช่วยให้มีการตัดสินใจที่แม่นยำยิ่งขึ้น

การนำ Data-Driven มาใช้ในเชิงกลยุทธ์กับการตลาด

การเปลี่ยนจากกระบวนการ Manual ไปสู่ Automation นั้นจะช่วยให้:

การนำ Data-Driven มาใช้กับ IT

สำหรับองค์กรที่มีการใช้งานเซิร์ฟเวอร์และระบบ IT ขนาดใหญ่ การเก็บและวิเคราะห์ข้อมูลจะช่วยให้สามารถจัดการทรัพยากรได้อย่างมีประสิทธิภาพมากขึ้น โดยสามารถ:

การมองไปในอนาคต

ในอนาคต เมื่อเราเข้ามาในออฟฟิศในตอนเช้า เราสามารถใช้ AI เพื่อวิเคราะห์ข้อมูลและตอบคำถามที่เราต้องการทราบ แทนที่จะต้องตรวจสอบเองทุกจุด สิ่งนี้จะเกิดขึ้นได้ต้องมีระบบ CDP (Customer Data Platform) ที่สามารถเชื่อมต่อกับแหล่งข้อมูลและดำเนินการตามคำสั่งได้

บทบาทของผู้บริหารในอนาคต

แม้ว่า AI จะเข้ามาช่วยในงานเบื้องต้นจากข้อมูลที่มีอยู่ แต่ในที่สุดเรายังคงต้องเป็นผู้ที่ตรวจสอบและให้คำแนะนำสำคัญ การใช้ Automation และ Data-Driven จะทำให้เรามีเวลามากขึ้นในการมุ่งเน้นงานที่มีความสำคัญและสร้างมูลค่าให้กับองค์กร

การนำ Data มาใช้จะเป็นกุญแจสำคัญที่ช่วยให้องค์กรสามารถปรับตัวและประสบความสำเร็จในยุคดิจิทัลได้อย่างมีประสิทธิภาพ

Data-Driven & Automation ใช้ข้อมูลให้ถึงเป้าหมาย

กุลวัฒน์ วงศาโรจน์

ในตอนนี้ เราจะพูดคุยกับ Agile Coach ผู้มากประสบการณ์ ที่จะมาแบ่งปันเรื่องราวตลอดการทำงานกว่า 20 ปีที่ผ่านมา ตั้งแต่การค้นพบตัวเองในความชื่นชอบสายงานคอมพิวเตอร์ บทเรียนจากความล้มเหลวในการทำธุรกิจเกี่ยวกับ product จนไปถึงบทบาทใหม่ในการเป็นโค้ชให้ผู้อื่นได้ค้นหาวิธีที่เหมาะสมกับตัวเอง เราจะได้เรียนรู้ถึงเบื้องหลังความท้าทายในการนำ Agile มาปรับใช้อย่างได้ผล ตั้งแต่ศาสตร์และศิลป์ในการสื่อสารกับผู้บริหาร ไปจนถึงเคล็ดลับในการปรับ Mindset ให้พร้อมรับมือกับความเปลี่ยนแปลง

ถ้าคุณกำลังตามหาแนวทางการทำงานและการใช้ชีวิตที่ลงตัว เรื่องราวในตอนนี้จะช่วยสร้างแรงบันดาลใจ ให้คุณกล้าก้าวออกจาก Comfort Zone เพื่อค้นหาเส้นทางที่ใช่ของตัวเอง

ในบทสัมภาษณ์พิเศษนี้ เราได้พูดคุยกับ Agile Coach ผู้เต็มเปี่ยมไปด้วยประสบการณ์อันหลากหลายที่เขาบ่มเพาะมานานกว่า 20 ปี พี่ปอม กุลวัฒน์ วงศาโรจน์ 

เส้นทางการทำงานของพี่ปอมเริ่มต้นจากความหลงใหลด้านเทคโนโลยีตั้งแต่ยังเด็ก ผ่านการทำงานในสายงานคอมพิวเตอร์ สู่การเป็นโปรแกรมเมอร์ที่ต้องก้าวผ่านความท้าทายมากมาย ไม่ว่าจะเป็นการทำงานกับทีมต่างชาติที่สื่อสารไม่ตรงกัน การอยู่ในประสบการณ์ Layoff หลายครั้ง ไปจนถึงการตัดสินใจมาเป็นเจ้าของธุรกิจเพื่อสร้างความมั่นคงที่แท้จริงให้ชีวิต

"ผมเคยล้มเหลวจากการพยายามสร้าง Product ที่ดีที่สุด เราทุ่มเททั้งแรงกายแรงใจเพื่อมัน แต่ด้วยการเป็นกลุ่มคนเทคโนโลยีที่ไม่ถนัดเรื่องขายของ ธุรกิจนั้นจึงไปต่อไม่ได้ในที่สุด" เขาเล่าถึงบทเรียนสำคัญที่ทำให้ต้องเปลี่ยนมุมมองในการทำธุรกิจใหม่ทั้งหมด

แต่ด้วยความที่เป็นคนชอบเรียนรู้และพร้อมปรับตัวเสมอ เขาจึงนำประสบการณ์ตรงเหล่านั้นมาต่อยอดทำสิ่งที่ตัวเองถนัดและเป็นประโยชน์อย่างแท้จริง นั่นคือการเป็นโค้ชให้ผู้อื่นได้ค้นหาวิธีการทำงานที่เหมาะสมกับตนเอง ภายใต้แนวคิด Agile ที่มุ่งเน้นการสื่อสารกับ user ผ่านผลงานที่ทีมสร้าง

"Agile ไม่มีสูตรสำเร็จตายตัว แต่เป็นการปรับใช้อย่างยืดหยุ่นให้สอดคล้องกับแต่ละบริบท เราต้องกล้าลองผิดลองถูก กล้าเสาะหา Best Practice ของตัวเอง แล้วค่อยๆ พัฒนาไปทีละขั้น"

เขายังเล่าอีกว่า ความแตกต่างของมุมมองระหว่างผู้บริหารกับพนักงานเป็นความท้าทายสำคัญในการทำ Coaching "บางครั้งสิ่งที่พนักงานมองว่าเป็นปัญหาใหญ่ แต่ผู้บริหารกลับมองว่าเป็นแค่เรื่องเล็กๆ ที่แค่ต้องปรับปรุง การจะทำให้ทุกฝ่ายเข้าใจกันได้ต้องใช้ทั้งศาสตร์และศิลป์ในการสื่อสารอย่างแยบยล"

เรื่องราวและข้อคิดที่เขาแบ่งปันให้ฟังนั้นช่างเต็มไปด้วยคุณค่า ตั้งแต่การกล้าก้าวออกจาก Comfort Zone การไม่ยึดติดกับวิธีการเดียว ไปจนถึงการเลือกจับทีละเรื่อง เดินไปข้างหน้าทีละก้าว แม้จะดูเชื่องช้าแต่ยังดีกว่าอยู่กับที่

บทเรียนจากเส้นทางอันท้าทายของเขานี้ น่าจะช่วยจุดประกายไอเดียให้ใครหลายคนได้ลุกขึ้นมาค้นหาเส้นทางที่ใช่ของตัวเองบ้าง เพื่อที่เราจะได้ทำในสิ่งที่รัก ตอบโจทย์ที่ตัวเราเองมี และสร้างประโยชน์ให้กับผู้คนอย่างแท้จริง

สอนคนให้ทำเรื่องที่ใช่ ค้นหา ลองทำ เติบโต

ชลธิชา แสงพันธุ์

คำว่าเก็บข้อมูลลูกค้าให้เยอะที่สุด มากเท่าไหร่ยิ่งดี อาจจะไม่ดีเสมอไปก็ได้ เรามาดูรูปแบบข้อคิดที่ได้จากการทำงานในด้านนี้ ที่คนทั่วไปไม่เข้าใจกัน

1. อยากได้ข้อมูลแบบฟรีๆ ไม่ยอมเสียเงิน

บริการฟรีอย่างเช่น Google Map ผู้ใช้ยินยอมที่จะให้ข้อมูลเพื่อแลกกับบริการที่เขาต้องการ และข้อมูลนั้นก็ถูกนำไปใช้ในการสร้างผลิตภัณฑ์ตัวอื่นที่นำมาใช้ทำเงินกับเราได้ต่อ แสดงให้เห็นว่าผู้ใช้นั้น ยินดีที่จะให้ข้อมูล ถ้าสิ่งที่เค้าได้กลับมามีค่าพอ หลายๆ ธุรกิจมุ่งแต่จะเก็บข้อมูลอย่างเดียวโดยที่ไม่ยอมให้อะไรกลับมากับผู้ใช้เลย นี่เป็นข้อแรกที่อย่างให้ปรับ Mindset ในเรื่องการเก็บข้อมูลนี้

2. มีข้อมูลลูกค้าแล้วแต่ไม่ยอมใช้

อย่าลืมว่าการมีข้อมูลนั้น มันจะมีค่าใช้จ่ายต่างๆ ไม่ว่าจะเป็นค่าใช้จ่ายในการรวมรวม ค่าใช้จ่ายในการจัดเก็บ ดังนั้นถ้าเก็บมาแล้วต้องหาทางนำมาใช้ประโยชน์ให้ได้ 

3. ไม่เน้นเก็บข้อมูลเอง เน้นซื้อข้อมูลเอา

จากประสบการณ์ที่ผ่านมา การทำงานกับข้อมูลในรูปแบบนี้ ไม่เคยมีตัวไหนที่ตอบ ROI ของบริษัทได้เลย

4. ถูกคน ถูกที่ ถูกเวลา

Brand ทั่วไปมักจะเน้นการตลาดไปที่การทำให้ ถูกคน คือเจอคนที่ใช้สินค้าหรือบริการอยู่แล้ว แต่แท้จริงนั้น การทำให้ถูกเวลานั้น สำคัญที่สุด การเข้าไปนำเสนอบริการในจังหวะที่ลูกค้ากำลังต้องการพอดี จะทำให้สามารถปิดการขายได้ ถ้าเป็นสินค้าที่ต้องมีการซื้อซ้ำ ต้องทำให้ลูกค้าไม่มีโอกาสไปคิดถึง brand อื่นได้เลย การนำเสนอสินค้าใจจังหวะที่ลูกค้ากำลังจะซื้อมาเพื่อทดแทน จะมีโอกาสสูงมากที่จะปิดการขายได้

5. ลูกค้าอาจจะไม่รู้ว่าเค้าต้องการอะไรอยู่ก็ได้ (แต่เรารู้ได้)

เราสามารถสร้าง Segmentation ของลูกค้าจากข้อมูลที่มี เพื่อทำการเทียบเคียงจากความต้องการของลูกค้ารายอื่นที่อยู่ใน Segment เดียวกันได้ ก็จะทำให้เราสามารถเดาความต้องการของลูกค้าคนนั้นได้

6. การตลาดแบบหนึ่งๆ ไม่สามารถใช้ได้กับทุกคน

ไม่ใช่ทุกคนที่จะอยากได้โปรโมชั่น 1 แถม 1 ถ้าเราคิดว่าทุกเคนเหมือนกันหมด และส่งสารโปรโมชันออกไปหาคนกลุ่มนี้ นอกจากไม่ได้ผลแล้ว ยังเปลืองค่าส่ง message อีกด้วย 

7. ในอนาคตทุก brand จะสามารถทำการตลาดที่ได้ผลกับคนและสถานที่เหมือนกัน ในอีก 1 ปีข้างหน้า เราจะแข่งกันเรื่องถูกเวลา

8. ข้อมูลสถานที่ส่ง สามารถนำมาวิเคราะห์อาชีพของลูกค้าได้

สถานที่ส่งอย่างเช่นโรงพยาบาล เราสามารถเดาอาชีพของลูกค้าได้ คือเป็นหมอ พยาบาล บุคคลากรทางการแพทย์ และเราจะสามารถทำการตลาดได้ดียิ่งขึ้นจากการเทียบเคียงกับกลุ่มคนที่มีความเหมือนกัน

เคล็ด(ไม่)ลับการตลาด และเรื่องที่คุณต้องรู้

ตฤณ นิลกรณ์

AI-Deate เกิดมาเพื่อแก้ปัญหาอะไร?

โจทย์ที่สำคัญของ AI-Deate คือ เราจะสามารถนำ Generative AI มาใช้ร่วมกับอุตสาหกรรมครีเอทีฟได้อย่างไรเพื่อปรับปรุงกระบวนการทำงาน ในโลกของครีเอทีฟ ความรู้สึกจะเข้ามามีบทบาทสำคัญมาก กระบวนการตัดสินใจจะอิงจากอารมณ์สูง AI-Deate จึงเข้ามาเป็นเครื่องมือช่วยในการสื่อสาร ช่วยให้ครีเอทีฟสร้างไอเดียได้เร็วขึ้นและมีประสิทธิภาพมากขึ้นเมื่อตัองไปคุยกับลูกค้า

AI-Deate ต่างจาก AI-tool อื่นๆ อย่างไร

การใช้ AI Tools อื่นๆ คือการสร้าง prompt นั้น ผลลัพธ์ที่ได้มักไม่สอดคล้องกับความต้องการของครีเอทีฟ ยกตัวอย่างเช่น การสร้างภาพด้วย AI ผลลัพธ์จะได้ไม่ตรงกับคอนเซ็ปต์ที่ครีเอทีฟจินตนาการไว้ และกว่าจะได้มาซึ่งภาพที่อยู่ในหัวของครีเอเทีฟนั้นอาจทำให้มีการทำงานที่ซับซ้อน AI-Deate จึงมีฟีเจอร์ real-time preview ที่ช่วยให้ครีเอทีฟเห็นไอเดียของตนเองกลายเป็นภาพได้อย่างรวดเร็วและตรงกับความต้องการได้ไวกว่า

การพัฒนากระบวนการสร้างไอเดีย

ครีเอทีฟปกติจะใช้เวลามากในการสร้าง storyboard ไม่ใช่แค่การสร้างภาพที่ต้องสวยงาม แต่ต้องสามารถเล่าเรื่องได้ตรงกับความต้องการด้วย AI-Deate ช่วยในกระบวนการนี้โดยการทำให้การสร้าง storyboard รวดเร็วขึ้น ฟีเจอร์นี้ช่วยในการแสดงภาพและการสร้างเรื่องราวที่น่าสนใจ ทำให้การสื่อสารไอเดียกับลูกค้าและผู้มีส่วนเกี่ยวข้องเป็นไปได้ง่ายขึ้น

การเล่าเรื่องอย่างมีประสิทธิภาพด้วย AI

AI-Deate เป็นเครื่องมือที่มีประโยชน์ในการจัดการมุมกล้องและแง่มุมทางเทคนิคอื่น ๆ ของการเล่าเรื่อง เครื่องมือนี้ช่วยให้ภาพที่สร้างขึ้นสามารถนำไปคุยกับลูกค้าได้ ช่วยในการทำให้ทุกคนมีมุมมองเดียวกันก่อนเข้าสู่กระบวนการ production สิ่งนี้เป็นสิ่งสำคัญมาก เพราะเวลาที่ใช้ส่วนมากคือการทำให้ภาพตรงกันก่อนนี้เอง

AI-Deate จะยังคงเน้นเรื่องของการเล่าเรื่อง แผนการถัดไปคือการทำให้เรื่องที่อยากจะเล่านั้นอยู่ในรูปแบบของวีดีโอ แต่จะเป็นวีดีโอที่เป็นผลลัพธ์จากการเล่าเรื่องที่ดีของ user ซึ่งจะทำให้ได้ผลลัพธ์ที่ดีกว่าและมีเสน่ห์กว่า

ปัจจุบัน AI-Deate เปิดให้ใช้งานฟรี สำหรับข้อมูลเพิ่มเติมและเริ่มต้นใช้งาน AI-Deate เข้าไปที่ 

AI-Deate: ปฏิวัติวงการครีเอทีฟด้วย Generative AI

ผศ.ดร.ณัฐพล นิมมานพัชรินทร์

เนนิน อนันต์บัญชาชัย

อุตสาหกรรมดิจิทัลคอนเทนต์ ซึ่งประกอบด้วยตัวละคร เกม และแอนิเมชัน ถือเป็นหนึ่งในอุตสาหกรรมเป้าหมายใหม่ (New S-Curve) ที่มีบทบาทสำคัญต่อการขับเคลื่อนเศรษฐกิจและนวัตกรรมของประเทศไทยในอนาคต โดยมีมูลค่าตลาดรวมสูงถึง 2-3 หมื่นล้านบาท และมีอัตราการเติบโตเฉลี่ยราว 10% ต่อปี อย่างไรก็ตาม สัดส่วนมูลค่าของผลงานที่มาจากทรัพย์สินทางปัญญาของคนไทยเองนั้นยังค่อนข้างต่ำ

ในอุตสาหกรรมเกมซึ่งมีมูลค่ากว่า 3.6 หมื่นล้านบาท สัดส่วนของ IP ไทยมีเพียง 2% หรือ 600 ล้านบาทเท่านั้น ทั้งที่มีผลงานดีๆ อย่างเกม Slider Mania จาก Candy Mobile, Toki Tori จาก Two Tribes เป็นต้น ดังนั้นการสนับสนุนให้เกิดการสร้างสรรค์ผลงานต้นแบบและการบริหารจัดการทรัพย์สินทางปัญญาอย่างมีประสิทธิภาพจึงมีความจำเป็นอย่างยิ่ง

DEPA หรือสำนักงานส่งเสริมเศรษฐกิจดิจิทัล ได้ทำหน้าที่สำคัญในการสนับสนุนอุตสาหกรรมนี้ ผ่านโครงการเงินทุนหลายระดับ เช่น DEPA Startup Fund สำหรับเริ่มต้นธุรกิจด้วยเงินทุน 1 ล้านบาทในระยะแรก หรือเงินทุน 5 ล้านบาทเพื่อขยายธุรกิจในระยะถัดไป นอกจากนี้ DEPA ยังให้การสนับสนุนในด้านการจับคู่ธุรกิจ การจัดหาทรัพยากรที่จำเป็น เป็นต้น

อย่างไรก็ดี ท่ามกลางความก้าวหน้าของเทคโนโลยีปัญญาประดิษฐ์ ที่กำลังเข้ามามีบทบาทสำคัญในการพัฒนาเครื่องมือ สร้างสรรค์เนื้อหา และเล่นเกม การใช้งาน AI ก็นำมาซึ่งประเด็นท้าทายด้านลิขสิทธิ์และจริยธรรม เช่น ใครเป็นเจ้าของลิขสิทธิ์ในผลงานที่สร้างจาก AI, AI นำข้อมูลมาจากแหล่งใดในการเรียนรู้และสร้างผลงาน รวมถึงผลกระทบต่อโอกาสการทำงานและคุณค่าของบุคลากรในอุตสาหกรรมนี้

ดังนั้น หากประเทศไทยต้องการให้ AI เข้ามามีบทบาทช่วยขับเคลื่อนอุตสาหกรรมดิจิทัลคอนเทนต์และเศรษฐกิจของประเทศได้อย่างเต็มที่ จำเป็นต้องมีการกำหนดแนวทางและกฎระเบียบในการนำ AI มาใช้งานอย่างมีจริยธรรมและเคารพลิขสิทธิ์ โดยสามารถนำแนวปฏิบัติที่ประเทศอื่นๆ ใช้อยู่แล้วมาปรับใช้ภายในบริบทของประเทศได้ ซึ่งจะช่วยสร้างความมั่นใจและสภาพแวดล้อมที่เอื้อต่อการพัฒนาด้วยเทคโนโลยีสมัยใหม่ควบคู่ไปกับการปกป้องสิทธิและคุณค่าความคิดสร้างสรรค์ของคนไทย

สรุปได้ว่า การขับเคลื่อนอุตสาหกรรมดิจิทัลคอนเทนต์ซึ่งเป็นอีกหนึ่งรากฐานสำคัญของเศรษฐกิจยุคใหม่นั้น ต้องอาศัยการผสานกันระหว่างการลงทุนและสนับสนุนในด้านต่างๆ อย่างเหมาะสม การส่งเสริมให้เกิดทรัพย์สินทางปัญญาต้นแบบ และการกำหนดกรอบการทำงานที่สมดุลระหว่างการนำนวัตกรรมมาสร้างมูลค่าเพิ่มกับการปกป้องคุณค่าและสิทธิของผู้สร้างสรรค์ไทย

ทรัพย์สินทางปัญญา หนุนอุตสาหกรรมเกมไทยรุ่งไม่มีร่วงในยุค AI?

ดร. สันติสุข ลิ้มปิติเจริญโชติ

ดร. นิธิพงศ์ บุญหลง

การนำ AI มาใช้ในองค์กรอย่างมีประสิทธิภาพ

ในปัจจุบัน AI เริ่มมีบทบาทมากขึ้นในการช่วยวิเคราะห์ข้อมูลและสร้างผลลัพธ์ทางธุรกิจ แต่การนำ AI มาใช้งานอย่างเพียงลำพังอาจไม่เพียงพอ องค์กรจำเป็นต้องมีการจัดการข้อมูลที่ดีเพื่อให้ AI สามารถนำข้อมูลมาใช้ให้เกิดประโยชน์สูงสุด

Data Management คือกระบวนการบริหารจัดการข้อมูลขององค์กร ตั้งแต่การวางแผน ออกแบบ กำหนดสิทธิ์การเข้าถึง นำข้อมูลเข้าสู่ระบบ รวมถึงการส่งต่อข้อมูลให้ลูกค้า การจัดการข้อมูลที่ดีจะช่วยให้บุคลากรในองค์กรสามารถเข้าถึงและใช้ประโยชน์จากข้อมูลได้ด้วยตนเอง ซึ่งจะนำไปสู่การตัดสินใจบนพื้นฐานของข้อมูลได้อย่างมีประสิทธิภาพมากขึ้น

อีกด้านหนึ่ง การจัดการข้อมูลยังช่วยให้องค์กรสามารถบริหารจัดการต้นทุนและวางแผนสินค้าคงคลังได้อย่างเหมาะสม หากขาดการจัดการข้อมูลที่ดีอาจทำให้พลาดโอกาสทางธุรกิจไป

การนำ Generative AI หรือ Gen AI มาใช้จำเป็นต้องอาศัยการจัดการข้อมูลที่ดี ทั้งในแง่ของการดึงข้อมูลมาใช้งาน และการจัดเตรียมข้อมูลที่ถูกต้องปัจจุบันให้ Gen AI ซึ่งจะช่วยให้ Gen AI สามารถตอบโจทย์หรือสร้างผลลัพธ์ได้อย่างถูกต้องแม่นยำ

หนึ่งในความท้าทายคือการทำให้ Gen AI เข้าใจข้อมูลขององค์กรได้ถูกต้อง เนื่องจาก Gen AI อาจเกิดปรากฏการณ์ที่เรียกว่า Hallucination ซึ่งหมายถึงการสร้างคำตอบที่ไม่ได้อยู่บนพื้นฐานของข้อมูลจริง ดังนั้น Data Management Platform จึงมีบทบาทสำคัญในการรวบรวมและเตรียมข้อมูลจากหลายแหล่งให้พร้อมสำหรับการนำไปใช้กับ Gen AI

ตัวอย่างประโยชน์ของการใช้งาน Gen AI ร่วมกับการจัดการข้อมูลที่ดี อาทิ การออกแคมเปญการตลาดและโปรโมชันแบบรายบุคคล การปรับปรุงประสบการณ์การให้บริการทางการแพทย์ให้มีความรวดเร็วและสะดวกมากขึ้น เป็นต้น

สุดท้าย เพื่อให้การนำ Gen AI มาใช้ประสบความสำเร็จ องค์กรจำเป็นต้องลงทุนในกระบวนการจัดการข้อมูล พร้อมทั้งพัฒนาบุคลากรให้มีความรู้ความเข้าใจในการใช้งานเทคโนโลยีใหม่ๆ อย่างต่อเนื่อง

ใช้ AI ให้ปัง ต้องจัดการข้อมูลให้เป็น

อนันฑ์ ตีระบูรณะพงษ์

การตลาดแต่เดิมจะแบ่งระหว่าง online กับ offline แต่ยุคสมัยนี้เส้นแบ่งนั้นเริ่มจางหายไป การตลาดจะมีความลึกมากขึ้นหรือเรียกว่ายุคต่อไปจะเป็นยุคของ Immersive Marketing

การที่เราเป็นนักการตลาด และคนที่ใช้ technology เราต้องเข้าใจว่าพฤติกรรมของผู้บริโภคเปลี่ยนไปแล้ว ชีวิตของเค้าไม่มีเส้นแบ่ง online กับ offline แล้ว ดังนั้นเราก็ต้องปรับตัวเราเพื่อให้เราไปอยู่ในจุดที่คนอยู่เพื่อให้สามารถทำธุรกิจต่อไปได้

Immersive ถ้าแปลตามพจนานุกรม จะแปลว่าการจมดิ่ง การหลุดเข้าไป ตัวอย่างที่ชัดเจนตัวอย่างหนึ่งคือ Disneyland จะเห็นว่าประสบการณ์ต่างๆ จะทำให้เราหลุดเข้าไปอยู่ในโลกนั้นจริงๆ ไม่ว่าจะเป็นกลิ่น แสง สี เพื่อทำให้คนที่เข้าไปมีความเข้าใจได้รับประสบการณ์ในแบบที่ออกแบบไว้ จะเห็นว่าคนได้หลุดเข้าไปในโลกของ Disney แล้ว

การตลาดในยุคนี้มันต้องมีมากกว่าแค่การบอกว่าของเราดีอย่างไร

เคสหนึ่งที่เป็นตัวอย่าง คือแคมเปญสำหรับกลุ่มคนที่ชื่นชอบในการดูรถแข่ง ซึ่งคนกลุ่มนี้จะมีความชื่นชอบบรรยากาศของสนามแข่ง มุมมองหลังพวงมาลัย อยากอยู่ใกล้ขอบสนามเพื่อให้ได้สัมผัสประสบการณ์ชั้นเยี่ยม สิ่งที่แคมเปญนี้ทำคือการนำเอาแว่น VR มาใช้ร่วมกับกล้องที่ติดไปที่รถแข่ง ทำให้คนที่ใช้แว่นได้รับประสบการณ์เหมือนอยู่ที่รถจริงๆ 

สิ่งที่เราต้องตั้งคำถามคือ ประสบการณ์อะไรที่เราอยากให้ผู้บริโภค

ถ้าเราจะร้อยเรียงประสบการณ์ให้ immersive จริงๆ เราต้องจำเขาได้ เราต้องรู้จักลูกค้าให้มากที่สุด เราต้องเอา data ทุกๆ touchpoint ที่เกิดขึ้น ข้อมูลที่เกิดขึ้นใน social space ต่างๆ มาประมวลผลเพื่อสร้างประสบการณ์แบบ immersive

การทำ immersive อาจจะไม่จำเป็นต้องยาก แต่เราต้องแสดงว่าเรารู้จักเขาได้ และสร้างความประทับใจได้

แต่สำหรับกรณีที่เราไม่รู้จักตัวตนของลูกค้า เราก็จะเปลี่ยนไปดูข้อมูลจากพฤติกรรมแทน เช่นการที่คนดูหนังเรื่องหนึ่ง แล้วไปดูอีกเรื่องหนึ่ง เราก็อาจจะสามารถเข้าใจความต้องการของเค้าต่อได้แล้ว โดยดูจากข้อมูลของคนที่ดูหนังเรื่องแบบเดียวกันแล้วนำมาเสนอเป็นตัวเลือกได้

แล้วเราจะเริ่มต้นอย่างไร เราควรจะตั้งต้นจากสิ่งที่เราต้องการแล้วย้อนกลับมาถึงข้อมูลที่เราต้องเก็บเพื่อให้ได้สิ่งนั้นมา 

โจทย์ที่เห็นได้บ่อยคือ อยากได้ยอดขายเพิ่ม เราต้องตอบคำถามต่อไปว่าทำอย่างไรถึงจะได้ยอดขายเพิ่ม บางธุรกิจบอกว่าความประทับใจทำให้ได้ยอดขาย บางธุรกิจบอกว่าต้องดึงให้กลับมาซื้อซ้ำถึงจะได้ยอดขาย แล้วก็ตอบคำถามไปเรื่อยๆ เช่นแล้วทำอย่างไรเขาถึงจะประทับใจ แล้วเราจะตอบได้ว่าเราต้องเก็บข้อมูลอะไรกันแน่

Kotler กล่าวว่า ถ้าในอีก 2 ปี เราอยากเป็น market leader ในเรื่องนี้ วันนี้เราต้องเริ่ม develop แล้ว

ยกตัวอย่างเช่น จังหวะที่ Metaverse กำลังดัง อีก 1-2 เดือน brand สามารถออก metarverse ออกมาได้ นั่นหมายความว่าเค้าได้ศึกษา ทดลองใช้ metaverse มาก่อนล่วงหน้าแล้ว ถึงสามารถออกมาได้ถูกจังหวะ

สุดท้าย Future is Immersive แต่ไม่ได้หมายความว่าทุกอย่างจะ Immersive เราต้องเข้าใจก่อนว่าอะไรควรทำ บางอย่างอาจจะไม่สามารถทำให้ immersive ได้ เราต้องเข้าใจตัวเราเองให้ดีก่อน อะไรที่เป็นเรื่องของความเชื่อใจ ความเป็นมนุษย์ งานบริการ ไม่ว่าจะอีกกี่ปี คนทำได้ดีกว่าเสมอ

การตลาดยุคใหม่ แค่บอกว่าดียังไม่พอ ต้องเข้าถึงใจให้ได้

พงษ์ธร ถาวรธนากุล

จากวันนี้เราจะต้องทำอย่างไรถึงจะสะสมความมั่งคั่งได้

อยากจะให้เปลี่ยนความสนใจจากคำว่า Work Life Balance มาเป็น Work Rich Balance การลงทุนแต่เนิ่นๆ หรือการทำให้เงินทำงานไปด้วยกันก็จะทำให้เราสามารถทำงานได้อย่างดีขึ้นด้วย เพราะการที่เราไม่ต้องพะวงกับการใช้ชีวิต ก็จะทำให้เราสามารถทำงานได้อย่างเต็มที่

หลักง่ายๆ รถไฟฟ้าของเรา คือ MRT ทำอะไรก็ได้ให้ดีขึ้นแล้วการลงทุนของเราจะดีขึ้นเอง

ถ้าตัวใดตัวหนึ่งน้อย ก็จะต้องไปจัดการกับอีกตัวให้เพิ่มขึ้นถึงจะดี 

คนปกติกว่าจะรู้ตัวว่าต้องลงทุน ก็มีเวลาน้อย เลยไปพุ่งเป้ากับการทำให้ return สูงขึ้น ด้วยการไปลงทุนกับสิ่งที่มีความเสี่ยงมาก ซึ่งวิธีการนี้ไม่ดีเอาเสียเลย 

แทนที่จะไป focus ผลตอบแทนที่มีความเสี่ยงสูงมาก อยากให้ไปมองที่ S&P500 ซึ่งเป็นตัวที่สามารถให้ผลตอบแทน 9-10% ในเวลา 10 ปีที่มี สามารถทำได้แน่นอน

พอจัดการกับ Return ได้แล้ว ถ้าอยากมีเงินใช้ตอนเกษียณ 10 ล้าน ถ้าเริ่มต้นที่อายุ 25 ปี แล้วเก็บเงินที่ 2600 บาทต่อเดือน ก็สามารถมีตัวเลขนี้ได้

หรือจะเริ่มต้นที่อายุ 30 ปี ก็จะต้องเก็บเงินรายเดือนที่ 4-5000 บาท

ถ้าเริ่มต้นที่อายุ 40 ปี จะต้องเก็บรายเดือนที่ 12000 บาท

ถ้าเริ่มต้นที่อายุ 55 ปี จะต้องเก็บรายเดือนที่ 83000 บาท

จะเห็นว่ายิ่งเริ่มลงทุนเร็วก็จะทำให้ใช้เงินน้อยลง ทีนี้สิ่งที่ทุกคนต้องดูของตัวเองก็คือ M R T ของเราเป็นอย่างไรแล้วจัดการให้เหมาะสม ถ้าเริ่มช้าก็เก็บเงินเพิ่มขึ้นหน่อย หรือจะวางแผนขยาย T ออกไป เพื่อมีเวลาเก็บมากขึ้น ก็สามารถทำได้เช่นเดียวกัน

ที่สำคัญคือ อย่าไปคาดคั้นกับการได้ return เกินไป อย่าหลอกตัวเอง และไม่จำเป็นต้องรอ ความคิดที่ว่ารอให้มีเงินอีกซักหน่อยถึงจะเริ่มเก็บ เป็นความคิดที่ผิด และอยากให้เปลี่ยนความคิดนี้ให้ได้ เริ่มเก็บทีละนิด จะทำให้ผลดีกว่าเดิมเยอะมาก

เราควรจะเริ่มลงทุนตั้งแต่เงินก้อนเล็กๆ เพื่อสร้างวินัย และสิ่งนี้จะช่วยสร้างแรงบันดาลใจในการเก็บออมให้สำเร็จได้

วิธีเพิ่มเงินออม นอกจากหาเงินให้ได้มากขึ้น เราสามารถลดค่าใช้จ่ายได้ ลดได้ 1 บาทก็จะทำให้ได้เงินเก็บเพิ่มขึ้น 1 บาท

ตั้งแต่ปี 1950 มาจนถึง 2022 ผล research บอกว่าการลงทุนแบบระยะยาวได้ผลดีกว่า

หลังจากจัดการกับ MRT ของตัวเองได้แล้ว ถึงค่อยเริ่มมองการลงทุนแบบที่เหมาะสมกับตัวเรา มองหาเครื่องมือที่เหมาะสมมาใช้ต่อไป เน้นอีกครั้งว่าสำหรับมือใหม่ ก็ใช้ยึดกับดัชนีหุ้นจะเป็นการลดความเสี่ยงได้มาก

การลงทุนเป็นเริ่องที่ง่ายขึ้น และควรจะเริ่มตั้งแต่ตอนนี้

รถไฟฟ้าพารวย - สูตรลับการลงทุน 2

วิสินี ตันพิชัย

Crypto กับ Poker มาเกี่ยวกันได้อย่างไร สิ่งหนึ่งที่ส่งให้สองสิ่งนี้มาอยู่ด้วยกันได้ เพราะคนที่เข้าใจสองสิ่งนี้ จะต้องเป็นคนที่เข้าใจความเสี่ยงและบริหารความเสียงได้เป็นอย่างดี

ว่ากันเรื่องของ Bitcoin กันก่อน ทำไมช่วงนี้ราคาขึ้น เหตุการณ์หนึ่งที่สนับสนุนเหตุการณ์นี้ คือ ปรากฎการณ์ halving นั่นเอง Halving เป็นปรากฎการณ์ที่รางวัลจากการขุดจะลดลงครึ่งหนึ่ง โดยที่จะเกิดในทุกๆ 210,000 block โดยที่ตอนนี้คนคาดการณ์ว่าน่าจะเกิดในเดือนเมษายนนี้ พอรางวัลในการขุดลดลง เลยส่งผลให้มูลค่าของเหรียญมีค่าสูงขึ้น เพราะหายากขึ้นนั่นเอง และทางสถิติแล้ว เวลาเกิด halving ราคาจะเพิ่มขึ้น 

นอกจาก Bitcoin แล้ว ยังมี altcoin ที่ได้รับอานิสงค์ตามไปด้วย แต่ละ altcoin ก็จะมี use case ที่สนับสนุนไม่เหมือนกัน ดังนั้นคนที่ลงทุนต้องศึกษาดีๆ 

พอมาพูดถึง Poker ต้องเข้าใจก่อนว่าเกมนี้ไม่ใช่การพนัน เกมนี้คือการใช้ strategy รวมถึงหลักทางสถิติที่จะทำให้เราได้เป็นเจ้าของเงินที่อยู่ในกองกลางนั้นๆ 

ปกติการเล่น Poker จะเป็นการเล่นเพื่อให้ได้ข้อมูลมาเพื่อการตัดสินใจที่ดีที่่สุดของเรา และตำแหน่งจะเปลี่ยนไปเรื่อยๆ ทำให้โอกาสในการได้ข้อมูลมาก็จะเปลี่ยนไปเรื่อยๆ ข้อมูลเป็นตัวสำคัญที่ทำให้เราสามารถตัดสินใจได้

การลงทุนมีความเสี่ยง ควรจะเข้าใจและศึกษาให้ดีก่อนการลงทุน ถ้ามีข้อมูลและตัดสินใจจากสิ่งนั้น คุณจะเรียกตัวเองได้ว่าเป็นนักลงทุน แต่ถ้าไม่ศึกษาอะไรเลย เราจะเป็นผู้เล่น ซึ่งก็จะมีโอกาสล้มเหลวได้มาก

Crypto VS Poker ความเหมือนที่แตกต่าง

อภิรักษ์ ปนาทกูล

คำว่า UX (User Experience) ปกติจะมาคู่กับ UI (User Interface) โดยสิ่งที่ต่างคือ UX จะเป็นการทำความเข้าใจ User แต่ในขณะที่ UI จะเป็นการทำให้ User เข้าใจเรา ขั้นแรกเราต้องรู้ก่อนว่า User คือใคร มีปัญหาอะไร ไปเข้าใจ user ก่อนถึงจะเข้าไปออกแบบ Solution หลังจากนั้นถึงจะมาหาวิธีทำให้ user เข้าใจเรา

วิธีการสร้าง Experience อาจจะไม่จำเป็นต้องมี UI ก็ได้ แต่ในทางเทคโนโลยี เรามีหน้าจอที่ใช้ในการแสดงผล เราเลยจำเป็นต้องพึ่ง UI ในการทำให้ User เข้าใจเรา

User Experience Designer จะเป็นคนที่ชอบดูแลคน ชอบเตรียมของให้คนเอาไปใช้ เพราะถ้าเค้าไม่อยากไปดูแลคน UX จะส่งพลังไปไม่ถึง เพราะเวลาที่คนใช้ จะเป็นเวลาที่ UX ไม่ได้อยู่ด้วย

ส่วน Graphic Designer จะเป็นคนที่สนใจเรื่อง Brand การทำให้ของสวย เพราะศาสตร์ในการทำให้ของสวยนั้น เป็นโลกอีกใบนึงเลย

ในยุคปัจจุบัน การที่คนจะมีความสามารถทั้ง 3 อย่างนี้ ไม่ใช่เรื่องที่เป็นไปไม่ได้ และถ้าจะให้ดี เค้าควรจะเข้าใจ Frontend, Backend, Infrastructure ด้วย เพื่อจะได้เข้าใจว่าส่ิงที่กำลังทำอยู่นั้นคืออะไร

ลักษณะของงาน software จะต้องมี craftsmanship ถ้าเราเข้าใจว่าเรากำลังทำงานชิ้นเดียวบนโลก เราจะมีพลังในการส่ง value ไปให้คนใช้ได้

ทุกคนที่ส่วนร่วมในงาน software ไม่ว่าส่วนใดๆ ถือว่าได้เป็นส่วนหนึ่งของ User Experience ไปแล้ว 

ส่วนการที่จะเป็น User Experience Designer ได้ ควรจะเริ่มจากการคุยกับคนก่อน พยายามทำความเข้าใจคนๆ นั้นว่าเค้าคิดอย่างไร โตมาอย่างไร ทำไมคนๆ นั้นถึงทำสิ่งนั้น ถ้าเราเข้าใจถึงเรื่องนี้ได้ เราจะเข้าถึงหัวใจของงาน User Experience

เราต้องไม่รักงานของตัวเอง เพราะเราต้องพร้อมที่จะทิ้งงานของเราไป กล้าเปลี่ยนงานที่เรามี แล้วทำสิ่งใหม่ให้ดีกว่า

ถ้าอยากจะเก่งในสายงานนี้ ลองดูง่ายๆ ลองคิดว่าถ้าใครจะมาขอบคุณคุณในเรื่องใดๆ ในอนาคต คุณจะต้องทำอะไรให้มันเกิดขึ้นบ้าง วิธีการคิดแบบนี้จะทำให้คุณคิดเป็นขั้นตอน และวางแผน step 1 2 3 4 จนทำให้มีแผนการในการทำสิ่งนั้นให้เกิดขึ้นได้

ในเดือนมีนาคม ทาง UX Thailand จะมีงาน User Experience Conference ถ้าใครสนใจอยากมาเรียนรู้ในสิ่งนี้เพิ่มเติม สามารถดูได้ที่นี่เลย 

User Experience Designer อาชีพนี้ทำอะไร

ดำรงศักดิ์ รีตานนท์

Cybersecurity ทำงานอะไร ภาพที่คนทั่วไปเห็น ส่วนใหญ่จะเป็นภาพของ Hacker และเข้าใจว่างานนี้มีอย่างเดียว แต่จริงๆ แล้ว งานในสาย cybersecurity มีหลากหลายมาก และเราจะมาทำความรู้จักกัน  เริ่มต้นจาก Red team หรือ Offensive Security ซึ่งจะเป็นงานที่เน้นการโจมตีระบบ แต่จะเป็นการโจมตีที่เจ้าของระบบรับทราบ งานนี้จริงๆ ต้องมีการวางแผนเป็นอย่างดี เพราะคงไม่มีใครอยากให้ระบบบน production ถูกโจมตีแน่ หลักการง่ายๆ คือถ้าเราคิดว่าระบบของเราดีพอ มีคนมาเจาะไม่ได้ง่ายๆ ก็จำลองหาคนมาเจาะมาทะลวงให้ได้ จะได้รู้ว่าระบบของเราดีพอหรือยัง คนใน Red team จะถูกเรียกอีกอย่างว่า Ethical hacker หรือ hacker ที่มีจริยธรรม ความสามารถหลักของคนกลุ่มนี้จะอยู่ในหมวด pentest นั่นเอง

ถัดไปคือ Blue team จะเป็น Defensive Security ทำหน้าที่ปกป้องดูแลระบบ กิจกรรมหลักคือการจัดการโครงสร้างพื้นฐานให้ปลอดภัย ยกตัวอย่างเช่นการออกนโยบายกำกับในการทำงานต่างๆ เพื่อให้ระบบไม่มีช่องโหว่ หรือถ้ามีเหตุเกิดขึ้นแล้ว Blue team ก็จะมีหน้าที่มาจัดการว่าแผนที่จะตอบสนองกับภัยคุกคามจะต้องทำอะไร ยกตัวอย่างเช่นถ้า web site ของเราถูก hack Blue team จะประเมินผลกระทบ และเก็บหลักฐาน สืบจนหาความจริงได้ เหล่านี้ก็จะถูกเรียกว่า digital forensics นั่นเอง นอกจากนี้ Blue team จะต้องทำหน้าที่คอยระวังว่าภัยคุกคามแบบไหนที่จะเกิดกับเราบ้างในสถานการณ์ต่างๆ ฉายาของคนกลุ่มนี้คือ Guardian

มีคนอีกประเภทหนึ่งที่มีความสามารถฝั่ง Blue team แต่ศึกษารูปแบบการโจมตีในรูปแบบต่างๆ ด้วย ทำให้มี skill จาก Red team ร่วมด้วย เราเลยเรียกคนกลุ่มนี้ว่า Purple team และเนื่องจากคนกลุ่มนี้มีความสามารถทั้งสองฝั่ง จึงจะเป็นกลุ่มคนที่จะเป็นกลุ่มที่ปรับกระบวนการทำงานของทั้ง Red team และ Blue team อีกที 

ทั้งนี้เราๆอาจเคยชินกับแค่สี 3 กลุ่มข้างต้น แต่ในช่วงปี 2017 April C. Wright ขึ้นพูดในงาน Blackhat USA ใน หัวข้อ Orange Is The New Purple ซึ่งใจความสำคัญคือ ความรับผิดชอบในเรื่อง Cybersecurity นั้นเป็นของทุกคน โดยนิยาม Developer ให้เป็นสีเหลือง และถ้าคนกลุ่มนี้มีความสามารถของ red team ก็จะทำให้เกิดสีใหม่ก็คือ Orange team เวลา application ที่ถูกสร้างจากคนกลุ่มนี้ จะทำให้สามารถจัดการป้องกันได้การรุกรานตั้งแต่การสร้าง application เหล่านั้นเลย

แล้วถ้า developer ไปรวมกับ blue team ล่ะ ก็จะทำให้เกิดสีใหม่คือ Green team สิ่งที่ developer สามารถช่วยได้ คือการสร้าง application ที่สามารถเตรียม log หรือหลักฐานต่างๆ ไว้เพื่อให้ Blue team มี visibility ที่มากขึ้น และช่วยทำให้ตรวจสอบได้ง่ายขึ้นนั่นเอง

หวังว่าใครที่สนใจงานสาย Cybersecurity จะเห็นภาพได้มากขึ้น ว่าสิ่งที่เราชอบอยู่ส่วนไหนและเริ่มศึกษาต่อไป

Cybersecurity 101 สายงานนี้ทำอะไรบ้าง

วีรวุฒิ ว่องพรไพศาล

Log เป็นบันทึกที่ระบบสร้างขึ้นจากอุปกรณ์ต่างๆ ในองค์กรของเรามีข้อมูลพวกนี้อยู่แล้ว ไม่ว่าจะมาจากอุปกรณ์ network หรือจาก software ที่ทำงานอยู่บน server ภายในองค์กร ข้อมูลเหล่านี้จะมาพร้อมๆ กับ เวลา เปรียบเสมือนบันทึกการเดินทางของอุปกรณ์ของเรา ข้อมูลเหล่านี้ มีประโยชน์มาก ยกตัวอย่างเช่นเวลาระบบของเรามีปัญหา เราสามารถไปดูบันทึกได้ว่า มีเหตุการณ์อะไรที่เกิดขึ้นและน่าจะเป็นสาเหตุของปัญหาเหล่านั้น ทำให้เราแก้ปัญหาได้ตรงจุดมากขึ้น หรือ Log ที่เกิดขึ้นจากระบบ ecommerce จะทำให้เราสามารถเข้าไปวิเคราะห์พฤติกรรมของลูกค้าของเรา ว่าลูกค้าของเราเลือกดูสินค้าตัวไหน เอาสินค้าเข้า cart แล้ว และยังไม่เกิดการซื้อ น่าจะมาจากเหตุใด หรือเราสามารถตามไปนำเสนอ promotion ที่ดีกว่า เพื่อโน้มน้าวให้ลูกค้ากลับมาซื้อกับเราก็ได้

แต่การบันทึก log จากระบบที่มีขนาดใหญ่ มีตัวสร้าง log จากหลายๆ ที่ ก็จะเป็นสิ่งที่ท้าทายผู้ดูแลระบบในการรวบรวม log เหล่านั้นให้อยู่ในที่เดียว รวมถึงขนาดของ log ที่มีขนาดใหญ่ การจัดเก็บ การเรียกดูข้อมูลก็จะยากขึ้นตามไปด้วยส่ิงที่องค์กรทำได้คือเลือกเก็บสิ่งที่ต้องการจริงๆ เพื่อลดขนาด ลดต้นทุนในการจัดเก็บ และตอนนี้เราก็มี option ที่สามารถจัดเก็บข้อมูลเหล่านี้บน cloud ได้ เพื่อสร้างความคล่องตัว ไม่ว่าข้อมูลขนาดเล็ก หรือข้อมูลขนาดใหญ่ 

Datadog เป็น Software as a service ที่ให้บริการในจุดนี้ ด้วยคอนเซปต์ 

 ทำให้เราสามารถส่งข้อมูลไป Datadog ได้ และเข้าไปบริหารจัดการ log ทีหลัง นอกจากนี้ยังมี dashboard ที่ทำให้เราเข้าใจระบบมากขึ้น 

สิ่งที่ Datadog ให้มีมากกว่าแค่การจัดเก็บ เพราะยังบริการเพิ่มเติมอีกมากมาย ไม่ว่าจะเป็น Watchdog ที่เป็น AI ในการดูว่า log ไหนที่มีความผิดปกติ และจะสร้างการแจ้งเตือนให้ผู้ดูแลระบบได้ 

เรื่องความปลอดภัยก็ไม่ต้องเป็นห่วง เพราะการส่ง log ไปยัง datadog จะมีการเข้ารหัสตลอดเส้นทาง รวมถึงใครที่เข้าถึง log ก็ยังสามารถที่จะ track ได้ด้วยว่าใครมาทำอะไรกับข้อมูลที่มี รวมถึงยังมีการ scan log ที่มี และยังสามารถทำ masking ข้อมูลได้ด้วย 

การบริหารจัดการการจัดเก็บก็สามารถทำได้ง่ายๆ ผ่านตัว datadog ไม่ว่าจะเป็นข้อมูลที่ยังต้องใช้อยู่ หรืออาจจะเก็บไว้เพื่อการเข้าถึงภายหลังก็สามารถเลือกแบบ compress ข้อมูลได้เลย ส่วนเรื่องของราคาก็จะแยกไปตามรูปแบบของการจัดเก็บที่สามารถเลือกได้ตามความต้องการขององค์กร 

เก็บ log ให้ดี มีปัญหาก็แก้ได้ เข้าถึงลูกค้าได้ยอดเพิ่ม

ลิษา เลาหกรวัส

ปัจจุบัน "ตัวละครเสมือนจริง" หรือ Virtual Character ได้กลายเป็นอีกหนึ่งประเภทของคอนเทนต์ที่ทั้งน่าสนใจและมีผลต่อหลากหลายธุรกิจ และสังคมออนไลน์ การที่ตัวละครเหล่านี้มีบทบาทและวัตถุประสงค์ที่แตกต่างกัน ทำให้เราสามารถจำแนกประเภทของตัวละครเสมือนจริงได้ 4 ประเภทหลัก ได้แก่ Virtual Star, Virtual Spokesperson, Virtual Model และ Mascot ซึ่งแต่ละประเภทนั้นมีคุณลักษณะเฉพาะที่ทำให้โดดเด่นและมีสิ่งที่น่าสนใจต่างๆ ให้กับผู้ใช้งาน

เพื่อให้เข้าใจได้ง่ายขึ้น ประเภท "Virtual Star" หมายถึงตัวละครที่มีบุคลิกและเรื่องราวที่เป็นของตัวเอง ซึ่งสร้างขึ้นเพื่อดึงดูดผู้ชมและสร้างฐานแฟนคลับ ในขณะที่ "Virtual Spokesperson" และ "Virtual Model" สร้างขึ้นมาเพื่อเป็นตัวแทนแบรนด์และโปรโมตสินค้าหรือบริการ ส่วน "Mascot" จะเป็นสัญลักษณ์ของแบรนด์หรือองค์กรที่ถูกสร้างขึ้นเพื่อให้เป็นที่จดจำและสร้างการมีส่วนร่วมกับผู้บริโภค

นอกจากนี้ ยังมีประเภทย่อยของตัวละครเสมือนจริงที่ถูกสร้างขึ้นตามลักษณะหรือวัตถุประสงค์การใช้งาน เช่น Virtual Influencer, Virtual Assistant, Virtual Customer Service และ Virtual Entertainment การจัดประเภทของ Virtual Character นี้ยังไม่มีมาตรฐานที่ชัดเจน แต่ขึ้นอยู่กับวัตถุประสงค์และมุมมองของผู้จัดประเภท ซึ่งทำให้ตัวละครเหล่านี้เป็นสิ่งที่หลากหลายและน่าสนใจยิ่งขึ้น

Virtual Character คนจริงหรือ AI

ธรรมสรณ์ หาญผดุงกิจ

ปัญญาประดิษฐ์หรือ AI เป็นเครื่องมือที่กำลังเปลี่ยนแปลงอุตสาหกรรมหลายๆ แขนง ด้วยความสามารถในการทำงานอย่างรวดเร็วและแม่นยำ, AI ช่วยให้ธุรกิจสามารถสร้างสิ่งใหม่ๆ และเข้าใจลูกค้าได้เร็วขึ้น แต่สำหรับคนทั่วไป, การเข้าใจ AI ยังคงเป็นท้าทาย โดยเฉพาะเมื่อเจอกับความซับซ้อนของมัน.

ทว่า ด้วยการประยุกต์ใช้ Explainable AI, เราจะสามารถทำให้ AI ไม่ซับซ้อนและเข้าใจได้ง่ายขึ้น Explainable AIช่วยอธิบายเหตุผลและวิธีการทำงานของ AI ในภาษาที่ทุกคนเข้าใจ ซึ่งสามารถเพิ่มความมั่นใจในการใช้ AI และเข้าใจว่ามันทำงานยังไง.

แนวคิด Explainable AI หรือ AI ที่สามารถอธิบายได้, เป็นตัวปฏิวัติในยุคดิจิทัล ช่วยให้ธุรกิจเข้าใจเหตุผลในการตัดสินใจของ AI ซึ่งยังคงเป็นที่ต้องการในหลายอุตสาหกรรม ด้วย Explainable AI, ธุรกิจสามารถยืนยันความถูกต้องของผลลัพธ์ และเพิ่มความไว้วางใจใน AI ทำให้การนำไปใช้ประโยชน์ในธุรกิจเป็นไปอย่างมีประสิทธิภาพ

Explainable AI ที่มาที่ไป AI ตอบได้

ธารินทร์ จงประเจิด

CPaaS (Communication Platform as a Service) คือบริการที่ปฏิวัติการสื่อสารแบบออนไลน์ โดยช่วยให้นักพัฒนาธุรกิจสามารถปรับปรุงและเพิ่มประสิทธิภาพการสื่อสารผ่านแอปพลิเคชันหรือเว็บไซต์ได้อย่างรวดเร็วและมีประสิทธิภาพ ไม่ว่าจะเป็นการส่งข้อความ, อีเมล, การโทร หรือวิดีโอคอล โดยไม่ต้องลงทุนในการพัฒนาระบบการสื่อสารด้วยตนเอง ทำให้ธุรกิจสามารถตอบสนองความต้องการของลูกค้าได้อย่างรวดเร็วและมีประสิทธิภาพมากยิ่งขึ้น

นอกจากจะมีความยืดหยุ่นและความสามารถในการปรับแต่งตามความต้องการแล้ว CPaaS ยังมีความปลอดภัยสูงโดยผู้ให้บริการทั่วไปมักจะรวมมาตรการป้องกันข้อมูลสำคัญ เช่น การเข้ารหัสข้อมูล, การตรวจสอบความถูกต้องแบบสองปัจจัย นอกจากนี้ ผู้ใช้ยังสามารถควบคุมข้อมูลของตนได้ เช่น เลือกรับหรือปฏิเสธการติดต่อสื่อสารจากผู้ให้บริการ ทำให้การสื่อสารผ่าน CPaaS เป็นไปอย่างปลอดภัยและมั่นใจได้ว่าข้อมูลของคุณไม่ได้ถูกส่งต่อหรือถูกเข้าถึงโดยไม่ได้รับอนุญาต

การใช้เทคโนโลยีเข้ามาช่วยในการสื่อสารมีความสำคัญอย่างยิ่งสำหรับธุรกิจต่างๆในยุคปัจจุบัน อาทิ อีคอมเมิร์ซ, โรงพยาบาล, และธุรกิจประกันภัย เพื่อเพิ่มประสิทธิภาพในการส่งข้อความแจ้งเตือนและบริการต่างๆ แบบเรียลไทม์ นอกจากความสะดวกและประสิทธิภาพแล้ว ความเชี่ยวชาญและความเสถียรของระบบยังเป็นปัจจัยสำคัญในการเลือกใช้บริการ เพื่อให้การสื่อสารกับลูกค้าเป็นไปอย่างมั่นใจและมีประสิทธิภาพมากขึ้น

CPaaS พลิกโฉมการสื่อสารยุคดิจิทัล

วารัชญ์ วงศ์ไพโรจน์

การสังเกตการณ์ระบบ (Observability) คือความสามารถในการเข้าใจสถานะและพฤติกรรมของระบบจากข้อมูลที่ได้จากการมอนิเตอร์ระบบ หรือจากผลลัพธ์ที่ระบบแสดงออกมา เพื่อตรวจสอบหาสาเหตุหลักของปัญหาหรือข้อบกพร่องที่อาจเกิดขึ้นกับระบบได้อย่างรวดเร็ว การสังเกตการณ์ระบบไม่เพียงแค่ให้ข้อมูลเกี่ยวกับว่ามีปัญหาอะไรเกิดขึ้น แต่ยังช่วยให้เราเข้าใจถึง "ทำไม" ปัญหานั้นถึงเกิดขึ้น

การสังเกตการณ์ระบบมีหลักการที่ชัดเจน ประกอบด้วยการเก็บข้อมูลหลักสามประเภท: ข้อมูลล็อก (Log data) ซึ่งเป็นบันทึกเหตุการณ์ในระบบ, ข้อมูลเมตริก (Metric data) ที่วัดประสิทธิภาพและสถานะของระบบ และ ข้อมูลเทรดซิ่ง (Telemetry data) ซึ่งช่วยเราทำความเข้าใจถึงการทำงานและพฤติกรรมของระบบ เมื่อเรามีข้อมูลเหล่านี้ เราสามารถทำการวิเคราะห์ และตอบสนองต่อการเปลี่ยนแปลงที่เกิดขึ้นกับระบบได้อย่างมีประสิทธิภาพ

การเน้นไปที่การสังเกตการณ์ระบบเป็นขั้นตอนที่สำคัญในการประกันคุณภาพและความพร้อมใช้งานของระบบไอที เพราะไม่เพียงช่วยในการแก้ปัญหาแต่ยังช่วยในการพัฒนาประสิทธิภาพ และปรับปรุงการให้บริการให้ดียิ่งขึ้น ดังนั้น การสังเกตการณ์ระบบ (Observability) เป็นเครื่องมือที่ทุกองค์กรไม่ควรมองข้าม และควรถือเป็นส่วนหนึ่งของกลยุทธ์ในการพัฒนาระบบไอทีที่มีประสิทธิภาพและยั่งยืนโดยสามารถพิจารณาจากปัจจัยต่างๆควบคู่กันไป เช่น ประเภทของข้อมูลที่ต้องการรวบรวม ปริมาณข้อมูลที่ต้องการเก็บ และความซับซ้อนของระบบ เป็นต้น

Observability มองให้ทะลุ ดูแลให้ทัน

ชวฤทธิ์ โชติกุลพิศาล

การปรับปรุงและวิเคราะห์กระบวนการทำงานภายในองค์กรด้วยเทคโนโลยี Process Mining และ AI เป็นสิ่งที่สร้างความเปลี่ยนแปลงอย่างมากในยุคปัจจุบัน ด้วยความสามารถที่สูงของ AI ในการวิเคราะห์ข้อมูลซับซ้อนจำนวนมากและรวดเร็ว และยังค้นหาแนวโน้มที่อาจจะถูกมองข้ามไปด้วยการวิเคราะห์ด้วยมนุษย์ ทำให้เราสามารถหาจุดที่ควรปรับปรุงภายในกระบวนการทำงานได้อย่างเห็นได้ชัด

เทคโนโลยี Process Mining ช่วยในการรวบรวมข้อมูลและกิจกรรมต่างๆ ที่เกิดขึ้นภายในระบบงานอย่างละเอียด และนำเสนอรูปแบบการทำงานที่น่าสนใจสำหรับองค์กร การมีข้อมูลที่ถูกต้องและครบถ้วนเป็นสิ่งที่สำคัญมาก และเมื่อผสมผสานกับ AI จึงทำให้การวิเคราะห์และการตัดสินใจขององค์กรมีประสิทธิภาพครอบคลุมและแม่นยำมากยิ่งขึ้น ส่งผลให้การปรับปรุงและแก้ไขปัญหาเกิดขึ้นได้อย่างรวดเร็ว

สรุปว่า การนำเทคโนโลยี Process Mining และ การรวม AI กับเครื่องมือวิเคราะห์และแนวทางอื่นๆ เข้ามาใช้งานภายในองค์กรและควบคุมอย่างต่อเนื่องไม่เพียงแค่ช่วยในการเพิ่มประสิทธิภาพและความรวดเร็วในการทำงาน แต่ยังช่วยให้องค์กรสามารถแข่งขันได้ในยุคดิจิทัล และให้บริการที่ดีและเสริมสร้างความเชื่อมั่นในการบริการลูกค้าอย่างต่อเนื่อง ทำให้ธุรกิจมีความยั่งยืนในระยะยาว

Process Mining with AI กระบวนการที่ว่ายาก ยังแพ้ทาง AI

ปัญญวัฒน์ แสงมาศ

Infrastructure as Code (IAC) คือเทคนิคในการจัดการกับโครงสร้างพื้นฐานบนคลาวด์ ไม่ต้องยุ่งยากกับการคลิกตามหน้าจอ แต่ทุกการดำเนินการจะอยู่ในรูปแบบของโค้ดหรือสคริปต์. ความหมายก็คือการตั้งค่าหรือแก้ไขทรัพยากรบนคลาวด์นั้นสามารถทำซ้ำได้อย่างแม่นยำและรวดเร็ว, ไม่ต่างจากการเขียนคำสั่งเพื่อสร้างสิ่งต่างๆ แล้วให้เครื่องมือทำงานในส่วนที่ยากขึ้น.

เครื่องมือที่รองรับ IAC เช่น Terraform หรือ AWS CloudFormation ได้ถูกออกแบบมาเพื่อช่วยในการจัดการกับโครงสร้างพื้นฐานบนคลาวด์ด้วยความง่าย อาทิเช่น การสร้างเซิร์ฟเวอร์, ฐานข้อมูล หรือระบบเครือข่าย. คิดถึงมันเหมือนกับการมีผู้ช่วยส่วนตัวที่คุณสั่งการผ่านโค้ด, แล้วมันจะสร้างทุกอย่างตามที่คุณต้องการ.

สำหรับธุรกิจหรือทีมงานที่ต้องการเริ่มต้นใช้ IAC, ควรเริ่มจากการเข้าใจวัตถุประสงค์และความต้องการของธุรกิจ และคัดเลือกเครื่องมือที่เหมาะสม การศึกษาและปฏิบัติตามทิศทางที่ดีที่สุดในการใช้ IAC จะช่วยเสริมศักยภาพและป้องกันความเสี่ยงต่างๆ ที่อาจเกิดขึ้นในการจัดการโครงสร้างพื้นฐานบนคลาวด์

Infrastructure Automation ทำงาน Cloud ให้เป็นเรื่องง่าย

ลงทุนเริ่มต้นได้ ไม่ได้ยากอย่างที่คิด แต่ส่วนใหญ่พอพูดถึงเรื่องลงทุน ก็จะคิดไปถึง หุ้น ซึ่งจริงๆ แล้วหุ้นเป็นการลงทุนที่มีความเสี่ยงและยาก พอผลลัพธ์ไม่ได้เป็นอย่างที่คิดก็จะทำให้ล้มเลิกไปก่อน

ลงทุนเริ่มได้ง่ายกว่านั้น ยกตัวอย่างตราสารหนี้ ที่สามารถให้ผลตอบแทนเริ่มต้นที่ 5% ซึ่งก็มากกว่าดอกเบี้ยเงินฝาก

การลงทุนควรจะมีเป้าหมาย เพราะจะทำให้เรารู้ว่าเราจะลงทุนได้ในความเสี่ยงแบบไหน และเป้าหมายของทุกคนก็ไม่เหมือกัน การวางแผนเกษียณก็เป็นหนึ่งในเป้าหมาย แต่ไม่ใช่ทั้งหมด ขอเพียงแค่เข้าใจว่าเราต้องการอะไร

การลงทุนเป็นส่วนหนึ่งของการบริหารเงิน สำหรับชาวเทค สูตรง่ายๆ ที่ควรรู้คือ

รายได้ - รายจ่าย = ออมทรัพย์ + ลงทุน

วิธีเริ่มต้นที่ดีคือทำอะไรก็ได้ใน 4 ตัวนี้ให้ดีขึ้น หารายได้เพิ่ม ลดรายจ่าย ออมทรัพย์เพิ่ม หรือ เพิ่มการลงทุน 

แต่ที่คนพลาดส่วนใหญ่เพราะจะหยุดที่ออมทรัพย์ อย่างที่เรารู้กันว่าออมทรัพย์นั้น ผลที่ได้อาจจะน้อยกว่าค่าเงินเฟ้อที่เกิดขึ้นในแต่ละปี ดังนั้นควรจะพิจารณาการลงทุนเพิ่มเติมนอกเหนือจากออมทรัพย์ เพราะถึงเงินจะไม่หายไปไหน แต่มูลค่าของมันก็ลดลง

สูตรง่ายๆ ของการออม คือควรจะมีเงินออมอย่างน้อย 3 เดือนของค่าใช้จ่ายที่มีอยู่ เหตุผลเพราะหากมีเหตุฉุกเฉินเกิดขึ้น เราจะมีความคล่องตัวในการใช้ชีวิต แล้วเงินที่มากกว่า 3 เดือน ก็เอาไปลงทุนเพิ่ม

การลงทุนที่ดีควรจะเข้าใจ มีตั้งแต่เสี่ยงต่ำ ถึง สูง เรียงไปตั้งแต่ เงินฝาก ตราสารหนี้ระยะสั้น กลาง ยาว หุ้นตัวเล็ก กลาง ใหญ่ แล้วถึงไปทองคำ น้ำมัน คริปโต ซึ่งก็ต้องจัดการให้ดี และมีการกระจายความเสี่ยงที่ดี แม้กระทั่งเงินฝากก็มีความเสี่ยงที่เราควรจะต้องเข้าใจและรับรู้ วิธีที่แนะนำคืออย่าไปลงทุนที่หุ้นทันที ให้ลงทุนในความเสี่ยงต่ำก่อน จนเราเข้าใจ แล้วค่อยๆ ไปความเสี่ยงสูงเพิ่มขึ้นเรื่อยๆ

ถ้าอยากมีเงินเกษียณ 10 ล้านบาท ถ้าลงทุนทุกเดือน เดือนละ 15000 ได้ 20 ปี ก็มีทางที่จะไปมีเงินจำนวนนั้นได้ อันนี้ตอบจากสถิติ เราไม่จำเป็นต้องลงทุนท่ายาก เราซื้อ S&P 500 ไปเฉยๆ ก็ได้ เพราะตลาดก็คัดมาให้แล้วว่า 500 บริษัทนี้ดีที่สุดในตลาด แล้วทำไมเราถึงจะไม่อยากลงทุนในบริษัทที่เก่งที่สุด 500 บริษัทแรก

แอปพลิเคชัน Nern Nern เกิดขึ้นมาเพื่อจัดการส่วนของการ ออมทรัพย์ และ การลงทุน โดยที่ทำให้การออมทรัพย์และการลงทุนเป็นก้อนเดียวกัน แล้วหลังจากนั้นระบบจะจัดการให้ โดยจะแบ่งเงินลงทุนออกเป็น 3 ส่วน ส่วนเสี่ยงต่ำ เสี่ยงปานกลาง และเสี่ยงสูง ยิ่งผู้ใช้สามารถลงทุนได้ตั้งแต่เนิ่นๆ ผลลัพธ์ก็จะดีขึ้นอย่างมาก เหมาะสำหรับคนที่ไม่มีเวลา เพราะจะมีคนดูแลให้

นอกเหนือจากการลงทุนแล้ว Nern Nern พยายามจะทำให้การลงทุนสอดประสานไปกับการดำเนินชีวิตมากขึ้น ผู้ใช้สามารถ download application ได้จาก 

Contact Us

ยินดีต้อนรับสู่หน้าติดต่อเราของ Tech Monday

Investment

Security

Leadership

Software Development

Popular Posts

Explainable AI ที่มาที่ไป AI ตอบได้

CPaaS พลิกโฉมการสื่อสารยุคดิจิทัล

Infrastructure Automation ทำงาน Cloud ให้เป็นเรื่องง่าย

Stay In Touch

Categories

Author

About

Follow Us