Professional Documents
Culture Documents
แนวทางปฏิบัติสำหรับศููนย์ปัญญาประดิษฐ์ความเป็นเลิศที่ประสบความสำเร็จแนวทางสำหรับทั้ง CoE และหน่วยธุุรกิจ
แนวทางปฏิบัติสำหรับศููนย์ปัญญาประดิษฐ์ความเป็นเลิศที่ประสบความสำเร็จแนวทางสำหรับทั้ง CoE และหน่วยธุุรกิจ
ศููนย์์ปััญญาประดิิษฐ์์ความ
่� ระสบความสำำ�เร็็จ
เป็็นเลิิศที่ป
แนวทางสำำ�หรัับทั้้�ง CoE
และหน่่วยธุุรกิิจ
ส มุุ ด ป ก ข า ว โ ด ย D A T A I K U
www.dataiku.com
©2020 Dataiku, Inc. | www.dataiku.com | contact@dataiku.com | @dataiku 1
บทนำำ�
เพื่่�อเป็็นการรัับทราบข้้อมููลเบื้้�องต้้นของสมุุดปกขาวนี้้�และเพื่่�อทำำ�ความเข้้าใจกัับ “วิิธีี” การสร้้าง CoE เบื้้�องหลัังมากขึ้้�น (คล้้ายแบบอย่่าง
การปฏิิบััติิการของ AI) เราแนะนำำ�ให้้ดูู Beyond the Center of Excellence: แบบอย่่างการปฏิิบััติิการสำำ�หรัับองค์์กรที่่�ขัับเคลื่่�อนด้้วยข้้อมููล1
เว็็บไซต์์ที่่�มีี VP และนัักวิิเคราะห์์หลัักการที่่�ศููนย์์วิิจััย Forrester Mike Gualtiero ขุุดค้้นเรื่่อ
� งนี้้�ขึ้้�นมา
1
https://content.dataiku.com/coe-best-practices/2ygugprpzs1pi1q7hjpz?lb_email={{contact.email}}
กลยุุทธ์์แผนจากเบื้้�องบน
แผนรายงานแพลตฟอร์์ม
ค้้นหาทีีมที่่�กรรมการผู้้�จััดการเป็็นหน้้าใหม่่และอยากสร้้างค
ค้้นหาทีีมที่่�พบเจอการดำำ�เนิินงานล่่าช้้าหรืือความท้้าทาย
วามแตกต่่าง
แผนรายงานความเสี่่�ยงสููญเสีีย Ip ค้้นหาทีีมที่่�ผู้้�จััดการมีีประสบการณ์์
หรืือเกรงกลััว
กลยุุทธ์์ลููกจ้้างสููญหาย
ค้้นหาทีีมที่่�ผู้้�จััดการมีีประสบการณ์์หรืือเกรงกลััว IP หรืือสููญเสีียความ
ค้้นหาทีีมที่่�มีีปััญหาเกี่่�ยวข้้องกัับลููกจ้้างลาออก
รู้้� (ตััวอย่่าง พวกเขาสามารถได้้ประโยชน์์จาก CoE ที่่�เสนอวิิทยาศาสตร์์
ข้้อมููลที่่�เป็็นศููนย์์กลางและแพลตฟอร์์มการเรีียนรู้้�กลไก)
แผนรายงานอุุตสาหกรรม
ค้้นหาทีีมที่่�มีีหน้้าที่่�ของระบบในอุุตสาหกรรมที่่�สำำ�คััญเฉพาะด้้านแต่่ก็็ไ กลยุุทธ์์การเข้้าถึึงข้้อมููล
ม่่หนัักหนาสาหััส (เช่่น การแบ่่งลููกค้้า ปฏิิบััติิการและการเสริิมแรง ค้้นหาทีีมที่่�ต้้องการข้้อมููลที่่�เข้้าถึึงด้้วยตนเอง
ควบคุุม ความคล่่องแคล่่วในการกำำ�กัับควบคุุมและอื่่�น ๆ)
กลยุุทธ์์ทีีมเยาวชน
แผนรายงานธุุรกิิจ
ค้้นหาทีีมที่่�มีีสมาชิิกเด็็กกว่่า คาดหวัังที่่�จะทำำ�งานกัับเทคโนโ
ค้้นหาทีีมที่่�มีีปััญหาธุุรกิิจซึ่่�งจำำ�เป็็นต้้องแก้้ไข
ลยีีที่่�ใหม่่กว่่าและน่่าตื่่�นเต้้นยิ่่�งกว่่า
เคล็็ดลัับจากลููกค้้า Dataiku ซึ่่�งมีี CoE ที่่�ประสบความสำำ�เร็็จมีี UBS Rabobank และ GE Aviation ในการสร้้างโครงสร้้างที่่�สร้า้ งความต้้อ
งการสนัับสนุุนธุุรกิิจที่่�มีี:
• การตั้งวัตถุประสงค์ทางการ ควรมีการก�ำหนดข้อตกลงระดับการให้บริการ (SLAs) กับธุรกิจส�ำหรับการส่งโครงการพร้อมจัดตั้งการ
วััดระดัับความสำำ�เร็็จ จากมุุมมอง CoE นี่่�เป็็นการป้้องกัันโครงการ AI ไม่่ให้้ล่่าช้้าเพราะฟีีเจอร์์ต่่อเนื่่�อง สำำ�หรัับธุุรกิิจแล้้ว เพราะพวก
เขารู้้�ว่่าคาดหวัังอะไร (และเมื่่�อไหร่่) พวกเขาเลยสามารถทุ่่�มทรััพยากรที่่�เหมาะสมได้้ — ตั้้�งแต่่เงิินทุุนจนถึึงพนัักงานเลยทีีเดีียว ฟัังจาก
Rabobank2 ว่่าพวกเขาเร่่งความมุุมานะกัับ AI ผ่่าน CoE ได้้อย่่างไร
• น�ำการเล่นเกมไปปรับใช้ การเล่นเกมเป็นโปรแกรมที่อาจจะมีค่าใช้จ่ายต�่ำที่เพิ่มโครงสร้างสนับสนุนบุคคลในธุรกิจเพื่อปรับปรุงคุณภ
าพข้้อมููลให้้ดีีขึ้้�นเมื่่�อเหมาะสม ตััวอย่่าง องค์์กรน้ำำ��มัันและแก๊๊สระดัับโลกขนาดใหญ่่เปิิดตััวระบบคะแนนที่่�เวลามีีคนฝึึกฝน แท็็กชุุดข้้อมููล
สร้้างเอกสารประกอบ และอื่่�น ๆ ที่่�มีีคนรัับจำำ�นวนคะแนนนั้้�น ๆ สร้้างจิิตวิิญญาณแข่่งขัันกัับกระดานจััดอัันดัับและรางวััลขึ้้�นมา
2
https://content.dataiku.com/coe-best-practices/27g91abr735fgexgqx6j
3. สร้างความต้องการ สร้างระบบสนับสนุนตามที่กล่าวไปในส่วนที่แล้วสามารถช่วยปรับตัวรับแนวคิดเลเซอร์ได้แต่จะไม่สร้างความต้
องการอััตโนมััติิเสมอไป ปััจจััยสำำ�คััญหนึ่่�งในการสร้้างความต้้องการคืือหน้้าที่่ข
� องระบบ
กลยุุทธ์์เพิ่่�มเติิมสำำ�หรัับการสร้้างความต้้องการ:
• จัดเวิร์คช็อปปัญญาประดิษฐ์เพื่อช่วยประกาศและหาหน้าที่ระบบข้ามสายธุรกิจอาจเป็นตัวเลือกที่ดีในการสนับสนุน CoE
• การยกระดับและอบรบผู้รู้ด้าน AI ท�ำงานอย่างหนักเพื่อสร้างหลักในสายงานธุรกิจโดยใช้ประโยชน์จากผู้รู้ที่สามารถสนับสนุนและมอบ
หน้้าที่่ข
� องระบบที่่�มีีคุุณภาพได้้ต่่อเนื่่�อง
• การสร้างชุมชนตามข้อมูลส่วนตัวแต่ละข้อมูลที่สามารถใช้งานได้ — ตัวอย่าง ชุมชนของนักวิเคราะห์ นักวิทยาศาสตร์ข้อมูลและอื่น ๆ
เพื่่�อแบ่่งปัันความคิิดและแนวคิิดต่่าง ๆ
4. พัฒนา การแยกประโยชน์ของข้อมูลจากการพัฒนามักจะเป็นเรื่องยากเสมอ โดยเฉพาะผลลัพธ์ของธุรกิจขนาดใหญ่กว่า (เช่น ก�ำไร
ขั้้�นต้้นสููงกว่่า ค่่าใช้้จ่่ายต่ำำ��กว่่าและอื่่�น ๆ) การคำำ�นวณซัับซ้้อนเพราะค่่าไม่่ได้้เป็็นเพีียงแค่่ตััวเลข — มัันสามารถกระจายไปทั่่�วหลายแผน
กและทีีม เพราะเหตุุนั้้�นเอง การวััดค่่า ROI ของโครงการข้้อมููลก็็สามารถกลายเป็็นโครงการข้้อมููลตััวเองได้้ ซึ่่�งมัักจะตีีค่่าได้้ยาก
3
https://content.dataiku.com/coe-best-practices/ge-aviation-white-paper?lb_email={{contact.email}}
4
https://content.dataiku.com/coe-best-practices/economics-of-ai?lb_email={{contact.email}}
สำำ�หรัับฝั่่�งธุุรกิิจ จงรู้้�ไว้้ว่่าผลลััพธ์์ที่ดีีที่
่� ่�สุุดมาจากการทำำ�งานร่่วมกัับศููนย์์ความเป็็นเลิิศ(CoEs) เพื่่�อมุ่่�งหน้้าไปยัังมุุมมองความสำำ�เร็็จที่่�มีีร่ว่ มกััน —
ต้้องใช้้ความพยายามจากทั้้�งสองฝ่่ายเพื่่�อให้้ CoEs ทำำ�งานได้้อย่่างมีีประสิิทธิิภาพ นี่่�เป็็นแนวทางสี่่�อย่่างสำำ�หรัับการร่่วมมืือกัันกัับ CoEs เพื่่�อสร้้าง
ผลประโยชน์์ร่ว่ มกััน
รููปที่่� 2: ตััวอย่่างของวงจรชีีวิิตโครงการ AI
อีีกทั้้�งยัังเป็็นเรื่่อ
� งสำำ�คััญที่่�จะเข้้าใจจากฝั่่� งธุุรกิิจว่่าหน้้าที่่�และความรัับผิิดชอบไหนที่่�เป็็นของ CoE (และอะไรที่่�ไม่่ใช่่) เพื่่�อทุ่่�มเทเวลาและทรััพย
ากรอย่่างเหมาะสมให้้โครงการ AI ประสบความสำำ�เร็็จงดงาม สิ่่�งนี้้�จะช่่วยให้้งบทรััพยากรของทั้้�งสองฝ่่ายล้ำำ��หน้้าและเลี่่�ยงความขััดแย้้งใน
กระบวนการของโครงการ AI — การไม่่มีีผู้้�ทำ�ำ งานที่่�ชััดเจนส่่งผลให้้โครงการไหน ๆ ก็็ไม่่สามารถสำำ�เร็็จได้้ หรืือกลัับกัันก็็จะยิ่่�งมีีกุ๊๊�กในห้้องครััว
เยอะเกิินไปเสีียอย่่างนั้้�น
เมื่่�อมาถึึงข้้อที่่�สอง คนก็็อาจจะถามว่่า: ทำำ�ไมการแพร่่กระจาย AI ถึึงสำำ�คััญนััก เมื่่�อ AI เป็็นที่่�นิิยมไปทั่่�วก็็จะสามารถใช้้ซ้ำำ��และสร้้างมููลค่่าได้้
เมื่่�อการแก้้ไขปััญหาใหญ่่โตขึ้�น ้ หน้้าที่่ข
� องระบบสำำ�คััญอย่่างมาก องค์์กรหรืือกระทั่่�งทืืมอื่่�นในแวดวงธุุรกิิจก็็สามารถใช้้หน้้าที่่�ระบบที่่�เล็็กกว่่า
จำำ�นวนมากได้้โดยการใช้้ข้้อมููลชิ้้�นเล็็กชิ้้�นน้้อยซ้ำำ�� กำำ�จััดการสร้้างวงล้้อใหม่่ด้้วยการล้้างข้้อมููลและเตรีียมการ นิิยามเชิิงปฏิิบััติิการ ตรวจสอบ
และมากกว่่านั้้�นได้้ (รููปที่่� 3)
นี่่�เป็็นปมปััญหาในการเป็็นผู้้�พััฒนา AI ไม่่ใช่่แค่่หน้้าที่่ข
� องระบบที่่�ประสบความสำำ�เร็็จเดีียวเท่่านั้้�น แต่่ต้้องยึึดครองคลื่่�น AI เพื่่�อสร้้างระบบที่่�ส่่
งผลกัับธุุรกิิจและประสบความสำำ�เร็็จอย่่างมากผ่่านบริิษััทต่่างหาก อย่่างไรก็็ดีี นี่่เ� ป็็นเป้้าหมายระยะยาวที่่เ� ริ่่�มด้ว้ ยผู้้�บอกเล่่าถึึง AI พููดถึึงชััยชนะ
ของพวกเขา — หน้้าที่่ข � องระบบไหนที่่�ได้้ผลดีี ปฏิิบััติิการอย่่างไร และสุุดท้้ายแล้้วส่่งผลอย่่างไรก็็ธุรุ กิิจ
รููปที่่� 3: AI โดยรวมแล้้วใช้้ค่่าใช้้จ่่ายน้้อยกว่่าเมื่่�อมีีกลุ่่�มที่่�เกี่่�ยวข้้องมากขึ้้�นและใช้้ข้้อมููลซ้ำำ��ในกลุ่่�มได้้
แน่่นอนอยู่่�แล้้วว่่าบางทีีมและบางคนจะได้้รัับผลกระทบมากกว่่าใครอื่่�นแต่่ด้้วยวิิสััยทััศน์์สููงสุุดก็็คืือการมีีบริิษััทที่่�งานประจำำ�วัันของทุุกคนเกี่่�ยวข้้
องกัันและมีีข้้อมููล การวิิเคราะห์์หรืือ AI ส่่งเสริิมไม่่ทางใดก็็ทางหนึ่่�ง
5
https://hbr.org/2019/07/building-the-ai-powered-organization
1. การทําความสะอาด
และแปลงข้อมูล 5. การตรวจสอบและแก้ไข
Netezza
Teradata Train MLlib_Prediction
Oracle Vertica
HDFS_Avro Joined_Data
4. การใช้ข้อมูล
การเรียนรูข ่ ง
้ องเครือ เพื่อการผลิต
Cassandra
(Machine Learning)
3. การทำเหมืองข้อมูลและ
การทำให้เห็นภาพข้อมูล
dataiku.com