เราได้ผ่านยุค Digital Transformation และยุค Big Data มาแล้ว โดยในยุค Big Data นั้น องค์กรต่าง ๆ ตื่นตัวกับการเก็บและใช้ประโยชน์จากข้อมูล แต่การทำ Data Analytics ในยุคนั้นยังเป็นเรื่องที่ยากและซับซ้อน ทำให้ส่วนใหญ่เป็นองค์กรขนาดใหญ่เท่านั้นที่สามารถทำได้

แต่ทุกอย่างกำลังจะเปลี่ยนไป เมื่อ AI กำลังก้าวเข้ามาเปลี่ยนการทำ Data Analytics ช่วยให้กระบวนการทำงานง่ายขึ้น เข้าถึงได้และเป็นประโยชน์สำหรับทุกคน

ปัจจุบันโลกกำลังเปลี่ยนผ่านจากยุค Big Data ก้าวเข้าสู่ยุค AI ซึ่งมีความเกี่ยวข้องกับยุค Big Data อย่างใกล้ชิด การเปลี่ยนผ่านจึงไม่ใช่การพลิกโฉมแบบหน้ามือเป็นหลังมือ แต่เป็นการต่อยอดองค์ความรู้และเครื่องมือจากยุค Data Analytics เดิม 

ในบทความนี้ Techsauce ชวนมาฟัง คุณวรัทธน์ วงมณีกิจ Chief Product Officer จาก Wisesight ผู้ให้บริการด้านการวิเคราะห์ข้อมูลโซเชียลมีเดียชั้นนำในประเทศไทย ใน Session How to Combine AI and Data Analytics for Improving Brand Growth 

ทำความเข้าใจโลก AI เพราะมันไม่ได้มีแค่ Generative AI

ก่อนเริ่มต้น Session นี้  คุณวรัทธน์ได้อธิบายถึงคำว่า AI ให้เห็นภาพกันก่อนคร่าว โดยชี้ว่าปัจจุบันคำว่า AI ที่หลายๆ คนกำลังพูดถึงคือ Generative AI ซึ่งเป็นเพียงแค่ส่วนเดียวเท่านั้นของจักรวาล AI และการทำความเข้าใจประเภทของ AI ช่วยให้องค์กรสามารถเลือกใช้ AI ได้อย่างเหมาะสมกับงาน Data Analytics

โดยคุณวรัทธน์ ยกตัวอย่าง AI ออกมา 2 แบบได้แก่

1. Generative AI

Generative AI คือ AI ประเภทที่สามารถ "สร้าง" เนื้อหาใหม่ ๆ ได้ เช่น บทความ ภาพวาด เพลง หรือแม้แต่โค้ดโปรแกรม โดยเรียนรู้จากข้อมูลจำนวนมหาศาล และสร้างผลลัพธ์ที่คล้ายคลึงหรือแตกต่างจากข้อมูลต้นแบบได้ เช่น ChatGPT, DALL-E, หรือ Midjourney เป็นต้น

มีข้อดี คือ ใช้งานง่าย ผู้ใช้สามารถโต้ตอบกับ Generative AI ได้ผ่านภาษาธรรมชาติ ทำให้ไม่จำเป็นต้องมีความรู้เชิงเทคนิค แต่ก็มีข้อจำกัดด้านความแม่นยำ เนื่องจาก Generative AI มักให้ข้อมูลที่ไม่ถูกต้อง เพราะเรียนรู้จากข้อมูลจำนวนมาก ซึ่งอาจมีข้อมูลที่ผิดพลาดปะปนอยู่ ดังนั้นการใช้งานใน Data Analytics การใช้ Generative AI จึงอาจไม่เหมาะกับงานวิเคราะห์ข้อมูลที่ต้องการความแม่นยำสูง

2. Predictive AI

Predictive AI คือ AI ประเภทที่เน้นการวิเคราะห์ข้อมูลในอดีต เพื่อทำนายแนวโน้มต่างๆ Predictive AI ถูกนำมาใช้อย่างแพร่หลายในงาน Data Analytics เช่น การทำนายยอดขาย การคาดการณ์ความเสี่ยง หรือการจัดกลุ่มลูกค้า เช่น

• Regression Model: ใช้สำหรับทำนายค่าตัวเลขต่อเนื่อง เช่น ยอดขาย ราคาบ้าน
• Classification Model: ใช้สำหรับแบ่งข้อมูลออกเป็นกลุ่ม ๆ เช่น การแบ่งลูกค้าตามความเสี่ยง การตรวจจับสแปม
• Clustering Model: ใช้สำหรับจัดกลุ่มข้อมูลที่มีลักษณะคล้ายกัน เช่น การจัดกลุ่มลูกค้าตามพฤติกรรมการซื้อ

โดยข้อดีของ Predictive AI คือ ความแม่นยำ เพราะ Predictive AI มักให้ผลลัพธ์ที่แม่นยำกว่า Generative AI เนื่องจากถูกฝึกมาเพื่อวิเคราะห์ข้อมูลเชิงสถิติ ทำให้มันเป็นเครื่องมือสำคัญในการทำนายแนวโน้ม ช่วยให้องค์กรตัดสินใจเชิงกลยุทธ์ได้อย่างมีประสิทธิภาพ ซึ่งก็เหมาะกับงาน Data Analytic

แต่การใช้งาน Predictive AI อาจซับซ้อนกว่า Generative AI ผู้ใช้อาจต้องมีความรู้พื้นฐานด้านสถิติและ Machine Learning ทำให้ผลลัพธ์จาก Predictive AI อาจยากต่อการตีความสำหรับผู้ที่ไม่เชี่ยวชาญ

AI จะปฏิวัติ Data Analytics ให้ง่ายขึ้น เข้าถึงได้มากขึ้น

Data Analytics เคยเป็นเรื่องไกลตัวสำหรับธุรกิจขนาดเล็กและบุคคลทั่วไป ต้องอาศัยความรู้เชิงลึก เครื่องมือราคาแพง และกระบวนการที่ซับซ้อน แต่คุณวรัทธน์ เน้นย้ำว่าการมาถึงของ AI กำลังพลิกโฉมวงการ Data Analytics ให้เข้าถึงได้ง่ายขึ้นและมีประสิทธิภาพมากขึ้น

AI เปลี่ยนเกม Data Analytics อย่างไร?

คุณวรัทธน์ได้ยกตัวอย่าง Use Case ของ Wisesight ที่แสดงให้เห็นถึงศักยภาพของ AI ในงาน Data Analytics 3 ด้านหลัก:

1. Data Extraction

AI ช่วย Wisesight ดึงข้อมูลจากแหล่งข้อมูลที่หลากหลาย ไม่จำกัดแค่ข้อความ แต่รวมถึงรูปภาพ วิดีโอ และไฟล์เสียง ตัวอย่างเช่น  การดึงข้อมูลจาก Social Media ทาง Wisesight ใช้ AI ในการวิเคราะห์โพสต์และคอมเมนต์บน Social Media เพื่อดึงข้อมูล เช่น ความคิดเห็นของลูกค้า แนวโน้มของตลาด หรือกระแสสังคม ซึ่งข้อมูลเหล่านี้สามารถนำมาใช้ในการปรับปรุงสินค้าและบริการ วางแผนกลยุทธ์การตลาด หรือบริหารจัดการชื่อเสียงของแบรนด์

2. Data Visualization

Wisesight ใช้ AI ในการสร้างกราฟและแผนภูมิที่สื่อความหมายได้อย่างรวดเร็วและสวยงาม โดยใช้เครื่องมือเช่น

• Data Squirrel: เครื่องมือ AI ที่ช่วยแนะนำกราฟที่เหมาะสมกับข้อมูล และสร้างกราฟโดยอัตโนมัติซึ่งมันช่วยลดเวลาในการสร้างกราฟ และทำให้ Data Analyst สามารถทดลองกราฟแบบต่างๆ ได้ง่ายขึ้น เพื่อเลือกกราฟที่สื่อสารข้อมูลได้ดีที่สุด
• Thoughtspot: แพลตฟอร์ม AI ที่ช่วยสร้าง Dashboard และวิเคราะห์ข้อมูลเชิงลึก ข้อดีของโปรอกรมนี้คือใช้ภาษาธรรมชาติในการโต้ตอบ ช่วยให้ผู้ใช้ที่ไม่เชี่ยวชาญด้าน Data Science สามารถวิเคราะห์ข้อมูลได้

3. Data Analytics

Wisesight ใช้ AI ในการวิเคราะห์ข้อมูลเชิงลึกและนำเสนอผลลัพธ์ในรูปแบบที่เข้าใจง่าย เช่น การวิเคราะห์ข้อมูลยอดขายใน เพื่อหา insights เช่น สินค้าขายดี ช่วงเวลาที่มียอดขายสูง กลุ่มลูกค้าเป้าหมาย หรือคู่แข่งซึ่งช่วยให้ร้านค้าสามารถปรับปรุงกลยุทธ์การขาย วางแผนการตลาด และเพิ่มยอดขายได้อย่างมีประสิทธิภาพ

นอกจากนี้ยังสามารถใช้ AI ในการวิเคราะห์พฤติกรรมของลูกค้า เช่น ประวัติการซื้อ การเข้าชมเว็บไซต์ หรือการติดต่อกับแบรนด์ เพื่อให้ธุรกิจสามารถเข้าใจลูกค้าได้ดียิ่งขึ้น นำเสนอสินค้าและบริการที่ตรงกับความต้องการ และสร้างความสัมพันธ์ที่ดีกับลูกค้า

Wisesight เชื่อมั่นว่า AI จะเป็นกุญแจสำคัญในการทำให้ Data Analytics เข้าถึงได้ง่ายขึ้นสำหรับทุกคน ไม่ว่าจะเป็นธุรกิจขนาดเล็ก บุคคลทั่วไป หรือองค์กรขนาดใหญ่ และเทคโนโลยีอย่าง  AI จะจะเป็นตัวแปรสำคัญที่เข้ามาช่วยลดความเหลื่อมล้ำทางข้อมูล และเปิดโอกาสให้ทุกคนสามารถใช้ข้อมูลเพื่อสร้างความได้เปรียบในการแข่งขัน

ข้อมูลจากงาน TNN Tech Forum: Uncovering AI : ปลดล็อก AI กำหนดทิศทางปัญญาประดิษฐ์