ไม่นานมานี้ การ์ทเนอร์ได้เผยถึงแนวโน้มเทคโนโลยีไอทีในปี 2565 ในฐานะเครื่องมือเชิงกลยุทธ์เพื่อสนับสนุนการดำเนินธุรกิจยุคดิจิทัลใน 3 ประเด็นสำคัญ คือ คุมเข้มความน่าเชื่อถือ (Engineering Trust) ปรับแต่งเปลี่ยนแปลง (Sculpturing Change) และเร่งสร้างการเติบโต (Accelerating Growth)
ความน่าเชื่อถือที่มาพร้อมความปลอดภัย
ความปลอดภัยของข้อมูลและกระบวนการดำเนินธุรกิจในทุกการเชื่อมต่อที่เกิดโดยคนหรืออุปกรณ์ต่างๆ คือ เครื่องหมายการันตีความน่าเชื่อถือขององค์กรดิจิทัล ซึ่งจะเห็นว่า หลายองค์กรเลือกที่จะนำแพลตฟอร์มคลาวด์-เนทีฟ มาใช้สนับสนุนกระบวนการทำงานออนไลน์ได้อย่างยืดหยุ่นและปลอดภัยมากขึ้น การจัดการข้อมูลที่กระจายตามจุดต่างๆ เนื่องจากการใช้งานออนไลน์ที่มากขึ้นให้เสมือนเป็นข้อมูลผืนเดียวกันด้วยเทคโนโลยี Data Fabric เพื่อความสะดวกในการใช้งานและกำกับดูแล นอกจากนี้ องค์กรต้องให้ความสำคัญอย่างสูงกับระบบจัดเก็บและประมวลผลข้อมูลที่ต้องคำนึง ประเด็นความปลอดภัยและความเป็นส่วนตัวของเจ้าของข้อมูลที่ต้องปฏิบัติให้เป็นไปตามกฎข้อบังคับทั้งในและต่างประเทศ เช่น PDPA หรือ GDPR ตลอดจนมีโซลูชันบริหารจัดการความปลอดภัยในทุกลำดับชั้นของระบบไอที ซึ่งมีความสำคัญสูงต่อการสร้างความน่าเชื่อถือให้องค์กรธุรกิจดิจิทัล
การ์ทเนอร์ กล่าวว่า เนื่องจากสินทรัพย์ดิจิทัลไม่ว่าจะเป็นข้อมูล แอปพลิเคชัน หรือแพลตฟอร์มการบริการต่างกระจายการใช้งานอยู่ทั้งบนคลาวด์และในดาต้าเซ็นเตอร์ ทำให้ระบบความปลอดภัยที่ทำงานแยกส่วนไม่ช่วยให้องค์กรสามารถประเมินภาพรวมได้ครบถ้วนและอาจกลายเป็นการเพิ่มช่องโหว่ให้ภัยคุกคามเสียเอง ดังนั้น แนวคิดการพัฒนาสถาปัตยกรรมความปลอดภัยแบบ Cybersecurity Mesh โดยบูรณาการเครื่องมือความปลอดภัยแต่ละชนิดในทุกโลเกชันให้สามารถแลกเปลี่ยนความหลากหลายของข้อมูลภัยคุกคาม รวมถึงกำหนดแนวทางโต้ตอบร่วมกันได้มีประสิทธิภาพและรวดเร็ว จึงเป็นสิ่งที่องค์กรดิจิทัลต้องการในปี 2565 โดยเฉพาะเพื่อการรับมือกับแรนซัมแวร์ที่พุ่งเป้าการโจมตีแบบมีเป้าหมายมากขึ้นต่อระบบงานและข้อมูลสำคัญขององค์กร
ปรับแต่งการเปลี่ยนเปลงแบบอัตโนมัติ
โควิด-19 นับเป็นสถานการณ์ที่ให้บทเรียนราคาแพงสำหรับธุรกิจที่ตามไม่ทันการเปลี่ยนแปลง การปรับตัวเข้าสู่ระบบดิจิทัลแบบฉับพลันทันที ทำให้หลายองค์กรต่างมองหาเทคโนโลยีที่ทำให้การพัฒนาแอปพลิเคชัน หรือบริการทางธุรกิจรวดเร็วและเป็นอัตโนมัติมากขึ้น ถึงตรงนี้เราคงพอเห็นภาพของกระบวนการแบบ DevOps ที่สามารถแบ่งปันทรัพยากรเพื่อการพัฒนาและส่งมอบแอปพลิเคชันสู่การใช้งานทางธุรกิจได้รวดเร็วมากขึ้น เทคโนโลยีปัญญาประดิษฐ์ หรือเอไอ ซึ่งกลายเป็นอาวุธสำคัญในกระบวนการวิเคราะห์ข้อมูลซึ่งประยุกต์ไปสู่... เช่น การพัฒนาระบบตรวจสอบกระบวนการดำเนินธุรกิจหรือการทำงานของระบบไอที การเสริมประสิทธิภาพระบบการตัดสินใจของผู้บริหารให้เกิดความแม่นยำสูงสุด การต่อยอดสู่การเพิ่มมูลค่าทางธุรกิจผ่านการพัฒนาผลิตภัณฑ์หรือบริการใหม่ ๆ เป็นต้น
เร่งสร้างการเติบโตเหนือคู่แข่ง
เชื่อว่าเป้าประสงค์สูงสุดขององค์กร คือ การมีระบบไอทีที่สามารถนำพาธุรกิจยืนหนึ่งเหนือคู่แข่ง หรือยึดครองส่วนแบ่งการตลาดให้ได้มากที่สุด ซึ่งเป็นสิ่งที่การ์ทเนอร์เองเคยย้ำว่า องค์กรควรมองเทคโนโลยีให้ไกลกว่ามีไว้เพื่อปฏิบัติงานประจำวันแต่คือหนึ่งในเครื่องมือพัฒนากลยุทธ์ธุรกิจ ดังที่เกิดขึ้นในขณะนี้ เช่น การพัฒนารูปแบบธุรกิจดิจิทัลที่สนับสนุน-ส่งต่อการทำงานหรือบริการจากระยะไกลให้พนักงาน ลูกค้า และคู่ค้า การสร้างประสบการณ์เชิงบวกของพนักงาน ลูกค้า และผู้มีส่วนได้ส่วนเสียกับธุรกิจ การพัฒนาระบบจัดการตนเองแบบเรียลไทม์เพื่อลดข้อผิดพลาดอันเกิดจากการจัดการโดยมนุษย์ในกระบวนการผลิต หรือการยกระดับการใช้งานเอไอจากการวิเคราะห์ปัญหาสู่การวิจัยพัฒนา หรือสร้างสรรค์สินค้าและบริการใหม่ๆ ให้ธุรกิจ เป็นต้น
วิทยาศาสตร์ข้อมูลกับธุรกิจ
อย่างไรก็ตาม การขับเคลื่อนธุรกิจด้วยข้อมูลถือเป็นหนึ่งในตัวชี้วัดความสำเร็จและความได้เปรียบทางการแช่งขันในยุคดิจิทัล แม้องค์กรจะเป็นเจ้าของเทคโนโลยีไอทีที่ก้าวหน้าอย่างคลาวด์ อีอาร์พี บิสิเนส อินเทลลิเจนซ์ แอปพลิเคชันด้านการตลาด แมชชีนเลิร์นนิ่ง หรือเอไอ แต่หากขาดเครื่องมือกลั่นกรองข้อมูลที่ถูกต้องเพื่อป้อนเข้าสู่แพลตฟอร์มการทำงานเหล่านี้ก็ยากที่องค์กรจะสามารถคาดหวังผลลัพธ์ที่สมบูรณ์ 100% และนั่นคือเหตุผลที่เราต้องมีวิทยาศาสตร์ข้อมูล (Data Science)
กระบวนการด้านวิทยาศาสตร์ข้อมูล จะช่วยองค์กรในการจัดการข้อมูลที่มีรูปแบบต่างกันให้มาอยู่บนแพลตฟอร์มดิจิทัลกลางที่เป็นมาตรฐานเดียวเพื่อใช้ในการดำเนินงานหรือกระบวนการวิเคราะห์ขั้นสูงต่อไป เช่น การวางแผนกลยุทธ์การตลาดดิจิทัล บิ๊ก ดาต้า แมชชีน เลิร์นนิ่ง หรือเอไอ โดยเริ่มต้นที่การ รวบรวมข้อมูลจาก Log หรือ API ต่างๆ มา ทำความสะอาดและจัดเก็บฐานข้อมูลอย่างเป็นระบบ ไม่ว่าในรูปแบบ SQL และ No SQL จากนั้นทำการวิเคราะห์ข้อมูลเพื่อค้นหาสิ่งที่ซ่อนอยู่ในข้อมูลและนำมากำหนดรูปแบบที่เหมาะสมสำหรับใช้ทำนายผล และเมื่อ ทำนายผลเรียบร้อยแล้วก็สื่อสารออกไปในรูปแบบที่เข้าใจง่าย
การตลาดที่เคลื่อนด้วยข้อมูลดิจิทัล
ปัจจุบัน องค์กรที่ต้องการจัดแคมเปญเพื่อกระตุ้นการตัดสินใจซื้อของลูกค้าสามารถใช้เทคโนโลยีไอทีร่วมกับกระบวนการวิทยาศาสตร์ข้อมูลเพื่อสร้างความได้เปรียบทางการแข่งขัน ตัวอย่างเช่น การเก็บรวบรวมข้อมูลจากทุกจุดเชื่อมต่อการสื่อสารกับลูกค้าผ่านไอโอทีมารวมไว้ในแพลตฟอร์มจัดการฐานข้อมูลชุดเดียวกัน แล้วนำมาจำแนกกลุ่มลูกค้าและกำหนดแคมเปญที่เจาะจงและตรงเป้าหมายแต่ละกลุ่ม (Personalized Campaign) ซึ่งช่วยลดการรบกวนลูกค้าในการได้รับข้อมูลที่ตนเองไม่สนใจ หรือที่พบบ่อยมากขึ้น คือ ข้อมูลที่เก็บผ่านเทคโนโลยีระบุตำแหน่งของลูกค้า (Geofencing Technology) ร่วมกับการประมวลผลโดยเอดจ์ คอมพิวติ้ง ซึ่งช่วยให้องค์กรนำเสนอโปรโมชันได้ตรงกับสถานที่ที่ลูกค้าไป หรือทันเวลาขณะที่ลูกค้ากำลังเลือกซื้อสินค้าในร้าน เป็นต้น
ขณะเดียวกัน เราจะเห็นการสร้างสรรค์เนื้อหาเพื่อสร้างคุณค่าเชิงบวกให้แบรนด์ ตัวผลิตภัณฑ์และบริการผ่านเอไอ หรือแชตบอท ในการจัดการหรือปรับแต่งเนื้อหาไปตามกลุ่มเป้าหมายที่แตกต่างกันโดยอัตโนมัติ การใช้เออาร์ หรือวีอาร์ เพื่อสร้างการสื่อสารการตลาดแบบอินเตอร์แอ็กทีฟ กระทั่งการสื่อสารผ่านการค้นหาด้วยเสียง (Voice Search) เช่น สิรี อเล็กซ่า ซึ่งต้องอาศัยฐานข้อมูลดิจิทัลขนาดใหญ่เพื่อให้เทคโนโลยีเหล่านี้ทำงานได้อย่างมีประสิทธิภาพ ถึงตรงนี้เราอาจจะพอได้ยินแนวคิดเรื่อง Content Atomization คือ ความพยายามแตกเนื้อหาที่ต้องการสื่อออกเป็นคอนเทนต์ย่อยๆ และนำเสนอด้วยรูปแบบและมุมมองที่ต่างออกไป เพื่อให้เกิดการเปิดรับที่ง่ายขึ้นและนำเสนอได้เร็ว ถูกที่ถูกเวลา หรือความพยายามขององค์กรในการบูรณาการข้อมูลในระบบอีอาร์พีข้ามไปสู่โซลูชัน การจัดการทรัพยากรทางการตลาด (Marketing Resource Management-MRM) เพื่อร่วมกำหนดแผนการตลาดและงบประมาณ ปรับปรุงประสิทธิภาพงานด้านการตลาดในการสร้างแคมเปญเพื่อส่งเสริมความแข็งแกร่งของแบรนด์
ทั้งหมดนี้ก็เพื่อให้การพัฒนาเทคโนโลยีไอทีนำไปสู่ผลลัพธ์สูงสุดทางธุรกิจยุคดิจิทัล คือ การสร้างประสบการณ์ที่ดีให้ลูกค้า และเพื่อรักษา Customer Life Value-CLV หรือมูลค่าทางธุรกิจที่ลูกค้ามอบให้ตลอดระยะเวลาการอุดหนุนแบรนด์สินค้าและบริการต่างๆ ขององค์กรไว้ให้ได้นานและมากที่สุดนั่นเอง
