Big Data หัวใจอยู่ที่ Peopleware ไม่ใช่ Software และ Hardware

วันก่อนผมเป็นตัวแทนคณะแทนคณบดีไปประชุมที่หน่วยราชการแห่งหนึ่ง ซึ่งจัดทำมาตรฐานวิชาชีพสารสนเทศ ได้ออกมาอย่างดีโดยไปแปลมาตรฐานวิชาชีพในต่างประเทศหลาย ๆ ประเทศในระดับสากลมาแล้วปรับให้เข้ากับประเทศไทย

ในวันนั้นมีการเชิญหน่วยราชการและสมาคมวิชาชีพมากมายเข้ามาร่วมประชุมด้วย ในมาตรฐานวิชาชีพสารสนเทศนั้นพูดถึง Big Data พูดถึง Cybersecurity พูดถึง Cloud computing พูดถึง Machine learning พูดถึง Artificial Intelligence พูดถึง Data Science และพูดถึง Thailand 4.0 เรื่องทันสมัยที่ประเทศไทยจะก้าวไปอีกมาก

ปัญหาคือเมื่อให้หน่วยราชการที่เกี่ยวข้องหรือสมาคมวิชาชีพที่เกี่ยวข้องแสดงความเห็น ก็จะไม่มีการนำมาตรฐานวิชาชีพนี้ไปบังคับใช้หรือไปทำอะไรต่อทั้งสิ้น เช่น ตำแหน่งในราชการก็ยังจะมีแค่นักวิชาการคอมพิวเตอร์ ในขณะที่ภาคเอกชนมี Data Scientist, Business Analyst, Data Engineer, Network Administrator และตำแหน่งอื่น ๆ อีกมาก ทำให้ Gen Z ที่ต้องการมีตำแหน่งงานสมัยใหม่มี career path ต่อไปได้ ไม่สนใจสมัครเข้ารับราชการ ไม่มีการนำมาตรฐานวิชาชีพนี้ไปจัดสอบเพื่อให้ license หรือ Certificate ใด ๆ แต่แนะนำให้ไปสอบ license ของสากลเช่นของ Comptia และเมื่อได้ license หรือ certificate ด้านไอทีใหม่ ๆ มาระบบราชการก็ไม่ได้ให้ reward อะไรใด ๆ ทั้งสิ้น ด้านหน่วยงานที่กำกับการเรียนการสอนก็บอกว่าจะไม่เข้าไปทำอะไร ให้แต่ละมหาวิทยาลัย สถาบันการศึกษาไปคิดปรับปรุงกันเอาเอง อย่างนี้เป็นต้น

ผมนั่งฟังสักพักรู้สึกว่าไม่มีใครยอมทำอะไร เลยคิดว่าไม่มีประโยชน์ที่จะนั่งในที่ประชุมต่อไป และถึงแม้จะลุกขึ้นมาพูดก็จะไม่มีใครยอมทำอะไรไม่คิดจะเปลี่ยนแปลงอะไร

ช่วงปีสองปีที่ผ่านมาเมื่อรัฐบาลมีนโยบาย Thailand 4.0 และ Big data มาใช้ในการบริหารราชการแผ่นดิน สิ่งที่พบเห็นคือมีการเร่งจัดซื้อจัดจ้างเพื่อซื้อ Software และ Hardware เช่นพวก Server กันเป็นขนานใหญ่ เคยไปพบเห็นองค์การบริหารส่วนตำบลแห่งหนึ่งซื้อ software สำหรับเก็บรูปในราคาแพงซึ่งไม่มีความจำเป็นเลย ทุกแห่งต่างต้องการทำเรื่อง Big data แบบแดกด่วนราวกับว่า Big data สามารถทำให้เกิดผลงานได้จริงเพียงแค่เทน้ำร้อนใส่ก็กินได้เลยแบบบะหมี่กึ่งสำเร็จรูป

ในภาคเอกชนเองก็ไม่ได้แตกต่างกัน ไปหลงผิดคิดว่าซื้อ software แพง ๆ หรือจ้าง Consulting firm จากในประเทศ และโดยเฉพาะอย่างยิ่งจากต่างประเทศมาก็สามารถทำงานด้าน Big data ให้เกิดผลได้เลย โดยที่คนในองค์การไม่เข้าใจอะไรสักอย่างเดียว

ปัญหาใหญ่ในการทำให้ Big data นำไปใช้งานได้จริง ได้ผลไม่ได้อยู่ที่การซื้อ Software หรือ Hardware แต่อย่างใด ลูกศิษย์ของผมที่จบไปแล้วมาเล่าให้ฟังว่า ตอนเรียนกับผมทรมานมาก เพราะต้องคิด ต้องคำนวณได้ ต้องวิเคราะห์ได้ ต้องรู้วิธีนำไปใช้ได้จริง แต่พอจบไปทำให้บริษัทไม่ต้องซื้อ Software ราคาเช่าแพงปีละ 20 ล้านได้ เพราะสามารถดัดแปลงและเลือกใช้ freeware ให้ทำงานเดียวกันได้ ในราคาที่ไม่ต้องเสียแม้แต่บาทเดียว

หลายหน่วยงานภาคเอกชนก็อยากจะทำให้เอา Big data ไปใช้ได้เร็ว ๆ ก็เร่งสร้างทีม data scientist ในหน่วยงาน แล้วให้มาทำงาน data science หรืองาน big data กลับพบปัญหา data silo ทุกคนหวงข้อมูลกันอย่างหนักมาก ไม่มีใครยอมให้ข้อมูลของตัวเอง ไม่มีการบูรณาการข้อมูล ทุกคนกลัวว่าข้อมูลจะกลับมาทำร้ายตัวเอง ข้อมูลคืออาวุธ ทำอะไรบกพร่องหละหลวมไว้ก็จับผิดได้จากข้อมูล ทุจริตอะไรไว้ที่ไหนก็จำได้จากข้อมูล การเปิดเผยข้อมูลทำให้เกิดความโปร่งใส แต่ถ้าโปร่งใสมากเกินไปก็อาจจะเป็นภัยกับตนเอง ทั้งในหน่วยราชการและเอกชนจึงได้หวงข้อมูลของกันและกันเองมากนัก ในหน่วยงานเดียวกันพอข้ามแผนกก็ไม่อยากให้ข้อมูลกันและกันเสียแล้ว

Bad data is better than no data. สำหรับภาคราชการอาจจะเป็นเรื่องที่จำเป็นต้องมี ยกเว้นข้อมูลที่บ่งชี้การทุจริต หากไม่มีการนิรโทษกรรมความผิดเรื่องข้อมูลไม่ครบถ้วนสมบูรณ์เลย จะไม่เกิด Data Sharing และแน่นอนย่อมไม่เกิดข้อมูลเปิด (Open data) เพราะหากว่าการให้ข้อมูลไปทำให้เห็นว่าที่ผ่านมาหน่วยราชการ (หรือแม้แต่ภาคเอกชนเอง) ทำงานบกพร่อง ไม่ได้มีการเก็บข้อมูล หรือขาดการวางแผนและลงทุนในโครงสร้างพื้นฐานของข้อมูล (Data infrastructure) โดยมีการปฏิบัติงานด้วยวิศวกรรมข้อมูล (Data engineering) ที่ถูกต้องในทางปฏิบัติ ซึ่งยากที่จะมีในประเทศที่กำลังพัฒนาหรือเพิ่งเริ่มพัฒนาอย่างประเทศไทย การให้ข้อมูลหรือการเปิดเผยข้อมูลก็จะไม่ได้ต่างกับการยื่นดาบของตนให้ศัตรูหรือคนทั่วไปย้อนกลับเอาดาบนั้นมาทิ่มแทงตนเองได้ในภายหลัง ความหวาดกลัวข้อนี้ทำให้เกิดการปกปิดข้อมูลหรือไม่ยอมเปิดเผยข้อมูลในประเทศไทยแทบทุกหัวระแหง พระราชบัญญัติข้อมูลข่าวสารของทางราชการนั้น แท้จริงๆ แล้วเมื่อมีคำสองคำคือเป็นความลับของทางราชการและเป็นเรื่องของความมั่นคงแล้วข้อมูลต่าง ๆ ก็แทบจะขอไม่ได้ ไม่ทางถึงมือประชาชน

ดังนั้นหากปราศจากการเปิดเผยข้อมูลหรือการแชร์ข้อมูลแล้วก็จะเกิด data silo ไม่เกิด data integration และไม่เกิดการนำข้อมูลใหญ่ไปวิเคราะห์ให้เกิดประโยชน์อะไรต่อไปอีกในอนาคต หากรัฐบาลจะยอมให้เกิดข้อมูลใหญ่ และข้อมูลเปิด จำเป็นต้องนิรโทษกรรมความผิดทางข้อมูล เพื่อให้หน่วยราชการเปิดเผยข้อมูลที่ไม่ครบและที่ผิดให้มากขึ้น โดยที่จะไม่ได้รับผลกระทบทางลบกลับมาหาตนเอง

นอกจากนี้การขาดทักษะด้านความแตกฉานด้านข้อมูลและสถิติ (Data and statistical literacy) ในประเทศไทยยังเป็นปัญหามาก เรายังไม่สามารถวิเคราะห์และนำผลการวิเคราะห์ข้อมูลให้ไปใช้ประโยชน์ในการทำงานและการพัฒนาประเทศได้เลย ผลการสำรวจทั้ง PISA และ TIMS ซึ่ง Data and statistical literacy นั้นแทรกอยู่ในคณิตศาสตร์ของนักเรียนไทยต่ำมากจนน่าใจหายและไม่คิดว่าจะดีพอสำหรับการพัฒนาประเทศและก้าวไปสู่ Thailand 4.0 ได้เลย

คณะสถิติประยุกต์ สถาบันบัณฑิตพัฒนบริหารศาสตร์ และ Data Science Thailand ได้ร่วมกันจัดงาน The third NIDA Business Analytics and Data Science Conference (BADS) และการประชุมวิชาการสถิติประยุกต์และเทคโนโลยีสารสนเทศระดับชาติ ประจำปี 2561 (วันที่ 29-30-31 ตุลาคม) ในหัวข้อ Thailand 4.0 and digital transformation โดยเน้นไปที่ Peopleware ซึ่งเราเชื่อว่าเป็นปัญหาหลักในการพัฒนาประเทศด้วยข้อมูล ที่ตอนนี้หลาย ๆ คนพูดถึง digital transformation เพื่อเปลี่ยนคนไทยและวัฒนธรรมในการทำงานให้มี data literacy มี digital literacy และสร้างวัฒนธรรมข้อมูลและวัฒนธรรมดิจิทัล เพราะเราต่างทราบกันดีว่า Software และ Hardware ราคาแพงไม่อาจจะเกิดผลงานอะไรได้เลยหากไม่มีคนที่มีความรู้ความสามารถที่จะใช้และสั่งการมัน เอามันไปประยุกต์ใช้ ในขณะเดียวกันก็ต้องมีวัฒนธรรมในการทำงานด้วยข้อมูลและยอมรับการเปลี่ยนผ่านดิจิทัลอย่างราบรื่น ซึ่งทั้งหมดนี้ไม่ใช่เรื่องง่ายแต่อย่างใดเลย

ในงานนี้มีผู้ทรงคุณวุฒิมาเป็น keynote speakers และวิทยากรรับเชิญจำนวนมาก ในหัวข้อหลากหลายด้าน peopleware สำหรับ big data และ digital transformation ได้แก่

1. Digital transformations and innovations for educational reform โดย รองศาสตราจารย์ ยืน ภู่วรวรรณ ผู้เชี่ยวชาญด้านวิทยาการคอมพิวเตอร์ระดับแนวหน้าของประเทศไทย ทำไมอาจารย์ยืนถึงลงมาช่วย สสวท. ทำหลักสูตร เขียนตำราด้าน computational science ของระดับประถมศึกษาและระดับมัธยมศึกษา วิทยาการคำนวณสำคัญอย่างไรกับประเทศไทย อาจารย์จะมานำเสนอทัศนะว่าการศึกษาไทยต้องปฏิรูปไปทางไหน โลกก้าวไปไกลด้วย digital transformation และ นวัตกรรมแล้วเราจะเปลี่ยนการศึกษาไทยด้วย digital transformation and innovation กันได้อย่างไร

2. Thailand 4.0 and Digital government transformations โดย คุณอัจฉรินทร์ พัฒนพันธ์ชัย ปลัดกระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม จะมาบรรยายเนื้อหาว่า ภาครัฐจะขับเคลื่อนรัฐบาลดิจิทัลไปทางไหน และจะทำอย่างไรให้เกิดรัฐบาลดิจิทัลได้สำเร็จจริงจังและรวดเร็ว อันที่จริงหลายหน่วยงานในภาครัฐก็ได้เปลี่ยนผ่านและขับเคลื่อนเรื่องนี้ไปมากพอสมควร มาลองฟังแนวทางและวิสัยทัศน์ในการขับเคลื่อนและเปลี่ยนผ่านภาครัฐ

3. Empowering woman in Data Science for Thailand โดย รศ. ดร. จุรี วิจิตรวาทการ สมาชิกสภานิติบัญญัติแห่งชาติ ศูนย์สาธารณประโยชน์ สถาบันบัณฑิตพัฒนบริหารศาสตร์ และ วรรณภาณี ทัศนาญชลี Women Who Code (WWCODE) Thailand ปัญหานี้เป็นปัญหาหนักในวงการ Data Science และ วงการ IT ทั่วโลก ที่แทบจะมีผู้หญิงในวงการนี้น้อยมาก

4. Human Resource and Organizational Development (HROD) for Data science and digital transformation โดย รศ. ดร. จุฑามาศ แก้วพิจิตร คณะทรัพยากรมนุษย์ สถาบันบัณฑิตพัฒนบริหารศาสตร์ โกเมษ จันทวิมล บริษัทแสนสิริ จำกัด (มหาชน) และ Data Science Thailand ผศ.ดร.อานนท์ ศักดิ์วรวิชญ์ ผู้อำนวยการหลักสูตรการวิเคราะห์ธุรกิจและวิทยาการข้อมูล คณะสถิติประยุกต์ สถาบันบัณฑิตพัฒนบริหารศาสตร์ จะเป็นการสนทนาและซักถามกันจากทั้งนักวิชาการและนักปฏิบัติเกี่ยวกับบทบาทของการพัฒนาองค์การและทรัพยากรมนุษย์สำหรับวิทยาการข้อมูลและการเปลี่ยนผ่านดิจิทัล เราจะสนทนาและถกเถียงถามตอบกันยาวสามชั่วโมงรวดในประเด็นต่างๆ ดังนี้

• Peopleware นั้นสำคัญกว่าทั้ง Hardware และ Software แต่ไทยขาดทั้ง data culture และขาด data and digital literacy อย่างหนัก จะทำอย่างไร?
• พัฒนาทีมด้านวิทยาการข้อมูลได้อย่างไร? จะสรรหายูนิคอร์นที่ทำได้ทุกอย่างรู้ทุกอย่างได้หรือไม่?
• จะทำอย่างไรให้เกิดวัฒนธรรมข้อมูล พูดกันเถียงกันบนข้อมูล ตัดสินใจโดยใช้ข้อมูล ไม่ใช้อารมณ์และไม่เอาผลประโยชน์ของแต่ละฝ่ายมาเป็นธงนำหน้า?
• จะพัฒนาคนอย่างไรให้มีความแตกฉานด้านข้อมูลและดิจิทัลให้รองรับการพัฒนาประเทศ ต้องเริ่มต้นเมื่อไหร่ และต้องทำอย่างไร?
• จะทำอย่างไรเมื่อเกิดการต่อต้าน data analytics ในหน่วยงาน? จะมีการบริหารการเปลี่ยนแปลงอย่างไร?
• จะแก้ปัญหา data silo ได้อย่างไร? ทำไมทุกคนต่างหวงข้อมูล? จะทำอย่างไรให้เกิดวัฒนธรรมแห่งการแบ่งปันข้อมูลและเกิด data integration ระหว่างแผนกและข้ามหน่วยงาน?
• จะสร้างสรรค์นวัตกรรมและกลยุทธ์ต่อยอดจาก actionable knowledge ที่ได้จากข้อมูลได้อย่างไร?
• ทักษะด้านวิทยาการข้อมูลตกยุคอย่างรวดเร็วจะทำอย่างไรให้บุคลากรเกิดการเรียนรู้ด้วยตนเองตลอดชีวิต?
• ศาสตร์ HROD จะช่วย Digital transformation ได้อย่างไร?

5. เริ่มเรียน Data Science ด้วยตัวเองอย่างไร? โดย คุณกษิดิศ สตางค์มงคล Market insight manager – Dtac แอดมินเพจ Data Rockie ผู้มีความอินดี้และลีลาเกรียน จะมาแนะนำ แหล่งเรียนรู้ออนไลน์แบบฟรีๆ วิธีการเรียนออนไลน์อย่างมีประสิทธิภาพ (เรียนจบ ครบทุกคอร์ส ได้ใบเซอร์) ต้องเรียนอะไรก่อน อะไรหลัง แบบไหนดีที่สุด ย้ายสายงานมาทำงานด้านวิทยาการข้อมูลต้องทำยังไง เนื้อหาทั้งหมดเป็นแบบฉบับ non-programmer คนจบไม่ตรงสาย เขียนโค้ดไม่เป็น เลขไม่เก่ง IT ไม่รู้ แต่มีความสามารถในการเรียนรู้และต้องการพัฒนาตนเอง ขยัน อดทน ตั้งใจ

6. Career Development in Data Science โดย ดร.ธนชาตย์ ฤทธิ์บำรุง อาจารย์ประจำ หลักสูตรการวิเคราะห์ธุรกิจและวิทยาการข้อมูล คณะสถิติประยุกต์ สถาบันบัณฑิตพัฒนบริหารศาสตร์ และ คุณมานิตา ตันติ เพชราภรณ์ Head of Business Intelligence and Analytics, TrueMoney Thailand จะมาแนะนำวิธีการเตรียมตัวให้พร้อมในการสัมภาษณ์งานด้านวิทยาการข้อมูล การเพิ่มพูนและได้มาซึ่งทักษะและความรู้สำหรับนักวิทยาการข้อมูล ทำความเข้าใจว่านายจ้างต้องการและคาดหวังอะไรกับนักวิทยาการข้อมูล (ที่อยากจะจ้างให้มาทำงาน)

นอกจากหัวข้อด้าน peopleware แล้วยัง คับคั่งด้วยแถวหน้าแห่งวงการ หลากหลายหัวข้อ รับรองว่าได้ความรู้ ได้เห็นของจริง ได้เรียนรู้ทั้งทฤษฎีและการปฏิบัติ

มี 6 key note speaker, 60 invited speakers, 10 workshops และ 19 papers presentation

หัวข้อในงานได้แก่ Artificial intelligence, Digital Transformation, Python programming, Political Analytics, Image Processing, Fast Analytics, Data Engineering, Design Thinking for BADS, Careers for BADS, Bitcoin, Blockchain, Cryptocurrency, Object Detection, 3D scanner, Smart City, IOTs and sensor, Airline Analytics, Health Analytics, E-government, Financial Technology and Transformation, Information Security, Financial Time Series, Supply chain analytics, Revenue optimization, เริ่มเรียน DS ด้วยตัวเองได้อย่างไร, Data visualization, Natural language processing, Web scraping and API, มีการสัมภาษณ์งานและสมัครงาน และอื่นๆ อีกมาก

29-31 ตุลาคมนี้

รีบลงทะเบียนเข้าร่วมงาน >> https://goo.gl/DujSqK (ค่าลงทะเบียน 1000 บาท พร้อมอาหารสามมื้อ และฟรีสำหรับนักศึกษาระดับปริญญาตรี ไม่มีค่าใช้จ่ายใดๆ ทั้งสิ้น

ศึกษารายละเอียดเพิ่มเติม http://as.nida.ac.th/gsas/ หรือ โทร 02-727-3080 และ อีเมล bads@as.nida.ac.th