Uber Flexible Pricing ในช่วงปีใหม่

CXpvWwoUkAAfR-1เมื่อช่วงวันสิ้นปีที่ผ่านมา ผู้ใช้บริการ Uber ในอเมริกาเป็นจำนวนมากที่ได้ออกมาโวยวายเรื่องการถูกชาร์จค่าบริการที่แพงกว่าปกติหลายเท่า บางรายถูกคิดเพิ่มมากขึ้นเกือบ 10 เท่า ถึงแม้ว่าทาง Uber จะออกมาเตือนก่อนหน้านี้แล้วก็ตาม (ข่าวที่มา)

 

นี่เป็นสิ่งที่อาจจะเกิดขึ้นให้เห็นได้มากขึ้นในยุค Big Data Analytics นั่นคือ การคิดราคาสินค้าและบริการแบบยืดหยุ่น ตามหลัก demand-supply และการคำนวณราคาสินค้าก็ทำโดยการใช้อัลกอริทึมแทนที่จะเป็นการกำหนดราคาโดยเจ้าของสินค้าเหมือนเดิม

  • ในแง่ผู้ใช้บริการ ถ้าเราไม่ตระหนักถึงวิธีการในการคำนวณ (Uber มีเครื่องมือประมาณราคาให้ แต่เข้าใจว่าผู้ใช้บริการหลายรายอาจไม่ได้ใส่ใจจะคำนวณราคาก่อนใช้) ผลลัพธ์ที่ตามมา ตลอดจนทางเลือกอื่นๆ ก็ย่อมเสียเปรียบและอาจต้องเสียเงินมากกว่าที่ควรจะเป็น
  • ในส่วนของเจ้าของสินค้าและบริการ อาจต้องเตรียมการประชาสัมพันธ์ หรือจัดเตรียมวิธีการรับมือกับลูกค้าที่ไม่พอใจจากการใช้วิธีการ flexible pricing นี้ได้

เศรษฐกิจรูปแบบใหม่ วิถีการดำรงชีวิตแบบใหม่ ผู้บริโภคก็จำเป็นต้องปรับตัวให้รู้เท่าทันด้วย

มาดูกันว่า Amazon ใช้ประโยชน์จาก Big Data อย่างไรบ้าง

A box from Amazon.com is pictured on the porch of a house in Golden, Colorado in this July 23, 2008, file photo. Amazon, through lower overhead, efficient inventory management, and better product selection and search, has dominated online purchases during the festive season. To match ANALYSIS AMAZON-HOLIDAY/ REUTERS/Rick Wilking/Files (UNITED STATES - Tags: BUSINESS)

Amazon ถือได้ว่าเป็นหนึ่งในบริษัทที่บุกเบิกการใช้งาน Big Data มาโดยตลอด Amazon.com เริ่มต้นด้วยการเป็นร้านหนังสือ online เปิดตัวครั้งแรกเมื่อปี 1994 และขยายตัวอย่างรวดเร็วเริ่มขายสินค้าอื่นๆ ด้วย ทั้งสินค้าทั่วไปและสินค้าสื่อดิจิตัล พอปี 2007 ก็เริ่มผลิตสินค้าอิเล็กทรอนิกส์ของตัวเองชิ้นแรกคือ Kindle ในขณะเดียวกันก็เปิดบริการ AWS ในปี 2006

จนถึงปัจจุบันปี 2015 Amazon กลายเป็นบริษัทค้าปลีกรายใหญ่ที่สุดในอเมริกา มีมูลค่าตลาดตามราคาหุ้นแซงหน้า Walmart ไปเรียบร้อยแล้ว ในขณะเดียวกันก็กลายเป็นผู้ให้บริการระบบ cloud infrastructure รายใหญ่ที่สุดด้วย

ระบบแนะนำและจัดส่งสินค้า

ตัวอย่างการใช้งาน Big Data Analytics ในยุคแรกๆ คือการที่ Amazon ใช้ข้อมูลประวัติการเลือกชมและเลือกซื้อสินค้าของลูกค้ากว่า 152 ล้าน account มาสร้างระบบแนะนำสินค้า โดยหาความสัมพันธ์ระหว่างสินค้าที่เกี่ยวข้องกัน หรือสินค้าที่มักมีผู้ซื้อร่วมกัน แล้วนำมาแนะนำให้กับลูกค้า ปรับแต่งตามประวัติพฤติกรรมการซื้อของลูกค้าแต่ละราย ผลลัพธ์ที่ได้ก็คือ ประสบการณ์ช็อปปิ้งออนไลน์ที่น่าประทับใจ

นั่นเป็นเรื่องเมื่อปี 2003 นะครับ ตอนนี้ร้านค้าออนไลน์ต่างก็ใช้วิธีนี้กันหมดแล้ว แต่ Amazon ก็ก้าวหน้าไปอีก ด้วยการจดสิทธิบัตรกระบวนการ “ส่งของก่อนสั่ง” หรือ Anticipatory Shipping ไว้ตั้งแต่ปี 2014 โดยวิเคราะห์ข้อมูลหลากหลายอย่างแล้ว “ทำนาย” ว่าลูกค้ากำลังจะสั่งสินค้าอะไร ทำการจัดส่งสินค้าไปรอที่ศูนย์กระจายสินค้าในเขตนั้น เพื่อที่จะสามารถส่งให้กับลูกค้าได้ในทันทีที่สั่งซื้อ คาดว่าบริการ same-day delivery หรือสั่งวันนี้ส่งวันนี้ที่เริ่มให้บริการในหลายๆ เมืองในสหรัฐ ใช้อัลกอริทึมนี้ในการทำนายความต้องการสินค้า

การให้บริการลูกค้า

การให้บริการลูกค้าเป็นอีกเรื่องที่ Amazon นำ Big Data มาช่วย มีการพูดถึงประสบการณ์ในการติดต่อฝ่ายบริการลูกค้า เมื่อสินค้า Kindle ที่ซื้อมามีปัญหา เพียงไม่ถึงนาทีหลังจากแจ้งปัญหาไปบนเว็บ เจ้าหน้าที่จาก Amazon โทรศัพท์มาหาลูกค้า ทักทายโดยการเรียกชื่อ และถามแค่ว่าคุณมีปัญหากับเครื่อง Kindle อย่างไรบ้าง ปัญหาถูกแก้ไขภายใน 2 นาที โดยไม่ต้องเสียเวลามานั่งสะกดชื่อ ที่อยู่หรือหมายเลขประจำเครื่อง

นั่นหมายถึงว่าเจ้าหน้าที่ Amazon รู้จักลูกค้า รู้ข้อมูลต่างๆ เกี่ยวกับลูกค้าเป็นอย่างดี และสามารถใช้ข้อมูลดังกล่าวสร้างความรู้สึก “เป็นคนพิเศษ” ให้กับลูกค้าได้

เมื่อ Amazon ประกาศขายแท็บเล็ต Fire HDX ในปี 2013 Mayday Button เป็นฟีเจอร์สำคัญ มันคือปุ่มขอความช่วยเหลือออนไลน์ผ่านหน้าจอตลอด 24 ชั่วโมง ผู้ใช้บริการจะได้รับการตอบสนองภายใน 9 วินาที และกลายเป็นช่องทางหลักที่ผู้ใช้ Fire HDX กว่า 75% ใช้ขอความช่วยเหลือในเรื่องต่างๆ รวมถึงเรื่องแปลกๆ อย่างเช่นสอนเล่น Angry Birds ผ่านด่านยากๆ หรือสอนวิธีทำอาหาร เป็นต้น

Amazon ได้รับการโหวตให้เป็นอันดับหนึ่งในด้านการให้บริการลูกค้าติดต่อกันหลายปีจากองค์กรด้านการค้าปลีกของอเมริกา

การจัดการคลังสินค้า

Amazon มีสินค้ากว่า 1.5 พันล้านชิ้น กระจายอยู่ตามศูนย์จัดส่งสินค้ากว่า 200 แห่งทั่วโลก การจัดการ ติดตาม และป้องกันการโจรกรรม สินค้าเหล่านี้ กลายเป็นงานที่ยากและท้าทาย Amazon ใช้บริการของตัวเองคือ S3 (Simple Storage Service) เก็บข้อมูลของสินค้าเหล่านั้นซึ่งมีการปรับปรุงกว่า 50 ล้านครั้งต่อสัปดาห์ และใช้ EMR (Elastic Map Reduce) ซึ่งเป็นบริการ Big Data Analytics ของตัวเอง ในการวิเคราะห์ข้อมูลสินค้าเหล่านี้ และส่งผลกลับไปยังศูนย์แต่ละแห่ง พร้อมผลการวิเคราะห์ว่าสินค้าใดบ้างที่มีความเสี่ยงต่อการถูกโจรกรรม

ขายข้อมูลให้นักโฆษณา

ในขณะที่ Google ขายข้อมูลพฤติกรรมการค้นหาข้อมูล แต่สิ่งที่นักโฆษณาอยากได้จริงๆ ก็คือ ข้อมูลพฤติกรรมในการซื้อสินค้า ซึ่ง Amazon มีข้อมูลเหล่านี้ และเริ่มหารายได้จากการขายข้อมูลเหล่านี้ให้นักโฆษณานำไปใช้ในการประกอบการตัดสินใจเลือกซื้อโฆษณาในช่องทางต่างๆ ธุรกิจส่วนนี้ยังคงมีรายได้น้อยเมื่อเทียบสัดส่วนรายได้ทั้งหมดของ Amazon แต่คาดว่าจะเติบโตขึ้นอีก และที่สำคัญ Amazon ไม่ได้เปิดให้นักโฆษณาเข้าถึงข้อมูลดิบโดยตรง แต่พัฒนาเทคโนโลยีแพลตฟอร์มขึ้นต่างหาก แล้วเปิดให้นักโฆษณาประมูลสล็อตโฆษณาแทน

สรุป

Amazon ต้องถือได้ว่าเป็นผู้นำในการบุกเบิกนวัตกรรมการนำ Big Data มาใช้ในธุรกิจ การที่ Amazon มีธุรกิจค้าปลีกเองและมีความสามารถในการพัฒนาเทคโนโลยีต่างๆ เองด้วย ส่งผลให้มันอยู่ในสถานะที่ได้เปรียบธุรกิจอื่นโดยทั่วไป คงต้องรอดูต่อไปว่า จะมีนวัตกรรมอะไรดีๆ ออกมาอีก

 

ข้อมูลเพิ่มเติม

 

Microsoft เข้าซื้อกิจการ VoloMetrix สตาร์ทอัพด้านการวิเคราะห์ข้อมูลบุคลากรในองค์กร

VoloMetrix_Sociograph_on_iPadMicrosoft ประกาศเข้าซื้อกิจการบริษัท VoloMetrix สตาร์ทอัพด้านการวิเคราะห์ข้อมูลบุคลากร โดยมีแผนจะนำเทคโนโลยีการวิเคราะห์สภาพองค์กรเข้าไปเพิ่มในชุด Office 365

ตลาดเทคโนโลยีวิเคราะห์องค์กรในระดับ enterprise กำลังเติบโตอย่างรวดเร็ว โดยเน้นไปที่การทำความเข้าใจถึงวิธีการที่จะปรับปรุงประสิทธิภาพการทำงานประจำวันของพนักงาน ช่วยเพิ่มความสุขและเพิ่มประสิทธิผลในการทำงานของทั้งองค์กร แนวคิดหลักคือการใช้เทคโนโลยีมาวิเคราะห์รูปแบบการทำงานและรูปแบบการสื่อสารของคนในองค์กร ก็จะสามารถใช้ความเข้าใจที่ได้ มาช่วยในการพัฒนาการสื่อสารกับพนักงานและให้คำแนะนำแบบเฉพาะตัว ให้พนักงานทำงานได้ดีขึ้นได้

ทางไมโครซอฟต์แถลงว่า บริษัท VoloMetrix เป็นผู้บุกเบิกและเป็นผู้นำในตลาดการวิเคราะห์ข้อมูลองค์กร โดยการวิเคราะห์ตารางปฎิทินและอีเมล์ของพนักงาน เพื่อประเมินประสิทธิภาพการทำงาน และไมโครซอฟต์วางแผนจะนำเทคโนโลยีของ VoloMetrix ไปเสริมความสามารถด้านการวิเคราะห์ในชุด Office 365

VoloMetrix Enterprise Analytics from Nathan Barnett on Vimeo.

ในวิดีโอข้างต้น มีประเด็นที่น่าสนใจมากประเด็นหนึ่ง คือสามารถวัดลักษณะการ “สื่อสาร” ภายในองค์กรได้ ซึ่งมีประโยชน์มากสำหรับองค์กรขนาดใหญ่ที่มีความซับซ้อน

ที่มา: Microsoft acquires people analytics startup VoloMetrix, will integrate organizational tech into Office 365

 

เมื่อ Big Data หลุดโผ Gartner 2015 Hype Cycle

04fb9cf

Gartner ออกรายงาน Hype Cycle สำหรับปี 2015 เมื่อช่วงกลางเดือนสิงหาคมที่ผ่านมา และที่น่าแปลกใจสำหรับหลายๆ คนคือ Big Data หลุดออกจากรายการเทคโนโลยีที่น่าจับตามอง หลังจากอยู่ในรายงานนี้มาหลายปี

หลายคนใช้ Gartner Hype Cycle เป็นเครื่องมือเพื่อจับตามองเทคโนโลยีใหม่ๆ มานานหลายปี ซึ่งทำให้เราเข้าใจได้ว่าเทคโนโลยีใหม่ๆ ตัวไหน ที่สามารถฟันฝ่าพ้นช่วง “ตื่นกระแส” มาได้และจะส่งผลอย่างจริงจังต่อชีวิตและการทำงาน

เราได้เห็น Big Data อยู่ในรายงานนี้มาหลายปีแล้ว ปี 2014 ที่ผ่านมาเป็นจุดที่เทคโนโลยี Big Data ก้าวข้ามจากสถานะที่เรียกว่า Peak of Inflated Expectations และเริ่มเข้าสู่ช่วง Trough of Disillusionment ตอนแรกก็คาดว่ามันจะไหลลงไปอยู่จุดต่ำสุดหรือถ้าดีหน่อยก็คงเริ่มย้อนกลับมาเข้าช่วง Slope of Enlightenment

Hype-Cycle_2015_1

แต่ปรากฎว่าคำว่า Big Data หายไปจาก Hype Cycle ของ 2015 นี้เลย รวมถึงเทคโนโลยีที่เกี่ยวข้องบางตัวอย่างเช่น Prescriptive Analytics และ Data Science วิดีโอสัมภาษณ์ผู้เขียนรายงาน ให้เหตุผลว่า เป็นเพราะ Big Data ใช้กันอย่างแพร่หลายมากขึ้นและหมดสภาพการเป็น emerging technology แล้ว

ที่น่าสังเกตอีกประการหนึ่งก็คือ จำนวนเทคโนโลยีที่แสดงอยู่ในรายงานลดลง เหลือแค่ 37 เทคโนโลยี ในปี 2015 จากที่แต่เดิมมีถึง 44 ในปี 2014, 43 ในปี 2013 และ 46 ในปี 2012

อย่างไรก็ตามมีรายการเทคโนโลยีใหม่ ที่เกี่ยวข้องกับการวิเคราะห์ข้อมูลเพิ่มมาในปีนี้หลายรายการ เช่น Machine Learning, Citizen data science และ Advanced Analytics with Self-Service Delivery และเทคโนโลยีอื่นที่เกี่ยวข้องกับ Big Data Analytics ก็ยังคงอยู่ อย่างเช่น Autonomous Vehicles, Internet of Things และ Natural Language Process Question Answering

ที่มา:

Gartner’s 2015 Hype Cycle for Emerging Technologies Identifies the Computing Innovations That Organizations Should Monitor

Why Gartner Dropped Big Data Off the Hype Curve
Gartner 2015 Hype Cycle: Big Data is Out, Machine Learning is in

อนาคตการตลาดกับ Big Data, Customer Analytics และ IoT

เริ่มเห็นสัมนาด้านการตลาดที่เกี่ยวข้องกับ Big Data และ Customer Analytics เพิ่มมากขึ้น และก็ได้เห็นคนที่ทำงานด้านการตลาดตื่นเต้นกับไอเดียที่ว่าเอาข้อมูลจากโซเชี่ยลเน็ตเวิร์คมาวิเคราะห์ร่วมกับข้อมูลอื่นๆ จะว่าไปแล้ว นี่เรายังแค่เริ่มๆ เท่านั้นเองนะ อนาคตของ Big Data และ Customer Analytics ยังไปได้อีกไกล

Read more

ทำความรู้จักกับ Data Governance

 

Data Governance ซึ่งอยากจะเรียกเป็นภาษาไทยว่า “ธรรมาภิบาลข้อมูล” เป็นองค์ประกอบสำคัญอย่างหนึ่ง ที่จะช่วยส่งเสริมศักยภาพขององค์กรในการนำข้อมูลไปใช้ได้อย่างเต็มประสิทธิภาพ แต่เนื่องจากมีลักษณะเป็นนามธรรมค่อนข้างสูง เวลาคุยกับผู้บริหาร หลายท่านอาจจะยังนึกไม่ออกว่า การทำธรรมาภิบาลข้อมูล มันคืออะไร ทำแล้วได้อะไร

Data Governance มีหลายนิยาม แต่ที่อยากยกมาเป็นตัวอย่าง คือนิยามของ The Data Governance Institute ซึ่งมีแนวคิดตามภาพ (คลิ้กที่นี่เพื่อดาวน์โหลดภาพต้นฉบับ)

DGI-Data-Governance-Framework-Image

กล่าวโดยย่อที่สุด ธรรมาภิบาลข้อมูล คือการกำหนดและบังคับใช้ กฎ กติกา มารยาท เกี่ยวกับงานด้านข้อมูลในองค์กร

การทำ data governance อาจมีแรงผลักดันจากหลายด้าน เช่น จำเป็นต้องทำเพื่อให้รองรับตามกฎหมายข้อบังคับ ทำเพราะมีปัญหาคุณภาพข้อมูล เพราะมีปัญหาด้านความปลอดภัยข้อมูล เพราะเตรียมตัวผนวกระบบ (อาจจะผ่านการซื้อหรือขายกิจการ) หรือเพราะต้องการพัฒนาระบบ Business Intelligence เป้าหมายแต่ละแบบก็มี focus area แตกต่างกัน

โดยหลักๆ แล้วงาน data governance มักประกอบไปด้วย

  • กำหนดหน่วยงานหรือองค์กรที่ทำหน้าที่กำกับดูแลข้อมูล รวมถึงอำนาจในการตัดสินใจสำหรับข้อมูลแต่ละชนิด
  • กำหนดนิยาม นโยบาย และมาตรฐานข้อมูล (data definition, policy and standards)
  • กำหนดกฎเกณฑ์ทางธุรกิจ หรือ Business Rules ในการสร้าง แก้ไข หรือลบข้อมูล
  • กำหนดเกณฑ์วัดคุณภาพข้อมูล (data quality and measurements)
  • กำหนดกระบวนการในการจัดการควบคุมข้อมูล ซึ่งอาจส่งผลให้มีการแก้ไขระบบ IT ในหลายๆ ระบบ
  • กำหนดวิธีการในการรับมือ เมื่อเกิดปัญหา รวมถึงขั้นตอนในการขอแก้ไขกฎเกณฑ์ที่กำหนดไว้ก่อน

 

งาน data governance โดยส่วนมากแล้ว ปัญหาทางเทคนิคค่อนข้างตรงไปตรงมา แต่ที่ท้าทายกว่ามาก คือปัญหาในด้านองค์กร โดยเฉพาะองค์กรใหญ่ ที่แต่ละหน่วยงานมีอำนาจหน้าที่ (และงบประมาณ) เป็นของตัวเอง ระบบงานต่างๆ โดยมากมักอิงตามความต้องการของหน่วยงานหลักที่ระบบนั้นๆ สนับสนุนอยู่

 

การจัดทำธรรมาภิบาลข้อมูล เป็นงานสำคัญที่มักไม่ค่อยได้รับความสนใจเท่าใดนัก แต่หากดำเนินการอย่างถูกต้องเหมาะสม จะช่วยให้การใช้งานข้อมูลในองค์กร เป็นไปได้อย่างราบรื่นและมีประสิทธิภาพ เครื่องไม้เครื่องมือหรือโครงการใดๆ ไม่ว่าจะทำ Enterprise Data Warehouse, Business Intelligence หรือแม้แต่ Big Data ก็จะสะดวกราบรื่น มีปัญหาน้อยกว่าองค์กรที่ไม่ได้มีการทำ data governance มาก่อนเลย

ไมโครซอฟต์ประกาศเปิดตัวบริการ Azure Data Lake

azure_data_lakeในงาน Build 2015 Microsoft ประกาศเปิดตัวบริการ Azure Data Lake บริการเก็บข้อมูลบน Cloud สำหรับ Big Data Analytics

แนวคิด Data Lake เป็นเรื่องค่อนข้างใหม่ หลักการง่ายๆ ก็คือเป็นแหล่งรวบรวมข้อมูล “ดิบ” ขององค์กร คือเก็บไว้ในรูปแบบดั้งเดิมให้มากที่สุด แล้วจะนำไปใช้อย่างไรค่อยว่ากันอีกที ซึ่งแตกต่างกับแนวคิด data warehouse แต่สามารถใช้งานร่วมกันได้

Azure Data Lake มีฟีเจอร์หลักดังนี้

  • Compatible กับ HDFS (Hadoop File System) ทำให้สามารถใช้งานร่วมกับ Hadoop distribution อย่าง HortonWorks หรือ Cloudera ได้เลย
  • เก็บข้อมูลได้ไม่จำกัด เน้น throughput สูง ไม่มีการกำหนดลิมิตขนาดข้อมูลที่เก็บได้ หรือแม้แต่ขนาดของไฟล์
  • พร้อมสำหรับใช้งานสำคัญในองค์กร

วีดีโอแนะนำบริการ ซึ่งอธิบายภาพรวมได้ดีทีเดียว


แหล่งข้อมูลเพิ่มเติม:

Microsoft Azure Blog : Introducing Azure Data Lake

TechCrunch : Microsoft Announces Azure Data Lake, A Data Repository For Big Data Analytics

 

ตัวอย่างการใช้งาน Big Data แบบไม่ธรรมดา

parking_lotเราอาจเคยอ่านบทความเกี่ยวกับการใช้งาน Big Data Analytics กันมาบ้างแล้วว่ามันทำอะไรได้บ้าง อย่างเช่น ใช้ทำความเข้าใจลูกค้ามากขึ้น ปรับปรุงแผนการตลาด หรือ ค้นหาและป้องกันการทุจริต ลองมาดูตัวอย่างการใช้งาน Big Data แบบไม่ธรรมดาเหล่านี้ดูบ้าง

Read more

Process Mining เมื่อ Big Data เข้ามาช่วยปรับปรุงกระบวนการทำงาน

process_miningหนึ่งในตัวอย่างที่เห็นได้ชัดของการนำ Big Data มาช่วยในงานธุรกิจ โดยทำการวิเคราะห์ข้อมูลจากระบบการทำงานขององค์กร (โดยใช้ข้อมูลที่เกิดขึ้นจริง) แล้วนำมาหาโอกาสที่จะปรับปรุงให้กระบวนการทำงานดีขึ้นได้ เรียกง่ายๆ ก็คือการทำ business process improvement โดยใช้ประโยชน์จาก big data นั่นเอง

ข้อมูลเพิ่มเติม : www.processmining.org
มี course สอนใน coursera ด้วย : Process Mining: Data science in Action

เมื่อ Big Data ช่วยลดต้นทุนค่าใช้จ่าย

intelตัวอย่าง business case ที่มีการนำ Big Data และ Predictive Analysis มาช่วยในการลดต้นทุนค่าใช้จ่ายในองค์กร

  • Intel ประหยัดค่าใช้จ่ายในปี 2012 ได้กว่า 3 ล้านเหรียญ จากการนำข้อมูลที่รวบรวมไว้ในระหว่างขั้นตอนการผลิต มาใช้ในการเลือกทดสอบชิปบางตัว แทนที่จะต้องทดสอบชิปทั้งหมด ทำให้สามารถนำชิปออกสู่ตลาดได้เร็วขึ้น
  • Tesco ลดค่าใช้จ่ายในการทำความเย็นตู้แช่ สำหรับสาขาในอังกฤษและไอร์แลนด์ โดยร่วมมือกับศูนย์วิจัย IBM เพื่อวิเคราะห์ข้อมูลเกี่ยวกับการทำความเย็นตลอดทั้งปี และพบว่าหลายสาขากำหนดอุณหภูมิทำความเย็นต่ำกว่าที่จำเป็น
  • MIT ใช้เซ็นเซอร์ลักษณะต่างๆ ติดตั้งในอาคารนับสิบหลังภายในวิทยาลัย แล้วรวบรวมข้อมูลมาเฝ้าระวังอัตราการใช้พลังงาน อาคารแต่ละหลังจะถูกทำเครื่องหมายด้วยสี แสดงอัตราการใช้พลังงานที่เป็นอยู่ อาคารหลังไหนขึ้นสีแดง อาจหมายถึงมีไฟฟ้าหรือน้ำรั่ว หรือมีปัญหาด้านระบบทำความร้อน ซึ่งนอกจากช่วยแก้ปัญหาได้แล้ว ยังนำไปช่วยวางแผนการบำรุงรักษาได้อีกด้วย

การใช้ Big Data ช่วยลดต้นทุนค่าใช้จ่าย เกิดขึ้นในหลายองค์กร และเริ่มมีตัวอย่างให้เห็นมากขึ้นเรื่อยๆ

ที่มา:  Big data’s latest selling point: It’s a strategic cost cutter | TechRepublic

1 2 3