ตัวอย่างการใช้ ML, AI และ Visualization แก้ปัญหาในอันตระประเทศ อินเดีย

M_Id_483189_Satya_Nadella

 

ไมโครซอฟต์เซ็น MOU กับแคว้นอันตระประเทศ ซึ่งเพิ่งแยกตัวออกมาเป็นแคว้นอิสระทางตอนใต้ของอินเดีย เพื่อนำเทคโนโลยี Machine Learning, Cloud Computing และ Artificial Intelligence ผ่านบริการ Azure มาใช้ในหน่วยงานราชการ เพื่อช่วยแก้ปัญหาสำคัญของแคว้นหลายประการ

 

ตัวอย่างแรกเป็นการใช้ Azure Machine Learning เพื่อพยากรณ์นักเรียนออกกลางคัน (school dropout) โดยใช้ข้อมูลทั้งผลการเรียน โครงสร้างพื้นฐานของโรงเรียน และทักษะความชำนาญของครู มาเป็นข้อมูลศึกษาหารูปแบบของการลาออกกลางคัน เพื่อที่จะได้ปรับเปลี่ยนกลยุทธ์ และแนวทางการจัดสรรงบประมาณได้ถูกต้อง ปัจจุบันมีโรงเรียนกว่า 10,000 แห่งในแคว้น เริ่มใช้โซลูชั่นนี้แล้ว

 

ตัวอย่างที่สองเป็นการใช้ Machine Learning ในการวิเคราะห์อัตราความสำเร็จของการผ่าตัดดวงตา โดยไมโครซอฟต์ร่วมมือกับโรงพยาบาลตา LV Prasad Eye Institute (LVPEI) ในเมืองไฮเดอราบาด ในการเก็บข้อมูลผู้ป่วยที่เป็นโรคเกี่ยวกับตา ทั้งสถานที่ที่เข้ารักษาและรายละเอียดเกี่ยวกับผู้ป่วย คณะแพทย์จาก LVPEI ได้ร่วมกับไมโครซอฟต์ในการสร้างโมเดลพยากรณ์ดัชนีที่เรียกว่า “eye number” (Uncorrected Visual Acuity หรือ UCVA) ที่จะเป็นไปได้หลังการผ่าตัด โซลูชั่นนี้นอกจากจะช่วยแพทย์ให้ตัดสินใจแนะนำการผ่าตัดได้ง่ายขึ้นแล้ว ยังช่วยลดค่าใช้จ่ายและความเจ็บปวดของผู้ป่วยด้วย

 

ตัวอย่างที่สาม เป็นการประยุกต์ใช้ Azure Machine Learning กับ Power BI ในด้านเกษตรกรรม ศูนย์วิจัย International Crops Research Institute for Semi-Arid Tropics (ICRISAT) ได้สร้างโซลูชั่นที่ประกอบไปด้วย mobile app สำหรับเกษตรกรและ dashboard ประจำหมู่บ้านผ่าน Power BI แอพมือถือจะใช้ข้อมูลพยากรณ์อากาศ ประวัติปริมาณน้ำฝน และปริมาณผลผลิตในอดีต แล้วส่งไปให้โปรแกรมที่ใช้อัลกอริทึม machine learning ในการวิเคราะห์และพยากรณ์ “สัปดาห์” ที่ควรจะทำการเพาะหว่าน เพื่อให้ได้ผลผลิตสูงสุดสำหรับเกษตรกร

Village-Advisory-Dashboard-1200x956
ในส่วนของ dashboard ประจำหมู่บ้าน จะให้ข้อมูลสภาพแวดล้อมในหลายปัจจัยที่จะมีผลต่อผลผลิตทางการเกษตร อาทิเช่น ความอุดมสมบูรณ์ของดิน ข้อแนะนำการใช้ปุ๋ย และพยากรณ์อากาศล่วงหน้า 7 วัน นอกจากนั้นแล้ว ยังทำการส่งข้อมูลสำคัญไปให้กับมือถือของเกษตรกรผ่าน SMS เป็นภาษาท้องถิ่นด้วย

ที่มา : How Microsoft Is Making Big Impact With Machine Learning

ตัวอย่างการปฏิวัติ Personal Healthcare ด้วยเทคโนโลยีข้อมูล

shutterstock_175646576หนึ่งในวงการที่คาดว่าจะถูกปฏิวัติอย่างขนานใหญ่จากเทคโนโลยีในยุคปฏิวัติอุตสาหกรรม 4.0 ก็คือด้านการดูแลสุขภาพ  ต้นทุนการดูแลสุขภาพจากภาครัฐสูงขึ้นเรื่อยๆ ในขณะที่หลายประเทศรวมถึงไทยก็เข้าสู่สังคมผู้สูงอายุเต็มตัวแล้ว แนวทางการให้บริการด้านสุขภาพจึงจำเป็นต้องปรับตัวอย่างขนานใหญ่

เราเห็นแนวคิดเรื่อง personalized healthcare กันมาพอสมควรแล้ว แต่วันนี้เริ่มมีตัวอย่างการใช้งานจริงมาให้เห็นแล้ว

ไมโครซอฟต์ร่วมมือกับศูนย์สุขภาพ Dartmouth Hitchcock ใน New Hampshire นำเทคโนโลยีหลายอย่างมาใช้ร่วมกันเพื่อสร้างบริการการดูแลสุขภาพที่เฉพาะตัวบุคคลมากยิ่งขึ้น เรียกว่าโครงการ ImagineCare  โดยใช้เทคโนโลยีอาทิเช่น

 

  • Dynamics CRM ใช้เก็บข้อมูลการปฏิสัมพันธ์ระหว่างแพทย์และผู้ป่วย
  • Cortana Intelligence Suite ใช้เพื่อวิเคราะห์และเรียกค้นข้อมูลโดยผู้ให้บริการ
  • Azure Machine Learning เพื่อทำการพยากรณ์โอกาสที่อาจเกิดอันตรายด้านสุขภาพได้
  • Power BI ใช้สร้าง Patient Dashboard ที่ทั้งแพทย์ ศูนย์บริการ และผู้ป่วยสามารถเข้าถึงได้ และรับรู้ข้อมูลที่เปลี่ยนแปลงไป
  • อุปกรณ์ตรวจวัดด้านสุขภาพที่ใช้ในบ้าน เช่น เครื่องชั่วน้ำหนัก ความดัน และเลือด สามารถวัดผลและส่งข้อมูลกลับไปที่ศูนย์ได้ทันที
  • ศูนย์บริการที่ทำงาน 24 ชม. คอยติดตามสุขภาพผู้ป่วย และแจ้งเตือนเมื่อเกิดความเสี่ยงขึ้น
  • Wearable Devices ใช้ส่ง alert จากศูนย์บริการสู่ผู้ป่วยและผู้ดูแล

ตัวอย่าง Patient Dashboard

imaginecare

การทำงานร่วมกันของเทคโนโลยีหลายๆ ส่วน เชื่อว่าจะสามารถส่งผลให้การดูแลสุขภาพที่ดีขึ้น และลดต้นทุนค่าใช้จ่ายโดยรวมลงได้

Dartmouth-Hitchcock revolutionizes the U.S. healthcare system

https://youtu.be/-wVeHZNn8aU

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

 

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