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

แนวโน้มสำคัญ 6 ประการที่ผลักดันการใช้ Big Data ให้มีประโยชน์เพิ่มมากขึ้น

Six-Megatrendsถึงแม้ว่า ณ วันนี้ Big Data จะไม่ใช่เรื่องใหม่อีกต่อไปแล้ว แต่องค์กรส่วนใหญ่ ก็ยังมองเทคโนโลยี Big Data เป็นเพียงแค่ “ส่วนประกอบหนึ่ง” เท่านั้น ไม่ต่างจากเทคโนโลยี reporting หรือ Business Intelligence ในอดีตมากนัก

 

แต่แนวโน้มสำคัญ 6 อย่างนี้ จะช่วยผลักดันให้เทคโนโลยีที่เกี่ยวข้อง Big Data มีความสำคัญเพิ่มยิ่งขึ้นไปอีก

 

  • Internet of Anything (IoAT) เราคงเคยได้ยินนักวิเคราะห์พูดถึงเรื่องกระแสและความสำคัญของ IoT มาบ้างแล้ว แต่เพิ่งจะในปีนี้เองที่องค์กรต่างๆ เริ่มนำข้อมูลจาก IoT มาใช้เป็นส่วนประกอบสำคัญในด้านต่างๆ ของการทำงาน การหลอมรวมข้อมูลที่ได้จาก IoT เข้ากับข้อมูลอื่นๆ เช่น Social Media, เว็บคลิ้ก และ Server Log สร้างเป็น data products ใหม่ๆ เกิดเป็นกระแสใหม่ที่ทาง Gartner ตั้งชื่อว่า Digital Mesh

 

  • Unified Architecture – จากเดิมที่แพลตฟอร์ม Big Data เริ่มต้นที่ Batch processing แต่เมื่อพัฒนาต่อมาเรื่อยๆ ก็จะเริ่มเห็น architecture ที่เป็นหนึ่งเดียวกันมากขึ้น สามารถรองรับแอพลิเคชั่นขององค์กรได้หลากหลายมากขึ้น ตั้งแต่ batch procesing, realtime processing และ interactive and streaming บนแพลตฟอร์มเดียวกัน

 

  • Consumer 360 ความนิยมของแอพมือถือ ทำให้กิจการต่างๆ เลี่ยงไม่ได้ที่จะต้องเข้าถึงผู้บริโภคในหลากหลายช่องทาง ธุรกิจและบริการใหม่ๆ ที่จะเกิดขึ้นนับจากนี้ นอกจากต้องสื่อสารกับลูกค้าทุกช่องทางแล้ว ยังต้องสามารถผสานข้อมูลจากช่องทางเหล่านั้นได้อย่างมีประสิทธิภาพด้วย

 

  • Machine Learning, Data Science และ Predictive Analytics – เมื่อองค์กรส่วนใหญ่ เริ่มมีความสามารถในการจัดเก็บและจัดการกับข้อมูลจำนวนมาก ขั้นต่อไปคือการนำข้อมูลเหล่านั้นมาแก้ปัญหาเชิงธุรกิจ และนำผลลัพธ์เหล่านั้นย้อนกลับไปปรับปรุงกระบวนการทำงานในระดับปฏิบัติการต่อไป

 

  • Visualization เมื่อข้อมูลมีจำนวนเพิ่มมากขึ้น ความสามารถด้าน data visualization จึงกลายมาเป็นองค์ประกอบบสำคัญเพื่อสื่อสารสิ่งที่ซ่อนอยู่ในข้อมูลเหล่านั้น พัฒนาการของเครื่องมืออย่าง intelligence dashboard และ scorecard นอกจากจะส่งผลให้ Big Data ได้รับความนิยมเพิ่มขึ้นแล้ว ยังทำให้แนวทางการใช้งานข้อมูลเปลี่ยนไปด้วย

 

  • DevOps เมื่อแพลตฟอร์ม Big Data มีบทบาทในองค์กรเพิ่มมากขึ้น แนวทางการพัฒนาและสนับสนุนระบบงานก็ต้องเปลี่ยนแปลงไปด้วย DevOps เป็นแนวทางที่ประสบความสำเร็จในการปรับเปลี่ยนระบบงาน ให้ยืดหยุ่นและรองรับความเปลี่ยนแปลงได้อย่างรวดเร็ว เริ่มมีองค์กรจาก Fortune 1000 หลายแห่งในหลายอุตสาหกรรมอย่างภาคการผลิต บริการทางการเงิน และสาธารณสุข ที่นำ DevOps มาใช้มากขึ้น

 

แนวโน้มเหล่านี้ กำลังทำให้เกิดปรากฎการณ์ที่เรียกว่า Big Data Analytics is everywhere ไม่ใช่เฉพาะในด้านการสนับสนุนการตัดสินใจในองค์กรธุรกิจขนาดใหญ่เท่านั้น แต่กำลังเข้ามามีส่วนร่วมในชีวิตประจำวันของเราทุกคน

เรียบเรียงจาก Six (Mega)Trends for Deriving Massive Value from Big Data

การทำงานร่วมกันระหว่าง SSRS 2016 กับ Power BI

ssrs-and-powerbiไมโครซอฟต์เพิ่งออก SQL Server 2016 ซึ่งมีการปรับปรุงความสามารถของ SSRS (SQL Server Reporting Services) เพิ่มมาอีกหลายอย่าง วีดีโอข้างล่างนี้อธิบายถึงความสามารถที่จะใช้ SSRS 2016 ร่วมกับ Power BI ซึ่งสามารถสรุปได้ 3 แนวทางดังนี้
  • Upload PBIX ไฟล์ขึ้นไปบน SSRS Web portal แต่ยังต้องเปิดด้วย Power BI Desktop อยู่ดี แต่ใช้ SSRS Web Portal เป็น portal เท่านั้นเอง แต่ก็เป็นตัวเลือกอย่างหนึ่งในการทำ report library ส่วนความสามารถที่จะอ่านไฟล์และ interact กับ PBIX ไฟล์โดยตรงผ่าน SSRS Web Portal นั้น กำลังพัฒนาอยู่ ยังไม่ทราบว่าจะเสร็จเมื่อไหร่

 

  • Power BI Mobile App เชื่อมต่อเข้ากับ Report Server หมายความว่าใช้ Power BI Mobile App เป็น client สำหรับเรียกใช้รายงานที่อยู่บน SSRS แต่ก็มีข้อจำกัดคือ ณ เวลานั้นอุปกรณ์ของเราจำเป็นต้องเชื่อมต่อเน็ตเวิร์คอยู่ เพื่อ access รายงานบน SSRS

 

  • Pin หรือ “ปักหมุด” รายงานหรือ visualization ที่สร้างไว้ใน SSRS ให้มาแสดงผลอยู่ Power BI dashboard ซึ่งจำเป็นต้องมีการ config ให้ SSRS เชื่อมต่อกับ Power BI ในลักษณะ subscription เสียก่อน แถมยังจำเป็นต้องคอย sign-in เข้าสู่ Power BI  ทุก 90 วันด้วย เพราะ authentication token กำหนดให้หมดอายุใน 90 วัน
โดยรวมแล้วยังถือว่า ค่อนข้างผิวเผินและเชื่อมโยงกันไม่ได้สนิทนัก เพราะโครงสร้างที่แตกต่างกันพอสมควร แต่ก็เป็นจุดเริ่มความพยายามที่จะตอบสนองผู้ใช้ทั้งสองกลุ่ม คาดว่าจะยังคงมีการเพิ่มเติมความฟีเจอร์ หรือปรับให้มีความสะดวกเพิ่มมากกว่านี้อยู่เรื่อยๆ
ไปดูรายละเอียดได้จากวีดีโอเลยครับ

ศัตรูทั้งเจ็ดของ Big Data

images

ปัจจัยเหล่านี้ส่งผลกระทบในทางลบ ทำให้การนำ Big Data ไปใช้ไม่ประสบความสำเร็จเท่าที่ควร เรียบเรียงจาก The Seven Enemies Of Big Data

  • IT Architecture – ความท้าทายทางเทคโนโลยี โดยเฉพาะอย่างยิ่งการจัดการข้อมูลที่หลากหลาย โดยที่สถาปัตยกรรมข้อมูลภายในองค์กรอาจไม่ยืดหยุ่นพอ จำเป็นต้องมีการวางแผน ออกแบบที่เหมาะสม
  • Amature data science – นักวิทยาการข้อมูลมือสมัครเล่น คงเป็นเพราะความขาดแคลนและความเซ็กซี่ของงาน หลายคนเรียกตัวเองว่า data scienctists โดยอาจจะยังไม่มีพื้นฐานหรือความเข้าใจเกี่ยวกับสถิติที่มากเพียงพอ อาจส่งผลให้สรุปผลและตีความการวิเคราะห์ข้อมูลผิดพลาดไปได้ อาจเกิดอันตรายได้เปรียบเหมือนกับการให้เด็กอายุ 14 ขับรถสปอร์ตแรงๆ
  • Resource – ทรัพยากรบุคคลที่เกี่ยวข้องกับการวิเคราะห์ข้อมูล ไม่เพียงแต่แค่เฉพาะ data scienctists ที่ขาดแคลน แต่บุคลากรที่มีความสามารถในการวิเคราะห์ข้อมูล ประมวลข้อสรุป และนำไปสู่การตัดสินใจได้ ก็ขาดแคลนเช่นกัน ถึงแม้ว่าวิทยาลัยหลายแห่งเริ่มสอน Business Analytics อย่างจริงจัง แต่ก็คงยังต้องใช้เวลาอีกระยะหนึ่ง
  • Culture – วัฒนธรรมองค์กร โดยเฉพาะอย่างยิ่ง ในเรื่อง “วิธีการตัดสินใจ” เป็นเรื่องยากและท้าทายที่จะพยายามเปลี่ยนให้คนในองค์กร หันมาใช้ตรรกะและข้อมูลประกอบการตัดสินใจ แทนที่จะใช้สัญชาติญาณหรือประสบการณ์เดิมๆ โดยเฉพาะอย่างยิ่ง หากผลการวิเคราะห์ออกมาในเชิงขัดแย้งกับความเชื่อหรือแนวทางดั้งเดิม ผู้นำองค์กรมีบทบาทอย่างมากในการส่งเสริมให้เกิดการเปลี่ยนแปลงนี้
  • Classification – การจำแนกประเภท และคุณค่าของข้อมูล เป็นการยากที่จะประเมินความสำคัญของข้อมูลที่เกิดขึ้นใหม่ทุกๆ วินาที อะไรสำคัญ อะไรควรจะเก็บไว้ เมื่อเทียบกับความยุ่งยากทางเทคโนโลยีและการจัดการข้อมูล
  • Translation – การแปลผลการวิเคราะห์ ให้กลายเป็น insights ที่สามารถนำไปต่อยอดเพื่อการตัดสินใจอย่างใดอย่างหนึ่งได้ นอกเหนือไปจากการวิเคราะห์แล้ว การใช้ Data Visualization เพื่อสื่อสารให้เข้าใจได้ง่าย และผลักดันให้เกิดการนำไปใช้ต่อ จึงมีความจำเป็นเพิ่มมากขึ้น
  • Scope – ขอบเขตการวิเคราะห์ข้อมูล แค่ไหนถึงจะพอ เมื่อข้อมูลมีจำนวนมากและหลากหลาย เราอาจทุ่มกำลังวิเคราะห์ข้อมูลให้ลึกและกว้างขวางขึ้น แต่ประโยชน์ที่จะได้รับจากการวิเคราะห์เพิ่มเติมอาจไม่ได้มากอย่างที่คาดไว้ และจะมีจุดที่การวิเคราะห์ข้อมูลเพิ่มเติม ไม่สามารถสร้างคุณค่าได้คุ้มค่าพอแล้ว นั่นคือจุดที่ควรจะหยุด

ที่มา: The Seven Enemies Of Big Data | Forbes

Data Storytelling – เล่าเรื่องด้วยข้อมูล

wordleการเล่าเรื่องด้วยข้อมูล หรือ data storytelling เป็นหนึ่งในองค์ประกอบสำคัญและปัจจัยแห่งความสำเร็จของการนำ Big Data Analytics ไปใช้

TEDx talk ความยาว 14 นาทีเรื่องนี้เป็นประสบการณ์ตรงของนักเล่าเรื่องด้วยข้อมูลคนหนึ่งในนิวยอร์ค ที่นำ open data ของนิวยอร์คมาวิเคราะห์แล้วเล่าเรื่องประกอบ มีประเด็นที่น่าสนใจหลายข้อประกอบด้วย

  • ความสำคัญของ Open Public Data
  • การผสมผสานระหว่าง data science ความรู้ในเรื่องนั้นๆ (domain expertise ในที่นี้คือ Urban Planning) และเทคนิคการเล่าเรื่อง (Improv Comedy)
  • เทคนิคสำคัญของ Data Story Telling – connect with people, one idea, keep it simple, things you know best
  • ผลลัพธ์ที่ได้น่าประทับใจ เขาสามารถสร้าง impact ได้หลายอย่าง เกิดการเปลี่ยนแปลงที่ดีขึ้นจากผู้ให้บริการ
  • ใครๆ ก็เป็น data story teller ได้ ไม่จำเป็นต้องเขียนโปรแกรมเป็น

Making data mean more through storytelling | Ben Wellington | TEDxBroadway