ในธุรกิจมีเทคนิคในการเก็บรวบรวม และวิเคราะห์ข้อมูลของลูกค้า และสถานการณ์ทั่วไปในตลาดมากมาย หากไม่มีข้อมูลดังกล่าวก็จะไม่สามารถสร้างแผนพัฒนาหรือทำการตัดสินใจได้เนื่องจากคุณต้องการข้อมูลอ้างอิง การลงมือเก็บรวบรวมข้อมูลในแต่ละเหตุการณ์ที่เกิดขึ้นตามลำดับจะเป็นการเริ่มดำเนินโครงการที่มีระบบการจดจำใบหน้าไม่ว่าจะเป็นโครงการที่มีการกำหนดระดับตามความต้องการเฉพาะด้าน หรือการแก้ปัญหาของกลุ่มเป้าหมายก็ตาม ข้อมูลเป็นกุญแจสู่ความสำเร็จของธุรกิจต่าง ๆ

Dark Data คืออะไร

โดยสรุปแล้ว มันคือชุดของกลุ่มข้อมูลซึ่งเป็นประโยชน์สำหรับธุรกิจที่ได้รับการศึกษามาเป็นเวลายาวนาน และสิ่งที่คุณต้องทำก็คือ คุณต้องเลือกกลุ่มที่เกี่ยวข้องสักสองถึงสามกลุ่มเพื่อเริ่มใช้งานให้มีประสิทธิภาพสูงสุด แต่มันไม่ได้ง่ายขนาดนั้น ในจักรวาลมีข้อมูลอยู่มากมาย และเช่นเดียวกับในโลกแห่งความเป็นจริง ข้อมูลเหล่านั้นมีความลึกลับ และความลับถูกซ่อนเอาไว้มากมาย แต่ปัญหาหลัก ๆ คือ จำนวนของข้อมูลทั้งหมดนั้นมีมากเกินความสามารถในการวิเคราะห์ของเรา

ในขณะที่กำลังแก้ปัญหาให้กับงานทางธุรกิจต่าง ๆ จะมีการเก็บรวบรวมข้อมูลจำนวนมากที่ไม่ได้ถูกนำมาใช้งาน ข้อมูลนี้สามารถนำไปใช้เพื่อเพิ่มประสิทธิภาพในแง่มุมต่าง ๆ ของธุรกิจได้ แต่ข้อมูลเหล่านี้ก็ยังไม่ถูกนำมาใช้งาน ตัวอย่างเช่น มีการติดตั้งกล้องวงจรปิดในร้านค้าเพื่อแก้ไขปัญหาด้านความปลอดภัย หรือ ลดความสูญเสียจากการขโมยของในร้านค้า โดยเฉพาะ ในทางปฏิบัติ กล้องต่าง ๆ เก็บรวบรวมข้อมูลได้จำนวนมากขึ้น แต่ไม่มีใครนำข้อมูลมาใช้งาน

ข้อมูลที่เรียกว่า ข้อมูลมืด (dark data) คือ ข้อมูลที่เกิดขึ้นจริง และมีประโยชน์แต่ถูกประเมินค่าต่ำไป หรือมองไม่เห็นค่าด้วยเหตุผลหลายประการ ตามการประเมินพบว่ามีองค์กรมีการเก็บรวบรวมข้อมูลมืดได้ถึง 90%! และทั้งหมดนี้ไม่ใช่ข้อมูล “ขยะ” แต่เป็นข้อมูลที่ช่วยให้เราสามารถทำการวิเคราะห์กลุ่มเป้าหมายได้ลึกซึ้งยิ่งขึ้น และเพิ่มประสิทธิภาพให้กับธุรกิจได้เป็นอย่างดี สิ่งที่คุณต้องทำ คือ รับข้อมูลมืด และใช้เทคนิคการวิเคราะห์พิเศษกับข้อมูลนั้น

ทำไมข้อมูลมืดจึงมีความสำคัญ

คุณค่าของข้อมูลมืดเกิดจากการที่มีข้อมูลอยู่ และมีข้อมูลอยู่มากมาย เราไม่สามารถเพิกเฉยต่อข้อมูลที่มีขนาดใหญ่มากนี้ได้ ดังนั้น เราจึงสามารถพิจารณาข้อมูลมืดได้จากสองแง่มุม:

  • ข้อมูลมืดเป็นทรัพยากรที่มีศักยภาพสูงหากพบวิธีการวิเคราะห์ที่มีประสิทธิภาพ
  • ข้อมูลมืดเป็นปัจจัยเสี่ยงที่อาจทำให้ขาดทุนได้หากไม่ลงมือดำเนินการใด ๆ กับข้อมูล

ในระยะยาว ธุรกิจในปัจจุบันจะประสบความสำเร็จไม่ได้หากไม่ทำการเก็บรวบรวม และวิเคราะห์ข้อมูล ธุรกิจที่มีข้อมูลจำนวนมากที่สุดจะเป็นผู้ชนะ หากคู่แข่ง หรืออาชญากรทางไซเบอร์สามารถหาวิธีวิเคราะห์ข้อมูลมืดนี้ได้เป็นคนแรกก็อาจส่งผลกระทบโดยตรงในเชิงลบ หรือส่งผลให้ธุรกิจพลาดโอกาสได้ ดังนั้นจึงเป็นเรื่องสำคัญที่จะต้องนำระบบที่สามารถทำงานกับข้อมูลทุกประเภทที่มีอยู่ได้อย่างชาญฉลาด

ระบบดังกล่าวช่วยเก็บรวบรวมตัวชี้วัดทั้งข้อมูลเดี่ยว หรือผสมร่วมกับข้อมูลอื่น ๆ ที่เปิดเผยทั้งวิธีการประหยัด และเพิ่มผลกำไร คุณสามารถใช้ข้อมูลมืดมาทำการประเมินประสิทธิภาพของพนักงานแต่ละคน หรือแม้แต่ร้านค้าทั้งหมดได้

ตัวอย่างเช่น เจ้าของร้านมักจะคำนวณเวลาเฉลี่ยที่ลูกค้าใช้ในการยืนรอคิว จากการศึกษาของ Omnico Group ตัวเลขนี้มีความสำคัญอย่างยิ่ง เนื่องจากผู้ที่ยืนรออยู่ในคิวนานกว่า 6 นาทีมีแนวโน้มว่า 56% จะไม่กลับมาที่ร้านนี้อีก กรณีหนึ่งที่เกิดขึ้นจริงโดยได้รับความช่วยเหลือของการวิเคราะห์ข้อมูลจากกล้องวงจรปิด กรณีนี้ได้ตัดสินใจเปลี่ยนไปให้บริการตลอด 24 ชั่วโมงซึ่งเพิ่มความพึงพอใจให้กับร้านค้าได้ถึง 80%

นอกจากนี้ยังสามารถช่วยควบคุมให้พนักงานทำงานได้อย่างประสิทธิภาพเพิ่มขึ้นอีกด้วย หากระบบระบุรูปแบบบางอย่างที่ขัดแย้งกับแผนงานเดิม นั่นมักจะเป็นความประมาทของพนักงาน ตัวอย่างเช่น การวิเคราะห์ข้อมูลมืดของร้านขายยาในเครือเปิดเผยว่าพนักงานเริ่มงานช้า และเลิกงานเร็วก่อนเวลาเกือบ 20 นาที รวมทั้งใช้เวลาพักที่จัดสรรไว้ให้เกินกำหนดเวลา เวลาทำงานทั้งหมดหายไปมีมากถึง 10%

นอกจากนี้ อย่าลืมความสำคัญของกฎการจัดเก็บข้อมูล ข้อมูลมืดที่บริษัทจัดเก็บมักจะไม่มีการจัดลำดับความสำคัญด้านความปลอดภัย และอาจไม่ถูกนำมาพิจารณาเสียด้วยซ้ำ การเพิกเฉยด้านการรักษาความปลอดภัยของข้อมูลอาจมีผลเสียหลายประการซึ่งอย่างน้อยจะทำให้เกิดการสูญเสียชื่อเสียงขึ้นได้ โดยต้องทำการระบุความปลอดภัยก่อน ทำการแก้ไขความปลอดภัยของข้อมูลมืดในตอนนี้

จะทราบได้อย่างไรว่าอะไรคือสิ่งที่เรายังไม่ทราบ

การพัฒนาเทคโนโลยีปัญญาประดิษฐ์ทำให้ข้อมูลมืดเริ่มปรากฏขึ้นมาให้เห็น โครงข่ายประสาทเทียมมีข้อมูลที่เป็นประโยชน์จำนวนมากซึ่งมีทั้งในรูปแบบที่ไม่มีโครงสร้าง หรือถูกซ่อนอยู่ การค้นหาข้อมูลมืดเป็นส่วนหนึ่งของงานด้านการแบ่งข้อมูลจำนวนมาก ความก้าวหน้าในด้านนี้ทำให้เราทำการวิเคราะห์ข้อมูลมืดได้ดีขึ้นอย่างเห็นได้ชัดเจนในช่วงไม่กี่ปีที่ผ่านมา

กำลังมีการนำระบบที่ทำงานด้วยปัญญาประดิษฐ์ การเรียนรู้ข้อมูลของเครื่อง และคอมพิวเตอร์วิทัศน์ไปใช้งานในทุกสถานที่ ระบบเหล่านี้ถูกออกแบบมาเพื่อสำรวจพื้นที่ทางดิจิทัลโดยทำการค้นหาความเชื่อมโยงระหว่างกลุ่มข้อมูลที่มีอยู่อย่างกระจัดกระจาย และเรียนรู้ที่จะค้นพบวิธีใหม่ ๆ ในการนำข้อมูลที่ถูกเก็บรวบรวม และถูกจัดเก็บเอาไว้มาใช้งาน

อะไรเป็นอุปสรรคต่อการวิเคราะห์ข้อมูลมืด

หลายบริษัทเก็บรวบรวมข้อมูลจำนวนมหาศาลผ่านช่องทางต่าง ๆ แต่พวกเขาไม่ได้นำข้อมูลไปประมวลผล หรือจัดโครงสร้างข้อมูล เหตุผลส่วนหนึ่งคือพวกเขาไม่มีความรู้ และประสบการณ์เพียงพอ แต่บริษัทส่วนใหญ่ไม่ได้ทำการวิเคราะห์ข้อมูลมืดเนื่องจากเป็นกระบวนการที่ค่อนข้างซับซ้อนซึ่งต้องใช้เงินทุนเพิ่มขึ้น

การเปรียบเทียบกันในอุตสาหกรรมจึงเป็นตัวอย่างที่เหมาะสม โรงงานแห่งแรกใช้ทรัพยากรอย่างไม่ระมัดระวัง และไม่มีใครสนใจเรื่องมลภาวะต่อสิ่งแวดล้อมเลย ปัจจุบัน บริษัทต่าง ๆ ถูกบังคับให้ลงทุนกับการพัฒนาเทคโนโลยีด้านการประมวลผลทรัพยากร และสิ่งอำนวยความสะดวกในการทำกลั่นกรองของเสียให้บริสุทธิ์ รวมทั้งต้องปฏิบัติตามมาตรฐานบางอย่างอย่างเคร่งครัดเพื่อให้สามารถแข่งขันในอุตสาหกรรมได้

อุปสรรคอีกข้อหนึ่งคือ ระบบไม่รองรับระบบที่แตกต่างกันในธุรกิจ ตัวอย่างเช่น ไม่ค่อยมีคนเห็นคุณค่าของการเปรียบเทียบข้อมูลของผู้เข้าชมจากเว็บไซต์กับไฟล์เสียงจากโทรศัพท์ และภาพจากกล้องวงจรปิดในพื้นที่ของร้านค้าปลีก ซึ่งจำเป็นต้องใช้ระบบการวิเคราะห์ที่เกี่ยวข้องเพื่อขยายช่วงข้อมูล และความลึกของการวิเคราะห์ข้อมูลในธุรกิจอย่างเห็นได้ชัดเจน

สิ่งสำคัญก็คือเราจะต้องตระหนักถึงความเจริญทางวัฒนธรรมของเราซึ่งมีแนวโน้มว่าจะเผชิญกับข้อมูลมืดมากเกินไป รวมทั้ง ธุรกิจควรจะเริ่มจัดโครงสร้าง และใช้ข้อมูลมืดล่วงหน้าแทนการปล่อยข้อมูลทิ้งไว้เฉย ๆ ซึ่งจะทำให้ธุรกิจต้องประสบกับผลกระทบในเชิงลบทั้งหมด ภายในอีกไม่กี่ปีข้างหน้า ข้อมูลมืดจะสามารถเข้าสู่ตลาดได้ผ่านทางระบบดิจิทัล และการใช้งานระบบเท่านั้นโดยจะสามารถทำการวิเคราะห์ข้อมูลได้จากหลายช่องทาง

จะเริ่มทำการวิเคราะห์ข้อมูลมืดได้อย่างไร

ตามปกติแล้ว การใช้ระบบเพื่อวิเคราะห์สิ่งที่เรายังไม่ทราบโดยหวังว่าจะได้รับประโยชน์จากระบบในระยะยาวนั้นไม่ใช่การตัดสินใจทางธุรกิจในขั้นตอนแรก แต่มีวิธีที่จะเริ่มใช้ข้อมูลมืดในลักษณะที่คล่องตัวมากขึ้น คือ - การวิเคราะห์วิดีโอ โซลูชั่นในการวิเคราะห์จากการสตรีมมิ่งวิดีโอสมัยใหม่มีความก้าวหน้าในการแก้ปัญหางานด้านความปลอดภัยอย่างเห็นได้ชัดเจน และช่วยทำให้เราสามารถเก็บรวบรวมข้อมูลเพิ่มเติมซึ่งมีผลกระทบต่อกระบวนการทางธุรกิจที่เราไม่สามารถมองเห็นได้

ในฐานะที่เป็นผู้พัฒนาซอฟต์แวร์เฝ้าระวังอัจฉริยะด้วยวิดีโออันดับต้น ๆ NtechLab ได้เริ่มรวบรวม และวิเคราะห์ข้อมูลมืดที่ผู้ใช้ระบบอื่นไม่สามารถเข้าถึงได้ เริ่มจากเวอร์ชั่น 4.3 ในผลิตภัณฑ์ของสถาบันการเงิน FindFace Multi มีสถิติซึ่งถูกสร้างขึ้นในระบบที่แสดงให้เห็นข้อมูลผู้เข้าชมบนแผนภูมิแบบเรียบง่าย ในขณะนี้ ระบบสามารถระบุเพศ อายุ นับจำนวนครั้งของการเดินทางมาเยือน และความถี่ได้โดยไม่ซ้ำกัน รวมถึงมอบข้อมูลให้กับแผนภูมิความร้อนจากกล้องต่าง ๆ

ชุดตัวเลขดังกล่าวภายในระบบเดียวช่วยทำให้คุณสามารถเริ่มทำการวิเคราะห์ข้อมูลมืดได้ซึ่งสามารถก่อให้เกิดประโยชน์ทางธุรกิจได้อย่างแท้จริง ระบบสามารถใช้เพื่อปรับปรุงการให้บริการลูกค้า กำหนดเป้าหมายข้อเสนอของโปรโมชั่นโดยอัตโนมัติ และกำหนดเวลาที่ดีที่สุดให้กับโปรโมชั่นได้ FindFace Multi 4.3 ช่วยทำให้คุณสามารถควบคุมข้อมูลที่มีอยู่ในการสตรีมมิ่งวิดีโอ และสร้างความได้เปรียบในการแข่งขันในด้านต่าง ๆ ได้ เช่น ร้านค้าปลีก การต้อนรับ การเงิน และการธนาคาร รวมถึงอุตสาหกรรมอื่น ๆ ที่เน้นลูกค้าเป็นศูนย์กลาง

หากคุณมุ่งเน้นไปที่อนาคต และต้องการให้ธุรกิจของคุณทันสมัยตลอดเวลา คุณควรพิจารณาถึงความสำคัญของข้อมูลมืด และ การวิเคราะห์ลูกค้าด้วยการใช้เทคโนโลยีที่ใช้ในการระบุตัวตน ติดต่อเรา แล้วผู้จัดการของเราจะมอบข้อมูลที่ครอบคลุมเกี่ยวกับวิธีการวิเคราะห์วิดีโออัจฉริยะให้กับธุรกิจของคุณ

กลับไปยังหน้าฟีด