TTT Virtual Summit: AI & Analytics for Enterprises

ในยุคดิจิทัลปัจจุบัน เทคโนโลยี AI ถูกนำเข้ามาใช้ร่วมกับเทคโนโลยีการจัดเก็บข้อมูลเพื่อผลักดันให้เกิดการใช้ข้อมูลอย่างมีประสิทธิภาพสูงสุด ตัวอย่างเช่น การนำ AI มาใช้บริหารจัดการข้อมูลด้านระบบการจราจรอัจฉริยะ เนื่องจากกุญแจสำคัญสำหรับการแก้ปัญหาการจราจรจำเป็นต้องมีข้อมูลเชิงลึกในการวิเคราะห์ข้อมูลตามเวลาจริงจำนวนมาก และต้องประมวลผลข้อมูลได้อย่างรวดเร็ว ซึ่งมีผลต่อพื้นที่การจัดเก็บข้อมูลขนาดใหญ่ ไม่ว่าจะเป็น Real-time Big Data, Real-time Analytics หรือ Real-time Control

ภายใน Keynote นี้ Western Digital ร่วมกับวิทยากรรับเชิญพิเศษ ผศ. ปัญญา เหล่าอนันต์ธนา จากมหาวิทยาลัยเกษตรศาสตร์ จะมาบรรยายถึงการประยุกต์ใช้เทคโนโลยี Deep Learning AI ในการพัฒนาการจัดการข้อมูลระบบการจราจรอัจฉริยะที่ใช้งานจริงในกรุงเทพฯ

เทคโนโลยี AI-Vision ช่วยลดความเสี่ยงและสร้างสภาพแวดล้อมในการทำงานที่ยังคงประสิทธิภาพให้ธุรกิจ เพื่อแก้ไขปัญหาจากสถานการณ์ในปัจจุบันที่ท้าทาย ทั้งความเปลี่ยนแปลงของรูปแบบการทำงาน ข้อจำกัดในการใช้แรงงาน โดยเฉพาะงานที่ยังจำเป็นต้องใช้คน อาทิ ภาคการผลิต การขนส่ง เป็นต้น

ในปัจจุบันข้อมูลทางธุรกิจเป็นหัวใจสำคัญต่อการขับเคลื่อนธุรกิจ ทุกองค์กรพยายามที่จะนำข้อมูลเหล่านั้น มาสรุปผลเป็นภาพกราฟิกหรือที่คุ้นกันในนาม Data Visualization เราจะทำอย่างไรให้ข้อมูลเหล่านั้นกลายเป็น Data Intelligence ที่สามารถทำงานและใช้ตัดสินใจในทางธุรกิจได้อย่างชาญฉลาดมากขึ้น

การต่อยอด Low-code Platform เข้ากับ Machine Learning ไม่เพียงแค่ให้ข้อมูลเชิงลึกเกี่ยวกับกระบวนการคาดการณ์และคำแนะนำเพื่อเร่งการพัฒนาระบบอัตโนมัติและปรับปรุงการดำเนินงานอย่างต่อเนื่อง แต่ยังช่วยให้กระบวนการดำเนินงานในองค์กรมีการพัฒนาประสิทธิภาพ ช่วยเพิ่มยอดขายทางธุรกิจในสถานการณ์ทางธุรกิจที่มีการเปลี่ยนแปลงอยู่ตลอดเวลาได้

เทคโนโลยีที่เข้ามามีบทบาทในงานด้านอุตสาหกรรมมากขึ้น ข้อมูลเป็นสิ่งสำคัญในการขับเคลื่อนธุรกิจ เพื่อใช้ประโยชน์จากข้อมูลมาผลักดันธุรกิจให้มีศักยภาพในการแข่งขันที่เหนือคู่แข่ง การประเมินศักยภาพขององค์กรเอง เพื่อปรับรูปแบบกระบวนการผลิตให้เหมาะสมกับ Demand และ Supply ซึ่งช่วยในการปฏิบัติการอย่างมีประสิทธิภาพพร้อมปรับเปลี่ยนและลดขั้นตอนการบริหารจัดการอย่างชาญฉลาด สามารถลดต้นทุนและค่าใช้จ่ายจริงโดยอ้างอิงจากกรณีศึกษาในภูมิภาคเอเชีย ทั้งในฟิลิปปินส์ ฮ่องกง และสิงคโปร์

ปรับมุมมองในการนำเสนอข้อมูลจากเชิงปริมาณเป็นรูปแบบของความสัมพันธ์ ด้วยเทคโนโลยีด้าน Graph Database and Analytic จะทำให้สามารถรับรู้รูปแบบการกระจายตัวและความสัมพันธ์ของข้อมูล ส่งผลให้ผู้ใช้งานทั่วไปสามารถหา Insights เพิ่มโอกาส ลดความเสี่ยงที่ส่งผลต่อธุรกิจได้อย่างรวดเร็วและแม่นยำมากยิ่งขึ้น

อัปเดตแนวโน้มเทคโนโลยี AI ที่น่าจับตามอง, ทิศทาง AI ของหน่วยงานรัฐ, ตัวอย่างการนำ AI มาใช้งานจริง ไปจนถึงการประยุกต์ใช้ AI มาขับเคลื่อนโครงการสำคัญของภาครัฐ พร้อมแนะนำโครงการ Open Government Data โดยสำนักงานพัฒนารัฐบาลดิจิทัล (DGA)

จากเหตุการณ์ปัจจุบัน ธุรกิจอุตสาหกรรมต้องเผชิญความท้าทายในกระบวนการผลิตสินค้าต่างๆ ที่อาจทำให้ธุรกิจเกิดความล่าช้าหรือหยุดชะงัก ไม่ว่าจะเป็นเรื่องของบุคลากร เครื่องจักร หรือความต้องการของผู้บริโภคที่เปลี่ยนไป เทคโนโลยี AI & Analytics จึงเข้ามามีบทบาทสำคัญที่จะช่วยเพิ่มศักยภาพให้ธุรกิจการผลิตดำเนินต่อไปได้ในยุคที่เกิดการเปลี่ยนแปลงมากมาย พร้อมพบกับกรณีศึกษาต่างๆ สำหรับภาคอุตสาหกรรมการผลิต

อัปเดต ทำความเข้าใจ และเจาะลึกถึงปัญหาที่เกิดขึ้นกับ IT Operations ในยุคปัจจุบันที่เทคโนโลยีเปลี่ยนแปลงไปอย่างรวดเร็ว และ AI สามารถเข้ามาช่วยทีม IT Operations ได้ มาดูกันว่า AI จะเข้ามามีบทบาท และทำให้องค์กรของคุณก้าวทัน Digital Transformation ในยุคที่เต็มไปด้วยเทคโนโลยีแบบนี้ได้อย่างไร

MapTIST Application ได้พัฒนาต่อยอดจาก Google Maps Platform ให้เป็น Business Intelligence Tool ที่ช่วยวิเคราะห์ข้อมูลและเพิ่มมิติมุมมองใหม่ให้แสดงผลข้อมูลบนแผนที่ ทำให้ง่ายต่อการวิเคราะห์วางแผนกลยุทธ์สำหรับอนาคตของธุรกิจต่างๆ และยังช่วยควบคุมต้นทุน รวมถึงจัดสรรทรัพยากรที่มีอยู่ให้เกิดประโยชน์สูงสุด บรรยายโดยทีมผู้เชี่ยวชาญของ Tangerine

ปัจจุบันนอกจากองค์กรธุรกิจจะแข่งขันการพัฒนาในการเพิ่มความฉลาดให้กับระบบ AI และระบบการวิเคราะห์ข้อมูลให้แม่นยำมากขึ้นเพื่อตอบโจทย์ทางธุรกิจซึ่งเกิดขึ้นตลอดเวลาแล้ว ยังต้องใส่ใจในเรื่องประสิทธิภาพของงานระบบด้านสถาปัตยกรรมทาง IT ของโครงการ Data Analytics ต่างๆ ไปพร้อมๆ กันอีกด้วย ทาง Dell Technologies มีแนวคิดและมุมมองอย่างไร ในกระบวนการเหล่านี้ สามารถติดตามรายละเอียดเพิ่มเติมได้ในการบรรยายนี้

ในปี 2020 การเติบโตของการสตรีม Streaming Data คือเทรนด์เทคโนโลยีในระดับองค์กรที่เกิดขึ้นแบบวงกว้างกับหลายธุรกิจและอุตสาหกรรม การบริหารจัดการข้อมูลรูปแบบใหม่ที่เหมาะกับ Real-time Big Data นี้จะช่วยให้องค์กรประมวลผลข้อมูลขนาดใหญ่ สามารถโต้ตอบได้อย่างรวดเร็วและนำไปสู่การใช้ปัญญาประดิษฐ์ (AI) ได้อย่างคุ้มค่าการลงทุน เพิ่มความสามารถในการประมวลผลข้อมูลขนาดใหญ่ในแบบเรียลไทม์จากข้อมูลทั้งหมดที่มีอยู่ในองค์กร

AI มีบทบาทสำคัญในการขับเคลื่อนอุตสาหกรรมยุคใหม่ ในเซสชันนี้จะอธิบายถึง AI ในส่วนของการสื่อสารกับเครื่องจักรผ่านภาษามนุษย์หรือที่เรียกว่า Natural Language Processing ซึ่งสามารถนำไปประยุกต์ใช้งานได้หลากหลาย อาทิ ระบบแชตอัตโนมัติ (Chatbot), ระบบสั่งการเครื่องจักรหรืออุปกรณ์ IoT ด้วยเสียง, ระบบหุ่นยนต์ เป็นต้น

ในยุคดิจิทัล องค์กรต่างต้องเจอกับความท้าทายทั้งในแง่ของโจทย์ธุรกิจที่เปลี่ยนแปลงอยู่ตลอด รวมถึงเทคโนโลยีที่เกิดขึ้นใหม่ แล้วเทคโนโลยีการวิเคราะห์ข้อมูลและบริหารจัดการข้อมูลในปัจจุบันมีวิวัฒนาการไปอย่างไรบ้าง และจะสามารถใช้ประโยชน์จากมันได้อย่างไร หากทำสำเร็จองค์กรจะได้ประโยชน์สูงแค่ไหน พบคำตอบได้ในเซสชันนี้โดย Blendata พาร์ทเนอร์คนสำคัญของ AIS Business

Big Data และ Data Lake เป็นหัวข้อที่ทุกองค์กรกำลังพูดถึง เนื่องจาก Big Data ช่วยให้องค์กรสามารถแข่งขันในยุคดิจิทัลและอยู่รอดในช่วง COVID-19 ได้ การจัดเก็บและการประมวลผลข้อมูลขนาดใหญ่บน Cloud หรือที่เรียกว่า Cloud Data Lake เป็นทางเลือกของหลายองค์กร เพราะสามารถเริ่มต้นใช้งานได้ทันที มีเครื่องมือให้เลือกใช้มากมาย ในราคาที่ประหยัด ลองมาติดตามกันว่า มี Architecture และ Best Practices ในการสร้าง Cloud Data Lake ให้มีประสิทธิภาพได้อย่างไร

การกำกับดูแลข้อมูลด้าน Data Quality, Data Integration, Data Catalog จะช่วยให้การจัดเก็บข้อมูลมีประโยชน์ต่อการใช้งานทั้งในด้านของ Data Analytics และการพัฒนา AI/ML ได้อย่างไร

ในโลกของธุรกิจ Data ถือเป็นสิ่งสำคัญที่ใช้ในการตัดสินใจและการวางกลยุทธ์ให้เหนือคู่แข่ง เทคโนโลยีเบื้องหลังเหล่านั้นคือ Data Warehouse ที่หลายองค์กรต่างพยายามเติมเต็มด้วย Business Intelligence หรือโมเดล Machine Learning ในขณะที่ Data Warehouse แบบเดิมๆ อาจมีข้อจำกัดที่ทำให้ Business User เข้าถึงข้อมูลเชิงลึก (Insights) ได้ยากขึ้น

ในเซสชันนี้ ท่านจะได้รู้จักกับ BigQuery เทคโนโลยี Big Data ของ Google ที่ทลายข้อจำกัดเดิมๆ ของ Data Warehouse ที่ใช้กันอยู่ในปัจจุบัน