RPA Data Extraction และ AI… เครื่องมือขับเคลื่อนองค์กรด้วยข้อมูล #DeepTechDriven

ท่านที่เรียนเรื่องข้อมูล หรือ ท่านที่เข้าใจลักษณะเฉพาะของข้อมูล ที่มีความหลากหลายทั้งที่ถูกแบ่งเป็นชนิดของข้อมูล เช่น ข้อมูลชนิดตัวเลข ข้อมูลตัวอักษร และ ข้อมูลที่เป็นไฟล์… ข้อมูลที่ถูกแบ่งเป็นประเภทที่มีโครงสร้าง หรือ Structured Data และ ข้อมูลแบบไร้โครงสร้าง หรือ Unstructured Data ซึ่งทั้งหมดส่งผลให้เทคนิคการทำงานกับข้อมูลกลายเป็นศาสตร์ที่ต้องอาศัยวิทยาการเฉพาะทางมาแต่ไหนแต่ไร… โดยเฉพาะเทคนิคการทำงานกับ “ข้อมูลแบบไร้โครงสร้าง หรือ Unstructured Data” ซึ่งส่วนใหญ่เป็นข้อมูลที่ต้องตีความซ้ำ หรือ วิเคราะห์ความหมายฝังที่แทรกมากับข้อมูล เช่น การอ่านอารมณ์ของคนในภาพ หรือ การวิเคราะห์ทำนองดนตรี ซึ่งข้อมูลทำนองนี้ไม่มีโครงสร้างชัดเจนที่แปลซ้ำได้ว่าไม่มีตรรกะที่แน่ชัดให้คอมพิวเตอร์ หรือ เครื่องมือทางข้อมูลแบบ Structured Data ประมวลผลให้ถูกต้องได้เลย

พัฒนาการของปัญญาประดิษฐ์ หรือ Artificial Intelligence จึงเป็นทางออกเดียวในการเสริมส่งวิทยาข้อมูลในวันที่ข้อมูลทุกรูปแบบจากทุกๆ ที่บนโลกได้เกิดขึ้นตลอดเวลา ซึ่งกรณีของข้อมูลประเภทที่มีโครงสร้าง หรือ Structured Data อย่างชัดเจนจะไม่เคยมีปัญหาในการประมวลผล และ ยิ่งเสริมวิทยาการด้านปัญญาประดิษฐ์ใส่เข้าไปก็ยิ่งดีงามเรียบร้อยยิ่งกว่าเดิมมาก

แต่สำหรับข้อมูลแบบไร้โครงสร้าง หรือ Unstructured Data ซึ่งในการนำวิเคราะห์ก็ยังต้องอาศัยกระบวนการปรับข้อมูล หรือ สร้างแบบจำลองข้อมูลขึ้นเพื่อให้มีโครงสร้างก่อนการวิเคราะห์ หรือ แม้แต่ก่อนการรวบรวมและบันทึกข้อมูล… โดยในทางเทคนิคจะมีการใช้วิทยาการด้านปัญญาประดิษฐ์ หรือ AI สาขาต่างๆ ร่วมกับเทคโนโลยี RPA หรือ Robotics Process Automation อยู่หลักๆ ถึง 4 แบบคือ

  1. RPA กับ Natural Language Processing… สำหรับธุรกรรมด้านเอกสาร เช่น จดหมาย อีเมล สัญญา หรือ แม้แต่ข้อความโพสต์ตามโซเชียลมีเดีย ซึ่ง Natural Language Processing หรือ NLP จะประมวลผลเอาข้อมูลฝังที่ต้องการออกมาให้ RPA ดำเนินการต่อ 
  2. RPA กับ Deep Learning… สำหรับงาน Big Data ที่มีข้อมูลจำนวนมาก และ ซับซ้อนซึ่งการประมวลผลแบบทั่วไปมีโอกาสได้ผลลัพธ์ครึ่งๆ กลางๆ สูงมาก… Deep Learning Algorithms จะทำให้ข้อมูลทุกอย่างที่เกี่ยวข้องสัมพันธ์กันทั้งแบบโดยตรง และ แบบที่อยู่ในห่วงโซ่ความสัมพันธ์ ก็จะถูกนำใช้เพื่อประมวลผลร่วมกันได้หมด
  3. RPA กับ Machine Learning… เทคโนโลยี ML หรือ Machine Learning จะทำให้ RPA ฉลาดขึ้นจากความสามารถในการเรียนรู้ และ วิเคราะห์จดจำเพิ่มเติมได้เองโดยไม่ต้องรอให้คน หรือ เจ้าหน้าที่ หรือ โปรแกรมเมอร์ไปปรับแก้ หรือ เพิ่มเติมอะไรเข้าไปในระบบเสียก่อน
  4. RPA กับ Machine Vision… เทคโนโลยี Machine Vision จะทำให้ RPA มีตาสำหรับมองแบบที่มนุษย์มอง และ เปลี่ยนสิ่งที่เห็นไปเป็นข้อมูลได้เอง

หลักๆ ในการเตรียมโครงสร้างเทคโนโลยีข้อมูลสำหรับองค์กรที่ตั้งเป้าจะปรับไปเป็น Data-Driven Organization หรือ องค์กรที่ขับเคลื่อนด้วยข้อมูล… ซึ่งหลายองค์กรได้พยายามมาพักใหญ่ และ ล้มเหลวไปแล้วเป็นส่วนใหญ่ เพราะเทคนิคการ Input หรือ นำข้อมูลเข้าระบบยังเป็นปัญหาใหญ่ที่คนในองค์กรมักไม่พร้อมที่จะมานั่งทำข้อมูลแบบที่โปรแกรมเมอร์ หรือ CTO ขององค์กรอยากได้

References…

Facebook
Twitter
LinkedIn
Pinterest
Tumblr

Leave a Reply

Your email address will not be published. Required fields are marked *

Recent Posts