What is a
Data platform?
เทคโนโลยีสำหรับรวบรวมข้อมูลขององค์กร เปรียบเสมือนคลังข้อมูลขนาดใหญ่ที่รวบรวมข้อมูลจากแหล่งต่าง ๆ มาไว้ในรูปแบบที่เหมาะสม ปลอดภัย และเข้าถึงได้ง่าย ช่วยให้องค์กรสามารถวิเคราะห์ข้อมูลเพื่อนำไปพัฒนาธุรกิจ และตัดสินใจได้อย่างมีประสิทธิภาพ
การพัฒนา Data platform ขึ้นอยู่กับความต้องการในการนำข้อมูลที่รวบรวมและจัดเก็บไว้ไปใช้งาน เช่น
Customer Data Platform (CDP) ชุดข้อมูลที่พัฒนาขึ้นเพื่อเข้าใจพฤติกรรมและความต้องการของลูกค้าโดยมีวัตถุประสงค์เพื่อนำมากำหนดกลยุทธ์ทางการตลาดที่ตรงกับลูกค้ากลุ่มเป้าหมาย
Operational Data Platform (ODP) ชุดข้อมูลการดำเนินงาน รวมถึงการทำธุรกรรมต่างๆ จากผู้ใช้งานทุกฝ่ายภายในองค์กร ข้อมูลในลักษณะนี้เหมาะสำหรับการนำมาวิเคราะห์และปรับปรุงกระบวนการให้ดียิ่งขึ้น เช่น การจัดซื้อ ปรับปรุงประสิทธิภาพการผลิต และ การจัดส่งสินค้า
Technologies to improve our clients’ outcomes
How do we build a Data platform?
ทีม AMCO DTA มีประสบการณ์ในการพัฒนา Data platform และ Business intelligence สำหรับบริษัทมหาชน โรงงานอุตสาหกรรม และองค์กรภาครัฐที่ต้องการนำข้อมูล
จากระบบ ERP หรือฐานข้อมูลอื่นภายในองค์กร มาใช้ในการวิเคราะห์และกำหนดกลยุทธ์ (Business insights)
01
Assessment
and Planning
ประเมินและวางแผน
สำรวจโครงสร้างข้อมูลเดิมที่มีอยู่ คือการสำรวจข้อมูลที่มีอยู่ภายในองค์กร เพื่อดูว่ามีแหล่งข้อมูลอะไรบ้าง (data sources) และใช้เครื่องมือหรือกระบวนการอะไรในการจัดการข้อมูลเหล่านั้น
Let us assist with how to choose
the right tech stack for you
เครื่องมือและเทคโนโลยี
ทีม DTA ของเรายินดีให้คำแนะนำในการเลือกใช้เทคโนโลยีที่เหมาะสม ทั้งด้านความต้องการใช้งาน
งบประมาณ และเป้าหมาย
- เครื่องมือการนำเข้าข้อมูล (Data ingestion)
ที่ช่วยดึงข้อมูลจากแหล่งต่างๆ เข้าสู่แพลตฟอร์ม - เครื่องมือจัดเก็บข้อมูล (Data storage) ทั้งแบบทะเลสาบข้อมูล (data lake) สำหรับข้อมูลทุกประเภท หรือแบบคลังข้อมูล (data warehouse) สำหรับข้อมูลที่มีโครงสร้างที่ชัดเจน
- เครื่องมือประมวลผลข้อมูล (Data processing) เพื่อล้างข้อมูลที่ไม่จำเป็น (Data cleansing) ตรวจสอบ แก้ไขให้ถูกต้อง จัดรูปแบบและปรับเปลี่ยน เพื่อเตรียมข้อมูลให้พร้อมสำหรับการนำไปวิเคราะห์
- เครื่องมือเพื่อย้ายข้อมูล (Data pipelines) ซึ่งเป็นกระบวนการอัตโนมัติเพื่อย้ายข้อมูลระหว่างขั้นตอนต่างๆเพื่อให้ตรงกับวัตถุประสงค์การใช้งาน
- เทคโนโลยีและเครื่องมือเพื่อวิเคราะห์ข้อมูลและแปลงข้อมูลเชิงลึก (BI and Analytics tools) สำหรับการนำเสนอข้อมูลการวิเคราะห์ที่ซับซ้อนในรูปแบบที่เข้าใจง่าย และน่าสนใจ (Data visualization)
- เครื่องมือตรวจสอบข้อมูล (Data observability) ที่เป็นเครื่องมือสำคัญของ Data engineer เพื่อติดตามคุณภาพของข้อมูล สุขภาพ และปัญหาที่อาจเกิดขึ้นของระบบลำเลียงและย้ายข้อมูล
02
Define requirements
and design
กำหนดความต้องการและออกแบบ
เก็บรวบรวมความต้องการของลูกค้า วิเคราะห์ประเภทของข้อมูลที่เกี่ยวข้องกับเป้าหมายทางธุรกิจ และกลุ่มลูกค้าที่ใช้แพลตฟอร์ม พร้อมทำความเข้าใจประโยชน์ที่จะเกิดกับผู้ใช้งาน
หมายเหตุ: หากเป็นโครงการขนาดใหญ่ จะมีการเสนอแผนโครงการอย่างละเอียด (Master plan) ซึ่งประกอบด้วย แผนกลยุทธ์ แผนการดำเนินงานที่อธิบายถึงขั้นตอนการทำงาน สถาปัตยกรรมระบบและเทคโลยีที่ใช้ การ Customise เพิ่มเติมเพื่อตอบสนองความต้องการเฉพาะธุรกิจ และแผนงบประมาณ (ค่าแรง ค่าฮาร์ดแวร์และซอฟต์แวร์)
03
Implementation
ขั้นตอนการดำเนินการ
เป็นขั้นตอนลงมือปฏิบัติงานตามข้อเสนอและแผนงานที่วางไว้ ประกอบด้วย
- การนำเข้าข้อมูล (Data ingestion) ตั้งค่าเครื่องมือเพื่อดึงข้อมูลจากแหล่งข้อมูลต่าง ๆ
- การจัดเก็บข้อมูล (Data storage) กำหนดค่าคลังข้อมูลหรือทะเลสาบข้อมูลที่เลือก
- การประมวลผลข้อมูล (Data processing) นำเครื่องมือและกระบวนการต่างๆ มาปรับแต่งข้อมูลในฐานข้อมูล
- พัฒนาระบบลำเลียงข้อมูล (Develop data pipelines) สร้างระบบอัตโนมัติสำหรับการย้ายข้อมูลระหว่างขั้นตอน
- เชื่อมต่อเครื่องมือ BI และเครื่องมือวิเคราะห์ข้อมูล (Integrate BI and Analytics tools) อนุญาตให้ผู้ใช้สามารถวิเคราะห์และแสดงผลข้อมูล
- ความปลอดภัย (Security) กำหนดการควบคุมการเข้าถึงข้อมูลและแนวทางการบริหารจัดการข้อมูล
- การพัฒนาส่วนเพิ่มเติมตามความต้องการใช้งาน (Feedback)
- การทดสอบ อบรมผู้ใช้งาน และส่งมอบ (Training & go-live)
04
MA and support
สนับสนุนการใช้งาน
บริการสนับสนุนการใช้งานอย่างต่อเนื่อง ได้แก่ การสอบถามการใช้งาน (Helpdesk) การมอนิเตอร์ (Monitoring) การปรับประสิทธิภาพในการประมวลผล (Performance tuning) การปรับแก้รายงาน หรือชุดข้อมูล (Adjustment)
05
Improvement
ปรับปรุงประสิทธิภาพ
เป็นการพัฒนาเพิ่มเติมตามความต้องการใช้งานที่เปลี่ยนแปลงไปตามเหตุการณ์ ณ ปัจจุบัน ได้แก่ การพัฒนารายงานเพื่อให้สะท้อนมุมมองใหม่ การเทรนโมเดลเพื่อเพิ่มประสิทธิภาพในการวิเคราะห์ข้อมูล และพัฒนา interface เพื่อเชื่อมกับ Computer vision, Machine, Robot หรือ Datasource อื่นๆ ตามที่ต้องการ
How do our customers use the data platform?
Multi-cloud data platform
พัฒนา Multi-cloud data platform ที่ผสานผู้ให้บริการคลาว์ชั้นนำอย่าง AWS และ Azure เพื่อรองรับการประมวลผลข้อมูลปริมาณมาก (Optimizing database performance - scaling) การเพิ่มประสิทธิภาพในการเรียกใช้ข้อมูล (Partitioning & clustering) และการจัดการความปลอดภัยของข้อมูล (Data security) และการกับกับดูแลข้อมูลที่ดี (Data governance) สำหรับ Chief Manufacturing Officer (CMO) และ CIO
อุตสาหกรรม: Automotive
เทคโนโลยีที่ใช้: Amazon Redshift, Azure Synapse (DW), Amazon Glue, Azure Data Factory (ETL), Amazon S3, Azure Data Lake (Storage), and data transfer services.
Using a modern data platform to manage retail operational data
พัฒนาแพลตฟอร์มเพื่อวิเคราะห์ข้อมูล โดยรวบรวมข้อมูล (Gathering data) ได้แก่ ข้อมูลการจำหน่ายสินค้า การให้บริการหลังการขาย รายงานทางการเงิน ต้นทุน Net Working Capital และสต็อกสินค้า จาก core business systems ซึ่งประกอบด้วยซอฟต์แวร์ ERP - Dynamics 365 BC & Dynamics 365 F&O, ซอฟต์แวร์บริหารงานรีเทล LS retail และแหล่งข้อมูลอื่นๆ เช่น SharePoint Online แล้วนำไปประมวลผลสร้างเหมืองข้อมูลที่พร้อมใช้งาน เพื่อไปวิเคราะห์และพัฒนา Analytics dashboard สำหรับ Chief Merchandising Officer และ CFO
อุตสาหกรรม: Retail
เทคโนโลยีที่ใช้: Dynamics 365 BC, Dynamic F&O (Finance & SCM), LS retail, ADLS Gen2, Azure Synapse Analytics, Synapse Data Warehouse and Power BI
Advanced analytics platform for construction industry
พัฒนาแพลตฟอร์มข้อมูลเพื่อบริหารโครงการก่อสร้างโดยจัดการทรัพยากรที่มีอยู่ให้สำเร็จตามเป้าหมาย ภายในระยะเวลาและงบประมาณที่จำกัด ได้แก่ การวิเคราะห์ต้นทุนและค่าใช้จ่ายในการดำเนินโครงการ (BOQ) การบริการทรัพยากรเครื่องจักร แรงงาน ในแต่ละไซต์ให้สอดคล้องกับงบประมาณที่ตั้งไว้ และการบริหารความคืบหน้าโครงการ โดยรวบรวมข้อมูล (Gathering data) จากซอฟต์แวร์ ERP - Dynamics 365 F&O และนำไปประมวลผลเพื่อไปวิเคราะห์และพัฒนา Analytics dashboard สำหรับ Chief Project Officer (CPO) และ CFO
อุตสาหกรรม: Construction
เทคโนโลยีที่ใช้: Dynamic F&O (Finance & SCM), ADLS Gen2, Azure Synapse Analytics, Synapse Data Warehouse and Power BI
Enhancing the manufacturing process with AI anomaly detection
ยกระดับการตรวจสอบสินค้า ด้วยการประยุกต์ใช้ Computer Vision ในกระบวนการประกันคุณภาพ (Quality Assurance) โดยนำข้อมูลภาพและวีดิโอมาวิเคราะห์ประมวลผลด้วยกระบวนการ Image processing + AI deep learning ด้วยเทคนิคที่เหมาะตามสภาพแวดล้อมในกระบวณการผลิต เพื่อเพิ่มประสิทธิภาพในการเรียนรู้ของ Model ให้ได้ผลการพยากรย์ที่ถูกต้องแม่นยำสำหรับการตรวจสอบสินค้า เพื่อสร้างประสิทธิผลในการผลิต (Production yield assessment) และตรวจสอบของเสียจากการบวนการผลิต (Defect detection) ที่เกิดขึ้น สำหรับ Chief Manufacturing Officer (CMO) และ Chief AI Officer (CAIO)
อุตสาหกรรม: Manufacturing
เทคโนโลยีที่ใช้: Computer vision, Machine Learning, Deep Learning, YOLO, CNN, AutoEnocoder and Semi-supervised