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?
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
AMCO DTA ยินดีให้คำแนะนำในการเลือกใช้เทคโนโลยีที่เหมาะสม 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 Amazon Web Services และ Microsoft 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 (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) ซอฟต์แวร์บริหารงานค้าปลีก (LS Retail) และแหล่งข้อมูลอื่นๆ เช่น Microsoft SharePoint แล้วนำไปประมวลผลสร้างเหมืองข้อมูลที่พร้อมใช้งาน เพื่อไปวิเคราะห์และพัฒนา Analytics dashboard สำหรับ Chief Merchandising Officer และ CFO
อุตสาหกรรม: Retail
เทคโนโลยีที่ใช้: Dynamics 365 BC, Dynamic 365 F&O (Finance & SCM), LS retail, Azure Data Lake Storage (ADLS) Gen2, Azure Synapse Analytics, Azure 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