Data Governance Enhancement for e-Commerce

ในยุคปัจจุบันเราไม่สามารถปฏิเสธได้ว่า ข้อมูล (Data) เป็นสิ่งสำคัญที่ทุก ๆ องค์กรให้ความสำคัญเป็นอย่างมาก จนเรียกได้ว่า Data เปรียบเสมือนบ่อน้ำมันในโลกดิจิทัล (Digital) ของผู้ที่สามารถนำข้อมูลไปสร้างผลประโยชน์ได้อย่างมหาศาล และข้อมูลก็เป็นสิ่งที่คอยขับเคลื่อนให้กับองค์กรด้วยเช่นกัน 

เมื่อข้อมูลต่าง ๆ เริ่มมีความหลากหลายมากขึ้น ทำให้องค์กรต้องวางนโยบายหรือกำหนดข้อกำหนด บทบาท และหน้าที่ ในการใช้ข้อมูล ไม่ว่าจะเป็น แหล่งข้อมูล วิธีการจัดเก็บ การวิเคราะห์ การทำลายข้อมูล ความสามารถในการเข้าถึงข้อมูล การรักษาความมั่นคงปลอดภัยของข้อมูล จนสุดท้ายไปถึง การนำไปใช้ หรือเรียกกระบวนการเหล่านี้ว่า กระบวนการ Data Governance และ ข้อมูลพาณิชย์อิเล็กทรอนิกส์ หรือ e-Commerce Data ก็เป็นตัวอย่างที่ดีในการนำกระบวนการ Data Governance มาเพิ่มประสิทธิภาพอย่างก้าวกระโดดจากข้อมูลที่มีเพื่อสร้างความได้เปรียบในการแข่งขัน

Data Life Cycle

Data Life Cycle คือ ลำดับขั้นตอนของข้อมูลโดยเริ่มตั้งแต่ การเกิดขึ้นของข้อมูล วิธีเก็บข้อมูล การนำไปใช้ การแชร์ข้อมูล การจัดเก็บถาวร และการทำลายข้อมูล หรือเราก็อาจจะมองได้ว่า ถ้าเปรียบ Data Life Cycle กับสิ่งมีชิวีตแล้ว ก็จะคล้ายกับ Life Cycle ของสิ่งมีชีวิตที่มีจุดเริ่มต้น คือ การเกิด ถ้ามองในมุมของข้อมูล ก็คือ การสร้างสรรค์ให้ข้อมูลเกิดขึ้น หรือ Create และจุดสุดท้าย คือ การเสียชีวิต ก็คือ การทำลายทิ้งหรือ Destroy นั่นเอง

1. Create การสร้างสรรค์ให้ข้อมูลเกิดขึ้น ไม่ว่าจะมาจากวิธีใด ๆ ก็ตาม รวมไปถึงการซื้อข้อมูล หรือการรับข้อมูลจากหน่วยอื่นมาใช้จัดเก็บภายหลัง
2. Store เมื่อเราได้ข้อมูลมาแล้วจะเลือกการจัดเก็บวิธีใด เพื่อให้ข้อมูลที่เราได้มีความเป็นระเบียบ ใช้งานได้ง่าย ไม่สูญหายหรือถูกทำลายได้ และให้ผู้ที่นำไปใช้ต่อ สามารถนำไปใช้ได้อย่างรวดเร็ว ไม่ว่าจะเก็บลงในรูปแบบ File หรือ Database
3. Use เมื่อเรามีการจัดเก็บข้อมูลลงไปในรูปแบบที่ต้องการแล้ว ก็จะเป็นการนำข้อมูลนั้นมาใช้ให้เกิดประโยชน์สูงสุด เช่น การวิเคราะห์ข้อมูลเพื่อหามุมมองที่น่าสนใจ การจัดทำเป็นรายงานสรุปผล แต่เราก็ต้องสำรองข้อมูลไว้ด้วย เพื่อป้องกันเหตุที่ข้อมูลเกิดความเสียหายหรือสูญหาย
4. Share การแชร์ข้อมูลกัน โดยเฉพาะระหว่างหน่วยงาน ต้องตระหนักด้วยว่า ข้อมูลบางประเภทไม่ใช่ว่าทุกคนจะสามารถเข้าถึงได้ หรือข้อมูลบางประเภทก็ควรจะรู้แค่ในหน่วยงานนั้น ๆ ขั้นตอนนี้จึงต้องกำหนดการเข้าถึงข้อมูล และถ้าหน่วยงานนั้นมีการนำข้อมูลไปใช้ เจ้าของข้อมูลก็ต้องมีการกำหนดเงื่อนไข (Condition) ในการใช้งานให้ชัดเจน
5. Archive เมื่อข้อมูลมีการนำใช้ไปในช่วงระยะเวลาที่เหมาะสมหรือไม่ได้ใช้งานแล้ว ก็ต้องมีการจัดเก็บถาวร โดยข้อมูลนั้นจะต้องไม่มีการลบ ปรับปรุง หรือแก้ไขอีก และสามารถนำกลับมาใช้งานใหม่ได้ตามต้องการ
6. Destroy เมื่อข้อมูลที่ได้มีการจัดเก็บถาวรแล้ว หากจัดเก็บในระยะเวลาที่นานหรือเกินกว่าระยะที่กำหนดแล้ว ก็ต้องมีการทำลายข้อมูลนั้นทิ้งไป

เมื่อเราเห็น Life Cycle ของ Data แบบคร่าว ๆ แล้ว เราอาจจะเกิดความสงสัยว่า

● วิธีการแบบใดที่จะเหมาะสม ในการทำให้ข้อมูลขององค์กร มีความสมบูรณ์ ถูกต้อง พร้อมนำไปใช้มากที่สุด
● วิธีการจัดเก็บข้อมูลแบบใด ที่เหมาะสมกับข้อมูลที่องค์กรเก็บรวบรวมไว้มากที่สุด
● การแบ่งปันข้อมูลระหว่างหน่วยงาน ใครจะมาเป็นคนกำหนด
● ระยะเวลาการจัดเก็บข้อมูลก่อนที่จะทำลาย ควรจะกำหนดระยะเวลาเท่าไร

ปัญหาเหล่านี้เราต้องมีการวางนโยบายที่ชัดเจนเพื่อให้สอดคล้องกับลักษณะของข้อมูลที่เกิดขึ้นทั้งภายในและภายนอกองค์กร วิธีการนี้เราเรียกว่า การจัดทำ Data Governance


 

Data Governance

Data Governance หรือ การจัดทำธรรมาภิบาลข้อมูล เป็นการวางนโยบายเพื่อใช้ในการกำกับดูแลข้อมูล โดยรวมทั้ง กระบวนการข้อมูลทั้งหมด บุคคลที่เกี่ยวข้อง เครื่องมือในการจัดการข้อมูลและป้องกันข้อมูล เพื่อให้องค์กรเกิดความมั่นใจว่าข้อมูลที่นำมาใช้มีความถูกต้อง สมบูรณ์ มั่นคงปลอดภัย เชื่อถือได้ และนำไปใช้งานได้ง่าย หรือเรียกได้ว่า การที่องค์กรมีการจัดทำ Data Governance ขึ้นมาก็เพื่อสร้าง Life Cycle ให้กับข้อมูลขององค์กรนั่นเอง

ทั้งนี้ Data Management Association (DAMA) ซึ่งเป็นองค์กรระหว่างประเทศที่ส่งเสริมงานวิชาชีพในด้านการจัดการข้อมูล ได้อธิบายว่า องค์ประกอบหลักของการทำ Data Governance แบ่งออกเป็น 10 ส่วนหลัก ๆ โดยแต่ละส่วนมีความสำคัญและมีความเกี่ยวข้องกัน



1. Data Architecture เป็นการอธิบายถึงโครงสร้างและการเชื่อมโยงของข้อมูลทั้งหมดภายในองค์กร รวมไปถึงทิศทางการไหลของข้อมูลในระดับต่าง ๆ ทั้งหมด เพื่อให้คนในองค์กรเข้าใจภาพรวมทั้งหมดขององค์กร
2. Data Modeling & Design เป็นการสร้างแบบจำลองข้อมูลเพื่อนำแนวคิดต่าง ๆ มานำเสนอในรูปแบบจำลองที่อธิบายได้เข้าใจง่าย และเพื่อสร้างความเข้าใจระหว่าง ผู้ออกแบบฐานข้อมูล ผู้เขียนโปรแกรม และผู้ใช้งานระบบฐานข้อมูล อาจเป็นในรูปแบบของไดอะแกรม (Diagram) หรือตาราง โดยแบ่งออกเป็นได้ 3 ระดับคือ Conceptual Data Model, Logical Data Model และ Physical Data Model    
3. Data Storage & Operations เป็นการดำเนินการจัดการข้อมูลภายในองค์กรตลอด Life Cycle โดยเริ่มตั้งแต่การวางแผนการใช้งาน การสำรองข้อมูล (Backup) การกู้คืนข้อมูล (Restore) การจัดเก็บถาวร (Archive) และกระบวนการต่าง ๆ ที่เกี่ยวกับข้อมูล เพื่อให้ข้อมูลมีความถูกต้องและไม่สูญหาย
4. Data Security เป็นขั้นตอนการสร้างความมั่นคงปลอดภัยของข้อมูลในบริบทของการรักษาความลับ ความถูกต้องของข้อมูล ความพร้อมใช้งานของข้อมูล โดยต้องดําเนินการตั้งแต่การวางแผน การจัดทํา การปฏิบัติตาม และการบังคับใช้นโยบายและขั้นตอนในการรักษาความมั่นคงปลอดภัย
5. Data Integration & Interoperability เป็นขั้นตอนการรวบรวมข้อมูลมาจากแหล่งต่าง ๆ ในรูปแบบที่สอดคล้องกันเข้ามาอยู่ในแหล่งเดียวกัน เพื่อนำไปใช้ในการจัดทำ Master Data, Data Warehouse และ Data Lake สิ่งที่จะได้มาจากขั้นตอนนี้เพิ่มเติมคือการแลกเปลี่ยนข้อมูลระหว่างหน่วยงาน ซึ่งเป็นการทำงานร่วมแบบข้ามหน่วยงาน ทำให้เกิดการกำหนดมาตรฐานหรือข้อตกลงร่วมกันระหว่างหน่วยงานหรือระบบขึ้น เพื่อให้เกิดการควบคุมและจัดการคุณภาพของข้อมูลได้ดียิ่งขึ้น 



6. Reference & Master Data เป็นการบริหารจัดการข้อมูลเพื่อให้ทุกหน่วยงานสามารถเข้าถึงและใช้ข้อมูลร่วมกันได้ โดยข้อมูลอาจเก็บไว้แหล่งเดียวหรือมีระบบที่ใช้จัดเก็บเพื่อลดความซ้ำซ้อนกันของข้อมูลที่มีอยู่ในระบบ ด้วยการกำหนดมาตรฐานต่าง ๆ โดย ข้อมูลที่เป็น ข้อมูลหลัก (Master Data) หมายถึง ข้อมูลที่สร้างและได้รับการใช้งานอยู่ภายในขอบเขตองค์กร เช่น ข้อมูลพนักงาน ข้อมูลสินค้า ข้อมูลผู้ขาย ส่วน ข้อมูลอ้างอิง (Reference Data) หมายถึง ข้อมูลที่มีความเป็นสากลและมีการใช้งานโดยทั่วไป เช่น ข้อมูลชื่อจังหวัด ข้อมูลรหัสไปรษณีย์ 
7. Data Warehousing & Business Intelligent เป็นการดำเนินการรวบรวมข้อมูลจากแหล่งข้อมูลที่หลากหลาย รวมถึงรูปแบบที่หลากหลายมาเก็บในคลังข้อมูล โดยผ่านกระบวนการและจัดทำให้อยู่ในรูปแบบที่เหมาะสม เพื่อนำไปวิเคราะห์ข้อมูลต่อไป
8. Document & Content เป็นการวางแผนการจัดการ การเข้าถึง การใช้งาน และการควบคุมกิจกรรมต่าง ๆ ที่เกี่ยวกับข้อมูลที่ไม่มีโครงสร้างหรือแบบกึ่งโครงสร้าง เช่น การจัดเก็บ การป้องกันความเสียหาย การเข้าถึงข้อมูล ทั้งที่เก็บอยู่ในรูปแบบกระดาษ และไฟล์อิเล็กทรอนิกส์ มีข้อความ รูปภาพ เสียง ภาพเคลื่อนไหว ฯลฯ
9. Metadata Management เป็นการบริหารจัดการและกำหนดมาตรฐานข้อมูลที่ใช้กำกับและอธิบายข้อมูลหลักหรือข้อมูลอื่น ๆ ซึ่งรายละเอียดใน Metadata จะทำให้ทราบถึงคุณลักษณะของข้อมูล เพื่อทำให้ผู้ใช้งานเข้าใจข้อมูลและระบบ รวมถึงขั้นตอนการทำงานได้อย่างถูกต้องและตรงกัน
10. Data Quality Management เป็นการวางแผนการดำเนินการ และการควบคุมกิจกรรมต่าง ๆ รวมถึงการปรับปรุง เพื่อให้ข้อมูลมีคุณภาพตลอดเวลา โดยต้องทำให้ข้อมูลมีความถูกต้อง (Accuracy) ครบถ้วน (Completeness) สอดคล้องกัน (Consistency) เป็นปัจจุบัน (Timeliness) ตรงตามความต้องการของผู้ใช้ (Relevancy) และพร้อมใช้ (Availability) ซึ่งอาจมีเครื่องมือหรือซอฟต์แวร์ที่ใช้ในการวัดระดับคุณภาพของข้อมูลและประสิทธิภาพของการนำข้อมูลไปใช้

Data Governance มีผลต่อ e-Commerce อย่างไร

สำหรับฝั่งที่จะได้รับประโยชน์มากที่สุดจากการทำ Data Governance นั่นคือ ฝั่งที่เป็น Seller หรือ ผู้ประกอบการ เพราะว่า เป็นกลุ่มที่ต้องใช้ข้อมูลตลอดเวลา ไม่ว่าจะเป็น ข้อมูลสินค้า ยอดขาย กลุ่มลูกค้า หรือการทำสินค้ารูปแบบใหม่ ๆ เพื่อให้สอดคล้องกับสถานการณ์ที่เปลี่ยนแปลงได้ตลอดเวลา รวมไปถึงข้อมูลที่เป็นข้อมูลภายในองค์กรก็ตาม การมี Data Governance ที่มีประสิทธิภาพสูงจะก่อให้เกิดสิ่งเหล่านี้

ทั้งหมดนี้ เป็นแค่ตัวอย่างจากการทำ Data Governance ในองค์กร ที่จะส่งผลประโยชน์ได้อย่างกว้างขวาง ไม่ว่าจะเป็นเรื่อง ข้อมูลภายในองค์กรที่ดำเนินไปตาม Life Cycle ได้อย่างมีประสิทธิภาพ การลดความหวงแหน Data การเข้าถึงที่ชัดเจน

ผลที่ตามมาคือ องค์กรสามารถดึงศักยภาพจาก Data ที่ผ่านการคัดกรองแล้วมาสร้าง Impact ได้อย่างน่าเหลือเชื่อ จนก่อให้เกิดผลประกอบการทั้งด้านกำไร และ ลูกค้า ที่เติบโตได้อย่างก้าวกระโดดจนน่าเหลือเชื่อ  รวมถึงการสร้างความได้เปรียบในการแข่งขัน

ความท้าทายของผู้ประกอบการในประเทศไทย

ถึงแม้ว่า Data Governance ถ้ามองจากภายนอก เราอาจจะคิดว่ามันเป็นแค่การตั้งกฎการใช้ Data ของทั้งองค์กร อาจฟังเหมือนเป็นเรื่องง่ายที่เราตั้งกฎแล้วให้คนในองค์กรปฏิบัติตาม แต่หากมองลึกถึงขั้นตอนตั้งแต่เริ่มจัดทำ จะเห็นได้ว่า แต่ละขั้นตอนนั้นต้องการความเข้าใจและใส่ใจในเวลาที่เหมาะสม รวมไปถึงการทำ Data Governance ของแต่ละองค์กรจะมีความแตกต่างกันอย่างเห็นได้ชัด เนื่องจากไม่มีหลักปฏิบัติที่ตายตัว ขึ้นอยู่กับชนิดของ Data ในแต่ละองค์กรว่า มีลักษณะแบบใด สภาพแวดล้อมของ Data ภายในองค์กรมีความพร้อมในการทำ Data Governance หรือไม่ รวมไปถึงการสร้างความตระหนักให้กับคนในองค์กรเห็นว่า

Data Governance ไม่ควรเป็นสิ่งที่ถูกมองข้ามอีกต่อไป แต่ต้องช่วยกันผลักดันให้เกิดขึ้นจริง เพื่อพัฒนาองค์กรให้มีประสิทธิภาพมากยิ่งขึ้น