เราอยู่ในยุคที่ข้อมูลกลายเป็นศาสนา และเป็นเครื่องมือขับเคลื่อนสังคมโลกไปในเวลาเดียวกัน ศาสตร์ที่ว่าด้วยข้อมูลถูกพัฒนาขึ้นอย่างต่อเนื่องทั้งเทคนิคการเก็บข้อมูล ไปจนถึงเทคนิคการวิเคราะห์และประยุกต์ใช้งาน
หนึ่งในวิถีทางของเมกเกอร์คงหนีไม่พ้นชุดเทคโนโลยี IoT ที่ประกอบไแด้วยส่วนของการตรวจวัด การส่งข้อมูล การประมวลผล การจัดเก็บและการแสดงผล แต่การที่มีข้อมูลมาอยู่ในมือหรือหลายครั้งที่โครงการต้องการให้มีข้อมูล แต่ไม่รู้ว่าจะใช้งานอย่างไรต่อไปก็กลายสภาพเป็นภาระหรือถูกปล่อยปละละเลยไปในที่สุด
เราควรทำอย่างไร? มาค้นหาคำตอบไปด้วยกันครับ
ทำไมข้อมูลถึงสำคัญนัก
หากหยิบยืมคำพูดสวยหรูขายฝันก็คงหนีไม่พ้นเรื่องการจัดการ เช่น หากเรามีข้อมูลการจราจรทุกเส้นทางเราจะสามารถจัดการได้ดีขึ้น หากเรามีข้อมูลฝุ่นทุกพื้นที่เราจะสามารถจัดการได้ดีขึ้น หากเรารู้ข้อมูลลูกค้ามากขึ้นเราจะรับมือกับลูกค้าได้ดีฯลฯ
เพราะข้อมูลคือหลักฐานบ่งชี้ถึงสถานะของบางสิ่งทั้งที่คงที่หรือเปลี่ยนแปลงตลอดเวลาก็ตาม ซึ่งบ่งบอกถึงการมีตัวตน การเปลี่ยนแปลง เพื่อแสดงถึงความสัมพันธ์กับสิ่งที่สนใจหรือกระบวนการที่ต้องการการจัดการ
ข้อมูลความคิดเห็นพฤติกรรมลูกค้าเป็นส่วนที่ฝั่งการตลาดสนใจและให้ความสำคัญถึงชีดสุดเพราะความคิดเห็นเพียงน้อยน้อดที่แตกต่างออกไปอาจหมายถึงมูลค่าหลายล้านบาที่ควรจะได้หรือต้องสูญไปกับการลงทุนที่ไม่ตรงเป้า
Smart City ยืนอยู่บนพื้นฐานเดียวกันนั่นคือการมีข้อมูลพลวัตรของเมืองเปรียบได้กับชีพจรของเมืองตั้งแต่สาธารณูปโภคพื้นฐานไปจนถึงรสนิยมการจับจ่ายใช้สอย เมืองที่ได้รับการเอาใจใส่จะสามารถรับรู้ถึงพฤติกรรมและความสุขของคนในเมืองได้ และนำไปสู่การออกแบบที่ดียิ่งขึ้นไปอีก
กระแสการใช้ข้อมูลขับเคลื่อนการพัฒนาแพร่กระจายไปทุกวงการรวมถึงเมกเกอร์ของไทยในฝั่งของนักประดิษฐ์อุปกรณ์อิเล็กทรอนิกส์ ขณะเดียวกันก็เป็นข้อจำกัดเมื่อการพัฒนาและกระแสจำกัดวงอยู่ที่การประดิษฐ์ทำให้ยังไปไม่ถึงการใช้ข้อมูลหรือการเน้นคุณภาพข้อมูลมากนัก
ปัญหาอะไรที่ต้องใช้ข้อมูลมาช่วย?
หากท่านเป็นเมกเกอร์ลองมาพิจารณากันดูครับว่าตัวงานที่ท่านกำลังทำอยู่เป็นการพัฒนาหรือการแก้ปัญหาที่ต้องใช้ข้อมูลหรือไม่? เช่น
- หากทราบข้อมูลสถานะจะช่วยในการจัดการที่มีประสิทธิภาพมากขึ้น
- หากทราบข้อมูลปริมาณ/จำนวน จะช่วยตัดสินใจบริหารจัดการได้ดีขึ้น
- หากทราบความแตกต่างจะตัดสินใจได้ตรงจุดมากขึ้น
- หากมีข้อมูลจะสามารถออกนโยบายได้อย่างเหมาะสม
- ฯลฯ
อย่างที่ทราบว่าข้อมูลมีทั้งเชิงปริมาณและเชิงคุณภาพ ซึ่งทั้งสองส่วนนี้สามารถแปลความหมายและประยุกต์ใช้ร่วมกันได้ขึ้นอยู่กับวัตถุประสงค์ โดยเฉพาะกระบวนการทำงานที่ที่เข้าใจปัญหาอย่างลึกซึ้ง เพราะหากไม่เข้าใจ “จุดที่ต้องใช้ข้อมูล” ตั้งแต่ต้นกระบวนการทั้งหมดที่เหลือจะไปนำไปสู่ข้อมูลที่เป็นประโยชน์ต่อการพํมนาหรือโครงการนั้นๆ
ด้วยลักษณะของปัญหาที่ต้องอาศัยข้อมูลเข้ามาช่วยนั้นมักเป็นปัญหาเชิงแนวโน้มและโครงสร้าง (ติดตามรายละเอียดได้ในตอน วิชาเมกเกอร์(Maker) IOI #4: วิเคราะห์ปัญหาเชิงผลกระทบ) ซึ่งข้อมูลที่ตรวจวัดหรือเก็บมาจากชุดอุปกรณ์ที่เมกเกอร์สร้างขึ้นมาจะสัมพันธ์กับปัจจัยของปัญหาส่วนอื่นๆด้วย ฉะนั้นหากไม่ได้รับการพิจารณาลักษณะของปัญหาที่ชัดเจนตั้งแต่แรกหรือไม่เข้าใจความสัมพันธ์ของโครงสร้างปัญหาการเก็บข้อมูลออกมาอาจใช้ประโยชน์ได้เฉพาะหน้างานเท่านั้น
ขอยกตัวอย่างง่ายๆว่า ปัญหาคือเชื้อโรคเข้าร่างกายแล้วป่วยเป็นไข้ แต่ปรากฎว่าออกแบบอุปกรณ์ระบบเฝ้าระวังอุณหภูมิร่างกายเพียงอย่างเดียว ทำการตรวจวัดตลอดเวลาตั้งแต่รักษาจนหายป่วย แต่ไม่ได้เชื่อมโยงกับการนอนพักผ่อน ช่วงเวลาที่ทานยา เท่ากับว่าข้อมูลอุณหภูมิร่างกายที่ตัวร้อนนั้น บอกได้แต่อาการของคนมีไข้สูง ซึ่งอาจบอกไม่ได้ว่าเป็นไข้หวัดหรือป่วยด้วยอาการอื่นเพราะไม่ได้เชื่อมโยงข้อมูล
แถมให้อีกหนึ่งตัวอย่าง คือการตอบแบบสอบถามหรือการสัมภาษณ์ผู้คน การตั้งคำถามถือได้ว่าเป็นศาสตร์และศิลป์ที่ไม่ชี้นำจนเกินไปและไม่กว้างจนหลงประเด็น การนำคำถามไปถามกลุ่มคนที่มีส่วนได้ส่วนเสียกับเรื่องนั้นๆย่อมให้ข้อมูลที่ตรงประเด็นมากกว่าการสัมภาษณ์คนที่ไม่เกี่ยวข้อง
แปร-แปล ข้อมูล
ต่อเนื่องจากการวิเคราะห์ปัญหาที่เข้าใจอย่างลึกซึ้งบวกกับการออกแบบระบบการเก็บข้อมูล เมื่อเข้าใจกระบวนการที่เกิดขึ้นอันนำไปสู่ปัญหาแล้วการแปรรูปแบบข้อมูลจึงเป็นไปอย่างเหมาะสม
แปรเปลี่ยนรูปแบบ-รูปลักษณ์
การแปร ในที่นี้หมายถึงการแปรเปลี่ยนรูปแบบของข้อมูลไปเป็นรูปแบบที่เข้าใจง่ายหรือสามารถใช้วิเคราะห์ได้ ตัวอย่างเช่น การตรวจวัดอุณหภูมิความชื้นในอากาศบริเวณพื้นที่เพาะปลูก ค่าจากอุปกรณ์ตรวจวัดจะมาในรูปแบบของตัวเลข เราสามารถนำมาใส่ตารางได้แต่คงไม่มีใครใช้ตารางในการวิเคราะห์ จึงจำเป็นจะต้องแปรรูปให้กลายเป็นกราฟ แล้วจึงทำการวิเคราะห์ต่อไป
เพื่อให้เฉพาะเจาะจงมากยิ่งขึ้น รูปแบบการใช้งานข้อมูล จะเป็นตัวกำหนดว่าจะต้องเก็บข้อมูลในลักษณะใด โดยการตั้งเป้าหมายไว้ในตอนแรกว่าต้องการจะใช้ข้อมูลเพื่อแสดงให้เห็นแนวโน้ม, ต้องการแสดงข้อมูลให้เห็นความแตกต่าง, ต้องการแสดงข้อมูลให้เห็นสัดส่วนนัยสำคัญ เป็นต้น เมื่อกำหนดรูปแบบที่ต้องการแล้วการตรวจวัดก็ควรสนับสนุนด้วย เช่น หากต้องการเห็นความแตกต่างที่ชัดเจนก็ควรเก็บข้อมูลถี่มากขึ้น ละเอียดมากขึ้น เพราะหากเก็บหยาบเกินไปอาจไม่เห็นความแตกต่างอย่างที่ต้องการ
แปลความหมาย
การแปลในที่นี้คือการแปลควาหมายของข้อมูลร่วมกับ “สิ่งที่เกิดขึ้นในโลกจริง” ยกตัวอย่างต่อจากการตรวจวัดอุณหภูมิอากาศในพื้นที่เพาะปลูก เมื่อได้กราฟมาแล้วจะเห็นกราฟมีแนวโน้มขึ้น-ลงตามช่วงเวลา(และตามความถี่ของการเก็บข้อมูล) การแปลความหมายอาจพิจารณาได้จากช่วงเวลาที่กราฟดิ่งลงอย่างรวดเร็วได้ว่า อาจเป็นช่วงเวลาเย็นซึ่งแสงอาทิตย์หมดแล้ว หรือเกิดเงาบดบังอุปกรณ์ในตอนกลางวัน เป็นต้น
เช่นเดียวกับการแปรรูปแบบข้อมูล ความหมายของข้อมูลที่เราต้องการในท้าที่สุดจะเป็นตัวกำหนดทิศทางจะออกแบบรูปแบบอย่างไร และออกแบบการแปลความหมายอย่างไร ตัวอย่างเช่น ต้องการพิสูจน์ว่ามีการแกว่งของอากาศในแปลงเพราะปลูกจริงๆ ฉะนั้นรูปแบบข้อมูลจริงต้องแสดงความต่อเนื่องของการเพิ่มขึ้น-ลดลงอย่างเห็นได้ชัด และการแปลความหมายจะต้องแสดงถึงความถี่ ความมีนัยสำคัญของการแกว่งขึ้นและลงอย่างชัดเจน
เมื่อได้กราฟหรือการแสดงผลที่เหมาะสม การแปลความหมายที่ตรงตามบริบทการตรวจวัด ข้อมูลที่ได้มาจะเป็นข้อมูลข้อสรุปที่มีคุณภาพมากเพียงพอจะนำไปใช้ในการตัดสินใจบริหารจัดการต่อไป
มีข้อมูลจำนวนมาก ยังไงต่อ?
ลองนึกภาพตามนะครับ หากทำสมาร์ทโฮม(บ้านที่ติดอุปกรณ์ตรวจวัดและสั่งการควบคุมอุปกรณ์เครื่องใช้ในบ้านผ่านอินเตอร์เน็ตได้) เพื่อตรวจวัดการเข้าออกของคนในบ้านไว้กับประตู เมื่อเวลาผ่านไป 3–6 เดือน แล้วกลับมาพิจารณาการเข้าออกของคนในบ้านท่านคิดว่าท่านจะเห็นอะไรจากข้อมูล?
ไม่ต้องมีข้อมูลการนับท่านก็สามารถบอกได้ว่า พ่อแม่พี่น้องสามีภรรยาลูกหลาน คนในบ้านเข้าออกเวลาใดเพราะแต่ละคนจะมีกิจวัตรที่พอจะเดาได้ หรือมองอีกมุมหนึ่งการรับรู้การเข้าออกของคนในบ้านจะมีประโยชน์อะไรในการจัดการงานบ้าน?
อย่างที่ได้เรียนไปแล้วในช่วงแรกว่า หากต้องมีระบบ IoT เข้ามาเป็นส่วนหนึ่งของการเก็บข้อมูลและใช้ข้อมูลในตัวงาน ข้อมูลจะใช้ประโยชน์ได้สูงสุดก็ต่อเมื่อเข้าใจว่าถ่องแท้ว่าข้อมูลที่เก็บมานั้น “อยู่ส่วนใดของโครงสร้างการทำงาน” หรือเป็นส่วนหนึ่งส่วนใดของโครงสร้างปัญหาที่กำลังดำเนินการแก้ไขพัฒนาอยู่
หากอุปกรณ์นับจำนวนครั้งการเกิดปิด เทียบกับข้อมูลฝุ่นละอองในบ้านและนอกบ้านในช่วงเดือนที่มีฝุ่นควันหนาแน่นอย่างภาคเหนือของไทย อาจจะเห็นภาพว่าการเปิดประตูแต่ละครั้งฝุ่นควันเข้าบ้านมากนอกน้อยแค่ไหน และจะจัดการการเข้าออกของคนในบ้านอย่างไรเพื่อลดฝุ่น ฯลฯ
(บ้า)ข้อมูลมากไปก็ไม่ดี
จะขอบ่นในส่วนของนโยบาย 4.0 ของไทยสักนิดหนึ่งที่ออกเป็นมาตรการ เป็นกฎ เป็นระเบียบให้หน่วยงานรัฐท้องถิ่นที่เรายอมรับว่ายังไม่พร้อมให้ต้องจัดหาอะไรก็ตามที่เก็บข้อมูล เป็นดิจิทัลให้ได้ และข้อมูลมหาศาลนั้นกลับไม่สามารถเชื่อมโยงกันได้เป็นภาพใหญ่ภาพเดียว ยังไม่รวมถึงคุณภาพของข้อมูลที่เราปฏิเสธไม่ได้ว่า “บิดเบือน” หรือใส่ข้อมูลให้การประเมินออกมาดูดี
การที่จะมองว่าเอะอะอะไรก็ต้องเก้บข้อมูลต้องใช้ข้อมูลนั้นก็ดูจะเกินเลยไปหน่อย เมื่อกระบวนการคิดและกระบวนการแยกแยะปัญหา ขุดลึกถึงรากของปัญหายังไม่ชัดเจน ยิ่งระบบงานที่มีโครงสร้างการบริหารจัดการซับซ้อนด้วยแล้ว ยิ่งต้องขุดให้ลึก เพราะมิฉะนั้นบ้านเมืองเราจะเต็มไปด้วยข้อมูลที่ไม่เชื่อมโยงและใช้งานยาก (ติดตามการค้นหาแหล่งข้อมูลสถานอากาศในกรุงเทพได้ใน ทำไมหอฟอกอากาศกลางแจ้งจึงไม่ได้ผล: คำตอบในอากาศ)
หลายต่อหลายครั้งที่เราได้รับข้อมูลหรือขอข้อมูลที่ไม่ทราบริบทว่าได้มาอย่างไรนั้น ทำให้ความน่าเชื่อถือของการศึกษาลดลง ผลกระทบที่ตามมาคือข้อสรุปของงานวิจัยหรือการพัฒนานั้นๆไม่สามารถนำไปใช้หรือตรงกับความเป็นจริงเสียที เพราะต้นางของข้อมูลที่ใช้ตัดสินใจนั้นไม่มีคุณภาพตั้งแต่แรก
ในยุคที่ใครก็สามารถสร้างข้อมูลขึ้นมาได้ เรายิ่งต้องให้ความสำคัญกับ “บริบท” เพราะความแตกต่างของบริบทนี้เองที่หมายถึงคุณภาพและการใช้งานอย่างเหมาะสม เพราะเราคงไม่อาจนำข้อมูลอากาศจากสถานีตรวจวัดที่ห่างบ้านเราไปเป็นร้อยกฺิโลเมตร มาตัดสินใจในพื้นที่เพาะปลูกของเราได้อย่างสนิทใจ…
ฝากติดตามผลงานอื่นๆของผม และทีมงานของเราได้ที่ Bookspective ,Discovery และ เกษตรไทย IoT
