Ananwat Tippawat, Author at Big Data Institute

บทความทั้งหมด

All Articles

Insurance 2030 – AI จะส่งผลกระทบต่อธุรกิจประกันภัยอย่างมหาศาลภายในปี 2030

ธุรกิจประกันภัย หนึ่งในธุรกิจที่สำคัญของมนุษย์กำลังเผชิญความท้าทายครั้งใหม่ เมื่อปัญญาประดิษฐ์จะเข้ามาเปลี่ยนโฉมวีถีการดำเนินธุรกิจนี้ไปตลอดการจากคำทำนายของบริษัทที่ปรึกษาชั้นนำของโลก ธุรกิจประกันภัยในโลกอนาคตจะหน้าตาแบบใด ปัญญาประดิษฐ์จะเข้ามามีบทบาทในธุรกิจประกันภัยอย่างไร และเราจะเตรียมพร้อมรับมือการเปลี่ยนแปลงในครั้งนี้ได้อย่างไรภายในปี 2030 ในบทความนี้มีคำตอบ

14 February 2024

Data for Business

การบริหารจัดการข้อมูลการวิจัยทางคลินิก (Data Management for Clinical Research)

ในการพัฒนาผลิตภัณฑ์ทางการแพทย์ เช่น ยา หรือวัคซีน จำเป็นต้องผ่านการวิจัยทางคลินิกในหลายระยะ เพื่อให้มั่นใจในความปลอดภัยและประสิทธิภาพของผลิตภัณฑ์ที่จะนำออกสู่ตลาดมาใช้ในวงกว้าง สิ่งสำคัญในการวิจัยทางคลินิก คือ ข้อมูลที่มีคุณภาพ มีความถูกต้องและเชื่อถือได้ การบริหารจัดการข้อมูล (Data Managment) จึงเป็นอีกงานหลักที่สำคัญในการวิจัยทางคลินิก การบริหารจัดการข้อมูลทางคลินิก คือกระบวนการบริหารจัดการข้อมูล ตั้งแต่เริ่มวางแผนเก็บข้อมูล สร้างแบบฟอร์มและระบบในการเก็บข้อมูล ตรวจสอบคุณภาพของข้อมูล วางแผนและวิเคราะห์ข้อมูล จนถึงการจัดเก็บข้อมูลและเอกสารอื่น ๆ ที่เกี่ยวข้องหลังดำเนินการวิจัยเสร็จสิ้น ทั้งนี้กระบวนการบริหารจัดการข้อมูลทางคลินิก ก็ดูจะไม่แตกต่างจากการบริหารจัดการข้อมูลโดยทั่วไปนัก แต่ในทางปฏิบัติแล้วยังมีความแตกต่างในรายละเอียดอยู่พอสมควร ลักษณะข้อมูล ในการวิจัยทางคลินิก ข้อมูลที่เก็บส่วนใหญ่จะเป็นข้อมูลที่มีโครงสร้างชัดเจน (Structured Data) มีการวางแผนตัวแปรข้อมูลที่ต้องการจัดเก็บตามโครงร่างวิจัยที่ชัดเจน ซึ่งเมื่อเริ่มดำเนินการวิจัยแล้ว มักจะหลีกเลี่ยงการแก้ไข ลด เพิ่ม หรือเปลี่ยนแปลงการเก็บข้อมูล หากไม่จำเป็น ดังนั้น ถึงแม้ว่าลักษณะของข้อมูลอาจไม่มีความซับซ้อน และจำนวนมากเหมือนการเก็บข้อมูลในสาขาอื่น ๆ แต่การวางแผนการเก็บข้อมูลก่อนเริ่มดำเนินการเก็บข้อมูลจึงมีความสำคัญมาก เพื่อให้มั่นใจว่าข้อมูลที่จัดเก็บสามารถตอบคำถามวิจัยได้ตรงตามวัตถุประสงค์ที่กำหนดไว้ คุณภาพของข้อมูล (Data Quality) คุณภาพของข้อมูล เป็นคุณลักษณะที่สำคัญที่ต้องการในการบริหารจัดการข้อมูลในทุกสาขา แต่ในงานวิจัยทางคลินิก คุณภาพของข้อมูลเป็นสิ่งหนึ่งที่จะสะท้อนถึงคุณภาพของผลการวิจัย ในการบริหารจัดการข้อมูลการวิจัยทางคลินิก ข้อมูลในทุกตัวแปรมีความสำคัญต่อผลการวิจัย การตรวจสอบคุณภาพของข้อมูลจึงเป็นขั้นตอนที่สำคัญ ที่ต้องดำเนินการอย่างต่อเนื่องตลอดการศึกษาวิจัย ทั้งนี้ การตรวจสอบคุณภาพของข้อมูลควรมีการดำเนินการในหลายขั้นตอนประกอบกัน ได้แก่ ระบบบริหารจัดการข้อมูลที่สามารถตรวจสอบได้ (Traceability) หลักสำคัญอีกสิ่งหนึ่งสำหรับการวิจัยทางคลินิกคือ ทุกขั้นตอนในการดำเนินงานวิจัยต้องสามารถตรวจสอบได้ เพื่อแสดงความเที่ยงตรงของการดำเนินการวิจัย ดังนั้นในการบริหารจัดการข้อมูล จำเป็นต้องมีการบันทึกรายละเอียดการดำเนินงานในทุกขั้นตอน รวมถึงทุกครั้งที่มีการแก้ไข ที่สำคัญระบบเก็บข้อมูลการวิจัยทางคลินิก หรือ (Clinical Data Management System; CDMS) ต้องเป็นระบบที่สามารถเก็บข้อมูลการบันทึก แก้ไขเปลี่ยนแปลงในทุกครั้ง หรือที่เรียกว่า Audit Trail ทั้งนี้ระบบควรต้องระบุได้ว่าการเปลี่ยนแปลงนั้น ทำโดยใครและเมื่อไหร่ (Time Stamp) ความปลอดภัยของข้อมูล และข้อกำหนดมาตรฐานที่เกี่ยวข้อง ข้อมูลในโครงการวิจัยทางคลินิก เป็นข้อมูลสุขภาพ จำเป็นต้องมีระบบการรักษาความปลอดภัยของข้อมูลที่เป็นมาตรฐาน ซึ่งมาตรการรักษาความปลอดภัยของข้อมูลอาจจะไม่แตกต่างจากระบบบริหารจัดการข้อมูลในสาขาอื่น ๆ ที่สำคัญคือ ในแต่ละโครงการวิจัย จำเป็นต้องระบุความสามารถในการเข้าถึงข้อมูลแต่ละระดับ ตามหน้าที่ความรับผิดชอบของเจ้าหน้าที่วิจัยที่แตกต่างกัน นอกจากนั้น ยังมีข้อกำหนดและมาตรฐานอื่น ๆ ที่เกี่ยวข้องกับการบริหารจัดการข้อมูลการวิจัยทางคลินิก ที่ผู้ที่ปฏิบัติงานในด้านนี้ควรทราบและปฏิบัติตามมาตรฐาน เช่น แนวทางการบริหารจัดการข้อมูลทางคลินิกที่ดี (Good Clinical Data Management Practices Guidelines; GCDMP) และหากเป็นงานวิจัยที่ต้องการนำผลิตภัณฑ์เพื่อขึ้นทะเบียน ระบบ CDMS ที่ใช้ ต้องเป็นระบบที่เป็นไปตามมาตรฐาน Code of Federal Regulations (CFR), 21 CFR Part 11. มาตรฐานข้อมูล มาตรฐานข้อมูล (Data Standards) เป็นเครื่องมือที่สำคัญที่จะช่วยในการจัดเก็บและเชื่อมต่อข้อมูล ในการบริหารจัดการข้อมูลการวิจัยทางคลินิก มีมาตรฐาน หรือ รหัสข้อมูลที่ควรทราบ ดังนี้ การวิเคราะห์ข้อมูล การวิเคราะห์ข้อมูลนับเป็นส่วนหนึ่งในขั้นตอนการบริหารจัดการข้อมูลการวิจัยทางคลินิก หัวใจสำคัญในการวิเคราะห์ข้อมูลการวิจัยทางคลินิกคือ ความถูกต้อง เที่ยงตรง ปราศจากอคติในการวิเคราะห์ข้อมูล โดยมีการร่างแผนการวิเคราะห์ข้อมูลอย่างเป็นระบบตามวัตถุประสงค์ในโครงร่างวิจัย แผนการวิเคราะห์ข้อมูลควรเสร็จสมบูรณ์และได้รับความเห็นชอบจากหัวหน้าโครงการวิจัยและ/หรือผู้ให้ทุน (Sponsor) ก่อนเริ่มดำเนินการวิเคราะห์ข้อมูล ทั้งนี้เพื่อป้องกันอคติที่อาจเกิดขึ้นจากการเปลี่ยนแปลงวิธีการวิเคราะห์ข้อมูลเพื่อให้ได้ผลการวิจัยที่ผู้วิจัยต้องการ จะเห็นได้ว่าการบริหารจัดการข้อมูล (Data Managment) เป็นฟันเฟืองที่สำคัญในการขับเคลื่อนการวิจัยทางคลินิก เพื่อพัฒนาผลิตภัณฑ์และนวัตกรรมทางการแพทย์ การบริหารจัดการข้อมูลทางคลินิกประกอบไปด้วยขั้นตอนและรายละเอียดมากมาย นักบริหารจัดการข้อมูลการวิจัยทางคลินิก จำเป็นต้องมีพื้นฐานความรู้ด้านสุขภาพ รวมทั้งด้านข้อมูลและสถิติมาเป็นอย่างดี ทั้งนี้เพื่อได้มาซึ่งข้อมูลที่มีคุณภาพ ถูกต้อง เที่ยงตรง นำไปสู่การวิจัยทางคลินิกที่มีคุณภาพระดับมาตรฐานสากล สามารถดูตัวอย่างหรือขอคำปรึกษาด้านการบริหารจัดการข้อมูลการวิจัยทางคลินิกหรือการวิจัยทางระบาดวิทยา ได้ที่เว็ปไซด์ศูนย์ความเป็นเลิศทางสารสนเทศศาสตร์ชีวเวชและสาธารณสุข หรือ BIOPHICS ที่ www.biophics.org เนื้อหาโดย รศ.ดร.พญ.สารนาถ ล้อพูลศรี นิยมตรวจทานและปรับปรุงโดย อนันต์วัฒน์ ทิพย์ภาวัต

16 November 2022

Data for Business

3 ตัวชี้วัดหลักของ E-commerce จะช่วยในการวิเคราะห์ข้อมูลของคุณได้อย่างไร

ทุกคนคงรู้ดีว่า E-commerce เป็นวงการที่โหดเหี้ยมและจะยิ่งมีการแข่งขันสูงขึ้นเรื่อย ๆ จากเหตุการณ์โรคระบาดที่ทุกคนออกไปไหนไม่ได้ ทำให้ยอดขายผ่านทาง E-commerce เติบโตขึ้นอย่างรวดเร็วในเวลาเพียงสามเดือน ซึ่งเทียบได้กับการเติบโตเมื่อ 10 ปีที่ผ่านมา และก็ไม่มีแนวโน้มว่าอัตราการเติบโตจะลดลงเลย แต่นั่นก็ไม่ได้แปลว่ากลุ่มผู้ประกอบการรายย่อยนั้นจะขายสินค้าได้ง่ายขึ้น (E-commerce และการวิเคราะห์ข้อมูล) ร้านค้าออนไลน์ประสบปัญหาเนื่องจากการแข่งขันที่สูงขึ้นและลูกค้าประจำลดฮวบลง ในขณะที่นักช้อปออนไลน์มักจะถูกจูงใจได้ง่าย ๆ ด้วยปัจจัยทางด้านราคาและระยะเวลาในการจัดส่ง รวมไปถึงโจทย์ใหญ่ ๆ เช่น การสร้างประสบการณ์ที่ดีให้กับลูกค้าและการช่วยเหลือลูกค้า จึงไม่มีช่วงเวลาไหนเลยที่ผู้ประกอบการจะได้พักให้หายเหนื่อยได้เลย ดังนั้นการวิเคราะห์ข้อมูลจึงมีบทบาทสำคัญต่อความสำเร็จในการทำ E-commerce ผู้ประกอบการจำเป็นต้องทราบว่าขณะนี้ร้านมียอดขายเพิ่มขึ้นหรือลดลง ลูกค้าเข้ามาหามากที่สุดในช่องทางไหน ลูกค้ากลุ่มไหนที่ใช้เงินมากที่สุดหรือเป็นลูกค้าประจำ ฯลฯ แต่การวิเคราะห์ข้อมูลก็ไม่สามารถเกิดขึ้นได้ถ้าไม่มีข้อมูล ดังนั้นผู้ประกอบการจึงจำเป็นต้องติดตามผลและเก็บข้อมูลตัวชี้วัดของอีคอมเมิร์ซหรือ E-commerce Metrics ที่ถูกต้องเพื่อให้นักวิเคราะห์สามารถนำข้อมูลมาใช้ได้ ไม่เช่นนั้นคุณจะไม่รู้ว่าอะไรที่คุณทำถูกแล้ว (หรือทำไม่ถูก) และระบุได้ว่าจะต้องเปลี่ยนแปลงอะไรเพื่อเพิ่มรายได้และทำผลกำไรให้ดีขึ้น แต่ละบริษัทอาจมีตัววัดที่ตอบโจทย์เป้าหมายธุรกิจที่แตกต่างกัน แต่ก็มีตัวชี้วัดบางตัวที่มักจะเป็นตัวชี้วัดหลักที่ใช้ได้กับเกือบทุกรูปแบบธุรกิจ ซึ่งตัวชี้วัดเหล่านี้จำเป็นอย่างยิ่งต่อความสำเร็จในการวิเคราะห์ข้อมูล และตัวชี้วัดต่อไปนี้ก็คือตัววัดประสิทธิภาพธุรกิจที่ธุรกิจ E-commerce ทุกรายควรติดตามผล เพื่อให้เราได้ข้อมูลที่สามารถนำไปใช้ต่อได้และเกิดความเข้าใจเชิงลึกในข้อมูล 1. มูลค่าคำสั่งซื้อโดยเฉลี่ย (Average Order Value) มูลค่าคำสั่งซื้อโดยเฉลี่ย หรือ Average Order Value (AOV) หมายถึงจำนวนเงินเฉลี่ยของคำสั่งซื้อแต่ละยอดในเว็บไซต์หรือแอปมือถือของคุณ มันเป็นวิธีที่ยอดเยี่ยมในการติดตามผลรายได้เนื่องจากมันหารรายได้ของคุณตามคำสั่งซื้อ จึงเป็นการโฟกัสที่รายได้ต่อธุรกรรมแทนที่จะเป็นจำนวนธุรกรรมที่เกิดขึ้นหรือจำนวนเงินที่คุณได้ เพราะยอดขายอาจทำให้ผู้ประกอบการเข้าใจผิดได้ เนื่องจากบางทียอดขายทำให้คุณรู้สึกว่าคุณขายได้เยอะ แต่ว่าแต่ละรายการนั้นได้จำนวนเงินที่ต่ำมาก AOV ช่วยให้คุณมองเห็นภาพชัดเจนของแนวโน้มรายได้ของคุณ AOV ช่วยให้นักวิทยาศาสตร์ข้อมูลให้ข้อมูลประกอบการตัดสินใจที่สำคัญในบริษัทอีคอมเมิร์ซ เช่นจะเพิ่มหรือลดราคาหรือเปลี่ยนทิศทางการทำการตลาดไปดึงดูดกลุ่มลูกค้าที่มีกำลังจ่ายสูงขึ้น AOV ที่ต่ำอาจเป็นสัญญาณว่าคุณต้องเพิ่มมูลค่าต่อคำสั่งซื้อ ตัวอย่างเช่น กำหนดยอดซื้อขั้นต่ำที่จะได้การจัดส่งฟรี เพื่อกระตุ้นให้ผู้ซื้อเพิ่มรายการสินค้าสองสามอย่างลงตะกร้าหรือนำเสนอชุดสินค้าหลายอย่างรวมกันที่มีมูลค่าสูงกว่าเพื่อจะกระตุ้นให้ลูกค้าใช้เงินมากขึ้นอีกนิดในแต่ละคำสั่งซื้อ นอกจากนี้ AOV ยังเป็นตัววัดที่สำคัญสำหรับการคำนวณต้นทุนและค่าใช้จ่าย ตัวอย่างเช่น ถ้า AOV ของคุณสูงแต่ผลกำไรโดยรวมต่ำ นั่นอาจเป็นสัญญาณว่าบริษัทของคุณใช้เงินมากเกินไปในการหาลูกค้าแต่ละราย มีเพียงข้อมูลเท่านั้นที่บอกคุณได้ ซึ่งสิ่งนี้จะนำไปสู่ตัวชี้วัดถัดไปของเรา 2. ต้นทุนในการหาลูกค้า (Customer Acquisition Cost) ต้นทุนในการหาลูกค้า หรือ Customer Acquisition Cost (CAC) เป็นการวัดจำนวนเงินที่คุณใช้ในการดึงดูดลูกค้าใหม่แต่ละราย คุณสามารถคำนวณได้โดยการหารค่าการตลาดทั้งหมดด้วยจำนวนลูกค้าใหม่ในช่วงระยะเวลาหนึ่ง CAC เป็นวิธีที่สำคัญในการติดตามผลความสำเร็จของการตลาดของคุณและเป็นตัวตัดสินใจว่าคุณจะใช้เงินไปกับการหาลูกค้าใหม่เท่าไร ถ้า CAC ของคุณสูงเกินไป อาจทำให้ทำกำไรได้ยาก โดยเฉพาะอย่างยิ่งถ้า AOV ของคุณต่ำด้วย แต่สำคัญที่ผู้ประกอบการต้องจำไว้ว่าต้นทุนในการหาลูกค้าที่สูงไม่ใช่เป็นสัญญาณเตือนเสมอไป ถ้าลูกค้าของคุณมีกำลังจ่ายสูงและเป็นลูกค้าประจำ มันก็คุ้มค่า ที่จะใช้จ่ายมากขึ้นเพื่อดึงดูดแต่ละคน แต่ในทางกลับกันสิ่งนี้ก็อาจเป็นความผิดพลาดได้ หากเราใช้เงินมากเกินไปในการหาลูกค้าใหม่ที่สั่งซื้อเพียงครั้งเดียวและมีมูลค่าต่อยอดการสั่งซื้อต่ำ เมื่อเราลองเทียบอัตรากำไรของสินค้าแต่ละชนิดในบริษัท คุณอาจพบว่าสินค้าแต่ละตัวทำกำไรแตกต่างกัน ดังนั้นการใช้กำไรของทุกสินค้าเพื่อกำหนดต้นทุนในการหาลูกค้าสูงสุดที่เป็นไปได้จึงเป็นเรื่องยาก แต่อย่างไรก็ตามคุณสามารถหาตัวเลขที่เป็นไปได้ของ CAC ได้ หากคุณจำกัดการวิเคราะห์ให้อยู่เฉพาะในตัวเลขกำไรของสินค้ายอดนิยมที่สุดในเว็บไซต์ของคุณ และแน่นอนว่าธุรกิจใหม่ ๆ จะมีอัตรา CAC ที่สูงกว่าธุรกิจที่มีมานานเนื่องจากยังไม่มีฐานลูกค้าประจำหรือยังไม่เป็นที่รู้จักในวงกว้าง 3. อัตราการปิดการขาย Conversion Rate อัตรา Conversion Rate คือเปอร์เซ็นต์ของผู้ใช้บริการที่ดำเนินการกระทำสิ่งใดสิ่งหนึ่งที่เราต้องการวัดผลเทียบกับผู้ใช้บริการทั้งหมด ซึ่งอาจเป็นการลงชื่อรับจดหมายข่าวสารจากทางอีเมลของคุณ คลิกดูสินค้า “คอลเลคชันใหม่” ในร้านค้าออนไลน์ของคุณ หรือทำการสั่งซื้อ โดยขึ้นอยู่กับคุณว่าจะตัดสินใจติดตามผล Conversion ตัวไหน แต่ตัววัด Conversion Rate ของ E-commerce ที่นิยมที่สุดคือจำนวนธุรกรรมต่อการเข้าชม หรืออีกนัยหนึ่งคือ เปอร์เซ็นต์ของคนที่เข้าชมเว็บไซต์ของคุณแล้วทำให้เกิดยอดขาย Conversion Rate ของคุณนั้นจำเป็นอย่างยิ่งต่อการทำกลยุทธ์การตลาดของคุณ รวมถึงการใช้จ่ายค่าโฆษณาและการตลาดรูปแบบอื่น ๆ ที่ต้องจ่ายเงิน ถ้าอัตรา Conversion Rate ของคุณต่ำ อาจหมายความว่า Keyword ในการทำ SEO ของคุณไม่มีประสิทธิภาพ หรือคุณทำการโฆษณาขายสินค้าบนโซเชียลมีเดียโดยกำหนดกลุ่มเป้าหมาย (Target Audiences) ที่ไม่ถูกต้อง เนื่องจากคนที่เข้ามาชมเว็บไซต์ของคุณไม่ได้เข้ามาซื้อสินค้าของคุณ (สังเกตจากอัตราการปิดการขายที่ต่ำ) ข้อมูลการปิดการขายยังให้ข้อมูลด้านการทดลองอื่น ๆ ที่คุณอาจนำไปปรับใช้กับการออกแบบเว็บไซต์ของคุณให้เหมาะสมเพื่อเกิดยอดขายสูงสุด แต่ถ้าหากจะทำการทดลองที่มีความซับซ้อนขึ้นไปอีก คุณสามารถแบ่งข้อมูลตามช่องทางการเข้าชม เพื่อให้คุณสามารถเทียบอัตรา Conversion Rate ต่อการออกแบบหน้าเว็บไซต์กับสิ่งที่ผู้เข้าชมมองหาก่อนจะคลิกเข้าไปดู ตัววัดธุรกิจเป็นแนวทางสู่ความสำเร็จของ E-commerce ตัววัดธุรกิจที่ถูกต้องเปรียบเสมือนสายตาของคุณผ่านผืนน้ำแห่ง E-commerce ที่ขุ่นมัวและหนาแน่น ดังนั้นจึงสำคัญอย่างยิ่งที่คุณต้องมีตัววัดที่ถูกต้อง โดยการติดตามผลมูลค่าคำสั่งซื้อโดยเฉลี่ย อัตราการปิดการขาย และต้นทุนในการหาลูกค้า เท่านี้คุณก็จะมีแหล่งข้อมูลที่สำคัญที่สามารถนำมาวิเคราะห์ข้อมูลได้และได้รับข้อมูลเชิงลึกในเรื่องประสิทธิภาพของร้านค้าออนไลน์ของคุณ ซึ่งจะทำให้ธุรกิจของคุณเติบโตและสร้างกำไรได้ดียิ่งขึ้น บทความโดย Evan Morrisเนื้อหาจากบทความของ Data Science Centralแปลและเรียบเรียงโดย ไอสวรรค์ ไชยชะนะตรวจทานและปรับปรุงโดย อนันต์วัฒน์ ทิพย์ภาวัต

13 November 2022

Movements

เมื่อ Google Analytics ผิดกฎหมาย GDPR กับปัญหาที่ซ่อนอยู่ระหว่างสหรัฐอเมริกาและสหภาพยุโรป แล้ว PDPA จะได้รับผลกระทบหรือไม่?

เมื่อปลายปีที่แล้ว สำนักงานคุ้มครองข้อมูลแห่งหนึ่งในยุโรปได้แถลงการณ์ถึงการใช้บริการติดตามผู้ใช้งานออนไลน์อย่าง Google Analytics ว่าขัดกับกฎหมายคุ้มครองข้อมูลส่วนบุคคลยุโรป (General Data Protection Regulation: GDPR) สิ่งนี้ไม่เพียงแต่ส่งผลกระทบต่อธุรกิจที่กำลังใช้งาน Google Analytics เท่านั้น แต่ยังส่งผลถึงการตัดสินใจเลือกใช้งานบริการออนไลน์บนแพลตฟอร์มที่อยู่ในประเทศสหรัฐอเมริกา และยังไม่รวมถึงการส่งข้อมูลระหว่างยุโรปและสหรัฐอีกด้วย มีอะไรที่ซ่อนอยู่ในปัญหาดังกล่าวและเราจะถอดบทเรียนอะไรได้จากแถลงการณ์ดังกล่าวกับกฎหมายคุ้มครองข้อมูลส่วนบุคคลของเราได้บ้าง? รายละเอียดของแถลงการณ์ เมื่อวันที่ 22 ธันวาคม 2021 สำนักงานคุ้มครองข้อมูลของประเทศออสเตรีย (Datenschutzbehörde, Data Protection Authority: DPA) ได้ออกแถลงการณ์เกี่ยวกับการร้องเรียนจากองค์กรไม่แสวงหาผลกำไรชื่อ NOYB ว่าการใช้บริการการติดตามผู้ใช้งานออนไลน์ของ Google Analytics ว่าได้เปิดเผยข้อมูล IP Address ที่เก็บจากทวีปยุโรปแล้วไปปรากฎบนเซิร์ฟเวอร์ของประเทศสหรัฐอเมริกา ซึ่งเป็นการขัดต่อกฎหมายในเรื่องการปกปิดข้อมูลส่วนบุคคลระหว่างการใช้งาน “As the complainant has also rightly pointed out, US intelligence services take certain online identifiers (such as the IP address or unique identification numbers) as starting point for monitoring individuals.”“…อย่างที่ผู้ร้องเรียนได้ชี้ถึงประเด็นปัญหา หน่วยสืบราชการลับของสหรัฐสามารถใช้ข้อมูลระบุตัวตนบางอย่าง (อย่างเช่น IP Address หรือ ข้อมูลตัวเลขประจำตัว) เพื่อเป็นจุดเริ่มต้นในการติดตามบุคคลได้…” สำนักงานคุ้มครองข้อมูลของประเทศออสเตรีย (Datenschutzbehörde, Data Protection Authority: DPA) การใช้งานข้อมูล IP Address ผิด GDPR อย่างไร? GDPR ได้ระบุอย่างชัดเจนว่าข้อมูล IP Address เป็นข้อมูลส่วนบุคคลและไม่สามารถที่จะใช้งานข้อมูลนี้ได้แม้ว่าเราจะทำการแปลงข้อมูล IP Address นี้ให้เป็นข้อมูลนิรนามแล้วก็ตาม Google ไม่ได้นิ่งนอนใจ จึงได้ออกแถลงการณ์ตอบโต้ในบล๊อคของ Google จากกรณีดังกล่าว โดยกล่าวในภาพรวมของการรักษาความปลอดภัยในแง่มุมต่าง ๆ ไม่ว่าจะเป็นการสนับสนุนให้ผู้ประกอบการได้ปฏิบัติตามกฎหมาย GDPR ได้ง่ายขึ้น การส่งข้อมูลข้ามทวีปจะเกิดขึ้นเมื่อข้อมูลดังกล่าวเป็นไปตามกฎเกณฑ์ข้อบังคับความเป็นส่วนตัวเท่านั้น และสามารถเปิดใช้งานการปกปิดข้อมูล IP Address ได้ อย่างไรก็ตาม ทางฝั่งผู้คุมกฎดูเหมือนว่าจะไม่พอใจในมาตรการการใช้งานการปกปิดข้อมูล IP Address ด้วยการอำพรางข้อมูล (Pseudonymization) โดยยกคำแถลงจากสำนักงานคุ้มครองข้อมูลของประเทศเยอรมนีที่กล่าวถึงการใช้ข้อมูล IP Address ที่มีการอำพรางไว้ว่าถึงแม้จะมีการอำพรางเพื่อไม่ให้ค้นพบตัวตนที่แท้จริง แต่ก็ยังสามารถ ”จำแนกจำเพาะบุคคล” (distinguishable) จากข้อมูลนั้น ๆ ได้ เพราะฉะนั้นการใช้งานข้อมูล IP Address ในรูปแบบใด ๆ จึงผิดในทุกกรณี นอกจากนี้ ผู้ควบคุมกฎหมายคุ้มครองข้อมูลส่วนบุคคลในบางประเทศในทวีปยุโรปก็เห็นด้วยกับการที่ Google ผิดกฎหมาย GDPR ได้แก่ ผลกระทบที่จะเกิดขึ้น เรื่องการตัดสินกรณีการกระทำผิดกฎหมายของ Google Analytics นี้ไม่เพียงแต่จะกระทบบริษัท Google เพียงเท่านั้น แต่จะยังกระทบต่อบริษัทที่ดำเนินงานในประเทศสหรัฐแต่ขายบริการให้ในกลุ่มประเทศสมาชิกสหภาพยุโรป เพราะการส่งข้อมูลส่วนบุคคลที่เก็บได้ในกลุ่มประเทศยุโรปไปให้บริษัทในประเทศสหรัฐในการวิเคราะห์จะไม่สามารถทำได้อีกต่อไป ทั้งนี้รวมถึงบริษัทในยุโรปที่ใช้บริการระบบคลาวด์คอมพิวเตอร์ที่มาจากสหรัฐก็จำเป็นต้องหาผู้ให้บริการเจ้าอื่น และกฎหมายยังเขียนไว้อีกด้วยว่าผู้ให้บริการที่มาจากทวีปอื่นจะสามารถให้บริการธุรกิจที่มาจากทวีปยุโรปได้ก็ต่อเมื่อกฎหมายคุ้มครองสิทธิความเป็นส่วนตัวในประเทศที่เก็บข้อมูลจะต้องมีความคุ้มครองที่มากกว่าหรือเท่ากันกับกฎหมายในทวีปยุโรป ซึ่งจำกัดแค่บริษัทที่ตั้งเซิร์ฟเวอร์ในประเทศยุโรปเท่านั้นที่สามารถทำธุรกิจออนไลน์ในทวีปนี้ได้ การแถลงการณ์ที่ออกมาดังกล่าวส่งผลให้เกิดต้นทุนที่เพิ่มขึ้นอย่างมากแก่หลายบริษัทขนาดเล็กในทวีปยุโรปในระยะสั้นที่จะต้องจัดหาบริการคลาวด์คอมพิวเตอร์จากผู้ให้บริการในทวีปตัวเอง อย่างไรก็ตามในระยะยาวแล้ว เราจำเป็นที่จะต้องติดตามการบังคับใช้กฎหมายนี้ต่อไปว่าจะเป็นเช่นไร สำหรับผู้ประกอบการในยุโรปที่ใช้งาน Google Analytics ในการประกอบธุรกิจ โดยเฉพาะอย่างยิ่งนักการตลาดที่ใช้ข้อมูลในพฤติกรรมผู้บริโภคในการทำการตลาดก็จะไม่สามารถทำได้อีกต่อไปจากเหตุการณ์นี้ ถึงแม้ว่าในตอนนี้จะยังไม่มีการประกาศแบนอย่างเป็นทางการ แต่เหล่าคนทำงานที่อยากจะปฏิบัติตามกฎระเบียบย่อมเลือกที่จะหันหลังต่อการบริการนี้ กฎหมายที่เหลื่อมกันของสองทวีป จากการรายงานข่าวนี้บนเว็บไซต์ TechCrunch Natasha Lomas นักข่าวอาวุโสได้เขียนสรุปความยุ่งเหยิงไว้ในประโยคเดียวว่า “ปัญหาที่แท้จริงของเรื่องนี้คือการปะทะกันระหว่างสิทธิความเป็นส่วนตัวของทวีปยุโรป (European privacy rights) และกฎหมายการสอดแนมของสหรัฐ (US surveillance law)” นี่อาจเป็นเหตุผลที่แท้จริงที่ทำให้ผู้ดูแลกฎของทางยุโรปถึงกลัวทางการสหรัฐ “โดยที่กฎหมายอย่างหลัง (สหรัฐฯ) ไม่แยแสต่อสิทธิส่วนบุคคลของชาติอื่นในการที่ทางการ (สหรัฐ) จะเก็บกวาดข้อมูลมาอย่างไรก็ตาม หรือแม้แต่การชดใช้ต่อความเสียหายจากการใช้ข้อมูลส่วนบุคคลนี้” เธอกล่าวเพิ่มเติม เมื่อพูดถึงกฎหมายที่เฉพาะเจาะจงจริง ๆ ผู้ให้บริการคลาวด์คอมพิวเตอร์ที่อยู่ในประเทศสหรัฐอเมริกาจะต้องอยู่ภายใต้ Section 702 ของ Foreign Intelligence Surveillance Act ที่ให้อำนาจในการเก็บข้อมูลที่อยู่บนคลาวด์เซิร์ฟเวอร์ที่ตั้งอยู่ในสหรัฐและเป็นข้อมูลของพลเมืองที่ไม่ได้มีสัญชาติสหรัฐและไม่ได้พำนักอยู่ที่ในสหรัฐ หรือพูดง่าย ๆ ก็คือว่ารัฐบาลสหรัฐมีสิทธิที่จะขอข้อมูลผู้ใช้บริการชาติอื่น ๆ จากผู้ให้บริการสัญชาติสหรัฐได้ถูกต้องตามกฎหมาย นั่นคงเป็นเหตุผลที่เพียงพอที่ทำให้ผู้คุมกฎของยุโรปกังวลว่าหากข้อมูลตกอยู่ในผืนแผ่นดินสหรัฐแล้วนั้น ความเป็นส่วนตัวของประชากรในสหภาพยุโรปจะหมดลง ถึงตรงนี้แล้ว ณ ขณะที่ทั้งสองฝ่ายมีการดำเนินธุรกิจร่วมกัน เป็นไปได้หรือไม่ที่ทั้งคู่จะมีข้อตกลงในการส่งข้อมูลถึงกัน เป็นกฎระเบียบที่มีการตกลงในบริษัทในแต่ละประเทศสามารถปฏิบัติได้ และถูกปกป้องจากกฎหมายพื้นเมืองในของพื้นที่นั้น ๆ แต่ทุกท่านทราบหรือไม่ว่าทั้งคู่นี้เคยพยายามที่จะให้มี ”ช่องทางการส่งข้อมูลส่วนบุคคล” ที่ไม่ผิดกฎหมาย อย่างไรก็ตามด้วยความพยายามในหลาย ๆ ครั้งที่ผ่านมากลับจบด้วยความล้มเหลว ความพยายามในการส่งข้อมูลข้ามทวีป ความพยายามในการส่งข้อมูลข้ามทวีปเริ่มต้นขึ้นเมื่อปี ค.ศ. 2000 จากการที่คณะกรรมาธิการยุโรป (European Commission) ได้เห็นชอบหลักการที่ร่างขึ้นโดยกระทรวงพาณิชย์ของสหรัฐในการส่งข้อมูลส่วนตัวข้ามทวีป หรือที่เรียกกันว่า Safe Harbour Privacy Principles โดยหลักการดังกล่าวเขียนขึ้นไว้เพื่อให้บริษัทในสหรัฐที่เก็บข้อมูลส่วนตัวของผู้ใช้งานชาวยุโรปได้ทำตามเพื่อให้สอดคล้องกับกฎหมายคุ้มครองข้อมูลส่วนบุคคลของทวีปยุโรป หลักการนี้ได้ช่วยให้ผู้ประกอบการธุรกิจออนไลน์ในสหรัฐสามารถทำธุรกิจได้อย่างถูกกฎหมายของทั้งสองประเทศคู่ค้า จนเมื่อปี 2015 ศาลยุติธรรมแห่งสหภาพยุโรป (European Court of Justice) ได้ตัดสินให้ ”การเห็นชอบต่อหลัก Safe Harbour Privacy Principles ของคณะกรรมาธิการยุโรปเป็นโมฆะ” (“The Court of Justice declares that the Commission’s U.S. Safe Harbour Decision is invalid.”) นั้นหมายความว่าการส่งข้อมูลระหว่างทวีปนั้นถือว่าไม่ชอบด้วยหลักการคุ้มครองความเป็นส่วนตัวของสหภาพยุโรป และกฎหมายคุ้มครองข้อมูลส่วนบุคคลของสหภาพยุโรปที่เพิ่งเกิดขึ้นภายหลังในปี 2018 แต่การตัดสินในครั้งในไม่ได้ก่อให้เกิดการยกเลิกการดำเนินธุรกิจในสหภาพยุโรปของสหรัฐ เพียงแต่ว่าเราต้องมีหลักการที่ดีกว่านี้ ด้วยความพยายามนี้ ก่อให้เกิดหลักการใหม่ที่เรียกว่า Privacy Shield Privacy Shield คือ ชื่อของโครงการใหม่ที่จะมากำหนดหลักการของส่งข้อมูลข้ามมหาสมุทรแอตแลนติก หรือจะเรียกว่า New Safe Harbour ก็คงไม่ผิดนัก หลักการใหม่นี้ได้ทำให้ความคุ้มครองความเป็นส่วนตัวเพิ่มขึ้นมาโดยการเพิ่มอำนาจให้กับทางฝั่งผู้ตรวจสอบและผู้ใช้งานของทวีปยุโรป แต่นั่นก็ไม่เพียงพอที่จะทำให้ถูกใช้งานหลังจากที่ศาลยุติธรรมแห่งสหภาพยุโรปก็ปัดตกไปเช่นเดิมในปี 2020 และล่าสุดในปีนี้ (2022) ประธานาธิปดีสหรัฐและประธานคณะกรรมาธิการยุโรปได้เตรียมตัวร่างหลักการอีกรอบนึงที่มีชื่อเรียกว่า Trans-Atlantic Data Privacy Framework ซึ่งจะเข้ามาแทนที่ Privacy Shield และตัวอื่น ๆ ที่เพิ่งปัดตกไป ในแง่หนึ่ง ความล่าช้าในการร่างมาตรฐานของการส่งข้อมูลส่วนบุคคลระหว่างกันนี้ได้ทำให้เกิดความไม่แน่นอนในการทำธุรกิจ ซึ่งส่งผลให้แรงจูงใจในการทำธุรกิจระหว่างมหาสมุทรแอตแลนติกลดลง และเกิดค่าใช้จ่ายที่สูงมากขึ้นอย่างที่ได้กล่าวไป นอกจากนี้ ยังเป็นเป็นตัวยับยั้งไม่ให้ภาคธุรกิจได้สร้างสรรค์นวัตกรรมอย่างที่ควรจะเป็น ซึ่งอาจจะส่งผลให้ประเทศที่มีกฎระเบียบที่รัดกุมน้อยกว่าชนะในการแข่งขันการสร้างนวัตกรรมระหว่างประเทศ ประเทศไทยและ PDPA ประเทศไทยเพิ่งจะเริ่มใช้กฎหมายคุ้มครองข้อมูลส่วนบุคคลหรือที่เราเรียกกันว่า PDPA...

31 July 2022

Big Data 101

ภาษา R สำหรับงาน Data Science เบื้องต้น ครบจบในบทความเดียว

อยากอัพสกิล Data Science แต่เลือกไม่ถูกว่าจะเริ่มเรียน R หรือ Python ดี ภาษาไหนเหมาะกับอะไร และ R ใช้งานง่ายจริงมั้ย มาอ่านได้ในบทความนี้เลยครับ What is R ? R คือ Statistical Programming language พัฒนาต่อยอดมาจากภาษา S โดยนักสถิติชื่อ Ross Ihaka และ Robert Gentleman ที่ประเทศนิวซีแลนด์ในช่วงปี 1990s โดยเป้าหมายแรกของทั้งสองคนคือการสร้างโปรแกรม หรือเครื่องมือสำหรับสอนวิชาสถิติให้กับนักศึกษา และถูกใช้อย่างแพร่หลายในกลุ่มนักสถิติ Data Miners และนักวิชาการทั่วโลก R version 1.0 เปิดให้ดาวน์โหลดใช้งานวันที่ 29 ก.พ. 2543 อัพเดทตอนเดือน เม.ย. 2565 ที่ผ่านมา R เดินทางมาถึงเวอร์ชัน 4.2.0 แล้ว มีฟีเจอร์ใหม่ ๆ เพิ่มขึ้นอย่างต่อเนื่อง อ้างอิงจาก Tiobe Index (พ.ค. 2565) R ได้รับความนิยมอยู่ในอันดับที่ 13 ของภาษาคอมพิวเตอร์ทั่วโลก ส่วนตัวผู้เขียนเองคิดว่าเราจะเอา R มาเทียบกับภาษาอื่น ๆ ยากหน่อย เพราะ Scope ของ R จะโฟกัสที่การวิเคราะห์ข้อมูลเป็นหลักแตกต่างจากภาษาคอมพิวเตอร์อื่น ๆ จากผลสำรวจหลาย ๆ ที่ เราจะเห็น Python, R, SQL ติดสามอันดับแรกของสายงาน Data อยู่เสมอ ๆ โดย Python เป็น General Purpose Language ที่สามารถใช้ทำงานได้หลายประเภท ตั้งแต่ Web Development, Software, API ไปจนถึงงาน Machine Learning & Deep Learning ส่วน R จะเน้นหลัก ๆ ที่งานสถิติ และการวิเคราะห์ข้อมูล Getting Started เราสามารถเริ่มเขียน R ได้ง่าย ๆ สองวิธี สำหรับเพื่อน ๆ ที่สนใจแบบที่หนึ่ง รันใน Local Computer ของเรา สามารถดาวน์โหลด R และ RStudio Desktop IDE มาใช้งานได้ฟรี ในตัวอย่างบทความนี้ เราจะสอนเขียน R บน RStudio Cloud โดยเราสามารถสมัครใช้งานฟรี 25 ชั่วโมงต่อเดือน ผ่าน Web Browser แนะนำเป็น Google Chrome, Microsoft Edge, Safari Great Books to Learn R สำหรับหนังสือที่ R Programmers นิยมอ่านกัน มีดังต่อไปนี้ เล่มที่ได้รับความนิยมสูงที่สุดคือ R for Data Science เขียนโดย Hadley Wickham ผู้บุกเบิก Modern R ในช่วง 10 ปีที่ผ่านมา อ่านหนังสือ อ่านบทความนี้ และเปิด RStudio Cloud มาเขียนโปรแกรมพร้อม ๆ กันเลยนะครับ Hello World เปิด Web Browser ไปที่ Rstudio Cloud สมัครบัญชีฟรี เมื่อเข้าไปที่หน้า Dashboard แล้วให้เรากดปุ่ม New Project ทางด้านขวาบนของหน้าจอ แล้วเลือก Option New RStudio Project ไปที่หน้าต่าง Console และพิมพ์คำสั่งนี้ กด Enter หนึ่งครั้ง R (เหมือนกับ Python) เป็นภาษาแบบ Interpreted Language => REPL => Real, Evaluate, Print, Loop สามารถเขียนคำสั่ง กดรัน และเห็นผลลัพธ์ได้ทันที เบื้องต้นเราสามารถใช้ R เป็นเครื่องคิดเลขได้เลย ถ้าเราต้องการ Clear หน้าจอ Console ให้กด Shortcut CTRL+L บนคีย์บอร์ด Comment เวลาเขียนโปรแกรมเราสามารถใส่ Comment ให้กับโค้ดไลน์นั้น ๆ ของเราได้ด้วย เพื่ออธิบายการทำงานของโปรแกรมเบื้องต้น ใน R เราใช้ # และตามด้วย Comment ที่ต้องการ Data Types ประเภทข้อมูลพื้นฐานใน R ที่เราใช้กันบ่อย ๆ จะมี Numeric, Character และ Logical ตามลำดับ สำหรับงานสถิติจะมีตัวแปรประเภท Factor เพิ่มขึ้นมาด้วย i.e. ตัวแปรกล่มสามารถแบ่งได้เป็น Nominal และ Ordinal ฟังก์ชันใน Code Block นี้ใช้ตรวจสอบประเภทข้อมูลของค่า หรือตัวแปรที่เราสร้างขึ้นมา ทั้งสามบรรทัดด้านบนจะได้คำตอบเป็น TRUE ทั้งหมดเลย ถ้าต้องการเปลี่ยน Data Type ใน R เราจะใช้ฟังก์ชันที่ขึ้นต้นด้วย as._() เช่น as.numeric(“100”) หรือ as.character(5525) เป็นต้น Operators R มี operators ที่เราใช้เหมือนในภาษาอื่นๆ ไว้เทียบค่าสองฝั่งของสมการ โดย == คือเท่ากัน และ !=...

25 May 2022

Movements

GPT-3 คืออะไร? ปัญญาประดิษฐ์ที่จะมาแย่งงานคนทั่วโลกในอนาคต!?

GPT-3 คือโมเดลทางภาษาที่มีความสามารถหลากหลายและ(ดูเหมือน)มีความฉลาดคล้ายมนุษย์ AIนี้เป็นหนึ่งในหลายตัวที่ทำให้เกิดความตื่นกลัวของการนำ AI ทำงานแทนที่มนุษย์ ถึงแม้มันจะมีข้อจำกัดหลายอย่าง การพูดถึงการ AI ในการเข้ามาแทนภาคแรงงานในวันนี้เป็นเรื่องที่จำเป็นต้องทำความเข้าใจ เพราะมันไม่ได้น่ากลัว และซ่อนโอกาสในการเปลี่ยนแปลงโลกในอนาคต

21 December 2021

Movements

RD Data Innovation Awards 2021 – กรมสรรพากร Tableau และ GBDi ผนึกกำลังสร้างสรรค์ Dashboards จากข้อมูลภาษี

งานประกวด Dashboard ที่สร้างขึ้นจากข้อมูลภาษีของกรมสรรพากร Tableau และ GBDi

3 September 2021

Movements

CBDC: ระบบการเงินที่กำลังเปลี่ยนโลก และโอกาสของนักวิทยาศาสตร์ข้อมูล, Part 2

smart contract คืออะไร cbdc กับข้อมูลส่วนบุคคล โอกาสของนักวิทยาศาสตร์ข้อมูล

1 September 2021

Movements

CBDC: ระบบการเงินที่กำลังเปลี่ยนโลก และโอกาสของนักวิทยาศาสตร์ข้อมูล, Part 1

ทุกวันนี้ พูดได้เลยว่า ไม่มีใครที่ไม่เคยได้ยินสกุลเงินคริปโทเคอร์เรนซี (Cryptocurrency) ซึ่งเป็นสกุลเงินดิจิทัล (Digital Currency) ประเภทหนึ่ง โดยสกุลเงินดิจิทัล ซึ่งเป็น “เงินบนอินเทอร์เน็ต” กล่าวคือ มีอยู่ ถูกจัดเก็บ ถูกใช้ ผ่านระบบดิจิทัลที่เชื่อมต่อกับอินเทอร์เน็ตทั้งหมด จากกระแสสกุลเงินดิจิทัล ธนาคารกลางแต่ละประเทศก็เริ่มตื่นตัวกับกระแสนี้ บทความนี้จะพาทุกท่านทำความรู้จักกับสกุลเงินดิจิทัลที่มาจากธนาคารกลาง หรือ Central Bank Digital Currency (CBDC) และคลื่นลูกใหม่แห่งความเป็นไปได้ที่อาจจะพลิกโฉมชีวิตทางการเงินของเราทุกคนในอนาคต รวมถึงโอกาสด้านการวิเคราะห์ข้อมูลที่จะเกิดขึ้นจากข้อมูลจำนวนมหาศาลที่จะเกิดขึ้นบนระบบทางการเงินดิจิทัลนี้ด้วย CBDC คืออะไร? CBDC คือ สกุลเงินดิจิทัลที่มีธนาคารกลางคอยกำกับดูแล เราอาจคุ้นหูในชื่อของ Digtal Yuan ของประเทศจีนหรือ Digital Thai Baht ของประเทศไทยมากกว่า แต่คำว่า CBDC ถือเป็นชื่อเรียกของนวัตกรรมนี้โดยรวม CBDC ถือเป็นเงินทางเลือก (เช่นเดียวกับ เงินสด และ เงินอิเล็กทรอนิกส์) เอาไว้ใช้ในกิจกรรมทางการเงินสำหรับประชากรที่อยู่อาศัยในประเทศนั้น สกุลเงินนี้จะถูกใช้อยู่บนกระเป๋าเงินดิจิทัล (บัญชีธนาคาร) และเราสามารถส่งเงินสกุลนี้ไปยังกระเป๋าเงินของบุคคลอื่นเพื่อใช้ในการชำระหนี้อย่างถูกกฎหมาย (เหมือนกับเงินสดทุกประการ) ธนาคารกลางจะมีหน้าที่กำกับดูแลระบบการใช้จ่ายนี้ในหลาย ๆ มิติ ได้แก่ ความปลอดภัยของระบบ ความสะดวกรวดเร็วในการทำธุรกรรม เสถียรภาพทางการเงินของสกุลเงินนี้ และ การวางรากฐานในการสร้างนวัตกรรมบนระบบนี้ เป็นต้น กล่าวโดยสรุปคือ CBDC เป็น “เงินสดในรูปแบบดิจิทัล” ที่รองรับโดยธนาคารกลางของแต่ละประเทศนั่นเอง CBDC เป็น “เงินสดในรูปแบบดิจิทัล” ที่รองรับโดยธนาคารกลางของแต่ละประเทศ CBDC แตกต่างจาก Internet Banking อย่างไร? ผู้อ่านหลาย ๆ ท่านอาจจะสงสัยว่า แล้วทุกวันนี้ ที่เราโอนเงิน รับเงินกันผ่านมือถือ ผ่านแอพต่าง ๆ เช่น เป๋าตัง, TMB Touch, SCB Easy มันก็เหมือนเราใช้เงินในรูปแบบดิจิทัลอยู่แล้วไม่ใช่หรือ แล้ว CBDC มันต่างจาก “เงินดิจิทัล” ที่เราใช้กันอยู่แล้วทุกวันนี้ บนแอพธนาคารพาณิชย์ต่าง ๆ อย่างไร? Internet Banking คือบริการที่อำนวยความสะดวกในการทำธุรกรรมทางการเงินของธนาคารพาณิชย์บนระบบการเงินแบบดั้งเดิม ในระบบการเงินนี้ ธนาคารพาณิชย์เป็นองค์กรธุรกิจทีมีหน้าที่รับฝากเงินจากลูกค้าและหากำไรจากการนำเงินเหล่านั้นไปลงทุน หรือปล่อยกู้เพื่อกินส่วนต่าง เงินที่เราฝากกับธนาคารพาณิชย์จะเป็นทรัพย์สินของธนาคารพาณิชย์ที่ตัวธนาคารสามารถไปสร้างผลกำไรต่อ และตัวเลขในบัญชีธนาคารคือหนี้สินของธนาคารที่มีต่อเรานั่นเอง ทุก ๆ ครั้งที่เราถอนเงินจากบัญชี เราได้ทำการขอคืนเงินของเราที่ให้ธนาคารยืมไป หากจะยกตัวอย่างกรณีสุดโต่งเพื่อให้เห็นภาพมากยิ่งขึ้น ธนาคารพาณิชย์เองก็สามารถล้มละลายได้ หากธนาคารพาณิชย์ปิดตัวลง เงินของเราที่ฝากในธนาคารก็มีความเสี่ยงที่จะหายไปด้วย โดยสรุป Internet Banking คือบริการเสริมจากบริการรับฝากเงินของธนาคารพาณิชย์ แต่ CBDC เปรียบเสมือนเงินสดบนระบบดิจิทัลรองรับโดยธนาคารกลาง ในอีกแง่หนึ่ง CBDC เป็นหนี้สินของธนาคารกลางที่มีต่อเรา (เช่นเดียวกันกับเงินสด) นอกจากนี้ CBDC จะถูกใช้งานอยู่บนระบบหลังบ้านในการทำธุรกรรมทางการเงินผ่านระบบดิจิทัลจากธนาคารกลาง ระบบนี้จะเป็นโครงสร้างพื้นฐานทางการเงินของประเทศที่พัฒนารูปแบบของเงินให้อยู่บนระบบดิจิทัลแทน ระบบนี้นอกเหนือจากสามารถดำเนินการทำธุรกรรมทางเงินปกติแล้วนั้น ก็ยังรองรับการสร้างนวัตกรรมทางการเงินอื่น ๆ บนตัวระบบอีกด้วย โดยเฉพาะการเขียนสัญญาอัจฉริยะ (Smart Contract) หรือการสร้างระบบการทำธุรกรรมอัตโนมัติโดยการกำหนดเงื่อนไขของการทำธุรกรรม (ซึ่งจะอธิบายเพิ่มเติมในบทความถัดไป) นอกเหนือจากนี้ CBDC ถูกสร้างขึ้นมาเพื่อจะรองรับการเชื่อมต่อกับระบบดิจิทัลอื่น ๆ ที่จะตามมาอีกด้วย ตัวอย่างเช่น Asset Tokenization (การซื้อขายหน่วยสินทรัพย์บนระบบดิจิทัล), Digital Identity (ข้อมูลประจำตัวประชาชนบนระบบดิจิทัล), Digital Wallet (กระเป๋าสตางค์ดิจิทัล) เป็นต้น Internet Banking คือบริการที่อำนวยความสะดวกในการทำธุรกรรมทางการเงินของธนาคารพาณิชย์บนระบบการเงินแบบดั้งเดิม แต่ CBDC เปรียบเสมือนเงินสดบนระบบดิจิทัลรองรับโดยธนาคารกลาง CBDC แตกต่างจาก Cryptocurrency อย่างไร? CBDC และ Cryptocurrency ทั้งคู่เปรียบเสมือนโฉมหน้าของการเงินของอนาคต ทั้งสองทำงานอยู่บนระบบดิจิทัลเหมือนกัน เราสามารถโอนย้ายสินทรัพย์ต่าง ๆ โดยที่ไม่ถูกปิดกั้นจากข้อจำกัดทางกายภาพแบบเดิม ๆ ถึงกระนั้น ทั้งคู่มีความแตกต่างทางด้านเทคโนโลยีพื้นฐานและแนวคิดของการมีอยู่ ซึ่งปัจจัยเหล่านี้ทำให้สกุลเงินทั้งสองมีความแตกต่างกันโดยสิ้นเชิง เรามาทำความเข้าใจเทคโนโลยีเหล่านี้ให้ดีขึ้นกันดีกว่า วิธีที่จะเข้าใจ Cryptocurrency ที่ดี คือให้จินตนาการว่า ถ้าเราอยากส่งเงินไปให้แม่ค้าออนไลน์เพื่อซื้อของ เราจะทำอย่างไร? ในปัจจุบัน เราใช้บริการธนาคารในการโอนเงินจากบัญชีของเราไปหาบัญชีของแม่ค้า ธุรกรรมนี้จะถูกบันทึกโดยธนาคาร เพราะเราเชื่อใจให้ธนาคารที่เก็บเงินและทำธุรกรรมให้เรา นี้คือระบบการเงินในปัจจุบันที่เราอาศัย “ตัวกลาง” ในการทำธุรกรรมให้เรา (ดังในรูปที่ 4 ด้านซ้าย) แต่ในปัจจุบัน เทคโนโลยีบล็อกเชนอนุญาตให้มีระบบเครือข่ายคอมพิวเตอร์ที่ช่วยกันเก็บข้อมูลร่วมกันด้วยหลักการกระจายศูนย์ข้อมูล (Distributed Ledger Technology: DLT) และป้องกันไม่ให้ข้อมูลในอดีตถูกเปลี่ยนแปลงได้ด้วยศาสตร์การเข้ารหัส (Cryptography) เทคโนโลยีนี้จะเข้ามาสร้างผลกระทบในระบบการเงินปัจจุบัน ด้วยการสร้างระบบคอมพิวเตอร์กระจายศูนย์เพื่อร่วมกันบันทึกธุรกรรมการเงินที่เกิดขึ้นในระบบทั้งหมด (ดังในรูปที่ 4 ด้านขวา) โดยที่ตัว Cryptocurrency เองจะถูกใช้เป็นทั้งตัวทรัพย์สินและค่าบริการในระบบการทำธุรกรรมไร้พรมแดนนี้ ด้วยเหตุนี้หลายคนจึงกล่าวว่า Cryptocurrency เป็นระบบการเงินที่ “ไร้ตัวกลาง” ในปัจจุบันการใช้งานเครือข่ายคอมพิวเตอร์นี้ช่วยสร้างอรรถประโยชน์อีกมากโดยเฉพาะในอุตสาหกรรมที่ยังพึ่งพาตัวกลาง ได้แก่ การฝาก-กู้เงิน การซื้อ-ขายพลังงานสะอาด การขอข้อมูลจากแหล่งข้อมูล (API) เป็นต้น ซึ่งตัวอย่างเหล่านี้ได้ก่อให้เกิดความต้องการในการใช้บริการระบบเครือข่ายคอมพิวเตอร์ ซึ่งนั่นส่งผลให้เหรียญ Cryptocurrency ที่ถูกใช้เป็นค่าบริการมีราคาที่เพิ่มสูงขึ้น โดยสรุปแล้ว Cryptocurrency เป็นสกุลเงินเพื่อใช้ในการโอนย้ายมูลค่า และใช้เพื่อจ่ายเป็นค่าธรรมเนียมในการใช้บริการในระบบเครือข่ายคอมพิวเตอร์กระจายศูนย์ ส่วน CBDC เป็นเงินสดในระบบดิจิทัลที่ดูแลโดยธนาคารกลางเพื่ออำนวยความสะดวกในการทำกิจกรรมทางการเงินในประเทศ หน้าที่อีกอย่างของธนาคารกลางคือการทำให้เงินสกุลนี้มีเสถียรภาพ ผ่านนโยบายทางการเงินต่าง ๆ นอกเหนือจากนี้ ธนาคารกลางยังมีหน้าที่ตรวจสอบการใช้เงินสกุลนี้ในกิจกรรมที่ผิดกฎหมาย เช่น การฟอกเงิน และการก่อการร้าย เป็นต้น และท้ายที่สุด CBDC ก็พร้อมจะรองรับการสร้างเทคโนโลยีทางการเงินใหม่ ๆ ที่กำลังจะเกิดขึ้นในระบบ Cryptocurrency อีกด้วย แต่ทำงานโดยที่มีธนาคารกลาง/รัฐบาลดูแลอยู่ เพราะฉะนั้น CBDC เป็นสกุลเงินดิจิทัลที่ถูกกำกับดูแลโดยธนาคารกลาง ทั้งคู่เปรียบเสมือนเหรียญสองด้านของระบบการเงินในโลกอนาคต ธนาคารกลางมีเหตุผลในการควบคุม CBDC สกุลเงินนี้ เพราะมันเป็นตัวอำนวยความสะดวกในการทำกิจกรรมทางการเงินภายในประเทศ เพิ่มประสิทธิภาพในการดำเนินนโยบายทางการเงินต่าง ๆ พร้อมทั้งป้องกันไม่ให้เกิดการนำเงินนี้ไปใช้ในทางที่ผิดกฎหมาย ในขณะที่ Cryptocurrency เน้นทางด้านการใช้ประโยชน์จากระบบเก็บข้อมูลที่ไม่อาศัยตัวกลางใด ๆ และในบางเหรียญ เช่น Bitcoin ก็มีคุณค่าในการไม่สามารถถูกควบคุมโดยใคร และไม่สามารถเปลี่ยนแปลงนโยบายทางการเงินได้อีก ปัจจัยเหล่านี้สร้างความหนักใจให้กับรัฐบาลในการยอมรับ Cryptocurrency ให้มีการใช้งานจริงในประเทศ เพราะอาจทำให้รัฐบาล/ธนาคารกลางไม่สามารถออกนโยบายทางการเงินที่เกิดประสิทธิผลในประเทศได้ อย่างไรก็ดี ยังไม่มีอะไรที่แน่ชัดออกมาจากธนาคารกลาง เป็นไปได้ว่าความสัมพันธ์ของเงินสองสกุลนี้อาจจะเสริมซึ่งกันและกันก็เป็นได้ Cryptocurrency เป็นสกุลเงินเพื่อใช้ในการโอนย้ายมูลค่า และใช้เพื่อจ่ายเป็นค่าธรรมเนียมในการใช้บริการในระบบเครือข่ายคอมพิวเตอร์กระจายศูนย์ ในขณะที่ CBDC เป็นสกุลเงินดิจิทัลที่ถูกกำกับดูแลโดยธนาคารกลาง ซึ่งในทั้งสองระบบ เราสามารถโอนย้ายสินทรัพย์ต่าง ๆ โดยที่ไม่ถูกปิดกั้นจากข้อจำกัดทางกายภาพแบบเดิม ๆ ผลกระทบที่จะเกิดขึ้นต่อระบบเศรษฐกิจจากการออก CBDC คนจะเข้าถึงบริการทางการเงินได้ทั่วถึงยิ่งขึ้น ในประเทศที่ยากจน ธนาคารพาณิชย์ที่มีขนาดใหญ่เลือกที่จะเปิดสาขาในพื้นที่ในเมืองไม่ใช่ชนบท เป็นเพราะว่า ธนาคารสามารถทำกำไรกับลูกค้าบริเวณนั้น ทำให้ประชาชนในพื้นที่ที่ห่างไกลไม่สามารถเข้าถึงบริการทางการเงินได้อย่างเท่าเทียม แต่เมื่อ CBDC มาแล้วนั้น...

24 June 2021

รู้จัก BDI

Organization

Policy and Plan

Personnel

Operations

Ananwat Tippawat

บทความทั้งหมด

All Articles

สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน)

Big Data Institute (Public Organization)

234/432 Soi Lat Phrao 12, Chomphon, Chatuchak, Bangkok 10900, Thailand

Contact Us

Quick Link

About Us

© Big Data Institute | Privacy Policy