Napassawan Pasuthip, Author at Big Data Institute

บทความทั้งหมด

All Articles

การใช้ข้อมูลขนาดใหญ่ในวงการแฟชั่นระดับโลก (Big Data in the Global Fashion Industry)

หากพูดถึงแบรนด์ดัง ๆ อย่าง Gucci Montblanc Burberry Zara Pomelo ฯลฯ คนที่ชื่นชอบเรื่องแฟชั่นน่าจะรู้จักกันดี แต่เบื้องหลังความสำเร็จของแบรนด์ดังเหล่านี้ มีการใช้ประโยชน์จากข้อมูลขนาดใหญ่ (Big Data) เพื่อนำมาวิเคราะห์ในมิติต่าง ๆ ในการเพิ่มประสิทธิภาพในการสร้างรายได้และกำไรให้กับธุรกิจ สร้างความความพึงพอใจ และตอบสนองความต้องการของลูกค้าอย่างแม่นยำ รวมถึงการเติบโตแบบยั่งยืนให้กับแบรนด์ของตนเอง วันนี้เราจะมาพาดูกันกว่าบริษัทชั้นนำเหล่านี้ใช้ประโยชน์จากข้อมูลขนาดใหญ่ สำหรับธุรกิจเสื้อผ้าและแฟชั่นของตนเองอย่างไรกันบ้าง หนึ่งในองค์ประกอบสำคัญที่เป็นเบื้องหลังความสำเร็จของ Zara แบรนด์เสื้อผ้าแฟชั่นที่โด่งดังระดับโลก และเปิดให้บริการหลายสาขาทั่วโลก คือการที่ Zara นำข้อมูลขนาดใหญ่ที่มีมาวิเคราะห์อย่างต่อเนื่อง เพื่อทำนายทิศทางของแฟชั่น แนวโน้มต่อไปของสินค้าที่จะกลายมาเป็นที่นิยม การวิเคราะห์พฤติกรรมของลูกค้าและความชอบของกลุ่มลูกค้า เนื่องจากอุตสาหกรรมแฟชั่นเปลี่ยนแปลงอยู่ตลอดเวลา การใช้ Big Data จึงเป็นสิ่งที่ขาดไม่ได้หากต้องการแซงหน้าคู่แข่งในตลาดที่มีจำนวนมากในปัจจุบันต่อการขายทั้งทางออนไลน์และออฟไลน์ โดยข้อมูลเหล่านี้สามารถรวบรวมได้จากหลายช่องทาง ทั้งจากยอดขาย การวิจัยตลาด แคมเปญออนไลน์ ผลตอบรับทางโซเชียลมีเดีย การวิเคราะห์ลักษณะการเลือกซื้อของผู้ชม ฯลฯ ประโยชน์ของการใช้ข้อมูลขนาดใหญ่ในธุรกิจเสื้อผ้าและแฟชั่น (Benefits of Big Data in the Fashion Business) 1. กลยุทธ์ด้านราคา ในการกำหนดราคาสินค้า หากเจ้าของแบรนด์รู้ว่ากลุ่มเป้าหมายสบายใจที่จะจ่ายค่าสินค้านั้น ๆ ด้วยราคาเท่าไหร่ และกำลังซื้อของพวกเขาคือเท่าใดจะทำให้บริษัทได้เปรียบอย่างมากในการเพิ่มยอดขาย เพราะหากตั้งราคาสินค้าเกินราคา เกินความต้องการ ก็อาจจะไม่มีใครซื้อ แต่หากตั้งราคาต่ำไป บริษัทก็อาจเกิดความเสียหายได้ ดังนั้นการใช้ข้อมูลขนาดใหญ่ เข้ามาช่วยในการหาจุดสมดุลของราคาที่ลูกค้าจะตัดสินใจซื้อได้อย่างง่ายดายจึงช่วยได้เป็นอย่างมาก 2. การกำหนดกลุ่มเป้าหมาย การวิเคราะห์ข้อมูลจะช่วยให้แบรนด์รู้ว่ากลุ่มเป้าหมายคือคนกลุ่มใด โดยสามารถรู้ได้ตั้งแต่ช่วงอายุ ส่วนสูง เชื้อชาติ พฤติกรรมการเลือกซื้อ ฯลฯ ของลูกค้าแต่ละกลุ่ม โดยปัจจัยเหล่านี้สามารถช่วยให้เจ้าของแบรนด์สามารถวิเคราะห์พฤติกรรมและความต้องการของลูกค้าได้อย่างละเอียด เข้าใจปัจจัยที่ส่งผลต่อการซื้อ รวมถึงช่วงเวลาและลักษณะสถานที่แบบที่กลุ่มเป้าหมายมีแนวโน้มที่จะกลายมาเป็นลูกค้าได้ง่ายที่สุด เป็นประโยชน์ในการออกแบบผลิตภัณฑ์ใหม่และการปรับปรุงผลิตภัณฑ์ที่มีอยู่ให้ดียิ่งขึ้น นอกจากนี้ ผลิตภัณฑ์บางอย่างที่เป็นที่นิยมตอนจัดแสดงบนรันเวย์อาจไม่ได้เป็นที่ต้องการในการขายปลีกเสมอไป รสนิยมของนักช้อปร้านค้าปลีกแตกต่างจากผู้ชมที่ดูแฟชั่นบนรันเวย์ การวิเคราะห์ข้อมูลขนาดใหญ่จะช่วยคาดการณ์ว่าการออกแบบแบบใดและผลิตภัณฑ์ใดจะประสบความสำเร็จในร้านค้าปลีกได้ดีกว่า 3. การทำแคมเปญการตลาดให้เหมาะกับลูกค้าแต่ละประเภท ข้อมูลพฤติกรรมของผู้บริโภคที่มีจะช่วยให้แบรนด์สามารถออกแบบข้อเสนอแคมเปญการตลาดและจัดทำโปรโมชั่นทางการตลาดได้อย่างตรงจุดเป็นที่ถูกใจลูกค้าแต่ละกลุ่มได้อย่างง่ายดายและแม่นยำ โดยไม่จำเป็นว่าลูกค้าทุกคนจะต้องได้รับข้อเสนอที่เหมือนกันอีกด้วย เพราะข้อมูลขนาดใหญ่จะช่วยจำแนกผู้บริโภคประเภทต่าง ๆ ออกจากกันเพื่อให้แบรนด์สามารถสร้างกลยุทธ์การตลาดที่มีผลต่อความรู้สึกของผู้บริโภคและตอบสนองต่อความต้องการของลูกค้าได้อย่างมีเสถียรภาพ นำเสนอแคมเปญที่ตรงใจลูกค้า ซึ่งจะช่วยดึงดูดความสนใจและทำให้เกิดการซื้อได้ในที่สุด 4. การคาดการณ์ทิศทางแฟชั่น การใช้ข้อมูลขนาดใหญ่ ยังสามารถช่วยติดตามแนวโน้มในวงการแฟชั่นและคาดการณ์แนวโน้มในอนาคตได้อีกด้วย โดยแบรนด์จะใช้ข้อมูลนี้เพื่อดูว่าต่อไปความต้องการของผู้บริโภคจะเป็นอย่างไรเพื่อออกแบบสินค้าให้เป็นที่น่าสนใจ เพื่อให้สามารถสร้างผลิตภัณฑ์ที่ตอบโจทย์ตลาดได้อย่างถูกต้อง อีกทั้งยังสามารถลดการสูญเสียทรัพยากรการผลิตที่ไม่จำเป็นในทุกขั้นตอนของกระบวนการผลิตได้สำหรับสินค้าที่มีแนวโน้มว่าจะไม่เป็นที่ต้องการอีกต่อไป ทำให้การทำนายแนวโน้มนี้สามารถช่วยทั้งในส่วนของการเพิ่มยอดขายและประหยัดค่าใช้จ่ายได้ในคราวเดียว โดยเฉพาะอย่างยิ่ง การคาดการณ์เทรนด์สีที่จะเป็นที่นิยมส่งผลอย่างมากต่อการทำนายแนวโน้มความต้องการผู้บริโภคเพราะสีมีบทบาทที่สำคัญมากในอุตสาหกรรมแฟชั่น ดังนั้นการคาดเดาได้ก่อนว่าสีไหนกำลังจะได้รับความนิยมหรือกำลังจะล้าสมัยจึงเป็นกุญแจสำคัญในความสำเร็จของการออกแบบสินค้าแฟชั่นต่าง ๆ ตัวอย่างเช่น มีการคาดการณ์ว่าชุดสีที่จะเป็นที่นิยมในปี 2022 จะเป็นเฉดสีที่สื่อถึงการมองโลกในแง่ดี ดูอบอุ่น และน่าตื่นเต้น โดยต่อมา Pantone ได้ประกาศว่าเฉดสีฟ้าอมม่วงจะเป็นสีแห่งปี 2022 และยังคาดการณ์ว่าเฉดสีน้ำเงินจะมีบทบาทสำคัญในปีนั้น ไม่ว่าจะเป็นสีฟ้าพาวเดอร์ สีฟ้าพาสเทล และสีฟ้าอมเขียว การคาดการณ์นี้ส่งผลให้แบรนด์ต่าง ๆ ปรับโทนสีของสินค้าตนเองให้ตรงกับเทรนด์สีของปีนั้น ๆ เพื่อขึ้นมาเป็นผู้นำด้านแฟชั่น โดยนอกจากสีแล้ว การวิเคราะห์ข้อมูลจะช่วยให้ธุรกิจต่าง ๆ สามารถคาดการณ์สินค้าที่จะกลายมาเป็นที่นิยมในแต่ละปี นำไปสู่การวางแผนเปิดตัวผลิตภัณฑ์ใหม่ที่จะดึงดูดตลาดผู้บริโภคได้อย่างชาญฉลาด การวิเคราะห์ข้อมูลในธุรกิจแฟชั่นที่นิยมนำไปใช้ มีรูปแบบไหนกันบ้าง (Different Ways of Data Analysis in the Fashion Business) ข้อมูลที่สามารถนำมาใช้ในการวิเคราะห์ธุรกิจแฟชั่นนั้นมีหลายรูปแบบ ดังต่อไปนี้ 1. การวิเคราะห์จากข้อมูลที่ได้จากภายในร้านค้า ข้อมูลที่ใช้ในการวิเคราะห์รวบรวมมากจากข้อมูลต่าง ๆ ภายในร้านค้าโดยอาจมาจากการสังเกตของพนักงานหรือจากสินค้าที่อยู่ในร้าน เช่น ข้อมูลจากการสนทนาในร้านค้าเกี่ยวกับผลิตภัณฑ์ของแบรนด์ ข้อมูลของผลิตภัณฑ์ที่ขายดีที่สุดในร้านและผลิตภัณฑ์ที่ถูกมองข้ามมากที่สุดในร้าน ข้อมูลลักษณะการจัดวางสินค้าว่าลูกค้าพูดถึงว่าอย่างไร หรือลูกค้าสามารถมองหาสินค้าที่ต้องการได้ยากง่ายเพียงใด พฤติกรรมการเดินในช้อปว่าผู้คนมีการเดินอย่างไรบ้าง ฯลฯ ซึ่งแบรนด์หรูหลาย ๆ เจ้าได้ข้อมูลเหล่านี้มาจากการจัดหาผู้ช่วยส่วนตัวให้กับลูกค้าที่เดินเข้ามาในร้านแต่ละคนที่นอกจากจะช่วยในการตัดสินใจซื้อของลูกค้าแล้ว ผู้ช่วยเหล่านี้จะคอยสังเกตพฤติกรรมผู้บริโภคของพวกเขาด้วย และแบรนด์ยังสามารถใช้ข้อมูลเหล่านี้เพื่อนำมาจัดวางแผนผังของร้านให้สอดคล้องกับพฤติกรรมของลูกค้าได้ ตัวอย่างเช่น Montblanc แบรนด์ดังผู้ผลิตผลิตภัณฑ์เครื่องหนังและสินค้าอื่น ๆ ของเยอรมนี ใช้ Big Data กับร้านค้าต่าง ๆ ของตนในการสร้าง Heat Map เพื่อศึกษาว่าผู้ซื้อส่วนใหญ่ใช้เวลาในการดูหรืออ่านรายละเอียดเกี่ยวกับสินค้า ตรงบริเวณใดภายในร้านบ้าง เพื่อกำหนดจุดที่เหมาะสมที่สุดในการนำเสนอผลิตภัณฑ์หรือเตรียมกำลังเจ้าหน้าที่ไปประจำที่จุดนั้น โดยวิธีนี้ช่วยให้ Montblanc สามารถเพิ่มยอดขายได้ถึง 20% 2. การวิเคราะห์ข้อมูลสินค้าคงคลัง การวิเคราะห์ข้อมูลจำนวนสินค้าที่มีและที่เหลืออยู่ในสต็อกเป็นอีกหนึ่งวิธีที่สำคัญที่จะช่วยให้เจ้าของธุรกิจแฟชั่นเข้าใจถึงความต้องการของผู้บริโภคกับสินค้าของแบรนด์ตนเองได้เป็นอย่างดี รวมถึงช่วยในการบริหารการจัดเก็บคลังสินค้าได้อย่างมีประสิทธิภาพ เพื่อลดค่าใช้จ่ายในการเก็บรักษาสินค้าและป้องกันการขาดสินค้าหรือการมีสินค้าส่วนเกินมากจนเกินไป 3. การวิเคราะห์ข้อมูลจากเว็บไซต์และโซเชียลมีเดีย ข้อมูลนี้ที่ได้จากทางเว็บไซต์และโซเชียลมีเดียสามารถนำไปใช้วิเคราะห์ได้เช่นกัน โดยสามารถดูข้อมูลการกดแชร์ การใส่ของในตะกร้าสินค้าก่อนการจ่ายเงิน การกดถูกใจสินค้าหรือโพสต่าง ๆ ข้อมูลที่ได้จากการแสดงความคิดเห็น เป็นต้น ในบางกรณีแบรนด์อาจมีการจ้าง Influencer เพื่อช่วยโปรโมทสินค้าทางออนไลน์ และจะเก็บข้อมูลของผู้ชมที่เข้ามามีส่วนร่วมกับโพสนั้น ๆ โดยข้อมูลเหล่านี้จะทำให้แบรนด์ได้ข้อมูลเชิงลึกเกี่ยวกับแบรนด์แฟชั่นของตนเองจากการวิเคราะห์ข้อมูลทางออนไลน์ 4. การวิเคราะห์ข้อมูลจากลูกค้าโดยตรง การวิเคราะห์ข้อมูลจากลูกค้าจะได้มาจากคำติชมของลูกค้า ความคิดเห็น และพฤติกรรมทางออนไลน์ว่าลูกค้ากดเข้าไปดูหน้าไหน ดูสินค้าอะไร จากหน้านี้แล้วมักจะกดไปหน้าไหนต่อ ลูกค้าส่วนใหญ่มักทำอะไรก่อนหลัง หรือการให้ลูกค้าทำแบบสำรวจ โดยแบรนด์แฟชั่นหลายเจ้าจะขอให้ลูกค้ากรอกแบบสำรวจออนไลน์หรือออฟไลน์เพื่อลุ้นรับรางวัลหรือรับส่วนลด วิธีนี้สามารถช่วยทั้งทางการตลาดส่งเสริมการขายและการรวบรวมข้อมูลจากผู้บริโภค อีกหนึ่งวิธีที่แทบทุกแบรนด์นิยมใช้กันคือการส่งอีเมล เช่น จดหมายข่าวโบรชัวร์ การแจ้งผลิตภัณฑ์มาใหม่ ฯลฯ ให้แก่ผู้บริโภคเพื่อดูว่าอีเมลลักษณะใดหรืออีเมลที่มีเนื้อหาอย่างไรที่เป็นที่สนใจและถูกมองข้ามบ้าง และเมื่อแบรนด์นำข้อมูลเหล่านี้มาวิเคราะห์รวมกัน จะช่วยให้แบรนด์ทราบถึงแนวโน้มของตลาดแฟชั่นทั้งในปัจจุบันและในอนาคตได้ นอกจากนี้ ยังมีอีกหลากหลายวิธีที่สามารถทำได้ เช่น การวิเคราะห์สินค้าที่มักถูกซื้อพร้อมกัน การวิเคราะห์ด้านการจัดการ ห่วงโซ่อุปทาน ฯลฯ แต่ไม่ว่าจะด้วยวิธีใด จะเห็นได้ว่าข้อมูลแต่ละประเภทล้วนมีความสำคัญ การใช้ข้อมูลใหญ่เป็นสิ่งสำคัญในธุรกิจเสื้อผ้าและแฟชั่นเพื่อเพิ่มประสิทธิภาพในด้านการทำความเข้าใจลูกค้า การจัดการสินค้า การวิเคราะห์แฟชั่นและแนวโน้ม การบริการลูกค้า และการพัฒนากลยุทธ์การตลาด เพื่อสร้างความสำเร็จในธุรกิจแฟชั่นในยุคที่แข่งขันอย่างสูงสุด การทำความเข้าใจและใช้ข้อมูลหลากหลายรูปแบบนำมาวิเคราะห์ร่วมกันได้อย่างลงตัวจะสามารถนำไปสู่ความสำเร็จของแบรนด์ได้ “Consumer data will be the biggest differentiator in the next two to three years. Whoever unlocks the reams of data and uses it strategically will win.” – By Angela Ahrendts เนื้อหาโดย นภัสวันต์ พสุทิพย์ตรวจทานและปรับปรุงโดย นววิทย์ พงศ์อนันต์ แหล่งอ้างอิง https://www.analyticsinsight.net/application-of-big-data-in-the-fashion-industry/ https://www.analyticsinsight.net/how-are-luxury-brands-using-big-data-for-benefit-in-2022/ https://fashinza.com/brands-and-retail/tips/the-importance-of-big-data-for-fashion-apparel-businesses/ https://3dinsider.optitex.com/fashion-industry-transforming-into-a-big-data-industry/ https://www.launchmetrics.com/resources/blog/3-ways-your-fashion-company-can-benefit-from-big-data

17 October 2023

Movements

ความตื่นตัวของหุ่นยนต์ที่ปรึกษาด้านการเงิน

ใครที่อยากลงทุน แต่ไม่รู้จะเริ่มยังไง ไม่ต้องกังวลอีกต่อไปเพราะตอนนี้เรามี Robo-Advisor หรือ A.I. ที่จะมาทำหน้าที่เป็นที่ปรึกษาด้านการลงทุน

13 October 2023

ตัวอย่างการใช้ Big Data เพื่อส่งเสริมการลงทุน

มาดูกันว่า Big data สามารถเอาไปใช้ในด้านการเงิน การลงทุนได้อย่างไร บทความนี้จะยกตัวอย่างถึงการนำ Big data ไปใช้กับข้อมูลจริงของทางกองทุนบำเหน็จบำนาญข้าราชการ(กบข.) ซึ่ง GBDi ทำโมเดล (XGBoost) เพื่อวิเคราะห์ว่าสมาชิกกบข.คนไหนที่มีโอกาสจะมาออมเงินเพิ่ม และส่งเสริมให้มีสมาชิกมาลงทุนในกองทุน (pension fund) ที่มากยิ่งขึ้น

13 October 2023

Movements Showroom

Health Link รวมพลังคนรุ่นใหม่ ขับเคลื่อนสาธารณสุขไทยสู่ยุคดิจิทัล

เบื้องหลัง Health Link กับทีมผู้พัฒนารุ่นใหม่ พลิกโฉมวงการสาธารณสุขประเทศสู่ระดับสากล การส่งต่อข้อมูลการรักษาระหว่างรพ.จะไม่ยุ่งยากอีกต่อไป

29 November 2021

Movements

PDPA and You: มาทำความเข้าใจกับกฎหมายคุ้มครองข้อมูลส่วนบุคคล

“เราถ่ายรูปกับเพื่อนแล้วอัปโหลดลงโซเชียล ผิด PDPA ไหมนะ เพื่อนฟ้องเราได้หรือเปล่า?” “การใช้ภาพจากกล้องติดหน้ารถยนต์ที่ถ่ายเห็นคนอื่นบนถนนมาเป็นหลักฐานตอนเกิดอุบัติเหตุ ถือเป็นการละเมิดความเป็นส่วนตัวหรือไม่?” บทความนี้จะมาไขข้อข้องใจกับคำถามทั่ว ๆ ไปที่หลายคนสงสัยเกี่ยวกับ PDPA หรือ พระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคลที่จะเริ่มบังคับใช้ภายในกลางปีหน้า จากผู้เชี่ยวชาญด้าน PDPA ทั้ง 3 ท่าน ที่ได้ให้เกียรติมาร่วมสนทนาพูดคุยใน Clubhouse event เมื่อวันที่ 30 กันยายน ที่ผ่านมา โดยเราได้สรุปเนื้อหาและประเด็นที่น่าสนใจต่าง ๆ ที่ได้จากการพูดคุยมาให้ได้อ่านกันค่ะ Clubhouse event นี้เป็นส่วนหนึ่งของความร่วมมือระหว่าง Government Big Data Institute (GBDi) และ ASEAN CIO Association Club (ACIOA) เพื่อส่งเสริมความฉลาดรู้ทางข้อมูล (Data Literacy) ในภูมิภาคอาเซียน โดยได้รับเกียรติจากวิทยากรผู้เชี่ยวชาญด้านการคุ้มครองข้อมูลส่วนบุคคลถึง 3 ท่าน ได้แก่ ดร.สุนทรีย์ ส่งเสริม สำนักงานคณะกรรมการคุ้มครองข้อมูลส่วนบุคคล กระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม ดร.พีรพัฒ โชคสุวัฒนสกุล อาจารย์ประจำคณะนิติศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย และอาจารย์ฐิติรัตน์ ทิพย์สัมฤทธิ์กุล อาจารย์ประจำคณะนิติศาสตร์ มหาวิทยาลัยธรรมศาสตร์ ก่อนอื่นเลย มาทำความเข้าใจกันก่อนว่า PDPA คืออะไร สำคัญอย่างไร ดร.พีรพัฒ: PDPA ย่อมาจาก Personal Data Protection Act หรือว่า พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคล พ.ศ. 2562 กฎหมายที่ออกมาเพื่อคุ้มครองคนที่ข้อมูลส่วนบุคคลชี้ไปหา หรือที่เราเรียกว่าเจ้าของข้อมูลส่วนบุคคล เวลาที่มีคนจะมายุ่งกับข้อมูลของเรา เขาต้องบอกให้ได้ว่ามีสิทธิอะไร ถ้าจะมาทำให้ความเป็นส่วนตัวในข้อมูลส่วนบุคคลของเราได้รับการกระทบมากเกินไปเขาก็ควรจะไม่มีสิทธินั้น หรือเราเองก็ควรมีสิทธิที่จะปกป้องผลกระทบที่อาจเกิดขึ้นกับเราเอง กฎหมายฉบับนี้ถูกสร้างมาเพื่อคุ้มครองการใช้ชีวิตของเรา เช่น บน Social media บน Internet ที่มีข้อมูล มี Footprints ของเราเต็มไปหมด ซึ่งก็ไม่ใช่แค่ประเทศไทยที่มีกฎหมายนี้ อย่างในยุโรปก็มี GDPR ที่มีจุดประสงค์ก็เพื่อคุ้มครองพวกเราทุก ๆ คน แล้วคำสำคัญที่ควรรู้มีอะไรบ้าง ดร.สุนทรีย์: แน่นอนก็คือคำว่า ‘ข้อมูลส่วนบุคคล’ ซึ่งหมายถึงข้อมูลอะไรก็แล้วแต่ที่ชี้มาทำให้ระบุตัวคนได้ทั้งทางตรงและทางอ้อม นิยามนี้เป็นนิยามตามมาตรฐานสากล ถ้าถามว่าทำไมต้องให้นิยามกว้างขนาดนี้ ทำไมไม่เจาะจงไปเลยว่าอะไรคือข้อมูลส่วนบุคคลบ้าง นั่นเป็นเพราะเทคโนโลยีที่พัฒนาอย่างรวดเร็วทำให้บางครั้งข้อมูลบางอย่างที่เราไม่เคยนึกว่าจะโยงมาถึงตัวเราได้ แต่เมื่อมาประกอบกันก็อาจสามารถระบุมาถึงตัวเราได้ คำนิยามของ “ข้อมูลส่วนบุคคล” จึงต้องครอบคลุมทั้งข้อมูลที่ระบุตัวเราได้ทั้งทางตรงและทางอ้อม คำต่อมาก็คือคำว่า ‘เจ้าของข้อมูลส่วนบุคคล’ สมัยก่อนเมื่อเราได้ยินคำว่าเจ้าของ เราจะเข้าใจว่าหน่วยงานที่เป็นคนเก็บข้อมูลก็คือเจ้าของข้อมูล แต่สำหรับกฎหมายคุ้มครองข้อมูลส่วนบุคคล คำว่าเจ้าของข้อมูลส่วนบุคคลหรือที่ภาษาอังกฤษใช้คำว่า ‘Data Subject’ นั้นหมายถึงบุคคลธรรมดาอย่างเรานี่แหละที่เป็นเจ้าของข้อมูลส่วนบุคคล ศัพท์ใหม่ที่เพิ่มขึ้นมาอีกสองคำคือ ‘ผู้ควบคุมข้อมูลส่วนบุคคล (Data Controller)’ กับ ‘ผู้ประมวลผลข้อมูลส่วนบุคคล (Data Processor)’ Data Controller คือคนที่เก็บรวบรวมข้อมูลของเรา ใช้ข้อมูลเรา หรือเอาไปเปิดเผย อย่างเช่น การซื้อของออนไลน์ บริษัทที่เราไปซื้อของจำเป็นต้องเก็บข้อมูลของเรา เช่นนี้จะถือว่าเขาเป็น ‘ผู้ควบคุมข้อมูลส่วนบุคคล’ ของเรา ถ้าบริษัทนี้ส่งข้อมูลไปให้อีกบริษัทหนึ่งให้ช่วยจัดการคำสั่งซื้อสินค้า บริษัทหลังนี้จะถือว่าเป็น ‘ผู้ประมวลผลข้อมูลส่วนบุคคล’ นั่นก็คือผู้ที่รับข้อมูลจากผู้ควบคุมฯ ให้ไปทำตามคำสั่ง คำต่อมาที่อยากแนะนำคือ ‘ความยินยอม (Consent)’ กับคำว่า ‘ประกาศความเป็นส่วนตัว (Privacy Notice)’ เวลาเข้าเว็บไซต์ต่าง ๆ ก็จะเห็น pop-up ขึ้นมาและมีคำถามให้กดยอมรับหรือยินยอม เจอคำว่าประกาศความเป็นส่วนตัว บางทีก็เป็นคำว่านโยบายคุ้มครองข้อมูลส่วนบุคคล หลายคนก็งงว่าตกลงมันคืออะไร เป็นสิ่งเดียวกันหรือเปล่า ตามกฎหมายแล้วจะมีสองเรื่องอยู่ในนี้ก็คือเรื่อง ‘ความยินยอม’ กับ ‘Privacy Notice’ หรือการประกาศแจ้งความเป็นส่วนตัว เป็นการแจ้งรายละเอียดว่าเว็บไซต์นั้นจะเก็บข้อมูลอะไรเราบ้าง สมมุติจะเก็บคุกกี้ ก็ต้องบอกว่าจะเก็บคุกกี้เรื่องอะไรบ้าง หรือถ้าเราไปทำธุรกรรมที่ธนาคาร ธนาคารจะเก็บข้อมูลอะไรเราบ้าง PDPA ถูกเลื่อนการบังคับใช้ไปหลายครั้ง ครั้งนี้จะมีการขยายเวลาอีกหรือไม่ ดร.สุนทรีย์: ในส่วนของเรื่องการบังคับใช้กฎหมาย ทางรัฐบาลและกระทรวงตั้งใจจะให้กฎหมายฉบับนี้มีผลบังคับใช้ตามกำหนด คือในวันที่ 1 มิถุนายนปีหน้า ในปีที่ผ่านมาหลายท่านอาจจะได้เห็นกิจกรรมที่ทางสำนักงานฯ และกระทรวงฯ จัดมาตลอดเพื่อเตรียมความพร้อมให้กับผู้ประกอบการ เนื่องจากเป็นกฎหมายใหม่ที่ทำให้ต้องปรับตัวกันเยอะมาก และจะต้องออกกฎหมายระดับรอง ประกาศ หรือหลักเกณฑ์ต่าง ๆ ที่เกี่ยวข้องเป็นจำนวนมาก ซึ่งเรา (สำนักงานฯ) พยายามดึงผู้เกี่ยวข้องเข้ามามีส่วนร่วมให้มากที่สุด โดยกฎหมายระดับรองจะมีประกาศที่เกี่ยวข้องทั้งหมด 18 เรื่องที่เป็นเนื้อหาเฉพาะ อีกโครงการคือการจัดทำแผนแม่บท ซึ่งหมายถึงการวางนโยบายระยะยาว 1-5 ปี ยุทธศาสตร์ที่สำคัญแรกเลยคือการให้ความรู้ สร้างความตระหนักรู้ และสร้างบุคคลากรให้เข้าใจกฎหมายฉบับนี้ เรามีการทำแนวทางปฏิบัติ (Guideline) เพื่อใช้เป็นแนวทางตัวอย่างสำหรับนำไปปฏิบัติเมื่อถึงเวลาที่กฎหมายฉบับนี้ถูกบังคับใช้ โดยโครงการที่ได้จัดทำขึ้นไปแล้วเป็นการเน้นในฝั่งของผู้ประกอบการ สำหรับโครงการหลังจากนี้เราจะเน้นการสร้างความรู้ความเข้าใจให้กับประชาชนให้มากขึ้น วันนี้ต้องขอบคุณทาง GBDi มากที่จัดกิจกรรมนี้ขึ้นเพื่อเป็นช่องทางให้สำนักงานฯ ได้มีโอกาสสื่อสารกับคนทั่วไป ได้รับฟังว่าคนทั่วไปมีความสงสัยในกฎหมายฉบับนี้อย่างไรบ้าง เพื่อนำไปปรับทำเป็นแผนที่จะสื่อสารส่งความรู้ เพิ่มความเข้าใจให้ประชาชนได้มากขึ้น ให้กฎหมายฉบับนี้สามารถพร้อมบังคับใช้ได้ในวันที่ 1 มิถุนายนปีหน้า ในระหว่างนี้แต่ละฝ่ายควรมีการเตรียมตัวอย่างไรบ้าง อ.ฐิติรัตน์: ระหว่างที่รอกฎหมายมีผลบังคับใช้ กลุ่มธุรกิจหรือองค์กรต่าง ๆ สามารถเริ่มเตรียมการเพื่อที่จะทำตามกฎหมายได้ทันที เพราะการดำเนินกิจการขององค์กรล้วนแต่มีการใช้ข้อมูลส่วนบุคคลอยู่แล้ว โดยข้อมูลส่วนบุคคลในแต่ละองค์กรอาจมาจาก ข้อมูลของลูกค้า พาร์ตเนอร์ หรือลูกจ้าง ซึ่งแต่ละกลุ่มล้วนมีความสำคัญต่อหน่วยงาน เมื่อเราเอาข้อมูลของพวกเขามาใช้เราก็ควรจะดูแลใหัดี ถ้าเราดูแลไม่ดีมันก็จะเกิดปัญหาขึ้นแบบที่เห็นในข่าว เช่น ลูกค้าเกิดความไม่พอใจแล้วหนีไปใช้แบรนด์อื่น หรือลูกจ้างรู้สึกไม่สบายใจกับองค์กรซึ่งจะนำมาสู่บรรยากาศที่ไม่ดีต่อการทำงานและอาจจะก่อให้เกิดความเสียหายต่าง ๆ ตัวกฎหมายที่ออกมานี้ถือเป็นการกำหนดมาตรฐาน สร้างความคาดหวังในสังคมที่ตรงกันว่านี่คือ ขั้นตอนที่เราจะดูแลข้อมูลของคนที่เราจะทำงานด้วยให้ดี ไม่ว่าจะเป็นลูกค้า พาร์ตเนอร์ หรือลูกจ้าง การเตรียมตัวขององค์กรอาจจะเริ่มต้นจากการประเมินว่าองค์กรของตนใช้ข้อมูลแบบไหนอยู่บ้าง มีความเสี่ยงตรงไหน มีเรื่องไหนที่ควรจะกังวลแล้วเริ่มจากจุดนั้น เมื่อกฎหมายมีกำหนดบังคับใช้ในปีหน้าเราจะพูดได้อย่างเต็มปากว่าได้ทำตามกฎหมายแล้ว ยิ่งถ้าทำได้ก่อนก็ยิ่งแสดงให้เห็นถึงความตั้งใจ ในความเป็นจริงมีหลายหน่วยงานที่ได้ปฏิบัติตามกฎหมายนี้แล้วถึงแม้ตัวกฎหมายจะถูกเลื่อนการบังคับใช้ โดยเฉพาะหน่วยงานด้านการเงินการธนาคาร ซึ่งถือเป็นการพัฒนาการที่ดีและสะท้อนให้เห็นว่าประชาชนมีความตื่นตัวในเรื่องพวกนี้อยู่แล้ว PDPA เกี่ยวข้องกับประชาชนทุกคนอย่างไร ประชาชนจะได้รับประโยชน์หรือเสียผลประโยชน์จากการบังคับใช้ PDPA อย่างไรบ้าง อ.ฐิติรัตน์: คนทั่วไปน่าจะได้ประโยชน์มากกว่าเสียผลประโยชน์ในเชิงที่ว่าเราจะมีข้อมูลมากขึ้นจากบริการและแพลตฟอร์มต่าง ๆ ที่เราใช้ ถ้าใครจะเอาข้อมูลเราไปเขาต้องบอกเราว่าจะเอาไปใช้ทำอะไร ถ้าบริการไหนใช้ข้อมูลของเรามากเกินไปหรือบอกเราไม่ชัดเจน เราก็มีสิทธิเลือกไม่ใช้บริการนั้น ซึ่งแรงตอบสนองจากผู้บริโภคจะทำให้ธุรกิจต่าง ๆ ปรับตัว เช่น เคยมี E-commerce Platform ที่เชื่อมบัญชีกับเบอร์มือถือของเราเพื่อยืนยันตัวตน ซึ่งนอกจากจะเชื่อมเบอร์มือถือแล้วยังขอเข้าถึงสมุดโทรศัพท์ในมือถือเราด้วย ทำให้รู้เบอร์เพื่อน ๆ ของเรา ถ้าหากเพื่อนของเรามีบัญชีอยู่บนแพลตฟอร์มเดียวกัน เราจะสามารถเห็นได้ว่าเพื่อนไปซื้อของจากร้านไหน โดยที่แพลตฟอร์มไม่ได้บอกเราก่อนหรือไม่ได้ให้ตัวเลือกเราเลยว่าเราต้องการเชื่อมข้อมูลเหล่านั้นหรือไม่ เหตุการณ์นี้ทำให้เกิดการตอบสนองที่ค่อนข้างรุนแรง มีคนเข้าไปต่อว่า ทำให้บริษัทต้องรีบปรับตัวภายใน 1-2 วัน มีการปรับแก้ฟังก์ชันเหล่านี้ กฎหมายที่ออกมาช่วยสร้างความชัดเจนว่าอะไรคือมาตรฐานที่บริษัทจะต้องทำ หากไม่ทำตามผู้บริโภคสามารถใช้สิทธิเรียกร้องได้เต็มที่ และสามารถใช้สิทธิของตนเองเพื่อขอทราบว่าข้อมูลอะไรของเราถูกนำไปประมวลผลบ้าง หรือถูกนำไปแชร์ให้บุคคลที่สามหรือไม่ หรือเวลาที่เรารับ Spam Call เราก็สามารถถามได้ว่าเขาเอาข้อมูลเรามาจากไหน และเรามีสิทธิที่จะขอให้เขาหยุดเอาข้อมูลของเราไปใช้งาน หรือขอให้ลบจากระบบเลยก็ยังได้ หากพบว่าใครไม่ปฏิบัติตามเราสามารถร้องเรียนได้ที่สำนักงานคณะกรรมการคุ้มครองข้อมูลส่วนบุคคล ซึ่งเป็นหน่วยงานใหม่ที่ตั้งขึ้นมาเพื่อกำกับดูแลให้องค์กรต่าง ๆ ทั้งรัฐและเอกชนทำตามกฎหมายนี้และคุ้มครองสิทธิของประชาชน กฎหมายที่ออกมาช่วยสร้างความชัดเจนว่าอะไรคือมาตรฐานที่บริษัทจะต้องทำ...

7 October 2021

Movements

การใช้ Big Data พลิกโฉมวงการเกมอย่าง Pokémon Go

หลายปีก่อน หลายท่านคงจำได้ถึงเหตุการณ์ที่ถูกกล่าวขวัญไปทั่วโลก เรื่องที่บริษัท Niantic Labs ได้ทำให้ประโยคนี้มีชีวิตขึ้นมาจริง โดยการทำให้ตัวละครในเกมออกมาโลดแล่นอยู่บนโลกเสมือนจริง ซึ่งเป็นการปฏิวัติวงการเกมไปอย่างสิ้นเชิงของ Pokémon Go เกมบนโทรศัพท์มือถือที่มียอดดาวน์โหลดแล้วมากกว่า 1 พันล้านครั้ง1 และยังทำรายได้ไปแล้วกว่า 2 แสนล้านบาท2! ซึ่งหนึ่งในเหตุผลเบื้องหลังความสำเร็จครั้งยิ่งใหญ่นี้ของเกม Pokémon Go ก็คือ เทคโนโลยีที่เกมนี้นำมาใช้ เช่น เทคโนโลยี AR : Augmented Reality และระบบ Location Based เพื่อให้ผู้เล่นรู้สึกเหมือนได้ออกเดินทางท่องเที่ยวไปตามสถานที่ต่าง ๆ ในโลกแห่งความเป็นจริงเพื่อเก็บสะสมโปเกมอนและทำภารกิจต่าง ๆ อีกทั้งยังสามารถแข่งขันกับผู้เล่นคนอื่น ๆ รวมถึงเพื่อนของตนเองได้อีกด้วย นอกจากการนำเทคโนโลยีสมัยใหม่มาผสมผสานสร้างสรรค์เกมแล้ว Pokémon Go ยังมี การใช้ประโยชน์จากข้อมูลขนาดใหญ่หรือ Big Data ได้อย่างชาญฉลาด ซึ่งช่วยดึงดูดเหล่า Pokémon Trainers ทุกช่วงวัย เรามาดูกันว่า Pokémon Go ใช้ประโยชน์จาก Big Data อย่างไรบ้าง การใช้ประโยชน์จากข้อมูลทางภูมิศาสตร์ Pokémon Go สร้างความตื่นตาตื่นใจให้กับผู้เล่นในการจำลองแผนที่ในเกมให้สอดคล้องกับแผนที่ในโลกแห่งความจริง ทำให้ผู้เล่นเสมือนกำลังเผชิญหน้ากับเหล่าโปเกมอนต่าง ๆ ณ สถานที่ที่ผู้เล่นกำลังยืนอยู่จริง ณ ขณะนั้น โดย Pokémon Go กำหนดให้ผู้เล่นต้องเปิด GPS ไว้ตลอดเวลาตอนที่เล่นเกม ซึ่งสิ่งที่น่าสนใจและดึงดูดผู้เล่นก็คือการที่ Pokéstop* และ Pokémon Gym** ถูกเลือกสรรให้ตั้งอยู่อย่างเหมาะสมกับพื้นที่ต่าง ๆ โดยมีการเลือกใช้ประติมากรรมและแลนด์มาร์คที่สำคัญ ๆ ของแต่ละพื้นที่มาเป็นที่ตั้ง * Pokéstop คือ เสาสำหรับหมุนเพื่อรับไอเทมต่าง ๆ ในเกม **Pokémon Gym คือ เสาขนาดใหญ่หรือยิมที่ผู้เล่นสามารถนำโปเกมอนมาต่อสู้และยึดครอง คำถาม คือ “ในประเทศไทย จะเอาอะไรมาเป็นฐาน (Pokéstop และ Pokémon Gym) ให้ผู้เล่นเกมจะต้องเดินทางไปยังสถานที่จริงเพื่อทำการหมุนเสาดีล่ะ?” ใครจะไปคิดว่าแลนมาร์คหลัก ๆ ที่ถูกเลือกให้มาเป็น Pokéstop แจกไอเทมต่าง ๆ ก็คือสถานที่สุดขลังอย่างศาลพระภูมิของเรานั่นเอง ซึ่งที่มาของการเลือกศาลพระภูมินี้ก็มาจากการที่ Niantic Labs ผู้พัฒนาเกม Pokémon Go ใช้ประโยชน์ของข้อมูลจากฐานข้อมูลที่มีอยู่เมื่อตอนที่สร้างเกม Ingress มาลองตลาด ซึ่งนอกจากการใช้ข้อมูลจากฐานข้อมูลเดิมแล้ว Niantic Labs ยังทำการวิเคราะห์ข้อมูลขนาดใหญ่ (Big Data) แบบ real time ดูการกระจุกตัวของคนในแต่ละพื้นที่ประกอบกับ feedback ที่ได้รับจากผู้เล่นเพื่อกำหนดจุดยุทธศาสตร์ของเกม ยังไม่หมดเพียงเท่านี้ เกมนี้ยังใช้คุณลักษณะต่าง ๆ ของพื้นที่ให้เป็นประโยชน์อีกด้วย เช่น ถ้าต้องการจับโปเกมอนธาตุน้ำอย่าง Magikarp หรือ Goldeen คุณอาจต้องไปใกล้กับสถานที่ที่มีน้ำเพื่อเพิ่มโอกาสในการเจอ อีกทั้งยังอาจใช้ประโยชน์จากข้อมูลพื้นที่คู่กับข้อมูลด้านเวลา เช่น โปเกมอนธาตุผีหรือธาตุพลังจิตมีโอกาสเจอได้มากกว่าตอนช่วงกลางคืนโดยเฉพาะอย่างยิ่งใกล้ ๆ บริเวณที่เป็นสุสาน นอกจากนี้ ยังมีการใช้ข้อมูลด้านสภาพภูมิอากาศ ทำให้โปเกมอนบางสายพันธุ์สามารถพบได้ในประเทศที่มีหิมะตกและจะออกมาตอนช่วงหิมะตกเท่านั้น เป็นต้น ซึ่งก็ถือเป็นอีกหนึ่งเสน่ห์ที่สำคัญของเกมนี้ การใช้ประโยชน์เพื่อทำการตลาดและเพิ่มรายได้ Pokémon Go มีการใช้ข้อมูลทางภูมิศาสตร์ประกอบกับข้อมูลแบบเรียลไทม์อื่น ๆ ของผู้เล่น ไม่ว่าจะเป็น ‘ระยะเวลาเฉลี่ยที่ผู้เล่นใช้เล่นเกม ระยะทางเฉลี่ยที่ใช้เดินทางในแต่ละวัน สถานที่ที่ผู้เล่นเดินทางไปประจำ โปเกมอนที่ผู้เล่นเลือกให้ไปยึด Pokémon Gym หรือไปสู้กับโปเกมอนของผู้เล่นคนอื่น หรือประวัติการซื้อของต่าง ๆ ในเกม’ ซึ่งทำให้ผู้พัฒนาเกมสามารถวิเคราะห์พฤติกรรมของผู้เล่นและวางแผนได้ว่าเวลาใด สถานที่ไหน ที่จะมีอัตราการซื้อไอเทมแต่ละชนิดสูง และควรจะออกแบบกิจกรรมต่าง ๆ ในลักษณะใด ปล่อยโปเกมอนชนิดไหน คิดแคมเปญหรือโปรโมชั่นลดราคาสินค้าตัวใดเพื่อที่จะล่อให้ผู้เล่นมาจ่ายเงินซื้อของในเกมให้ได้มากที่สุดหรือก็คือ การใช้ประโยชน์จากข้อมูลพฤติกรรมเพื่อวางแผนการตลาดและสร้างรายได้ นั่นเอง นอกจากการเลือกซื้อสินค้า ๆ ต่าง ๆ ในเกมแล้ว Pokémon Go ยังได้จับมือกับร้านค้าและแบรนด์ชั้นนำต่าง ๆ ที่ต้องการเกาะกระแสของ Pokémon Go ไปด้วยกัน เช่น การออกโปรโมชั่นร่วมกับร้านค้าที่ผู้เล่นหลายคนผ่านเป็นประจำ หรือแม้กระทั่งจับมือกับแบรนด์ชื่อดังระดับโลกอย่าง Gucci และ North Face ซึ่งนอกจากจะได้โฆษณาแบรนด์ร่วมกันแล้ว ยังเป็นการหลอกล่อให้ผู้เล่นที่อยากสะสมไอเทมเหล่านี้ไปหมุน Pokéstop ที่ตั้งอยู่หน้าร้าน Gucci เพื่อเพิ่มโอกาสในการขายสินค้าจากร้าน Gucci อีกด้วย นอกจากนี้ Pokémon Go ยังจับกลุ่มแบรนด์สินค้าที่ราคาจับต้องได้มากกว่าอย่าง Uniqlo หรือ Longchamp โดยร่วมกันผลิตเสื้อผ้า กระเป๋าที่สวมใส่ได้จริงทั้งในเกมและนอกเกม โดยยังไม่นับรวมถึงสินค้าอื่น ๆ ที่ Pokémon Go ผลิตเองโดยตรงเพื่อให้เหล่าสาวก Pokémon Go ทั้งหลายมาเลือกซื้อกัน โดยสินค้าที่เลือกผลิตนี้ ก็มาจากข้อมูลในเกมที่บริษัทได้มาจากผู้เล่นเองโดยตรงนั่นล่ะ ว่าผู้เล่นชอบสะสมโปเกมอนตัวไหน บทส่งท้าย ตอนนี้ผู้อ่านทุกท่านคงเห็นภาพแล้วว่า Big Data และการวิเคราะห์ข้อมูลสำคัญต่อการพัฒนาเกมอย่างไร นอกจากจะทำให้ผู้เล่นอยากเล่นเกมต่อแล้ว ยังทำให้ผู้เล่นเต็มใจในการจ่ายเงินซื้อของต่าง ๆ อีกด้วย ซึ่งก็มาจากการใช้ประโยชน์ของข้อมูลพฤติกรรมของผู้เล่นเองได้อย่างแนบเนียนประกอบกับข้อมูลรอบตัวอย่างข้อมูลภูมิศาสตร์ที่ผลักดันให้เกมน่าสนใจมากขึ้น ทำให้ถึงแม้เกม Pokémon Go จะเปิดตัวออกมาตั้งแต่ปี 2016 แต่ก็ยังคงมีผู้เล่นจำนวนมากขึ้นและทำรายได้เพิ่มขึ้นอย่างต่อเนื่องมาจนถึงทุกวันนี้ สุดท้ายนี้ อยากจะชวนให้ทุกท่านลองสังเกตดูว่า ทุกวันนี้เหล่าผู้ผลิตสินค้าและผลิตภัณฑ์ต่าง ๆ รู้ได้ยังไงว่าผู้บริโภคจะชอบอะไร มีข้อมูลอะไรที่ได้จากเราไปบ้างโดยที่เราไม่ทันรู้ตัว และได้ข้อมูลไปทางไหนกันบ้างนะคะ แหล่งอ้างอิง 1 https://en.wikipedia.org/wiki/List_of_most-played_mobile_games_by_player_count 2 https://en.wikipedia.org/wiki/List_of_highest-grossing_mobile_games 3 https://www.dexerto.com/Pokémon /how-to-get-free-gucci-x-north-face-avatar-items-in-Pokémon -go-1489761/ 4 https://lofficielthailand.com/2020/09/longchamp-x-pokemon/ อื่นๆ https://www.softwareadvisoryservice.com/en/industry-updates/pokemon-go-and-big-data/ https://www.businessofapps.com/data/pokemon-go-statistics/ https://arstechnica.com/gaming/2020/03/pokemon-go-adjusts-to-the-quarantine-era/

29 July 2021

Movements

ความตื่นตัวของหุ่นยนต์ที่ปรึกษาด้านการเงิน

21 January 2021

ตัวอย่างการใช้ Big Data เพื่อส่งเสริมการลงทุน

29 June 2020

รู้จัก BDI

Organization

Policy and Plan

Personnel

Operations

Napassawan Pasuthip

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