FMS Roadmap & The future of 2020 (โดย คุณอโณทัย คุณาพรไพโรจน์ Managing Director จาก บริษัท ฟอร์เวิร์ด แมเนจเม้นท์ เซอร์วิส จำกัด)
ด้วยความไว้วางใจที่ลูกค้ามอบให้ FMS อย่างต่อเนื่อง ส่งผลให้ปีนี้ FMS ได้รับรางวัล “Top Excellence Partner 2019” ในงาน Sage Partner Summit Asia เมื่อวันที่ 19 -22 พฤศจิกายน 2562 ที่ผ่านมา ซึ่ง Sage Partner Summit Asia เป็นงานที่จัดขึ้นให้กับ Partner เพื่ออัพเดตเทคโนโลยี และโซลูชั่นใหม่ ๆ เพื่อให้ทาง Partner นำมาแนะนำ บอกต่อให้กับลูกค้า
FMS Roadmap & 2020 Mission ด้วยพันธกิจ “Building Better Solution” ที่ทาง FMS มอบให้กับลูกค้า ในปี 2020 ที่กำลังจะมาถึง เรียกได้ว่าเป็นยุคไอที ทุกอย่างมีการเปลี่ยนแปลงอย่างรวดเร็ว Roadmap ของ FMS จึงต้องเป็น Roadmap ที่สอดรับ เพื่อจะช่วยให้ลูกค้าเจริญเติบโตได้ ด้วยยึดตาม Roadmap 3 ข้อหลักดังนี้
1. Industry 4.0 “Manufacturing & Distribution Solution” FMS มุ่งเน้นที่จะพัฒนาโซลูชั่น เพื่อเสริมการทำงานของลูกค้าทั้งที่อยู่ในกลุ่ม Manufacturing, Distribution และ Service ให้มีประสิทธิภาพมากขึ้น ยกตัวอย่างโซลูชั่นที่ FMS นำเข้ามาเป็นโซลูชั่น เพื่อให้ตอบโจทย์ความต้องการของลูกค้า ช่น Barcode System, Work flow, Purchasing Work flow และเรื่องของ Document Distribution
2. Digital Transformation สำหรับธุรกิจที่มีการใช้ระบบ ERP ทุกท่าน ถือว่ามีการครอบครองข้อมูลที่มีขนาดใหญ่มาก เรียกได้ว่ามี Big Data ในมือเลยทีเดียว ดังนั้นในความรับผิดชอบของ FMS จึงมีหน้าที่ช่วยหาโซลูชั่นที่จะ support ในเรื่องการนำข้อมูลมาใช้ให้เกิดประโยชน์สูงสุด เช่นการ Forecast, Traceability และ Data Insight เป็นต้น
3. C.A.R.E Support FMS ให้ความหมายในเรื่องของ C.A.R.E Support ดังนี้
• Customer First คือ ทีมงาน FMS ทุกคน ให้ความสำคัญกับลูกค้าเป็นสิ่งแรกเสมอ
• Attentive คือ ความใส่ใจในความต้องการของลูกค้า นอกเหนือจากการ Support Daily Operation ให้ใช้งานได้ปกติแล้ว FMS ยังมองหาว่ามีสิ่งใดบางที่ FMS สามารถตอบแทนลูกค้าได้
• Readiness คือ ทีมงาน FMS มีการเตรียมความพร้อม เพื่อรองรับความเปลี่ยนแปลงของลูกค้าที่มีขนาดธุรกิจที่โตขึ้น หรือมีวิธีการทำงานที่เปลี่ยนไปอยู่เสมอ
• Educated อีกหนึ่งบทบาทสำคัญของ FMS คือการแบ่งปันความรู้ และเทคโนโลยีใหม่ ๆ ให้กับลูกค้า เช่นในทุก ๆ ปี FMS ได้มีการจัดงานสัมมนา FMS Customer Day เพื่อเป็นการทบทวนการเรียนรู้การปิดงบประมาณประจำปี เกร็ดความรู้ และวิธีการแก้ปัญหาเบื้องต้น
Keynote Session: Unlocking Value from Big Data: Theory and Practice
(โดย ดร. ณภัทร จาตุศรีพิทักษ์, CEO of Siametrics Consulting Ltd.)
How to turn data into value?
• Technical framework
1. Data visualization เพื่อต้องการให้ได้ความรู้ มุมมอง ที่รวดเร็วและสวยงาม ผู้บริหารอ่านรายงานรู้เรื่อง และมีประโยชน์ในการทำงานจริง
Data visualization Tool เช่น
- PowerPoint making
- BI report/dashboard design
- Info graphics
2. Artificial Intelligence (AI) เป็นศาสตร์หนึ่งที่ค่อนข้างกว้าง มีพื้นฐานมาจากข้อมูล หากไม่มีข้อมูล AI ก็ไม่สามารถเกิดขึ้นได้ เราจึงจำเป็นต้องให้ข้อมูลกับตัว AI เพื่อให้ AI เรียนรู้ และนำมาใช้ตอบคำถามในมุมมองที่มีในระบบ
- Machine learning
- Regressions
- Deep learning
- Natural language processing (NLP)
ตัวอย่างการสร้างโมเดลทำนาย
“Basic predictive modeling framework”
การที่จะให้ model เรียนรู้บางสิ่งบางอย่าง เราจำเป็นต้องมีแบบฝึกหัด และจำเป็นต้องมีข้อสอบให้กับโมเดลนั้น ๆ เพื่อให้โมเดลประเมินผลออกมา ว่าควรจะเป็นอย่างไร ยกตัวอย่างเปรียบเทียบเช่น แบบฝึกหัดในภาษาไทย เราต้องสอนให้นักเรียนอ่านออกเสียง หรือมีวรรณกรรมให้อ่าน และข้อสอบต้องเป็นสิ่งที่ไม่เคยเห็นมาก่อน และการตอบ หากตอบผิดจะได้รับคะแนนน้อย ตอบถูกได้รับคะแนนเยอะ เป็นต้น
3. Causal inference การหาเหตุและผลจากข้อมูล “ทำไมสิ่งนี้จึงเกิดขึ้น” หรือ “ทำไม X ถึงกระทบกับ Y”
- A/B testing and randomized trials
- Applied econometrics
ในทุกบริษัท จะมีคำถามจากผู้บริหารในแต่ละเดือนว่า “ทำไมเดือนนี้ ยอดขายดี หรือ ทำไมยอดขายไม่ดี?” , “ทำไมลูกค้ารายนี้ไม่จ่ายเงิน?” เป็นต้น
ยกตัวอย่าง Retail Cannibalism การออกผลิตภัณฑ์ใหม่ที่มีผลกระทบกับผลิตภัณฑ์เดิม
ซึ่งตัวอย่างนี้อาจเป็นปัญหาต้นๆ ของแต่ละบริษัท โจทย์คือ การแยกผลกระทบระหว่างที่นำผลิตภัณฑ์ B วางขายส่งผลกระทบกับผลิตภัณฑ์ A มากน้อยเพียงใด?
• Business framework 3 สิ่งที่จำเป็นสำหรับการสร้างมูลค่าให้กับข้อมูล คือ
1. Great idea คิดหาไอเดียที่ตอบ pain-points ได้อย่างชัดเจนแทนจริง และเข้ากับเป้าหมายขององค์กร
2. Concrete plan based on idea การแผนการที่ดี ต้องคำนึงถึงธุรกิจเป็นสิ่งแรก ธุรกิจต้องการอะไร และมี pain-points แบบไหน
3. People who will execute the plan บุคคลทำให้สิ่งที่วางแผนเป็นจริง
ช่วงที่สอง เป็นการบรรยายถึง Case ตัวอย่างในการนำข้อมูลมาใช้ให้เกิดประโยชน์สูงสุด
Use-case 1: HR Analytics
ยกตัวอย่าง 2 เป้าหมายในการทำ HR Analytics
1. การคัดเลือกบุคคลเข้าทำงาน โดยการประเมินว่าบุคคลที่มาสมัครงาน มีความน่าจะเป็นเท่าไหร่จากผู้สมัครทั้งหมด ซึ่งตัดสินจาก Job Application และ Resume เท่านั้น
2. พนักงานท่านใดมีโอกาสที่จะลาออก เพื่อวิเคราะห์ผลว่า พนักงานที่จะลาออก เป็นคนที่มีความสามารถสูง หรือคนที่มีความสามารถต่ำ หากเป็นคนที่มีที่มีความสามารถสูง จะต้องทำอย่างไร เพื่อต่อรองให้พนักงานท่านนั้นทำงานต่อ
Use-case 2: Retail & Manufacturer
เรื่องของ Demand forecasting ในอนาคตไม่ใช่เพียงแค่ลูกค้าสั่งซื้อ แล้วจึงจัดทุกอย่างเป็น Solution Canter ส่งไปที่ warehouse แต่จำเป็นต้องมีการจัดสต๊อกสินค้าก่อนส่ง และมุมมองของการทำ Demand forecasting ในการจัดสต๊อกมีดังนี้
1. มุมของ Logistic หากต้องวิ่งรถ เพื่อไปเติมสินค้าทุกวันส่งผลให้ค่าใช้จ่ายค่อนข้างสูง
2. มุมของสต๊อก หากสต๊อกสินค้าขาด จะส่งผลให้สูญเสียการขาย และหากสต๊อกสินค้าเกิน จะส่งผลให้มีสินค้าค้างสต๊อกเป็นเวลานาน
Basic Demand forecasting
Demand forecasting เป็นระบบที่ต้องการข้อมูลเพียงเล็กน้อย เพื่อทำการวิเคราะห์ข้อมูลให้ใกล้กับความเป็นจริง เช่น บางอัลกอลิทึมของ AI ต้องการเพียงข้อมูล Sales เท่านั้น
Use-case 3: Data-driven CSR
ปัจจุบันประเทศไทยติดอันดับ 9 ของอุบัติเหตุบนท้องถนน ดังนั้นจึงนำข้อมูล Big Data และ Ai เข้ามาช่วยในการปรับมุมมอง และหาวิธีแก้ปัญหาโดย
1. ทำเครื่องมือที่ใช้ทำนายว่า ตรงจุดไหน และเวลาไหนจะมีอุบัติเหตุเกิดขึ้น เพื่อให้เจ้าหน้าที่ตำรวจ หรือหน่วยกู้ภัยไปตั้งศูนย์อำนวยการได้ใกล้ขึ้น
2. ทำการวัดนโยบาย หรือกฎต่าง ๆ ว่ามีประสิทธิภาพมากน้อยเพียงใด
ขั้นตอนของ AI ที่ช่วยในการทำนายการจราจร
สนใจอ่านบทความเกี่ยวกับงานสัมมนาอื่น ๆ ได้ที่: http://www.fmsconsult.com/en/news-event/seminar.html
และศึกษาข้อมูลผลิตภัณฑ์ของ FMS : http://www.fmsconsult.com/en/solutions.html
ภาพบรรยากาศภายในงาน
