คลังเก็บป้ายกำกับ: MACHINE_LEARNING

ก้าวใหม่ของอุตสาหกรรมการผลิตในยุค New Normal และการก้าวไปสู่ Adaptive Manufacturing Enterprise โดยมี ERP เป็นปัจจัยสำคัญ

หลังจากที่อุตสาหกรรมการผลิตทั่วโลกเผชิญกับการหยุดชะงักอย่างไม่ทันตั้งตัว จากวิกฤต COVID-19 จะเห็นได้ว่าส่งผลกระทบไปยังอุตสาหกรรมต่างๆ ในแง่ที่ทำให้การผลิตเกิดการหยุดชะงัก การทำงานของคนในองค์กรกลายเป็นแบบ Work From Home ความต้องการของตลาดที่เปลี่ยนไป ส่งผลให้ผู้ผลิตบางรายประสบปัญหาที่ต้องปิดตัวลง ด้วยเหตุผลแตกต่างกัน ในขณะที่บางแห่งกลับต้องเปิดทำการตลอด 24 ชั่วโมงเนื่องจากความต้องการของผู้บริโภคที่เพิ่มขึ้น ซึ่งก่อให้เกิดผลกระทบโดยรวมต่อการวางแผนการผลิต

ในสภาพแวดล้อมที่เปลี่ยนแปลงอย่างรวดเร็วนี้ความสำคัญของการผลิตแบบดิจิทัลได้เพิ่มขึ้นเนื่องจากผู้ผลิตต้องดิ้นรน ไม่เพียงเพื่อป้องการการหยุดชะงัก แต่เพื่อรักษาความต่อเนื่องทางธุรกิจ ให้ยังคงดำเนินต่อไปให้ได้อีกด้วย

การผลิตแบบดิจิทัลถือได้ว่าเป็นแนวทางแบบครบวงจรในการวางแผนการดำเนินการ การจัดการต้นทุน การเคลื่อนย้ายวัสดุและการควบคุมแบบเรียลไทม์ ช่วยให้ผู้ผลิตสามารถใช้ประโยชน์จากดิจิทัลและเทคโนโลยีขั้นสูงเพื่อสื่อสาร วิเคราะห์และใช้ข้อมูลแบบเรียลไทม์ได้ดีขึ้น เพื่อให้เป็นไปตามแผนกลยุทธ์ขององค์กร

ในขณะที่ผู้ผลิตต้องก้าวผ่านการเปลี่ยนแปลงทางดิจิทัลนั้น ผู้ให้บริการ ERP หลายรายก็ยังต้องมีการพัฒนาเทคโนโลยีใหม่ ๆ ไม่ว่าจะเป็นการนำระบบ Robotic Process Automation (RPA), Machine learning, Digital twins และอื่น ๆ มาพัฒนา เพื่อให้ระบบมีประสิทธิภาพมากยิ่งขึ้น และพร้อมตอบสนองความต้องการที่เปลี่ยนไปของลูกค้า ให้สามารถปรับตัวให้เข้ากับการเปลี่ยนแปลงและสร้างสรรค์สิ่งใหม่ ๆ เพื่อความได้เปรียบในการแข่งขัน

ปัจจัยของ Digital Manufacturing ที่จะช่วยให้การผลิตเกิดประสิทธิภาพสูงสุด

ถึงแม้ว่าเทรนด์ของ Digital transformation เกิดขึ้นมาค่อนข้างนาน แต่มันก็ยังคงส่งผลให้การผลิตในอุตสาหกรรมต้องมีการปรับตัวตาม และทำให้หลายบริษัทต้องมีการลงทุนทางด้านดิจิทัลเพิ่มมากขึ้น เนื่องจากความสามารถของ Digital transformation นี้สามารถเพิ่มผลกำไรและความก้าวหน้าทางธุรกิจได้อย่างก้าวกระโดด จากเดิมที่ผู้ผลิตในอุตสาหกรรมอาศัยการคำนวณต้นทุนและการคาดการณ์ด้วยตนเอง แบบ Manual ทำให้เกิดความล่าช้าและข้อผิดพลาด การกำหนดและตรวจสอบตัวชี้วัด(KPI) ของกระบวนการผลิตอาจไม่แม่นยำนัก อย่างไรก็ดีด้วยการปรับใช้งานด้านดิจิทัลที่มากขึ้น บริษัทสามารถประเมินปัญหาด้านการผลิตและวัสดุได้อย่างรวดเร็ว ดูข้อมูล วิเคราะห์ได้แบบเรียลไทม์ นอกจากนี้ยังสามารถตอบสนองความต้องการของลูกค้าได้ดีขึ้น และเพิ่มความโปร่งใสในการดำเนินการผลิตอีกด้วย

ตัวอย่างหนึ่งของบริษัทผู้ผลิตอย่าง Akebono ผู้ผลิตวัสดุยานยนต์และชุดเบรก ก็เป็นหนึ่งบริษัทที่ตกอยู่ในสถานการณ์ที่ไม่สามารถคาดการณ์หรือวางแผนการผลิตและตอบสนองลูกค้าได้อย่างรวดเร็ว แต่ภายหลังจากการนำโซลูชั่น QAD Automation มาใช้สามารถช่วยให้การคาดการณ์ข้อมูลมีความน่าเชื่อถือและความสมบูรณ์ยิ่งขึ้น อีกทั้งสามารถเติมเต็มการผลิตตามลำดับความสำคัญ และปรับปรุงความแม่นยำในกระบวนการทำงานอื่นๆ ได้อย่างมีประสิทธิภาพ

ระบบที่ใช้ในองค์กรแบบเดิมมักมีข้อจำกัดทางด้านความสามารถในการตอบสนองต่อการเปลี่ยนแปลงที่เกิดขึ้นแบบไม่ทันตั้งตัว รวมทั้งความกดดันจากสถานการณ์ภายนอก ก็จำเป็นต้องมีการประเมินกระบวนการภายในใหม่ เพื่อให้มั่นใจว่าพร้อมที่จะกลับเข้าสู่การผลิตอีกครั้ง รวมไปถึงโครงสร้างพื้นฐานของธุรกิจภายในด้วยเช่นกัน อย่างกลยุทธ์ที่จำเป็นต้องมีความยืดหยุ่นเพียงพอ  เมื่อใดที่ธุรกิจการผลิตมีกลยุทธ์และวิธีการ ในการปรับตัวที่ดี และสามารถเข้าถึงข้อมูล ที่ช่วยวิเคราะห์คาดการณ์ได้แบบเรียลไทม์ นั่นย่อมส่งผลถึงความได้เปรียบในการแข่งขัน ซึ่ง QAD เราเรียก บริษัทเหล่านี้ว่า “Adaptive Manufacturing Enterprises “

ดังนั้นมาดูกันว่าหากองค์กรต้องการก้าวไปเป็น Adaptive Manufacturing Enterprise หรือองค์กรผู้ผลิต ที่มีประสิทธิภาพสูงในการปรับตัวต้องมีคุณสมบัติใดบ้าง

คุณสมบัติ ประการ ของ Adaptive Manufacturing Enterprise

  1. ความชาญฉลาด (Intelligent) การจัดการข้อมูลมีความถูกต้องมากขึ้นและตรวจสอบได้แบบเรียลไทม์ สามารถช่วยให้องค์กรตัดสินใจอย่างเหมาะสมและเกิดประสิทธิภาพสูงสุด
  2. นวัตกรรม (Innovation) การใช้ประโยชน์จากกระบวนการใหม่ๆ และเทคโนโลยีทางดิจิทัลมาเพื่อพัฒนาข้อมูลเชิงลึกทางธุรกิจ เพื่อความก้าวหน้าในประสิทธิภาพการผลิต
  3. ความรวดเร็ว ว่องไว (Agile) การใช้เทคโนโลยีดิจิทัลเพื่อมอนิเตอร์ประสิทธิภาพการผลิต เพิ่มคุณภาพ เพื่อทำให้การตัดสินใจรวดเร็วยิ่งขึ้น และพร้อมรับมือ แก้ปัญหาต่อสถาณการณ์เฉพาะหน้าอย่างทันท่วงที
1. ความชาญฉลาด (Intelligent)

เพื่อการปรับตัวอย่างมีประสิทธิภาพ ข้อมูลถือเป็นสิ่งสำคัญสำหรับผู้ผลิต การเข้าถึงข้อมูลเชิงลึกแบบเรียลไทม์ สามารถช่วยให้องค์กรขับเคลื่อนและเชื่อมต่อกับลูกค้า ซัพพลายเออร์ และอุปกรณ์ได้อย่างทันท่วงที อีกทั้งเพิ่มประสิทธิภาพเชิงกลยุทธ์ให้เหนือคู่แข่งอีกด้วย

ผู้ผลิตหลายรายที่ประสบความสำเร็จ  ได้นำเทคโนโลยีขั้นสูงมาใช้ อย่างเช่น AI, Machine learning และ Internet of Things (IoT) เพื่อเพิ่มประสิทธิภาพในการรวบรวมข้อมูล ซึ่งเทคโนโลยีเหล่านี้สามารถช่วยให้ตัวชี้วัด (KPI) วัดผลได้ดีขึ้น ทั้งในด้านการผลิต ห่วงโซ่อุปทาน การเงิน และการดำเนินการอื่นๆ ตัวอย่างวิธีการนำข้อมูลมาใช้ในการตัดสินใจ เพื่อเพิ่มความได้เปรียบในการปรับตัว เช่น

  • ผู้ผลิตรายหนึ่งมีการเปลี่ยนกระบวนการทำงานแบบมือ (Manual) มาใช้ระบบการวิเคราะห์แบบใหม่ ที่สามารถวิเคราะห์ข้อมูลเชิงลึก รวมถึงมีการแจ้งเตือนเมื่อเกิดปัญหากับผลิตภัณฑ์หรือกระบวนการ  ซึ่งช่วยลดความเสี่ยงในการเรียกคืนผลิตภัณฑ์ที่มีค่าใช้จ่ายสูง
  • ผู้ผลิตอุปกรณ์ทางการแพทย์รายหนึ่ง ได้ปรับปรุงกระบวนการของระบบ เพื่อการตรวจสอบข้อมูลแบบเรียลไทม์กับซัพพลายเออร์ ส่งผลให้กระบวนการตรวจสอบมีระยะเวลาสั้นลง และคุณภาพการทำงานร่วมกับซัพพลายเออร์ดีขึ้น
2. นวัตกรรม (Innovation)

เพื่อการปรับตัวอย่างมีประสิทธิภาพ ธุรกิจการผลิตจำเป็นต้องคิดค้นนวัตกรรมใหม่ๆ และสร้างสรรค์สิ่งใหม่โดยใช้เทคโนโลยีในการเก็บข้อมูลแบบเรียลไทม์ และใช้ข้อมูลเชิงลึกเหล่านั้นเพื่อพัฒนาประสบการณ์ของลูกค้า ผ่านการเชื่อมต่อด้วยเทคโนโลยี เพื่อเพิ่มความพึงพอใจของลูกค้า และการใช้แอปพลิเคชั่นมาช่วยเพิ่มประสิทธิภาพการดำเนินงานพร้อมทั้งสามารถลดต้นทุนได้

ผู้ผลิตที่ให้ความสำคัญกับนวัตกรรมหลายราย เปลี่ยนมาใช้แอปพลิเคชั่นบน Cloud ที่ Low-code/no-code เพื่อตอบสนองต่อการเปลี่ยนแปลงอย่างรวดเร็ว อีกทั้งใช้การวิเคราะห์ประสิทธิภาพมาพัฒนาแนวคิดใหม่ๆ ให้เข้ากับธุรกิจอย่างรวดเร็ว

ตัวอย่าง: วิธีนำนวัตกรรมมาใช้ เพื่อความได้เปรียบในการปรับตัวทางธุรกิจ

  • ผู้ผลิตบางรายที่เคยสรุปผลรายงานผ่าน Spreadsheet ในรูปแบบกระดาษ เปลี่ยนมาใช้ฟังก์ชั่นการรายงานผ่านดิจิทัล ซึ่งช่วยลดเวลาในการทำงานมากขึ้น อีกทั้งทำให้สามารถกำหนดค่าใช้จ่ายได้แม่นยำยิ่งขึ้นอีกด้วย
  • แพลตฟอร์มการวางแผนอุปสงค์และซัพพลายเชนที่มีความทันสมัยและยืดหยุ่น ช่วยปรับปรุงการคาดการณ์ข้อมูล อีกทั้งลดต้นทุนด้านการดำเนินงาน โดยระบบเหล่านี้สามารถให้ผลตอบแทนจากการลงทุนแบบ 2 ต่อ 1 และช่วยลดสินค้าคงคลังได้อีกด้วย
  • ผู้ผลิตวัสดุบรรจุภัณฑ์รายหนึ่งได้พัฒนาการลดระยะเวลาการรอคอยสินค้าของลูกค้าและสร้างความน่าเชื่อถือในการจัดส่ง โดยเปลี่ยนไปใช้ระบบที่สามารถตรวจสอบข้อมูลผลิตภัณฑ์ที่สามารถติดตามสินค้า ซึ่งกลยุทธ์นี้สามารถสร้างผลกำไรให้แก่ธุรกิจได้มากขึ้น
3. ความรวดเร็ว ว่องไว (Agile)

ผู้ผลิตต้องตอบสนองต่อการเปลี่ยนแปลงทางธุรกิจทั้งภายในและภายนอกอย่างรวดเร็ว ไม่ว่าจะเป็นด้านการวิเคราะห์ ขับเคลื่อนการดำเนินงาน รวมถึงความสามารถในการคำนวณตัวชี้วัด (KPI) เพื่อให้สามารถเพิ่มประสิทธิภาพในด้านแรงงาน เครื่องจักร และกระบวนการได้อย่างต่อเนื่อง

องค์กรที่มีความว่องไว จะช่วยให้การจัดการการเปลี่ยนแปลงกระบวนการเป็นไปได้อย่างรวดเร็ว และสามารถเพิ่มโปรแกรมต่างๆ ที่จำเป็นในองค์กรได้อย่างทันท่วงที นอกจากนี้ยังประหยัดทรัพยากรด้านเทคนิค การสนับสนุน และบริการอีกด้วยตัวอย่าง: ทำอย่างไรให้มีความคล่องตัวมากขึ้น เพื่อความได้เปรียบในการปรับตัว

  • ผู้ผลิตอุปกรณ์ทางการแพทย์ระดับโลกได้ปรับเปลี่ยนและพัฒนาระบบเดิมทั้งหมด ให้สามารถทำงานร่วมกันได้อย่างราบรื่น ระบบที่สามารถจัดเก็บข้อมูลผลิตภัณฑ์ได้หลายขนาดและหลายเวอร์ชั่น ในทุกสาขาทั่วโลก โซลูชั่นนี้ช่วยประหยัดเวลาและค่าใช้จ่าย รวมถึงลดข้อผิดพลาดจากการทำงานแบบมือ (Manual)
  • การย้ายระบบธุรกิจซึ่งเป็นสิ่งสำคัญขององค์กรไปยังระบบ Cloud ช่วยเพิ่มความคล่องตัวให้กับบริษัท ในการช่วยลดความเสี่ยงทางธุรกิจที่อาจเกิดขึ้น ช่วยปรับปรุงประสิทธิภาพการจัดส่ง และลดสินค้าคงคลังได้อย่างมีประสิทธิภาพ
  • ผู้ผลิตระดับโลกรายหนึ่งพิสูจน์แล้วว่าการสร้างมาตรฐานให้ระบบ ช่วยให้มีความยืดหยุ่นในการจัดการกับพนักงาน สามารถตอบสนองต่อความต้องการที่ผันผวนได้อย่างรวดเร็ว

เพื่อการเป็นองค์กรที่ปรับตัวได้อย่างมีประสิทธิภาพ ปัจจัยสำคัญ

1. องค์กรต้องสามารถเชื่อมต่อและเข้าถึงการจัดการของซัพพลายเออร์ได้

สำหรับผู้ผลิตที่มีซัพพลายเออร์กระจายอยู่ทั่วโลก และกำลังทำงานร่วมกับคู่ค้าหลายราย จำเป็นต้องมีระบบที่สามารถติดตามกิจกรรมที่เกิดขึ้นระหว่างกันได้ ไม่ว่าจะเป็นยอดคำสั่งซื้อจากซัพพลายเออร์ การเปลี่ยนแปลงของข้อมูล การติดตามสถานะคำสั่งซื้อ เลขที่ติดตามพัสดุ และสถานะการจัดส่ง เป็นต้น

โดยโซลูชั่นที่เชื่อมต่อการสื่อสารแบบเรียลไทม์ระหว่างผู้ผลิตและซัพพลายเออร์นี้สามารถปรับปรุงการมองเห็นของซัพพลายเชน ซึ่งทำให้ตอบสนองต่อการเปลี่ยนแปลงของอุปสงค์และอุปทานได้รวดเร็วยิ่งขึ้น

2. องค์กรจะต้องสามารถเชื่อมโยงกับซัพพลายเชนได้

ผู้ผลิตหลายรายมีความท้าทายด้านห่วงโซ่อุปทาน เช่น ข้อจำกัดของการเข้าถึงการทำงานของห่วงโซ่อุปทาน คู่ค้าในห่วงโซ่อุปทานนั้น และความผิดพลาดของข้อมูลของการจัดส่ง รวมถึงอาจจัดส่งสินค้าไปผิดที่ ซึ่งการนำข้อมูลมาใช้เพื่อทำการตัดสินใจ ถือเป็นความชาญฉลาดในการดำเนินงานกับซัพพลายเชน นอกจากนี้การใช้ความสามารถในการคาดการณ์และการดำเนินการธุรกิจการผลิต สามารถติดตั้งการควบคุมกระบวนการแบบ end-to-end เพื่อปรับปรุงประสิทธิภาพของการเชื่อมโยงซัพพลายเชนโดยรวมได้ทันท่วงทีด้วยเหตุนี้ผู้ผลิตจึงสามารถทำลายข้อจำกัดกับคู่ค้าในห่วงโซ่อุปทาน และมีความสามารถปรับตัวในห่วงโซ่อุปทานได้อย่างคล่องตัว เพื่อการดำเนินงานที่มีประสิทธิภาพและตอบสนองอย่างรวดเร็วต่อการหยุดชะงักในห่วงโซ่อุปทาน

3. องค์กรต้องมีการจัดการกระบวนการในองค์กรอย่างมีประสิทธิภาพ

สำหรับการจัดการการหยุดชะงักและการเปลี่ยนแปลงให้ดีขึ้น ผู้มีอำนาจตัดสินใจด้านการผลิตจำเป็นต้องเข้าถึงข้อมูลและการวิเคราะห์ทางการเงินแบบเรียลไทม์ โดยข้อมูลเหล่านั้นต้องมีความน่าเชื่อถือและกระบวนการการทำงานต้องมีความยืดหยุ่นเพียงพอที่จะสะท้อนให้เห็นถึงปัญหาและการเปลี่ยนแปลงปัจจุบันโดยระบบธุรกิจที่มีการวางแผนที่ดีจะช่วยให้มั่นใจได้ว่า บริษัทกำลังทำงานจากข้อมูลทางการเงินและการบัญชีที่มีความน่าเชื่อถือ มั่นคง และสามารถปรับเปลี่ยนได้อย่างรวดเร็ว นอกจากนี้โซลูชั่นแบบบูรณาการสามารถรองรับสกุลเงินต่างๆ ได้อย่างครอบคลุม มีมาตรฐานด้านภาษีและการบัญชีในระดับภูมิภาคและระดับท้องถิ่น ซึ่งทำให้ง่ายต่อการนำไปวิเคราะห์และใช้ประโยชน์ด้านอื่นๆ

4. องค์กรจะต้องมีการประยุกต์และปรับเปลี่ยนการผลิตให้เป็นแบบดิจิทัล

การผลิตดิจิทัลไม่ใช่แค่การรวบรวมข้อมูล แต่เป็นการใช้ข้อมูลอย่างมีประสิทธิภาพ โดยการนำเทคโนโลยีดิจิทัลมาช่วยประมวลผลเพื่อเพิ่มประสิทธิภาพในการดำเนินการผลิต การเข้าถึงข้อมูลในการผลิตแบบเรียลไทม์ ความแม่นยำของการประเมินสินค้าคงคลัง การมองเห็นภาพรวมของการผลิต และการใช้ประโยชน์จากสินทรัพย์ที่มีอยู่ เป็นต้นอย่างไรก็ดีผู้ผลิตที่มีประสิทธิภาพ จะมองหาเทคโนโลยีดิจิทัลมาช่วยสนับสนุนในกระบวนการผลิตและตลอดการดำเนินงาน เพื่อใช้เชื่อมโยงการผลิตเข้ากับธุรกิจอื่นๆ อย่างชาญฉลาด อีกทั้งการประยุกต์เทคโนโลยีขั้นสูงมาใช้ เช่น AI, Machine learning, IoT และ Robotic process automation เพื่อช่วยปรับปรุงกระบวนการผลิตให้ทันสมัย นอกจากนี้การใช้เทคโนโลยียังช่วยให้ผู้ผลิตสามารถสื่อสาร วิเคราะห์ และแปรข้อมูล เพื่อให้บรรลุวัตถุประสงค์ด้านต้นทุนและคุณภาพได้ดียิ่งขึ้น

5. องค์กรจะต้องมีการจัดการลูกค้าอย่างสมบูรณ์แบบ

การจัดการลูกค้าถือเป็นประตูสู่ความสำเร็จ ทราบหรือไม่ว่า ลูกค้าของคุณ ประเมินบริษัทของคุณอย่างไร?

จะเห็นได้ว่า ลูกค้ามีความต้องการที่เปลี่ยนแปลงไปอย่างรวดเร็วตลอดเวลา และบ่อยครั้งผู้ผลิตต้องการการมองเห็นกระบวนการทั้งหมดแบบเรียลไทม์ว่าลูกค้าได้รับประสบการณ์ (Customer experience) อย่างไร พอใจหรือไม่ และมีความคิดเห็นอย่างไรเกี่ยวกับสินค้าและบริการ ตั้งแต่การกำหนดราคา ขั้นตอนการสั่งซื้อ ไปจนถึงสินค้าคงคลัง ซึ่งผู้ผลิตจะสามารถตอบสนองต่อลูกค้าได้มากขึ้น หากสามารถรวบรวมข้อมูลเหล่านี้ได้อย่างมีประสิทธิภาพ

ผู้ที่ปรับตัวได้เท่านั้นที่จะก้าวสู่ความสำเร็จ

กุญแจสู่ความสำเร็จของผู้ผลิต คือ การมีระบบธุรกิจที่มีประสิทธิภาพทั้งในด้านความชาญฉลาด (Intelligent) นวัตกรรม (Innovation) และความคล่องตัว (Agile) ซึ่งทั้ง 3 สิ่งนี้จะช่วยให้ธุรกิจการผลิตมีความยืดหยุ่นตามที่ต้องการ เราเรียกบริษัทเหล่านี้ว่า “Adaptive Manufacturing Enterprises”

ทั้งนี้ QAD ได้ทำการเปิดตัวเครื่องมือวิเคราะห์องค์กรด้วย Adaptive Manufacturing Enterprise Maturity Model Diagnostic ให้ผู้ผลิตสามารถนำไปวิเคราะห์ และประเมินองค์กร (คุณสามารถประเมินองค์กรผ่านลิงค์นี้ได้ฟรีhttps://www.qad.com/th-TH/adaptive-manufacturing-enterprise/diagnostic ง่ายๆ กับ 12 คำถาม เพื่อวัดระดับความสามารถในการรับรู้ และปรับตัวให้เข้ากับวิกฤตการหยุดชะงัก เพื่อพร้อมก้าวสู่การเป็นองค์กรที่สามารถปรับตัวได้อย่างมีประสิทธิภาพ ซึ่งจะช่วยให้บริษัท สามารถระบุจุดแข็งและจุดอ่อนของธุรกิจ และวิธีการเพิ่มขีดความสามารถในการเติบโตท่ามกลางการเปลี่ยนแปลงได้อย่างมีประสิทธิภาพ โดยแบ่งออกเป็น 4 ขั้นตอน ที่ QAD เรียกว่า Adaptive Manufacturing Enterprise Maturity Model ได้แก่ 

  1. Disjointed Enterprise
  2. Functional Enterprise
  3. Effective Enterprise และ
  4. Adaptive Manufacturing Enterprise 

ซึ่งจะระบุคุณลักษณะเฉพาะที่เกี่ยวข้องกับความสามารถขององค์กร เพื่อรับมือกับการหยุดชะงักอย่างทันท่วงที

ด้วยการเปลี่ยนแปลงที่มากขึ้น ความรวดเร็วในการตอบสนองคือทุกสิ่งทุกอย่าง ความสามารถในการรับรู้และคาดการณ์ล่วงหน้า มีความจำเป็นอย่างยิ่งที่ผู้ผลิตต้องรู้ให้ทัน การเปลี่ยนการหยุดชะงักให้เป็นข้อได้เปรียบในการแข่งขันเป็นสิ่งสำคัญ

ซึ่ง QAD ได้เปิดตัวเครื่องมือวิเคราะห์องค์กรนี้ ในงานสัมมนาออนไลน์ QAD Tomorrow Thought Stream ในรูปแบบ VDO Stream ไปเมื่อวันที่ 22 กันยายนที่ผ่านมาพร้อมกันทั่วโลก (ชมวิดีโอย้อนหลังได้ที่นี่ https://go.qad.com/AP-TH-FY21-WB-QAD-Tomorrow-th-TH_01-LP-TechTalkThai.html

ในงานมีการนำเสนอแอปพลิเคชั่นของ QAD ที่เกี่ยวข้อง ในการช่วยให้ผู้ผลิตมีความคล่องตัวในการปรับตัวต่อวิกฤตที่เกิดขึ้น การนำข้อมูลมาวิเคราะห์แบบเรียลไทม์ ไม่ว่าจะเป็นเรื่องของ การวางแผนทรัพยากรขององค์กร (ERP) การวางแผนอุปสงค์และซัพพลายเชน (DSCP) การดำเนินการด้านการค้าและการขนส่งทั่วโลก (GTTE) และระบบการจัดการคุณภาพขององค์กร (EQMS) ที่ได้รับการออกแบบมาเพื่อช่วยให้ผู้ผลิตกลายเป็นองค์กรที่สามารถปรับตัวได้อย่างมีประสิทธิภาพ

ซึ่งมิสเตอร์แอนทอล ชิลตัล ซีอีโอ ของคิวเอดี ต้องการที่จะมุ่งเน้นเรื่องราวเกี่ยวกับการรับมือกับการหยุดชะงักที่ไม่คาดคิดในธุรกิจการผลิต รวมถึงความจำเป็นในเผชิญกับการเปลี่ยนแปลงใหม่ๆ และการนำ Digital Transformation มาใช้ประโยชน์ เพื่อให้องค์กรกลายเป็น Adaptive Manufacturing Enterprise อย่างสมบูรณ์

สำหรับธุรกิจและอุตสาหกรรมการผลิตที่ต้องการเป็น “Adaptive Manufacturing Enterprises”หรือสนใจสอบถามเพิ่มเติมระบบ QAD Adaptive ERP สามารถติดต่อทีมงาน QAD ประเทศไทย ได้ที่โทร: 02-202-9369 / 02-202-9363 หรืออีเมล: si3@qad.com  ข้อมูลเพิ่มเติมhttp://www.qad.com/th-TH

เกี่ยวกับบริษัท QAD Inc. – Enabling the Adaptive Manufacturing Enterprise

QAD Inc. เป็นผู้นำในการให้บริการซอฟต์แวร์ Enterprise Resource Planning หรือ ERP บนระบบCloud สำหรับบริษัทผู้ผลิตระดับโลก ในขณะที่ผู้ผลิตทั่วโลกต้องเผชิญกับภาวะการหยุดชะงักที่เพิ่มขึ้นอันเนื่องมาจากนวัตกรรมที่ขับเคลื่อนด้วยเทคโนโลยีและการเปลี่ยนแปลงของความต้องการของผู้บริโภค เพื่อความอยู่รอดและการเติบโตของผู้ผลิต ดังนั้นผู้ผลิตจะต้องสามารถคิดค้นและเปลี่ยนรูปแบบการทำธุรกิจได้อย่างทันท่วงที QAD เรียกบริษัทเหล่านี้ว่า “Adaptive Manufacturing Enterprises” ด้วยโซลูชั่นที่ QAD มี จะช่วยให้ลูกค้าในอุตสาหกรรมยานยนต์ (Automotive), อุตสาหกรรมสินค้าอุปโภคบริโภค (Customer Products), อุตสาหกรรมอาหารและเครื่องดื่ม (Food & Beverage), อุตสาหกรรมสินค้าเทคโนโลยี (High-tech), อุตสาหกรรมหนัก (Industrial) และอุตสาหกรรมด้านอุปกรณ์การแพทย์ ชีวเวชศาสตร์ (Life Sciences) สามารถปรับตัวเข้ากับการเปลี่ยนแปลงและสร้างสรรค์สิ่งใหม่ๆ เพื่อความได้เปรียบในการแข่งขันอย่างรวดเร็ว

ซอฟต์แวร์ QAD Adaptive ERP สนับสนุนการบริหารจัดการธุรกิจขององค์กรโดยรวม ทั้งดานการผลิต ซัพพลายเชน การเงิน การวิเคราะห์ข้อมูล กระบวนการบริหารจัดการธุรกิจ และการวางแผนทรัพยากรในองค์กร ให้มีประสิทธิภาพสูงสุด

บริษัท QAD ก่อตั้งขึ้นในปี พ.ศ. 2522 และ มีสำนักงานใหญ่อยู่ที่เมืองซานตา บาบาร่า ในรัฐแคลิฟอเนียร์ ประเทศสหรัฐอเมริกา และมีสำนักงาน 29 แห่งทั่วโลก รวมทั้งสาขาในประเทศไทย ซึ่งก่อตั้งมากว่า 40 ปี บริษัท ผู้ผลิตกว่า 2,000 รายได้ปรับใช้โซลูชัน QAD รวมถึงการวางแผนทรัพยากรองค์กร (ERP) การวางแผนอุปสงค์และซัพพลายเชน (DSCP) การดำเนินการค้าและการขนส่งทั่วโลก (GTTE) และระบบการจัดการคุณภาพ (QMS) เพื่อกลายเป็น Adaptive Manufacturing Enterprise

เขียนโดย : ผู้เชี่ยวชาญจาก QAD Inc.

เรียบเรียงโดย : จีรชญา อัคนิพัชร , Marketing Communications Manager, South Asia : QAD (Thailand) Ltd.

from:https://www.techtalkthai.com/qad-new-normal-adaptive-manufacturing-enterprise-erp/

YouTube ขยายการใช้ machine learning ให้ระบุวิดีโอไม่เหมาะกับเยาวชนได้

YouTube ใช้ระบบอัตโนมัติและ ML ในการระบุวิดีโอไม่เหมาะสมอยู่แล้ว ล่าสุดประกาศจะขยายการใช้งาน ML ให้ช่วยเพิ่มการจำกัดอายุบนวิดีโอที่อาจไม่เหมาะสมกับเด็กและเยาวชนได้อัตโนมัติ

หากผู้อัปโหลดคลิปพบว่าคลิปตัวเองถูกระบุอย่างไม่ถูกต้องก็สามารถร้องเรียนได้ นอกจากนี้ YouTube ยังบอกว่าจะเพิ่มความสามารถป้องกันไม่ให้เด็กๆ ดูวิดีโอที่ไม่เหมาะสมกับช่วงวัยได้ง่ายจนเกินไป เช่นหากเป็นวิดีโอที่ถูกฝังอยู่บนเว็บไซต์อื่น Google จะเปลี่ยนเส้นทางไปยัง YouTube ที่จำเป็นต้องลงชื่อเข้าใช้เพื่อพิสูจน์ว่าผู้ใช้มีอายุเกิน 18 ปี

No Description

ด้านมาตรการป้องกันในยุโรป YouTube ระบุว่าจะแนะนำขั้นตอนการยืนยันอายุใหม่ในเดือนถัดไป ผู้ใช้ในยุโรปบางรายอาจถูกขอให้แสดงหลักฐานเพิ่มเติมเกี่ยวกับอายุเมื่อพยายามรับชมเนื้อหาสำหรับผู้ใหญ่ ให้ต้องแสดงบัตรประจำตัวหรือบัตรเครดิตที่ถูกต้องเพื่อยืนยันอายุ

ที่มา – YouTube

from:https://www.blognone.com/node/118593

Oracle เปิด Open Source ให้ Tribuo ชุด Machine Learning Library สำหรับ Java

Oracle ได้ออกมาประกาศเปิด Open Source ให้กับ Tribuo ชุด Machine Learning Library สำหรับภาษา Java โดยเฉพาะที่พัฒนาโดยทีม Oracle Labs ภายใต้ License แบบ Apache 2.0

Credit: Tribuo

เป้าหมายของ Oracle คือการทำให้การสร้างและใช้งาน Machine Learning Model ด้วยภาษา Java นั้นกลายเป็นเรื่องที่ง่ายดายยิ่งขึ้น โดยภายใน Tribuo นี้จะรองรับความสามารถพื้นฐานในการทำ Machine Learning อย่างเช่นอัลกอริธึมสำหรับ Classification, Clustering, Anomaly Detection และ Regression เอาไว้ รวมถึงยังมี Pipeline สำหรับการ Load และ Transform ข้อมูล รวมถึงการประเมินผลเพื่อใช้ในงานประเภท Prediction ได้ด้วย

นอกจากความสามารถพื้นฐานแล้ว Tribuo นี้ยังมีการจัดเก็บสถิติของข้อมูลที่ถูกป้อนเข้ามาด้วย ทำให้ Tribuo สามารถระบุช่วงของค่าในชุดข้อมูลได้ ทำการตั้งชื่อ Feature ได้ กำหนด Feature ID และ Output ID ไม่ให้ชนกันได้ ช่วยให้ทำงานง่ายขึ้น อีกทั้งยังสามารถรับรู้ได้เมื่อมีการป้อน Feature ใหม่ๆ เข้ามาในระบบ ทำง่ายต่อการทำงานประเภท Natural Language Processing หรือ NLP มากขึ้น รวมถึงยังทำความเข้าใจกับค่าของข้อมูลได้ด้วย เช่น ถ้าหากพบค่าที่เก็บข้อมูลเป็น Float ระบบก็จะทำการวิเคราะห์ว่าค่านั้นคือความน่าจะเป็น หรือเป็น Regression Value หรือเป็น Cluster ID และยังมีความสามารถอื่นๆ อีกมากมายนอกเหนือจากนี้

Oracle มองว่า Tribuo จะเข้ามาช่วยเติมเต็มช่องว่างให้กับตลาด Machine Learning สำหรับธุรกิจองค์กรได้ เช่น อาจใช้งานร่วมกับ TensorFlow เพื่อให้ Tribuo เสริมเรื่องการทำ Machine Learning เพิ่มเติม โดย Tribuo นี้ก็มีขนาดเล็ก สามารถใช้งานได้แม้บนอุปกรณ์คอมพิวเตอร์เพียงชุดเดียว โดยรองรับการทำงานร่วมกับ Java 8 เป็นต้นไป

Tribuo สามารถทำงานร่วมกับ TensorFlow ได้ และมี Interface เชื่อมต่อกับ XGBoost และ ONNX ได้ ทำให้สามารถนำโมเดลที่เคยมีอยู่บนระบบอื่นๆ มาใช้งานได้ทันที

Oracle ได้ใช้งาน Tribuo เองแล้วในบางผลิตภัณฑ์ เช่น Oracle Fusion Cloud ERP เพื่อทำระบบ Document Recognition

ผู้ที่สนใจรายละเอียดเพิ่มเติมเกี่ยวกับ Tribuo สามารถศึกษาข้อมูลได้ที่ https://tribuo.org/ และ https://github.com/oracle/tribuo ครับ

ที่มา: https://www.arnnet.com.au/article/682955/oracle-open-sources-java-machine-learning-library/

from:https://www.techtalkthai.com/oracle-open-sources-tribuo-java-machine-learning-library/

Google เผย DeepMind AI ช่วยให้ Google Maps สามารถคาดคะเนเวลาเดินทางได้แม่นยำกว่าเดิม

ถือว่าโชคดีมากที่เราเกิดมาในยุคที่แอปพลิเคชั่นนำทางอย่าง Google Maps ทำให้การใช้ชีวิตประจำวันง่ายขึ้นอย่างมาก แค่เราเปิดแอปขึ้นมาและใส่จุดหมายที่ต้องการไป ก็จะมีข้อมูลเช่นเส้นทางที่ควรใช้ ปริมาณรถสัญจร และสภาพจราจรระหว่างทาง ไปจนถึงเวลาโดยประมาณของการเดินทาง (ETA) ซึ่งน่าจะมีหลาย ๆ คนที่สงสัยว่า เอ…ทำไม Google Maps ถึงรู้เวลาประมาณการเดินทางไปสถานที่ต่าง ๆ เหล่านี้ได้นะ? วันนี้ Google ก็ได้ออกมาเปิดเผยวิธีการคาดคะเนเวลาเดินทางของ Maps ให้ดูกันแแล้วครับ ว่ามันใช้วิธีอะไรในการคำนวณ

ในกว่า 220 ประเทศทั่วโลกมีคนขับรถเป็นระยะทางมากกว่า 1 พันล้านกิโลเมตรในทุก ๆ วัน และด้วยความร่วมมือระหว่าง Google กับ Deepmind AI บริษัทระบบปัญญาประดิษฐ์สัญชาติอังกฤษที่ได้รวบรวมข้อมูลการเดินทางจากแหล่งข้อมูลทั้งหลาย นำมาทำการคำนวณ และประมวลผลเพื่อที่จะสามารถคาดคะเนสภาพการจราจรในขณะนั้นได้ ซึ่งข้อมูลเหล่านี้ประกอบไปด้วยข้อมูลสถานการณ์จราจรแบบ real-time ที่เก็บมาจากอุปกรณ์ Android ในบริเวณนั้น เช่นข้อมูลจราจรในช่วงเวลาที่ผ่านมา, ข้อมูลของการจำกัดความเร็วในบริเวณดังกล่าว, ข้อมูลการก่อสร้างอาคาร หรือถนน

นอกจากนี้ยังรวมถึงข้อมูลของสภาพ ขนาด และทิศทางของถนนที่ใช้อีกด้วย เนื่องจาก Google จะคำนวณไปถึงสถาพของถนนที่ลาดยางแล้ว กับถนนที่ยังไม่ลาดยางซึ่งจะส่งผลต่อความเร็วในการขับขี่นั่นเอง

ด้วยตัวอย่างข้อมูลที่ได้กล่าวไปข้างต้น Deepmind AI จะสามารถคำนวณข้อมูลเหล่านี้ และคาดคะเนสภาพการจราจรกับระยะเวลาการเดินทางได้อย่างแม่นยำผ่านระบบ Neural Network ซึ่งมีหลักการทำงานคล้าย ๆ สมองมนุษย์ ที่สามารถเรียนรู้จากข้อมูลต่าง ๆ แล้วประเมินผลลัพท์ออกมาได้อย่างแม่นยำ ซึ่งทาง Google ก็ยังได้เคลมเพิ่มอีกด้วยว่าการใช้ Deepmind AI มาช่วย ทำให้ Google Maps มีความแม่นยำในการคำนวณเวลาการเดินทางมากขึ้นถึง 50% ในบางเมือง (21% ในประเทศไทย) อีกทั้งในช่วงโรคระบาด COVID-19 ที่การจราจรเบาบางลงไป ก็ได้มีการใช้ชุดข้อมูลที่แตกต่างจากปกติเพื่อความแม่นยำมากขึ้นอีกด้วย

อัตราความแม่นยำของการคาดคะเนเวลาเดินทางที่เพิ่มขึ้นในแต่ละประเทศ

Deep Mind AI ทำงานโดยการแบ่งแผนที่ออกเป็นส่วน ๆ เรียกว่า “Supersegments” ซึ่งแต่ละส่วนจะประกอบไปด้วยสภาพการจราจรจากถนนหลาย ๆ สายที่อยู่ใกล้กัน ซึ่งแต่ละช่องของ Supersegments จะมี Neural Network แยกเป็นของตัวเอง และจะทำหน้าที่เก็บข้อมูลเมื่อมีรถผ่านจุดนั้น ๆ แล้วรวบรวมข้อมูลเฉลี่ยของเวลาที่รถแต่ละคันใช้ในการวิ่งผ่านแต่ละ Supersegment เพื่อเอาไปคำนวณเวลาการเดินทางของถนนแต่ละส่วนอีกทีนึง

แม้ว่า Google จะไม่ได้ระบุเอาไว้แบบละเอียด ๆ ว่าแต่ละ Supersegments ใช้พื้นที่ข้อมูลมากเท่าไหร่ แต่ก็แย้ม ๆ ออกมาว่ามันมีขนาดที่ “มโหฬาร” เลยทีเดียว เพราะข้อมูลการจราจรเหล่านั้นมีการเปลี่ยนแปลงอยู่ตลอดเวลา ซึ่งข้อมูลที่เปลี่ยนแปลงไปแต่ละครั้งจะกินพื้นที่ในระดับ Terabyte เลยทีเดียว ทำให้ Google ต้องใช้ระบบ Neural network อย่างเช่น Graph Neural Network มาช่วยในการประมวลผลอีกแรง

ตามหลักแล้ว เครื่องมือจำพวก Machine Learning จะเรียนรู้ได้ไวและมีประสิทธิภาพมากยิ่งขึ้นหากได้รับข้อมูลตัวอย่างเป็นจำนวนมากอยู่เรื่อย ๆ เพราะฉะนั้นถ้าทั่วโลกยังคงใช้ Google Maps กันต่อไปเรื่อย ๆ รับรองว่าการคำนวณเส้นทางรวมถึงข้อมูลต่าง ๆ ของ Google Maps ในอนาคตจะต้องแม่นยำมากขึ้นแน่นอนครับ 😆

 

Source: Deepmind Via TheVerge 

from:https://droidsans.com/google-maps-enhance-their-eta-feature-through-deepmind-ai-machine-learning/

[Guest Post] TIC ไทยประกันภัย ยกเครื่อง Thaiins.com ครั้งใหญ่ พร้อมเดินหน้า Open Insurance API

ความท้าทายใหม่เกิดขึ้นมากมาย สำหรับ TIC ไทยประกันภัย โดยในปี 2563 นี้ ได้เร่งเครื่องปล่อยนวัตกรรมใหม่ ๆ ออกมาอย่างต่อเนื่อง ล่าสุดภายใต้ TIC Lab แล็บนวัตกรรมของ TIC ไทยประกันภัย ได้ยกเครื่องเว็บไซต์ www.thaiins.com สู่การเป็นแพลตฟอร์มประกันภัยรูปแบบใหม่ ที่ตอบโจทย์ลูกค้าในยุคดิจิทัลด้วยนวัตกรรมต่างๆ อาทิ Machine Learning และ TIC Chatbot รวมทั้งพร้อมลุย Open Insurance API เพื่อก้าวสู่การเป็น Thailand’s no. 1 innovative insurer ตอกย้ำคอนเซ็ปต์ “ประกันจะไม่เหมือนเดิมอีกต่อไป”

 

ดร.มหัทธนะ อัมพรพิสิฏฐ์ กรรมการผู้จัดการ บริษัท ไทยประกันภัย จำกัด (มหาชน) เปิดเผยว่า ในยุคที่โลกธุรกิจมี Disruption กันอย่างรวดเร็ว TIC ไทยประกันภัย จึงต้องสร้างจุดแข็งในเรื่องนวัตกรรมแบบก้าวกระโดดให้บริษัทเป็น “มากกว่าประกัน” เพราะนอกจากการแข่งขันทางธุรกิจประกันแล้ว พฤติกรรมของผู้บริโภคเองก็เปลี่ยนแปลงอยู่ตลอดเวลาจาก Mobile First สู่ AI First ทาง TIC จึงไม่รอช้า ปรับใช้ Business Model ที่ตอบโจทย์ผู้บริโภคได้ตรงจุดมากขึ้น การเปิดตัว www.thaiins.com ในครั้งนี้ถือเป็นการ Transform ครั้งยิ่งใหญ่ให้แก่แพลตฟอร์มออนไลน์ขององค์กรเลยทีเดียว

“สิ่งหนึ่งที่ TIC ยังคงยึดมั่นก็คือการมอบความมั่นใจให้กับผู้บริโภค เหมือนกับที่เราดูแลคนไทยมาตลอด 82 ปี และ TIC ยังคงไม่หยุดนิ่งอยู่ในกรอบเดิมๆ Business Model ของเราที่เน้นการมี Innovation ที่กำลังเดินแผนอยู่นี้ พร้อมพา ลูกค้า พาร์ทเนอร์ ตัวแทน นายหน้าและ TIC เองสู่ Digital Transformation ไปด้วยกันอย่างเต็มตัว ด้วยนวัตกรรมใหม่ๆ ที่ยกระดับวงการประกันของเมืองไทยครับ” ดร.มหัทธนะกล่าว

ยกเครื่องเว็บใหม่ ตรงใจลูกค้ายิ่งขึ้น

TIC เข้าใจถึงปัญหาและความยุ่งยากที่ผู้บริโภคต้องเผชิญในการเลือกหาและตัดสินใจซื้อประกัน ทีมงานของ TIC Lab ที่ดูแล UX และ UI ของ http://www.thaiins.com จึงให้ความสำคัญกับ Customer Journey เป็นอย่างมาก เพื่อสร้างเส้นทางที่ราบรื่นที่สุดในการเชื่อมต่อองค์กรและผู้บริโภค ไม่เพียงเท่านั้นทีมนวัตกรรมยังได้ดีไซน์ฟังก์ชั่นที่ช่วยให้ Journey บนแพลตฟอร์มใหม่นี้ ตอบโจทย์มากยิ่งขึ้น

  • Machine Learning for Personalized Experience แมชชีนเรียนรู้พฤติกรรมของผู้บริโภคผ่านอัลกอริทึ่มหลังบ้าน ทุกครั้งที่ผู้บริโภคกลับเข้ามายังหน้าเว็บไซต์ ระบบจะประมวลผลข้อมูลที่มีและแสดงผลข้อมูลต่างๆ ที่ตรงตามความสนใจของผู้ใช้แต่ละคนอย่างแม่นยำและรวดเร็ว ช่วยผู้บริโภคประหยัดเวลาและสร้างความใกล้ชิดระหว่างองค์กรและลูกค้าอีกด้วย
  • Platform For All พื้นที่ที่ออกแบบมาสำหรับทุกคน ด้วยอินเตอร์เฟซที่ใช้งานง่าย อัดแน่นด้วยบริการและข้อมูลที่ TIC นำเสนอให้กับผู้บริโภค เรียกได้ว่า thaiins.com คือ นวัตกรรมของ TIC ที่เพียงไม่กี่คลิกก็ เช็กเบี้ย จ่ายง่าย และคุ้มครองทันที
  • TIC Chatbot ฟีเจอร์สนทนาอัตโนมัติ ที่ TIC Lab ออกแบบมาเป็นพิเศษเพื่อช่วยเหลือผู้บริโภคในการตอบคำถามและข้อสงสัยอย่างละเอียดและแม่นยำ ตลอด 24 ชั่วโมง นอกจากนี้ TIC Chatbot ยังช่วยสร้างความสัมพันธ์ที่เป็นมิตรระหว่างองค์กรและผู้บริโภคได้อีกด้วย  

Open Insurance API รายแรกของไทย โจทย์ใหญ่ TIC

เมื่อโจทย์ใหญ่ของ TIC ไทยประกันภัย คือการ Own Territory ในการเป็น Thailand’s no. 1 innovative insurer เจ้าแรกในประเทศไทย โปรเจกต์ที่ท้าทายที่สุดคือสร้าง TIC เป็นศูนย์กลางของการพัฒนานวัตกรรมประกันในทุกด้าน โครงการ Open Insurance API จึงได้เริ่มต้นขึ้นด้วยการนำของทีม TIC Lab ที่ขณะนี้พร้อมสำหรับ Developer, Partner, Broker และ Startup เข้าร่วมพัฒนาระบบและนำเสนอนวัตกรรมใหม่ๆ แล้ว ผ่าน https://openapi.thaiins.co.th/developer/  

ในเฟสแรก OPEN API ที่ TIC พร้อมให้ผู้สนใจเข้ามาร่วมพัฒนาคือ Insurance Service ที่นำบริการด้านผลิตภัณฑ์ ช่วยคำนวณเบี้ย ออกใบเสนอราคาและกรมธรรม์ออนไลน์ และ Utility Service บริการการตรวจสอบข้อมูลและยืนยันตัวตนผู้ใช้งาน การพัฒนาและเปิดใช้ Open Insurance API นี้จะเป็นประโยชน์ในหลายด้านให้กับนายหน้าและคู่ค้า อาทิ การพัฒนา E-Commerce การดึงจำนวนผู้ใช้งานเข้าสู่เว็บไซต์ รวมไปถึงการรับส่งข้อมูลระหว่างเครือข่ายที่สะดวกมากกว่าเดิม

“การ Implement API หรือ Web Service แบบเดิมจะใช้เวลาค่อนข้างนาน โดยโปรเจกต์ Open Insurance API นี้จึงเกิดขึ้น เพื่อร่นระยะเวลาในการ Implement ของ developer ให้สั้นลง และสามารถร่วมคิดค้นและสร้างสรรค์ผลิตภัณฑ์และบริการที่ทันสมัยให้กับวงการประกันภัยได้โดยอิสระ สามารถคอนเนค TIC กับพาร์ทเนอร์คู่ค้าได้ง่ายขึ้น ตอบโจทย์ความต้องการของ Insurers ยุคดิจิทัลอย่างรวดเร็ว พร้อมกับขยายฐานลูกค้าของ TIC ให้กว้างขึ้นกว่าเดิมครับ” ดร.มหัทธนะกล่าว  

ติดตามข่าวสารและผลิตภัณฑ์ TIC ไทยประกันภัย ได้ที่ Facebook พี่ช้างไทยประกันภัย, เว็บไซต์พี่ช้างออนไลน์, LINE (ติดต่อซื้อประกันภัย) @Pchang, Call Center โทร. 02-613-0123 (ทุกวัน ตลอด 24 ชั่วโมง) หรือ แจ้งอุบัติเหตุสายด่วน โทร. 1309

 

เกี่ยวกับบมจ.เครือไทย โฮลดิ้งส์

บมจ.เครือไทย โฮลดิ้งส์ (SEG) จดทะเบียนก่อตั้งเป็นบริษัทมหาชน เมื่อวันที่ 29 มิถุนายน 2561 มีลักษณะการประกอบธุรกิจหลักโดยการถือหุ้นในบริษัทอื่น (Holding Company) ลงทุนในบริษัทที่ประกอบธุรกิจประกันชีวิต ธุรกิจประกันภัย ธุรกิจลีสซิ่ง และธุรกิจอื่นๆ ที่มีความสามารถในการสร้างรายได้ที่มั่นคงและยั่งยืน บริษัทฯ มีการลงทุนในบริษัทที่ประกอบธุรกิจหลัก 3 ธุรกิจ กล่าวคือ ธุรกิจประกันชีวิต ธุรกิจประกันภัย และธุรกิจลีสซิ่ง ได้แก่ ธุรกิจประกันชีวิต ผ่านบริษัท อาคเนย์ประกันชีวิต จำกัด (มหาชน) ธุรกิจประกันวินาศภัย ผ่านบริษัท อาคเนย์ประกันภัย จำกัด (มหาชน) และบริษัท ไทยประกันภัย จำกัด (มหาชน) ธุรกิจลีสซิ่ง ผ่านบริษัท อาคเนย์แคปปิตอล จำกัด

from:https://www.techtalkthai.com/tic-open-new-website-thaiins-and-insurance-api/

Avalant Webinar: Machine จะช่วยเราตัดสินใจทางธุรกิจได้ดีกว่าไหม?

Avalant และ IBM Thailand ขอเชิญผู้ที่สนใจร่วมฟัง Webinar ในหัวข้อ “Machine จะช่วยเราตัดสินใจทางธุรกิจได้ดีกว่าไหม?​” เพื่อเรียนรู้การประยุกต์เทคนิค Decision Management และ Machine Learning มาช่วยตัดสินใจและเพิ่มประสิทธิภาพในการดำเนินธุรกิจในทุกอุตสาหกรรม โดยมีกำหนดการ และรายละเอียดการลงทะเบียนเข้าร่วมงานสัมมนาออนไลน์ฟรี ดังนี้

รายละเอียดการบรรยาย

หัวข้อ: Machine จะช่วยเราตัดสินใจทางธุรกิจได้ดีกว่าไหม?​
ผู้บรรยาย: คุณกชกร นิยมศิลป์ชัย Cloud Integration, IBM Partner Ecosystems  และ คุณเยาวภา วงศ์มาสา Chief Technology Officer, Avalant
วัน: 28 สิงหาคม 2020 (ศุกร์)
เวลา: 14:00 – 15:30 
ช่องทางการบรรยาย: Online Web Conference
จำนวนผู้เข้าร่วมสูงสุด: 500 คน
ภาษา: ไทย
ลงทะเบียน: https://zoom.us/webinar/register/WN_ZDm0LgeiSYG_Ew1tEw2xdg

ตลอดทศวรรษที่ผ่านมาเทคโนโลยีปัญญาประดิษฐ์ (Artificial Intelligence – AI) ได้เข้ามาโลดแล่นในบทบาทที่สำคัญในทุกภาคส่วน ทุกมุมของโลก เทคโนโลยีดังกล่าวในหลายๆรูปแบบ ตั้งแต่ระบบบริหารการตัดสินใจ ไปจนถึง Machine Learning (ML) ที่ทำงานอย่างอัตโนมัติถูกนำไปประยุกต์ใช้งานอย่างหลากหลาย เช่น การจัดทำคะแนนเครดิต การกำหนดอัตราดอกเบี้ยจากความเสี่ยง การปรับค่าสินไหมทดแทน การติดตามโรคระบาด และอื่นๆที่เหนือไปกว่านั้น ธุรกิจจะนำ Machine มาทำงานร่วมกับมนุษย์อย่างราบรื่นได้อย่างไร? ติดตามคำตอบได้ใน Webinar ครั้งนี้

งานสัมมนาครั้งนี้เหมาะกับ CEO, CIO, CTO, Business and Digital Leader, นักออกแบบสถาปัตยกรรม IT, ผู้เชี่ยวชาญด้าน AI, ผู้ให้คำปรึกษาธุรกิจ, นักพัฒนาซอฟต์แวร์และคลาวด์ และทุกท่านที่สนใจนำเทคโนโลยี AI และ ML ไปใช้กับธุรกิจ

ในการสัมมนานี้ คุณจะได้เรียนรู้ในหัวข้อดังต่อไปนี้
  • จะประยุกต์เทคนิค Decision Management และ Machine Learning ไปใช้งานในการดำเนินธุรกิจอย่างไร
  • กรณีศึกษาในอุตสาหกรรมธนาคาร ประกันภัย การแพทย์ การศึกษา พลังงาน การผลิต และการใช้งานในภาครัฐ
  • เทคโนโลยีที่ธุรกิจต้องมีในการนำ AI ไปใช้งาน
  • กลยุทธ์การ Implement ระบบ และปัจจัยที่จะทำให้โครงการสำเร็จลุล่วงด้วยดี

โดยในช่วงของการสัมมนา ทีมงาน Avalant พร้อมตอบทุกคำถามและข้อสงสัยให้กับทุกท่าน

สนใจลงทะเบียนเข้าร่วมงานได้ฟรีทันที

ลงทะเบียน

from:https://www.techtalkthai.com/avalant-webinar-will-machine-make-better-business-decision-ai-ml/

[Video Webinar] Digital Data Transformation EP #2: พลิกโฉมธุรกิจองค์กรโดยใช้ AI สนับสนุน

สำหรับผู้ที่ไม่ได้เข้าฟังสัมมนาออนไลน์เรื่อง “Digital Data Transformation EP #2: พลิกโฉมธุรกิจองค์กรโดยใช้ AI สนับสนุน” พร้อมแนะนำการใช้ AI ในการบริหารจัดการและเฝ้าระวังข้อมูลบน Hybrid Multicloud แบบเชิงรุก ที่เพิ่งจัดไปเมื่อสัปดาห์ที่ผ่านมา หรือต้องการรับชมการบรรยายซ้ำอีกครั้ง สามารถเข้าชมวิดีโอบันทึกย้อนหลังได้ที่บทความนี้ครับ

จากสถานการณ์ปัจจุบัน หลายองค์กรเริ่มตระหนักถึงความสำคัญของข้อมูลและนำข้อมูลที่มึอยู่มาใช้ให้เกิดประโยชน์ ไม่ว่าจะเพื่อเข้าใจความต้องการของลูกค้า สร้างสรรค์ประสบการณ์ใหม่ หรือสร้างความได้เปรียบทางธุรกิจเหนือคู่แข่ง การนำเทคโนโลยี Artificial Intelligent, Machine Learning และ Deep Learning เข้ามาช่วยเสริมความสามารถทางด้านธุรกิจกลายเป็นประเด็นอันดับต้นๆ ที่ผู้บริหารของแต่ละองค์กรเริ่มกล่าวถึง ในขณะที่บางองค์กรก็เริ่มนำเข้ามาประยุกต์ใช้งานกันบ้างแล้ว ไม่ว่าจะเป็นการใช้งานภายใน Data Center ขององค์กรเอง หรือใช้ผ่านเครื่องมือบน Hybrid Multicloud

NetApp เป็นผู้นำโซลูชันในการบริหารจัดการข้อมูลที่ช่วยสนับสนุนองค์กรในการทำ Digital Transformation รวมไปถึงเตรียมความพร้อมในการสร้างสภาวะแวดล้อมแบบ Hybrid Multicloud ให้กับองค์กร มาพร้อมกับโซลูชันประสิทธิภาพสูง รองรับการเติบโตของระบบ และมีความสามารถในการบริหารจัดการ รับส่งข้อมูลไปยัง Public Cloud ชั้นนำด้วยเทคโนโลยี DataFabric ของ NetApp

ภายใน Webinar นี้ท่านจะได้พบกับการบรรยายดังต่อไปนี้

  • การพลิกโฉมธุรกิจขององค์กรโดยใช้เทคโนโลยี AI เข้ามาสนับสนุน
  • รู้จักกับสถาปัตยกรรมแบบ AI Control Plane
  • การใช้ AI ในการบริหารจัดการและเฝ้าระวังข้อมูลบน Hybrid Multicloud แบบเชิงรุก

from:https://www.techtalkthai.com/video-webinar-digital-data-transformation-ep-2-building-ai-powered-organization/

งานวิจัยของ IDC ชี้ ! แพลตฟอร์มการวิเคราะห์เครือข่ายเชิงลึก จะสร้างประโยชน์ให้องค์กรได้อย่างแท้จริง

ปัจจุบันผู้ดูแลเน็ตเวิร์กในระดับองค์กรต่างเผชิญกับข้อมูลปริมาณมหาศาล ไม่ว่าจะเกี่ยวกับสถานะ หรือประสิทธิภาพของเน็ตเวิร์กเอง แต่การดึงข้อมูลเหล่านี้มาใช้ประโยชน์ได้อย่างเต็มที่นั้นถือเป็นความท้าทายอย่างมาก ซึ่งจำเป็นต้องอาศัยแพลตฟอร์มวิเคราะห์ข้อมูลที่ได้รับการสนับสนุนจากเทคโนโลยีแมชชีนเลิร์นนิ่ง และความสามารถในการทำงานผ่านคลาวด์ยุคใหม่ด้วย ซึ่งตรงกับงา

ความสำคัญของความสามารถในการมองเห็นและการวิเคราะห์เครือข่าย

เครือข่ายระดับองค์กรนั้นถือว่ามีบทบาทสำคัญอย่างมากต่อการสร้างสรรค์เทคโนโลยีใหม่อย่างที่ไม่เคยเป็นมาก่อน ไม่ว่าจะเป็นการเชื่อมต่อที่จำเป็นอย่างยิ่งสำหรับทั้งเทคโนโลยี ระบบไอที และการใช้งานทางธุรกิจรูปแบบใหม่ที่สำคัญโดยเฉพาะการใช้เทคโนโลยีที่กำลังเป็นกระแส เป็นตัวปฏิวัติการทำงานยุคใหม่อย่างคลาวด์คอมพิวติง บิ๊กดาต้า และสถาปัตยกรรมเครือข่ายที่เน้นการใช้งานผ่านอุปกรณ์พกพาเป็นหลัก สิ่งเหล่านี้ทาง IDC เรียกว่าเทคโนโลยีแพลตฟอร์มที่ 3 (3rd Platform) เป็นความท้าทายใหม่ ทำให้ทีมงานที่ดูแลต้องใช้ความอุตสาหะในการให้เครือข่ายดังกล่าวตอบสนองความต้องการทั้งหลายของธุรกิจได้มากขึ้น

องค์กรทั้งหลายเริ่มเข้าใจกันมากขึ้นแล้วว่า ข้อมูลที่เกิดจากระบบเครือข่ายนั้นมีคุณค่ามาก แต่การรวบรวมข้อมูลดังกล่าวนั้นนั้นกลับยากมากขึ้น ทั้งนี้อันเนื่องมาจากเหตุผลหลายประการ แต่ปัจจุบันองค์กรได้ผสานการจัดการเครือข่าย LAN ทั้งแบบใช้สายและไร้สายให้เป็นหนึ่งเดียวกันมากขึ้น ครอบคลุมไปถึงเครือข่ายของสำนักงานสาขาและที่ใช้เชื่อมต่อกับอุปกรณ์ Internet of Things (IoT) เป็นต้น ในขณะเดียวกัน เมื่อไม่กี่ปีที่ผ่านมาเราต่างได้ใช้ฟีเจอร์เพิ่มเติมจำนวนมากที่ใช้ตรวจสอบและวิเคราะห์การดำเนินงานของเน็ตเวิร์ก จนทำให้เครือข่ายองค์กรสร้างข้อมูลปริมาณมหาศาลออกมา โดยแทบทุกการเชื่อมต่อบนเครือข่ายต่างเป็นการสร้างข้อมูลและเมต้าดาต้าตามมา ซึ่งเป็นข้อมูลที่สามารถจัดเก็บ รวมรวบ จัดกลุ่ม และนำไปวิเคราะห์ต่อได้

แต่การจะนำข้อมูลมาใช้ได้แบบนั้นจำเป็นต้องทำผ่านแพลตฟอร์มเฉพาะ เนื่องจากถ้าเราไม่มีระบบสำหรับรวบรวมและวิเคราะห์ข้อมูลดังกล่าว จะทำให้เราจับต้นชนปลายอะไรไม่ได้เลย สำหรับในภาพที่ 1 นี้แสดงถึง สิ่งที่องค์กรต้องการมากที่สุดจากระบบจัดการประสิทธิภาพเครือข่ายของตัวเอง

ภาพที่ 1: ปัจจัยหลักที่มีผลต่อการเลือกระบบจัดการประสิทธิภาพเครือข่าย

แมชชีนเลิร์นนิ่ง (ML) และเทคโนโลยีสมองกล (AI) มีผลต่อความสามารถในการมองเห็นและวิเคราะห์ข้อมูลอย่างไร

หนึ่งในเทรนด์ที่สำคัญมากที่สุดที่มีผลกระทบต่อความสามารถในการมองเห็นและวิเคราะห์เครือข่ายก็คือ การเกิดขึ้นของอัลกอริทึมแมชชีนเลิร์นนิ่งหรือ ML และเทคโนโลยีสมองกล (AI) ซึ่งความสามารถของอัลกอริทึมนี้ขึ้นกับข้อมูลเป็นหลัก ยิ่งมีข้อมูลมากเท่าไร ก็ยิ่งมีประสิทธิภาพมากขึ้นเท่านั้น จุดนี้จึงทำให้ระบบอนาไลติกสำหรับเครือข่ายนั้นเหมาะอย่างยิ่งกับการนำเทคโนโลยี ML มาใช้เพื่อยกระดับประสิทธิภาพการจัดการ และให้ข้อมูลที่นำมาใช้ประโยชน์ได้จริง

โดยในภาพที่ 2 นี้กล่าวถึงประโยชน์ที่คาดหวังได้ ที่บรรดาคนทำงานด้านไอทีระดับองค์กรมองเห็นจากการนำเทคโนโลยีที่ใช้ ML และ AI มาใช้กับการจัดการเครือข่าย

ภาพที่ 2: สิ่งที่สำคัญที่สุดสำหรับระบบออโตเมชั่นบนเครือข่ายที่ใช้ AI

หนึ่งในจุดแข็งของ AI คือการจดจำความผิดปกติของข้อมูล เวลาที่แพลตฟอร์ม ML คอยตรวจสอบสภาพแวดล้อมการทำงานอย่างต่อเนื่อง ก็จะเรียนรู้ว่าพฤติกรรมการใช้งานที่ “ปกติ” นั้นเป็นอย่างไร และที่สำคัญกว่านั้นคือ การเรียนรู้ด้วยว่าอะไรคือ “สิ่งผิดปกติ” ซึ่งเหตุการณ์ที่ไม่ปกตินี้มักหมายถึงปัญหาต่างๆ ไม่ว่าจะเป็นด้านความปลอดภัยหรือการทำงานที่ไม่ได้ประสิทธิภาพ ดังนั้นระบบที่มีเทคโนโลยี ML สนับสนุนจึงสามารถแจ้งเตือนเหตุการณ์ปกติ บอกผู้ดูแลเครือข่ายให้ทราบถึงปัญหา ไปจนถึงให้คำแนะนำวิธีการแก้ไขได้ด้วย ซึ่งในอนาคตนั้น ระบบเหล่านี้จะก้าวหน้าขึ้นมาเป็นระบบสมองกลหรือ AI อย่างแท้จริง โดยระบบที่ใช้ AI จะทำงานได้แบบอัตโนมัติเพื่อดูแลสภาพแวดล้อมการทำงานให้อยู่ในสภาพสมบูรณ์อยู่เสมอ

เมื่อดูจากจากผลวิจัยของ IDC นั้นสามารถสรุปได้ว่า การเข้าถึงข้อมูลเชิงลึกของระบบเน็ตเวิร์ก พร้อมการตรวจสอบ วิเคราะห์และแก้ปัญหา ด้วย Machine Learning และ AI เป็นสิ่งที่จำเป็นและช่วยทำให้ผู้ดูแลระบบทำงานได้ดีขึ้น โดยในปัจจุบัน มีผลิตภัณฑ์ Analytics ที่น่าสนใจและตอบสนองการจัดการด้านเครือข่ายได้อย่างดี อย่างเช่นแพลตฟอร์ม Ruckus Analytics (RA) ที่มีจุดเด่น การวิเคราะห์ ตรวจสอบ แก้ปัญหาแบบป้องกันก่อนเกิดเหตุไม่คาดฝันที่ส่งผลต่อประสิทธิภาพของเครือข่ายและลุกลามถึงธุรกิจ

แพลฟอร์มการวิเคราะห์เครือข่ายขั้นสูง Ruckus Analytics (RA)

Ruckus Analytics (RA) จาก CommScope นั้น เป็นแพลตฟอร์มใหม่บนคลาวด์ที่ให้ความสามารถในการมองเห็นเชิงลึก และเป็นระบบวิเคราะห์ข้อมูลที่ปรับแต่งได้สำหรับผู้ดูแลเครือข่าย แพลตฟอร์มนี้สามารถนำมาใช้ตั้งค่าให้จัดเก็บข้อมูลจากศูนย์กลางเครือข่ายได้แบบอัตโนมัติ พร้อมทั้งรวบรวมข้อมูลที่ตรวจสอบตำแหน่งต่างๆ บนเครือข่ายจากระยะไกลไม่ว่าจะเป็นข้อมูลสถานะระบบ หรือค่าดัชนีชี้วัดประสิทธิภาพการทำงาน (KPI) แบบต่างๆ ทั่วทั้งเครือข่ายขององค์กร โดยจะมีการส่งเมต้าดาต้าแบบไม่ระบุตัวตนขึ้นไปยังเอนจิ้นอนาไลติกบนคลาวด์ที่ทำหน้าที่เป็นแหล่งข้อมูลกลางสำหรับตอบสนองการร้องขอ ทำรายงาน และวิเคราะห์ค่าตรวจวัดทั้งหลาย

Ruckus Analytics คอยรวบรวมข้อมูลหลากหลายมิติ ไม่ว่าจะเป็นเรื่องของเวลา, ประเภทอุปกรณ์, รูปแบบทราฟิก, แอพพลิเคชั่น, กลุ่มแอคเซสพอยต์ (AP), คอนโทรลเลอร์, และชื่อเครือข่ายไร้สาย (SSID) เพื่อจัดแสดงผ่านอินเทอร์เฟซการใช้งานที่เป็นแบบกราฟิก (GUI) ใช้งานง่าย ช่วยแสดงรายการปัญหาบนเครือข่าย รวมถึงตรวจสอบข้อมูลได้อย่างละเอียดมากขึ้น เรียกได้ว่าแพลตฟอร์มนี้ช่วยอำนวยความสะดวกในการทำงานด้านจัดการเครือข่ายได้อย่างครอบคลุม


IDC Custom Solutions
เนื้อหาในเอกสารนี้ปรับปรุงมาจากงานวิจัยของ IDC เดิมที่มีอยู่แล้วที่เผยแพร่บน http://www.idc.com เอกสารฉบับนี้จัดทำขึ้นโดย IDC Custom Solutions ซึ่งทั้งความเห็น บทวิเคราะห์ และผลการวิจัยที่อยู่ในบทความนี้ล้วนนำมาจากงานวิจัยและวิเคราะห์อย่างละเอียดที่ทำขึ้นโดยอิสระและตีพิมพ์โดย IDC

ถ้าอยากรู้ว่าบริการผ่านคลาวด์อย่าง RUCKUS Analytics จะสร้างความแตกต่างได้มากแค่ไหน ลองลงทะเบียนรับตัวทดลองฟรี หรือ ขอชมการสาธิตการใช้งานแบบถ่ายทอดสด ได้ทันที!

สนใจสินค้า Ruckus ติดต่อสอบถาม TH-Ruckus@ingrammicro.com

from:https://www.enterpriseitpro.net/idc-commscope-ruckus-analytics/

[Webinar] Digital Data Transformation EP #2: พลิกโฉมธุรกิจองค์กรโดยใช้ AI สนับสนุน

NetApp ร่วมกับ Ingram Micro ขอเรียนเชิญผู้บริหารและผู้ปฏิบัติงานด้าน IT เข้าฟังสัมมนาออนไลน์เรื่อง “Digital Data Transformation EP #2: พลิกโฉมธุรกิจองค์กรโดยใช้ AI สนับสนุน” พร้อมแนะนำการใช้ AI ในการบริหารจัดการและเฝ้าระวังข้อมูลบน Hybrid Multicloud แบบเชิงรุก ในวันอังคารที่ 4 สิงหาคม 2020 เวลา 10:30 – 12:00 น. ผ่าน Live Webinar ฟรี

รายละเอียดการบรรยาย

หัวข้อ: Digital Data Transformation EP #2: พลิกโฉมธุรกิจองค์กรโดยใช้ AI สนับสนุน
ผู้บรรยาย:

  • คุณจรีวรรณ วลัยวิบูลย์สันติ Technical Service Engineer Professional Services Group จาก Ingram Micro
  • คุณสยาม กมลทิพย์สุคนธ์ Senior Technical Consultant จาก NetApp (Thailand)
  • คุณภูมิพิชญ์ อังสุพานิช Solutions Engineer จาก NetApp (Thailand)

วันเวลา: วันอังคารที่ 4 สิงหาคม 2020 เวลา 10:30 – 12:00 น.
ช่องทางการบรรยาย: Online Web Conference
จำนวนผู้เข้าร่วมสูงสุด: 500 คน
ภาษา: ไทย
ลิงค์ลงทะเบียน: https://zoom.us/webinar/register/WN_TsLE7O8WSIeNb5VNUjToFQ

จากสถานการณ์ปัจจุบัน หลายองค์กรเริ่มตระหนักถึงความสำคัญของข้อมูลและนำข้อมูลที่มึอยู่มาใช้ให้เกิดประโยชน์ ไม่ว่าจะเพื่อเข้าใจความต้องการของลูกค้า สร้างสรรค์ประสบการณ์ใหม่ หรือสร้างความได้เปรียบทางธุรกิจเหนือคู่แข่ง การนำเทคโนโลยี Artificial Intelligent, Machine Learning และ Deep Learning เข้ามาช่วยเสริมความสามารถทางด้านธุรกิจกลายเป็นประเด็นอันดับต้นๆ ที่ผู้บริหารของแต่ละองค์กรเริ่มกล่าวถึง ในขณะที่บางองค์กรก็เริ่มนำเข้ามาประยุกต์ใช้งานกันบ้างแล้ว ไม่ว่าจะเป็นการใช้งานภายใน Data Center ขององค์กรเอง หรือใช้ผ่านเครื่องมือบน Hybrid Multicloud

NetApp เป็นผู้นำโซลูชันในการบริหารจัดการข้อมูลที่ช่วยสนับสนุนองค์กรในการทำ Digital Transformation รวมไปถึงเตรียมความพร้อมในการสร้างสภาวะแวดล้อมแบบ Hybrid Multicloud ให้กับองค์กร มาพร้อมกับโซลูชันประสิทธิภาพสูง รองรับการเติบโตของระบบ และมีความสามารถในการบริหารจัดการ รับส่งข้อมูลไปยัง Public Cloud ชั้นนำด้วยเทคโนโลยี DataFabric ของ NetApp

ภายใน Webinar นี้ท่านจะได้พบกับการบรรยายดังต่อไปนี้

  • การพลิกโฉมธุรกิจขององค์กรโดยใช้เทคโนโลยี AI เข้ามาสนับสนุน
  • รู้จักกับสถาปัตยกรรมแบบ AI Control Plane
  • การใช้ AI ในการบริหารจัดการและเฝ้าระวังข้อมูลบน Hybrid Multicloud แบบเชิงรุก

กด Interested หรือ Going เพื่อติดตามอัปเดตและรับการแจ้งเตือนบน Facebook Event: https://www.facebook.com/events/2519737931671474/

from:https://www.techtalkthai.com/netapp-webinar-digital-data-transformation-ep-2-building-ai-powered-organization/

Splunk Webinar: ก้าวสู่การทำธุรกิจแห่งยุคดิจิทัลและเพิ่มมูลค่าทางธุรกิจด้วย Data AI และ Machine Learning

Splunk Thailand ขอเรียนเชิญผู้บริหารและผู้ปฏิบัติงานด้าน IT เข้าฟังบรรยาย Splunk Webinar เรื่อง “ก้าวสู่การทำธุรกิจแห่งยุคดิจิทัลและเพิ่มมูลค่าทางธุรกิจด้วย Data AI และ Machine Learning” ในวันศุกร์ที่ 17 กรกฎาคม 2020 เวลา 10:00 น. ผ่านช่องทาง Live Webinar (บรรยายภาษาไทย) โดยมีรายละเอียด ดังนี้

ปัจจุบันข้อมูลหรือ Data นั้นเป็นสิ่งที่เราทุกคนได้ยินและรู้จักกันดี รวมถึงสามารถเข้าถึงได้มากขึ้น อย่างไรก็ตาม ไม่ใช่ว่าทุกคนจะสามารถวิเคราะห์ข้อมูลเชิงลึก (Insight) และนำผลที่ได้นั้นมาเพิ่มมูลค่ากับให้ธุรกิจได้เสมอไป เพราะต้องอาศัยความสามารถความเชี่ยวชาญในการวิเคราะห์ข้อมูลที่หลากหลายและมีเครื่องมือที่สามารถรองรับข้อมูลได้อย่างยืดหยุ่นและหลากหลาย โดย Gartner มีรายงานออกมาว่า “Augmented Analytics หรือการทำการวิเคราะห์ข้อมูลโดยอัตโนมัติด้วยเทคโนโลยี Machine Learning (ML) นั้นจะได้รับความนิยมขึ้นเรื่อยๆ เพื่อใช้ในการวิเคราะห์ข้อมูลที่มีปริมาณมหาศาลได้อย่างมีประสิทธิภาพมากขึ้น ทำให้ภาคธุรกิจได้มีองค์ความรู้ในแง่มุมใหม่ๆ อย่างต่อเนื่อง”

ทีมงาน Splunk ประเทศไทยมีความเข้าใจถึงความสำคัญในการนำข้อมูลขององค์กรออกมาใช้งาน และต้องการให้ความรู้เกี่ยวกับแนวคิดการใช้งาน Machine Learning ร่วมกับข้อมูลของท่าน ทำอย่างไรองค์กรถึงจะสามารถนำข้อมูลเหล่านั้นมาใช้เพื่อค้นหา คาดการณ์ วิเคราะห์ และนำผลที่ได้มาเพิ่มมูลค่าให้กับธุรกิจ โดยมี Use case หลากหลาย เช่น การวิเคราะห์การล็อกอินเข้าสู่เว็บแอปพลิเคชัน ปัญหาของการล๊อคอินช้าหรือเข้าระบบไม่ได้โดยเฉพาะช่วงที่ลูกค้าต้องการจะชำระเงิน ก็อาจนำไปสู่การยกเลิกบริการหรือสูญเสียรายได้เพราะความพึงพอใจในประสิทธิภาพจากลูกค้าลดลง เป็นต้น

Splunk ขอนำเสนอโซลูชัน ITSI ในการตรวจสอบ Health Score และนำ Health score นั้นมาทำการชี้วัดความรุนแรงของปัญหาตามที่ผู้ใช้กำหนดไว้ รวมถึงการนำเสนอข้อมูลไปสู่ผู้บริหารซึ่งอาจจะไม่มีความเชี่ยวชาญทางเทคนิค แต่มีความเข้าใจในการทำธุรกิจ ให้มีความเข้าใจถึงปัญหาที่กำลังจะเกิดขึ้น และตัดสินใจแก้ปัญหาได้อย่างตรงจุดและฉับไว Splunk ITSI เป็นผู้บุกเบิกสูตรสำเร็จสำหรับองค์กรในการวิเคราะห์หาสาเหตุของปัญหาต่างๆ และคาดการณ์ รวมถึงแจ้งเตือนให้ฝ่าย IT Operations สามารถจัดการได้อย่างทันท่วงทีเพื่อเพิ่มความพึงพอใจให้แก่ลูกค้าของท่าน

รายละเอียดการบรรยาย

หัวข้อ: ก้าวสู่การทำธุรกิจแห่งยุคดิจิทัล และเพิ่มมูลค่าทางธุรกิจด้วย Data, AI และ Machine Learning
ผู้บรรยาย: คุณกติพงศ์ ศิริสวัสดิ์ Senior Solutions Engineer จากทีมงาน Splunk ประเทศไทย
วันเวลา: วันศุกร์ที่ 17 กรกฎาคม 2020 เวลา 10.00 – 11.30 น.
ช่องทางการบรรยาย: Zoom Webinar
ภาษา: ไทย

เนื้อหาการบรรยาย:

  • Data, Digital Transformation เกี่ยวข้องกับ Machine Learning และ AI อย่างไร
  • หลักการ แนวคิดการใช้ Machine Learning และ AI นั้นช่วยเพิ่มมูลค่าให้กับธุรกิจได้อย่างไร
  • หลักการทำงานของ Splunk ITSI และ Machine Learning กับ AI
  • Demo Live การ Automation และ predictive analytics ด้วย Splunk ITSI
  • Use-case ต่างๆในการใช้งาน ITSI

การเข้าร่วมฟัง Webinar ครั้งนี้จะนำเสนอเป็นภาษาไทยโดยทีมงาน Splunk ที่พร้อมตอบทุกคำถามที่เกี่ยวข้อง

* อีเมลยืนยันการลงทะเบียนพร้อมรายละเอียดการสัมมนาผ่านเว็บจะถูกส่งถึงคุณหลังจากคุณเสร็จสิ้นการลงทะเบียน

สอบถามเพิ่มเติมกรุณาติดต่อคุณนัท อีเมล: twatanachanobol@splunk.com

from:https://www.techtalkthai.com/splunk-itsi-webinar-17072020/