Big Data ฉบับชาวบ้าน

 ด้านมืดของข้อมูล Big Data เป็นเรื่องที่ภาครัฐต้องใส่ใจและสร้างความรับรู้และสร้างเกราะป้องกันแก่ประชาชนต่อเรื่องความเสี่ยงในการใช้ข้อมูลและเทคโนโลยีประเภทต่างๆอย่างต่อเนื่อง เพราะการรับข้อมูลจำนวนมหาศาลจากแหล่งต่างๆโดยขาดความเข้าใจและขาดการป้องกันที่รัดกุมนั้นย่อมจะสร้างปัญหาให้กับประเทศไทยอย่างไม่มีที่สิ้นสุดและดูเหมือนว่าบ้านเรายังไม่ได้ให้ความสำคัญต่อเรื่องนี้อย่างจริงจังนัก

ในระยะปีสองสามปีที่ผ่านมาคนไทยพูดถึงคำว่า Big Data กันบ่อยครั้ง เฉพาะในคอลัมน์เวทีทัศน์เองมีผู้เขียนบางท่านกล่าวถึงประโยชน์ของ Big Data อยู่ในบทความบางเรื่องด้วย

ความจริงแล้วคำว่า Big Data เป็นที่รู้จักมาหลายปีมาแล้ว   แต่สิ่งที่ทำให้ Big Data กลายเป็นกระแสติดปากคนทั่วโลกอย่างมาก น่าจะเกิดจาก การพัฒนาเทคโนโลยีด้านการวิเคราะห์ข้อมูล  จำนวนข้อมูลที่เพิ่มขึ้น รวมทั้งคนในโลกนี้เริ่มเห็นประโยชน์จากการใช้งานของ Big Data ซึ่งนำมาใช้กับธุรกิจของตัวเองอย่างได้ผลและมีแนวโน้มว่าธุรกิจอีกหลายแขนงจะใช้ประโยชน์จาก Big Data มากขึ้น 

ในช่วงเวลาเดียวกันมีการเปิดอบรมหลักสูตร Big Data และหลักสูตรเกี่ยวกับการนำข้อมูลไปใช้ในองค์กร ในสถาบันการศึกษาและองค์กรต่างๆ เป็นจำนวนมากโดยเฉพาะอย่างยิ่งมหาวิทยาลัยชั้นนำของโลกได้เปิดสอนหลักสูตรระยะสั้นเกี่ยวกับวิชา Big Dataและการใช้ประโยชน์ของข้อมูล อยู่หลายแห่งทั้งในสหรัฐอเมริกา ยุโรป สิงคโปร์  ฯลฯ รวมถึงมีตำรับตำราและบทความเกี่ยวกับ Big Data ออกมาให้อ่านกันตามสื่อต่างๆนับไม่ถ้วนตลอดเวลา 5 ปี ที่ผ่านมา

Big Data เคยอยู่บนจุดสูงสุดของวัฏจักรทางเทคโนโลยี (Hype cycle) ที่พยากรณ์โดยบริษัท Gartner ในปี 2013 ปัจจุบัน Big Data ได้ผ่านสุดสูงสุดของวัฏจักรทางเทคโนโลยี ไปแล้วและกำลังถูกนำไปใช้งานอย่างกว้างขวางในหลายๆธุรกิจ รวมทั้งบางหน่วยงานในภาครัฐด้วย 

Big Data และการวิเคราะห์ข้อมูล ทำให้มนุษย์ค้นพบความจริงของเหตุการณ์ที่เกิดขึ้นและมีความสัมพันธ์กันได้อย่างไม่น่าเชื่อ เป็นต้นว่า 

-    ทำให้ห้างสรรพสินค้าในสหรัฐอเมริกา ค้นพบว่าผู้ชายที่ซื้อสินค้าในช่วงสุดสัปดาห์มักจะมีการซื้อผ้าอ้อมเด็กคู่กับเบียร์เสมอ  

-     ทำให้บริษัทแห่งหนึ่งค้นพบว่าสีของรถมีส่วนสัมพันธ์กับความเสียหายของรถ เช่น รถสีส้มมักมีความเสียหายจากการใช้งานและเกิดอุบัติเหตุน้อยกว่ารถสีอื่นๆ

-    ทำให้ห้างสรรพสินค้าใหญ่อย่าง Wal-Mart พบความสัมพันธ์ของสินค้าสองชนิดในช่วงเวลาก่อนเกิดพายุเฮอริเคนซึ่งนอกจากไฟฉายจะมียอดขายพุ่งขึ้นแล้วของกินเล่นอย่าง Pop Tarts ก็มียอดขายสูงขึ้นด้วย ดังนั้นสินค้าทั้งสองชนิดนี้จึงต้องพร้อมอยู่ในสต็อกเสมอในช่วงเวลานั้น

-    ทำให้องค์กรสามารถตัดสินใจทางธุรกิจตามความจริงที่ปรากฏตามข้อมูลแทนการตัดสินใจจากสมมุติฐานหรือความเห็นของผู้บริหารระดับสูงอย่างที่เคยเป็นมาในอดีต

-    ทำให้บริษัทบัตรเครดิตรู้ว่าบัตรเครดิตบัตรไหนที่มีการใช้งานมากผิดปกติ ณ จุดไหนของโลก ซึ่งอาจมีความเป็นไปได้ว่าบัตรนั้นกำลังถูกใช้งานจากใครก็ตามที่ไม่ใช่เจ้าของบัตร

-    ทำให้บริษัทขายปลีกออนไลน์อย่างบริษัท Amazon สามารถแนะนำหนังสือหรือสินค้าที่ใกล้เคียงกับสินค้าที่ลูกค้ากำลังดูผ่านอินเทอร์เน็ตหรือสินค้าที่ซื้อไปแล้ว เป็นการเพิ่มทางเลือกให้กับผู้ซื้อและอาจเพิ่มยอดขายอีกด้วย

ตัวอย่างดังกล่าวเป็นเพียงส่วนหนึ่งที่นักวิเคราะห์ข้อมูลมักยกขึ้นมาเป็นตัวอย่างเสมอเมื่อพูดถึง ประโยชน์ของ Big Data และการวิเคราะห์ข้อมูลเชิงธุรกิจ

การเปิดเผยความจริงเกี่ยวกับสิ่งต่างๆที่เกิดขึ้นในโลกนี้โดยการวิเคราะห์ข้อมูลขนาดใหญ่ โดยเฉพาะอย่างยิ่งการเปิดเผยความจริงของพฤติกรรมมนุษย์อย่างที่ไม่เกิดขึ้นมาก่อนนั้น ในรายงานของ World Economics Forum เมื่อปี  2011 จึงได้กล่าวถึงประโยชน์ของข้อมูลว่า “ข้อมูลส่วนบุคคลคือน้ำมันชนิดใหม่”  เป็นน้ำมันที่มนุษย์เพิ่งค้นพบในศตวรรษที่ 21และเป็นน้ำมันที่มีการเพิ่มขึ้นอยู่ตลอดเวลา ที่สำคัญคือข้อมูลกลายเป็นทรัพย์สินชนิดใหม่ที่สามารถใช้ได้ซ้ำแล้วซ้ำเล่า ต่างจากน้ำมันทางธรรมชาติที่ใช้แล้วหมดไปและกลายเป็นขยะที่ไม่พึงปรารถนาและเป็นภาระแก่โลก 

อย่างไรก็ตามน้ำมันชนิดใหม่นี้จะไม่มีคุณค่าอะไรเลยหากข้อมูลนั้นถูกเก็บไว้เฉยๆโดยไม่ได้นำไปวิเคราะห์เพื่อค้นหาความจริงเพราะข้อมูลต่างๆหากเก็บไว้นานเกินไปก็จะเป็นข้อมูลที่สูญเสียความแม่นยำทำให้คุณค่าและประโยชน์ของข้อมูลด้อยลงได้

Big Data อาจไม่มีประโยชน์หากไม่มีกระบวนการการวิเคราะห์ข้อมูลขั้นสูงที่เรียกกันว่า Analytics รวมทั้งต้องมีเทคโนโลยี Hardware / Software และเครื่องมืออื่นๆ ที่มีศักยภาพที่สามารถตอบโจทย์ที่เราต้องการอยากรู้จาก Big Dataได้    

กลไกในการแก้ไขปัญหาเพื่อค้นหาความจริงจาก  Big Data อีกอย่างหนึ่งก็คือขั้นตอนหรือลำดับในการแก้ไขปัญหาที่เรียกกันว่าอัลกอริทึม   ( Algorithm) ซึ่งเป็นคำที่ใช้กันอย่างกว้างขวางเมื่อพูดถึงลำดับขั้นตอนการแก้ปัญหาหรือขั้นตอนการทำงานต่างๆให้สำเร็จด้วยระบบอัตโนมัติ  แต่อัลกอริทึมไม่ได้ใช้เฉพาะกับเรื่องของ Big Data เท่านั้น  อัลกอริทึมยังรวมถึงขั้นตอนในการแก้ปัญหาเกือบทุกอย่างในชีวิตประจำวันด้วย  จึงแทบจะกล่าวได้ว่ามนุษย์ทุกวันนี้อยู่ภายใต้การควบคุมของอัลกอริทึมเกือบจะตลอดเวลาก็ว่าได้

 Big Data คือข้อมูลขนาดใหญ่ ที่มีคุณสมบัติหลักสามอย่างด้วยกันคือ

-    คุณสมบัติทางปริมาณ(Volume) คือเป็นข้อมูลที่มีปริมาณมาก

-    คุณสมบัติทางความเร็ว(Velocity) คือเป็นข้อมูลที่ถูกสร้างขึ้นอย่างรวดเร็วและเคลื่อนไหวไปทั่วโลกตลอดเวลา

-    คุณสมบัติทางความหลากหลาย(Variety) คือเป็นข้อมูลที่มาจากหลากหลายแหล่ง เช่น ข้อมูลจากสื่อสังคม ข้อมูลจากอุปกรณ์เซ็นเซอร์ประเภทต่างๆและข้อมูลจากการบันทึกเสียง  เป็นต้น

 คุณสมบัติของ Big Data ข้างต้นอาจจำง่ายๆว่า 3V (Volume, Velocity, Variety) 

 บางสำนักอาจเพิ่มคุณสมบัติอื่นๆเข้าไปด้วยเช่น ข้อมูลที่ถูกต้องเที่ยงตรง(Validity) ข้อมูลที่สะท้อนความจริง(Veracity) ข้อมูลที่มีความผันผวน(Volatility) และข้อมูลที่มีคุณค่า(Value)  แต่ส่วนใหญ่แล้วมักจะพูดเฉพาะคุณสมบัติหลัก 3V เท่านั้น ส่วนคุณสมบัติอื่นๆนั้นจะมีการพูดถึงในลักษณะคุณสมบัติประกอบมากกว่า

การที่ Big Data เป็นข้อมูลที่มีปริมาณมากจึงมักมีคำถามเกิดขึ้นเสมอว่าข้อมูลที่มากนั้นหากวัดเป็นขนาดของหน่วยความจำควรจะมีค่าเท่าใด  ตำราหลายเล่มมักไม่ได้กำหนดขนาดของ Big Data เอาไว้ เพราะข้อมูลขนาดใหญ่ในวันนี้อาจเป็นข้อมูลขนาดเล็กในอนาคตก็เป็นได้ แต่มีตำราบางเล่มระบุเอาไว้ว่า Big Data นั้น ควรจะมีขนาดตั้งแต่ 100 เท-ราไบท์(Terabyte) ขึ้นไป 

ปริมาณข้อมูล 100 เท-รา ไบท์ นั้น เทียบกับจำนวนหน่วยความจำที่บรรจุเพลงได้ราว 20 ล้านเพลง (บนสมมุติฐานว่า 1 เพลง ใช้หน่วยความจำราว 5 เมกกะไบท์ ) หรือถ้าจะเทียบกับจำนวนหน้าบนโปรแกรม Word ก็จะอยู่ประมาณ 8,590 ล้านหน้า เปรียบเทียบกับหนังสือขนาด 450 หน้าก็จะเท่ากับหนังสือจำนวนมากถึง 19 ล้านเล่ม

สิ่งที่ข้อมูลขนาดใหญ่ แตกต่างข้อมูลขนาดเล็กที่เราคุ้นเคยก็คือแต่เดิมเรามักใช้ข้อมูลที่มีรูปแบบและโครงสร้างที่ชัดเจน มีการกำหนดความยาวของข้อมูลไว้คงที่ เช่น วันที่ เดือน พ.ศ. ชื่อลูกค้า รหัสลูกค้า เป็นต้น ข้อมูลเหล่านี้เรียกว่าข้อมูลแบบมีโครงสร้าง(Structured data)  ส่วนข้อมูลขนาดใหญ่ นั้นมักเป็นข้อมูลแบบไร้โครงสร้าง(Unstructured data) ซึ่งไม่ได้กำหนดโครงสร้างเอาไว้ตายตัว เช่น ข้อความตัวอักษร  ข้อมูลเสียง  ข้อมูลภาพ  เป็นต้น และมักจะเป็นข้อมูลที่อยู่ตามสื่อออนไลน์เสียเป็นส่วนใหญ่

การที่ Big Data เข้ามาอยู่ในวงจรชีวิตของมนุษย์ในช่วง 5 ปีที่ผ่านมาทำให้เกิดอาชีพใหม่ๆที่เกี่ยวกับการใช้ประโยชน์จากการใช้ข้อมูลขึ้นมาอีกนับไม่ถ้วนและหนึ่งในอาชีพที่น่าสนใจที่สุดในขณะนี้ก็คือ นักวิทยาศาสตร์ข้อมูล(Data scientist) หรือ นักวิทยาการข้อมูล หรือ บางแห่งอาจเรียกบุคลากรประเภทนี้ว่านักพัฒนาอัลกอริทึม( Algorithmist)     

บุคคลในอาชีพนี้ทำหน้าที่เกือบทุกอย่างที่เกี่ยวกับข้อมูล เป็นต้นว่า  ประเมินและคัดเลือกข้อมูล รวบรวมและวิเคราะห์ข้อมูลจากโจทย์ทางธุรกิจ การเลือกเครื่องมือสำหรับวิเคราะห์ข้อมูล การสร้างโมเดล(แบบจำลองทางคอมพิวเตอร์) การทดสอบโมเดล การนำโมเดลไปใช้งาน แปลผลหรืออธิบายผลลัพธ์จากข้อมูล  ฯลฯ หากจะให้เห็นเป็นรูปธรรมก็อาจพูดได้ว่า บุคคลเหล่านี้คือผู้สร้างผลิตภัณฑ์และบริการจากข้อมูลนั่นเอง  เช่น การสร้างฟังชั่นต่างๆบนสื่อสังคมออนไลน์  เป็นต้น

สิ่งหนึ่งที่มักกล่าวถึงกันอยู่เสมอเมื่อพูดถึงคุณสมบัติของนักวิทยาศาสตร์ข้อมูลนอกจากการวิเคราะห์ข้อมูลก็คือความสามารถในการผสมผสานความรู้ด้านข้อมูลในเชิงลึกกับความรู้ด้านกว้างทางธุรกิจเพื่ออธิบายคำตอบจากโจทย์ทางธุรกิจให้กับผู้บริหารด้านอื่นๆได้เข้าใจคำตอบที่ได้รับได้ดีขึ้น 

 ดังนั้น Big Data คือโอกาสทองของ นักสถิติ นักวิทยาศาสตร์ นักคณิตศาสตร์  วิศวกร นักคอมพิวเตอร์ บุคลากรสายธุรกิจ หรือผู้ที่สนใจที่จะทำงานกับข้อมูล  ซึ่งแต่เดิมบุคคลเหล่านี้อาจทำงานอย่างเงียบๆอยู่เบื้องหลังได้มีโอกาสทำงานที่ท้าทายและสามารถเติบโตในสายงานใหม่ได้อีกยาวไกล เพราะมีบทความที่กล่าวถึงอาชีพนักวิทยาศาสตร์ข้อมูลว่า “นักวิทยาศาสตร์ข้อมูลเป็นอาชีพที่น่าดึงดูดใจมากที่สุดของศตวรรษที่ 21” (Data Scientist : The Sexiest Job of the 21st Century)

การนำ Big Data มาใช้งานนั้น องค์กรต่างๆ ต้องมีการปรับเปลี่ยนองค์กรเพื่อการรองรับ Big Data อย่างหลีกเลี่ยงไม่พ้น องค์กรซึ่งแต่เดิมมีเฉพาะงานด้าน IT นั้น อาจจะต้องเตรียมบุคคลากรด้านข้อมูลและเพิ่มงานด้านวิเคราะห์ข้อมูล(Data Analytics)ในองคาพยพขององค์กร รวมทั้งมอบหมายงานเหล่านี้ให้อยู่ภายใต้ความรับผิดชอบของ หัวหน้าคณะผู้บริหารด้านวิเคราะห์(Chief Analytics Officer) หรือหัวหน้าผู้บริหารข้อมูล(Chief Data Officer) ซึ่งเป็นตำแหน่งที่รับผิดชอบงานด้านข้อมูลขององค์กรโดยเฉพาะรวมทั้งต้องจัดเตรียมอุปกรณ์Hardware Software เพื่อรองรับการประมวลผล Big Data ด้วยหากต้องการจะวิเคราะห์ข้อมูลด้วยตัวเองหรืออาจเป็นพันธมิตรกับบริษัทซอฟแวร์หรือและสถาบันการศึกษาต่างๆที่มีอยู่หลายแห่งเพื่อให้ช่วยประมวลผลข้อมูลให้ก็เป็นไปได้ เป็นการนำองค์กรเข้าสู่องค์กรที่ใช้ข้อมูลในการตัดสินใจแทนการตัดสินใจจากความเห็นซึ่งอาจไม่ใช่ความจริงเสมอไป

นอกจากการนำ Big Data ไปใช้ในธุรกิจแล้ว Big Data ยังถูกนำไปใช้ในหน่วยงานภาครัฐ ด้านต่างๆ เพื่อค้นหาความจริงจากข้อมูล เป็นต้นว่า ในประเทศไทยเอง สำนักงานป้องกันและปรามปรามการฟอกเงิน(ปปง.) นำซอฟแวร์เพื่อวิเคราะห์การเคลื่อนไหวของการทำธุรกรรมทางการเงินที่อาจจะเข้าข่ายการฟอกเงินซึ่งสามารถที่จะแจ้งผลในทันที่ที่พบความเคลื่อนไหวที่ผิดปกติ  เป็นต้น

Big Data ช่วยให้งานที่เราเคยพูดว่ายาก ราวกับงมเข็มในมหาสมุทรหรือที่ฝรั่งมักพูดว่ายาก ราวกับหาเข็มในกองฟาง ซึ่งแต่เดิมเป็นไปไม่ได้เลยนั้นกลายเป็นเรื่องที่ไม่เกินความสามารถของนักวิทยาศาสตร์ข้อมูลและเทคโนโลยี ที่สามารถจะนำความจริงออกมาจากข้อมูลขนาดใหญ่ได้  

ดังนั้นเราอาจค้นพบสิ่งใหม่ๆจาก Big Data ได้ตลอดเวลา  เช่น Big Data และการวิเคราะห์ขั้นสูงอาจถูกนำมาใช้เพื่อหาความสัมพันธ์ของการเกิดอุบัติเหตุบนถนนของประเทศไทยกับตัวแปรที่อาจจะทำให้เกิดอุบัติเหตุ เพื่อให้รู้ชัดเสียทีว่าอะไรคือปัจจัยที่ทำให้ประเทศไทยกลายเป็นประเทศที่มีสถิติการสูญเสียจากอุบัติเหตุมากมายจนจนใกล้เป็นอันดับหนึ่งของโลกเข้าไปทุกขณะแล้ว เป็นต้น

แม้ว่า  Big Data จะมีประโยชน์มากมายเพียงใดก็ตาม แต่สิ่งที่ตามมากับข้อมูลขนาดใหญ่เหล่านี้ก็คือภัยเงียบที่เข้ามาหาเราพร้อมกับข้อมูลเหล่านี้โดยที่เราคาดไม่ถึง โดยเฉพาะข้อมูลจากสื่อสังคมออนไลน์ที่มีมากมายมหาศาลนั้นย่อมมีด้านมืดอยู่ด้วยเสมอ

สิ่งที่เราต้องยอมรับเมื่อเข้าสู่ยุคของการใช้ประโยชน์จากการใช้ข้อมูลข่าวสารขนาดใหญ่ก็คือ การสูญเสียความเป็นส่วนตัวจากการถูกสอดแนมในรูปแบบต่างๆ  ทั้งจากผู้ประกอบการสื่อสังคมออนไลน์  ร้านค้าปลีกออนไลน์  เจ้าหน้าที่ภาครัฐ  Internet of Thing(IoT)  รวมทั้งพวกแฮ็กเกอร์และพวกป่วนเว็บที่มีอยู่ดาษดื่นบนสังคมออนไลน์  เป็นต้น

 นอกจากนี้กระบวนการตัดสินใจจากข้อมูลขนาดใหญ่ด้วยคอมพิวเตอร์อาจไม่สะท้อนความจริงอีกหลายๆด้านเพราะการตัดสินใจจากข้อมูลด้วยระบบคอมพิวเตอร์นั้นแม้ว่าจะไม่มีความลำเอียงแต่ก็อาจไม่ได้สะท้อนความจริงจากพฤติกรรมของมนุษย์ในบางแง่มุมซึ่งอาจสร้างความเสียหายหรือเป็นภัยต่อผู้ถูกตัดสินไปแล้ว  ดังนั้น Big Data จึงไม่ใช่สูตรสำเร็จในการใช้ตัดสินทุกสิ่งทุกอย่าง เพราะในโลกนี้ยังมีสิ่งที่ต้องการการตัดสินใจโดยการไตร่ตรองและใคร่ครวญจากมนุษย์อยู่เสมอ โดยเฉพาะงานบางประเภทที่ระบบอัตโนมัติยังไม่มีความสามารถทำได้เท่าเทียมกับมนุษย์ ซึ่งเป็นสิ่งมีชีวิตที่มีคุณสมบัติการคิดซับซ้อนได้เป็นเลิศมากกว่าเครื่องอัตโนมัติใดๆจะทำได้  

ด้านมืดอีกประการหนึ่งในยุคของ Big Data ก็คือ การครอบครองข้อมูลจากผู้ประกอบการต่างๆ ทั้งจากผู้ให้บริการ Search engine  ผู้ให้บริการ e-mail ผู้ให้บริการโทรศัพท์ รวมทั้งนายหน้าขายข้อมูล ต่างๆ เพราะข้อมูล Big Data ที่ถูกสร้างขึ้นมาในโลกนี้ทั้งข้อมูลส่วนบุคคล ข้อมูลพฤติกรรม และข้อมูลอื่นๆจะถูกเก็บและวิเคราะห์อย่างเป็นระบบ ทำให้บริษัทเหล่านี้รู้การเคลื่อนไหวของเราทุกฝีก้าวและนำข้อมูลเหล่านี้ไปใช้ประโยชน์ในด้านต่างๆทั้งเพื่อการค้า การเมือง และอาจหลุดรอดออกไปถึงมือผู้ก่อการก่อการร้ายและอาชญากรอีกด้วย  บริษัทที่ครอบครองข้อมูลเหล่านี้จึงกลายเป็นผู้ทรงอิทธิพลที่สุดทางด้านข้อมูลในยุค Big Data  และมีข้อมูลมากกว่าหน่วยความมั่นคงใดๆของทุกประเทศในโลกนี้เสียอีก

ด้านมืดของข้อมูล Big Data เป็นเรื่องที่ภาครัฐต้องใส่ใจและสร้างความรับรู้และสร้างเกราะป้องกันแก่ประชาชนต่อเรื่องความเสี่ยงในการใช้ข้อมูลและเทคโนโลยีประเภทต่างๆอย่างต่อเนื่อง เพราะการรับข้อมูลจำนวนมหาศาลจากแหล่งต่างๆโดยขาดความเข้าใจและขาดการป้องกันที่รัดกุมนั้นย่อมจะสร้างปัญหาให้กับประเทศไทยอย่างไม่มีที่สิ้นสุดและดูเหมือนว่าบ้านเรายังไม่ได้ให้ความสำคัญต่อเรื่องนี้อย่างจริงจังนัก

จากการสำรวจของนิด้าโพลต่อการรับรู้ในเรื่อง  “ทัศนคติของเด็กและเยาวชนไทยต่อพฤติกรรมการกลั่นแกล้งบนโลกไซ เบอร์”(Cyber bullying)  เมื่อเดือนมีนาคม 2560  พบข้อมูลที่น่าสนใจว่า

เด็กและเยาวชนส่วนใหญ่ ร้อยละ 84.30 ไม่เคยได้ยิน และไม่ทราบความหมาย รองลงมา ร้อยละ 8.45 เคยได้ยินและทราบความหมาย (อธิบายความหมายได้ถูกต้องหรือใกล้เคียง) และร้อยละ 7.25 เคยได้ยิน แต่ไม่ทราบความหมาย   แสดงให้เห็นว่าคนไทยบางส่วนโดยเฉพาะอย่างยิ่งเยาวชนไทยนั้นยังขาดความพร้อมต่อการเข้าสู่ยุคของข้อมูลข่าวสารในมิติด้านความปลอดภัย

เมื่อหันไปดูด้านระบบความปลอดภัยทางไซเบอร์ระดับชาติแม้ว่าร่างกฎหมายความมั่นคงทางไซเบอร์ผ่านความเห็นชอบจาก สนช.ไปแล้วก็ตาม แต่ยังไม่เห็นความชัดเจนในด้านมาตรการการป้องกันให้ภัยประชาชนทั่วไปที่จะถูกคุกคามจากผู้ไม่หวังดีในโลกออนไลน์ที่เป็นรูปธรรมพอที่คนทั่วไปจะรับรู้ได้ โดยเฉพาะอย่างยิ่งการให้การศึกษาหรือการเผยแพร่ข้อมูลเกี่ยวกับด้านมืดของการรับข้อมูลขนาดใหญ่หรือการรณรงค์ถึงภัยของโลกไซเบอร์นั้นแทบจะไม่ปรากฏเป็นเรื่องเป็นราวให้ประชาชนทั่วไปได้เข้าถึงข้อมูลเหล่านี้

เมื่อมองสูงขึ้นไปถึงบทบาทความมั่นคงทางไซเบอร์ระหว่างประเทศ ซึ่งยุทธศาสตร์ความมั่นคงทางไซเบอร์ของประเทศต่างๆถือเป็นเรื่องสำคัญและน่าจะเป็นปัจจัยที่ความแสดงความเชื่อมั่นของประเทศต่อระบบความปลอดภัยทางไซเบอร์ของประเทศนั้นๆ   จากการตรวจสอบจากฐานข้อมูลของสหภาพโทรคมนาคมระหว่างประเทศ(ITU) ซึ่งเป็นองค์กรที่เคยมอบรางวัล “การใช้เทคโนโลยีสารสนเทศเพื่อการพัฒนาอย่างยั่งยืน” (ITU Global Sustainable Digital Development Award) ให้กับประเทศไทยเมื่อปี 2558 นั้น พบว่ามี 73 ประเทศจากสมาชิก 193 ประเทศที่มีข้อมูล “แผนแม่บทด้านความปลอดภัยทางไซเบอร์แห่งชาติ “ (National Cyber Security Strategy) อยู่บนฐานข้อมูลของ ITU  แต่ไม่พบแผนแม่บทด้านความปลอดภัย ของประเทศไทยอยู่บนฐานข้อมูลนั้น  เท่ากับว่าเรายังไม่มีอะไรไปอวดชาวโลกเลยในมุมของด้านความมั่นคงปลอดภัยทางโลกไซเบอร์(ข้อมูล ณ 24 มีนาคม 2560)  ( http://www.itu.int/en/ITU-D/Cybersecurity/Pages/National-Strategies-repository.aspx)

การขาดความเข้มแข็งด้านความปลอดภัยทางไซเบอร์ สะท้อนให้เห็นว่าเราอาจจะยังไม่มีความพร้อมต่อการเข้าสู่สังคมดิจิทัลอย่างเต็มรูปแบบ ไม่ว่าจะเป็นในระดับประชาชนทั่วไป ระดับผู้กำหนดนโยบายและระดับสากล ทั้งๆที่รัฐบาลพยายามผลักดันสังคมไทยเข้าสู่สังคมดิจิทัลและฝันไกลไปถึง Thailand 4.0 ในวันข้างหน้า

แม้ว่าข้อมูลขนาดใหญ่อย่าง Big Data จะให้ประโยชน์มากมายต่อสังคมโลกเพียงใดก็ตาม ในบางกรณีจำนวนของข้อมูลที่มากมายมหาศาลนั้นอาจไม่สำคัญเท่ากับว่าเราจะหาประโยชน์จากข้อมูลเหล่านั้นได้อย่างไรและข้อมูลมากมายเหล่านั้นมีคุณค่าพอที่เราจะค้นหาความจริงออกมาจากข้อมูลเหล่านั้นได้หรือไม่  บางครั้งข้อมูลขนาดเล็กที่สามารถตอบโจทย์ของเราได้อาจมีคุณค่ามากกว่าข้อมูลขนาดใหญ่บางประเภทเสียอีก ดังนั้นคำพูดที่มักพูดกันเสมอว่า หากป้อนข้อมูลขยะเข้าไป เราก็จะได้ข้อมูลขยะกลับคืนมา (Garbage in Garbage out) ยังคงเป็นความจริงเสมอไม่ว่าในโลกของข้อมูลขนาดเล็กหรือข้อมูลขนาดใหญ่อย่าง Big Data ก็ตาม

--------------------------------
อ่านประกอบ

1. พันธ์ศักดิ์ อาภาขจร “Big Data พลังแห่งข้อมูล” วารสารเซมิคอนดัคเตอร์อิเล็กทรอนิกส์ ฉบับที่   418 เดือน กันยายน 2558   

2.  ณัชพล ประดิษฐเพชรา /ธิปไตร แสละวงศ์ “ตรวจทุจริตต้านคอร์รัปชันด้วย Big Data” สำนักข่าวอิศรา 4 ธันวาคม 2559