จากข้อมูลล้นมือ (Data Overload) สู่ผลลัพธ์ทางธุรกิจ (Business Impact): Blibli.com สร้างผลตอบแทนการลงทุน (ROI) ด้วย BigQuery ได้อย่างไร

ลองจินตนาการว่า… ทีมการตลาดของคุณสามารถปรับแคมเปญได้แบบ Real-time, ทีมวิเคราะห์ธุรกิจมองเห็นเทรนด์ใหม่ๆ ได้ก่อนใคร และทีมผู้บริหารสามารถตัดสินใจเรื่องสำคัญได้โดยมีข้อมูลล่าสุดอยู่ในมือ ทั้งหมดนี้เกิดขึ้นได้โดยไม่ต้องรอรายงานที่ใช้เวลาเตรียมเป็นวันๆ

บทความนี้จะพาคุณไปเรียนรู้จากกรณีศึกษาของ Blibli.com หนึ่งในผู้เล่น E-commerce รายใหญ่ที่สุดของอินโดนีเซีย ที่เปรียบเสมือน Masterclass ในการทลายกำแพงดังกล่าว พวกเขาได้พิสูจน์ให้เห็นแล้วว่า การลงทุนใน Data Infrastructure ที่ถูกต้อง ไม่ใช่แค่การลดต้นทุน แต่คือการสร้างเครื่องมือทำกำไรให้กับทุกแผนกในองค์กร มาดูกันว่าพวกเขาทำได้อย่างไร

“ข้อมูล ที่ดีไม่ควรเป็นภาระ แต่ต้องสร้างความได้เปรียบทางธุรกิจ” นี่คือหลักคิดที่ Blibli.com พิสูจน์แล้วว่าจริง ผ่านการเปลี่ยนผ่านระบบข้อมูลครั้งใหญ่ที่สร้าง ROI ให้ธุรกิจได้อย่างเป็นรูปธรรม

เมื่อข้อมูลล้นมือ แต่กลับวิเคราะห์อะไรไม่ได้

หลายธุรกิจในไทยกำลังเผชิญสถานการณ์เดียวกับ Blibli.com ในอดีตแม้จะมีข้อมูลจำนวนมหาศาล ทั้งจากเว็บไซต์ แอปฯ ระบบโลจิสติกส์ และการสั่งซื้อ แต่เมื่อถึงเวลาตัดสินใจ ข้อมูลกลับ “มาไม่ทันใช้” และ “ไม่พร้อมใช้งานจริง”

Blibli.com ในฐานะผู้เล่น E-commerce รายใหญ่ของอินโดนีเซีย มีข้อมูล Clickstream และ Backend ปริมาณมหาศาลมากกว่าหลายร้อยเทราไบต์ต่อวันแต่ระบบ On-premises data warehouse ที่ใช้กลับใช้เวลา ถึง 4 ชั่วโมง เพื่อประมวลผลข้อมูล และยังมีข้อจำกัดเรื่องความสามารถในการขยายระบบและแบ่งปันข้อมูลให้ทุกทีมใช้งาน

ผลลัพธ์คือ Data Overload ที่ไม่ก่อประโยชน์

Blibli.com กับความท้าทายในการจัดการข้อมูลระดับหลายร้อยเทราไบต์ต่อวัน

ความท้าทายหลักที่ Blibli.com ต้องเผชิญ ได้แก่:

• ปริมาณข้อมูล Clickstream เช่น คือข้อมูล “รอยเท้า” ของลูกค้าทุกคนที่เดินเข้ามาในห้าง เขาเดินไปแผนกไหน, หยุดดูสินค้าอะไร, หยิบอะไรใส่รถเข็น, เดินออกจากร้านไปโดยไม่ซื้ออะไรบ้าง ทุกการกระทำเล็กๆ น้อยๆ นี้คือข้อมูลที่มีค่า แต่ก็มีปริมาณมหาศาลและเพิ่มขึ้นตลอดเวลา และ Backend หรือข้อมูลที่เกิดขึ้นใน “ห้องทำงานหลังร้าน” เช่น การทำธุรกรรม, การชำระเงิน, ข้อมูลสต็อกสินค้า, การจัดส่งโลจิสติกส์ ที่เพิ่มขึ้นทุกวัน ปัญหาคือ ระบบ On-premises แบบเก่าก็เหมือน “โกดังเก็บของ” ที่มีขนาดจำกัด เมื่อข้อมูล (สินค้า) เพิ่มขึ้นทุกวัน โกดังก็เริ่มเต็ม, ค้นหาของได้ช้าลง, และถ้าจะขยายก็ต้องใช้เงินและเวลาสร้างโกดังใหม่ซึ่งเป็นเรื่องใหญ่ ระบบไม่สามารถขยายตัวตามการเติบโตของธุรกิจได้ทัน
• ความซับซ้อนของการการสืบค้นข้อมูล (Query) และการบริหารจัดการทรัพยากร IT ปัญหาคือ ระบบเก่าเหมือน “บรรณารักษ์” คนเดียวที่ต้องวิ่งหาหนังสือในห้องสมุดที่รกและใหญ่มาก พอเจอคำถามยากๆ ก็ต้องใช้เวลานานมากกว่าจะหาคำตอบได้ นอกจากนี้ เมื่อมีคนหนึ่งกำลังถามคำถามที่ซับซ้อน (ใช้พลังประมวลผลสูง) ก็อาจทำให้คนอื่นที่ถามคำถามง่ายๆ ต้องรอไปด้วย เพราะทรัพยากร (CPU, Memory) ถูกใช้ไปจนหมด ทีม IT ต้องคอยจัดสรรและดูแลทรัพยากรเหล่านี้ด้วยตัวเองอย่างใกล้ชิด
• ความต้องการเข้าถึงข้อมูลจากหลายทีม แต่ระบบไม่เอื้อให้ทำแบบ real-time ได้
• ทีม IT ต้องทุ่มเวลามากในการจัดการโครงสร้างพื้นฐาน มากกว่าการสนับสนุนเชิงกลยุทธ์

เปลี่ยนระบบข้อมูลด้วย BigQuery: เร็วขึ้น แม่นขึ้น ขยายง่าย

Blibli.com ตัดสินใจย้ายระบบข้อมูลขึ้น Google Cloud และเลือก BigQuery เป็นหัวใจหลักของ Data Platform ใหม่ ด้วยเหตุผลหลัก 3 ประการ:

1. ความเร็ว: จากเดิมที่ใช้เวลา 4 ชั่วโมงในการเตรียมข้อมูล เหลือเพียง 20 นาที
2. ความแม่นยำ: รองรับการประมวลผลทั้งแบบการรวบรวมข้อมูลไว้เป็นก้อนใหญ่ๆ (Batch) และ การแปรรูปข้อมูลที่เข้ามาทีละน้อยๆ (Streaming) ได้พร้อมกัน
3. ความยืดหยุ่น: ระบบ Serverless ที่ปรับขนาดอัตโนมัติ ลดภาระ IT และเปิดโอกาสให้ทีมอื่นเข้าถึงข้อมูลได้ทันที

“BigQuery เปลี่ยน Data Infrastructure จากต้นทุนที่ถ่วงธุรกิจ ให้เป็นทรัพยากรที่สร้างกำไรให้ทุกทีม”

วิธีที่ Blibli.com นำ BigQuery มาใช้แก้ปัญหา

Blibli.com สร้าง Data Architecture ที่เชื่อมโยงทุกส่วนของธุรกิจเข้ากับ BigQuery อย่างเป็นระบบ:

• ส่งข้อมูลจากระบบ Clickstream หรือ ข้อมูลพฤติกรรมการใช้งานของผู้ใช้บนเว็บไซต์และแอปพลิเคชันแบบละเอียดยิบ เช่น การคลิก, การเลื่อนดูหน้าจอ, การดูสินค้า, การเพิ่มของลงตะกร้า ข้อมูลเหล่านี้เกิดขึ้นตลอดเวลาและมีปริมาณมหาศาล และ Microservices ระบบย่อยๆ ที่ทำงานอยู่เบื้องหลัง เช่น ระบบจัดการคำสั่งซื้อ, ระบบชำระเงิน, ระบบโลจิสติกส์ ซึ่งแต่ละระบบก็จะผลิตข้อมูลของตัวเองออกมา ผ่าน Cloud Pub/Sub ที่ทำหน้าที่เหมือน “บุรุษไปรษณีย์กลาง” ที่มีความสามารถสูงมาก ระบบต่างๆ (Clickstream, Microservices) จะ “ส่ง” (Publish) ข้อมูลเข้ามาที่ Pub/Sub โดยไม่ต้องสนใจว่าใครจะมารับข้อมูลต่อไป ทำให้ระบบต้นทางทำงานได้เร็วและไม่ติดขัด
• แปลงข้อมูลด้วยเครื่องมือที่ใช้ในการแปลงสภาพข้อมูลดิบที่ยังใช้งานยาก ให้กลายเป็นข้อมูลที่สะอาด, มีโครงสร้าง, และพร้อมใช้งานสำหรับการวิเคราะห์ (Cloud Dataflow) ทั้งแบบ การแปรรูปข้อมูลที่เข้ามาทีละน้อยๆ (Streaming) และ การรวบรวมข้อมูลไว้เป็นก้อนใหญ่ๆ (Batch)
• เก็บข้อมูลระยะยาวบน Cloud Storage เพื่อรองรับการทำการเก็บข้อมูลเก่าๆ ไว้เพื่อการตรวจสอบย้อนหลัง(Archival) หรือ สำรองข้อมูลไว้เผื่อในกรณีที่ระบบหลักเกิดภัยพิบัติหรือเสียหาย จะได้สามารถกู้คืนข้อมูลกลับมาได้ (Disaster Recovery)
• วิเคราะห์ข้อมูลด้วย BigQuery และนำข้อมูลมา Visualize ด้วยเครื่องมือ BI
• ใช้ Cloud Dataproc หรือบริการที่ให้พลังการประมวลผลขนาดใหญ่สำหรับงานที่ซับซ้อนมากๆ อย่างการสร้างโมเดล Machine Learning เพื่อฝึกและปรับใช้ Machine Learning model
• สร้างระบบ Recommendation, Customer Segmentation และ Forecast inventory

ผลลัพธ์ที่วัดได้: ตัดสินใจได้เร็วขึ้น และขับเคลื่อนทุกทีมด้วยข้อมูล

การปรับระบบข้อมูลด้วย BigQuery สร้างผลลัพธ์เชิงธุรกิจที่ชัดเจน:

• เวลาที่ใช้ในการประมวลผลข้อมูลลดลง 92% (จาก 4 ชั่วโมง เหลือ 20 นาที)
• ทีม Business Analyst และ Marketing ใช้ข้อมูลแบบ Self-service ได้
• ทีม IT ลดภาระด้านโครงสร้างพื้นฐานลงอย่างมาก
• ทุกทีมสามารถเข้าถึง Insight ได้ทันเวลา เพื่อใช้ในการตัดสินใจ

บทเรียนสำหรับธุรกิจ E-commerce ไทย: เริ่มที่ระบบข้อมูลที่แข็งแรง

สำหรับธุรกิจ E-commerce ไทย หนึ่งในจุดที่ธุรกิจส่วนใหญ่มองข้ามคือ “ความพร้อมของโครงสร้างพื้นฐานข้อมูล (Data Infrastructure)” ที่แข็งแรงและยืดหยุ่นพอจะรองรับความซับซ้อนของข้อมูลจริง

สิ่งที่ธุรกิจควรเริ่มต้นคือ:

• วางระบบข้อมูลที่รองรับการขยายตัว เพื่อให้สามารถรับข้อมูลได้มากขึ้นเรื่อยๆ โดยไม่ล่ม ไม่ว่าธุรกิจจะโตเร็วแค่ไหนก็ตาม
• สร้างท่อข้อมูลแบบ Real-time และใช้เครื่องมือวิเคราะห์ความเร็วสูง (อย่าง BigQuery) เพื่อให้ตัดสินใจได้ทันที
• ปลดล็อกการใช้ข้อมูลจากทุกทีม โดยไม่ต้องพึ่งพา IT ตลอดเวลา โดยทำให้ทุกคน (เช่น ทีมการตลาด, ทีมขาย) สามารถดูข้อมูลและสร้างรายงานเองได้ง่ายๆ
• วางแผนต่อยอดสู่ Machine Learning และ AI บนข้อมูลที่เชื่อถือได้ สำหรับใช้สร้าง AI ในอนาคต เช่น ระบบแนะนำสินค้า

ข้อคิดจากกรณี Blibli.com ที่สามารถนำไปใช้ได้จริง

• ข้อมูล ที่ใช้ไม่ทัน ย่อมไร้ค่า — ความเร็วในการเข้าถึงข้อมูลคือกุญแจสำคัญ
• เลือกเครื่องมือให้เหมาะกับปริมาณและประเภทของข้อมูล
• ยิ่งทีมธุรกิจเข้าถึงข้อมูลได้มากเท่าไร องค์กรยิ่งขับเคลื่อนเร็วขึ้นเท่านั้น
• Infrastructure ไม่ใช่แค่เรื่อง IT แต่คือรากฐานการสร้างกำไร

สรุปสำหรับผู้บริหาร

Blibli.com แสดงให้เห็นว่า “Data Strategy ที่ถูกต้อง” ไม่ได้เริ่มจากการเก็บข้อมูลเพิ่ม แต่เริ่มจากการทำให้ข้อมูลที่มี พร้อมใช้ และสร้างผลลัพธ์ได้จริง
การลงทุนใน Data Infrastructure ที่ยืดหยุ่น ปลอดภัย และขยายง่ายอย่าง BigQuery จึงเป็นการลงทุนที่คืน ROI ได้อย่างแท้จริง

หากคุณกำลังคิดจะ Transform ระบบข้อมูลในองค์กร Predictive พร้อมช่วยวางกลยุทธ์ ออกแบบระบบ และดูแลการเปลี่ยนผ่านเพราะ Data ที่ดี ต้องพร้อมใช้งาน และพร้อมสร้างมูลค่า — ไม่ใช่แค่เก็บไว้ติดต่อทีมที่ปรึกษาของเรา เพื่อเริ่มต้น Roadmap ขององค์กรคุณวันนี้

ข้อมูลอ้างอิง https://cloud.google.com/customers/blibli-com