Data Governance คืออะไร? คู่มือ Framework และ 6 ขั้นตอนเริ่มต้นสำหรับองค์กรไทย

ฝ่ายขายรายงานจำนวนลูกค้า Active หนึ่งตัวเลข ฝ่ายการตลาดรายงานอีกตัวเลข ส่วนฝ่ายการเงินมีตัวเลขที่สามอยู่ในรายงานของตัวเอง ทุกทีมคำนวณมาอย่างถูกต้องตามนิยามของตัวเอง แต่องค์กรไม่มีนิยามกลาง และไม่มีใครมีอำนาจตัดสินว่านิยามไหนคือคำตอบ

ปัญหานี้คือสิ่งที่ Data Governance ถูกออกแบบมาแก้ บทความนี้อธิบายว่ามันคืออะไร ทำงานอย่างไร ประกอบด้วยอะไรบ้าง และองค์กรควรเริ่มอย่างไรโดยไม่ต้องรอโครงการขนาดใหญ่

สรุปสั้น: Data Governance หรือ ธรรมาภิบาลข้อมูล (บางแห่งเรียกว่า การกำกับดูแลข้อมูล) คือกรอบที่กำหนดว่าใครเป็นเจ้าของข้อมูล ใครมีสิทธิ์ใช้ ใช้ได้ภายใต้กติกาอะไร และข้อมูลต้องมีคุณภาพระดับไหนจึงเชื่อถือได้ โดยครอบคลุมตลอดวงจรชีวิตข้อมูล ตั้งแต่การเก็บ ใช้งาน จนถึงการลบ

Data Governance คืออะไร

Data Governance คือการกำหนด ความรับผิดชอบ นโยบาย และสิทธิ์ในการตัดสินใจ เกี่ยวกับข้อมูลขององค์กร เพื่อให้ข้อมูลถูกจัดการเป็นสินทรัพย์ที่มีเจ้าของและมีกติกาการใช้ชัดเจน DAMA International องค์กรวิชาชีพด้านการจัดการข้อมูลที่เผยแพร่กรอบ DAMA-DMBOK ให้ความหมายในทิศทางเดียวกัน คือการสร้างความรับผิดชอบ นโยบาย และอำนาจตัดสินใจ เพื่อให้ข้อมูลถูกจัดการอย่างเหมาะสม

Data Governance ตอบคำถามพื้นฐาน 5 ข้อ:

1. ใครเป็นเจ้าของข้อมูลชุดนี้ เมื่อมีปัญหา ใครต้องตัดสินใจ
2. ข้อมูลนี้หมายถึงอะไร เช่น “ลูกค้า Active” “ยอดขายสุทธิ” นิยามตรงกันทุกทีมหรือไม่
3. ใครเข้าถึงได้ และเข้าถึงเพื่ออะไร
4. ข้อมูลนี้เชื่อถือได้แค่ไหน วัดจากอะไร และใครแก้เมื่อผิด
5. เก็บนานเท่าไร และลบเมื่อไร

Data Governance ต่างจาก Data Management, Data Quality และ PDPA อย่างไร

หลายองค์กรใช้คำเหล่านี้ปนกัน ทั้งที่แต่ละคำตอบคำถามคนละข้อ

แนวคิด	ตอบคำถามว่า	ตัวอย่าง
Data Governance	ใครตัดสินใจ ใช้กติกาอะไร	กำหนดว่าฝ่ายไหนเป็นเจ้าของข้อมูลลูกค้า และนิยาม “ลูกค้า Active”
Data Management	ทำอย่างไรในทางปฏิบัติ	จัดเก็บ รวมข้อมูล ทำ Data Warehouse
Data Quality	ข้อมูลถูกต้อง ครบ และทันสมัยหรือไม่	ตรวจข้อมูลซ้ำ ตรวจช่องที่ว่าง
Data Security	ใครเข้าถึงได้ และปลอดภัยหรือไม่	กำหนดสิทธิ์ตามบทบาท เข้ารหัสข้อมูล
PDPA Compliance	ข้อมูลส่วนบุคคลถูกใช้ตามกฎหมายหรือไม่	ขอความยินยอม จัดการสิทธิ์เจ้าของข้อมูล

ในกรอบ DAMA-DMBOK (Data Management Body of Knowledge) การจัดการข้อมูลแบ่งเป็น 11 องค์ความรู้ (Knowledge Areas) โดย Data Governance อยู่ตรงกลางและเชื่อมส่วนอื่นเข้าด้วยกัน กล่าวอีกแบบคือ Data Governance ไม่ได้ทำงานแทน Data Quality หรือ Data Security แต่กำหนดว่าใครรับผิดชอบเรื่องเหล่านั้นและวัดผลอย่างไร

ทำไมธุรกิจต้องมี Data Governance

1. ข้อมูลที่เชื่อถือไม่ได้มีต้นทุนจริง

Gartner ระบุว่าข้อมูลคุณภาพต่ำสร้างต้นทุนให้องค์กรเฉลี่ยอย่างน้อย 12.9 ล้านดอลลาร์สหรัฐต่อปี ตามงานวิจัยปี 2020 และพบว่า 59% ขององค์กรไม่ได้วัดคุณภาพข้อมูลเลย ตัวเลขนี้เป็นค่าเฉลี่ยระดับโลก ไม่ใช่ตัวเลขของบริษัทไทย แต่ชี้ให้เห็นว่าปัญหาเริ่มจากการไม่รู้ว่าข้อมูลแย่แค่ไหน

2. กฎหมายคุ้มครองข้อมูลส่วนบุคคลมีบทลงโทษจริง

พ.ร.บ. คุ้มครองข้อมูลส่วนบุคคล (PDPA) บังคับใช้เต็มรูปแบบตั้งแต่ 1 มิถุนายน 2565 ตามแหล่งข้อมูลกฎหมายที่เราตรวจสอบ ความรับผิดแบ่งเป็น 3 ส่วน:

• โทษทางปกครอง: ปรับได้สูงสุด 5 ล้านบาทต่อการฝ่าฝืน
• โทษทางอาญา: ในบางความผิดมีโทษจำคุกได้ถึง 1 ปี หรือปรับไม่เกิน 1 ล้านบาท
• ความรับผิดทางแพ่ง: ศาลสั่งค่าสินไหมทดแทนเชิงลงโทษได้ถึง 2 เท่าของความเสียหายจริง

องค์กรที่ไม่รู้ว่าข้อมูลส่วนบุคคลอยู่ในระบบใดบ้าง ใครเข้าถึงได้ และเก็บไว้นานเท่าไร จะตอบคำถามเหล่านี้ยากมากเมื่อเกิดเหตุ รายละเอียดทางกฎหมายควรตรวจสอบกับที่ปรึกษากฎหมายของคุณ

3. AI และ Analytics ทำงานได้ดีเท่าที่ข้อมูลอนุญาต

โมเดลทำนายและแดชบอร์ดที่สร้างจากข้อมูลที่ไม่มีเจ้าของ ไม่มีนิยามกลาง และไม่มีการตรวจคุณภาพ จะให้คำตอบที่ดูน่าเชื่อถือแต่ผิดพลาดได้ ยิ่งใช้ AI กับข้อมูลลูกค้า ความชัดเจนเรื่องสิทธิ์การใช้ข้อมูลและแหล่งที่มายิ่งสำคัญ

องค์ประกอบหลักของ Data Governance Framework

Framework ที่ใช้งานได้จริงมักประกอบด้วย 6 ส่วนนี้

องค์ประกอบ	ทำหน้าที่อะไร	ผลลัพธ์ที่ควรได้
1. นโยบายข้อมูล (Data Policy)	กำหนดกติกาการเก็บ ใช้ แชร์ และลบข้อมูล	เอกสารนโยบายที่คนอ่านแล้วนำไปใช้ได้
2. บทบาทและความรับผิดชอบ	ระบุว่าใครเป็นเจ้าของและดูแลข้อมูล	รายชื่อ Data Owner และ Data Steward แยกตามโดเมน
3. มาตรฐานและนิยามข้อมูล	ทำให้ทุกทีมใช้คำและตัวชี้วัดตรงกัน	Business Glossary
4. คุณภาพข้อมูล (Data Quality)	กำหนดเกณฑ์และวัดผล	ตัวชี้วัด เช่น ความถูกต้อง ความครบถ้วน ความสอดคล้อง
5. Metadata, Catalog และ Lineage	บอกว่าข้อมูลอยู่ที่ไหน มาจากไหน ผ่านอะไรมา	Data Catalog ที่ค้นหาได้
6. ความมั่นคงปลอดภัยและการเข้าถึง	จำแนกความอ่อนไหวและกำหนดสิทธิ์	Data Classification และสิทธิ์ตามบทบาท

ส่วนที่ 1–3 เป็นเรื่องของคนและกติกา ส่วนที่ 4–6 ต้องอาศัยเทคโนโลยีช่วย องค์กรที่เริ่มจากเครื่องมือโดยยังไม่ได้ตกลง 3 ข้อแรก มักได้ระบบที่ไม่มีใครใช้

บทบาทที่ต้องกำหนดใน Data Governance

บทบาท	หน้าที่หลัก
Data Owner	ผู้บริหารหรือหัวหน้าฝ่ายที่รับผิดชอบข้อมูลโดเมนนั้น ตัดสินใจเรื่องนิยาม สิทธิ์ และความเสี่ยง
Data Steward	ผู้ดูแลข้อมูลรายวัน ตรวจคุณภาพ แก้ปัญหา และเป็นจุดประสานงาน
Data Custodian / IT	ดูแลระบบและโครงสร้างพื้นฐานที่เก็บข้อมูล ตามนโยบายที่ Owner กำหนด
Data User	ผู้ใช้ข้อมูล ปฏิบัติตามนโยบายและแจ้งปัญหา
Data Governance Council	คณะทำงานข้ามฝ่ายที่ตัดสินเรื่องที่ทีมเดียวตัดสินไม่ได้
DPO	ให้คำแนะนำและกำกับดูแลด้านข้อมูลส่วนบุคคล ในองค์กรที่ต้องแต่งตั้งตาม PDPA

จุดที่พลาดบ่อยคือให้ IT เป็นเจ้าของข้อมูลทั้งหมด ทั้งที่ IT ดูแลระบบ แต่ไม่ได้เป็นผู้ที่รู้ว่าข้อมูลการขายควรนิยามอย่างไร เจ้าของข้อมูลควรมาจากฝ่ายธุรกิจ

6 ขั้นตอนเริ่มต้นวาง Data Governance

หลักสำคัญคือ เริ่มจากโดเมนข้อมูลเดียวที่ส่งผลต่อธุรกิจชัดเจน เช่น ข้อมูลลูกค้า แล้วค่อยขยาย

ขั้นที่ 1: เลือกเป้าหมายทางธุรกิจและขอบเขต

ถามก่อนว่าปัญหาที่อยากแก้คืออะไร เช่น ตัวเลขลูกค้าไม่ตรงกัน หรือเตรียมข้อมูลให้พร้อมต่อ PDPA แล้วเลือกโดเมนข้อมูลแรก เช่น ข้อมูลลูกค้า ข้อมูลการขาย หรือข้อมูลแคมเปญ

ขั้นที่ 2: สำรวจและจำแนกข้อมูล

ทำรายการว่าข้อมูลอยู่ในระบบใดบ้าง (CRM, เว็บไซต์, แอป, ระบบหลังบ้าน, เครื่องมือโฆษณา) แล้วจำแนกตามความอ่อนไหว โดยระบุข้อมูลส่วนบุคคลให้ชัด ขั้นนี้มักเผยให้เห็นข้อมูลที่ไม่มีใครรู้ว่ามีอยู่

ขั้นที่ 3: แต่งตั้ง Owner, Steward และคณะทำงาน

ระบุชื่อคนจริง ไม่ใช่ชื่อแผนก และกำหนดว่าเรื่องใดต้องเสนอ Council

ขั้นที่ 4: เขียนนโยบายและนิยามขั้นต่ำ

เริ่มจากสิ่งที่จำเป็นที่สุด ได้แก่ นิยามตัวชี้วัดหลัก กฎการตั้งชื่อ ระยะเวลาเก็บข้อมูล และสิทธิ์การเข้าถึง นโยบายที่สั้นและถูกใช้ ดีกว่านโยบายยาวที่ไม่มีคนอ่าน

ขั้นที่ 5: กำหนดตัวชี้วัดคุณภาพข้อมูลและเริ่มวัด

เลือก 3–5 ตัวชี้วัดที่เชื่อมกับผลลัพธ์ธุรกิจ เช่น สัดส่วนเบอร์โทรที่ไม่ถูกรูปแบบ หรือจำนวนลูกค้าซ้ำ เพราะสิ่งที่ไม่ได้วัดจะไม่ถูกปรับปรุง

ขั้นที่ 6: ใช้เครื่องมือรองรับ แล้วทบทวนเป็นรอบ

เมื่อกติกาชัดแล้วจึงเลือกเครื่องมือ เช่น Data Catalog, ระบบควบคุมสิทธิ์, เครื่องมือจัดการ Consent จากนั้นทบทวนนโยบายเป็นรอบและขยายไปโดเมนถัดไป

ลองประเมินความพร้อมด้านข้อมูลลูกค้าขององค์กรด้วย CDP Readiness Assessment เครื่องมือฟรีจาก Predictiveตัวอย่างสถานการณ์: ข้อมูลลูกค้าที่ทีมใช้คนละนิยาม

(ตัวอย่างสมมติเพื่ออธิบาย ไม่ใช่กรณีศึกษาลูกค้าจริง)

ธุรกิจค้าปลีกแห่งหนึ่งพบว่า “ลูกค้า Active” มี 3 นิยาม ฝ่ายขายนับคนที่ซื้อในรอบ 12 เดือน ฝ่ายการตลาดนับคนที่เปิดอีเมลในรอบ 90 วัน และทีมแอปนับคนที่เปิดแอปในรอบ 30 วัน เมื่อผู้บริหารถามว่ามีลูกค้า Active กี่คน จึงได้ 3 คำตอบ

เมื่อวาง Data Governance ในโดเมนข้อมูลลูกค้า สิ่งที่เปลี่ยนไปคือ:

• Owner (หัวหน้าฝ่ายลูกค้าสัมพันธ์) ตัดสินนิยามกลาง และเก็บนิยามอื่นไว้เป็นตัวชี้วัดย่อยที่ตั้งชื่อต่างกัน
• Steward ดูแลรายการลูกค้าซ้ำและข้อมูลติดต่อที่ผิดรูปแบบ
• นโยบายการเข้าถึง ระบุว่าใครดูเบอร์โทรและอีเมลเต็มได้ และใครดูได้แค่ข้อมูลสรุป
• นโยบายการเก็บ ระบุว่าข้อมูลลูกค้าที่ไม่มีความเคลื่อนไหวจะถูกทบทวนหรือลบเมื่อไร

ผลที่ได้คือทุกทีมพูดถึงตัวเลขเดียวกัน และเมื่อลูกค้าใช้สิทธิ์ขอดูหรือลบข้อมูล ทีมงานรู้ว่าต้องไปที่ระบบไหน

ข้อผิดพลาดที่พบบ่อย

• เริ่มใหญ่เกินไป พยายามครอบคลุมข้อมูลทั้งองค์กรพร้อมกันจนโครงการไม่เดินหน้า
• มองเป็นเรื่องของ IT อย่างเดียว ทั้งที่เจ้าของข้อมูลต้องมาจากฝ่ายธุรกิจ
• มีนโยบายแต่ไม่มีเจ้าของ เอกสารสวย แต่เมื่อเกิดปัญหาไม่รู้ว่าต้องถามใคร
• ซื้อเครื่องมือก่อนตกลงกติกา ได้ระบบที่ไม่มีข้อมูลนิยามและไม่มีคนดูแล
• ไม่วัดผล ไม่รู้ว่าคุณภาพข้อมูลดีขึ้นหรือไม่ จึงยากจะขอสนับสนุนต่อ

เทคโนโลยีช่วย Data Governance ได้อย่างไร

เครื่องมือไม่ได้ทดแทนการกำหนดบทบาทและกติกา แต่ช่วยให้กติกานั้นทำงานได้จริงในระดับที่คนจัดการเองไม่ไหว ตัวอย่างการจับคู่:

ความต้องการ	เทคโนโลยีที่เกี่ยวข้อง
รวมข้อมูลลูกค้าจากหลายแหล่งให้เป็นภาพเดียว	Customer Data Platform (CDP)
จัดเก็บและวิเคราะห์ข้อมูลศูนย์กลางอย่างปลอดภัย	Cloud-Based Data Warehousing
จัดการความยินยอมตาม PDPA และ GDPR	CookiePlus (Consent Management Platform)

สำหรับมุมมองเรื่อง Data Governance บนระบบคลาวด์และ Looker อ่านเพิ่มได้ที่บทความ Data Governance ใน Cloud

Predictive ช่วยเรื่อง Data Governance ได้อย่างไร

Predictive เป็นที่ปรึกษาด้าน Digital Analytics และ Customer Experience ที่ทำงานกับข้อมูลจากหลายจุดสัมผัส ทั้ง CRM อีเมล การขาย โฆษณา เว็บไซต์ และแอป ผ่านบริการที่เกี่ยวข้อง ได้แก่ Data Strategy Consulting, CDP และ PDPA Service นอกจากนี้ Predictive ได้รับการรับรองมาตรฐาน ISO 27001:2022 ด้านการบริหารความมั่นคงปลอดภัยของข้อมูล

หากคุณกำลังตัดสินใจว่าจะเริ่มจากโดเมนข้อมูลไหน หรือมีข้อมูลกระจายหลายระบบและยังไม่แน่ใจว่าจะจัดลำดับความสำคัญอย่างไร คุยกับทีมผู้เชี่ยวชาญของเราเพื่อประเมินสถานการณ์ได้

นัดพูดคุยกับผู้เชี่ยวชาญเรื่องข้อมูลขององค์กรคุณ

คำถามที่พบบ่อยเกี่ยวกับ Data Governance

สรุป

Data Governance ไม่ใช่โครงการเอกสารหรือระบบที่ซื้อมาติดตั้ง แต่คือการตกลงว่าใครรับผิดชอบข้อมูลอะไร และใช้กติกาอะไร วิธีเริ่มที่ได้ผลคือเลือกโดเมนข้อมูลเดียวที่กระทบธุรกิจ แต่งตั้งเจ้าของ เขียนนิยามและนโยบายขั้นต่ำ วัดคุณภาพ แล้วจึงใช้เครื่องมือขยายผล

หากต้องการปรึกษาว่าองค์กรของคุณควรเริ่มจากจุดไหน ติดต่อทีม Predictive หรือโทร 02-096-6362