Data Governance

• กำหนดนโยบายและมาตรฐานการจัดการข้อมูล ช่วยให้องค์กรใช้ข้อมูลอย่างมีทิศทาง ถูกต้องตามกฎหมาย และมีผู้รับผิดชอบชัดเจน

Data Quality

• ตรวจสอบและปรับปรุงความถูกต้องและความครบถ้วนของข้อมูล ทำให้การตัดสินใจจากข้อมูลน่าเชื่อถือ ลดความเสี่ยงจากข้อมูลผิดพลาด

Data Architecture & Modeling

• วางโครงสร้างและแบบจำลองข้อมูลให้สอดคล้องกับธุรกิจ ช่วยให้ข้อมูลเชื่อมโยงกันได้ มีระบบรองรับการเติบโตและการวิเคราะห์

Metadata Management

• จัดการข้อมูลเกี่ยวกับข้อมูล (ข้อมูลคำอธิบาย) ทำให้ค้นหา เข้าใจ และใช้ข้อมูลได้ง่ายขึ้น

Master & Reference Data

• ดูแลข้อมูลหลักและข้อมูลอ้างอิงให้เป็นมาตรฐาน ลดความซ้ำซ้อน สร้างความสอดคล้องของข้อมูลทั่วทั้งองค์กร

Data Warehousing & Business Intelligence

• จัดเก็บและวิเคราะห์ข้อมูลเพื่อสนับสนุนการตัดสินใจ ช่วยให้ผู้บริหารเห็นภาพรวม และตัดสินใจเชิงกลยุทธ์ได้แม่นยำ

Data Security & Privacy

• ปกป้องข้อมูลและจัดการสิทธิ์เข้าถึงข้อมูล ช่วยสร้างความมั่นใจให้ลูกค้า และปฏิบัติตามกฎหมายคุ้มครองข้อมูล

Data Integration & Interoperability

• รวมข้อมูลจากหลายแหล่งให้สอดคล้องและใช้งานร่วมกันได้ ลดงานซ้ำซ้อน เพิ่มประสิทธิภาพในการใช้ข้อมูลร่วมกัน

Data Lifecycle Management

• จัดการข้อมูลตั้งแต่สร้าง จัดเก็บ ใช้งาน จนถึงลบหรือทำลาย ช่วยลดภาระการเก็บข้อมูลที่ไม่จำเป็น และรักษาความปลอดภัยข้อมูลในแต่ละช่วง

Document & Content Management

• จัดการไฟล์ เอกสาร และคอนเทนต์ที่เกี่ยวข้องกับข้อมูล ช่วยให้องค์กรเข้าถึงความรู้และข้อมูลที่ไม่ใช่เชิงโครงสร้าง (unstructured data) ได้ง่ายขึ้น

ทำไมต้องสนใจ Data Management

• ข้อมูลกระจัดกระจาย (Data Silos)>>แต่ละหน่วยงานเก็บข้อมูลแยกกัน ใช้ร่วมกันไม่ได้
• ข้อมูลซ้ำซ้อน ไม่ถูกต้อง>>ข้อมูลคนละระบบไม่ตรงกัน ทำให้เกิดข้อผิดพลาด
• ขาดมาตรฐานและความน่าเชื่อถือ>>ข้อมูลคนละระบบไม่ตรงกัน ทำให้เกิดข้อผิดพลาด
• เสียเวลาค้นหาข้อมูล>>ข้อมูลไม่มีการจัดเก็บที่เป็นระบบ ทำให้หายาก
• เสี่ยงต่อการละเมิดกฎหมายและข้อกำหนด>>เช่น PDPA, GDPR
• การตัดสินใจไม่แม่นยำ>>เพราะข้อมูลไม่ครบ ไม่ถูกต้อง หรือไม่ทันเวลา

DMBOK คืออะไร?

DMBOK (Data Management Body of Knowledge) คือ กรอบการทำงานและคู่มือมาตรฐานสากลด้านการจัดการข้อมูล ซึ่งจัดทำโดย DAMA International เพื่อให้แนวปฏิบัติที่ดีที่สุด (best practices) ในการจัดการข้อมูลตลอดวงจรชีวิตของข้อมูล กรอบการทำงานนี้แบ่งการจัดการข้อมูลออกเป็น 11 องค์ความรู้ โดยมี การกำกับดูแลข้อมูล (Data Governance) เป็นแกนกลาง และเป็นคู่มืออ้างอิงสำหรับผู้เชี่ยวชาญด้านข้อมูลเพื่อใช้ในการทำงานและการรับรองความรู้ 

ทำไมองค์กรควรมี AI Governance

1. ลดความเสี่ยงจากการใช้ AI

• ป้องกัน Bias, ข้อมูลรั่วไหล, หรือ การตัดสินใจผิดพลาดจากโมเดล
• ช่วยให้องค์กรมีระบบตรวจสอบและรับผิดชอบได้หากเกิดปัญหา

2. สร้างความเชื่อมั่นต่อผู้มีส่วนได้ส่วนเสีย

• ลูกค้าและคู่ค้าจะมั่นใจได้ว่า AI ขององค์กร “โปร่งใสและเป็นธรรม”
• โดยเฉพาะองค์กรที่ใช้ AI ในการวิเคราะห์ลูกค้า การสรรหาคน หรือการตัดสินใจสำคัญ

3. สอดคล้องกับกฎหมายและมาตรฐานสากล

• หลายประเทศ (เช่น EU, Singapore, Japan) เริ่มมีกฎหมายด้าน AI
• การมีกรอบ AI Governance จะช่วยให้องค์กร “พร้อมปฏิบัติตาม” ได้รวดเร็ว

4. ใช้ทรัพยากร AI อย่างมีประสิทธิภาพ

• ช่วยให้มีขั้นตอนในการอนุมัติ ใช้งาน และประเมินผลของ AI Model อย่างมีระบบ
• ลดความซ้ำซ้อนและควบคุมต้นทุนด้าน AI development

Python คืออะไร?

Python คือ ภาษาคอมพิวเตอร์ ที่เอาไว้เขียนโปรแกรม แต่จุดเด่นของมันคือ อ่านง่าย เขียนง่าย เหมือนภาษาอังกฤษธรรมดาเลย เลยทำให้เป็นภาษาที่คนเริ่มเรียนเขียนโปรแกรมนิยมใช้กันเยอะ

ใช้ทำอะไรได้บ้าง?

• Data Analysis & Visualization วิเคราะห์ข้อมูล+ทำกราฟสวยๆ
• Web Development สร้างเว็บไซต์ + เว็บแอป
• Machine Learning & AI พัฒนา AI, Chatbot, Recommendation
• Automation ทำงานซ้ำๆ อัตโนมัติ เช่น ส่งอีเมล, จัดการไฟล์, Excel Automation
• Game Development สร้างเกม 2D
• Cybersecurity เขียนสคริปต์ตรวจสอบความปลอดภัยระบบ
• Science & Research คำนวณสมการ, วิเคราะห์ตัวเลขขนาดใหญ่

AI Governance คืออะไร?

“กรอบการกำกับดูแลและบริหารจัดการการใช้ปัญญาประดิษฐ์ (AI)” เพื่อให้การพัฒนาและใช้งาน AI เป็นไปอย่าง โปร่งใส ปลอดภัย มีจริยธรรม และรับผิดชอบได้ (Responsible AI)

บทบาทของ AI Governance

• กำหนดทิศทางการใช้ AI ให้สอดคล้องกับเป้าหมายองค์กร
• ควบคุมความเสี่ยง และลดผลกระทบเชิงลบ
• รับรองความปลอดภัยและการคุ้มครองข้อมูล
• สร้างความโปร่งใสและความรับผิดชอบในทุกขั้นตอน
• ติดตามและปรับปรุงการใช้งาน AI อย่างต่อเนื่อง

ทำไมองค์กรต้องใส่ใจ

• ลดความเสี่ยง จากการใช้ AI ผิดพลาดหรือไม่ถูกต้องตามกฎหมาย
• ปกป้องข้อมูลส่วนบุคคล และรักษาสิทธิของผู้ใช้
• สร้างความโปร่งใส ให้การตัดสินใจของ AI สามารถอธิบายได้
• เสริมความน่าเชื่อถือ ต่อคู่ค้า ลูกค้า และสังคม
• สอดคล้องกับกฎหมายและมาตรฐานสากล เช่น PDPA, GDPR, ISO
• เพิ่มประสิทธิภาพ และคุณภาพการตัดสินใจขององค์กรในระยะยาว

กฎหมายที่เกี่ยวข้อง

• GDPR (General Data Protection Regulation – EU)
• AI Act (ร่างกฎหมาย AI ของสหภาพยุโรป)
• OECD AI Principles
• ISO/IEC 42001:2023

หลักการสำคัญของ AI Governance ที่องค์กรควรนำไปพิจารณา

• ความรับผิดชอบ (Accountability)
• ความโปร่งใสและอธิบายได้ (Transparency and Explainability)
• ความเป็นธรรมและไม่เลือกปฏิบัติ (Fairness and Non-discrimination)
• ความปลอดภัยและความน่าเชื่อถือ (Safety and Reliability)
• ความเป็นส่วนตัวและการคุ้มครองข้อมูล (Privacy and Data Protection)
• การกำกับดูแลโดยมนุษย์ (Human Oversight and Control)
• จริยธรรมและค่านิยมของสังคม (Ethics and Societal Values)