Cloud Computing เป็นประโยชน์กับองค์กรอย่างไร?

Cloud Computing

Cloud Computing เป็นประโยชน์กับองค์กรอย่างไร?

Cloud Computing

ในช่วงโควิด-19 หรือ ยุคที่เกิด ‘New Normal’ แบบนี้ หลายๆ องค์กรก็ต้องมีการหาโซลูชันการทำงานที่คล่องตัว สามารถทำงานจากที่ไหนก็ได้และการควบคุมการทำงานที่ง่ายดาย 

‘Cloud Computing’ กลายเป็นทางออกของเทคโนโลยีในการแก้ไขปัญหาการทำงานแบบเดิมๆ และปรับให้การทำงานคล่องตัว สามารถเข้าถึงได้ทุกที่ ทุกเวลา และมีทรัพยากรด้าน IT ที่ยืดหยุ่น 

พูดให้เข้าใจง่ายๆ สำหรับ ‘Cloud Computing’ ก็คือคอมพิวเตอร์ หรือ เซิร์ฟเวอร์ขนาดใหญ่ที่ผู้ใช้งานไม่ต้องสนใจว่า เซิร์ฟเวอร์จะตั้งอยู่ที่ไหน เพราะ สามารถใช้งานได้ทุกที่ ทุกเวลา เพียงเชื่อมต่อผ่านอินเทอร์เน็ต

คุณลักษณะที่ดีของ ‘Cloud Computing’ ก็คือ 

– สามารถควบคุมต้นทุนได้ (Manage Your Finance) 

– สามารถเข้าถึงได้จากทุกที่ ทุกเวลา และหลากหลายอุปกรณ์ (Go Mobile) 

– มีมาตรฐานด้านความปลอดภัยที่ควบคุมข้อมูลต่างๆ (Store It Up) 

– คนในองค์กรสามารถทำงานร่วมกันได้โดยไร้ข้อจำกัด รวมถึงยังเพิ่มช่องทางในการเข้าถึงลูกค้าได้ง่ายมากขึ้น (Share Information — Collaboration) 

– ระบบการทำงาน Information System ที่ไม่ซับซ้อน ไม่เป็นปัญหากับผู้ดูแลระบบ (Alleviate Complicated of Information System) 

ใครหลายๆ คน อาจจะรู้จัก ‘Cloud Computing’ กันมาบ้างแล้ว แต่ความหมายของมันกับสิ่งที่มันสามารถทำได้ ก็อาจเป็นคำถามในใจของใครหลายๆ คน โดย ‘Cloud Computing’ เป็นระบบที่ยืดหยุ่น สามารถทำงานได้อย่างหลากหลาย เช่น 

  1. Disaster Recovery-as-a-Service 

สิ่งแรกที่ Cloud Computing สามารถใช้ประโยชน์กับองค์กรได้ คือ การใช้งาน Cloud เป็น Workload ในการเก็บ Backup ข้อมูลทั้งหมด เมื่อระบบเกิดปัญหาขัดข้อง หรือ เกิดภัยพิบัติที่ไม่สามารถคาดคิดได้ อย่างในช่วงสถานการณ์โควิด-19 นี้ เมื่อเปรียบเทียบกับการทำ DR-site แบบ On-premise จะมีการลงทุน H/W, และ S/W ไว้ที่ site สำรองเพื่อทำงานทดเเทน ซึ่งมีความซับซ้อนในการสร้างระบบ DR-Site แบบ On-premise อย่างมาก 

Cloud Services จึงเป็นการทำ DR-site สำรองระบบการทำงานทั้งหมด ตั้งแต่แอปพลิเคชัน ข้อมูล และการทำงานไปที่ Site สำรอง โดยในปัจจุบัน cloud server thai ก็มีเสถียรภาพ ความปลอดภัย และความรวดเร็ว ทำให้ Cloud Computing สามารถเก็บรักษา Backup ข้อมูลทั้งหมดได้ รวมถึงมีรายจ่ายที่น้อยว่าการลงทุน DR-Site แบบ On-premise อีกด้วย 

  1. Infrastructure-as-a-Service 

ต่อมาประโยชน์ของ Cloud Computing เป็นการใช้งาน Workload ที่มีการใช้งานทรัพยากรขั้นสูง คือ Cloud Services สามารถที่จะรองรับการสร้าง instance cloud หรือ ทรัพยากร Compute, Network, Storage ที่ระบบComputerต้องการได้ โดย Cloud จะช่วยลดภาระด้านการบริหารจัดการ เช่น SLA, ทีมงานผู้เชี่ยวชาญ หรือ ระบบการดูแลไฟฟ้าและควบคุมอากาศ เป็นต้น 

นอกจาก Cloud Computing จะสามารถรองรับทรัพยากรที่องค์กรต้องการใช้งานได้ ยังมีฟีเจอร์และแอปพลิเคชันรองรับกับการใช้งาน เช่น VPC network ในการป้องกันเครือข่ายของระบบ, Image sharing ฟีเจอร์ลัดช่วยในการควบคุมทรัพยากร Cloud เป็นต้น รวมถึงแอปพลิเคชัน Laravel, Docker, Joomla, Mongodb, Magento, My SQL, LEMP เป็นต้น 

  1. Development and Test Environment 

สำหรับ Cloud Services มีFeatureที่พร้อมกับการทดสอบและพัฒนาสภาพแวดล้อมของ Application ในองค์กร รวมถึง Workload ในการทำงานแบบอัตโนมัติก็สามารถทำงานได้อย่างต่อเนื่องอีกด้วย งานวิจัยล่าสุดจาก Voke พบว่า สภาพแวดล้อม (Environment) ของระบบ IT ในองค์กรมีผลอย่างมากต่อการพัฒนา Application โดยข้อจำกัดของระบบ On-Premise มีผลต่อความล่าช้าและการหยุดชะงักในการพัฒนาถึง 44% และมีผลต่อการทดสอบถึง 68% 

การสร้าง Environment ของระบบ IT บน Cloud Computing ที่มีความยืดหยุ่นและมีทรัพยากรที่เพรียบพร้อมมากกว่าจึงเป็นคำตอบในการพัฒนา Application ที่รวดเร็ว ลดความซับซ้อนขั้นตอนการเตรียมการได้ดีกว่านั่นเอง 

  1. Big Data Analytics 

Cloud Services สามารถช่วยองค์กรในการประมวลผลและวิเคราะห์ Big Data ได้รวดเร็วขึ้น โดยการนำข้อมูลเชิงลึกไปใช้ในการปรับปรุงธุรกิจได้ โดยทรัพยากรพื้นฐานที่มีอยู่บน Cloud มากมาย เช่น instance cloud, Image sharing รวมไปถึงระบบความปลอดภัยอย่าง VPC network ก็ช่วยให้การสร้าง Big Data มีความคล่องแคล่วขึ้นและประหยัดต้นทุน

  1. Application Development 

นักพัฒนา Application จะเข้าใจดีสำหรับการออกแบบ Application บนสภาพแวดล้อมที่ต้องการ ซึ่ง Cloud Services มีความยืนหยุ่นในการทำงานที่ดี ไม่ว่าจะเป็น Public Cloud หรือ Private Cloud ก็สามารถตอบโจทย์การออกแบบ การจัดการข้อมูล เครือข่ายของ Applacation หรือกระทั่งระบบSafetyต่างๆ Cloud Computing ก็สามารถสร้างการทำงานที่ตอบโจทย์การพัฒนา Application ได้ เช่น cognitive service, AI, backup/recovery, ChatBot เป็นต้น 

 

เปลี่ยนมาใช้ Cloud ไทย กับ Nipa.Cloud ได้เลยวันนี้! 

สอบถามเพิ่มเติมได้ที่ 

LINE : @NipaCloud

Website: https://www.nipa.cloud/ 

Facebook: https://www.facebook.com/nipacloud/ 

Inbox: https://www.messenger.com/t/nipacloud 

Email: sales@nipa.cloud 

Call: 02-107-8251 ต่อ 444

Cloud backup vs. off-site backup แบบไหนที่ใช่สำหรับคุณ?

Cloud Backup vs Off-Site Backup

Cloud backup vs. off-site backup แบบไหนที่ใช่สำหรับคุณ?  


Cloud Backup vs Off-Site Backup
ระบบการสำรองข้อมูลมีส่วนสำคัญ เพื่อป้องกันความเสี่ยงต่อความเสียหายของข้อมูลในกรณีต่างๆ เช่น ความเสี่ยงเรื่องอัคคีภัย และภัยพิบัติ โดยจะเป็นการสำรองข้อมูลภายนอกไซต์ขององค์กร ซึ่งโซลูชันการสำรองข้อมูลนั้นมีด้วยกัน 2 รูปแบบ คือ Off-site backup และ Cloud backup 
 

  

Off-site backup การสำรองข้อมูลที่มีประสิทธิภาพ  

ปกติโดยทั่วไปแล้ว ถ้าพูดถึงการสำรองข้อมูลแบบ off-site backup จะหมายถึงการสำเนาข้อมูลที่เราสำรองไว้ยัง Hardware ต่างๆ เช่น เทป, Hard Disk หรือ Server ซึ่งประเด็นหลักอยู่ที่คุณสมบัติในการกู้คืนข้อมูล ในกรณีที่แหล่งข้อมูลดั้งเดิมที่เก็บไว้นั้นไม่สามารถใช้งานได้ ฉะนั้น การสำรองข้อมูลแบบ off-site backups จึงจัดได้ว่าเป็นการสำรองข้อมูลแบบ storage-oriented ที่มีประสิทธิภาพนั่นเอง  

 

Cloud backup การสำรองข้อมูลที่ปลอดภัย คล่องตัว และเพิ่มศักยภาพที่มากขึ้น  

ส่วนอีกวิธีหนึ่งคือ Cloud Backups ซึ่งเป็นบริการที่อยู่ในรูปแบบ ‘การนำข้อมูลของเราไปไว้ที่ไหนก็ได้’ ซึ่งบริการเหล่านี้ออกแบบมาเพื่อให้การซื้อ การเลือกการจัดเก็บ การรักษาความปลอดภัย และการดึงข้อมูลง่ายขึ้น และเพราะแบบนี้เอง Cloud Backups จึงถือได้ว่าจัดอยู่ในประเภท service-oriented  

  

เปรียบเทียบ Cloud backup vs. off-site backup แบบไหนที่ใช่สำหรับคุณ?  

แล้วการ Backup แบบไหนถึงเหมาะกับเราล่ะ? ถ้าหากคุณเกิดความรู้สึกสงสัยแบบนี้ ให้ลองตัดสินจากทั้ง 4 คำถามนี้ ที่จะช่วยให้คุณสามารถเลือกกลยุทธิ์ที่เหมาะสมได้  

  

อะไรที่คุณต้องการเป็นพิเศษ?  

บางทีองค์กรของคุณอาจจะมีเงื่อนไขบางอย่างที่เฉพาะเจาะจง อย่างเช่น การเข้ารหัสแบบ 448-bit ซึ่งในกรณีนี้ ผู้ให้บริการต่างๆ จะมีข้อเสนอต่างๆ ยื่นให้ แต่ก็เลือกได้ไม่มากเท่าไหร่ และอาจไม่ตรงตามกับที่คุณต้องการ ดังนั้น การใช้ off-site backup storage จะทำให้คุณสามารถควบคุมเอง เพื่อให้ตรงกับความต้องการมากที่สุด  

  

คุณจำเป็นต้องได้รับการช่วยเหลือขนาดไหน?  

ถ้าหากคุณต้องการความช่วยเหลือที่จำเป็นต้องให้ผู้เชี่ยวชาญดูแล ไม่ว่าจะเป็นการสร้างและกำหนดค่าการสำรองข้อมูล หรือช่วยจัดการการกู้คืน การสำรองด้วยระบบ cloud hosting ก็น่าจะตรงกับความต้องการของคุณมากกว่า เนื่องจากมีผู้เชี่ยชาญด้าน Cloud Services ในการให้คำปรึกษา ดูแล และแก้ไขการใช้งานได้ตลอด 24×7 นั่นเอง  

  

ราคาไปด้วยกันกับทุนองค์กรหรือไม่?  

สำหรับระบบ cloud hosting จะมีความยืดหยุ่นที่มากกว่า off-site เนื่องจากผู้ใช้งานสามารถเลือกใช้ได้ตามความต้องการ การใช้งานจริง หรือเป็นบริการแบบรายเดือน (มีทั้งรายชั่วโมง, รายวัน, รายเดือน) ตลอดจนการใช้งานที่เป็นกรรมสิทธิ์ของผู้ใช้งาน ที่เรียกว่า ‘Private Cloud’ แต่สำหรับ off-site ผู้ใช้งานจะต้องลงทุนกับอุปกรณ์ฮาร์ดแวร์เอง รวมถึงการดูแลรักษา และเรียนรู้การใช้งานเองอีกด้วย  

  

แบบไหนปกป้องข้อมูลได้ดีที่สุด?  

ในข้อนี้สามารถเปรียบได้ประมาณว่า ‘จะซื้อ หรือจะสร้าง’ คุณสามารถสร้างสภาพแวดล้อมที่ดีที่สุดต่อการป้องกันข้อมูล ได้ด้วยตัวเองหรือไม่ หรือว่าคุณควรจะไปใช้บริการของผู้ให้บริการ cloud hosting ดีกว่า? พอถามคำถามนี้ ก็อยากให้วนกลับไปที่คำถามแรก ถ้าหากว่าความต้องการหรือเงื่อนไขของคุณค่อนข้างเรียบง่าย ไม่มีอะไรมาก ก็ตรงดิ่งไปที่  Cloud Backup ได้เลย  

  

จากคำถามทั้ง 4 ข้อนี้ ไม่มีผิด ไม่มีถูก มีแต่ว่าตรงหรือไม่ตรง คุ้มหรือไม่คุ้ม สะดวกหรือไม่สะดวก ฉะนั้น คนที่สามารถเลือกรูปแบบการสำรองข้อมูลได้ดีที่สุด ก็คือตัวคุณและคนในองค์กรของคุณเอง  

Data Science กับการเปลี่ยนข้อมูลให้เป็นมูลค่าบน Cloud Server

data science

Data Science กับการเปลี่ยนข้อมูลให้เป็นมูลค่าบน Cloud Server

data science

 

‘Data Science’ หรือ ‘วิทยาศาสตร์ข้อมูล’ เป็นวิธีการที่ใช้รวบรวมข้อมูลเชิงลึกจากทั้ง ข้อมูลที่มีโครงสร้าง และข้อมูลที่ไม่มีโครงสร้าง ที่มีอยู่ภายในฐานข้อมูลขององค์กร โดยนำข้อมูลมาวิเคราะห์สถิติ ไปจนถึงกระบวนการ Machine Learning บน Cloud Server ซึ่งในองค์กรส่วนใหญ่แล้ว ‘Data Scientist’ หรือ ‘นักวิทยาศาสตร์ข้อมูล’ นั้น ทำงานเพื่อเปลี่ยนข้อมูลให้เป็นมูลค่า เพื่อเพิ่มรายได้ พร้อมๆ กับลดต้นทุน เพิ่มความไหลลื่นทางธุรกิจ และช่วยพัฒนาประสบการณ์ของลูกค้าผ่านการทำงานบน Cloud Server นั่นเอง

Data Scientist ทำงานอย่างไร?

หลายๆ องค์กรที่ให้ความสนใจกับเทคโนโลยี ‘Big Data’ แน่นอนว่าต้องมีคนที่เข้ามาดูแลนั่นคือ ‘นักวิทยาศาสตร์ข้อมูล’ หรือ ‘Data Scientist’ ซึ่งต้องทำหน้าที่ควบคู่กับการทำงานของอีก 2 ฝ่าย คือ ‘Data Analyst’ และ ‘Data engineers’ โดยทั้ง 3 ฝ่ายมีหน้าที่ในการจัดการข้อมูล ดังนี้

– Data Scientist คือ ออกแบบโมเดลจากข้อมูล เพื่อหาช่องทางใหม่ๆ ให้องค์กร

– Data Analyst คือ วิเคราะห์และออกแบบการนำเสนอข้อมูล เพื่อแก้ไขปัญหาส่งต่างๆ ในองค์กร

– Data Engineers คือ ออกแบบช่องทางของข้อมูล วิธีการจัดเก็บ และการใช้งาน

Data Scientist vs. Data Analyst

ทั้งสองหน้าที่จะทำหน้าที่ใกล้ชิดกัน โดยที่นักวิเคราะห์ข้อมูล (Data Analyst) จะอยู่ในวิทยาศาสตร์ข้อมูลอีกทีหนึ่ง และทั้งสองต้องรับรู้ตรงกันว่าข้อมูลขององค์กรนั้นเป็นอย่างไร ซึ่งนักวิทยาศาสตร์ข้อมูล (Data Scientist) ก็จะดึงผลลัพธ์จากนักวิเคราะห์ข้อมูล (Data Analyst) มาเพื่อทำการแก้ปัญหาอีกต่อหนึ่งนั่นเอง

Data Science vs. Big Data

ทั้งวิทยาศาตร์ข้อมูล (Data Science) และ Big Data ล้วนเป็นของคู่กัน แต่วิทยาศาสตร์ข้อมูล (Data Science) นั้นใช้เพื่อดึงมูลค่าจากข้อมูลทุกๆ ขนาด ไม่ว่าจะเป็นข้อมูลที่มีโครงสร้าง ไม่มีโครงสร้าง หรือกึ่งมีโครงสร้าง ซึ่ง Big Data นั้น มีประโยชน์แก่นักวิทยาศาสตร์ข้อมูล (Data Science) ในหลายเหตุการณ์มากๆ เพราะว่า ยิ่งมีข้อมูลมากเท่าไหร่ ก็ยิ่งรวมพารามิเตอร์เข้ารูปแบบที่กำหนดไว้ได้มากเท่านั้น

Data Scientist teams

วิทยาศาสตร์ข้อมูล (Data Science) เป็นงานที่ต้องการทีมที่มีความเป็นระเบียบ ซึ่งนักวิทยาศาสตร์ข้อมูล (Data Scientist) ถือเป็นแกนหลักของทีมวิทยาศาตร์ข้อมูล ที่จะทำให้เดินหน้าจากข้อมูลไปยังการวิเคราะห์ และจากนั้นก็ทำการเปลี่ยนข้อมูลที่วิเคราะห์ ไปยังส่วนการผลิตที่เพิ่มมูลค่า ซึ่งต้องอาศัยทักษะและบทบาทหนักมาก  ตัวอย่างเช่น นักวิเคราะห์ข้อมูล (Data Analyst) ควรจะเข้ามาช่วยตรวจสอบข้อมูล ก่อนที่จะทำการนำเสนอให้กับทีม และพยายามรักษารูปแบบข้อมูลไว้ให้เหมือนเดิม ส่วนนักวิศวกรรมข้อมูล (Data engineer) เป็นหน่วยงานที่จำเป็นต่อการสร้างท่อลำเลียงข้อมูล เพื่อทำการตกแต่งเซ็ตข้อมูล ให้สามารถใช้กับส่วนอื่นๆ ของบริษัทได้

องค์ประกอบในการทำ วิทยาศาสตร์ข้อมูล (Data Science)

  1. Data Processing & cleaning
    ขั้นตอนการจัดแบ่งและจัดเตรียมข้อมูลโดยรวม ด้วยการจัดการกับชนิดของชุดข้อมูลที่แตกต่างกัน และนำไปสู่การวิเคราะห์หรือการสร้างแบบจำลองในที่สุด
  2. Analysis & Modelling
    การวิเคราะห์และทำความเข้าใจกับข้อมูลอย่างลึกซึ้ง ในแง่ของสถิติและคณิตศาสตร์ เพื่อสร้างและใช้โมเดล Machine Learning เชิงวิเคราะห์หรือทำนายที่หลากหลาย
  3. Programming languages
    วิทยาศาสตร์ข้อมูลต้องการการทดสอบหลายรูปแบบและการปรับให้เหมาะสม พร้อมกับการสร้างภาพข้อมูล เพื่อดึงข้อมูลเชิงลึกที่ถูกต้องทำการอนุมานทำนายหรือการตัดสินใจ
  4. การจัดการข้อมูล
    อัลกอริธึมและการผลิตขององค์กรต้องมีสภาพแวดล้อมที่เหมาะสม เพื่อจัดเก็บข้อมูลโดยการเซ็ตค่าเครื่องที่เหมาะสม และให้ระบบสามารถทำงานในสคริปต์ที่กำหนดไว้
  5. รูปแบบการตรวจสอบและความรู้เกี่ยวกับโดเมน
    การจัดรูปแบบข้อมูล โดยมองหารูปแบบและสำรองข้อมูลจากการวิเคราะห์และตรวจสอบทุกขั้นตอน เพื่อให้เหมาะสมกับความต้องการของอุตสาหกรรม สิ่งนี้เป็นทักษะที่สำคัญของ นักวิทยาศาสตร์ข้อมูล (Data Scientist)
  6. Communication & Visualisation
    การสื่อสารเป็นทักษะที่สำคัญสำหรับ นักวิทยาศาสตร์ข้อมูล (Data Scientist) ในการสื่อสารแบบจำลองหรือการคาดการณ์ที่พวกสร้างขึ้นมา กับฝ่ายงานที่เกี่ยวของ เพื่อบรรลุเป้าหมายที่วางเอาไว้
  7. Open Source Community
    วิทยาศาสตร์ข้อมูล (Data Science) มักจะสร้างขึ้นด้วยเครื่องมือ Open Source ดังนั้นการเรียนรู้และทำความรู้จักการทำงานของระบบเหล่านี้ เพื่อสนับสนุนการทำงานของระบบ

ความน่าสนใจของวิทยาศาสตร์ข้อมูล (Data Science)

ความน่าสนใจของวิทยาศาสตร์ข้อมูล (Data Science) ขึ้นอยู่กับความจำเป็นขององค์กรนั้นๆ วิทยาศาสตร์ข้อมูลอาจช่วยองค์กรสร้างเครื่องมือต่างๆ ที่ไว้ใช้ทำนายความล้มเหลวของฮาร์ดแวร์ หรือช่วยให้องค์กรสามารถบำรุงรักษาและป้องกันการ Downtime ที่ไม่ได้วางแผนไว้ได้ และยังสามารถช่วยคาดการณ์ได้ว่าเราควรวางผลิตภัณฑ์ ไว้บนเชลฟ์ของห้าง หรือคาดได้ว่า ด้วยรูปลักษณ์และลักษณะของผลิตภัณฑ์นั้น จะมีความนิยมเป็นอย่างไร เป็นต้น

วิทยาศาสตร์ข้อมูล (Data Science) กำลังเปลี่ยนแปลงโฉมหน้าของอุตสาหกรรมต่างๆ อย่างรวดเร็วด้วยนวัตกรรมข้อมูลกลายเป็นฟังก์ชันหลักขององค์กร เช่น การขาย, การตลาด หรือ การออกแบบผลิตภัณฑ์ก็ตาม ในปัจจุบันล้วนต้องใช้ วิทยาศาสตร์ข้อมูล (Data Science) ในการทำงานทั้งสิ้น

ข้อมูลจาก Gemalto ระบุว่า ดัชนีความเชื่อมั่นด้านความปลอดภัยของข้อมูล ในปี 2018 พบว่า 89% ขององค์กรสามารถใช้งาน วิทยาศาสตร์ข้อมูล (Data Science) เพื่อให้เกิดความได้เปรียบในการแข่งขันทางธุรกิจ

สำหรับองค์กรที่สนใจการทำ ‘Big Data’ สร้างsolutionระบบการจัดการแหล่งเก็บข้อมูลดิบ (Raw data) ไว้ใน ทะเลสาบข้อมูล (Data Lake) รวมถึง โซลูชันการจัดการแหล่งเก็บข้อมูลใหม่ตามโครงสร้าง ที่เรียกว่า โกดังข้อมูล (Data Warehouse) เพื่อสร้างระบบสำหรับสกัดข้อมูล (Extract) ปรับแต่งโครงสร้างข้อมูล (Transform) และนำไปจัดเก็บ (Load) หรือ ETL จาก Data lake เข้าสู่ Data warehouse

 

เริ่มพัฒนาโซลูชัน ‘Big Data’ กับ Nipa.Cloud ได้เลยวันนี้!

สอบถามเพิ่มเติมได้ที่

LINE : @NipaCloud

Website: https://www.nipa.cloud/

Facebook: https://www.facebook.com/nipacloud/

Inbox: https://www.messenger.com/t/nipacloud

Email: sales@nipa.cloud

Call: 02-107-8251 ต่อ 444