Data Mesh: กระจายความเป็นเจ้าของข้อมูล ให้ทีมที่รู้จักข้อมูลดีที่สุด
เมื่อทุกคำขอข้อมูลต้องผ่านทีมกลางทีมเดียว งานจะคอขวดและคนทำก็ไม่รู้จักข้อมูลเท่าเจ้าของงาน Data Mesh เสนอให้แต่ละทีมดูแลข้อมูลของตัวเองเหมือนเป็นสินค้า ภายใต้มาตรฐานกลางเดียวกัน
องค์กรจำนวนมากรวมงานข้อมูลไว้ที่ทีมกลางทีมเดียว ทุกฝ่ายที่อยากได้รายงานหรือชุดข้อมูลต้องส่งคำขอเข้าคิว เมื่อองค์กรโตขึ้น คิวก็ยาวขึ้น และปัญหาที่ลึกกว่านั้นคือ ทีมกลางไม่ได้รู้จักข้อมูลดีเท่าทีมเจ้าของงาน เช่น ทีมข้อมูลอาจไม่รู้ว่ายอดขายที่ติดลบคือการคืนสินค้า Data Mesh คือแนวคิดที่กระจายความเป็นเจ้าของข้อมูลไปให้แต่ละทีมดูแลข้อมูลในโดเมนของตัวเอง และปฏิบัติต่อมันเหมือนสินค้าที่มีผู้ใช้ ต้องสะอาด มีคำอธิบาย และพร้อมให้ทีมอื่นนำไปใช้
กระจายความเป็นเจ้าของ แต่ไม่กระจายมาตรฐาน
หัวใจของ Data Mesh ไม่ใช่ให้ต่างคนต่างทำ แต่คือกระจายงานภายใต้กติกากลางเดียวกัน องค์กรยังต้องมีแพลตฟอร์มกลางที่ทำให้ทุกทีมแชร์ข้อมูลได้ง่าย และมาตรฐานกลางเรื่องความปลอดภัย คุณภาพ และนิยามตัวชี้วัด ไม่อย่างนั้นจะกลับไปสู่ยุคข้อมูลกระจัดกระจายที่ตัวเลขไม่ตรงกัน ข้อควรระวังอีกด้านคือ Data Mesh เหมาะกับองค์กรใหญ่ที่ทีมกลางเป็นคอขวดจริง สำหรับธุรกิจขนาดเล็กที่มีทีมข้อมูลไม่กี่คน การรวมศูนย์แบบเดิมมักง่ายและคุ้มกว่า
- ให้ทีมที่รู้จักข้อมูลที่สุด เป็นเจ้าของและรับผิดชอบคุณภาพ
- คงมาตรฐานกลาง เรื่องความปลอดภัย คุณภาพ และนิยามตัวชี้วัด
- ใช้เมื่อทีมกลางเป็นคอขวดจริง องค์กรเล็กรวมศูนย์มักคุ้มกว่า
Data Mesh เป็นการยอมรับว่าปัญหาข้อมูลในองค์กรใหญ่เป็นปัญหาเชิงโครงสร้างองค์กร ไม่ใช่แค่เรื่องเครื่องมือ การกระจายความเป็นเจ้าของให้ถูกทีม ภายใต้มาตรฐานกลางที่แข็งแรง ทำให้ข้อมูลถูกดูแลโดยคนที่เข้าใจมันจริง และทีมกลางได้เปลี่ยนบทบาทจากคนรับงานทุกเรื่อง มาเป็นคนสร้างแพลตฟอร์มและกติกาที่ทำให้ทุกทีมทำงานข้อมูลได้เอง
บริการที่เกี่ยวข้อง
รับทำ Data Platform และ BI
รวมข้อมูลจากทุกระบบไว้ชั้นเดียว กำหนดนิยามตัวชี้วัดให้ตรงกันก่อนทำรายงาน
WhaleScope
ดูโครงสร้างตลาดของทุกหมวดธุรกิจไทย บน WhaleScope
รายชื่อบริษัท ผู้เล่นรายใหญ่ และอัตราคงอยู่ของแต่ละหมวด — จากข้อมูลจดทะเบียน 2 ล้านนิติบุคคล
อ่านต่อ
ความรู้ขององค์กร ควรอยู่ในคน หรืออยู่ในระบบ?
เมื่อความรู้สำคัญอยู่แต่ในหัวพนักงานไม่กี่คน องค์กรเสี่ยงสูงเมื่อเขาลาออก แต่การเก็บทุกอย่างเป็นเอกสารก็ไม่พอ เข้าใจว่าความรู้แบบไหนควรอยู่ในระบบ และแบบไหนอยู่ในคน
ยิ่งทำรายงานเยอะ ระบบหน้าร้านยิ่งช้า — ปัญหาที่แก้ที่หน้าจอไม่ได้
เมื่อแดชบอร์ดต่อตรงเข้าฐานข้อมูลที่ใช้ทำงานจริง ทุกครั้งที่มีคนเปิดรายงาน ระบบขายจะช้าลงพร้อมกัน บทความนี้อธิบายว่าทำไมการเพิ่มเครื่องหรือปรับกราฟไม่ช่วย และชั้นข้อมูลกลางแก้ปัญหานี้ที่ตรงไหน
อยากเทียบย้อนหลังสามปี แต่ระบบเก็บให้แค่หกเดือน
ระบบงานส่วนใหญ่ลบหรือย่อข้อมูลเก่าเพื่อรักษาความเร็ว ทำให้คำถามที่มีค่าที่สุดของธุรกิจ ซึ่งเป็นคำถามเชิงแนวโน้ม ตอบไม่ได้ในวันที่อยากตอบ บทความนี้อธิบายว่าข้อมูลหายไปตอนไหน และเก็บอะไรไว้ตั้งแต่วันนี้จึงจะทัน
Feature Store: คลังตัวแปรกลาง ที่ทำให้งาน AI ไม่ต้องเริ่มนับหนึ่งทุกครั้ง
ทุกโมเดล AI ต้องการตัวแปรอย่างยอดซื้อเฉลี่ยหรือความถี่การใช้งาน และทุกทีมมักคำนวณเองซ้ำ ๆ ด้วยสูตรที่ต่างกันเล็กน้อยจนผลไม่ตรงกัน Feature Store คือคลังกลางที่นิยามและคำนวณตัวแปรครั้งเดียว ให้ทุกโมเดลใช้ร่วมกัน