ทำไมแค่ Big Data ไม่พอ แต่ต้อง “Open Data” ด้วย

• Facebook
• Twitter
• Line

ณภัทร จาตุศรีพิทักษ์

จากวินาทีที่คุณเปิดเว็บเบราว์เซอร์ โหลดหน้าเว็บไซต์นี้ อ่านหัวข้อบทความนี้ มองภาพประกอบด้านบน และอ่านประโยคแรกตั้งแต่ต้นจนมาถึงจุดนี้ โดยเฉลี่ยแล้วมีการประเมินไว้ว่าจะมีมนุษย์โลกแชร์เรื่องราวใน facebook ไปแล้วกว่า 2.5 ล้านครั้ง เสิร์ชกูเกิลไปแล้วกว่า 4 ล้านครั้ง บริษัท Amazon จะทำยอดขายไปได้แล้ว 8 หมื่นเหรียญดอลลาร์สหรัฐ และมีการส่งอีเมลไปแล้วราว 200 ล้านอีเมล

ในปี ค.ศ. 2012 สังคมมนุษย์มีการผลิตข้อมูลมากถึงวันละ 2.5 quintillionไบท์ (หรือเขียนให้เห็นภาพขึ้นคือเท่ากับ 2,500,000,000,000,000,000 ไบท์)

นี่คือโลกปัจจุบันที่ทุกๆ นาทีจะมีการกำเนิดของข้อมูลจำนวนมหาศาลที่สามารถถ่ายทอดเรื่องราวชีวิตและพฤติกรรมของมนุษย์ได้ด้วยความละเอียดและหลากมิติอย่างที่เราไม่เคยคิดว่าเป็นไปได้มาก่อน ทุกวันนี้บริษัทเล็กใหญ่ต่างใช้ประโยชน์จากข้อมูลเหล่านี้เพื่อการตลาดและการพัฒนาผลิตภัณฑ์และบริการเพื่อการแสวงหากำไร

แต่ทว่า Big Data ที่กำลังเป็นที่ตื่นตาตื่นใจในมิตินี้ ผมคิดว่ามันกลายเป็นเรื่องน่าเบื่อไปเลยเมื่อเอาไปเทียบกับสิ่งที่กำลังจะมาแรงในอนาคตที่เขาเรียกกันว่าปรากฏการณ์ “Open Data”

ก้าวสำคัญต่อไปของ Big Data คือสิ่งที่เรียกว่า Open Data ซึ่งเป็นภาวะที่อภิมหาข้อมูลสาธารณะของสิ่งต่างๆ ที่เกิดขึ้นรอบตัวคุณจะกลายเป็นสมบัติของประชาชนทุกหมู่เหล่า เอาไปใช้สอยได้ตามอัธยาศัยโดยประชาชนและเพื่อประโยชน์ของประชาชน

บทความนี้จะยกตัวอย่างแนวทางหลากหลายในการใช้ Big Data เพื่อแก้ปัญหาตั้งแต่ปัญหาธุรกิจ เช่น ทำอย่างไรจึงได้คั้นกำไรออกมาให้ได้ทุกหยดจากกระเป๋าสตางค์ลูกค้าไปจนถึงปัญหาสังคม เช่น การปราบปรามอาชญากรรม และชี้ให้เห็นถึงความน่าตื่นเต้นยิ่งกว่าของปรากฏการณ์ Open Data ที่จะนำมาสู่ความเป็นไปได้อันไร้ขีดจำกัดในการพัฒนาสังคมมนุษย์

เนื่องจากบทความนี้ยาวเป็นพิเศษ จึงขอเสนอสารบัญย่อๆ ด้านล่างดังนี้ (หากผู้อ่านคุ้นเคยกับ Big Data แล้ว ข้ามไปอ่านข้อ 5 ได้เลย)

1. Big Data เพื่อการหาลูกค้า
2. Big Data เพื่อการ “คั้น” กำไร
3. Big Data เพื่อการสัญจรและอนาคตของป้ายโฆษณา
4. Big Data ของข่าวสารและเหตุการณ์ทั่วโลก
5. สัมผัสกับโลกของ Open Data
6. ประโยชน์อันมหาศาลของ Open Data
7. รัฐบาลได้อะไรจาก Open Data
8. อนาคตของ Open Data ขึ้นอยู่กับพวกเราเอง

กรณีศึกษาสุดคลาสสิก: Big Data เพื่อการหาลูกค้า

ที่จริงแล้วในโลกธุรกิจนั้น Big Data ไม่ใช่อะไรใหม่เลย บริษัทสตรีมภาพยนตร์และละครทีวีชื่อดัง Netflix นั้นใช้ข้อมูลพฤติกรรมลูกค้าเพื่อแนะนำรายการทีวีและภาพยนต์ที่ลูกค้าน่าจะชอบมากที่สุดเพื่อเพิ่มโอกาสในการสร้างยอดขาย ห้างสรรพสินค้าชื่อดังอย่าง Saks Fifth Avenue นั้นก็ใช้ข้อมูลมหาศาลเพื่อเสนอสินค้าและหน้าตาของเว็บไซต์ที่แตกต่างออกไปตามประเภทของลูกค้าและพบว่าลูกค้าที่ใช้บริการทั้งทางดิจิทัลและทางหน้าร้านโดยเฉลี่ยแล้วจะใช้เงินมากกว่าสองถึงสี่เท่าเลยทีเดียว

ตัวอย่างที่โด่งดังที่สุดในการใช้ข้อมูลเพื่อหาลูกค้าคงจะเป็นการที่บริษัทซูเปอร์มาร์เก็ตยักษ์ใหญ่ Target ใช้ข้อมูลพฤติกรรมช็อปปิ้งเพื่อทำการพยากรณ์ว่าลูกค้าเพศหญิงคนไหนกำลังตั้งครรภ์อยู่ ที่ทำเช่นนี้เพราะว่าลูกค้ากลุ่มนี้ถือว่าเป็น “เหมืองกำไร” ชั้นดี เนื่องจากว่าเป็นกลุ่มลูกค้าที่มีโอกาสที่จะทำการจับจ่ายใช้สอยสูงมากในอนาคตอันใกล้ แรกๆ อาจจะเป็นแค่ผ้าอ้อม จุกนม นมผง และเสื้อผ้าทารก แต่ไปๆ มาๆ หากติดใจการช็อปปิ้งที่ Target คุณแม่มือใหม่และสามีก็จะเริ่มซื้อผลิตภัณฑ์อีกหลายๆ อย่างที่มาพร้อมกับการมีบุตร เช่น ของเล่น หนังสือนิทานก่อนนอน สุดท้ายครอบครัวนี้อาจกลายเป็นลูกค้าประจำของ Target ไปเลยที่ทุกอาทิตย์จะเข้ามาซื้ออาหารและของใช้ในชีวิตประจำวัน ด้วยเหตุนี้ Target จึงต้องการแย่งลูกค้ากลุ่มนี้มาจากคู่แข่งให้เร็วที่สุด จึงทำการวิเคราะห์ข้อมูลว่าผู้หญิงที่กำลังตั้งครรภ์ในระยะแรกๆ มักมีพฤติกรรมการซื้อสินค้าประเภทไหนและบ่อยแค่ไหนจากซูเปอร์มาร์เก็ตของตน จากนั้นก็ทำการส่งใบปลิวโฆษณาหรือโปรโมชั่นพิเศษไปเพื่อที่จะมัดใจลูกค้ากลุ่มนี้ตั้งแต่คุณแม่เหล่านี้ “ยังไม่เป็นคุณแม่” เลยทีเดียว

Big Data เพื่อการคั้นกำไร

ปกติแล้วราคาของชาเขียวขวดหนึ่งในร้านหนึ่ง กับราคาของชาเขียวแบบเดียวกันในอีกร้านหนึ่งจะเท่ากัน แต่ในอนาคตอาจจะไม่เป็นอย่างนี้ก็เป็นได้

เหตุเนื่องมาจากการที่คนเรามีความเต็มใจที่จะจ่าย หรือที่นักเศรษฐศาสตร์เรียกกันว่า “willingness to pay” ไม่เท่ากัน

ยกตัวอย่างเช่น iPad รุ่นเดียวกัน ออกมาจากโรงงานเดียวกัน ขายเรียงกันบนชั้นเดียวกัน เหมือนกันทุกประการ แต่ลูกค้าบางคนมีความยินยอมที่จะซื้อด้วยราคาที่สูงต่ำกว่ากัน หากบริษัทมีข้อมูลพฤติกรรมการซื้อขายมากพอและสามารถแยกลูกค้าทุกคนออกตามระดับ willingness to pay ได้อย่างแม่นยำและสมบูรณ์ บริษัทเหล่านี้จะสามารถเก็บเกี่ยวกำไรได้อย่างมีประสิทธิภาพขึ้นโดยแทบไม่ต้องกระดิกนิ้วคิดค้นผลิตภัณฑ์ใหม่ๆ เลย

ตัวอย่างของบริษัทที่มีคนสงสัยว่าใช้กลยุทธ์นี้มีมากมาย เช่น

1. บริษัทรับจองตั๋วเครื่องบินและโรงแรม Orbitz ที่ถูกกล่าวหาว่าพยายามจูงใจให้ผู้ใช้คอมพิวเตอร์ Mac ไปจองโรงแรงหรือซื้อตั๋วประเภทที่มีราคาแพงกว่าปกติ เนื่องจากบริษัท Orbitz พบว่ากลุ่มผู้ใช้ Mac นั้นโดยเฉลี่ยแล้วซื้อสินค้าและบริการที่แพงกว่ากลุ่มผู้ใช้ PC กว่า 30%

2. บริษัทเครื่องเขียน Staples ตั้งราคาเครื่องเย็บกระดาษไม่เท่ากันในแต่ละท้องที่

3. บริษัทตกแต่งบ้าน Home Depot ดันราคาสินค้าขึ้นสำหรับลูกค้ากลุ่มที่ใช้โทรศัพท์มือถือเพื่อซื้อสินค้า

ในอนาคตนั้นหากข้อมูลพฤติกรรมการจับจ่ายใช้สอยมีมากขึ้นเรื่อยๆ และไม่มีกฎหมายห้ามพฤติกรรมอันชาญฉลาดของบริษัทเหล่านี้ ผู้บริโภคอย่างเราๆ คงตกเป็นเหยื่อของสิ่งที่นักเศรษฐศาสตร์เรียกกันว่า “First Degree Price Discrimination (FDPD)” อย่างแน่นอน โดยเฉพาะอย่างยิ่งสำหรับสินค้าชนิดที่ขายต่อลำบาก ในภาษามนุษย์นั้น FDPD คือ “การตั้งราคาเพื่อคุณและคุณเท่านั้น” ราคาของสินค้าชิ้นเดียวกันนี้จะถูกตั้งให้เหมาะเจาะกับ willingness to pay ที่แตกต่างกันไปของลูกค้าทุกคนในตลาด จะกลายเป็นว่าสินค้าชิ้นเดียวกันจะมีราคาที่แตกต่างกัน และจะมีป้ายราคามากมายก่ายกองเท่ากับจำนวนลูกค้าทั้งหมดในตลาดก็เป็นได้ เรียกได้ว่าเป็นการคั้นกำไรออกมาจากกระเป๋าสตางค์พวกเราได้แบบหมดทุกหยดนั่นเอง

FDPD นั้นแต่เดิมเหมือนเป็นเพียง “สัตว์ในเทพนิยาย” สำหรับนักเศรษฐศาสตร์เท่านั้น เนื่องจากมันเป็นไปได้ยากมากที่เราจะสามารถหยั่งรู้ถึง willingness to pay ของผู้บริโภคทุกคน แต่ด้วยความล้นหลามของข้อมูลในปัจจุบันและความนิยมในการซื้อของออนไลน์ FDPD อาจเกิดขึ้นได้เร็วกว่าที่พวกเราคิดก็เป็นได้ งานวิจัยด้านเศรษฐศาสตร์ชิ้นนี้พบว่า หาก Netflix รวมข้อมูลภูมิศาสตร์ประชากร (demographics data) เข้ากับข้อมูลพฤติกรรมการใช้อินเทอร์เน็ตของลูกค้าของตนแล้วใช้กลยุทธ์ FDPD เพื่อคิดราคาที่ต่างกันออกไป จะทำให้กำไรเพิ่มขึ้นมากกว่าการใช้แค่ข้อมูลภูมิศาสตร์ประชากรอย่างรุนแรง

Big Data เพื่อการสัญจรและอนาคตของป้ายโฆษณา

Data to shape the future from Route on Vimeo.

ตัวอย่างของการใช้ Big Data ที่ดูเหมือนมาจากโลกอนาคตที่สุดเห็นจะเป็นการใช้เครื่อง GPS ติดตามตัวผู้คนหลายหมื่นคนในประเทษอังกฤษขององค์กรที่ชื่อว่า Route พวกเขากำลังใช้ข้อมูลเหล่านี้เพื่อศึกษาว่ามนุษย์แบบไหน อายุเท่าไหร่ เพศอะไร อาชีพอะไร ที่จะมีปฏิสัมพันธ์กับสื่อและโฆษณาบนท้องถนนมากที่สุด แบ่งออกได้เป็นตามเวลาและพิกัดบนแผนที่อย่างละเอียดยิบ แถมยังมีการศึกษา eye movement (การเคลื่อนไหวของดวงตา) อีกด้วย

ตัวอย่างของสิ่งที่ Route เริ่มเรียนรู้ คือคนอังกฤษเคลื่อนตัวด้วยความเร็วสูงที่สุดเวลาตีห้าถึงหกโมงเช้าในวันอาทิตย์ และช้าที่สุดเวลาสิบถึงสิบเอ็ดโมงเช้าในวันอังคาร คนอายุ 45-54 ปีและผู้ชายเคลื่อนตัวเร็วกว่า และคนอังกฤษใช้เวลาเดินทางโดยเฉลี่ยอาทิตย์ละ 12.2 ชั่วโมง

จริงอยู่ที่คนเราใช้เวลากับอินเทอร์เน็ตและโทรทัศน์ในบ้านมาก แต่ยังไงเราก็ยังเป็นมนุษย์ที่ต้องเดินทาง ข้อมูลและงานวิจัยของ Route จะมีประโยชน์มหาศาลต่อบริษัทที่ต้องการทราบว่าควรเช่าที่เพื่อการโฆษณาตรงไหนในเมือง และเช่าในช่วงเวลาไหนเพื่อให้เหมาะกับกลุ่มลูกค้าเป้าหมายมากที่สุด ผู้ให้เช่าก็จะได้รับประโยชน์จากข้อมูลนี้เช่นกันเพราะว่าจะได้ตั้งราคาได้เหมาะสมตามปริมาณผู้คนที่ผ่านและระยะเวลาที่คนสนใจมองมาเห็น

สิ่งที่น่าสนใจอีกอย่างคือการใช้ข้อมูลความเร็วและพิกัดจากผู้ใช้แอปพลิเคชันที่ชื่อ Waze ที่เพิ่งถูกซื้อไปโดยยักษ์ใหญ่กูเกิลในราคากว่า 1 พันล้านดอลลาร์สหรัฐ Waze นั้นใช้ข้อมูล GPS บวกกับข้อมูล user-input เพื่อหาเส้นทางที่หลายครั้งดีกว่าเส้นทางที่เครื่อง GPS หรือแอปพลิเคชัน GPS อื่นๆ เสนอ บางครั้ง Waze พาผมไปในเส้นทางที่ประหลาดมาก แต่ถึงที่หมายได้เร็วกว่าปกติเกือบสิบนาที ความสามารถในการแนะนำเส้นทางที่ดีกว่าของ Waze นั้นนอกจากจะลดระยะเวลาในการเดินทางให้กับประชาชนแล้วยังจะก่อให้เกิดรูปแบบของการเดินทางแบบใหม่ในเมืองอีกด้วย ซึ่งหากเอาไปรวมเข้ากับสิ่งที่ Route ทำได้แล้วจะก่อให้เกิดโอกาสในการโฆษณาบนท้องถนนใหม่ๆ ที่น่าตื่นเต้นมาก

Big Data ของข่าวสารและเหตุการณ์ทั่วโลก

เรื่องบางเรื่องที่มีความสำคัญต่อสังคมมนุษย์มากๆ เช่น การค้ามนุษย์ ล่าสัตว์สงวน ค้ายาเสพติด สงคราม ความไม่สงบ การประท้วง มักเป็นเรื่องที่ละเอียดอ่อน ซับซ้อน หรือไม่ก็ลึกลับเกินกว่าที่จะใช้หุ่นยนต์วัดเป็นตัวเลขได้ง่ายๆ เหมือนการวัดยอดขายของสินค้าออนไลน์ จึงเป็นไปได้ว่าที่มันยังเป็นปัญหาอยู่ทุกวันนี้ก็เพราะว่าเราไม่รู้จักมันดีพอ หรือไม่ก็รู้จักแต่เฉพาะด้านที่สังเกตเห็นได้

โชคยังดีที่โลกเรามีทีมงานอัจฉริยะของ The GDELT Project ที่ทำการจัดการคลังข้อมูลเกี่ยวกับสังคมมนุษย์ที่ใหญ่ที่สุดในโลกผ่านการเก็บเกี่ยวแล้วใช้สมองกลวิเคราะห์ข่าวสารทุกประเภท เกือบทุกภาษา ตั้งแต่ปี ค.ศ. 1979 มาจนถึงวันนี้ตอนนี้ในทุกพื้นที่บนโลกนี้ (รวมแล้วกว่า 250 ล้านเรื่อง) นอกจากนั้นยังสร้างเน็ตเวิร์กขนาดยักษ์ที่ใช้เรื่องราวเหล่านี้เพื่อเชื่อมโยงบุคคล ประเทศ องค์กร ไปจนถึงอารมณ์ของเรื่องราวเข้าด้วยกันเพื่อการศึกษาต่อไป

สิ่งที่ตามมาหลังจากที่มีคลังข้อมูลนี้นั้นน่าสนใจมาก ยกตัวอย่างเช่น Global Conflict Dashboard ที่แสดงตำแหน่งและความถี่ของความไม่สงบทั่วโลก ไปจนถึงการศึกษาข้อมูลเพื่อแก้ปัญหาเด็กถูกลักพาตัวในประเทศไนจีเรียโดยการใช้สมองกลทำนายล่วงหน้าว่าจะเกิดการลักพาตัวเด็กหญิงในประเทศไนจีเรียอีกครั้งเมื่อไหร่ที่ไหน

อีกตัวอย่างสำคัญด้านบนคือแผนที่โลกที่แสดงให้เห็นถึงความถี่ของข่าวเรื่องการล่าสัตว์ที่ผิดกฎหมาย เช่น การล่างาช้าง หรือการประมงเถื่อน แม้ว่ายังมีอีกหลายสิ่งที่แผนที่นี้ตอบไม่ได้ แต่สิ่งหนึ่งที่เห็นได้ชัดคือการล่าสัตว์แบบผิดกฎหมายนั้นเป็นอะไรที่เกิดขึ้นแทบจะทุกหนทุกแห่งบนโลก ไม่ใช่แค่ในทวีปแอฟริกาหรือในประเทศใดประเทศหนึ่งเท่านั้น

จริงอยู่ที่ความรู้ความเข้าใจที่ออกมาจากการใช้ Big Data ในรูปแบบของ the GDELT Project จะยังอยู่แค่ในระยะเริ่มต้น แต่มันจะเป็นก้าวสำคัญในการค้นหาวิธีแก้ปัญหาใหญ่ๆ ที่ทั้งลึกลับทั้งนานาชาติในสังคมมนุษย์ในอนาคตอย่างแน่นอน

สัมผัสกับโลกของ Open Data

ที่ผมใช้คำว่า “สัมผัส” แทนคำว่า “มาฟังเรื่องราว” หรือ “มาทำความรู้จักกับ” ก็เพราะว่า Open Data มันเป็นอะไรที่คุณต้องสัมผัสเองถึงจะเข้าใจถึงความยิ่งใหญ่และความเป็นไปได้อันไร้ขีดจำกัดของมัน

คงต้องยอมรับว่าหลายตัวอย่างด้านบนเป็นตัวอย่างของ Big Data ที่ไม่เปิดเผยต่อประชากรทั่วไป หรือถ้าเปิดเผยก็เข้าถึงและเอาไปใช้ต่อได้อย่างยากลำบากมาก เมื่อไม่กี่ปีที่ผ่านมานี้ได้เริ่มมีความเคลื่อนไหวใหม่ที่เรียกว่า Open Data ซึ่งมีหลายความหมาย ผมขออนุญาตนิยามมันในที่นี้ว่า:

Open Data คือไอเดียที่ว่าประชาชนต้องสามารถเข้าถึงข้อมูลสาธารณะ (ไม่ว่ามันจะมีขนาดใหญ่แค่ไหน) ได้อย่างไร้อุปสรรคที่สุดเท่าที่จะทำได้

เพื่อให้ผู้อ่านเข้าใจถึงความสำคัญของ Open Data และเพื่อให้ผู้อ่านเห็นภาพมากที่สุด ต่อไปนี้คือสิ่งที่ประชากรที่อยู่อาศัยในบางเมืองในประเทศสหรัฐอเมริกาสามารถทราบได้เพียงแค่ไม่กี่คลิก:

1. รถแท็กซี่คันไหนจอดรับส่งผู้โดยสารที่ไหน ใช้เส้นทางไหน ได้เงินเท่าไหร่ ได้ทิปเท่าไหร่บ้าง ทุกวัน ทุกวินาที ตั้งแต่ปี 2009 (ลองดู visualization เรื่องราวของแท็กซี่แต่ละคันในเมืองนิวยอร์กในปี 2013 ได้ที่นี่)
2. ภาษีที่ดินที่เจ้าของตึกทุกตึกในเมืองคุณเสียให้กับรัฐบาลไปเมื่อปีที่แล้ว จะเอาตึกไหนก็เลือกดูได้เลย
3. รอบๆ ตัวคุณมีต้นไม้กี่ต้น รัฐบาลเอามาปลูกไว้ตั้งแต่เมื่อไหร่
4. ในย่านที่คุณอยู่อาศัยมีอัตราการก่ออาชญากรรมสูงแค่ไหนเทียบกับย่านที่คุณกำลังจะตัดสินใจซื้อบ้านใหม่
5. บริษัทไหนในเมืองคุณที่ทำธุรกรรมกับองกรค์ภาครัฐมากที่สุด ซื้อขายอะไรมากที่สุด ดูได้เป็นจำนวนเม็ดเงินในแต่ละเชคเลยทีเดียว
6. ร้านอาหารโปรดชื่อดังในตรอกที่พ่อคุณชอบไปรับประทาน มีความสะอาดเลิศหรูเหมือนกับรสชาติของอาหารหรือไม่ ในการสุ่มตรวจครั้งที่แล้วมีหนูในครัวบ้างไหม
7. เทศบาลของคุณสามารถซ่อมถนน ซ่อมไฟถนน หรือย้ายสิ่งกีดขวางที่เป็นอันตรายบนท้องถนนได้เร็วแค่ไหนหลังจากที่คุณโทรศัพท์ไปแจ้ง เทศบาลของคุณมีประสิทธิภาพขึ้นบ้างไหมในช่วงห้าปีที่ผ่านมาหรือว่าแย่ลงเรื่อยๆ
8. เจ้าหน้าที่ฉุกเฉินในเมืองคุณมีศักยภาพแค่ไหน
9. ตำแหน่งราชการในเมืองที่ มีเงินเดือนมากสุด (เสร็จแล้วก็ไปหาต่อเองว่าชื่ออะไร!)

นี่เป็นเพียงตัวอย่างไม่กี่ตัวอย่างที่ Open Data สามารถทำให้ประชากรสามารถเข้าใจสิ่งที่เกิดขึ้นรอบตัวเองได้อย่างรวดเร็ว ละเอียด และเที่ยงตรง ซึ่งในหลายเรื่องดีกว่าการพึ่งพิงข้อมูลจากหนังสือพิมพ์ ลมปากของนักการเมือง หรือการเล่าสู่กันฟังในกลุ่มเพื่อน

การเข้าถึง Open Data นั้นมีหลากหลายวิธีมากมาย บางเมืองใหญ่ๆ จะมีเว็บไซต์สำหรับ Open Data โดยเฉพาะ เช่น นิวยอร์ก เป็นต้น เว็บไซต์สังกัด data.gov เหล่านี้ใช้งานง่าย ดาวน์โหลดข้อมูลง่าย แถมยังสามารถพล็อตข้อมูลดูได้เลยโดยไม่ต้องดาวน์โหลดให้เสียเวลาอีกด้วย

ผู้อ่านท่านใดเคยเล่นเกมสร้างเมือง Sim City ขอให้ลองเข้าไปดูโปรเจกต์ Corridorscope: Water Street ที่เอาข้อมูลเหล่านี้ไปทำ data visualization ในแบบที่ว่าเห็นทุกพฤติกรรมมนุษย์ในพื้นที่ที่มีคนเดินผ่านมากที่สุดพื้นที่หนึ่งในเมืองนิวยอร์ก ทุกๆ วินาทีที่ผ่านไปเราจะสามารถเห็นได้ว่ามีคนใช้ wifi แค่ไหน มีขยะถูกทิ้งลงในถังขยะ smart แค่ไหน มีการโทรศัพท์แจ้ง non-emergency service แค่ไหนในทุกๆ จุดในพื้นที่ดังกล่าว อีกไม่นานการเป็นผู้ว่าราชการจังหวัดอาจมีส่วนคล้ายการสร้างและดูแลเมืองด้วยความแม่นยำอย่างใน Sim City ก็เป็นได้!

แต่ที่ผมประทับใจที่สุดเห็นจะเป็นเว็บไซต์ชื่อ Plenario ที่ทำการเชื่อมโยงข้อมูล Open Data จำนวนมหาศาลจากหลายๆ เมือง หลายๆ มลรัฐเข้าด้วยกัน ทำให้การค้นหาข้อมูลง่ายยิ่งกว่าเดิม เพียงคุณลากเส้นวาดขอบเขตที่คุณสนใจในแผนที่ ระบุวันเวลาหัวท้าย Plenario จะทำการแสดงข้อมูลทั้งหมดที่อยู่ในคลังข้อมูลจากหลายๆ เว็บไซต์ให้เพียงไม่กี่วินาทีดังภาพข้างบน

การออกแบบเว็บไซต์เหล่านี้นั้นเป็นตัวอย่างที่ดีสำหรับทางการไทยในอนาคต เพราะผู้ดีไซน์มีจุดมุ่งหมายเพื่อที่จะทำให้ผู้ใช้งานสามารถเข้าถึงข้อมูลได้อย่างง่ายดายและรวดเร็วที่สุด คลิกไม่เกิน 5 ครั้งจะต้องเข้าถึงข้อมูลได้ และในบางกรณีเข้าถึงได้แบบลึกมากๆ ด้วย สามารถเลือกประเภทของไฟล์ได้ตามซอฟต์แวร์ที่เราถนัด นั่นเป็นเพราะว่าคนที่ออกแบบและรัฐบาลเขาเข้าใจในความหมายและเชื่อในจุดมุ่งหมายของ Open Data อย่างแท้จริง ว่าการเปิดเผยข้อมูลตามกฎหมายแค่นั้นไม่พอ มันช้า ต้องเปิดเผยและทำให้เข้าถึงได้อย่างไร้อุปสรรคด้วย

เขาไม่ใช่ทำไปเพียงเพราะว่ากฎหมายหรือประชาชนบังคับให้ทำ แต่สำคัญคือต้องมีความเชื่อมั่นในอุดมการณ์ว่า Open Data จะพาสังคมไปในจุดที่สูงกว่า

ประโยชน์อันมหาศาลของ Open Data

นอกจากที่ Open Data จะเป็นการกระจายความรู้ “รอบตัว” เกี่ยวกับชุมชนให้กับประชาชนแล้ว Open Data ยังมีประโยชน์อีกมากในระดับที่สังคม เช่น การพัฒนานโยบายสาธารณะ (Public Policy) เพิ่มปริมาณและคุณภาพของความเป็นพลเมืองที่ดี พัฒนาความสามารถและประสิทธิภาพของภาครัฐ และเพิ่มความรู้ความเข้าใจในด้านสังคมศาสตร์ “อย่างเป็นวิทยาศาสตร์” มากขึ้นเกี่ยวกับพฤติกรรมมนุษย์และสิ่งต่างๆ ที่เรามองไม่เห็นหรือมองได้ไม่ครบด้วยตาเปล่า

ข้อมูลรถแท็กซี่กับข้อมูลความสะอาดของร้านอาหารอาจจะฟังดูเป็นเรื่องเล็กน้อยในการบริหารบ้านเมือง แต่หากลองนึกดูว่าถ้าสามารถเชื่อมโยงข้อมูลแท็กซี่เข้ากับข้อมูลสภาวะอากาศ ข้อมูลรถประจำทาง ข้อมูลรถไฟไต้ดิน ข้อมูลการเดินทางจาก Route และ Waze จะเกิดการจุดประกายขนาดไหน และในอีกไม่กี่ปีเราก็อาจจะตอบคำถามได้เสียทีว่ามี Uber ดีสำหรับสังคมกว่าไม่มี Uber หรือไม่ มี Uber แล้วทำให้การจราจรหนาแน่นกว่าปกติจริงๆ หรือไม่ แท็กซี่มีรายได้วันละเท่าไหร่ สมควรปกป้องไม่ให้มีคู่แข่งหรือไม่ มี Uber แล้วประชาชนที่อาศัยอยู่ชานเมืองที่ไม่มีรถโดยสารไปถึงสามารถเข้ามาทำงานในเมืองเร็วขึ้นหรือไม่ คำถามเหล่านี้ไม่มีทางตอบได้เลยหากไม่มีข้อมูลอันมหาศาล นอกจากนั้น ข้อมูลเหล่านี้ยังสามารถทำให้เราเข้าใจพฤติกรรมมนุษย์ในเชิงทฤษฎีได้ดีขึ้นอีกด้วย ยกตัวอย่างเช่น มี งานวิจัยทางเศรษฐศาสตร์งานหนึ่งที่ใช้ข้อมูลแท็กซี่กับข้อมูลสภาพอากาศเพื่อทำให้เราเข้าใจการตัดสินใจในการ “ทำงานหาเงิน” แลกกับการ “ไม่ขับเพื่อพักผ่อน” ในหมู่คนขับแท็กซี่ในวันที่ฝนตกและฝนไม่ตก เป็นต้น

ส่วนข้อมูลความสะอาดของร้านอาหารนั้น หากนำไปวิเคราะห์ร่วมกับข้อมูลรายได้ของร้านอาหารที่ต้องรายงานเพื่อการชำระภาษีอย่างในงานวิจัยนี้จะทำให้ภาครัฐทราบได้ว่าป้ายคำเตือนความสะอาดที่แปะอยู่ที่ประตูทางเข้าของทุกร้านนั้นมีผลหรือไม่ ผู้บริโภคเปลี่ยนใจหันไปรับประทานอาหารจากร้านที่มีป้าย “สะอาดดีมาก” มากขึ้นหรือไม่หลังจากที่ภาครัฐทำการแปะป้ายประกาศ หากไม่มีผลจะได้พยายามหาวิธีอื่นเพื่อให้ผู้บริโภคทราบ เช่น ทำป้ายให้มองเห็นง่ายขึ้น หรือบังคับให้ร้านอาหารบอกข้อมูลนี้กับผู้บริโภคด้วยวิธีอื่น ในอนาคตจะต้องมีการนำข้อมูลนี้ไปรวมกับข้อมูลสาธารณสุขเพื่อวิเคราะห์ถึงผลกระทบของความสะอาดของอาหารต่ออัตราป่วยด้วยโรคต่างๆ ที่เกี่ยวข้องอย่างแน่นอน

รัฐบาลได้อะไรจาก Open Data

ก่อนที่บทความยาวๆ บทนี้จะจบ ยังมีอีกหนึ่งคำถามสำคัญ นั่นก็คือ แล้วรัฐบาลได้อะไร?

Open Data นั้น สำหรับรัฐบาลแล้ว หลายคนคิดว่าไม่น่ามีเหตุผลที่รัฐบาลจะต้องการเพิ่มงานและความเหน็ดเหนื่อยให้กับตัวเอง แต่ผมคิดว่า Open Data สามารถเป็น win-win situation ได้ในระยะยาว โดยเฉพาะอย่างยิ่งสำหรับรัฐบาลที่มีความรับผิดชอบ ต้องการให้ประสิทธิภาพของตนเองเพิ่มขึ้น และต้องการแสดงความโปร่งใสในการทำงานอย่างแฟร์ๆ ให้กับสังคมที่มี accountability สูง (ซึ่งผมเองยังไม่แน่ใจว่าสังคมไทยมาถึงจุดนั้นแล้วหรือยัง)

โลกใบนี้คงไม่มีสังคมไหนที่ประชาชนไม่ต้องการความเป็นอยู่และบริการทางสาธารณสุขที่ดีขึ้น หากรัฐบาลใดพิสูจน์ได้อย่างโปร่งใส ว่าความสำเร็จของตนมีที่มาที่ไป ว่ารัฐบาลใส่ใจในความเป็นอยู่ของประชาชน ว่าตื่นตัวและรู้ทันปัญหาสังคม ว่าไม่มีการโกงกินจริงๆ ว่าเงินเดือนข้าราชการเหมาะสมกับประโยชน์ต่อสังคมที่มาจากหยาดเหงื่อของข้าราชการผู้นั้น ทั้งหมดนี้ก็จะสร้างความนิยมอย่างไม่หลอกลวงในหมู่ประชาชนได้มากเป็นธรรมดา ที่สำคัญที่สุดคือเป็นการสร้าง “ความเชื่อใจ” ระหว่างภาคประชาชนกับภาครัฐที่ทุกวันนี้น้อยลงทุกทีในบ้านเรา

ความเชื่อมั่นในอุดมการณ์นี้ของผู้นำแล้ว ส่วนหนึ่งก็เป็นเพราะบทบาทของกฎหมายที่ชื่อว่า Freedom of Information Act ที่ให้อำนาจกับประชาชนในการสอบถามข้อมูลจากรัฐบาล การสอบถามนั้นง่ายดายเพียงแค่กรอกฟอร์มหรือส่งอีเมลไปขอแค่นั้น อีกไม่กี่วันก็เอาฮาร์ดดิสก์ไปรับไฟล์ และที่ความเคลื่อนไหวนี้กำลังไปได้ดีอย่างมี momentum ก็เป็นเพราะว่ามีคนทำ platform เว็บไซต์รวบรวมข้อมูลที่ออกมาจากการใช้สิทธินี้ที่ผมได้เกริ่นไปแล้ว อีกหน่อยข้อมูลสาธารณะก็จะถูกบรรจุในเว็บไซต์เหล่านี้และได้รับการอัปเดตจนข้าราชการไม่ต้องเหนื่อยนั่งตอบอีเมลคนที่จะมาขอข้อมูลทีละอีเมล เผลอๆ รัฐบาลจะประหยัดเงินค่าจ้างในส่วนนี้ได้อีกด้วยเพราะว่าระบบมันทำของมันเอง

นี่มัน win-win situation ชัดๆ จริงๆ

อนาคตของ Open Data ขึ้นอยู่กับพวกเราเอง

ข้อมูลสาธารณะอันมหาศาลที่มาพร้อมกับปรากฏการณ์ Big Data จะเป็นแค่ตัวเลข 0 1 และจะเป็นขยะในฮาร์ดดิสก์ที่ไร้ประโยชน์หากมันถูกซ่อนอยู่ในมุมมืดหรืออยู่ในมือของกลุ่มคนแค่ไม่กี่คน

ชะตากรรมของ Open Data ในแต่ละท้องที่จะขึ้นอยู่กับคนสองกลุ่มใหญ่ นั่นก็คือ ประชาชนและรัฐบาล เพราะว่าหากเราลองดูกรณีของประเทศอื่นๆ ความสำเร็จของ Open Data นั้นจะต้องมีความร่วมมือของสองฝ่ายเสมอ ไม่ใช่ฝ่ายใดฝ่ายหนึ่งทำแต่อีกฝ่ายไม่ตอบสนอง

และที่สำคัญที่สุดก็คือ ไม่ใช่แค่วิศวกรคอมพิวเตอร์ นักสถิติ หรือนักเศรษฐศาสตร์เท่านั้นที่จะสามารถใช้ประโยชน์จากข้อมูลสาธารณะเหล่านี้

จุดนี้เป็นจุดเริ่มต้นที่ทุกคนควรเข้าใจ ว่าเราไม่มีทางทราบได้หรอกว่าข้อมูลเหมาะกับใครและเขาจะเอาไปทำอะไรได้ การปิดกั้นโอกาสนั้นเท่ากับว่าเป็นการปิดโอกาสของสังคมที่เต็มไปด้วยผู้คนที่มากด้วยความสามารถและประสบการณ์ที่หลากหลาย

เราทุกคนสามารถรับและสร้างประโยชน์จาก Open Data นี้ได้ในรูปแบบของเราเอง ตั้งแต่ในรูปแบบที่เล็กที่สุดที่ทุกคนทำได้ซึ่งก็คือการทำตัวเป็นประชาชนที่มีคุณภาพขึ้นเพราะว่าตน “รับรู้” ว่ามีอะไรเกิดขึ้นรอบๆ ไปจนถึงในรูปแบบของการดึง Correlative Insights จากข้อมูลเหล่านี้ด้วยความรวดเร็วจากสมองกล แบบ Machine Learning หรือแม้กระทั่งไปจนถึงรูปแบบของการดึง Causality (อะไรเป็นเหตุเป็นผล) จากข้อมูลเหล่านี้โดยใช้สมองคนที่พึ่งทฤษฎีทางสถิติพร้อมกับสมองกล

ผมเองในฐานะประชาชนคนหนึ่งและนักวิจัยด้านเศรษฐศาสตร์ก็กำลังทำหน้าที่เสนอแนวคิดนี้ผ่านบทความบทนี้และจะทำการดึง Causality ออกมาแสดงในงานวิจัยของผมในอนาคตให้กับเพื่อนร่วมสังคมเพื่อที่จะชี้ให้เห็นถึง “โอกาส” ในการผลักดันสังคมให้ก้าวไปข้างหน้าในหลายๆ มิติ

เมื่อรัฐบาลทำการเปิดเผยข้อมูล ข้อมูลสาธารณะเหล่านี้จะถูกนำไปใช้และวิเคราะห์โดยประชาชนทุกอาชีพ ทุกวัย ทุกหนทุกแห่ง บางเมืองเขาจัดการแข่งขันตั้งเงินรางวัลสำหรับทีมที่สร้างแอปพลิเคชันที่มีประโยชน์ต่อสังคมที่สุด ผลออกมาก็คือมีแอปพลิเคชันอย่างล้นหลามให้ประชาชนได้เลือกใช้ได้ตามสะดวก

มนุษย์ที่มีความคิดดี มีทักษะดี และมีจิตใจดีงาม ก็จะนำข้อมูลเหล่านี้ไปก่อให้เกิดประโยชน์ต่อสังคม ผลักดันสังคมไปข้างหน้า ไม่ว่าจะเป็นในด้านความปลอดภัย การศึกษา หรือสิ่งแวดล้อม แทนที่คนเหล่านี้จะอดใช้ความสามารถและความหวังดีที่ตนเองมีแบบในสมัยก่อนที่ข้อมูลเหล่านี้ถูกเก็บซ่อนไว้

ทั้งหมดนี่ฟังดูเหมือนฝัน แต่ถ้าไม่ร่วมกันฝันและเชื่อมั่นในฝันตั้งแต่วันนี้และไม่จินตนาการสิ่งที่กำลังจะเป็นไปได้…

ฝันก็คงไม่เป็นจริง

หมายเหตุ: ตีพิมพ์ครั้งแรกที่ “เศรษฐ” ความคิด – settaKid.com ณ วันที่ 14 กันยายน 2558