ThaiPublica > สัมมนาเด่น > “ณภัทร จาตุศรีพิทักษ์” ไม่แข่งยิ่งแพ้ในยุค Big Data

“ณภัทร จาตุศรีพิทักษ์” ไม่แข่งยิ่งแพ้ในยุค Big Data

8 กรกฎาคม 2016


เมื่อวันที่ 7 กรกฎาคม 2559 สำนักข่าวออนไลน์ไทยพับลิก้า จัดเสวนาหัวข้อ “Big Data @ Life: ชีวิตผูกติดข้อมูล สู่อนาคตประเทศไทย 4.0” มีผู้ร่วมเสวนา ได้แก่ นายธีรนันท์ ศรีหงส์ กรรมการผู้จัดการ ธนาคารกสิกรไทย จำกัด (มหาชน), นางสาวสุมล กานตกุล ผู้ช่วยกรรมการผู้อำนวยการ ส่วนงานวิเคราะห์และวางแผนการตลาด บริษัท แอดวานซ์ อินโฟร์ เซอร์วิส จำกัด (มหาชน), ดร.พงส์ศักดิ์ โหลิมชยโชติกุล ที่ปรึกษาด้านการใช้ข้อมูลสารสนเทศ ในธุรกิจค้าปลีกและค้าส่งในประเทศไทย, นางสาวสฤณี อาชวานันทกุล นักวิชาการอิสระ, นายณภัทร จาตุศรีพิทักษ์ คอลัมนิสต์ สำนักข่าวออนไลน์ไทยพับลิก้า นักศึกษาปริญญาเอกด้านเศรษฐศาสตร์ประยุกต์ และนักวิจัยประจำสถาบันความเปลี่ยนแปลงของโลก มหาวิทยาลัยมินนิโซตา และนายภิญโญ ไตรสุริยธรรมา บรรณาธิการ สำนักพิมพ์ Openbooks ผู้ดำเนินรายการ

ประเทศไทยเริ่มก้าวสู่ยุคเศรษฐกิจดิจิทัลอย่างช้าๆ แต่โลกไปเร็วด้วยเทคโนโลยีที่ก้าวหน้า มนุษย์โลกแชร์ข้อมูล เรื่องราวในโซเชียลมีเดีย มีการส่งอีเมล์ มีการซื้อขายสินค้าออนไลน์มากมาย ข้อมูลระบุว่าปี 2012 มนุษย์มีการผลิตข้อมูลมากถึงวันละ 2.5 quintillion ไบท์ หรือเท่ากับ 2,500,000,000,000,000,000 ไบท์ การกำเนิดของข้อมูลจำนวนมหาศาลที่ถ่ายทอดเรื่องราวชีวิตและพฤติกรรมของมนุษย์ทุกนาทีในระดับทีเราไม่เคยคิดว่าเป็นไปได้มาก่อน นี่คือ Big Data ที่ทุกวันนี้บริษัทเล็กใหญ่ต่างใช้ประโยชน์จากข้อมูลเหล่านี้เพื่อการตลาดและการพัฒนาผลิตภัณฑ์และบริการเพื่อการสร้างผลกำไร ขณะเดียวกันภาครัฐก็สามารถนำมาใช้เพื่อประโยชน์สาธารณะในด้านต่างๆ ได้เช่นกัน คำถามคือ เราจะใช้ประโยชน์จาก Big Data อย่างไรในการพัฒนาคุณภาพชีวิต ศักยภาพของประเทศ การอยู่ร่วมกันของคนในสังคมท่ามกลางการแข่งขันและทรัพยากรที่นับวันจะหมดไป

(จากซ้ายไปขวา) นางสาวสฤณี อาชวานันทกุล นักวิชาการอิสระ, นายธีรนันท์ ศรีหงส์ กรรมการผู้จัดการ ธนาคารกสิกรไทย จำกัด (มหาชน), นางสาวสุมล กานตกุล ผู้ช่วยกรรมการผู้อำนวยการ ส่วนงานวิเคราะห์และวางแผนการตลาด บริษัท แอดวานซ์ อินโฟร์ เซอร์วิส จำกัด (มหาชน), ดร.พงส์ศักดิ์ โหลิมชยโชติกุล ที่ปรึกษาด้านการใช้ข้อมูลสารสนเทศ ในธุรกิจค้าปลีกและค้าส่งในประเทศไทย,นายณภัทร จาตุศรีพิทักษ์ นักศึกษาปริญญาเอกด้านเศรษฐศาสตร์ประยุกต์ และนักวิจัยประจำสถาบันความเปลี่ยนแปลงของโลก มหาวิทยาลัยมินนิโซตา และนายภิญโญ ไตรสุริยธรรมา
(จากซ้ายไปขวา) นางสาวสฤณี อาชวานันทกุล นักวิชาการอิสระ, นายธีรนันท์ ศรีหงส์ กรรมการผู้จัดการ ธนาคารกสิกรไทย จำกัด (มหาชน), นางสาวสุมล กานตกุล ผู้ช่วยกรรมการผู้อำนวยการ ส่วนงานวิเคราะห์และวางแผนการตลาด บริษัท แอดวานซ์ อินโฟร์ เซอร์วิส จำกัด (มหาชน), ดร.พงส์ศักดิ์ โหลิมชยโชติกุล ที่ปรึกษาด้านการใช้ข้อมูลสารสนเทศ ในธุรกิจค้าปลีกและค้าส่งในประเทศไทย, นายณภัทร จาตุศรีพิทักษ์ นักศึกษาปริญญาเอกด้านเศรษฐศาสตร์ประยุกต์ และนักวิจัยประจำสถาบันความเปลี่ยนแปลงของโลก มหาวิทยาลัยมินนิโซตา และนายภิญโญ ไตรสุริยธรรมา

Big Data กับ Competitive Advantage ชิ้นใหม่สำหรับทุกชีวิตในสังคม

การเสวนาเริ่มที่นายณภัทร จาตุศรีพิทักษ์ ได้กล่าวว่า เมื่อหลายปีก่อน มีความคิดสวนกระแสอยู่ความคิดหนึ่ง ที่ว่า Big Data เป็นอะไรสำหรับบริษัทไฮเทคเท่านั้น สำหรับบริษัทอื่นๆ เซกเตอร์อื่นๆ อาจจะไม่ค่อยมีประโยชน์ขนาดนั้น วันนี้หวังว่าจะได้มาช่วยชี้ให้เห็นว่าเป็นความคิดที่ผิดมหันต์เลย เพราะว่าในมุมของผมคิดว่าการใช้ประโยชน์จาก Big Data จะมาเป็น Competitive Advantage ชิ้นใหม่สำหรับทุกชีวิตในสังคม ซึ่งไม่ใช่เฉพาะกับบริษัทไฮเทคเท่านั้น แต่สำหรับชีวิตคุณ ชีวิตผม องค์กรภาครัฐ โรงเรียน โรงพยาบาล สามารถใช้ประโยชน์จาก Big Data ได้หมด

พูดง่ายๆ คือ ชีวิตเราจะมาผูกติดกับข้อมูล ไม่ได้ผูกติดแค่ว่าข้อมูลทำให้ชีวิตเราสะดวกขึ้น แต่ว่าผูกในอีกแง่หนึ่งด้วย คือ เราจะขาดมันไม่ได้ด้วยซ้ำในการเอาตัวรอดในเศรษฐกิจสมัยใหม่

วันนี้ขอเน้นการใช้ประโยชน์จาก Big Data ในด้านสังคม เพราะผมมองว่าในด้านสังคมมีความสำคัญสูงมาก ถ้าเราใช้ประโยชน์จากมันในเชิงสังคมไม่ได้ ธุรกิจก็ไปไม่ได้ คนอย่างเราๆ ก็จะไม่มีชีวิตที่สมบูรณ์แบบในที่สุด

หลายคนอาจจะสงสัยว่าทางสังคม Competitive Advantage มันเกี่ยวข้องอย่างไร สังคมแข่งกับใคร ทำไมต้องแข่ง จริงๆ เราสามารถมองในภาพกว้างๆ ได้ว่าสังคมก็แข่งกับเขาเหมือนกัน ถึงแม้ไม่ได้แข่งในเชิงทำกำไรได้เท่าไร แต่สามารถมองได้ว่าแข่งกันในเชิงที่ว่า ทำอย่างไรสังคมถึงจะมีสวัสดิการสูงสุด ทำอย่างไรประชาชนถึงจะมีคุณภาพชีวิตดีที่สุด

ในอนาคตผมมองว่าจะมี 2 สิ่งเกิดขึ้น

1) เศรษฐกิจในโลกจะแข่งด้วยคุณภาพคนมากขึ้น เทคโนโลยีจะเข้ามาทดแทนงานเก่าๆ ที่ไม่ต้องใช้ทักษะอะไรมากมาย งานที่เหลือจะเป็นงานที่ต้องใช้ทักษะสูง ใช้ความสามารถสูง ใช้ความคิดสร้างสรรค์สูง เพราะฉะนั้น สิ่งแรกจะนำไปสู่สิ่งที่ 2) คนที่มีคุณภาพจะเนื้อหอม สามารถย้ายถิ่นฐานได้ง่ายขึ้น เพราะฉะนั้น เมืองที่ฉลาด สังคมที่ฉลาด มองการณ์ไกล เขาจะใช้ 2 ตัวนี้เพื่อดูว่าจะทำอย่างไรให้คุณภาพของคนเขาดีที่สุดและจะทำอย่างไรให้สังคมของเขาน่าอยู่ ซึ่งจะดึงดูดคนที่มีคุณภาพเหล่านี้ให้เข้ามาอยู่ในเมืองของเขา

จริงๆ แล้วไม่ต้องรอถึงอนาคตก็ได้ เพราะว่าทุกวันนี้เขาก็ทำอยู่แล้ว อย่างเช่นเพื่อนบ้านเราสิงคโปร์ไปไกลแล้ว ผมเพิ่งไปสัมมนาเรื่อง GIS กับ Big Data ที่เมืองแซนดีเอโกปีที่แล้ว มีตัวแทนองค์กรเทศบาลหลายๆ ท่านมานำเสนอผลงานว่าเขาใช้ Big Data และ GIS ทำอย่างไรให้เมืองของเขาติดอันดับเมืองน่าอยู่ที่สุดในโลก

วิธีแรก ถามว่าประเทศไทย ถ้าดูจากสังคมที่เป็นอยู่ เราจะใช้ Big Data เพื่อแข่งขันอย่างไร วิธีแรกที่ผมเห็นว่าแข่งได้และควรจะทำตั้งแต่วันนี้ หรือจริงๆ ควรจะทำตั้งนานแล้ว คือการใช้ข้อมูลมาพัฒนาเทศบาล อันนี้เข้าใจง่ายมาก คุณจะไปหวังว่าให้ประชาชนมีผลิตภาพดีๆ หวังให้มีคุณภาพ หวังอย่างเดียวไม่ได้ คุณต้องทำให้ชีวิตเขาดี รถต้องไม่ติดขนาดที่ผ่านมา เมื่อวันก่อนผมติด 2 ชั่วโมงแบบนี้มันไม่ไหว แล้วก็การพัฒนาเทศบาลทำได้ไม่ยากขนาดนั้น ถ้าเทียบกับการต่อยอด Big Data ด้านอื่นๆ

Big Data_napat

ตัวอย่างแรกของการพัฒนาเทศบาล ข้อมูลของถนนที่เป็นหลุมเป็นบ่อทุกบ่อทุกถนนในปี 2012 ของเมืองนิวยอร์ก และบอกความถี่ ข้อมูลนี้ถูกเก็บด้วยระบบ 311 เป็นเบอร์ที่ถ้ามีปัญหาสามารถโทรไปแจ้งร้องทุกข์ได้และโทรไปได้ทุกปัญหา ในนิวยอร์กมีประมาณ 3,600 ปัญหา อันนี้เป็นแค่ 1 ในนั้น เมื่อโทรปุ๊บ ไปในเว็บไซด์ Open Data ของเขา จะบอกเลยว่าคนนี้โทรมาเพราะมีปัญหานี้อยู่ที่ถนนเส้นนี้ มีละติจูด ลองจิจูด เวลา มีทั้งหมด ยิ่งไปกว่านั้นเขายังบอกด้วยว่าหน่วยงานไหนมีความรับผิดชอบ มีความโปร่งใส บอกไปถึงว่ามีเส้นตายในการแก้ปัญหากี่วัน

ถ้าใครเคยไปเมืองนิวยอร์กจะทราบว่าเป็นเมืองที่ยุ่งเหยิงที่สุด เชื่อไหมว่าตั้งแต่เปิดข้อมูล Open Data มาเขาซ่อมถนนได้เฉลี่ยภายใน 5 วัน ซึ่งถือว่าน้อย การซ่อมถนนดูเหมือนเป็นเรื่องทำง่ายๆ แต่การซ่อมถนนให้ Optimize ว่าทำอย่างไรให้เร็วๆ โดยไม่ทำให้รถไม่ติดทั้งเมือง มันทำไม่ได้ถ้าไม่มีข้อมูลอย่างนี้ และต้องลองคิดดูว่านี่เป็น 1 ใน 3,600 มิติที่เทศบาลเขาสามารถพัฒนาตัวเองได้ คิดดูว่าถ้าเราทำแบบนี้ได้กรุงเทพฯ จะน่าอยู่ขึ้นแค่ไหน

Big Data_napat-1

ส่วนตัวอย่างที่ 2 ที่ผมไปฟังจากงานสัมมนาเมื่อสัปดาห์ที่แล้ว(Esri User Conference 2016 ที่ซานดิเอโก สหรัฐเมริกา) ผมถึงกับอึ้ง ในภาพเป็นข้อมูลความสะอาดของถนนทุกเส้นในเมืองลอสแอนเจลิส เป็นเมืองที่มีขนาดใหญ่มากในสหรัฐอเมริกา ซึ่งนอกจากว่าเขาจะเก็บข้อมูลว่าแต่ละเส้นมีความสะอาดแค่ไหน 1 2 3 เขายังเก็บข้อมูลว่าถนนเส้นไหนไม่สะอาดเพราะอะไร เพราะว่าบางถนนมีหญ้าขึ้น จะต้องใช้รถคนละแบบในการทำความสะอาดถนน หรือทำการขนขยะออกเพราะบางเส้นไม่สะอาดเพราะขยะเยอะ บางเส้นถนนเดินไม่ได้แล้ว ต้องเอารถมาขนออก เขาทำแบบนี้เพราะว่าเขามีทรัพยากรจำกัด อันนี้เราต้องยอมรับว่าถ้าเทศบาลในโลกมีเงินไม่จำกัดมันจะง่ายมาก ไม่ต้องทำแผนที่นี้ ขับตระเวนทุกวันก็ได้ แต่ปกติเงินมันไม่พอ เพราะฉะนั้น ต้องมาดูว่าถนนเส้นไหนควรได้รับการบริการก่อน

นอกจากนั้น แบบนี้มันจะได้เรื่องความโปร่งใสด้วย เพราะว่าในอเมริกาจะมีปัญหาที่ว่า คนจนหรือคนที่ไม่มีอิทธิพลทางการเมืองจะมองว่าเทศบาลไม่ยุติธรรม มีแต่เอาบริการดีๆ ไปให้ย่านคนรวยหรือมีอิทธิพล พอดีแบบนี้มันจะโปร่งใสขึ้นว่าทำไมบางแห่งจะได้รับบริการก่อน ที่เด่นกว่านี้ คือ แผนที่จะอัปเดตทุกๆ 3 เดือน ไม่หยุดนิ่ง

Big Data_napat-2

ตัวอย่างที่ 3 อันนี้ผมว่าบ้านเราน่าจะเรียนรู้ได้มาก คือการลดความเสียหายจากอุทกภัย เอามาจากเมืองนิวออร์ลีนส์ เมืองทางใต้ของสหรัฐอเมริกาที่เรียกว่าน้ำท่วมแทบจะทุกเดือน เพราะว่าอยู่ในโซนที่มีมรสุม อยู่ใกล้แม่น้ำ ไม่ค่อยห่างจากน้ำทะเล เรียกว่าโดนทุกอย่าง

แต่ทุกวันนี้เขาพร้อมกว่าเดิมมาก เพราะว่าเขาใช้ประโยชน์จากข้อมูล 2 ระบบ ระบบแรกเรียกว่าระบบผู้พิทักษ์ท่ออาสา อันนี้ผมตั้งเองเพราะว่าไม่มีภาษาไทย ง่ายๆ คือเขาจะถามประชาชนว่าท่านใดสนใจอาสามาเป็นพิทักษ์ท่อระบายน้ำ ก็มอบหมายไปเลยให้ไปรับผิดชอบท่อใบนั้น 1 ท่อในเมือง เมื่อเทศบาลเห็นข้อมูลที่มาจากอีกระบบหนึ่ง เป็นระบบที่คาดการณ์ว่าแม่น้ำหรือบึงไหนจะท่วมหรือจะแห้งภายใน 6 ชั่วโมง พอเขาได้ข้อมูลมาว่าเมืองนิวออร์ลีนส์ไม่รอดแน่หรือส่วนไหนไม่รอดแน่นอน เขาจะติดต่อพวกผู้พิทักษ์อาสาให้ดูท่อระบายน้ำว่ามีขยะอุดหรือไม่ ฟังดูคุ้นๆ ผมไม่ได้กลับไทยตอนนั้นแต่เห็นภาพก็น่าสงสาร ต้องยอมรับว่าอันนี้เทศบาลทำเองทั้งหมดก็ไม่ไหว เพราะทรัพยากรจำกัด ท่อน้ำอยู่ตรงไหนผมยังไม่รู้เลย มันยาก

3 วิธีนี้คือการใช้ Big Data ภาษาวัยรุ่นคือเบๆ หรือพื้นฐานๆ แต่วิธีที่ 2 คือการต่อยอดอีกขั้นหนึ่ง เป็นการต่อยอดแบบการใช้ข้อมูลมาพัฒนานโยบายให้ฉลาดขึ้น ตรงจุดขึ้น ตัวอย่างแรกคือการใช้ Big Data แก้ไขปัญหาความเหลื่อมล้ำในสังคม

ปัญหานี้มีทุกสังคม ปัญหาก็คือก่อนที่เราจะพัฒนาอะไรได้ ก่อนที่เราจะออกนโยบายอะไรได้ เราต้องวัดความเหลื่อมล้ำให้ได้ก่อน เราจะแปลกใจมากเลยว่าปัญหาความเหลื่อมล้ำมีความสำคัญขนาดนี้ แต่เรากลับรู้อะไรเกี่ยวกับมันน้อยมาก โดยเฉพาะอย่างยิ่ง ถ้าสมมติว่าเราอยากรู้ว่าความเหลื่อมล้ำในสหรัฐอเมริกามันแค่ไหน ที่เห็นคนเถียงกัน ประท้วงกัน ถ้าเราไปในเว็บไซต์ไปดูตัวชี้วัดที่คนส่วนใหญ่ดูคือดัชนีจีนี (GINI Index) ซึ่งมาจากการสำรวจตามบ้านว่าคุณมีรายได้เท่าไรปีนี้ ต้องยอมรับว่าหากดูตามภาพ เอามาเปรียบเทียบกันอะไรประมาณนี้และต้องยอมรับว่ามันมีแนวโน้มที่ความเหลื่อมล้ำกำลังเพิ่มขึ้น แต่ถ้าถามผมมันไม่ชัดเจน มันไม่สะท้อนภาพจริงที่คนประท้วงกัน ที่คนฆ่าแกงกัน เพราะว่ามันทนไม่ไหวแล้ว จะเกิดอะไรขึ้นถ้าคุณสามารถใช้ข้อมูลภาษีของชาวอเมริกันทุกคนย้อนหลังไป ปีหนึ่งหลาย 100 ล้านคน หลาย 100 ล้านข้อมูลภาษี และย้อนหลังไปหลาย 10 ปีจะเกิดอะไรขึ้น คุณจะได้ภาพนี้ (ดูภาพ) อันนี้มาจากงานวิจัยของนักเศรษฐศาสตร์ชื่อ Emmanuel Saez

Big Data_napat-3

เขาได้ข้อมูลที่สามารถบอกได้ว่าประมาณ 0.1% ของครัวเรือนอเมริกันครอบครองความมั่งคั่ง (wealth) ของประเทศไปว่า 25% แม้จะไม่ใช่รายได้ แต่เป็นเครื่องชี้วัดความเหลื่อมล้ำอันหนึ่ง ซึ่งครองไปแล้วประมาณเกือบ 25% คือถ้าคุณคิดว่าครัวเรือนอเมริกันมีอยู่ 1,000 ครัวเรือน สมมติ 1 คน 1 ครัวเรือน จะมีแค่ครัวเรือนเดียวกินไปแล้ว 1 ใน 4 ของความมั่งคั่งของชาติ (สีเขียว) นี่คือความจริง นี่คือพลังของ Big Data และอีกหน่อยเวลาทำนโยบายอะไร มันจะมีตัวที่มาวัดได้อีกต่อว่าความเหลื่อมล้ำมันดีขึ้นหรือมันแย่ลงอย่างไร ไม่ใช่งมๆไปงมๆ มา

Big Data_napat-4

ต่อมาเป็นตัวอย่างว่า Big Data ใช้ผลักดันนโยบายที่รัฐบาลต้องการได้อย่างไรบ้าง อันนี้เป็นเว็บแอปพลิเคชันที่มหาวิทยาลัยมินนิโซตาทำเกี่ยวกับพลังงานแสงอาทิตย์ เพียงคุณเข้าไปกรอกที่อยู่ลงไปมันจะเหมือนกูเกิลแมปขึ้นมาว่าบ้านคุณอยู่ตรงไหน และถ้าคุณคลิกลงไปที่หลังคาบ้านคุณ ระบบจะเข้าไปยังข้อมูล GIS เข้าสู่ข้อมูลที่บอกว่าปกติพื้นที่นี้ทั้งปีมีแสงแดดประมาณเท่าใด ความสูง เงาต้นไม้ หรือมีเมฆปกคลุมแค่ไหน และประมวลว่าแต่ละเดือนจะได้พลังงานจากแสงอาทิตย์เท่าไรถ้าติดตั้งแผงโซลาร์แต่ละยี่ห้อ

อันนี้จะช่วยในแง่ที่ว่าถ้ารัฐบาลอยากผลักดันให้ประชาชนใช้พลังงานที่สะอาดขึ้น จะต้องทำอย่างไร เพราะว่าหลายคนอยากมีส่วนร่วม แต่ว่าอาจจะไม่แน่ใจ เนื่องจากมันมีความเสี่ยงว่าที่เรามองเห็นว่าได้แดดเท่าไหร่ สมองมนุษย์ไม่สามารถรับรู้ได้ แต่สมองกลมันมาช่วยตรงนี้ได้ แถมยังมีลิงก์คลิกต่อไปซื้อของกับผู้ผลิตได้ทันที มีได้ส่วนลดภาษีต่างๆ และมีบอกอีกว่าหากติดตั้งไปแล้วกี่ปีคืนทุน ไม่ต้องจ่ายค่าไฟอีกต่อไปแล้ว

อนาคตเศรษฐกิจแข่งกันด้วยคน

ณภัทร จาตุศรีพิทักษ์1

ต่อมา วิธีสุดท้ายที่ผมคิดว่าสำคัญที่สุดแล้ว ณ ตอนนี้ คือการพัฒนาคน เพราะว่าในอนาคตเศรษฐกิจจะแข่งขันกันด้วยคน คือผมเห็นตัวเลขนี้แล้ววิตก กินข้าวแทบไม่ลงหลายมื้อ จริงๆ ต้องยอมรับว่าประเทศไทยมีหลายตัวเลขที่กินข้าวไม่ลงเหมือนกัน แต่ผมเจอตัวเลขนี้แล้วผมกินข้าวไม่ลงที่สุด คือตัวเลขจากรายงานของ World Economic Forum ปีนี้ ระบุว่าภายในไม่ถึง 20 ปี 72% ของงานทั้งหมดในประเทศไทย จะมีโอกาสถูกทดแทนด้วยสมองกล เท่ากับว่ามีงาน 10 งาน หายไป 7 งาน แบบนี้แล้วใครจะทำงาน แล้วเราจะกินอะไร มันเจ็บปวดนะ บางคนอาจจะบอกว่าก็ดีเราจะทำงานน้อยลงได้อยู่บ้านสบายขึ้น แต่มันจะจริงก็ต่อเมื่อคุณมีทักษะอื่นๆ ที่สมองกลแทนคุณที่ไม่ได้ คุณจะได้ไปทำงานมีเงิน แล้วถามว่าเราจะใช้ Big Data เพื่อแก้ปัญหาหรือรับมือปรากฏการณ์นี้อย่างไร

ทางหนึ่งที่ผมมองว่าทำได้คือการศึกษา ซึ่งน่าจะเป็นหนทางที่ลำบากมาก เพราะบ้านเรามีปัญหารอบด้าน ปัญหาใช้จ่ายมากแต่ผลไม่ค่อยคืนทุน

ผมขอเล่าเรื่องนิดหนึ่ง เมื่อ 3-4 ปีที่แล้วผมมีโอกาสได้ทำวิจัยกับนักเศรษฐศาสตร์ที่มหาวิทยาลัยฮาร์วาร์ดและมหาวิทยาลัยมินิโซตาดูเรื่องนโยบายการศึกษา วันแรกๆ ที่ทำงานผมอึ้งครับ คือเห็นข้อมูล เห็นความถี่ เห็นความกว้าง ความลึกของข้อมูล ของทุกคนที่เคยผ่านระบบการศึกษา มีเยอะเหลือเกิน ต้องยอมรับว่ามันยังไม่ Big เท่า Big Data ที่ท่านอื่นๆ ในภาคธุรกิจจะพูดในวันนี้ เพราะว่าเราไม่ได้เก็บข้อมูลเด็กๆ แบบที่เซเว่นอีเลฟเว่นว่าอันนี้ขายได้อันนั้นขายไม่ได้ แม้ไม่เยอะ แต่ก็เยอะถึงขั้นที่ว่าทำวิจัยบนคอมพิวเตอร์ที่บ้านไม่ได้ ต้องทำบน Cloud เท่านั้นแล้ว คือมันเยอะมาก

การที่เขามีข้อมูลเยอะๆ เขาสามารถได้อะไรจากข้อมูลบ้างในการพัฒนาคนของเขา เช่น

  1. อนุบาลดีมีผลแค่ไหนตอนเป็นผู้ใหญ่ ตอบได้ และตอบได้ถึงขั้นว่าอนุบาลที่ดีควรจะมีเด็กอยู่ในห้องกี่คนต่อกลุ่ม ไม่ใช่อยู่ดีๆ คิดขึ้นมาว่าต้องมี 25 คน ทำไมไม่มี 21 คน ไม่ 23 หรือ 24 คน มันต้องมีข้อมูลถึงจะตอบได้
  2. คุ้มหรือไม่ที่เรียนปริญญาตรีหรือมันเป็นแค่กระดาษ ตอบได้ จริงๆ คำถามนี้สำคัญมากๆ ผมเชื่อว่าพวกเราก็พอจะมีแนวคิดในหัวว่ามันคุ้มหรือไม่คุ้มในเมืองไทย แต่มันชี้ชัดลงไปไม่ได้ เพราะมันมีข้อมูลไม่พอ คือการที่คนเราอยู่ในการศึกษาไปนานๆ มันมีต้นทุนต่อสังคม ถ้าไม่มีประโยชน์ก็ไม่ควรเรียน ควรออกมาทำงานเป็นฟันเฟืองของเศรษฐกิจ
  3. การศึกษาดีสามารถลดโอกาสการก่ออาชญากรรมได้หรือไม่ ตอบได้ พิสูจน์ได้ เขาพบอีกว่าแนวคิดการนำเด็กเกเรไปรวมๆ กันบางคนคิดว่าดี ถือว่าแยกไปเลย แต่ความจริงการนำไปรวมๆ กันแย่ยิ่งกว่าแยกกัน คือถ้ารวมกันมักโดนจับพร้อมกันเพราะว่าเป็นเพื่อนกัน
  4. อะไรแปลว่าครูเก่ง อันนี้เป็นหัวข้อที่นักวิจัยในอเมริกากำลังให้ความสำคัญมากและกำลังทำวิจัยกันอยู่
  5. การปรับเงินเดือนครูควรจะทำเหมือนเอกชนหรือไม่ เป็นอีกเรื่องที่เถียงกันมาก อันนี้ทำไม่ได้ถ้าไม่มีข้อมูล

ถามว่าเขาทำทั้งหมดนี้ได้อย่างไร เขาทำได้เพราะว่าเขารู้ทุกอย่างเกี่ยวกับคุณตั้งแต่เกิด ใครคือครูคุณตอนอนุบาล คุณกินข้าวอะไรบ้าง สอบทุกครั้งเทียบกับคนอื่นได้แค่ไหน เพื่อนๆ เก่งแค่ไหน คุณครูขาดสอนแค่ไหน พอเขามีข้อมูลพวกนี้ครบ เขาสามารถเชื่อมโยงกับอนาคตของคุณได้ว่าคนที่เคยผ่านทั้งหมดมาแบบนี้ เวลาโตแล้วมีผลอย่างไรบ้าง สอบได้เท่าไร สมัครมหาวิทยาลัยไหนบ้าง ติดที่ไหนบ้าง ปฏิเสธที่ไหนบ้าง ทำงานได้เงินปีละเท่าไหร่ เคยติดคุกหรือไม่ ซื้อบ้านครั้งแรกเท่าไหร่ อายุเท่าไร แต่งงานเมื่อไร เคยหย่าหรือไม่ 40 ปีที่ผ่านมาก่อนเกษียณคุณจ่ายภาษีไปเท่าไหร่ เขาคิดได้หมด จนกระทั้งว่าคุณเสียชีวิตเมื่อไร

Big Data_napat-5

ในภาษาธุรกิจเขาเรียกการเก็บข้อมูล เป็นการทำวัฏจักรสินค้าว่า cradle to grave คือตั้งแต่เกิดจนตาย ผมมองว่าในระบบการศึกษามันยิ่งกว่า cradle to grave เสียอีก คือเขาทราบแม้กระทั่งว่าแม่ของคุณกินอะไรไป สูบบุหรี่แค่ไหน บ้านอยู่แถวไหน ใกล้แหล่งมลภาวะมากน้อยแค่ไหน เขามาเชื่อมโยงกับชีวิตคุณ แทบจะรู้ทุกอย่าง

หลายคนอาจจะคิดว่าผมซีเรียสไปหรือไม่ นี่มันชีวิตคน ไม่ใช่ประกวดสัตว์เลี้ยง หรือจะแข่งอะไรกัน ผมเห็นด้วยว่าซีเรียส แต่ผมก็เห็นด้วยกับฝรั่งว่าเรื่องนี้เป็นเรื่องที่ต้องจริงจัง โดยเฉพาะอย่างยิ่งคนที่มาจากประเทศที่งาน 72% จะหายไป มันถึงเวลาต้องซีเรียสบ้างแล้ว

ผมขอสรุปสั้นๆว่า ชีวิตเราผูกติดข้อมูลในเชิงที่ว่า เราต้องมีมัน ไม่มีมันเราไม่รอดแน่ๆ และตอนนี้หลายท่านๆ กำลังพูดว่าเรากำลังผลักดันให้ประเทศไทยจาก 3.0 เป็น 4.0 ให้ได้ ผมมองว่าเป็นไปไม่ได้ ถ้าเราไม่มีข้อมูล ทุกอย่างเรากำลังจะพูดในวันนี้ จะไม่มีอะไรเกิดขึ้นเลย ถ้าไม่มีข้อมูล นั่นคือจุดแรก

เมื่อมีข้อมูลแล้วก็ต้องคุยกัน แบ่งปันกัน ร่วมมือกัน แลกเปลี่ยนความคิดเห็นกัน เพราะถ้าสังเกตุหลายๆ ตัวอย่างที่ผมแชร์ในวันนี้ ไม่ได้เกิดขึ้นในห้องปิด มันเกิดจากความร่วมมือกัน ไม่ใช่ Data Scientist มันรวมกันทุกๆ สาขา ช่วยๆ กัน แม้ว่าบางข้อมูลจะแชร์ไม่ได้ เพราะมีประเด็นส่วนตัวหรือเป็นความลับทางการค้า แต่คุณสามารถจับเข่าคุย แลกเปลี่ยนว่าคุณได้ข้อมูลเชิงลึกเรื่องอะไรมาบ้าง คือเราพยายามมองภาพกว้างว่ากองมันใหญ่ขึ้น ไม่ใช่เท่าเดิม แล้วแบ่งกันเพื่อได้ประโยชน์ร่วมกัน

นายณภัทรกล่าวเสริมในตอนท้ายว่า ในอนาคตต้องเตรียมรับมือว่าคนรุ่นต่อๆ ไปจะมีอายุยืนยิ่งขึ้นอีก ยิ่งกว่าที่เรานึกคิดในตอนนี้เสียอีก ดังนั้น การใช้ Big Data เข้ามาช่วยในด้านสาธารณสุขจะเยอะมากและส่วนหนึ่งต้องพึ่งพาภาครัฐ แล้วจริงๆดูเหมือนว่าทุกอย่างจะต้องพึ่งภาครัฐ ขณะที่วันนี้ภาคเอกชนไปได้เร็วกว่ามาก ผมไม่ห่วงเอกชน ผมจะห่วงภาครัฐมากกว่า

แล้วความจริงนี้มันไม่ได้เป็นแค่ที่ประเทศไทย ที่ประเทศอื่นก็เป็นเหมือนกันอย่างในสหรัฐอเมริกา เราเป็นห่วงเรื่องสุขภาพวัยแก่ของเราจะเป็นอย่างไร คือเขามีทีมงานเก็บข้อมูลสาธารณสุขเยอะมาก เก็บหมดเลย ข้อมูล Big Data ส่วนใหญ่ส่วนยักษ์เลย มันจะอยู่ในลักษณะข้อมูลสาธารณสุขที่เก็บโดยโรงพยาบาล โดยระบบเซนเซอร์ที่วัดได้ว่าคุณออกเดินไป มีมลพิษเท่าไร วัดได้ระดับจุดเลยว่ามีมลพิษเท่าไร สูดเข้าไปเท่าไร ที่เขาทำแบบนี้เพราะเขาเห็นค่าของชีวิตคน ถึงแม้จะเป็นคนแก่ เด็ก เขาตีว่ามูลค่าชีวิตคนในอเมริกาโดยเฉลี่ย 7-9 ล้านเหรียญดอลลาร์ นี่คือทำไมเขาให้ความสำคัญเกี่ยวกับ Big Data ในการพัฒนาคน ทำอย่างไรให้คนชราแล้วยังมีผลิตภาพ ทำอย่างไรให้คนเขามีชีวิตอยู่อย่างมีความสุข

ส่วนเรื่องของภาครัฐที่คุยกันวันนี้ดูเหมือนไม่ค่อยพร้อม การขอให้เขาทำอย่างเดียวไม่น่าจะได้ผล ที่สหรัฐอเมริกาที่มาถึงวันนี้ได้มันไม่ใช่ว่าเราอัดให้เกิดขึ้นแล้วภาครัฐทำเลย มันไม่ได้ผลแบบนั้น ผมได้ไปสัมภาษณ์อาจารย์ท่านหนึ่งที่ผลักดันให้มีการเปิดข้อมูลในรัฐมินนิโซตา คือตอนแรกเขาคิดเงิน ซึ่งผมเห็นด้วยว่าข้อมูลบางอย่างจากเอกชนต้องเก็บเงิน แต่ข้อมูลภาครัฐควรจะฟรี เพราะว่าประชาชนเป็นคนเสียภาษีให้กับรัฐ ทำไมต้องมาจ่ายอีก ต้องรออีก บางทีข้อมูลเพี้ยนๆ

อาจารย์ผมไปคุยจนกระทั่งภาครัฐที่มินนิโซตายอมรับว่าจริง คุณเสียภาษีนะ แล้วการที่เปิดข้อมูลกลับกลายเป็นการประหยัดต้นทุน แทนที่จะภาครัฐจะต้องมาคุยกับคนเต็มไปหมด ขอข้อมูลนี้ข้อมูลนั้น มันมีต้นทุนแพง ต้องมีการเข้าแฟ้ม จดหมายให้นายลงนาม ทำบัญชีเอกสารเต็มไปหมด การที่คุณนำข้อมูลออกมาเลยมันง่ายกว่าเยอะมาก แล้วที่นั้นมีกฎหมายอยู่ว่าข้อมูลผิดไม่เป็นไร สมมติว่าผิดเราก็แจ้งไปว่าผิดอย่างไร ภาครัฐก็แก้ไขให้ถูกต้อง ดีด้วยซ้ำไป กลายเป็นว่าข้อมูลมีประชาชนช่วยตรวจสอบ อันนี้เป็น Open Data ที่ต้องผลักดันไม่ใช่รอให้ภาครัฐทำอย่างเดียว

ณภัทร จาตุศรีพิทักษ์.2

เมื่อถามว่าเรียนจบจะกลับมาหรือใช้ชีวิตที่อเมริกา นายณภัทรกล่าวว่า “ก็คงกลับมา แต่ภาวะที่รถติดอย่างนี้ มลพิษอย่างนี้ ตอนนี้ปัญหาในรุ่นผมจะเกิดภาวะสมองไหลเยอะ ไปที่ประเทศอื่น เช่น สิงคโปร์ ไปทุกประเทศที่คุณภาพดีกว่า แม้จะไม่ดีทุกด้าน ในหลายด้านมันดี ผมว่าอันตรายมาก คือคนไหลไปหมด เหมือนองค์กร แต่นี่ระดับประเทศ องค์กรก็ต้องการให้คนเก่งอยู่กับองค์กร ประเทศก็ต้องให้คนเก่งอยู่กับเรา ไม่ใช่ไหลไปหมด”

พร้อมฝากว่าวันนี้เราเห็นภาพองค์กรใหญ่ๆ ภาครัฐใช้ Big Data ได้อย่างไรบ้าง ผมอยากทิ้งท้ายไว้นิดหนึ่งว่า บางทีไม่ต้องเป็นบริษัทใหญ่ๆ ก็ทำได้ เช่น predictive modeling อย่างที่คาดว่าใครจะซื้อของ ใครจะมีการผิดนัดชำระหนี้ มีการ preditive motoring ตอนนี้มีการใช้งานแล้วในภาคการศึกษาแล้วและใช้ในกลุ่มเล็กๆ ในกลุ่มโรงเรียน ตอนนี้ผมทำทีมวิจัยอยู่กับโรงเรียนในกลุ่มเมืองมินนิอาโปลิส มีไม่กี่โรงเรียน คือมีโครงการแมวมองครูคุณภาพ นึกถึงพรีเมียร์ลีกที่ซื้อตัวผู้เล่นกัน ตอนนี้มีการคุยกันว่าจะใช้ข้อมูลเกี่ยวกับครู จะดูว่าครูที่อยู่นอกเมืองคนไหนมีแวว เป็นการส่องแมวมอง ว่าคนไหนเก่ง สอนคลาสไหนเด็กเก่ง เพื่อจัดอันดับว่าใครที่เมื่อรวมกับเด็กกลุ่มนี้เมืองของเรา ใครจะทำได้ดี และเมื่อจัดอันดับแล้ว เขาจัดเงินโบนัสไว้เลย และส่งจดหมายไปเลยว่าหากคุณย้ายบ้านมาสอนที่เมืองเรา เราให้เงินคุณเลย จ่ายล่วงหน้าเลย ถ้าเก่งมากๆ ให้เป็นล้านกว่าบาทเลย ซึ่งเยอะพอที่จะให้คนยอมย้ายมา

ทีนี้ โรงเรียนในเมืองอื่นๆ ที่ไม่เคยมองเห็นประโยชน์ของ Big data ก็อาจจะคิดว่าตัวเองเล็กไป อาจจะไม่มีประโยชน์ อาจจะค้นพบว่าตัวเองสูญเสียครูคุณภาพไป เพราะไม่รู้มาก่อนด้วยซ้ำไปว่าใครเก่งไม่เก่ง เป็นต้น

สุดท้ายขอจบด้วยมุมมองจากเพลงของนักร้อง พี่เบิร์ด (ธงไชย แมคอินไตย์) เวลาเรามีข้อมูล “อย่าเก็บมันไว้ อย่าปิดมันไว้ หากไปเจอใครที่แคร์” เช่น ประชาชน ลูกค้า และเราห้ามท้อถ้าวันนี้เรายังไม่มี Data ข้อมูลถนนเชื่อต่อกันไม่ติด เพราะยุค Big Data ไม่อยากแข่งยิ่งแพ้

ดูพาวเวอร์พอยต์ทั้งหมดที่นี่