หลักสูตร Data & AI for Business Leaders เป็นการอบรมสำหรับผู้บริหารที่อธิบาย Data Platform, Lakehouse และ Microsoft Fabric ด้วยภาษาธุรกิจ และแยก Predictive, Generative กับ Agentic AI ออกจากกัน เหมาะกับ CEO, CFO, CIO และหัวหน้าหน่วยธุรกิจที่ต้องตัดสินใจลงทุน จบแล้วได้ร่างแผนปฏิบัติการ 90 วันสำหรับทีมของตัวเอง
องค์กรจำนวนมากลงทุนกับข้อมูลและ AI แล้ว แต่ผู้บริหารยังตอบได้ยากว่าควรเริ่มตรงไหน โครงการใดคุ้มค่า และจะควบคุมความเสี่ยงอย่างไร เพราะการพูดคุยกับทีมเทคนิคมักเต็มไปด้วยศัพท์เฉพาะ ขณะที่การตัดสินใจเรื่องแพลตฟอร์ม งบประมาณ และลำดับความสำคัญเป็นหน้าที่ของผู้นำธุรกิจ ผู้บริหารจึงต้องเข้าใจภาพรวมมากพอที่จะตั้งคำถามให้ถูก และเชื่อมการลงทุนด้านข้อมูลและ AI เข้ากับเป้าหมายของธุรกิจได้
หลักสูตรนี้อธิบายองค์ประกอบของ Data Platform สมัยใหม่ด้วยภาษาธุรกิจ ตั้งแต่ Lakehouse และ Medallion Architecture ไปจนถึงตำแหน่งของ Microsoft Fabric และแพลตฟอร์มคลาวด์ แยกความต่างของ Predictive AI, Generative AI และ Agentic AI พร้อมกรอบการเลือก Use Case และประเมิน ROI การวางกลยุทธ์แพลตฟอร์ม Governance ความเสี่ยงและ Responsible AI รวมถึงการบริหารการเปลี่ยนแปลงและ Operating Model ผู้เรียนนำโจทย์ธุรกิจของหน่วยงานตนเองมาใช้ในกิจกรรมกลุ่ม และจบวันด้วยร่างแผนปฏิบัติการ 90 วันที่นำไปเริ่มได้ทันที (อบรม 1 วัน 6 ชั่วโมง ระดับ Executive)
รายละเอียดหลักสูตร
อบรม 1 วัน 6 ชั่วโมง (09:00-16:00 น.) ระดับ Executive สำหรับผู้บริหารและผู้นำธุรกิจ รูปแบบบรรยาย อภิปราย และกิจกรรมกลุ่มจากโจทย์ธุรกิจของผู้เรียน ไม่มีการเขียนโค้ดหรือติดตั้งระบบ และไม่ต้องมีพื้นฐานด้านเทคนิค ผู้เรียนควรเตรียมปัญหาทางธุรกิจ 2-3 เรื่องที่ข้อมูลหรือ AI อาจช่วยได้ และภาพรวมคร่าว ๆ ของระบบข้อมูลที่หน่วยงานใช้อยู่ ผู้เรียนจะได้เอกสารสรุปแนวคิด Data Platform และประเภทของ AI แบบฟอร์มจัดลำดับ Use Case รายการคำถามด้านคุณภาพข้อมูล Governance และความเสี่ยง และร่างแผนปฏิบัติการ 90 วันของทีมกลับไปใช้งานต่อ
Day 1: จากความเข้าใจ Data และ AI สู่แผนปฏิบัติการ 90 วัน
ข้อมูลกับ AI เปลี่ยนการแข่งขัน การตัดสินใจ และการทำงาน เมื่อ Generative AI เข้าถึงคนทุกระดับ
เหตุผลที่โครงการข้อมูลและ AI จำนวนมากไม่ได้ผลตามที่คาด
บทบาทของผู้บริหาร: ตั้งทิศทาง จัดลำดับความสำคัญ และจัดสรรทรัพยากร
เส้นทางของข้อมูลจากระบบงานสู่รายงาน และความต่างของ Data Warehouse, Data Lake และ Lakehouse
Medallion Architecture: ชั้น Bronze, Silver และ Gold กับระดับความพร้อมใช้ของข้อมูล
ตำแหน่งของ Microsoft Fabric และแพลตฟอร์มคลาวด์ และคำถามที่ควรถามทีมเรื่องระบบที่ใช้อยู่
Predictive AI พยากรณ์และตรวจจับความผิดปกติ ส่วน Generative AI สร้างเนื้อหา สรุป และตอบคำถาม
Agentic AI: AI ที่วางแผนและลงมือทำงานหลายขั้นตอนภายใต้การควบคุม
การเลือกประเภท AI ให้ตรงกับปัญหา และข้อจำกัดที่ผู้บริหารต้องรู้
เริ่มจากปัญหาธุรกิจ แล้วประเมินด้วยคุณค่า ความพร้อมของข้อมูล ความเป็นไปได้ และความเสี่ยง
การประเมินต้นทุน ผลตอบแทน และตัวชี้วัดความสำเร็จของ Use Case
Workshop: จัดลำดับ Use Case จากปัญหาธุรกิจที่ผู้เรียนนำมา
แพลตฟอร์มแบบรวมศูนย์อย่าง Microsoft Fabric เทียบกับการประกอบหลายบริการบนคลาวด์
ปัจจัยตัดสินใจ: ความสอดคล้องกับระบบเดิม ต้นทุน ทักษะของทีม ความปลอดภัย และการขยายระบบ
สร้างเองหรือซื้อบริการ และการเริ่มจากโครงการนำร่องก่อนขยายผล
Data Governance: ความเป็นเจ้าของข้อมูล คุณภาพข้อมูล และการกำหนดสิทธิ์เข้าถึง
ความเสี่ยงของ AI และหลัก Responsible AI: ความถูกต้อง Bias ความเป็นส่วนตัว และการให้คนตรวจทาน
การขับเคลื่อนการเปลี่ยนแปลง: สร้างการยอมรับ และบทบาทของผู้บริหาร ทีมข้อมูล และผู้ใช้งาน
Operating Model แบบรวมศูนย์ กระจายตัว หรือผสม และการพัฒนาทักษะด้านข้อมูลและ AI
เลือก Use Case ที่จะเริ่ม กำหนดเป้าหมาย ตัวชี้วัด และประเมินความพร้อมด้านข้อมูล คน และ Governance
กำหนดสิ่งที่ต้องทำในช่วง 30, 60 และ 90 วัน พร้อมผู้รับผิดชอบ
Workshop: ร่างแผน 90 วันของหน่วยงาน แล้วนำเสนอเพื่อรับข้อเสนอแนะจากกลุ่ม
ขณะนี้ยังไม่มีรอบอบรมเปิดรับสมัคร ลงชื่อจองไว้ได้เลย ทีมงานจะติดต่อกลับเป็นกลุ่มแรกเมื่อเปิดรอบถัดไป หรือสอบถามทางไลน์ หรือโทร 02-570-8449 หรือ 088-807-9770
Data Warehouse เก็บข้อมูลที่จัดโครงสร้างและทำความสะอาดแล้ว เหมาะกับรายงานและ BI ที่ต้องการตัวเลขแม่นยำ Data Lake เก็บข้อมูลดิบได้ทุกรูปแบบด้วยต้นทุนต่ำ ทั้งตาราง ไฟล์ และข้อความ แต่ถ้าไม่มีการดูแลก็ใช้งานยาก ส่วน Lakehouse รวมข้อดีของทั้งสอง คือเก็บข้อมูลทุกแบบในที่เดียว แต่มีการจัดการตาราง สิทธิ์ และคุณภาพข้อมูลแบบ Warehouse ทำให้ใช้ข้อมูลชุดเดียวกันได้ทั้งงานรายงานและงาน AI
Medallion Architecture จัดข้อมูลเป็นสามชั้นตามความพร้อมใช้ ชั้น Bronze เก็บข้อมูลดิบตามที่ได้จากระบบต้นทาง ชั้น Silver คือข้อมูลที่ทำความสะอาด ตัดข้อมูลซ้ำ และเชื่อมโยงกันแล้ว ส่วนชั้น Gold คือข้อมูลที่สรุปตามมุมมองธุรกิจ พร้อมใช้ทำรายงาน Dashboard หรือโมเดล AI ผู้บริหารใช้แนวคิดนี้ถามทีมได้ว่าตัวเลขที่ใช้ตัดสินใจมาจากชั้นใด และผ่านการตรวจคุณภาพแล้วหรือยัง
Predictive AI เรียนรู้จากข้อมูลในอดีตเพื่อพยากรณ์หรือจัดกลุ่ม เช่น คาดยอดขาย ทำนายลูกค้าที่จะเลิกใช้บริการ หรือตรวจจับธุรกรรมผิดปกติ Generative AI สร้างเนื้อหาใหม่ เช่น สรุปเอกสาร ร่างอีเมล หรือตอบคำถามจากคลังความรู้ ส่วน Agentic AI วางแผนและลงมือทำงานหลายขั้นตอนเอง เช่น ค้นข้อมูล เรียกระบบ และส่งงานต่อ ภายใต้ขอบเขตและการควบคุมที่กำหนด การเลือกจึงควรเริ่มจากปัญหาธุรกิจ ไม่ใช่จากเทคโนโลยี
เหมาะกับผู้บริหารระดับสูงอย่าง CEO CFO และ CIO หัวหน้าหน่วยธุรกิจที่ต้องตัดสินใจลงทุนด้านข้อมูลและ AI กรรมการบริษัทและผู้นำ Digital Transformation รวมถึงผู้นำด้านความเสี่ยงและ Compliance ไม่ต้องมีพื้นฐานด้านเทคนิคหรือการเขียนโปรแกรม ประสบการณ์ตัดสินใจทางธุรกิจหรือบริหารทีมจะช่วยให้ได้ประโยชน์มากขึ้น หลักสูตรนี้ไม่ใช่การฝึกปฏิบัติเชิงเทคนิค จึงไม่เหมาะกับ Data Engineer หรือนักพัฒนาที่มองหา Lab
อธิบาย Data Platform Lakehouse และบทบาทของ Microsoft Fabric ด้วยภาษาธุรกิจ แยกประเภท AI ให้ตรงกับปัญหา ระบุและจัดลำดับ Use Case ตามคุณค่า ความพร้อมของข้อมูล และความเสี่ยง ตั้งคำถามที่ถูกต้องเรื่องคุณภาพข้อมูลและ Governance และร่างแผนปฏิบัติการ 90 วันของทีมพร้อมผู้รับผิดชอบและตัวชี้วัด ผู้ผ่านการอบรมได้รับใบประกาศนียบัตร (Certificate of Completion) ที่มีเลขที่ของตัวเองและตรวจสอบออนไลน์ได้
ได้ หลักสูตรนี้จัดเป็นการอบรมแบบ In-house ให้ทีมผู้บริหารในองค์กรได้ และปรับตัวอย่างให้ตรงกับงานของทีม เช่น ใช้ปัญหาธุรกิจและระบบข้อมูลที่องค์กรมีอยู่เป็นโจทย์ในเวิร์กชอปจัดลำดับ Use Case ขอใบเสนอราคาได้จากหน้านี้ หรือติดต่อทาง LINE @itgenius โทร 02-570-8449
AI กำลังกลายเป็นความสามารถพื้นฐานขององค์กร เช่นเดียวกับ Internet, Cloud และ Digital Transformation ในช่วงที่ผ่านมา ผู้บริหารจึงไม่จำเป็นต้องรู้วิธีสร้าง AI Model หรือเขียนโปรแกรม แต่ควรเข้าใจว่า AI คืออะไร ทำอะไรได้และทำอะไรไม่ได้ สร้างผลกระทบต่อธุรกิจอย่างไร…
AI จะฉลาดได้เท่ากับข้อมูลที่ป้อนให้ โครงการ AI หลายโครงการในองค์กรไม่สำเร็จไม่ใช่เพราะเทคโนโลยี แต่เพราะข้อมูลกระจัดกระจายอยู่หลายที่ รหัสสินค้าหรือรหัสผู้ขายไม่ตรงกันระหว่างระบบ ข้อมูลไม่ครบ หรือไม่มีใครเป็นเจ้าของข้อมูลอย่างชัดเจน…
หลายองค์กรเริ่มโครงการ AI ด้วยความตื่นเต้น แต่จำนวนไม่น้อยติดอยู่ในสถานะนำร่องไม่จบ หรือที่เรียกว่า Pilot Purgatory เพราะเลือกปัญหาไม่ชัด ไม่มีข้อมูลรองรับ ไม่มีเจ้าของโครงการ ไม่ได้กำหนดตัวชี้วัดความสำเร็จตั้งแต่ต้น หรือไม่มีแผนขยายผลหลังนำร่อง…
