การมองอนาคต (Foresight) ด้วยการนำวิทยาการข้อมูล และเทคโนโลยีข้อมูลมาประยุกต์ใช้ กำลังเป็นประเด็นที่นักวิชาการ และผู้บริหารต่างให้ความสนใจ นักอนาคตศาสตร์ และนักวิทยาศาสตร์ข้อมูล มีสิ่งที่เหมือนกัน คือ ความต้องการมองเห็นถึงสัญญาณ ที่บ่งชี้ถึงการเปลี่ยนแปลงของสถานการณ์ และแนวโน้มของสถานการณ์ ที่จะดำเนินไปในอนาคต
การใช้ข้อมูลและสารสนเทศ เพื่อการมองอนาคตของนักอนาคตศาสตร์ และนักวิทยาศาสตร์ข้อมูลมีความแตกต่างกันอยู่ โดยนักอนาคตศาสตร์นั้น ได้ให้ความสำคัญไปที่การจับตามองแรงผลักดันภายนอกต่างๆ ทั้งในแง่สังคม วัฒนธรรม เทคโนโลยี การเมือง เศรษฐกิจ และสิ่งแวดล้อม และทำการรวบรวมข้อมูลเหล่านี้ เพื่อใช้ในการระบุถึงการเปลี่ยนแปลงในระยะเริ่มต้น ในขณะที่นักวิทยาศาสตร์ข้อมูลใช้การรวบรวมข้อมูลจำนวนมากและวิเคราะห์ข้อมูลด้วยเทคนิคที่ช่วยค้นพบรูปแบบของเรื่องราวและบ่งชี้ถึงสัญญาณการเปลี่ยนแปลงต่าง ๆ ได้
สิ่งหนึ่งที่เป็นข้อได้เปรียบจากการใช้วิทยาศาสตร์ข้อมูล คือ ศักยภาพในการระบุสัญญาณการเปลี่ยนแปลงและแนวโน้มของอนาคตที่มีพื้นฐานมาจากข้อมูลเท่านั้น ทำให้การมองอนาคตเชื่อมโยงกับปรากฏการณ์ที่เกิดขึ้นจริง และลดการชี้นำของข้อมูลที่มาจากความคิดของบุคคล อีกทั้ง ยังสามารถบ่งชี้และติดตามการเปลี่ยนแปลงที่เกิดขึ้นได้อย่างต่อเนื่อง นำไปสู่การระบุแนวโน้มของสถานการณ์ว่าเกิดขึ้นในลักษณะใด มีโอกาสเกิดขึ้นต่อหรือจะหยุดลง เป็นแนวโน้มระยะยาวหรือระยะสั้น นักวิทยาศาสตร์ข้อมูลใช้การวิเคราะห์ข้อมูลเชิงทำนาย หรือ Predictive analytics ช่วยทำนายสิ่งที่กำลังจะเกิดขึ้นในอนาคต โดยใช้ข้อมูลของสิ่งที่เกิดขึ้นในอดีตเข้ามาวิเคราะห์ร่วมกับตัวแบบทางคณิตศาสตร์ หรือร่วมกับการทำเหมืองข้อมูล สิ่งที่เกิดจากการใช้การวิเคราะห์ คือ ความสามารถในการวิเคราะห์หาโอกาสและความเสี่ยงของสิ่งที่จะเกิดขึ้นในอนาคต ตัวอย่างเช่น การเปลี่ยนแปลงพฤติกรรมของลูกค้า โดยใช้ข้อมูลลูกค้าทั้งข้อมูลส่วนบุคคล ข้อมูลการซื้อสินค้าและการรับบริการ และข้อมูลผลการสำรวจของลูกค้าปัจจุบัน ลูกค้าใหม่ และลูกค้าที่หยุดการซื้อ การวิเคราะห์เชิงทำนายช่วยในการค้นพบรูปแบบของลูกค้าปัจจุบัน ลูกค้าใหม่ และลูกค้าที่หยุดซื้อว่ามีคุณลักษณะแบบใด ลูกค้าแต่ละกลุ่มนี้มีความเกี่ยวข้องกันหรือไม่ เกี่ยวข้องกันโดยมีปัจจัยอะไรที่เหมือนหรือแตกต่างกัน และนำไปสู่การค้นพบตัวทำนายพฤติกรรมของลูกค้า
อีกแนวทางหนึ่งที่นิยมใช้ คือ การใช้โครงข่ายประสาทเทียม หรือ Neural network ซึ่งเป็นการวิเคราะห์เพื่อหาความเชื่อมโยงของผลลัพธ์ ปัจจัยนำเข้า และปัจจัยซ่อนเร้น ด้วยการใช้ขั้นตอนวิธีกล่องดำ (Black box algorithm) ในการคำนวณค่าผลลัพธ์ของโครงข่ายประสาทเทียม ผลการวิเคราะห์จำลองแบบโครงข่ายประสาทเทียมของข้อมูลต่าง ๆ ที่นำเข้ามาในการวิเคราะห์ ทำให้เกิดมุมมองใหม่และการเรียนรู้รูปแบบความสัมพันธ์ของตัวแปรจำนวนมากได้อย่างลึกซึ้งขึ้น และใช้ประโยชน์จากข้อมูลจำนวนมากที่มาจากแหล่งข้อมูลที่หลากลายได้ด้วย
แม้จะมีแนวทางในการมองอนาคตที่แตกต่างกันอยู่ แต่ก็สามารถกล่าวได้ว่า การมองอนาคตด้วยการประยุกต์ใช้เทคนิคการวิเคราะห์ ไม่ว่าจะเป็น Predictive analytics, Machine learning หรือ Artificial intelligence ต่างช่วยสนับสนุนให้นักอนาคตศาสตร์สามารถยืนยันถึงรูปแบบของสิ่งที่เกิดขึ้นได้อย่างชัดแจ้ง สามารถเชื่อมโยงผลการวิเคราะห์ข้อมูลเข้ากับกระบวนทัศน์ของการมองอนาคต นำไปสู่การบรรลุเป้าหมายของการค้นพบแนวโน้มและการเปลี่ยนแปลงของอนาคตที่แท้จริง ในโลกที่ปรากฏการณ์และปัจจัยต่าง ๆ ไม่ได้เกิดขึ้นในระบบปิดอีกต่อไป แต่เป็นระบบแบบเปิดที่การค้นพบสิ่งที่จะนำไปสู่อนาคตต้องอาศัยข้อมูลมากยิ่งขึ้น
บทความโดย
ผู้ช่วยศาสตราจารย์ ดร.วุฒิไกร งามศิริจิตต์
รองคณบดีฝ่ายบริหาร คณะพัฒนาททรัพยากรมนุษย์
สถาบันบัณฑิตพัฒนบริหารศาสตร์ (นิด้า)