“Optimization Model” คืออะไร สำคัญยังไง ช่วยอะไรธุรกิจได้บ้าง?

สำหรับคนที่สนใจอยากที่จะเป็นนักวิทยาศาสตร์ข้อมูลหรือ “Data Scientist” หรือปัจจุบันกำลังเรียนรู้ฝึกฝนทักษะที่เกี่ยวข้องกับสายงานด้านนี้มักจะเคยได้ยินและสนใจมุ่งมั่นที่จะทำงานเกี่ยวข้องกับ Machine Learning 

เนื่องจากเป็นหนึ่งในเทคนิคในด้านการวิเคราะห์ข้อมูลที่จะเน้นการนำเอาข้อมูลมาผ่านกระบวนการวิเคราะห์เพื่อหาความสัมพันธ์กันระหว่างข้อมูลที่ป้อนเข้าไปร่วมกับผลลัพธ์ของชุดข้อมูลนั้นเพื่อที่จะใช้ในการทำนายอนาคตว่า ถ้าเกิดเหตุการณ์หนึ่งขึ้นมา โอกาสที่ผลลัพธ์จะเกิดขึ้นนั้นจะเป็นไปในทิศทางใด 

ส่งผลให้การทำ Machine Learning จึงเป็นที่นิยมสำหรับคนที่อยากจะเป็นนักวิทยาศาสตร์ข้อมูล แต่อีกนัยหนึ่งก็ยังมีเทคนิคในด้านการวิเคราะห์ข้อมูลที่มีความสำคัญกับการทำธุรกิจมาก และหลายคนที่เพิ่งเริ่มสนใจการเป็นนักวิทยาศาสตร์ข้อมูลอาจจะยังไม่คุ้นเคยกับเทคนิคนั่นคือการทำ “Optimization”

ดังนั้นวันนี้ DIGI จะพาทุกคนไปทำความรู้จักกับกระบวนการทำ Optimization ว่าคืออะไร เกี่ยวข้องอย่างไรกับการวิเคราะห์ข้อมูล มีความแตกต่างกับการทำ Machine Learning อย่างไร รวมไปถึงตัวอย่างการทำ Model optimization ในองค์กรเพื่อให้ผู้อ่านเกิดความเข้าใจมากยิ่งขึ้นครับ

Optimization VS Machine Learning

Optimization คือกระบวนการหาจุดที่ดีที่สุด ซึ่งจะเป็นจุดสูงสุดหรือต่ำสุด (Maximize or MInimize) ก็ได้แต่จะต้องอยู่ภายใต้ข้อจำกัดในการทำงาน (Constraints) การทำ Optimization เกิดขึ้นมาเพื่อหาวิธีการที่ดีที่สุดและประยุกต์เข้ากับกระบวนการทำงานต่าง ๆ ไม่ว่าจะเป็นเพื่อใช้แก้ปัญหาเรื่องเล็กน้อยในชีวิตประจำวันไปจนถึงการประกอบธุรกิจขนาดใหญ่

 โดยกระบวนการทำ Optimization เป็นหนึ่งเทคนิคภายใต้กระบวนการทำ Machine Learning แต่จะแตกต่างกันตรงที่ Machine Learning จะเน้นไปที่นำเอา Data เข้ามาใช้เป็น Input และ Output เพื่อให้คอมพิวเตอร์คำนวณหาสมการที่จะสามารถทำนายผลลัพธ์ที่จะเกิดขึ้นในอนาคต 

แต่ Optimiazation จะเน้นไปที่การเขียนสมการขึ้นมาเพื่อให้คอมพิวเตอร์ช่วยในการวิเคราะห์หาจุดที่เหมะสมที่สุด ดังนั้นจะสรุปให้ชัดเจนคือ Machine Learning เน้นการทำ Predictive Model แต่ Optimization เน้นการทำ Decision Analysis Model โดยคนที่ต้องการจะเรียนสาย Optimization จะเน้นไปที่การเรียนรู้ทางด้าน Linear Programing, Convex Programing และ Stochastic Process 

ในส่วนของหลักการทำ Opimization ถ้าจะให้อธิบายอย่างง่ายสำหรับผู้ที่เรียนมาทางสายวิทยาศาสตร์อาจจะคุ้นเคยกับสมการเชิงเส้น (Linear Equation) เป็นอย่างดี ซึ่งสมการเชิงเส้นเป็นหนึ่งในวิธีการคำนวณหาจุด Optimization แบบพื้นฐานด้วยการนำเอาสมการเชิงเส้น 2 สมการจับมาเท่ากันเพื่อหาจุดตัดของสมการซึ่งจุดตัดคือจุด Optimization ภายใต้ข้อจำกัดคือตัวแปรของสมการ

ตัวอย่างการทำ Optimization ตั้งแต่ชีวิตประจำวัน ไปจนถึงองค์กรขนาดใหญ่ 

หลายคนอ่านมาถึงตรงนี้อาจจะคิดว่าการทำ Optimization ดูเป็นเรื่องยิ่งใหญ่ต้องใช้กระบวนการสร้างสมการที่ซับซ้อน ซึ่งในความเป็นจริงการทำ Optimization ไม่ได้ยุ่งยากขนาดนั้น ในทางกลับกันอาจจะเป็นแค่เรื่องง่าย ๆ ที่เกิดขึ้นในชีวิตประจำวันของเราทุกคน

ตัวอย่างเช่น วันนี้คุณตื่นสายแล้วมีประชุมด่วนต้องรีบไปถึงที่ทำงานให้ทันภายใน 30 นาที สมองเราก็จะคำนวณหาวิธีการเดินทางที่เร็วที่สุดเพื่อไปให้ทันการประชุม ทำให้เราตัดสินใจเปลี่ยนวิธีการเดินทางไปใช้รถจักรยานยนต์รับจ้างแทนการขึ้นรถโดยสารประจำทาง 

จะเห็นได้ว่ากระบวนการที่เกิดขึ้นคือ Optimization วิธีการเดินทางที่เร็วที่สุดโดยจุดประสงค์เพื่อหา Minimize ของเวลาภายใต้ Constraints คือทางด้านเวลา

ในส่วนของการประยุกต์ใช้ในองค์กรใหญ่ เช่น สายการบินจำเป็นจะต้องใช้การทำ Route Optimization เป็นอย่างมากเนื่องจากความต้องการของสายการบินคือการหารายได้ให้มากสุด ซึ่งการที่สายการบินจะเกิดรายได้มากที่สุด จะต้องจำกัดต้นทุนที่จะเกิดขึ้น นั่นคือต้องวางแผนเส้นทางการบิน ระยะเวลาในการบิน ผู้โดยสารที่จะขึ้นบินต่อรอบ รวมไปถึงจุดแวะเติมน้ำมันเพื่อให้เกิดต้นทุนต่ำที่สุด 

ซึ่งการทำ Optimization ในองค์กรขนาดใหญ่จำเป็นต้องพึ่ง Machine Learning ในการช่วยวิเคราะห์สมการเพื่อหาจุดที่ทำให้บริษัทมีกำไรมากที่สุดเนื่องจากมีปัจจัยที่ส่งผลกระทบต่อธุรกิจเป็นจำนวนมาก ดังนั้นในส่วนนี้จำเป็นจะต้องอาศัยความรู้ของนักวิทยาศาสตร์ข้อมูลเข้ามาหาคำตอบให้กับองค์กร

สรุป

ในยุคที่ความรู้ทางด้านการวิเคราะห์ข้อมูลมีความนิยมมากขึ้น แต่ละองค์กรประยุกต์ความรู้เหล่านี้เข้ากับการดำเนินธุรกิจซึ่งหนึ่งในองค์ความรู้และเทคนิคที่สำคัญที่จะช่วยให้องค์กรยกระดับความสามารถในการแข่งขันกับคู่แข่งได้คือการทำ Optimization 

ซึ่งการทำ Optimization แค่เพียงไม่กี่สมการอาจส่งผลให้องค์กรเกิดกำไรมากขึ้นในระดับหลักล้านบาท ดังนั้นการทำ Optimization จึงมีความสำคัญมากสำหรับนักวิทยาศาสต์ข้อมูล การเรียนรู้และหาข้อมูลเพื่อพัฒนาตนเองในด้านนี้จะส่งผลประโยชน์ต่อทั้งตัวเองและในระดับองค์กร