Descriptive VS. Diagnostic VS. Predictive VS. Prescriptive Analytics

• Descriptive analytics answers the questions what happened and Diagnostic analytics answers why did it happen. Descriptive analytics looks at past performance and Diagnostic analytics understands that performance by mining historical data to look for the reasons behind past success or failure. Most management reporting - such as sales, marketing, operations, and finance - uses this type of post-mortem analyses.
• Predictive analytics answers the question what will happen. This is when historical performance data is combined with rules, algorithms, and occasionally external data to determine the probable future outcome of an event or the likelihood of a situation occurring.
• Prescriptive analytics suggests actions how can we make the predicted results happen and also suggests decision options on how to take advantage of a future opportunity or mitigate a future risk (as the results of predictive analytics) and shows the implication of each decision option. Prescriptive analytics can continually take in new data to re-predict and re-prescribe, thus automatically improving prediction accuracy and prescribing better decision options.

IoT in logistics, multi agent system

การใช ้iot traceได้ว่าอาหารส่งมาระหว่างทางแช่เย็นตลอดไหม

อนาคตเป็นการใช้ Agent แทนคนในตำแหน่งต่างๆ

การกีดกันทางภาษี

การกีดกันทางภาษีเปลี่ยนรูปแบบเป็นกีดกันด้วยมาตรฐานกฎหมาย

Emerging cloud services

1. Serverless Computing / Functions as a Service (FaaS)

Serverless Computing และ FaaS นี้จะทำให้เหล่านักพัฒนาสามารถให้ความสำคัญกับการพัฒนาซอฟต์แวร์ได้อย่างเต็มที่ และพัฒนาหลายๆ ฟังก์ชันมาผสานรวมกันเป็นระบบขนาดใหญ่ที่มีความซับซ้อนได้ โดยสามารถเลือกใช้ภาษา, Framework และ Runtime ที่ต้องการได้อย่างเจาะจง และง่ายต่อการทำงานมากยิ่งขึ้น

2. Blockchain as a Service

การมาของ Blockchain ถือเป็นเทคโนโลยีที่ได้รับความสนใจจากทั่วโลกเป็นอย่างมาก โดยเฉพาะกลุ่มธุรกิจการเงิน ด้วยความน่าเชื่อถือของตัวระบบที่ตอบโจทย์การทำ Transaction ต่างๆ ที่ไม่ต้องการให้มีการเปลี่ยนแปลงได้เป็นอย่างดี ทำให้บริการ Cloud ต่างๆ ทั่วโลกเริ่มหันมาให้บริการ Blockchain กันมากขึ้นเรื่อยๆ แล้วในเวลานี้

3. Cognitive Computing

Natural Language Processing, Neural Networks, Machine Learning, Deep Learning และ Artificial Intelligence กำลังจะกลายเป็นเรื่องของทุกธุรกิจและกลายเป็นส่วนหนึ่งของทุกๆ ระบบบนโลก และพลังในการประมวลผลมหาศาลของเทคโนโลยีเหล่านี้ก็จะตกเป็นของ Cloud ในอนาคตโดยเรียกใช้งานผ่าน API ได้อย่างง่ายดายไม่ต้องให้นักพัฒนาต้องพัฒนาระบบเองให้วุ่นวายซับซ้อนกันอีกต่อไป

4. Data Science as a Service

Data Platform ทั้งหมดจะถูกยกขึ้นไปบน Cloud ตั้งแต่ส่วนของการรับข้อมูล, การประมวลผลเบื้องต้น, การแปลงข้อมูลให้กลายเป็นผลวิเคราะห์หรือกราฟต่างๆ รวมไปถึงการผนวกเทคโนโลยี Machine Learning เข้าไปยัง Data Platform ขององค์กรด้วยเช่นกัน Cloud จึงกำลังจะกลายเป็นทางเลือกในการทำ Data Platform ที่ถือว่ามีความครบถ้วนสำเร็จรูปให้พร้อมใช้งานได้ระดับหนึ่งที่น่าสนใจทีเดียว

5. Verticalized IoT PaaS

Internet of Things (IoT) Platform สำหรับธุรกิจเฉพาะทางนั้นก็จะมีให้เลือกใช้บริการได้บน Cloud ในอนาคต ไม่ว่าจะเป็น IoT สำหรับอุตสาหกรรมยานยนตร์, สุขภาพ, การผลิต, ร้านค้า หรือแม้แต่ตลาด Consumer เองก็ตาม และ IoT เองก็จะกลายเป็นหนึ่งในตัวเร่งให้บริการ Data Science as a Service ได้รับความนิยมสูงขึ้นด้วยในเวลาเดียวกัน

6. Containers as a Service

Container นั้นได้กลายเป็นอีกเทคโนโลยีที่ตีคู่มากับ Virtual Machine เป็นที่เรียบร้อยแล้ว และบริการต่างๆ สำหรับเสริมการใช้งาน Container เองนั้นก็เกิดขึ้นมาอย่างต่อเนื่อง รวมถึงบริการ Containers as a Service เองนั้นก็ถูกวางตัวเอาไว้ว่าอาจจะกลายเป็นบริการที่เติบโตรวดเร็วที่สุดในตลาด Public Cloud ในอนาคตด้วย

ที่มา: http://www.forbes.com/sites/janakirammsv/2016/08/31/6-disruptive-trends-that-take-public-cloud-to-the-next-level/#9adcee07a7aa

Source: https://www.techtalkthai.com/6-technologies-for-next-generation-cloud/