จากวินาทีที่คุณเปิดเว็บบราวเซอร์ โหลดหน้าเว็บไซต์นี้ อ่านหัวข้อบทความนี้ มองภาพประกอบด้านบน และอ่านประโยคแรกตั้งแต่ต้นจนมาถึงจุดนี้ โดยเฉลี่ยแล้วมีการประเมินไว้ว่าจะมีมนุษย์โลกแชร์เรื่องราวใน facebook ไปแล้วกว่า 2.5 ล้านครั้ง เซิร์จกูเกิลไปแล้วกว่า 4 ล้านครั้ง บริษัท amazon จะทำยอดขายไปได้แล้ว 8 หมื่นเหรียญดอลลาร์สหรัฐฯ และมีการส่งอีเมล์ไปแล้วราว 200 ล้านอีเมล์

ในปีค.ศ. 2012 สังคมมนุษย์มีการผลิตข้อมูลมากถึงวันละ  2.5 quintillionไบท์  (หรือเขียนให้เห็นภาพขึ้นคือเท่ากับ 2,500,000,000,000,000,000 ไบท์)

นี่คือโลกปัจจุบันที่ทุกๆ นาทีจะมีการกำเนิดของข้อมูลจำนวนมหาศาลที่สามารถถ่ายทอดเรื่องราวชีวิตและพฤติกรรมของมนุษย์ได้ด้วยความละเอียดและหลากมิติอย่างที่เราไม่เคยคิดว่าเป็นไปได้มาก่อน ทุกวันนี้บริษัทเล็กใหญ่ต่างใช้ประโยชน์จากข้อมูลเหล่านี้เพื่อการตลาดและการพัฒนาผลิตภัณฑ์และบริการเพื่อการแสวงหากำไร

แต่ทว่า Big Data ที่กำลังเป็นที่ตื่นตาตื่นใจในมิตินี้ผมคิดว่ามันกลายเป็นเรื่องน่าเบื่อไปเลยเมื่อเอาไปเทียบกับสิ่งที่กำลังจะมาแรงในอนาคตที่เขาเรียกกันว่าปรากฏการณ์  “Open Data”

ก้าวสำคัญต่อไปของ Big Data คือสิ่งที่เรียกว่า Open Data ซึ่งเป็นภาวะที่อภิมหาข้อมูลสาธารณะของสิ่งต่างๆ ที่เกิดขึ้นรอบตัวคุณจะกลายเป็นสมบัติของประชาชนทุกหมู่เหล่า เอาไปใช้สอยได้ตามอัธยาศัยโดยประชาชนและเพื่อประโยชน์ของประชาชน

บทความนี้จะยกตัวอย่างแนวทางหลากหลายในการใช้ Big Data เพื่อแก้ปัญหาตั้งแต่ปัญหาธุรกิจ เช่น ทำอย่างไรจึงได้คั้นกำไรออกมาให้ได้ทุกหยดจากกระเป๋าสตางค์ลูกค้าไปจนถึงปัญหาสังคมเช่นการปราบปรามอาชญากรรม และชี้ให้เห็นถึงความน่าตื่นเต้นยิ่งกว่าของปรากฏการณ์ Open Data ที่จะนำมาสู่ความเป็นไปได้อันไร้ขีดจำกัดในการพัฒนาสังคมมนุษย์

เนื่องจากบทความนี้ยาวเป็นพิเศษ จึงขอเสนอสารบัญย่อๆ ด้านล่างดังนี้ (หากผู้อ่านคุ้นเคยกับ Big Data แล้ว ข้ามไปอ่านข้อ 5 ได้เลย)

1. Big Data เพื่อการหาลูกค้า
2. Big Data เพื่อการ “คั้น” กำไร
3. Big Data เพื่อการสัญจรและอนาคตของป้ายโฆษณา
4. Big Data ของข่าวสารและเหตุการณ์ทั่วโลก
5. สัมผัสกับโลกของ Open Data
6. อภิมหาข้อมูลเปิด => อภิมหาประโยชน์ต่อสังคม
7. รัฐบาลได้อะไรจาก Open Data
8. อนาคตของ Open Data

Big Data เพื่อการหาลูกค้า

ที่จริงแล้วในโลกธุรกิจนั้น Big Data ไม่ใช่อะไรใหม่เลย บริษัทสตรีมภาพยนต์และละครทีวีชื่อดัง Netflix นั้นใช้ข้อมูลพฤติกรรมลูกค้าเพื่อแนะนำรายการทีวีและภาพยนต์ที่ลูกค้าน่าจะชอบมากที่สุดเพื่อเพิ่มโอกาสในการสร้างยอดขาย  ห้างสรรพสินค้าชื่อดังอย่าง Saks Fifth Avenue นั้นก็ใช้ข้อมูลมหาศาลเพื่อเสนอสินค้าและหน้าตาของเว็บไซต์ที่แตกต่างออกไปตามประเภทของลูกค้าและพบว่าลูกค้าที่ใช้บริการทั้งทางดิจิตอลและทางหน้าร้านโดยเฉลี่ยแล้วจะใช้เงินมากกว่าสองถึงสี่เท่าเลยทีเดียว

ตัวอย่างที่โด่งดังที่สุดในการใช้ข้อมูลเพื่อหาลูกค้าคงจะเป็นการที่บริษัทซุปเปอร์มาร์เก็ตยักษ์ใหญ่ Target ใช้ข้อมูลพฤติกรรมช๊อปปิ้งเพื่อทำการพยากรณ์ว่าลูกค้าเพศหญิงคนไหนกำลังตั้งครรภ์อยู่  ที่ทำเช่นนี้เพราะว่าลูกค้ากลุ่มนี้ถือว่าเป็น “เหมืองกำไร” ชั้นดีเนื่องจากว่าเป็นกลุ่มลูกค้าที่มีโอกาสที่จะทำการจับจ่ายใช้สอยสูงมากในอนาคตอันใกล้ แรกๆ อาจจะเป็นแค่ผ้าอ้อม จุกนม นมผงและเสื้อผ้าทารก แต่ไปๆ มาๆ หากติดใจการช๊อปปิ้งที่ Target คุณแม่มือใหม่และสามีก็จะเริ่มซื้อผลิตภัณฑ์อีกหลายๆ อย่างที่มาพร้อมกับการมีบุตร เช่น ของเล่น หนังสือนิทานก่อนนอน  สุดท้ายครอบครัวนี้อาจกลายเป็นลูกค้าประจำของ Target ไปเลยที่ทุกอาทิตย์จะเข้ามาซื้ออาหารและของใช้ในชีวิตประจำวัน ด้วยเหตุนี้ Target จึงต้องการแย่งลูกค้ากลุ่มนี้มาจากคู่แข่งให้เร็วที่สุด จึงทำการวิเคราะห์ข้อมูลว่าผู้หญิงที่กำลังตั้งครรภ์ในระยะแรกๆ มักมีพฤติกรรมการซื้อสินค้าประเภทไหนและบ่อยแค่ไหนจากซุปเปอร์มาร์เก็ตของตน จากนั้นก็ทำการส่งใบปลิวโฆษณาหรือโปรโมชั่นพิเศษไปเพื่อที่จะมัดใจลูกค้ากลุ่มนี้ตั้งแต่คุณแม่เหล่านี้ “ยังไม่เป็นคุณแม่” เลยทีเดียว

Big Data เพื่อการ “คั้น” กำไร

ปกติแล้วราคาของชาเขียวขวดนึงในร้านหนึ่ง กับราคาของชาเขียวแบบเดียวกันในอีกร้านหนึ่งจะเท่ากัน  แต่ในอนาคตอาจจะไม่เป็นอย่างนี้ก็เป็นได้

เหตุเนื่องมาจากการที่ว่าคนเรามีความเต็มใจที่จะจ่าย หรือที่นักเศรษฐศาสตร์เรียกกันว่า “willingness to pay” ไม่เท่ากัน

ยกตัวอย่างเช่น iPad รุ่นเดียวกัน ออกมาจากโรงงานเดียวกัน ขายเรียงกันบนชั้นเดียวกัน เหมือนกันทุกประการ แต่ลูกค้าบางคนมีความยินยอมที่จะซื้อด้วยราคาที่สูงต่ำกว่ากัน หากบริษัทมีข้อมูลพฤติกรรมการซื้อขายมากพอและสามารถแยกลูกค้าทุกคนออกตามระดับ willingness to pay ได้อย่างแม่นยำและสมบูรณ์ บริษัทเหล่านี้จะสามารถเก็บเกี่ยวกำไรได้อย่างมีประสิทธิภาพขึ้นโดยแทบไม่ต้องกระดิกนิ้วคิดค้นผลิตภัณธ์ใหม่ๆ เลย

ตัวอย่างของบริษัทที่มีคนสงสัยว่าใช้กลยุทธ์นี้มีมากมาย เช่น

1. บริษัทรับจองตั๋วเครื่องบินและโรงแรม Orbitz ที่ถูกกล่าวหาว่าพยายามจูงใจให้ผู้ใช้คอมพิวเตอร์ Mac ไปจองโรงแรงหรือซื้อตั๋วประเภทที่มีราคาแพงกว่าปกติ เนื่องจากบริษัท Orbitz พบว่ากลุ่มผู้ใช้ Mac นั้นโดยเฉลี่ยแล้วซื้อสินค้าและบริการที่แพงกว่ากลุ่มผู้ใช้ PC กว่า 30%
2. บริษัทเครื่องเขียน Staples ตั้งราคาเครื่องเย็บกระดาษไม่เท่ากันในแต่ละท้องที่
3. บริษัทตกแต่งบ้าน Home Depot ดันราคาสินค้าขึ้นสำหรับลูกค้ากลุ่มที่ใช้โทรศัพท์มือถือเพื่อซื้อสินค้า

ในอนาคตนั้นหากข้อมูลพฤติกรรมการจับจ่ายใช้สอยมีมากขึ้นเรื่อยๆ และไม่มีกฏหมายห้ามพฤติกรรมอันชาญฉลาดของบริษัทเหล่านี้ ผู้บริโภคอย่างเราๆ คงตกเป็นเหยื่อของสิ่งที่นักเศรษฐศาสตร์เรียกกันว่า “First Degree Price Discrimination (FDPD)” อย่างแน่นอน โดยเฉพาะอย่างยิ่งสำหรับสินค้าชนิดที่ขายต่อลำบาก  ในภาษามนุษย์นั้น FDPD คือ “การตั้งราคาเพื่อคุณและคุณเท่านั้น” ราคาของสินค้าชิ้นเดียวกันนี้จะถูกตั้งให้เหมาะเจาะกับ willingness to pay ที่แตกต่างกันไปของลูกค้าทุกคนในตลาด จะกลายเป็นว่าสินค้าชิ้นเดียวกันจะมีราคาที่แตกต่างกัน และจะมีป้ายราคามากมายก่ายกองเท่ากับจำนวนลูกค้าทั้งหมดในตลาดก็เป็นได้ เรียกได้ว่าเป็นการคั้นกำไรออกมาจากกระเป๋าสตางค์พวกเราได้แบบหมดทุกหยดนั่นเอง

FDPD นั้นแต่เดิมเหมือนเป็นเพียง “สัตว์ในเทพนิยาย” สำหรับนักเศรษฐศาสตร์เท่านั้น เนื่องจากมันเป็นไปได้ยากมากที่เราจะสามารถหยั่งรู้ถึง willingness to pay ของผู้บริโภคทุกคน แต่ด้วยความล้นหลามของข้อมูลในปัจจุบันและความนิยมในการซื้อของออนไลน์  FDPD อาจเกิดขึ้นได้เร็วกว่าที่พวกเราคิดก็เป็นได้ งานวิจัยด้านเศรษฐศาสตร์ชิ้นนี้พบว่าหาก Netflix รวม ข้อมูลภูมิศาสตร์ประชากร (demographics data) เข้ากับข้อมูลพฤติกรรมการใช้อินเตอร์เน็ตของลูกค้าของตนแล้วใช้กลยุทธ์ FDPD เพื่อคิดราคาที่ต่างกันออกไป จะทำให้กำไรเพิ่มขึ้นมากกว่าการใช้แค่ข้อมูลภูมิศาสตร์ประชากรอย่างรุนแรง

Big Data เพื่อการสัญจรและอนาคตของป้ายโฆษณา

Data to shape the future from Route on Vimeo.

ตัวอย่างของการใช้ Big Data ที่ดูเหมือนมาจากโลกอนาคตที่สุดเห็นจะเป็นการใช้เครื่อง GPS ติดตามตัวผู้คนหลายหมื่นคนในประเทษอังกฤษขององกรค์ที่ชื่อว่า Route  พวกเขากำลังใช้ข้อมูลเหล่านี้เพื่อศึกษาว่ามนุษย์แบบไหน อายุเท่าไหร่ เพศอะไร อาชีพอะไร ที่จะมีปฏิสัมพันธ์กับ media และ โฆษณาบนท้องถนนมากที่สุด แบ่งออกได้เป็นตามเวลาและพิกัดบนแผนที่อย่างละเอียดยิบ แถมยังมีการศึกษา eye movement อีกด้วย

ตัวอย่างของสิ่งที่ Route เริ่มเรียนรู้ คือคนอังกฤษเคลื่อนตัวด้วยความเร็วสูงที่สุดเวลาตีห้าถึงหกโมงเช้าในวันอาทิตย์ และช้าที่สุดเวลาสิบถึงสิบเอ็ดโมงเช้าในวันอังคาร คนอายุ 45-54 ปีและผู้ชายเคลื่อนตัวเร็วกว่า และคนอังกฤษใช้เวลาเดินทางโดยเฉลี่ยอาทิตย์ละ 12.2 ชั่วโมง

จริงอยู่ที่คนเราใช้เวลากับอินเตอร์เน็ตและโทรทัศน์ในบ้านมาก แต่ยังไงเราก็ยังเป็นมนุษย์ที่ต้องเดินทาง  ข้อมูลและงานวิจัยของ Route จะมีประโยชน์มหาศาลต่อบริษัทที่ต้องการทราบว่าควรเช่าที่เพื่อการโฆษณาตรงไหนในเมือง และเช่าในช่วงเวลาไหนเพื่อให้เหมาะกับกลุ่มลูกค้าเป้าหมายมากที่สุด  ผู้ให้เช่าก็จะได้รับประโยชน์จากข้อมูลนี้เช่นกันเพราะว่าจะได้ตั้งราคาได้เหมาะสมตามปริมาณผู้คนที่ผ่านและระยะเวลาที่คนสนใจมองมาเห็น

สิ่งที่น่าสนใจอีกอย่างคือการใช้ข้อมูลความเร็วและพิกัดจากผู้ใช้ Application ที่ชื่อ Waze ที่เพิ่งถูกซื้อไปโดยยักษ์ใหญ่กูเกิลในราคากว่า 1 พันล้านดอลลาร์สหรัฐฯ  Waze นั้นใช้ข้อมูล GPS บวกกับข้อมูล user-input เพื่อหาเส้นทางที่หลายครั้งดีกว่าเส้นทางที่ เครื่อง GPS หรือ App GPS อื่นๆ เสนอ บางครั้ง Waze พาผมไปในเส้นทางที่ประหลาดมาก แต่ถึงที่หมายได้เร็วกว่าปกติเกือบสิบนาที  ความสามารถในการแนะนำเส้นทางที่ดีกว่าของ Waze นั้นนอกจากจะลดระยะเวลาในการเดินทางให้กับประชาชนแล้วยังจะก่อให้เกิดแพทเทิร์นของการเดินทางแบบใหม่ในเมืองอีกด้วย ซึ่งหากเอาไปรวมเข้ากับสิ่งที่ Route ทำได้แล้วจะก่อให้เกิดโอกาสในการโฆษณาบนท้องถนนใหม่ๆ ที่น่าตื่นเต้นมาก

Big Data ของข่าวสารและเหตุการณ์ทั่วโลก

เรื่องบางเรื่องที่มีความสำคัญต่อสังคมมนุษย์มากๆ อย่างเช่น การค้ามนุษย์ ล่าสัตว์สงวน ค้ายาเสพติด สงคราม ความไม่สงบ การประท้วง  มักเป็นเรื่องที่ละเอียดอ่อน ซับซ้อน หรือไม่ก็ลึกลับเกินกว่าที่จะใช้หุ่นยนต์วัดเป็นตัวเลขได้ง่ายๆ เหมือนการวัดยอดขายของสินค้าออนไลน์ จึงเป็นไปได้ว่าที่มันยังเป็นปัญหาอยู่ทุกวันนี้ก็เพราะว่าเราไม่รู้จักมันดีพอ หรือไม่ก็รู้จักแต่เฉพาะด้านที่สังเกตเห็นได้

โชคยังดีที่โลกเรามีทีมงานอัจฉริยะของ The GDELT Project ที่ทำการจัดการคลังข้อมูลเกี่ยวกับสังคมมนุษย์ที่ใหญ่ที่สุดในโลกผ่านการเก็บเกี่ยวแล้วใช้สมองกลวิเคราะห์ข่าวสารทุกประเภท เกือบทุกภาษา ตั้งแต่ปีค.ศ. 1979 มาจนถึงวันนี้ตอนนี้ในทุกพื้นที่บนโลกนี้ (รวมแล้วกว่า 250 ล้านเรื่อง) นอกจากนั้นยังสร้างเน็ตเวิร์คขนาดยักษ์ที่ใช้เรื่องราวเหล่านี้เพื่อเชื่อมโยงบุคคล ประเทศ องกรค์ ไปจนถึงอารมณ์ของเรื่องราวเข้าด้วยกันเพื่อการศึกษาต่อไป

สิ่งที่ตามมาหลังจากที่มีคลังข้อมูลนี้นั้นน่าสนใจมาก ยกตัวอย่างเช่น Global Conflict Dashboard ที่แสดงตำแหน่งและความถี่ของความไม่สงบทั่วโลก ไปจนถึงการศึกษาข้อมูลเพื่อแก้ปัญหาเด็กถูกลักพาตัวในประเทศไนจีเรียโดยการใช้สมองกลทำนายล่วงหน้าว่าจะเกิดการลักพาตัวเด็กหญิงในประเทศไนจีเรียอีกครั้งเมื่อไหร่ที่ไหน

อีกตัวอย่างสำคัญด้านบนคือแผนที่โลกที่แสดงให้เห็นถึงความถี่ของข่าวเรื่องการล่าสัตว์ที่ผิดกฎหมาย เช่นการล่างาช้าง หรือการประมงเถื่อน แม้ว่ายังมีอีกหลายสิ่งที่แผนที่นี้ตอบไม่ได้แต่สิ่งหนึ่งที่เห็นได้ชัดคือการล่าสัตว์แบบผิดกฎหมายนั้นเป็นอะไรที่เกิดขึ้นแทบจะทุกหนทุกแห่งบนโลก ไม่ใช่แค่ในทวีปแอฟริกาหรือในประเทศใดประเทศหนึ่งเท่านั้น

จริงอยู่ที่ความรู้ความเข้าใจที่ออกมาจากการใช้ Big Data ในรูปแบบของ the GDELT Project จะยังอยู่แค่ในระยะเริ่มต้น แต่มันจะเป็นก้าวสำคัญในการค้นหาวิธีแก้ปัญหาใหญ่ๆ ที่ทั้งลึกลับทั้งนานาชาติในสังคมมนุษย์ในอนาคตอย่างแน่นอน

สัมผัสกับโลกของ Open Data

 

ที่ผมใช้คำว่า “สัมผัส” แทนคำว่า “มาฟังเรื่องราว” หรือ “มาทำความรู้จักกับ” ก็เพราะว่า Open Data มันเป็นอะไรที่คุณต้องสัมผัสเองถึงจะเข้าใจถึงความยิ่งใหญ่และความเป็นไปได้อันไร้ขีดจำกัดของมัน

คงต้องยอมรับว่าหลายตัวอย่างด้านบนเป็นตัวอย่างของ Big Data ที่ไม่เปิดเผยต่อประชากรทั่วไป หรือถ้าเปิดเผยก็เข้าถึงและเอาไปใช้ต่อได้อย่างยากลำบากมาก  เมื่อไม่กี่ปีที่ผ่านมานี้ได้เริ่มมีความเคลื่อนไหวใหม่ที่เรียกว่า Open Data ซึ่งมีหลายความหมาย  ผมขออนุญาตินิยามมันในที่นี้ว่า:

Open Data คือไอเดียที่ว่าประชาชนต้องสามารถเข้าถึงข้อมูลสาธารณะ (ไม่ว่ามันจะมีขนาดใหญ่แค่ไหน) ได้อย่างไร้อุปสรรคที่สุดเท่าที่จะทำได้

เพื่อให้ผู้อ่านเข้าใจถึงความสำคัญของ Open Data และเพื่อให้ผู้อ่านเห็นภาพมากที่สุด  ต่อไปนี้คือสิ่งที่ประชากรที่อยู่อาศัยในบางเมืองในประเทศสหรัฐอเมริกาสามารถทราบได้เพียงแค่ไม่กี่คลิ๊ก:

1. รถแท็กซี่คันไหนจอดรับส่งผู้โดยสารที่ไหน ใช้เส้นทางไหน ได้เงินเท่าไหร่ ได้ทิปเท่าไหร่บ้าง ทุกวัน ทุกวินาที ตั้งแต่ปี 2009 (ลองดู visualization เรื่องราวของแท๊กซี่แต่ละคันในเมืองนิวยอร์กในปี 2013 ได้ที่นี่)
2. ภาษีที่ดินที่เจ้าของตึกทุกตึกในเมืองคุณเสียให้กับรัฐบาลไปเมื่อปีที่แล้ว จะเอาตึกไหนก็เลือกดูได้เลย
3. รอบๆ ตัวคุณมีต้นไม้กี่ต้น รัฐบาลเอามาปลูกไว้ตั้งแต่เมื่อไหร่
4. ในย่านที่คุณอยู่อาศัยมีอัตราการก่ออาชญากรรมสูงแค่ไหนเทียบกับย่านที่คุณกำลังจะตัดสินใจซื้อบ้านใหม่
5. บริษัทไหนในเมืองคุณที่ทำธุรกรรมกับองกรค์ภาครัฐมากที่สุด ซื้อขายอะไรมากที่สุด ดูได้เป็นจำนวนเม็ดเงินในแต่ละเชคเลยทีเดียว
6. ร้านอาหารโปรดชื่อดังในตรอกที่พ่อคุณชอบไปรับประทาน มีความสะอาดเลิศหรูเหมือนกับรสชาติของอาหารหรือไม่ มีหนูบ้างไหมในครัวเมื่อครั้งที่แล้วที่ถูกสุ่มตรวจ
7. เทศบาลของคุณสามารถซ่อมถนน ซ่อมไฟถนน หรือย้ายสิ่งกีดขวางที่เป็นอันตรายบนท้องถนนได้เร็วแค่ไหนหลังจากที่คุณโทรศัพท์ไปแจ้ง เทศบาลของคุณมีประสิทธิภาพขึ้นบ้างไหมในช่วงห้าปีที่ผ่านมาหรือว่าแย่ลงเรื่อยๆ
8. เจ้าหน้าที่ฉุกเฉินในเมืองคุณมีศักยภาพแค่ไหน
9. ตำแหน่งราชการไหนในเมืองคุณที่มีเงินเดือนมากที่สุด (เสร็จแล้วก็ไปหาต่อเองว่าชื่ออะไร!)

นี่เป็นเพียงตัวอย่างไม่กี่ตัวอย่างที่ Open Data สามารถทำให้ประชากรสามารถเข้าใจสิ่งที่เกิดขึ้นรอบตัวเองได้อย่างรวดเร็ว ละเอียด และเที่ยงตรง  ซึ่งในหลายเรื่องดีกว่าการพึ่งพิงข้อมูลจากหนังสือพิมพ์ ลมปากของนักการเมือง หรือการเล่าสู่กันฟังในกลุ่มเพื่อน

การเข้าถึง Open Data นั้นมีหลากหลายวิธีมากมาย บางเมืองใหญ่ๆ จะมีเว็บไซต์สำหรับ Open Data โดยเฉพาะ อย่างเช่นเมืองนิวยอร์ก เป็นต้น เว็บไซต์สังกัด data.gov เหล่านี้ใช้งานง่าย ดาวน์โหลดข้อมูลง่าย แถมยังสามารถ plot ข้อมูลดูได้เลยโดยไม่ต้องดาวน์โหลดให้เสียเวลาอีกด้วย

ผู้อ่านท่านใดเคยเล่นเกมส์สร้างเมือง Sim City ขอให้ลองเข้าไปดูโปรเจ็ค Corridorscope: Water Street ที่เอาข้อมูลเหล่านี้ไปทำ data visualization ในแบบที่ว่าเห็นทุกพฤติกรรมมนุษย์ในพื้นที่ๆ มีคนเดินผ่านมากที่สุดพื้นที่หนึ่งในเมืองนิวยอร์ก ทุกๆ วินาทีที่ผ่านไปเราจะสามารถเห็นได้ว่ามีคนใช้ wifi แค่ไหน มีขยะถูกทิ้งลงในถังขยะ smart แค่ไหน มีการโทรศัพท์แจ้ง non-emergency service แค่ไหนในทุกๆ จุดในพื้นที่ดังกล่าว  อีกไม่นานการเป็นผู้ว่าราชการจังหวัดอาจมีส่วนคล้ายการสร้างและดูแลเมืองด้วยความแม่นยำอย่างใน Sim City ก็เป็นได้!

แต่ที่ผมประทับใจที่สุดเห็นจะเป็นเว็บไซต์ชื่อ Plenario ที่ทำการเชื่อมโยงข้อมูล Open Data จำนวนมหาศาลจากหลายๆ เมือง หลายๆ มลรัฐเข้าด้วยกัน ทำให้การค้นหาข้อมูลง่ายยิ่งกว่าเดิม เพียงคุณลากเส้นวาดขอบเขตที่คุณสนใจในแผนที่  ระบุวันเวลาหัวท้าย Plenario จะทำการแสดงข้อมูลทั้งหมดที่อยู่ในคลังข้อมูลจากหลายๆ เว็บไซต์ ให้เพียงไม่กี่วินาทีดังภาพข้างบน

การดีไซน์เว็บไซต์เหล่านี้นั้นเป็นตัวอย่างที่ดีสำหรับทางการไทยในอนาคต เพราะผู้ดีไซน์มีจุดมุ่งหมายเพื่อที่จะทำให้ผู้ใช้งานสามารถเข้าถึงข้อมูลได้อย่างง่ายดายและรวดเร็วที่สุด  คลิ๊กไม่เกิน 5 ครั้งจะต้องเข้าถึงข้อมูลได้ และในบางกรณีเข้าถึงได้แบบลึกมากๆ ด้วย สามารถเลือก format ของไฟล์ได้ตาม software ที่เราถนัด  มันเป็นเพราะว่าคนที่ดีไซน์และรัฐบาลเขาเข้าใจในความหมายและเชื่อในจุดมุ่งหมายของ Open Data อย่างแท้จริง ว่าการเปิดเผยข้อมูลตามกฎหมายแค่นั้นไม่พอ มันช้า ต้องเปิดเผยและทำให้เข้าถึงได้อย่างไร้อุปสรรค์ด้วย

เขาไม่ใช่ทำไปเพียงเพราะว่ากฎหมายหรือประชาชนบังคับให้ทำ แต่สำคัญคือต้องมีความเชื่อมั่นในอุดมการณ์ว่า Open Data จะพาสังคมไปในจุดที่สูงกว่า

อภิมหาข้อมูลเปิด => อภิมหาประโยชน์ต่อสังคม

นอกจากที่ Open Data จะเป็นการกระจายความรู้ “รอบตัว”  เกี่ยวกับชุมชนให้กับประชาชนแล้ว  Open Data ยังมีประโยชน์อีกมากในระดับที่สังคม  อาทิ เช่น การพัฒนานโยบายสาธารณะ (Public Policy) เพิ่มปริมาณและคุณภาพของความเป็น citizen ที่ดี  พัฒนาความสามารถและประสิทธิภาพของภาครัฐ และเพิ่มความรู้ความเข้าใจในด้านสังคมศาสตร์ “อย่างเป็นวิทยาศาสตร์” มากขึ้นเกี่ยวกับ พฤติกรรมมนุษย์และสิ่งต่างๆ ที่เรามองไม่เห็นหรือมองได้ไม่ครบด้วยตาเปล่า

ข้อมูลรถแท็กซี่กับข้อมูลความสะอาดของร้านอาหารอาจจะฟังดูเป็นเรื่องเล็กน้อยในการบริหารบ้านเมือง แต่หากลองนึกดูว่าถ้าสามารถเชื่อมโยงข้อมูลแท็กซี่เข้ากับข้อมูลสภาวะอากาศ ข้อมูลรถประจำทาง ข้อมูลรถไฟไต้ดิน ข้อมูลการเดินทางจาก Route และ Waze จะเกิดการจุดประกายขนาดไหน  และในอีกไม่กี่ปีเราก็อาจจะตอบคำถามได้เสียทีว่ามี Uber ดีสำหรับสังคมกว่าไม่มี Uber หรือไม่  มี Uber แล้วทำให้การจราจรหนาแน่นกว่าปกติจริงๆ หรือไม่  แท็กซี่มีรายได้วันละเท่าไหร่ สมควรปกป้องไม่ให้มีคู่แข่งหรือไม่  มี Uber แล้วประชาชนที่อาศัยอยู่ชานเมืองที่ไม่มีรถโดยสารไปถึงสามารถเข้ามาทำงานในเมืองเร็วขึ้นหรือไม่  คำถามเหล่านี้ไม่มีทางตอบได้เลยหากไม่มีข้อมูลอันมหาศาล  นอกจากนั้นข้อมูลเหล่านี้ยังสามารถทำให้เราเข้าใจพฤติกรรมมนุษย์ในเชิงทฤษฎีได้ดีขึ้นอีกด้วย ยกตัวอย่างเช่น มีงานวิจัยทางเศรษฐศาสตร์งานหนึ่งที่ใช้ข้อมูลแท็กซี่กับข้อมูลสภาพอากาศเพื่อทำให้เราเข้าใจการตัดสินใจในการ “ทำงานหาเงิน” แลกกับการ “ไม่ขับเพื่อพักผ่อน” ในหมู่คนขับแท็กซี่ในวันที่ฝนตกและฝนไม่ตก เป็นต้น

ส่วนข้อมูลความสะอาดของร้านอาหารนั้นหากนำไปวิเคราะห์ร่วมกับข้อมูลรายได้ของร้านอาหารที่ต้องรายงานเพื่อการชำระภาษีนั้นอย่างในงานวิจัยนี้จะทำให้ภาครัฐทราบได้ว่าป้ายคำเตือนความสะอาดที่แปะอยู่ที่ประตูทางเข้าของทุกร้านนั้นมีผลหรือไม่  ผู้บริโภคเปลี่ยนใจหันไปรับประทานอาหารจากร้านที่มีป้าย “สะอาดดีมาก” มากขึ้นหรือไม่หลังจากที่ภาครัฐทำการแปะป้ายประกาศ หากไม่มีผลจะได้พยายามหาวิธีอื่นเพื่อให้ผู้บริโภคทราบ เช่นทำป้ายให้มองเห็นง่ายขึ้น หรือบังคับให้ร้านอาหารบอกข้อมูลนี้กับผู้บริโภคด้วยวิธีอื่น  ในอนาคตจะต้องมีการนำข้อมูลนี้ไปรวมกับข้อมูลสาธารณสุขเพื่อวิเคราะห์ถึงผลกระทบของความสะอาดของอาหารต่ออัตราป่วยด้วยโรคต่างๆ ที่เกี่ยวข้องอย่างแน่นอน

รัฐบาลได้อะไรจาก Open Data

ก่อนที่บทความยาวๆ บทนี้จะจบ ยังมีอีกหนึ่งคำถามสำคัญ นั่นก็คือ…. แล้วรัฐบาลได้อะไร?

Open Data นั้นสำหรับรัฐบาลแล้ว หลายคนคิดว่าไม่น่ามีเหตุผลที่รัฐบาลจะต้องการเพิ่มงานและความเหน็ดเหนื่อยให้กับตัวเอง แต่ผมคิดว่า Open Data สามารถเป็น win-win situation ได้ในระยะยาว โดยเฉพาะอย่างยิ่งสำหรับรัฐบาลที่มีความรับผิดชอบ ต้องการให้ประสิทธิภาพของตนเองเพิ่มขึ้น และต้องการแสดงความโปร่งใสในการทำงานอย่างแฟร์ๆ ให้กับสังคมที่มี accountability สูง (ซึ่งผมเองยังไม่แน่ใจว่าสังคมไทยมาถึงจุดนั้นแล้วหรือยัง)

โลกใบนี้คงไม่มีสังคมไหนที่ประชาชนไม่ต้องการความเป็นอยู่และบริการทางสาธารณสุขที่ดีขึ้น หากรัฐบาลใดพิสูจน์ได้อย่างโปร่งใส ว่าความสำเร็จของตนมีที่มาที่ไป ว่ารัฐบาลใส่ใจในความเป็นอยู่ของประชาชน ว่าตื่นตัวและรู้ทันปัญหาสังคม ว่าไม่มีการโกงกินจริงๆ ว่าเงินเดือนข้าราชการเหมาะสมกับประโยชน์ต่อสังคมที่มาจากหยาดเหงื่อของข้าราชการผู้นั้น ทั้งหมดนี้ก็จะสร้างความนิยมอย่างไม่หลอกลวงในหมู่ประชาชนได้มากเป็นธรรมดา ที่สำคัญที่สุดคือเป็นการสร้าง “ความเชื่อใจ” ระหว่างภาคประชาชนกับภาครัฐที่ทุกวันนี้น้อยลงทุกทีในบ้านเรา

ที่ Open Data กำลังเกิดขึ้นจริงๆ ในประเทศสหรัฐอเมริกานั้นนอกจากเป็นเพราะเรื่องของค่านิยมใหม่ๆ ที่โอบรับการใช้ข้อมูลในองกรค์ภาครัฐ และความเชื่อมั่นในอุดมการณ์นี้ของผู้นำแล้ว ส่วนหนึ่งก็เป็นเพราะบทบาทของกฎหมายที่ชื่อว่า Freedom of Information Act ที่ให้อำนาจกับประชาชนในการสอบถามข้อมูลจากรัฐบาล  การสอบถามนั้นง่ายดายเพียงแค่กรอกฟอร์มหรือส่งอีเมล์ไปขอแค่นั้น อีกไม่กี่วันก็เอาฮาร์ดดิสก์ไปรับไฟล์  และที่ความเคลื่อนไหวนี้กำลังไปได้ดีอย่างมี momentum ก็เป็นเพราะว่ามีคนทำ platform เว็ปไซต์รวบรวมข้อมูลที่ออกมาจากการใช้สิทธินี้ที่ผมได้เกริ่นไปแล้ว  อีกหน่อยข้อมูลสาธารณะก็จะถูกบรรจุในเว็ปไซต์เหล่านี้และถูกอัพเดทจนข้าราชการไม่ต้องเหนื่อยนั่งตอบอีเมล์คนที่จะมาขอข้อมูลทีละอีเมล์  เผลอๆ รัฐบาลจะประหยัดเงินค่าจ้างในส่วนนี้ได้อีกด้วยเพราะว่าระบบมันทำของมันเอง

นี่มัน win-win situation ชัดๆ จริงๆ

อนาคตของ Open Data ขึ้นอยู่กับพวกเราเอง

การตัดสินใจว่าจะทำ Open Data หรือไม่นั้นคล้ายกับการทอยลูกเต๋าเป็นล้านๆ ลูก  ไม่ได้คล้ายในเชิงการพนันหรือเสี่ยงดวงแต่คล้ายในเชิงของความเป็นจริง

ความเป็นจริงคือเราไม่มีวันรู้หรอกว่าการทอยเต๋าครั้งต่อไปจะออกเลขอะไรบ้าง อาจจะพอเดาความน่าจะเป็นได้เล็กน้อยเท่านั้น  แต่ถ้าไม่ทอยเลยเราจะไม่มีวันได้เห็นว่าจะเกิด combination อะไรออกมาบ้าง

การทำ Open Data ก็เหมือนกัน เราไม่มีทางรู้ได้หรอกว่าใครคนไหนในสังคมเราจะเอาข้อมูลเหล่านี้ไปก่อประโยชน์ในรูปแบบใดและเอาไปสานต่อกับอะไรได้บ้างหากเราไม่เปิดโอกาสนั้นตั้งแต่แรก

ข้อมูลสาธารณะอันมหาศาลที่มาพร้อมกับปรากฏการณ์ Big Data จะเป็นแค่ตัวเลข 0 1 และจะเป็นขยะในฮาร์ดดิสก์ที่ไร้ประโยชน์หากมันถูกซ่อนอยู่ในมุมมืดหรืออยู่ในมือของกลุ่มคนแค่ไม่กี่คน

ข้อมูลแม้มีมากแต่ถ้าไม่มีใครเอามันไปทำประโยชน์ ก็เท่ากับเสียเปล่า

และที่สำคัญที่สุดก็คือ ไม่ใช่แค่นักวิศวกรคอมพิวเตอร์ นักสถิติ หรือนักเศรษฐศาสตร์เท่านั้นที่จะสามารถใช้ประโยชน์จากข้อมูลสาธารณะเหล่านี้

จุดนี้เป็นจุดเริ่มต้นที่ทุกคนควรเข้าใจ  ว่าเราไม่มีทางทราบได้หรอกว่าข้อมูลเหมาะกับใครและเขาจะเอาไปทำอะไรได้  การปิดกั้นโอกาสนั้นเท่ากับว่าเป็นการปิดโอกาสของสังคมที่เต็มไปด้วยผู้คนที่มากด้วยความสามารถและประสบการณ์ที่หลากหลาย

เราทุกคนสามารถรับและสร้างประโยชน์จาก Open Data นี้ได้ในรูปแบบของเราเอง  ตั้งแต่ในรูปแบบที่เล็กที่สุดที่ทุกคนทำได้ซึ่งก็คือการทำตัวเป็นประชาชนที่มีคุณภาพขึ้นเพราะว่าตน “รับรู้” ว่ามีอะไรเกิดขึ้นรอบๆ ไปจนถึงในรูปแบบของการดึง Correlative Insights จากข้อมูลเหล่านี้ด้วยความรวดเร็วจากสมองกล แบบ Machine Learning หรือแม้กระทั่งไปจนถึงรูปแบบของการดึง Causality (อะไรเป็นเหตุเป็นผล) จากข้อมูลเหล่านี้โดยใช้สมองคนที่พึ่งทฤษฎีทางสถิติพร้อมกับสมองกล

ผมเองในฐานะประชาชนคนหนึ่งและนักวิจัยด้านเศรษฐศาสตร์ก็กำลังทำหน้าที่เสนอแนวคิดนี้ผ่านบทความบทนี้และจะทำการดึง Causality ออกมาแสดงในงานวิจัยของผมในอนาคตให้กับเพื่อนร่วมสังคมเพื่อที่จะชี้ให้เห็นถึง “โอกาส” ในการผลักดันสังคมให้ก้าวไปข้างหน้าในหลายๆ มิติ

มนุษย์กลุ่มที่มีความคิดดีมีทักษะดีก็จะนำข้อมูลเหล่านี้ไปก่อให้เกิดประโยชน์ต่อสังคม ผลักดันสังคมไปข้างหน้า ไม่ว่าจะเป็นในด้านความปลอดภัย การศึกษา หรือสิ่งแวดล้อม  แทนที่คนเหล่านี้จะอดใช้ความสามารถที่ตนเองมีแบบในสมัยก่อนที่ข้อมูลเหล่านี้ถูกเก็บซ่อนไว้

Freedom of Information Act… เว็ปไซต์ Open Data for Thailand…

ทั้งหมดนี้ฟังดูเหมือนฝัน แต่ถ้าไม่ร่วมกันฝันและเชื่อมั่นในฝันตั้งแต่วันนี้และไม่จินตนาการถึงสิ่งที่กำลังจะเป็นไปได้…

ฝันก็คงไม่เป็นจริง

Big Data Open Data ณภัทร จาตุศรีพิทักษ์ นโยบายสาธารณะ อภิมหาข้อมูล เศรษฐศาสตร์