ทั้งสามสิ่งมีความแตกต่างกันอย่างไร หากจะอธิบายอย่างง่ายให้เห็นภาพก็ขอยกแนวคิดการตั้งคำถามอย่างง่าย ด้วยการพิจารณาจากปลายทางย้อนไปสู่ต้นทาง มาประกอบ ได้แก่ “Why” เราจะเอาข้อมูลหรือสารสนเทศมาทำอะไร ไปใช้ในระดับใด ซึ่งสามารถตอบได้ด้วยการทำ “Analytics” คือการวิเคราะห์เพื่อนำไปสู่การประยุกต์ใช้ จนถึงระดับขึ้นการตัดสินใจ “What” เราจะใช้อะไรในการนำมาซึ่งการวิเคราะห์ อะไรที่ว่าก็หมายถึงรูปแบบของข้อมูล เครื่องมือที่ใช้ หรือกระบวนการผลิต ซึ่งตอบประเด็นนี้ได้ด้วย “Business Intelligence” และ “How” เราจะนำมาซึ่งข้อมูลดิบเหล่านี้ได้อย่างไร “Big Data” คือคำตอบของส่วนนี้ ทั้งนี้ หากจะพิจารณากันจริงๆแล้ว BI กับ Big Data จะมีบทบาทซ้อนทับกันอยู่ นั่นคือ Big Data เองก็ครอบคลุมตั้งแต่ How จนถึง Why แต่ความสำคัญที่มีนัยระดับปฏิวัติวงการและจุดเด่นหลักคือ การจัดการกับข้อมูลตามนิยามของมันที่ประกอบด้วย 3V (Volume, Velocity และ Variety) นั่นเอง
จากนิยามโดย Gartner อธิบายว่า “Big Data is high-volume, -velocity and –variety information assets that demand cost-effective, innovative forms of information processing for enhanced insight and decision making” ซึ่งสามารถแยกออกเป็นสามส่วน ดังนี้
- High-volume, -velocity and –variety information assets เป็นคุณลักษณะของข้อมูลและสารสนเทศที่เกิดขึ้นและขยายตัวไปในสามมิติ (3V) อย่างต่อเนื่อง อธิบายได้ ดังรูป
- Demand cost-effective, innovative forms of information processing เป็นเรื่องของนวัตกรรมกระบวนการจัดการที่เกิดการนำข้อมูลมาใช้อย่างมีประสิทธิภาพ โดยมีเทคโนโลยีเบื้องหลังคือ Hadoop อธิบายได้ ดังรูป
- Enhanced insight and decision making ว่าด้วยการวิเคราะห์หรือ “Analytics” ซึ่งเป็นการนำสารสนเทศไปใช้ระดับการตัดสินใจ แต่การที่ใช้ตัดสินใจในมุมมองใด ก็ขึ้นอยู่กับระดับความลึกและบริบทที่ประยุกต์ใช้ของการวิเคราะห์ อธิบายได้ ดังรูป
Analytic Value Escalator (skmgroup.com)
| ระดับการวิเคราะห์ (Analytics) | วัตถุประสงค์ | เทคโนโลยีที่ใช้ |
| Descriptive Analytics | เน้นการอธิบายถึงสิ่งที่เกิดขึ้นในช่วงที่ผ่านมา ข้อมูลที่นำมาวิเคราะห์ เช่น KPI ยอดขาย จำนวนลูกค้า เป็นต้น สารสนเทศผลลัพธ์ที่ได้ เช่น รานงานทางธุรกิจ ผลการดำเนินงาน เป็นต้น | Business Intelligence |
| Diagnostic Analytics | เน้นการวินิจฉัยถึงสาเหตุของการเกิดผลที่เป็นอยู่ จึงต้องอาศัยข้อมูลของปัจจัยที่ส่งผลต่อผลลัพธ์นั้น ทั้งที่เป็นปัจจัยภายในที่วัดและควบคุมได้ เช่น คุณภาพสินค้า การขายสินค้า เป็นต้น รวมไปถึงปัจจัยภายนอกที่ควบคุมไม่ได้ เช่น เศรษฐกิจ พฤติกรรมผู้บริโภค เป็นต้น | Business Intelligence |
| Predictive Analytics | เน้นการพยากรณ์ถึงสิ่งที่กำลังจะเกิดขึ้น โดยใช้ข้อมูลจากอดีตเร่วมกับโมเดลคณิตศาสตร์เพื่อวิเคราะห์หาโอกาสและความเสี่ยง | Business Intelligence + Data Mining หรือ Machine Learning |
| Prescriptive Analytics | เน้นการหาแนวทางที่เหมาะสมเพื่อให้เกิดผลลัพธ์ที่ต้องการ โดยการจำลองสถานการณ์หลายรูปแบบเพื่อเลือกสถานการณ์ที่ดีที่สุด และสามารถปรับเปลี่ยนโมเดลได้ด้วยตัวเอง (ต่อยอดจาก Predictive Analytics) | Big Data + Machine Learning |
Slideshare: http://www.slideshare.net/lersmethasakul/how-different-between-big-data-business-intelligence-and-analytics