JRIT ICHI

นอกจากการใช้ Data Analytics และ Data Science เพื่อวิเคราะห์ข้อมูลและทำนายอนาคตสำหรับการวางแผนธุรกิจแล้ว ยังสามารถนำ Big Data มาประยุกต์ใช้ในเชิงการตลาดได้อย่างหลากหลาย ยกตัวอย่างเช่น เมื่อเราเดินเข้าห้างสรรพสินค้าหรือสนามบิน แล้วมี SMS เด้งขึ้นมาพร้อมข้อความประชาสัมพันธ์ ทักทาย และแนะนำโปรโมชั่นของร้านค้าในบริเวณนั้น นั่นคือผลลัพธ์จากการวิเคราะห์ข้อมูลและนำมาปรับใช้ให้เกิดประโยชน์ในเชิงการตลาด

บริษัท Blendata เป็นหนึ่งในผู้ให้บริการและพัฒนาเทคโนโลยี Big Data & AI โดยมีวิสัยทัศน์ว่า ‘‘โอกาส’ ซ่อนอยู่ในข้อมูล และเราสามารถเปลี่ยน ‘ข้อมูล’ นั้น ให้เป็นมูลค่าและสร้างผลกำไรให้กับองค์กรได้’

Blendata ก่อตั้งในปี 2015 ด้วยเป้าหมาย พัฒนาแพลตฟอร์ม Big Data ที่ล้ำสมัยให้เป็นโซลูชันที่ครอบคลุมทุกด้าน คุณณัฐนภัส รชตะวิวรรธน์ CEO and Co-Founder, Blendata เล่าถึงบริการของบริษัทว่า โดยรวมมี 2 ส่วนหลัก ประกอบด้วย

1. เทคโนโลยีและแพลตฟอร์ม Data Analytics และ AI ช่วยรวบรวมข้อมูลจากหลากหลายช่องทางมารวมไว้ในที่เดียว พร้อมทั้งวิเคราะห์และทำนายข้อมูลได้อย่างแม่นยำและใช้งานง่าย ยกตัวอย่างเช่น ความสามารถในการระบุว่าลูกค้าที่เดินเข้ามาในร้าน คือคนเดียวกันกับที่เข้าเยี่ยมชมเว็บไซต์ของบริษัทเมื่อ 2 สัปดาห์ก่อนหรือไม่ ข้อมูลเหล่านี้สามารถนำไปปรับปรุง Customer Experience ให้ดียิ่งขึ้น สร้างความประทับใจและความพึงพอใจให้กับลูกค้าได้อย่างมีประสิทธิภาพ

2. บริการ โดยเป็น All-in-one Big Data Services ประกอบด้วย บริการด้านที่ปรึกษา, Training, วิศวกรข้อมูล หรือ Data Engineer วิทยาศาสตร์ข้อมูล หรือ Data Scientist ที่จะช่วยในการคัดกรองข้อมูล ไปจนกระทั่งสร้างโมเดลต่าง ๆ ให้มีประสิทธิภาพมากยิ่งขึ้น

ประโยชน์ของการใช้งาน Data Analytics & Data Science สำหรับองค์กรธุรกิจ
คุณณัฐนภัส กล่าวว่าการวิเคราะห์ข้อมูล ย่อมมีวัตถุประสงค์บางอย่าง หลัก ๆ ในมุมสำหรับธุรกิจก็เพื่อ ลดต้นทุน กับเพิ่มรายได้

CEO ของ Blendata ยกตัวอย่างประโยชน์ของการใช้งาน Data Analytics & Data Science ของร้านโชห่วย โดยอธิบายว่า ในอดีต หากต้องการลดต้นทุน เจ้าของกิจการจะต้องควบคุม Cash Flow หรือกระแสเงินสด พยายามใช้ระบบ Just In Time คือ การที่ซื้อของมาขายให้พอดีกับเวลาที่ลูกค้าต้องการ เพราะไม่มีใครอยาก Stock สินค้าไว้เป็นปีจนกว่าจะขายหมด ก็จะเกิดการวิเคราะห์จากประสบการณ์ของเจ้าของ เช่น ช่วงนี้ของปีข้าวสารขายดี ก็จะตุนข้าวสาร ช่วงเดือนนี้ขนมขายดี ก็จะสต็อกขนม

สำหรับการเพิ่มรายได้ คุณณัฐนภัสยกตัวอย่างว่า “เมื่อก่อนผมคุ้นชินกับการที่ อาม่าเจ้าของร้านโชห่วยจะโทรมาถามว่า ข้าวสารหมดหรือยัง จะได้ให้ลูกน้องเข้าไปส่ง ซึ่งก็เป็นการ Up Sell อย่างหนึ่งของอาม่า เพราะเขาจดเอาไว้แล้วว่า คนคนนี้เมื่อ 3 เดือนที่แล้ว ซื้อข้าวสารไป 10 กก. ป่านนี้ยังไม่มาซื้อใหม่เลย ลองโทรไปถามดีกว่า ดูแล้วน่าจะขายของได้”

จากตัวอย่างจะเห็นได้ว่า เมื่อก่อนผู้ประกอบการใช้ประสบการณ์ส่วนตัวในการวางแผนธุรกิจ ซึ่งอาจผิดพลาดได้ แต่หากใช้เทคโนโลยีเข้ามาช่วยจะทำให้การลดต้นทุน เพิ่มรายได้แม่นยำ เดินทางไปถึงผลลัพธ์ได้ง่ายและรวดเร็ว

ในหลักการของการลดต้นทุน เพิ่มรายได้ข้างต้น หากทำการ Data Analytics จะเกิดภาพตามตัวอย่างที่ คุณณัฐนภัส อธิบายนี้

“ถ้าเราใช้วิธีคาดการณ์เอาว่า เดี๋ยวเด็กปิดเทอมหน้าร้อน ข้าวสารต้องขายดี เพราะเด็กอยู่บ้าน ดังนั้นจึงสั่งสต๊อกข้าวสารมาเตรียมเอาไว้ก่อนเลย แต่พอมาเป็นเทคนิค Data Science จะมีเรื่อง Machine Learning เข้ามาช่วยวิเคราะห์ จะทำให้เห็นข้อมูลที่กว้างขึ้นมากกว่าประสบการณ์ของผู้ประกอบการ เช่น ทราบว่า จากแนวโน้ม 3 ปีที่ผ่านมา ช่วงเดือนนี้ ควรต้องสั่งของเข้ามาประมาณเท่าไร หรือข้อมูลอาจจะบอกเราว่า ช่วง 2 อาทิตย์ที่ผ่านมายอดขายข้าวสารไม่กระเตื้องเลย ไม่มีแนวโน้มที่จะขึ้นด้วย เทรนด์ไม่มาเลย ดังนั้นจริง ๆ แล้ว ไม่จำเป็นต้องสั่งของก่อนก็ได้ เทคนิคพวกนี้จะทำให้คาดการณ์ได้แม่นยำขึ้นครับ”

จากร้านโชห่วย ขยับเข้าสู่โรงงานอุตสาหกรรมการผลิตรถยนต์ กรณีตัวอย่างจริงจากการเข้าไปให้บริการของ Blendata ซึ่งก่อนจะขับเคลื่อนการผลิตด้วยเทคโนโลยี Data Analytics โรงงานใช้พนักงานในการวางแผน เช่น ต้องการประกอบรถยนต์ให้ได้ 20 คันต่อวัน พนักงานก็จะประเมินแล้วว่าต้องออกใบ PO มาเท่าไร ต้องใช้ชิ้นส่วนเท่าไร ฯลฯ ปรากฏว่า คนประเมินไม่แม่น เพราะไม่ละเอียดพอ จึงเกิดปัญหาตามมาหลายอย่าง ชิ้นส่วนขาดบ้าง เกินบ้าง เป็นต้น

เมื่อใช้ Big Data และ Machine Learning เข้ามาช่วย ฝ่ายเทคนิคจะตัดสินใจได้แม่นยำว่าหากต้องประกอบรถยนต์จำนวนเท่านี้ ต้องอนุญาตให้มี OT ชั่วโมงละเท่าไร ผลที่ได้ คือ รถยนต์ไม่มีผลิตเกินหรือผลิตขาด ผลิตใกล้เคียงความเป็นจริงตลอดเวลา ซึ่งนั่นก็คือการลด cost เต็มที่ เพราะว่าถ้าผลิตมาเกินก็เกิดขยะ ผลิตขาดก็เสียโอกาส เสียส่วนแบ่งการตลาดไปให้คู่แข่ง

“Data Analytics & Data Science เป็นเทคนิคที่ช่วยได้ทั้งหมด บริหารต้นทุนได้ดีขึ้น สร้างศักยภาพได้ดีขึ้น ผลดีจะตามมาเป็นกระบวน ซึ่งเหล่านี้เป็นปลายทาง แต่สิ่งที่เจ้าของต้องรู้ก่อน คือ มันทำอะไรได้บ้าง” คุณณัฐนภัสย้ำ

ทั้งนี้การจะรู้ว่า Data Analytics ทำอะไรได้บ้างสามารถหาคำตอบได้ว่า องค์กรต้องการอะไร เพราะ Big Data สามารถประยุกต์ได้หลากหลาย และนอกจากนี้สามารถหาคำตอบจากที่ปรึกษาได้เช่นกัน

Big Data ทำอะไรได้บ้าง
Blendata ให้บริการ Data Analytics & Data Science ในหลายองค์กร ขอนำตัวอย่างสิ่งที่ Blendata ได้ดึง Big Data มาใช้ประโยชน์ เพื่อเป็นแนวทางให้ผู้อ่านได้เกิดไอเดียในการนำไปประยุกต์ใช้กับธุรกิจ ดังนี้

เพิ่มยอดขายให้ธุรกิจ Retail
ปัญหาหลัก ๆ ของธุรกิจ Retail หรือค้าปลีก ส่วนมากถูกร้านออนไลน์ตัดราคา ลูกค้าเข้าหน้าร้านจริง แต่ก็เพื่อดูตัวอย่างสินค้า สุดท้ายก็กลับมาซื้อออนไลน์ เพราะมีคูปอง ได้ส่วนลดมากกว่า เมื่อพฤติกรรมผู้บริโภคเปลี่ยน ธุรกิจนี้ก็จะสามารถนำ Data Analytics มาใช้อุดรอยรั่วในจุดนี้ได้

เพื่อรู้ว่าลูกค้ามีความสนใจเรื่องอะไร คลิกเว็บไซต์กี่ครั้ง แวะมาเยี่ยมชมหน้าร้านกี่ครั้ง สนใจสินค้าอะไรเป็นพิเศษ เขตพื้นที่อาศัยอยู่บริเวณไหน และถ้ามีให้สมัครข้อมูลสมาชิกก็จะรู้ได้อีกว่าบ้านของลูกค้าอยู่ใกล้ หรือไกลร้าน หากบ้านอยู่ใกล้ร้านเขาก็อาจจะสนใจสินค้าเกี่ยวกับเครื่องใช้ในครัวเรือนเป็นพิเศษ หากอยู่ใกล้ที่ทำงานเขาน่าจะสนใจเรื่องอาหารกลางวัน ดังนั้นเมื่อทราบข้อมูลพื้นฐาน ก็สามารถซื้อโฆษณาจากเฟซบุ๊ก หรือโซเชียลมีเดีย ตลอดจนช่องทางประชาสัมพันธ์ต่าง ๆ ส่งถึงลูกค้าได้ตรงตามความสนใจ นอกจากรู้พฤติกรรมลูกค้าแล้ว ยังสามารถประเมินกลยุทธ์คู่แข่งได้อีกด้วย เพราะหากกำหนดกลุ่มเป้าหมายได้ชัดเจน ก็เลือกดูรีวิวจากลูกค้า ดูโปรโมชั่นที่คู่แข่งเสนอ แล้วมาปรับให้เหนือกว่าได้

นอกจากนี้ Big Data Analytics และ AI ยังบอกได้ว่าลูกค้าที่เข้ามาซื้อของเป็นลูกค้าประจำ หรือขาจร หรือซื้อสินค้าเพราะโปรโมชั่น ซึ่งข้อมูลเหล่านี้นำมาเพิ่มยอดขายได้ โดยเมื่อทราบสาเหตุแล้วว่าลูกค้าซื้อสินค้าเพราะอะไร ก็สามารถใช้วิธีส่ง SMS แจ้งลูกค้าประจำได้ว่า มีสินค้าอะไรเข้าใหม่ หรือส่ง SMS แจ้งโปรโมชั่น และพัฒนาสินค้าตัวใหม่มาตอบสนอง เช่น หากเป็นธุรกิจในกลุ่มโรงพยาบาล Data Analytics พบว่าลูกค้าที่เข้ามาเป็น Wellness มากขึ้น ก็สามารถสร้างนวัตกรรมเกี่ยวกับการดูแลสุขภาพองค์รวมมาตอบสนองได้ทันที โดยไม่เสียโอกาส

ขั้นตอนการจัดการ และวิเคราะห์ Data ที่เหมาะสมกับแต่ละประเภทธุรกิจ
ขั้นตอนการจัดการ และวิเคราะห์ Data คุณณัฐนภัส อธิบายว่า หลักการเดียวกันกับการนำเทคโนโลยีอื่น ๆ มาใช้ในองค์กร คือ ต้องกำหนดโจทย์ เพื่อรู้ว่าองค์กรต้องการอะไร เช่น ต้องการเพิ่มยอดขาย หรือลดต้นทุน ฯลฯ แล้วจึงนำโซลูชั่นที่เหมาะสมมาใช้ ส่วนแรกนี้ต้องพึ่งพาผู้เชี่ยวชาญ หรือที่ปรึกษาเข้ามาช่วยวิเคราะห์ องค์ประกอบต่อจากนี้ คือ

1. Data Ingestion (การนำเข้าข้อมูล) คือ การรวบรวมข้อมูลมาอยู่ในที่เดียวกัน โดยเลือกเก็บข้อมูลที่มีคุณภาพไว้และเคลียร์ข้อมูลขยะออกไป

2. Data Management (การจัดการข้อมูล) คือ การจัดการข้อมูลให้ถูกต้อง ถูกธรรมาภิบาล เช่น สถาบันการเงิน จะมีการให้ Credit Score กับลูกค้าที่ยื่นขอสินเชื่อ หากเก็บ Data ไม่ดี กลายเป็นว่า คนที่มีเครดิตสกอร์ 89% เหลือ 49% คนที่เครดิตน้อยกลายเป็นมากสลับกัน ก็จะสร้างความเสียหายให้องค์กรได้

3. Process and Analytics คือ การวิเคราะห์ ซึ่งขึ้นอยู่กับความต้องการขององค์กร บางแห่งใช้เพียง Report สั้น ๆ บางแห่งต้องการวิเคราะห์ลงลึก ซึ่งต้องใช้ควบคู่กับแพลตฟอร์มที่เหมาะสม

4. Utilization คือ การนำข้อมูลมาใช้ประโยชน์ สำหรับวิธีใช้งานอาจเป็นแดชบอร์ดออกมาก็ได้ หัวข้อนี้ คุณณัฐนภัส อธิบายเพิ่มเติมว่า อย่างกรณีโรงงานผลิตรถยนต์ก่อนหน้า ก็แสดงผลเป็นแดชบอร์ด เพื่อให้เห็นว่าสัปดาห์ต่อไปต้องทำงานวันละกี่ชั่วโมงถึงจะได้ประสิทธิภาพ ซึ่งส่วนนี้อาจมีความซับซ้อน แต่หากมีที่ปรึกษาที่ดี ก็สามารถจัดการได้อย่างลงตัว

Blendata Enterprise โซลูชั่น ย่อโลก Data Analytics
Big Data เป็นงานใหญ่ ที่ทำงานซับซ้อนสมชื่อ CEO ของ Blendata กล่าวว่า ในเชิงเทคนิคการทำ Big Data ไม่ใช่แค่กรอกข้อมูลลง Excel แต่มันประกอบด้วย Tool ไม่ต่ำกว่า 5 – 6 ตัว อีกทั้งยังต้องมีโปรแกรมเมอร์มาเขียนโค้ดอย่างน้อย 5 คน ไหนจะสร้าง Framework เขียน Python เขียน Script ต่าง ๆ มากมาย นอกจากนี้ยังต้องมีแผนกดูแลบำรุงรักษาอีก ซึ่งซับซ้อนมาก

ข้อดีของ Blendata Enterprise โซลูชั่น Data Analytics จาก Blendata คือ การทำเรื่องยุ่งยากซับซ้อนเหล่านี้ ให้เป็นเรื่องง่าย โดยการรวมกระบวนการทุกอย่างที่กล่าวมาข้างต้นให้อยู่ในโซลูชั่นเดียว นิยามว่า Hybrid Data Lakehouse Platform นอกจากนี้ยังเป็น No Code / Low Code ผู้ใช้ไม่จำเป็นต้องมีทักษะด้านเขียนโปรแกรมก็สามารถใช้ได้อย่างง่ายได้

นอกจากโซลูชั่นที่ย่อโลก Data Analytics ให้เป็นเรื่องง่ายแล้ว Blendata ยังมีบริการเสริมที่ทำให้เรื่อง Data เป็นของง่าย ด้วยบริการ Blendata Professional Service ที่ลูกค้าบอกความต้องการ หรือโจทย์มา แล้วทาง Blendata จะเสกสรรค์เสนอเป็น Total Solution ออกมาให้อย่างครบวงจร

อีกบริการเสริม คือ Analytics as a Service ที่สามารถเลือกใช้เฉพาะส่วนได้ ไม่จำเป็นต้องลงทุนซื้อโซลูชั่นทั้ง Set ทั้ง ๆ ที่ใช้อยู่ส่วนเดียว

“Project Big Data และ AI เหมือนสร้างบ้าน บางทีเขาก็ไม่ได้อยากจ้างผู้รับเหมามาสร้างทั้งหลัง แต่แค่อาจจะต้องการมาอยู่ 3 เดือน 6 เดือนเท่านั้น เพราะยังไม่แน่ใจว่าจะเวิร์คหรือไม่ ก็เลยต้องการเช่าใช้ก่อน เช่น มีบริษัทหนึ่งเขาทำธุรกิจขายประกัน ซึ่งเป็นทีม Marketing ไม่ใช่ IT เลย แต่อยาก Up Sell เขาก็รู้แหละว่า ถ้าใช้ AI จะมีโอกาสเข้าถึงลูกค้าได้สูง แต่ทีมใช้งานเทคโนโลยีไม่เป็นกันเลย เราก็เสนอเป็นโซลูชั่นที่ให้ใช้งานได้ง่าย มีทีม IT ของเราคอยซัพพอร์ต แล้วส่ง Report เป็น Excel ให้ทุกเดือน ทุกอย่างเป็น as a Service เช่าเป็นรายเดือน” คุณณัฐนภัส เสริมเพิมเติม

Hybrid Big Data Platform
Hybrid Big Data Platform เป็นอีกแพลตฟอร์ม ที่ผสานจุดแข็งของ Data Lakehouse เข้ากับแพลตฟอร์มคลาวด์ เพื่อยกระดับให้การจัดการ Data ได้ยืดหยุ่น ตรงตามต้องการขององค์กร ได้มาตรฐาน เช่น Apache Spark แพลตฟอร์มที่รวมเทคโนโลยีการจัดเก็บ การประมวลผล และการวิเคราะห์ข้อมูลขนาดใหญ่ ไว้ในที่เดียวกัน ในรูปแบบ Low-code สามารถประมวลผลข้อมูลขนาดใหญ่ทุกรูปแบบ โดยสามารถใช้งานได้ทั้งบนระบบ On-premise ขององค์กรเอง และระบบ Cloud ซึ่ง Blendata ได้เปิดให้บริการ “Blendata Cloud บน Microsoft Azure Marketplace” จากไมโครซอฟต์ผู้ให้บริการเทคโนโลยีระดับโลก ในรูปแบบ Bring Your Own License (BYOL) ซึ่งสามารถทำการสั่งซื้อผ่าน Azure Marketplace ได้แล้วตั้งแต่ไตรมาส 4 ปีนี้ และเตรียมเปิดบริการ “Blendata Cloud บน AWS Marketplace” จากอเมซอน เว็บ เซอร์วิสในรูปแบบ Pay-Per-Use เร็ว ๆ นี้

ความสำคัญของ Big Data Analytics ในมุมมองการร่วมทุนระหว่าง Blendata กับ Opsta
เมื่อเดือนมีนาคม ปี 2024 Blendata ประกาศเข้าลงทุนในบริษัท ออพซ์ตา (ประเทศไทย) จำกัด หรือ Opsta ผู้เชี่ยวชาญด้านเทคโนโลยี DevSecOps และ Cloud Native เพื่อยกระดับเทคโนโลยีไทย ผสานความสามารถ Big Data, AI และ DevSecOps และ Cloud Native รองรับการเปลี่ยนแปลงในยุค AI Transformation

ครั้งนั้น คุณณัฐนภัส ได้กล่าวว่า โลกกำลังเข้าสู่ยุค AI Transformation จึงต้องมีการบริหารจัดการ ตรวจสอบ และรักษาความปลอดภัยของ Data อย่างมีประสิทธิภาพ จึงได้ร่วมมือกับผู้เชี่ยวชาญด้าน เทคโนโลยี DevSecOps และ Cloud Native เพื่อยกระดับงานด้านพื้นฐานเทคโนโลยีสารสนเทศให้ก้าวทันอนาคต นี่จึงถือเป็นแนวโน้มของ Data Analytics ผ่านแผนงานในอนาคตของ Blendata

แนวโน้มในอนาคตของ Data Analytics
ในฐานะผู้คว่ำหวอดในแวดวง Data Analytics คุณณัฐนภัส พูดถึงแนวโน้มในอนาคตของ Big Data อย่างน่าสนใจว่า

“ต้องเรียนว่า AI รวมทั้งโควิด เป็นตัวเร่งด้าน Data-driven Organization มาก หากย้อนไปมองช่วงก่อนโควิด-19 ระบาด หลายคนจะมองว่าซื้อ Ad เฟซบุ๊กก็จบแล้ว ลงทุนน้อยกว่าเยอะ ทำไมต้องเก็บข้อมูลให้ยุ่งยาก แต่กลายเป็นว่าพอสถานการณ์โควิดคลี่คลาย ก็มี PDPA เข้ามา คุ้มครองข้อมูลส่วนบุคคล ทำให้ไม่สามารถซื้อขายข้อมูลได้อีกแล้ว ดังนั้นใครที่เก็บข้อมูลไว้ตั้งแต่แรกก็จะได้เปรียบกว่าคนที่เพิ่งเริ่มเก็บ”

“นอกจากนี้หลังยุคโควิด-19 ยังทำให้พฤติกรรมของลูกค้าเปลี่ยนไปอีกด้วย ธุรกิจรูปแบบเดิม ๆ ไม่สามารถทำได้ สังเกตได้ว่า องค์กรที่มี Data ที่สะอาด จะสามารถนำ Data สะอาดเหล่านั้นมาวิเคราะห์พัฒนารูปแบบใหม่ ๆ Spin ออกจากปัญหาได้เร็วกว่าคนอื่น ออก Product ใหม่ ๆ ได้ โดยไม่ได้กระทบกับธุรกิจเดิม”

“กระทั่ง ปี 2023 AI เข้ามามีบทบาท ที่สามารถวิเคราะห์ได้อย่างแม่นยำ เช่น กรณีตัวอย่างที่ยกมาก่อนหน้านี้ คนที่พร้อมด้าน Data ก็จะได้เปรียบ และเป็นแนวทางให้องค์กรอื่น ฉะนั้น Data-driven Organization มีความสำคัญแน่นอน”

นอกจากบอกว่า Data-driven Organization มีความสำคัญในอนาคต คุณณัฐนภัส ยังฝากทิ้งท้ายด้วยว่า การเก็บข้อมูลก็จะมีหลายรูปแบบมากขึ้น บางอย่างก็อาจคาดไม่ถึง

“ในอีกมุมหนึ่ง อาจจะได้เห็นรูปแบบของการจัดเก็บข้อมูลที่แปลกใหม่มากขึ้น จะมีความต้องการข้อมูลกันมากขึ้น สังเกตดูว่า หลายที่เริ่มจะพยายามเก็บข้อมูลในหลายรูปแบบ เช่น เก็บในลักษณะ Membership อย่างเวลาเติมน้ำมัน ปั๊มก็จะชวนให้สมัครสมาชิก หรือเข้าห้างสรรพสินค้า ห้างฯ ก็พยายามหาวิธีให้เราสมัครสมาชิก โน้มน้าวโดยการแลกกับส่วนลด เป็นต้น เพื่อจะได้เก็บข้อมูลเข้ามาให้ได้มากที่สุด ซึ่งผมก็คิดว่านี่แหละที่ทุกคนก็จะไปสู่ Data-driven ท้ายที่สุดก็ขึ้นอยู่กับว่า ใครจะทำอย่างไร ซึ่งก็เป็นโจทย์ที่ต้องตีให้แตกต่อไป”

ช่องทางติดต่อ Blendata
Website: https://www.blendata.co/
E-mail: hello@blendata.co
Facebook: https://www.facebook.com/Blendata
Tel.: 02-781-9101
********