บริการ
Data & IoT Platform
จาก Device สู่ Decision — Telemetry Stack แบบครบวงจร
เชื่อมต่ออุปกรณ์ เก็บข้อมูลแบบ Real-Time และปลดล็อก Insight ด้วย Data Pipeline แบบครบวงจร
Use case Data และ IoT ที่เราทำ
งานที่มี Regulation, Volume สูง หรือกระจายเชิงกายภาพ — จุดที่วาง Plumbing ให้ถูกตั้งแต่แรกจะได้ผลทบต้น
Smart Manufacturing
OEE Telemetry, Predictive Maintenance และ Shop-floor Analytics
Utilities & Energy
Grid Telemetry, Anomaly Detection และ Demand Forecasting
Smart Buildings
BMS Integration, Energy Optimization และ HVAC ที่ขับเคลื่อนด้วย Occupancy
Agri-Tech
Field Sensor Network, Precision Irrigation และ Yield Analytics
Retail & Loyalty
Pipeline Telemetry จาก POS และ App ที่ป้อน CDP และระบบ Personalization
Fleet & Logistics
Vehicle Telematics, ELD Compliance และ Loop Optimize เส้นทาง
เส้นทางสร้าง Telemetry
Connect ให้สะอาด, Ingest ให้เชื่อถือได้, Model อย่างมีเป้าหมาย, Act ให้วัดผลได้
- 01
Connect
Device Onboarding, Firmware OTA, Secure Provisioning และ Edge Gateway
- 02
Ingest
Schema Registry, Streaming Pipeline, Dead-letter Queue และ Replay Tooling
- 03
Model
Warehouse Modeling (Dimensional + Event), Feature Store และ Quality SLO
- 04
Act
Dashboard, Alert, ML Inference Hook และ Reverse-ETL เข้าระบบ Operation
Platform และ Pattern
Box ที่ "น่าเบื่อแต่ถูกต้อง" — พิสูจน์แล้วที่ Volume ระดับองค์กร
Edge & Connectivity
- AWS IoT Core
- Azure IoT Hub
- LoRaWAN
- Cellular LTE-M
- MQTT
- BLE
Stream & Ingest
- Kafka
- Kinesis
- Flink
- Debezium
- Cloudflare Queues
- Redpanda
Warehouse & Analytics
- BigQuery
- Snowflake
- ClickHouse
- dbt
- Looker
- Metabase
ML & Activation
- SageMaker
- Vertex AI
- Hightouch
- Census
- Feature Store
Telemetry ที่ติดอยู่ใน Silo คือสินทรัพย์ที่เสื่อมค่าเร็วที่สุดในองค์กร Data ที่เก็บแต่ไม่ได้ใช้กลายเป็น Cost Storage + Compliance Risk โดยไม่คืน Value กลับมา HarmonyX สร้าง Data และ IoT Platform ที่ Connect ให้สะอาด, Ingest ให้เชื่อถือได้, Model อย่างมีเป้าหมาย และ Act ด้วย Metric ที่วัด Business Impact ได้จริง
Architecture IoT แบบไหนเหมาะกับอะไร?
เลือกตาม 3 ตัวแปร: ความถี่ Data, ความสำคัญของ Latency และสภาพ Connectivity ของ Edge สำหรับ Sensor ที่ส่งทุกวินาทีในอาคารมี WiFi — MQTT ผ่าน AWS IoT Core หรือ Azure IoT Hub เป็นคำตอบมาตรฐาน ส่วน Sensor กลางแจ้งที่ส่งรายชั่วโมง — LoRaWAN หรือ Cellular LTE-M คุ้มกว่ามากทั้งพลังงานและ Cost Transmission สำหรับ Workload Industrial ที่ต้องการ Latency ต่ำกว่า 100ms — Edge Gateway ที่รัน Inference ก่อนส่งข้อมูลเข้า Cloud คือ Pattern ที่ถูกต้อง
Streaming Pipeline ที่ "ดี" หน้าตาอย่างไร?
Streaming Pipeline ที่ดีต้อง Survive 3 สิ่ง: Schema Evolution, Back-pressure และ Replay เราใช้ Schema Registry (Confluent หรือ Redpanda) เพื่อ Version-control Event Schema, ใช้ Dead-letter Queue เพื่อเก็บ Event ที่ Parse ไม่ได้พร้อม Reason และใช้ Kafka Compacted Topic หรือ Event Store เป็น Source of truth เพื่อ Replay Downstream ได้เมื่อมี Bug ใน Consumer — สิ่งนี้ทำให้ Bug Fix ใน Analytics ไม่ต้องรอ Data รอบใหม่
Warehouse Modeling — Dimensional หรือ Event?
เลือกทั้งคู่ แต่ใช้คนละเลเยอร์ Raw Event ที่ Append-only เก็บใน Staging Layer ไม่เปลี่ยนรูป — เป็น Audit Trail ของทุกสิ่ง ส่วน Mart Layer ที่ Business User Query เราสร้างเป็น Dimensional Model ด้วย dbt ด้วย Star Schema ที่เข้าใจง่าย พร้อม Data Quality SLO (Freshness, Completeness, Uniqueness) ที่ Alert อัตโนมัติเมื่อเริ่มผิด การแยกสองเลเยอร์ทำให้เปลี่ยน Business Logic โดยไม่ต้อง Rebuild Event History
Reverse-ETL — Data ทำงานได้จริงเมื่อไร?
Data จะสร้าง Value เมื่อไหลกลับเข้า Operational System ไม่ใช่แค่เป็น Dashboard Reverse-ETL ผ่าน Hightouch หรือ Census ส่ง Customer Segment จาก Warehouse เข้า CRM, Marketing Automation และ Personalization Engine เพื่อให้ ML Model ที่ Train บนข้อมูลจริงส่งผลกลับไปที่จุดปฏิสัมพันธ์กับลูกค้า — เช่น หน้า App, Email และ Push Notification
Stack และ Platform
- Edge: AWS IoT Core, Azure IoT Hub, LoRaWAN, Cellular LTE-M, MQTT, BLE
- Stream: Kafka, Kinesis, Flink, Debezium, Cloudflare Queues, Redpanda
- Warehouse: BigQuery, Snowflake, ClickHouse, dbt, Looker, Metabase
- ML & Activation: SageMaker, Vertex AI, Feature Store, Hightouch, Census
ถ้ามี Telemetry ที่ติดใน Silo และต้องการ Unlock Decision แรกภายในไตรมาสเดียว — Scope Pilot กับเรา เราจะ Map Landscape ของ Device, Event และ Warehouse พร้อมเสนอ 90-day Pilot ที่วัดผล Business ได้จริง
สิ่งที่ปลดล็อกได้
สรุปจาก Data Platform ที่รันอยู่ใน Production ระดับ Enterprise ทั่วโลก
Event ต่อวันที่ Ingest ได้ด้วย Replay Rate < 1%
Latency จาก Edge ถึง Dashboard สำหรับ Hot-path Metric
PDPA Lineage และ Consent Tracking ครอบคลุมทั้ง Pipeline
Inference + Feedback ฝังในระบบ Operation
มี Telemetry ที่ติดอยู่ใน Silo?
เราจะ Map Landscape ของ Device, Event และ Warehouse ของคุณ แล้วเสนอ Pilot 90 วัน ที่ปลดล็อก 1 Decision จริงด้วยข้อมูลที่คุณเก็บอยู่แล้ว