ประกวดราคาจ้างพัฒนาระบบศูนย์กลางข้อมูลขนาดใหญ่ด้านระบบศาลยุติธรรม (Court Big Data) เพื่อสนับสนุนการพิจารณาพิพากษาคดีและการบริหารจัดการงาน
โครงการนี้มีวัตถุประสงค์หลักเพื่อพัฒนาระบบศูนย์กลางข้อมูลขนาดใหญ่ (Court Big Data) สำหรับสำนักงานศาลยุติธรรม เพื่อยกระดับการบริหารจัดการข้อมูลและเพิ่มประสิทธิภาพในการวิเคราะห์ข้อมูลและตัดสินใจ โครงการนี้จะนำข้อมูลคำพิพากษาในอดีตที่อยู่ในรูปแบบ PDF จำนวนมากมาประมวลผล, เชื่อมโยงข้อมูล, และจัดทำรายงานในรูปแบบสรุปผลข้อมูลเชิงกราฟ (Graph) และแดชบอร์ด (Dashboard) เพื่อให้ผู้บริหารสามารถนำไปใช้ในการวางแผนและการตัดสินใจได้อย่างมีประสิทธิภาพ โครงการนี้ยังมุ่งเน้นการพัฒนาโครงสร้างพื้นฐานด้านการจัดการข้อมูล, เพิ่มขีดความสามารถในการใช้ประโยชน์จากเทคโนโลยีวิเคราะห์ข้อมูลที่ทันสมัย, และจัดทำเครื่องมือสนับสนุนการตัดสินใจของผู้ใช้ นอกจากนี้ โครงการยังรวมถึงการจัดหาและติดตั้งฮาร์ดแวร์และซอฟต์แวร์ที่เกี่ยวข้อง, การพัฒนาระบบงาน, และการอบรมการใช้งานระบบ
English summary
This project aims to develop a Court Big Data platform for the Office of the Judiciary, to analyze and connect court verdict data and other information, and to generate reports in various formats such as graphs and dashboards. These reports will support decision-making by executives and improve organizational management efficiency. The project includes the procurement and installation of hardware, software, and the development of related systems, as well as user training.
ข้อมูลเชิงลึกของโครงการ
AI วิเคราะห์ ปลดล็อกแล้วเป้าหมายโครงการ
- เพื่อให้สำนักงานศาลยุติธรรมนำระบบศูนย์กลางข้อมูลขนาดใหญ่ด้านระบบศาลยุติธรรม (Court Big Data) ไปใช้ในการสนับสนุนการพิจารณาพิพากษาคดีและการบริหารจัดการงาน ได้อย่างมีประสิทธิผล
- เพื่อพัฒนาระบบโครงสร้างพื้นฐานด้านการจัดการข้อมูลและเพิ่มขีดความสามารถในการใช้ประโยชน์จากเทคโนโลยีวิเคราะห์ข้อมูลที่ทันสมัย
- เพื่อนำเข้าข้อมูลคำพิพากษาที่มีอยู่จำนวนมากในอดีตจำนวนมาก ซึ่งเป็นข้อมูลชนิดที่ไม่มีโครงสร้าง นำมาใช้ประโยชน์ได้ยาก ให้อยู่ในรูปแบบที่สามารถนำมาใช้ประโยชน์ในด้านการวิเคราะห์ข้อมูล สามารถนำมาวิเคราะห์ในเชิงสถิติ ร่วมกับระบบสารสนเทศคลังข้อมูลที่มีการพัฒนาแล้วในบางส่วนให้มีประสิทธิภาพมากยิ่งขึ้น
- เพื่อจัดทำเครื่องมือที่จะช่วยวิเคราะห์ประเด็นที่เกี่ยวกับโจทย์และสถานการณ์ต่างๆ การสืบค้น เพื่อสนับสนุนการตัดสินใจของผู้ใช้
- เพื่อนำข้อมูลมาวิเคราะห์ เชื่อมโยงข้อมูลในรูปแบบเชิงสถิติ และจัดทำรายงานในรูปแบบสรุปผลข้อมูลเพื่อที่ผู้บริหารสามารถนำไปเป็นประโยชน์ในการวางแผนและการตัดสินใจในอนาคต
- เพื่อช่วยยกระดับองค์กรให้มีคุณภาพ เพิ่มประสิทธิภาพในการทำงานของบุคลากร เพิ่มช่องทางการให้บริการประชาชนให้ได้รับความเป็นธรรมอย่างทั่วถึงและเสมอภาค
ขอบเขตของงาน
- การพัฒนาระบบ:
- พัฒนาระบบฐานข้อมูลขนาดใหญ่พร้อมอบรมการใช้งานระบบ 3 ระบบ ได้แก่:
- ระบบงานการเชื่อมโยงและการแลกเปลี่ยนข้อมูล
- ระบบการบริหารจัดการฐานข้อมูลขนาดใหญ่ (Big Data) และการวิเคราะห์ข้อมูล (Data Analytics)
- ระบบออกแบบและแสดงผลข้อมูล (Data Visualization)
- พัฒนาระบบงานตาม Use Case: รายงานสถิติคดีศาลยุติธรรม
- พัฒนาระบบแปลงเอกสาร PDF และนำเข้าข้อมูล
- พัฒนาระบบฐานข้อมูลขนาดใหญ่พร้อมอบรมการใช้งานระบบ 3 ระบบ ได้แก่:
- การจัดหาครุภัณฑ์และซอฟต์แวร์:
- จัดหาเครื่องคอมพิวเตอร์แม่ข่าย (Server) 5 ชุด
- จัดหาซอฟต์แวร์:
- ซอฟต์แวร์เชื่อมโยงข้อมูล (Big Data Adapter)
- ซอฟต์แวร์สำหรับทำหน้าที่จัดการระบบฐานข้อมูลขนาดใหญ่ (Big Data SQL Tool)
- ซอฟต์แวร์สำหรับบริการจัดการฐานข้อมูลขนาดใหญ่เชิงแผนที่และฐานข้อมูลกราฟ (Big Data Spatial & Graph Tool)
- ซอฟต์แวร์สำหรับการวิเคราะห์ฐานข้อมูลขนาดใหญ่ (Big Data Analytics Tool)
- การติดตั้งและทดสอบ:
- ติดตั้งระบบและซอฟต์แวร์ทั้งหมด
- ดำเนินการสำรวจ, ออกแบบ, จัดทำ Data Connection และ Data Transform เพื่อนำเข้าข้อมูล
- ทดสอบระบบและตรวจสอบคุณภาพข้อมูล
- การอบรม:
- อบรมการใช้งานระบบทั้ง 3 ระบบ
- อื่นๆ:
- จัดทำแผนการดำเนินงาน (Action Plan)
- จัดทำรายงานต่างๆ ตามที่ระบุใน TOR
สิ่งที่ต้องส่งมอบ
- แผนการดำเนินงาน (Action Plan)
- สรุปผลข้อมูลสรุปเอกสารวิเคราะห์และออกแบบระบบ
- Hardware, Software License พร้อมดำเนินการติดตั้งระบบ
- เครื่องคอมพิวเตอร์แม่ข่าย 5 ชุด
- ซอฟต์แวร์ที่เกี่ยวข้องทั้งหมด
- ระบบฐานข้อมูลขนาดใหญ่ 3 ระบบ พร้อมการอบรม
- รายงานต่างๆ ตามที่ระบุใน TOR
ระยะเวลาดำเนินการ
- งวดที่ 1: ภายใน 30 วัน นับถัดจากวันลงนามในสัญญา: ส่งมอบแผนการดำเนินงาน, รายชื่อและคุณสมบัติของบุคลากรทั้งหมด
- งวดที่ 2: ภายใน 150 วัน นับถัดจากวันลงนามในสัญญา: ส่งมอบสรุปผลข้อมูล, ติดตั้ง Hardware, Software License และดำเนินการติดตั้งระบบ
- การจ่ายเงินเป็นงวดตามที่ระบุใน TOR
คุณสมบัติผู้เสนอราคา
- Eligibility Requirements:
- มีความสามารถตามกฎหมาย
- ไม่เป็นบุคคลล้มละลาย
- ไม่อยู่ระหว่างเลิกกิจการ
- ไม่เป็นบุคคลซึ่งอยู่ระหว่างถูกระงับการยื่นข้อเสนอหรือทำสัญญากับหน่วยงานของรัฐไว้ชั่วคราว
- ไม่เป็นบุคคลซึ่งถูกระบุชื่อไว้ในบัญชีรายชื่อผู้ทิ้งงาน
- นิติบุคคลผู้มีอาชีพรับจ้างงานที่ประกวดราคาอิเล็กทรอนิกส์ดังกล่าว
- ไม่เป็นผู้มีผลประโยชน์ร่วมกันกับผู้ยื่นข้อเสนอรายอื่น
- ไม่เป็นผู้ได้รับเอกสิทธิ์หรือความคุ้มกัน ซึ่งอาจปฏิเสธไม่ยอมขึ้นศาลไทย
- ผู้ยื่นข้อเสนอต้องลงทะเบียนในระบบ e-GP
- ผู้ยื่นข้อเสนอในรูปแบบของ “กิจการร่วมค้า” ต้องดำเนินการทุกขั้นตอนของการประกวดราคาในนามกิจการร่วมค้า
- ผู้ยื่นข้อเสนอในรูปแบบกิจการค้าร่วม (Consortium) จะต้องมีผู้ประกอบการในกลุ่มรายใดรายหนึ่งดำเนินการทุกขั้นตอนของการประกวดราคาในนามกิจการค้าร่วม
- Standards Compliance:
- ISO 9000 Series (สำหรับเครื่องคอมพิวเตอร์แม่ข่าย)
- ISO 14001 (สำหรับเครื่องคอมพิวเตอร์แม่ข่าย)
- FCC, EN, VCCI, CE (สำหรับเครื่องคอมพิวเตอร์แม่ข่าย - มาตรฐานการแพร่กระจายคลื่นแม่เหล็กไฟฟ้า)
- UL, EN, TUV, CSA, IEC (สำหรับเครื่องคอมพิวเตอร์แม่ข่าย - มาตรฐานความปลอดภัยด้านไฟฟ้า)
- Experience:
- ผู้เชี่ยวชาญด้านการจัดการข้อมูล (Big Data Platform) และธรรมาภิบาลข้อมูล (Data Governance) ต้องมี Certification ด้านจัดทำธรรมาภิบาลไม่น้อยกว่า 2 ปี
- ผู้เชี่ยวชาญด้านการคุ้มครองข้อมูลส่วนบุคคล (PDPA) ต้องมีประสบการณ์ในด้าน PDPA ไม่น้อยกว่า 2 ปี
- Technical Capabilities:
- ผู้ยื่นข้อเสนอต้องมีบุคลากรผู้เชี่ยวชาญด้านระบบคอมพิวเตอร์ (ตามที่ระบุในตาราง)
- ความรู้, ความสามารถ, ความเชี่ยวชาญ, และประสบการณ์ในการวิเคราะห์ข้อมูล
- Personnel:
- บุคลากรตามตารางที่กำหนด:
- ผู้เชี่ยวชาญด้านการจัดการข้อมูล (Big Data Platform) และธรรมาภิบาลข้อมูล (Data Governance): ปริญญาโท, 5 คน
- ผู้จัดการโครงการ (Project Manager): ปริญญาตรี, 2 คน
- ผู้เชี่ยวชาญด้านวิเคราะห์และออกแบบระบบสารสนเทศ (Systems Analysis): ปริญญาโท, 5 คน
- ผู้เชี่ยวชาญด้านวิทยาศาสตร์ข้อมูล (Data Science): ปริญญาโท, 4 คน
- ผู้เชี่ยวชาญด้านวิเคราะห์ข้อมูล (Data Analyst): ปริญญาตรี, 5 คน
- วิศวกรข้อมูล (Data Engineer): ปริญญาตรี, 3 คน
- ผู้เชี่ยวชาญด้านการคุ้มครองข้อมูลส่วนบุคคล (PDPA): ปริญญาตรี, 3 คน
- นักทดสอบระบบ (System tester): ปริญญาตรี, 2 คน
- นักพัฒนาระบบ (Programmer): ปริญญาตรี, 3 คน
- บุคลากรตามตารางที่กำหนด:
เกณฑ์การพิจารณา
- พิจารณาจากเกณฑ์ราคา
ข้อกำหนดทางเทคนิค
- ระบบงานการเชื่อมโยงและการแลกเปลี่ยนข้อมูล:
- เชื่อมโยงข้อมูลจากระบบงานสารสนเทศของสำนักงานศาลยุติธรรม (ตามรายการที่ระบุ)
- แปลงไฟล์ PDF และนำเข้าข้อมูล
- วิเคราะห์ชุดข้อมูลที่เกี่ยวข้อง
- จัดทำรายการชุดข้อมูล (Data Set and Data Catalog)
- จัดทำผังการไหลของข้อมูล (Data Flow)
- เชื่อมโยงข้อมูล (Data Linkage)
- จัดระเบียบข้อมูล (Data Cleansing หรือ Data Scrubbing)
- ระบบ Big Data SQL Tool:
- รองรับการจัดเก็บและบริหารจัดการข้อมูลแบบ File, Object, Stream และ NoSQL Database
- เป็นสถาปัตยกรรมการจัดเก็บข้อมูลแบบกระจาย (Distributed File System)
- สามารถติดตั้งได้บนสภาพแวดล้อมที่หลากหลาย (Bare Metal, Virtual Machine และ Cloud Instance)
- ระบบ Big Data Spatial & Graph Tool:
- เป็นระบบจัดเก็บข้อมูลภูมิสารสนเทศ (Geospatial Data Store)
- มีฐานข้อมูลสามารถจัดเก็บข้อมูลแบบฐานข้อมูลเชิงพื้นที่
- รองรับการนำเข้า (import) และส่งออก (export) ข้อมูลเชิงพื้นที่
- รองรับฐานข้อมูลประเภทกราฟ (Graph Database)
- ระบบ Big Data Analytics Tool:
- เป็นซอฟต์แวร์แพลตฟอร์มสำหรับ Data Engineer, Data Analyst และ Data Scientist
- มีเครื่องมือการประมวลผลข้อมูล (Data Processing)
- มีเครื่องมือสำหรับการวิเคราะห์และสืบค้นข้อมูลด้วยคำสั่ง SQL
- มีเครื่องมือ Business Intelligence (BI)
- เครื่องคอมพิวเตอร์แม่ข่าย: (รายละเอียดตามเอกสารแนบ 1)
เงื่อนไขสัญญา
- การจ่ายเงินเป็นงวดตามที่ระบุใน TOR
- ผู้ชนะการยื่นข้อเสนอจะต้องจัดทำรายละเอียดตามตารางราคา โดยให้ปรับลดราคาต่อหน่วยจากราคา กลางลงตามสัดส่วนของราคาที่ประมูลได้
คำถามที่พบบ่อย (FAQ)
- คำถาม: ข้อมูลที่นำมาวิเคราะห์ในโครงการนี้มีอะไรบ้าง?
คำตอบ: ข้อมูลหลักคือข้อมูลคำพิพากษาในอดีต รวมถึงข้อมูลจากระบบสารสนเทศต่างๆ ของศาลยุติธรรม เช่น ระบบสำนวนคดี, ระบบทะเบียนต่างๆ, และระบบอื่นๆ ที่เกี่ยวข้อง - คำถาม: ระบบจะช่วยให้ผู้บริหารศาลสามารถตัดสินใจได้อย่างไร?
คำตอบ: ระบบจะนำข้อมูลมาวิเคราะห์, สรุปผลในรูปแบบกราฟและแดชบอร์ด, ซึ่งช่วยให้ผู้บริหารเห็นภาพรวม, แนวโน้ม, และความสัมพันธ์ของข้อมูลต่างๆ เพื่อประกอบการตัดสินใจ - คำถาม: โครงการนี้มีการอบรมการใช้งานระบบอย่างไร?
คำตอบ: ผู้ชนะการยื่นข้อเสนอจะต้องจัดให้มีการอบรมการใช้งานระบบทั้งหมด 3 ระบบที่พัฒนาขึ้น - คำถาม: ระบบ Big Data SQL Tool มีความสามารถอะไรบ้าง?
คำตอบ: ระบบสามารถจัดเก็บและบริหารจัดการข้อมูลแบบ File, Object, Stream และ NoSQL Database, รองรับการทำงานแบบกระจาย (Distributed File System), และสามารถติดตั้งบนสภาพแวดล้อมที่หลากหลาย - คำถาม: บุคลากรที่ต้องมีประสบการณ์ด้าน PDPA ต้องมีประสบการณ์กี่ปี?
คำตอบ: ผู้เชี่ยวชาญด้านการคุ้มครองข้อมูลส่วนบุคคล (PDPA) ต้องมีประสบการณ์ไม่น้อยกว่า 2 ปี - คำถาม: ระบบจะรองรับการทำงานร่วมกับระบบอื่นๆ ของศาลยุติธรรมอย่างไร?
คำตอบ: ระบบจะทำการเชื่อมโยงข้อมูลจากระบบงานสารสนเทศของสำนักงานศาลยุติธรรมต่างๆ (ตามรายการที่ระบุ) เพื่อนำข้อมูลมาใช้งาน
เอกสารขอบเขตงาน (TOR) ฉบับเต็ม
| ลำดับ | ตำแหน่ง | วุฒิการศึกษา | ประสบการณ์ (ปี) | จำนวน (คน) |
|---|---|---|---|---|
| ผู้เชี่ยวชาญด้านการจัดการข้อมูล (Big Data Platform) และธรรมาภิบาลข้อมูล (Data Governance) | ไม่ต่ำกว่าปริญญาโท | 5 | ||
| ผู้จัดการโครงการ (Project Manager) | ไม่ต่ำกว่าปริญญาตรี | 2 | ||
| ผู้เชี่ยวชาญด้านวิเคราะห์และออกแบบระบบสารสนเทศ (Systems Analysis) | ไม่ต่ำกว่าปริญญาโท | 5 | ||
| ผู้เชี่ยวชาญด้านวิทยาศาสตร์ข้อมูล (Data Science) | ไม่ต่ำกว่าปริญญาโท | 4 | ||
| ผู้เชี่ยวชาญด้านวิเคราะห์ข้อมูล (Data Analyst) | ไม่ต่ำกว่าปริญญาตรี | 5 | ||
| วิศวกรข้อมูล (Data Engineer) | ไม่ต่ำกว่าปริญญาตรี | 3 | ||
| ผู้เชี่ยวชาญด้านการคุ้มครองข้อมูลส่วนบุคคล (PDPA) | ไม่ต่ำกว่าปริญญาตรี | 3 | ||
| นักทดสอบระบบ (System tester) | ไม่ต่ำกว่าปริญญาตรี | 2 | ||
| นักพัฒนาระบบ (Programmer) | ไม่ต่ำกว่าปริญญาตรี | 3 |
๑.๒ ซอฟต์แวร์เชื่อมโยงข้อมูล (Big Data Adapter) จำนวน ๑ ชุด
วัตถุประสงค์เพื่อใช้นำเข้าข้อมูลจากฐานข้อมูลต้นทางเข้าสู่ Data Platform เพื่อดำเนินการ
จัดทำ Data Warehouse โดยมีส่วนของคุณสมบัติดังต่อไปนี้
๑.๒.๑ เป็นฟังก์ชันที่ทำงานร่วมกับ Data Platform Management หรือการพัฒนาเพิ่มเติมได้ใน
กรณีที่ต้องการเชื่อมโยงข้อมูลต้นทางชนิดใหม่ ๆ
๑.๒.๒ ระบบการทำงานมีความสามารถ Data Connector เพื่อเชื่อมต่อฐานข้อมูลต้นทาง
กำหนดเวลาดึงข้อมูล ตรวจสอบโครงสร้างข้อมูลหรือรูปแบบที่เหมาะสม การตรวจสอบคุณภาพข้อมูลและ
นำเข้าข้อมูลเข้าสู่ Data Platform สำหรับการทำ Data Warehouse ต่อไป
๑.๒.๓ ส่วนของ Sources Input มีฟังก์ชันทำงานผ่าน Web UI โดยรองรับคุณสมบัติดังต่อไปนี้
๑.๒.๓.๑ สามารถเลือก Data Sources ได้หลาย Sources
๑.๒.๓.๒ รองรับ Sources Type ได้เป็นอย่างน้อยดังต่อไปนี้ MySQL, MSSQL, Oracle,
PostgresDB, Local File Local JSON, Local CSV, Local Excel, API
๑.๒.๓.๓ รองรับการนำเข้าข้อมูลจาก API ได้ทั้งแบบ No Authentication, API Key, Basic
Authentication
๑.๒.๓.๔ รองรับ API Source Format JSON, CSV, Excel, Parquet
๑.๒.๔ ส่วนของ Data Preparation มีฟังก์ชันทำงานผ่าน Web UI โดยรองรับคุณสมบัติดังต่อไปนี้
๑.๒.๔.๑ รองรับการจัดการ Schema เช่น Custom Field Name, Field Type
๑.๒.๔.๒ สามารถตั้งเวลาดึงข้อมูลได้
๑.๒.๔.๓ รองรับ Sync Mode ทั้งแบบ Overwrite และ Append
๑.๒.๔.๔ รองรับ Preview Data ก่อนนำเข้า
๑.๒.๕ ส่วนของ Output Data Store มีฟังก์ชันทำงานผ่าน Web UI โดยรองรับคุณสมบัติดังต่อไปนี้
๑.๒.๕.๑ รองรับ Data Store ด้วยวิธีการจัดเก็บข้อมูลไปยัง Data Store Engine ได้แก่ Spark
HDFS, Spark Hive, Cassandra ได้เป็นอย่างน้อย
๑.๒.๕.๒ รองรับรูปแบบการจัดเก็บ File Type ทั้งรูปแบบ CSV และ Parquet
๑.๒.๖ ระบบมี log แสดงการทำงาน การดึงข้อมูล และความผิดพลาดต่างๆ เพื่อใช้วิเคราะห์สาเหตุ
๑.๒.๗ สามารถตรวจสอบและควบคุมการทำงานได้อย่างน้อยดังนี้ แสดงการทำงานที่ปกติ, การ
ทำงานผิดพลาด, กำหนดหยุดการทำงาน
๑.๒.๘ สามารถใช้งานได้โดยไม่จำกัดจำนวน Data Sources
๑.๒.๙ ติดตั้งระบบให้บริการช่องทางนำเข้าแบบ API Data Sources เพื่อทำหน้าที่เป็น API
Gateway สำหรับรวบรวม API Endpoint จากข้อมูลต้นทางต่างๆที่ต้องการนำเข้าไปยังระบบจัดเก็บข้อมูล
๑.๒.๑๐ ติดตั้งระบบให้บริการ Real Time Data Sources สำหรับการนำเข้าข้อมูลประเภท Real
Time โดยทำงานในลักษณะของ Pub/Sub Database
โครงการพัฒนาระบบศูนย์กลางข้อมูลขนาดใหญ่ด้านระบบศาลยุติธรรม (Court Bie หากสนับสนุนการพิจารณาพิพากษาคดีและการบริหารจัดการงาน
๒๗/๔๓
๑.๓ ซอฟต์แวร์สำหรับทำหน้าที่จัดการระบบฐานข้อมูลขนาดใหญ่ (Big Data SQL Tool) จำนวน ๑ ชุด
๑.๓.๑ รองรับการจัดเก็บและบริหารจัดการข้อมูลแบบ File, Object, Stream และ NoSQL
Database ได้แบบรวมศูนย์ โดยต้องสามารถติดตั้งและใช้งานอยู่ภายใน Cluster เดียวกันได้
๑.๓.๒ เป็นสถาปัตยกรรมการจัดเก็บข้อมูลแบบกระจาย (Distributed File System) โดยมี
ความสามารถแบบ Random Read/Write และมีโครงสร้างการจัดเก็บ Metadata แบบกระจาย
๑.๓.๓ สามารถติดตั้งได้บนสภาพแวดล้อมที่หลากหลาย เช่น Bare Metal, Virtual Machine และ
Cloud Instance ได้โดยไม่ยึดติดกับ Hardware ใดๆ
๑.๓.๔ สามารถจัดเก็บและใช้งานข้อมูลในรูปแบบ File โดยมีคุณสมบัติดังต่อไปนี้
๑.๓.๔.๑ สามารถสร้าง Mount Path และใช้งานไฟล์ในรูปแบบ Directory ได้
๑.๓.๔.๒ สามารถกำหนดผู้เข้าใช้ (Authentication), สิทธิ์การเข้าถึงข้อมูล (Authorization)
และปริมาณในการใช้งาน (Quotas) ของข้อมูลแต่ละ Mount Path ได้อย่างอิสระ
๑.๓.๕ สามารถจัดเก็บและใช้งานข้อมูลในรูปแบบ Object โดยมีคุณสมบัติดังต่อไปนี้
๑.๓.๕.๑ สามารถสร้าง Bucket, อัปโหลด Object และ สร้าง IAM account ได้จาก Web-
based UI เดียวกัน
๑.๓.๕.๒ สามารถกำหนด Quota ในการใช้งานของแต่ละ Account ได้
๑.๓.๕.๓ สามารถเรียกดู และกู้คืนทุกเวอร์ชั่นของ Object ได้
๑.๓.๕.๔ สามารถบังคับใช้นโยบายเขียนครั้งเดียวอ่านหลายครั้ง (WORM) และสามารถกำหนด
ระยะเวลาในการเก็บรักษาข้อมูลได้
๑.๓.๕.๕ สามารถสืบค้นข้อมูลโดยไม่ต้องคัดลอกและโหลดไปยังแพลตฟอร์มอื่น ด้วยการใช้ SQL
Statement ได้ (Sm Select)
๑.๓.๖ สามารถจัดเก็บและใช้งานข้อมูลในรูปแบบ HDFS โดยต้องรองรับการทำงานร่วมกับ Apache
Hadoop Ecosystem เช่น Airflow, Drill, HBase, Hive, Hue, Kafka, NiFi, Ranger, Spark และ Zeppelin
ได้เป็นอย่างน้อย
๑.๓.๗ มีคุณสมบัติเป็น Global Namespace ทำให้สามารถมองเห็นและเข้าถึงข้อมูลที่อยู่ต่าง
Location ได้แบบรวมศูนย์ โดยมีคุณสมบัติดังต่อไปนี้
๑.๓.๗.๑ มีหน้าจอ UI ที่สามารถบริหารจัดการข้อมูลแบบ File, Object, Stream และ NoSQL
Database ได้จากหน้าจอเดียว และแสดงผลในรูปแบบ Graph View
๑.๓.๗.๒ สามารถ Import Object Storage จากภายนอก เช่น AWS S๓ หรือ Sm-compatible
storage อื่นๆ เข้ามาบริหารจัดการ เช่น สร้าง Bucket และอัปโหลด Object ได้จากหน้าจอเดียวกัน
๑.๓.๗.๓ สามารถ Import NFS Storage จากภายนอกเข้ามาบริหารจัดการได้จากหน้าจอ
เดียวกัน
โครงการพัฒนาระบบศูนย์กลางข้อมูลขนาดใหญ่ด้านระบบศาลยุติธรรม (Coutube Daบสนุนการพิจารณาพิพากษาคดีและการบริหารจัดการงาน
๒๘/๔๓
๑.๓.๘ รองรับการใช้งานร่วมกับแอพพลิเคชั่นประเภท Container และ Kubernetes ผ่านช่อง
ทางการเชื่อมต่อรูปแบบของ Container Storage Interface (CSI) ได้
๑.๓.๙ สามารถขยายขนาดของ Cluster ได้แบบ Scale-out ได้ไม่ต่ำกว่า ๓๐๐ Node และรองรับ
การขยายความจุของ Cluster ได้ในระดับ Exabytes
๑.๓.๑๐ มีการป้องกันข้อมูลสูญหาย (Data Protection) แบบ Replication และ Erasure Coding
โดยสามารถกำหนดจำนวนสำเนา (Replica) ของข้อมูลแต่ละชุดได้
๑.๓.๑๑ รองรับการใช้ NVMe, SSD และ HDD ร่วมกันภายใน Node เดียวกันในการจัดเก็บข้อมูลได้
๑.๓.๑๒ สามารถทำ Data Movement ระหว่าง Cluster และสามารถย้ายข้อมูลไปยัง Location อื่น
ได้ทั้ง On-premise และ Cloud โดยไม่ต้องพึ่งพาซอฟต์แวร์ ๓rd Party และสามารถกำหนด Schedule ได้
๑.๓.๑๓ รองรับการแบ่งระดับชั้นของข้อมูล (Data Tiering) เช่น Hot, Warm, Cold โดยสามารถ
กำหนด Policy เพื่อให้สามารถย้ายข้อมูลระหว่าง Tier ได้อัตโนมัติ
๑.๓.๑๔ รองรับการย้ายข้อมูลไปยัง Cloud Object Storage เช่น AWS S๓, Azure Blob, Google
Cloud Storage ได้เป็นอย่างน้อย โดยสามารถกำหนด Policy ในการย้ายข้อมูลได้
๑.๓.๑๕ สามารถทำ Snapshot เพื่อป้องกันการสูญหายของข้อมูล และสามารถกำหนด Schedule
และ Retention โดยสามารถกำหนด Policy ได้
๑.๓.๑๖ สามารถทำ Data Encryption ได้ทั้งในรูปแบบ Over-wired encryption และ At-rest
encryption
๑.๓.๑๗ สามารถบันทึกประวัติการเข้าถึง File, Directories และ Table Data ได้ สำหรับการปฏิบัติ
ตามข้อกำหนด
๑.๓.๑๘ เป็นซอฟต์แวร์ที่มีคุณสมบัติมาตรฐานเดียวกันทั่วโลก มีลิขสิทธิ์ถูกต้อง ไม่เป็นการดัดแปลง
เพื่อใช้ในโครงการนี้โดยเฉพาะ ได้รับการสนับสนุน และได้การรับรองจากเจ้าของผลิตภัณฑ์โดยตรง
๑.๓.๑๙ งานเพิ่มประสิทธิภาพระบบเครื่องแม่ข่ายเดิม รองรับซอฟต์แวร์แพลตฟอร์มสำหรับการ
วิเคราะห์ข้อมูล (Data Analytics) และเครื่องมือในการพัฒนา Machine Learning แบบครบวงจร
๑.๓.๑๙.๑ เพิ่มหน่วยความจำ (Memory) ขนาดรวมไม่น้อยกว่า ๒๕๖GB ต่อเครื่อง รวมจำนวน
ทั้งหมด ๘ เครื่อง สำหรับเครื่องแม่ข่าย ยี่ห้อ HPE รุ่น DL๓๘๐Gen๑๐ พร้อมทดสอบการทำงานให้มี
ประสิทธิภาพสมบูรณ์จากผู้ผลิต
๑.๔ ซอฟต์แวร์สำหรับบริการจัดการฐานข้อมูลขนาดใหญ่เชิงแผนที่และฐานข้อมูลกราฟ (Big Data
Spatial & Graph Tool) จำนวน ๑ ชุด
๑.๔.๑ เป็นระบบจัดเก็บข้อมูลภูมิสารสนเทศ (Geospatial Data Store)
๑.๔.๒ มีฐานข้อมูลสามารถจัดเก็บข้อมูลแบบฐานข้อมูลเชิงพื้นที่ ประเภท Vector Data ที่สามารถ
รองรับข้อมูลตั้งแต่ ๒ มิติ และ ๒.๕ มิติ พร้อมทั้งข้อมูลเชิงอธิบาย (Properties Data) โดยเป็นไปตาม
๒๙/๕๓
ข้อกำหนดการจัดเก็บข้อมูลภูมิสารสนเทศที่กำหนดโดย Open Standard ในมาตรฐาน GeoJSON และ GML
สามารถรองรับข้อมูลตั้งแต่ ๒ มิติ และ ๒.๕ มิติ
๑.๔.๓ รองรับการจัดเก็บข้อมูลเชิงพื้นที่ประเภท Raster Data ทั้งที่เป็นภาพดาวเทียม ภาพถ่ายทาง
อากาศ ภาพจากโดรน และภาพที่เกิดจากการประมวลผล โดยผู้ใช้งานสามารถเลือกได้ที่จัดเก็บภายในระบบ
หรือ การเชื่อมต่อกับระบบจัดเก็บข้อมูลภายนอก เช่น FTP หรือ AWS S๓ (Simple Storage Service) และ
จัดเก็บในรูปแบบ COG (Cloud Optimized GeoTIFF) เพื่อให้มีประสิทธิภาพในการเรียกใช้งานข้อมูล
๑.๔.๔ สามารถรองรับการนำเข้า (import) และส่งออก (export) ข้อมูลเชิงพื้นที่แบบ Vector ใน
รูปแบบไฟล์ โดยรองรับไฟล์นามสกุล ได้แก่ GeoPackage, ESRI Shapefile, KML, Mapinfo Tab File และ
GeoJSON
๑.๔.๕ มีการบันทึกประวัติการเขียนข้อมูล ได้แก่ ผู้ที่เขียนข้อมูล วันที่สร้างข้อมูล และวันที่ปรับปรุง
ข้อมูลล่าสุด ในแต่ละรายการข้อมูลเพื่อให้สามารถตรวจสอบและติดตาม การเปลี่ยนแปลงของข้อมูล
๑.๔.๖ ระบบรองรับให้ผู้ใช้งานสร้างการแสดงผลข้อมูลที่สามารถผสมผสานข้อมูลจากหลายแหล่ง
การกำหนดมาตรส่วนการแสดงผล การกำหนดขนาด การกำหนดสี การกำหนดไอคอน ของข้อมูล ได้อย่าง
อิสระ
๑.๔.๗ ระบบรองรับให้ผู้ใช้งานสามารถปรับเปลี่ยนการแสดงผลข้อมูล และบันทึกรูปแบบการ
แสดงผลข้อมูล ให้เป็น JSON Style และ มีส่วนของการจัดการ Style ผ่าน User Interface
๑.๔.๘ ระบบมีส่วนของฐานข้อมูลประเภทกราฟ (Graph Database)
๑.๔.๙ ระบบ Graph Database รองรับการใช้งานผ่าน cypher query
๑.๔.๑๐ มีเครื่องมือในการ Transform ข้อมูลในรูปแบบ Graph Schema
๑.๕ ซอฟต์แวร์สำหรับการวิเคราะห์ฐานข้อมูลขนาดใหญ่ (Big Data Analytics Tool) จำนวน ๑ ชุด
๑.๕.๑ เป็นซอฟต์แวร์แพลตฟอร์มสำหรับ Data Engineer, Data Analyst และ Data Scientist
มีเครื่องมือการใช้งานเป็นลักษณะเป็นระบบเปิด (Open Source) และต้องรองรับรูปแบบข้อมูลแบบเปิด
(Open Format) เพื่อป้องกันปัญหาเรื่องการผูกมัดกับผู้ผลิต (Vendor Lock-in)
๑.๕.๒ มีเครื่องมือการประมวลผลข้อมูล (Data Processing) ในการจัดการและประมวลผลข้อมูล
ขนาดใหญ่ โดยมีคุณลักษณะดังต่อไปนี้
๑.๕.๒.๑ มีความสามารถในการประมวลผลข้อมูลแบบ Batch และ Streaming
๑.๕.๒.๒ สามารถใช้งานได้หลากหลายกระบวนการ เช่น กระบวนการ ETL (Extract,
Transform, Load) และกระบวนการทำความสะอาดข้อมูล (Data Cleansing), การแปลงข้อมูล (Data
Transformation) ได้เป็นอย่างน้อย
ได้
๑.๕.๒.๓ รองรับการเขียนโปรแกรมด้วยภาษาที่หลากหลาย เช่น Python, Scala, Java และ R
๑.๕.๒.๔ สามารถทำงานแบบ Parallel Processing ด้วยเทคโนโลยี In-Memory Computing
๓๐/๔๓
๑.๕.๒.๕ รองรับการทำงานร่วมกับ GPU เพื่อเพิ่มประสิทธิภาพในการประมวลผล
๑.๕.๓ มีเครื่องมือสำหรับการวิเคราะห์และสืบค้นข้อมูลด้วยคำสั่ง SQL ผ่านหน้า UI ที่สามารถสืบค้น
และ JOIN, INNER JOIN ข้อมูลข้ามชุดข้อมูล (Federated Query) ได้ และต้องสามารถสร้าง View จาก
ผลลัพธ์ของการสืบค้นได้
๑.๕.๔ มีความสามารถในการทำการแคช (Cache) ข้อมูลได้ทั้งรูปแบบ Tables และ View เพื่อเพิ่ม
ประสิทธิภาพและความรวดเร็วในการเข้าถึงข้อมูล และต้องสามารถปรับเปลี่ยน Schema หรือชื่อ Column
ก่อนการบันทึกลง Cache ได้
๑.๕.๕ มีเครื่องมือสำหรับการสร้าง Workflow โดยไม่ต้องติดตั้งซอฟต์แวร์เพิ่มเติม เพื่อทำให้
กระบวนการไหลของข้อมูล (Data Pipeline) สามารถดำเนินการได้อัตโนมัติ โดยมีคุณสมบัติดังนี้
๑.๕.๕.๑ มี Web UI และระบบออโตเมชั่นที่สนับสนุนในการสร้าง, กำหนดการ, และควบคุมการ
ไหลของข้อมูล (Data Flow) ที่ซับซ้อนผ่านกราฟที่ไม่มีวัฏจักร (Directed Acyclic Graphs หรือ DAGs)
๑.๕.๕.๒ สามารถใช้งานร่วมกับเครื่องมือในการประมวลผลข้อมูล (Data Processing) ที่นำเสนอ
ได้อย่างไร้รอยต่อ โดยไม่ต้อง Customization
๑.๕.๕.๓ สามารถยืนยันตัวและเข้าหน้าจอ UI ผ่านกับระบบ Single Sign On (SSO) ในการ
ยืนยันตัวตนกับแพลตฟอร์มหลักได้
๑.๕.๖ มีเครื่องมือ Business Intelligence (BI) โดยไม่ต้องติดตั้งซอฟต์แวร์เพิ่มเติม เพื่อสร้างและ
นำเสนอข้อมูลในรูปแบบกราฟิกและรายงานที่สวยงามและมีประสิทธิภาพ โดยต้องสามารถยืนยันตัวและเข้า
หน้าจอ UI โดยใช้ระบบ Single Sign On (SSO) กับเครื่องมืออื่นได้
๑.๕.๗
สามารถสร้างและติดตั้งสภาพแวดล้อมสำหรับการพัฒนาแบบเบ็ดเสร็จ (IDE) ในการสร้าง
โมเดล (Model Building) เช่น JupyterLab, RStudio และ Visual Studio Code ได้เป็นอย่างน้อย
๑.๕.๘ มีเฟรมเวิร์คในการฝึกฝนโมเดล (Model Training) เช่น Tensorflow, Spark ML และ Ray
เป็นอย่างน้อย
โมเดลได้
๑.๕.๙ มีระบบในการติดตามโมเดล (Model Tracking) เพื่อใช้ในการเปรียบเทียบและวิเคราะห์
๑.๕.๑๐ มีระบบในการจัดการฟีเจอร์ของข้อมูล (Feature Management)
๑.๕.๑๑ มีระบบในการปรับใช้และจัดการโมเดล (Model Deployment) จัดการและค้นหา
คุณลักษณะของข้อมูลได้อย่างมีประสิทธิภาพ
๑.๕.๑๒ สามารถติดตั้งแอพพลิเคชันและเฟรมเวิร์คเพิ่มเติม (๓rd Party) นอกเหนือจากแอพพลิเคชั่น
และเฟรมเวิร์คเริ่มต้นที่มาพร้อมกับแพลตฟอร์ม และต้องสามารถใช้งานกับระบบ Single Sign On (SSO) ใน
การยืนยันตัวตนได้
โครงการพัฒนาระบบศูนย์กลางข้อมูลขนาดใหญ่ด้านระบบศาลยุติธรรม (Court Big Data) หรือทับสนุนการพิจารณาพิพากษาคดีและการบริหารจัดการงาน
๓๑/๔๓
๑.๕.๑๓ สามารถติดตั้งใช้งานได้บนโครงสร้างพื้นฐานที่หลากหลาย เช่น Virtualization, Bare
Metal, Kubernetes รวมไปถึงรองรับการติดตั้งได้ทั้งบน On-premise และ Public Cloud เช่น AWS,
Azure ได้
๑.๕.๑๔ มีระบบ Security แบบครบวงจร เช่น Zero Trust Authentication, Single Sign-On
(SSO) และ Role Based Access Control (RBAC) และสามารถเชื่อมต่อกับระบบ LDAP หรือ Microsoft
Active Directory ขององค์กรในการใช้งานระบบได้
๑.๕.๑๕ เป็นซอฟต์แวร์ที่มีคุณสมบัติมาตรฐานเดียวกันทั่วโลก มีลิขสิทธิ์ถูกต้อง ไม่เป็นการดัดแปลง
เพื่อใช้ในโครงการนี้โดยเฉพาะ ได้รับการสนับสนุน และได้การรับรองจากเจ้าของผลิตภัณฑ์โดยตรง
โครงการพัฒนาระบบศูนย์กลางข้อมูลขนาดใหญ่ด้านระบบศาลยุติธรรม pourะสนับสนุนการพิจารณาพิพากษาคดีและการบริหารจัดการงาน