Business analyst ค อ ม ความสำค ญอย างไร

ความรู้รู้รู้รู้ รู้ พื้รู้ พื้ พื้ นพื้ นฐาน การจัจั จั ดจั ดการข้ข้ ข้ อข้ อมูมูมู ล มู ล ขนาดใหญ่ญ่ ญ่ญ่ (Big Data)

คำ นำ ผู้จัดทำ หวังวัว่าว่หนังสือเรียรีนเล่มนี้จะเป็นประโยชน์ต่อผู้เรียรีน ได้ใช้เป็นเเนว ทางในการศึกษาหาความรู้ หากมีข้อเสนอเเนะประการใด คณะผู้จัดทำ ยินดีน้อมรับไว้ ด้วยความขอบคุณอย่างยิ่ง เพื่อให้เป็นไปตามอุดมการณ์และหลักการอาชีวศึกษา เนื้อหาสาระในหนังสือ เล่มนี้ได้ผ่านการวิเวิคราะห์เพื่อให้สอดคล้องกับประกาศกระทรวงศึกษาธิการ เรื่อรื่ง มาตรฐานการอาชีวศึกษา ที่มุ่งพัฒนากำ ลังคนระดัลกึ่งฝีมือ ระดับเทคนิค และระดับ เทคโนโลยี เพื่อให้เกิดคุณภาพตามสมรรถนะอาชีพที่กำ หนดไว้ แบบประเมินผลการ เรียรีนรู้สร้างขึ้นเพื่อเป็นเเนวทางในการจัดการเรียรีนรู้ต่อไป หนังสือเล่มนี้จัดทำ ขึ้นเพื่อเป็นส่วนหนึ่งของวิชวิา เทนโนโลยีดิจิทัลเพื่อการจัดการ อาชีพ (Digital Technology of Works) ซึ้ง ตรงตามจุดประสงค์รายวิชวิา สมรรถนะ รายวิชวิา และคำ อภิบายรายวิชวิา ได้ศึกษาผ่านแหล่งความรู้ต่างๆ อาทิเช่น หนังสือเรียรีน แหล่งความรู้จากเว็ปว็ ไซต์ต่างๆ

สารบัญ ความหมายของ Big Data คุณลักษณะของ Big Data ประโยชน์ของ Big Data องค์ประกอบที่สำ คัญของข้อมูล ตัวอย่างการใช้ข้อมูล Big Data ประเภทของ Big Data รูปแบบของข้อมูล Big Data กระบวนการทำ งานของ Big Data ข้อควรระวังวัในการใช้ Big Data Big Data เทคโนโลยีที่ช่วยการตลาด ให้มีประสิทธิภาพด้วยข้อมูล บุคลากรและทักษะการทำ Big Data ตัวอย่างการนำ Big Data ไปใช้ จะเริ่มริ่ต้นใช้ Big Data อย่างไรในธุรกิจให้เกิดประโยชน์สูงสุด การเริ่มริ่ทำ Big DataProjects Machine Learning เบื้องต้น การทำ Big Data Project ให้ประสบความสำ เร็จ 1 2-3 หน้า 4-5 6-8 9 10 11 12 13-14 15 16 17-23 24-25 29-32 28 26-27 สรุปสาระสำ คัญ 33

Big Data หมายถึง จำ นวนข้อมูลในรูปแบบต่างๆ ที่มีมากมาย มหาศาล ชนิดที่เรียรีกว่าว่ชอฟต์แวร์หรือรืฮาร์ดแวร์ธรรมดานั้นไม่สามารถ รองรับข้อมูลเหล่านี้ได้ โดยส่วนใหญ่แล้วข้อมูลเหล่านี้มักจะถูกใช้ในเชิง ธุรกิจเป็นข้อมูลที่ถูกเก็บไว้ใว้นองค์กร หรือรืบริษัริษัท เช่น ข้อมูลบริษัริษัท ข้อมูล สำ คัญของลูกค้า วิดีวิดีโอ ไฟล์รูปภาพ หรือรืไฟล์เอกสารต่างๆ ฯลฯ เป็นต้น แนวคิดคิเรื่อรื่งข้อข้มูล มู ขนาดใหญ่หญ่รือรื Big Data เป็น ป็ ของใหม่แม่ละมีกมีารเริ่มริ่ ทำ กันกัในไม่กี่ม่ ปีกี่มปีานี้แนี้ต่ต้ต่นต้กเนิดนิของชุด ชุ ข้อข้มูล มู ขนาดใหญ่ไญ่ด้มีด้กมีารริเริริ่มริ่สร้าร้ง มาตั้ง ตั้ แต่ยุต่ค ยุ 60 และในยุค ยุ 70 โลกของข้อข้มูล มู ก็ไก็ ด้เด้ริ่มริ่ต้นต้และได้พัด้ฒพันาศูน ศู ย์ ข้อข้มูง มู แห่งห่แรกขึ้นขึ้และทำ การพัฒพันาฐานข้อข้มูล มู เชิงชิสัมสัพันพัธ์ขึ้ธ์นขึ้มา ประมาณปี 20055 เริ่มริ่ได้มีด้กมีารตระหนักนัถึงถึข้อข้มูล มู เชิงชิปริมริาณมากที่ผู้ที่คผู้ น ได้สด้ร้าร้งขึ้นขึ้มาผ่าผ่นสื่อสื่ออนไลน์เน์ช่นช่ Facebook YouTube และสื่อสื่ออนไลน์ แบบอื่นอื่ๆ Hadoop เป็น ป็ โอเพนซอร์สร์เฟรมเวิร์วิกร์ที่ถูที่ก ถู สร้าร้งขึ้นขึ้มาในช่วช่ง เวลาเดียดีวกันกัให้เห้ป็น ป็ ที่เที่ก็บ ก็ และวิเวิคราะห์ข้ห์อข้มูล มู ขนาดใหญ่แญ่ละในช่วช่งเวลา เดียดีวกันกั NoSQL ก็ไก็ ด้เด้ริ่มริ่ขึ้นขึ้และได้รัด้บรัความนิยนิมมากขึ้นขึ้การพัฒพันาโอเพน ซอร์สร์เฟรมเวิร์วิกร์เช่นช่ Hadoop ( และเมื่อมื่เร็ว ร็ ๆนี้ก็นี้มี ก็ มีSpark ) มีคมีวามสำ มี ความสำ คัญคัต่อต่การเติบติโตของข้อข้มูล มู ขนาดใหญ่ เนื่อนื่งจากทางคุณ คุ ขนาด ใหญ่ไญ่ด้ง่ด้าง่ยและประหยัดยัเวลา วิวิ วิ วัวิ วั วั ฒ วั ฒนาการของ Big Data 1. คคววาามมหหมมาายยขขอองง BBiigg D Datataa 1

ถือได้ว่าว่เป็นต้นน้ำ เป็นแหล่งกำ เนิดของข้อมูลอาจจะเป็นระบบ โปรแกรม หรือรืจะเป็นมนุษย์ที่สร้างให้เกิดข้อมูลขึ้นมา ทั้งนี้ เมื่อได้ชื่อว่า เป็น Big Data แล้ว ข้อมูลต่างๆมักจะมาจากแหล่งข้อมูลที่หลากหลาย นำ พามาซึ่งความยากลำ บากในการจัดการโครงสร้าง หรือรืจัดเตรียรีมให้ ข้อมูลที่นำ มารวมกันนั้นมีความพร้อมใช้ต่อไป 1. DeviceData Source แหล่งที่มาของข้อมูล 22.. อองงค์ค์ค์ ค์ปค์ค์ปรระะกกออบบที่ที่ที่ ที่ สำที่ สำที่ สำสำสำสำคัคัคั คั ญคั ญคั ญขขอองงข้ข้ข้ ข้ อข้ อข้ อมูมูมูมู ล มู ล มู ล 2

2. Gateway ช่องทางการเชื่อโยงข้อมูล การเชื่อโยงข้อมูลเป็นส่วนที่สำ คัญมาก และเป็นปัญหาใหญ่ในการทำ Big Data Projectต้องอาศัยทักษะของ Data Engineerทั้งการ เขียนโปรแกรมเอง และใช้เครื่อรื่งมอที่มีอยู่มากมาย ทั้งนี้การจะ ออกแบบช่องทางการเชื่อมโยงข้อมูลได้อย่างสมบูรณ์แบบจำ เป็นต้อง ทราบก่อนว่าว่จะนำ ข้อมูลใดไปทำ อะไรต่อบ้าง มิเช่นนั้น การเชื่อโยงที่ ไม่มีเป้าหมายก็อาจเป็นการเสียเวลา 3. Storage แหล่งเก็บข้อมูล แหล่งเก็บที่ไม่ใช่แค่การเก็บข้อมูล แต่เป็นการเก็บข้อมูลจากแหล่ง ข้อมูลหลายๆ แหล่งเอามาไว้เว้พื่อรอการใช้งาน ซึ่งอาจจะเป็นที่พักก ข้อมูลให้พร้อมใช้จะเป็นแหล่งเก็บข้อมูลในอดีตก็เป็นได้ 4. Analytics การวิเวิคราะห์ข้อมูล ส่วส่นนี้เนี้ป็น ป็ หน้าน้ที่หที่ลักลัของ Data Scientist แบ่งบ่อออกเป็น ป็ 2 ลักลัษณะ คือคืการวิเวิคราะห์เห์บื้อบื้งต้นต้ โดยการใช้วิช้ธีวิสธีถิติถิติจะเป็น ป็ การวิเวิคราะห์เห์ชิงชิลึกลึโดย การสร้าร้ง Model แบบต่าต่งๆ รวใไปถึงถึการใช้ Machine Learning เพื่อพื่ ให้ไห้ด้ผด้ลลัพลัธ์เธ์ฉพาะเจาะจงในแต่ลต่ะปัญปัหา 5. Result/Action การใช้ผลการวิเวิคราะห์ข้อมูล ผลลัพธ์ที่ได้จากการวิเวิคราะห์สามารถใช้งานได้ 2 รูปแบบ คือ ออก เป็นรายงานเพื่อให้ Data Analyst นำ ผลลัพธ์ที่ได้ไปใช้กับงานทาง ธุรกิจต่อไป หรือรืจะเป็นการนำ ไปกระทำ เลยโดยที่ไม้ต้องมี "มนุษย์" คอยตรวจสอบ จำ เป็นต้องมีการเขียนโปรแกรมเพิ่มเพื่อให้มีการกระทำ ออกไปเรียรีกว่าว่ Artificial Intelligence (AI) 3

1. ปริริมริริาณ (Volume) หมายถึง มีปริมริาณข้อมูลอยู่มาก มีขนาดใหญ่ สามารถนับรวมได้ทั้งข้อมูลแบบ ออนไลน์และแบบออฟไลน์ โดยข้อมูลต้องมีขนาดใหญ่เกินกว่าว่ Terabyte ยกตัวอย่างเช่น การเข้าถึงอินเทอร์เน็ตของประชากรทั่วโลกที่มีจำ นวนเพิ่มมาก ขึ้นทุกปี ซึ่งแต่ละคนมีพฤติกรรมการใช้งานข้อมูลที่หลากหลาย ทำ ให้ปริมริาณ ของข้อมูลที่เกิดขึ้นมีจำ นวนมหาศาล 2. ความหลากหลาย (Variety) หมายถึงถึข้อข้มูล มู แต่ลต่ะชนิดนินั้น นั้ มีคมีวามหลากหลาย รวมกันกัทั้ง ทั้ รูปแบบมี โครงสร้าร้ง ไม่มีม่ โมีครงสร้าร้ง และกึ่งกึ่โครงสร้าร้ง 3. ความเร็ร็ ร็ วร็ ว (Velocity) หมายถึง ข้อมูลที่มีการเพิ่มขึ้นและเกิดความเปลี่ยนแปลงอย่างรวดเร็ว ทำ ให้ เกิดข้อมูลแบบ Real-time มากมาย อย่างเช่นข้อมูลการจราจร ซึ่ง Google Map ก็ได้ใช้ประโยชน์จากการเข้าถึง GPS ของผู้ที่สัญจรไปมาบน ท้องถนน เพื่อวิเวิคราะห์และนำ เสนอเส้นทางที่การจราจรคล่องตัวที่สุดให้กับ ผู้ใช้งาน 4. ความถูถูถู ก ถู กต้ต้ ต้ อต้ อง (Veracity) หมายถึง ข้อมูลที่มีคุณค่าต่อการนำ ไปใช้งาน สามารถก่อให้เกิดประโยชน์ ทางธุรกิจได้เป็นอย่างดี ยกตัวอย่างเช่น พฤติกรรมการค้นหาข้อมูลผ่าน Google ที่ทำ ให้สามารถทราบถึงความสนใจของผู้คนในช่วงเวลานั้นๆ ได้ 33.. คุคุคุคุ ณ คุ ณ คุ ณลัลัลั ลั กลั กลั กษษณณะะขขององ B Biigg D Datataa 4

5. คุคุคุ ณ คุ ณค่ค่ค่าค่ (Value) หมายถึง ข้อมูลมีประโยชน์ต่อกาารตัดสินใจเชิงธุรกิจและมีความสัมพันธ์เชื่อม โยงกับวัตวัถุประสงค์ของธูรกิจ 6. ความแปรผัผั ผั นผั น (Variability) หมายถึง นั้นรวบรวมข้อมูลไว้เว้ป็นจำ นวนมหาศาล สิ่งที่สำ คัญที่สุดก็คือ ความถูกต้องชัดเจนของข้อมูล ซึ่งจะเป็นส่วนสำ คัญที่จะสามารถนำ ข้อมูล เหล่านั้นมาประมวลผลเพื่อการใช้งานต่อในอนาคตได้ 5

44.. ปปรระะโโยยชชน์น์น์ น์ ข น์ ข น์ ขอองง B Biigg D Daattaa First Party Data หมายถึง ข้อมูลที่ธุรกิจเก็บด้วยตัวเอง เช่น รายงาน ข้อมูลการขาย ข้อมูลของลูกค้าผ่านระบบสมาชิกหรือรื CRM (Customer Relationship Management System) ข้อมูลจากคุกกี้ (Cookies) บนเว็บ ว็ ไซต์ หรือรืข้อมูลที่ได้จากแชท ฯลฯ รวมไปถึง ข้อมูลการมีส่วนร่วม บนโซเชียลมีเดียช่องทางต่าง ๆ ซึ่งข้อมูลแบบนี้เป็นสิ่งที่ธุรกิจสามารถ ควบคุมได้ หากจัดการอย่างเป็นระบบ ก็จะได้ข้อมูลคุณภาพที่สามารถใช้ ทำ ความเข้าใจลูกค้าได้อย่างดี Second Party Data หมายถึง ข้อมูลที่มาจากแหล่งอื่น ซึ่งได้จากการที่ ตกลงแลกเปลี่ยนหรือรืซื้อขายจากแหล่งข้อมูลอื่น (หรือรื First Party Data ของคนอื่น) ส่วนมากธุรกิจจะต้องการข้อมูลชนิดนี้ เมื่อข้อมูลที่มีอยู่ ไม่เพียงพอกับโจทย์ที่ต้องการตอบ เช่น ธุรกิจเครื่อรื่งสำ อางต้องการ ทำ ความเข้าใจพฤติกรรมของคนที่ซื้อเครื่อรื่งสำ อางผ่านเว็บอีคอมเมิร์ซ Third Party Data หมายถึง ข้อมูลจากแหล่งข้อมูลเปิดหรือรืจากบุคคล ที่สาม ส่วนใหญ่แล้วเป็นแพลตฟอร์มหรือรืเครื่อรื่งมือที่รวมข้อมูลจากแหล่ง ต่าง ๆ มาไว้ก่ว้ ก่อนแล้ว เช่น Facebook หรือรื Google ก็ถือเป็นหนึ่งใน ตัวอย่าง Third Party Data ที่รวมข้อมูลด้านพฤติกรรมและความสนใจ ของผู้บริโริภคส่วนใหญ่เอาไว้ โจทย์ของการใช้ข้อมูลชุดนี้ คือ การกรอง และจัดการเพื่อนำ มาใช้ เพราะข้อมูลจะมีปริมริาณมหาศาล 1. ธุรกิจใช้ Big Data เพื่อทำ ความเข้าใจลูกค้าและผู้บริโริภค Big Data มักถูกนำ มาใช้เพื่อหาความต้องการ ปัญหา และทำ ความเข้าใจ พฤติกรรมของลูกค้าและผู้บริโริภคมากที่สุด เพราะเป็นข้อมูลตั้งต้นให้ธุรกิจนำ ไปต่อยอดเป็นโปรดักต์ นำ ไปปรับปรุงบริกริาร/สินค้า ออกแบบกลยุทธ์การ ตลาดและการสื่อสารที่ได้ผลกับพวกเขา ในปัจจุบัน ธุรกิจสามารถเข้าถึงแหล่งข้อมูลในการทำ ความเข้าใจผูบริโริภคได้ มากมาย ซึ่งสามารถแยกแหล่งข้อมูลเป็น 3 ประเภทหลัก ได้แก่ (E-commerce) จึงติดต่อขอซื้อข้อมูลเพื่อหา Consumer Insight ในมุมกว้าว้ง 6

2. ธุรกิจใช้ Big Data เพื่อคาดการณ์เทรนด์หรือ รืสิ่งที่กำ ลังจะเกิดขึ้น ธุรกิจใช้ Big Data คาดการณ์สิ่งที่จะเกิดขึ้นในอนาคต เทรนด์ ความนิยม ความต้องการของผู้บริโริภคในอนาคต ใช้สำ หรับคาดการณ์พฤติกรรมของ ลูกค้า เพื่อคว้าว้โอกาสที่กำ ลังมาถึงหรือรืธุรกิจสามารถเตรียรีมรับมือกับความ ท้าทายที่เกิดขึ้น ยกตัวอย่างเช่น บริษัริษัทประกันและธนาคารใช้ Big Data เพื่อวิเวิคราะห์ความน่าเชื่อถือ (Credit) ของลูกค้าแต่ละราย หารูปแบบพฤติกรรมของลูกค้าแต่ละรายถึง แนวโน้มในการชำ ระหนี้หรือรืความเสี่ยงต่าง ๆ ที่ลูกค้าอาจเผชิญ เพื่อที่บริษัริษัท ประกันจะบริหริารความเสี่ยงและสินทรัพย์ได้ หรือรืตัวอย่างการวิเวิคราะห์เทรนด์แบบเรียรีลไทม์ เช่น การวิเวิคราะห์อัตราการ เติบโตของหุ้น ความนิยมของสินค้า หรือรืการใช้ปัญญาประดิษฐ์ (AI: Artificial Intelligence) วิเวิคราะห์หุ้นหรือรืราคาสินทรัพย์ เพราะดึงข้อมูล ปริมริาณมหาศาลมาวิเวิคราะห์ร่วมกับข้อมูลที่อัปเดตแบบเรียรีลไทม์ 3. ธุรกิจใช้ Big Data เพื่อปรับปรุงการทำ งานให้มีประสิทธิภาพมากขึ้น Big Data ไม่ได้ถูกนำ มาใช้แค่ในการทำ การตลาดเท่านั้น แต่ยังถูกนำ มาใช้ เพื่อวิเวิคราะห์กระบวนการทำ งานเพื่อประสิทธิผลของการทำ งาน อีกทั้ง ยัง ลดค่าใช้จ่ายให้ธุรกิจได้อีกด้วย ยกตัวอย่าง บริษัริษัทขนส่งพัสดุเจ้าใหญ่ของโลก UPS ใช้ Big Data เข้ามา ติดตามข้อมูลการขนส่ง เช่น ความเร็วที่รถขนส่งใช้ การเบรก และเส้นทาง ที่ใช้ เมื่อนำ มาประมวลผลร่วมกับระบบ GPS และปรับเปลี่ยนเส้นทางใน การขนส่งใหม่ ทำ ให้ UPS สามารถลดระยะทางการขนส่งได้ถึง 85 ล้าน ไมล์ต่อวันวัและประหยัดน้ำ มันได้ 8 ล้านแกลลอน ซึ่งเมื่อคำ นวณโดยคร่าว ทุก ๆ 1 ไมล์ ที่รถทุกคันร่นระยะลงได้ จะช่วยบริษัริษัทประหยัดงบประมาณได้ ถึง 30 ล้านดอลลาร์ 7

4. ธุรกิจใช้ Big Data เพื่อมอบประสบการณ์ลูกค้าที่ดีขึ้น Big Data สามารถนำ มาใช้เพื่อสร้างประสบการณ์ลูกค้าที่ดีได้ โดยใน ปัจจุบันเราจะเห็นตัวอย่างการนำ ข้อมูลมาใช้ปรับปรุงประสบการณ์การใช้ งานบนโลกดิจิทัลมากขึ้น เพราะสามารถเชื่อมต่อข้อมูลต่าง ๆ และใช้ ประโยชน์ได้ทันที ยกตัวอย่างเช่น ระบบ Recommend Engine หรือรือัลกอริทึริทึมคัดสรร เพลง หนัง หรือรืคอนเทนต์ของ Netflix, Spotify, YouTube หรือรืโซเชีย ลมีเดีย การทำ การตลาดแบบเฉพาะบุคคล (Personalized Marketing) ข้อมูลที่นำ เสนอหรือรืสารที่ใช้พูดคุยถูกปรับเปลี่ยนให้เหมาะสมกับลูกค้าแต่ละ รายชื่อและระดับการตัดสินใจ หรือรืระบบ Customer Support ที่ช่วยสร้าง หมายหรือรื Ticket ให้กับพนักงาน มีการคัดกรองลูกค้า และจัดประเภทให้ อัตโนมัติ รวมถึงมี Chatbot ที่คอยให้ความช่วยเหลือในเบื้องต้น 8

55.. ตัตัตั ตั วตั วตั วออย่ย่ย่ ย่ าย่ าย่ างงกกาารรใใช้ช้ช้ ช้ ข้ช้ ข้ช้ ข้ ข้ อข้ อข้ อมูมูมูมู ล มู ล มู ล BBiigg DDaattaa 1.การใช้ข้ช้อข้มูล มู ในการดึงดึดูด ดู และรักรัษาลูก ลู ค้าค้ลูก ลู ค้าค้คือคืทรัพรัย์สิย์นสิที่สำที่สำคัญคัที่สุที่ด สุ ที่คุที่ณ คุ ควรใส่ใส่จไม่มีม่ธุมีร ธุ กิจกิใดที่สที่ามารถประสบความสำ เร็จ ร็ได้โด้ดยปราศจากการสร้าร้งฐาน ลูก ลู ค้าค้ที่แที่ข็ง ข็ แรง อย่าย่งไรก็ต ก็ ามต่อต่ ให้คุห้ณ คุ มีฐมีานลูก ลู ค้าค้ที่แที่ข็ง ข็ แรง แต่หต่ากคุณ คุ ละเลยที่จที่ะ ศึกศึษาว่าว่ลูก ลู ค้าค้ของคุณ คุ จริงริๆแล้วล้ต้อต้งการสิ่งสิ่ใด มันมัง่าง่ยมากเลยที่คุที่ณ คุ จะนำ เสนอสิ่งสิ่ที่ “ลูก ลู ค้าค้ไม่ต้ม่อต้งการ” ในที่สุที่ด สุ ก็จ ก็ ะทำ ให้คุห้ณ คุ สูญสู เสียสีลูก ลู ค้าค้ไปและสิ่งสิ่นี้จนี้ะเป็น ป็ อุป อุ สรรคต่อต่ เส้นส้ทางสู่คสู่ วามสำ เร็จ ร็ 2. การใช้ข้ช้อข้มูล มู เพื่อพื่แก้ไก้ขปัญหาผู้โผู้ฆษณาและเสนอข้อข้มูล มู เชิงชิลึกลึทางการตลาด การ วิเวิคราะห์ Big Data สามารถช่วช่ยจับจัคู่รคู่ ะหว่าว่งความคาดหวังวัของลูก ลู ค้าค้กับกัธุร ธุ กิจกิได้ ซึ่งซึ่รวมถึงถึการเปลี่ยลี่นสายผลิตลิภัณภัฑ์ขฑ์องธุร ธุ กิจกิให้ตห้อบโจทย์คย์วามต้อต้งการลูก ลู ค้าค้มาก ขึ้นขึ้และมั่น มั่ ใจได้ว่ด้าว่ ในการทำ แคมเปญการตลาดและการโฆษณานั้น นั้ มีปมีระสิทสิธิภธิาพ มากขึ้นขึ้ซึ่งซึ่ในความเป็นจริงรินั้น นั้ หลายธุร ธุ กิจกิได้สูด้ญสู เสียสีเงินงิไปจำ นวนมาก ในการทำ แคมเปญโฆษณาที่ผที่ลลัพลัธ์ไธ์ม่เม่ป็นไปตามความต้อต้งการ นั้น นั้ อาจเป็นเพราะพวกเขาได้ ข้าข้มขั้น ขั้ ตอนในการวิเวิคราะห์ข้ห์อข้มูล มู ก่อก่นลงมือมืทำ โฆษณานั้น นั้ 3. การวิเวิคราะห์ข้ห์อข้มูล มู สำ หรับรัการจัดจัการความเสี่ยสี่ง แผนการจัดจัการความเสี่ยสี่งเป็น ป็ การ ลงทุน ทุ ที่สำที่สำคัญคัสำ หรับรัหลายๆธุร ธุ กิจกิเพราะปัจปัจุบั จุ นบัหลายๆอย่าย่งต่าต่งเคลื่อลื่นไหวหรือรื เปลี่ยลี่นแปลงอยู่ตยู่ ลอดเวลา ซึ่งซึ่ความสามารถในการมองเห็น ห็ ถึงถึความเสี่ยสี่งที่อที่าจเกิดกิขึ้นขึ้และ สามารถลดความเสี่ยสี่งนั้น นั้ ก่อก่นที่จที่ะเกิดกิขึ้นขึ้เป็น ป็ สิ่งสิ่สำ คัญคัอย่าย่งมากสำ หรับรัการทำ ธุร ธุ กิจกิซึ่งซึ่ เราจะใช้กช้ารวิเวิคราะห์ข้ห์อข้มูล มู มาใช้ใช้นการวางแผนประเมินมิความเสี่ยสี่งที่อที่าจเกิดกิขึ้นขึ้โดยสามารถ วัดวัและจำ ลองถึงถึความเสี่ยสี่งที่ต้ที่อต้งเผชิญชิหน้าน้หรือรือีกอีนัยนัหนึ่งนึ่การลดความเสี่ยสี่งทำ ให้ธุห้ร ธุ กิจกิ สามารถทำ กำ ไรได้มด้ากขึ้นขึ้ 9

66.. ปปรระะเเภภททขขอองง BBiigg DDaattaa ข้อมูลที่มีโครงสร้างชัดเจน (Structured Data) หมายถึง ชุดข้อมูลที่ มีการจัดเรียรีงโครงสร้างอย่างเป็นระเบียบมีความชัดเจนหรือรืระบุได้ด้วย ตัวเลข พร้อมใช้งานได้ทันทีเช่นจำ นวนการซื้อขายกับลูกค้า เปอร์เซ็นต์ ความเคลื่อนไหวภายในตลาดหุ้น ฯลฯ ข้อมูลที่ไม่มีโครงสร้าง (Unstructured Data) หมายถึง ชุดข้อมูลที่มี โครงสร้างไม่ชัดเจนหรือรืไม่สามารถระบุความแน่นอนของข้อมูลนั้นๆได้ยัง ไม่สามารถประมวลผลเพื่อนำ ไปใช้ได้ทันที อย่างเช่น บทสนทนาโต้ตอบกับ ลูกค้าทาง Social Media ข้อมูลกึ่งมีโครงสร้าง (Semi-Structured Data) หมายถึง ชุดข้อมูล ที่มีโครงสร้างระดับหนึ่งแต่ยังไม่สมบูรณ์ เช่น สเตตัสใน Social Media เป็นข้อมูลที่ไม่มีโครงสร้าง แต่ในกรณีที่มี Hashtag (#) เข้ามาช่วยใน การจัดหมวดหมู่ จะทำ ให้ข้อมูลมีความเป็นระเบียบขึ้นมาเล็กน้อย 10

ข้อมูลเชิงพฤติกรรม เช่น เซิร์ฟเวอร์ล๊อก การรคลิกเข้ามาดูข้อมูลทางเว็บไซต์ 1. การเข้ามาใช้บัตร ATM ในการกดเงิน 2. ข้อมูลภาพและเสียง เช่นวิดิวิดิโอ รูปภาพ 3. ข้อมูลข้อความ เช่น การส่งข้อความ 4. ข้อมูลที่ถูกบันทึกไว้ เช่น ข้อมูลทางการแพทย์ 5. ข้อมูลทางเซนเซอร์ เช่น ข้อมูลทาง ภูมิศาสตร์ ข้อมูลอุณหภูมิต่างๆ 77.. รูรูรูรูรู ป รู ปแแบบบบขขอองงข้ข้ข้ ข้ อ ข้ อ ข้ อมูมูมูมู ล มู ล มู ล B Biigg D Daattaa 11

88.. กกรระะบบววนนกกาารรทำทำทำทำทำทำงงาานนขขอองง B Biigg D Daattaa 1. จัดเก็บข้อมูล (Storage) เป็นขั้นตอนการจัดเก็บรวบรวมข้อมูลทั้งหมดจากแหล่งต่างๆ ไม่ว่าจะเป็น ข้อมูลที่มีคุณภาพรวมถึงข้อมูลที่คาดว่าอาจจะเป็นประโยชน์ ไม่ว่าจะเป็น ข้อมูลที่เป็นตัวอักษร ไฟล์เอกสาร ไฟล์รูปภาพ ไฟล์วีดีวีดีโอ ไฟล์เสียงที่ถูก บันทึก จะถูกเก็บรวบรวมไว้ที่ว้ ที่นี่ การประมวลผลข้อมูล หลังจากที่นำ ข้อมูลมารวบรวมไว้ได้ในที่เดียวแล้ว ข้อมูลต่างๆ จะถูกนำ ไปจัดหมวดหมู่ให้อยู่ในกลุ่มที่มีความเกี่ยวข้องกัน หรือรืความสัมพันธ์ใกล้เคียงกัน ให้ผลลัพธ์คล้ายคลึงกันมากที่สุด แล้วจึง นำ มาเปลี่ยนเป็นรูปแบบข้อมูลเพื่อนำ เอาข้อมูลที่มีอยู่เหล่านี้เข้าระบบ ข้อมูลที่ผ่านการประมวลผลแล้ว 2. การประมวลผลข้อมูล (Processing) 3. การวิเวิคราะห์ข้อมูล (Analyst) การวิเวิคราะห์ข้อมูลและนำ เสนอข้อมูล หลังจากที่ข้อมูลทั้งหมดได้ถูกจัดกลุ่ม และแยกประเภทเรียรีบร้อยแล้วนั้น ต่อจากนั้นจะนำ มาวิเวิคราะห์หา Pattern ความเกี่ยวข้องกันทั้งหมด ที่อาจมองไม่เห็นได้เลยด้วยตา ไม่ว่าว่จะเป็นการหา แนวโน้มของการตลาด ความต้องการของลูกค้า กระแสที่อาจเกิดขึ้นได้ใน อนาคต และข้อมูลด้านอื่นที่เป็นประโยชน์ และจัดมานำ เสนอในรูปแบบต่างๆ ไม่ว่าว่จะเป็นรูปภาพหรือรืกราฟ 12

99.. ข้ข้ข้ ข้ อ ข้ อ ข้ อคคววรรรระะวัวัวัง วั ง วั ง วัใในนกกาารรใใช้ช้ช้ ช้ Bช้ช้ Biigg D Daattaa 1. เลือกเชื่อตัวเองมากกว่าว่ข้อมูลที่ได้จาก Big Data ความล้มเหลวหลังจากที่เลือกใช้ Big Data ทีมบริหริารยังคงเลือกที่จะเชื่อตัว เองมากกว่าว่ถึงแม้ว่าว่ข้อมูลที่ได้มากจาก Big Data นั้นจะเป็นข้อมูลที่เป็น เหตุเป็นผลแล้วก็ตาม 2. เลือกใช้เครื่อรื่งมือแก้ไขปัญหาที่ผิด หลังจากที่เริ่มริ่ต้นใช้ Big Data เข้ามาใช้ในองค์กรแล้วแต่ด้วย Big Data อาจเป็นเทคโนโลยีใหม่ในองค์กร คนในองค์กรอาจจะยังเลือกใช้เทคโนโลยี ในรุ่นเก่าที่คุ้นชินมากกว่าว่เข้ามาแก้ไขปัญหาทำ ให้การใช้เทคโนโลยี Big Data ในองค์กรไม่สำ เร็จ 3. ขาดแคลนบุคลากรที่มีทักษะด้าน IT เนื่องจากเทคโนโลยี Big Data เป็นเทคโนโลยีที่มีความทันสมัย จึงจำ เป็น ต้องใช้บุคลากรที่มีความรู้และความชำ นาญในด้าน IT เป็นอย่างมาก หาก ขาดบุคลากรด้านนี้ไปก็อาจทำ ให้การใช้ Big Data ในองค์กรสำ เร็จได้ยาก 13

4. อาจเกิดปัญหาที่ Big Data ก็ไม่สามารถแก้ไขได้ การใช้เทคโนโลยี Big Data ในองค์กรก็อาจเกิดปัญหาขึ้นมาได้ซึ่ง Big Data ก็ไม่สามารถแก้ไขปัญหาในส่วนนี้ได้ โดยอาจจะเป็นปัญหาด้าน อินเตอร์เน็ต หรือรืขาดบุคลากรที่มีความรู้ความสามารถด้าน IT 5. การใช้เทคโนโลยี Big Data ที่อาจสวนทางกับการวางแผนขององค์กร การนำ Big Data ไปปรับใช้ในองค์กรจะไม่สามารถประสบสำ เร็จได้เลยหาก ขาดการสนับสนุนที่ดีจากองค์กรหรือรืให้ความสำ คัญกับแผนอื่นมากกว่า 6. ขาดการเก็บข้อมูลที่มากเพียงพอ ในหลายองค์กรอาจขาดการเก็บข้อมูลเพิ่มเติม ซึ่งในหลายองค์กรหลีก เลี่ยงที่จะหาข้อมูลเอง เนื่องจากการเพิ่มขั้นตอนในการทำ งาน อาจทำ ให้ ข้อมูลที่วิเวิคราะห์มาอาจคลาดเคลื่อนได้เนื่องจากขาดข้อมูลที่สำ คัญไป 14

Big Data เป็น ป็ เทคโนโลยีที่ยีมีที่ปมีระโยชน์สน์ามารถนำ ไปประยุก ยุ ต์ใต์ช้ไช้ด้หด้ลากหลาย ด้าด้นไม่ว่ ม่าจะเป็น ป็ การวางแผนระดับดัประเทศ การวางแผนธุร ธุ กิจกิในองค์กค์ร การ วางแผนด้าด้นการศึกศึษา การวางแผนด้าด้นการแพทย์ และในด้าด้นอื่นอื่ๆ อีกอีหลาก หลายด้าด้น ถึงถึแม้ว่ ม้า Big Data จะมีปมีระโยชน์อน์ยู่มยู่ าก แต่หต่ากขาดการสนับนัสนุน นุ ที่ดีที่จดีากองค์กค์รก็อ ก็ าจทำ ให้ไห้ม่ปม่ระสบความสำ เร็จ ร็ได้ นอกจากนี้ยันี้งยัจำ เป็น ป็ ต้อต้งใช้เช้งินงิลงทุน ทุ ในช่วช่งแรก และต้อต้งการบุค บุ ลากรที่มีที่มี ความรู้ครู้วามสามารถด้าด้น IT อย่าย่งมาก การเชื่อชื่มต่อต่อินอิเตอร์เร์น็ต น็ ที่มีที่มี ประสิทสิธิภธิาพก็มี ก็ คมีวามสำ คัญคัอย่าย่งมากเช่นช่เดียดีวกันกัทั้ง ทั้ในการเชื่อชื่มต่อต่หาข้อข้มูล มู และรวบรวมข้อข้มูล มู ซึ่งซึ่ในอนาคตเทคโนโลยี Big Data จะมีคมีวามสำ คัญคั ในการ ใช้ชีช้วิชีตวิประจำ วันอย่าย่งมาก เนื่อนื่งจากข้อข้มูล มู ที่มีที่อมียู่ทั้ยู่ ง ทั้ หมดจะสามารถนำ ไป วิเวิคราะห์แห์ละประมวลผลได้ทั้ด้ง ทั้ หมด 1100.. BBiigg DDaattaa เเททคคโโนนโโลลยียียี ยี ที่ ยี ที่ ยี ที่ ที่ ช่ ที่ ช่ ที่ ช่ ช่ ว ช่ ว ช่ วยยกกาารรตตลลาาดด ใให้ห้ห้ ห้ มี ห้ มี ห้ มี มีปมีมีปรระะสิสิสิ สิ ท สิ ท สิ ทธิธิธิ ธิ ภ ธิ ภ ธิ ภาาพพด้ด้ด้ ด้ ว ด้ ว ด้ วยยข้ข้ข้ ข้ อ ข้ อ ข้ อมูมูมูมู ล มู ล มู ล 15

1122.. บุบุบุบุ ค บุ ค บุ คลลาากกรรแแลละะทัทัทั ทั ก ทั ก ทั กษษะะกกาารรทำทำทำทำทำทำ B Biigg D Daattaa 1) Data Engineer (วิศวิกรข้อมูล) คนกลุ่มนี้จะทำ หน้าที่ติดตั้งและ ดูแลระบบข้อมูลต่างๆ ต้องมีทักษะด้าน System Administration เข้าใจการติดตั้งและดูแลระบบอย่าง Database, Hadoop Cluster, NoSQL หรือรืสามารถออกแบบ Data Architecture ต่างๆ 2) Data Developer (นักพัฒนาข้อมูล) มีหน้าที่ในการพัฒนา โปรแกรมที่นำ ข้อมูลมาวิเวิคราะห์ โดยต้องเรียรีนรู้ทักษะในการเขียน โปรแกรมภาษาต่างๆทั้ง Java, Python หรือรืSQL เพื่อจะใช้ เทคโนโลยีอย่าง Spark, Hive, Impala ฯลฯ 3) Data Analyst (นักวิเวิคราะห์ข้อมูล) คนกลุ่มนี้จะมีความรู้ในการ ที่จะนำ ข้อมูลมาวิเวิคราะห์ มีความเข้าใจเรื่อรื่ง Business a intelligence เข้าใจ Business Domain และมีความรู้ด้านสถิติดี 4) Data Visualizer (เครื่อรื่งมือสร้างภาพ้อมูลคนกลุ่มนี้จะมี ความสามารถในการนำ ข้อมูลมาแสดงผลเพื่อให้ผู้คนเข้าใจ.สามารถ ทำ Dashboard หรือรื Infographics ได้สวยงามและเข้าใจง่าย 5) Data Scientist (วิทวิยาศาสตร์ข้อมูล) คือคนที่จะนำ ข้อมูลมา วิเวิคราะห์ที่อาจเป็น Predictive Analytics คนกลุ่มนี้ต้องเก่ง คณิตศาสตร์เรียรีนรู้ Machine Learning เข้าใจ Algorithm ต่างๆ 16

1133.. ตัตัตั ตั ว ตั ว ตั วออย่ย่ย่ ย่ า ย่ า ย่ างงกกาารรนำนำนำนำนำนำ BBiigg DDaattaa ไไปปใใช้ช้ช้ ช้ช้ช้ ถือเป็นตัวอย่างการใช้ Big Data ที่โดดเด่นและใกล้ตัวเรามากที่สุด เพราะในแต่ละวันวัอย่างน้อยต้องมีสักครั้งที่เราต้องพึ่งพาเครื่อรื่งมือของเขา ไม่ว่าว่จะเป็นการเสิร์ชหาข้อมูล การดูแผนที่ Google Map การดู YouTube การทำ งานของ Google คือ การใช้ประโยชน์จาก Big Data ในทุกแง่มุม ตั้งแต่มีจักรกลในการตรวจสอบ (Crawling) เว็บ ว็ ไซต์จัดทำ ข้อมูลดัชนี (Indexing) และประมวลผลจัดอันดับ (Ranking) เพื่อนำ เสนอคอนเทนต์หรือรืเนื้อหาที่ผู้เสิร์ชอยากรู้ Google 17

ใช้ Big Data ที่ได้จากการเก็บข้อมูลสภาพอากาศ (Weather), การจราจร (Traffic), และช่วงเวลา (Time of a day) เพื่อนำ เสนอเมนูแบบ Personalized ตามปัจจัยต่าง ๆ บนจอดิจิทัลของร้านแบบไดรฟ์ทรู (Drive-thru) นำ เสนอโปรโมชันและแนะนำ เมนูตามรสนิยมของผู้ใช้งาน แอปพลิเคชัน ซึ่งได้จากการติดตามและวิเวิคราะห์พฤติกรรมการ สั่งของผู้ใช้งานแต่ละราย ช่วยให้ลูกค้าตัดสินใจเลือกเมนูได้เร็ว ขึ้นและร้านสามารถขายของได้มากขึ้น นำ ฐานข้อมูลทั้งหมด ทั้งพฤติกรรมการสั่งเมนูของลูกค้า ข้อมูล การขาย เพื่อออกแบบเมนูใหม่ ๆ หรือรืเปลี่ยนกลยุทธ์การขาย และการทำ การตลาดที่ชวนให้คนเข้าร้านอยู่ตลอด หนึ่งในบริษัริ ษัทอาหารจานด่วนที่นำ เทคโนโลยี Big Data เข้ามาใช้ใน การทำ งานและสร้างประสบการณ์ที่ดีขึ้นกว่าเดิมให้กับลูกค้า ผสม ผสานการทำ งานระหว่าง Big Data และ AI ถือเป็นอีกบริษัริ ษัทที่ใช้ การตลาดด้วยข้อมูล (Data-Driven Marketing) ในหลากหลาย แง่มุม เช่น McDonald’s 18

จำ เป็นต้องใช้ Big Data และข้อมูลจากร้านค้ารายย่อยจำ นวน มหาศาลเพื่อทำ ความเข้าใจห่วงโซ่อุปทานหรือรืห่วงโซ่การจำ หน่ายสินค้า ของบริษัริษัท เพื่อให้มั่นใจได้ว่าว่ร้านค้าตัวแทนจำ หน่ายจะมีสินค้าของ Pepsi เพียงพอที่จะขายให้กับลูกค้าที่เป็นผู้บริโริภค Pepsi ใช้ข้อมูลจากเครื่อรื่งคิดเงินระบบ POS และระบบคลังสินค้า (Warehouse & Inventory) ของร้านตัวแทนจำ หน่ายเพื่อทำ ความ เข้าใจว่าว่สินค้าตัวใด ขนาดและปริมริาณไหนที่ขายดี ขายได้เท่าไร เพื่อ วางแผนการขนส่งสินค้าในแต่ละภูมิภาคให้เพียงพอจัดจำ หน่าย รวมไปถึง วางแผนการผลิตที่พอเหมาะพอดีกับความต้องการ ถือได้ว่าว่ Big Data คือ เคล็ดลับของการขนส่งและจัดการกับห่วงโซ่อุปทาน (Supply Chain) อย่างมีประสิทธิภาพของ Pepsi Pepsi 19

บริษัริษัทการเงินที่ให้บริกริารบัตรชำ ระเงินหรือรืบัตรเครดิต ใช้ Big Data มาวิเวิคราะห์และคาดการณ์สถานการณ์การเงินของโลก รวมไปถึงใช้ วิเวิคราะห์หารูปแบบพฤติกรรมการใช้เงินของสมาชิกแต่ละราย จากการ บันทึกประวัติวั ติการทำ ธุรกรรมพร้อมตัวแปรมากกว่าว่ร้อยปัจจัย ทำ ให้บริษัริษัท สามารถคาดการณ์แนวโน้มที่ลูกค้าจะเปลี่ยนใจไปใช้บริกริารกับเจ้าอื่น บริกริารที่เขาน่าจะกำ ลังสนใจ หรือรืประเมินความน่าเชื่อถือในการชำ ระหนี้ นอกจากนี้ American Express ยังใช้ Big Data และ AI ในการ ช่วยตรวจจับธุรกรรมที่เป็นการทุจริตริได้จากรูปแบบธุรกรรมที่น่าสนใจ ช่วยป้องกันการทุจริตริให้กับลูกค้าที่ใช้บริกริาร American Express American Express 20

Tool ที่ใช้ร่วมกับ Big Data บน Netflix 1. เครื่อรื่งมือช่วยแนะนำ รายการแบบเรียรีลไทม์ 2. การเลือกภาพปก 3. การวางแผนการผลิต Netflix วันวั-เวลาที่รับชมคอนเทนต์ อุปกรณ์ที่เข้าแพลตฟอร์มมารับชมเนื้อหา ลักษณะของเนื้อหาเป็นแนวไหน การค้นหาบนแพลตฟอร์ม เนื้อหาคอนเทนต์ที่ชมซ้ำ การกดปุ่ม ปุ่ ต่างๆ เช่น การกดกรอ, หยุดชั่วคราว ฯลฯ ข้อมูลตำ แหน่งของผู้ใช้ เมื่อคุณออกจากคอนเทนต์ เช่น ดูครบไหม ฯลฯ คะแนนที่ให้โดยผู้ใช้งาน ฯลฯ ถึงเป็นแอปสตรีมรีมิ่งยอดฮิตมาอย่างยาวนานกว่าว่แอปพลิเคชันอื่น เหตุผล คือเขามีการเก็บข้อมูลของผู้ใช้งานที่มากกว่าว่ข้อมูลทั่วไป อย่างอายุ เพศ ประเทศ และรสนิยมการเลือกเสพสื่อ ฯลฯ แต่ในทุกครั้งที่ทาง Netflix ได้มีการเก็บข้อมูลที่ลงลึกไปมากกว่าว่นั้น เช่น พฤติกรรมการรับชมที่แตก ต่างกันไปในแต่ละวันวัเวลา อุปกรณ์ที่ใช้งาน บางครั้งอาจเก็บข้อมูลกระทั่ง สถานที่ที่รับชม ฯลฯ ซึ่งหากแยกเป็นข้อง่ายๆ ดังนี้ 21

Amazon หากพูดถึงบริษัริษัทยักษ์ใหญ่ในวงการค้าปลีก แน่นอนว่า “Amazon” คือหนึ่งในนั้นนั้ที่มี Big Data หรือรืฐานข้อมูลของลูกค้าจำ นวนมาก เช่น ชื่อ ลูกค้า ที่อยู่ ข้อมูลการชำ ระเงิน ประวัติการค้นหาสินค้า เป็น ป็ ต้น ซึ่งข้อมูล เหล่านี้สามารถเก็บไว้ใว้ช้ต่อยอดธุรกิจ หรือรืเพื่อโฆษณา และหากใครที่เคยติดต่อกับเจ้าหน้าที่ Amazon มาก่อน อาจจะสงสัยว่า ทำ ไมเจ้าหน้าที่จึงรู้รายละเอียด หรือรืความต้องการของคุณ นั่นนั่ก็เพราะ Big Data ที่ Amazon มี สามารถทำ ให้รู้ทันทีว่าลูกค้าที่ติดต่อเข้ามาเป็น ป็ ใคร ช่วยให้เจ้าหน้าที่ของ Amazon บริกริารลูกค้าได้อย่างตอบโจทย์ และสร้าง ความประทับใจให้กับลูกค้า โดยที่คุณยังไม่ทันได้บอกข้อมูลใด ๆ 22

Starbucks ในยุคที่กาแฟฮอตฮิตติดลมบน กาแฟชื่อดัง และคุณภาพดีคงหนีไม่พ้น “Starbucks” ที่อยู่ในคำ ตอบของใครหลายคน แต่คุณเคยสงสัยไหมว่า ทำ ไม Starbucks ถึงเลือกเปิดสาขาในบริเริวณใกล้ ๆ กัน และก็ไม่เห็นมี สาขาไหนเจ๊งเลยสักสาขา นั่นก็เพราะ Starbucks มีการใช้ Big Data เพื่อวิเวิคราะห์หาความเป็นไปได้ที่จะประสบความสำ เร็จในการเปิดสาขา ใหม่ ในแต่ละโลเคชั่น โดยวิธีวิธีการที่ Starbucks นำ มาใช้ คือ การเก็บรวบรวมข้อมูลที่ตั้ง การจราจร ข้อมูลประชากรในพื้นที่ รวมถึงพฤติกรรมของผู้บริโริภค และ ข้อมูลที่มีเพียงพอนั้นจึงทำ ให้ Starbucks วิเวิคราะห์พื้นที่ตั้งสาขา ประชากรศาสตร์ และคาดการณ์โอกาสธุรกิจในการเปิดสาขาใหม่ได้ อีก ทั้ง Big Data ยังช่วยประเมินผลการเติบโตของกิจการ ผลกำ ไร เพื่อลด โอกาสขาดทุนในอนาคต 23

1144.. จจะะเเริ่ริ่ริ่ริ่มริ่ริ่ม ริ่ริ่ริ่ต้ต้ต้ ต้ น ต้ น ต้ นใใช้ช้ช้ ช้ช้ช้BBiigg DDaattaa ออย่ย่ย่ย่าย่ย่างงไไรรใในน ธุธุธุธุ ร ธุ ร ธุ รกิกิกิ กิ จ กิ จ กิ จใให้ห้ห้ ห้ เ ห้ เ ห้ เกิกิกิ กิ ด กิ ด กิ ดปปรระะโโยยชชน์น์น์ น์ สูน์ สูน์ สูสู ง สู ง สู งสุสุสุสุ ด สุ ด สุ ด สำ หรับธุรกิจที่เล็งเห็นประโยชน์ในการใช้ Big Data และอยากเริ่มริ่ ต้นทำ Big Data ในองค์กรบ้าง เรามีคำ แนะนำ ในการเริ่มริ่ต้นทำ 5 ขั้นตอนสำ คัญด้วยกัน 1. กำ หนดเป้าหมายและกลยุทธ์การจัดการ Big Data เริ่มริ่ต้นจากการกำ หนดเป้าหมายทางธุรกิจ (Business Objective) ก่อน ว่าว่ ในขณะนี้ธุรกิจต้องการอะไร เพิ่มยอดขาย ลดค่าใช้จ่าย เข้าใจลูกค้า หากลุ่มเป้าหมายใหม่ ฯลฯ จากนั้นจึงตั้งคำ ถามที่ต้องการตอบ กำ หนดว่าว่ ต้องการใช้ข้อมูลอะไรบ้างและใช้เพื่ออะไร 2. กำ หนดแหล่งที่มาข้อมูล (Data Sources) ตีโจทย์จากเป้าหมายและกลยุทธ์ที่วางไว้อว้อกมาว่าว่สิ่งที่ต้องการตอบหรือรืใช้ นั้น ต้องการข้อมูลจากแหล่งข้อมูลใดบ้าง เช่น ข้อมูลยอดขาย ข้อมูลจากโซ เชียลมีเดีย ข้อมูลพฤติกรรมลูกค้าบนเว็บไซต์ ข้อมูลเชิงบริบริท (Contextual Data) ที่เกิดขึ้น ต้องดึงข้อมูลจากแหล่งไหน ข้อมูลจาก แหล่งข้อมูลเปิดต่าง ๆ ข้อมูลจากร้านค้าตัวแทนจำ หน่าย ข้อมูลจากภาครัฐ ข้อมูลการประสิทธิภาพจากสายผลิต ฯลฯ 3. นึกถึง Use Case ในการใช้งานข้อมูล จากข้อมูลที่มีทั้งหมด ธุรกิจสามารถนำ ไปใช้ประโยชน์อะไรได้บ้าง และ จะใช้อย่างไร พยายามนึกถึงกรณีใช้งานจริงริ (Use Case) โดยที่กรณีที่ ใช้งาน ควรต้องสอดคล้องกับเป้าหมายทางธุรกิจและแหล่งที่มาข้อมูลที่ กำ หนดไว้ก่ว้ ก่อนแล้ว เพื่อสอบทานดูอีกครั้งว่าว่ข้อมูลที่ใช้และวิธีวิธีที่จะใช้ จัดการกับข้อมูลสามารถตอบจุดประสงค์ที่กำ หนดไว้ได้หรือรืไม่ 24

4. เลือกเทคโนโลยีจัดการ Big Data Big Data Analytic Tool หรือรืเครื่อรื่งมือจัดการ Big Data อาจมี หลากหลายเครื่อรื่งมือด้วยกันหรือรืแยกระบบการทำ งาน อย่างไรก็ตาม ธุรกิจควรมีเครื่อรื่งมือที่ช่วยทั้งติดตามและเก็บข้อมูล ดึงข้อมูล ประมวลผล และวิเวิคราะห์ รวมไปถึงการนำ เสนอรายงานที่เข้าใจง่ายหรือรืจัดทำ Data Visualization ให้พร้อมสำ หรับการใช้ประโยชน์ เครื่อรื่งมือจัดการกับ Big Data ที่ดี ควรทำ งานร่วมกับเครื่อรื่งมืออื่น ๆ ได้ เช่น Marketing Technology และสามารถชี้ข้อมูลที่น่าสนใจ เปรียรีบเทียบข้อมูล นำ เสนอ รูปแบบของข้อมูลได้ทันที 5. ดำ เนินการและตัดสินใจด้วย Big Data การที่ธุรกิจวางแผนการใช้ Big Data อย่างเป็นระบบและเข้าใจ Use Case ในการใช้ข้อมูลเป็นอย่างดี จะนำ ไปสู่การวิเวิคราะห์และ การตัดสินใจที่หนักแน่นจากการมีข้อมูลอยู่ในมือ (Data-Driven Decision) มากกว่าการใช้เพียงสัญชาตญาณเท่านั้น ธุรกิจก็จะมี ความได้เปรียรีบในการทำ ธุรกิจมากขึ้น รู้จักลูกค้า และสามารถใช้ ข้อมูลมาทำ การตลาดทั้งการทำ Personlized Marketing, Marketing Automation, Contextual Marketing และ ประโยชน์ในด้านอื่น ๆ อีกมากมาย 25

1155.. กกาารรเเริ่ริ่ริ่ริ่มริ่ริ่ม ริ่ริ่ริ่ทำทำทำทำทำทำ BBiigg DDaattaaPPrroojjeeccttss 1.รับรองการส่งผ่านข้อมูลที่ยืดหยุ่นและปรับขนาดได้ ขั้นตอนแรกของ Data Pipeline ในองค์กรนั้นเกี่ยวข้องกับระบบต้นทางการ สื่อสารข้อมูล (Source Systems) และข้อมูลดิบ (Raw Data) โดยจะส่ง ข้อมูลจากต้นทาง(Ingest)ผสมผสาน (Blended)และวิเวิคราะห์ข้อมูล (Analyze) การผสมสานของข้อมูลที่หลากหลายจากไซโลทั่วทั้งองค์กรนั้นมัก นำ ไปสู่ข้อมูลเชิงลึกที่สำ คัญที่สุด 3. ส่งมอบข้อมูลเชิงลึกเกี่ยวกับการวิเวิคราะห์Big Data ที่สมบูรณ์ สิ่งสำ คัญที่จะช่วยปลดล็อคการวิเวิคราะห์เพื่อให้ได้มาซึ่งข้อมูลที่เป็นประโยชน์ สูงสุดจากHadoop นั่นก็คือ การพิจารณาอย่างรอบคอบเกี่ยวกับ กระบวนการทางธุรกิจแอพพลิเคชั่นและผู้ใช้ปลายทาง โดยข้อมูลผู้บริโริภคที่ แตกต่างกันนั้นก็อาจจำ เป็นที่จะต้องใช้เครื่อรื่งมือและวิธีวิธีการที่แตกต่างกัน ทั้งนี้ก็ขึ้นอยู่กับว่าว่พวกเขานั้นต้องการข้อมูลอะไร แผนต่างๆที่พวกเขาวางไว้ สำ หรับข้อมูลเหล่านั้น 2. ขับเคลื่อนการประมวลผลและการผสมผสานข้อมูลขนาดใหญ่ การวิเวิคราะห์ข้อมูลจาก Big data ยังต้องอาศัยหลักการพื้นฐานและเทคนิคบาง อย่าง จึงมีระดับของความเป็นนามธรรมที่ต่างจาก Hadoop หรือรืเครื่อรื่งมืออื่นๆ ดังนั้นการบำ รุงรักษาและพัฒนาแอพพลิเคชั่นที่ใช้ข้อมูลจำ นวนมากจึงกลายเป็น สิ่งที่ทุกคนสามารถเข้าถึงได้ง่ายกว่าว่ ไม่ได้จำ กัดเพียงกลุ่มเล็กๆ ของผู้เชี่ยวชาญ ด้านการเขียนโค้เท่านั้น ในโลกที่ Big Data มีการพัฒนาไปอย่างรวดเร็ว แผนกไอทีก็ยังต้องรักษาและ ออกแบบการแปลงสภาพของข้อมูล (Data Transformation) โดยไม่ต้อง กังวลกับการเปลี่ยนแปลงโครงสร้างพื้นฐาน องค์กรควรพยายามหาแนวทางที่ เป็นการผสานรวมระหว่าว่งการการควบคุม ความสามารถในการมองเห็นข้อมูลใน เชิงลึกและการใช้งานที่ง่ายขึ้น แทนที่การใช้กล่องดำ (Black Box) ในการแปลง ข้อมูลบน Hadoop 26

4. ใช้แนวทางเชิงโซลูชัน (Solution-Oriented) ในช่วงไม่กี่ปีที่ผ่านมา ความก้าวหน้าหลายๆ อย่างได้ถูกสร้างขึ้นในระบบ นิเวศ(Ecosystem)Hadoop และยังคงเติบโตในฐานะของแพลตฟอร์มเพื่อการ ปรับใช้กับองค์กรการผลิต (Production Enterprise) ในส่วนของข้อกำ หนด สำ หรับความคิดริเริริ่มริ่ด้านเทคโนโลยีนั้นมีแนวโน้มที่จะได้รับการพัฒนาและอยู่ใน ช่วงของการ "กำ ลังดำ เนินการ" ซึ่ง Hadoopก็ได้แสดงให้เห็นถึงองค์ประกอบ ใหม่ใน Data Pipeline ที่กว้าว้งขึ้น ผลที่ตามมาก็คือความคิดริเริริ่มริ่ที่เกี่ยวข้อง ใหม่ๆนั้นมักจะมีวิธีวิธีการแบบค่อยเป็นค่อยไป (Phased Approach) เมื่อคำ นึงถึงเรื่อรื่งนี้แล้ว ผู้ประเมินซอฟต์แวร์ต่างก็รู้ว่าว่พวกเขาไม่สามารถพบกับ อุปกรณ์ที่มีทุกอย่างครบครัน ( Off-the-shelf )เพื่อตอบสนองความต้องการ ด้านข้อมูลและการวิเวิคราะห์ของ Hadoopได้ ทั้งในปัจจุบันและในอนาคตข้าง หน้า ซึ่งในปัจจุบันนี้คำ ว่าว่ "รองรับอนาคต" 5: เลือกผู้ขายที่เหมาะสม กระแสของBig Data ส่งผลให้ผู้ให้บริกริารโซลูชันหลั่งไหลเข้าพื้นที่ตลาดกัน อย่างท่วมท้น แพ็คเกจที่พวกเขาเสนอนั้นอาจแตกต่างกันอย่างหลากหลาย ซึ่งมีตั้งแต่เครื่อรื่งมือทางสถิติอย่างง่ายไปจนถึงแอปพลิเคชันการเรียรีนรู้ เครื่อรื่งจักรขั้นสูง องค์กรจึงควรระบุประเภทข้อมูลที่พวกเขาจะประมวลผล เพื่อเลือกเทคโนโลยีที่รองรับพวกเขา แพลตฟอร์มที่น่าพึงพอใจนั้นจำ เป็น ต้องเข้ากันได้ดีกับเครื่อรื่งมือวิเควิราะห์ที่มีอยู่ โดยให้การเข้าถึงกับพนักงานที่ พวกเขาต้องการและมีความยุ่งยากน้อยที่สุดต่อเวิร์วิร์กโฟลว์ ผู้ให้บริกริาร NoSQL และ Hadoop บางรายกำ ลังร่วมมือกันจัดทำ ข้อเสนอ ที่ครอบคลุม รวบรวมระบบของพวกเขาเพื่อเพิ่มความคล่องตัวในการเลื่อน ไหลระหว่าว่งระบบโครงสร้างและซอฟต์แวร์ 27

Big Data Project เบื้องต้นแล้ว จะมีการกล่าวถึง Machine Learning บ้างแล้วในส่วนของการสร้างโมเดล และตัวอย่างจากการสร้าง โมเดล ซึ่งในบท นี้จะมาขยายความเกี่ยวกับการเรียรีนรู้ของ Machine จากข้อมูลที่เข้ามาในลักษณะแบบต่างๆ และ ความเป็นมาของ Machine Learning Machine learning เริ่มริ่ต้นมาตั้งแต่ปี ค.ศ.1950 เมื่อนัก วิทวิยาศาสตร์คอมพิวเตอร์คิดหาวิธีวิธีสอนคอมพิวเตอร์ให้เล่นหมากฮอส จาก นั้นเมื่อวิวัวิฒวันาการทางเทคโนโลยี ระบบการคำ นวณค่าต่างๆ ของ คอมพิวเตอร์เพิ่มขึ้น ทำ ให้คอมพิวเตอร์สามารถเข้าใจ และจดจำ รูปแบบ ของค่าต่างๆ ที่ซับซ้อนได้ แล้วจึงประยุกต์ไปสู่การคาดการณ์สถานการณ์ รวมไปถึงการแก้ปัญหาด้วยตัวเอง Machine learning คือ ระบบที่สามารถเรียรีนรู้จากตัวอย่างด้วย ตนเอง โดยปราศจากการ ป้อนคำ สั่งของโปรแกรมเมอร์ความก้าวหน้าใน ครั้งนี้มาพร้อมกับความคิดที่ว่าเครื่อรื่งคอมพิวเตอร์ สามารถเรียรีนรู้เพียงแค่ จากข้อมูลอย่างเดียวเพื่อที่จะผลิตผลลัพธ์ที่แม่นยำ ออกมาได้ 1166.. MMaacchhiinnee LLeeaarrnniinngg เเบื้บื้บื้ บื้ อ บื้ อ บื้ องงต้ต้ต้ ต้ น ต้ น ต้ น Data Output Computer Rules 28

17. กกาารรทำทำทำทำทำทำBBiiggDDaattaaPPrroojjeeccttใให้ห้ห้ปห้ปห้ห้รระะสสบบคคววาามมสำสำสำสำสำสำเเร็ร็ร็จ ร็ จ ร็ร็ 1.รับรองการส่งผ่านข้อมูลที่ยืดหยุ่นและปรับขนาดได้ ขั้นตอนแรกของ Data Pipeline ในองค์กรนั้นเกี่ยวข้องกับระบบ ต้นทางการสื่อสารข้อมูล (Source Systems) และข้อมูลดิบ (Raw Data) โดยจะส่งข้อมูลจากต้นทาง(Ingest)ผสมผสาน (Blended)และวิเวิคราะห์ข้อมูล (Analyze) การผสมสานของข้อมูล ที่หลากหลายจากไซโลทั่วทั้งองค์กรนั้นมักนำ ไปสู่ข้อมูลเชิงลึกที่ สำ คัญที่สุด ด้วยเหตุนี้ ความสามารถในการใช้ประโยชน์จากชนิดข้อมูลที่หลาก หลายรูปแบบ และแหล่งที่มา จึงเป็นสิ่งจำ เป็นที่สำ คัญมากใน โครงการข้อมูลและการวิเวิคราะห์ของHadoop ในปัจจุบัน องค์กรไม่เพียงแต่จะต้องเตรียรีมพร้อมข้อมูลที่พวกเขา วางแผนจะรวมเข้ากับHadoopแต่พวกเขาจำ เป็นต้องเตรียรีมข้อมูลที่ สำ หรับการใช้งานอื่นๆ ที่อาจเป็นไปได้ในอนาคตรวมถึงการวางแผน เพื่อลดภาระงานที่ต้องทำ เองด้วยตนเอง วางแผนรูปแบบการนำ เข้า ข้อมูลที่สามารถใช้ซ้ำ ได้และการออกแบบเวิร์วิร์กโฟลว์กว์ารนำ เข้าข้อมูล แบบไดนามิกที่เป็นส่วนสำ คัญของสิ่งนี้ โอเค 29

2. ขับเคลื่อนการประมวลผลและการผสมผสานข้อมูลขนาดใหญ่ เมื่อองค์กรประสบความสำ เร็จในการดึงข้อมูลอันหลากหลายเข้าสู่ Hadoop ในรูปแบบที่ยืดหยุ่นและปรับขนาดได้แล้วนั้น ขั้นตอน ต่อไป ก็จะนำ ไปสู่ขั้นตอนของการประมวลผล (Processing) การแปลงสภาพข้อมูล (Transforming) และการผสมผสาน ข้อมูล (Data Blending) กับข้อมูลที่มีขนาดใหญ่บนคลัสเตอร์ ของHadoop การวิเวิคราะห์ข้อมูลจาก Big data ยังต้องอาศัยหลักการพื้นฐาน และเทคนิคบางอย่าง จึงมีระดับของความเป็นนามธรรมที่ต่าง จาก Hadoop หรือรืเครื่อรื่งมืออื่นๆ ดังนั้นการบำ รุงรักษาและ พัฒนาแอพพลิเคชั่นที่ใช้ข้อมูลจำ นวนมากจึงกลายเป็นสิ่งที่ทุกคน สามารถเข้าถึงได้ง่ายกว่าว่ ไม่ได้จำ กัดเพียงกลุ่มเล็กๆ ของผู้ เชี่ยวชาญด้านการเขียนโค้ดเท่านั้น ในโลกที่ Big Data มีการพัฒนาไปอย่างรวดเร็ว แผนกไอทีก็ยัง ต้องรักษาและออกแบบการแปลงสภาพของข้อมูล (Data Transformation) โดยไม่ต้องกังวลกับการเปลี่ยนแปลง โครงสร้างพื้นฐาน องค์กรควรพยายามหาแนวทางที่เป็นการ ผสานรวมระหว่าว่งการการควบคุม ความสามารถในการมองเห็น ข้อมูลในเชิงลึกและการใช้งานที่ง่ายขึ้น แทนที่การใช้กล่องดำ (Black Box) ในการแปลงข้อมูลบน Hadoop 30

3: ส่งส่มอบข้อ ข้ มูล มู เชิงชิลึก ลึ เกี่ย กี่ วกับ กั การวิเวิคราะห์Bห์ig Data ที่สที่ มบูร บู ณ์ สิ่งสิ่สำ คัญคัที่จที่ะช่วช่ยปลดล็อ ล็ คการวิเวิคราะห์เห์พื่อพื่ให้ไห้ด้มด้าซึ่งซึ่ข้อข้มูล มู ที่เที่ป็น ป็ ประโยชน์ สูง สู สุด สุ จากHadoop นั่น นั่ ก็คื ก็ อคืการพิจพิารณาอย่าย่งรอบคอบเกี่ยกี่วกับกักระบวนการ ทางธุร ธุ กิจกิแอพพลิเลิคชั่น ชั่ และผู้ใผู้ช้ปช้ลายทาง โดยข้อข้มูล มู ผู้บผู้ ริโริภคที่แที่ตกต่าต่งกันกันั้น นั้ ก็อ ก็ าจจำ เป็น ป็ ที่จที่ะต้อต้งใช้เช้ครื่อรื่งมือมืและวิธีวิกธีารที่แที่ตกต่าต่งกันกัทั้ง ทั้ นี้ก็นี้ขึ้ ก็ นขึ้อยู่กัยู่ บกัว่าว่ พวกเขานั้น นั้ ต้อต้งการข้อข้มูล มู อะไร แผนต่าต่งๆที่พที่วก 31 4. ใช้แนวทางเชิงโซลูชัน (Solution-Oriented) ในช่วงไม่กี่ปีที่ผ่านมา ความก้าวหน้าหลายๆ อย่างได้ถูกสร้างขึ้นใน ระบบนิเวศ(Ecosystem)Hadoop และยังคงเติบโตในฐานะของ แพลตฟอร์มเพื่อการปรับใช้กับองค์กรการผลิต (Production Enterprise) ในส่วนของข้อกำ หนดสำ หรับความคิดริเริริ่มริ่ด้าน เทคโนโลยีนั้นมีแนวโน้มที่จะได้รับการพัฒนาและอยู่ในช่วงของการ "กำ ลังดำ เนินการ" ซึ่ง Hadoopก็ได้แสดงให้เห็นถึงองค์ประกอบใหม่ ใน Data Pipeline ที่กว้าว้งขึ้น ผลที่ตามมาก็คือความคิดริเริริ่มริ่ที่เกี่ยว ข้องใหม่ๆนั้นมักจะมีวิธีวิธีการแบบค่อยเป็นค่อยไป (Phased Approach)

32 เมื่อคำ นึงถึงเรื่อรื่งนี้แล้ว ผู้ประเมินซอฟต์แวร์ต่างก็รู้ว่าว่พวกเขาไม่สามารถ พบกับอุปกรณ์ที่มีทุกอย่างครบครัน ( Off-the-shelf )เพื่อตอบสนอง ความต้องการด้านข้อมูลและการวิเวิคราะห์ของ Hadoopได้ ทั้งใน ปัจจุบันและในอนาคตข้างหน้า ซึ่งในปัจจุบันนี้คำ ว่าว่ "รองรับอนาคต" (Future-proof) ได้ถูกนำ มาใช้มากเกินไปในเรื่อรื่งที่เกี่ยวกับBig Data แต่ยังมีสิ่งที่ต้องคำ นึงถึงนั่นก็คือ ความสามารถในการขยายระบบและ ความยืดหยุ่นเพื่อรองรับการทำ งานที่สูงขึ้น ซึ่งทั้งสองอย่างนี้ควรจะเป็น ส่วนสำ คัญของแบบสำ รวจรายการ (Checklist) ของโครงการทั้งหมด การแปลงพอร์ตเพื่อให้ทำ งานได้อย่างราบรื่นรื่ผ่านการกระจาย Hadoop ที่แตกต่างกันเป็นจุดเริ่มริ่ต้นของศักยภาพที่ดี แต่ความยั่งยืนที่แท้จริงรินั้น องค์กรจำ เป็นต้องมีแพลตฟอร์มเพื่อความยืดหยุ่นอันสอดคล้องกับ นวัตวักรรมแบบเปิดที่ขับเคลื่อนระบบนิเวศ(Ecosystem)Hadoop

สรุปสาระสำ คัญ Big Data เข้ามามีบทบาทในการดำ เนินธุรกิจในหลากหลายด้านด้วยกัน ไม่ใช่เพียงการทำ การตลาด แต่ข้อมูลปริมริาณมหาศาลยังสามารถนำ ใช้ ประโยชน์ได้อีกมากมาย เช่น การเพิ่มประสิทธิภาพการทำ งาน การตรวจ สอบธุรกรรมทุจริตริการบริหริารจัดการห่วงโซ่อุปทาน ฯลฯ อย่างไรก็ตาม จากลักษณะของ Big Data ที่มีข้อมูลปริมริาณมหาศาลและ มีความผันผวนอยู่ตลอดเวลา การจะใช้ประโยชน์จาก Big Data ได้ จึง จำ เป็นต้องใช้เทคโนโลยีที่สามารถจัดการข้อมูลหรือรืทีมงานที่มี ประสบการณ์ Wisesight มีทีม DATA CONSULTING ที่สามารถช่วย ให้คำ แนะนำ และการจัดการข้อมูลแบบมืออาชีพให้กับธุรกิจของคุณได้ พร้อมกับบริกริาร RESEARCH สำ หรับบริษัริษัทที่ต้องการเริ่มริ่ต้นใช้ประโยชน์ จากข้อมูล เช่น เอเจนซี แบรนด์สินค้า องค์กรภาครัฐ ฯลฯ ได้ทันที แม้ ไม่มีทีม Data ในองค์กร 33

https://www.mandalasystem.com/blog/th/45/big-data-18082020 ความหมายของ Big Data https://stepstraining.co/entrepreneur/7-example-brand-usedata-for-business ตัวอย่างการใฃ้ Big Data https://katalyst.kasikornbank.com/th/blog/Pages/whatis-big-data.html (ประเภท) https://1stcraft.com/what-is-big-data/กระบวนการของ Big Data การเริ่มริ่ทำ Big Data Project https://wisesight.com/th/what-is-big-data/ https://www.mandalasystem.com/blog/th/122/sociallistening-tools-15122020 https://www.doe.go.th/prd/assets/upload/files/bkk_th/a323196d c548c204c85bc4a85b7bb46b.pdf เเออกกสสาารรอ้อ้อ้ อ้ า อ้ า อ้ างงอิอิอิ อิ ง อิ ง อิ ง