หากย้อนเวลากลับไปตั้งแต่ปี ค.ศ. 1997
นักวิทยาศาสตร์ท่านหนึ่งที่ทำงานอยู่ในองค์กรนาซ่า Show การนำ Big data มาใช้ประโยชน์ด้วยการดึงเอาข้อมูลเหล่านั้นมาวิเคราะห์ แปลความหมาย และสรุปผลเพื่อใช้ในการตัดสินใจ Data Analytics เป็นหนึ่งในวิธีการนำ Big data มาใช้ประโยชน์ในการดำเนินธุรกิจ เช่น การขาย วางแผนกลยุทธ์ทางการตลาด คาดการณ์แนวโน้ม พฤติกรรมของผู้ซื้อ หรือใช้ในภาคส่วนของรัฐบาล เป็นต้น หน้าที่ของ Data Analyst
Data Analytics และการวิเคราะห์เชิงสถิติในปัจจุบันอาจไม่จำเป็นต้องวิเคราะห์ข้อมูลเชิงสถิติให้ยุ่งยาก หรือทำความเข้าใจเรื่องการอ่านค่าทางสถิติ เพื่อตีความหมายและให้ได้มาซึ่งข้อมูลที่สำคัญๆ ซึ่งอาจไม่ทันการ ยิ่งสำหรับธุรกิจ ยิ่งต้องตอบสนองการทำงานอย่างทันท่วงที เพราะหากช้าแม้แต่วินาทีเดียว คู่แข่งก็อาจวิ่งแซงหน้าเราไปได้ แต่ในสมัยนี้เทคโนโลยีทุกอย่างล้วนแล้วแต่ถูกสร้างขึ้นมาเพื่ออำนวยความสะดวกสบาย หนึ่งในนั้นก็คือ การใช้ AI (Artificial Intelligence) เข้ามาช่วยวิเคราะห์ โดยสรุปผลออกมาในรูปแบบของ Data visualization รวม Chart ทุกรูปแบบไม่ว่าจะเป็นแผนภูมิรูปภาพ หรือกราฟต่างๆ เพื่อให้สามารถเข้าใจและมองภาพข้อมูลเหล่านั้นได้ชัดเจนมากยิ่งขึ้น โดยสามารถแบ่งรูปแบบการวิเคราะห์ข้อมูลได้ ดังนี้ การวิเคราะห์ข้อมูลแบบพื้นฐาน (Descriptive analytics) : เป็นการวิเคราะห์ผลลัพธ์จากการกระทำต่างๆ ยกตัวอย่างเช่น ปัจจัยที่มีผลต่อพฤติกรรมการตัดสินใจของลูกค้า การรายงานการขาย หรือรายงานผลการดำเนินการ เป็นต้น การวิเคราะห์แบบพยากรณ์ (Predictive analytics) : เป็นการวิเคราะห์โดยนำข้อมูลที่เคยเกิดขึ้นแล้วในอดีตมาพยากรณ์ ทำนายในสิ่งที่กำลังจะเกิดขึ้นในอนาคต ด้วยแบบจำลองทางสถิติ หรือการใช้ AI เทคโนโลยีปัญญาประดิษฐ์มาช่วยในการวิเคราะห์ข้อมูลใน Big data ที่มีจำนวนมากมหาศาล การวิเคราะห์แบบเชิงวินิจฉัย
(Diagnostic analytics) : เป็นการวิเคราะห์เพื่อใช้อธิบายถึงสาเหตุของสิ่งที่เกิดขึ้น หาความสัมพันธ์ของตัวแปรต่างๆ ยกตัวอย่างเช่น วิเคราะห์ความสัมพันธ์ระหว่างยอดขายต่อกิจกรรมส่งเสริมด้านการตลาด ว่ามีนัยสำคัญที่ทำให้ยอดขายเพิ่มขึ้นหรือลดลงหรือไม่ การวิเคราะห์แบบให้คำแนะนำ (Prescriptive analytics) : การวิเคราะห์ในลักษณะนี้ค่อนข้างมีความซับซ้อนมากที่สุด เพราะเป็นการพยากรณ์สิ่งที่กำลังจะเกิดขึ้นเพื่อหาสาเหตุ ข้อดี ข้อเสีย และมีเรื่องของระยะเวลาเข้ามาเกี่ยวข้อง เพื่อให้คำแนะนำหรือเลือกผลลัพธ์ที่ดีที่สุด อีกทั้งยังวิเคราะห์ได้ว่าในการเลือกแต่ละแนวทาง จะให้ผลลัพธ์เป็นไปในทิศทางใดบ้าง โดยในครั้งนี้จะขอพูดถึง Cognitive & AI ซึ่งเป็นการนำเทคโนโลยี AI มาใช้วิเคราะห์ข้อมูล ซึ่งอาจเรียกได้ว่าเป็นขั้นสูงสุดของการวิเคราะห์ Analytics Maturity และเป็นการวิเคราะห์ในรูปแบบของการให้คำแนะนำ (Prescriptive analytics) ซึ่งจะบอกสาเหตุ และวิธีการว่าควรทำอะไรในลำดับต่อไป เพื่อใช้ในการวางแผนรับมือกับปัญหาที่เกิดขึ้น ซึ่งเป็นการคาดการณ์สิ่งที่จะเกิดขึ้น ทั้งในทางบวกและทางลบ หากแนวโน้มเป็นไปในทิศทางบวก จะทำให้สามารถวางแผนเพื่อรับมือได้ หรือหากเป็นไปในทิศทางลบก็จะได้หาแนวทางป้องกันหรือแก้ไขต่อไป เพื่อให้เกิดความเสียหายน้อยที่สุด โดยการวิเคราะห์ในลักษณะนี้จะช่วยเพิ่มมูลค่าให้กับธุรกิจ (Business Value) หากสามารถนำไปประยุกต์ใช้ได้อย่างมีประสิทธิภาพ ในปัจจุบันจะเห็นได้ว่าพฤติกรรมการเข้าใช้งานบนโลกออนไลน์เพิ่มมากขึ้นเรื่อยๆ ในแต่ละปี โดยเฉพาะ Big data ที่จัดเก็บพฤติกรรมต่างๆ หากสามารถนำข้อมูลเหล่านี้มาวิเคราะห์เพื่อหาความสัมพันธ์หรือเชื่อมโยงความเป็นเหตุเป็นผลซึ่งกันและกันได้นั้น จะช่วยให้สามารถปรับปรุงการดำเนินธุรกิจ วางแผนด้านการตลาด เพื่อให้ได้เปรียบคู่แข่ง หรือสร้างโอกาสทางธุรกิจได้เพิ่มมากยิ่งขึ้น สนใจปรึกษาเรื่อง BIG DATA และการวิเคราะห์ผล คลิก รูปแบบการวิเคราะห์ข้อมูล Big Data มีกี่ประเภทBig data analytics. 1. Descriptive analytics.. 2. Predictive analytics.. 3. Prescriptive analytics.. รูปแบบของข้อมูล Big Data มีอะไรบ้างBig Data คืออะไร นำมาใช้ประโยชน์กับอะไรได้บ้าง?. ข้อมูลที่มีโครงสร้างชัดเจน (Structured Data) ... . ข้อมูลที่ไม่มีโครงสร้าง (Unstructured Data) ... . ข้อมูลกึ่งมีโครงสร้าง (Semi-Structured Data) ... . 1. ข้อมูลที่มีปริมาณมาก (Volume) ... . 2. ข้อมูลที่มีความหลากหลาย (Variety) ... . 3. ข้อมูลที่มีการเพิ่มขึ้นอย่างรวดเร็ว (Velocity). ข้อใดเป็นรูปแบบการวิเคราะห์ข้อมูลแบบ DescriptiveDescriptive Analytics คือการวิเคราะห์ข้อมูลแบบพื้นฐาน เพื่อแสดงผลที่เกิดขึ้น หรือกำลังจะเกิดขึ้น จากข้อมูลในอดีต ในลักษณะที่เข้าใจง่ายสามารถสร้างขึ้นได้ด้วยตนเอง เช่น รายงาน แผนภูมิ กราฟ ตาราง เป็นต้น ซึ่งจะช่วยให้เข้าใจการเปลี่ยนแปลงที่เกิดขึ้นกับองค์กรได้ดียิ่งขึ้น เช่น การเปลี่ยนแปลงของราคาสินค้ารายปี การเติบโตของ ...
รูปแบบของการจัดเก็บข้อมูลและการวิเคราะห์ข้อมูล Big Data แบ่งเป็นกี่ขั้นตอน อะไรบ้าง5 ขั้นตอนในการทำ Big Data Project ให้ประสบความสำเร็จ. 1: รับรองการส่งผ่านข้อมูลที่ยืดหยุ่นและปรับขนาดได้ ... . 2: ขับเคลื่อนการประมวลผลและการผสมผสานข้อมูลขนาดใหญ่ ... . 3: ส่งมอบข้อมูลเชิงลึกเกี่ยวกับการวิเคราะห์Big Data ที่สมบูรณ์ ... . 4. ใช้แนวทางเชิงโซลูชัน (Solution-Oriented) ... . 5: เลือกผู้ขายที่เหมาะสม. |