DIP360 KM.

DIP360 Knowledge Management คือ การจัดการความรู้เกี่ยวกับ DIP360 เพื่อประโยชน์ในการเรียนรู้และการนำข้อมูลขนาดใหญ่ (Big Data) ไปใช้ โดย DIP360 KM นี้จะนำเสนอทั้งในเรื่องของการวิเคราะห์ข้อมูล เทคนิคและเครื่องมือในการวิเคราะห์ข้อมูล Big data, แนวทางในการวางระบบ Big Data ขององค์กร, Big Data สำหรับผู้ประกอบการ SME รวมถึง Case Study เกี่ยวกับ Big Data ในด้านธุรกิจ เพื่อให้ผู้ใช้ข้อมูล Big data เกิดประโยชน์สูงสุดในการนำข้อมูลไปใช้

BIG DATA พื้นฐานเทคโนโลยีและความหมายของ BIG DATA

+ดูเพิ่มเติม

พื้นฐานเทคโนโลยีและ

ความหมายของ BIG DATA

หาก SMEs เคยอ่านข่าวประเภทเทคโนโลยีรถยนต์ไร้คนขับ หรือเป็นสมาชิก Streaming Online ชื่อดังอย่าง NETFLIX นั่นแหละคือ Machine Learning ที่ถูกนำไปใช้ในวงการธุรกิจและจะยิ่งพัฒนาพัฒนาธุรกิจในอนาคตต่อไป,,,, ความหมายของ ML อย่างง่ายก็คือ การพัฒนาให้คอมพิวเตอร์สามารถเรียนรู้ประสบการณ์ที่ผ่านมา ซึ่งแนวคิดสักษณะนี้ก็เป็นแนวคิดลักษณะเดียวกันกับการเรียนรู้ของมนุษย์ ตั้งแต่แรกเกิดจนถึงเป็นผู้ใหญ่ เราล้วนผ่านกระบวนการการเรียนรู้ต่างๆ ทั้ง คลาน นั่ง ยืน เดิน วิ่ง รวมไปถึงกิจกรรมอื่นๆ ที่เราพัฒนาขึ้นในสมองของเรา นักพัฒนา ML จึงนำแนวคิดนี้มาใช้ด้วยการนำเอาข้อมูลจำนวนที่มากพอมาใช้สร้างประสบการณ์ เพื่อให้คอมพิวเตอร์ได้เรียนรู้และการเรียนรู้เหล่านี้ก็เป็นเสมือนบทเรียนพื้นฐานสำคัญในการสร้างการสร้างความสามารถในการคาดการณ์เหตุการณ์ในอนาคตของคอมพิวเตอร์ ยกตัวอย่างจากสถานการณ์ง่ายๆ  หากเราจะทำการจ้างพนักงาน และอยากจะสร้างโมเดลงการคาดการณ์ว่าเราจะจ้างบุคคล เข้าทำงานให้ถูกกับตำแหน่งอย่างแม่นยำที่สุด หรือแม้จะไม่จ้างก็ตามเพื่อไม่เป็นการเสียโอกาสในการได้พนักงานที่เหมาะสมกับคุณสมบัติ กระบวนการอาจทำได้ดังนี้ 1. เก็บข้อมูล เริ่มต้นจาการรวบรวมข้อมูลต่างๆ เช่น การค้นหา รับสมัครตำแหน่งงานต่างๆ ในหน่วยงาน ที่เป็นข้อมูลทั้งทางบุคคลที่เราเคยจ้าง และปฎิเสธ ด้วยเหตุผลต่างๆ กัน อาทิ วุฒิการศึกษา ประสบการณ์การทำงานที่ผ่านมา เป็นต้น เราจะนำเอาข้อมูลเหล่านี้มาใช้ทั้งหมด 2. เรานำข้อมูลเหล่านี้มาผ่านกระบวนการจัดการทางข้อมูล เพื่อให้ได้ข้อมูลที่พร้อมใช้งาน กระบวนการนี้เกี่ยวข้องโดยตรงกับการแปลงข้อมูลต่างๆ ให้อยู่ในรูปแบบที่คอมพิวเตอร์สามารถเข้าใจ และจัดการได้ ในกรณีนี้เราทำการแปลงข้อมูลให้อยู่ในรูปของตัวเลข อาทิ ประสบการณ์การทำงานผ่านหรือไม่ หากผ่านเป็น 1 ไม่ผ่านเป็น 0 (Binary Form) หรือแบ่งวุฒิการศึกษาออกเป็นระดับต่างๆ และแทนด้วยตัวเลข อาทิ ปริญญาโท = 3 ปริญญาตรี = 2 ต่ำกว่าปริญญาตรี = 1 เป็นต้น 3. ฝึกฝน สร้างรูปแบบจำลองทางคณิตศาสตร์ของข้อมูล ในกรณีนี้เราสร้างโจทย์ในการเรียนรู้คือ จำแนกบุคคลออกเป็น 2 กลุ่ม คือ บุคคลที่สมควรจ้าง หรือ ไม่สมควรจ้าง ซึ่งแบบจำลองทางคณิตศาสตร์จะช่วยให้คอมพวเตอร์ สามารถตีความข้อมูลต่างๆ ได้ ซึ่งทุกความแตกต่างของตัววัดค่าต่างๆ เหล่านี้จะสร้างความเป็นไปได้ในการคาดการณ์ข้อมูลของคอมพิวเตอร์ 4. กระบวนการทดสอบ เราจะนำแบบจำลองนี้ ทดสอบกับข้อมูล ข้อมูลที่ใช้ในการทดสอบต่างๆ เพื่อฝึกฝนให้คอมพิวเตอร์ และทดสอบดูความแม่นยำในการทดสอบแต่ละครั้งของผลทดสอบ โดยเปรียบเทียบกับการนำข้อมูลที่โหลดเข้าใหม่ ที่คอมพิวเตอร์ยังไม่เคยได้ประมวลผลมาก่อน หรือใช้ข้อมูลชุดต่างๆ กัน เพื่อสังเกตผลลัพธ์ที่ได้ 5. พัฒนาปรับปรุง หากพบจุดผิดพลาด ก็ทำการแก้ไข ลดความผิดพลาดต่างๆ ด้วยการพัฒนา ปรับปรุง เพื่อทำให้แบบจำลองมีความแม่นยำมากขึ้น ซึ่งหากยิ่งหากมีการเพิ่มเติม หรือโหลดข้อมูล เข้าไป ก็จะเกิดการรียนรู้และพัฒนาให้ระบบมีความแม่นยำมากขึ้น Machine Learning แบบต่างๆ 1. Supervised Learning (input-training-output) เป็นการเรียนรู้แบบทั่วๆ ไป โดยเตรียมข้อมูลตัวอย่าง ซึ่งถือกว่าถูกต้องและเป็นแบบอย่างเหมือนกับการบอกคอมพิวเตอร์ว่าอะไรคือคำตอบที่ถูกต้อง เสมือนเป็นครูผู้บอกคำตอบกับของคอมพิวเตอร์ 2. Unsupervised Learning (input-output) เป็นการเรียนรู้แบบที่เราเองก็ไม่ทราบชัดเจน ว่าโครงสร้างหรือรูปแบบของข้อมูลนั้นเป็นเช่นไร ซึ่งคอมพิวเตอร์จะค้นหาเองว่ารูปแบบของข้อมูลที่มีความเหมือน  ความต่าง ด้วยการสร้างกลุ่มหรือรูปแบบขึ้นมา 3. Reinforement Learning (input-output) เป็นการเรียนรู้แบบที่เราให้รางวัลกับการเรียนรู้ อุปมาเหมือนการฝึกสุนัข หากทำงานสำเร็จ เราจะมอบรางวัลให้ ซึ่งคอมพิวเตอร์จะเรียนรู้ซ้ำแล้วซ้ำเล่าว่าการกระทำใดได้รับรางวัลสูงสุด การเรียนรู้ลักษณะนี้ เกิดขึ้นในแบบลักษณะการเล่นเกม อาทิ หากเราฝึกคอมพิวเตอร์ให้เล่นหมากรุก คอมพิวเตอร์ที่เล่นเกมในจำนวนที่มากๆ ขึ้น การเรียนรู้การเดินแต่ละครั้งที่ให้รางวัลสูงสุด
อ่านต่อ

+ดูเพิ่มเติม

BIG DATA ETL ความรู้ความเข้าใจการจัดการข้อมูลด้วย Cloudera Manager

+ดูเพิ่มเติม

BIG DATA ETL การจัดการข้อมูล

ด้วย Cloudera Manager

No post found
No post found

+ดูเพิ่มเติม

BIG DATA Data Science และอัลกอริทึมในการพยากรณ์ข้อมูลต่าง ๆ

+ดูเพิ่มเติม

BIG DATA Data Scienceและ

อัลกอริทึมในการพยากรณ์ข้อมูลต่าง ๆ

No post found
No post found

+ดูเพิ่มเติม

BIG DATA BI เข้าใจหลักการการออกแบบและวิเคราะห์ข้อมูลที่เป็น Business Intelligence

+ดูเพิ่มเติม

BIG DATA BI เข้าใจหลักการการ

ออกแบบและวิเคราะห์ข้อมูลที่เป็น

Business Intelligence

No post found
No post found

+ดูเพิ่มเติม

BIG DATA Applied ประโยชน์การประยุกต์ใช้ในงานตัดสินใจวางแผนงานและ
ลงทุนในธุรกิจ เพื่อให้เกิดประโยชน์ทางเศรษฐกิจและการพัฒนาแก่ตนเองได้

+ดูเพิ่มเติม

BIG DATA Applied ประโยชน์การประยุกต์ใช้ในงานตัดสินใจวางแผนงานและ
ลงทุนในธุรกิจ เพื่อให้เกิดประโยชน์ทางเศรษฐกิจและการพัฒนาแก่ตนเองได้

ร้านกาแฟ Starbucks อันโด่งดังไม่ได้ชงกาแฟคั่วบดหรือสร้างประสบการณ์ต่อลูกค้า จากการนึกคิดหรือประสบการณ์ในการทำธุรกิจเพียงด้านเดียว Starbucks นับเป็นธุรกิจในร้านค้าปลีก (Retail Chains) ที่นำเอาข้อมูลของลูกค้ามาใช้อย่างเป็นระบบ เต็มรูปแบบ เบื้องหลังของกาแฟและการบริการของ Starbucks   นั้นมาจากการวิเคราะห์ข้อมูล และการแก้ปัญหาในโลกธุรกิจอย่างแท้จริง เราลองมาดูกันว่า Starbucks ใช้ BI (Business Intelligence) ไปใช้ทำอะไรกันบ้างในธุรกิจของพวกเขา 1. ใช้ตัดสินใจเลือกทำเลเปิดร้านสาขาใหม่ SMEs อาจมองเห็นสาขา Starbucks มากมาย บางครั้งก็อยู่ใกล้เคียงกัน บางทีในความรู้สึกอาจะรู้สึกว่าทำอย่างนี้แล้วจะไม่เกิดผลเสียกับธุรกิจล่ะหรือ? ไม่แย่งลูกค้ากันหรือ? แต่เบื้องหลังการเปิดสาขาเหล่านี้ล้วนมีที่มาจากข้อมูลที่ได้ทำการวิเคราะห์หาทำเลที่ดีมาแล้ว Starbucks ใช้ข้อมูลจากแผนที่ประกอบเข้ากับ BI Platform ที่พัฒนาขึ้นเพื่อใช้หาทำเลที่มีประสิทธิภาพในการเปิดร้านสาขาใหม่ๆ โดยพิจารณาจากข้อมูลต่างๆ เหล่านี้ และนำมาวิเคราะห์ข้อมูลเพื่อธุรกิจ 1. ข้อมูลประชากรของลูกค้า2. ความหนาแน่นของประชากรในพื้นที่3. จำนวนรายได้เฉลี่ยในพื้นที่4. รูปแบบของการจราจรในพื้นที่5. บริการขนส่งสาธารณะในพื้นที่โดยรอบ6. ความหลากหลายและประเภทต่างๆของธุรกิจในพื้นที่ ข้อมูลเหล่านี้จะถูกนำมาสร้างโมเดลของจำนวนคนที่จะเข้าร้านในพื้นที่ และจำนวนการใช้จ่ายเฉลี่ยต่อคนของลูกค้าในพื้นที่เพื่อเป็นข้อมูลสำคัญประกอบการตัดสินใจของฝ่ายบริหาร  ด้วยทีม BI ชั้นยอดของ Starbucks รวมกับการวิเคราะห์ข้อมูลที่ชาญฉลาด จึงสร้างความได้เปรียบในการมองหาโอกาสและความเป็นไปได้ทางธุรกิจของ Starbucks ซึ่งถือเป็นตัวอย่างที่ดีในการพัฒนาองค์ความรู้จากข้อมูลสู่ความรู้ในการวางแผนกลยุทธ์ของบริษัทที่ SMEs ไม่ควรมองข้าม 2. พัฒนาตัดสินใจเลือกผลิตภัณฑ์และบริการ หากคุณเป็นคนหนึ่งที่เคยใช้บริการของ Starbucks สิ่งที่คุณไม่เคยรู้ตัวเลยก็คือ ข้อมูลในการใช้บริการทั้งหมดของคุณจะถูกนำไปใช้ ไม่ใช่แค่พัฒนาการเปิดร้านสาขาดังที่กล่าวมาแล้วท่านั้น แต่ยังนำไปพัฒนาเมนูเครื่องดื่มในร้านอีกด้วย ดังนั้นบางครั้งเมื่อคุณเข้าร้าน Starbucks คุณจะพบว่าบางร้านมีเมนูบางอย่างที่ไม่พบเจอในร้านอื่น ยกตัวอย่างเช่น Starbucks ใน America นำข้อมูลที่ได้จากร้านสาขามาวิเคราะห์ และ สร้างเมนูเครื่องดื่มในพื้นที่ที่มีการบริโภคแอลกอฮอล์ในปริมาณสูง จึงได้นำข้อมูลนี้มาเลือกสาขาของร้าน เพื่อสร้าง Menu พิเศษที่มีแอลกอฮอล์เป็นส่วนผสม และตั้งชื่อเมนูพิเศษนี้ว่า”Starbucks Evenings” ซึ่งเริ่มต้นในปี 2010 และก็ได้มีการขายออกไปในที่ต่าง ๆ จนได้รับความนิยม  3. Starbucks ใช้สร้างความภักดีของลูกค้ากับ Brand หากคุณเข้าร้าน Starbucks และคุณเคยเป็นหนึ่งในสมาชิก “My Starbucks Rewards” หรือใช้ Application ในการชำระสินค้า คุณคือลูกค้าที่ Starbucks สามารถระบุความแตกต่างกับลูกค้าคนอื่น ๆ ได้อย่างชัดเจน Starbucks ใช้ข้อมูลเหล่านี้เพื่อมองหาจุดเชื่อมของข้อมูลของคุณในการใช้บริการและผลิตภัณฑ์ ทั้งสินค้าอะไร ที่ไหน และเวลาใด ติดตามดูพฤติกรรมการใช้จ่ายในร้าน Starbucks ของคุณ ซึ่งทีมงานจะนำข้อมูลไปวิเคราะห์อย่างละเอียดส่งผลให้ Starbucks สามารถออกแบบโปรโมชั่น หรือโฆษณาที่แม่นยำกับลูกค้า รวมไปถึงแผนการลดราคาในช่วงต่าง ๆ แคมเปญเหล่านี้จะถูกส่งตรงเข้ามือถือของคุณ เพื่อสนองความต้องการและสร้างความใกล้ชิด สนิทสนมบนความสัมพันธ์ ด้วยการใช้ BI ของ Starbucks พวกเขาจึงสามารถสร้างตัวชี้วัดมาตรฐานที่จะใช้บ่งบอกความสำเร็จของร้าน Starbucks ทั่วโลก และถูกจัดให้เป็นแบรนด์ด้านอาหารและเครื่องดื่มทรงอิทธิพลในอันดับที่ 2 ของโลก ในปี 2015   SMEs จะเห็นว่าการวิเคราะห์ข้อมูลและ BI คือกลจักรสำคัญของความสำเร็จของ Starbucks จึงไม่เกินเลยหากเราจะถือว่า กาแฟทุกแก้วของ Starbucks นั้น ล้วนมีที่มาจากการจัดการข้อมูลที่แข็งแรงและมีประสิทธิภาพ จนสามารถสร้างคาวมแตกต่างได้อย่างแท้จริง เรียบเรียงจาก THE ULTIMATE GUIDE ON BIG DATA ANALYTICS & DATA SCIENCE  UpX Academy 
อ่านต่อ

+ดูเพิ่มเติม