111 (1)

คำวำ่ Big Data ขอ้ มลู ในปรมิ ำณมำก ซง่ึ ขอ้ มลู นนั้ มปี รมิ ำณทม่ี ำก กำรเติบโตที่รวดเรว็ และมีควำมหลำกหลำยทงั้ ที่มี โครงสรำ้ ง(Structured) หรอื ไม่มีโครงสรำ้ ง (Unstructured) อีกดว้ ย โดยในระบบ Internet ในยคุ ที่ Social Media ทีเ่ ฟื่องฟู มีสำรสนเทศเกิดขนึ้ จำนวนมำก ทกุ ๆ คนสำมำรถที่จะพรอ้ มผลิตขอ้ มลู มีกิจกรรมตำ่ งๆ มำกมำย พรอ้ มทงั้ อปุ กรณ์ (Device) ที่มีจำนวนมำกและยงั มีอตั รำกำรขยำยตวั ท่ีสงู อีกดว้ ย ทงั้ Smart Device, IoT (Internet of Things) ที่รองรบั กำรเขำ้ ถึง กำรใชง้ ำน ขอ้ มลู จำนวนมำกๆ ไดอ้ ยำ่ งงำ่ ยดำย และสรำ้ งขอ้ มลู ออกมำมำกมำยในแตล่ ะวนั

1. Data Source แหลง่ ที่มำของขอ้ มลู ซ่งึ ถอื ไดว้ ำ่ เป็นตน้ นำ้ เป็นแหลง่ กำเนิดของขอ้ มลู อำจจะเป็นระบบ โปรแกรม หรือจะเป็นมนษุ ยจ์ ดั เตรยี มใหข้ อ้ มลู ท่นี ำมำรวมกนั นน้ั มีควำมพรอ้ มใชต้ อ่ ไป 2. Gateway ช่องทำงกำรเชื่อมโยงขอ้ มลู กำรเช่ือมโยงขอ้ มลู เป็นสว่ นท่สี ำคญั มำก และเป็นปัญหำใหญ่ในกำรทำตอ้ งอำศยั ทกั ษะทงั้ กำรเขียนโปรแกรมเอง และใชเ้ คร่อื งมือท่ีมีอย่มู ำกมำย ทัง้ นีก้ ำรจะออกแบบช่องทำงกำรเช่ือมโยงขอ้ มูลได้ อย่ำงสมบรู ณแ์ บบ 3. Storage แหลง่ เก็บขอ้ มลู แหลง่ เก็บนี้ ไมใ่ ชแ่ ค่กำรเกบ็ ขอ้ มลู จำกแหลง่ ขอ้ มลู แต่เป็นกำรเก็บขอ้ มลู จำกแหลง่ ขอ้ มลู หลำยๆ แหลง่ เอำมำไวเ้ พ่อื รอกำรใช้งำน 4. Analytics กำรวิเครำะหข์ อ้ มลู สว่ นนเี้ ป็นหนำ้ ท่หี ลกั ของ Data Scientist ซ่งึ แบง่ งำนออกเป็น 2 ลกั ษณะ คอื กำรวเิ ครำะหเ์ บอื้ งตน้ โดยกำรใชว้ ิธีทำงสถิติ หรือจะเป็นกำรวิเครำะหเ์ ชิงลกึ โดยกำรสรำ้ ง Model แบบต่ำงๆ รวม ไปถงึ กำรใช้ Machine Learning เพ่อื ใหไ้ ดผ้ ลลพั ธเ์ ฉพำะจงเจำะในแตล่ ะปัญหำ และแตล่ ะชดุ ขอ้ มลู 5. Result/Action กำรใชผ้ ลกำรวิเครำะหข์ อ้ มลู ผลลพั ธท์ ่ไี ดจ้ ำกกำรวิเครำะหส์ ำมำรถนำไปใชง้ ำนได้ 2 รูปแบบ คอื ออกเป็นรำยงำน เพ่ือให้ Data Analyst นำผลลพั ธท์ ่ีไดไ้ ปใชก้ ับงำนทำงธุรกิจต่อไป หรือจะเป็นกำรนำไปกระทำเลยโดยท่ีไม่ ตอ้ งมี “มนษุ ย”์ คอยตรวจสอบ ซง่ึ จำเป็นตอ้ งมีกำรเขยี นโปรแกรมเพ่มิ เพ่อื ใหม้ กี ำรกระทำออกไป ท่เี รยี กวำ่ Artificial Intelligence



ววิ ฒั นำกำรของ data scientist science ในยคุ แรกเกิดขนึ้ ในรูปแบบของวิชำสถิติ โดยในปี ค.ศ. 800 นกั คณิตศำสตรช์ ำวอริ กั Al Kindi ใชก้ ำรวิเครำะหท์ ำงสถิติมำชว่ ยในกำร แกะโคด้ ลบั หรอื Cryptography ซง่ึ ถือเป็นเคสแรกของกำรทำ frequency analysis ชว่ งตน้ ศตวรรตท่ี 20 จดั เป็นยคุ รุง่ เรอื งของวชิ ำสถิติ โดยวิชำสถิติมีบทบำทสำคญั ในกำรใชศ้ กึ ษำปัญหำของสงั คมหลำยดำ้ น นกั สถิติทมี่ ชี อื่ เสยี งเชน่ Karl Pearson ซง่ึ เป็นคนพฒั นำ Pearson Coefficient Correlation และ Pearson Distribution และ Francis Galton ซง่ึ มีผลงำนดำ้ น deviation，correlation และ regression analysis ชว่ งรำวปี 1950 มกี ำรนำวชิ ำสถิตมิ ำผสมกบั Computer Science จนเกิดเป็น Machine Learning โดย Marvin Minsky พฒั นำโมเดลตน้ แบบใน Neural Network ช่อื SNARC และ Arthur Samuel ออกแบบโปรแกรมทีเ่ รยี นรูก้ ำรเลน่ หมำกฮอสไดเ้ อง บทควำมกลำ่ ววำ่ Data Science ในรูปแบบท่เี รำรูจ้ กั ในปัจจบุ นั เกิดขนึ้ มำรำวปี ค.ศ. 2000 โดยมีกลมุ่ คนกลมุ่ หนึ่งทม่ี ีควำมสำมำรถทงั้ ในดำ้ น Computer Science และในดำ้ นสถิติ/คณิตศำสตร์ ในระดบั เทพ ตอ้ งกำรฉีกตวั เองมำจำกกลมุ่ ท่ีรูส้ ถิติพิวๆอยำ่ งเดยี ว หรอื รูค้ อมพวิ เตอรอ์ ยำ่ ง เดยี ว จงึ create งำนทต่ี อ้ งรูท้ งั้ สองสำขำอยำ่ งดีเขำ้ ดว้ ยกนั

1.ขอ้ มูลเชิงพฤติกรรมกำรใช้งำนต่ำงๆ พฤติกรรม กำรคลิกดขู อ้ มลู , ขอ้ มลู กำรใช้ ATM เป็นตน้ 2.ภำพถ่ำย, วีดีโอ, รูปภำพ ภำพถ่ำยทำงกำรแพทย,์ ลำยมือ, ขอ้ มลู เสียงท่ีถกู บนั ทกึ ไว้ เป็นตน้ 3.ขอ้ ควำมท่ีเป็นลำยลักษณอ์ ักษร เนือ้ หำต่ำงๆใน เวบ็ ไซต์ เป็นตน้ 4.บนั ทกึ เช่น ขอ้ มลู ทำงกำรแพทย,์ ขอ้ มลู ผลสำรวจ ท่ีมีขนำดใหญ่, ขอ้ มลู ทำงภำษี เป็นตน้ 5.ตัววัดค่ำต่ำงๆ เช่น ข้อมูลอุณหภูมิ, ตัววัด ควำมเรง่ , ขอ้ มลู ทำงภมู ศิ ำสตร์ เป็นตน้

1.ตง้ั เปำ้ หมำยถึง สิง่ เล็กไวก้ ่อน 4.จำลองขอ้ มลู ขน้ั วธิ ีกำรจดั ทำ 2.วำงแผนรวบรวม มำแยกผลลพั ธแ์ ละ Big data ขอ้ มลู จำกแหลง่ ท่ีมี ขอ้ มลู ออกจำก อยู่ ขอ้ มลู ใหญ่ 3.ฝึกหำ ควำมสมั พนั ธข์ อง ขอ้ มลู

Storage Processing Anaiyst กำรประมวลผล กำรรวบรวมขอ้ มลู มำ กำรวิเครำะหแ์ ละ จดั เก็บ นำเสนอ

เพรำะเรำสำมำรถทรำบถึงลกั ษณะพฤติกรรมกำรซือ้ สินคำ้ ของลูกคำ้ ทงั้ หมดไดว้ ่ำมีกำรเลือกสินคำ้ อ ย่ำงไร เช่น พิจำรณำอยำ่ งไร ตดั สินใจซือ้ ไดอ้ ย่ำงไร ควำมตอ้ งกำรท่ีแทจ้ ริงของลกู คำ้ ท่ีมีคืออะไร ลกู คำ้ ซื้อสินคำ้ ไหนทดแทน สนิ คำ้ ของเรำ และแนวโนม้ ที่ทำใหล้ กู คำ้ ซือ้ สนิ คำ้ ใกลเ้ คียง ทำใหเ้ รำสำมำรถวิเครำะหภ์ ำพรวมของตลำดไดด้ ีขนึ้ อีก ดว้ ย คณุ ควรเปิดใจใหก้ วำ้ งและยอมรบั วำ่ อะไรๆ ก็เป็นขอ้ มลู ทงั้ นนั้ แลว้ เรำจะรูก้ ระแสไดอ้ ย่ำงไร ก็ไดจ้ ำกขอ้ มลู ท่ีเกิดขนึ้ อยำ่ งรวดเรว็ และเพ่ิมขนึ้ อย่ตู ลอดเวลำจำกโซเชียลมีเดีย ทงั้ ที่นิยมอยู่ และท่ีกำลงั จะเป็นท่ีนิยม หำกเรำสำมำรถนำ ขอ้ มลู ท่ีไดม้ ำวเิ ครำะหไ์ ดอ้ ยำ่ งรวดเรว็ และทนั ทว่ งที จะทำใหเ้ รำกลำยเป็นผนู้ ำเทรนดไ์ ปแบบติดลมบนเลยทเี ดียว

ไม่ใช่แคก่ ำรเป็นผนู้ ำหรือผตู้ ำมกระแส แต่ Big Data สำมำรถช่วยใหอ้ งคก์ รรบั มือกบั ปัญหำในอนำคตได้ ตรงนี้ หำกวเิ ครำะหไ์ ดถ้ กู ตอ้ งสำมำรถพำธุรกิจไปสกู่ ำรปรบั ตวั ที่จะเพ่ิมศกั ยภำพในกำรดำเนินงำนไดม้ ำกขนึ้ ไม่วำ่ จะเป็น เรอ่ื งกำรปรบั นโยบำย วิธีกำรบรหิ ำรจดั กำร รวมไปถึงกำรวำงยทุ ธศำสตรข์ ององคก์ รใหก้ ลำยเป็นองคก์ รที่พรอ้ มเรยี น รูอ้ ยตู่ ลอดเวลำ พรอ้ มกำ้ วไปขำ้ งหนำ้ อยเู่ สมอ ดว้ ยผลกำรวิเครำะหท์ ี่ไดจ้ ำก Big Data เขำ้ มำช่วยเพิ่มกำรตดั สนิ ใจ ทงั้ ในเรือ่ งทำงเลอื กในกำรประหยดั ตน้ ทนุ ช่องทำงกำรเพม่ิ Productivity ผำ่ นกำรปรบั ปรุงระบบกำรผลติ และระบบงำนภำยในองคก์ รใหม้ ีควำมสำมำรถ เก็บขอ้ มลู ตำ่ งๆ มำวิเครำะห์ ทงั้ แบบออฟไลนแ์ ละแบบดิจิทลั เช่น กำรสงั เกตุกระบวนกำรผลิตและใหม้ ีกำรติดตงั้ เซน็ เซอรใ์ นสำยกำรผลติ เพ่ือจดั เก็บขอ้ มลู ขนำดใหญ่และนำมำวิเครำะห์ จะทำใหผ้ ผู้ ลติ ทรำบและคำดกำรณถ์ ึงจุดที่ จะเป็นปัญหำและตอ้ งกำรกำรแกไ้ ขหรือปรบั ปรุงอย่ำงเรง่ ด่วน ทำใหส้ ำมำรถเขำ้ ไปจดั กำรไดท้ นั ทว่ งที ซ่ึงจะช่วยลด กำรสญู เสยี และเพม่ิ ประสทิ ธิภำพภำพในสำยพำนกำรผลติ