kmU01

ใบความรูประกอบการสอนออนไลน รายวิชา เทคโนโลยดี ิจิทลั เพ่ือการจดั การอาชีพ รหัส 30001-2003 หลกั สตู ร ประกาศนียบตั รวชิ าชีพชั้นสงู พทุ ธศกั ราช 2563 เร่ืองที่ 1 ชอ่ื เรอื่ ง ความรูพน้ื ฐานการจดั การขอ มูลขนาดใหญ (Big Data) สาระการเรยี นรู 1. ความหมายของ Big Data 2. องคป ระกอบทสี่ ำคญั ของขอ มูล 3. ลักษณะทส่ี ำคญั ของ Big Data 4. ววิ ัฒนาการของ Big Data 5. รูปแบบของขอ มลู Big Data 6. การจัดการขอมลู ขนาดใหญ (Big Data) 7. การนำ Big Data ไปใชประโยชนใ นดา นตาง ๆ 8. กระบวนการจาก Big Data สูความสัมพนั ธของขอ มูล 9. วธิ ีการจัดทำ Big Data 10. ตวั อยางการนำ Big Data ไปใช 11. ตวั อยางแบรนดตา ง ๆ ท่ใี ช Big Data ในการวิเคราะหข อ มลู จดุ ประสงคการเรียนรู 1. บอกความหมายและองคป ระกอบทีส่ ำคญั ของ Big Data ได 2. อธบิ ายลักษณะและรูปแบบของ Big Data ได 3. อธิบายการจดั การขอ มูลขนาดใหญ (Big Data) ได 4. ปฏิบตั กิ ารใช Big Data ในการวิเคราะหข อ มลู ได 5. มีคณุ ธรรม จรยิ ธรรมและความรับผิดชอบ ตระหนักถงึ การเปนพลเมืองดจิ ทิ ัล สมรรถนะการเรียนรู 1. แสดงความรเู กี่ยวกบั ความรูพ้นื ฐานการจดั การขอ มลู ขนาดใหญ (Big Data) 2. แสดงความรูเ กยี่ วกบั การจัดการขอ มลู ขนาดใหญ (Big Data) 3. แสดงความรูเกย่ี วกบั วธิ ีการจดั ทำ Big Data 4. ประยกุ ตใชก ารจดั การขอ มูล (Big Data)

1. ความหมายของ Big Data การนำขอ มูลจำนวนมหาศาลท่ไี ดจ ากการใหบริการมาใชวิเคราะห เพ่อื หาโอกาสทางธุรกจิ ใช ประกอบการตัดสนิ ใจในเรื่องสำคญั ๆ ทั้งการพฒั นาดา นการขายและการตลาด การปรับปรุงสนิ คาบรกิ ารใหตรง กับความตองการของผูบรโิ ภคยคุ ใหมท่ีเปลย่ี นแปลงอยางรวดเร็ว รวมถงึ ภาคการผลิตที่นำขอ มูล Big Data ไปใช ในการวิเคราะหเพอื่ เพม่ิ ผลติ ภาพหรอื คา เฉล่ียของประสทิ ธิภาพการผลิต (Productivity) ในกระบวนการผลติ และ การดำเนินงาน 2. องคประกอบท่สี าํ คัญของขอ มลู

1. Device/Data Source (แหลงท่มี าของขอมูล) ซงึ่ ถอื ไดว า เปนตนนำ้ เปนแหลงกำเนิดของขอมลู อาจจะเปนระบบ โปรแกรม หรือจะเปนมนษุ ยเรา ทีส่ รา งใหเ กิดขอ มูลขึ้นมา ทงั้ น้ี เมือ่ ไดชอ่ื วา เปน Big Data แลว ขอมูลตา ง ๆ มกั จะมาจากแหลง ขอมูลที่หลากหลาย นำพามาซึง่ ความยากลำบากในการจัดการโครงสรา ง หรือ จดั เตรยี มใหขอ มูลทนี่ ำมารวมกันนนั้ มคี วามพรอ มใชต อ ไป 2. Gateway (ชองทางการเชอ่ื มโยงขอ มูล) การเชื่อมโยงขอ มลู เปนสว นทส่ี ำคัญมาก และเปน ปญ หาใหญ ในการทำ Big Data Project ตอ งอาศัยทักษะของ Data Engineer ทง้ั การเขียนโปรแกรมเอง และใชเ ครื่องมือที่มี อยูมากมาย ทั้งนี้การจะออกแบบชอ งทางการเช่ือมโยงขอ มลู ไดอยา งสมบูรณแบบ จำเปนตอ งทราบกอ นวา จะนำ ขอมูลใดไปทำอะไรตอบาง มเิ ชนนน้ั การสรา งชองทางการเช่ือมท่ไี มม เี ปา หมาย ก็อาจเปน การเสยี เวลาโดยเปลา ประโยชน 3. Storage (แหลงเก็บขอ มูล) แหลงเก็บขอมลู น้ี ไมใ ชก ารเกบ็ ขอมูลจากแหลงขอมลู เพยี งอยา งเดยี ว แต เปนการเก็บขอมลู จากแหลง ขอ มูลหลาย ๆ แหลง เอามาไวเพื่อรอการใชงาน ซึ่งอาจจะเปน ท่พี ักขอ มูลใหพ รอ มใช หรือจะเปน แหลงเก็บขอ มูลในอดีตก็เปน ได 4. Analytics (การวิเคราะหข อ มูล) สวนนเี้ ปนหนา ทหี่ ลกั ของ Data Scientist ซง่ึ แบง งานออกเปน 2 ลักษณะ คือ การวิเคราะหเ บื้องตน โดยการใชว ธิ ีทางสถติ ิ หรอื จะเปนการวิเคราะหเ ชงิ ลกึ โดยการสราง Model แบบตาง ๆ รวมไปถึงการใช Machine Learning (“การเรียนรขู องเครื่องจกั ร” โดยเครือ่ งจักรในทน่ี ี้หมายถงึ “Program Computer” นน่ั เอง) เพ่ือใหไดผลลัพธเ ฉพาะจงเจาะในแตละปญหาและแตละชุดขอมลู 5. Report/Action (การใชผลการวเิ คราะหข อ มลู ) ผลลพั ธทไี่ ดจากการวเิ คราะหสามารถนำไปใชง านได 2 รูปแบบ คือ ออกเปนรายงาน เพื่อให Data Analyst นำผลลพั ธท ไ่ี ดไ ปใชก ับงานทางธรุ กิจตอ ไป หรอื จะเปน การ นำไปกระทำเลยโดยท่ีไมต อ งมี “มนษุ ย” คอยตรวจสอบ ซึ่งจำเปนตอ งมกี ารเขียนโปรแกรมเพมิ่ เพอื่ ใหม ีการ กระทำออกไป ทเี่ รียกวา Artificial Intelligence: AI (ปญ ญาประดษิ ฐ) 3. ลกั ษณะทส่ี ําคัญของ Big Data โดยทั่วไปลกั ษณะพืน้ ฐานของ Big Data จะมีอยู 3 ประการคือ ปรมิ าณ (Volume), ความหลากหลาย (Variety) และ ความเร็ว (Velocity) แตว นั นเ้ี ราจะมาพูดถึงคณุ ลกั ษณะที่เพิ่มข้นึ มาอีก 3 ประการ ทที่ ำใหข อ มูล ขนาดใหญ (Big Data) นม้ี คี ุณภาพสูงข้ึน และเหมาะท่ีจะนำมาใชในการวเิ คราะหเ พ่ือใหไดมาซง่ึ ความเขา ใจเชิงลกึ Big data ทมี่ คี ุณภาพสูงควรมลี ักษณะพ้นื ฐานอยู 6 ประการหลกั ๆ (6 Vs) ดังนี้ 1. ปรมิ าณ (Volume) หมายถึง ปริมาณของขอมลู ควรมีจำนวนมากพอ ทำใหเมื่อนำมาวิเคราะหแ ลวจะ ได insights ที่ตรงกับความเปนจรงิ เชน การที่เรามีขอ มลู อายุ เพศ ของลกู คาสว นใหญ ทำใหเราสามารถหา

demographic profile ทัว่ ไปของลกู คาทถี่ กู ตอ งได ถา เรามีขอมูลลกู คา แคสว นนอ ย คาท่ีประมาณออกมาอาจจะ ไมต รงกบั ความเปนจรงิ 2. ความหลากหลาย (Variety) หมายถงึ รูปแบบของขอ มูลควรหลากหลายแตกตางกันออกไป ท้งั แบบ โครงสราง, ก่งึ โครงสราง, ไมมีโครงสราง ทำใหเราสามารถนำมาวิเคราะหประกอบกนั จนไดได insights ครบถวน 3. ความเร็ว (Velocity) หมายถงึ คุณลกั ษณะขอมูลทีถ่ กู สรางขึ้นอยางรวดเร็วตอเน่อื งและทนั เหตุการณ ทำใหเ ราสามารถวิเคราะหข อมลู แบบ real-time นำผลลพั ธม าทำการตดั สนิ ใจและตอบสนองไดอยางทนั ทวงที เชน ขอมลู GPS ท่ใี ชตดิ ตามตำแหนงของรถ อาจจะนำมาวเิ คราะหโอกาสที่ทำใหเกิดอบุ ัติเหตุ และออกแบบระบบ ปองกันอบุ ัติเหตไุ ด 4. ความถกู ตอง (Veracity) หมายถึง มีความนา เชื่อถือของแหลง ท่ีมาขอ มูลและความถกู ตองของชุดขอมูล มีกระบวนการในการตรวจสอบและยืนยันความถูกตองของขอ มูล ซง่ึ มีความเกี่ยวเนอ่ื งโดยตรงกบั ผลลพั ทการ วเิ คราะหข อ มลู 5. คณุ คา (Value) หมายถงึ ขอมูลมปี ระโยชนและมีความสัมพันธในเชิงธรุ กิจ ซึง่ ตองเขาใจกอ นวาไมใช ทกุ ขอมูลจะมีประโยชนในการเกบ็ และวิเคราะห ขอมลู ท่มี ีประโยชนจะตอ งเกีย่ วของกบั วัตถุประสงคทางธุรกจิ เชน ถาตอ งการเพิ่มขีดความสามารถในการแขง ขันในตลาดของผลิตภณั ฑที่ขาย ขอ มูลทมี่ ีประโยชนท สี่ ดุ นาจะเปน ขอ มลู ผลติ ภัณฑของคูแขง 6. ความแปรผนั ได (Variability) หมายถงึ ขอมูลสามารถในการเปลี่ยนแปลงรูปแบบไปตามการใชง าน หรอื สามารถคิดวเิ คราะหไดจากหลายแงม มุ และรูปแบบในการจัดเก็บขอ มูลกอ็ าจจะตางกนั ออกไปในแตล ะแหลง ของขอ มูล 4. ววิ ัฒนาการของ Big Data ถึงแมว า แนวคดิ เรื่องขอมลู ขนาดใหญห รือ Big Data จะเปนของใหมแ ละมีการเร่ิมทำกันในไมก ปี่ ม านี้เอง แตต นกำเนิดของชุดขอมูลขนาดใหญไ ดม กี ารริเรมิ่ สรางมาตง้ั แตย ุค 60 และในยุค 70 โลกของขอ มูลก็ไดเ รมิ่ ตน และไดพัฒนาศูนยข อ มลู แหง แรกขน้ึ และทำการพัฒนาฐานขอมลู เชิงสัมพันธขึ้นมา ประมาณป 2005 เร่มิ ไดมีการตะหนกั ถงึ ขอ มูลปริมาณมากท่ีผูคนไดส รางขนมาผานสื่ออนไลน เชน เฟสบุค ยูทปู และสอ่ื อนไลนแ บบอน่ื ๆ Hadoop เปน โอเพน ซอรสเฟรมเวิรค ทถ่ี กู สรา งข้ึนมาในชว งเวลาเดยี วกนั ใหเปน ทเ่ี กบ็ และวเิ คราะหขอมลู ขนาดใหญ และในชว งเวลาเดยี วกัน NoSQL ไดก ็เริม่ ขึน้ และไดรับความนิยมมาก ข้นึ การพัฒนาโอเพนซอรสเฟรมเวิรค เชน Hadoop (และเมอ่ื เรว็ ๆ นีก้ ม็ ี Spark) มีความสำคัญตอ การเตบิ โต ของขอมูลขนาดใหญ เนือ่ งจากทำใหขอมูลขนาดใหญทำงานไดง าย และประหยัดกวา ในชวงหลายปท ่ผี า นมา ปริมาณขอมลู ขนาดใหญไ ดเ พ่มิ ขนึ้ อยางรวดเร็ว ผูคนยังคงสรางขอ มลู จำนวนมาก ซึ่งไมใชแ คม นษุ ยทท่ี ำมันขึ้นมา

การพฒั นาการของ IOT (Internet of Thing) ซ่งึ เปนเครอื่ งมอื อปุ กรณทีเ่ ช่อื มตอกบั อนิ เตอรเนตก็ทำการ เก็บและรวบรวมขอมูลซ่ึงอาจเปน เรอ่ื งที่เก่ยี วกับพฤติกรรมการใชง านของลกู คา ประสิทธภิ าพของสินคา หรือการ เรียนรขู องเคร่ืองจักรพวกน้ลี วนทำใหมขี อ มูลขนาดใหญ 5. รปู แบบของขอมลู Big Data 1. ขอ มลู เชิงพฤติกรรม เชน เซฟิ เวอรลอ็ ค, การคลิกเขา มาดูขอมูลทางเว็บ, การเขามาใชบ ัตร ATM ใน การกดเงนิ 2. ขอมลู ภาพและเสยี ง เชน วิดีโอ รปู ภาพ เสียงที่ถกู บนั ทึกไว 3. ขอ มูลขอ ความ เชน การสง ขอมูลทาง Message 4. ขอ มลู ทถ่ี ูกบันทกึ ไว เชน ขอ มลู ทางการแพทย ขอ มลู ที่ไดจากการสำรวจ ขอ มูลทางภาษี 5. ขอ มลู เซ็นเซอร เชน ขอมลู ทางภมู ิศาสตร ขอ มูลอุณหภูมติ าง ๆ ขอ มูลการตรวจจับความเรว็ 6. การจดั การขอมลู ขนาดใหญ (Big Data) 1. กำหนดกลยุทธเ ก่ยี วกบั ขอ มลู ขนาดใหญ 2. รแู หลงทมี่ าของขอ มูลขนาดใหญ 3. การเขาถึง จัดการ และจัดเก็บขอ มลู ขนาดใหญ 4. การวิเคราะหข อมลู ขนาดใหญ 5. ตัดสินใจอยางชาญฉลาดและใชขอ มลู ชวย

7. การนาํ Big Data ไปใชประโยชนใ นตํานตาง ๆ 1. ทำใหเขา ใจพฤตกิ รรมของลกู คา ถารจู กั วาลกู คาคิด ตัดสินใจ หรอื ใชช วี ติ อยางไร มพี ฤติกรรมในการ บริโภคเชน ไร ยอ มทำใหสามารถคดิ ผลิต รวมถงึ ยงิ โฆษณาเพ่ือกระตนุ การตดั สินใจซ้ือไดงา ยข้นึ เปนการ ควบคมุ และสรางพฤติกรรมใหมๆ ใหลกู คา เปน อยา งท่ีเราตองการไดเ ลย 2. ชว ยใหวเิ คราะหแ นวโนม ของธุรกจิ ไดแมน ยำ คอื มองเห็นอนาคตวา ธุรกิจจะเดนิ ไปทางไหนไดชดั เจนขน้ึ ยง่ิ ขอ มูลแมน ยำเทา ไหร การวเิ คราะหย อมถูกตอ งมากเทา น้นั รวมถึงทำใหสามารถคดิ ล้ำหนา คแู ขงได 3. ชวยใหม ีโอกาสปองกนั ปญ หาทีจ่ ะเกิดขนึ้ ในอนาคตไมใ หลุกลามใหญโต เพราะรูล วงหนาจากการ คาดการณทีแ่ มนยำ ปญหาบางอยางสามารถปองกนั ได 100% แตบางอยา งอาจแคผอ นหนกั ใหเ ปนเบา แตก ย็ ังดีกวา ไมปองกันอะไรเลย น่ันคือ แมมปี ญหา ธุรกจิ กไ็ ปตอได ดวยกลยทุ ธด ๆี ทีค่ ิดไวลว งหนา จาก ขอ มูลในปจจุบนั 4. ชว ยใหธรุ กิจมโี อกาสเติบโตอยางมีเสถียรภาพ งานใหญไมควรต้ังอยบู นความไมแนน อน ดงั นน้ั ขอมูลทกุ ดา นท่ีเปน Big Data จงึ มีสว นชว ยการดำเนนิ ธุรกจิ อยางยง่ิ การตัดสนิ ใจถกู ตอ ง ในเวลาอันรวดเรว็ ไม ประมาท สามารถทำใหธรุ กิจอยไู ดในแถวหนาของธุรกจิ ประเภทเดียวกนั

8. กระบวนการจาก Big Data สูความสัมพันธข องขอ มลู 1. Storage: การรวบรวมขอมลู มาจดั เกบ็ การรวบรวมขอมูลจากแหลงตาง ๆ ทั้งขอมูลที่มีคุณภาพ ขอ มลู ท่ีคาดวา จะมีประโยชน / ไมค รบถว น ขอมูลรปู ภาพ วดิ โี อ ไฟลเ สียงทงั้ หลาย ถกู สง มาจัดเก็บทถ่ี งั ขอ มูล 2. Processing: การประมวลผล เมือ่ ขอ มูลตาง ๆ ถกู นำมารวมกันไวใ นทเี่ ดียวแลว จะถูกนำไปจดั หมวดหมขู อ มูลท่มี ีความเก่ยี วของสัมพนั ธ กนั ใหผ ลคลา ยคลึงกนั แลวนำมาเปล่ียนเปนรูปแบบขอ มลู เพ่อื เอาเขาระบบคลงั ขอ มูลทผี่ านการประมวลผลแลว 3. Analyst: การวิเคราะหแ ละนำเสนอ จากน้นั ขอ มลู มากมายท้ังหมดท่ถี ูกจัดเรยี งแลวในหลายมติ ิจะถกู นำมาวิเคราะหหา Pattern ของขอมูลที่ มองไมเ หน็ ดว ยตาเปลา เชน หารูปแบบความสมั พนั ธทซ่ี อ นอยู หาแนวโนมการตลาด เทรนดค วามชอบของลูกคา และขอ มลู อื่น ๆ ที่เปน ประโยชนท างธรุ กิจ และถูกนำเสนอออกมาในรูปแบบท่ีเขาใจงายผานทางสถติ ิ กราฟ หรอื รูปภาพนัน่ เอง 9. วธิ กี ารจดั ทาํ Big Data 1. ตง้ั เปา หมายถึงส่งิ เล็กไวกอ น ในชวงเร่ิมตนคุณไมจำเปนตอ งตง้ั เปา หมายใหญท ี่สุด แตก ารตงั้ เปาเล็ก ๆ ไวกอ นเพ่อื ทีจ่ ะไดด วู า เรา ตองการทจ่ี ะรเู รอ่ื งอะไร เพอื่ แกป ญ หาสิ่งไหน 2. วางแผนรวบรวมขอ มลู จากแหลงทีม่ ีอยู ขอ มลู ที่ไดจากกจิ กรรมทเี่ กิดขนึ้ ทงั้ หนา รา น หลังรานมอี ะไรบาง ใหวางแผนการรวบรวมขอมูล นอกจากนน้ั การรจู กั หาขอ มูลจากแหลงอนื่ บนออนไลน เชน เทรนดทีใ่ ชจาก Google trend หรอื การใช Keyword ทเ่ี ก่ยี วขอ งกับธุรกจิ ของคณุ เพ่ือดวู าผูคนพูดถึงส่ิงท่ีตอ งการดวยคำวา อะไรบาง 3. จบั ตาความเคลือ่ นไหวและเขา ใจแหลงท่มี าของขอ มลู ใช Social Media ที่มีอยูใหเ กดิ ประโยชน เรยี นรสู ิ่งทเ่ี กิดขึ้นรอบตวั ทงั้ ลกู คา คแู ขง หรือประเดน็ ที่คน สว นใหญกำลังพูด ถงึ ส่ิงเหลานน้ั เปน อยา งไร เกย่ี วของหรอื ไมอ ยางไรกับธุรกิจของคณุ 4. ฝกหาความสัมพนั ธข องขอ มูล เราจะนำขอ มลู ทางตรงและทางออ มมาลองหาความสัมพนั ธท ่ีอาจเกิดขนึ้ กบั ธรุ กจิ ไดอ ยา งไร ยงิ่ เร่มิ เรว็ ได เทา ไหรยิง่ ดี ในแตล ะขั้นตอนของการดำเนนิ งาน มสี ว นไหนทถี่ าคุณปรบั การทำงานแลวจะไดข อ มลู ท่ีเราคิดวา ตองการอยางแทจ ริง 5. จำลองขอ มูลขึน้ มา

เพ่ือใหคุณเขา ใจขอ มูลท่มี ีอยใู หม ากยิ่งขึ้น และเห็นภาพรวมวา จะนำขอมูลไปใชใ นทางไหน ระหวางทางก็ คอ ยๆพัฒนาไปเรอ่ื ย ๆ 6. แยกผลลัพธและขอ มูลรบกวนออกจากขอ มลู ขนาดใหญ เม่อื ไดผลลพั ธแ ลวใหล องแยกขอมูลสว นเกนิ ออกจากขอมลู สวนใหญ แลว สนใจเพียงแคข อ มลู เชิงลึกที่ นำไปใชตอไดจรงิ ทดลองนำขอ มลู เชงิ ลึกท่ไี ดเ ขา ไปใชง านในกระบวนการทำธุรกจิ ถาไมมีผลลพั ธอะไรเกดิ ขนึ้ ให เลิกสนใจขอ มูลสว นน้แี ลวตัง้ เปา หมายและวางใหมอีกคร้งั 10. ตัวอยางการนํา Big Data ไปใช 1. การพฒั นาผลิตภณั ฑวางแผนรวบรวมขอมูลจากแหลงที่มีอยู 2. การคาดการณเพื่อการบำรุงรกั ษาเครอื่ งจักร 3. สรางประสบการณท่ดี ีใหก บั ลูกคา 4. การตรวจสอบการโกงและการปฏิบตั ิตามกฎระเบยี บ 5. การเรียนรูข องเคร่ืองจักร Machine Learning 6. ประสิทธิภาพในการปฏิบตั ิงาน 7. การขับเคลอ่ื นในการสรา งสรรคส งิ่ ใหมๆ 11. ตัวอยางแบรนดต าง ๆ ท่ใี ช Big Data ในการวเิ คราะหขอมูล 1. แบรนดท ี่ใชขอ มูลในการดแู ลและดงึ ดดู ลูกคา McDonald’s รา นฟาสตฟ ดู ท่โี ดง ดังระดบั โลกทใ่ี ช เทคโนโลยีที่ทนั สมัยในหลาย ๆ ดานของการทำธุรกิจ รวมถึงการใชขอ มลู ในการดแู ลลกู คาผา นแอปพลิเคชันมอื ถอื ที่ชวยใหลูกคาสามารถส่งั ซอื้ และชำระเงนิ เกือบทุกขัน้ ตอนผานอุปกรณมือถือ และเพ่อื ใหประสบการณข องลูกคา ท่ี ดียิ่งขึน้ McDonald’s เองกส็ ามารถเขาถงึ ขอมูลที่จำเปน เก่ยี วกับผูใชบรกิ ารของพวกเขา เชน การส่ังอาหาร การ ใชบริการ ความถ่ีท่ีใช ใชผ านเครอ่ื งมือใด ขอมูลท้ังหมดนีช้ ว ยให McDonald’s สามารถออกแบบโปรโมชนั และ ขอเสนอทตี่ รงเปา หมายมากย่ิงข้ึน ซึง่ ในความเปน จริงลกู คา ชาวญ่ปี ุน ทใ่ี ชแอปพลิเคชนั มือถือของ McDonald’s ไดม ียอดการซือ้ ที่มากขนึ้ ถงึ 35% เน่ืองจากการนำเสนอสินคา ท่ีตรงตามความตอ งการของลกู คา กอ นทีพ่ วกเขา พรอ มทีจ่ ะส่ังอาหาร

2. แบรนดท ีใ่ ชขอ มลู สำหรบั กำหนดเปา หมายในการทำโฆษณา Netflix เปนตัวอยางทด่ี ีของแบรนดใหญท ่ี ใช Big Data ในการวเิ คราะหกลมุ เปาหมายในการนำสงโฆษณา ดว ยสมาชิกมากกวา 100 ลานราย บรษิ ทั ได รวบรวมขอมูลจำนวนมากซึ่งเปนกญุ แจสำคญั ทที่ ำให Netflix ประสบความสำเร็จ หากคุณเปนสมาชิกของ Netflix เราจะคุน เคยดกี บั วิธีท่ี Netflix สง คำแนะนำของภาพยนตรเร่ืองตอไปท่ีคณุ ควรดู ข้ันตอนนไี้ ดใ ชข อ มูลจากการ คนหายอ นหลังของคุณในการประกอบคำแนะนำไดอ ยางแมน ยำ ซ่ึงบอกไดถ ึงจำนวน % ของภาพยนตรวาตรงตอ ความช่ืนชอบของคุณแคไ หน และขอมูลนท้ี ำให Netflix สามารถใชขอ มูลเชงิ ลกึ ไดอยางเปน ประโยชนแ ละนำเสนอ ไดต รงใจกบั ลูกคา 3. แบรนดท ่ีใชก ารวิเคราะหข อมลู ในการบรหิ ารความเส่ยี ง Starbucks ในฐานะบรษิ ัทกาแฟชนั้ นำของโลก Starbucks สามารถเปดสาขาใหมใ นบริเวณใกลเ คียงกบั รานคา อืน่ ๆ ในขณะทีย่ ังรบั ประกันถงึ อัตราการประสบ ความสำเร็จท่ีสูง เพราะโดยปกตแิ ลวในการตัดสินใจเปด สาขาใหมขน้ึ มานั้นเปน ความเสี่ยงโดยไมจำเปน แต Starbucks ไดใ ชฐ านขอมูลในวิเคราะหค ำนวณถึงอัตราความสำเร็จของทกุ ตำแหนงที่ต้งั ใหมกอ นจะลงมือปฏบิ ัติ ดวยขอมลู ตามพื้นท่นี ัน้ ๆ วา มจี ำนวนประชากร การจราจร มผี ูคนจำนวนเทา ไหร และจากการวเิ คราะหข อมลู นั้น ทำให Starbucks สามารถคำนวณถึงขอมลู พืน้ ฐานทวั่ ไปของแตละสาขาท่ีตอ งการเปด ใหมไ ด เพ่ือใหพวกเขา

สามารถเลอื กสถานทต่ี ัง้ ตามแนวโนมการเตบิ โตของรายได และสามารถลดความเส่ยี งในการลงทนุ จำนวนมากของ แตล ะสาขา 4. แบรนดท ่ใี ชขอ มูลเพอื่ เพมิ่ ประสิทธิภาพของ Supply Chain PepsiCo เปน บรษิ ทั บรรจุสินคาอุปโภค บรโิ ภค ทีต่ องใชข อมลู จำนวนมากเพอื่ การจดั การหว งโซอ ปุ ทานทมี่ ีประสิทธิภาพ บริษัทมุง มัน่ ท่จี ะสรา งความมน่ั ใจ วา พวกเขาสามารถเติมเตม็ ชั้นวางของรา นคาปลีกดว ยปรมิ าณและประเภทของผลติ ภัณฑทเ่ี หมาะสม ลกู คา ของ บริษัทจดั ทำรายงานซึง่ รวมถงึ สนิ คา คงคลัง รายการสนิ คา และ POS (Point Of Sale) เก็บขอมลู การขายหนา ราน ใหก บั บริษัทและขอมูลนจ้ี ะใชในการวางแผนพยากรณก ารผลิตและการจดั สง ดว ยวิธีนีบ้ ริษัทม่นั ใจวาผูค า ปลกี จะมี ผลิตภัณฑเหมาะสม ในปริมาณทพ่ี อตอความตองการ และเวลาท่ีเหมาะสม