ความรู้พื้นฐานการจัดการข้อมูลขนาดใหญ่

จดั ทำโดย นำงสำวอรุศรำ หอทบั ทมิ รหสั นักศึกษำ สำขำ

ควำมหมำยของ Big Data กำรนำ Big Data ไปใชป้ ระโยชน์ดำ้ นอ่ืนๆ กระบวนกำรจำก Big Data สู่ควำมสมั พนั ธข์ อง องคป์ ระกอบท่ีสำคญั ของขอ้ มลู ขอ้ มูล ลกั ษณะที่สำคญั ของ Big Data กำรจดั ทำ Big Data ตวั อยำ่ งกำรนำ Big Data ไปใช้ ววิ ฒั นำกำรของ Big Data ตวั อยำ่ งแบรนดต์ ่ำงๆท่ีใช้ Big Data ในกำร รูปแบบของขอ้ มูล Big Data วเิ ครำะห์ขอ้ มูล กำรจดั กำรขอ้ มลู ขนำดใหญ่ (Big Data)

Big Data หมายถึง การนาข้อมลู จานวนมหาศาลท่ีได้จาก การให้ บริการมาวิเคราะห์ เพ่ือหา โอกาสทาธุรกิจ ใช้ ประกอบการ ให้บริการตัดสิน้ ใจในเร่ืองสาคัญ ๆ พัฒนาด้ านการขายและการตลา ด ตลอดจนปรับปรุงสินค้าให้ ตรงกับ ความต้องการของผู้บริโภคยุคใหม่ที่ เปลี่ยนแปลงอยา่ งรวดเร็ว

องคป์ ระกอบของระบบ Data แบง่ ออกเป็ น 5 ส่วน ดว้ ยกนั ไดแ้ ก่ 1. Data Source (แหล่งทมี่ าของข้อมูล) เป็ นแหล่งกาเนิดของข้อมูล อาจจะเป็ นระบบ โปรแกรม หรือจะเป็ นมนุษย์เรา ทส่ี ร้างให้เกดิ ข้อมูลขน้น มา 2. Gateway (ช่องทางการเช่ือมโยงข้อมูล) เป็ นการเช่ือมโยงข้อมูล เป็ นส่วนทส่ี าคญั มาก และเป็ นปัญหาใหญ่ในการทา Big Data Project ต้องอาศัยทักษะของ Data Engineer ทนงั การเขยี นโปรแกรมเอง 3. Storage (แหล่งเกบ็ ข้อมลู ) แหล่งเกบ็ นี้ ไม่ใช่แค่การเกบ็ ข้อมลู จากแหล่งข้อมูล แต่เป็ นการ เกบ็ ข้อมลู จากแหล่งข้อมลู หลายๆ แหล่ง 4. Analytics (การวิเคราะห์ข้อมูล) ส่วนนีเ้ ป็ นหน้าท่หี ลักของ Data Scientist ซ่งึ แบ่งงานออกเป็ น 2 ลักษณะ คอื การวิเคราะห์เบอื้ งต้น โดยการใช้วธิ ีทางสถติ ิ 5. Result/Action (การใช้ผลการวเิ คราะห์ข้อมูล) ผลลัพธ์ท่ไี ด้จากการวเิ คราะห์สามารถนาไปใช้งานได้ 2 รูปแบบ คือ ออกเป็ นรายงาน เพ่อื ให้ Data Analyst นาผลลัพธ์ท่ไี ด้ไปใช้กบั งานทางธุรกจิ ต่อไป หรือจะเป็ นการนาไปกระทาเลยโดยท่ี ไม่ต้องมี “มนุษย์” คอยตรวจสอบ

ลักษณะท่ีสาคัญ ของ Big Data

ววิ ฒั นาการของ Big Data ตน้ กำเนิดชุดขอ้ มลู ขนำดใหญ่ได้ มีกำรริเริ่มสร้ำงต้ังแต่ยุค 60 และในยุค 70

เช่น ขอ้ มลู ทำง เช่น ขอ้ มลู ทำง เช่น เซิร์ฟเวอร์ลอ็ ก, กำรแพทย,์ ขอ้ มูลท่ีได้ ภูมิศำสตร์, ขอ้ มลู กำรเขำ้ มำกดบตั ร ATM จำกกำรสำรวจ อุณหภูมิต่ำง ๆ ในกำรกดเงิน ข้อมูล ข้อมูล ท่ถี ูกบนั ทกึ ไว้ เชงิ พฤตกิ รรม เช่น กำรส่งขอ้ มูล เช่น วิดีโอ, รูปภำพ, เสียงที่ถูกบนั ทึกไว้ ทำงขอ้ ควำม ข้อมูลข้อความ ข้อมูลภาพ และเสียง

4. การวเิ คราะห์ข้อมูลขนาดใหญ่ 1. กาหนดกลยุทธ์เกย่ี วกบั ข้อมูล ขนาดใหญ่ จะใช้ข้อมลู ขนาดใหญ่ทงั้ หมด แล้วนามาวิเคราะห์ได้ เชน่ ข้อมลู ขนาดใหญ่มีความ ปัญญาประดษิ ฐ์ จาเป็น เช่น ทรัพย์สนิ ทาง ธุรกิจที่มีคา่ อ่นื ๆ 5. ตดั สินใจอย่างชาญฉลาดและใช้ข้อมูลช่วย 3. การเข้าถง้ จัดการ และจัดเกบ็ ข้อมูล ข้อมลู ที่ได้รับการจดั การและมีความ 2. รู้แหล่งทม่ี าของข้อมูลขนาดใหญ่ เช่ือถือ เพื่อให้สามารถแข่งขนั ได้ ธรุ กิจ การจดั ระเบยี บข้อมลู และการจดั เก็บ และการ ตา่ ง ๆ จาเป็นได้รับประโยชน์สงู สดุ จาก กระแสข้อมลู มาจาก Internet เตรียมข้อมลู สาหรับการวเิ คราะห์มกี รอบการ ข้อมลู ขนาดใหญ่ of Things (IoT) และอปุ กรณ์ ทางานเพื่อใช้จดั เก็บข้อมลู ประมวลผลข้อมลู ที่มี ที่เชื่อมตอ่ อน่ื ๆ ขนาดใหญ่มาก ๆ เรียกวา่ Big Data ซงึ่ Hadoop สามารถปรับขยายได้

เพ่ือแก้ปัญหาความเดอื ดร้อนและ การฝึกอาชีพเพ่ือเพิ่มรายได้ให้กบั ผู้ ลดความเหลอ่ื มลา้ เชน่ ข้อมลู มีรายได้น้อย สาธารณสขุ ทะเบียนราษฏร์ ท่ีจดั เกบ็ ข้อมลู พฤติกรรมการซือ้ รัฐบาลสามารถใช้ชว่ ยเหลอื ผ้มู ี สินค้าของลกู ค้าอยา่ งตอ่ เน่ือง เกบ็ รายได้น้อย ข้อมลู ช่ือ ท่ีอยู่ เพศ เชือ้ ชาติ อายุ เพื่อยกระดบั ธรุ กิจ ด้วยการพฒั นา เทคโนโลยีแช็ตบอต (Chatbot)

Analyst : Processing : Storage : การรวบรวม การวิเคราะห์และนาเสนอ การประมวลผล ข้อมลู มาจดั เก็บ หารูปแบบความสมั พนั ธ์ท่ี นามาเปล่ยี นรูปแบบข้อมลู การรวบรวมข้อมลู จากแหลง่ ซอ่ นอยู่ หาแนวโน้มตลาด เพื่อนาเข้าระบบคลงั ข้อมลู ตา่ ง ๆ ทงั้ ข้อมลู ท่ีมีคณุ ภาพ แนวโน้มความชอบของ ท่ีผา่ นการประมวลผลแล้ว ลกู ค้า และข้อมลู อ่ืน ๆ

เพ่ือที่จะได้ดวู า่ ตนเองต้องการท่ีจะรู้เรื่องอะไร เพื่อแก้ปัญหาสง่ิ ใด ให้วางแผนการรวบรวมข้อมลู จากแหลง่ ส่ือสงั คม ออนไลน์ เช่น แนวโน้มความนิยมจาก Google Trends

(ต่อ) ใช้ส่อื สงั คมออนไลน์ที่มีอยใู่ ห้เกิดประโยชน์ เรียนรู้ส่งิ ที่ เกิดขนึ ้ รอบตวั นาข้อมลู ทางตรงและทางอ้อมมาลองหาความสมั พนั ธ์ ที่อาจเกิดขนึ ้ กบั ธรุ กิจ

(ต่อ) เพื่อให้เข้าใจข้อมลู ท่ีมีอย่ใู ห้มากยิ่งขึน้ และเห็น ภาพรวมวา่ จะนาข้อมลู ไปใช้ในแนวทางใดก็ค่อย ๆ พฒั นาไปเร่ือย ๆ ทดลองนาข้อมลู เชิงลกึ ที่ได้เข้าไปใช้งานใน กระบวนการทาธรุ กิจ

ตัวอย่างการนา Big Data ไปใช้ 1. กำรพฒั นำผลิตภณั ฑ์ บริษัท Netflix และ บริษัท Procter & Gamble ไดใ้ ช้ ขอ้ มลู Big Data ชว่ ยในกำรคำดกำรณ์

ตัวอย่างการนา Big Data ไปใช้ 2. กำรใชข้ อ้ มลู เพอ่ื แกไ้ ขปัญหำผโู้ ฆษณำและเสนอขอ้ มลู เชิงลึกทำงกำรตลำด Big Data สำมำรถชว่ ยจบั ครู่ ะหวำ่ งควำมคำดหวงั ของลกู คำ้ กบั ธุรกิจได้ เช่น McDonald’s

ตวั อย่างการนา Big Data ไปใช้ 3. กำรวิเครำะห์ขอ้ มูลสำหรับกำรจัดกำรควำมเส่ียง เมื่อพิจำรณำถึงควำม พรอ้ มของขอ้ มูลที่เพ่ิมข้ ึน และควำมหลำกหลำยของสถิติกำรวิเครำะหข์ อ้ มูล ขนำดใหญ่มีศักยภำพมำก ตัวอย่ำงแบรนด์ที่ใชก้ ำรวิเครำะห์ขอ้ มูลในกำร บริหำรจดั กำรควำมเส่ียง Starbucks

ตวั อย่างการนา Big Data ไปใช้ 4. กำรใชข้ อ้ มลู ในกำรจดั กำรหว่ งโซ่อุปทำน Supply Chain Management (SCM) Big Data ชว่ ยใหซ้ พั พลำยรห์ รือคนท่ีมีจดั หำวตั ถุดิบต่ำง ๆ ไดแ้ ก่ โรงงำนนำไปผลิตสินคำ้ เพื่อขำยน้ันสำมำรถทำงำนไดอ้ ยำ่ งแมน่ ยำและชดั เจน มำกข้ ึน ตวั อเป็ นบริษัทบรรจุสินคำ้ อุปโภคที่ตอ้ งใชข้ อ้ มลู จำนวนมำก เพื่อกำร จดั กำรหว่ งโซอ่ ุปทำนที่มีประสิทธิภำพ ยำ่ งแบรนดท์ ่ีใชข้ อ้ มลู เพื่อเพ่ิมประสิทธิภำพของ Supply Chain Pepsico

สรุปประเด็นสำคญั Big Data เป็ นขอ้ มลู ที่มีโครงสรำ้ งชดั เจน (Structured Data) เชน่ ขอ้ มลู ที่เก็บอยใู่ น ตำรำงขอ้ มลู ต่ำง ๆ และฐำนขอ้ มลู ต่ำง ๆ ปกติโดยทวั่ ไปหรืออำจเป็ นขอ้ มลู กึ่งมีโครงสรำ้ ง (Semi- Structured Data) เชน่ ล็อกไฟล์ (Log files) หรือแมก้ ระทงั่ ขอ้ มลู ที่ไมม่ ีโครงสรำ้ ง (Unstructured Data) เชน่ ขอ้ มลู กำรโตต้ อบปฏิสมั พนั ธผ์ ่ำนสงั คมเครือขำ่ ย (Social Network) เชน่ เฟชบุก๊ (Facebook) ทวิตเตอร์ (Twitter) ไลน์ (Line) อินสตำแกรม (Instagram) หรือไฟลจ์ ำพวกมีเดีย (Media) และ ขอ้ มลู ท่ีใชก้ ำรเซนเซอร์ เชน่ กำรตรวจจบั ควำมเร็ว ฯลฯ ฉะน้ัน กอ่ นท่ีธุรกิจจะ สำมำรถนำ Big Data มำใชง้ ำนได้ ควรพิจำรณำวำ่ ขอ้ มลู จะไหลเวยี นไปยงั สถำนที่ แหลง่ ที่มำ ระบบเจำ้ ของ และผใู้ ชจ้ ำนนมำกไดอ้ ยำ่ งไร มีช้นั ตอนสำคญั ในกำรจดั กำร “โครงสรำ้ งขอ้ มลู ” ขนำด ใหญน่ ้ ี ซึ่งรวมถึงขอ้ มลู แบบด้งั เดิม ขอ้ มลู ที่มีโครงสรำ้ ง และข้อมลู ท่ีไมม่ ีโครงสร้างและกงึ่ มีโครงสร้าง

จบกำรนำเสนอ