Big Data

ความรู้พื้นฐานการ จัดการข้อมูลขนาดใหญ่

ความหมาย Big Data การนำข้อมูลจำนวนมหาศาลที่ได้จากการให้บริการมา วิเคราะห์เพื่อหาโอกาสทางธุรกิจใช้ประกอบการตัดสินใจใน เรื่องสำคัญๆ ทั้งการพัฒนาด้านการขายและการตลาด การ ปรับปรุงสินค้าบริการให้ตรงตามความต้องการของผู้ บริโภคยุคใหม่ที่เปลี่ยนแปลงอย่างรวดเร็ว

ความหมาย Big Data

องค์ ประกอบที่สำคัญของข้อมูล 1. Device/Data Source (แหล่งที่มาของข้อมูล) 2. Gateway (ช่องทางการเชื่อมโยงข้อมูล) 3. Store (แหล่งเก็บข้อมูล) 4. Analytics (การวิเคราะห์ข้อมูล) 5. Report/Action (การใช้ผลการวิเคราะห์ข้อมูล)

ลักษณะที่สำคัญของ Big Data

ปริมาณ (Volume) ความหลากหลาย (Variety) ความเร็ว (Valocity) ความถูกต้อง (Veracity)

คุณค่า (Value) ความแปรผันได้ (Variability)

วิวัฒนาการของ Big Data ประมาณปี ค.ศ. 2005 ได้มีการตระหนักถึงข้อมูล ปริมาณมากที่ผู้่คนได้สร้างขึ้นมาผ่านสื่อออนไลน์ เช่น เฟชบุ๊ค ยูทูป และสื่อสังคมออนไลน์แบบอื่นๆ และมี โปรแกรม HADOOP ที่เป็น Open source ที่เกิดขึ้นมาในเวลาเดียวกัน

รูปแบบของข้อมูล Big Data 1. ข้อมูลเชิงพฤติกรรม 2. ข้อมูลภาพและเสียง 3. ข้อมูลข้อความ 4. ข้อมูลที่ถูกบันทึกไว้ 5. ข้อมูลเซนเซอร์

การจัดการข้อมูลขนาดใหญ่ (Big Data) 1. กำหนดกลยุทธ์เกี่ยวกับข้อมูลขนาดใหญ๋ กลยุทธ์ข้อมูลขนาดใหญ่เป็นแผนที่ออกแบบมาเพื่อช่วยใน การกำกับดูแลและปรับปรุงวิธีที่ได้รับ จัดเก็บ จัดการ แบ่งปัน และใช้ข้อมูลภายในและภายนอกองค์กรเดียวกัน ช่วยสร้างหนทางสุู่ความสำเร็จทางธุรกิจ

การจัดการข้อมูลขนาดใหญ่ (Big Data) 2. รู้แหล่งที่มาของข้อมูลขนาดใหญ่ กระแสข้อมูลมาจาก Internet of Thing (loT) และอุปกรณ์ที่เชื่อมต่ออื่นๆ ที่ไหลเข้าสู่ระบบไอทีจากอุปกรณ์ สวมใส่ รถยนต์อัจฉริยะ อุปกรณ์ทางการแพทย์ อุปกรณ์ อุตสาหกรรม และอื่นๆ

สื่อสังคมออนไลน์

ข้อมูลที่เปิดเผยต่อสาธารณชน มาจากแหล่งข้อมูลแบบเปิดขนาดใหญ่ เช่น data.gov ของรัฐบาลสหรัฐ CIA World Factbook หรือพอร์ทัลข้อมูลแบบเปิด ของสหภาพยุโรป

ข้อมูลขนาดใหญ่อื่น ๆ อาจมาจากพื้นที่เก็บข้อมูลส่วนกลาง แหล่งข้อมูลบนระบบ คลาวด์ ซัพพลายเออร์ (Cloud Supplier) และลูกค้า

การจัดการข้อมูลขนาดใหญ่ (Big Data) 3. การเข้าถึง จัดการ และจัดเก็บข้อมูลขนาดใหญ่ ระบบคอมพิวเตอร์สมัยใหม่มีความเร็วและความยืดหยุ่นที่ จำเป็นในการเข้าถึงข้อมูลจำนวนมากๆ มีการเข้าถึงได้อย่างรวดเร็ว มีความน่าเชื่อถือ มีวิธีการเข้าถึงข้อมูล รับประกัน คุณภาพของข้อมูล การจัดระเบียบข้อมูลและการจัดเก็บ

การจัดการข้อมูลขนาดใหญ่ (Big Data) 4. การวิเคราะห์ข้อมูลขนาดใหญ่ การวิเคราะห์ในหน่วยความจำ องค์กรต่างๆ จึงสามารถเลือก ที่จะใช้ข้อมูลขนาดใหญ่ทั้งหมด แล้วนำมาวิเคราะห์แต่ไมว่าจะใช้ วิธีใดการวิเคราะห์ข้อมูลขนาดใหญ่เป็นวิธีที่บริษัทต่างๆ ได้รับค่าและข้อมูลเชิงลึกจากข้อมูล

การจัดการข้อมูลขนาดใหญ่ (Big Data) 5. ตัดสินใจอย่างชาญฉลาดและใช้ข้อมูลช่วย ข้อมูลที่ได้รับการจัดการมีความน่าเชื่อถือนำไปสู่การวิเคราะห์ ที่น่าเชื่อถือและการตัดสินใจที่น่าเชื่อถือเพื่อให้สามารถแข่งขันได้ ธุรกิจต่างๆ จำเป็นต้องได้รับประโยชน์สูงสุดจากข้อมูลขนาดใหญ่ ตัดสินใจบนพื้นฐานหลักฐานที่ีนำเสนอโดยข้อมูลขนาดใหญ่

การนำ Big Data ไปใช้ประโยชน์ในด้านต่าง ๆ ในส่วนภาครัฐ เพื่อแก้ปัญหาความเดือดร้อนลดความ เหลี่ยมล้ำโดยนำข้อมูลในระบบราชการหลายหน่วยงาน เช่น ข้อมูลสาธารณสุข ทะเบียนราษฎร์ ที่ตั้งของธุรกิจ โรง พยาบาล สถานบำบัด สถานการณ์จ้างแรงงาน

การนำ Big Data ไปใช้ประโยชน์ในด้านต่าง ๆ ภาคเอกชน นำมาใช้ประโยชน์เช่น เว็บไซต์อี-คอมเมิร์ซ ที่จัดเก็บพฤติกรรมการซื้อสินค้าของลูกค้าอย่างต่อเนื่อง และ มีระบบที่ทำหน้าที่คัดเลือกสินค้าอื่นๆ เพื่อยกระดับธุรกิจ ด้วยการพัฒนาเทคโนโลยีแช็ตบอต เป็นต้น

กระบวนการจาก Big Data สู่ความสัมพันธ์ของข้อมูล 1. Storage : การรวบรวมข้อมูลมาจัดเก็บ 2. Processing : การประมวลผล 3. Analysis : การวิเคราะห์และนำเสนอ

วิธีการจัดทำ Big Data 1. ตั้งเป้าหมายถึงสิ่งเล็กไว้ก่อน 2. วางแผนรวบรวมข้อมูลจากแหล่งที่มีอยู่ 3. จับตาความเคลื่อนไหวและเข้าใจแหล่งที่มา ของข้อมูล

วิธีการจัดทำ Big Data 4. ฝึกหาความสัมพันธ์ของข้อมูล 5. จำลองข้อมูลขึ้นมา 6. แยกผลลัพธ์และข้อมูลรบกวนออกจากข้อมูล ขนาดใหญ่

ตัวอย่างการนำ Big Data ไปใช้ 1. การพัฒนาผลิตภัณฑ์ 2. การคาดการณ์เพื่อการบำรุงรักษาเครื่องจักร 3. สร้างประสบการณ์ที่ดีให้กับลูกค้า 4. การตรวจสอบการโกงและการปฏิบัติตามกฎระเบียบ

ตัวอย่างการนำ Big Data ไปใช้ 5. การเรียนรู้ของเครื่องจักร 6. ประสิทธิภาพในการปฏิบัติงาน 7. การขับเคลื่อนในการสร้างสรรค์สิ่งใหม่ ๆ

ตัวอย่างแบรนด์ต่าง ๆ ที่ใช้ Big Data ในการวิเคราะห์ ข้อมูล 1. การใช้ข้อมูลในการดึงดูดและรักษาลูกค้า 2. การใช้ข้อมูลเพ่ือแก้ไขปัญหาผู้โฆษณาและเสนอข้อมูลเชิง ลึกทางการตลาด 3. การวิเคราะห์ข้อมูลสำหรับการจัดการความเสี่ยง 4. การใช้ข้อมูลในการจัดการห่วงโซ่อุปทาน Supply Chain Management (SCM)

THANK YOU!