หน่วยที่ 1 วิชาเทคโนโลยีดิจิทัล

ความหมายของ Big Data การนา Big Data ไปใช้ประโยชนใ์ นดา้ นตา่ งๆ องคป์ ระกอบที่สาคญั ของข้อมูล ลักษณะทสี่ าคัญของ Big Data กระบวนการจาก Big Data สู่ความสัมพนั ธข์ องข้อมูล ววิ ัฒนาการของ Big Data รูปแบบของขอ้ มลู Big Data การจัดทา Big Data การจดั การขอ้ มูลขนาดใหญ่ (Big Data) ตวั อย่างการนา Big Data ไปใช้ ตวั อยา่ งแบรนด์ต่างๆ ท่ใี ช้ Big Data ในการวิเคราะห์ข้อมูล

Big Data หมายถงึ ปรมิ าณข้อมลู ทม่ี หาศาล ท้ังแบบข้อมลู ที่มี โครงสร้างและไมม่ ีโครงสร้าง ซงึ่ ปะปนอยมู่ ากมายในการทาธรุ กจิ ในแต่ ละวนั หากแตไ่ มใ่ ชป่ ริมาณของข้อมูลทเ่ี ป็นสิ่งสาคัญ ส่ิงสาคญั ก็คอื การท่ี องค์กรจดั การกบั ขอ้ มูลต่างหากการวเิ คราะห์ Big Data นาไปสขู่ ้อมลู เชิง ลึกเพอ่ื การตัดสินใจทีด่ ีกวา่ และการเคลอ่ื นไหวในกลยทุ ธ์ธุรกิจ

องค์ประกอบของระบบ Data แบง่ ออกเปน็ 5 สว่ น ไดแ้ ก่ 2.1 Dvice/Data Source แหลง่ ท่ีมาของขอ้ มลู ซงึ่ ถอื ได้วา่ เป็นตน้ น้า เป็นแหล่งกาเนิดของขอ้ มลู อาจจะเปน็ ระบบ โปรแกรม หรือจะเปน็ มนุษยเ์ รา ท่สี ร้างใหเ้ กดิ ข้อมลู ขน้ึ มา 2.2 Gateway ช่องทางการเช่ือมโยงข้อมูล การเช่อื มโยงข้อมลู เปน็ สว่ นท่ีสาคญั มาก และเป็นปญั หาใหญใ่ นการทา Big Data Project ตอ้ งอาศัยทกั ษะของ Data Engineer ทงั้ การเขียนโปรแกรมเอง และใช้ เครือ่ งมือท่ีมีอยู่มากมาย

2.3 Storage แหลง่ เกบ็ ขอ้ มูล แหล่งเกบ็ นี้ ไมใ่ ช่แค่การเกบ็ ข้อมลู จากแหล่งขอ้ มูล แต่เปน็ การเก็บข้อมูลจากแหลง่ ขอ้ มลู หลายๆ แหล่ง เอามาไว้เพอ่ื รอการใช้งาน ซงึ่ อาจจะเป็นทพ่ี ักข้อมลู ใหพ้ ร้อมใช้ หรือจะเป็น แหลง่ เก็บขอ้ มูลในอดีตก็เปน็ ได้ 2.4 Analytics การวเิ คราะหข์ อ้ มลู ส่วนนเ้ี ปน็ หนา้ ที่หลกั ของ Data Scientist ซึ่งแบ่งงานออกเปน็ 2 ลักษณะ คอื การวิเคราะห์ เบ้ืองต้น หรอื การวเิ คราะห์เชงิ ลกึ 2.5 Result/Action การใช้ผลการวิเคราะหข์ อ้ มูล ผลลัพธ์ที่ได้จาก การวเิ คราะหส์ ามารถนาไปใชง้ านได้ 2 รูปแบบ คือ ออกเปน็ รายงาน หรอื การนาไปกระทาเลย

องคป์ ระกอบที่สาคญั ของขอ้ มลู

Big data มีลักษณะพ้ืนฐานอยู่ 6 อยา่ ง ดงั นี้ 3.1 ปริมาณ (Volume) หมายถงึ ปรมิ าณของข้อมลู ควรมจี านวน มากพอ ทาให้เมื่อนามาวเิ คราะห์แล้วจะได้ insights ท่ีตรงกับความเปน็ จรงิ เชน่ การท่เี รามขี ้อมลู อายุ เพศ ของลกู ค้าส่วนใหญ่ ทาให้เราสามารถหา demographic profile ท่ัวไปของลูกค้าทีถ่ ูกต้องได้ ถา้ เรามีขอ้ มูลลูกค้าแค่ สว่ นนอ้ ย คา่ ทปี่ ระมาณออกมาอาจจะไมต่ รงกบั ความเปน็ จริง 3.2 ความหลากหลาย (Variety) หมายถงึ รูปแบบของขอ้ มลู ควร หลากหลายแตกตา่ งกนั ออกไป ท้งั แบบโครงสร้าง, กงึ่ โครงสรา้ ง, ไม่มี โครงสรา้ ง ทาให้เราสามารถนามาวิเคราะห์ประกอบกัน จนได้ได้ insights ครบถ้วน

3.3 ความเร็ว (Velocity) หมายถงึ คุณลักษณะข้อมลู ที่ ถูกสร้างขึน้ อยา่ งรวดเรว็ ตอ่ เนือ่ งและทันเหตุการณ์ ทาให้เราสามารถ วเิ คราะหข์ อ้ มลู แบบ real-time นาผลลัพธม์ าทาการตดั สินใจและ ตอบสนองได้อย่างทนั ทว่ งที เช่น ข้อมลู GPS ทีใ่ ช้ตดิ ตามตาแหน่งของรถ อาจจะนามาวเิ คราะหโ์ อกาสทที่ าใหเ้ กดิ อุบัติเหตุ และออกแบบระบบ ป้องกนั อบุ ตั ิเหตไุ ด้ 3.4 ความถูกต้อง (Veracity) หมายถึง มคี วามน่าเช่อื ถอื ของ แหล่งที่มาข้อมลู และความถูกต้องของชุดขอ้ มลู มกี ระบวนการในการ ตรวจสอบและยนื ยนั ความถูกต้องของขอ้ มลู ซ่ึงมคี วามเก่ยี วเนือ่ งโดยตรง กบั ผลลพั ท์การวเิ คราะหข์ ้อมูล

3.5 คุณคา่ (Value) หมายถงึ ข้อมลู มปี ระโยชน์และมี ความสัมพันธ์ในเชงิ ธุรกจิ ซึง่ ตอ้ งเขา้ ใจก่อนวา่ ไมใ่ ชท่ กุ ข้อมูลจะมี ประโยชน์ในการเกบ็ และวเิ คราะห์ ข้อมูลท่ีมปี ระโยชน์จะตอ้ งเกีย่ วขอ้ งกับ วัตถุประสงคท์ างธรุ กจิ เชน่ ถ้าต้องการเพ่ิมขีดความสามารถในการแข่งขนั ในตลาดของผลิตภัณฑท์ ี่ขาย ขอ้ มลู ท่ีมีประโยชน์ท่ีสดุ น่าจะเป็นข้อมูล ผลติ ภัณฑ์ของคูแ่ ขง่ 3.6 ความแปรผนั ได้ (Variability) หมายถงึ ขอ้ มลู สามารถใน การเปลย่ี นแปลงรูปแบบไปตามการใชง้ าน หรอื สามารถคดิ วิเคราะหไ์ ด้ จากหลายแงม่ ุม และรูปแบบในการจัดเกบ็ ข้อมูลก็อาจจะตา่ งกันออกไปใน แตล่ ะแหล่งของขอ้ มลู

The six Vs of Big Data

4. ววิ ฒั นาการของ Big Data ถงึ แมว้ า่ แนวคิดเร่ืองขอ้ มลู ขนาดใหญ่หรือ Big Data จะเปน็ ของใหมแ่ ละมีการเรม่ิ ทากนั ในไม่กป่ี ีมาน้ีเอง แตต่ ้นกาเนิดของชุดข้อมลู ขนาดใหญไ่ ดม้ ีการริเร่ิมสรา้ งมาตงั้ แต่ยุค 60 และในยคุ 70 โลกของ ข้อมลู ก็ได้เร่ิมตน้ และได้พฒั นาศนู ย์ข้อมูลแห่งแรกขนึ้ และทาการ พัฒนาฐานขอ้ มูลเชงิ สัมพันธข์ ึน้ มา ประมาณปี 2005 เรม่ิ ได้มกี ารตะหนักถึงขอ้ มูลปรมิ าณมากท่ี ผู้คนได้สรา้ งขน้ มาผา่ นส่อื ออนไลน์ เชน่ เฟสบ๊คุ ยทู ูป และสอ่ื ออนไลน์ แบบอน่ื ๆ Hadoop เปน็ โอเพนซอร์สเฟรมเวริ ก์ ที่ถูกสร้างข้ึนมาใน ชว่ งเวลาเดยี วกันให้เปน็ ที่เก็บและวเิ คราะหข์ ้อมลู ขนาดใหญ่ และในช่วง เวลาเดียวกัน NoSQL ได้กเ็ ริม่ ข้ึนและได้รับความนยิ มมากข้ึน

การพัฒนาโอเพนซอร์สเฟรมเวริ ก์ เชน่ Hadoop (และเม่ือเรว็ ๆ นก้ี ็ มี Spark) มคี วามสาคัญตอ่ การเติบโตของข้อมลู ขนาดใหญ่ เนื่องจากทา ใหข้ ้อมูลขนาดใหญท่ างานไดง้ า่ ย และประหยดั กว่า ในช่วงหลายปที ่ผี า่ น มาปรมิ าณขอ้ มลู ขนาดใหญ่ไดเ้ พิม่ ขึ้นอยา่ งรวดเร็ว ผู้คนยังคงสร้างขอ้ มลู จานวนมาก ซ่ึงไม่ใชแ่ ค่มนษุ ย์ท่ที ามนั ข้ึนมา การพฒั นาการของ IOT (Internet of Thing) ซง่ึ เปน็ เคร่อื งมอื อุปกรณท์ ่เี ชอ่ื มต่อกับอนิ เตอรเ์ นต็ ก็ทาการเก็บและรวบรวมขอ้ มูลซึ่งอาจ เป็นเรอ่ื งท่ีเกีย่ วกับพฤติกรรมการใช้งานของลูกค้า ประสทิ ธภิ าพของ สนิ คา้ หรอื การเรียนรู้ของเครอ่ื งจักรพวกน้ลี ้วนทาให้มขี อ้ มลู ขนาดใหญ่

แม้ว่ายุคของขอ้ มูลขนาดใหญ่ Big Data มาถงึ และไดเ้ รมิ่ ต้นแล้ว แตม่ ันกย็ งั เป็นเพยี งแตช่ ่วงแรกๆ และระบบระบบคลาวด์คอมพวิ ติง (Cloud Computing) กไ็ ดข้ ยายความเป็นไปได้มากขนึ้ คลาวด์มี ความสามารถในการในการใชง้ านไดอ้ ย่างยดื หยุ่นได้

5. รปู แบบของขอ้ มลู Big Data 5.1 ข้อมูลเชิงพฤติกรรม เช่น เซิร์ฟเวอรล์ ็อก การคลกิ เขา้ มาดู ข้อมูลทางเวบ็ ไซต์ การเข้ามาใชบ้ ัตร ATM ในการกดเงิน 5.2 ขอ้ มลู ภาพและเสยี ง เชน่ วิดโี อ รูปภาพ เสยี งท่ถี ูกบันทึกไว้ 5.3 ข้อมลู ขอ้ ความ เชน่ การส่งข้อความทางข้อความ 5.4 ขอ้ มลู ทถ่ี กู บันทกึ ไว้ เช่น ขอ้ มูลทางการแพทย์, ข้อมูลทไ่ี ดจ้ าก การสารวจท่ีขอ้ มูลทางภาษี 5.5 ข้อมูลเซนเซอร์ เชน่ ขอ้ มูลทางภูมศิ าสตร์ ข้อมูลอุณหภูมิ ตา่ ง ๆ ข้อมูลการตรวจจบั ความเร็ว

6. การจดั การขอ้ มลู ขนาดใหญ่ Big Data กอ่ นทธ่ี ุรกจิ จะสามารถนา Big Data มาใช้งานได้ พวกเขาควรพิจารณา วา่ ข้อมูลจะไหลเวยี นไปยังสถานที่ แหล่งท่ีมา ระบบ เจา้ ของ และผ้ใู ชจ้ านวน มากไดอ้ ย่างไร มหี า้ ขนั้ ตอนสาคญั ในการจัดการ “โครงสร้างข้อมลู ” ขนาดใหญ่ น้ี ซึ่งรวมถึงข้อมูลแบบด้งั เดมิ ขอ้ มูลท่มี ีโครงสร้าง และข้อมูลทไ่ี ม่มีโครงสร้าง และก่ึงมโี ครงสรา้ ง 6.1 กาหนดกลยทุ ธ์เกีย่ วกบั ขอ้ มูลขนาดใหญ่ ในระดบั สงู กลยทุ ธข์ อ้ มลู ขนาดใหญ่เป็นแผนท่ีออกแบบมาเพ่ือช่วย คณุ ในการกากบั ดแู ลและปรบั ปรุงวิธีท่ีคณุ ไดร้ บั จดั เก็บ จดั การ แบง่ ปัน และ ใชข้ อ้ มลู ภายในและภายนอกองคก์ รของคณุ กลยทุ ธข์ อ้ มลู ขนาดใหญ่ช่วยปู ทางไปสคู่ วามสาเรจ็ ทางธุรกิจทา่ มกลางขอ้ มลู จานวนมาก

6.2 รู้แหลง่ ที่มาของขอ้ มูลขนาดใหญ่ กระแสข้อมลู มาจาก Internet of Things (IoT) และอุปกรณท์ ่ี เชือ่ มตอ่ อนื่ ๆ ท่ีไหลเขา้ สูร่ ะบบไอทจี ากอปุ กรณส์ วมใส่ รถยนตอ์ ัจฉรยิ ะ อปุ กรณ์ทางการแพทย์ อุปกรณอ์ ตุ สาหกรรม 6.3 การเข้าถึงจัดการและจดั เกบ็ ขอ้ มูลขนาดใหญ่ ระบบคอมพวิ เตอร์สมัยใหม่มคี วามเร็ว พลงั และความยืดหยนุ่ ท่จี าเปน็ ใน การเขา้ ถึงขอ้ มลู จานวนมหาศาลและประเภทของข้อมลู ขนาดใหญไ่ ด้อย่าง รวดเร็ว นอกเหนอื จากการเข้าถึงทเ่ี ช่ือถือได้แล้ว บริษัทตา่ งๆยงั ต้องมีวธิ ีใน การรวมข้อมลู รับประกนั คณุ ภาพของข้อมูล การจดั ระเบยี บข้อมลู และการ จัดเกบ็ และการเตรียมขอ้ มูล

6.4 การวเิ คราะหข์ ้อมูลขนาดใหญ่ ดว้ ยเทคโนโลยที ีม่ ปี ระสทิ ธภิ าพสูง เชน่ Grid Computing (การประมวลผลแบบกริด) หรือการวิเคราะห์ในหนว่ ยความจา องคก์ รตา่ งๆ จึงสามารถเลอื กที่จะใชข้ ้อมลู ขนาดใหญ่ทง้ั หมดของพวกเขามาทาการวิเคราะห์ ได้ แต่ไม่ว่าจะใชว้ ิธใี ด การวิเคราะหข์ อ้ มูลขนาดใหญ่เป็นวธิ ที ี่บริษัทต่างๆ ได้รบั มลู ค่าและขอ้ มลู เชิงลึกจากขอ้ มูล 6.5 ตดั สนิ ใจอยา่ งชาญฉลาดและใช้ขอ้ มูลชว่ ย ข้อมลู ที่ไดร้ บั การจดั การและมีความนา่ เชอ่ื ถือนาไปสกู่ ารวิเคราะหท์ ่ี นา่ เชอ่ื ถือและการตัดสินใจท่นี ่าเชือ่ ถอื เพอ่ื ใหส้ ามารถแข่งขันได้ ธรุ กจิ ตา่ งๆ จาเป็นต้องได้รบั ประโยชน์สูงสดุ จากขอ้ มูลขนาดใหญแ่ ละดาเนนิ งานบนพื้น ฐานข้อมูล ตดั สนิ ใจบนพื้นฐานหลกั ฐานที่นาเสนอ

7. การนา Big Data ไปใช้ประโยชนใ์ นดา้ นต่างๆ ในปจั จบุ ันนม้ี กี ารนา Big Data มาใชใ้ นภาครัฐเพื่อแก้ปัญหา ความเดอื ดร้อนและความเหลอื่ มลา้ โดยนาขอ้ มลู ในระบบราชการจาก หลายหน่วยงาน เชน่ ขอ้ มลู สาธารณสุข ทะเบยี นราษฎร์ ที่ตั้งของ ธรุ กจิ โรงพยาบาล สถานบาบัด สถานการณ์จา้ งแรงงาน มาวเิ คราะห์ และโจทย์เชื่อมโยงกันเกิดเป็นข้อมูลขนาดใหญ่ Big Data ของภาครัฐ ผ่านกระบวนการวิเคราะหเ์ ชอื่ มโยงเพอื่ ตอบโจทยก์ ารใหบ้ รกิ ารของ ภาครฐั

8. กระบวนการจาก Big Data สคู่ วามสมั พนั ธข์ องขอ้ มลู กระบวนการจาก Big Data สู่ความสัมพนั ธ์ของข้อมูล มีดงั น้ี 8.1 Storage : การรวบรวมข้อมลู มาจัดเกบ็ 8.2 Processing : การประมวลข้อมูล 8.3 Analyst : การวเิ คราะหแ์ ละนาเสนอ

9. วิธีการจดั ทา Big Data 9.1 ตงั้ เป้าหมายถงึ สงิ่ เล็กไวก้ ่อน 9.2 วางแผนรวบรวมขอ้ มลู จากแหล่งทีม่ ีอยู่ 9.3 จับตาความเคลอ่ื นไหวและเขา้ ใจแหล่งท่มี าของข้อมลู 9.4 ฝกึ หาความสมั พนั ธข์ องขอ้ มูล 9.5 จาลองข้อมูลข้ึนมา 9.6 แยกผลลพั ธ์และขอ้ มลู รบกวนออกจากข้อมูลขนาดใหญ่

10. ตวั อย่างการนา Big Data ไปใช้ 10.1 การพัฒนาผลิตภณั ฑ์ 10.2 การคาดการณ์เพอื่ การบารงุ รกั ษาเคร่ืองจกั ร 10.3 สรา้ งประสบการณ์ท่ีดีให้กับลกู ค้า 10.4 การตรวจสอบการโกงและการปฏิบตั ติ ามกฎระเบยี บ 10.5 การเรียนรู้เครื่องจกั ร (Machine Learning) 10.6 ประสิทธภิ าพในการปฏิบตั งิ าน 10.7 การขับเคลื่อนในการสร้างสรรค์สงิ่ ใหม่ๆ

11. ตวั อยา่ งแบบตา่ งๆทใ่ี ช้ Big Data ในการ วิเคราะหข์ อ้ มูล 11.1 การใช้ขอ้ มลู ในการดงึ ดูดและรกั ษาลกู ค้า ตวั อย่างธรุ กจิ ท่ใี ชข้ อ้ มลู ในการดูแลและดงึ ดดู ลกู คา้ McDonald's

11.2 การใช้ขอ้ มลู เพอ่ื แก้ไขปัญหาผ้โู ฆษณาและเสนอข้อมลู เชงิ ลกึ ทางการตลาด ตัวอยา่ งแบรนดท์ ่ใี ชข้ ้อมูลสาหรับกาหนดเป้าหมายในการทาโฆษณา Netflix

11.3 การวิเคราะหข์ อ้ มลู สาหรับการจัดการความเสย่ี ง ตัวอย่างแบรนดท์ ่ีใช้การวเิ คราะห์ขอ้ มลู ในการบริหาร จัดการความเส่ยี ง Starbucks

11.4 การใชข้ อ้ มลู ในการจัดการหว่ งโซ่อุปทาน Supply Chain Management (SCM) ตวั อยา่ งแบรนดท์ ี่ใช้ขอ้ มลู เพอ่ื เพิม่ ประสทิ ธิภาพของ Supply Chai PepsiCO