Big data (ข้อมูลขนาดใหญ่)

1. มหาวิทยาลัยราชภัฏยะลา
เรื่อง : Big Data

2. บทนา
ปัจจุบันเทคโนโลยีสารสนเทศได้เข้ามาเป็นส่วน
หนึ่งในชีวิตประจาวันโดยการสื่อสารผ่านทางอินเทอร์เน็ต
ซึ่งถูกใช้กันอย่างแพร่หลายในการดาเนินการทางธุรกิจ ซึ่ง
ในขณะนี้นวัตกรรมใหม่ที่มี ความสาคัญและกาลังจะเติบโต
อย่างขึ้น ได้แก่ Big Data
จึงเป็นผลให้การ ใช้ Big Data นั้น มีประเด็นปัญหา
เกี่ยวกับความเป็นส่วนตัว และความมั่นคงปลอดภัยของ
ข้อมูล เกิดขึ้นเป็นจานวนมาก

3. ปัจจุบันเทคโนโลยีสารสนเทศได้เข้ามาเป็นส่วนหนึ่ง
ในชี วิตประจาวัน จนเกิ ดเป็ นสังคมใหม่ เรี ยกว่า
สังคมสารสนเทศ เรื่องราวเกี่ยวกับ Big Data เริ่มต้นจากการที่เรา
มีชุดข้อมูล (data set) ขนาดมหึมา ข้อมูลที่เกิดขึ้นในโลกใบนี้ที่มี
การบันทึกเก็บไว้ในหลากหลาย
ประวัติความเป็นมาของ Big data

4. ตัวอย่าง สาระสนเทศ Big data
การเก็บข้อมูล
ข้อมูลประวัติข้อมูลตาแหน่ง
ผู้ใช้

5. Big Data หมายถึง ข้อมูลขนาดมหาศาล เช่น Google,
Facebook, Twitter เป็นต้น เป็นลักษณะของประเภทของ
โครงสร้างพื้นฐานของการประมวลผลกลุ่มเมฆมาใช้ จึงต้อง
มีการคิดค้นเทคโนโลยีใหม่ๆ ที่สามารถจัดการข้อมูลขนาด
ใหญ่ หรือ Big Data นี้ได้ต้องผ่านการประมวลผล การ
วิเคราะห์ และแสดงผลเพื่อใช้เป็นกลยุทธ์ต่าง ๆ ของธุรกิจ
ความหมายของ Big data

6. 1. รองรับและจัดเก็บข้อมูลมากกว่า Petabyte ขึ้นไป
2. มีการจัดเก็บข้อมูลชนิดที่มีระบบทดแทน รวมทั้งให้บริการแบบกระจาย
3. การประมวลผลข้อมูลเป็นแบบขนาน
สภาพแวดล้อมสาหรับ Big Data

7. 1. Volume
2. Velocity
3. Variety
ลักษณะพิเศษของ Big Data

8. องค์กรมีการวิเคราะห์ข้อมูลโดยใช้ระบวนการ Batchหรือการ
ประมวลผลที่ต่อเนื่องตามลาดับโดยมีข้อมูลที่ถูกจัดเตรียมไว้เรียบร้อยแล้ว
Variety

9. แบบประมวล Real-Time

10. 1. ปุ่มบันทึกการใช้งานเว็บ (บุ๊กมาร์ก)
2. บันทึกการรับโทรศัพท์
3. เครือข่ายสังคม, ข้อมูลสังคม (social data)
ตัวอย่างข้อมูลที่ทาให้เกิด Big Data
ปุ่ มบันทึกการ
ใช้งานเว็บ
บันทึกการรับ
โทรศัพท์
เครือข่ายสังคม
ข้อมูลสังคม

11. Big Data Analytics คือ การนาข้อมูลจานวนมหาศาล
นั้น มาจัดการวิเคราะห์ เพื่อให้นาข้อมูลเหล่านั้นมาใช้ได้ง่ายขึ้น
ในแง่ของการวางแผนการตลาด หรือใช้ในการตัดสินใจทาง
ธุรกิจ
ประโยชน์ของ Big Data Analytics
ต่อวงการโทรคมนาคม

12. 1. Location-based services
2. Intelligent marketing campaigns
3. Social media monitoring and insights
4. Network intelligence
5. High-velocity fraud detection
ผู้ให้บริการระบบโทรคมนาคม
จะมีขีดความสามารถนี้ประกอบด้วย

13. 1. Location-based services

14. 2. Intelligent marketing campaigns

15. 3. Social media monitoring and insights

16. 4. Network intelligence

17. 5. High-velocity fraud detection

18. 1. ความหมายของการประมวลผลแบบกลุ่มเมฆ
การประมวลผลแบบกลุ่มเมฆ
Cloud Computing

19. 2. ชนิดของการประมวลผลแบบกลุ่มเมฆ
การประมวลผลแบบกลุ่มเมฆ
Cloud Computing
2.1 การประมวลผลแบบกลุ่มเมฆบุคคลทั่วไป (Public Cloud
Computing)
2.2 การประมวลผลแบบกลุ่มเมฆเฉพาะบุคคล (Private Cloud
Computing)
2.3 การประมวลผลแบบกลุ่มเมฆทั้งบุคคลทั่วไปและเฉพาะบุคคล
(Hybrid Cloud Computing)

20. 3. ประเภทบริการการประมวลผลแบบกลุ่มเมฆ
การประมวลผลแบบกลุ่มเมฆ
Cloud Computing
3.1 Infrastructure-as-a-
Service (IaaS)
3.2 Platform-as-a-Service
(PaaS)
3.3 Software-as-a-Service
(SaaS)

21. การบริหารจัดการ Big Data

22. 1. Schema-less databases, หรือ NoSQL databases
มีฐานข้อมูลหลายชนิดที่เข้ากับการทางานแบบนี้ เช่น Key
Value Store และ Document Store ซึ่งเน้นไปที่การจัดเก็บและการดึง
ข้อมูลขนาดใหญ่ที่มีลักษณะแบบมีโครงสร้าง หรือกึ่งโครงสร้าง
และแม้กระทั่งไร้โครงสร้างได้

23. 2. NoSQL
เน้นใช้งานกับปริมาณข้อมูลที่มีจานวนมากมายมหาศาล
ระดับ Facebook Twitter Google
 NoSQL ไม่มีโครงสร้างตายตัว สามารถขยายได้ในระดับ
แนวนอน คือเพิ่มเครื่องได้ง่ายกว่า
 NoSQL เป็นฐานข้อมูลแบบกระจาย มีสถาปัตยกรรมที่รองรับ
ระบบทดแทน หรือสารองในกรณีที่ระบบหลักเกิดขัดข้อง

24. 3. Hive
จะทาให้ Hadoop ทางานเสมือนหนึ่ง เป็น data
warehouse. มันจะซ้อนตัวมันเองเข้าไปในข้อมูลภายใต้ HDFS
จากนั้นอนุญาตให้มีการเข้ามาสอบถามข้อมูลโดยใช้Syntax ที่
คล้ายกันกับ SQL เช่นเดียวกันกับ Pig ตัว Hive มีแกนการทางานที่
สามารถขยายได้

25. 4. PIG
เป็นภาษาโปรแกรมมิ่ง ที่สามารถทาให้งานที่ทาร่วมกับ
hadoop มีความเรียบง่าย ไม่ว่าจะเป็นโหลดข้อมูล การแสดงการ
เปลี่ยนแปลงของข้อมูล และจัดเก็บผลลัพธ์สุดท้าย
ในตัว PIG มี ระบบการทางานที่เข้าใจข้อมูลประเภท
Semi-Structured เช่น Log Files และภาษาที่ขยายได้โดยใช้ Java
เพื่อเพิ่มการสนับสนุนสาหรับข้อมูลที่มีการเปลี่ยนแปลงแบบ
Custom

26. 5. HDFS
Hadoop Distributed File System (HDFS) เป็นระบบ
แฟ้มข้อมูลแบบกระจาย ที่ถูกออกแบบมาให้ทางานบนเซิร์ฟเวอร์ และ
แพลตฟอร์ม ทั่วไป มีความคล้ายคลึงกันกับระบบแฟ้มข้อมูลแบบ
กระจาย โดยมีข้อแตกต่างเพียงเล็กน้อย HDFS มีระบบทดแทนความ
ผิดพลาดสูงถูกออกแบบมาเพื่อให้ทางานบนระบบ Hardware ราคา
ประหยัด HDFS สามารถให้ประสิทธิภาพด้านความเร็วในการเข้าถึง
ข้อมูลของแอพพลิเคชั่นและเหมาะสาหรับแอพพลิเคชั่นที่มีชุดของ
ข้อมูลขนาดใหญ่ เดิม HDFS ถูกออกแบบให้เป็น โครงสร้างพื้นฐาน
สาหรับโครงการ Apache Nutch web search engine และปัจจุบันเป็น
โครงการย่อยของ Apache Hadoop

27. หลักการทางานของ Map Reduce

28. 6. Map Reduce
Map Reduce เป็น framework ในการเขียนโปรแกรมแบบ
หนึ่งที่ช่วยในงานประมวลผลที่มีชุดของข้อมูล จานวนมาก เป็นการ
ทางานแบบขนาน ซึ่งจะอาศัยเครื่องคอมพิวเตอร์หลายๆเครื่องช่วยกัน
ทางาน โดยที่ผู้ใช้งานนั้นไม่ต้องสนใจเบื้องหลังการทางาน เช่น
parallelization, data distribution, loads balancing และ faultto lerance
ในการทางานแล้วผู้ใช้งาน Map Reduce จะสนใจแค่ส่วนของ Map
และส่วนของ Reduce ซึ่ง Map จะทาการจับคู่ของ Key/Value ที่เรา
ต้องการ แล้วก็จะส่งไปให้ Reduce ทาการประมวลผลเพื่อให้ได้ผล
ลัพธ์ที่ต้องการ

29. 6. Map Reduce
Map Reduce เป็น framework ในการเขียนโปรแกรมแบบ
หนึ่งที่ช่วยในงานประมวลผลที่มีชุดของข้อมูล จานวนมาก เป็นการ
ทางานแบบขนาน ซึ่งจะอาศัยเครื่องคอมพิวเตอร์หลายๆเครื่องช่วยกัน
ทางาน โดยที่ผู้ใช้งานนั้นไม่ต้องสนใจเบื้องหลังการทางาน เช่น
parallelization, data distribution, loads balancing และ faultto lerance
ในการทางานแล้วผู้ใช้งาน Map Reduce จะสนใจแค่ส่วนของ Map
และส่วนของ Reduce ซึ่ง Map จะทาการจับคู่ของ Key/Value ที่เรา
ต้องการ แล้วก็จะส่งไปให้ Reduce ทาการประมวลผลเพื่อให้ได้ผล
ลัพธ์ที่ต้องการ

30. เทคโนโลยี Hadoop
การที่ “Big Data” จะเชื่อมโยงไปสู่ระบบการประมวลผลสาหรับข้อมูล
ปริมาณมาก สามารถจัดแบ่งเทคโนโลยีออกเป็น 4 กลุ่ม ดังนี้
กลุ่มที่หนึ่ง “Hadoop” เป็นซอฟท์แวร์เฟรมเวิร์ค (Framework) ถูกออกแบบ
มาเพื่อทางานบนระบบคอมพิวเตอร์แบบกระจาย Hadoop ถือเป็นเทคโนโลยีหลักที่อยู่
เบื้องหลัง “Big Data” เป็นซอฟต์แวร์แบบโอเพ่นซอร์ส ของ Apache ซึ่งรวมระบบการ
จัดการเครื่องแม่ข่ายในลักษณะคลัสเตอร์ เข้าถึงและดึงข้อมูลอย่างรวดเร็วด้วยวิธี Map
Reduce ระบบคอมพิวเตอร์ที่จะรองรับการทางานของ Hadoop จะเป็นกลุ่มเครื่องแม่ข่าย
ขนาดเล็กหลายๆ เครื่องที่มีหน่วยจัดเก็บข้อมูลขนาดใหญ่ ต่อเชื่อมกันผ่านระบบ
เครือข่าย (Local Area Network) หรือเครือข่ายระยะไกล
กลุ่มที่สองคือ ระบบฐานข้อมูลที่ไม่ใช้ภาษา “SQL” (NoSQL Database)
เนื่องจากความสามารถที่รวดเร็ว สามารถรองรับข้อมูลแบบ Semi-Structured และ
Unstructured ได้รองรับการขยายตัวในแนวราบ (Horizontal Scaling) ซึ่งสอดคล้องกับ
สถาปัตยกรรมของ Hadoop

31. เทคโนโลยี Hadoop (ต่อ)
กลุ่มที่สามคือ “Data Visualization Tools” ซึ่งเป็นเครื่องมือที่จะช่วย
แปลงข้อมูล “Big Data” ที่ได้รับการกลั่นกรองแล้วมาแสดงในรูปของแผนภาพ
ง่ายต่อการเข้าใจ และนาไปสู่การตัดสินใจในขั้นถัดไป บทบาทของเครื่องมือกลุ่ม
นี้จะอยู่ในระดับปฏิบัติการ ให้ติดตามสถานะของระบบและการแก้ปัญหาได้ง่าย
กลุ่มสุดท้ายคือ “Analytic Database” ผลิตภัณฑ์ในกลุ่มนี้อาจจะ
นาไปใช้กับระบบคลังข้อมูลได้ด้วย และเป็นกลุ่มที่ผู้ผลิตซอฟต์แวร์ยักษ์ใหญ่ใน
ตลาดต่างให้ความสาคัญมากโดยใช้เทคนิคในการทางานแบบต่างๆ เพื่อตอบโจทย์
ด้านความเร็ว ไม่ว่าจะเป็ นการประมวลผลใน หน่วยความจา (In-memory
Computing) การประมวลในระบบฐานข้อมูล (In-database Computing) ซึ่งไม่
เหมือนกันเลย แต่มีสิ่งหนึ่งที่ทุกผู้ผลิตมีเหมือนกันคือ สนับสนุนการต่อเชื่อมกับ
Hadoop เพื่อให้สามารถนาข้อมูลจาก Hadoop เข้ามาประมวลในขั้นต่อไปใน
ผลิตภัณฑ์ฐานข้อมูลของตนเองได้

32. Big Data กับการใช้งานในองค์กร
1. งานที่เกี่ยวข้องกับค้าปลีก/ผู้บริโภค
1. การวางตลาดของผลิตภัณฑ์และการวิเคราะห์ทางการตลาด
2. การบริหารจัดการส่งเสริม การขาย และโปรแกรมการสร้าง
ความภักดีต่อ Brand ของลูกค้า
3. การวิเคราะห์และบริหารจัดการห่วงโซ่อุปทาน
4. การสารวจข้อมูลพฤติกรรมของผู้บริโภคผ่านทาง Web
5. การแบ่งส่วนตลาดของผู้บริโภค

33. Big Data กับการใช้งานในองค์กร (ต่อ)
2. การใช้งานด้านบริการทางการเงิน
1. การปฏิบัติตามกฎระเบียบและการรายงาน
2. การวิเคราะห์และบริหารจัดการความเสี่ยง
3. การตรวจสอบทุจริตและวิเคราะห์และการวิเคราะห์การรักษาความ
ปลอดภัย
4. CRM กับโปรแกรมสร้างความภักดีของลูกค้า
5. ความเสี่ยงเกี่ยวกับการปล่อยเครดิต การให้คะแนนและการวิเคราะห์
6. การวิเคราะห์แบบแผนทางการค้าขายที่ผิดปกติ
7. การเฝ้าระวังการค้า (Trade Surveillance)

34. Big Data กับการใช้งานในองค์กร (ต่อ)
3. การใช้งานด้านบริการ Web และ Digital Media
1. วิเคราะห์ปริมาณของ click stream ขนาดใหญ่
2. การกาหนดเป้าหมายการโฆษณา การวิเคราะห์ และพยากรณ์
แนวโน้ม
3. การป้องกันการใช้งานผิดวิธี และการฉ้อโกงทาง Web
4. การวิเคราะห์กราฟการใช้งานบนสังคมออนไลน์ และการแบ่งส่วน
ประเภทลูกค้าและการจัดทา Profile
5. การจัดทาและบริหารจัดการแคมเปญ ทางการตลาดและโปรแกรม
สร้างความภักดีต่อผลิตภัณฑ์

35. Big Data กับการใช้งานในองค์กร (ต่อ)
4. การใช้งานด้านสุขภาพและสาธารณสุข
1. ข้อมูลประกอบการรักษา
2. ผู้ผลิตยาและเวชภัณฑ์ใช้ข้อมูลมากและหลากหลายเพื่อหาสาเหตุของ
การเจ็บป่วยที่แท้จริง
3. การวิเคราะห์ลักษณะรูปแบบการแพร่เชื้อ เพื่อใช้ในงานวิจัยทาง
การแพทย์
4. การวิเคราะห์คุณภาพในการดูแลรักษาผู้ป่วย
5. การบริหารจัดการเกี่ยวกับอุปทานของเครื่องมือแพทย์และยา
6. ข้อมูลการแพทย์และสาธารณสุข
7. ผู้รับผิดชอบค่ารักษาพยาบาล

36. ความจาเป็นของ “Big Data” ต่อธุรกิจ
1. สร้างมูลค่าทางธุรกิจ โดยนาข้อมูลไปวิเคราะห์เพื่อหาความต้องการ
สินค้า หรือการบริการ ในรูปแบบใหม่ๆ ให้ตรงกับความต้องการของ
ผู้ใช้
2. นาข้อมูลมาช่วยสนับสนุนการตัดสินใจ เป็นการสร้างข้อได้เปรียบ
ทางการแข่งขันในตลาด
3. นาข้อมูลมาช่วยประเมินระยะเวลา ประเมินงบประมาณค่าใช้จ่ายของ
การทาโครงการใหม่ๆ ให้ใกล้เคียงกับการปฏิบัติงานจริง รวมทั้งช่วย
แก้ปัญหาหรือป้องกันปัญหาที่จะเกิดขึ้น
4. ช่วยในการวิเคราะห์เพื่อนาไปวางแผนการตลาด แผนการส่งเสริม
การจัดจาหน่าย การวาง แผนเชิงรุกของการทางานในอนาคต

37. ความจาเป็นของ “Big Data” ต่อธุรกิจ (ต่อ)
5. ช่วยทาให้ผู้บริโภคสามารถรู้และเข้าใจข้อมูลสินค้าและการบริการ ทาให้
ผู้บริโภคมีทางเลือก ที่ดีที่สุด และทันต่อเหตุการณ์
จะเห็นว่าข้อมูลมหาศาลขององค์กรที่มีอยู่สามารถ
นาไปใช้ประโยชน์อย่างมากมายตามลักษณะของประเภทธุรกิจ
การเชื่อมต่อออนไลน์ และระบบการจัดเก็บข้อมูลบนเทคโนโลยี
คราวน์ คอมพิวเตอร์ จะเป็นส่วนสนับสนุนในการเก็บข้อมูลของ
ธุรกิจได้อย่างปลอดภัยเพื่อการนาไปใช้ในอนาคตได้

38. สรุป Big data
จะเห็นได้ว่าในยุคปัจจุบัน มีการใช้อุปกรณ์ประเภทสมาร์ทโฟนและ
แท็บเลทกันอย่างแพร่หลาย มี Application ที่ถูกพัฒนามาเพื่อสนับสนุน Platform
ดังกล่าวมากมาย รวมถึงความนิยมในการใช้ Social Network และการทาธุรกิจหรือ
ธุรกรรมออนไลน์ต่างๆ ทาให้มีข้อมูลเกิดขึ้นในระบบออนไลน์เหล่านี้เป็นจานวน
มาก และอยู่ในรูปแบบ Unstructured การจัดการกับข้อมูลจานวนมากและเกิดขึ้น
ตลอดเวลาประเภทนี้ ไม่สามารถทาได้ด้วยวิธีการจัดเก็บไว้ใน Database รูป
แบบเดิมๆ ได้ดี หรือถ้าทาได้ก็ไม่สะดวกสบายนัก และการจะนามาใช้ให้เกิด
ประโยชน์ก็ยาก ดังนั้นองค์กรทาให้เกิดมุมมองใหม่ๆ สามารถมองเห็นในสิ่งที่
คู่แข่งยังมองไม่เห็นหรือไม่ได้ใส่ใจที่จะนามาใช้ ทาให้องค์กรของเราได้เปรียบ
หรือมีความเหนือชั้นกว่าในการดาเนินธุรกิจ และมีโอกาสประสบความสาเร็จ
มากกว่า ยกตัวอย่างบริษัทที่นา Big Data เข้ามาใช้งานและสร้างความเติบโตให้
องค์กรจนประสบความสาเร็จจนสามารถอยู่ในกลุ่มผู้นาของธุรกิจ อาทิเช่น
Google , Facebook ,Twitter ,Yahoo เป็นต้น

39. สมาชิกในกลุ่ม
นางสาวสตรา เอียดตรง รหัส 405759003
นางสาวยารีนี สะนิ รหัส 405759010
นางสาวอานีตา บือโต รหัส 405759012
นายนูรดิง สาเมาะ รหัส 405759001
นายซาฮาบูดิน บาฮา รหัส 405759014
นายอัยดี อาแว รหัส 405759017
สาขาวิชาวิทยาการคอมพิวเตอร์
มหาวิทยาลัยราชภัฎยะลา