สไลด์จากงานสัมมนา PowerApps at Work เมื่อวันที่ 22/12/2019 บันทึกเซสชั่นวิเคราะห์ข้อมูลการลงทุนด้วย Power BI > ซื้อ LTF กองไหนดี? > วิเคราะห์ข้อมูลคอนโดด้วย Python และ Power BI > วิเคราะห์หวย 10 ปีย้อนหลัง โดยคุณ Rapheephan จากขี่ช้างจับข้อมูล

1. 22 Dec 2019, 9 AM - 4 PM
Microsoft Thailand
Power Platform Series
App at Work

2. Designing Your Investment Strategies
with Power BI
Rapheephan Laochamroonvorapongse, MCSA

3. Profile
Power Platform Community Thailand
Rapheephan (Pear)
Laochamroonvorapongse
• Senior Data Scientist
• MCSA in BI Reporting
• B.E. in Petroleum Engineering
Chulalongkorn U. (1st Class Honor)
• M.S. in Petroleum Engineering at
The University of Texas at Austin
• Admin Page “ขี่ช้างจับข้อมูล”
• Power BI Instructor and Consultant

4. Data Science Charity Workshop
Power Platform Community Thailand

5. Power Platform Community Thailand
“ดอกเบี้ยทบต้น (Compound interest)
คือ สิ่งมหัศจรรย์ของโลกสิ่งที่ 8
คนไหนที่เข้าใจมัน ก็จะได้รับมันไป
ใครที่ไม่เข้าใจ ก็จะต้องเสียมันไป”
สิ่งมหัศจรรย์ของโลกทั้ง 7

6. Power Platform Community Thailand

7. Power Platform Community Thailand
ซื้อ LTF กองไหนดี?

8. Power Platform Community Thailand
LTF Data Collection from Website

9. Power Platform Community Thailand

10. Power Platform Community Thailand

11. SCAN ME
Power Platform Community Thailand
Link to LTF Report

12. Power Platform Community Thailand
วิเคราะห์ข้อมูลคอนโด

13. How to Select Condo?
Power Platform Community Thailand
Conventional Method Web Scraping + Power BI

14. Condo Data
Power Platform Community Thailand

15. Example of Condo Reports
Power Platform Community Thailand

16. Example of Condo Reports
Power Platform Community Thailand

17. Example of Condo Reports
Power Platform Community Thailand

18. Example of Condo Reports
Power Platform Community Thailand
import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(color_codes=True)
sns.lmplot(x="Sale_Price_Sqm",y="Rental_Yield",
hue="Condo_area",col="Condo_area",data=dataset,
col_wrap=2)
plt.show()
import matplotlib.pyplot as plt
import seaborn as sns
sns.boxplot(x="Year_built",y="Sale_Price_Sqm",d
ata=dataset)
plt.show()

19. Example of Condo Reports
Power Platform Community Thailand
library(ggplot2
library(ggplot2)
g <- ggplot(dataset,
aes(Sale_Price_Sqm,Rental_Yield)) +
geom_point(aes(colour=Condo_area))+
geom_smooth(method="lm")+
facet_wrap(~Condo_area,ncol=2)
g
library(ggplot2)
g<-
ggplot(dataset,aes(as.factor(Year_built),
Sale_Price_Sqm))+geom_boxplot()
g

20. Power Platform Community ThailandLink to Condo Report

21. Power Platform Community Thailand
พรุ่งนี้หวยออก...อะไร

22. Power UP Data Skills with Power BI 101 22
หวยกับความเชื่อ...

23. Get Data Directly from Horoscope Website
Power Platform Community Thailand

24. Power Platform Community Thailand
Link to Lottery Report

25. Power Platform Community Thailand
การลงทุนมีความเสี่ยง
ผู้ลงทุนควรศึกษาข้อมูลก่อนตัดสินลงทุน