ธนาพัฒน์ ลิ้มสายพรหม, profile picture
Uploaded byธนาพัฒน์ ลิ้มสายพรหม
179 views

Ch2 bi gdata

Chapter 2 Big Data

Embed presentation

Download to read offline
Big Data 101 : Chapter2 Big Data Tanapat Limsaiprom 1
 สามารถ อธิบาย ความหมายและความสาคัญของ Big Data  สามารถ อธิบาย ผลกระทบของ Big Data ในด้านต่างๆ  สามารถ อธิบาย การประยุกต์ใช้Big Data ในการแข่งขันธุรกิจ  สามารถ อธิบาย หลักการทางาน และเป้าหมาย ของการวิเคราะห์บิ็กดาต้า (Big Data Analytics)  อธิบาย ความหมายและความสาคัญของ Big Data Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 2
 ข้อมูลขนาดใหญ่ (Big data) ปรากฏขึ้นในบทความเป็นครั้งแรกเมื่อปี ค.ศ. 1997 โดยนักวิทยาศาสตร์ ขององค์การนาซ่าซึ่งได้กล่าวถึงปัญหาต่างๆ ที่มี ข้อมูลมากมายมหาศาลที่ใหญ่เกินกว่าจะจัดเก็บ ในหน่วยความจาของคอมพิวเตอร์  ความหมายที่กล่าวกันโดยทั่วไปของคา ว่า Big data ก็คือ ข้อมูลขนาดใหญ่ และมีความซับซ้อนมากเกิดขึ้น เนื่องจากการก้าวไกลของเทคโนโลยี จึงเกิดปัญหา การเก็บข้อมูลต่างๆ จานวนมากมาย ซึ่งเกินขอบเขต หรือความสามารถของการ จัดการข้อมูลแบบเดิมๆ จะบันทึกจัดการและประมวลได้ภายในเวลาที่สมควร Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 3
 ข้อมูลใหญ่ (Big Data) คือข้อมูลดิจิทัลที่จะถูกสร้างขึ้นจากทุกที่และ ตลอดเวลา โดยข้อมูลจะมีปริมาณมากมายมหาศาลและเพิ่มขึ้นเรื่อย ๆ เกิน ความสามารถของการจัดการข้อมูลแบบเดิมๆ จะบันทึกจัดการและประมวลได้ Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 4
 Big data คือ ระบบเก็บข้อมูลขนาดใหญ่ที่ซับซ้อนมีแหล่งที่มาของข้อมูลจาก - เก็บข้อมูลจากในองค์กร - ข้อมูลจาก Social Media facebook,twiter,Instragram - ข้อมูลจาก Web E-Commerce - ข้อมูลจาก Smart phone - ข้อมูลจาก Sensor Device - ข้อมูลเหล่านี้สามารถรวบรวม และนามาวิเคราะห์ได้ - เป็นทั้งข้อมูลที่ มีโครงสร้าง และไม่มีโครงสร้าง เพื่อใช้วิเคราะห์พฤติกรรม ปกติแล้ว Big data มักจะถูกใช้กับงานพวกที่ต้องวิเคราะห์พยากรณ์ หรือ วิเคราะห์ ลักษณะนิสัยของผู้ใช้งาน รวมถึงการวิเคราะห์ข้อมูลที่มีความซับซ้อน และไม่สามารถประเมิน ขนาดข้อมูลได้ Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 5
 ในปี 2012 ข้อมูลจานวน 2.5 Exabytes ถูกสร้างขึ้นมาในแต่ละวัน  (1 Exabyte เทียบเท่ากับ 1,000 ล้าน Gigabytes) Exabyte (1,000,000,000,000,000,000 ไบต์) (หนึ่งล้านล้านล้านไบต์) Zetabytes (1,000,000,000,000,000,000,000 ไบต์) (หนึ่งพันล้านล้านล้านไบต์) Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 6
การจัดเก็บข้อมูลของบิ๊กดาต้า  การจัดเก็บข้อมูลจะเป็นแบบ Structured , Semi-Structure Unstructured ซึ่งถือว่ามีขนาดใหญ่มากๆ - เริ่มต้นที่ขนาดมากกว่า Terabyte ขึ้นไป นั่นคือ 10 ยกกาลัง 12 ไบท์ - Petabyte คือ10 ยกกาลัง 15 ไบท์ - Exabyte คือ 10 ยกกาลัง 18 ไบท์ Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 7
Complexity ความซัพซ้อน Velocity ความเร็ว Variety ความหลาหลาย Veracity ความจริง Volume ปริมาณ คุณลักษณะของข้อมูลใหญ่ ประกอบด้วย 4V1C Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 8
 ปริมาณ (Volume) หมายถึงข้อมูลที่มีปริมาณมหาศาล ซึ่งโครงสร้างข้อมูล ของระบบฐานข้อมูลไม่สามารถจัดเก็บข้อมูลได้ด้วยปริมาณข้อมูลที่มากมาย มหาศาลนี้มีประโยชน์เพื่อเป็นข้อมูลที่ใช้ในการตัดสินใจหรือทานายอนาคต หรือเพื่อ เตรียมการวางแผนการทางานเชิงรุกทางธุรกิจ เช่นข้อมูลของ eBay.com ซึ่งมีคลังข้อมูลสินค้า (Data Warehouse) ขนาดประมาณ 90 PB Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 9
 1.2.2 ความหลากหลาย (Variety) หมายถึงข้อมูลที่มีรูปแบบที่มีความ หลากหลาย ได้แก่ รูปภาพ วิดีโอ เพลง ข้อมูลจากระบบฐานข้อมูล หรือข้อมูลจาก สื่อสังคมออนไลน์ เช่น Facebook, YouTube หรือ Instagram Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 10
 ความเร็ว (Velocity) หมายถึงข้อมูลที่เข้าสู่ระบบจะมีอัตราการเพิ่มขึ้นอย่าง รวดเร็ว เช่น ข้อมูลที่เกิดขึ้นจากโทรศัพท์เคลื่อนที่ที่ผู้ใช้เก็บเป็นข้อมูลประเภท ภาพถ่าย ข้อมูลการพิมพ์การสนทนา ข้อมูลการถ่ายภาพ วิดีโอ หรือข้อมูลการ อัดเสียง หรือแม้กระทั่งข้อมูลการสั่งซื้อสินค้า การขนส่ง และการบริการต่างๆ Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 11
 ความจริง (Veracity) หมายถึงข้อมูลที่เป็นความจริง แม่นยา ถึงข้อมูลจะ มาจากแหล่งข้อมูลคนละที่ หรือคนละชนิด จึงจะต้องมีการจัดระเบียบและวิเคราะห์ ว่าข้อมูลใดมีความถูกต้องแม่นยามากที่สุด Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 12
 ข้อมูลซับซ้อน (Data Complexity) หมายถึงการจัดการข้อมูลแบบ มีความซับซ้อนสูงอย่างมาก ด้วยข้อมูลจานวนมากมาย รูปแบบแตกต่างกัน เพิ่มขึ้น ตลอดเวลา และที่มาต่างกันด้วย ดังนั้นจึงต้องมีกระบวนการเชื่อมโยงข้อมูลต่าง ๆ เหล่านี้ด้วยกันเพื่อการวิเคราะห์และประมวลผลข้อมูล Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 13
 อภิมหาข้อมูล(Big Data) คือ ข้อมูลเหล่านี้เกิดจาก ความเจริญก้าวหน้าของ เทคโนโลยีรุ่นใหม่ๆ ของอุปกรณ์ มือถือ อุปกรณ์ IOT และ โครงข่ายสื่อสาร  ข้อมูลจาก Social Media Application ใหม่ๆ เช่น Facebook, YouTube การค้นหาข้อมูล เช่น google  การซื้อขายของออนไลน์ Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 14
 ข้อมูลเครื่อง (Machine Data) เช่น ข้อมูลทางการแพทย์จากเครื่องเอกซเรย์ คอมพิวเตอร์ (Computed tomography : CT) หรือเครื่องเอกซเรย์ด้วยคลื่น แม่เหล็กไฟฟ้า (Magnetic Resonance Imaging : MRI)  เครื่องจีพีเอส (Global Positioning System : GPS) ที่เก็บค่าพิกัดตาแหน่ง เวลา สถานที่ ที่ทาการเคลื่อนที่ไปทาให้เกิดข้อมูลจานวนมหาศาล Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 15
 เครื่องชนอนุภาคแฮดรอนขนาดใหญ่ (Large Hadron Collider : LHC) ของ CERN ที่ ผลิตข้อมูลผลการทดลองประมาณ 40 TeraBytes (1012) ทุกๆ วินาที  ข้อมูลการทารายการเปลี่ยนแปลง (Transaction Data) เช่น ธุรกิจการขายปลีก บริษัทที่ ดาเนินการเกี่ยวกับพาณิชย์อิเล็กทรอนิกส์ (E-Commerce) ธนาคาร ตลาดหลักทรัพย์ หรือโรงงานต่างๆ ที่มีการกระจายสินค้า สอบถามข้อมูลการผลิต การซื้อ/ขายสินค้า แต่ละรายการ ราคาสินค้า จานวนสินค้า จานวนสินค้าคงเหลือ Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 16
 การนาอุปกรณ์ ต่างๆ เชื่อมต่อกับอินเทอร์เน็ตมากขึ้น เพื่อการทางาน ความบันเทิง หรือแม้แต่สุขภาพ ทาให้มีเกิด Internet of Thing คือ อินเทอร์เน็ตของทุกสิ่งๆทุกอย่าง หรือทุกสิ่งทุกอย่างล้วนแล้วแต่ใช้อินเทอร์เน็ต ไม่ว่าจะเป็นการเช็คเรื่องราวข่าวสาร การสร้างธุรกิจ การศึกษาข้อมูล การลงทุน เก็บประวัติสุขภาพ หรือแม้แต่การจัดการ ชีวิตประจาวัน ที่อินเทอร์เน็ตก็เข้ามามีส่วนในแทบทุกกระบวนการ จาก พฤติกรรม การใช้งานเทคโนโลยีสารสนเทศหลากหลายรูปแบบเหล่านี้ ทาให้การเติบโตของ ข้อมูลใน ปัจจุบันมีลักษณะหลากหลายรูปแบบ และมีปริมาณของข้อมูลที่มากขึ้น เรื่อยๆ จนกลายเป็นข้อมูล อภิมหาข้อมูล Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 17
 Internet of Thing คือ อินเทอร์เน็ตของทุกสิ่งๆทุกอย่าง หรือทุกสิ่งทุกอย่าง ล้วนแล้วแต่ใช้อินเทอร์เน็ต  การเช็คเรื่องราวข่าวสาร  การสร้างธุรกิจ  การศึกษาข้อมูล  การลงทุน  เก็บประวัติสุขภาพ  การจัดการชีวิตประจาวัน ที่อินเทอร์เน็ตก็เข้ามามีส่วนในแทบทุกกระบวนการ  จาก พฤติกรรมการใช้งานเทคโนโลยีสารสนเทศหลากหลายรูปแบบช้างต้น ทาให้การ เติบโตของข้อมูลใน ปัจจุบันมีลักษณะหลากหลายรูปแบบ และมีปริมาณของข้อมูลที่มาก ขึ้นเรื่อยๆ จนกลายเป็นข้อมูล อภิมหาข้อมูล Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 18
 ปริมาณของข้อมูลที่ Facebook, YouTube หรือ Social Media ต่างๆ ก่อให้เกิด ข้อมูลขนาดใหญ่มหึมาปริมาณของข้อมูลเหล่านี้กลับ ทวีปริมาณมากขึ้นทุกขณะ ในปี 2012 ข้อมูลจานวน 2.5 exabytes ถูกสร้างขึ้นมาในแต่ละวัน (หนึ่ง exabyte เทียบเท่า กับ 1 พันล้าน Gigabytes) Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 19
L O V E 01001100 01001111 01010110 0100101 Bits Bite (Characters) Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 20
 Gigabyte เท่ากับ 1,024 Megabyte  Terabyte เท่ากับ 1,024 Gigabyte หรือ หนีง ล้าน ล้าน ไบท์)  Petabyte เท่ากับ 1,024 Terabyte หรือ หนึ่งพัน ล้าน ล้านไบท์  Exabyte เท่ากับ 1,024 Petabyte หรือ หนึ่ง ล้าน ล้าน ล้าน ไบท์  Zettabyte เท่ากับ 1,024 Exabyte หรือ หนึ่งพัน ล้าน ล้าน ล้าน ไบท์ Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 21
1. Amazon  Amazon มี ข้อมูลชื่อลูกค้า ที่อยู่ ข้อมูลการชาระเงิน และประวัติการค้นหา ข้อมูลเหล่านี้ แน่นอนว่าถูกเก็บเอาไว้ใช้เพื่อการโฆษณา แต่ในขณะเดียวกัน Amazon ก็ใข้ ข้อมูลเหล่านี้ ในการพัฒนาความสัมพันธ์กับลูกค้า ซึ่งต้องอาศัย Big Data เป็นตัวช่วยโดย เจ้าหน้าที่ของ Amazon จะรู้รายละเอียดและข้อมูลของลูกค้าอย่างละเอียด เพราะ Big Data ช่วย ให้เจ้าหน้าที่ของ Amazon บริการลูกค้าได้อย่างรวดเร็วและมีประสิทธิภาพ Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 22
 2. American Express - American Express ใช้Big Data ในการวิเคราะห์และคาดการณ์ พฤติกรรมของลูกค้า ด้วยการตรวจดูประวัติการใช้จ่ายและการวิเคราะห์ตัวแปรที่เกี่ยวข้องกว่า 100 รายการ จากนั้นก็สร้างโมเดลเพื่อใช้ในการคาดการณ์พฤติกรรมของลูกค้าล่วงหน้าขึ้นมา เพื่อใช้คู่กับระบบธุรกิจอัจฉริยะ ซึ่งวิธีการข้างต้นช่วยให้American Express สามารถทานายศักยภาพในการสร้างผลกาไรล่วงหน้าของตัวเองได้และยังช่วยให้สามารถรู้ได้ว่า ลูกค้าคนใดยังคงมีความเชื่อมั่นและภักดีต่อแบรนด์หรือมีแนวโน้มจะเปลี่ยนไปใช้บริการสถาบัน การเงินอื่น Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 23
 3. Netflix - บริษัทผู้ให้บริการสตรีมมิ่งรายใหญ่ที่มีข้อมูลอยู่ในมือมหาศาล เพื่อใช้ในการวิเคราะห์หา ข้อมูลเชิงลึกเพื่อดูพฤติกรรมการใช้งานของลูกค้าหลายล้านคนทั่วโลก Netflix ใช้ข้อมูล ที่วิเคราะห์ได้ในการสร้างโปรแกรมการฉายหนังที่ถูกใจลูกค้า และใช้เพื่อดูว่าภาพยนต์เรื่อง ไหนที่ควรซื้อลิขสิทธิ์เอามาลงใน Netflix Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 24
 4. Starbucks - Starbucks ใช้Big Data ในการวิเคราะห์หาความเป็นไปได้ที่จะประสบ ความสาเร็จของแต่ละโลเคชั่นที่ไปตั้ง ด้วยการเก็บข้อมูลสถานที่ตั้ง การจราจร ข้อมูล ประชากรในพื้นที่ และพฤติกรรมผู้บริโภคการวิเคราะห์และประเมินแบบนี้เอง ที่ช่วยให้ก่อน จะตัดสินใจเปิดสาขาใหม่ของ Starbucks สามารถคานวณและประมาณการได้ว่าเปอ เซ็นความสาเร็จที่จะเกิดขึ้นนั้นมีเท่าไหร่ หากเลือกจะไปเปิดสาขาที่สถานที่นั้นๆ ถือเป็น ประโยชน์และมีผลต่ออัตตราการเติบโตของผลกาไรของ Starbucks มาก Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 25
 5. T-Mobile - เครื่อข่ายมือถือเจ้าใหญ่นี้ใช้วิธีการเดียวกันกับ American Express คือการรวม ข้อมูลการใช้งานสัญญาณสื่อสารและข้อมูลการติดต่อสื่อสารเข้าด้วยกัน เพื่อใช้ในการทานาย ปัจจัยความไม่แน่นอนที่เกี่ยวข้องกับลูกค้า วิธีการคือกรองข้อมูลการใช้งานเฉพาะบุคคลจากบิล และข้อมูลจากหน่วยงานลูกค้าสัมพันธ์ควบคู่ไปกับข้อมูลการใช้งานสื่อโซเชี่ยล -T-Moblie ในสหรัฐฯ อ้างว่า พวกเขาสามารถลดอัตราการละเลยลูกค้าลงได้ถึงครึ่งหนึ่ง ภายในไตรมาสเดียว T-mobile มีการเปลี่ยนแปลงและปรับปรุงเครื่องมือสารสนเทศ ด้วย การติดตั้งเครื่องมือเก็บข้อมูลลงไปในแต่ละระบบสนเทศ Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 26
 1.เป็นเครื่องมือในการวิเคราะห์ ที่รองรับ ข้อมูลทุกรูปแบบ - ทั้งstructured unstructured และ semi-structured -การสารวจของ Analytics Advantage กว่า 96% ของผู้ทาแบบสารวจรู้สึก ได้ว่าการวิเคราะห์จะกลายมาเป็นสิ่งสาคัญมากๆต่อองค์กรในอีก 3 ปีข้างหน้า - การสารวจของ Peer Research – Big Data Analytics มีการ รายงานอย่างชัดเจนว่าการเติบโตของการวิเคราะห์ข้อมูลแบบทั้งแบบ unstructured และ semi-structured มีเพิ่มมากขึ้นเรื่อยๆ 84% ของผู้ร่วมทาแบบสอบถามมีการ กล่าวถึงการทางานในองค์กรของตนว่าขณะนี้มีองค์กรการนาเอาข้อมูลแบบ Unstructured มาทาการวิเคราะห์ ไม่ว่าจะเป็น weblogs, social media, e-mail, photos และ video Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 27
 2. ทานายตลาดล่วงหน้าได้จาก Big Data Analytics ทาให้เป็น สายงานที่มีความสาคัญสูงในทุกองค์กร - จากการสารวจของ Peer Research – Big Data Analytics’ survey ได้สรุปผลการสารวจเอาไว้ว่า Big Data Analytics คือหนึ่งในสายงานที่มีความสาคัญในระดับสูงต่อองค์กร เพราะ ถือว่าเป็นสายงานที่ช่วยพัฒนาประสิทธิภาพในการดาเนินงานขององค์กร - จากนี้จากการสารวจของ Deloitte ในตลาดแรงงานระดับกลาง ยังพบว่า ในความคิดเห็นของผู้บริหาร สายงานด้านการวิเคระห์มีความสาคัญและมีคุณค่าต่อ องค์กร กว่า 65.2% ของผู้ร่วมทาแบบสารวจมีการนาการวิเคราะห์มาใช้ในการ ช่วยดาเนินงานทางธุรกิจ Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 28
 3. ความต้องการผู้เชี่ยวชาญด้านการวิเคราะห์เพิ่มสูงขึ้นมาก - กราฟแนวโน้มงานในสาย Big Data Analytics จาก indeed.com เป็นสิ่งช่วยยืนยันให้เราเห็นว่าสายงานนี้มีแนวโน้มการเติบโต สูงขึ้นเรื่อยๆ อีกทั้งโอกาสในสายงานก็ยังมีอัตราการเพิ่มสูงขึ้นแบบคงที่ ซึ่งนั้นหมายความ ว่าโอกาสเติบโตและก้าวหน้าในสายงานอยู่ในด้านบวกแบบสุดๆผู้เชี่ยวชาญด้านเทคโนโลยี ที่มีประสบการณ์ในการวิเคราะห์กาลังเป็นที่ต้องการอย่างมาก เนื่องจากในหลายๆองค์กร กาลังมองหาวิธีการและแนวทางที่จะใช้ประโยชน์จาก Big Data ให้ได้มี ประสิทธิภาพที่สุด - สถาบัน McKinsey Global Institute ศึกษาพบว่า อเมริกาจะ ประสบกับปัญหาการขาดแคลนบุคลากรด้านวิทยาศาสตร์ข้อมูล (Data Scientists) กว่า 190,000 คน และบุคลากรด้านการวิเคราะห์และการ จัดการอีกกว่า 1,500,000 คน ในปี 2018 Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 29
 4. ค่าตอบแทนสูง สาหรับ บุคลากร - ด้วยความต้องการบุคลากรด้านการวิเคราะห์ข้อมูลที่สูง ทาให้รายได้สาหรับผู้เชี่ยวชาญที่ผ่าน การรับรองในสายงานนี้สูงตามแด้วย จนทาให้สายงานด้าน Big Data เป็นหนึ่งในสายงาน ที่ได้รับค่าตอบแทนสูงมาก - จากรายงาน 2015 Skills and Salary Survey Report ที่ จัดพิมพ์โดย Institute of Analytics Professionals of Australia (IAPA) รายงานไว้ว่ารายได้เฉลี่ยต่อปีในสายงาน data analysts คือ $130,000 หรือประมาณ 4,470,317 บาท เพิ่มขึ้น 4% จากปี 2014 - นอกจากนี้หากมองแนวโน้มรายได้สาหรับสายงาน Big Data Analytics ในส หราชอาณาจักร ยังพบว่ามีแนวโน้มเติบโตขึ้นเรื่อยๆ โดยรายได้เฉลี่ยในปี 2016 อยู่ที่ £62,500 หรือประมาณ 2,790,714 บาท เพิ่มขึ้นจากปี 2015 ประมาณ 13.63% Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 30
 5. การนา Big Data Analytics มาประยุกต์ใช้มีเพิ่มสูงขึ้นเรื่อยๆ - เทคโนโลยีใหม่ๆ ช่วยให้การนาข้อมูลที่อยู่ในรูปแบบที่หลากหลายมาวิเคราะห์ด้วยวิธีการ สมัยใหม่ได้ง่ายยิ่งขึ้น และนี่คือหลักฐานจากรายงานของ The Data Warehousing Institute (TDWI) - จากรายงานฉบับนี้ยังแสดงให้เห็นอีกว่ามากกว่า 3 ใน 4 ของผู้ทาแบบสอบถามมีการใช้งาน ระบบการวิเคราะห์ระดับสูงในการทา Big Data สาหรับการทางานในส่วนของ Business Intelligence, Predictive Analytics และ Data Mining - จากการที่เครื่องมือในการวิเคราะห์ Big Data อย่างเช่น Apache Hadoop เป็นเครื่องมือที่เข้าถึงได้ง่ายและเป็นแบบ open source ทาให้ หลายๆองค์กรมีการนาเอา Big Data เข้ามาปรับใช้ และมีแนวโน้มที่จะมีการนามาปรับ ใช้มากขึ้นเรื่อยๆ จึงทาให้บุคลากรในด้านนี้เป็นที่ต้องการเพิ่มสูงมากขึ้นตามไปด้วย Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 31
THANK YOU Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 32

More Related Content

DOC
1085- Alegações Finais - Penal
byConsultor JRSantana
 
PPSX
Prisão em flagrante
byFabricio Cunha
 
PDF
Projeto Integrado 5º Semestre - Projeto de redes.pdf
byWilliam Santos
 
DOC
Penal crimes contra-patrimonio
byNathalia Novais
 
PDF
Chapter 2 : Data Management
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
Big data 101
bySomkiat Puisungnoen
 
PDF
Introduction to Data Mining and Big Data Analytics
byBig Data Engineering, Faculty of Engineering, Dhurakij Pundit University
 
PDF
Mt60307 ch7-data visulization
byธนาพัฒน์ ลิ้มสายพรหม
 
1085- Alegações Finais - Penal
byConsultor JRSantana
 
Prisão em flagrante
byFabricio Cunha
 
Projeto Integrado 5º Semestre - Projeto de redes.pdf
byWilliam Santos
 
Penal crimes contra-patrimonio
byNathalia Novais
 
Chapter 2 : Data Management
byธนาพัฒน์ ลิ้มสายพรหม
 
Big data 101
bySomkiat Puisungnoen
 
Introduction to Data Mining and Big Data Analytics
byBig Data Engineering, Faculty of Engineering, Dhurakij Pundit University
 
Mt60307 ch7-data visulization
byธนาพัฒน์ ลิ้มสายพรหม
 

Similar to Ch2 bi gdata

PDF
First Step to Big Data
byBig Data Engineering, Faculty of Engineering, Dhurakij Pundit University
 
PDF
Introduction to Data Mining and Big Data Analytics
byBig Data Engineering, Faculty of Engineering, Dhurakij Pundit University
 
PDF
Big Data
byThongChai YesMan
 
PDF
Introduction to Predictive Analytics with case studies
byBig Data Engineering, Faculty of Engineering, Dhurakij Pundit University
 
PDF
Big data
bySatra Eadtrong
 
PDF
Big data
bynewmooxx
 
PDF
ข้อมูลขนาดใหญ่ Big data
bymaruay songtanin
 
PDF
Data mining and_big_data_web
byBig Data Engineering, Faculty of Engineering, Dhurakij Pundit University
 
PDF
Introduction to big data and analytic eakasit patcharawongsakda
byBAINIDA
 
PDF
BigData และการนำมาใช้BigData และการนำมาใช้
bySUMETRATPRACHUM1
 
PDF
บทความ Big Data จากบล็อก thanachart.org
byIMC Institute
 
PDF
Meetup Big Data by THJUG
byPeerapat Asoktummarungsri
 
PDF
Tanapat Data Science Certificate
byTanapat Limsaiprom
 
PPTX
Data Science 101 : 4 level of Bigdata
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
Data science certificate
byTanapat Limsaiprom
 
PDF
Practical Data Mining with RapidMiner Studio 7 : A Basic and Intermediate
byBig Data Engineering, Faculty of Engineering, Dhurakij Pundit University
 
PDF
The Power of Big Data for a new economy (Sample)
byIMC Institute
 
PDF
การค้นหาข้อมูลจากอินเทอร์เน็ต
byjobasketball
 
PDF
การค้นหาข้อมูลจากอินเทอร์เน็ต
byjobasketball
 
PDF
วิทยาการคำนวณ ม.5 - บทที่ 1 ข้อมูลมีคุณค่า
byCoco Tan
 
First Step to Big Data
byBig Data Engineering, Faculty of Engineering, Dhurakij Pundit University
 
Introduction to Data Mining and Big Data Analytics
byBig Data Engineering, Faculty of Engineering, Dhurakij Pundit University
 
Big Data
byThongChai YesMan
 
Introduction to Predictive Analytics with case studies
byBig Data Engineering, Faculty of Engineering, Dhurakij Pundit University
 
Big data
bySatra Eadtrong
 
Big data
bynewmooxx
 
ข้อมูลขนาดใหญ่ Big data
bymaruay songtanin
 
Data mining and_big_data_web
byBig Data Engineering, Faculty of Engineering, Dhurakij Pundit University
 
Introduction to big data and analytic eakasit patcharawongsakda
byBAINIDA
 
BigData และการนำมาใช้BigData และการนำมาใช้
bySUMETRATPRACHUM1
 
บทความ Big Data จากบล็อก thanachart.org
byIMC Institute
 
Meetup Big Data by THJUG
byPeerapat Asoktummarungsri
 
Tanapat Data Science Certificate
byTanapat Limsaiprom
 
Data Science 101 : 4 level of Bigdata
byธนาพัฒน์ ลิ้มสายพรหม
 
Data science certificate
byTanapat Limsaiprom
 
Practical Data Mining with RapidMiner Studio 7 : A Basic and Intermediate
byBig Data Engineering, Faculty of Engineering, Dhurakij Pundit University
 
The Power of Big Data for a new economy (Sample)
byIMC Institute
 
การค้นหาข้อมูลจากอินเทอร์เน็ต
byjobasketball
 
การค้นหาข้อมูลจากอินเทอร์เน็ต
byjobasketball
 
วิทยาการคำนวณ ม.5 - บทที่ 1 ข้อมูลมีคุณค่า
byCoco Tan
 

More from ธนาพัฒน์ ลิ้มสายพรหม

PPTX
Physics-Informed-Neural-Networks-PINNs.pptx
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
Subnets, Gateways, and Route Table Explaned , tanapat limsaiprom
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
AWS Networking Basic , tanapat limsaiprom
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
Tanapat-AWS-Certifacate-6-10.pdf
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
Tanapat-AWS-certificate-1-5.pdf
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
AWS Identity and access management , tanapat limsaiprom
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
AWS Technical Essential , Tanapat Limsaiprom
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
AWS Amazon DynamoDB
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
Hr clinic2
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
ฺBig Data 101Chapter 8 Module 2
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
Big Data 101 : Chapter 8 Module 1
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
Chapter 6 predictive Analytics
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
Ch4 e retailing strategy v62-a4
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
Chapter5 descriptive statistic
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
Ch1 Business Information foundation concept
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
Chapter2 e-retailing
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
Chapter2 module 4 Peopleware
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
Chapter 2 Module 2 Hardware
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
Chapter2 M1-foundation concepts-thai-62 feb
byธนาพัฒน์ ลิ้มสายพรหม
 
PDF
Tv Rating
byธนาพัฒน์ ลิ้มสายพรหม
 
Physics-Informed-Neural-Networks-PINNs.pptx
byธนาพัฒน์ ลิ้มสายพรหม
 
Subnets, Gateways, and Route Table Explaned , tanapat limsaiprom
byธนาพัฒน์ ลิ้มสายพรหม
 
AWS Networking Basic , tanapat limsaiprom
byธนาพัฒน์ ลิ้มสายพรหม
 
Tanapat-AWS-Certifacate-6-10.pdf
byธนาพัฒน์ ลิ้มสายพรหม
 
Tanapat-AWS-certificate-1-5.pdf
byธนาพัฒน์ ลิ้มสายพรหม
 
AWS Identity and access management , tanapat limsaiprom
byธนาพัฒน์ ลิ้มสายพรหม
 
AWS Technical Essential , Tanapat Limsaiprom
byธนาพัฒน์ ลิ้มสายพรหม
 
AWS Amazon DynamoDB
byธนาพัฒน์ ลิ้มสายพรหม
 
Hr clinic2
byธนาพัฒน์ ลิ้มสายพรหม
 
ฺBig Data 101Chapter 8 Module 2
byธนาพัฒน์ ลิ้มสายพรหม
 
Big Data 101 : Chapter 8 Module 1
byธนาพัฒน์ ลิ้มสายพรหม
 
Chapter 6 predictive Analytics
byธนาพัฒน์ ลิ้มสายพรหม
 
Ch4 e retailing strategy v62-a4
byธนาพัฒน์ ลิ้มสายพรหม
 
Chapter5 descriptive statistic
byธนาพัฒน์ ลิ้มสายพรหม
 
Ch1 Business Information foundation concept
byธนาพัฒน์ ลิ้มสายพรหม
 
Chapter2 e-retailing
byธนาพัฒน์ ลิ้มสายพรหม
 
Chapter2 module 4 Peopleware
byธนาพัฒน์ ลิ้มสายพรหม
 
Chapter 2 Module 2 Hardware
byธนาพัฒน์ ลิ้มสายพรหม
 
Chapter2 M1-foundation concepts-thai-62 feb
byธนาพัฒน์ ลิ้มสายพรหม
 
Tv Rating
byธนาพัฒน์ ลิ้มสายพรหม
 

Ch2 bi gdata

  • 1.
    Big Data 101: Chapter2 Big Data Tanapat Limsaiprom 1
  • 2.
     สามารถ อธิบายความหมายและความสาคัญของ Big Data  สามารถ อธิบาย ผลกระทบของ Big Data ในด้านต่างๆ  สามารถ อธิบาย การประยุกต์ใช้Big Data ในการแข่งขันธุรกิจ  สามารถ อธิบาย หลักการทางาน และเป้าหมาย ของการวิเคราะห์บิ็กดาต้า (Big Data Analytics)  อธิบาย ความหมายและความสาคัญของ Big Data Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 2
  • 3.
     ข้อมูลขนาดใหญ่ (Bigdata) ปรากฏขึ้นในบทความเป็นครั้งแรกเมื่อปี ค.ศ. 1997 โดยนักวิทยาศาสตร์ ขององค์การนาซ่าซึ่งได้กล่าวถึงปัญหาต่างๆ ที่มี ข้อมูลมากมายมหาศาลที่ใหญ่เกินกว่าจะจัดเก็บ ในหน่วยความจาของคอมพิวเตอร์  ความหมายที่กล่าวกันโดยทั่วไปของคา ว่า Big data ก็คือ ข้อมูลขนาดใหญ่ และมีความซับซ้อนมากเกิดขึ้น เนื่องจากการก้าวไกลของเทคโนโลยี จึงเกิดปัญหา การเก็บข้อมูลต่างๆ จานวนมากมาย ซึ่งเกินขอบเขต หรือความสามารถของการ จัดการข้อมูลแบบเดิมๆ จะบันทึกจัดการและประมวลได้ภายในเวลาที่สมควร Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 3
  • 4.
     ข้อมูลใหญ่ (BigData) คือข้อมูลดิจิทัลที่จะถูกสร้างขึ้นจากทุกที่และ ตลอดเวลา โดยข้อมูลจะมีปริมาณมากมายมหาศาลและเพิ่มขึ้นเรื่อย ๆ เกิน ความสามารถของการจัดการข้อมูลแบบเดิมๆ จะบันทึกจัดการและประมวลได้ Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 4
  • 5.
     Big dataคือ ระบบเก็บข้อมูลขนาดใหญ่ที่ซับซ้อนมีแหล่งที่มาของข้อมูลจาก - เก็บข้อมูลจากในองค์กร - ข้อมูลจาก Social Media facebook,twiter,Instragram - ข้อมูลจาก Web E-Commerce - ข้อมูลจาก Smart phone - ข้อมูลจาก Sensor Device - ข้อมูลเหล่านี้สามารถรวบรวม และนามาวิเคราะห์ได้ - เป็นทั้งข้อมูลที่ มีโครงสร้าง และไม่มีโครงสร้าง เพื่อใช้วิเคราะห์พฤติกรรม ปกติแล้ว Big data มักจะถูกใช้กับงานพวกที่ต้องวิเคราะห์พยากรณ์ หรือ วิเคราะห์ ลักษณะนิสัยของผู้ใช้งาน รวมถึงการวิเคราะห์ข้อมูลที่มีความซับซ้อน และไม่สามารถประเมิน ขนาดข้อมูลได้ Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 5
  • 6.
     ในปี 2012ข้อมูลจานวน 2.5 Exabytes ถูกสร้างขึ้นมาในแต่ละวัน  (1 Exabyte เทียบเท่ากับ 1,000 ล้าน Gigabytes) Exabyte (1,000,000,000,000,000,000 ไบต์) (หนึ่งล้านล้านล้านไบต์) Zetabytes (1,000,000,000,000,000,000,000 ไบต์) (หนึ่งพันล้านล้านล้านไบต์) Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 6
  • 7.
    การจัดเก็บข้อมูลของบิ๊กดาต้า  การจัดเก็บข้อมูลจะเป็นแบบ Structured, Semi-Structure Unstructured ซึ่งถือว่ามีขนาดใหญ่มากๆ - เริ่มต้นที่ขนาดมากกว่า Terabyte ขึ้นไป นั่นคือ 10 ยกกาลัง 12 ไบท์ - Petabyte คือ10 ยกกาลัง 15 ไบท์ - Exabyte คือ 10 ยกกาลัง 18 ไบท์ Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 7
  • 8.
  • 9.
     ปริมาณ (Volume)หมายถึงข้อมูลที่มีปริมาณมหาศาล ซึ่งโครงสร้างข้อมูล ของระบบฐานข้อมูลไม่สามารถจัดเก็บข้อมูลได้ด้วยปริมาณข้อมูลที่มากมาย มหาศาลนี้มีประโยชน์เพื่อเป็นข้อมูลที่ใช้ในการตัดสินใจหรือทานายอนาคต หรือเพื่อ เตรียมการวางแผนการทางานเชิงรุกทางธุรกิจ เช่นข้อมูลของ eBay.com ซึ่งมีคลังข้อมูลสินค้า (Data Warehouse) ขนาดประมาณ 90 PB Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 9
  • 10.
     1.2.2 ความหลากหลาย(Variety) หมายถึงข้อมูลที่มีรูปแบบที่มีความ หลากหลาย ได้แก่ รูปภาพ วิดีโอ เพลง ข้อมูลจากระบบฐานข้อมูล หรือข้อมูลจาก สื่อสังคมออนไลน์ เช่น Facebook, YouTube หรือ Instagram Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 10
  • 11.
     ความเร็ว (Velocity)หมายถึงข้อมูลที่เข้าสู่ระบบจะมีอัตราการเพิ่มขึ้นอย่าง รวดเร็ว เช่น ข้อมูลที่เกิดขึ้นจากโทรศัพท์เคลื่อนที่ที่ผู้ใช้เก็บเป็นข้อมูลประเภท ภาพถ่าย ข้อมูลการพิมพ์การสนทนา ข้อมูลการถ่ายภาพ วิดีโอ หรือข้อมูลการ อัดเสียง หรือแม้กระทั่งข้อมูลการสั่งซื้อสินค้า การขนส่ง และการบริการต่างๆ Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 11
  • 12.
     ความจริง (Veracity)หมายถึงข้อมูลที่เป็นความจริง แม่นยา ถึงข้อมูลจะ มาจากแหล่งข้อมูลคนละที่ หรือคนละชนิด จึงจะต้องมีการจัดระเบียบและวิเคราะห์ ว่าข้อมูลใดมีความถูกต้องแม่นยามากที่สุด Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 12
  • 13.
     ข้อมูลซับซ้อน (DataComplexity) หมายถึงการจัดการข้อมูลแบบ มีความซับซ้อนสูงอย่างมาก ด้วยข้อมูลจานวนมากมาย รูปแบบแตกต่างกัน เพิ่มขึ้น ตลอดเวลา และที่มาต่างกันด้วย ดังนั้นจึงต้องมีกระบวนการเชื่อมโยงข้อมูลต่าง ๆ เหล่านี้ด้วยกันเพื่อการวิเคราะห์และประมวลผลข้อมูล Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 13
  • 14.
     อภิมหาข้อมูล(Big Data)คือ ข้อมูลเหล่านี้เกิดจาก ความเจริญก้าวหน้าของ เทคโนโลยีรุ่นใหม่ๆ ของอุปกรณ์ มือถือ อุปกรณ์ IOT และ โครงข่ายสื่อสาร  ข้อมูลจาก Social Media Application ใหม่ๆ เช่น Facebook, YouTube การค้นหาข้อมูล เช่น google  การซื้อขายของออนไลน์ Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 14
  • 15.
     ข้อมูลเครื่อง (MachineData) เช่น ข้อมูลทางการแพทย์จากเครื่องเอกซเรย์ คอมพิวเตอร์ (Computed tomography : CT) หรือเครื่องเอกซเรย์ด้วยคลื่น แม่เหล็กไฟฟ้า (Magnetic Resonance Imaging : MRI)  เครื่องจีพีเอส (Global Positioning System : GPS) ที่เก็บค่าพิกัดตาแหน่ง เวลา สถานที่ ที่ทาการเคลื่อนที่ไปทาให้เกิดข้อมูลจานวนมหาศาล Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 15
  • 16.
     เครื่องชนอนุภาคแฮดรอนขนาดใหญ่ (LargeHadron Collider : LHC) ของ CERN ที่ ผลิตข้อมูลผลการทดลองประมาณ 40 TeraBytes (1012) ทุกๆ วินาที  ข้อมูลการทารายการเปลี่ยนแปลง (Transaction Data) เช่น ธุรกิจการขายปลีก บริษัทที่ ดาเนินการเกี่ยวกับพาณิชย์อิเล็กทรอนิกส์ (E-Commerce) ธนาคาร ตลาดหลักทรัพย์ หรือโรงงานต่างๆ ที่มีการกระจายสินค้า สอบถามข้อมูลการผลิต การซื้อ/ขายสินค้า แต่ละรายการ ราคาสินค้า จานวนสินค้า จานวนสินค้าคงเหลือ Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 16
  • 17.
     การนาอุปกรณ์ ต่างๆเชื่อมต่อกับอินเทอร์เน็ตมากขึ้น เพื่อการทางาน ความบันเทิง หรือแม้แต่สุขภาพ ทาให้มีเกิด Internet of Thing คือ อินเทอร์เน็ตของทุกสิ่งๆทุกอย่าง หรือทุกสิ่งทุกอย่างล้วนแล้วแต่ใช้อินเทอร์เน็ต ไม่ว่าจะเป็นการเช็คเรื่องราวข่าวสาร การสร้างธุรกิจ การศึกษาข้อมูล การลงทุน เก็บประวัติสุขภาพ หรือแม้แต่การจัดการ ชีวิตประจาวัน ที่อินเทอร์เน็ตก็เข้ามามีส่วนในแทบทุกกระบวนการ จาก พฤติกรรม การใช้งานเทคโนโลยีสารสนเทศหลากหลายรูปแบบเหล่านี้ ทาให้การเติบโตของ ข้อมูลใน ปัจจุบันมีลักษณะหลากหลายรูปแบบ และมีปริมาณของข้อมูลที่มากขึ้น เรื่อยๆ จนกลายเป็นข้อมูล อภิมหาข้อมูล Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 17
  • 18.
     Internet ofThing คือ อินเทอร์เน็ตของทุกสิ่งๆทุกอย่าง หรือทุกสิ่งทุกอย่าง ล้วนแล้วแต่ใช้อินเทอร์เน็ต  การเช็คเรื่องราวข่าวสาร  การสร้างธุรกิจ  การศึกษาข้อมูล  การลงทุน  เก็บประวัติสุขภาพ  การจัดการชีวิตประจาวัน ที่อินเทอร์เน็ตก็เข้ามามีส่วนในแทบทุกกระบวนการ  จาก พฤติกรรมการใช้งานเทคโนโลยีสารสนเทศหลากหลายรูปแบบช้างต้น ทาให้การ เติบโตของข้อมูลใน ปัจจุบันมีลักษณะหลากหลายรูปแบบ และมีปริมาณของข้อมูลที่มาก ขึ้นเรื่อยๆ จนกลายเป็นข้อมูล อภิมหาข้อมูล Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 18
  • 19.
     ปริมาณของข้อมูลที่ Facebook,YouTube หรือ Social Media ต่างๆ ก่อให้เกิด ข้อมูลขนาดใหญ่มหึมาปริมาณของข้อมูลเหล่านี้กลับ ทวีปริมาณมากขึ้นทุกขณะ ในปี 2012 ข้อมูลจานวน 2.5 exabytes ถูกสร้างขึ้นมาในแต่ละวัน (หนึ่ง exabyte เทียบเท่า กับ 1 พันล้าน Gigabytes) Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 19
  • 20.
    L O VE 01001100 01001111 01010110 0100101 Bits Bite (Characters) Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 20
  • 21.
     Gigabyte เท่ากับ1,024 Megabyte  Terabyte เท่ากับ 1,024 Gigabyte หรือ หนีง ล้าน ล้าน ไบท์)  Petabyte เท่ากับ 1,024 Terabyte หรือ หนึ่งพัน ล้าน ล้านไบท์  Exabyte เท่ากับ 1,024 Petabyte หรือ หนึ่ง ล้าน ล้าน ล้าน ไบท์  Zettabyte เท่ากับ 1,024 Exabyte หรือ หนึ่งพัน ล้าน ล้าน ล้าน ไบท์ Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 21
  • 22.
    1. Amazon  Amazonมี ข้อมูลชื่อลูกค้า ที่อยู่ ข้อมูลการชาระเงิน และประวัติการค้นหา ข้อมูลเหล่านี้ แน่นอนว่าถูกเก็บเอาไว้ใช้เพื่อการโฆษณา แต่ในขณะเดียวกัน Amazon ก็ใข้ ข้อมูลเหล่านี้ ในการพัฒนาความสัมพันธ์กับลูกค้า ซึ่งต้องอาศัย Big Data เป็นตัวช่วยโดย เจ้าหน้าที่ของ Amazon จะรู้รายละเอียดและข้อมูลของลูกค้าอย่างละเอียด เพราะ Big Data ช่วย ให้เจ้าหน้าที่ของ Amazon บริการลูกค้าได้อย่างรวดเร็วและมีประสิทธิภาพ Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 22
  • 23.
     2. AmericanExpress - American Express ใช้Big Data ในการวิเคราะห์และคาดการณ์ พฤติกรรมของลูกค้า ด้วยการตรวจดูประวัติการใช้จ่ายและการวิเคราะห์ตัวแปรที่เกี่ยวข้องกว่า 100 รายการ จากนั้นก็สร้างโมเดลเพื่อใช้ในการคาดการณ์พฤติกรรมของลูกค้าล่วงหน้าขึ้นมา เพื่อใช้คู่กับระบบธุรกิจอัจฉริยะ ซึ่งวิธีการข้างต้นช่วยให้American Express สามารถทานายศักยภาพในการสร้างผลกาไรล่วงหน้าของตัวเองได้และยังช่วยให้สามารถรู้ได้ว่า ลูกค้าคนใดยังคงมีความเชื่อมั่นและภักดีต่อแบรนด์หรือมีแนวโน้มจะเปลี่ยนไปใช้บริการสถาบัน การเงินอื่น Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 23
  • 24.
     3. Netflix -บริษัทผู้ให้บริการสตรีมมิ่งรายใหญ่ที่มีข้อมูลอยู่ในมือมหาศาล เพื่อใช้ในการวิเคราะห์หา ข้อมูลเชิงลึกเพื่อดูพฤติกรรมการใช้งานของลูกค้าหลายล้านคนทั่วโลก Netflix ใช้ข้อมูล ที่วิเคราะห์ได้ในการสร้างโปรแกรมการฉายหนังที่ถูกใจลูกค้า และใช้เพื่อดูว่าภาพยนต์เรื่อง ไหนที่ควรซื้อลิขสิทธิ์เอามาลงใน Netflix Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 24
  • 25.
     4. Starbucks -Starbucks ใช้Big Data ในการวิเคราะห์หาความเป็นไปได้ที่จะประสบ ความสาเร็จของแต่ละโลเคชั่นที่ไปตั้ง ด้วยการเก็บข้อมูลสถานที่ตั้ง การจราจร ข้อมูล ประชากรในพื้นที่ และพฤติกรรมผู้บริโภคการวิเคราะห์และประเมินแบบนี้เอง ที่ช่วยให้ก่อน จะตัดสินใจเปิดสาขาใหม่ของ Starbucks สามารถคานวณและประมาณการได้ว่าเปอ เซ็นความสาเร็จที่จะเกิดขึ้นนั้นมีเท่าไหร่ หากเลือกจะไปเปิดสาขาที่สถานที่นั้นๆ ถือเป็น ประโยชน์และมีผลต่ออัตตราการเติบโตของผลกาไรของ Starbucks มาก Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 25
  • 26.
     5. T-Mobile -เครื่อข่ายมือถือเจ้าใหญ่นี้ใช้วิธีการเดียวกันกับ American Express คือการรวม ข้อมูลการใช้งานสัญญาณสื่อสารและข้อมูลการติดต่อสื่อสารเข้าด้วยกัน เพื่อใช้ในการทานาย ปัจจัยความไม่แน่นอนที่เกี่ยวข้องกับลูกค้า วิธีการคือกรองข้อมูลการใช้งานเฉพาะบุคคลจากบิล และข้อมูลจากหน่วยงานลูกค้าสัมพันธ์ควบคู่ไปกับข้อมูลการใช้งานสื่อโซเชี่ยล -T-Moblie ในสหรัฐฯ อ้างว่า พวกเขาสามารถลดอัตราการละเลยลูกค้าลงได้ถึงครึ่งหนึ่ง ภายในไตรมาสเดียว T-mobile มีการเปลี่ยนแปลงและปรับปรุงเครื่องมือสารสนเทศ ด้วย การติดตั้งเครื่องมือเก็บข้อมูลลงไปในแต่ละระบบสนเทศ Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 26
  • 27.
     1.เป็นเครื่องมือในการวิเคราะห์ ที่รองรับข้อมูลทุกรูปแบบ - ทั้งstructured unstructured และ semi-structured -การสารวจของ Analytics Advantage กว่า 96% ของผู้ทาแบบสารวจรู้สึก ได้ว่าการวิเคราะห์จะกลายมาเป็นสิ่งสาคัญมากๆต่อองค์กรในอีก 3 ปีข้างหน้า - การสารวจของ Peer Research – Big Data Analytics มีการ รายงานอย่างชัดเจนว่าการเติบโตของการวิเคราะห์ข้อมูลแบบทั้งแบบ unstructured และ semi-structured มีเพิ่มมากขึ้นเรื่อยๆ 84% ของผู้ร่วมทาแบบสอบถามมีการ กล่าวถึงการทางานในองค์กรของตนว่าขณะนี้มีองค์กรการนาเอาข้อมูลแบบ Unstructured มาทาการวิเคราะห์ ไม่ว่าจะเป็น weblogs, social media, e-mail, photos และ video Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 27
  • 28.
     2. ทานายตลาดล่วงหน้าได้จากBig Data Analytics ทาให้เป็น สายงานที่มีความสาคัญสูงในทุกองค์กร - จากการสารวจของ Peer Research – Big Data Analytics’ survey ได้สรุปผลการสารวจเอาไว้ว่า Big Data Analytics คือหนึ่งในสายงานที่มีความสาคัญในระดับสูงต่อองค์กร เพราะ ถือว่าเป็นสายงานที่ช่วยพัฒนาประสิทธิภาพในการดาเนินงานขององค์กร - จากนี้จากการสารวจของ Deloitte ในตลาดแรงงานระดับกลาง ยังพบว่า ในความคิดเห็นของผู้บริหาร สายงานด้านการวิเคระห์มีความสาคัญและมีคุณค่าต่อ องค์กร กว่า 65.2% ของผู้ร่วมทาแบบสารวจมีการนาการวิเคราะห์มาใช้ในการ ช่วยดาเนินงานทางธุรกิจ Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 28
  • 29.
     3. ความต้องการผู้เชี่ยวชาญด้านการวิเคราะห์เพิ่มสูงขึ้นมาก -กราฟแนวโน้มงานในสาย Big Data Analytics จาก indeed.com เป็นสิ่งช่วยยืนยันให้เราเห็นว่าสายงานนี้มีแนวโน้มการเติบโต สูงขึ้นเรื่อยๆ อีกทั้งโอกาสในสายงานก็ยังมีอัตราการเพิ่มสูงขึ้นแบบคงที่ ซึ่งนั้นหมายความ ว่าโอกาสเติบโตและก้าวหน้าในสายงานอยู่ในด้านบวกแบบสุดๆผู้เชี่ยวชาญด้านเทคโนโลยี ที่มีประสบการณ์ในการวิเคราะห์กาลังเป็นที่ต้องการอย่างมาก เนื่องจากในหลายๆองค์กร กาลังมองหาวิธีการและแนวทางที่จะใช้ประโยชน์จาก Big Data ให้ได้มี ประสิทธิภาพที่สุด - สถาบัน McKinsey Global Institute ศึกษาพบว่า อเมริกาจะ ประสบกับปัญหาการขาดแคลนบุคลากรด้านวิทยาศาสตร์ข้อมูล (Data Scientists) กว่า 190,000 คน และบุคลากรด้านการวิเคราะห์และการ จัดการอีกกว่า 1,500,000 คน ในปี 2018 Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 29
  • 30.
     4. ค่าตอบแทนสูงสาหรับ บุคลากร - ด้วยความต้องการบุคลากรด้านการวิเคราะห์ข้อมูลที่สูง ทาให้รายได้สาหรับผู้เชี่ยวชาญที่ผ่าน การรับรองในสายงานนี้สูงตามแด้วย จนทาให้สายงานด้าน Big Data เป็นหนึ่งในสายงาน ที่ได้รับค่าตอบแทนสูงมาก - จากรายงาน 2015 Skills and Salary Survey Report ที่ จัดพิมพ์โดย Institute of Analytics Professionals of Australia (IAPA) รายงานไว้ว่ารายได้เฉลี่ยต่อปีในสายงาน data analysts คือ $130,000 หรือประมาณ 4,470,317 บาท เพิ่มขึ้น 4% จากปี 2014 - นอกจากนี้หากมองแนวโน้มรายได้สาหรับสายงาน Big Data Analytics ในส หราชอาณาจักร ยังพบว่ามีแนวโน้มเติบโตขึ้นเรื่อยๆ โดยรายได้เฉลี่ยในปี 2016 อยู่ที่ £62,500 หรือประมาณ 2,790,714 บาท เพิ่มขึ้นจากปี 2015 ประมาณ 13.63% Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 30
  • 31.
     5. การนาBig Data Analytics มาประยุกต์ใช้มีเพิ่มสูงขึ้นเรื่อยๆ - เทคโนโลยีใหม่ๆ ช่วยให้การนาข้อมูลที่อยู่ในรูปแบบที่หลากหลายมาวิเคราะห์ด้วยวิธีการ สมัยใหม่ได้ง่ายยิ่งขึ้น และนี่คือหลักฐานจากรายงานของ The Data Warehousing Institute (TDWI) - จากรายงานฉบับนี้ยังแสดงให้เห็นอีกว่ามากกว่า 3 ใน 4 ของผู้ทาแบบสอบถามมีการใช้งาน ระบบการวิเคราะห์ระดับสูงในการทา Big Data สาหรับการทางานในส่วนของ Business Intelligence, Predictive Analytics และ Data Mining - จากการที่เครื่องมือในการวิเคราะห์ Big Data อย่างเช่น Apache Hadoop เป็นเครื่องมือที่เข้าถึงได้ง่ายและเป็นแบบ open source ทาให้ หลายๆองค์กรมีการนาเอา Big Data เข้ามาปรับใช้ และมีแนวโน้มที่จะมีการนามาปรับ ใช้มากขึ้นเรื่อยๆ จึงทาให้บุคลากรในด้านนี้เป็นที่ต้องการเพิ่มสูงมากขึ้นตามไปด้วย Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 31
  • 32.
    THANK YOU Big Data101 : Chapter2 Big DataTanapat Limsaiprom 32