Submit Search
Upload
Mt60307 ch7-data visulization
•
0 likes
•
194 views
ธนาพัฒน์ ลิ้มสายพรหม
Follow
Mt60307 ch7-data visulization
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 29
Download now
Download to read offline
Recommended
คู่มือการใช้โปรแกรมฐานข้อมูล
คู่มือการใช้โปรแกรมฐานข้อมูล
BuraparThailand
best
Database
Database
Edz Chatchawan
Database analysis & pivot table
Database analysis & pivot table
smittichai chaiyawong
การจัดการข้อมูลและสรุปผลด้วย PivotTable
บทที่ 3
บทที่ 3
nunzaza
บทที่ 3
Ch5 database system
Ch5 database system
Nittaya Intarat
หน่วยที่ 7
หน่วยที่ 7
Ton TC Tmsb
Tanapat-AWS-Certifacate-6-10.pdf
Tanapat-AWS-Certifacate-6-10.pdf
ธนาพัฒน์ ลิ้มสายพรหม
Tanapat-AWS-Certifacate
Tanapat-AWS-certificate-1-5.pdf
Tanapat-AWS-certificate-1-5.pdf
ธนาพัฒน์ ลิ้มสายพรหม
Tanapat-AWS-certificate
Recommended
คู่มือการใช้โปรแกรมฐานข้อมูล
คู่มือการใช้โปรแกรมฐานข้อมูล
BuraparThailand
best
Database
Database
Edz Chatchawan
Database analysis & pivot table
Database analysis & pivot table
smittichai chaiyawong
การจัดการข้อมูลและสรุปผลด้วย PivotTable
บทที่ 3
บทที่ 3
nunzaza
บทที่ 3
Ch5 database system
Ch5 database system
Nittaya Intarat
หน่วยที่ 7
หน่วยที่ 7
Ton TC Tmsb
Tanapat-AWS-Certifacate-6-10.pdf
Tanapat-AWS-Certifacate-6-10.pdf
ธนาพัฒน์ ลิ้มสายพรหม
Tanapat-AWS-Certifacate
Tanapat-AWS-certificate-1-5.pdf
Tanapat-AWS-certificate-1-5.pdf
ธนาพัฒน์ ลิ้มสายพรหม
Tanapat-AWS-certificate
AWS Identity and access management , tanapat limsaiprom
AWS Identity and access management , tanapat limsaiprom
ธนาพัฒน์ ลิ้มสายพรหม
AWS Identity and access management , tanapat limsaiprom
AWS Technical Essential , Tanapat Limsaiprom
AWS Technical Essential , Tanapat Limsaiprom
ธนาพัฒน์ ลิ้มสายพรหม
AWS Technical Essential , Tanapat Limsaiprom
AWS Amazon DynamoDB
AWS Amazon DynamoDB
ธนาพัฒน์ ลิ้มสายพรหม
AWS Amazon DynamoDB ,tanapat limsaiprom
Hr clinic2
Hr clinic2
ธนาพัฒน์ ลิ้มสายพรหม
HR Clinic 2
ฺBig Data 101Chapter 8 Module 2
ฺBig Data 101Chapter 8 Module 2
ธนาพัฒน์ ลิ้มสายพรหม
ฺBig Data 101Chapter 8 Module 2
Big Data 101 : Chapter 8 Module 1
Big Data 101 : Chapter 8 Module 1
ธนาพัฒน์ ลิ้มสายพรหม
Big Data 101 : Chapter 8 Module 1
Chapter 6 predictive Analytics
Chapter 6 predictive Analytics
ธนาพัฒน์ ลิ้มสายพรหม
Chapter 6 Predictive Analytics
Ch4 e retailing strategy v62-a4
Ch4 e retailing strategy v62-a4
ธนาพัฒน์ ลิ้มสายพรหม
Chapter4
Chapter5 descriptive statistic
Chapter5 descriptive statistic
ธนาพัฒน์ ลิ้มสายพรหม
บทที่5
Ch2 bi gdata
Ch2 bi gdata
ธนาพัฒน์ ลิ้มสายพรหม
Chapter 2 Big Data
Chapter 2 : Data Management
Chapter 2 : Data Management
ธนาพัฒน์ ลิ้มสายพรหม
Chapter 2 : Data Management
Ch1 Business Information foundation concept
Ch1 Business Information foundation concept
ธนาพัฒน์ ลิ้มสายพรหม
Business Information Concept
Chapter2 e-retailing
Chapter2 e-retailing
ธนาพัฒน์ ลิ้มสายพรหม
Chapter2 e-retailing
Chapter2 module 4 Peopleware
Chapter2 module 4 Peopleware
ธนาพัฒน์ ลิ้มสายพรหม
Chapter2 module 4 Peopleware
Chapter 2 Module 2 Hardware
Chapter 2 Module 2 Hardware
ธนาพัฒน์ ลิ้มสายพรหม
Chapter 2 Module 2 Hardware
Chapter2 M1-foundation concepts-thai-62 feb
Chapter2 M1-foundation concepts-thai-62 feb
ธนาพัฒน์ ลิ้มสายพรหม
Ch2 M1-foundation concepts
Tv Rating
Tv Rating
ธนาพัฒน์ ลิ้มสายพรหม
Tv Rating
Chapter2 communication-v62 a
Chapter2 communication-v62 a
ธนาพัฒน์ ลิ้มสายพรหม
Communication Process
Marketing plan report group mt57318
Marketing plan report group mt57318
ธนาพัฒน์ ลิ้มสายพรหม
การเขียนแผนการตาลด
Ch8 Sales Promotion
Ch8 Sales Promotion
ธนาพัฒน์ ลิ้มสายพรหม
Ch8 Sales Promotion
More Related Content
More from ธนาพัฒน์ ลิ้มสายพรหม
AWS Identity and access management , tanapat limsaiprom
AWS Identity and access management , tanapat limsaiprom
ธนาพัฒน์ ลิ้มสายพรหม
AWS Identity and access management , tanapat limsaiprom
AWS Technical Essential , Tanapat Limsaiprom
AWS Technical Essential , Tanapat Limsaiprom
ธนาพัฒน์ ลิ้มสายพรหม
AWS Technical Essential , Tanapat Limsaiprom
AWS Amazon DynamoDB
AWS Amazon DynamoDB
ธนาพัฒน์ ลิ้มสายพรหม
AWS Amazon DynamoDB ,tanapat limsaiprom
Hr clinic2
Hr clinic2
ธนาพัฒน์ ลิ้มสายพรหม
HR Clinic 2
ฺBig Data 101Chapter 8 Module 2
ฺBig Data 101Chapter 8 Module 2
ธนาพัฒน์ ลิ้มสายพรหม
ฺBig Data 101Chapter 8 Module 2
Big Data 101 : Chapter 8 Module 1
Big Data 101 : Chapter 8 Module 1
ธนาพัฒน์ ลิ้มสายพรหม
Big Data 101 : Chapter 8 Module 1
Chapter 6 predictive Analytics
Chapter 6 predictive Analytics
ธนาพัฒน์ ลิ้มสายพรหม
Chapter 6 Predictive Analytics
Ch4 e retailing strategy v62-a4
Ch4 e retailing strategy v62-a4
ธนาพัฒน์ ลิ้มสายพรหม
Chapter4
Chapter5 descriptive statistic
Chapter5 descriptive statistic
ธนาพัฒน์ ลิ้มสายพรหม
บทที่5
Ch2 bi gdata
Ch2 bi gdata
ธนาพัฒน์ ลิ้มสายพรหม
Chapter 2 Big Data
Chapter 2 : Data Management
Chapter 2 : Data Management
ธนาพัฒน์ ลิ้มสายพรหม
Chapter 2 : Data Management
Ch1 Business Information foundation concept
Ch1 Business Information foundation concept
ธนาพัฒน์ ลิ้มสายพรหม
Business Information Concept
Chapter2 e-retailing
Chapter2 e-retailing
ธนาพัฒน์ ลิ้มสายพรหม
Chapter2 e-retailing
Chapter2 module 4 Peopleware
Chapter2 module 4 Peopleware
ธนาพัฒน์ ลิ้มสายพรหม
Chapter2 module 4 Peopleware
Chapter 2 Module 2 Hardware
Chapter 2 Module 2 Hardware
ธนาพัฒน์ ลิ้มสายพรหม
Chapter 2 Module 2 Hardware
Chapter2 M1-foundation concepts-thai-62 feb
Chapter2 M1-foundation concepts-thai-62 feb
ธนาพัฒน์ ลิ้มสายพรหม
Ch2 M1-foundation concepts
Tv Rating
Tv Rating
ธนาพัฒน์ ลิ้มสายพรหม
Tv Rating
Chapter2 communication-v62 a
Chapter2 communication-v62 a
ธนาพัฒน์ ลิ้มสายพรหม
Communication Process
Marketing plan report group mt57318
Marketing plan report group mt57318
ธนาพัฒน์ ลิ้มสายพรหม
การเขียนแผนการตาลด
Ch8 Sales Promotion
Ch8 Sales Promotion
ธนาพัฒน์ ลิ้มสายพรหม
Ch8 Sales Promotion
More from ธนาพัฒน์ ลิ้มสายพรหม
(20)
AWS Identity and access management , tanapat limsaiprom
AWS Identity and access management , tanapat limsaiprom
AWS Technical Essential , Tanapat Limsaiprom
AWS Technical Essential , Tanapat Limsaiprom
AWS Amazon DynamoDB
AWS Amazon DynamoDB
Hr clinic2
Hr clinic2
ฺBig Data 101Chapter 8 Module 2
ฺBig Data 101Chapter 8 Module 2
Big Data 101 : Chapter 8 Module 1
Big Data 101 : Chapter 8 Module 1
Chapter 6 predictive Analytics
Chapter 6 predictive Analytics
Ch4 e retailing strategy v62-a4
Ch4 e retailing strategy v62-a4
Chapter5 descriptive statistic
Chapter5 descriptive statistic
Ch2 bi gdata
Ch2 bi gdata
Chapter 2 : Data Management
Chapter 2 : Data Management
Ch1 Business Information foundation concept
Ch1 Business Information foundation concept
Chapter2 e-retailing
Chapter2 e-retailing
Chapter2 module 4 Peopleware
Chapter2 module 4 Peopleware
Chapter 2 Module 2 Hardware
Chapter 2 Module 2 Hardware
Chapter2 M1-foundation concepts-thai-62 feb
Chapter2 M1-foundation concepts-thai-62 feb
Tv Rating
Tv Rating
Chapter2 communication-v62 a
Chapter2 communication-v62 a
Marketing plan report group mt57318
Marketing plan report group mt57318
Ch8 Sales Promotion
Ch8 Sales Promotion
Mt60307 ch7-data visulization
1.
Tanapat Limsaiprom Tanapat Limsaiprom Big
Data 101 : Chapter7
2.
การนาเสนอโดยปราศจากแบบแผน (Informal
presentation) การนาเสนอข้อมูลที่ไม่มีกฎเกณฑ์ หรือแบบแผนที่แน่นอนตายตัว เป็นการอธิบายลักษณะของข้อมูล ตามเนื้อหา การนาเสนอโดยมีแบบแผน (formal presentation) การนาข้อมูลมาบรรยายเป็นความเรียงที่มีความสัมพันธ์และต่อเนื่องกันระหว่างข้อมูลและข้อความที่ บรรยาย เพื่อให้ข้อความนั้นมีความหมาย เชื่อมั่นได้มากขึ้น Tanapat Limsaiprom Big Data 101 : Chapter7
3.
Tanapat Limsaiprom Big
Data 101 : Chapter7
4.
Tanapat Limsaiprom Big
Data 101 : Chapter7
5.
การนาเสนอข้อมูล โดยแยกตัวเลขออกจากข้อความ
เพื่อต้องการให้เห็นตัวเลขที่ชัดเจน และเปรียบเทียบความแตกต่างได้สะดวกยิ่งขึ้น Tanapat Limsaiprom Big Data 101 : Chapter7
6.
การนาเสนอข้อมูลที่มีกฎเกณฑ์ตามมาตรฐานที่กาหนดไว้เป็นแบบอย่าง การนาเสนอ ข้อมูลที่นิยม
ได้แก่ ตาราง รูปภาพ แผนภูมิ หรือกราฟ - การนาเสนอเป็นตาราง (Tabular presentation) - การนาเสนอกราฟ (Graph) - การนาเสนอด้วยแผนภูมิ (Chart presentation) - การนาแผนภูมิแผนที่ (Map) เช่น spot map และ Choropleth Map Tanapat Limsaiprom Big Data 101 : Chapter7
7.
การวิเคราะห์ข้อมูลเชิงทานายนั้นเป็นแนวคิดที่ได้มาจากการทาเหมืองข้อมูลโดยที่จะจัดการเกี่ยวกับการ สกัดข้อมูลที่เป็นประโยชน์ออกมาโดยเฉพาะข้อมูลที่เก็บเอาไว้ในอดีตเพื่อทาการทานายแนวโน้มที่จะ เกิดขึ้นและรูปแบบของพฤติกรรมต่างๆ แสดงผลด้วย BI
Tools Multi Dimensional Database (oLab) Tanapat Limsaiprom Big Data 101 : Chapter7
8.
Business Intelligence
(BI) คือ เทคโนโลยีสาหรับการรวบรวมข้อมูล จัดเก็บ วิเคราะห์ และเข้าถึงข้อมูล รวมถึงการ ดูในหลากหลายมุมมอง (Multidimensional Model) ของแต่ละหน่วยงาน ซึ่งช่วยให้องค์กรทาการตัดสินใจได้ดี ยิ่งขึ้น เครื่องมือของ BI จะช่วยนาข้อมูลที่มีอยู่มาจัดทารายงานในรูปแบบต่างๆ ที่เหมาะสมกับมุมมองของผู้ใช้งาน สามารถสืบค้นและออกรายงานต่างๆ (Search, Report) ได้อัตโนมัติตามความต้องการของผู้ใช้งาน แสดงผลด้วย BI Tools Tanapat Limsaiprom Big Data 101 : Chapter7
9.
1. เครื่องมือ
การสอบถาม การทาการรายงาน และ ค้นหา (Query, Reporting & Search Tools) 2. กระบวนการวิเคราะห์ผลแบบออนไลน์และเครื่องมือสร้างแผนภูมิ (OLAP and Visualization tools) 3. หน้าต่างแสดงข้อมูล (Dashboard and Scorecards) 4. การวิเคราะห์เชิงทานาย (Predictive Analytics) Dashboard คือหน้ากระดานที่ใช้ในการสรุปข้อมูลแบบ Executive ในมุมมองต่างๆ เพื่อให้สามารถดูได้ง่ายๆ ใช้เวลาในการ ตีความสั้นๆ และสามารถตอบโจทย์ในทางธุรกิจได้ OLAP หรือ Online analytical processing เป็นเทคโนโลยีที่ประกอบด้วยเครื่องมือที่ช่วยดึงและนาเสนอข้อมูลในหลายมิติ (Multidimensional) จากหลายๆ มุมมอง โดยที่ OLAPออกแบบมาสาหรับผู้ใช้ในระดับของผู้บริหารหรือหน่วยงานในองค์กร ที่ต้องวิเคราะห์ข้อมูล เพื่อใช้ประกอบการตัดสินใจในระดับสูง Tanapat Limsaiprom Big Data 101 : Chapter7
10.
คือหน้ากระดานที่ใช้ในการสรุปข้อมูลแบบ Executive ในมุมมองต่างๆ
เพื่อให้สามารถดูได้ง่ายๆ ใช้เวลาในการตีความสั้นๆ และสามารถตอบโจทย์ในทางธุรกิจได้ Tanapat Limsaiprom Big Data 101 : Chapter7
11.
การวิเคราะห์เชิงทานาย หน้าต่างแสดงข้อมูล การวิเคราะห์ผลแบบออนไลน์และ เครื่องมือนาเสนอ การสอบถาม การทารายงาน และ
ค้นหา ระดับของเทคโนโลยี BI ความซับซ้อนของการวิเคราะห์ข้อมูล ต่อคุณค่าที่ได้ออกมาทางธุรกิจ ความซับซ้อน คุณค่าทางธุรกิจ การทารายงาน การวิเคราะห์ การเฝ้าระวังติดตามผล การทานาย Tanapat Limsaiprom Big Data 101 : Chapter7
12.
ข้อมูลที่เป็นตัวเลขเป็นจานวนมากนั้น ทาให้เราไม่สามารถมองเห็นสาระที่สาคัญ จากข้อมูลนั้นได้ แต่เมื่อเราแสดงข้อมูลเดียวกันนั้นออกมาในรูปกราฟ
จะทาให้เรา สามารถเห็นสาระสาคัญของข้อมูลดังกล่าวได้ดีกว่า การเลือกประเภทกราฟให้ เหมาะสมกับข้อมูลที่ต้องการนาเสนอ ควรคานึงถึงสิ่งต่างๆดังนี้ - ความสวยงามเป็นสิ่งสาคัญ - นาเสนอข้อมูลได้เข้าใจง่าย - ทาให้ผู้อ่านเห็นภาพรวมทั้งตีความได้อย่างชัดเจนไปในทางเดียวกัน Tanapat Limsaiprom Big Data 101 : Chapter7
13.
ใช้อธิบายขนาดของข้อมูล ของแต่ละกลุ่มที่มีอยู่
โดยแนวแกน Y จะเป็นขนาดหรือ ปริมาณของข้อมูล ส่วนแกน X จะใช้แสดงกลุ่ม หรือชนิดของข้อมูลนั้นๆ Tanapat Limsaiprom Big Data 101 : Chapter7
14.
ใช้แสดงสาระที่สาคัญของข้อมูลคือ ค่ากลาง ค่าการกระจาย
สัดส่วนข้อมูลที่มาก หรือน้อยกว่าค่ากลาง ( Symmetry ) รวมทั้งข้อมูลที่อยู่ห่างจากกลุ่มมากๆ (Outlier) Tanapat Limsaiprom Big Data 101 : Chapter7
15.
เป็นกราฟที่ใช้แสดงการกระจายของข้อมูล ความถี่ในการเกิดเหตุการณ์ที่เราสนใจ โดยแนวแกน
x คือค่าหรือสิ่งที่เราสนใจ โดยจะถูกแบ่งออกเป็นช่วงๆ ส่วนแกน Y คือความถี่ในการเกิดค่านั้นๆ Tanapat Limsaiprom Big Data 101 : Chapter7
16.
เป็นกราฟที่มีคุณสมบัติเช่นเดียวกันกับ Histogram
หรือ Box plot โดยใช้จุดแทนตัวข้อมูล หากค่าเป็นค่าเดียวกัน จุดก็จะวางทับกันเป็นชั้นๆขึ้นไป Tanapat Limsaiprom Big Data 101 : Chapter7
17.
ทั้ง Box
plot , Histogram และ Dot plot เป็นกราฟที่ใช้แสดง ค่ากลาง ลักษณะการกระจาย ของข้อมูลเหมือนกัน แต่มีข้อเด่นและข้อด้อยในการแสดง ข้อมูลได้แตกต่างกัน Tanapat Limsaiprom Big Data 101 : Chapter7
18.
Vilfredo Pareto
( 1848-1923 ) เป็นนักเศรษฐศาสตร์และสังคมศาสตร์ ผู้ คิดทฎษฎี "Vital Few Trivial Many“ หรือ สิ่งสาคัญมีน้อยสิ่งไม่สาคัญมีมาก นักสถิติก็พบว่านิยามของ Vifredo มิได้เกิดขึ้นกับเรื่องของรายได้เพียงอย่างเดียว หากแต่พบว่าใน ปัญหาทั่วๆไป มักมีสาเหตุที่สาคัญเพียงไม่กี่สาเหตุที่ทาให้เกิดปัญหาขึ้น ในขณะที่สาเหตุอื่นๆอีกมากมาย ไม่ได้ส่งผลกระทบต่อปัญหานั้นๆมานักและนาไปใช้กับเรื่องอื่นและเรียกมันว่า Pareto Chart Tanapat Limsaiprom Big Data 101 : Chapter7
19.
ข้อกาหนดในการใช้Pareto chart
1. กราฟที่ใช้จะเป็นกราฟแท่ง โดยที่แท่งที่สูงที่สุดอยู่ทางซ้ายมือ และ อันดับต่อไปจะ เรียงลาดับไปทางขวามือเสมอ 2. แท่งที่อยู่ในกลุ่มสูง ควรมีจานวนประมาณ 20% ของจานวนแท่งทั้งหมด โดยมีค่าหรือ ความถี่รวมกันประมาณ 80% 3. เมื่อเก็บข้อมูลแล้วให้ทดลองเขียนกราฟทุกครั้ง หากปรากฏว่า แท่งที่อยู่ในกลุ่มซ้ายมือ มีการเปลี่ยนอันดับไปมา ให้เก็บข้อมูลต่อไปเรื่อยๆ จนกว่าจะไม่มีการเปลี่ยนอันดับ และ เป็นไปตามข้อกาหนดข้อสอง นั่นหมายถึงเราสามารถใช้Pareto chart เพื่อ บอกว่า Process ใดๆว่า เสถียร (Stable) หรือยัง ได้อีกด้วย Tanapat Limsaiprom Big Data 101 : Chapter7
20.
วิศวกร ได้ทาการเก็บข้อมูลเรื่องลักษณะทางกายภาพของงานเสียที่เกิดจากเครื่องจักร เครื่อง หนึ่ง
ติดต่อกันเป็นเวลา 10 วัน โดยมีการบันทึกข้อมูลที่พบเก็บไว้ทุกวันเป็นดังตาราง Tanapat Limsaiprom Big Data 101 : Chapter7
21.
เป็นกราฟที่แสดงค่าในกระบวนการ( Process
) ใดๆ โดยเทียบกับเวลาที่เปลี่ยนแปลงไป เรื่อยๆ ใช้เพื่อบ่งบอกสถานะของสิ่งที่เราสนใจ เทียบกับเวลา มีประโยชน์ในการดูความเปลี่ยนแปลง ของกระบวนการ เช่น กระบวนการผลิต การติดตามอาการของคนไข้ เป็นต้น Tanapat Limsaiprom Big Data 101 : Chapter7
22.
ใช้เวลาเราจาเป็นที่จะต้องศึกษาตัวแปรสองตัว พร้อมๆกัน
เช่น อาจจะศึกษา ความสัมพันธ์ของตัวแปรสองตัว ข้อมูลที่เราได้จากการศึกษาก็จะมีสอง ข้อมูล (Bivariated data) หากเราจาเป็นที่สร้างกราฟเพื่อดูความสัมพันธ์ เรา จะใช้Scatter plot Tanapat Limsaiprom Big Data 101 : Chapter7
23.
วิศวกร ได้บันทึกอัตราส่วนระหว่างปริมาณสารเคลือบผิวและเนื้อโลหะที่สูญหายไป (Ratio) เมื่อทาการเปลี่ยนอุณหภูมิของถังชุบไป
ได้ข้อมูลดังตารางต่อไปนี้ Tanapat Limsaiprom Big Data 101 : Chapter7
24.
Tanapat Limsaiprom Big
Data 101 : Chapter7
25.
Tanapat Limsaiprom Big
Data 101 : Chapter7
26.
Tanapat Limsaiprom Big
Data 101 : Chapter7
27.
Tanapat Limsaiprom Big
Data 101 : Chapter7
28.
Tanapat Limsaiprom Big
Data 101 : Chapter7
29.
THANK YOU Tanapat Limsaiprom
Big Data 101 : Chapter7
Download now