Chapter 2 Big Data

1. Big Data 101 : Chapter2 Big Data
Tanapat Limsaiprom 1

2.  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

3.  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

4.  ข้อมูลใหญ่ (Big Data) คือข้อมูลดิจิทัลที่จะถูกสร้างขึ้นจากทุกที่และ
ตลอดเวลา โดยข้อมูลจะมีปริมาณมากมายมหาศาลและเพิ่มขึ้นเรื่อย ๆ เกิน
ความสามารถของการจัดการข้อมูลแบบเดิมๆ จะบันทึกจัดการและประมวลได้
Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 4

5.  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

6.  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

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. Complexity
ความซัพซ้อน
Velocity
ความเร็ว
Variety
ความหลาหลาย
Veracity
ความจริง
Volume
ปริมาณ
คุณลักษณะของข้อมูลใหญ่ ประกอบด้วย 4V1C
Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 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 (Data Complexity) 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 (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

16.  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

17.  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

18.  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

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 V E
01001100 01001111 01010110 0100101
Bits
Bite (Characters)
Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 20

21.  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

22. 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

23.  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

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 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

28.  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

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. 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

31.  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

32. THANK YOU
Big Data 101 : Chapter2 Big DataTanapat Limsaiprom 32