Chapter06 การบริหารจัดการข้อมูล

CHAPTER 06 การบรหารจดการขอมล

BSC202 – Information Technology for BusinessAkkadate Siripongwattana

BSC202 Information Technology for Business2

คำานำาขอมลเปนสงจำ�เปนเพอใชประกอบก�ร

ตดสนใจในด�นต�งๆ จงตองจดก�รใชมขอมลครบถวน ใชไดทนเวล�ทตองก�ร มคว�มถกตอง น�เชอถอ จงตองมเทคโนโลยม�ชวยบรห�รจดก�รขอมล


แนวโนมขอมล1 .คลงขอมล (Data Warehouses)2. ตลาดขอมล (Data Marts)3. การทำาเหมองขอมล (Data Mining)4. ขอมลขนาดใหญ (Big Data)


1. คลงขอมล (Data Warehouses)

เปนฐ�นขอมลขน�ดใหญทมทม�จ�กหล�ยแหลง ทงภ�ยในและภ�ยนอกองคกร ครอบคลมขอมลทกสวนขององคกร เชน กระบวนก�รปฏบตง�น สนค� ลกค� ซงจะนำ�ม�รวมกน เพอนำ�ไปใชในด�นต�งๆ ขอมลควรมก�รปรบปรงเปนประจำ�ใหเปนปจจบนตลอดเวล� โดยกระบวนก�รทนยมทำ�คอ ETL

E : Extraction ทำ�หน�ทดงขอมลจ�กแหลงต�งๆเข�ม�T : Transformation ทำ�หน�แปลงขอมลทไดจ�กก�ร Extract ม�แปลงใหอยในรปแบบทเหม�ะสม เชน ทำ� Cleaning, Mapping DataL : Load ทำ�หน�ทนำ�ขอมลเข� Data Warehouses


2. ตลาดขอมล (Data Marts)ถกนย�มว�เปน subset ของขอมลขน�ดใหญ หรอพดใหเข�ใจง�ยๆกคอ Data Warehouses ของแตละแผนกนนเอง


3. การทำาเหมองขอมล (Data Mining)กระบวนก�รทกระทำ�กบขอมล(โดยสวนใหญจะมจำ�นวนม�ก) เพอคนห�รปแบบ แนวท�ง และคว�มสมพนธทซอนอยในชดขอมลนน โดยอ�ศยหลกสถต ก�รรจำ� ก�รเรยนรของเครอง และหลกคณตศ�สตร3.1 กฎความสมพนธ (Association rule) แสดงคว�มสมพนธของเหตก�รณหรอวตถ ทเกดขนพรอมกน เชน ก�รวเคร�ะหขอมลก�รข�ยสนค� โดยเกบขอมลจ�กระบบ ณ จดข�ย (POS) หรอร�นค�ออนไลน แลวพจ�รณ�สนค�ทผซอมกจะซอพรอมกน

https://th.wikipedia.org/wiki/%E0%B8%81%E0%B8%8E%E0%B8%84%E0%B8%A7%E0%B8%B2%E0%B8%A1%E0%B8%AA%E0%B8%B1%E0%B8%A1%E0%B8%9E%E0%B8%B1%E0%B8%99%E0%B8%98%E0%B9%8C



https://th.wikipedia.org/w/index.php?title=%E0%B8%A3%E0%B8%B0%E0%B8%9A%E0%B8%9A_%E0%B8%93_%E0%B8%88%E0%B8%B8%E0%B8%94%E0%B8%82%E0%B8%B2%E0%B8%A2&action=edit&redlink=1


3. การทำาเหมองขอมล (Data Mining) (ตอ)3.2 การจำาแนกขอมล (Data classification) ห�กฎเพอระบประเภทจ�กคณสมบตของขอมล เชน ในท�งธรกจจะใชเพอห�ผทจะกอหนเสย เพอประกอบก�รพจ�รณ�ก�รอนมตเงนก , เลอกส�ข�วช�ทเหม�ะสมใหผเรยน

3.3 การแบงกลมขอมล (Data clustering) แบงขอมลทมลกษณะคล�ยกนออกเปนกลม เชน แบงกลมผปวยทเปนโรคเดยวกนต�มลกษณะอ�ก�ร เพอนำ�ไปใชประโยชนในก�รวเคร�ะหห�ส�เหตของโรค โดยพจ�รณ�จ�กผปวยทมอ�ก�รคล�ยคลงกน

https://th.wikipedia.org/wiki/%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%88%E0%B8%B3%E0%B9%81%E0%B8%99%E0%B8%81%E0%B8%9B%E0%B8%A3%E0%B8%B0%E0%B9%80%E0%B8%A0%E0%B8%97%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5

https://th.wikipedia.org/wiki/%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%88%E0%B8%B3%E0%B9%81%E0%B8%99%E0%B8%81%E0%B8%9B%E0%B8%A3%E0%B8%B0%E0%B9%80%E0%B8%A0%E0%B8%97%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5

https://th.wikipedia.org/wiki/%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B9%81%E0%B8%9A%E0%B9%88%E0%B8%87%E0%B8%81%E0%B8%A5%E0%B8%B8%E0%B9%88%E0%B8%A1%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5


กระบวนการการทำา Data Mining


4. ขอมลขนาดใหญ (Big Data )Volume: มจำ�นวนขอมลม�กเกนกว�ระบบฐ�นขอมลแบบเดมๆจะส�ม�รถทจะจดก�รไดVelocity: คอขอมลจะมก�รเปลยนแปลงอย�งรวดเรว เชนขอมลจ�ก Social Media ขอมลก�รซอข�ย ขอมล Transaction ก�รเงนหรอก�รใชโทรศพท หรอขอมลจ�ก SensorVariety: คอขอมลจะมหล�กหล�ยรปแบบทง Structured และ Unstructured ซงอ�จจะอยในรปทง RDBMS, text, XML, JSON หรอ Image


4. Big Data (ตอ)ลกษณะการวเคราะห1. การวเคราะหเชงพรรณนา (Descriptive Analytics) รปแบบก�รวเคร�ะหขอมลท เนนก�รอธบ�ยว�เกดอะไรขนกบธรกจทผ�นม� เชน ก�รพบว�บรษทสญเสยลกค�ไปแลว 5 ล�นคน2. การวเคราะหเชงพยากรณ (Predictive Analytics) คอ ก�รนำ�ขอมลเก�ม�สร�งโมเดลเพอค�ดก�รณว�จะเกดอะไรขนตอไป เชน บรษทมโอก�สจะสญเสยลกค�ทชอ Jon Smith ในวนพรงนดวยโอก�ส 92%3. การวเคราะหเชงเสนอแนะ (Prescriptive Analytics) ห�ผลลพธทดทสด เพอกำ�หนดกลยทธของธรกจใหเปนไปอย�งมประสทธภ�พ เชน เพอไมใหลกค�ยกเลกก�รใชบรก�รจงควรจะโทรไปห�ในวนพรงนและนำ�เสนอสวนลดให 3% ในก�รตออ�ยสม�ชก


4. Big Data (ตอ)กรณตวอยาง• Tesco Lotus• Amazon.com• Facebook.com• Google.com• Bank• Mobile Operator


คำาถามทายบท1. ขอมลมคว�มสำ�คญตอก�รดำ�เนนธรกจอย�งไร

2. นกศกษ�คดว� ประเทศไทยส�ม�รถนำ�ขอมลจ�ก Big Data ม�ใชบรห�รประเทศไดหรอไม เพร�ะเหตใด


ปฏบตทำาเนอหา 3 ขอน ลงในเวบขายสนคาของนกศกษา

• เขยนร�ยละเอยดขอมลสนค�ให• เขยนบทคว�ม/รวว/คว�มร เกยวกบสนค� 2

บทคว�ม• (การบาน) ทำ�วดโอเกยวกบสนค� 1 ชน