Biomass briquette charcoal has been studied using a variety of agricultural waste materials. The outcome revealed that the charcoal bars are still inefficient in use because of their fragility, high moisture causing mold, difficulty setting up, short burning times, and smoky. The aims of this research are to build up a biomass charcoal briquette machine and to examine the raw material proportions. Durian peel and mangosteen peel charcoal were mixed with cassava starch. The mixing ratio by weight between Durian peel and mangosteen peel was 4 : 1, 2 : 1, 3 : 2, 1 : 1, 2 : 3, 1 : 2, and 1 : 4. The biomass charcoal briquette machine was evaluated for its forming ability, physical shape, and density while the properties of charcoal briquettes were analyzed based on American Society of Testing and Materials (ASTM). The results reveal that this machine is efficient to use considered by smooth surface, sturdiness, and density (604.94–612.12 kg/m3). The charcoal briquettes made from durian peel and mangosteen peel in the ratio of 1 : 4 can be achieved all criteria which have the highest calorific value of 5,572.78 kcal/kg, the lowest moisture content of 4.82%, the minimum volatile matter content of 7.26%, the minimum ash content of 9.47%, the maximum fixed carbon of 75.39%. Also, it has a bulk density of 606.32 kg/m3, a heat utilization efficiency of 22.79%, and a burning time of 99.47 minutes.
แผนการเรียนรู้มุ่ง มุ่ แผนการเรียนรู้มุ่ง มุ่ เน้น้ น้น้ นสมรรถนะอาชีชีชีชี พ บูบูร บูบู ณาการปรัรัชรัรั ญาเศรษฐกิกิกิกิจพอเพีพียพีพี ง และคุณธรรมจริยธรรมค่ และคุณธรรมจริยธรรมค่านิยมที่พึ ที่ ง พึประสงค์ ค่ านิยมที่พึ ที่ ง พึประสงค์ วิชวิ า เทคโนโลยีทิจิทัจิลทัเพื่อ พื่ การจัดจัการอาชีพ รหัสหัวิชวิ า 30001 - 2003
การจัดจัการข้อข้ มูลมู ขนาดใหญ่ ก ญ่ ารจัดจัการข้อข้ มูลมู ขนาดใหญ่ Big Data วิชวิ า เทคโนโลยีทิจิทัจิลทัเพื่อ พื่ การจัดจัการอาชีพ รหัสหัวิชวิ า 30001 - 2003
การปฏิบัติ บั ง ติ านตามหน่วยงานต่างๆโดยทั่วไ ทั่ ปแล้วเป็นการจัด จั เก็บหรือบริหาร จัด จั การข้อ ข้ มูลขนาดเล็กจะมีเนื้อที่ข ที่ องข้อ ข้ มูลไม่ม ม่ ากแต่ถ้ ต่ ถ้ าเป็นหน่วยงานขนาดใหญ่ เช่น ธนาคาร หน่วยงานราชการ หน่วยงานรัฐ รั วิสวิ าหกิจ หรือระบบการสื่อสารอื่น อื่ ๆ ที่มี ที่ มีปริมาณจำ นวนมากต้องมีการจัด จั เก็บและบริหารจัด จั การข้อ ข้ มูลขนาดใหญ่ จึง จึ ต้องมี การบริหารจัด จั การที่ดี ที่ แ ดี ละมีความพร้อมที่จ ที่ ะจัด จั การกับกั ข้อ ข้ มูลขนาดใหญ่ การจัด จั การความรู้ (Knowedge Management : KM) เรื่อง ความรู้เบื้อ บื้ งต้น เกี่ยวกับกั Big Dataและ Machine Learning ซึ่งสนับสนุนประเด็นด็ ยุทธศาสตร์การ พัฒ พั นาระบบเทคโนโลยีสารสนเทศ นวัต วั กรรม ในการบริหารจัด จั การและการ บริการ ของกรมการจัด จั หางานประจำ ปี พ.ศ. 2562 และสอดคล้องกับกั ยุทธศาสตร์ ของแผนพัฒ พั นาดิจิดิ ทั จิ ล ทั เพื่อ พื่ เศรษฐกิจและสัง สั คม ในเรื่องการพัฒ พั นากำ ลัง ลั คนให้พร้อม เข้าสู่เศรษฐกิจและสัง สั คมดิจิดิ ทั จิ ล ทั เพื่อ พื่ ให้สามารถใช้ประโยชน์จากเทคโนโลยีดิจิดิ ทั จิ ล ทัได้ อย่างรอบรู้ เท่า ท่ ทัน ทั การเปลี่ยลี่ นแปลงของเทคโนโลยียุคปัจจุบัน บั และอนาคต ดัง ดั นั้นจึง จึได้จั ด้ ด จั ทำ เอกสารการจัด จั การความรู้เกี่ยวกับกั ความรู้เบื้อ บื้ งต้นเกี่ยวกับกั Big Data และ Machine Learning ขึ้นมาเพื่อ พื่ เป็นประโยชน์อย่างยิ่งกับกั บุคลากร ภายในกรมการจัด จั หางานให้มีความรู้ ความเข้าใจเกี่ยวกับกั ข้อ ข้ มูลขนาดใหญ่และการ วิเวิคราะห์ข้อ ข้ มูล เพื่อ พื่ นำ ความรู้ที่ไที่ ด้นำ ด้ นำ ไปประยุกต์ใช้กับกั งานที่รั ที่ บ รั ผิดชอบได้ คำ นำ Big Data
ความหมายของ Big Data วิวั วิฒ วั นาการของ Big data องค์ประกอบของระบบ Data ประเภทของ Big Data ลัก ลั ษณะที่สำที่ สำ คัญ คั ของ Big Data การจัด จั การข้อ ข้ มูลขนาดใหญ่ Big Data ประโยชน์ของ Big Data การนำ ไปใช้ประโยชน์ในประเทศไทย การนำ Big Data ไปใช้ประโยชน์ในด้านต่างๆ กระบวนการจาก Big Data สู่ความสัม สั พัน พั ธ์ของข้อ ข้ มูล วิธีวิ ก ธี ารจัด จั ทำ Big Data ข้อ ข้ ดีใดี นการใช้ Big Data ข้อ ข้ เสียในการใช้ Big Data ข้อ ข้ ควรระวัง วัในการใช้ Big Data ตัว ตั อย่างธุรกิจที่นำ ที่ นำ Big Data ไปใช้ การประยุกต์ใช้ Big Data ในชีวิต วิ ประจำ วัน วั สาระการเรียนรู้ ส รู้ าระการเรียนรู้
จุดประสงค์การเรียนรู้ จุ รู้ จุ ดประสงค์การเรียนรู้ บอกความหมายและองค์ประกอบ ที่สำ ที่ สำคัญ คั ของ Big data ได้ อธิบ ธิ ายลัก ลั ษณะและรูปแบบของ Big data ได้ อธิบ ธิ ายการจัด จั การข้อ ข้ มูลขนาดใหญ่ ( Big data ) ได้ ปฏิบัติ บั ติ การใช้ Big data ในการ วิเ วิ คราะห์ข้อ ข้ มูลได้ มีคุณธรรม จริยธรรมและความ รับ รั ผิดชอบ ตระหนัก นั ถึง ถึ การเป็น พลเมืองดิจิ ดิ ทั จิ ล ทั
Big Data หรือในภาษาไทย แปลไว้ว่า “ ข้อ ข้ มูลมหัต หั ” หมายถึง ถึ ข้อ ข้ มูลปริมาณ มหาศาลที่สที่ ามารถเก็บและใช้เพื่อ พื่ นำ มาวิเวิคราะห์ประมวลผลและใช้ประโยชน์ในแง่มุม ต่างๆได้ซึ่ด้ ซึ่ งข้อ ข้ มูลมหัต หั จะมาจากหลากหลายแหล่งข้อ ข้ มูลรวมกัน กั แล้วนำ มาประมวลผล รวมไปถึง ถึมีการเก็บและใช้ข้อ ข้ มูลแบบเรียลไทม์ “ Big Data ” จึง จึมีความผัน ผั ผวนและ เปลี่ยลี่ นแปลงได้เสมอ แตกต่างจากการใช้ “ ข้อ ข้ มูล ” ธรรมดาการนำ ข้อ ข้ มูลจำ นวน มหาศาลที่ไที่ ด้จ ด้ ากการให้บริการมาวิเวิคราะห์เพื่อ พื่ หาโอกาสทางธุรกิจใช้ประกอบการ ตัด ตั สินใจในเรื่องสำ คัญ คั ๆทั้ง ทั้ การพัฒ พั นาด้านการขายและการตลาดการปรับ รั ปรุงสินค้า บริการให้ตรงกับกั ความต้องการของผู้บ ผู้ ริโภคยุคใหม่ที่ ม่ เ ที่ปลี่ยลี่ นแปลงอย่างรวดเร็วรวมถึง ถึ ภาคการผลิตที่นำ ที่ นำ ข้อ ข้ มูล Big Data ไปใช้ในการวิเวิคราะห์เพื่อ พื่ เพิ่มพิ่ ผลิตภาพหรือค่าเฉลี่ยลี่ ของประสิทธิภ ธิ าพการผลิต (Productivity) ในกระบวนการผลิตและการดำ เนินงาน ความหมายของ Big Data ความหมายของ Big Data
หรืออีกอี หนึ่งความหมายของ Big Data ก็คือเป็นข้อ ข้ มูลที่มี ที่ มีโครงสร้าง ชัด ชั เจน (Structured Data) เช่น ข้อ ข้ มูลที่เ ที่ ก็บอยู่ใยู่ นตารางข้อ ข้ มูลและฐานข้อ ข้ มูล ต่างๆ ปกติโติ ดยทั่ว ทั่ ไป หรืออาจเป็นข้อ ข้ มูลกึ่งมีโครงสร้าง(Semi-Stuctured Data) เช่น ล็อกไฟล์(Log Files) หรือแม้ก ม้ ระทั่ง ทั่ ข้อ ข้ มูลที่ไที่ ม่มี ม่ มีโครงสร้าง(Unstructured Data) เช่น ข้อ ข้ มูลการโต้ตอบปฏิสัม สั พัน พั ธ์ผ่านสัง สั คมเครือข่าย (Social Notwork) เช่น เฟซบุ๊ก (Facebook) ทวิต วิ เตอร์ (Twitter) ไลน์ (Line) หรือไฟล์จำ พวก มีเดียดี (Media) และข้อ ข้ มูลที่ใที่ ช้การเซนเซอร์ เช่น การตรวจจับ จั ความเร็วซึ่ง อาจ เป็นข้อ ข้ มูลภายในองค์กรและภายนอกที่ม ที่ าจากการติดติ ต่อระหว่างองค์กรหรือจาก ทุกช่องทางการติดติ ต่อ ฯลฯ กับกั ลูกค้า แต่ทั้ ต่ ทั้ ง ทั้ หมดนี้ ก็ยัง ยั คงเป็นเพียพี งข้อ ข้ มูลดิบดิ ที่ รอการนำ มาประมวลและวิเวิคราะห์เพื่อ พื่ นำ ผลที่ไที่ ด้ม ด้ าสร้างมูลค่าทางธุรกิจข้อ ข้ มูล เหล่านี้อาจไม่ไม่ ด้อ ด้ ยู่ใยู่ นรูปแบบที่อ ที่ งค์กรสามารถนำ ไปใช้ได้ทั ด้ น ทั ทีแ ที ต่อาจมีข้อ ข้ มูลที่ เป็นประโยชน์ต่อองค์กรบางอย่างแฝงอยู่ ความหมายของ Big Data ความหมายของ Big Data
วิวัวิฒวั นาการของ Big data วิวัวิฒวั นาการของ Big data ถึง ถึ แม้ว่ ม้ ว่ าแนวคิดเรื่องข้อ ข้ มูลขนาดใหญ่ห ญ่ รือ BIG DATA จะเป็นของใหม่แ ม่ ละมีการเริ่มทำ กัน กั ในไม่กี่ ม่ กี่ปีมานี้เอง แต่ ต้นกำ เนิดของชุดข้อ ข้ มูลขนาดใหญ่ได้มี ด้ มี การริเริ่มสร้างมาตั้ง ตั้ แต่ยุ ต่ ยุ ค 60 และในยุค 70 โลกของข้อ ข้ มูลก็ได้เริ่มตัน ตั และได้พั ด้ ฒ พั นาศูนย์ข้ ย์ อ ข้ มูลแห่งแรกขึ้น และทำ การพัฒ พั นาฐานข้อ ข้ มูลเชิงสัม สั พัน พั ธ์ขึ้นมา ประมาณปี 2005 เริ่มได้มี ด้ มี การตะหนักถึง ถึ ข้อ ข้ มูลปริมาณมากที่ผู้ ที่ ผู้ ค ผู้ นได้สด้ ร้างขัน ขั มาผ่านสื่ออนไลน์ เช่น เฟสบุ๊ค ยูทูป และสื่ออนไลน์แบบอื่น อื่ ๆ HADOOP เป็นโอเพ่น พ่ ชอร์สเฟรมเวิร์ วิ ร์ คที่ถู ที่ ถู กสร้างขึ้นมาในช่วงเวลาเดียดี วกัน กั ให้เป็นที่ เก็บและวิเวิคราะห์ข้อ ข้ มูลขนาดใหญ่ และในช่วงเวลาเดียดี วกัน กั NOSQLได้ก็ ด้ ก็เริ่มขึ้นและได้รั ด้ บ รั ความนิยมมากขึ้น การพัฒ พั นาโอเพนชอร์สเฟรมเวิร์ วิ ร์ ค เช่น HADOOP (และเมื่อเร็ว ๆ นี้ก็มี SPARK) มีความสำ คัญ คั ต่อการเติบติ โต ของข้อ ข้ มูลขนาดใหญ่ เนื่องจากทำ ให้ข้อ ข้ มูลขนาดใหญ่ทำ ญ่ ทำ งานได้ง่าย และประหยัด ยั กว่าในช่วงหลายปีที่ผ่ ที่ ผ่ านมา ปริมาณข้อ ข้ มูลขนาดใหญ่ได้เพิ่มพิ่ ขึ้นอย่างรวดเร็ว ผู้ค ผู้ นยัง ยั คงสร้างข้อ ข้ มูลจำ นวนมาก ซึ่งไม่ใม่ ช่แค่มค่ นุษย์ที่ ย์ ทำ ที่ ทำ มัน มั ขึ้น มา การพัฒ พั นาการของ IOT (INTERNET OF THING) ซึ่งเป็นเครื่องมืออุปกรณ์ที่เ ที่ชื่อมต่อกับกั อินอิ เตอร์เน็ตก็ทำ การ เก็บและรวบรวมข้อ ข้ มูลซึ่งอาจเป็นเรื่องที่เ ที่ กี่ยวกับกั พฤติกติ รรมการใช้งานของลูกค้า ประสิทธิภ ธิ าพของสินค้า หรือ การเรียนรู้ของเครื่องจัก จั รพวกนี้ล้วนทำ ให้มีข้อ ข้ มูลขนาดใหญ่แม้ว่ ม้ ว่ ายุคของข้อ ข้ มูลขนาดใหญ่ BIG DATA มาถึง ถึ และ ได้เริ่มต้นแล้ว แต่มั ต่ น มั ก็ยัง ยั เป็นเพียพี งแต่ช่ต่ ช่ วงแรกๆ และระบบระบบคลาวด์ค ด์ อมพิว พิ ติ้ง ติ้ ได้ข ด้ ยายความเป็นไได้ม ด้ ากขึ้น คลาวด์มี ด์ มี ความสามารถในการใช้งานได้อ ด้ ย่างยืดหยุ่น ยุ่ ได้
องค์ค์ค์ค์ประกอบของระบบ Data 1. แหล่งที่ม ที่ าของข้อ ข้ มูล (Device/Data Source) เป็นแหล่งต้นกำ เนิดของข้อ ข้ มูลของ Big Data ข้อ ข้ มูลเหล่านี้อาจจะมาจาก หลากหลายแหล่ง เช่น โปรแกรม , ข้อ ข้ มูลธุรกรรม (transaction), อุปกรณ์ ต่างๆ อุปกรณ์ IOT หรืออาจจะเป็นมนุษย์ที่ ย์ ทำ ที่ ทำ ให้เกิดข้อ ข้ มูลขึ้นมาทำ ให้มี ความยากในการจัด จั การข้อ ข้ มูลหรือจัด จั เตรียมให้ข้อ ข้ มูลที่นำ ที่ นำ มารวมกัน กั นั้นมีความ พร้อมใช้เนื่องจากแต่ละแหล่งมีโครงสร้างข้อ ข้ มูลที่ต่ ที่ ต่ างกัน กั ทั้ง ทั้ นี้เมื่อได้ชื่ด้ ชื่ อว่าเป็น Big Data แล้วข้อ ข้ มูลต่าง ๆ มัก มั จะมาจากแหล่งข้อ ข้ มูลที่ห ที่ ลากหลายซึ่งมีความยาก ลำ บากในการจัด จั การโครงสร้างหรือจัด จั เตรียมให้ข้อ ข้ มูลที่นำ ที่ นำ มารวมกัน กั นั้นมี ความพร้อมใช้ต่อไป
2. การนำ เข้าข้อ ข้ มูล(Ingestion)/ช่องทางการเชื่อมโยงข้อ ข้ มูล(Gateway) เป็นการส่งผ่านข้อ ข้ มูลเป็นขั้น ขั้ ตอนแรกของ Big Data Ecosystem ในการดึง ดึข้อ ข้ มูลดิบดิ โดยข้อ ข้ มูลดิบดิ นั้น จะมากจาก ทั้ง ทั้ แหล่งข้อ ข้ มูลภายใน (internal sources) ,ฐานข้อ ข้ มูลเชิงสัม สั พัน พั ธ์ (relational databases), ฐานข้อ ข้ มูลที่ไที่ ม่ใม่ ช่เชิงสัม สั พัน พั ธ์ (non-relational databases) และแหล่งอื่น อื่ ๆอีกอี มากมาย ซึ่งการนำ เข้าข้อ ข้ มูลจะมีหลัก ลั ๆ 2 ประเภท คือ 2.1 Batch เป็นการรวบรวมและส่งผ่านกลุ่ม ลุ่ ข้อ ข้ มูล Big Data ขนาดใหญ่ไปด้ว ด้ ยกัน กั โดยการใช้ งานจะต้องถูกกระตุ้นโดยเงื่อ งื่ นไข เช่น ตั้ง ตั้ เวลาไว้หรือเรียกใช้เฉพาะกิจ 2.2 Streaming เป็นการไหลของข้อ ข้ มูลแบบต่อเนื่อง ซึ่งจำ เป็นอย่างมากสำ หรับ รั การวิเวิคราะห์ ข้อ ข้ มูลแบบเรียลไทม์โม์ ดยในช่วงของการส่งผ่านข้อ ข้ มูลจากแหล่งข้อ ข้ มูลไปยัง ยั แหล่งเก็บข้อ ข้ มูลอาจจะใช้ กระบวนการได้ห ด้ ลากหลาย เช่น ETL ซึ่งย่อ ย่ มาจาก Extract transform and load หรืออธิบ ธิ ายง่ายๆก็คือ ดึง ดึข้อ ข้ มูล, แปลงข้อ ข้ มูล และนำ ข้อ ข้ มูลเข้าสู่แหล่งเก็บข้อ ข้ มูลปลายทาง ช่องทางการเชื่อมโยงข้อ ข้ มูล (Gateway) BIG DATA FLOW CHART การเชื่อมโยงข้อ ข้ มูลเป็น ส่วนที่สำที่ สำ คัญ คั มาก และเป็นปัญหาใหญ่ในการทำ Big Data Project ต้องอาศัย ศั ทัก ทั ษะของ Data Engineer ทั้ง ทั้ การเขียนโปรแกรมเอง และใช้เครื่องมือที่มี ที่ มี อยู่ม ยู่ ากมาย
3. แหล่งเก็บข้อ ข้ มูล (Storage) การเก็บข้อ ข้ มูลขนาดใหญ่ห ญ่ รือ Big Dataในปัจจุบัน บั มัก มั จะเก็บไว้ใน Data Warehouse หรือ Data Lake ซึ่งอาจจะนำ มาพัก พั ไว้เพื่อ พื่ ให้พร้อม นำ ไปใช้งานต่อในการวิเวิคราะห์ หรือเก็บข้อ ข้ มูลในอดีต ดี ก็ได้โด้ ดย Data Warehouse จะเป็นการเก็บข้อ ข้ มูล Big Data แบบดั้ง ดั้ เดิมดิ ที่เ ที่ ก็บได้ เฉพาะข้อ ข้ มูลที่มี ที่ มีโครงสร้างชัด ชั เจนหรือกึ่งโครงสร้างจากหลายแหล่งส่วน Data Lake จะยืดหยุ่น ยุ่ กว่า และเก็บข้อ ข้ มูลได้ทั้ ด้ ทั้ ง ทั้ ข้อ ข้ มูลที่มี ที่ มีโครงสร้าง ชัด ชั เจนและข้อ ข้ มูลที่ไที่ ม่มี ม่ มีโครงสร้างแน่นอน ซึ่งการเลือกใช้ก็ขึ้นอยู่กั ยู่ บกั เงื่อ งื่ นไขหรือความต้องการในการนำ Big Data ไปใช้งานขององค์กร
4. การวิเ วิ คราะห์ (Analysis) เมื่อมีข้อ ข้ มูลดิบดิ ในแหล่งข้อ ข้ มูลแล้ว เราจะสามารถนำ ข้อ ข้ มูล Big Data มาจัด จั เตรียมและทำ ความสะอาด (Data Cleansing) เพื่อ พื่ เข้าสู่กระบวนการวิเวิคราะห์ข้อ ข้ มูลได้โด้ ดยกระบวนการวิเวิคราะห์ ข้อ ข้ มูลมัก มั จะได้แ ด้ ก่ – สถิติ ถิ เ ติชิงพรรณา หรือ Descriptive Analytics เช่น ค่าเฉลี่ยลี่ ผลรวม – ความสัม สั พัน พั ธ์ของตัวแ ตั ปร หรือ Diagnostics Analytics เช่น Correlation – การพยากรณ์หรือทำ นายอนาคต หรือ Predictive Analytics เช่น Machine Learning - การวิเวิคราะห์แบบให้คำ แนะนำ หรือ Prescriptive analytics เช่น Optimization
5. การนำ ผลลัพ ลั ธ์ไปใช้ (Consumption) เป็นการนำ ผลลัพ ลั ธ์ไปใช้ถือ ถื เป็นองค์ประกอบสำ คัญ คั ของ Big Data ซึ่งการนำ ข้อ ข้ มูล Big Data จากการวิเวิคราะห์ไปใช้อาจอยู่ใยู่ นรูปแบบ Data Visualization เช่น ตาราง,กราฟ, Dashboard สวยๆ หรืออาจจะเป็น insight ที่่ต ที่่ อบคำ ถามทางธุรกิจ หรือส่งผลต่อการตัด ตั สินใจขององค์กรได้ ผลลัพ ลั ธ์ที่ไที่ ด้จ ด้ ากการวิเวิคราะห์สามารถนำ ไปใช้งานได้ 2 รูปแบบ คือ ออกเป็นรายงาน เพื่อ พื่ ให้ Data Analyst นำ ผลลัพ ลั ธ์ที่ไที่ ด้ได้ ปใช้กับกั งานทางธุรกิจต่อไป หรือจะเป็นการนำ ไปกระทำ เลยโดย ที่ไที่ ม่ต้ ม่ ต้ องมี " มนุษย์ ’ ย์ ’ คอยตรวจสอบ ซึ่งจำ เป็นต้องมีการเขียนโปรแกรมเพิ่มพิ่ เพื่อ พื่ ให้มีการ กระทำ ออกไป ที่เ ที่ รียกว่า Artificial Intelligence : AI (ปัญญาประดิษดิ ฐ์)ฐ์
ประเภทของ Big Data ข้อ ข้ มูล (Data) คือ ข้อ ข้ เท็จท็ จริงที่เ ที่ กิดขึ้น ข้อ ข้ มูลอาจจะอยู่ใยู่ นรูปแบบข้อ ข้ ความหรือตัว ตั เลข ข้อ ข้ ความเหล่านี้ อาจเป็นเรื่องที่เ ที่ กี่ยวข้อ ข้ งกับกั คน สัต สั ว์ สิ่งของ เช่น ความคิดเห็นของคนเกี้ยวกับกั การเลือกตั้ง ตั้ ฯลฯ โดย Big Data แบ่งข้อ ข้ มูลออกเป็น 3 ประเภท ดัง ดั นี้ 1) ข้อ ข้ มูลแบบมีโครงสร้าง (Structure Data) คือ ตารางข้อ ข้ มูลที่มี ที่ มี ลัก ลั ษณะชัด ชั เจน สามารถเก็บในรูปแบบของ Relational Database หรือระบบฐานข้อ ข้ มูลเชิงสัม สั พัน พั ธ์ ซึ่งเป็นการเก็บข้อ ข้ มูลให้อยู่ใยู่ นรูปแบบของตาราง Table ที่มี ที่ มี การ จัด จั เรียงอย่างเป็นรูปแบบที่ชัที่ ด ชั เจนและเป็นระเบีย บี บ สามารถนำ มาวิเวิคราะห์ได้ โดยส่วนประกอบของตาราแบ่งออกเป็น แถว (Row) และคอลัมลั น์ (Column) สามารถใช้ภาษา SQL ในการบริหารจัด จั การข้อ ข้ มูสได้ เช่น ข้อ ข้ มูลที่เ ที่ ก็บไว้ในฐาน ข้อ ข้ มูล หรือข้อ ข้ มูลที่เ ที่ ก็บไว้ใน Spreadsheet อย่างโปรแกรม Microsoft Excel ฯลฯ
- ข้อ ข้ มูลแบบไม่มี ม่ มีโครงสร้าง (Unstructured Data) เป็นข้อ ข้ มูลที่ไที่ ม่สา ม่ มารถระบุรูปแบบได้แ ด้ น่นอน เป็นได้ ข้อ ข้ ความ รูปภาพ วิดีวิ โดี อ และเสียง ไม่ส ม่ ามารถจัด จั ก็บในรูปแบบ Relational Database ดัง ดั นั้น ต้องเป็นข้อ ข้ มูลใน รูปแบบ Non-Relational Database และสามารถใช้เครื่องมือที่เ ที่ป็น No-SOL (No only SQL) จัด จั การซึ่งมีข้อ ข้ ดี คือ ส่วนที่สที่ ามารถรองรับ รั เรื่องการขยายตัวข ตั องข้อ ข้ มูล เช่น ข้อ ข้ มูลการแสตงความคิดเห็นบนเฟซบุ๊ก (Facebook) ที่มี ที่ มี ทั้ง ทั้ ข้อ ข้ ความในรูปแบบของข้อ ข้ ความ รูปภาพ วิดีวิ โดี อ เสียง สติกติ เกอร์ ฯลฯ ปัจจุบัน บั ข้อ ข้ มูลแบบมีโครงสร้าง (Structure) มีอัต อั ราส่วนอยู่ที่ ยู่ ประ ที่ มาณ 20% ของข้อ ข้ มูลทั้ง ทั้ หมดที่มี ที่ มี อยู่ใยู่ นโลก ซึ่งเป็นรูปแบบข้อ ข้ มูลที่สที่ ามารถนำ ไปจัด จั การได้ง่าย เนื่ององจากมีความชัด ชั เจนในตัว ตั ข้อ ข้ มูลและข้อ ข้ มูลแบบไม่มี ม่ มีโคงสร้างมีอัต อั ราส่วนอยู่ที่ ยู่ ปรที่ ะมาณ 80% ของข้อ ข้ มูล ทั้ง ทั้ หมดที่มี ที่ มี อยู่ใยู่ นโลก ซึ่งเป็นข้อ ข้ มูลที่จั ที่ ด จั การได้ย ด้ าก โดยต้องมีการจัด จัโครงสร้างของข้อ ข้ มูลก่อน 2) ข้อ ข้ มูลแบบกึ่งโครงสร้าง (Semi Structure Data) เป็นข้อ ข้ มูลที่จั ที่ ด จั เก็บอย่างมีรูปแบบในระดับดั หนึ่งและ ข้อ ข้ มูลที่สที่ ามาร์ถค้นหา (Search) หรือแท็กท็ (Tag) เช่น เว็บว็ เพจที่มี ที่ มี การระบุชื่อเพจ คำ สำ คัญ คั ในเพจและวัน วั ที่อั ที่ ปเ อั ดท ข้อ ข้ มูล
แหล่งข้อ ข้ มูล (Data Source) การได้ม ด้ าของข้อ ข้ มูลที่จ ที่ ะนำ มาวิเวิคราะห์ มีวิวั วิฒ วั นาการมาจากการจดบัน บั ทึก ทึ ในกระดาษ การบัน บั ทึก ทึ ข้อ ข้ มูลลงในแบบฟอร์มที่สที่ ร้างขึ้นหรือการจัด จั เก็บข้อ ข้ มูลจากเว็บว็ ไชต์ลงฐานข้อ ข้ มูล แต่ในปัจจุบัน บั แหล่งข้อ ข้ มูล (Data Source) ได้เปลี่ยลี่ นมาเป็นการใช้เครื่องมือ อุปกรณ์ต่าง ๆ ช่วยในการรับ รั ข้อ ข้ มูล เช่น เครื่องวัด วั อัต อั ราการเต้นของ หัว หัใจ เครื่องสแกนลายนิ้วมือ ข้อ ข้ มูลที่รั ที่ บ รั ส่งทางอีเ อีมล โดยเครื่องมือต่าง ๆ เหล่านี้มีหน่วยความจำ และสามารถเชื่อมต่อ กับกั เครือข่ายอินอิ เทอร์เน็ต เครื่องมือชนิดนี้เรียกว่า Internet of Things (IOT) ได้แ ด้ ก่ โทรศัพ ศั ท์มื ท์ มื อถือ ถื สามารถแบ่งปัน ข้อ ข้ มูลต่าง ๆ ได้ผ่ ด้ ผ่ านทางสื่อสัง สั คมออนไลน์ เช่น ข้อ ข้ มูลพฤติกติ รรมความต้องการต่าง ๆ หรือนาฬิกา Smart Watch ที่ สามารถเก็บข้อ ข้ มูลอัต อั ราการเต้นของหัวใหั จขณะออกกำ ลัง ลั กายหรือข้อ ข้ มูลการนอนหลับ ลั ฯลฯ
การจัด จั เก็บข้อ ข้ มูล Data Lake เมื่อได้รั ด้ บ รั ข้อ ข้ มูล สิ่งที่ค ที่ วรคำ นึงถึง ถึ คือ การนำ ข้อ ข้ มูลเหล่านั้นมาจัด จั เก็บ Big Data ใช้แนวทางในการเก็บข้อ ข้ มูลแบบ Data Lake ซึ่งเป็นพื้น พื้ ที่ใที่ นการจัด จั เก็บข้อ ข้ มูลที่มี ที่ มีโครงสร้าง สามารถจัด จั เก็ข้อ ข้ มูล ตามที่ต้ ที่ ต้ องการโดยไม่ต้ ม่ ต้ องงางโคงสร้างที่แ ที่ น่นอน สามารถรองรับ รั การแบบ Real time เมื่อเปรียบเทีย ที บ Data Lake กับกั การคลัง ลั เก็บข้อ ข้ มูลแบบธรรมดา รายละเอียอี ดปรากฏตามตาราง ดัง ดั นี้ แหล่งจัด จั เก็บข้อ ข้ มูล (Data Storage) เนื่องจาก Big Data เป็นข้อ ข้ มูลขนาดใหญ่และขยายเพิ่มพิ่ มากขึ้นตลอดเวลา จึง จึไม่ส ม่ ามารถเก็บในอุปกรณ์ที่มี ที่ มี ความจุที่จำ ที่ จำ กัด กั ปัจจุบัน บั Cloud Storage เข้ามามีบทบาทเกี่ยวกับกั ระบสารสนเทศ (Information Technology) ด้ว ด้ ยการออกแบบระบ Server Less หรือไม่จำ ม่ จำ เป็นต้องมี Physica Data Center Cloud สามารถแบ่งออกเป็น 3 ประเภท ดัง ดั นี้ 1) Public Cloud คือ ระบบบริการผู้ใผู้ ห้บริการออกแบบมาเพื่อ พื่ ให้คนทั่ว ทั่ ไปสามารถเข้าถึง ถึ และใช้งานร่วมกัน กั ได้เช่น Cloud ของ Google หรือ Cloud ของ AWS ฯลฯ 2) Private Cloud คือ ระบบที่อ ที่ งค์กรแต่ละองค์กรจัด จั ทำ ขึ้นเพื่อ พื่ รองรับ รั การทำ งานขององค์กรใด องค์กรหนึ่งหรือ เฉพาะกลุ่ม ลุ่ ที่ไที่ ด้รั ด้ บ รั อนุญาตเท่า ท่ นั้น 3) Hybrid Cloud คือ ระบบที่มี ที่ มี ผสมผสานการใช้งานแบบ Public Cloud และ Private Cloud เข้าด้ว ด้ ยกัน กั เพื่อ พื่ ความ ยืดหยุ่น ยุ่ ในการใช้งาน
- Software as a Service (SaaS) คือ การให้บริการทางด้านซอฟต์แวร์หรือแอปพลิเคชัน ชั ผ่านทางระบบ อินอิ เทอร์เน็ต อาจจะไม่คิ ม่ คิ ดค่าใช้บริการ หรือคิดค่าบริการตามลัก ลั ษณะการใช้บริการ เช่น Microsoft Office 365 Google Drive และ Google Calendar ฯลฯ 2) Platform as a Service (Paas) คือ การให้บริการด้าน Platform สำ หรับ รั ผู้ใผู้ ช้บริการด้านการพัฒ พั นาโปรแกรมเพื่อ พื่ ใช้ Software หรือ Application ที่ผู้ ที่ ผู้ ใผู้ ห้บริการจัด จั เตรียมไว้ให้ในการพัฒ พั นาแอปพลิเคชัน ชั เช่น Database Server Web Application หรือ Platform ที่ร ที่ องรับ รั การพัฒ พั นาแอปพลิเคชัน ชั บนโทรศัพ ศั ท์มื ท์ มื อถือ ถื 3) Infrastructure as a Service (laas) คือ การให้บริการทางด้านโครงสร้างพื้น พื้ ฐานทางด้านไอที(ที Infrastructure) และระบบการจัด จั เก็บข้อ ข้ มูลขององค์กร (Storage) เพื่อ พื่ รองรับ รั การใช้งาน Softvare ขององค์กรนอกจากการเก็บข้อ ข้ มูลบน Cloud แล้ว Big Data ยัง ยั สามารถใช้เทคโนโลยี Hadoop ซึ่งเป็น Software แบบโอเพนซอร์สที่สที่ ร้างขึ้นมาเพื่อ พื่ เป็น Framework ในการจัด จั การ Big Data โดยเฉพาะ จุดเด่น ด่ ของ Hadoop คือ สามารถใช้กับกั เครื่องคอมพิว พิ เตอร์ (Server) ที่ไที่ ม่ต้ ม่ ต้ องแรงมากได้ การขยาย Scale ในอนาคต สามารถเพิ่มพิ่ เครื่องมือเข้าไปได้ง่าย และยัง ยั มีระบบสำ รองข้อ ข้ มูลอัต อัโนมัติ มั ติ โดยระบบการทำ งานของ Hadoop จะทำ งานโดยเมื่อรับ รั ข้อ ข้ มูลจากภายนอกเข้ามาจะแบ่งส่วนของข้อ ข้ มูลออกเป็น 3 ข้อ ข้ มูลที่ เหมือนกัน กั (3 Node Replicate) บน Node หรือหลายตัวพ ตั ร้อมกัน กั ทำ ให้การประมวลผลของ Hadoop สามารถทำ ได้อ ด้ ย่าง รวดเร็ว โดยเฉพาะข้อ ข้ มูลขนาดใหญ่ นอกจากนี้ Hadoop ยัง ยั มีการประมวลผลแบบ MapReduce ซึ่งเป็น Framework ใน การเขียนหนึ่งช่วยในการประมวลผลที่มี ที่ มี Data Set จำ นวนมาก หลัก ลั การทำ งานเป็นการทำ งานแบบคู่ขนานซึ่งอาศัย ศั เครื่องคอมพิว พิ เตอร์หลาย ๆ เครื่องช่วยกัน กั ประมวลผล โดย Map เป็นการจับ จั คู่ Key /Value ที่ต้ ที่ ต้ องการ และส่งข้อ ข้ มูลให้ Reduce ประมวลผลเพื่อ พื่ ให้ได้ผ ด้ ลลัพ ลั ธ์ตามที่ต้ ที่ ต้ องการ ยกตัวอ ตั ย่างการนับจำ นวนสัต สั ว์ที่อ ที่ ยู่ใยู่ นข้อ ข้ มูลขนาดใหญ่ เป็นต้น Cloud แบ่ Cloud แบ่งตามการให้บริการออกเป็น 3 ประเภท ดัง ดั นี้ บ่ งตามการให้บริการออกเป็น 3 ประเภท ดัง ดั นี้
ลัลัก ลัลั ษณะที่ที่สำสำ ที่ที่ ที่ที่ สำสำคัคัญ คัคั ของ Big Data ข้อ ข้ มูลในทุกวัน วั นี้มีหลากหลาย เราจะรู้ได้ยั ด้ ง ยัไงว่า “ข้อ ข้ มูลรูปแบบไหนเป็น Big Data” จริงๆแล้ว เราสามารถรู้ได้จ ด้ ากคุณลัก ลั ษณะที่สำที่ สำ คัญ คั ของ Big Data ซึ่งจะประกอบด้ว ด้ ยคุณลัก ลั ษณะ 5V ได้แ ด้ ก่ ปริมาณ (Volume) หมายถึง ถึ ข้อ ข้ มูลนั้นต้องมีขนาดใหญ่มญ่ ากซึ่งไม่ สามารถประมวลผลปริมาณของข้อ ข้ มูลด้วย ด้ ระบบฐานข้อ ข้ มูลได้จำ ด้ จำ เป็นต้อง ใช้คลัง ลั ข้อ ข้ มูล (Data Warehouse) และชอฟต์แวร์ฮาดูป (Hadoop) ทำ งาน ประสานกัน กั ในการบริหารจัด จั การข้อ ข้ มูล ปริมาณข้อ ข้ มูลที่ม ที่ ากจึง จึ เป็นปัจจัย จั ที่มี ที่ มี ความสำ คัญ คั ในปริมาณข้อ ข้ มูลมากมายมหาศาลส่วนที่จ ที่ ะต้องประมวลผล เป็นข้อ ข้ มูลที่ไที่ ม่มี ม่ มีโครงสร้างมีความหนาแน่นของข้อ ข้ มูลต่ำ และข้อ ข้ มูลพวกนี้ อาจเป็นข้อ ข้ มูลที่ไที่ ม่ท ม่ ราบ เช่น ฟีดข้อ ข้ มูลของเฟซบุ๊ก (Facebook ) ทวิต วิ เตอร์ (Twitter) ไลน์ (Line) การคลิกบนเว็บว็ ไซต์หรืออุปกรณ์ แอปพลิเคชั่น ชั่ ต่าง ๆ หรืออุปกรณ์ที่ เ ที่ ซนเซอร์ บางองค์กรอาจมีข้อ ข้ มูลให้ ประมวลผล เป็นสิบ ๆ เทระไบต์ (Terabyte : TB) หรือบางองค์กรอาจมี เป็นหลายร้อยเพตะไบต์(Petabyte : PB) 1. Volume (ปริมาณ) 1. Volume (ปริมาณ)
2. ความหลากหลาย (Variety) 2. ความหลากหลาย (Variety) ความหลากหลาย (Variety) หมายถึง ถึ ความหลากหลายของชนิดข้อ ข้ มูล อาจเป็นข้อ ข้ มูล ที่มี ที่ มีโครงสร้าง ไม่มี ม่ มีโครงสร้าง และกึ่งมี โครงสร้าง ตั้ง ตั้ แต่ของข้อ ข้ มูลแบบดั้ง ดั้ เดิมดิ ไปจนถึง ถึ เอกสาร ข้อ ข้ ความ อีเ อีมล วิดีวิ โดี อ เสียง ข้อ ข้ มูลหุ้น และธุรกรรมทางการเงิน งิ ซึ่งไม่ไม่ ด้จำ ด้ จำ กัด กั เพียพี ง ข้อ ข้ ความ อีเ อีมล รูปภาพ ฯลฯ เท่า ท่ นั้น ข้อ ข้ มูลใน สมัย มั ก่อนมัก มั จะเป็นข้อ ข้ มูลที่เ ที่ป็นโครงสร้างและมี ความพอดีกัดี บกั ฐานข้อ ข้ มูลเชิงสัม สั พัน พั ธ์ ปัจจุบัน บั ข้อ ข้ มูล มีขนาดใหญ่ขึ้นและเป็นข้อ ข้ มูลแบบไม่มี ม่ มีโครงสร้าง หรือกึ่งโครงสร้าง เช่น ข้อ ข้ มูลแบบตัว ตั อัก อั ษร ข้อ ข้ มูล ภาพ ข้อ ข้ มูลเสียง ซึ่งต้องการการประมวลผลเพิ่มพิ่ เพื่อ พื่ ที่จ ที่ ะแปลความหมาย และหารายละเอียอี ดของ คำ อธิบ ธิ ายของข้อ ข้ มูล (Meta Data) ความเร็ว (Velocity) หมายถึง ถึ ข้อ ข้ มูลดัง ดั กล่าวต้องมีอัต อั ราการเพิ่มพิ่ ขึ้นอย่างรวดเร็ว เช่น จากภาพถ่ายโทรศัพ ศั ท์ที่ ท์ ถู ที่ ถู กอัปโอั หลดขึ้นข้อ ข้ มูลการ พิมพิ พ์สนทนาข้อ ข้ มูลวิดีวิ โดี อรวมไปถึง ถึ ข้อ ข้ มูลการสั่ง สั่ซื้อ สินค้าโดยข้อ ข้ มูลทั้ง ทั้ หมดล้วนเป็นข้อ ข้ มูลที่มี ที่ มี การเพิ่มพิ่ ขึ้นตลอดเวลาแบบไม่สิ้ ม่ สิ้ นสุด เรียกว่าเป็นการ ประมวลผลแบบเรียลไทม์ ( ม์ Real-Time) โดยการ เติบติ โตของ Internet of Things ข้อ ข้ มูลจะถูกส่งไป ยัง ยั ธุรกิจต่าง ๆ ด้ว ด้ ยความเร็วที่ไที่ ม่เคยมีมาก่อนและ ต้องได้รั ด้ บ รั การจัด จั การในเวลาที่เ ที่ หมาะสมแท็กท็ RFID เซนเซอร์ และสมาร์ตมิเตอร์ช่วยผลัก ลั ดัน ดั ความ ต้องการในการจัด จั การกับกั กระแสข้อ ข้ มูลเหล่านี้ใน แบบเรียลไทม์ 3. ความเร็ว (Velocity) 3. ความเร็ว (Velocity)
4. ความถูกต้อง (Veracity) 4. ความถูกต้อง (Veracity) 5. ความแปรผัน ผั ได้ (Variability) 5. ความแปรผัน ผั ได้ (Variability) ความถูกต้อ ต้ ง (Veracity) เป็นข้อ ข้ มูลที่มี ที่ มี ความคลุมเครือ มีความไม่แ ม่ น่นอน เนื่องจากข้อ ข้ มูล มีความหลากหลายและมาจากแหล่งต่างๆ เช่น เฟซบุ๊ก (Facebook) ทวิต วิ เตอร์ (Twitter) และยู ทูบ (Youtube) ซึ่งเป็นสิ่งที่สที่ ามารถควบคุม คุณภาพของข้อ ข้ มูลได้ย ด้ าก ข้อ ข้ มูลที่มี ที่ มี คุณภาพนั้นจะ ต้องถูกต้องแม่น ม่ ยำ และเชื่อถือ ถื ได้ถ้ ด้ ถ้ าข้อ ข้ มูลไร้ คุณภาพก็จะส่งผลต่อการวิเวิคราะห์ต่อไปแต่จ ต่ ะ ทำ ให้ข้อ ข้ มูลที่ยั ที่ ง ยัไม่ไม่ ด้คุ ด้ คุ ณภาพนี้กลายเป็นข้อ ข้ มูล ที่ดี ที่ ไดีด้อ ด้ ย่างไรขึ้นอยู่กั ยู่ บกั วิธีวิ ใธี นการเก็บและ กระบวนการทำ ความสะอาดข้อ ข้ มูล(Data Cleansing) ความแปรผัน ผั ได้ (Variability) หมายถึง ถึ เป็นเรื่องความไม่เข้ากัน กั ของข้อ ข้ มูลที่สที่ ามารถเกิดขึ้น ได้ต ด้ ลอดเวลา ซึ่งอาจจะก่อให้เกิดปัญหาได้ ดัง ดั นั้น จำ เป็นต้องมีกระบวนการเพื่อ พื่ ดัก ดั จับ จั และแก้ไขให้ ทัน ทั ท่ว ท่ งที
การจัดจัการข้อข้ มูล มู ขนาดใหญ่ Big data การจัดจัการข้อข้ มูล มู ขนาดใหญ่ Big data ในระดับดั สูงกลยุทธ์ข้อ ข้ มูลขนาดใหญ่เป็นแผนที่อ ที่ อกแบบมาเพื่อ พื่ ช่วย ในการกำ กับกั ดูแลและปรับ รั ปรุงวิธีวิ ที่ ธี ไที่ ด้รั ด้ บ รั จัด จั เก็บ จัด จั การ แบ่งปันและ ใช้ข้อ ข้ มูลภายในและภายนอกองค์กรเดียดี วกัน กั กลยุทธ์ข้อ ข้ มูลขนาดใหญ่ ช่วยสร้างหนทางไปสู่ความสำ เร็จทางธุรกิจ ข้อ ข้ มูลที่มี ที่ มีปริมาณจำ นวน มาก เมื่อพัฒ พั นากลยุทธ์สิ่งสำ คัญ คั คือต้องพิจ พิ ารณาเป้าหมายทางธุรกิจ และเทคโนโลยีในปัจจุบัน บั และอนาคตและโครงการริเริ่มการปฏิบัติ บั กัติ บกั ข้อ ข้ มูลขนาดใหญ่มีญ่ มี ความจำ เป็น เช่น ทรัพ รั ย์สิ ย์ สิ นทางธุรกิจที่มี ที่ มี ค่าอื่น อื่ ๆ แทนที่จ ที่ ะเป็นเพียพี งผลพลอยได้ข ด้ องแอปพลิเคชัน ชั กำ หนดกลยุทธ์เกี่ยวกับ กั ข้อ ข้ มูลขนาดใหญ่ 1.
กระะแสข้อ ข้ มูลมาจาก Internet of Things (IoT) และอุปกรณ์ที่เ ที่ชื่อมต่ออื่น อื่ ๆ ที่ไที่ หลเข้าสู่ระบบ ไอทีจ ที ากอุปกรณ์สวมใส่ รถยนต์อัจ อั ฉริยะ อุปกรณ์ทางการแพทย์ อุปกรณ์อุตสาหกรรม และอื่น อื่ ๆ ซึ่งสามารถวิเวิคราะห์ข้อ ข้ มูลขนาดใหญ่นี้ ญ่ นี้ ได้ร ด้ วมถึง ถึ ตัด ตั สินใจเลือกข้อ ข้ มูลที่จ ที่ ะเก็บหรือไม่เก็บ และข้อ ข้ มูล ใดที่ต้ ที่ ต้ องมีการวิเวิคราะห์เพิ่มพิ่ เติมติ 2. รู้แ รู้ หล่ 2. รู้แ รู้ หล่ง ล่ ที่ที่ม ที่ที่ ที่ที่ าของข้ข้อ ข้ข้ มูมู มู ล มู ล
ระบบคอมพิว พิ เตอร์สมัย มั ใหม่มี ม่ มี ความเร็วและความยืดหยุ่น ยุ่ ที่จำ ที่ จำ เป็นในการเข้าถึง ถึ ข้อ ข้ มูลจำ นวนมากและประเภท ของข้อ ข้ มูลขนาดใหญ่ได้อ ด้ ย่างรวดเร็ว นอกเหนือจากการเข้าถึง ถึ ที่เ ที่ชื่อถือ ถื ได้แ ด้ ล้ว บริษัท ษั ต่างๆ ยัง ยั ต้องมีวิธีวิ ใธี นการ รวมข้อ ข้ มูล รับ รั ประกัน กั คุณภาพของ ข้อ ข้ มูล การจัด จั ระเบีย บี บข้อ ข้ มูลและการจัด จั เก็บ และการเตรียมข้อ ข้ มูลสำ หรับ รั การ วิเวิคราะห์ ข้อ ข้ มูลบางอย่างอาจถูกจัด จั เก็บในสถานที่ใที่ นคลัง ลั ข้อ ข้ มูลแบบดั้ง ดั้ เดิมดิ แต่ยั ต่ ง ยั มีตัว ตั เลือกที่ ยืดหยุ่น ยุ่ และราคา ประหยัด ยั สำ หรับ รั การจัด จั เก็บและจัด จั การข้อ ข้ มูลขนาดใหญ่ผ่ ญ่ ผ่ านทางโซลูชัน ชั ระบบคลาวค์ พื้น พื้ ที่จั ที่ ด จั เก็บข้อ ข้ มูลส่วนกลาง และ Hadoop ซึ่งเป็นซอฟด์แ ด์ วร์ประเภท Open Source ที่จั ที่ ด จั ทำ ขึ้นเพื่อ พื่ เป็นแพลตฟอร์มในการจัด จั เก็บข้อ ข้ มูลซึ่งมี กรอบการทำ งานเพื่อ พื่ ใช้ในการจัด จั เก็บข้อ ข้ มูลและประมวลผลข้อ ข้ มูลที่มี ที่ มี ขนาดใหญ่มญ่ าก ๆ ที่เ ที่ รียกกัน กั ว่า Big Data ซึ่ง Hadoop สามารถปรับ รั ขยาย ยืดหยุ่น ยุ่ เพื่อ พื่ รองรับ รั ข้อ ข้ มูลที่มี ที่ มี จำ นวนมากได้ ทั้ง ทั้ นี้ ก็เพราะมีกระบวนการประมวล ผลที่แ ที่ ข็งแกร่งมากซึ่งเป็นผลมาจากการประมวลผลข้อ ข้ มูลแบบกระจายผ่านเครื่องคอมพิว พิ เตอร์ที่ถู ที่ ถู กจัด จั อยู่ใยู่ นรูป แบบ Cluster อัน อั นำ ไปสู่ความสามารถในการรองรับ รั ข้อ ข้ มูลที่ไที่ ม่จำ ม่ จำ กัด กั และมีความน่าเชื่อถือ ถื สูงอีกอี ด้ว ด้ ย 3. การเข้าถึง ถึ จัด จั การ และจัด จั เก็บข้อ ข้ มูลขนาดใหญ่
4. การวิเวิคราะห์ข้อ ข้ มูลมู ขนาดใหญ่ 5. ตัดตัสินใจอย่าย่ งชาญฉลาดและใช้ข้อ ข้ มูลมู ช่วย ด้ว ด้ ยเทคโนโลยีที่มี ที่ มีประสิทธิภ ธิ าพสูง เช่น Grid Computing (การประมวลผล แบบกริด) หรือการวิเวิคราะห์ในหน่วยความจำ องค์กรต่าง ๆ จึง จึสามารถเลือกที่จ ที่ ะใช้ข้อ ข้ มูลขนาดใหญ่ทั้ ญ่ ทั้ ง ทั้ หมด แล้วนำ มาวิเวิคราะห์ได้แ ด้ ต่ไม่ว่ ม่ ว่ าจะใช้วิธีวิ ใธี ดการ วิเวิคราะห์ข้อ ข้ มูลขนาดใหญ่เป็นวิธีวิ ที่ ธี บ ที่ ริษัท ษั ต่าง ๆ ได้รั ด้ บ รั มูลค่าและข้อ ข้ มูลเชิงลึกจากข้อ ข้ มูลปัจจุบัน บั ซึ่ง เป็นข้อ ข้ มูลขนาดใหญ่ ป้อนข้อ ข้ มูลเข้าสู่ระบบการ วิเวิคราะห์ที่มี ที่ มี ความก้าวหน้าที่สูที่ สู งขึ้น เช่น ปัญญา ประดิษดิ ฐ์ ข้อ ข้ มูลที่ไที่ ด้รั ด้ บ รั การจัด จั การและมีความน่าเชื่อ ถือ ถื นำ ไปสู่การวิเวิคราะห์ที่น่ ที่ น่ าเชื่อถือ ถื และการ ตัด ตั สินใจที่น่ ที่ น่ าเชื่อถือ ถื เพื่อ พื่ ให้สามารถแข่งขัน ขั ได้ ธุรกิจต่าง ๆ จำ เป็นต้องได้รั ด้ บ รั ประโยชน์สูงสุด จากข้อ ข้ มูลขนาดใหญ่และดำ เนินงานบนพื้น พื้ ฐาน ข้อ ข้ มูล ตัด ตั สินใจบนพื้น พื้ ฐานหลัก ลั ฐานที่นำ ที่ นำ เสนอ โดยข้อ ข้ มูลขนาดใหญ่ และต้องมีการขับ ขั เคลื่อ ลื่ น ด้ว ด้ ยข้อ ข้ มูลที่มี ที่ มีประโยชน์ชัด ชั เจน
การใช้ผลิตภัณ ภั ฑ์จาก Big data ในภาคธุรกิจนั้นเป็นประโยชน์โดยตรงในการนำ ข้อ ข้ มูล มาหาค่าเชิงสถิติ ถิ แ ติ ละพัฒ พั นาผลิตภัณ ภั ฑ์ให้ตรงกับกั ความต้องการและพฤติกติ รรมของผู้บ ผู้ ริโภค และเกิดผลิตภัณ ภั ฑ์ใหม่ส่ ม่ ส่วนในภาครัฐ รั นั้นยัง ยั มีการใช้ประโยชน์จาก Big data น้อยมากเมื่อ เทีย ที บกับกั ภาคธุรกิจการใช้ประโยชน์จาก Big data ของภาครัฐ รั คือการนำ มาพัฒ พั นาบริการ ภาครัฐ รัให้ตรงต่อความต้องการของประชาชนให้มีประสิทธิภ ธิ าพสูงขึ้นและใช้งบประมาณ น้อยลง เช่น การวิเวิคราะห์ข้อ ข้ มูลสภาพอากาศที่มี ที่ มีปริมาณมหาศาลทั้ง ทั้ ข้อ ข้ มูลจากเครื่องวัด วั มากมายบนโลกทั้ง ทั้ ดาวเทีย ที มเรดาร์และยานตรวจอากาศข้อ ข้ มูลที่มี ที่ มี จำ นวนมากเหล่านี้นำ มาสู่ การ พยากรณ์อากาศที่แ ที่ ม่น ม่ ยำ หรือการถอดรหัสหั พัน พั ธุกรรมเพื่อ พื่ ทำ แผนที่ข ที่ องสิ่งมีชีวิต วิ ต่างๆ บนโลกซึ่งนำ ไปสู่การค้นพบตัวยตั ารัก รั ษาโรคใหม่ๆ ม่ ประโยชน์น์ น์น์ ของ Big data
3. การนำ ข้อ ข้ มูลมาสร้าง นวัต วั กรรมและความรู้พื้น พื้ ฐานขั้น ขั้ สูงเพื่อ พื่ สร้างโครงสร้างพื้น พื้ ฐาน ของการบริการและการนำ ข้อ ข้ มูล เหล่านั้นมารวบรวมและสร้างเป็น ฐานข้อ ข้ มูลขนาดใหญ่และปรับ รั ปรุง ฐานความรู้ที่ก ที่ ว้างขวางเพื่อ พื่ เตรียม รับ รั และตอบสนองต่อสัง สั คม การนำ ไปใช้ประโยชน์ในประเทศไทย ได้แ ด้ ก่ ารนำ ไปใช้ประโยชน์ในประเทศไทย ได้แ ด้ ก่ 1. การนำ ข้อ ข้ มูลภัย ภั พิบัพิ ติ บั จ ติ าก ธรรมชาติ โดยการวิเวิคราะห์ที่ ก้าวหน้าการจัด จั การโมเดล เช่น การวิเวิคราะห์สถานการณ์จาก โมเดลที่ค ที่ าดว่าจะส่งผลอัน อั ตราย มาพยากรณ์เหตุการณ์หรือพัฒ พั นา โปรแกรม แจ้งเตือ ตื นภัย ภั ฯลฯ 2. การนำ ข้อ ข้ มูลมาปรับ รั ปรุง และวิธีวิ ก ธี ารฟื้นฟูแก้ไขปัญหาสภาพ แวดล้อมให้กลับ ลั ไปสู่สภาพเดิมดิ โดย ใช้เทคโนโลยีมาวิเวิคราะห์ข้อ ข้ มูลการ ทดลองและการทำ นายเพื่อ พื่ ช่วยใน การตัด ตั สินใจในการแก้ไขปัญหาเพื่อ พื่ วางแผนยุทธศาสตร์ทั้ง ทั้ในระยะยาว และระยะสั้น สั้ * การประยุกต์ใช้ Big data นั้น สามารถนำ มาใช้งานได้ห ด้ ลายหน่วยงาน เช่น ด้านสาธารณสุข ด้านวิท วิ ยาศาสตร์ ด้านความมั่น มั่ คง ด้านการเงิน งิ ด้านการ บริการประชาชน ด้านเกษตรกรรม ด้านคมนาคม ด้านแรงงาน และด้าน การบริหารเงิน งิ งบประมาณและรายได้ ต่างๆของภาครัฐ รัให้มีประสิทธิภ ธิ าพมาก ขึ้น
ในปัจจุบัน บั นี้ มีการนำ Big Data มาใช้ในภาครัฐ รั เพื่อ พื่ แก้ปัญหาความเดือ ดื ดร้อน และลดความเหลื่อ ลื่ มล้ำ โดยนำ ข้อ ข้ มูลในระบบราชการจากหลายหน่วยงาน เช่น ข้อ ข้ มูล สาธารณสุข ทะเบีย บี นราษฎร์ ที่ตั้ ที่ ตั้ ง ตั้ ของธุรกิจ โรงพยาบาล สถานบำ บัด บั สถานการณ์ จ้างแรงงาน มาวิเวิคราะห์และ โจทย์เ ย์ ชื่อมโยงกัน กั เกิดเป็นข้อ ข้ มูลขนาดใหญ่ Big Data ของภาครัฐ รั ผ่านกระบวนการวิเวิคราะห์เชื่อมโยงเพื่อ พื่ ตอบ โจทย์ก ย์ ารให้บริการของภาครัฐ รั ตัวอ ตั ย่างเช่น รัฐ รั บาล ต้องการช่วยเหลือผู้มี ผู้ มี รายได้น้ ด้ น้ อย แต่แทนที่จ ที่ ะช่วยเหลือ โดยให้เงิน งิ อุดหนุนที่เ ที่ ท่า ท่ ๆ กัน กั แบบปูพรมทั้ง ทั้ประเทศ ก็นำ Big Data ซึ่งเป็นข้อ ข้ มูลจากแหล่งต่างๆมาใช้ชี้จำ เพาะ ว่าบุคคลใดที่ถื ที่ อ ถื ว่ามีรายได้น้ ด้ น้ อยพร้อมทั้ง ทั้ กำ หนดระดับดั และ ลัก ลั ษณะความช่วยเหลือที่แ ที่ ตกต่างกัน กั เช่น ผู้มี ผู้ มี รายได้น้ ด้ น้ อย ที่สูที่ สู งอายุ อยู่กั ยู่ บกั บ้าน ให้ลูกหลานดูแล รัฐ รั อาจช่วยโดย สนับสนุนขาเทีย ที ม ให้คูปองเข้ารับ รั การทำ กายภาพพร้อมทั้ง ทั้ เลือกอาชีพที่เ ที่ หมาะสมกับกั กายภาพของผู้สูผู้ สู งอายุ การนำ Big data ไปใช้ประโยชน์ ในด้านต่ การนำ Big data ไปใช้ประโยชน์ ในด้า ด้ นต่างๆ ต่ างๆ
Big Data สำ หรับ รั ภาคเอกชนที่นำ ที่ นำ มาใช้ประโยชน์ เช่น เว็บว็ ไซต์อี-อีคอมเมิร์ช ที่จั ที่ ด จั เก็บข้อ ข้ มูล พฤติกติ รรมการซื้อสินค้าของลูกค้าอย่างต่อเนื่อง และมีระบบที่ทำ ที่ ทำ หน้าที่ จัด จั เลือกสินค้าอื่น อื่ ๆ ที่ค ที่ าดว่า ลูกค้าจะต้องการเพิ่มพิ่ เติมติ แล้วนำ เสนอขึ้นมาให้โดยอัต อัโนมัติ มั บติ นหน้าเว็บว็ ไชต์อี-อีคอมเมิร์ซของลูกค้า รายนั้น ๆ ทั้ง ทั้ นี้ ลูกค้าแต่ละคนไม่จำ ม่ จำ เป็นต้องนำ เสนอสินค้าเดียดี วกัน กั จากการสัง สั เกตพฤติกติ รรมการ ซื้อสินค้าพบว่าภาคเอกชนจะมีการเก็บข้อ ข้ มูล ชื่อ ที่อ ที่ ยู่ เพศ เชื้อชาติ อายุ ประวัติ วั กติ ารซื้อสินค้า ชนิด สินค้า เวลาที่ซื้ที่ ซื้ อ มูลค่าสินค้า นำ มาวิเวิคราะห์จับ จั คู่กับกั สินค้าอื่น อื่ ที่มี ที่ มีศัก ศั ยภาพ ทั้ง ทั้ นี้ เงื่อ งื่ นไขหรือสูตร การจับ จั คู่อาจแตกต่างกัน กั ไปตามกลุ่ม ลุ่ ลูกค้าหรือประชากรในแต่ละประเทศหรือตามกลุ่ม ลุ่ สัง สั คมหรือ วัฒ วั นธรรม การฝึกอาชีพเพื่อ พื่ เพิ่มพิ่ รายได้ใด้ ห้กับกั ผู้มี ผู้ มี รายได้น้ ด้ น้ อย พร้อมทั้ง ทั้ จับ จั คู่กับกั แหล่งงานที่อ ที่ ยู่ใยู่ กล้เคียง กับกั ที่พั ที่ ก พั อาศัย ศั อีกอี ทั้ง ทั้ ยัง ยั ติดติ ตามและเสนอโอกาสฝึกอาชีพใหม่ ๆ เพิ่มพิ่ เดิมดิ เพื่อ พื่ ให้มีรายได้ที่ ด้ สูที่ สู งขึ้น และพัฒ พั นาคุณภาพชีวิต วิ ให้ดีขึ้ดี ขึ้ น ซึ่งถ้าวิเวิคราะห์ดูจะเห็นว่า ข้อ ข้ มูลจำ นวนมากเกิดการบูรณาการ และวิเวิคราะห์ เพื่อ พื่ ใช้สำ หรับ รั การตัด ตั สินใจในการให้บริการของภาครัฐ รั ได้ต ด้ รงกลุ่ม ลุ่ เป้าหมาย โดยในปัจจุบัน บั นี้จะเห็นได้จ ด้ ากการใช้ บัต บั รประชาชนเพียพี งบัต บั รเดียดี วก็สามารถเข้าถึง ถึ บริการ ภาครัฐ รั ได้ม ด้ ากขึ้น
1. Storage : การรวบรวมข้อ ข้ มูลมาจัด จั เก็บ การรวบรวมข้อ ข้ มูลจากแหล่งต่าง ๆ ทั้ง ทั้ ข้อ ข้ มูลที่มี ที่ มี คุณภาพ ข้อ ข้ มูล ที่ค ที่ าคว่าจะมีประโยชน์ไม่ค ม่ รบถ้วน ข้อ ข้ มูลรูปภาพ วิดีวิ โดี อ ไฟล์เสียงทั้ง ทั้ หลาย ถูกส่งมา จัด จั เก็บที่ถั ที่ ง ถั ข้อ ข้ มูล 2. Processing : การประมวลผล เมื่อข้อ ข้ มูลต่าง ๆ ถูกนำ มารวมกัน กั ไว้ในที่เ ที่ ดียดี วแล้ว จะถูกนำ ไปจัด จั หมวด หมู่ข้ มู่ อ ข้ มูลที่มี ที่ มี ความเกี่ยวข้อ ข้ ง สัม สั พัน พั ธ์กัน กั ให้ผลคล้ายคลึงกัน กั แล้วนำ มาเปลี่ยลี่ นเป็นรูปแบบข้อ ข้ มูลเพื่อ พื่ นำ เข้า ระบบคลัง ลั ข้อ ข้ มูลที่ผ่ ที่ ผ่ านการประมวลผลแล้ว 3. Analyat : การวิเวิคราะห์และนำ เสนอ จากนั้นข้อ ข้ มูลมากมายทั้ง ทั้ หมดที่ถู ที่ ถู กจัด จั เรียงแล้วในหลายมิติจ ติ ะถูก นำ มาวิเวิคราะห์หารูปแบบของข้อ ข้ มูลที่ม ที่ องไม่เห็นด้วย ด้ ตาเปล่า เช่น หารูปแบบความสัม สั พัน พั ธ์ที่ซ่ที่ ซ่ อนอยู่ หา แนวโน้มการตลาด แนวโน้มความชอบของลูกค้า และข้อ ข้ มูลอื่น อื่ ๆ ที่เ ที่ป็นประโยชน์ทางธุรกิจ และถูกนำ เสนอออกมาใน รูปแบบที่เ ที่ ข้าใจง่ายผ่านทางสถิติ ถิ กรา ติ ฟ หรือรูปภาพ กระบวนการจาก Big data สู่ กระบวนการจาก Big data สู่สู่สู่ ค สู่ ความสัสัม สัสั พัพัน พัพั ธ์ธ์ ธ์ธ์ ของข้ข้อ ข้ข้ มูมู มู ล มู ล กระบวนการจาก Big data สู่ กระบวนการจาก Big data สู่สู่ ความสัม สั พัน พั ธ์ของข้อ ข้ มูล มีดัง ดั นี้ สู่ ความสัม สั พัน พั ธ์ของข้อ ข้ มูล มีดัง ดั นี้
วิธีวิ กธี ารจัดจัทำ Big data วิธีวิ กธี ารจัดจัทำ Big data 1) ตั้ง ตั้ เป้าหมายถึง ถึ สิ่งเล็กไว้ก่ ว้ ก่ อน ในช่วงเริ่มต้นไม่จำ ม่ จำ เป็นต้อง ตั้ง ตั้ เป้าหมายใหญ่ที่ ญ่ สุที่ สุ ด แต่ก ต่ ารตั้ง ตั้ เป้าหมายเล็ก ๆ ไว้ก่อนเพื่อ พื่ ที่ จะได้ดู ด้ ดู ว่าตนเองต้องการที่จ ที่ ะรู้เรื่องอะไร เพื่อ พื่ แก้ปัญหาสิ่งใด 2) วางแผนรวบรวมข้อ ข้ มูลจากแหล่งที่มี ที่ มี อยู่ ข้อ ข้ มูลที่ใที่ ห้จาก กิจกรรมที่เ ที่ กิดขึ้นทั้ง ทั้ หน้าร้าน หลัง ลั ร้านมีอะไรบ้าง ให้วางแผน การรวบรวมข้อ ข้ มูล นอกจากนั้น การรู้จัก จั หาข้อ ข้ มูลจากแหล่งอื่น อื่ บนสื่อสัง สั คมออนไลน์ เช่น แนวโน้มความนิยมจาก Google Trends หรือการใช้ Keword ที่เ ที่ กี่ยวข้อ ข้ งกับกั ธุรกิจของตนเพื่อ พื่ ดูว่า ผู้ค ผู้ นพูดถึง ถึสิ่งที่ต้ ที่ ต้ องการด้ว ด้ ยคำ ว่าอะไรบ้าง 3) จับ จั ตาความเคลื่อน ลื่ ไหวและเข้าใจแหล่งที่ม ที่ าของข้อ ข้ มูล ใช้สื่อสัง สั คมออนไลน์ที่มี ที่ มี อยู่ใยู่ ห้เกิดประโยชน์ เรียนรู้สิ่งที่เ ที่ กิดขึ้น รอบตัว ตั ทั้ง ทั้ ลูกค้า คู่แข่งขัน ขั หรือประเด็นด็ ที่ค ที่ นส่วนใหญ่กำ ญ่ กำ ลัง ลั พูด ถึง ถึสิ่งเหล่านั้นว่าเป็นอย่างไร เกี่ยวข้อ ข้ งหรือไม่อ ม่ ย่างไรกับกั ธุรกิจ ของตน
- จำ ลองข้อ ข้ มูลขึ้นมา เพื่อ พื่ ให้เข้าใจข้อ ข้ มูลที่มี ที่ มี อยู่ใยู่ ห้มากขึ้น และเห็นภาพรวมว่าจะนำ ข้อ ข้ มูลไปใช้ในแนวทางใด ระหว่างนั้นก็ค่อยๆพัฒ พั นาไปเรื่อยๆ 6) แยกผลลัพ ลั ธ์และข้อ ข้ มูลรบกวนออกจากข้อ ข้ มูลขนาดใหญ่ เมื่อได้ผ ด้ ลลัพ ลั ธ์แล้วให้ลองแยกข้อ ข้ มูลส่วนเกินออก จากข้อ ข้ มูลส่วนใหญ่ แล้วสนใจเพียพี งแค่ข้อ ข้ อมูลเชิงลึกที่นำ ที่ นำ ไปใช้ต่อได้จ ด้ ริง ทดลองนำ ข้อ ข้ มูลเชิงลึกที่ไที่ ด้เข้าไปใช้ งานในกระบวนการทำ ธุรกิจ ถ้าไม่มี ม่ มี ผลลัพ ลั ธ์อะไรเกิดขึ้นให้เลิกสนใจข้อ ข้ มูลส่วนนี้ แล้วตั้ง ตั้ เป้าหมายและวาง ใหม่อี ม่ กอี ครั้ง รั้ 4) ฝึกหาความสัม สั พัน พั ธ์ของข้อ ข้ มูล นำ ข้อ ข้ มูลทางตรงและทางอ้อมมาลองหาความสัม สั พัน พั ธ์ที่อ ที่ าจเกิดขึ้นกับกั ธุรกิจ ยิ่งเริ่มเร็วได้เท่า ท่ ไรยิ่งดี ในแต่ละขั้น ขั้ ตอนของการดำ เนินงาน มีส่วนใดที่ห ที่ ากปรับ รั การทำ งานแล้วจะได้ข้ ด้ อ ข้ มูลที่ คิดว่าต้องการเพื่อ พื่ ให้เข้าใจขัอ ขั มูลที่มี ที่ มี อยู่ใยู่ ห้มากยิ่งขึ้น และเห็นภาพรวมว่าจะนำ ข้อ ข้ มูลไปใช้ในแนวทางใด ระหว่างนั้น
ข้ข้อ ข้ ดีใดี นการใช้ Big data อ ข้ ดีใดี นการใช้ Big data ช่วยให้ตั ห้ ด ตั สินใจได้ดี ด้ ขึ้ ดีขึ้ น เพิ่ม พิ่ ผลผลิตได้ม ด้ ากขึ้น ลดต้น ต้ ทุน ปรับ รั ปรุงการบริการลูกค้า 1 2 4 3
ข้อ ข้ ข้ เสียในการใช้ Big data อ ข้ เสียในการใช้ Big data 1. คุณภาพของข้อ ข้ มูลนั้น นั้ ต้อ ต้ งเลือกข้อ ข้ มูล ที่ดี ที่ ใดี นการนำ มาวิเ วิ คราะห์ 2. ใช้ความต้อ ต้ งการของฮาร์ดแวร์สูง ไม่ว่ ม่ ว่ าจะเป็นเรื่องของอุปกรณ์ที่ใที่ ช้ในการ จัด จั เก็บ หรือระบบเครือข่ายที่ใที่ ช้ในการส่ง ผ่านข้อ ข้ มูลที่ใที่ หญ่ม ญ่ ากขึ้น 3. ความเสี่ย สี่ งด้านความปลอดภัย ภั ทาง ไซเบอร์: การจัด จั เก็บข้อ ข้ มูลที่มี ที่ มี ความละเอีย อี ด อ่อ อ่ นและจำ นวนมากสามารถทำ ให้บ ห้ ริษัท ษั เป็น เป้าหมายที่น่ ที่ น่ าดึง ดึ ดูดยิ่งขึ้นสำ หรับ รั ผู้โผู้ จมตีท ตี าง ไซเบอร์ ซึ่งสามารถใช้ข้อ ข้ มูลเพื่อ พื่ เรียกค่าไถ่ หรือเพื่อ พื่ วัต วั ถุประสงค์ที่ใที่ ช้ในทางที่ผิ ที่ ผิ ดได้ 4. ปัญหาในการย้า ย้ ยจากระบบเดิม ดิ มา เป็นระบบใหม่ เพื่อใพื่ ห้ส ห้ ามารถรองรับ รั ข้อ ข้ มูลได้ใด้ นอนาคต ซึ่งหลายบริษัท ษั เก็บ ข้อ ข้ มูลในรูปแบบที่ไที่ ม่ส ม่ ามารถนำ มาใช้ให้ เกิดประโยชน์ได้
01 02 03 04 05 ข้ข้อ ข้ ควรระวัง วัในการใช้ Big Data อ ข้ ควรระวัง วัในการใช้ Big Data 1. เลือกเชื่อตัว ตั เองมากกว่า ข้อ ข้ มูลที่ไที่ ด้จ ด้ าก Big Data 2. เลือกใช้เครื่องมือแก้ไข ปัญหาที่ผิ ที่ ผิ ด 3. ขาดแคลนบุคลากรที่มี ที่ มี ทัก ทั ษะด้าน IT และขาดการ เก็บข้อ ข้ มูลที่ม ที่ ากเพีย พี งพอ 4. อาจเกิดปัญหาที่ Big Data ก็ไม่ส ม่ ามารถแก้ไขได้ 5. การใช้เทคโนโลยี Big Data ที่อ ที่ าจสวนทาง กับ กั การวางแผนขององค์กร
1 2 ตัตัว ตั อย่า ย่ งธุรกิจที่นำ ที่ นำ Big data ไปใช้ ว ตั อย่า ย่ งธุรกิจที่นำ ที่ นำ Big data ไปใช้ Netflix เป็นบริษัท ษั ผู้ใผู้ ช้บริการสตรีมมิ่ง รายใหญ่ของโลก โดย Netflix ได้นำ ด้ นำ Big data มาวิเวิคราะห์พฤติกติ รรมการใช้งานเชิงลึกของ ลูกค้าทั่ว ทั่ โลก โดยการศึกษาพฤติกติ รรมการรับ รั ชมภาพยนต์ของลูกค้า นำ ข้อ ข้ มูลที่ไที่ ด้ม ด้ าต่อยอด ในการสร้างโปรเจคการสร้างหนัง และรูปแบบ การนำ เสนอคอนเทนต์หนังที่ลู ที่ ลู กค้าสนใจเพื่อ พื่ ที่ ลูกค้าจะได้ใด้ ช้เวลากับกั แพลตฟอร์ม Netflix Uber บริษัท ษั เครือข่ายคมนาคมของ สหรัฐ รั อเมริกา บริษัท ษั Uber ได้นำ ด้ นำ Big data มาใช้วิเวิคราะห์ระดับดั ความต้องการของลูกค้าใน แง่ของ Supply และ Demand ความต้องการของ บริการ โดยราคาของค่าบริการจะเปลี่ยลี่ นแปลง ขึ้นอยู่กั ยู่ บกั Supply และ Demand ณ ขณะนั้น เช่น ถ้าหากเรียกใช้บริการ Taxi ใน เวลาที่ฝที่ นตก หรือ มีความต้องการสูง ค่าบริการของ Uber ก็จะเพิ่มพิ่ ขึ้น ช่วงไหนที่ปกที่ ติก็ติ ก็จะไม่บ ม่ วกเพิ่มพิ่ เป็นต้น
Amazon หากพูดถึง ถึ บริษัท ษั ยัก ยั ษ์ใหญ่ในวงการ ค้าปลีก ลี แน่นอนว่า “Amazon” คือหนึ่งในนั้น ที่มี ที่ มี Big Data หรือฐานข้อ ข้ มูลของลูกค้าจำ นวนมาก เช่น ชื่อลูกค้า ที่อ ที่ ยู่ ข้อ ข้ มูลการชำ ระเงิน งิ ประวัติ วั กติ าร ค้นหาสินค้า เป็นต้น ซึ่งข้อ ข้ มูลเหล่านี้สามารถเก็บ ไว้ใช้ต่อยอดธุรกิจ หรือเพื่อ พื่ โฆษณา และหากใคร ที่เ ที่ คยติดติ ต่อกับกั เจ้าหน้าที่ Aที่ mazon มาก่อน อาจจะ สงสัย สั ว่าทำ ไมเจ้าหน้าที่จึ ที่ ง จึ รู้รายละเอียอี ด หรือ ความต้องการของคุณ นั่นก็เพราะ Big Data ที่ Amazon มีสามารถทำ ให้รู้ทัน ทั ทีว่ ที ว่ าลูกค้าที่ติ ที่ ดติ ต่อเข้า มาเป็นใคร ช่วยให้เจ้าหน้าที่ข ที่ อง Amazon บริการ ลูกค้าได้อ ด้ ย่างตอบโจทย์ แ ย์ ละสร้างความประทับ ทั ใจ ให้กับกั ลูกค้า โดยที่คุ ที่ คุ ณยัง ยัไม่ทั ม่ น ทั ได้บ ด้ อกข้อ ข้ มูลใด ๆ Starbucks ในยุคที่ก ที่ าแฟฮอตฮิตติดติ ลมบน กาแฟ ชื่อดัง ดั และคุณภาพดีคดี งหนีไม่พ้ ม่ น พ้ “Starbucks” ที่อ ที่ ยู่ใยู่ น คำ ตอบของใครหลายคน แต่คุณเคยสงสัย สั ไหมทำ ไม Starbucks ถึง ถึ เลือกเปิดสาขาในบริเวณใกล้ ๆ กัน กั และก็ไม่เห็นมีสาขาไหนเจ๊งเลยสัก สั สาขา นั่นก็เพราะ Starbucks มีการใช้ Big Data เพื่อ พื่ วิเวิคราะห์หาความ เป็นไปได้ที่ ด้ จ ที่ ะประสบความสำ เร็จในการเปิดสาขาใหม่ ในแต่ละโลเคชั่น ชั่ โดยวิธีวิ ก ธี ารที่ Starbucks นำ มาใช้ คือ การเก็บรวบรวมข้อ ข้ มูลที่ตั้ ที่ ตั้ ง ตั้ การจราจร ข้อ ข้ มูล ประชากรในพื้น พื้ ที่ รวม ที่ ถึง ถึ พฤติกติ รรมของผู้บ ผู้ ริโภค และข้อ ข้ มูลที่มี ที่ มี เพียพี งพอนั้นจึง จึ ทำ ให้ Starbucks วิเวิคราะห์ พื้น พื้ ที่ตั้ ที่ ตั้ ง ตั้สาขา ประชากรศาสตร์ และคาดการณ์โอกาส ธุรกิจในการเปิดสาขาใหม่ไม่ ด้ อีกอี ทั้ง ทั้ Big Data ยัง ยั ช่วย ประเมินผลการเติบติ โตของกิจการ ผลกำ ไร เพื่อ พื่ ลด โอกาสขาดทุนในอนาคต 3 4
การประยุยุ ยุ ก ยุ กต์ต์ ต์ต์ใช้ช้ ช้ Big data ในชีวิต วิ ประจำ วัน วั ช้ Big data ในชีวิต วิ ประจำ วัน วั อุตสาหกรรมการศึกษา โปรแกรมการเรียนรู้แบบ กำ หนดเองและแบบไดนามิก ปรับ รั มุมมองของหลัก ลั สูตรใหม่ ระบบการให้เกรด วางแผนสำ หรับ รั อาชีพ ในอนาคต เป็นโปรแกรมในรูปแบบที่กำ ที่ กำ หนดเองสร้างขึ้นได้เองโดยใช้ ข้อ ข้ มูลรวบรวมบนฐานประวัติ วั กติ ารเรียนรู้ของนักเรียนเพื่อ พื่ ประโยชน์ของนักเรียนทุกคนช่วยในการปรับ รั ปรุงโดยรวม ของนักเรียน ช่วยปรับ รั มุมมองเนื้อหาและหลัก ลั สูตรตามข้อ ข้ มูลที่เ ที่ ก็บรวบรวมบน พื้น พื้ ฐานของนักเรียนที่ต้ ที่ ต้ องเรียนรู้ตามขอบเขตในการตรวจสอบ เวลาจริงขององค์ประกอบหลัก ลั สูตรที่จ ที่ ะเข้าใจได้ง่ายขึ้น เป็นความก้าวหน้าใหม่ร ม่ ะบบการให้เขตซึ่งจะเป็นผลการ วิเวิคราะห์ข้อ ข้ มูลของนักเรียนที่เ ที่ หมาะสมซึ่งช่วยให้ผลลัพ ลั ธ์ที่ เที่ย ที่ งตรงและถูกต้อง เป็นการวิเวิคราะห์และศึกษาข้อ ข้ มูลของนักเรียนทุกคนอย่างเหมาะสม ช่วยในการทำ เป็นการวิเวิคราะห์และศึกษาข้อ ข้ มูลของนักเรียนทุกคน อย่างเหมาะสมช่วยในการทำ ความเข้าใจความก้าวหน้า จุดแข็ง จุดอ่อ อ่ นและความสนใจอื่น อื่ ๆของนักเรียน
American Express คือ สถาบัน บั การเงิน งิ ระดับดั โลก ที่มี ที่ มี การใช้ Big Data ช่วยวิเวิคราะห์ และคาดการณ์เศรษฐกิจ ธุรกิจการเงิน งิ ระดับดั โลก รวมถึง ถึยัง ยั นำ มาใช้วิเวิคราะห์พฤติกติ รรม ของลูกค้า โดยการตรวจดูประวัติ วั กติ ารใช้จ่าย และตัวแ ตั ปรที่ เกี่ยวข้อ ข้ งมากกว่า 100 รายการ จากนั้น American Express จึง จึได้สด้ ร้างโมเดล เพื่อ พื่ คาดการณ์พฤติกติ รรมของลูกค้าใน อนาคต ว่าลูกค้าคนใดมีแนวโน้มการใช้บริการทางการเงิน งิ แบบใด เช่น ลูกค้าคนใดสนใจใช้บริการ American Express แบบต่อเนื่อง หรือลูกค้าคนใดมีแนวโน้มเปลี่ยลี่ นใจไปใช้ บริการเจ้าอื่น อื่ เพราะอะไร ? อีกอี ทั้ง ทั้ American Express ยัง ยั นำ Big Data มาใช้ เพื่อ พื่ ทำ นายศัก ศั ยภาพธุรกิจในการสร้างผลกำ ไรในอนาคตได้อ ด้ ย่าง แม่น ม่ ยำ รวมถึง ถึ ทำ ให้ทราบว่าลูกค้าคนใดจะจงรัก รั ภัก ภั ดีต่ ดี ต่ อ แบรนด์ หรือบริษัท ษั ควรปรับ รั ปรุงผลิตภัณ ภั ฑ์ทางการเงิน งิ หรือ การบริการอย่างไร ที่จ ที่ ะช่วยให้รัก รั ษาฐานลูกค้าไว้ให้ได้น ด้ าน ที่สุที่ สุ ด อย่างที่ก ที่ ล่าวมาข้างต้น ผู้อ่ ผู้ อ่ านคงเริ่มเห็นแล้วว่า Big Data มีความสำ คัญ คั ต่อการทำ ธุรกิจอย่างไรบ้าง และในวัน วั ที่โที่ ลกเดินดิ หน้าไปอย่างรวดเร็ว หากธุรกิจยัง ยัไม่รี ม่ รี บปรับ รั ปรุง พัฒ พั นา และ ยัง ยั คงจดจ่อกับกั ความสำ เร็จแบบในอดีต ดี วัน วั หนึ่งอาจจะทำ ให้ ธุรกิจที่เ ที่ คยรุ่งโรจน์ต้องหยุดชะงัก งั ลง หรือเจอคู่แข่งที่ไที่ ม่เคย คาดคิดวิ่ง วิ่แซงไปในท้า ท้ ยที่สุที่ สุ ด 5
อุอุ อุ ต อุ ตสาหกรรมการดูดู ดู แ ดู แลสุสุ สุ ข สุ ขภาพ ช่วยในการวิเวิคราะห์การแพร่ร ร่ ะบาดของโรค ระบาดและช่วยในการตัด ตั สินใจว่าใช้มาตรการ ป้องกัน กั เพื่อ พื่ ลดผลกระทบจากสิ่งเดียดี วกัน กั ได้ อย่างไร ช่วยหลีก ลี เลี่ยลี่ งโรคที่ป้ที่ ป้ องกัน กั ได้โด้ ดยการตรวจหา โรคในระยะเริ่มต้นและป้องกัน กั ไม่ใม่ ห้มีการระบาด ซึ่งจะทำ ให้การรัก รั ษาง่ายขึ้น ค่าใช้จ่ายในการรัก รั ษาเนื่องจากมีโอกาสน้อยที่ ต้องทำ ลดค่าใช้จ่ายในการรัก รั ษาเนื่องจากมีโอกาส น้อยที่ต้ ที่ ต้ องทำ การวินิวิ นิ จฉัย ฉั ที่ไที่ ม่จำ ม่ จำ เป็น ผู้ป่ผู้ ป่ วยสามารถได้รั ด้ บ รั ยาตามมาตรฐานจากการ วินิวิ นิ จฉัย ฉั ของแพทย์ไย์ ด้อ ด้ ย่างถูกต้อง
เ กี่กี่ กี่กี่ กี่กี่ ยว กักั กักั บ สวัวัส วัวั ดิดิ ดิดิ ก า ร ช่วยในการตัด ตั สินใจที่ร ที่ วดเร็วและช่วยบัน บั ทึก ทึ ข้อ ข้ มูลเกี่ยวกับกั การดำ เนินการทางการเมืองต่างๆ เพื่อ พื่ ช่วยระบุพื้น พื้ ที่ที่ ที่ ต้ ที่ ต้ องการความช่วยเหลือ เพื่อ พื่ อัพ อั เดทข้อ ข้ มูลในด้านการเกษตรโดยการ ติดติ ตามพื้น พื้ ที่ต่ ที่ ต่ างๆที่ทำ ที่ ทำ กสิกรรมและปศุสัต สั ว์ เพื่อ พื่ ความมั่น มั่ คงของชาติ เ ติ ช่น การว่างงาน การก่อการร้าย การสำ รวจแหล่งพลัง ลั งานและอื่น อื่ ๆ อุอุ อุ ต อุ ตสาหกรรมของภาครัรัฐ รัรั ค วาม ป ล อ ดภัภั ภัภั ย ท างไ ซ เ บ อ ร์ร์ ร์ร์ ถูกนำ มาใช้ในการเฝ้าระวัง วั การคอรัปรั ชั่น ชั่ ใช้ในการตรวจสอบการเสียภาษีของประชาชน
อุอุ อุ ต อุ ตสาหกรรม สื่สื่ สื่สื่ สื่สื่ อและความบับัน บับั เทิทิ ทิทิ ง วิเวิคราะห์ความเป็นไปได้ข ด้ องผู้ชผู้ ม การกำ หนดเวลาที่เ ที่ หมาะสมหรือตามความต้องการ ของกระแสข้อ ข้ มูลสื่อในแพลตฟอร์มการกระจายสื่อ ดิจิดิ ทั จิ ล ทั รับ รั ข้อ ข้ มูลเชิงลึกเกี่ยวกับกั บทวิจวิ ารณ์ของลูกค้าและ ระบุความเห็นทั้ง ทั้ แง่บง่ วกและแง่ลบ การกำ หนดเป้าหมายที่มี ที่ มีประสิทธิภ ธิ าพของโฆษณา สำ หรับ รั สื่อต่างๆ การพยากรณ์ณ์ ณ์ณ์ อากาศ ศึกษาภาวะโลกร้อน ทำ ความเข้าใจกับกั รูปแบบของภัย ภั พิบัพิ ติ บั ท ติ าง ธรรมชาติ เพื่อ พื่ เตรียมการที่จำ ที่ จำ เป็นในเหตุการณ์วิกวิ ฤต เตรียมความพร้อมใช้งานของน้ำ ที่ใที่ ช้ได้ทั่ ด้ วโ ทั่ ลก
อุตสาหกรรมการขนส่ อุตสาหกรรมการขนส่ง ส่ ง การวางแผนเส้นทาง สามารถใช้ข้อ ข้ มูลขนาดใหญ่เพื่อ พื่ ทำ ความเข้าใจและประเมินความ ต้องการของผู้ที่ ผู้ จ ที่ ะใช้เส้นทางที่ แตกต่างกัน กั ในโหมดขนส่งที่ หลากหลายเพื่อ พื่ วางแผนเส้นทาง และลดเวลาในการเดินดิ ทาง การจัด จั การความแออัด อั และ การควบคุมการจราจร ใช้ในการประเมินแบบเรียลไทม์ ของความแออัด อั และรูปแบบการ จราจรที่เ ที่ป็นไปได้ ตัวอ ตั ย่าง เช่น ใช้ Google Maps เพื่อ พื่ ค้นหา เส้นทางที่สที่ ะดวกและเลี่ยลี่ งรถติดติ ระดับดั ความปลอดภัย ภั ของ การจราจร ใช้ในการวิเวิคราะห์เชิงคาดการณ์ เพื่อ พื่ ระบุพื้น พื้ ที่เ ที่สี่ย สี่ งภัย ภั จากอุบัติ บั เ ติหตุ สามารถช่วยลดอุบัติ บั เ ติหตุและเพิ่มพิ่ ระดับดั ความปลอดภัย ภั ของการจราจร
Big Data เป็นข้อ ข้ มูลที่มี ที่ มีโครงสร้างชัด ชั เจน (Structured Data) เช่น ข้อ ข้ มูลที่เ ที่ ก็บอยู่ใยู่ น ตารางข้อ ข้ มูลต่าง ๆ และฐานข้อ ข้ มูล ต่าง ๆ ปกติโติ ดยทั่วไ ทั่ ปหรืออาจเป็นข้อ ข้ มูลกึ่งมีโครงสร้าง (Semi-Structured Data) เช่น ล็อกไฟล์ (Log files) หรือแม้ก ม้ ระทั่ง ทั่ ข้อ ข้ มูลที่ไที่ ม่มี ม่ มีโครงสร้าง (Unstructured Data) เช่น ข้อ ข้ มูลการโต้ตอบปฏิสัม สั พัน พั ธ์ผ่านสัง สั คมเครือข่าย (Social Network) เช่น เฟซบุ๊ก (Facebook) ทวิต วิ เตอร์ (Twitter)ไลน์ (Line) อินอิ สตาแกรม (Instagram) หรือ ไฟล์จำ พวกมีเดียดี (Media) และข้อ ข้ มูลที่ใที่ ช้การเซนเชอร์ เช่น การตรวจจับ จั ความเร็ว ฯลฯ ฉะนั้นก่อนที่ธุ ที่ ธุ รกิจจะสามารถนำ Big Data มาใช้งานได้ ควรพิจ พิ ารณาว่าข้อ ข้ มูลจะไหลเวียวี น ไปยัง ยั สถานที่ แหล่งที่ม ที่ าระบบเจ้าของและผู้ใผู้ ช้จำ นวนมากได้อ ด้ ย่างไร มีขั้น ขั้ ตอนสำ คัญ คั ใน การจัด จั การ "โครงสร้างข้อ ข้ มูล" ขนาดใหญ่นี้ ญ่ นี้ ซึ่งรวมถึง ถึ ข้อ ข้ มูลแบบดั้ง ดั้ เดิมดิ ข้อ ข้ มูลที่มี ที่ มี โครงสร้างและข้อ ข้ มูลที่ไที่ ม่มี ม่ มีโครงสร้างและกึ่งมีโครงสร้าง สรุรุ รุ ป รุ ปสาระสำสำสำสำคัคัญ คัคั
บรรณานุนุ นุ ก นุ กรม Big data คืออะไร อธิบ ธิ ายแบบเข้าใจง่าย (ครบถ้วนใน 5 นาที)ที Big Data คืออะไร ลัก ลั ษณะข้อ ข้ มูลเป็นอย่างไร (พร้อมตัวอ ตั ย่างข้อ ข้ มูล) บทที่ 1 Big data - หม่อ ม่ มหลวงศราธิวั ธิ ฒ วั น์ ชมพูนุช Filp PDF | AnyFilp Big Data คืออะไร ? สำ คัญ คั อย่างไร วิวั วิฒ วั นาการของ Big Data สรุปชัด ชั ! "5V’’ องค์ประกอบและคุณลัก ลั ษณะที่สำที่ สำ คัญ คั ของ Big Data หน่วยที่ 1 ความรู้พื้น พื้ ฐานการจัด จั การข้อ ข้ มูลขนาดใหญ่ (Big Data)
จัจัด จัจั ทำทำทำทำโดย นางสาว คณิตา เจตนริสุทธิกุ ธิ กุ ล เลขที่ 6 นางสาว ศุภาพิชพิ ญ์ สุวรรณประเสริฐ เลขที่ 30 นางสาว สุภาพร พูลเกษม เลขที่ 34 ระดับดั วิชวิ าชีพชั้น ชั้ สูง (ปวส.1/2) แผนกวิชวิ าการบัญ บั ชี วิท วิ ยาลัยลั เทคนิคราชบุรี ครูผู้สผู้ อน นางภรภัท ภั ร มีพงษ์เภา