�������ԧ�س�Ҿ (Qualitative data) ���¶֧�����ŷ���ʴ��֧ʶҹ�Ҿ �س�ѡɳ� ���ͤس���ѵ� �� �� ���ͪҵ� ʶҹ�Ҿ���� ��ʹ� ��������ʹ �繵� Show
10 Jul คุณลักษณะและกระบวนการเจาะ Big Data มาใช้งานคุณลักษณะสำคัญ 4 อย่างของ Big DataBig Data มีคุณลักษณะสำคัญอยู่ 4 อย่างคือ ต้องเป็นข้อมูลที่มีจำนวนมากขนาดมหาศาล (Volume) มีความซับซ้อนหลากหลาย (Variety) มักจะเปลี่ยนแปลงอย่างรวดเร็วอยู่ตลอดเวลา (Velocity) และยังไม่สามารถนำมาใช้เป็นข้อมูลที่สมบูรณ์เพื่อนำมาใช้ในการประกอบการพิจารณาได้ (Veracity) ข้อมูลมากมายมหาศาลเป็นอย่างไร (Volume)ข้อมูลจำนวนมหาศาลนี้ได้มาจากการดำเนินธุรกิจ เช่น ข้อมูลจากทุกแผนก การเงิน บัญชี ฝ่ายขาย การตลาด ลูกค้าสัมพันธ์ ฯลฯ หรือ จากบทสนทนาของเรากับลูกค้าใน Social Media ทั้งหมด ไม่ว่าจะแบบ Online หรือ offline ไปจนถึง URLs ที่คุณ Bookmarks เอาไว้ จะจัดเก็บในรูปแบบไหนประเภทใดก็ได้ ซึ่งในแต่ละวันข้อมูลใหม่พวกนี้ก็จะมีเข้ามาตลอด วันหนึ่งก็ถือว่ามากมายแล้ว ยิ่งถ้าข้อมูลที่มีจำนวนมากเข้ามาตลอดวัน 7 วันในหนึ่งอาทิตย์ เข้ามาทุกเดือนตลอดทั้งปี รวมกันหลายๆ ปีจะมากมายก่ายกองขนาดไหน ข้อมูลที่มีความหลากหลายและซับซ้อน (Variety)เอาเป็นว่าทุกรูปแบบที่คุณพอจะนึกออกนับเป็นความหลากหลายและความซับซ้อนได้ทั้งหมด ไม่ว่าจะเป็น Behavioral data: ข้อมูลเชิงพฤติกรรมการใช้งานต่างๆ หรือ Image & sounds: ภาพ, วีดีโอ, ข้อมูลเสียงที่ถูกบันทึกไว้ รวมทั้ง Languages: ข้อความใดๆที่เกิดขึ้นในเว็บไซต์ ไปจนถึง Records: ข้อมูลที่เก็บไว้อยู่ในสกุลไฟล์ใดๆ เช่น .bmp .gif .jpeg .png .tif .tiff .svg .doc .docx .odt .pdf .rtf .tex และอื่นๆอีกมากมาย ความหลากรูปแบบและความซับซ้อนของข้อมูลนี่เองที่เป็นส่วนหนึ่งของ Big Data ข้อมูลที่มีการเปลี่ยนแปลงอย่างรวดเร็วอยู่ตลอดเวลา (Velocity)อัตราการเพิ่มขึ้นของข้อมูลเป็นไปด้วยความรวดเร็ว เช่น ข้อมูลการพิมพ์สนทนา ข้อมูลการอัดภาพวีดีโอ ข้อมูลการสั่งซื้อสินค้า ข้อมูลโปรโมชั่นต่างๆ หรือ ข้อมูล Sensor เป็นต้น ลองสังเกตุว่าในทุกๆ วัน ทุกๆ ชั่วโมง หน้าเฟสบุคของเรามีการฟีดข้อมูลมามากมายแค่ไหน ดังนั้นถ้าองค์กรธุรกิจใดสามารถนำข้อมูลเหล่านั้นไปใช้ให้เกิดประโยชน์ได้ ก็จะสามารถได้เปรียบทางธุรกิจ ข้อมูลที่มีความไม่ชัดเจน (Veracity)เป็นข้อมูลที่มีความคลุมเครือ มีความไม่แน่นอน เนื่องจากข้อมูลมีความหลากหลายและมาจากแหล่งต่างๆ เช่น Facebook, Twitter, Youtube ซึ่งเป็นสิ่งที่ยากที่เราจะสามารถควบคุมคุณภาพของข้อมูลได้ข้อมูลที่มีคุณภาพนั้นจะต้องถูกต้องแม่นยำและเชื่อถือได้ ถ้าข้อมูลไร้คุณภาพก็จะส่งผลต่อการวิเคราะห์ต่อไป แต่เราจะทำให้ข้อมูลที่ยังไม่ได้คุณภาพนี้กลายเป็นข้อมูลที่ดีได้อย่างไร ขึ้นอยู่กับวิธีในการเก็บและกระบวนการทำ Data Cleansing กระบวนการจาก Big Data สู่ความสัมพันธ์ของข้อมูลบางคนอาจสงสัยว่าวิธีการประมวลผล แยกแยะ วิเคราะห์ของ Big Data จะเป็นไปอย่างไร เราสามารถอธิบายคร่าวๆได้ดังนี้ 1. Storage: การรวบรวมข้อมูลมาจัดเก็บการรวบรวมข้อมูลจากแหล่งต่างๆ ทั้งข้อมูลที่มีคุณภาพ ข้อมูลที่คาดว่าจะมีประโยชน์ / ไม่ครบถ้วน ข้อมูลรูปภาพ วิดีโอ ไฟล์เสียงทั้งหลาย ถูกส่งมาจัดเก็บที่ถังข้อมูล 2. Processing: การประมวลผลเมื่อข้อมูลต่างๆถูกนำมารวมกันไว้ในที่เดียวแล้ว จะถูกนำไปจัดหมวดหมู่ข้อมูลที่มีความเกี่ยวข้องสัมพันธ์กัน ให้ผลคล้ายคลึงกัน แล้วนำมาเปลี่ยนเป็นรูปแบบข้อมูลเพื่อเอาเข้าระบบคลังข้อมูลที่ผ่านการประมวลผลแล้ว 3. Analyst: การวิเคราะห์และนำเสนอจากนั้นข้อมูลมากมายทั้งหมดที่ถูกจัดเรียงแล้วในหลายมิติจะถูกนำมาวิเคราะห์หา Pattern ของข้อมูลที่มองไม่เห็นด้วยตาเปล่า เช่น หารูปแบบความสัมพันธ์ที่ซ่อนอยู่ หาแนวโน้มการตลาด เทรนด์ความชอบของลูกค้า และข้อมูลอื่นๆที่เป็นประโยชน์ทางธุรกิจ และถูกนำเสนอออกมาในรูปแบบที่เข้าใจง่ายผ่านทางสถิติ กราฟ หรือรูปภาพนั่นเอง เเม้ว่าเราจะรู้ว่า Big Data ได้ถูกพูดถึงมาสักระยะแล้ว ประโยชน์ที่เกิดขึ้นจริงคืออะไร เราชวนคุณอ่านต่อที่นี่ เนื้อหาที่เกี่ยวข้อง
ข้อมูลเชิงคุณลักษณะคืออะไรลักษณะข้อมูลเชิงคุณลักษณะ หมายถึง ลักษณะประจำตัวหรือ ลักษณะที่มีความแปรผันในการชี้วัดปรากฏการณ์ต่างๆตามธรรมชาติ โดยจะระบุถึงสถานที่ที่ทำการศึกษา ในช่วงระยะเวลาหนึ่งๆ ลักษณะข้อมูลเชิงคุณลักษณะ (Attribute) อาจมีลักษณะที่ต่อเนื่องกัน เช่น เส้นชั้นระดับความสูง (Terrain Elevation) หรือเป็นลักษณะที่ไม่ต่อเนื่อง เช่น จำนวน ...
ลักษณะข้อมูลประจำของระบบสารสนเทศภูมิศาสตร์มีลักษณะอย่างไรลักษณะข้อมูลในระบบสารสนเทศภูมิศาสตร์
โลกมีความสลับซับซ้อนมากเกินกว่าที่จะเก็บข้อมูลทั้งหมดเกี่ยวกับโลกไว้ในรูปข้อมูลด้วยระบบคอมพิวเตอร์ จึงต้องเปลี่ยนปรากฏการณ์บน ผิวโลกจัดเก็บในรูปของตัวเลขเชิงรหัส (digital form) โดยแทนปรากฏการณ์เหล่านั้นด้วยลักษณะทางภูมิศาสตร์ที่เรียกว่าฟีเจอร์ (feature)
ข้อมูลเชิงพื้นที่ มีกี่ลักษณะ2.1 ลักษณะข้อมูลเชิงพื้นที่ แบ่งได้ 2 ประเภท คือ Vector และ Raster.
ข้อมูลใดแสดงเป็น Pointจุด (Point)
ลักษณะทางภูมิศาสตร์ที่มีตำแหน่งที่ตั้งเฉพาะเจาะจง หรือมีเพียงอย่างเดียว สามารถแทนได้ด้วยจุด (Point Feature) หมุดหลักเขต บ่อน้ำ จุดชมวิว
|