ทำความรู้จัก Data Analytics ศาสตร์แห่งการวิเคราะห์ พร้อม 4 รูปแบบการวิเคราะห์ข้อมูลที่ช่วยสร้างประโยชน์ให้กับองค์กร

ทำความรู้จัก Data Analytics ศาสตร์แห่งการวิเคราะห์ พร้อม 4 รูปแบบการวิเคราะห์ข้อมูลที่ช่วยสร้างประโยชน์ให้กับองค์กร

       Data Analytics คือการนำข้อมูลที่มีอยู่มาเข้าสู่กระบวนการวิเคราะห์ เพื่อนำข้อมูลไปใช้ประโยชน์ในด้านต่าง ๆ ที่ครอบคลุมในทุกอุตสาหกรรม ทั้งภาครัฐและภาคเอกชน ซึ่งจะต้องอาศัยเทคโนโลยีหรือซอฟต์แวร์เฉพาะด้านที่เข้ามาช่วยให้การประมวลผลและวิเคราะห์ข้อมูลเป็นไปอย่างแม่นยำและนำไปใช้งานได้อย่างมีประสิทธิภาพ โดยสามารถแบ่งประเภทของการวิเคราะห์ข้อมูล ได้ 4 รูปแบบ ตั้งแต่ Descriptive Analytics คือการวิเคราะห์ว่าเกิดอะไรขึ้น, Diagnostic Analytics คือการวิเคราะห์ว่าสิ่งนั้น ๆ เกิดขึ้นเพราะอะไร, Predictive Analytics คือวิเคราะห์เพื่อคาดการณ์แนวโน้มของสิ่งที่จะเกิดต่อไป และ Prescriptive Analytics คือการวิเคราะห์สิ่งที่จะเกิดขึ้นจากการใช้ทางเลือกต่าง ๆ ในเชิงแนะนำ

        Data Analytics Evolution
       –  การวิเคราะห์ข้อมูลแท้จริงแล้วเป็นเรื่องที่อยู่กับมนุษย์มาเป็นเวลานาน ซึ่งมีพื้นฐานมาจากการใช้ตัวเลขหรือสถิติ เพียงแต่ในสมัยก่อนการที่รัฐบาลหรือองค์กรจะบันทึกข้อมูล แล้วนำมาวิเคราะห์นั้น จะต้องใช้เวลานานและใช้ความพยายามอย่างสูง ตัวอย่างเช่น เมื่อย้อนกลับไปสมัยที่ยังไม่มีคอมพิวเตอร์ สำนักสำรวจสำมะโนประชากรของสหรัฐฯ ใช้เวลามากกว่า 7 ปีในการประมวลผลข้อมูลให้เสร็จสมบูรณ์

       –  แต่เมื่อยุคสมัยเปลี่ยนไป โลกเริ่มมีการพัฒนาความก้าวหน้าด้านเทคโนโลยี จนกระทั่งช่วงยุค 1940 – 1950 เป็นยุคที่องค์กรภาครัฐเริ่มใช้คอมพิวเตอร์ และเริ่มมีการวิเคราะห์ข้อมูลเกิดขึ้น รวมทั้งการวิเคราะห์ข้อมูลเริ่มถูกนำไปใช้ในองค์กรด้านงานวิจัยมากขึ้น โดยค่อย ๆ เริ่มจากการรวบรวมข้อมูลแบบออฟไลน์และวิเคราะห์ด้วยตนเอง

       –  ต่อเนื่องสู่ช่วงปลายยุค 1960 Analytics เริ่มได้รับความสนใจมากขึ้นเมื่อคอมพิวเตอร์กลายเป็นระบบสนับสนุนการตัดสินใจในด้านต่าง ๆ ทำให้มีการพัฒนาเทคโนโลยีเกิดขึ้น เช่น องค์กรด้านไอทีที่มีชื่อเสียงอย่าง IBM ได้คิดค้นเทคโนโลยีการเก็บข้อมูล “Disk storage” เป็นจุดเริ่มต้นของการเข้าถึงข้อมูลและแบ่งปันข้อมูลระหว่างคอมพิวเตอร์ได้ รวมทั้งมีการพัฒนาระบบจัดการฐานข้อมูล (DBMS) อีกด้วย เป็นยุคแรกเริ่มของการนำเทคโนโลยีมาช่วยในการวิเคราะห์ข้อมูลอย่างเห็นได้ชัด

       –  ต่อมาในยุค 1970 – 1980 ด้วยการพัฒนาของยุคสมัยและเทคโนโลยีที่รวดเร็ว บริษัทด้านเทคโนโลยี และสตาร์ทอัพหลายแห่ง ได้พัฒนานวัตกรรมที่เกี่ยวข้องกับข้อมูลขึ้นมามากมาย ไม่ว่าจะเป็น Relational database, Data warehouse, Decision support systems (DSS), SQL รวมทั้ง ETL เป็นต้น

       –  จนเข้าสู่ยุค 1990 การค้นหาออนไลน์ได้รับความนิยมมากขึ้น ทั้งในภาคธุรกิจและประชาชนทั่วไป โดยบริษัทยักษ์ใหญ่อย่าง Google, Amazon และ eBay เนื่องจากข้อมูลที่เพิ่มมากขึ้นเป็นจุดเริ่มต้นให้โลกเกิดคำว่า ข้อมูลมหาศาล หรือ Big data ขึ้นมา และทำให้เกิดนวัตกรรมต่าง ๆ ตามมา ไม่ว่าจะเป็น Database marketing, Data mart, OLAP, Data mining และ Data visualization ซึ่งเข้ามาช่วยในวิเคราะห์ข้อมูลแนวโน้มทางธุรกิจ ซึ่งทำให้ได้ข้อสรุปและคำแนะนำที่ดีขึ้นกว่าในยุคสมัยก่อน ๆ อย่างมาก ช่วยให้การทำธุรกิจมีประสิทธิภาพยิ่งขึ้น แต่ในขณะเดียวกัน เมื่อปริมาณข้อมูลมีการเพิ่มมากขึ้นอย่างรวดเร็ว หลายองค์กรจึงเริ่มพบปัญหาในการจัดเก็บและการประมวลผลข้อมูล

       –  จนมาถึงยุคปี 2000 จนถึงปัจจุบัน ซึ่งเป็นยุคของการใช้สมาร์ทโฟน, แอปพลิเคชัน หรืออุปกรณ์ที่เชื่อมต่อต่าง ๆ ซึ่งเป็นยุคเกิดการแข่งขันทางธุรกิจที่สูงมาก เพื่อเอาชนะใจลูกค้า ทำให้เกิดแพลตฟอร์มที่เกี่ยวกับการประมวลผลการวิเคราะห์ออนไลน์เกิดขึ้น และเกิดข้อมูลที่ไม่มีโครงสร้างขึ้นมากมาย ถือเป็นจุดเริ่มต้นของฐานข้อมูลรูปแบบใหม่ที่เรียกว่า NoSQL โดยในยุคนี้บริษัทไอทีทั่วโลก ได้มีการพัฒนาเทคโนโลยีใหม่ ๆ ออกมาเพื่อตอบโจทย์ความต้องการของธุรกิจ ไม่ว่าจะเป็น NoSQL, Cloud storage, Cloud computing, AI และ ML เป็นต้น ซึ่งเทคโนโลยีเหล่านี้ถูกพัฒนามาเพื่อลดข้อจำกัดในการจัดเก็บข้อมูล ช่วยให้สามารถประมวลผลข้อมูลได้เร็วและแม่นยำขึ้น สามารถนำข้อมูลไปวิเคราะห์ขั้นสูงเพื่อหาข้อมูลเชิงลึกที่เป็นประโยชน์ต่อธุรกิจ ทำให้ความสามารถของการทำ Data analytics นั้น ก็มีการยกระดับขึ้นไปพร้อมกับการพัฒนาของเทคโนโลยีต่อเนื่องมาจนถึงปัจจุบัน

         Descriptive Analytics คือการวิเคราะห์ข้อมูลแบบพื้นฐาน เพื่อแสดงผลที่เกิดขึ้น หรือกำลังจะเกิดขึ้น จากข้อมูลในอดีต ในลักษณะที่เข้าใจง่ายสามารถสร้างขึ้นได้ด้วยตนเอง เช่น รายงาน แผนภูมิ กราฟ ตาราง เป็นต้น ซึ่งจะช่วยให้เข้าใจการเปลี่ยนแปลงที่เกิดขึ้นกับองค์กรได้ดียิ่งขึ้น เช่น การเปลี่ยนแปลงของราคาสินค้ารายปี การเติบโตของยอดขายรายเดือน การเปรียบเทียบยอดขายในแต่ละสาขาหรือแต่ละช่องทาง การเปรียบเทียบจำนวนผู้ใช้งานเว็บไซต์ในแต่ละช่วงเวลา เป็นต้น ซึ่ง Descriptive Analytics คือการอธิบายสิ่งที่เกิดขึ้นตามวัตถุประสงค์และช่วงเวลาที่กำหนดนั่นเอง

        Diagnostic Analytics คือการวิเคราะห์เชิงวินิจฉัย ซึ่งเป็นรูปแบบหนึ่งของการวิเคราะห์ขั้นสูงแบบเจาะลึก โดยการวิเคราะห์ข้อมูลที่ได้จากการทำ Descriptive Analytics เพื่อหาคำตอบว่าทำไมจึงเกิดสิ่งนั้น ๆ หรืออธิบายปัจจัยและตัวแปรที่เป็นสาเหตุของการเกิดสิ่งนั้น ๆ ขึ้น ซึ่งจะต้องอาศัยเทคนิคต่าง ๆ เข้ามาช่วย เช่น การทำ Data discovery หรือ Data mining เป็นต้น ตัวอย่างการวิเคราะห์ข้อมูลเชิงวินิจฉัย เช่น อธิบายสาเหตุที่ทำให้ยอดขายเพิ่มขึ้น จำนวนผู้ใช้ที่เข้าชมเว็บไซต์เพิ่มขึ้น จำนวนลูกค้าที่เข้าใช้บริการที่หน้าร้านลดลง โปรโมชันที่ไม่ค่อยได้รับความนิยม เนื้อหาโฆษณาที่ได้ CTR% มากกว่าเนื้อหาอื่น ๆ หรือวิเคราะห์การทำงานของเครื่องคอมพิวเตอร์เพื่อตรวจจับความผิดปกติ เป็นต้น ข้อมูลเหล่านี้จะทำให้องค์กรรู้ถึงความต้องการของตลาด เข้าใจพฤติกรรมของลูกค้า รู้สาเหตุของปัญหาด้านเทคโนโลยี รวมถึงสามารถปรับปรุงวัฒนธรรมองค์กร เพื่อการทำงานที่ดีขึ้น

       Predictive Analytics คือการวิเคราะห์ข้อมูลทั้งข้อมูลในอดีตและปัจจบุันออกมาในเชิงคาดการณ์ ทำนาย หรือการพยากรณ์ เพื่อหาแนวโน้มที่จะเกิดสิ่งต่าง ๆ ขึ้นตามวัตถุประสงค์ที่กำหนด โดยการสร้างแบบจำลองทางสถิติ บวกกับการนำเทคโนโลยีปัญญาประดิษฐ์มาใช้ ซึ่งสามารถสร้างประโยชน์ได้มากมายในหลายแง่มุม เช่น การคาดการณ์ความเสี่ยงและโอกาส ยอดขาย ภัยไซเบอร์ สภาพอากาศ การลงทุน หุ้น หรือผลการเลือกตั้ง เป็นต้น อย่างไรก็ตามการทำ Predictive Analytics ที่ถูกต้องและแม่นยำนั้น ขึ้นอยู่กับคุณภาพของข้อมูล ซึ่งเป็นสิ่งที่องค์กรควรให้ความสำคัญเป็นอันดับแรก โดยการเตรียมข้อมูลให้มีคุณภาพที่ดีและเหมาะสม ก่อนนำไปใช้วิเคราะห์เพื่อให้เกิดผลลัพธ์ที่มีประสิทธิภาพ ลดข้อผิดพลาด และเกิดประโยชน์อย่างแท้จริง

       Prescriptive Analytics คือการวิเคราะห์แบบให้คำแนะนำ ซึ่งเป็นการวิเคราะห์ที่มีความซับซ้อนมากที่สุด ต่อเนื่องจากการทำ Predictive Analytics กล่าวคือ เมื่อได้ข้อมูลแนวโน้มที่จะเกิดบางสิ่งขึ้นแล้ว การทำ Prescriptive Analytics จะช่วยแนะนำแนวทางการดำเนินการในขั้นตอนต่อไปที่เหมาะสมที่สุด และวิเคราะห์ไปถึงผลที่จะเกิดขึ้นถ้าหากเลือกปฏิบัติตามแนวทางนั้น ๆ หรือแม้แต่แนะนำแนวทางในการรับมือและแก้ไขปัญหา การวิเคราะห์แบบให้คำแนะนำจึงถือเป็นเครื่องมือที่สำคัญอย่างมากสำหรับการตัดสินใจที่ขับเคลื่อนด้วยข้อมูล การวิเคราะห์แบบให้คำแนะนำคือทำงานร่วมกันระหว่าง Big data อัลกอริธึมของ Machine learning และเทคโนโลยี AI เพื่อช่วยในการวิเคราะห์ข้อมูลจำนวนมหาศาลที่มีความซับซ้อนเกินกว่าที่มนุษย์จะทำได้ ซึ่งการทำ Prescriptive Analytics ยังช่วยเพิ่มประสิทธิภาพในการตัดสินใจด้านต่าง ๆ ไม่ว่าจะเป็น ด้านการลงทุน ด้านการตลาด ด้านการตรวจจับการฉ้อโกง (Fraud Detection) ในอุตสาหกรรมธนาคาร ด้านการพัฒนาและปรับปรุงผลิตภัณฑ์ เป็นต้น ซึ่งนับว่าการวิเคราะห์ที่ทรงพลังเป็นอย่างมาก และเป็นแรงขับเคลื่อนสำคัญที่จะช่วยให้องค์กรสามารถบรรลุเป้าหมายทางธุรกิจได้อย่างรวดเร็วและมีประสิทธิภาพ

ขอบคุณข้อมูลอ้างอิงจาก
www.techtarget.com/searchdatamanagement/definition/data-analytics
www.dataversity.net/brief-history-analytics/
www.analyticsinsight.net/evolution-of-analytics-over-the-years/
www.online.hbs.edu/blog/post/types-of-data-analysis
www.afterinc.com/2018/12/28/brief-history-predictive-analytics-part-1/
www.afterinc.com/2019/01/03/brief-history-predictive-analytics-part-2/
www.afterinc.com/2019/01/15/brief-history-predictive-analytics-part-3/
www.studyonline.unsw.edu.au/blog/descriptive-predictive-prescriptive-analytics 
www.investopedia.com/terms/d/descriptive-analytics.asp
www.gartner.com/en/information-technology/glossary/diagnostic-analytics#
www.online.hbs.edu/blog/post/diagnostic-analytics 
www.dataversity.net/brief-history-analytics/
www.scnsoft.com/blog/4-types-of-data-analytics
www.online.hbs.edu/blog/post/prescriptive-analytics 
www.talend.com/resources/what-is-prescriptive-analytics/ 

Related Contents

3 ตำแหน่งงาน สาย Data ที่กำลังมาแรง!
Share Knowledge
3 ตำแหน่งงาน สาย Data ที่กำลังมาแรง!
เปิดตัว Blendata แพลตฟอร์ม Big Data เจนฯใหม่ ตอบสนองทุกความต้องการของธุรกิจ ให้ทุกคนเข้าถึงข้อมูลได้ง่ายกว่า ครั้งแรกในประเทศไทย
Activities
เปิดตัว Blendata แพลตฟอร์ม Big Data เจนฯใหม่ ตอบสนองทุกความต้องการของธุรกิจ ให้ทุกคนเข้าถึงข้อมูลได้ง่ายกว่า ครั้งแรกในประเทศไทย
3 ปัญหาหลัก ในการทำ Big Data ที่องค์กรต้องเจอ!
Share Knowledge
3 ปัญหาหลัก ในการทำ Big Data ที่องค์กรต้องเจอ!
Blendata Enterprise แพลตฟอร์มบริหารจัดการ Big Data แบบครบวงจร ช่วยธุรกิจและองค์กรให้สามารถใช้ประโยชน์จาก ‘Big Data’ ได้อย่างรวดเร็วและมีประสิทธิภาพ
Share Knowledge
Blendata Enterprise แพลตฟอร์มบริหารจัดการ Big Data แบบครบวงจร ช่วยธุรกิจและองค์กรให้สามารถใช้ประโยชน์จาก ‘Big Data’ ได้อย่างรวดเร็วและมีประสิทธิภาพ
Blendata ผนึก AIS 5G เปิดบริการแพลตฟอร์ม Big Data อัจฉริยะ AIS Big Data as a Service บนระบบ Cloud ชูลดเวลา ประหยัดต้นทุน ปลอดภัยสูง
Share Knowledge
Blendata ผนึก AIS 5G เปิดบริการแพลตฟอร์ม Big Data อัจฉริยะ AIS Big Data as a Service บนระบบ Cloud ชูลดเวลา ประหยัดต้นทุน ปลอดภัยสูง
ยุค Society 5.0 คืออะไร? เทคโนโลยีจะมีบทบาทกับชีวิตมากแค่ไหน? ทำไม? ธุรกิจต้องเร่งปรับตัว ตั้งรับการเปลี่ยนแปลง
Share Knowledge
ยุค Society 5.0 คืออะไร? เทคโนโลยีจะมีบทบาทกับชีวิตมากแค่ไหน? ทำไม? ธุรกิจต้องเร่งปรับตัว ตั้งรับการเปลี่ยนแปลง
3 ตำแหน่งงาน สาย Data ที่กำลังมาแรง!
Share Knowledge
3 ตำแหน่งงาน สาย Data ที่กำลังมาแรง!
เปิดตัว Blendata แพลตฟอร์ม Big Data เจนฯใหม่ ตอบสนองทุกความต้องการของธุรกิจ ให้ทุกคนเข้าถึงข้อมูลได้ง่ายกว่า ครั้งแรกในประเทศไทย
Activities
เปิดตัว Blendata แพลตฟอร์ม Big Data เจนฯใหม่ ตอบสนองทุกความต้องการของธุรกิจ ให้ทุกคนเข้าถึงข้อมูลได้ง่ายกว่า ครั้งแรกในประเทศไทย
3 ปัญหาหลัก ในการทำ Big Data ที่องค์กรต้องเจอ!
Share Knowledge
3 ปัญหาหลัก ในการทำ Big Data ที่องค์กรต้องเจอ!
Blendata Enterprise แพลตฟอร์มบริหารจัดการ Big Data แบบครบวงจร ช่วยธุรกิจและองค์กรให้สามารถใช้ประโยชน์จาก ‘Big Data’ ได้อย่างรวดเร็วและมีประสิทธิภาพ
Share Knowledge
Blendata Enterprise แพลตฟอร์มบริหารจัดการ Big Data แบบครบวงจร ช่วยธุรกิจและองค์กรให้สามารถใช้ประโยชน์จาก ‘Big Data’ ได้อย่างรวดเร็วและมีประสิทธิภาพ
Blendata ผนึก AIS 5G เปิดบริการแพลตฟอร์ม Big Data อัจฉริยะ AIS Big Data as a Service บนระบบ Cloud ชูลดเวลา ประหยัดต้นทุน ปลอดภัยสูง
Share Knowledge
Blendata ผนึก AIS 5G เปิดบริการแพลตฟอร์ม Big Data อัจฉริยะ AIS Big Data as a Service บนระบบ Cloud ชูลดเวลา ประหยัดต้นทุน ปลอดภัยสูง
ยุค Society 5.0 คืออะไร? เทคโนโลยีจะมีบทบาทกับชีวิตมากแค่ไหน? ทำไม? ธุรกิจต้องเร่งปรับตัว ตั้งรับการเปลี่ยนแปลง
Share Knowledge
ยุค Society 5.0 คืออะไร? เทคโนโลยีจะมีบทบาทกับชีวิตมากแค่ไหน? ทำไม? ธุรกิจต้องเร่งปรับตัว ตั้งรับการเปลี่ยนแปลง
3 ตำแหน่งงาน สาย Data ที่กำลังมาแรง!
Share Knowledge
3 ตำแหน่งงาน สาย Data ที่กำลังมาแรง!
เปิดตัว Blendata แพลตฟอร์ม Big Data เจนฯใหม่ ตอบสนองทุกความต้องการของธุรกิจ ให้ทุกคนเข้าถึงข้อมูลได้ง่ายกว่า ครั้งแรกในประเทศไทย
Activities
เปิดตัว Blendata แพลตฟอร์ม Big Data เจนฯใหม่ ตอบสนองทุกความต้องการของธุรกิจ ให้ทุกคนเข้าถึงข้อมูลได้ง่ายกว่า ครั้งแรกในประเทศไทย
3 ปัญหาหลัก ในการทำ Big Data ที่องค์กรต้องเจอ!
Share Knowledge
3 ปัญหาหลัก ในการทำ Big Data ที่องค์กรต้องเจอ!
Blendata Enterprise แพลตฟอร์มบริหารจัดการ Big Data แบบครบวงจร ช่วยธุรกิจและองค์กรให้สามารถใช้ประโยชน์จาก ‘Big Data’ ได้อย่างรวดเร็วและมีประสิทธิภาพ
Share Knowledge
Blendata Enterprise แพลตฟอร์มบริหารจัดการ Big Data แบบครบวงจร ช่วยธุรกิจและองค์กรให้สามารถใช้ประโยชน์จาก ‘Big Data’ ได้อย่างรวดเร็วและมีประสิทธิภาพ
Blendata ผนึก AIS 5G เปิดบริการแพลตฟอร์ม Big Data อัจฉริยะ AIS Big Data as a Service บนระบบ Cloud ชูลดเวลา ประหยัดต้นทุน ปลอดภัยสูง
Share Knowledge
Blendata ผนึก AIS 5G เปิดบริการแพลตฟอร์ม Big Data อัจฉริยะ AIS Big Data as a Service บนระบบ Cloud ชูลดเวลา ประหยัดต้นทุน ปลอดภัยสูง
ยุค Society 5.0 คืออะไร? เทคโนโลยีจะมีบทบาทกับชีวิตมากแค่ไหน? ทำไม? ธุรกิจต้องเร่งปรับตัว ตั้งรับการเปลี่ยนแปลง
Share Knowledge
ยุค Society 5.0 คืออะไร? เทคโนโลยีจะมีบทบาทกับชีวิตมากแค่ไหน? ทำไม? ธุรกิจต้องเร่งปรับตัว ตั้งรับการเปลี่ยนแปลง

We use cookie to give you the best online experience Please let us know if you agree to all of these cookie.

We use cookie to give you the best online experience Please let us know if you agree to all of these cookie.

©2021 Blendata. All right reserved.

©2021 Blendata. All right reserved.