ความฉลาดทางธุรกิจ (Business Intelligence)
Business Intelligence

นิยาม BI ใน gotoknow.org
" Business Intelligence (ความฉลาดทางธุรกิจ) เกิดขึ้นมาจากศาสตร์ความรู้ด้านต่างๆ หลายด้านผสมกัน เพราะโลกยุคใหม่เป็นยุคของข้อมูลข่าวสาร และเป็นความรู้แบบสหวิทยาการ ที่ผู้บริหารต้องมีความรู้หลาย ๆ ด้าน "

Business Intelligence (BI) คือ ซอฟต์แวร์ที่นำ ข้อมูลที่มีอยู่ เพื่อจัดทำ รายงานในรูปแบบต่าง ๆ ที่เหมาะสมกับ มุมมองในการวิเคราะห์ แสดงความสัมพันธ์ และทำนายผลลัพธ์ของแนวโน้ม ที่อาจเกิดขึ้นได้ ตรงตาม ความต้องการขององค์กร เพื่อประโยชน์ในการวางแผนกลยุทธด้านต่าง ๆ
Business Intelligence ประกอบด้วย ระบบข้อมูล และโปรแกรมแอพพลิเคชั่น ด้านการวิเคราะห์ มากมายหลายระบบ เช่น 1) ดาต้าแวร์เฮ้าส์ (Data Warehouse) 2) ดาต้ามาร์ท (Data Mart) 3) การทำเหมืองข้อมูล (Data Mining) 4) การแก้ปัญหาทางคณิตศาสตร์ (Operations Research & Numerical Methods) 5) เครื่องมือที่ใช้ในการวิเคราะห์ข้อมูลในหลายมิติ (OLAP) แบบประมวลผลทันทีที่ป้อนข้อมูลเข้าไป และ 6) ระบบสืบค้นและออกรายงานต่าง ๆ
MIT
Computer in Business
ธุรกิจและการเป็นผู้ประกอบการ
MIS
SWOT
Decision Support System
What is Research?
Analysis by SPSS #16
DB : Northwind
DB : MySQL
Report by PHP
Report by Flash
Report by JAVA
ปฏิสัมพันธ์ระหว่างมนุษย์กับคอมพิวเตอร์
Data Scientist
Data Mining
Association rule : Apriori
Clustering : K-Means
Classification : Decision tree
WEKA for Data Mining
Rapidminer for Data Mining
สอนนักศึกษา อยากสอน ให้เค้าเชื่อ
เรียนเนี่ยเพื่อ ประโยชน์ เพิ่มทักษะ
อาจได้ใช้ ภายหน้า เลี้ยงชีพนะ
หากไม่เชื่อ พอใช้ ไม่พบเอา


+ FB Page : BICommunities
ความหมายของ Business และ Intelligence
Business (ธุรกิจ) หมายถึง การทำกิจกรรมของกลุ่มบุคคล หรือบุคคล ที่เกี่ยวข้องกับการจำหน่าย การผลิต และการบริการ โดยมีจุดมุ่งหมายที่ต้องการได้รับผลตอบแทน หรือผลกำไรจากการดำเนินกิจกรรมนั้นอย่างเป็นระบบ มีระเบียบตามเกณฑ์เพื่อตอบสนองความต้องการของประชาชน หรือผู้บริโภค # หรือ ธุรกิจ หมายถึง ความพยายามที่เป็นแบบแผนของนักธุรกิจในการผลิต และขายสินค้า หรือบริการ เพื่อสนองความต้องการของสังคมโดยมุ่งหวังกำไร #
Intelligence คือ สติปัญญา หรือความฉลาด ซึ่ง ระดับของสติปัญญา สังเกตได้จากการแสดงออก ที่มี ความคล่องแคล่ว รวดเร็ว ความถูกต้อง ความสามารถในการคิด การแก้ปัญหาและการปรับตัว # #
ความสำคัญของธุรกิจ ธุรกิจ เป็นองค์กรที่ดำเนินการเพื่อตอบสนองความต้องการของผู้บริโภคและประชาชน และธุรกิจยังมีผลต่อการพัฒนาประเทศในด้านต่าง ๆ ดังนี้
1. ธุรกิจทำให้เกิดการนำทรัพยากรที่มีอยู่ในประเทศมาใช้ให้เกิดประโยชน์
2. ธุรกิจช่วยให้ผู้บริโภคได้ใช้สินค้าหรือบริการ และเป็นการพัฒนาความเป็นอยู่ของประชาชนให้ดีขึ้น
3. ธุรกิจช่วยเพิ่มพูนรายได้ให้กับประเทศในรูปแบบของภาษีอากร
4. เกิดความก้าวหน้าทางเทคโนโลยี มีการนำเครื่องจักรที่ทันสมัยมาใช้ในการผลิตสินค้า มีเครื่องมือสื่อสารที่มีความก้าวหน้าทางเทคโนโลยี เช่น โทรศัพท์มือถือ อินเตอร์เน็ต
5. ธุรกิจทำให้เกิดการจ้างงาน ช่วยลดปัญหาการว่างงานและปัญหาทางสังคม
+ im2market.com
ธุรกิจแบ่งตามประเภท อ้างอิงหมวดหมู่ธุรกิจจากตลาดหลักทรัพย์แห่งประเทศไทย (wiki)
1. ธุรกิจการเกษตร
2. ธุรกิจการท่องเที่ยวและนันทนาการ
3. ธุรกิจการแพทย์
4. ธุรกิจขนส่งและโลจิสติกส์
5. ธุรกิจของใช้ส่วนตัวและเวชภัณฑ์
6. ธุรกิจเครื่องใช้ในครัวเรือน
7. ธุรกิจเงินทุนและหลักทรัพย์
8. ธุรกิจเทคโนโลยีสารสนเทศและการสื่อสาร
9. ธุรกิจแฟชั่น
10. ธุรกิจวัสดุก่อสร้าง
11. ธุรกิจเหมืองแร่
12. ธุรกิจประกันภัยและประกันชีวิต
13. ธุรกิจปิโตรเลียมและเคมีภัณฑ์
14. ธุรกิจพลังงานและสาธารณูปโภค
15. ธุรกิจพัฒนาอสังหาริมทรัพย์
16. ธุรกิจพาณิชย์
17. ธุรกิจยานยนต์
18. ธุรกิจวัสดุอุตสาหกรรมและเครื่องจักร
19. ธุรกิจสื่อและสิ่งพิมพ์
20. ธุรกิจอาหารและเครื่องดื่ม
BI Evolution
The evolution of BI -- and its future
1980s : Report : What happened? เกิดอะไรขึ้น
1990s : Analyze : Why did it happen? ทำไมเกิดขึ้น
2000s : Monitor : What's happening? อะไรกำลังเกิดขึ้น
2010s : Predict : What will happen? อะไรจะเกิดขึ้น
2020s : Embed Reports : Prompt Action รายงานทันทีทันใด
สถาปัตยกรรมอัจฉริยะภาพทางธุรกิจ
Business intelligence is an important to ensure the following: Various decision-makers and analyst have a direct and un-interrupted access to data. The data been used across the organization should be non-disputable. Decision makers spend their time analyzing the data rather than collecting and formatting them. Decision makers are able to focus their energy in improving the business process rather than searching for data across systems. Decision makers can instantaneously carry out what if analysis without much manual intervention. Data management is done from enterprise perspective rather than at a departmental level. Data is considered as a strategic resource rather than as an input for business intelligence process.
+ Business forecast is used supply and demand side of business users. #
+ Majority of the decision-making process is done through an automated process. #
+ Data is shared effortlessly within the company. #
+ Reports generated utilize primary and secondary data without any additional efforts. #
For business intelligence to ensure the above it is necessary that it has a robust (แข็งแรง) architecture. Business intelligence architecture is divided into six critical elements.
1. การจัดการข้อมูล (Data Management)
2. เครื่องมือแปลงข้อมูล (Transformation Tools)
3. คลังข้อมูล (Data Repositories)
4. เครื่องมือวิเคราะห์ และนำเสนอ (Analytical Tools and Presentation)
5. เครื่องมือนำเสนอ (Presentation Tools and Applications)
6. กระบวนการปฏิบัติการ (Operational Process)
+ managementstudyguide.com
7-11 กับ ตลาดย้อนยุค

@facebook.com/BeLeafGarden
คำถาม "ทำไมคนไม่เดินตลาด หายไปไหนหมด" แล้วภาครัฐ ผู้ว่าฯ ผู้ใหญ่ เจ้านาย (ลูกค้า) จะมีมาตรการอะไร ช่วยเหลือชาวตลาดโบราณย้อนยุค หรือ ปล่อยไปตามวิถี เหมือนเรื่องอื่น
จากใจลูกค้าท่านหนึ่ง แชร์ในไลน์ว่า
"เป็นทุกอย่างให้เธอแล้ววว ในที่สุด 7-11 ก็มีสองชั้นจนได้!! ที่รังสิตเป็นสาขาแรกในไทย และยังเป็นสาขาแรกที่มี All Cafe Gold ด้วยนะ ทีเด็ดอยู่ตรงชั้น 2 มีที่ให้นั่งกินแบบชิลล์ ๆ มีเบเกอรี่ ข้าว ก๋วยเตี๋ยว เครื่องดื่ม ให้สั่ง อะๆๆ ไม่ใช่อาหารเวฟอย่างที่คิดนาจาา ทำใหม่แบบสด ๆ ยอมใจเลยอะ แทบจะหาซื้อทุกอย่างได้ในเซเว่นละเด้ออออ
พิกัด : 7-Eleven สาขา BeLeaf Garden Community of Dining (ด้านหน้า รพ.แพทย์รังสิต)"
พฤติกรรมคนไทย ท่องเน็ตทำอะไรบ้าง

เรื่อง "ส่อง 5 พฤติกรรมคนไทย ท่องเน็ตทำอะไรบ้าง" รายงานปี 2018 พบว่า คนในประเทศไทยใช้อินเทอร์เน็ตต่อวันมากที่สุดในโลก คือ วันละ 9 ชั่วโมง 38 นาที และสิ่งที่ทำกันมาก มีดังนี้ 1) เล่นโซเชียล 73% 2) ดูคลิปวิดีโอ 63% 3) ค้นหาข้อมูล 37% 4) เล่นเกม ผ่านสมาร์ทโฟน 22% ผ่านคอมพิวเตอร์ 12% 5) หาข้อมูลสินค้า 15% ดังนั้น ถ้าจะทำมาหากินอะไร มาส่องพฤติกรรมคนไทย กันสักหน่อย อาจเป็นข้อมูลประกอบการตัดสินใจได้ เดิมเรามี data-driven ต่อไปอาจต้องเป็น social-driven กันแล้ว สำหรับการค้นข้อมูลใน google มีคำค้น 20 อันดับแรก ปี 2017 คือ บอล, หนัง, ผล บอล, facebook, แปล, เพลง, หวย, บอล สด, บ้าน บอล, youtube, ดู หนัง, บ้าน ผล บอล, ผล บอล สด, pantip, หนัง ออนไลน์, บอล วัน นี้, google, แปล ภาษา, ตรวจ หวย, เฟส
ที่มา: We Are Social และ Hootsuite ปี 2018

สัดส่วนความนิยมในการจับจ่ายผ่านช่องทางค้าปลีก
ราว 7 ปีก่อน เมื่อ 3 ต.ค.2014 มีบทความ และ Timeline 20 ปี บนสมรภูมิค้าปลีก ที่นำเสนอข้อมูลว่า ผู้บริโภคในเขตเมือง และผู้บริโภคในเขตชนบท เค้าเข้าถึงช่องทางต่าง ๆ อย่างไร มี 5 ช่องทางในตารางนี้ คือ 1) โชว์ห่วย 2) กลุ่มซีพีออลล์ (แม็คโคร/เซเว่นอีเลฟเว่น) 3) กลุ่มเทสโก้โลตัส 4) กลุ่มบิ๊กซี 5) กลุ่มเซ็นทรัล (ท๊อปส์/แฟมิลี่มาร์ท) จากตารางนี้ ก็จะทำให้ โชว์ห่วยรู้สึกหวั่งไหว และเห็นความเสี่ยง ที่ต้องเตรียมรับมือ ปัจจุบันมีข่าวร้านค้าในหลายย่านเศรษฐกิจทั้งที่ หาดใหญ่-สงขลา (กิมหยง-สันติสุข) และ ใจกลางเมืองลำปาง เงียบเหงา ธุรกิจทรุด ปิดกว่า 50 คูหา ว่าได้รับผลกระทบรุนแรง และวันนี้ (22 ก.ค.61) ไปเดินในตลาดก็รู้สึกว่าไม่คึกคักเหมือนสมัยที่ผมยังเป็นเด็กน้อย สมัยนั้นคนขายก็เยอะ คนซื้อก็เยอะ บางซอยต้องไหล ๆ ตามฝูงชนเลยครับ
ข้อมูล (DATA) : เนื้อ กับ มะเร็ง
เค้าว่า .. ถ้ามีข้อมูลมากพอ ก็จะช่วยให้ตัดสินใจอะไร ๆ ได้
วันนี้ ได้ไปอ่านพบว่า กินเนื้อ หมู เสือดำ เป็นอาหาร จะเสี่ยงมะเร็งมากกว่า ในใจก็เกิด คัดง้าง/ย้อนแย้ง แล้วจะให้ #กินผักกินปลา หรา บางทีก็เป็นไปไม่ได้นะ ที่ลดเลิกกินสัตว์ใหญ่เอาดื้อ ๆ แล้วกินคลีน เอาเยี่ยง #ชาวฮันซา
ฉุดคิดว่า แทนที่จะเห็นการกินเนื้อ กินหมู กินเสือดำ เป็นเรื่องน่าขยะแขยง เรื่องน่ารังเกียจ แต่กลับมีความสุข ชื่นชม กดไลท์ กดแชร์ การเบียดเบียนสัตว์ทั้งเป็น และรับความเสี่ยงเข้าอยู่ร่างกายเพิ่มขึ้น ด้วยรอยยิ้ม เพราะความเชื่อว่าไม่เป็นไร และคล้อยตามสังคมรอบตัว ให้มาเป็นใหญ่เหนือความกลัว ความเชื่อเปลี่ยนไปตามค่านิยมในสังคมได้ เป็นเรื่องที่คัดง้างระหว่าง ความเชื่อ กับ ความกลัว ในแต่ละปีจะเทศกาล ทำให้ความเชื่อเรื่องกินเจ หรือกินมังสวิรัติ ถูกนำมาพูดถึง ว่ากินแล้วทำให้สุขภาพดี แต่สุขภาพดีก็จะนิยมกันช่วงเวลาสั้น เพียง 9 วันจาก 365 วัน
มีการเสนอให้พัฒนา
การศึกษาไทย
ว่า ควรหยุดท่องจำ
แต่สอนคิดริเริ่มสร้างสรรค์

.. คงดี ที่ไม่ต้องท่องจำ
แต่สำเร็จเป็นเศรษฐีได้
ด้วยความคิดสร้างสรรค์

ฟังดูดี:เรียนโดยไม่ท่องจำ
ฟังดูดี:ไม่เรียนก็เป็นเศรษฐี
ฟังดูดี:หลังห้องก็สำเร็จ
10 มหาเศรษฐี ระดับโลก
ที่เรียนไม่จบมหาวิทยาลัย
+ sanook.com
+ Disrupt University
สหพัฒน์ จัดทัพครั้งใหญ่ ให้ Big Data…ทำนายอนาคต
ภายใต้การนำทัพของเจ้าสัว บุณยสิทธิ์ โชควัฒนา ประธานเครือสหพัฒน์ ตัดสินใจดึงเทคโนโลยีอย่าง "บิ๊กดาต้า (Big Data)" เข้ามาช่วยยกระดับองค์กรให้แข็งแกร่ง พร้อมรับมือกับสนามรบทางการค้ารูปแบบใหม่ได้ดียิ่งขึ้น
Q : บิ๊กดาต้าจะเข้ามาเปลี่ยนโฉมเครือสหพัฒน์ได้อย่างไร
A : เราต้องยอมรับว่ายุคนี้เป็นยุคของบิ๊กดาต้า ซึ่งเป็นศาสตร์ใหม่ที่เกี่ยวกับชีวิตประจำวันของผู้บริโภคจำนวนมาก เดิมทีข้อมูลเหล่านี้ไม่มีใครเก็บ แต่วันนี้ต้องนำข้อมูลเหล่านั้นมา predict (ทำนาย) อนาคต ยิ่งเราเป็นผู้ผลิตสินค้าอุปโภคบริโภค มันจึงมีความสำคัญมากที่จะรู้ความต้องการของผู้บริโภคเพื่อออกสินค้า
เมื่อก่อนเวลาจะออกสินค้าตัวหนึ่งจะคิดจากมุมคนขาย ใช้เซนส์ของคน แต่วันนี้ต้องเอาข้อมูลมาวิเคราะห์ แล้วค่อยคิดว่าจะออกอะไร การค้าขายยุคใหม่ต้องออกสินค้าแล้วให้ผู้บริโภคเขาแย่งกันซื้อ จะทำแบบเก่า ๆ ไม่ได้แล้วแต่การทำเรื่องนี้ก็ไม่ได้ทำคนเดียว เพราะได้ไปจับมือกับบีทีเอสกรุ๊ป ลงนามข้อตกลงความร่วมมือ (MOU) เรื่อง “บิ๊กดาต้าพาร์ตเนอร์ชิป และบิสซิเนสคอลลาบอเรชั่น” ด้วยกัน จากความใกล้ชิดส่วนของทางผู้บริหารทั้ง 2 ฝ่าย และทรัพยากรที่ทั้ง 2 เครือมีอยู่ในมือ สามารถนำไปต่อยอดได้หลากหลาย เช่น สหพัฒน์มีสินค้า บริการ ที่ดิน ฯลฯ บีทีเอส เป็นผู้ให้บริการขนส่งระดับประเทศ ที่มีคนใช้บริการ 7-8 แสนคนต่อวัน มีธุรกิจโฆษณา อสังหาฯ โรงแรมจำนวนมาก
"เขามีข้อมูล เราเองก็มี เอามาแชร์กันจะทำให้เราทำนายอนาคตได้ดีขึ้น วันนึงมีคนขึ้นบีทีเอสหลายแสนคน ก็รู้ได้ว่าคนไปแถวไหนกันเยอะ โลเกชั่นไหนที่ทราฟฟิกดี อนาคตจะได้นำสินค้า บริการ หรือร้านค้าไปลงได้อย่างตรงจุด"
การลงทุนมีความเสี่ยง บางองค์กรถูกจัดตั้งเพื่อช่วยลดความเสี่ยง
1 ก.ย.61 เห็น 2 ข่าวที่เชื่อมโยงกัน ก็อดที่จะแชร์เข้าแฟนเพจไม่ได้ ข่าวแรก เป็นเรื่องของกลุ่มคนที่ต้องการรักษามาตรฐานวิชาชีพ อยากให้การเรียนการสอนมีมาตรฐานไปในแนวทางเดียวกัน แต่อีกกลุ่มต้องการอิสระในการกำกับคุณภาพวิชาชีพในแบบของตนเอง มองกันไปคนละมุมระหว่าง มาตรฐานที่เพียงพอ กับ สิทธิ์ที่จะคุมคุณภาพ อีกข่าว คือ จักรยาน ofo ที่ทุกคนมองเห็นโอกาส ว่าจะเข้ามาทำให้สังคมลดใช้น้ำมัน หันมาเดินทางด้วยจักรยานมากขึ้น เป็น green และ good แต่ก็มีสิ่งที่คาดไม่ถึง คือ risk ที่เกิดจากวัฒนธรรมของกลุ่มเป้าหมาย บางทีทัศนคติของแต่ละคนอาจเห็นบางเรื่องแตกต่างกันโดยสิ้นเชิง เช่น 1) ครูวิภา ค้ำศิษย์ถูกศาลสั่งยึดบ้าน 2) ครูหมี ห้วยตอน ค่ำเงินกู้ กยศ. ให้พวกเธอได้เรียนมหาวิทยาลัย 3) ทพญ.ดลฤดี หนีชดใช้ทุนรัฐบาล 24 ล้าน
ผลตอบแทนจากการลงทุน และ ความเสี่ยง (SWOT)
2561 อายุงานของเพื่อน ๆ มาถึงเงื่อนไข ที่ต้องได้เงินสะสมจาก กองทุนสำรองเลี้ยงชีพ แล้ว เพื่อน ๆ ก็จะมีเงินก้อนใหญ่ไปฝาก ไปใช้ ไปอะไรอะไร แล้วทำให้นึกถึงบัญชีเงินฝากแบบเผื่อเรียก ดีจัง ถอนเมื่อไรก็ได้ อีกเรื่องที่นึกถึง คือ ศิริวัฒน์แซนด์วิช เรื่องนี้เอาไปพูดในวิชา BI แค่อยากให้เค้ารู้ว่า ในโลกนี้มีคุณลุงที่ชื่อศิริวัฒน์ ก็พอ เพราะลุงเล่าเรื่องโอกาส และภัยคุกคาม (SWOT) ได้ดีมาก
2011-06-01 เคยเป็น Stock Guru 'ศิริวัฒน์ วรเวทวุฒิคุณ' ผู้สร้างสีสัน ช่วงเหตุการณ์ Black Monday (ปี 2530) มีแต่โบรกเกอร์เบอร์ 8 ที่ ศิริวัฒน์บริหารลุยซื้อหุ้นจน ดร.มารวย ผดุงสิทธิ์ ผู้จัดการตลาดหลักทรัพย์ในตอนนั้นชมเปาะว่า นี่แหละ อัศวินขี่ม้าขาวตัวจริง แม้แต่พวกฝรั่งยังเรียกเขาว่า "Stock Guru"
ชีวิตผ่านยุครุ่งเรืองในเวลาอันรวดเร็ว ศิริวัฒน์ในวัยเพียง 40 ปี เริ่ม "อิ่ม" ในอาชีพลูกจ้าง เขามีความฝันว่าอายุสัก 45 ปีอยากจะรีไทร์ (เป็นอิสรภาพทางการเงิน) ความมั่นใจในตัวเองที่เริ่ม "อิน" กับความเป็น Stock Guru คิดที่จะ "รวยเร็ว" จากตลาดหุ้น ทำให้เขาก้าวเข้าสู่อาชีพนักลงทุนเต็มตัว
"ผมลาออกมาเป็นนักลงทุนเต็มตัวตอนอายุ 40 ปี ช่วงนั้นบางวันผมทำกำไรจากหุ้นเป็น "สิบล้านบาท" สาเหตุที่ผม "เจ๊ง" แทบหมดตัวเป็นเพราะใช้มาร์จิน (กู้มาลงทุน) ตอนนั้น ก.ล.ต.ออกกฎให้มีการบังคับขาย (ฟอร์ซเซล) แล้ว พอหุ้นมันตกแรง ๆ ก็โดนฟอร์ซเซล หมดพอร์ตเลยแถมยังมีหนี้ที่กู้มาดอกเบี้ย 20% ยังเดินอยู่"
+ youtube.com
+ nationejobs.com
เงื่อนไขการขอสินเชื่อ สำหรับธุรกิจ
เอกสารประกอบการพิจารณาขอสินเชื่อ
1. วัตถุประสงค์ในการขอสินเชื่อ
2. คุณสมบัติผู้ขอกู้
3. ประวัติทางการเงิน
4. ความสามารถในการผ่อนชำระสินเชื่อ
5. ประเภทและมูลค่าของหลักประกัน
+ bangkokbank.com
เอกสารประกอบการสมัคร สินเชื่อส่วนบุคคล สำหรับเจ้าของกิจการหรือผู้มีอาชีพอิสระ
1. หนังสือรับรองจดทะเบียนบริษัท หรือ ห้างหุ้นส่วนจำกัด หรือ ใบทะเบียนการค้า
2. บัญชีรายชื่อผู้ถือหุ้น (กรณีบริษัท)
3. Bank Statement บัญชีธนาคารของผู้ขอกู้ที่ใช้เป็นหลัก 6 เดือน อาจจะใช้บัญชีของกิจการประกอบได้ในกรณีให้บัญชีกิจการเป็นบัญชีหลัก
4. หลักฐานประกอบกิจการอื่นๆ เพื่อพิสูจน์ที่มาของรายได้และอายุกิจการ เพราะเป็นปัจจัยสำคัญในการอนุมัติสินเชื่อของสถาบันการเงิน ขึ้นอยู่กับเงื่อนไขของสถาบันการเงิน ยิ่งมีเอกสารประกอบมากขึ้น วงเงินอนุมัติก็มีโอกาสมากขึ้นได้ง่ายๆ เพราะสถาบันการเงินมีความมั่นใจในรายได้และความสามารถในการชำระหนี้ของเรามากขึ้นนั่นเอง
4.1 ใบประกอบวิชาชีพ สำหรับผู้ประกอบวิชาชีพ เช่น แพทย์, สถาปนิก, ทนายความ เป็นต้น
4.2 งบการเงิน สำหรับ บริษัท/ห้างหุ้นส่วนจำกัด
4.3 ใบสั่งซื้อ สำหรับ บริษัท/ห้างหุ้นส่วนจำกัด
4.4 ใบกำกับภาษี สำหรับ บริษัท/ห้างหุ้นส่วนจำกัด
4.5 ใบรายการแสดงภาษีนิติบุคคล สำหรับ บริษัท/ห้างหุ้นส่วนจำกัด
4.6 หนังสือสัญญาการสั่งงาน หรือใบเสร็จรับเงิน สำหรับ ผู้ประกอบอาชีพอิสระ ( Freelance) ซึ่งจะต้องสอดคล้องกับจำนวนเงินที่ฝากเข้ามาในบัญชีด้วย
4.7 ใบรายการแสดงภาษีรายได้ส่วนบุคคลในปีที่ผ่านมา สำหรับ ผู้ประกอบอาชีพอิสระ
+ aborrow.com
6 ประเภทของการออม
การออม (Saving) หมายถึง การนำส่วนต่างระหว่างรายได้และรายจ่ายที่เกิดขึ้นในช่วงเวลาหนึ่ง (Incomes - Expenses = Saving) แล้วนำไปเก็บสะสม ให้เพิ่มขึ้นเมื่อเวลาผ่านไป
1. ออมเงินในบัญชีเงินฝาก เป็นการฝากเงินไว้กับธนาคาร โดยเราสามารถเลือกได้หลายรูปแบบ ทั้งบัญชีออมทรัพย์ และบัญชีฝากประจำ
2. ออมเงินในหุ้น เป็นการลงทุนในหุ้นเพื่อต้องการได้มาซึ่งกำไร หรือผลตอบแทน ที่สูงกว่าการฝากเงินในบัญชี แต่มีความเสี่ยงมากกว่า
3. ออมเงินในประกันชีวิต เป็นการออมเงินสำรองไว้เพื่อรองรับเหตุการณ์ที่จะเกิดขึ้นกับเราในอนาคต ออมในรูปแบบของการจ่ายเบี้ยประกันให้กับบริษัทประกันชีวิต โดยบริษัทฯ จะต้องจ่ายผลตอบแทนให้กับผู้เอาประกันเมื่อผู้เอาประกันเสียชีวิตหรืออยู่ครบตามสัญญาในกรมธรรม์
4. ออมเงินใน LTF/RMF เป็นการลงทุนระยะยาว รับดอกเบี้ยในอัตราสูงกว่าบัญชีเงินฝาก พร้อมได้สิทธิพิเศษในการนำเงินลงทุนมาใช้ลดหย่อนภาษีได้
5. ออมเงินในกองทุนรวม คือ การลงทุนในกองทุนที่มีผู้จัดการกองทุนคอยดูแลเงินให้ตามนโยบายกองทุน ซึ่งมีหลายประเภท และถือเป็นการกระจายความเสี่ยงในการลงทุนอีกทางหนึ่ง
6. ออมเงินในอสังหาริมทรัพย์ เป็นการซื้อที่ดิน, บ้าน หรือทรัพย์สินที่เป็นอสังหาริมทรัพย์ เพื่อเก็บเป็นทรัพย์สินในอนาคต และเป็นการเก็งกำไรในอนาคตในระดับดี ขึ้นอยู่กับแต่ละทำเลที่ตั้ง
สิ่งที่คนอื่นเห็น กับ สิ่งที่ตัวเองเจอ
สิ่งที่คนอื่นเห็น
1. อวดรวย
2. มือถือ
3. รถป้ายแดง
4. ของแบรนด์เนม
5. กินของหรู
สิ่งที่ตัวเองเจอ
1. หนี้รถ
2. หนี้บ้าน
3. หนี้กยศ.
4. หนี้บัตรเครดิต
5. หนี้นอกระบบ
6. เสียเพื่อน
7. หมุนเงินเดือนชนเดือน
Financial Sample workbook
This is a simple Excel workbook of sample financial data available for download.
+ financialsample_bi.xlsx
Field name : 1) Segment, Country, 2) Product, 3) Discount Band (none, low, medium, high), 4) Units Sold, 5) Manufacturing Price, 6) Sale Price, 7) Gross Sales (ยอดขายรวม ก่อนหักส่วนลด), 8) Discounts, 9) Sales (ยอดขายรวม ก่อนหักส่วนลด), 10) COGS (Cost of Goods Sold ต้นทุนขาย), 11) Profit, 12) Date (30/12/2018), 13) Month Number, 14) Month Name , 15) Year
Article : Business intelligence by Luminita Hurbean
ผู้บริหารที่ใช้ BI น่าจะต้อง ร่วมประชุมวิชาการให้บ่อย อ่านงานวิจัยให้เยอะ มีทีมนวัตกรรม หรือมีหน่วยวิจัยในองค์กร (นึกถึง Steve Jobs) จากการที่เคยอ่านงาน เรื่อง Business intelligence: applications, trends, and strategies ใน Researchgate.net ของ Luminita Hurbean จาก West University of Timisoara [accessed Jun 27 2018] พบใน Conclusion ว่า The issues that should be addressed in order to successfully integrate BI into the enterprise are:
1) วางฐานรากและเตรียมข้อมูลที่มีคุณภาพใน ERP prepare a solid foundation with the ERP (Enterprise Resource Planning) system in the core, so as to take care of the purity of the data sources (data quality),
2) ชีชัดว่าที่ไหน ใคร เมื่อไรที่ BI ตอบวัตถุประสงค์องค์กร identify where, who, and when BI is needed in harmony with the established business objectives, in an attempt to prevent the shelfware (ขึ้นหิ้ง) – unused or underused software, sitting around in enterprise,
3) คำนึงว่า BI จะถูกรวมเข้ากับเครื่องมือต่าง ๆ keep in mind the necessity for set up a common BI platform of integrated tools, with the intention of avoiding the "BI islands" – different applications that can’t communicate with each other,
4) ผนวก BI เป็นท่าขององค์กร integrate BI into enterprise portals or keep this option open for the near future, as users have different roles across the enterprise, and use different applications – they should have the BI they needed, integrated to fit their job function.
Data Warehouse DATA WAREHOUSE คืออะไร
Data Warehouse คือ คลังของข้อมูลที่ผ่านกระบวนการสารสนเทศแล้ว และได้รับการออกแบบมาเพื่อจัดเก็บข้อมูลที่ปริมาณมาก เป็นฐานข้อมูลขนาดใหญ่ที่เก็บรวบรวมข้อมูลจากหลายแหล่งขององค์กรทั้งหมด ตั้งแต่อดีตจนถึงปัจจุบันโดยข้อมูลที่เก็บจะต้องเป็นข้อมูลสารสนเทศ (Data Information)
DATABASE เหมือนหรือต่างกับ DATA WAREHOUSE อย่างไร
Database คือ ฐานข้อมูลที่ใช้จัดเก็บข้อมูลขององค์กรทั่วไป เช่น ข้อมูลสินค้าก็จะเก็บเฉพาะรายละเอียดของสินค้านั้น ๆ โดยเก็บเป็นหมวดหมู่แยกประเภทเอาไว้ ถ้าข้อมูลพนักงานก็จะเก็บเฉพาะพนักงาน ซึ่งอาจจะมีข้อมูลบางอย่าง ที่เป็นประโยชน์ต่อผู้บริหารในการวิเคราะห์ประสิทธิภาพได้
Data Warehouse ถูกออกแบบมา เพื่อเก็บรวบรวมข้อมูลในทุกส่วนขององค์กรธุรกิจ ไม่ว่าจะเป็นข้อมูลเก่าและใหม่โดยไม่มีการลบข้อมูลเก่าทิ้งทั้งที่ไม่จริงในปัจจุบันก็ตาม
Data Warehouse คือ ที่เก็บข้อมูลที่มีประโยชน์ มีการจัดสรร การจัดเก็บ มีหลายมิติ(Multidimensional) เช่น ช่วงเวลา ตรงนี้ก็ต้องตรงกับ Business Logic และวัตถุประสงค์ของแอพพลิเคชั่นที่จะนำมาใช้ เพื่อให้สอดคล้อง ดังนั้นจึงมักมีการจัดเก็บเป็นมิติต่าง ๆ มากมาย
Data Mart คือ ที่เก็บข้อมูลที่ไม่มากเท่ากับคลังสินค้า ให้นึกถึงสินค้าขายปลีก ที่สามารถเบิกจ่ายได้ง่ายสะดวก ไม่ยากเหมือนกับคลังสินค้า
Data Gathering คือ การรวบรวมข้อมูล ทุกอย่างที่คาดว่ามีประโยชน์ ไม่เว้นแม้จากกระดาษ ใบเสร็จ ทำหน้าที่เหมือนนักสืบ ที่ต้องสืบวิเคราะห์หาข้อมูลว่าอะไรบ้างที่จะเป็นประโยชน์ เพื่อนำมาทำความสะอาด เพื่อนำกลับมาใช้และจัดเก็บต่อไป
Data Cleansing คือ การทำความสะอาดข้อมูล เพื่อลบข้อมูลขยะทิ้งไป ตรงนี้ก็ยาก เพราะต้องแยกข้อมูลว่าอะไรมีประโยชน์อะไรไม่มีประโยชน์
Trend ในอนาคต BI (Business Intelligence) จะมีบทบาทมากขึ้น จะไม่ได้เป็นแค่เครื่องมือธรรมดาๆ แต่จะเป็นเครื่องมือที่สำคัญขององค์กรธุรกิจและเป็นตัวสร้างความได้เปรียบในการแข่งขันทางธุรกิจ (Competitive Advantage) สร้างได้อย่างไร + http://imd.co.th/knowledges.php?id=9
Data Warehouse Overview

+ wikipedia.org
Term
ERP : Enterprise Resource Planning
SCM : Supply Chain Management
ODS : Operational Data Store
ETL : Extract, Transform and Load #
A Data Warehouse is a separate database that is dedicated to decision support. Data is transferred in from transaction processing (OLTP) systems. It is accessed to provide management information through report writers, query tools, data access and retrieval tools, OLAP (Online Analytical Processing) servers and other enterprise information systems.
A Data Warehouse is defined by its structure and follows these four guiding principles:
1. Subject-oriented: The structure of a data warehouse is centered around a specific subject of interest, rather than as a listing of transactions organized by timestamps.
2. Integrated: In a data warehouse, data from multiple sources is integrated into a single structure and consistent format.
3. Non-volatile: A data warehouse is a stable system; it is not constantly changing.
4. Time-variant: The term “time-variant” refers to the inclusion of historical data for analysis of change over time.
Dataflow into a Warehouse / Data Warehouse Overview
1. Operational Systems
2. Integration Layer
3. Data Warehouse
4. Data Mart
Building a data warehouse
Data Warehouse and Database
A database uses relational model, while a data warehouse uses Star, Snowflake, and Fact Constellation schema. Data Warehouse environment usually transforms the relational data model into some special architectures. There are many schema models designed for data warehousing but the most commonly used are:
- Star schema : มี 1 Fact table และหลาย
- Snowflake schema : ขยาย Star schema ด้วยการทำ Normalization
- Fact constellation schema : มี Star schema หลายกลุ่ม
(นิยาม Schema=โครงสร้างการรับรู้ และ constellation=กลุ่มดาว)
The determination of which schema model should be used for a data warehouse should be based upon the analysis of project requirements, accessible tools and project team preferences.
+ tutorialpoint.com/dwh
+ google.com/search
Data Science : Chula Engineering & 5 Level

1/4 (Twitter & Facebook)

2/4

3/4

4/4

growthbee.com


Collect : สำรวจถนนพระบาท
5 ระดับของการใช้ Data Science
Level 1 - Collect
Level 2 - Describe
Level 3 - Discover
Level 4 - Predict
Level 5 - Advise
script ของ คลิ๊ปบรรยาย โดย Data Scientist
1) วิทยากร พี่ต้า - ดร.วิโรจน์ จิรพัฒนกุล (Facebook : slide)
2) วิทยากร พี่หมู - ดร.กฤษฎิ์ วงศ์ศุภสวัสดิ์ (Twitter : slide, Happy new year)
Maslow's Hierarchy of Needs #
1. Physiological needs
2. Safety needs
3. Love and belongingness needs
4. Esteem needs
5. Self-actualization needs
Tool : Excel
'012
=a1 + a2
=(5+4*3^2) [41]
=sum(a1:a5)
=sum(a1:a5,b1:b5)
=average(a1:a5)
=max(a1:a5)
=min(a1:a5)
=stdev.p(a1:a5)
=len(trim(a1))
=mid(1/3,1,4) [0.66]
=round(2/3,2) [0.67]
=int(1.9) [1]
=if(B1>$A$1,"more")
=if(a1>80,"A",if(a1>70,"B","F"))
=count(sheet1!a1:a15)
=countif(A1:A10,">50")
=sumif(A1:A10,">50",B1:B10)
=lookup(C5,A1:A10,B1:B10)
=date(2018,12,31)
=PMT(0.1,12,10000) ได้ 1467.63 หาจำนวนเงินผ่อนชำระต่องวด #
=PV(0.1,12,1467.60) ได้ 9999.98 หายอดรวมกู้ เมื่อรู้จ่ายเดือนเท่าไร (Present Value)
=FV(0.1,3,100) ได้ 331 หาว่าฝากเงินเท่ากันทุกเดือน ในอนาคตได้เท่าไร (Future Value)
Print Selection
Page Layout,Print Area
View, Freeze panes
Data,Sort
Insert,Chart
Review,Comment
Insert,PivotTable
Data,Text to columns
+ finance_sample.xlsx
Practice : MS Excel Processing
1. ในทางธุรกิจมักมีการทำแบบสอบถาม
แบบสอบถามก็จะมีการหาค่าเฉลี่ย และส่งเบี่ยงเบนมาตรฐาน
STDEV.P คือ ส่วนเบี่ยงเบนมาตรฐานจากทั้งกลุ่มประชากรที่เป็นอาร์กิวเมนต์ (ละเว้นค่าตรรกะและข้อความ)
Argument คือ สิ่งที่ส่งไปให้กับฟังก์ชัน อาจเรียกว่า Parameter ก็ได้
2. ค่าเฉลี่ยมักจะมีการแปลผลเป็นระดับ
  1.00 - 1.80 = ควรปรับปรุง
  1.81 - 2.60 = พอใช้
  2.61 - 3.40 = ปานกลาง
  3.41 - 4.20 = ดี
  4.21 - 5.00 = ดีมาก
3. การหาผลรวมคะแนน และเกรด
4. การทำ Pivot table เพื่อนับเกรดตามกลุ่มนักศึกษา
5. งานขายหายอดขาย ภาษี และค่านายหน้า
6. คำนวณ OT ของพนักงาน
7. คำนวณค่าแรงของพนักงานรายวัน หลักหัก ขาด ลา สาย
8. คำนวณยอดเบิกเงินโครงการ รายกิจกรรม
- รายวัน รายคน เบี้ยประชุม เบี้ยเลี้ยง ค่าอาหาร ค่าเดินทาง
- วัสดุ ค่าแรง ค่าเช่า ค่าลงทะเบียน ค่าแท็กซี่
Data visualization
Data visualization is the presentation of data (both qualitative and quantitative data) in graphical format.
+ optimizesmart.com
+ Tweeting "happy new year" in Datascientist

ประเด็นประกอบการเลือก Chart
1. ชนิดของข้อมูล (เชิงคุณภาพ/เชิงปริมาณ)
2. ความสัมพันธ์ระหว่างข้อมูล (วิเคราะห์แนวโน้ม)
3. เปรียบเทียบข้อมูล (ปี/เพศ/จังหวัด/อาชีพ)
4. องค์ประกอบของข้อมูล (จำนวน/ขนาด ที่พอเหมาะ)
5. การกระจายของข้อมูล (หมวดหมู่/แท่ง/คอลัมน์)
6. การซ้อนกันของข้อมูล (วงซ้อน)
Tool : SPSS
SPSS Survey : crosstab & statistics
Tool : RapidMiner
หนังสือ Introduction to Business Analytics with RapidMiner Studio 6 (ภาษาไทย)
โดย เอกสิทธิ์ พัชรวงศ์ศักดา เล่มละ  269 บาท
หนังสือการวิเคราะห์ข้อมูลในเชิงธุรกิจ (business analytics) 
+ http://dataminingtrend.com

คู่มือการวิเคราะห์ข้อมูลด้วย RapidMiner Studio 7
+ https://www.scribd.com

rapidminer.com 8.2
+ Download : RapidMiner Studio (174 MB)
Free	- Never Expires  for 10,000 rows limit  
Tool : Pentaho Pentaho is a business intelligence (BI) software that provides data integration, OLAP services, reporting, information dashboards, data mining and extract, transform, load (ETL) capabilities. It is headquartered in Orlando, Florida. Pentaho was acquired by Hitachi Data Systems in 2015. On September 19, 2017, Pentaho became part of Hitachi Vantara, a new company that unifies the operations of Pentaho, Hitachi Data Systems and Hitachi Insight Group.
+ https://en.wikipedia.org/wiki/Pentaho
+ Download Free trail for 30 days
Tool : Power BI
ได้ตัวอย่างแฟ้ม financialsample_bi.xlsx ซึ่งเป็น a simple Excel workbook of sample financial data สำหรับใช้ทดสอบบน Power BI จาก อ.เกศริน อินเพลา เปิดดูด้วย excel พบว่า
1. แฟ้มข้อมูลมี 1 sheet
2. มี 16 attributes
3. มี 700 instances
4. ไม่มี PK
5. Attribute ส่วนใหญ่เป็นยอดเงิน
Attribute ประกอบด้วย
Segment ช่องทางจำหน่าย
Country ประเทศ
Product ชื่อสินค้า
Discount Band การลดราคา
Units Sold จำนวนขาย
Manufacturing Price ราคาโรงงาน
Sale Price ราคาขาย
Gross Sales = Units Sold * Sale Price
Discounts ส่วนลด
Sales = Gross Sales - Discounts
COGS (Cost of Goods Sold) ต้นทุนขาย
Profit =Sales - COGS
Date dd/mm/yyyy
Month Number mm
Month Name January
Yearyyyy
Assignment : งานมอบหมาย
ต.ย.หัวข้อเรื่อง "การวิเคราะห์ศักยภาพทางธุรกิจ กรณีศึกษา ...
เพื่อเป็นสารสนเทศประกอบการพิจารณาวางแผนการลงทุน
"
1. เก็บข้อมูล ที่นำไปสู่การคิดเชิงธุรกิจ
1) เก็บข้อมูลยานพาหนะ บริเวณแยกไฟแดง จำนวน 3 แยก
2) เก็บข้อมูลการใช้บริการตลาดสด จำนวน 3 ตลาด
3) เก็บข้อมูลสินค้า ในตลาดคลองถม หรือถนนคนเดิน จำนวน 3 ตลาด
4) เก็บข้อมูลสินค้า ในห้างสรรพสินค้า จำนวน 3 ห้าง
5) เก็บข้อมูลร้านค้า บนถนนในเขตเมือง จำนวน 3 เส้นทาง

2. ฝึกใช้งานระบบจัดเก็บข้อมูล และเรียกใช้
3. ฝึกใช้งาน Excel ประมวลผลข้อมูล
4. ฝึกใช้งาน Weka ประมวลผลข้อมูล
5. ฝึกใช้งานเครื่องมืออื่น (RapidMiner) ประมวลผลข้อมูล
6. ฝึกใช้งานเครื่องมือสำหรับนำเสนอแบบ Visualization
7. โครงงานศึกษาข้อมูล เขียนรายงานสรุปผล และนำเสนอโปสเตอร์
โปสเตอร์ขนาด size: 80 cm * 180 cm
1) บทนำ/ความเป็นมา/ความสำคัญของปัญหา
2) วัตถุประสงค์
3) สมมติฐาน
4) วรรณกรรมที่เกี่ยวข้อง
5) วิธีดำเนินการ
6) ผลการศึกษา
7) สรุปผล/อภิปรายผล
8) ข้อเสนอแนะ
ประเด็นข้อมูลที่น่าศึกษาใน "ธุรกิจการศึกษาของภาคเอกชน"
ปัจจัยที่มีผลต่อการเลือกสถาบันการศึกษาในระดับอุดมศึกษาของนักเรียนชั้นมัธยมศึกษาปีที่ 6 ในเขตอำเภอเมืองจังหวัดลำปาง
[บทคัดย่อ] - การวิจัยเรื่อง ปัจจัยที่มีผลต่อการเลือกสถาบันการศึกษาในระดับอุดมศึกษาของนักเรียนชั้นมัธยมศึกษาปีที่ 6 ในเขตอำเภอเมือง จังหวัดลำปาง เป็นการวิจัยเชิงปริมาณ มีวัตถุประสงค์เพื่อศึกษาปัจจัยส่วนบุคคลและปัจจัยทางการตลาดที่มีผลต่อการเลือกสถานศึกษาที่ศึกษาต่อในระดับอุดมศึกษา ของนักเรียนระดับมัธยมศึกษาชั้นปีที่ 6 ในอำเภอเมืองลำปาง กลุ่มตัวอย่างที่ใช้คือ นักเรียนในโรงเรียนระดับมัธยมศึกษาปีที่ 6 ในเขตอำเภอเมือง จังหวัดลำปางแยกเป็น โรงเรียนเอกชน จำนวน 1 โรงเรียน ได้แก่โรงเรียนมัธยมวิทยา และโรงเรียนรัฐบาล จำนวน 3 โรงเรียน ได้แก่โรงเรียนบุญวาทย์วิทยาลัย โรงเรียนปงแสนทองวิทยา และโรงเรียนกิ่วลมวิทยา จำนวนนักเรียนทั้งสิ้น 287 คน เครื่องมือที่ใช้ในการเก็บรวบรวมข้อมูลคือ แบบสอบถาม วิธีดำเนินการ ประกอบด้วย การเก็บรวบรวมข้อมูล และวิเคราะห์ข้อมูล โดยใช้ค่าสถิติร้อยละ (Percentage) ค่าเฉลี่ย (Mean) ค่าเบี่ยงเบนมาตรฐาน (Standard deviation) ในการอธิบายข้อมูล โดยสรุปผลการวิจัยพบปัจจัยที่มีผลต่อการเลือกสถานศึกษาที่ถูกเลือกเป็นอันดับแรกใน แต่ละด้าน ประกอบด้วย ความรู้พื้นฐานที่มีของนักเรียน สาขาวิชาที่เปิดสอนที่ตรงกับความต้องการ คำแนะนำของอาจารย์แนะแนวการหาข้อมูลเกี่ยวกับคณะสถาบันหรือวิชาที่เปิดสอนจากอินเทอร์เน็ต การสอบเข้าศึกษาต่อโดยวิธีการสอบตรงหรือสอบโควตา ชื่อเสียงของมหาวิทยาลัย ความพร้อมและความทันสมัยของอุปกรณ์สำหรับการเรียนการสอน ค่าเล่าเรียนในการศึกษาต่อ
Download #research #kounchanok #54090321
Course : ความฉลาดทางธุรกิจ ความฉลาดทางธุรกิจ (Business Intelligence) 3 (3-0-6)
1) แนวคิดของการสร้างอัจฉริยะภาพทางธุรกิจ 2) สถาปัตยกรรมและโครงสร้างของการสร้างอัจฉริยะภาพทางธุรกิจ 3) โครงสร้างของคลังข้อมูล 4) การวิเคราะห์เชิงธุรกิจ ได้แก่ การประมวลผลเชิงวิเคราะห์แบบออนไลน์ การทำเหมืองข้อมูลเบื้องต้น และการทำมโนภาพข้อมูล 5) การบูรณาการเทคนิค เครื่องมือ และโปรแกรมสำเร็จรูป เพื่อสร้างอัจฉริยะภาพทางธุรกิจให้กับองค์กร
The concept of building a business genius, architectural and structural building a business genius, the structure of the data warehouse, business analysis, include online analytical processing (OLAP), preliminary data mining, the data and imagery (visualization), integrate techniques, tools and software for build business talent to the organization.
#BCOM322
Data cleansing
Data Cleansing [wiki] คือ การทำความสะอาดข้อมูล เพื่อลบข้อมูลขยะทิ้งไป ตรงนี้ก็ยาก เพราะต้องแยกข้อมูลว่าอะไรมีประโยชน์อะไรไม่มีประโยชน์
High-quality data needs to pass a set of quality criteria. Those include:
1. Validity (ความถูกต้อง)
- Data-Type Constraints : จำกัดรูปแบบ ตัวเลข ตัวอักษร บูลีน
- Range Constraints : ช่วงข้อมูล เช่น สูงสุด ต่ำสุด อายุ วันที่
- Mandatory Constraints : ข้อมูลจำเป็น ว่างเปล่าไม่ได้
- Unique Constraints : ข้อมูลเดี่ยว เช่น เพศ วันเกิด หัวหน้า เลขบัตรประชาชน
- Set-Membership constraints : ข้อมูลจากเซตเฉพาะ เช่น male, female, admin, emplyee, customer
- Foreign-key constraints : ข้อมูลจากเซตอื่นในตารางอื่น เช่น จังหวัด ประเทศ เพศ
- Regular expression patterns : ข้อความตัวอักษร เช่น เบอร์โทรศัพท์ที่มีรูปแบบ (999) 999-9999.
- Cross-field validation : ข้อมูลที่ข้ามเขตข้อมูลไปมา เช่น รหัสผู้ป่วย รหัสนักศึกษา
2. Accuracy (ความเที่ยงตรง)
- standard or a true value
3. Completeness (ความสมบูรณ์)
- interview/reinterview : default, unknown or missing
4. Consistency (ความมั่นคง)
- a customer is recorded in two different systems as having two different current addresses, and only one of them can be correct
5. Uniformity (ความเป็นแบบเดียว)
- หน่วยเดียวในทุกระบบ : same units of measure in all systems
หนังสือเรียน รายวิชาพื้นฐาน สุขศึกษา ม.3 หน้า 3 ได้แบ่งพัฒนาการของมนุษย์ไว้อย่างหลากหลาย ในหนังสือเล่มนี้สรุปไว้ 5 ระยะดังนี้
1. วัยทารก 0 - 2
2. วัยก่อนเรียน 2 - 6
3. วัยเรียน 7 - 12
4. วัยรุ่น 13 - 19
5. วัยผู้ใหญ่ (วัยผู้ใหญ่ตอนต้น 20 - 40 วัยกลางคน 41-60)
6. วัยสูงอายุ 60 ปีขึ้นไป
+ http://academic.obec.go.th
กลุ่มวัยสูงอายุ แบ่งเป็น
1.วัยสูงอายุตอนต้น อายุ 60 - 70 ปี
2.วัยสูงอายุตอนกลาง อายุ 71 - 79 ปี
3.วัยสูงอายุตอยปลาย อายุ 80 ปีขึ้นไป
+ http://www.namsongkram.com
กลุ่มวัยสูงอายุ แบ่งเป็น
ที่ประชุมสมัชชาโลก ว่าด้วยผู้สูงอายุ โดยองค์การสหประชาชาติ ในปี 2525 กำหนดเป็นมาตรฐานเดียวกัน ทั่วโลกตกลงว่า “ผู้ที่มีอายุตั้งแต่ 60 ปีขึ้นไป เรียกว่า “ผู้สูงอายุ” ส่วนสถาบันแห่งชาติเกี่ยวกับผู้สูงอายุ ของสหรัฐอเมริกาได้กำหนดว่า ผู้สูงอายุวัยต้นคือ อายุระหว่าง 60 – 74 ปี เป็นวัยที่ยังไม่ชรามาก ถ้าสุขภาพกายและสุขภาพจิตดี เมื่ออายุ 75 ปีขึ้นไป จึงจะถือเป็นวัยชราอย่างแท้จริง ส่วนสำนักงานสถิติแห่งชาติของไทยแบ่งผู้สูงอายุเป็นผู้สูงอายุตอนต้น (อายุ 60 – 69 ปี) และผู้สูงอายุตอนปลาย (อายุตั้งแต่ 70 ปีขึ้นไป)
+ http://hp.anamai.moph.go.th
Data cleansing : ตารางเรียน และการย้อนกลับ
xlsx | sql | 9step
วิศวกรรมย้อนรอย หรือวิศวกรรมย้อนกลับ (Reverse Engineering) เป็นการทำงานในลักษณะย้อนกลับ โดยจะผลิตชิ้นงานขึ้นจากการศึกษาและวิเคราะห์ข้อมูลจากชิ้นงานต้นแบบอย่างเป็นระบบ โดยเป็นในเชิงของการสืบค้นทางเทคนิค แต่การทำวิศวกรรมย้อนรอย ก็ยังเป็นที่ถกเถียงในเชิงวิชาการพอสมควรว่าจริงแล้ว 1) เป็นเพียงการลอกเลียนแบบ หรือ 2) การปรับปรุงสิ่งที่มีอยู่เดิม เพื่อหวังผลในเชิงพาณิชย์ หรือ 3) เป็นทางลัดเพื่อนำไปสู่การพัฒนาต่อยอดให้เกิดการสร้างสรรค์นวัตกรรมใหม่ ๆ กันแน่
ตารางเรียนใน 1 ปีการศึกษา ชุดนี้มีต้นฉบับเป็น PDF หากจะใช้งานก็ต้องผ่านกระบวนการ เริ่มจากนำไปพิมพ์ลง excel และปรับรูปแบบให้เป็น rows กับ column ที่สมบูรณ์ แล้วพัฒนาโครงสร้างข้อมูล (Data structure) เข้าสู่ระบบฐานข้อมูล (Database) แยกเก็บลงตารางแบบ ผ่านการ Normalization ที่จะไม่มีการเก็บข้อมูลที่ซ้ำซ้อน
+ บทความ วิศวกรรมย้อนรอย
Data quality / Data cleansing [wiki]
1. Validity (999) 999-999
2. Accuracy (Valid with external source)
3. Completeness (Fact)
4. Consistency (same meaning in different item)
5. Uniformity (set of data)
Step in practice for NTU Schedule [raw]
1. รวม 1-312 กับ 2-580 (merge)
2. เพิ่มหมวด คณะ ระดับ และศูนย์ (col)
3. ลบบรรทัดและลำดับ 480 (remove rows)
4. ปรับรหัสวิชา ตอน ชื่อวิชา (copy)
5. clear วันสอบ ลบกลุ่ม ลบจำนวน (sort)
6. clear วันเวลา ห้องเรียน อจ. (sort)
7. เปลี่ยน - เป็น TBA (replace)
8. ไม่สังกัดคณะศิลป+head [sql]
Data cleansing : Text Editor กับ Regular Expression
Editor ดี ๆ เช่น Notepad++ หรือ Editplus หรือ Atom หรือ Sublime
จะใช้งาน Regular Expression ได้ เพื่อทำ Data cleansing สำหรับ Text file ที่ไม่ซับซ้อน มีโอกาสจัดการแฟ้ม html ที่ได้มาจาก THE World University Ranking แล้วนำมาปรับให้สั้นลงสำหรับเผยแพร่เพื่อการศึกษา
เช่น ค้นคำว่า >(.*)>(.*)>t แล้วแทนที่ด้วย >\2>t เป็นต้น
มีตัวอย่างผลการใช้ที่ http://www.thaiall.com/topstory/
Data cleansing : Regular Expression อ่านเพิ่มเติมที่ https://devahoy.com/posts/regular-expressions-101/
ตัวอย่าง ข้อมูล 
abc123 toe tie top
#def:567#
<a href="hello.htm">hello</a>
one>two>three>four
five>six
ตัวอย่าง pattern สำหรับ replace
1. ทุกตัวอักษร เป็น a : . เป็น a
2. คำที่ขึ้นต้นด้วย t ลงท้ายด้วย e : t.e เป็น ค่าว่าง
3. ที่ไม่ใช่ตัวอักษร เป็น a : \W เป็น a
4. ทุกตัวเลข เป็น a : \d เป็น a
5. ไม่ใช่ตัวเลข เป็น a : \D เป็น a
6. whitespace(tab, space, line break) เป็น a : \s เป็น a
7. ที่ไม่ใช่ whitespace เป็น a : \S เป็น a
8. x, y หรือ z เป็น a : [xyz] เป็น a
9. ไม่ใช่ x, y หรือ z เป็น a : [^xyz] เป็น a
10. เลข 0 ถึง 9 เป็น a : [0-9] เป็น a
11. ตัวอักษร x ถึง z เป็น a : [x-z] เป็น a
12. แทรกข้อความต้นบรรทัดด้วย a : ^ เป็น a
13. แทรกข้อความสิ้นบรรทัดด้วย a : $ เป็น a
14. กลุ่มคำ abc หรือ def เป็น a : (abc|def) เป็น a
15. เปลี่ยนทุกบรรทัด เป็น a ทุกบรรทัด :  .* เป็น a 
16. หาข้อความที่มี A ต่อท้าย ก็เปลี่ยน เป็น a : .*A เป็น a
17. ขึ้นต้น ab ลงท้ายด้วย df เป็น a : ab(.*)df เป็น a
18. หา x ที่ซ้ำกัน 2 ตัว เป็น a : x{2} เป็น a
19. ลบ link ให้เลือกแต่ ข้อความ : <a href=(.*)>(.*)</a> เป็น \2
20. ลบวันที่ : \d{4}-\d{2}-\d{2} เป็น ช่องว่าง
21. ปัดบรรทัด หลังเครื่องหมาย > : > เป็น >\n
Document form
กระดาษแผ่นนี้ ทำให้นึกถึงเรื่องราวมากมาย
1. ระดับของผู้ใช้ระบบสารสนเทศ แบ่งได้ 3 ระดับ ได้แก่ 1) ระดับสูง 2) ระดับกลาง 3) ระดับปฏิบัติการ
2. ชนิดของระบบสารสนเทศ 6 ชนิด ได้แก่ 1) ระบบประมวลผลธุรกิจ (Transaction Processing Sysem : TPS) 2) ระบบสนับสนุนการตัดสินใจ (Decision Support System : DSS) 3) ระบบสารสนเทศเพื่อผู้บริหาร (Executive Information System :EIS) 4) ระบบผู้เชี่ยวชาญ (Expert System : ES) 5) ระบบสำนักงานอัตโนมัติ (Office Automation System : OAS) 6) ระบบสารสนเทศเพื่อการจัดการ (Management Information System : MIS)
3. เก็บอะไรบ้าง ใน Database
4. เก็บตัวเลข ตัวอักษร เชื่อมข้อมูลอย่างไร ใน Data structure
5. นำอะไรไปเชื่อมกับหน่วยงานใด ใน Data Warehouse หรือแบ่งในใช้ Data Mart
6. ใช้ Language, Database, Platform ใด
7. ฟอร์มนี้ ใช้ Microsoft Office สร้างขึ้นมา
Data = id,subj,no,to,from,date,type,remark
Machine Learning
Human Learning
Machine Learning คือ เครื่องจักรที่เรียนรู้ได้จากข้อมูลที่ใส่เข้าไป
Machine Learning คือ การทำให้ระบบคอมพิวเตอร์เรียนรู้ได้ด้วยตนเอง โดยใช้ข้อมูล
อ้างอิงจาก Vithan Minaphinant ใน finnomena.com
หรืออธิบายได้ว่า Machine Learning คือ การเรียนรู้ที่เกิดจากการใส่ Data และ Output เพื่อหา Program เมื่อได้ Program ก็จะนำไปใช้ โดยใส่ Input เข้าโปรแกรมก็จะทำนาย Output ออกมาได้ หากถามว่า Program คืออะไร คงตอบว่า คือ กระบวนการรับ Input และส่ง Output ออก
หรืออธิบายได้ว่า Machine Learning คือ กระบวนการที่เราใส่ Data และ Output (ผลลัพธ์) เข้าไป เพื่อให้หา Program ที่จะนำไปตอบในอนาคตได้ว่า Input แบบนี้ Output จะเป็นอะไร
ประเภทของ Machine Learning
1. Supervised Learning คือ เรียนรู้โดยมี data มาสอน
2. Unsupervised Learning คือ เรียนรู้โดยไม่มี data สอน
3. Reinforcement Learning คือ เรียนรู้ตามสภาพแวดล้อม
Software Guides : WEKA (for Data Mining), Rapidminer (Apriori | Decision Tree)
#ภาพประกอบ คือ เครื่อง Enigma ใน Imitation Game อาจกล่าวได้ว่า Enigma คือ Super computer เครื่องแรก ที่ทำเรื่อง Machine Learning
เอกสารอ้างอิง [1] เอกสิทธิ์ พัชรวงศ์ศักดา, "Introduction to Data Mining Techniques", เอเชีย ดิจิตอลการพิมพ์, กรุงเทพฯ, 2557.
[2] เอกสิทธิ์ พัชรวงศ์ศักดา, "Introduction to Business Analytics with RapidMiner Studio 6", เอเชีย ดิจิตอลการพิมพ์, กรุงเทพฯ, 2557.

http://goo.gl/72BPC