Data analytics

ํData always told you more than one thing.

Data Analytic หรือในภาษาไทยง่ายๆก็คือการวิเคราะห์ข้อมูลนั่นเอง เมื่อพูดถึงการวิเคราะห์ข้อมูลแล้วอาจจะฟังดูเป็นเรื่องทั่วๆไป แต่จริงๆแล้วข้อมูลชุดเดียวกันนั้นอาจเล่าอะไรได้มากกว่าที่เราคิด เช่นข้อมูลจาก GPS โดยทั่วๆไปเราอาจจะคิดว่าข้อมูลนี้เพียงแค่ใช้บอกทิศทางให้กับเราแต่จริงๆแล้วชุดข้อมูลนี้นั้นสามารถบอกได้ถึง

• สถานที่ที่ไปบ่อย

• ระบุเส้นทางที่เราใช้ประจำได้

• สถานะการจราจร

• อาหารที่ชื่นชอบจากร้านอาหารที่ไปประจำ

• แนะนำสถานที่ท่องเที่ยวใกล้เคียงได้

• บอกความหนาแน่นของคนที่สถานที่นั้นๆได้

ข้อมูลเพียงชุดๆเดียวสามารถบอกอะไรเราได้มากมายเพียงแค่เรามองจากมุมมองที่แตกต่างจากเดิม ดังนั้น Data analytic จึงเป็นศาสตร์ที่นอกจากจะใช้การคำนวณแล้วยังต้องใช้ความคิดสร้างสรรค์ด้วย เพื่อดึงศักยภาพของข้อมูลชุดนั้นๆมา

Data manipulation

Data manipulation หรือการแปลงข้อมูล คือการที่เราต้องการที่จะนำข้อมูลเดิมที่มีอยู่มาเปลี่ยนแปลงเป็นรูปแบบอื่น เพื่อให้ง่ายต่อการมองหรือง่ายต่อการสื่อสาร เช่น การจัดกลุ่มข้อมูล การเรียงข้อมูล รวมไปถึงการดัดแปลงข้อมูล ยกตัวอย่างเช่นเรามีข้อมูลจากโรงไฟฟ้าซึ่งข้อมูลที่ได้มาคือ แรงดันไฟฟ้า(V) และกำลังไฟฟ้า(watt) ข้อมูลที่ได้มานี้เราสามารถแปลงให้ไปอยู่ในรูปแบบของกระแสไฟฟ้า(A)ได้ จากความสัมพันธ์ของ

$$P = IV$$

เราก็จะได้ค่ากระแสออกมา เพื่อนำไปใช้วิเคราะห์จำนวนกระแสที่ใช้ต่อ ชม. หรือช่วงเวลาที่มีการใช้กระแสไฟมากที่สุด หัวใจสำคัญที่สุดของการทำ Data analytic คือ data manipulation ดังนั้นถ้าข้อมูลถูกจัดแบ่งได้ดี ก็จะสามารถสื่ออกมาได้ดีด้วยดังเช่นรูปด้านล่าง ที่สามารถแสดงได้ถึงสัดส่วนของประเภทข้อมูล

Data visualization

Data visualization คือการแสดงผลข้อมูลในรูปแบบที่ช่วยให้ง่ายต่อการเข้าใจ เช่นในรูปแบบ infographic ในรูปแบบกราฟแท่ง หรือในรูปแบบกราฟเส้นที่สามารถแสดงผลได้แบบ real time การแสดงผลข้อมูลนั้นจำเป็นต้องทำให้อ่านแล้วเข้าใจง่ายมากที่สุดดังนั้น การเลือกเครื่องมือต่างๆที่จะมาช่วยอำนวยความสะดวกให้แก่เราจึงมีความสำคัญเช่นกัน

pywebio

การแสดงข้อมูลชุดเดียวกันนั้นสามารถเลือกแสดงได้หลายรูปแบบ ขึ้นอยู่กับว่าเราต้องการจะสื่ออะไรจากข้อมูลชุดนั้นๆเช่นข้อมูลที่จอดรถแห่งหนึ่งในห้าง ข้อมูลในนั้นประกอบด้วยจำนวนของรถ ประเภทของรถ เวลาเข้าออกของรถนั้นๆ ข้อมูลเหล่านี้เราสามารถนำมาเสนอได้ในรูปแบบต่างๆเช่น

การใช้ timeline นำเสนอช่วงเวลาการจอดรถ

การแสดงสัดส่วนของประเภทรถต่างๆที่ใช้บริการ

ทั้งหมดนี้เป็นแค่ส่วนประกอบหนึ่งของ data analytic เท่านั้น เพื่อให้เข้าใจได้ง่ายขึ้นเรามี exercise ให้ทดลองได้ในหน้าถัดไป

Last update: May 2023

Author: Thanaluk Pranekunakol (AIC-Researcher)