1. ความหมาย
1.1. การนำข้อมูลมาใช้ประโยชน์ โดยครอบคลุมตั้งแต่ขั้นตอนการเก็บข้อมูล (Collect) การจัดการข้อมูล (Manage) การวิเคราะห์ข้อมูล (Analyze) ไปจนถึงขั้นตอนการนำข้อมูลมาช่วยตัดสินใจ (Decision)
1.2. เครื่องมือในการวิเคราะห์เหมืองข้อมูลที่เรามี เพื่อที่จะได้เอาประโยชน์จากข้อมูลมาใช้
2. ความหมาย
2.1. กระบวนการในการจัดเก็บข้อมูล โดยจัดเก็บทั้งในเชิงลึก(ละเอียด) และในเชิงกว้าง(หลากหลาย)
2.2. เป็นการเก็บข้อมูลทุกอย่าง เหมือนกับเป็นเหมืองข้อมูล
3. ประโยชน์
3.1. ใช้วิเคราะห์ข้อมูลเพื่อการทำนายเหตุการณ์ล่วงหน้า
3.1.1. เช่นบริษัทขายหลอดไฟ ใช้ข้อมูลการขายย้อนหลัง 5 ปี มาทำการประมวลผล ทำนายยอดขายที่จะเกิดขึ้นในปีต่อๆไปได้อย่างแม่นยำ
3.2. ใช้วิเคราะห์ข้อมูลเพื่อให้เข้าใจถึงปัญหาและช่วยแก้ปัญหาต่างๆขององกรณ์
3.2.1. เช่นการหาวิธีการเพิ่มยอดขาย
3.3. ใช้วิเคราะห์ข้อมูลเพื่อทำ marketing หรือนำเสนอสินค้าและบริการให้ตรงกับความต้องการของลูกค้าแต่ละรายมากขึ้น
3.3.1. เช่นแนะนำแนวเพลงที่ลูกค้าน่าจะชอบ หรือ แนะนำสินค้าที่ลูกค้าน่าจะสนใจ
3.4. ใช้วิเคราะห์ข้อมูลเพื่อสร้างความสัมพันธ์ที่ดีกับลูกค้า
3.4.1. เช่นส่งของขวัญที่ตรงกับรูปแบบ lifestyle ของลูกค้า
4. Big Data
5. Data Science
6. ขั้นตอนการใช้ประโยชน์
6.1. 1.Problem Analysis
6.1.1. วิเคราะห์และระบุโจทย์สิ่งที่เราอยากรู้ และปัญหาที่เราต้องการแก้
6.2. 2.Data Preparation
6.2.1. เตรียมข้อมูลให้พร้อม ปรับเปลี่ยนข้อมูลให้อยู่ในรูปแบบที่เหมาะสม ครบถ้วน และถูกต้อง
6.3. 3.Modeling
6.3.1. ออกแบบโครงสร้างข้อมูลให้ตอบโจทย์ในสิ่งที่เราอยากรู้ หรือ ปัญหาที่เราต้องการแก้
6.4. 4.Data Analytics
6.4.1. นำข้อมูลที่เตรียมไว้มาวิเคราะห์เพื่อหาความสัมพันธ์ เพื่อเข้าใจสาเหตุของปัญหา เพื่อคาดการณ์สิ่งที่จะเกิดขึ้นในอนาคตและนำไปสู่แนวทางแก้ปัญหาที่เราตั้งเอาไว้
6.5. 5.Diployment
6.5.1. นำผลที่ได้จากการวิเคราะห์ไปแสดงผลและใช้งานต่อ
6.6. 6.Evaluation
6.6.1. ประเมินว่าผลที่ได้จากการวิเคราะห์ มีความถูกต้องแม่นยำ เป็นประโยชน์หรือไม่ หรือแนวทางการแก้ปัญหาที่ได้จากการวิเคราะห์มีประสิทธิภาพตอบโจทย์ที่ตั้งไว้หรือไม่
7. Machine Learning
7.1. การใช้ข้อมูลเพื่อตอบคำถาม
7.1.1. การใช้ข้อมูล คือ การนำข้อมูลที่มีอยู่แล้วมาเรียนรู้ด้วยเครื่องคอมพิวเตอร์ เพื่อหาความสัมพันธ์ของรูปแบบข้อมูลและสร้างเป็นโมเดลพยากรณ์ขึ้นมา เรียกว่า training
7.1.2. ตอบคำถาม คือ การนำโมเดลที่ได้นี้ไปใช้ตอบคำถามแบบอนุมาน หรือ ทำนายผลจากข้อมูลใหม่อีกชุดที่เครื่องไม่รู้จักมาก่อน เรียกว่า prediction
8. Data Mining
8.1. ใช้ machine learning algorithm
8.2. ไม่เน้นการทำนายผล แต่เน้นการหาความรู้ที่มีค่าที่ซ่อนอยู่ในข้อมูลและเราไม่เคยรู้มาก่อน
8.3. เช่น รูปแบบการซื้อสินค้าของลูกค้า
9. AI : Artificial Intelligence
9.1. ปัญญาประดิษฐ์
9.2. เป็นการให้คอมพิวเตอร์สามารถตัดสินใจได้เองแบบมนุษย์
10. ความหมาย
10.1. นำข้อมูลที่เตรียมไว้มาวิเคราะห์เพื่อหาความสัมพันธ์ เพื่อเข้าใจสาเหตุของปัญหา เพื่อคาดการณ์สิ่งที่จะเกิดขึ้นในอนาคตและนำไปสู่แนวทางแก้ปัญหาที่เราตั้งเอาไว้
11. ประเภทของ Big Data
11.1. คุณภาพของข้อมูล (Veracity)
11.1.1. ความแม่นยำของข้อมูลที่มาจากต่างที่ และความไม่แน่นอนของข้อมูลนั้น ๆ ซึ่งต้องมาทำการจัดระเบียบและวิเคราะห์ว่าข้อมูลใดมีความถูกต้องแม่นยำมากที่สุด
11.2. ความหลากหลายของข้อมูล (Variety)
11.2.1. เป็นข้อมูลที่มีความหลากหลายประเภทจากหลายแหล่งข้อมูล
11.3. ปริมาณข้อมูล (Volume)
11.3.1. เป็นข้อมูลที่อยู่รวมกันเป็นมหาศาล
11.4. ความเร็วที่เพิ่มขึ้นของข้อมูล (Velocity)
11.4.1. เป็นข้อมูลที่่มีการหลั่งไหลเข้ามาอย่างรวดเร็วตลอดเวลา