สำรวจความพร้อมของ master data ก่อนเริ่มทำ BI โปรเจ็ค

8891

true ก่อนเริ่มลงมือทำโครงการ Business Intelligence ใดๆ ก็ตาม สิ่งที่ผมมักจะทำเสมอคือการ “ประเมิน” ความพร้อมของข้อมูลอ้างอิง หรือ master data readiness ที่มีอยู่ภายในองค์กร หรือภายในแหล่งข้อมูลเบื้องต้นก่อนเสมอ ไม่ว่าจะเป็นโปรเจ็คที่ดูเหมือนจะง่ายๆ อย่างเช่น reporting system หรือจะเป็นลักษณะที่ซับซ้อนมากขึ้นอย่างการผสานรวมข้อมูลจากหลายๆ แผนกเข้าด้วยกัน หนึ่งในหัวข้อหลักที่ผมมักจะถามอยู่เสมอคือ ข้อมูลอ้างอิงมีความพร้อมแค่ไหน และจะต้องทำอะไรบ้าง เพื่อให้มีความพร้อมเพียงพอ สิ่งที่จะต้องรู้ก่อนก็คือ BI solution หรือระบบที่กำลังจะพัฒนา หรือกำลังจะนำมาใช้ มีความต้องการข้อมูลอ้างอิงอะไรบ้าง และอย่างไรบ้าง ผมเรียกส่วนนี้ว่า master data requirements แต่ละระบบงานก็มีความต้องการแตกต่างกันออกไป คนที่น่าจะรู้เรื่องความต้องการเหล่านี้ได้ดีที่สุดคือ คนที่เป็นเจ้าของ solution พอเข้าใจแล้วว่าต้องใช้ข้อมูลอ้างอิงอะไรบ้าง คราวนี้ก็มาถึงคราวสำรวจตรวจความพร้อมกัน วัตถุประสงค์การสำรวจคือ "เพื่อให้ทราบถึงสิ่งที่ต้องทำ ในระหว่างการทำโครงการ เพื่อให้ได้ข้อมูลอ้างอิงที่ครบถ้วนและถูกต้องเพียงพอต่อการใช้งาน" โดยทั่วไปแล้วปัญหาของคุณภาพข้อมูลอ้างอิงในระบบงานไอที เพียงแต่ปัญหาเหล่านั้นอาจจะไม่ได้ส่งผลกระทบรุนแรงในแง่ของการปฎิบัติการ หรือมิฉะนั้นก็อาจจะไม่สามารถมองเห็นได้ชัดเจนถึงความรุนแรงของปัญหา แต่การนำระบบ BI มาใช้ จะเป็นการเปิดเผยปมปัญหาคุณภาพของข้อมูลที่ไม่มีใครเคยเห็นมาก่อนก็ได้ ผมมักจะตั้งต้นด้วยคำถามง่ายๆ เหล่านี้ ในแต่ละชนิดของข้อมูลอ้างอิง <ul> <li>อธิบาย “ความหมาย” ของข้อมูลอ้างอิง ทั้งทางด้านความเข้าใจทางธุรกิจ และทางด้านการใช้งานในระบบ IT ตัวอย่างเช่น “สินค้า” มีความหมายรวมถึงสินค้าที่เป็นของแจกแถมด้วยหรือไม่ สินค้าเก่าหยุดจำหน่ายนานแค่ไหน ถึงจะถูกพิจารณาว่า ไม่ต้องการให้ปรากฎในรายงานการขายอีกต่อไป ในระบบคอมพิวเตอร์ที่ใช้อยู่ มีการบันทึก “สินค้าลวง” (dummy) ไว้บ้างหรือเปล่า? อาจจะเพื่อความสะดวกในการปรับยอดทางบัญชี</li> <li>อธิบาย “กระบวนการจัดการ” ข้อมูลอ้างอิง ไม่ว่าจะเป็นการสร้างเพิ่ม การเปลี่ยนแปลง หรือการลบข้อมูลอ้างอิง ตัวอย่างเช่นข้อมูล “ลูกค้า” ใครเป็นคนอนุมัติให้สร้างลูกค้ารายใหม่ขึ้นได้ในระบบ ใครเป็นคนบันทึกลงในฐานข้อมูล ถ้าลูกค้าขอการเปลี่ยนแปลงที่อยู่ในการจัดส่งสินค้า ใครจะเป็นคนแจ้งให้ฝ่ายบันทึกข้อมูลทราบ หรือถ้ามีการเปลี่ยนแปลงพนักงานขายที่ดูแลลูกค้ารายนี้ พนักงานบันทึกข้อมูลจะทราบได้อย่างไร</li> <li>ประมาณการปริมาณข้อมูลที่ “สอดคล้องกับความต้องการ” ของระบบ ตัวอย่างเช่น หากต้องการทำรายงานยอดขายรายจังหวัดและรายอำเภอของบริษัทที่มีลูกค้า 20,000 ราย ในบรรดาลูกค้าทั้งสองหมื่นรายนั้น มีจำนวนมากน้อยเท่าไหร่ที่มีข้อมูลจังหวัดและอำเภอบันทึกอยู่ในฐานข้อมูล เป็นไปได้มากทีเดียวที่จะมีลูกค้าเป็นจำนวนมาก ที่มีแต่ข้อมูลจังหวัด แต่ไม่รู้ว่าอยู่ในอำเภออะไร</li> <li>ประมาณการปริมาณข้อมูลที่ “ถูกต้องเที่ยงตรง” ตามที่ต้องการ ตัวอย่างเดิม ในบรรดาลูกค้า 20,000 รายที่มีอยู่ในระบบ อาจจะมีแค่ 50% หรือแค่ 10,000 รายเท่านั้นที่มีข้อมูลทั้งอำเภอและจังหวัด แต่กระนั้น ในบรรดา 10,000 รายที่มีข้อมูลจังหวัด อาจจะไม่ได้ถูกต้องเที่ยงตรงอย่างที่ต้องการก็เป็นได้ อาทิเช่น ความแตกต่างระหว่าง กรุงเทพฯ กับ กทม. หรือโคราชกับนครราชสีมา นี่ยังไม่นับโอกาสที่จะพิมพ์ผิดตกเกินอีกมากมาย ข้อมูลอ้างอิงของลูกค้า 20,000 ที่อยู่ในสภาพดีพร้อมใช้งานได้เลยอาจจะเหลืออยู่แค่ไม่ถึง 5,000 รายก็เป็นได้</li> </ul> การทำความเข้าใจกับสถานการณ์ปัจจุบัน จะช่วยให้การวางแผนการพัฒนาและติดตั้งระบบ Business Intelligence เป็นไปได้อย่างราบรื่นมากขึ้น อย่างน้อยก็ทำให้เห็นภาพได้ว่า มีความท้าทายอะไรรออยู่เบื้องหน้าบ้าง ที่มา:http://blog.bzinsight.net/master-data-readiness-assessment-before-bi-project/

2008-09-18T16:06:04+07:00

เพื่อให้ทราบถึงสิ่งที่ต้องทำในระหว่างการทำโครงการ เพื่อให้ได้ข้อมูลอ้างอิงที่ครบถ้วนและถูกต้องเพียงพอต่อการใช้งาน false 209717

2009-10-20T14:53:42+07:00

false

2008-09-18T16:08:07+07:00

สำรวจความพร้อมของ master data ก่อนเริ่มทำ BI โปรเจ็ค

8891

true Business Intelligence หรือ BI ยังคงเป็นหนึ่งในภารกิจสำคัญด้านการจัดการข้อมูลขององค์กรธุรกิจต่างๆ ต่อเนื่องมาจากปี 2007 และดูเหมือนจะมีความสำคัญเพิ่มมากขึ้น เมื่อปริมาณข้อมูลและสารสนเทศขยายตัวขึ้นอย่างรวดเร็ว บทความฉบับนี้สรุปแนวโน้มที่สำคัญของ BI 10 ประการ ในปี 2008 1. การควบรวมกิจการด้าน BI ทำให้เทคโนโลยีเติบโตสมบูรณ์มากขึ้น ในช่วงปี 2007 การควบรวมกิจการระหว่างบริษัทซอฟต์แวร์เฉพาะทางด้าน BI อย่าง Cognos, Hyperion และ Business Objects โดยยักษ์ใหญ่อย่าง IBM, Oracle และ SAP (ตามลำดับ) กลายเป็นประเด็นสำคัญ และคาดว่าจะยังมีการควบรวมกิจการเพิ่มอีกในปีนี้ การควบรวมกิจการส่งผลดีต่อลูกค้า เพราะลดจำนวน vendor ลง และคาดว่าการผสานการทำงานระหว่างซอฟต์แวร์ BI กับผลิตภัณฑ์อื่นๆ จะเป็นไปอย่างราบรื่นมากขึ้น ถึงแม้ว่าในขณะนี้จะยังไม่เห็นผลชัดเจนนักก็ตาม ประเด็นสำคัญของการควบรวมกิจการคือ การส่งผลให้เทคโนโลยี BI แปลงสภาพจากเทคโนโลยีที่โดดเดี่ยว มีลักษณะเป็น stand-alone ให้กลายสภาพเป็นแพลตฟอร์มที่รองรับกระบวนการทำงานและเทคโนโลยีที่หลากหลาย เทียบชั้นได้กับระบบงานอย่าง ERP, CRM หรือ SCM 2. โอกาสใหม่ๆ จาก BI ในระดับปฎิบัติการ Operational BI แปรสภาพจากการเป็นเรื่องฮ็อตที่ใครๆ ก็พูดถึงเมื่อปีที่แล้ว กลายมาเป็นหนึ่งในภารกิจสำคัญของปีนี้ เมื่อองค์กรทั้งหลายต่างก็ให้ความสำคัญกับการนำเครื่องมือด้าน BI ลงไปใช้ในทุกระดับชั้นขององค์กร จากแต่เดิมที่ BI เป็นเครื่องมือของกลุ่มผู้บริหารระดับสูงหรือนักวิเคราะห์จำนวนไม่มากนัก เพื่อเพิ่มคุณภาพของการตัดสินใจ แต่ Operational BI นำความสามารถเหล่านั้นมาสู่พนักงานระดับปฏิบัติการ ใกล้ชิดกับกิจกรรมทางธุรกิจในแต่ละวันมากขึ้น ทาง Gartner ประมาณการว่าภายในปี 2009 บริษัทในกลุ่ม Global 2000 จะมีการใช้ระบบคลังข้อมูลมาเป็นส่วนหนึ่งในการทำงานสำคัญมากกว่า 90 เปอร์เซ็นต์ ซึ่งเพิ่มขึ้นจากแค่ 25 เปอร์เซ็นต์เมื่อปี 2007 3. Analytics กลายเป็นเครื่องมือสำคัญเชิงกลยุทธ์ Analytics หรือความสามารถด้านการวิเคราะห์ เป็นคำเรียกแอพลิเคชันที่นำข้อมูลมาผ่านการวิเคราะห์ เพื่อให้ได้ข้อสรุปหรือนำไปช่วยตัิดสินใจได้ การวิเคราะห์ข้อมูลอาจจะทำในเชิงสถิติ หรือเป็นการใช้แบบจำลองสถานการณ์ในการวิเคราะห์ก็เป็นได้ ในช่วงที่ผ่านมา การใช้ analytics มักจะมีมากในแวดวงด้านการเงิน แต่ปัจจุบันองค์กรหลายแห่งได้นำความสามารถนี้มาใช้เป็นเครื่องมือสำคัญในการ ปฎิบัติงานตามแผนกลยุทธ์ที่วางไว้ โดยเฉพาะอย่างยิ่งทางด้านการตลาด การที่ operational BI ได้รับความนิยมมากขึ้น ก็มีส่วนสำคัญทำให้งานด้าน analytics ทวีความสำคัญขึ้นเช่นกัน หลายบริษัทใช้แอพลิเคชันด้านการวิเคราะห์ข้อมูล เป็นกาวเชื่อมประสานระหว่างข้อมูลจากระบบ ERP, CRM และ SCM เข้าด้วยกัน เพื่อให้ได้ข้อมูลที่จะช่วยในการตัดสินใจในหลายด้าน 4. ภาคธุรกิจเริ่มเข้ามาผลักดันคุณภาพข้อมูลอย่างจริงจังมากขึ้น แนวโน้มด้านการจัดการข้อมูลอ้างอิง (Master data management - MDM) และด้านการควบคุมคุณภาพข้อมูล ทวีความสำคัญเพิ่มมากขึ้นในช่วงสองปีที่ผ่านมา บริษัทต่างๆ ที่เริ่มให้ความสำคัญด้านนี้ ต่างก็ประสบกับสิ่งท้าทายทั้งทางด้านเทคโนโลยีและองค์กร จนถึงตอนนี้ทั้งงานด้านคุณภาพข้อมูลและการจัดการข้อมูลอ้างอิง ต่างก็กลายเป็นเรื่องที่ทางฝั่งธุรกิจเริ่มเข้าใจมากขึ้นแล้วว่า ไม่สามารถปล่อยให้ทาง IT ผลักดันอยู่ฝ่ายเดียวได้ ทั้งสองฝ่้ายต้องทำงานร่วมกันอย่างใกล้ชิด จึงจะสามารถฟันฝ่าอุปสรรคนี้ไปด้วยกันได้ ความพยายามในด้าน MDM ที่เคยเป็นเพียง “ทดลองดู” ก็จะเปลี่ยนสภาพเป็นพันธกรณีที่สำคัญ กระบวนการธรรมาภิบาลข้อมูล และการมีกลยุทธ์ด้านข้อมูลอ้างอิง จะถูกเร่งความเร็วขึ้น กลุ่ม vendor ด้าน MDM solution ก็จะมีการปรับตัว โดยมีการแยกภาคชัดเจนระหว่างข้อมูลอ้างอิงเกี่ยวกับสินค้า และข้อมูลอ้างอิงเกี่ยวกับลูกค้า 5. BI Governance เคลื่อนตัวสู่ 3 ระดับ ในช่วงหลายปีที่ผ่านมา องค์กรทั้งหลาย ต่างก็เริ่มตระหนักในที่สุดแล้วว่า งานด้านธรรมาภิบาล มีความจำเป็นอย่างยิ่งต่อความสำเร็จของกลยุทธ์ทางด้าน BI แต่กระนั้นก็ตาม จำนวนองค์กรที่ประสบความสำเร็จในการจัดสร้างหน่วยงาน และขั้นตอนธรรมาภิบาล BI ได้ยังมีจำนวนเพียงเล็กน้อยเท่านั้น อย่างไรก็ดี แนวโน้มที่สำคัญในปี 2008 ก็คือองค์กรต่างๆ เริ่มปรับเปลี่ยนวิธีในการจัดทำ BI Governance โดยเน้นผลสัมฤทธิ์ทางปฏิบัติมากขึ้น บริษัททั้งหลายเริ่มตระหนักแล้วว่า งานด้านธรรมาภิบาลส่งผลกระทบที่แตกต่างกันเป็นอย่างมากในสามระดับชั้นภายใน องค์กร ทั้งระดับ enterprise, intra-division และระดับ local ความต้องการของธุรกิจที่แตกต่างกันในแต่ละระดับ อาจผลักดันให้เกิดการจัดทำธรรมาภิบาลในระดับนั้นๆ โดยที่มีผลขัดแย้งกับงานในระดับอื่น ประเด็นสำคัญคือต้องป้องกันไม่ให้เกิดความขัดแย้งในกระบวนการธรรมาภิบาลที่ ต่างระดับกัน โดยอาจต้องตัดสินใจล่วงหน้าก่อนว่า ระดับใดสำคัญที่สุด สำหรับงานธรรมาภิบาล 6. คุณค่าของ unstructured information เริ่มเป็นที่ตระหนักถึงมากขึ้น กลุ่มผู้บริหารระดับสูงได้เริ่มตระหนักกันแล้วว่า บางส่วนของสารสนเทศที่มีคุณค่ามากที่สุดไม่ว่าจะเป็นเรื่องเกี่ยวกับ ลูกค้า คู่ค้าผู้ผลิต และสภาพตลาด ไม่ได้ถูกจัดเก็บอยู่ในระบบฐานข้อมูล แต่ถูกฝังกระจัดกระจายอยู่ตามอีเมล์็ instant message powerpoint slides ไฟล์ภาพและเสียง และข้อมูลแบบ unstructure อื่นๆ แรงผลักดันอีกประการหนึ่งคือ ข้อกำหนดทางกฎหมายที่บังคับให้องค์กรต้องเสาะหาหนทางที่ดีขึ้นกว่าเดิมในการ จัดการ และค้นหาเอกสารและข้อมูลในรูปแบบที่ไม่เป็นโครงสร้าง ปัจจัยทั้งสองประการร่วมกันขับเคลื่อนคุณค่าของเทคโนโลยีด้าน BI ให้รุดหน้าไปยังลำดับต่อไป คือการแปลงข้อมูลแบบ unstructured ให้กลายเป็น actionable insight ในลักษณะเดียวกับข้อมูลแบบโครงสร้ัาง ในช่วงปีที่ผ่านมา บริษัทหลายแห่งได้เริ่มต้นพัฒนากรอบการทำงานด้าน unstructure data มีการรวบรวม จัดหมวดหมู่ ประเมิน และจัดเก็บข้อมูลเหล่านี้อย่างเป็นระบบ รวมถึงการหาวิธีใช้ประโยชน์จากข้อมูลเหล่านั้นให้ได้ผลสูงสุด และยังต้องคอยหาวิธีวัดผลตอบแทนการลงทุนไปพร้อมๆ กันด้วย ถึงแม้ว่าการจัดการ unstructured data จะได้รับการพูดถึงเพิ่มมากขึ้นในปีนี้ แต่การลงทุนพัฒนาและติดตั้งระบบยังคงต้องรอไปอีกระยะหนึ่ง เนื่องจากความพร้อมทั้งทางด้านเทคโนโลยีและด้านความคุ้มค่าในการลงทุน 7. BI Appliance เข้าเกียร์สอง ถึงแม้ว่าทิศทางของตลาดผู้ผลิตเทคโนโลยีด้าน BI จะมีแนวโน้มการควบรวมกันมากขึ้น แต่ปัญหาเฉพาะหน้าที่ต้องการการแก้ไขเร่งด่วนในองค์กรหลายแห่งคือเรื่อง performance และ manageability ของระบบ BI โดยรวม BI/DW Appliance เป็นระบบ “ขายยกกล่อง” คือมีการจัดทั้งฮาร์ดแวร์และซอฟต์แวร์ไว้เป็นชุด preconfigured ไว้ให้เหมาะกับงานด้าน BI และ data warehouse โดยลูกค้าสามารถซื้อแล้วเอาไปวางใช้งานได้เลย เป็นหนึ่งในวิธีการที่บริษัทหลายแห่ง ใช้ในการแก้ปัญหาเรื่องประสิทธิภาพการทำงานของระบบ ดูได้จากจำนวนการติดตั้ง BI/DW Appliance ที่เพิ่มสูงขึ้นมากในปี 2007 แนวโน้มการใช้งาน BI appliance จะยังคงมีอยู่อย่างต่อเนื่องในปี 2008 โดยลูกค้าจะมองหา appliance ที่ถูกสร้างขึ้นมาโดยใช้เทคโนโลยีที่เป็นมาตรฐาน สามารถควบคุมได้โดยใช้ระบบควบคุมการทำงานแบบเดิมที่มีใช้อยู่แล้วในองค์กร และจะต้องสามารถผสานทำงานร่วมกันได้กับโครงสร้างพื้นฐานทาง BI ที่มีอยู่เดิมได้ดีด้วย 8. Managed Spreadsheets ปฎิบัตินิยมแนวใหม่ สเปรดชีตยังคงเป็นหนามยอกอกของงานด้าน BI จากการที่ผู้ใช้ยังยึดมั่นอยู่กับสเปรดชีตที่เขา (หรือเธอ) คุ้นเคย แทนที่จะย้ายไปใช้เครื่องมือใหม่ๆ ด้าน BI ซึ่งถึงแม้จะดูหรูหราแต่ก็งุ่มง่ามและไม่สะดวกเหมือนตารางที่คุ้นเคย ส่งผลให้เกิดข้อมูลซ้ำซ้อน ขาดการจัดการที่ดีและปัญหาอื่นๆ ตามมามากมาย แต่นับจากนี้ไป ทั้งเครื่องมือด้าน BI กับสเปรดชีตจะทำงานด้วยกันเป็นคู่หูมากกว่าจะเป็นคู่้แข่งเหมือนที่เคยเป็น มา ด้วยการผสานรวมกันที่ดีขึ้นระหว่างระบบ BI backend แต่ใช้สเปรดชีตเป็นส่วนติดต่อกับผู้ใช้ ทำให้เกิด managed spreadsheet ที่ผู้ใช้ยังสามารถใช้เครื่องมือที่คุ้นเคย ในการวิเคราะห์และดูข้อมูลได้เหมือนเดิม แต่การรวบรวมและผนวกข้อมูล จะถูกควบคุมไว้และอัพเดตจาก backend ทำให้ง่ายต่อการตรวจสอบความถูกต้องของข้อมูล 9. BI เข้าร่วมขบวน Internet cloud เ้มื่อ BI ขยายตัวเข้าสู่กลุ่มผู้ใช้ที่กว้างขวางมากขึ้น รูปแบบการใช้งานและการจัดการข้อมูลก็เริ่มได้รับอิทธิพลจากรูปแบบการใช้งาน อินเตอร์เน็ตเพิ่มมากขึ้นไปด้วย ตัวอย่างแรกๆ ที่เริ่มเห็นแล้วคือ การนำเสนอข้อมูล BI ในลักษณะของ portal แต่แนวโน้มการเปลี่ยนแปลงจะไม่หยุดอยู่เพียงเท่านั้น ในอนาคตอันใกล้นี้ กลไกการนำเสนอข้อมูลของ BI application จะเริ่มมีการผสมผสานเทคโนโลยี Web 2.0 มากขึ้น ไม่ว่าจะเป็น blog, Wiki, หรือ Instant message โดยมีการเรียกใช้งานผ่าน internet cloud เป็นตัวกลางที่จะผลักดันให้เกิดการเปลี่ยนแปลงในประสบการณ์การใช้งาน BI โดยรวม ความสามารถที่เพิ่มเติมเข้ามาใหม่นี้ ได้รับการสนับสนุนจากรูปแบบ Service-oriented architecture (SOA) ซึ่งได้รับการยอมรับมากขึ้นและกลายเป็นส่วนหนึ่งในแผนงานที่สำคัญของบริษัท เป็นจำนวนมาก การนำ SOA เข้ามาใช้ จะเป็นรากฐานสำคัญที่ทำให้แนวคิดและเทคโนโลยีอื่นๆ สามารถแสดงศักยภาพได้เต็มที่ ไม่ว่าจะเป็น web 2.0, Internet cloud รวมไปถึง operational BI และยังมีส่วนในการกำจัดข้อกังขาของความเป็นไปได้ที่จะใช้ BI as a service อีกด้วย 10. บุคคลากรด้าน BI จำเป็นที่จะต้องเก่งรอบด้าน เมื่อความสามารถด้าน BI กลายมาเป็นสิ่งที่เข้าถึงได้โดยพนักงานหลากหลายระดับในองค์กร นับตั้งแต่กลุ่มผู้บริหาร ลงไปจนถึงพนักงานระดับปฎิบัติการ ก็ส่งผลให้เกิดความต้องการบุคคลากรด้าน Business Intelligence เพิ่มมากขึ้นตามไปด้วย เมื่อการใช้งานระบบ BI แพร่หลายไปทั้งในแนวกว้างและแนวลึกขององค์กร บุคคลากรด้าน Business Intelligence ก็จำเป็นต้องมีทักษะเพิ่มมากขึ้น ทั้งทางด้านเทคโนโลยีและทางด้านการจัดการ จะต้องสามารถทำความเข้าใจกับการวิเคราะห์ข้อมูล การประยุกต์ใช้งานสถิติ กระบวนการด้านธุรกิจ และความเข้าใจในลักษณะเฉพาะของอุตสาหกรรมที่ทำอยู่ นอกจากนั้นแล้ว ความต้องการบุคคลากรที่มีทักษะทางด้าน BI ที่เพิ่มสูงขึ้น ประกอบกับแรงกดดันที่จะลดค่าใช้จ่ายด้านบุคคลากรภายใน ทำให้ offshore outsourcing เป็นทางเลือกอันดับต้นๆ ของหลายองค์กร สรุป Business Intelligence เริ่มผสานกลายเป็นส่วนสำคัญของการปฎิบัติงานประจำวัน มีการเริ่มลงมือแก้ไขปัญหาหลายอย่างอย่างจริงจัง อาทิเช่น การธรรมาภิบาลและการจัดการข้อมูล และในขณะเดียวกัน แนวโน้มและโอกาสใหม่ๆ ในอนาคตอย่างการจัดการ unstructured data ก็ถูกจับตามองอย่างใกล้ชิด แนวโน้มเหล่านี้คล้ายเป็นสัญญาณบ่งชี้ว่า Business Intelligence เริ่มเข้าสู่ยุคใหม่ที่องค์กรธุรกิจเริ่มจำเป็นต้องพึ่งพาความสามารถด้าน BI ในทุกๆ ระดับของการปฏิบัติงาน ที่มา: <a href="http://blog.bzinsight.net/top-10-business-intelligence-trends-2008/">http://blog.bzinsight.net/top-10-business-intelligence-trends-2008/</a>

2008-09-18T15:43:33+07:00

บทความฉบับนี้สรุปแนวโน้มที่สำคัญของ BI 10 ประการ ในปี 2008 false 209710

2008-11-24T00:18:31+07:00

false

2008-09-18T15:44:42+07:00

Top 10 Trends in Business Intelligence for 2008

8891

true โครงข่ายประสาทเทียม (Artificial Neural Networks) หรือที่มักจะเรียกสั้น ๆ ว่า โครงข่ายประสาท (Neural Networks หรือ Neural Net) เป็นหนึ่งในเทคนิคของการทำเหมืองข้อมูล (Data Mining) คือโมเดลทางคณิตศาสตร์ สำหรับประมวลผลสารสนเทศด้วยการคำนวณแบบคอนเนคชันนิสต์ (Connectionist) เพื่อจำลองการทำงานของเครือข่ายประสาทในสมองมนุษย์ ด้วยวัตถุประสงค์ที่จะสร้างเครื่องมือซึ่งมีความสามารถในการเรียนรู้การจดจำรูปแบบ(Pattern Recognition) และการสร้างความรู้ใหม่ (Knowledge Extraction) เช่นเดียวกับความสามารถที่มีในสมองมนุษย์ แนวคิดเริ่มต้นของเทคนิคนี้ได้มาจากการศึกษาโครงข่ายไฟฟ้าชีวภาพ (Bioelectric Network) ในสมอง ซึ่งประกอบด้วย เซลล์ประสาท หรือ "นิวรอน" (Neurons) และ "จุดประสานประสาท" (Synapses) แต่ละเซลล์ประสาทประกอบด้วยปลายในการรับกระแสประสาท เรียกว่า "เดนไดรท์" (Dendrite) ซึ่งเป็น input และปลายในการส่งกระแสประสาทเรียกว่า "แอคซอน" (Axon) ซึ่งเป็นเหมือน output ของเซลล์ เซลล์เหล่านี้ทำงานด้วยปฏิกิริยาไฟฟ้าเคมี เมื่อมีการกระตุ้นด้วยสิ่งเร้าภายนอกหรือกระตุ้นด้วยเซลล์ด้วยกัน กระแสประสาทจะวิ่งผ่านเดนไดรท์เข้าสู่นิวเคลียสซึ่งจะเป็นตัวตัดสินว่าต้องกระตุ้นเซลล์อื่น ๆ ต่อหรือไม่ ถ้ากระแสประสาทแรงพอ นิวเคลียสก็จะกระตุ้นเซลล์อื่น ๆ ต่อไปผ่านทางแอคซอนของมันนักวิจัยส่วนใหญ่ในปัจจุบันเห็นตรงกันว่าโครงข่ายประสาทเทียมมีโครงสร้างแตกต่างจากโครงข่ายในสมอง แต่ก็ยังเหมือนสมอง ในแง่ที่ว่าโครงข่ายประสาทเทียม คือการรวมกลุ่มแบบขนานของหน่วยประมวลผลย่อย ๆ และการเชื่อมต่อนี้เป็นส่วนสำคัญที่ทำให้เกิดสติปัญญาของโครงข่าย เมื่อพิจารณาขนาดแล้วสมองมีขนาดใหญ่กว่าโครงข่ายประสาทเทียมอย่างมาก รวมทั้งเซลล์ประสาทยังมีความซับซ้อนกว่าหน่วยย่อยของโครงข่าย อย่างไรก็ดีหน้าที่สำคัญของสมอง เช่น การเรียนรู้ยังคงสามารถถูกจำลองขึ้นอย่างง่ายด้วยโครงข่ายประสาทนี้หลักการ สำหรับในคอมพิวเตอร์ Neurons ประกอบด้วย input และ output เหมือนกัน โดยจำลองให้ input แต่ละอันมี weight เป็นตัวกำหนดน้ำหนักของ input โดย neuron แต่ละหน่วยจะมีค่า threshold เป็นตัวกำหนดว่าน้ำหนักรวมของ input ต้องมากขนาดไหนจึงจะสามารถส่ง output ไปยัง neurons ตัวอื่นได้ เมื่อนำ neuron แต่ละหน่วยมาต่อกันให้ทำงานร่วมกันการทำงานนี้ในทางตรรกแล้วก็จะเหมือนกับปฏิกิริยาเคมีที่เกิดในสมอง เพียงแต่ในคอมพิวเตอร์ทุกอย่างเป็นตัวเลขเท่านั้นเอง การทำงาน การทำงานของ Neural Networks คือเมื่อมี input เข้ามายัง network ก็เอา input มาคูณกับ weight ของแต่ละขา ผลที่ได้จาก input ทุก ๆ ขาของ neuron จะเอามารวมกันแล้วก็เอามาเทียบกับ threshold ที่กำหนดไว้ ถ้าผลรวมมีค่ามากกว่า threshold แล้ว neuron ก็จะส่ง output ออกไป output นี้ก็จะถูกส่งไปยัง input ของ neuron อื่น ๆ ที่เชื่อมกันใน network ถ้าค่าน้อยกว่า threshold ก็จะไม่เกิด output สิ่งสำคัญคือเราต้องทราบค่า weight และ threshold สำหรับสิ่งที่เราต้องการเพื่อให้คอมพิวเตอร์รู้จำ ซึ่งเป็นค่าที่ไม่แน่นอน แต่สามารถกำหนดให้คอมพิวเตอร์ปรับค่าเหล่านั้นได้โดยการสอนให้มันรู้จัก pattern ของสิ่งที่เราต้องการให้มันรู้จำ เรียกว่า "back propagation" ซึ่งเป็นกระบวนการย้อนกลับของการรู้จำ ในการฝึก feed-forward Neural Networks จะมีการใช้อัลกอริทึมแบบ back-propagation เพื่อใช้ในการปรับปรุงน้ำหนักคะแนนของเครือข่าย (Network Weight) หลังจากใส่รูปแบบข้อมูลสำหรับฝึกให้แก่เครือข่ายในแต่ละครั้งแล้ว ค่าที่ได้รับ (output) จากเครือข่ายจะถูกนำไปเปรียบเทียบกับผลที่คาดหวัง แล้วทำการคำนวณหาค่าความผิดพลาด ซึ่งค่าความผิดพลาดนี้จะถูกส่งกลับเข้าสู่เครือข่ายเพื่อใช้แก้ไขค่าน้ำหนักคะแนนต่อไปการเรียนรู้สำหรับ Neural Networks 1. Supervised Learning การเรียนแบบมีการสอน เป็นการเรียนแบบที่มีการตรวจคำตอบเพื่อให้โครงข่ายประสาทเทียมปรับตัว ชุดข้อมูลที่ใช้สอนโครงข่ายประสาทเทียมจะมีคำตอบไว้คอยตรวจดูว่าโครงข่ายประสาทเทียมให้คำตอบที่ถูกหรือไม่ ถ้าตอบไม่ถูก โครงข่ายประสาทเทียมก็จะปรับตัวเองเพื่อให้ได้คำตอบที่ดีขึ้น (เปรียบเทียบกับคน เหมือนกับการสอนนักเรียนโดยมีครูผู้สอนคอยแนะนำ) 2. Unsupervised Learning การเรียนแบบไม่มีการสอน เป็นการเรียนแบบไม่มีผู้แนะนำ ไม่มีการตรวจคำตอบว่าถูกหรือผิด โครงข่ายประสาทเทียมจะจัดเรียงโครงสร้างด้วยตัวเองตามลักษณะของข้อมูล ผลลัพธ์ที่ได้ โครงข่ายประสาทเทียมจะสามารถจัดหมวดหมู่ของข้อมูลได้ (เปรียบเทียบกับคน เช่น การที่เราสามารถแยกแยะพันธุ์พืช พันธุ์สัตว์ตามลักษณะรูปร่างของมันได้เองโดยไม่มีใครสอน)การประยุกต์ใช้งาน Neural Networks เนื่องจากความสามารถในการจำลองพฤติกรรมทางกายภาพของระบบที่มีความซับซ้อนจากข้อมูลที่ป้อนให้เรียนรู้ การประยุกต์ใช้ข่ายงานระบบประสาทจึงเป็นทางเลือกใหม่ในการควบคุม ซึ่งมีผู้นำมาประยุกต์ใช้งานหลายประเภท ได้แก่ 1. งานการจดจำรูปแบบที่มีความไม่แน่นอน เช่น ลายมือ ลายเซนต์ ตัวอักษร รูปหน้า 2. งานการประมาณค่าฟังก์ชันหรือการประมาณความสัมพันธ์ (มี inputs และ outputs แต่ไม่ทราบว่า inputs กับ outputs มีความสัมพันธ์กันอย่างไร) 3. งานที่สิ่งแวดล้อมเปลี่ยนแปลงอยู่เสมอ (โครงข่ายประสาทเทียมสามารถปรับตัวเองได้) 4. งานจัดหมวดหมู่และแยกแยะสิ่งของ 5. งานทำนาย เช่นพยากรณ์อากาศ พยากรณ์หุ้น 6. การประยุกต์ใช้โครงข่ายประสาทเทียมควบคุมกระบวนการทางเคมีโดยวิธีพยากรณ์แบบจำลอง (Model Predictive Control) 7. การประยุกต์ใช้โครงข่ายประสาทเทียมแบบแพร่กระจายกลับในการทำนายพลังงานความร้อนที่สะสมอยู่ในตัวอาคาร 8. การใช้โครงข่ายประสาทเทียมในการหาไซโครเมตริกชาร์ท การประยุกต์ใช้ข่ายงานระบบประสาทควบคุมระบบ HVAC

2008-02-05T09:50:06+07:00

โครงข่ายประสาทเทียม (Artificial Neural Networks) คือ การสร้างคอมพิวเตอร์ที่จำลองเอาวิธีการทำงานของสมองมนุษย์ หรือทำให้คอมพิวเตอร์รู้จักคิดและจดจำในแนวเดียวกับโครงข่ายประสาทของมนุษย์ เพื่อช่วยให้คอมพิวเตอร์ฟังภาษามนุษย์ได้เข้าใจ อ่านออก และรู้จำได้ ซึ่งอาจเรียกได้ว่าเป็น “สมองกล” false 163433

2009-11-26T21:48:26+07:00

false

2008-02-05T09:53:05+07:00

โครงข่ายประสาทเทียม (Artificial Neural Networks - ANN)

8891

true การทำธุรกิจทุกประเภท มีเป้าหมายสำคัญ 2 ประการที่จะละเลยไม่ได้ คือ  (1) การสร้างมูลค่าเพิ่มให้กับธุรกิจ (Business Value)  และ (2) การสร้างมูลค่าเพิ่มให้กับลูกค้า (Customer Value)  ซึ่งหัวใจหลักในการสร้างมูลค่าเพิ่มให้กับลูกค้า ได้แก่ การให้ลูกค้าได้รับความสะดวกและบริการที่ดีเยี่ยม หลายบริษัทได้พัฒนาระบบการจัดการความสัมพันธ์ระหว่างลูกค้า (Customer Relationship Management : CRM) ขึ้นมาซึ่งเป็นซอฟต์แวร์ทำงานอยู่บนระบบคอมพิวเตอร์ออนไลน์หรือเว็บไซต์ เพื่อเป็นเครื่องมือในการจัดเก็บข้อมูล      สารสนเทศของลูกค้าเอาไว้ จึงมีชื่อเรียกอีกอย่างหนึ่งว่า ระบบสารสนเทศลูกค้า (Customer Information Systems : CIS)    สำหรับสารสนเทศของลูกค้านั้นมีหลายประเภท คือ ลูกค้าบุคคล ลูกค้าธุรกิจ และลูกค้าธุรกิจขนาดใหญ่   ระบบสารสนเทศลูกค้าเป็นประโยชน์อย่างยิ่งต่อองค์กรธุรกิจ ในการนำมาช่วยปรับปรุงการให้บริการที่ดีมีคุณภาพ  ดังมีรายละเอียด คือ - เพื่อเป็นประโยชน์ในการติดต่อกับลูกค้า  เมื่อมีลูกค้าใหม่เข้ามาเยี่ยมชมในเว็บไซต์พาณิชย์อิเล็กทรอนิกส์ (e-Commerce) ของบริษัท ลูกค้าต้องทำการลงทะเบียนไม่ว่าจะเข้ามาในลักษณะของลูกค้ารายย่อย, ร้านขายสินค้า, ผู้ขาย หรือผู้เข้ามาประมูลสินค้า ระบบการจัดการความสัมพันธ์ระหว่างลูกค้า  (Customer Relationship Management : CRM) จะทำการจัดเก็บข้อมูลของลูกค้าลงในฐานข้อมูล  ซึ่งจะมีตั้งแต่ประวัติ ชื่อ นามสกุล ที่อยู่ เบอร์โทรศัพท์ โทรสาร เว็บไซต์ของบริษัท ร้านขายปลีก ลักษณะเฉพาะของลูกค้า  และ  e-Maill Address ของลูกค้า ซึ่งเรียกโดยรวมว่า  สารสนเทศบัญชีลูกค้า (Customer Account Information) และทำให้บริษัทสามารถติดต่อกับลูกค้าได้โดยผ่านอินเตอร์เน็ต อินทราเน็ต และเครือข่ายประเภทอื่นๆ ที่สามารถเชื่อมโยงไปยังการขาย การตลาด และการให้บริการ  หรือเมื่อลูกค้าทำการร้องขอเรื่องใดเข้ามา  ก็สามารถให้คำตอบกลับไปได้อย่างรวดเร็ว นอกจากนี้ ลูกค้ายังสามารถเข้ามาตรวจสอบยอดการสั่งซื้อ และสถานะการจัดส่งสินค้าของตนเองได้  ทำให้องค์กรธุรกิจสามารถรักษาฐานลูกค้าเก่าเอาไว้ได้อย่างดีด้วย - เพื่อเป็นประโยชน์ด้านการตลาด  ระบบสารสนเทศลูกค้า ช่วยให้การทำการตลาดแบบมืออาชีพประสบความสำเร็จ เนื่องจากเป็นการช่วยส่งเสริมการขายได้โดยตรงด้วยระบบอัตโนมัติ เช่น ทำให้การตั้งเป้าหมายทางการตลาดได้รับผลดี  ช่วยในการจัดตารางการทำการตลาด และช่วยติดตามการส่งเมล์ไปยังลูกค้าได้โดยตรง   และลูกค้าสามารถได้รับข้อมูลตอบกลับจากระบบฐานข้อมูล อีกทั้งช่วยในการวิเคราะห์ลูกค้า และช่วยเพิ่มมูลค่าให้กับธุรกิจ นอกจากนี้   ยังช่วยให้ลูกค้าสามารถบรรลุถึงเป้าหมายวัตถุประสงค์ เช่น เมื่อมีการร้องขอข้อมูลเข้ามา และจะได้รับการตอบกลับอย่างรวดเร็ว ไม่ว่าจะเป็นการติดต่อเรื่องการขาย หรือการบริการ - เพื่อให้บริการที่ดีเยี่ยมและสร้างความพึงพอใจแก่ลูกค้า  ด้วยซอฟต์แวร์ที่สามารถอำนวยความสะดวกได้หลากหลาย และเป็นอัตโนมัติ ทำให้บริษัทสามารถเข้าถึงฐานข้อมูลของลูกค้าได้ด้วยระบบออนไลน์ สามารถใช้ฐานข้อมูลร่วมกันได้ เช่น ฐานข้อมูลการขาย และการตลาด  ระบบสารสนเทศลูกค้าจะช่วยสนับสนุนอำนวยความสะดวกให้ผู้ใช้ โดยที่ผู้บริหารสามารถสร้าง มอบหมาย และจัดการการร้องขอ และการบริการที่ลูกค้าร้องขอเข้ามาได้ ซอฟต์แวร์ศูนย์กลางการโทรศัพท์ (Call Center) เหมือนเป็นตัวแทนสนับสนุนบริการลูกค้า ซึ่งมีความชำนาญ และมีสิทธิ์อำนาจตามแต่ละชนิดของการบริการร้องขอ  ซอฟต์แวร์ช่วยทำงานบนโต๊ะ (Help Desk) ช่วยในการบริการลูกค้าซึ่งมีปัญหาเกี่ยวกับผลิตภัณฑ์สินค้า และการบริการ โดยช่วยจัดการข้อมูลที่มีความสัมพันธ์กัน ให้คำแนะนำเพื่อแก้ไขปัญหาให้กับลูกค้า  อีกประการหนึ่ง ยังมีการพัฒนาเว็บไซต์ขึ้นมา เพื่อให้ลูกค้าสามารถช่วยเหลือตนเอง, เรียนรู้ผลิตภัณฑ์ของบริษัทได้ และสามารถเข้าถึงข้อมูลของบริษัทได้เป็นการส่วนบุคคล (Personalization) ขอยกตัวอย่างกรณีศึกษา  หัวหน้าฝ่ายบริหารของ สายการบินอเมริกันแอร์ไลน์ (American Airlines) ซึ่งเป็นหุ้นส่วนธุรกิจและใช้สินค้าเกี่ยวกับเครื่องจักรแรงขับเคลื่อนของเครื่องบินและอุปกรณ์อะไหล่เครื่องบินจากบริษัท AlliedSignal’s Aerospace ได้ร้องเรียนว่า สินค้าและการบริการแย่มาก คุณภาพไม่ได้มาตรฐาน ถ้าไม่ปรับปรุงจะไปหาหุ้นส่วนใหม่ที่ผลิตอุปกรณ์เครื่องบินที่ดีกว่า ผู้บริหารของ AlliedSignal’s Aerospace ได้รับการร้องเรียนอย่างหนักในลักษณะนี้จากลูกค้าคนอื่นๆ อีกจำนวนมาก  เนื่องจาก  4  แผนกใหญ่ของบริษัท AlliedSignal’s Aerospace ไม่ได้ใช้สารสนเทศร่วมกัน (Share Information) คือ  ฝ่ายขาย,  ฝ่ายตรวจสอบสถานะการขาย, ฝ่ายรับคำร้องสถานะบำรุงรักษา, และฝ่ายบริการด้านผลิตภัณฑ์ นอกจากนี้  สายงานด้านการตลาดของผลิตภัณฑ์มีมากกว่า 40 ชนิด แยกตัวทำงานกันเป็นอิสระ  คนขายไม่ได้ทำการติดต่อกับลูกค้าอย่างต่อเนื่องใน 1 อาทิตย์ หรือแม้กระทั่งในวันเดียวกัน ยังไม่รู้เลยว่า คนขายไปอยู่ไหน ในบางครั้งลูกค้าเป็นจำนวนมาก ติดต่อเข้ามาที่บริษัทกว่า 50 จุด โยนกันไปโยนกันมา โดยลูกค้าไม่ได้รับข้อมูลอะไรเลย  ผู้บริหารของ  AlliedSignal’s Aerospace รู้ดีว่า พวกเขาจะต้องปรับปรุงยุทธวิธีการขาย และการบริการที่ดีแก่ลูกค้าของเขา เนื่องจากมีคู่แข่งจำนวนมาก  ดังนั้น พวกเขาจึงได้เริ่มทำการแก้ไขปัญหาของลูกค้า ด้วยการพัฒนาระบบการจัดการความสัมพันธ์ระหว่างลูกค้า (CRM) ขึ้นมาจากซอฟต์แวร์ชื่อ Siebel Systems ในปี 1998 ในปัจจุบันระบบสารสนเทศลูกค้า ได้ถูกนำไปใช้โดยฝ่ายตัวแทนการขาย, ฝ่ายบริการทางด้านวิศวกรรม, กลุ่มคนที่ทำงานในสายการผลิต และศูนย์ให้การตอบกลับข้อมูลแก่ลูกค้า - เพื่อเป็นประโยชน์ในการตัดสินใจ  ระบบสารสนเทศของลูกค้า ช่วยทำให้ธนาคารต่างๆ ทั่วโลกนำมาเป็นข้อมูลประกอบการตัดสินใจของผู้บริหารในการให้สินเชื่อ หรืออนุมัติสินเชื่อ  เช่น  ธนาคารไทยพาณิชย์ ในประเทศไทย นำเอาระบบสารสนเทศของลูกค้ามาช่วยด้านให้สินเชื่อ ดังต่อไปนี้ คือ สินเชื่อเพื่อการเคหะ, สินเชื่อเพื่อการอุปโภคบริโภค, สินเชื่อเพื่อการลงทุน, สินเชื่อเพื่อสันทนาการ, สินเชื่อเพื่อการเดินทาง, สินเชื่อเพื่อสวัสดิการ, สินเชื่ออเนกประสงค์, และสินเชื่อหมุนเวียน (<a href="http://www.scb.co.th/">www.scb.co.th</a>) ดังนั้น ระบบสารสนเทศลูกค้า  จึงเป็นอีกกลยุทธ์หนึ่งที่องค์กรธุรกิจ ต่างนำเอามาใช้เพื่อเป็นประโยชน์ทางธุรกิจอย่างแพร่หลาย ไม่ว่าจะเป็นลักษณะของระบบการจัดการความสัมพันธ์ระหว่างลูกค้า  (CRM)  หรือในลักษณะของการวางแผนทรัพยากรในองค์กร (Enterprise Resource Planning : ERP) มีหลายองค์กรได้พัฒนาไปในลักษณะที่ก้าวไกลมาก คือนำเอาระบบสารสนเทศลูกค้า มาสนับสนุนการทำงานร่วมกันกับพนักงาน, หุ้นส่วนทางธุรกิจ และลูกค้าของพวกเขา ทั้งนี้  เพื่อสร้างผลกำไรและความประทับใจด้านการให้บริการที่ดีที่สุดแก่ลูกค้านั่นเองโดย ผศ.สุพล พรหมมาพันธุ์ ภาควิชาคอมพิวเตอร์ธุรกิจ คณะสารสนเทศศาสตร์ มหาวิทยาลัยศรีปทุม <h5></h5><h5></h5>

2007-04-02T10:12:24+07:00

ระบบสารสนเทศลูกค้า จึงเป็นอีกกลยุทธ์หนึ่งที่องค์กรธุรกิจ ต่างนำเอามาใช้เพื่อเป็นประโยชน์ทางธุรกิจอย่างแพร่หลาย ไม่ว่าจะเป็นลักษณะของระบบการจัดการความสัมพันธ์ระหว่างลูกค้า (CRM) หรือในลักษณะของการวางแผนทรัพยากรในองค์กร (Enterprise Resource Planning : ERP) มีหลายองค์กรได้พัฒนาไปในลักษณะที่ก้าวไกลมาก คือนำเอาระบบสารสนเทศลูกค้า มาสนับสนุนการทำงานร่วมกันกับพนักงาน, หุ้นส่วนทางธุรกิจ และลูกค้าของพวกเขา ทั้งนี้ เพื่อสร้างผลกำไรและความประทับใจด้านการให้บริการที่ดีที่สุดแก่ลูกค้านั่นเอง false 88000

2007-12-09T13:48:36+07:00

false

2007-04-02T10:21:45+07:00

ระบบสารสนเทศลูกค้า (Customer Information System)

8891

true <blockquote>ในสังคมที่มีการเปลี่ยนแปลงอย่างรวดเร็วและสลับซับซ้อนเช่นปัจจุบัน เกือบทุกคนต่างมีโอกาสประสบปัญหาต่าง ๆ มากมาย ซึ่งปัญหาที่ประสบและพยายามหาทางแก้ไขกันอย่างเอาจริงเอาจังนี้ เป็นเหตุผลที่ทำให้คิดถึงอนาคตกันขึ้น เนื่องจากปัญหาต่าง ๆ เหล่านั้นมักเป็นผลสืบเนื่องจากความล้มเหลวที่จะทำการป้องกันหรือแก้ไขก่อนจะถึงจุดวิกฤติ ซึ่งก่อนหน้านั้น หากได้มีการลงทุนมองอนาคตกันเสียแต่แรกด้วยความรอบคอบ ระมัดระวัง และด้วยวิธีการที่เป็นระบบแล้ว ก็คงจะสามารถคาดการณ์ได้ล่วงหน้า และสามารถจะดักแก้ปัญหาเหล่านั้นเสียก่อนได้ อันจะมีผลต่อเนื่องไปถึงการประหยัดเงินตรา ทรัพยากรด้านต่าง ๆ และลดความเสียหายลงได้อย่างมหาศาล ดังสุภาษิตชาวบ้านที่ว่า "หนึ่งออนด์เพื่อการป้องกัน หนึ่งปอนด์เพื่อการแก้ไข" หรือ "ปะก่อนที่จะขาดมากเกินไป" หรือดังสุภาษิตของไทยที่ว่า "เสียน้อยเสียยาก เสียมากเสียง่าย" หรือ "กันไว้ดีกว่าแก้" เป็นต้น แต่จากสภาพการณ์ที่สังคมมีแต่ความชุลมุนวุ่นวายด้วยปัญหาต่าง ๆ ที่ดูเหมือนว่าจะไม่มีความสิ้นสุดเช่นในปัจจุบันนี้ ภูมิปัญญาชาวบ้านดังกล่าว ดูเหมือนจะถูกหลงลืมกันไปเสียมาก คนส่วนใหญ่ไม่ว่าจะเป็นเจ้าหน้าที่ของรัฐ นักธุรกิจ หรือประชาชนทั่วไป ต่างจึงตกอยู่ในสภาพที่ต้องร่วมกันรับผิดชอบต่อการแก้ไขปัญหาต่าง ๆ ที่เกิดขึ้นมากกว่าการป้องกัน ดังผลการพัฒนาของไทยในระยะที่ผ่านมา ที่มุ่งการทำให้เป็นอุตสาหกรรม การทำให้เป็นเมืองและการจำเริญทางเศรษฐกิจโดยรวมของประเทศ ซึ่งหากพิจารณากันอย่างผิวเผิน ก็อาจจะกล่าวได้ว่าการพัฒนาประสบผลสำเร็จค่อนข้างดี ด้วยสภาพเศรษฐกิจโดยรวมได้มีการขยายตัวอย่างรวดเร็ว ประมาณกันว่า ในช่วงทศวรรษที่ผ่านมา มีอัตราการขยายตัวสูงถึงประมาณร้อยละ 7 ต่อปี แต่เมื่อพิจารณาอย่างลึกซึ้งแล้วก็จะพบว่า ผลจากการพัฒนาได้ก่อให้เกิดปัญหาหลายประการด้วยกัน เช่น ความเหลื่อมล้ำของบุคคลในสังคมในด้านต่าง ๆ ความเสื่อมโทรมของทรัพยากรธรรมชาติและความรุนแรงของมลภาวะเป็นพิษ เป็นต้น สภาพการพัฒนาในปัจจุบันก็คือ ความพยายามที่จะแก้ปัญหาดังกล่าวกันอย่างจริงจัง ดังจะเห็นได้จากการมีแผนพัฒนาชนบทยากจน ความพยายามที่จะกระจายโรงงานอุตสาหกรรมออกสู่ส่วนภูมิภาคมากขึ้น เป็นต้น </blockquote>ความสำคัญ<blockquote>จากสภาพการณ์และข้อสังเกตดังกล่าว เน้นให้เห็นถึงความสำคัญของการศึกษาอนาคตได้เป็นอย่างดี เพราะการศึกษาอนาคตจะช่วยกำหนดปัญหาที่จะเกิดขึ้นในอนาคตเพื่อการป้องกัน เนื่องจากการสำรวจความเป็นไปได้ของอนาคตอย่างเป็นระบบ จะเป็นระบบการเตือนล่วงหน้าที่ดี เพื่อจะให้มีการปฏิบัติต่อปัญหานั้นได้อย่างถูกต้องก่อนที่จะลุกลามไปเป็นปัญหาที่ใหญ่โต นอกจากนั้นยังจะช่วยกำหนดโอกาสที่เป็นไปได้ของเหตุการณ์ต่าง ๆ ในอนาคตได้ด้วย ซึ่งโอกาสต่าง ๆ เหล่านั้นจะก่อให้เกิดการตัดสินใจจากผู้มีอำนาจเพื่อก่อให้เกิดการกระทำ เมื่อเห็นว่าเหมาะสมและต้องการให้เกิดขึ้น แม้ว่าปัญหาและโอกาสที่เป็นไปได้ของเหตุการณ์ในอนาคตนั้น จะออกมาในรูปของความน่าจะเป็นหรือความเป็นไปได้มากกว่าความถูกต้องแน่นอนก็ตาม แต่อย่างน้อยก็เป็นหลักเกณฑ์ที่จะช่วยเตือนล่วงหน้าที่ดี เป็นที่แน่นอนว่า การเปลี่ยนแปลงทางสังคมนั้นเกิดขึ้นในทุก ๆ แห่ง และทุก ๆ เวลา สังคมไทยก็เช่นกัน ความแน่นอนประการหนึ่งในช่วงทศวรรษที่กำลังจะมาถึงข้างหน้านี้ก็คือ ความเจริญจะมีการเปลี่ยนแปลงไปอย่างต่อเนื่อง สังคมจะมีการเปลี่ยนแปลงไปอย่างรวดเร็วและสลับซับซ้อน จากกระแสของความเป็นโลกใบเดียวกัน และกระแสความก้าวหน้าด้านเทคโนโลยีสารสนเทศ สภาพของปัญหาและโอกาสที่เป็นไปได้ของเหตุการณ์ต่าง ๆ ในอนาคตย่อมมีอยู่อย่างมากมาย หากขาดการศึกษาในลักษณะการทำนายอย่างเป็นระบบแล้ว ก็ย่อมจะก่อให้เกิดปัญหาต่าง ๆ ตามมาอีกมากดังอดีตที่ผ่านมา ดังนั้นเพื่อเป็นการเตรียมตัวล่วงหน้าที่ไม่ประมาท การศึกษาอนาคต โดยการทำนายถึงสภาพปัญหาและโอกาสที่เป็นไปได้ของเหตุการณ์ต่าง ๆ ในอนาคตของสังคมด้านต่าง ๆ เช่น ด้านตัวบุคคล ด้านเศรษฐกิจ ด้านสังคม และด้านการเมือง อันเป็นผลเนื่องจากแหล่ง (sources) ที่เป็นสาเหตุที่ก่อให้เกิดการเปลี่ยนแปลง ทั้งจากภายในประเทศและภายนอกประเทศ ทั้งในด้านที่เป็นความคิดหรืออุดมการและด้านที่เป็นวัตถุ หรือทั้งจากปัจจัยที่เป็นมนุษย์และที่มิใช่มนุษย์ จึงเป็นเรื่องที่มีความสำคัญและจำเป็น </blockquote>ลักษณะ<blockquote>การศึกษาอนาคตเป็นวิชาการสาขาหนึ่งที่เริ่มมีขึ้นเมื่อไม่นานมานี้เอง แต่ก็เป็นที่แพร่หลายโดยทั่วไป แต่เนื่องจากความเป็นสาขาวิชาใหม่ จึงมีลักษณะที่เป็นข้อสังเกตหลายประการด้วย กันดังนี้ <ol><ol><li>การศึกษาอนาคตเป็นการขยายหรือเป็นการมองสังคมไปข้างหน้าให้กว้างขึ้น ด้วยการพัฒนาวิธีการคิดเกี่ยวกับอนาคตที่ดีขึ้นและเป็นไปในเชิงวิชาการมากขึ้น </li><li>จากจำนวนของนักวิชาการที่มากขึ้น และเทคนิคการทำนายอนาคตที่เป็นเชิงวิชาการมากขึ้นทำให้การศึกษาอนาคตเป็นวิชาการที่ได้รับการยอมรับกันโดยทั่วไป </li><li>การศึกษาอนาคตเป็นเรื่องที่เกี่ยวข้องกับการทำนาย แต่ที่สำคัญก็คือการศึกษาอนาคตได้ช่วยให้บุคคลได้พัฒนาความเข้าใจ ทัศนคติและความสามารถ ซึ่งในทางกลับกันก็ช่วยให้พวกเขาได้เผชิญกับการเปลี่ยนแปลงได้อย่างมีประสิทธิภาพมากขึ้น และด้วยความรับผิดชอบต่อการดำรงชีวิตในสังคมเทคโนโลยี </li><li>การศึกษาอนาคตตั้งอยู่บนหลักการที่ว่าอนาคตไม่สามารถบอกล่วงหน้าได้อย่างถูกต้องแน่นอน เป็นแต่เพียงความเป็นไปได้หรือความน่าจะเป็นเท่านั้น แต่มันก็ก่อให้เกิดกรอบความคิดต่าง ๆ จำนวนมาก ตลอดจนวิธีที่เป็นประโยชน์ได้อย่างมีประสิทธิภาพ </li><li>การศึกษาอนาคตตั้งอยู่บนพื้นฐานความเชื่อที่ว่า เนื่องจากกิจกรรมต่างๆของมนุษย์ก่อให้เกิดสิ่งตามมาอย่างกว้างขวางและมีระยะยาวมากขึ้น ดังนั้นการศึกษาถึงความเป็นไปได้ของสิ่งที่จะเกิดตามมานั้นอย่างรอบคอบจึงเป็นสิ่งจำเป็น </li><li>การศึกษาอนาคตเป็นการศึกษาทางเลือก (alternatives) บนพื้นฐานความคิดที่ว่า อนาคตมิได้มีเพียงทางเลือกเดียว แต่มีอยู่มากมาย ซึ่งจะมีบทบาทที่มีอิทธิพลต่ออนาคตที่เกิดขึ้นจริงอย่างมาก </li><li>การศึกษาอนาคตเกี่ยวข้องอย่างมากต่อการอำนวยความสะดวกในการทำความเข้าใจต่อการเปลี่ยนแปลงจึงมีผลต่อการเร่งการเปลี่ยนแปลงและผลที่เกิดตามมาทั้งในระดับบุคคลและสังคมให้เร็วขึ้น </li><li>การศึกษาอนาคตช่วยให้มีความสำนึกถึงเป้าหมายที่พึงปรารถนา </li><li>สาระสำคัญของการศึกษาอนาคตมิได้จำกัดอยู่ด้วยขอบเขตของวิชาการแบบดั้งเดิม แต่เป็นการมองไปข้างหน้าอย่างเป็นสหวิทยาการ </li><li>การศึกษาอนาคตเป็นความพยายามที่จะทำความเข้าใจและอธิบายความสัมพันธ์ ทั้งภายในและระหว่างระบบที่สลับซับซ้อนของส่วนประกอบต่าง ๆ ของธรรมชาติและของโลกแห่งสังคม เช่น ระบบรัฐ/ประเทศ ระบบนิเวศน์วิทยา ระบบเศรษฐกิจ เป็นต้น </li><li>องค์ประกอบสำคัญของการศึกษาอนาคตประการหนึ่งคือการมุ่งมองไปทั้งโลก จากพื้นฐานความเชื่อที่ว่าเราอาศัยอยู่ในโลกที่จำกัดและต้องพึ่งพาอาศัยซึ่งกันและกัน จึงต้องการการสงวน รักษา การร่วมมือ และสันติภาพ </li><li>องค์ประกอบสำคัญอีกประการหนึ่งของการศึกษาอนาคตคือ การมองไปข้างหน้าเกี่ยวกับนิเวศน์วิทยา เพื่อสะท้อนให้เห็นถึงภัยที่คุกคามต่อสภาพแวดล้อมมากมาย </li><li>การศึกษาอนาคตอาศัยเทคนิคและกระบวนการสำหรับการวิเคราะห์การพัฒนาที่เป็นไปได้ ที่น่าจะเป็น และที่พึงปรารถนา ซึ่งมีแตกต่างกันมากมายหลายวิธี โดยอาศัยแนวคิดด้านสถิติและสังคมศาสตร์และการทำให้มีเหตุผลขึ้น ซึ่งมิใช่โดยความสามารถที่ทำนายได้สำเร็จ แต่อยู่ที่การยอมให้มีการทดสอบทางเลือกสิ่งที่เกิดตามขึ้นมาและเป้าหมาย จึงจะทำให้การศึกษาอนาคตเป็นสิ่งที่ถูกต้องขึ้น </li><li>การศึกษาอนาคตต้องเกี่ยวข้องกับอุดมการอย่างมาก จึงง่ายต่อการที่จะมีความคิดเห็นที่ขัดแย้ง กับบุคคลอื่น ซึ่งก็จะก่อให้เกิดการทำนายสิ่งที่เกิดขึ้นตามมาจากพฤติกรรมและการกระทำของมนุษย์ในรูปแบบต่าง ๆ กัน ทั้งในระยะสั้นและระยะยาว </li><li>) แม้ว่าจะมีภาพอนาคตที่ไม่ดี (pessimistic) อยู่มาก แต่การศึกษาอนาคตจะมีพื้นฐานการทำนายอยู่ที่ภาพอนาคตที่ดี (optimistic) ดังนั้น ถึงแม้ว่าจะมีปัญหาใหญ่หลวงรออยู่ แต่มนุษย์ก็จะสามารถใช้สติปัญญาหาวิธีการที่จะจัดการให้สำเร็จให้ได้ ในกรณีเช่นนี้ก่อให้เกิดการวางแผนที่จะทำให้บรรลุผลตามอนาคตที่พึงปรารถนา และหลีกเลี่ยงจากอนาคตที่ไม่พึงปรารถนาได้ </li><li>แม้ว่าเอกสารที่เกี่ยวข้องกับอนาคตจะเน้นวิทยาศาสตร์และเทคโนโลยีอย่างมาก แต่ปัจจุบันก็มีแนวโน้มที่จะให้ความสำคัญกับอนาคตด้านที่เป็นมนุษย์มากขึ้น </li><li>การศึกษาอนาคตเป็นการมองไปข้างหน้าในแนวใหม่ ซึ่งอาจจะช่วยให้เข้าใจสภาพในปัจจุบันได้ดีขึ้น และทำให้เรามองเห็นโลกที่เราอาศัยอยู่ในปัจจุบันได้ชัดเจนขึ้น </li><li>เป้าหมายสุดท้ายของการทำนาย ส่วนใหญ่อยู่ที่การจัดสารสนเทศเพื่อช่วยในการกำหนดนโยบายและเพื่อการวางแผนสำหรับอนาคต </li></ol></ol></blockquote>ความเป็นมา<blockquote>มีการศึกษาวิธีการทำนายอนาคตอย่างจริงจังในปี ค.ศ. 1907 โดย S. Colum Gilfillan ซึ่งเป็นผู้ริเริ่มกำหนดวิธีการทำนายที่เรียกชื่อกันในปัจจุบันนี้ว่า การทำนายเชิงปทัสถานและเชิงสำรวจ (normative & exploratory forecasting) ต่อมาในตอนปลายทศวรรษที่ 193O รัฐบาลสหรัฐอเมริกาได้ให้ความสนับสนุนด้านการเงิน เพื่อพัฒนาเทคนิคการทำนายขึ้นใหม่อีกหลายวิธี ซึ่งยังคงใช้กันมาจนถึงปัจจุบัน ในปี ค.ศ. 1944 Assip K. Flechtheim เป็นผู้เริ่มใช้คำว่า "อนาคตวิทยา" (futurology) เพื่อแสดงให้เห็นว่าการศึกษาอนาคตเป็นวิทยาศาสตร์ อย่างไรก็ตาม อนาคตวิทยาในช่วงเวลาดังกล่าวไม่อาจถือเป็นการศึกษาเชิงวิทยาศาสตร์ได้อย่างสมบูรณ์ เนื่องจากยังอาศัยการคาดเดาอยู่มาก จนกระทั่งในช่วงทศวรรษ 196O การศึกษาอนาคตจึงเริ่มเป็นวิทยาศาสตร์มากขึ้น เมื่อนักทำนายด้านเทคโนโลยีเกิดการเรียนรู้ว่า การทำนายด้านเทคโนโลยีนั้น ไม่อาจแยกออกไปจากสังคมในด้านอื่นๆ ได้ การทำนายต้องพิจารณาถึงการเปลี่ยนแปลงของสังคมในด้านอื่น ๆ อย่างใกล้ชิดด้วย และในช่วงทศวรรษที่ 197O ในวงการศึกษา ก็เริ่มเกิดการเรียนรู้ว่า การทำนายอนาคตจะไม่สามารถกำหนดรูปแบบการศึกษา และมุ่งตรงไปยังอนาคตทางการศึกษาที่พึงปรารถนาได้ หากว่าการทำนายอนาคตนั้นไม่ได้คำนึงถึงอนาคตของสังคมในด้านอื่นๆ ด้วย เช่น ด้านรัฐบาล ชุมชน ธุรกิจ และอุตสาหกรรม ตลอดจนตัวแปรด้านการเมือง เศรษฐกิจ วัฒนธรรม เทคโนโลยี เป็นต้น นั่นก็คือ เกิดการเรียนรู้ว่า การมีปฏิสัมพันธ์ซึ่งกันและกันของสังคมในด้านต่าง ๆ จะเป็นตัวบ่งชี้ให้เห็นถึงทางเลือกในอนาคตที่จะพึงมีของสังคมในด้านที่ศึกษานั้น</blockquote>ความหมาย<blockquote>Joseph ให้นิยามของการศึกษาอนาคตในความหมายของการทำนาย (forecasting) ว่าเป็นวิธีดำเนินการที่เป็นระบบและระเบียบ สำหรับกำหนดความเป็นไปได้ของอนาคต เพื่อจะให้เรามุ่งไปยังอนาคตนั้นได้อย่างนอกเหนือการคาดเดาอย่างบริสุทธิ์ นอกจากนี้ เขายังจำแนกความแตกต่างระหว่างการทำนายกับการพยากรณ์ด้วยว่า การพยากรณ์ (predicting) เป็นการถามข้อความใน ลักษณะ "อะไรจะเกิดขึ้น" ในขณะที่การทำนาย (forecasting) เป็นการถามข้อความในลักษณะ "อะไรจะเกิดขึ้น ถ้า....." นอกจากนั้น Cornish และคณะ แม้ไม่ได้กล่าวถึงความหมายโดยตรง แต่ได้ทำให้ความหมายของการทำนายมีความชัดเจนขึ้น โดยได้นำไปเปรียบเทียบกับความหมายของคำว่า การดูโชคชะตา (fortune telling) ว่า แม้คำทั้งสองจะเป็นเรื่องเกี่ยวกับการคาดการณ์ถึงอนาคตเช่นกัน แต่มีความแตกต่างกัน คือ การทำนายนั้นเชื่อว่าโลกแห่งอนาคตสามารถจะก่อปั้นขึ้นด้วยการตัดสินใจและการกระทำของมนุษย์ มากกว่าจะเป็นเรื่องของโชคชะตา ยิ่งกว่านั้นการทำนายจะอาศัยวิธีการเชิงเหตุผลหรือเชิงวิทยาศาสตร์ มิได้อาศัยไพ่ ถ้วยแก้ว ใบชา หรืออื่น ๆ ดังเช่นการดูโชคชะตา และที่สำคัญ การดูโชคชะตาจะเกี่ยวข้องกับอนาคตของบุคคลใดบุคคลหนึ่ง ส่วนการทำนายนั้นจะเกี่ยวข้องกับส่วนรวมและความเจริญรุ่งเรืองของอนาคตนั้น นั่นคือนักอนาคตจะไม่ตอบคำถามลักษณะที่ว่า "สมศรีจะแต่งงานในปีนี้หรือไม่" แต่จะตอบคำถามในลักษณะที่ว่า "รูปแบบการแต่งงานในทศวรรษหน้าจะเป็นอย่างไร" เป็นต้น</blockquote>ประโยชน์<blockquote>การศึกษาอนาคตให้ประโยชน์ในด้านต่างๆ คือ 1) ช่วยในกระบวนการตัดสินใจ ดังเช่น (ก) ช่วยกำหนดกรอบการทำงานในการตัดสินใจเพื่อการวางแผน กล่าวคือ แผน นโยบายหรือการตัดสินใจใด ๆ จะไม่สามารถกระทำได้หากขาดข้อตกลงเบื้องต้น (assumption) หรือหากมีแต่เป็นข้อตกลงเบื้องต้นที่ผิดพลาด ก็จะนำไปสู่ความเสียหาย ซึ่งข้อตกลงเบื้องต้นนี้ สามารถได้มาด้วยการศึกษาอนาคต แม้จะเป็นเพียงความเป็นไปได้ หรือความน่าจะเป็นมากกว่าความถูกต้องแน่นอน แต่ก็เป็นหลักเกณฑ์ ที่จะช่วยให้นักวางแผนนำไปพิจารณาประกอบการวางแผน การกำหนดนโยบาย หรือการตัดสินใจได้ (ข) ช่วยในการตัดสินใจหาทางป้องกันปัญหาที่คาดว่าจะเกิดขึ้นก่อนจะกลายเป็นปัญหาขั้นวิกฤติ และการตัดสินใจเพื่อให้มีการกระทำกับโอกาสที่คาดว่าจะเป็นไปได้และเหมาะสม (ค) ช่วยในการตัดสินใจเลือกวิธีการป้องกันปัญหาจากหลายๆ วิธีที่นักอนาคตได้เสนอทางเลือกไว้ให้ (ง) ช่วยให้สามารถประเมินทางเลือกของนโยบายและการปฏิบัติ เนื่องจากนักอนาคตได้ช่วยประเมินทางเลือกต่างๆ ไว้ โดยวิเคราะห์ถึงผลกระทบที่เป็นไปได้ที่จะมีต่อโลกแห่งอนาคตนั้น (จ) ช่วยเพิ่มโอกาสในการเลือกสรรจากทางเลือกหลาย ๆ ทางที่เสนอไว้ ทำให้ผู้คนมีความเป็นอิสระในการเลือกสรร สามารถจะหลีกเลี่ยงจากการเป็นทาสของการยอมรับแนวโน้มในปัจจุบันที่อาจจะนำไปสู่ความหายนะได้ 2) ช่วยในการเตรียมคนสำหรับอนาคตที่กำลังเปลี่ยนแปลงกล่าวคือ การศึกษาความเป็นไปได้ของอนาคตจะทำให้ประชาชนเกิดความมั่นใจในตนเอง ทำให้คนเริ่มมองไปข้างหน้า คำนึงถึงสิ่งที่จะเกิดขึ้นในอนาคต ทั้งที่เป็นปัญหาและไม่เป็นปัญหา การมุ่งไปข้างหน้าไม่ถอยหลังจะเป็นเหตุให้ประชาชนได้มีโอกาสเกี่ยวข้องกับการพัฒนาสิ่งใหม่ ๆ ขึ้นนอกจากนี้ ยังจะทำให้เกิดความมั่นใจและมองอนาคตในแง่ดี สามารถจัดการกับปัญหาต่าง ๆ ด้วย ความตื่นเต้นสนใจมากกว่าจะสะท้านกลัว ประชาชนจะมุ่งหน้าเข้าสู่อนาคตนั้นประหนึ่งคนที่ไม่เคยเข้าไปในดินแดนใดดินแดนหนึ่ง แต่มีแผนที่อย่างหยาบ ๆ อยู่ในมือ ซึ่งแม้จะไม่ถูกต้องมากนัก แต่ก็พอใช้เป็นแนวทางให้แก่เขาได้ ซึ่งแผนที่ดังกล่าว เปรียบเทียบได้กับผลจากการศึกษาอนาคต นอกจากนี้การศึกษาอนาคต ยังช่วยให้ประชาชนยอมรับการเปลี่ยนแปลงได้ง่ายขึ้น อันเนื่องจากได้รับการเตือน สามารถปรับตัวได้ และจะทำให้เดินทางเข้าสู่อนาคตนั้นได้โดยมีความสับสนวุ่นวายทางจิตใจน้อยที่สุด 3) ส่งเสริมให้เกิดความปรองดองและร่วมมือ แม้ว่าในอดีตจะมีการแก่งแย่งชิงดีชิงเด่นกันอย่างมากมายก็ตาม แต่เนื่องจากอดีตเป็นสิ่งที่ผิดพลาดมาแล้ว และไม่สามารถทำให้ดีขึ้นได้ แต่สำหรับอนาคตเป็นโลกแห่งความฝัน ที่สามารถทำให้เกิดเป็นจริงได้ หากใช้ความพยายามเพราะอนาคตยังมิได้แปดเปื้อนด้วยความชั่วร้ายหรือความอิจฉาริษยา ดังนั้นการมุ่งอนาคตจะทำให้คนลืมอดีต แต่จะเริ่มต้นปรองดองและร่วมมือกันได้ เพราะการมุ่งอนาคตจะทำให้ผู้คนคำนึงถึงแต่ในด้านดี และมีความมุ่งมั่นที่จะไปถึงให้ได้ 4) ช่วยในการสร้างสรรค์ การศึกษาอนาคต จะสามารถชักจูงและให้ความสนใจต่อการแก้ปัญหาอย่างสร้างสรรค์ เพราะการมองอนาคตที่ห่างไกลออกไปมากกว่าปัญหาที่เกิดขึ้นเฉพาะหน้า ย่อมทำให้สามารถคิดได้อย่างสบายอารมณ์และสร้างสรรค์ ซึ่งลักษณะความมีอิสระในการคิดเช่นนี้ จะก่อให้เกิดกระแสความคิดที่หลั่งไหลเข้าไปในความสำนึก และเมื่อได้รับการประเมินในภายหลังแล้ว ก็สามารถนำไปใช้ได้ 5) เป็นเทคนิคในด้านการศึกษา อนาคตเป็นเครื่องมือที่ดีเยี่ยมอย่างหนึ่ง ที่จะช่วยชักจูงให้นักเรียนเกิดการเรียนรู้ เกิดความตระหนักว่า พวกเขาสามารถสร้างโลกได้ โลกที่ดีกว่าที่คนอื่น ๆ คิด และจะทำให้พวกเขาทราบได้ว่า พวกเขาไม่สามารถจะจัดการใด ๆ กับอดีตได้อีกแล้ว เพราะทุกอย่างของอดีตเป็นประวัติศาสตร์ที่ลงตัวแน่นอนไปแล้วจะเปลี่ยนแปลงใด ๆ อีกไม่ได้ มีเพียงแต่อนาคตเท่านั้นที่ยังเปิดโอกาสให้พวกเขาสามารถเปลี่ยนแปลงหรือควบคุมได้อยู่ 6) ช่วยในการสร้างปรัชญาแห่งชีวิต การศึกษาอนาคตจะช่วยให้บุคคลเกิดความคิดเกี่ยวกับเป้าหมายชีวิตอย่างเป็นระบบ ก่อให้เกิด "ปรัชญาชีวิต" ของแต่ละคนขึ้น อันจะทำให้บุคคลเปลี่ยนบทบาทของตนเองจากการมีปฏิกริยา (reaction) กับปัญหาเป็นการเตรียมตัวป้องกัน (preaction) ต่อปัญหาล่วงหน้า</blockquote>เทคนิค<blockquote>เทคนิคในการศึกษาอนาคตได้มีผู้จำแนกไว้หลายท่านด้วยกัน แต่ละท่านจะมีเทคนิคที่แตกต่างกันออกไป ในที่นี้จะนำเทคนิคการศึกษาอนาคตที่ Joseph จำแนกไว้ 13 เทคนิคมากล่าวถึงคือ<ol><ol><li>เทคนิคสำรวจแนวโน้ม (trend exploratory) </li><li>เทคนิคเดลฟาย (delphi) </li><li>เทคนิคสร้างภาพอนาคต (scenario) </li><li>เทคนิคเมตริกซ์ (matrix) </li><li>เทคนิคต้นไม้สัมพันธ์และแผนที่บริบท (relevance tree and contextual map) </li><li>เทคนิคสภาพการณ์จำลอง (simulation) </li><li>เทคนิคการวิเคราะห์ของมอนติคาร์โล (Monte Carlo analysis) </li><li>เทคนิค Morphological </li><li>เทคนิคหาทางเลือก (alternative futures) </li><li>เทคนิคเชิงสถิติของเบอิเชี่ยน (Bayesian statistical) </li><li>เทคนิควิเคราะห์พลังขับ (force analysis) </li><li>เทคนิคลูกโซ่สัมพันธ์ของมาร์คอฟ (Marcov Chain) </li><li>เทคนิคสิ่งบอกเหตุ (precursor) </li></ol></ol>(ศึกษารายละเอียดเพิ่มเติมจากหนังสือ "Introduction to Educational Forecasting : Futurism in Education" ในห้องสมุดของ UNESCO กรุงเทพฯ )  </blockquote>สรุป<blockquote>กล่าวโดยสรุป การศึกษาอนาคตเป็นเรื่องที่มีความสำคัญ จำเป็น และมีประโยชน์หลายประการด้วยกันดังกล่าวข้างต้น โดยเฉพาะการช่วยให้ประชาชนได้รับรู้เกี่ยวกับสิ่งที่จะเกิดขึ้นในอนาคต อันจะทำให้พวกเขาเกิดความมั่นใจในตนเอง ทำให้เริ่มมองไปข้างหน้า หยุดการถอยหลัง นอกจากนั้นยังจะช่วยเป็นแนวทางในการกำหนดนโยบาย แนวการปฏิบัติงานให้แก่บุคลากรที่มีหน้าที่วางแผนในด้านต่างๆ ได้อย่างมั่นใจมากขึ้น ทำให้พวกเขาเตรียมการเพื่อการป้องกันปัญหาและส่งเสริมต่อโอกาสที่พึงปรารถนาได้เป็นอย่างดี ยิ่งกว่านั้น การศึกษาอนาคตที่คาดคะเนถึงผลกระทบจากการเปลี่ยนแปลงของสังคมในด้านต่าง ๆ ที่จะพึงมีต่อการจัดการศึกษา เพื่อให้เอื้อต่อการป้องกันปัญหาหรือส่งเสริมโอกาสที่เป็นไปได้ของเหตุการณ์ต่าง ๆ ในอนาคตนั้น ก็เป็นเรื่องที่มีความสำคัญและจำเป็นเป็นอย่างยิ่ง ดังที่ B.B. Johnson ได้กล่าวว่า "จากการเปลี่ยนแปลงที่เข้ามาสู่เราอย่างรวดเร็วนี้ งานให้การศึกษาแก่เด็กและเยาวชน เพื่อให้สามารถอาศัยอยู่ในโลกแห่งอนาคตที่ไม่สามารถทำนายได้อย่างถูกต้องแน่นอน ก็ดูเหมือนจะมีความเร่งด่วนมากยิ่งขึ้น" ทั้งนี้เนื่องจากว่า สภาพการจัดการศึกษาในปัจจุบันจะต้องให้สามารถพัฒนาบุคคลทั้งด้านความรู้ ทักษะค่านิยมและทัศนคติ สำหรับการเป็นพลเมืองในสังคมแห่งอนาคต หากพิจารณาเฉพาะการจัดการศึกษาในระบบโรงเรียน ก็จะเห็นได้ว่า นักเรียนในปัจจุบันจะเป็นผู้ตัดสินโชคชะตาของประเทศในอนาคต นักเรียนที่เข้าเรียนในระดับประถมศึกษาในปี 254O ย่อมจะเป็นผู้กำชะตาของประเทศ ประมาณปี 2556 ส่วนนักเรียนในระดับมัธยมศึกษาปัจจุบัน ก็ควรจะได้ทำหน้าที่ดังกล่าวก่อนหน้านั้นประมาณ 5-6 ปี เป็นต้น เพราะฉะนั้นอนาคตของประเทศชาติจะเป็นเช่นไรก็ขึ้นอยู่กับว่า การศึกษาในช่วงปัจจุบันจะมีผลต่อนักเรียนเหล่านั้นอย่างไร ดังนั้นจึงขอเรียกร้องและกระตุ้นเตือนใจให้คิดว่า สังคมไทยในยุคสังคมโลกหรือยุคโลกาภิวัฒน์ที่จะมีการเปลี่ยนแปลงอย่างรวดเร็วและอย่างรอบด้านอย่างทุกวันนี้ เราควรสนใจศึกษาอนาคตให้มากขึ้นหรือไม่ โดยเฉพาะพวกเราซึ่งเป็นบุคลากรทางการศึกษา ที่รับผิดชอบโดยตรงต่อการพัฒนาเยาวชนของชาติให้เป็นทรัพยากรที่มีคุณค่าต่อการพัฒนาประเทศในอนาคตขอขอบคุณบทความชิ้นนี้จากท่าน รศ. ดร. วิโรจน์ สารรัตนะ</blockquote>

2007-02-03T14:22:34+07:00

ความแน่นอนประการหนึ่งในช่วงทศวรรษที่กำลังจะมาถึงข้างหน้านี้ก็คือ ความเจริญจะมีการเปลี่ยนแปลงไปอย่างต่อเนื่อง สังคมจะมีการเปลี่ยนแปลงไปอย่างรวดเร็วและสลับซับซ้อน จากกระแสของความเป็นโลกใบเดียวกัน และกระแสความก้าวหน้าด้านเทคโนโลยีสารสนเทศ สภาพของปัญหาและโอกาสที่เป็นไปได้ของเหตุการณ์ต่าง ๆ ในอนาคตย่อมมีอยู่อย่างมากมาย หากขาดการศึกษาในลักษณะการทำนายอย่างเป็นระบบแล้ว ก็ย่อมจะก่อให้เกิดปัญหาต่าง ๆ ตามมาอีกมากดังอดีตที่ผ่านมา ดังนั้นเพื่อเป็นการเตรียมตัวล่วงหน้าที่ไม่ประมาท การศึกษาอนาคต โดยการทำนายถึงสภาพปัญหาและโอกาสที่เป็นไปได้ของเหตุการณ์ต่าง ๆ ในอนาคตของสังคมด้านต่าง ๆ เช่น ด้านตัวบุคคล ด้านเศรษฐกิจ ด้านสังคม และด้านการเมือง อันเป็นผลเนื่องจากแหล่ง (sources) ที่เป็นสาเหตุที่ก่อให้เกิดการเปลี่ยนแปลง ทั้งจากภายในประเทศและภายนอกประเทศ ทั้งในด้านที่เป็นความคิดหรืออุดมการและด้านที่เป็นวัตถุ หรือทั้งจากปัจจัยที่เป็นมนุษย์และที่มิใช่มนุษย์ จึงเป็นเรื่องที่มีความสำคัญและจำเป็น false 76101

2007-11-09T20:38:45+07:00

false

2007-08-08T02:53:52+07:00

อนาคตศึกษา : วิสัยทัศน์เพื่อการบริหารและการพัฒนา

8891

true ธุรกิจจะเข้าใจพฤติกรรมลูกค้าได้อย่างไร? ก่อนที่จะเข้าใจถึงพฤติกรรมของลูกค้านั้น ธุรกิจจะต้องทราบถึงพฤติกรรมของลูกค้าก่อน ซึ่งพฤติกรรมของลูกค้าก็ได้มาจากข้อมูลต่างๆที่เกี่ยวข้องกับลูกค้าที่ธุรกิจมีการเก็บรวบรวมไว้ ตัวอย่างเช่น ธนาคารหรือผู้ให้บริการบัตรเครดิต (Credit Card Provider) มีการบันทึกข้อมูลประวัติลูกค้า ข้อมูลการใช้บริการบัตรเครดิตในแต่ละเดือนหรือแต่ละรอบบัญชี ข้อมูลการขำระค่าบัตรเครคิต หรือข้อมูลการติดตามหนี้ เป็นต้น ข้อมูลเหล่านี้เป็นข้อมูลที่เกิดขึ้นจากการดำเนินงานในแต่ละวัน โดยธนาคารหรือผู้ให้บริการบัตรเครดิตจะมีการออกรายงานประจำเดือนเพื่อรายงานสถานะต่างๆของลูกค้าที่เกิดขึ้นให้ผู้บริหารทราบ เช่น รายงานยอดการใช้บัตรเครดิตของลูกค้า รายงานการได้ลูกค้าใหม่ หรือรายงานสถานะการชำระหนี้ของลูกค้า เป็นต้น รายงานเหล่านี้มักจะแสดงข้อมูลลูกค้าในมุมมองที่ผู้บริหารสนใจ เช่น ตามประวัติลูกค้า เช่น อายุ เพศ ระดับการศึกษา รายได้ ภาค หรือ ตามประเภทบัตรเครดิต เป็นต้น แต่ใช้มุมมองเพียงไม่กี่ด้านเท่านั้นในการวิเคราะห์ การจัดกลุ่มลูกค้า (Customer Segmentation) คืออะไร? การจัดกลุ่มลูกค้า (Customer Segmentation) เป็นวิธีการจัดกลุ่มโดยที่ลูกค้าที่มีพฤติกรรมใกล้เคียงกันหรือเหมือนกันจะถูกจัดไว้ในกลุ่มเดียวกัน ส่วนลูกค้าที่มีพฤติกรรมแตกต่างหรือไม่เหมือนกันก็จะถูกจัดไว้คนละกลุ่ม การจัดกลุ่มลูกค้าทำให้ธุรกิจสามารถทราบถึงลักษณะหรือพฤติกรรมของลูกค้าตนเองในแต่ละกลุ่มได้ เมื่อธุรกิจเข้าใจพฤติกรรมหรือลักษณะของลูกค้าในแต่ละกลุ่มก็จะสามารถเสนอสินค้าหรือบริการที่ตรงต่อพฤติกรรมของลูกค้าได้ ในกรณีของผู้ให้บริการบัตรเครดิต เมื่อสามารถเข้าใจถึงพฤติกรรมของลูกค้าในแต่ละกลุ่ม ก็ทำให้สามารถกำหนดแผนการส่งเสริมการขายเพื่อกระตุ้นยอดการใช้จ่ายผ่านบัตรเครดิตที่เหมาะสมในกับลูกค้าในแต่ละกลุ่มได้ การจัดกลุ่มลูกค้าจะกระทำโดยพิจารณาจากข้อมูลต่างๆของลูกค้าที่สามารถแสดงถึงลักษณะหรือพฤติกรรมของลูกค้าที่สนใจได้ ซึ่งข้อมูลเหล่านี้มักจะเก็บอยู่ในฐานข้อมูลระดับปฎิบัติการ (Operational Databases) ขององค์กรหรือในคลังข้อมูล (Data Warehouse) การนำข้อมูลเหล่านี้มาทำการวิเคราาะห์เพื่อทำการจัดกลุ่มลูกค้าจะใช้วิธีการที่เรียกว่า การทำเหมืองข้อมูล (Data Mining) ซึ่งเป็นกระบวนการที่สำคัญในการบริหารความสัมพันธ์กับลูกค้า (Customer Relationship Management) การทำเหมืองข้อมูล (Data Mining) ซึ่งเป็นกระบวนการค้นหาสารสนเทศหรือข้อความรู้ที่อยู่ในฐานข้อมูลขนาดใหญ่ที่ซับซ้อน เพื่อนำข้อความรู้ที่ได้ไปใช้ประโยชน์ในการตัดสินใจ สารสนเทศที่ได้อาจนำมาสร้างการพยากรณ์หรือสร้างตัวแบบสำหรับการจำแนกหน่วยหรือกลุ่ม หรือแสดงความสัมพันธ์ระหว่างหน่วยต่างๆ หรือให้ข้อสรุปของสาระในฐานข้อมูล ประเภทของการจัดกลุ่มลูกค้า การจัดกลุ่มลูกค้ามีได้หลายลักษณะขึ้นอยู่กับความต้องการทางธุรกิจ ในธุรกิจบัตรเครดิต เราอาจพิจารณาจัดกลุ่มลูกค้าตาม <ul> <li>การจัดกลุ่มตามลักษณะประชากรศาสตร์ของลูกค้า (Demographic Segmentation) เป็นจัดกลุ่มเพื่อให้เข้าใจถึงลักษณะลูกค้าที่ธุรกิจมีอยู่ โดยการจัดกลุ่มกระทำโดยพิจารณาข้อมูลอายุ รายได้ เพศ ระดับการศึกษา สถานภาพการสมรส ประเภทที่อยู่อาศัย ฯลฯ เป็นต้น พร้อมๆกัน รูปที่ 1 แสดงผลลัพธ์ที่ได้จากการจัดกลุ่มลูกค้าตามลักษณะทางประชากรศาสตร์ที่ได้จากการวิเคราะห์โดยใช้เทคนิค Clustering จากผลลัพธ์ได้กลุ่มลูกค้าทั้งหมด 5 กลุ่มที่มีลักษณะทางประชากรศาสตร์ที่แตกต่างกัน</li> </ul> การจัดกลุ่มตามพฤติกรรมการใช้บัตรเครดิต (Behavioral Segmentation) เป็นการจัดกลุ่มลูกค้าตามพฤติกรรมที่สนใจ เช่น จัดกลุ่มลูกค้าตามพฤติกรรมการใช้บัตรเครดิต เพื่อทราบถึงรูปแบบการดำเนินชีวิต (Life Style) ผ่านการใช้บัตรเครดิต ที่ช่วยให้ธนาคารหรือผู้ให้บริการบัตรเครดิตสามารถกำหนดแผนการตลาด เพื่อกระตุ้นยอดการใช้บัตรเครดิตได้ตรงตามพฤติกรรมของลูกค้า ตารางที่ 1 แสดงผลของการจัดกลุ่มลูกค้าตามพฤติกรรมการใช้บัตรเครดิต <div><img src="http://www.sas.com/offices/asiapacific/thailand/images/clustertable.jpg" border="0" width="575" height="240" /> ตารางที่ 1: ผลการจัดกลุ่มลูกค้าตามลักษณะทางประชากรศาสตร์ โดยใช้เทคนิค Clustering ผลการจัดกลุ่มแสดงกลุ่มลูกค้าทั้งหมด 7 กลุ่มที่ทำการจัดตามพฤติกรรมการใช้บัตรเครดิต</div>   <ul> <li>  <ul> <li>  <ul> <li>  <ul> <li>  <ul> <li>กลุ่มที่ 0: เป็นกลุ่มลูกค้าที่แทบจะไม่มีการใช้บัตรเครดิต และไม่ค่อยมีการเปิดใช้บริการอื่น กับธนาคาร </li> <li>กลุ่มที่ 1: เป็นกลุ่มลูกค้าที่แทบจะไม่มีการใช้บัตรเครดิต ลูกค้าส่วนใหญ่ 39 เปอร์เซนต์เกษียนและ 18 เปอร์เซนต์มีอายุเฉลี่ยอยู่ระหว่าง 50-65 ปี มีเงินฝากกับธนาคารโดยเฉลี่ยเป็นจำนวนสูง มีลูกค้าจำนวน 4 เปอร์เซนต์ที่เป็นลูกค้าชั้นดี </li> <li>กลุ่มที่ 2: เป็นกลุ่มลูกค้าที่มีการใช้บัตรเครดิตเล็กน้อย ลูกค้าประมาณ 66 เปอร์เซนต์มีอายุเฉลี่ยมากกว่า 50 ปี และ 98 เปอร์เซนต์มีปริมาณเงินฝากกับธนาคารมากกว่า 5 ล้านบาท </li> <li>กลุ่มที่ 3: เป็นกลุ่มลูกค้าที่ 45 เปอร์เซนต์มีอายุเฉลี่ยอยู่ระหว่าง 50-65 ปี และ 94 เปอร์เซนต์มีปริมาณเงินฝากกับธนาคารมากกว่า 5 ล้านบาท ลูกค้ามีการใช้บัตรเครดิตและ 86 เปอร์เซนต์มีการขอเงินกู้ที่อยู่อาศัย </li> <li>กลุ่มที่ 4: เป็นกลุ่มลูกค้าที่มีปริมาณการใช้บัตรเครดิตสม่ำเสมอ 34 เปอร์เซนต์มีบัตรเครดิตมากกว่าหนึ่งใบ และ 79 เปอร์เซนต์มีการใช้บัตรเดบิต </li> <li>กลุ่มที่ 5: เป็นกลุ่มลูกค้าที่ 82 เปอร์เซนต์มีอายุระหว่าง 25-65 ปี และมีสัดส่วนคนอยู่ในวัยทำงานประมาณ 82 เปอร์เซนต์ มีการใช้บัตรเครดิตค่อนข้างสูงและไม่มีการลงทุนในบริการอื่น </li> <li>กลุ่มที่ 6: เป็นกลุ่มลูกค้าที่มีการใช้บัตรเครดิตค่อนข้างปานกลาง ระดับหนี้สูญค่อนข้างต่ำ ลูกค้า 76 เปอร์เซนต์มีการขอเงินกู้ที่อยู่อาศัย และ 31 เปอร์เซนต์มีการขอเงินกู้ส่วนบุคคล </li> </ul> </li> </ul> </li> </ul> </li> </ul> </li> <li>การจัดกลุ่มตามความคุณค่าของลูกค้า (Value Segmentation) เนื่องจากลูกค้าแต่ละรายไม่ได้สร้างคุณค่าของการเป็นลูกค้าได้เท่ากัน การจัดกลุ่มตามคุณค่าของลูกค้าทำให้ธุรกิจทราบถึงกลุ่มลูกค้าที่มีระดับคุณค่าต่อธุรกิจที่แตกต่างกันได้ เพื่อให้ธุรกิจสามารถกำหนดกลยุทธ์ทางการตลาดหรือการบริหารความสัมพันธ์ลูกค้าที่แตกต่างกัน เช่น กลุ่มลูกค้าที่มีคุณค่าสูงเป็นกลุ่มที่ควรได้รับสิทธิในการใช้บัตรเครดิตที่ต่างจากกลุ่มอื่น สำหรับกลุ่มลูกค้าที่มีคุณค่าระดับปานกลาง ธุรกิจอาจพยายามกระตุ้นให้ลูกค้าในกลุ่มนี้มีกิจกรรมกับธุรกิจเพิ่มขึ้น เพื่อให้กลุ่มนี้สามารถเพิ่มคุณค่าเป็นระดับสูงเพื่อให้เกิดรายได้ต่อองค์กรเพิ่มขึ้น การจัดกลุ่มตามคุณค่าของลูกค้าไม่ได้พิจารณาจากรายได้ที่ลูกค้าสร้างให้แก่ธุรกิจอย่างเดียว แต่พิจารณาจากปัจจัยต่างๆที่เกี่ยวข้องหลากหลาย</li> </ul> ที่มา : มุทิตา ยาวะโนภาส, SAS (Thailand), 14 มีนาคม 2548

2006-10-31T18:50:57+07:00

การทำธุรกิจในปัจจุบันนี้ การตอบสนองความต้องการของลูกค้าเป็นปัจจัยสำคัญในการแข่งขัน ผู้บริโภคยุคนี้เป็นผู้กำหนดทิศทางการใช้สินค้าและบริการของตลาด และทำการเลือกซื้อสินค้าหรือบริการที่ตนเองพอใจ ถ้าหากสินค้าหรือบริการที่ตนเองใช้อยู่ไม่สามารถตอบสนองความต้องการที่มีเพิ่มขึ้นได้ ก็จะเปลี่ยนไปใช้สินค้าหรือบริการของผู้ให้บริการรายอื่นได้อย่างรวดเร็ว ถ้าธุรกิจไม่สามารถเข้าใจถึงพฤติกรรมของลูกค้าตนเองแล้วนั้น รายได้ของบริษัทก็จะลดลงและอัตราการสูญเสียลูกค้าไปให้แก่คู่แข่งก็จะเพิ่มสูงขึ้น false 56616

2009-12-12T02:40:35+07:00

false

2008-09-28T07:27:34+07:00

การจัดกลุ่มลูกค้าและการทำเหมืองข้อมูล (Customer Segmentation and Data Mining)

8891

true <div class="content"> ในยุคปัจจุบันที่เทคโนโลยีมีการเปลี่ยนแปลงอย่างรวดเร็ว และตลอดเวลา เช่นเดียวกัน ระบบธุรกิจก็มีการแข่งขันกันค่อนข้างรุนแรง และมากขึ้นด้วย จึงเป็นสิ่งที่เราหลีกเลี่ยงไม่ได้ เลยว่าการที่องค์กรจะอยู่รอดได้นั้นจะต้องมีการใช้ข้อมูลสารสนเทศที่ทันสมัยและทันท่วงที เพื่อสนับสนุนการตัดสินใจอย่างรวดเร็วและสามารถนำไปวางแผน หรือ โต้ตอบปัญหา เชิงธุรกิจได้ทันต่อเหตุการณ์ ให้กับผู้บริหารระดับสูงขององค์กรการที่จะได้มาซึ่งข้อมูล สารสนเทศเหล่านั้น หนึ่งจำเป็นต้องมีการแสวงหาหนทาง ในการเก็บรวบรวมข้อมูลให้ได้มาก เพราะว่าข้อมูลเหล่านั้นมิใช่ข้อมูล ภายในองค์กรเท่านั้น ซึ่งอาจจะเป็นข้อมูลขององค์กร ที่เป็นคู่แข่งหรือเป็นข้อมูลของ องค์กรอื่นๆ ที่อยู่ในธุรกิจเดียวกันกับเราก็เป็นไปได้ สองการเลือกสรรข้อมูลสารสนเทศที่มีคุณค่าจากกองข้อมูลที่มีขนาดมหึมา เพื่อให้แน่ใจว่าระบบข้อมูลสารสนเทศที่พัฒนาขึ้นมานั้นเป็นข้อมูลสารสนเทศที่ สามารถตอบสนองต่อความต้องการของผู้บริหารระดับสูงขององค์กรได้ เพื่อเอาชนะอุปสรรคเหล่านี้จึงจำเป็นต้องมีระบบที่สามารถช่วยเตรียมข้อมูลที่ลึกซึ้ง และมีคุณค่าทางกิจกรรมทางธุรกิจให้แก่องค์กรได้ ปัจจุบันการวางแผนทางกลยุทธ์ของบริษัทนั้นจำเป็นต้องใช้ข้อมูลมากมาย ซึ่งการวิเคราะห์ข้อมูล ทางด้านการตลาด การขาย การเงิน การผลิตนั้นจะต้องทันกับเหตุการณ์ซึ่งมีข้อมูลเกิดขึ้นเป็นประจำทุกวัน ดังนั้นการจัดทำรายงาน จะต้องมีการแก้ไขบ่อย และมีความยุ่งยาก Business Intelligence - BI ไม่ใช่เรื่องใหม่ แนวความคิดนี้มีในโลกตั้งแต่ยุค 80 - BI ในปัจจุบันไม่มีนิยามชัดเจน เพราะขึ้นกับเทคโนโลยีของแต่ละค่ายที่จะพัฒนาไป ทำให้ความสามารถไม่เท่ากันในแต่ละค่าย คณะกรรมการจัดซื้อจัดจ้างต้องกำหนดวัตถุประสงค์ที่องค์กรอยากจะได้ให้ชัดเจน ระบุงบประมาณที่สามารถจัดสรรได้ และต้องมี IT Master Plan ให้ชัดเจน ว่าจะพัฒนาบุคคลากรทุกระดับเกี่ยวกับเรื่องนี้อย่างไร Business Intelligence คือ ซอฟต์แวร์ที่นำข้อมูลที่มีอยู่เพื่อจัดทำรายงานในรูปแบบต่างๆ ที่เหมาะสมกับมุมมองในการวิเคราะห์  และตรงตามความต้องการของผู้ใช้งาน  และใช้สำหรับวิเคราะห์ข้อมูล  ของงานในมุมมองต่างๆ   ตามแต่ละแผนก  เช่น - วิเคราะห์การดำเนินงานของบริษัทฯ เพื่อการตัดสินใจด้านการลงทุนสำหรับผู้บริหาร - วิเคราะห์และวางแผนการขาย / การตลาด เพื่อประเมินช่องทางการจำหน่าย ฯลฯ - วิเคราะห์สินค้าที่ทำกำไร สูงสุด / ขาดทุนต่ำสุด เพื่อการวางแผนงานด้านการตลาด และการผลิต - วิเคราะห์ปัจจัยที่มีผลกระทบต่อยอดขายของสินค้า ฯลฯ - วิเคราะห์ข้อมูลเกี่ยวกับคู่แข่งขัน ฯลฯ Business Intelligence จะประกอบไปด้วยระบบข้อมูล และโปรแกรมแอพพลิเคชั่น ด้านการวิเคราะห์ มากมายหลายระบบ เช่น <ul> <li>ดาต้าแวร์เฮ้าส์ (Data Warehouse) </li> <li>ดาต้ามาร์ท (Data Mart) </li> <li>การทำเหมืองข้อมูล (Data Mining) </li> <li>การแก้ปัญหาทางคณิตศาสตร์ (Operations Research & Numerical Methods) </li> <li>เครื่องมือที่ใช้ในการวิเคราะห์ข้อมูลในหลายมิติ (OLAP) แบบประมวลผลทันทีที่ป้อนข้อมูลเข้าไป </li> <li>และ ระบบสืบค้นและออกรายงานต่างๆ</li> </ul> <div>Business Intelligence ยังมีจุดเด่นเพิ่มขึ้นอีกในด้าน</div> <div>- ใช้งานง่ายเพียงแค่คลิกเมาส์ก็สามารถเปลี่ยนแปลงรายงานได้โดยไม่ต้องมีการคีย์ข้อมูลใหม่ ซึ่งผู้ใช้สามารถถาม ตอบคำถามทางธุรกิจได้หลายมุมมองเพียงในเวลาไม่กี่นาที ซึ่งช่วยการตัดสินใจแม่นยำ และรวดเร็วกว่าคู่แข่ง ทั้งในเชิงกว้าง และเชิงลึก</div> <div>- สามารถดึงข้อมูลจากฐานข้อมูลที่หลากหลายภายในองค์กรมาทำการวิเคราะห์ เช่น Excel, FoxPro, Dbase, Access, ORACLE, SQL Server, Informix, Progress, DB2 เป็นต้น โดยไม่มีการเขียนโปรแกรมเพิ่มเติมใดๆ</div> <div>ปัญหาที่พบบ่อยในการใช้ Business Intelligence ของบ้านเรา ได้แก่</div> <div>- ไม่สามารถเชื่อมข้อมูลจากทุกส่วนได้ภายในระบบเดียวกัน เช่น ต้อง export ข้อมูลออกจากฐานข้อมูลก่อน จึงจะมาสร้าง dashboard, forecasting (พยากรณ์ข้อมูล) ได้</div> <div>- องค์กรส่วนใหญ่ไม่สามารถใช้งานในส่วน Analytics (การวิเคราะห์ข้อมูล) ได้อย่างคุ้มค่า เช่น บางระบบไม่สามารถ forecast ผลลัพธ์ได้ หรือ บางระบบ forecast ผลลัพธ์เชิงปริมาณแบบเส้นตรงเท่านั้น หรือ บางระบบไม่สามารถวิเคราะห์หาความสัมพันธ์ระหว่างตัวแปรต่างๆ หรือทำแบบจำลองเพื่อตัดสินใจได้ (simulation for decision)</div> <div>- BI บางค่าย ไม่มีฟังก์ชัน data mining มาให้พร้อม จึงต้องแยกระบบวิเคราะห์อีกต่างหาก</div> <div>- องค์กรขนาดใหญ่บางแห่ง อาจใช้เวลาในการติดตั้งระบบ (implementation) นานหลายปี และต้องใช้เวลาอีกระดับหนึ่งกว่า user ของแผนกต่างๆ จะใช้งานได้คล่องแคล่ว</div> <div>- การอัพเกรดระบบจากระบบเดิมอาจทำได้ยาก เช่น data warehouse เดิม ไม่รองรับ business intelligence ใหม่</div> <div>- พนักงาน IT ขององค์กรขาดความรู้ความเข้าใจในเชิง Business, Management</div> <div>- ค่าใช้จ่ายสูงมาก ทำให้องค์กรธุรกิจเล็กๆ หรือหน่วยงานที่มีงบไม่สูงนัก ขาดโอกาสในการจัดซื้อ หรือได้ BI ที่มีฟังก์ชันครบดั่งใจ</div> <div>สรุป</div> <div>การบูรณาการข้อมูล (integration of data) ระหว่างข้อมูลประวัติกับข้อมูลใหม่ ณ ปัจจุบัน นับเป็นองค์ประกอบพื้นฐานของระบบ Business Intelligence (BI) ขั้นสูง เนื่องจากมีธุรกิจจำนวนมากขึ้นเรื่อยๆ นำผลลัพธ์จากระบบดังกล่าวจะทำให้พัฒนาเครื่องมือการบริหาร วิเคราะห์ปัจจัย หรือทำนายแนวโน้ม เพื่อนำไปใช้ประกอบการตัดสินใจกำหนดทิศทางธุรกิจและการตลาด ทั้งนี้ ธุรกิจที่เริ่มใช้แนวคิดนี้แล้วในปัจจุบันจะเป็นองค์กรที่ได้ประโยชน์สูงสุดก่อนใคร ก่อนที่มันจะกลายเป็นเรื่องธรรมดาในอนาคตอันใกล้นี้</div> </div>

2006-09-29T22:32:57+07:00

Business Intelligence คือ ซอฟต์แวร์ที่นำข้อมูลที่มีอยู่เพื่อจัดทำรายงานในรูปแบบต่างๆ ที่เหมาะสมกับมุมมองในการวิเคราะห์ แสดงความสัมพันธ์ และทำนายผลลัพธ์ของแนวโน้มที่อาจเกิดขึ้นได้ ตรงตามความต้องการขององค์กร เพื่อประโยชน์ในการวางแผนกลยุทธด้านต่างๆ false 52660

2009-12-02T14:28:35+07:00

false

2008-08-23T18:03:39+07:00

Business Intelligence คืออะไร มีประโยชน์ต่อธุรกิจอย่างไร

8891

true <div>Business Intelligence (ความฉลาดทางธุรกิจ) เกิดขึ้นมาจากศาสตร์ความรู้ด้านต่างๆ หลายด้านผสมกัน เพราะโลกยุคใหม่เป็นยุคของข้อมูลข่าวสาร และเป็นความรู้แบบสหวิทยาการ ที่ผู้บริหารต้องมีความรู้หลายๆด้าน ในการวิเคราะห์ และวางแผนกลยุทธขององค์กรให้สามารถแข่งขันในตลาด และคู่แข่งทางธุรกิจได้แบบมีประสิทธิภาพยิ่งขึ้น อีกทั้งในโลกของความเป็นจริง มีปัจจัย (ตัวแปร) ที่มีผลต่อธุรกิจมากมาย จึงควรต้องใช้เทคนิคขั้นสูง เพื่อช่วยแก้ปัญหา หรือหาความสัมพันธ์ที่ซ่อนอยู่ในข้อมูลเหล่านั้น</div> <div>ศาสตร์ที่เกี่ยวข้องกับ Business Intelligence ได้แก่</div><ul><li>บริหารธุรกิจ เช่น การจัดการ การเงิน การตลาด</li><li>เศรษฐศาสตร์</li><li>คอมพิวเตอร์และเทคโนโลยีสารสนเทศ</li><li>คณิตศาสตร์</li><li>สถิติ</li></ul><div>และเทคนิคต่างๆ ที่มักใช้ในการวิเคราะห์ของ BI ผมขอแบ่งเป็น 2 เทคนิคใหญ่ๆ คือ</div><ol><li>Nemerical Method / Operations Research (การวิเคราะห์และคำนวณด้วยคณิตศาสตร์)</li><li>Data Mining (การหาความสัมพันธ์ที่ซ่อนอยู่ของข้อมูล)</li></ol><h5>Numerical Method / Operations Research</h5><div>เป็นวิธีการแปลงโจทย์ หรือสถานการณ์จริง ให้อยู่ในรูปกฎและความสัมพันธ์แบบสมการคณิตศาสตร์ และแก้สมการหาคำตอบ ซึ่งรวมไปถึงวิธีการ Trial & Error ด้วย เพราะบางรูปแบบ ไม่สามารถแก้สมการด้วยวิธีปกติได้ อนึ่ง การแก้ปัญหาทางคณิตศาสตร์นี้ อาจไม่ต้องการข้อมูลจำนวนมากก็ได้ เพราะเน้นที่ความสัมพันธ์ของตัวแปรต่างๆมากกว่า</div><h5>Data Mining</h5><div>เป็นการหาความสัมพันธ์ หรือสร้างกฎของความสัมพันธ์จากข้อมูลปริมาณมาก เพื่อเพิ่มความน่าเชื่อถือ และความถูกต้องของการสร้างกฎของความสัมพันธ์มากขึ้น ส่วนใหญ่จะใช้เทคนิคของการคำนวณสถิติ หรือ แบบสถิติผสมกับวิธีของวิศวกรรมคอมพิวเตอร์ เช่น AI (Artificial Intelligence) ช่วยในการสร้างกฎ หากมีตัวแปรจำนวนมาก หรือมีตัวแปรที่ไม่สามารถวัดเป็นปริมาณได้ พวกนี้ทางสถิติจะคำนวณลำบาก หรือไม่ได้เลย แต่ AI สามารถหาความสัมพันธ์ของตัวแปรทุกรูปแบบได้ ไม่ว่าจะวัดเป็นตัวเลขได้หรือไม่ (ต้องใช้ข้อมูลปริมาณมาก)</div><div>ตัวอย่างเทคนิคของ Data Mining ที่นิยมใช้แก้ปัญหา และสร้างกฎความสัมพันธ์ของข้อมูลที่ซ่อนอยู่ ยกตัวอย่างเช่น</div><ul><li><div class="O">• Association Rules <li><div class="O">Bayesian</div></li><li><div class="O">Clustering</div></li><li><div class="O">Cross Table</div></li><li><div class="O">Decision Tree</div></li><li><div class="O">Deviation Detection</div></li><li><div class="O">Drill-down Analysis</div></li><li><div class="O">Hotspot Analysis</div></li><li><div class="O">Link Analysis</div></li><li><div class="O">Neural Network</div></li><li><div class="O">Predictive Modeling</div></li><li><div class="O">Profiling</div></li><li><div class="O">Self Organizing Maps</div></li><li><div class="O">Web Mining</div></li></div></li></ul>

2006-08-17T11:34:57+07:00

Business Intelligence (ความฉลาดทางธุรกิจ) เกิดขึ้นมาจากศาสตร์ความรู้ด้านต่างๆ หลายด้านผสมกัน เพราะโลกยุคใหม่เป็นยุคของข้อมูลข่าวสาร และเป็นความรู้แบบสหวิทยาการ ที่ผู้บริหารต้องมีความรู้หลายๆด้าน false 45041

2008-09-22T20:08:18+07:00

false

2007-08-08T02:54:00+07:00

ศาสตร์ที่เกี่ยวข้องกับ Business Intelligence (ความฉลาดทางธุรกิจ)

8891

true <div>อ้างจาก th.wikipedia.org/wiki/คลังข้อมูล </div><div></div><div></div><div></div><div></div><div>คลังข้อมูล (data warehouse) คือ <a href="http://th.wikipedia.org/wiki/à¸à¸²à¸™à¸‚à¹‰à¸à¸¡à¸¹à¸¥" title="ฐานข้อมูล">ฐานข้อมูล</a>ขนาดยักษ์ ที่รวบรวมฐานข้อมูลจากหลายแหล่งหลายช่วงเวลา</div><h5>คลังข้อมูลแตกต่างจากฐานข้อมูลอย่างไร?</h5>โดยปกติแล้ว ฐานข้อมูลในองค์กรทั่วไปจะมีลักษณะที่ค่อนข้างทันต่อเหตุการณ์ เช่น ฐานข้อมูลพนักงานก็จะเก็บเฉพาะพนักงานในปัจจุบัน จะไม่สนใจข้อมูลพนักงานเก่า ๆ ในอดีต ซึ่งอาจจะมีข้อมูลอะไรบางอย่าง ที่มีประโยชน์สำหรับผู้บริหาร ในการวิเคราะห์ประสิทธิภาพและคุณลักษณะต่าง ๆ ขององค์กร. นอกจากนี้ ฐานข้อมูลแต่ละอันมักถูกออกแบบมาใช้เก็บข้อมูลเฉพาะด้าน จึงมีข้อมูลเฉพาะบางส่วนขององค์กรเท่านั้น ฉะนั้นคลังข้อมูลจึงถูกออกแบบมา เพื่อรวบรวมข้อมูลในทุกส่วนของทั้งบริษัท ทั้งเก่าและใหม่ไว้ด้วยกัน ไม่มีการลบทิ้งข้อมูลเก่า ๆ ที่ไม่จริงในปัจจุบันโดยสรุปคือ<ul><li>คลังข้อมูล ใช้เพื่อการวิเคราะห์ (ข้อมูลทั้งอดีตและปัจจุบัน) </li><li>ฐานข้อมูล ใช้เพื่อทำการประมวลผล (เฉพาะข้อมูลปัจจุบัน) </li></ul>ถ้าองค์กรมีคลังข้อมูลหลาย ๆ อันเพื่อใช้ในการวิเคราะห์ต่าง ๆ แตกต่างกันไป เช่น คลังข้อมูลด้านการเงิน และ คลังข้อมูลด้านทรัพยากรมนุษย์ เรามักเรียกคลังข้อมูลเฉพาะด้านเหล่านี้ว่า <a href="http://th.wikipedia.org/w/index.php?title=%E0%B8%95%E0%B8%A5%E0%B8%B2%E0%B8%94%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5&action=edit" title="ตลาดข้อมูล">ตลาดข้อมูล</a> <a href="http://en.wikipedia.org/wiki/data_marts" title="en:data_marts">data marts</a>อนึ่ง กระบวนการในการใช้ข้อมูลในคลังข้อมูลเพื่อการตัดสินใจ และวางแผนในทางธุรกิจ มักถูกเรียกว่า <a href="http://th.wikipedia.org/w/index.php?title=%E0%B8%9B%E0%B8%B1%E0%B8%8D%E0%B8%8D%E0%B8%B2%E0%B8%98%E0%B8%B8%E0%B8%A3%E0%B8%81%E0%B8%B4%E0%B8%88&action=edit" title="ปัญญาธุรกิจ">ปัญญาธุรกิจ</a> (business intelligence)<h5>การวิเคราะห์ข้อมูลในคลังข้อมูล</h5>มีสองประเภทใหญ่ ๆ คือ<blockquote><h5>Online Analytical Processing</h5>Online Analytical Processing (<a href="http://en.wikipedia.org/wiki/OLAP" title="en:OLAP">OLAP</a>) คือการใช้คำค้น (query) เพื่อค้นหาข้อมูลในคลังข้อมูลเหมือนในฐานข้อมูล เหตุผลที่เราไม่ค้นในฐานข้อมูล แต่มาทำในคลังข้อมูลแทนมีสองสาเหตุคือ<ul><li>ความเร็ว </li><li>ความครอบคลุมของข้อมูลทั้งบริษัทที่มีอยู่ในคลังข้อมูล </li></ul><h5>การทำเหมืองข้อมูล</h5><a href="http://th.wikipedia.org/wiki/à¸à¸²à¸£à¸—à¸³à¹€à¸«à¸¡à¸·à¸à¸‡à¸‚à¹‰à¸à¸¡à¸¹à¸¥" title="การทำเหมืองข้อมูล">การทำเหมืองข้อมูล</a> (Data Mining) คือ การหารูปแบบ (pattern) อะไรบางอย่างที่ซ่อนอยู่ในข้อมูล ที่มองผิวเผินแล้วไม่อาจสังเกตเห็นได้ เนื่องจากข้อมูลมีปริมาณมาก เช่น การค้นหา<a href="http://th.wikipedia.org/w/index.php?title=%E0%B8%81%E0%B8%8E%E0%B8%84%E0%B8%A7%E0%B8%B2%E0%B8%A1%E0%B8%AA%E0%B8%B1%E0%B8%A1%E0%B8%9E%E0%B8%B1%E0%B8%99%E0%B8%98%E0%B9%8C&action=edit" title="กฎความสัมพันธ์">กฎความสัมพันธ์</a> (<a href="http://en.wikipedia.org/wiki/association_rules" title="en:association_rules">association rules</a>) ของสินค้าใน<a href="http://th.wikipedia.org/w/index.php?title=%E0%B8%AB%E0%B9%89%E0%B8%B2%E0%B8%87%E0%B8%AA%E0%B8%A3%E0%B8%A3%E0%B8%9E%E0%B8%AA%E0%B8%B4%E0%B8%99%E0%B8%84%E0%B9%89%E0%B8%B2&action=edit" title="ห้างสรรพสินค้า">ห้างสรรพสินค้า</a> เราอาจพบว่าลูกค้าร้อยละ 90 ที่ซื้อเบียร์ จะซื้อผ้าอ้อมเด็กด้วย, ซึ่งเป็นข้อมูลให้ทางห้างคิด<a href="http://th.wikipedia.org/w/index.php?title=%E0%B8%A3%E0%B8%B2%E0%B8%A2%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%AA%E0%B9%88%E0%B8%87%E0%B9%80%E0%B8%AA%E0%B8%A3%E0%B8%B4%E0%B8%A1%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%82%E0%B8%B2%E0%B8%A2&action=edit" title="รายการส่งเสริมการขาย">รายการส่งเสริมการขาย</a>ใหม่ๆ ได้; หรือ ธนาคารอาจพบว่า คนทั่วไปที่มีอายุ 20-29 ปี และมีรายได้ในช่วง 20,000-30,000 บาท มักซื้อเครื่องเล่น<a href="http://th.wikipedia.org/wiki/à¹€à¸à¹‡à¸¡à¸žà¸µà¸ªà¸²à¸¡" title="เอ็มพีสาม">เอ็มพีสาม</a>, ธนาคารอาจเสนอให้คนกลุ่มนี้ทำ<a href="http://th.wikipedia.org/wiki/à¸šà¸±à¸•à¸£à¹€à¸„à¸£à¸”à¸´à¸•" title="บัตรเครดิต">บัตรเครดิต</a> โดยแถมเครื่องเล่นดังกล่าว เป็นต้น </blockquote>

2006-08-17T10:41:42+07:00

คลังข้อมูล (data warehouse) คือ ฐานข้อมูลขนาดยักษ์ ที่รวบรวมฐานข้อมูลจากหลายแหล่งหลายช่วงเวลา false 45018

2009-09-23T12:04:59+07:00

false

2006-08-17T11:52:54+07:00

Data Warehouse คืออะไร

8891

true <div>อ้างจาก th.wikipedia.org/wiki/การทำเหมืองข้อมูล</div><div></div>การทำเหมืองข้อมูล (Data Mining) หรืออาจจะเรียกว่า การค้นหาความรู้ในฐานข้อมูล (Knowledge Discovery in Databases – KDD) เป็นเทคนิคเพื่อค้นหารูปแบบ (pattern) ของจากข้อมูลจำนวนมหาศาลโดยอัตโนมัติ โดยใช้ขั้นตอนวิธีจากวิชา<a href="http://th.wikipedia.org/wiki/à¸ªà¸–à¸´à¸•à¸´" title="สถิติ">สถิติ</a> <a href="http://th.wikipedia.org/wiki/à¸à¸²à¸£à¹€à¸£à¸µà¸¢à¸™à¸£à¸¹à¹‰à¸‚à¸à¸‡à¹€à¸„à¸£à¸·à¹ˆà¸à¸‡" title="การเรียนรู้ของเครื่อง">การเรียนรู้ของเครื่อง</a> และ <a href="http://th.wikipedia.org/wiki/à¸à¸²à¸£à¸£à¸¹à¹‰à¸ˆà¸³à¹à¸šà¸š" title="การรู้จำแบบ">การรู้จำแบบ</a> หรือในอีกนิยามหนึ่ง การทำเหมืองข้อมูล คือ กระบวนการที่กระทำกับข้อมูล(โดยส่วนใหญ่จะมีจำนวนมาก) เพื่อค้นหารูปแบบ แนวทาง และความสัมพันธ์ที่ซ่อนอยู่ในชุดข้อมูลนั้น โดยอาศัยหลักสถิติ การรู้จำ การเรียนรู้ของเครื่อง และหลักคณิตศาสตร์ความรู้ที่ได้จากการทำเหมืองข้อมูลมีหลายรูปแบบ ได้แก่<dl><dt><a href="http://th.wikipedia.org/w/index.php?title=%E0%B8%81%E0%B8%8E%E0%B9%80%E0%B8%8A%E0%B8%B7%E0%B9%88%E0%B8%AD%E0%B8%A1%E0%B9%82%E0%B8%A2%E0%B8%87&action=edit" title="กฎเชื่อมโยง">กฎเชื่อมโยง</a> (Association rule)  </dt><dd>แสดงความสัมพันธ์ของเหตุการณ์หรือวัตถุ ที่เกิดขึ้นพร้อมกัน ตัวอย่างของการประยุกต์ใช้กฎเชื่อมโยง เช่น การวิเคราะห์ข้อมูลการขายสินค้า โดยเก็บข้อมูลจาก<a href="http://th.wikipedia.org/w/index.php?title=%E0%B8%A3%E0%B8%B0%E0%B8%9A%E0%B8%9A_%E0%B8%93_%E0%B8%88%E0%B8%B8%E0%B8%94%E0%B8%82%E0%B8%B2%E0%B8%A2&action=edit" title="ระบบ ณ จุดขาย">ระบบ ณ จุดขาย</a> (POS) หรือร้านค้าออนไลน์ แล้วพิจารณาสินค้าที่ผู้ซื้อมักจะซื้อพร้อมกัน เช่น ถ้าพบว่าคนที่ซื้อเทปวิดีโอมักจะซื้อเทปกาวด้วย ร้านค้าก็อาจจะจัดร้านให้สินค้าสองอย่างอยู่ใกล้กัน เพื่อเพิ่มยอดขาย หรืออาจจะพบว่าหลังจากคนซื้อหนังสือ ก แล้ว มักจะซื้อหนังสือ ข ด้วย ก็สามารถนำความรู้นี้ไปแนะนำผู้ที่กำลังจะซื้อหนังสือ ก ได้ </dd><dt><a href="http://th.wikipedia.org/wiki/à¸à¸²à¸£à¹à¸šà¹ˆà¸‡à¸›à¸£à¸°à¹€à¸ à¸—à¸‚à¹‰à¸à¸¡à¸¹à¸¥" title="การแบ่งประเภทข้อมูล">การแบ่งประเภทข้อมูล</a> (Data classification)  </dt><dd>หากฏเพื่อระบุประเภทของวัตถุจากคุณสมบัติของวัตถุ เช่น หาความสัมพันธ์ระหว่างผลการตรวจร่างกายต่าง ๆ กับการเกิดโรค โดยใช้ข้อมูลผู้ป่วยและการวินิจฉัยของแพทย์ที่เก็บไว้ เพื่อนำมาช่วยวินิจฉัยโรคของผู้ป่วย หรือการวิจัยทางการแพทย์ ในทางธุรกิจจะใช้เพื่อดูคุณสมบัติของผู้ที่จะก่อหนี้ดีหรือหนี้เสีย เพื่อประกอบการพิจารณาการอนุมัติเงินกู้ </dd><dt><a href="http://th.wikipedia.org/wiki/à¸à¸²à¸£à¹à¸šà¹ˆà¸‡à¸à¸¥à¸¸à¹ˆà¸¡à¸‚à¹‰à¸à¸¡à¸¹à¸¥" title="การแบ่งกลุ่มข้อมูล">การแบ่งกลุ่มข้อมูล</a> (Data clustering)  </dt><dd>แบ่งข้อมูลที่มีลักษณะคล้ายกันออกเป็นกลุ่ม แบ่งกลุ่มผู้ป่วยที่เป็นโรคเดียวกันตามลักษณะอาการ เพื่อนำไปใช้ประโยชน์ในการวิเคราะห์หาสาเหตุของโรค โดยพิจารณาจากผู้ป่วยที่มีอาการคล้ายคลึงกัน </dd><dt><a href="http://th.wikipedia.org/wiki/à¸ˆà¸´à¸•à¸—à¸±à¸¨à¸™à¹Œ" title="จิตทัศน์">จิตทัศน์</a> (Visualization) </dt><dd>สร้างภาพคอมพิวเตอร์กราฟฟิกที่สามารถนำเสนอข้อมูลมากมายอย่างครบถ้วนแทนการใช้ขัอความนำเสนอข้อมูลที่มากมาย เราอาจพบข้อมูลที่ซ้อนเร้นเมื่อดูข้อมูลชุดนั้นด้วยจิตทัศน์ </dd></dl><div></div><div>ขั้นตอนการทำเหมืองข้อมูล</div><div><ol><li>ทำความเข้าใจปัญหา </li><li>ทำความเข้าใจข้อมูล </li><li>เตรียมข้อมูล </li><li>สร้างแบบจำลอง </li><li>ประเมิน </li><li>นำไปใช้งาน </li></ol></div><div></div><div>ประโยชน์จากการทำเหมืองข้อมูล</div><div>การทำเหมืองข้อมูล จำเป็นต้องอาศัยบุคลากรจากหลายฝ่าย และต้องอาศัยความรู้จำนวนมาก ถึงจะได้รับประโยชน์อย่างแท้จริง เพราะสิ่งที่ได้จากขั้นตอนวิธีเป็นเพียงตัวเลข และข้อมูล ที่อาจจะนำไปใช้ประโยชน์ได้หรือใช้ประโยชน์อะไรไม่ได้เลยก็เป็นได้ ผู้ที่ศึกษาการทำเหมืองข้อมูลจึงควรมีความรู้รอบด้านและต้องติดต่อกับทุก ๆ ฝ่าย เพื่อให้เข้าใจถึงขอบเขตของปัญหาโดยแท้จริงก่อน เพื่อให้การทำเหมืองข้อมูลเกิดประโยชน์อย่างแท้จริง</div>

2006-08-07T20:17:05+07:00

การทำเหมืองข้อมูล คือ กระบวนการที่กระทำกับข้อมูล(โดยส่วนใหญ่จะมีจำนวนมาก) เพื่อค้นหารูปแบบ แนวทาง และความสัมพันธ์ที่ซ่อนอยู่ในชุดข้อมูลนั้น โดยอาศัยหลักสถิติ การรู้จำ การเรียนรู้ของเครื่อง และหลักคณิตศาสตร์ false 43216

2009-11-05T00:29:53+07:00

false

2006-08-07T20:17:05+07:00

Data Mining คืออะไร