ขั้น ขั้ ตอนในการทำ Big Data 1: รับรัรองการส่งส่ผ่าผ่นข้อข้มูลที่ยืดยืหยุ่นยุ่และปรับรัขนาดได้ ขั้นขั้ตอนแรกของ Data Pipeline ในองค์กรนั้นนั้เกี่ยวข้อข้งกับระบบต้นทางการสื่อสื่สาร ข้อข้มูล (Source Systems) และข้อข้มูลดิบดิ (Raw Data) โดยจะส่งส่ข้อข้มูลจาก ต้นทาง(Ingest)ผสมผสาน (Blended)และวิเวิคราะห์ข้ห์อข้มูล (Analyze) การผสมสาน ของข้อข้มูลที่หลากหลายจากไซโลทั่วทั่ทั้งทั้องค์กรนั้นนั้มักมันำ ไปสู่ข้สู่ อข้มูลเชิงชิลึกที่สำ คัญที่สุดสุ ด้วด้ยเหตุนี้ตุนี้ ความสามารถในการใช้ปช้ระโยชน์จน์ากชนิดนิข้อข้มูลที่หลากหลายรูปรูแบบ และ แหล่งที่มา จึงจึเป็นสิ่งสิ่จำ เป็นที่สำ คัญมากในโครงการข้อข้มูลและการวิเวิคราะห์ ของHadoop ในปัจจุบันบัองค์กรไม่เม่พียพีงแต่จะต้องเตรียรีมพร้อร้มข้อข้มูลที่พวกเขาวางแผนจะรวมเข้าข้ กับHadoopแต่พวกเขาจำ เป็นต้องเตรียรีมข้อข้มูลที่สำ หรับรัการใช้งช้านอื่นๆ ที่อาจเป็นไปได้ ในอนาคตรวมถึงการวางแผนเพื่อพื่ลดภาระงานที่ต้องทำ เองด้วด้ยตนเอง วางแผนรูปรู แบบการนำ เข้าข้ข้อข้มูลที่สามารถใช้ซ้ำช้ ซ้ำได้แด้ละการออกแบบเวิร์วิกร์ โฟลว์กว์ารนำ เข้าข้ข้อข้มูลแบบ ไดนามิกมิที่เป็นส่วส่นสำ คัญของสิ่งสิ่นี้ 2: ขับขัเคลื่อนการประมวลผลและการผสมผสานข้อข้มูลขนาดใหญ่ เมื่อมื่องค์กรประสบความสำ เร็จร็ในการดึงดึข้อข้มูลอันหลากหลายเข้าข้สู่ Hadoop ในรูปรูแบบ ที่ยืดยืหยุ่นยุ่และปรับรัขนาดได้แด้ล้วนั้นนั้ขั้นขั้ตอนต่อไป ก็จะนำ ไปสู่ขั้สู่ นขั้ตอนของการประมวลผล (Processing) การแปลงสภาพข้อข้มูล (Transforming) และการผสมผสานข้อข้มูล (Data Blending) กับข้อข้มูลที่มีขมีนาดใหญ่บญ่นคลัสเตอร์ขร์องHadoop การวิเวิคราะห์ข้ห์อข้มูลจาก Big data ยังยัต้องอาศัยหลักการพื้นพื้ฐานและเทคนิคนิบางอย่าย่ง จึงจึมีรมีะดับดัของความเป็นนามธรรมที่ต่างจาก Hadoop หรือรืเครื่อรื่งมือมือื่นๆ ดังดันั้นนั้การ บำ รุงรุรักรัษาและพัฒพันาแอพพลิเคชั่นชั่ที่ใช้ข้ช้อข้มูลจำ นวนมากจึงจึกลายเป็นสิ่งสิ่ที่ทุกทุคน สามารถเข้าข้ถึงได้ง่ด้ ง่ายกว่าว่ ไม่ไม่ด้จำด้จำกัดเพียพีงกลุ่มลุ่เล็กๆ ของผู้เผู้ชี่ย ชี่ วชาญด้าด้นการเขียขีนโค้ด เท่านั้นนั้ ในโลกที่ Big Data มีกมีารพัฒพันาไปอย่าย่งรวดเร็วร็แผนกไอทีก็ยังยัต้องรักรัษาและออกแบบ การแปลงสภาพของข้อข้มูล (Data Transformation) โดยไม่ต้ม่ ต้องกังวลกับการ เปลี่ยนแปลงโครงสร้าร้งพื้นพื้ฐาน องค์กรควรพยายามหาแนวทางที่เป็นการผสานรวม ระหว่าว่งการการควบคุมคุความสามารถในการมองเห็นห็ข้อข้มูลในเชิงชิลึกและการใช้งช้านที่ ง่ายขึ้นขึ้แทนที่การใช้กช้ล่องดำ (Black Box) ในการแปลงข้อข้มูลบน Hadoop 47
3: ส่งส่มอบข้อข้มูลเชิงชิลึกเกี่ยวกับการวิเวิคราะห์Bห์ ig Data ที่สมบูรณ์ สิ่งสิ่สำ คัญที่จะช่วช่ยปลดล็อคการวิเวิคราะห์เห์พื่อพื่ ให้ไห้ด้มด้าซึ่งซึ่ข้อข้มูลที่เป็นป็ ประโยชน์สูน์งสูสุดสุจากHadoop นั่นนั่ก็คือ การพิจพิารณาอย่าย่งรอบคอบ เกี่ยวกับกระบวนการทางธุรกิจแอพพลิเคชั่นชั่และผู้ใผู้ช้ปช้ลายทาง โดย ข้อข้มูลผู้บผู้ ริโริภคที่แตกต่างกันนั้นนั้ก็อาจจำ เป็นป็ที่จะต้องใช้เช้ครื่อรื่งมือมืและ วิธีวิกธีารที่แตกต่างกัน ทั้งทั้นี้ก็ นี้ ก็ขึ้นขึ้อยู่กัยู่ กับว่าว่พวกเขานั้นนั้ต้องการข้อข้มูลอะไร แผนต่างๆที่พวกเขาวางไว้สำว้สำหรับรัข้อข้มูลเหล่านั้นนั้และมีรมีะดับดัความซับซั ซ้อซ้นแค่ไหน ในขณะที่นักนัวิทวิยาศาสตร์ด้ร์าด้นข้อข้มูลและนักนัวิเวิคราะห์ที่ห์ ที่ มีคมีวาม เชี่ย ชี่ วชาญขั้นขั้สูงสูพวกเขาเริ่มริ่ทำ การสืบสืค้นและสำ รวจชุดข้อข้มูล ในHadoopโดยพวกเขามักมัจะใช้คช้ลังข้อข้มูล (Data Warehouse) และ เทคโนโลยีปยีระมวลผลเลเยอร์คร์ล้ายSQL (SQL-like) เช่นช่ Hive (ที่ทำ หน้าน้ที่ในการแปลSQL like ให้มห้าเป็นป็ MapReduce) และ Impala (ซึ่งซึ่เป็นป็เครื่อรื่งมือมืที่คล้ายกับ Hive) นับนัว่าว่ โชคดีที่ดี ที่ เครื่อรื่งมือมืเหล่านี้ในี้ ช้ เวลาในการเรียรีนรู้ไรู้ม่นม่าน เนื่อนื่งจากมันมัเป็นป็ภาษาที่ใช้สำช้สำหรับรัค้นหา ข้อข้มูลจากฐานข้อข้มูลหรือรื Query Language (QL) ที่คุ้นคุ้เคย ฐาน ข้อข้มูล NoSQL ที่มีปมีระสิทสิธิภธิาพสูงสูและปรับรัขนาดได้นั้ด้นนั้มีกมีารใช้งช้าน ควบคู่กัคู่กับHadoop มากขึ้นขึ้การรวบรวมBig Data จากเว็บว็มือมืถือและ ปริมริาณงานของIoT นั้นนั้ ได้ถูด้กถูสร้าร้งในระบบ NoSQL ก่อนที่จะถูกถูส่งส่ เข้าข้สู่ซสู่ อฟต์แวร์Hร์ adoop ในทางกลับกัน ปริมริาณงานแบตช์แช์ละสตรีมรี มิ่งมิ่การวิเวิคราะห์ที่ห์ ที่ประมวลผลโดยHadoop ก็สามารถแชร์กัร์ กับระบบ NoSQL ได้ การเพิ่มพิ่ขึ้นขึ้ของระบบNoSQL ที่เข้าข้คู่กัคู่กับมูลค่าของBig Data ทำ ให้อห้งค์กรต่างๆ เริ่มริ่แสวงหาผู้เผู้ชี่ย ชี่ วชาญด้าด้นไอทีที่มีทัมี ทักษะ เกี่ยวกับ NoSQLและ Hadoop เพื่อพื่ ให้ไห้ด้ปด้ระโยชน์สูน์งสูสุดสุจาก Big Data ของพวกเขา ดังดันั้นนั้การพิจพิารณาให้ Hadoop เป็นป็ส่วส่นในการ ขยายAnalytic Pipeline จึงจึเป็นป็สิ่งสิ่สำ คัญมาก ธุรกิจจำ นวนมากคง คุ้นคุ้เคยกับฐานข้อข้มูลประสิทสิธิภธิาพสูงสูที่ปรับรัให้เห้หมาะสำ หรับรัการ วิเวิคราะห์ผู้ห์ ใผู้ช้ปช้ลายทางหรือรืที่รู้จัรู้กจักันดีว่ดีาว่ ‘ฐานข้อข้มูลการวิเวิคราะห์’ห์ (Analytic Databases) องค์กรเหล่านี้ไนี้ ด้พด้บว่าว่การส่งส่มอบชุดข้อข้มูล ที่ได้รัด้บรัการแก้ไขจากHadoop ไปยังยัฐานข้อข้มูลที่กล่าวมานั้นนั้เป็นป็วิธีวิที่ธี ที่ มีปมีระสิทสิธิภธิาพสูงสูในการปลดปล่อยพลังการประมวลผลของHadoop 48
4. ใช้แช้นวทางเชิงชิโซลูชัลูนชั (Solution-Oriented) ในช่วช่งไม่กี่ม่ กี่ปีที่ปี ที่ ผ่าผ่นมา ความก้าวหน้าน้หลายๆ อย่าย่งได้ถูด้กถูสร้าร้งขึ้นขึ้ ในระบบ นิเนิวศ(Ecosystem)Hadoop และยังยัคงเติบโตในฐานะของแพลตฟอร์มร์เพื่อพื่การปรับรัใช้กัช้ กับ องค์กรการผลิต (Production Enterprise) ในส่วส่นของข้อข้กำ หนดสำ หรับรัความคิดริเริริ่มริ่ด้าด้น เทคโนโลยีนั้ยีนนั้มีแมีนวโน้มน้ที่จะได้รัด้บรัการพัฒพันาและอยู่ใยู่นช่วช่งของการ "กำ ลังดำ เนินนิการ" ซึ่งซึ่ Hadoopก็ได้แด้สดงให้เห้ห็นห็ถึงองค์ประกอบใหม่ใม่น Data Pipeline ที่กว้าว้งขึ้นขึ้ผลที่ตามมาก็ คือความคิดริเริริ่มริ่ที่เกี่ยวข้อข้งใหม่ๆม่นั้นนั้มักมัจะมีวิมีธีวิกธีารแบบค่อยเป็นป็ค่อยไป (Phased Approach) เมื่อมื่คำ นึงนึถึงเรื่อรื่งนี้แ นี้ ล้ว ผู้ปผู้ ระเมินมิซอฟต์แวร์ต่ร์ ต่างก็รู้ว่รู้าว่พวกเขาไม่สม่ามารถพบกับอุปกรณ์ที่ณ์ ที่ มี ทุกทุอย่าย่งครบครันรั ( Off-the-shelf )เพื่อพื่ตอบสนองความต้องการด้าด้นข้อข้มูลและการ วิเวิคราะห์ขห์อง Hadoopได้ ทั้งทั้ ในปัจจุบันบัและในอนาคตข้าข้งหน้าน้ซึ่งซึ่ในปัจจุบันบันี้คำ นี้ คำว่าว่ "รองรับรั อนาคต" (Future-proof) ได้ถูด้กถูนำ มาใช้มช้ากเกินไปในเรื่อรื่งที่เกี่ยวกับBig Data แต่ยังยัมีสิ่มีงสิ่ที่ ต้องคำ นึงนึถึงนั่นนั่ก็คือ ความสามารถในการขยายระบบและความยืดยืหยุ่นยุ่เพื่อพื่รองรับรัการ ทำ งานที่สูงสูขึ้นขึ้ซึ่งซึ่ทั้งทั้สองอย่าย่งนี้ค นี้ วรจะเป็นป็ส่วส่นสำ คัญของแบบสำ รวจรายการ (Checklist) ของโครงการทั้งทั้หมด การแปลงพอร์ตร์เพื่อพื่ ให้ทำห้ ทำงานได้อด้ย่าย่งราบรื่นรื่ผ่าผ่นการกระจาย Hadoop ที่แตกต่างกันเป็นป็จุด เริ่มริ่ต้นของศักยภาพที่ดี แต่ความยั่งยั่ยืนยืที่แท้จริงรินั้นนั้องค์กรจำ เป็นป็ต้องมีแมีพลตฟอร์มร์เพื่อพื่ ความยืดยืหยุ่นยุ่อันสอดคล้องกับนวัตวักรรมแบบเปิดปิที่ขับขัเคลื่อนระบบ นิเนิวศ(Ecosystem)Hadoop 5: เลือกผู้ขผู้ ายที่เหมาะสม กระแสของBig Data ส่งส่ผลให้ผู้ห้ ใผู้ห้บห้ริกริารโซลูชัลูนชัหลั่งลั่ ไหลเข้าข้พื้นพื้ที่ตลาดกันอย่าย่งท่วมท้น แพ็คพ็เกจที่พวกเขาเสนอนั้นนั้อาจแตกต่างกันอย่าย่งหลากหลาย ซึ่งซึ่มีตั้มี ตั้งตั้แต่เครื่อรื่งมือมืทางสถิติ อย่าย่งง่ายไปจนถึงแอปพลิเคชันชัการเรียรีนรู้เรู้ครื่อรื่งจักจัรขั้นขั้สูงสู องค์กรจึงจึควรระบุประเภทข้อข้มูลที่พวกเขาจะประมวลผลเพื่อพื่เลือกเทคโนโลยีที่ยี ที่ รองรับรัพวกเขา แพลตฟอร์มร์ที่น่าน่พึงพึพอใจนั้นนั้จำ เป็นป็ต้องเข้าข้กันได้ดีด้กัดี กับเครื่อรื่งมือมืวิเวิคราะห์ที่ห์ ที่ มีอมียู่ โดยให้กห้าร เข้าข้ถึงกับพนักนังานที่พวกเขาต้องการและมีคมีวามยุ่งยุ่ยากน้อน้ยที่สุดสุต่อเวิร์วิกร์ โฟลว์ ผู้ใผู้ห้บห้ริกริาร NoSQL และ Hadoop บางรายกำ ลังร่วร่มมือมืกันจัดจัทำ ข้อข้เสนอที่ครอบคลุมลุ รวบรวมระบบของพวกเขาเพื่อพื่เพิ่มพิ่ความคล่องตัวในการเลื่อนไหลระหว่าว่งระบบโครงสร้าร้งและ ซอฟต์แวร์ สิ่งสิ่นี้ยั นี้ งยัช่วช่ยลดความยุ่งยุ่ยากให้กัห้ กับลูกลูค้าเนื่อนื่งจากพวกเขาสามารถจัดจัการกับทุกทุ อย่าย่งได้ใด้นจุดๆ เดียดีว 49
กระบวนการจาก Big Data สู่คสู่ วาม สัม สั พัน พั ธ์ข ธ์ องข้อ ข้ มูล Big Data มีคุมีณคุลักษณะสำ คัญอยู่ 4 ยู่อย่าย่งคือ ต้องเป็นข้อข้มูลที่มี จำ นวนมากขนาดมหาศาล (Volume) มีคมีวามซับซัซ้อซ้นหลากหลาย (Variety) มักมัจะเปลี่ยนแปลงอย่าย่งรวดเร็วร็อยู่ตยู่ลอดเวลา (Velocity) และยังยัไม่สม่ามารถนำ มาใช้เช้ป็นป็ข้อข้มูลที่สมบูรณ์เณ์พื่อพื่นำ มาใช้ใช้นการประกอบการพิจพิารณาได้ (Veracity) ด้ ข้อข้มูลมากมายมหาศาลเป็นป็อย่าย่งไร (Volume) ข้อข้มูลจำ นวนมหาศาลนี้ไนี้ ด้มด้าจากการดำ เนินนิธุรกิจ เช่นช่ข้อข้มูลจาก ทุกทุแผนก การเงิน บัญบัชี ฝ่ายขาย การตลาด ลูกลูค้าสัมสัพันพัธ์ ฯลฯ หรือรืจากบทสนทนาของเรากับลูกลูค้าใน Social Media ทั้งทั้หมด ไม่ว่ม่าว่จะแบบ Online หรือรื offline ไปจนถึง URLs ที่คุณคุ Bookmarks เอาไว้ จะจัดจัเก็บในรูปรูแบบไหนประเภทใดก็ได้ ซึ่งซึ่ใน แต่ละวันวัข้อข้มูลใหม่พม่วกนี้ก็ นี้ ก็จะมีเมีข้าข้มาตลอด วันวัหนึ่งนึ่ก็ถือว่าว่ มากมายแล้ว ยิ่งยิ่ถ้าข้อข้มูลที่มีจำมีจำนวนมากเข้าข้มาตลอดวันวั 7 วันวั ใน หนึ่งนึ่อาทิตย์ เข้าข้มาทุกทุเดือดืนตลอดทั้งทั้ปี รวมกันหลายๆ ปีจปีะ มากมายก่ายกองขนาดไหน 50
ก่อนที่ธุรกิจจะสามารถนำ Big Data มาใช้งช้านได้ พวกเขาควร พิจพิารณาว่าว่ข้อข้มูลจะไหลเวียวีนไปยังยัสถานที่ แหล่งที่มา ระบบ เจ้าจ้ของ และผู้ใผู้ช้จำช้จำนวนมากได้อด้ย่าย่งไร มีห้มีาห้ขั้นขั้ตอนสำ คัญในการ จัดจัการ “โครงสร้าร้งข้อข้มูล” ขนาดใหญ่นี้ญ่ นี้ ซึ่งซึ่รวมถึงข้อข้มูลแบบ ดั้งดั้เดิมดิข้อข้มูลที่มีโมีครงสร้าร้ง และข้อข้มูลที่ไม่มีม่ โมีครงสร้าร้งและกึ่งมี โครงสร้าร้ง: กระแสข้อข้มูลมาจาก Internet of Things (IoT) และอุปกรณ์ที่ณ์ ที่ เชื่อชื่มต่ออื่นๆ ที่ไหลเข้าข้ สู่รสู่ ะบบไอทีจากอุปกรณ์สณ์วมใส่ รถยนต์อัจฉริยริะ อุปกรณ์ทณ์างการแพทย์ อุปกรณ์ อุตสาหกรรม และอื่นๆ คุณคุสามารถวิเวิคราะห์ข้ห์อข้มูลขนาดใหญ่นี้ญ่ ไนี้ ด้เด้มื่อมื่มาถึง รวมถึง ตัดสินสิ ใจเลือกข้อข้มูลที่จะเก็บหรือรืไม่เม่ก็บ และข้อข้มูลใดที่ต้องมีกมีารวิเวิคราะห์เห์พิ่มพิ่เติม โซเชียชีลมีเมีดียดีข้อข้มูลเกิดจากการโต้ตอบบน Facebook, YouTube, Instagram ฯลฯ ซึ่งซึ่รวมถึงข้อข้มูลขนาดใหญ่จำญ่จำนวนมหาศาลในรูปรูแบบของภาพ วิดีวิ โดีอ คำ พูด ข้อข้ความ และเสียสีง - มีปมีระโยชน์สำน์สำหรับรั ฟังฟัก์ชั่นชั่การตลาด การขาย และการสนับนัสนุนนุข้อข้มูลนี้มั นี้ กมั จะอยู่ใยู่นรูปรูแบบที่ไม่มีม่ โมีครงสร้าร้งหรือรืกึ่งโครงสร้าร้ง ดังดันั้นนั้จึงจึเป็นป็ความท้าทายในแบบเฉพาะ สำ หรับรัการบริโริภค และการวิเวิคราะห์ ข้อข้มูลที่เปิดปิเผยต่อสาธารณชน มาจากแหล่งข้อข้มูลแบบเปิดปิขนาดใหญ่เญ่ช่นช่ data.gov ของรัฐรับาลสหรัฐรั, CIA World Factbook หรือรืพอร์ทัร์ ทัลข้อข้มูลแบบเปิดปิของสหภาพ ยุโรป ข้อข้มูลขนาดใหญ่อื่ญ่ อื่นๆ อาจมาจากพื้นพื้ที่เก็บข้อข้มูลส่วส่นกลาง แหล่งข้อข้มูลบนระบบคลา วด์ ซัพซัพลายเออร์ และลูกลูค้า 1) กำ หนดกลยุทธ์เธ์กี่ยวกับข้อข้มูลขนาดใหญ่ ในระดับดัสูงสูกลยุทธ์ข้ธ์อข้มูลขนาดใหญ่เญ่ ป็นป็แผนที่ออกแบบมาเพื่อพื่ช่วช่ยคุณคุในการกำ กับดูแดูล และปรับรั ปรุงรุวิธีวิที่ธี ที่ คุณคุได้รัด้บรัจัดจัเก็บ จัดจัการ แบ่งบ่ ปัน และใช้ข้ช้อข้มูลภายในและภายนอกองค์กร ของคุณคุกลยุทธ์ข้ธ์อข้มูลขนาดใหญ่ช่ญ่วช่ยปูทางไปสู่คสู่ วามสำ เร็จร็ทางธุรกิจท่ามกลางข้อข้มูล จำ นวนมาก เมื่อมื่พัฒพันากลยุทธ์ สิ่งสิ่สำ คัญคือต้องพิจพิารณาเป้าป้หมายทางธุรกิจและ เทคโนโลยี –ในปัจจุบันบัและอนาคต – และโครงการริเริริ่มริ่การปฏิบัติบั ติกับข้อข้มูลขนาดใหญ่มีญ่ มี ความจำ เป็นป็เช่นช่ทรัพรัย์สิย์นสิทางธุรกิจที่มีค่มี ค่าอื่นๆ แทนที่จะเป็นป็เพียพีงผลพลอยได้ขด้อง แอปพลิเคชันชั 2) รู้แรู้หล่งที่มาของข้อข้มูลขนาดใหญ่ การจัด จั การข้อ ข้ มูลขนาดใหญ่ Big Data ญ่ การจัด จั การข้อ ข้ มูล ขนาดใหญ่ (Big Dat) 51
3) การเข้าข้ถึง จัดจัการ และจัดจัเก็บข้อข้มูลขนาดใหญ่ ระบบคอมพิวพิเตอร์สร์มัยมั ใหม่มีม่คมีวามเร็วร็พลัง และความยืดยืหยุ่นยุ่ที่จำ เป็นป็ ในการ เข้าข้ถึงข้อข้มูลจำ นวนมหาศาลและประเภทของข้อข้มูลขนาดใหญ่ไญ่ด้อด้ย่าย่งรวดเร็วร็ นอกเหนือนืจากการเข้าข้ถึงที่เชื่อชื่ถือได้แด้ล้ว บริษัริ ษัทต่างๆยังยัต้องมีวิมีธีวิ ใธีนการรวม ข้อข้มูล รับรั ประกันคุณคุภาพของข้อข้มูล การจัดจัระเบียบีบข้อข้มูลและการจัดจัเก็บ และ การเตรียรีมข้อข้มูล 4) การวิเวิคราะห์ข้ห์อข้มูลขนาดใหญ่ ด้วด้ยเทคโนโลยีที่ยี ที่ มีปมีระสิทสิธิภธิาพสูงสูเช่นช่ Grid Computing (การประมวลผล แบบกริดริ ) หรือรืการวิเวิคราะห์ให์นหน่วน่ยความจำ องค์กรต่างๆ จึงจึสามารถเลือกที่ จะใช้ข้ช้อข้มูลขนาดใหญ่ทั้ญ่ ทั้งทั้หมดของพวกเขามาทำ การวิเวิคราะห์ไห์ด้ แต่ไม่ว่ม่าว่จะใช้วิช้ธีวิ ธี ใด การวิเวิคราหะ์ข้อข้มูลขนาดใหญ่เญ่ ป็นป็วิธีวิที่ธี ที่ บริษัริ ษัทต่างๆ ได้รัด้บรัมูลค่าและข้อข้มูล เชิงชิลึกจากข้อข้มูล ปัจจุบันบัข้อข้มูลขนาดใหญ่ป้ญ่อป้นข้อข้มูลเข้าข้สู่รสู่ ะบบการวิเวิคราะห์ที่ห์ ที่ มีคมีวามก้าวหน้าน้ที่สูงสูขึ้นขึ้เช่นช่ ปัญญาประดิษดิฐ์ 5) ตัดสินสิ ใจอย่าย่งชาญฉลาดและใช้ข้ช้อข้มูลช่วช่ย ข้อข้มูลที่ได้รัด้บรัการจัดจัการและมีคมีวามน่าน่เชื่อชื่ถือนำ ไปสู่กสู่ ารวิเวิคราะห์ที่ห์ ที่ น่าน่เชื่อชื่ถือ และการตัดสินสิ ใจที่น่าน่เชื่อชื่ถือ เพื่อพื่ ให้สห้ามารถแข่งข่ขันขั ได้ ธุรกิจต่างๆ จำ เป็นป็ต้อง ได้รัด้บรั ประโยชน์สูน์งสูสุดสุจากข้อข้มูลขนาดใหญ่แญ่ละดำ เนินนิงานบนพื้นพื้ฐานข้อข้มูล – ทำ การตัดสินสิ ใจบนพื้นพื้ฐานหลักฐานที่นำ เสนอโดยข้อข้มูลขนาดใหญ่ไญ่ม่ใม่ช่ตช่าม สัญสัชาตญาณของผู้บผู้ ริหริาร การขับขัเคลื่อนด้วด้ยข้อข้มูลมีปมีระโยชน์ที่น์ ที่ ชัดชัเจน องค์กรที่ขับขัเคลื่อนด้วด้ยข้อข้มูลจะทำ งานได้ดีด้ขึ้ดีขึ้นขึ้สามารถคาดการณ์ไณ์ด้มด้ากขึ้นขึ้ และมีผมีลกำ ไรเพิ่มพิ่ขึ้นขึ้ 52
สรุปความสำ คัญของ Big Data จะเห็นห็ ได้ว่ด้าว่ Big Data ในปัจจุบันบันั้นนั้สำ คัญเป็นป็อย่าย่งมากในชีวิชีตวิ ประจำ วันวั ไม่ว่ม่าว่จะธุรกิจไหนก็ตาม และด้วด้ยพฤติกรรมของผู้บผู้ ริโริภคในปัจจุบันบั นั้นนั้ ได้เด้ปลี่ยนมาใช้ชีช้วิชีตวิบนสื่อสื่ออนไลน์มน์ากขึ้นขึ้เสพสื่อสื่เสพคอนเทนต์ มาก ขึ้นขึ้ถ้าหากมองข้าข้มในส่วส่นนี้ก็ นี้ ก็มีโมีอกาสที่จะเสียสีเปรียรีบคู่เคู่เข่งข่และเสียสีกลุ่มลุ่ ลูกลูค้าไปเป็นป็จำ นวนมากอย่าย่งคาดไม่ถึม่ ถึง ดังดันั้นนั้ ไม่ว่ม่าว่จะธุรกิจไหนก็ต้องมี ข้อข้มูล Big Data ยิ่งยิ่มีข้มีอข้มูล Big Data เยอะก็ยิ่งยิ่ได้เด้ปรียรีบคู่เคู่เข่งข่ ทางการค้า เพราะ ข้อข้มูล Big Data นั้นนั้สามารถเป็นป็ตัวช่วช่ยในการ วิเวิคราะห์ข้ห์อข้มูลในด้าด้นธุรกิจ, วิเวิคราะห์กห์ลุ่มลุ่เป้าป้หมายเพื่อพื่ทำ การตลาดให้ ถูกถูจุด, เข้าข้ใจผู้บผู้ ริโริภคมากขึ้นขึ้และที่สำ คัญสามารถเป็นป็ ไอเดียดีเพิ่มพิ่เติมใน การพัฒพันาสินสิค้าและบริกริารในอนาคตได้ ซึ่งซึ่ถือว่าว่ Mandala Analytics เป็นป็เครื่อรื่งมือมืที่จำ เป็นป็สำ หรับรั ปัจจุบันบัตอบโจทย์หย์ลายๆ ธุรกิจได้อด้ย่าย่งเเน่ นอน 53
ผู้จัผู้ ด จั ทำ นางสาว อารยา ทองแนบ นักนัศึกษาชั้นชั้ ปวส1 สาขาวิชวิาการตลาด เลขที่ 28