ปกและสารบัญ ตำรา BI & Big Data Analytics Dr.Nink 2567
ตำราวิชาธุรกิจอัจฉริยะและการวิเคราะห์ข้อมูลขนาดใหญ่ (Business Intelligence and Big Data Analytics) นี้ได้แบ่งเนื้อหาเป็น 12 บท รายวิชานี้มุ่งเน้นให้ผู้เรียนมีความรู้ความสามารถด้านการวิเคราะห์และนำเสนอข้อมูลด้วยกราฟเพื่อสนับสนุนการทำธุรกิจในยุคดิจิทัล เนื้อหา บทที่ 1 ความหมายและหลักการทำงานของธุรกิจอัจฉริยะ เครื่องมือในการสร้างและแหล่งข้อมูลสำหรับวิเคราะห์ข้อมูลธุรกิจอัจฉริยะ กราฟที่เหมาะสมกับการแสดงข้อมูลแต่ละประเภทเพื่อสนับสนุนธุรกิจอัจฉริยะ บทที่ 2 สถาปัตยกรรมและความหมายของข้อมูลขนาดใหญ่ องค์ประกอบ วิวัฒนาการของข้อมูลขนาดใหญ่ วิธีสร้างแหล่งเก็บข้อมูลขนาดใหญ่ บทที่ 3 การหา Insights น่าสนใจจากข้อมูลด้วย Pivot Table และการวิเคราะห์ RFM โครงสร้างชุดข้อมูลธุรกิจขายสินค้าออนไลน์ วิเคราะห์จัดกลุ่มข้อมูลพฤติกรรมของผู้บริโภคด้วยหลักการ RFM ตัวอย่างงานวิจัยการพัฒนาระบบธุรกิจอัจฉริยะจัดโปรโมชันส่งเสริมการตลาด บทที่ 4 การใช้ Looker Studio สร้าง Dashboard แสดงข้อมูลทางสถิติของธุรกิจการสร้าง Interactive Dashboard แสดงข้อมูลทางผลประกอบการของธุรกิจ บทที่ 5 การใช้ Tableau สร้าง Dashboard แสดงข้อมูลผลการดำเนินงานธุรกิจ บทที่ 6 การใช้ Power BI สร้าง Dashboard แสดงข้อมูลผลการดำเนินงานธุรกิจ การสร้างกราฟเส้นพยากรณ์ยอดขายสินค้าในอนาคต เทคนิค Time Series การสร้างกราฟจุดจัดกลุ่มข้อมูลสินค้ายอดฮิต เทคนิค K-Means บทที่ 7 การวิเคราะห์ข้อมูลขนาดใหญ่สนับสนุนธุรกิจอัจฉริยะด้วยการทำเหมืองข้อมูล โมเดลการจัดหมวดหมู่ข้อมูล (Classification) การจัดกลุ่มข้อมูล (Clustering) การสร้างกฎความสัมพันธ์ข้อมูล (Association Rule) การพยากรณ์ข้อมูล (Forecasting) บทที่ 8 การทำเหมืองข้อมูลด้วยโปรแกรม WEKA ด้วยโมเดล Classify อัลกอริทึม NaiveBayes อัลกอริทึม Decision Tree โมเดล Cluster อัลกอริทึม SimpleKMeans โมเดล Association อัลกอริทึม Appriori และโมเดล Forecast อัลกอริทึม Time Series บทที่ 9 การทำเหมืองข้อมูลด้วยโปรแกรม RapidMiner Studio การวิเคราะห์ข้อมูลด้วยอัลกอริทึม DecisionTree LinearRegression NeuralNetwork NearestNeighbors NaiveBayes SupportVectorMachine FP-Growth KMeans และ Time Series การติดตั้ง Weka ใน RapidMiner Studio เพื่อวิเคราะห์ข้อมูลด้วย Appriori การวิเคราะห์เหมืองข้อความ (Text Mining) ด้วย Wordcloud บทที่ 10 เครื่องมือ Matplotlib และ Scikit-learn ภาษา Python บทที่ 11 การวิเคราะห์ข้อมูลจากแหล่งข้อมูลภายนอก การใช้ตลาดนำการผลิต Google Trend, Google Analytics, Facebook Fanpage Insights, Youtube Studio, Tiktok Social Analytics & Listening, Blogger Analytics บทที่ 12 การพัฒนาเว็บธุรกิจอัจฉริยะด้วยเทมเพลต AdminLTE และงานวิจัยที่เกี่ยวกับการพัฒนาเว็บธุรกิจอัจฉริยะและการวิเคราะห์ข้อมูลขนาดใหญ่ที่ได้จาก Sensor IOT รวบรวมข้อมูลสภาพอากาศเพื่อสนับสนุนธุรกิจเกษตรสมุนไพรโมเดลสวนไผ่ไฮเทคระบบสนับสนุนการผลิตสินค้าเครื่องสำอางสมุนไพรสวนไผ่ไฮเทค <br> บทนำของทุกบทมีภาพประกอบที่รองรับเทคโนโลยี AR เพื่อให้ผู้เรียน Scan รับชมคลิปแนะนำบทเรียน ผู้เขียนหวังว่าตำราเล่มนี้จะเป็นประโยชน์ต่อผู้เรียนทุกคน <br>ผศ.ดร.มณีรัตน์ ภารนันท์<br>12 ธันวาคม 2567
-
Follow
-
0
-
Embed
-
Share
-
Upload
