Taking too long? Close loading screen.

Ananwat Tippawat

Data Scientist Government Big Data institute (GBDi)

10 อันดับเทรนด์เทคโนโลยีมาแรง คาดการณ์โดย Alibaba DAMO Academy ยักษ์ใหญ่ด้านเทคโนโลยีของจีน

10 อันดับเทรนด์เทคโนโลยีมาแรง คาดการณ์โดย Alibaba DAMO Academy ยักษ์ใหญ่ด้านเทคโนโลยีของจีนที่จะเข้ามาเปลี่ยนชีวิตมนุษย์ภายใน 5 ปี หลังจากนี้

การบริหารจัดการข้อมูลการวิจัยทางคลินิก (Data Management for Clinical Research)

ในการพัฒนาผลิตภัณฑ์ทางการแพทย์ เช่น ยา หรือวัคซีน จำเป็นต้องผ่านการวิจัยทางคลินิกในหลายระยะ เพื่อให้มั่นใจในความปลอดภัยและประสิทธิภาพของผลิตภัณฑ์ที่จะนำออกสู่ตลาดมาใช้ในวงกว้าง สิ่งสำคัญในการวิจัยทางคลินิก คือ ข้อมูลที่มีคุณภาพ มีความถูกต้องและเชื่อถือได้ การบริหารจัดการข้อมูล (Data Managment) จึงเป็นอีกงานหลักที่สำคัญในการวิจัยทางคลินิก การบริหารจัดการข้อมูลทางคลินิก คือกระบวนการบริหารจัดการข้อมูล ตั้งแต่เริ่มวางแผนเก็บข้อมูล สร้างแบบฟอร์มและระบบในการเก็บข้อมูล ตรวจสอบคุณภาพของข้อมูล วางแผนและวิเคราะห์ข้อมูล จนถึงการจัดเก็บข้อมูลและเอกสารอื่น ๆ ที่เกี่ยวข้องหลังดำเนินการวิจัยเสร็จสิ้น ทั้งนี้กระบวนการบริหารจัดการข้อมูลทางคลินิก ก็ดูจะไม่แตกต่างจากการบริหารจัดการข้อมูลโดยทั่วไปนัก แต่ในทางปฏิบัติแล้วยังมีความแตกต่างในรายละเอียดอยู่พอสมควร ลักษณะข้อมูล ในการวิจัยทางคลินิก ข้อมูลที่เก็บส่วนใหญ่จะเป็นข้อมูลที่มีโครงสร้างชัดเจน (Structured Data) มีการวางแผนตัวแปรข้อมูลที่ต้องการจัดเก็บตามโครงร่างวิจัยที่ชัดเจน ซึ่งเมื่อเริ่มดำเนินการวิจัยแล้ว มักจะหลีกเลี่ยงการแก้ไข ลด เพิ่ม หรือเปลี่ยนแปลงการเก็บข้อมูล หากไม่จำเป็น ดังนั้น ถึงแม้ว่าลักษณะของข้อมูลอาจไม่มีความซับซ้อน และจำนวนมากเหมือนการเก็บข้อมูลในสาขาอื่น ๆ แต่การวางแผนการเก็บข้อมูลก่อนเริ่มดำเนินการเก็บข้อมูลจึงมีความสำคัญมาก เพื่อให้มั่นใจว่าข้อมูลที่จัดเก็บสามารถตอบคำถามวิจัยได้ตรงตามวัตถุประสงค์ที่กำหนดไว้ คุณภาพของข้อมูล (Data Quality) คุณภาพของข้อมูล เป็นคุณลักษณะที่สำคัญที่ต้องการในการบริหารจัดการข้อมูลในทุกสาขา แต่ในงานวิจัยทางคลินิก คุณภาพของข้อมูลเป็นสิ่งหนึ่งที่จะสะท้อนถึงคุณภาพของผลการวิจัย ในการบริหารจัดการข้อมูลการวิจัยทางคลินิก ข้อมูลในทุกตัวแปรมีความสำคัญต่อผลการวิจัย การตรวจสอบคุณภาพของข้อมูลจึงเป็นขั้นตอนที่สำคัญ ที่ต้องดำเนินการอย่างต่อเนื่องตลอดการศึกษาวิจัย …

การบริหารจัดการข้อมูลการวิจัยทางคลินิก (Data Management for Clinical Research) Read More »

3 ตัวชี้วัดหลักของ E-commerce จะช่วยในการวิเคราะห์ข้อมูลของคุณได้อย่างไร

ทุกคนคงรู้ดีว่า E-commerce เป็นวงการที่โหดเหี้ยมและจะยิ่งมีการแข่งขันสูงขึ้นเรื่อย ๆ จากเหตุการณ์โรคระบาดที่ทุกคนออกไปไหนไม่ได้ ทำให้ยอดขายผ่านทาง E-commerce เติบโตขึ้นอย่างรวดเร็วในเวลาเพียงสามเดือน ซึ่งเทียบได้กับการเติบโตเมื่อ 10 ปีที่ผ่านมา และก็ไม่มีแนวโน้มว่าอัตราการเติบโตจะลดลงเลย แต่นั่นก็ไม่ได้แปลว่ากลุ่มผู้ประกอบการรายย่อยนั้นจะขายสินค้าได้ง่ายขึ้น (E-commerce และการวิเคราะห์ข้อมูล) ร้านค้าออนไลน์ประสบปัญหาเนื่องจากการแข่งขันที่สูงขึ้นและลูกค้าประจำลดฮวบลง ในขณะที่นักช้อปออนไลน์มักจะถูกจูงใจได้ง่าย ๆ ด้วยปัจจัยทางด้านราคาและระยะเวลาในการจัดส่ง  รวมไปถึงโจทย์ใหญ่ ๆ เช่น การสร้างประสบการณ์ที่ดีให้กับลูกค้าและการช่วยเหลือลูกค้า จึงไม่มีช่วงเวลาไหนเลยที่ผู้ประกอบการจะได้พักให้หายเหนื่อยได้เลย ดังนั้นการวิเคราะห์ข้อมูลจึงมีบทบาทสำคัญต่อความสำเร็จในการทำ E-commerce ผู้ประกอบการจำเป็นต้องทราบว่าขณะนี้ร้านมียอดขายเพิ่มขึ้นหรือลดลง ลูกค้าเข้ามาหามากที่สุดในช่องทางไหน ลูกค้ากลุ่มไหนที่ใช้เงินมากที่สุดหรือเป็นลูกค้าประจำ ฯลฯ แต่การวิเคราะห์ข้อมูลก็ไม่สามารถเกิดขึ้นได้ถ้าไม่มีข้อมูล ดังนั้นผู้ประกอบการจึงจำเป็นต้องติดตามผลและเก็บข้อมูลตัวชี้วัดของอีคอมเมิร์ซหรือ E-commerce Metrics ที่ถูกต้องเพื่อให้นักวิเคราะห์สามารถนำข้อมูลมาใช้ได้ ไม่เช่นนั้นคุณจะไม่รู้ว่าอะไรที่คุณทำถูกแล้ว (หรือทำไม่ถูก) และระบุได้ว่าจะต้องเปลี่ยนแปลงอะไรเพื่อเพิ่มรายได้และทำผลกำไรให้ดีขึ้น แต่ละบริษัทอาจมีตัววัดที่ตอบโจทย์เป้าหมายธุรกิจที่แตกต่างกัน แต่ก็มีตัวชี้วัดบางตัวที่มักจะเป็นตัวชี้วัดหลักที่ใช้ได้กับเกือบทุกรูปแบบธุรกิจ ซึ่งตัวชี้วัดเหล่านี้จำเป็นอย่างยิ่งต่อความสำเร็จในการวิเคราะห์ข้อมูล และตัวชี้วัดต่อไปนี้ก็คือตัววัดประสิทธิภาพธุรกิจที่ธุรกิจ E-commerce ทุกรายควรติดตามผล เพื่อให้เราได้ข้อมูลที่สามารถนำไปใช้ต่อได้และเกิดความเข้าใจเชิงลึกในข้อมูล 1. มูลค่าคำสั่งซื้อโดยเฉลี่ย (Average Order Value) มูลค่าคำสั่งซื้อโดยเฉลี่ย หรือ Average Order Value …

3 ตัวชี้วัดหลักของ E-commerce จะช่วยในการวิเคราะห์ข้อมูลของคุณได้อย่างไร Read More »

วิธีการการนำเทคโนโลยีดิจิทัลมาเปลี่ยนแปลงธุรกิจของคุณ

หากธุรกิจของคุณกำลังเผชิญกับความท้าทายในการรักษาแนวทางในการเปลี่ยนผ่านธุรกิจมาสู่ดิจิทัล Business Model Canvas คือเครื่องมือที่สามารถช่วยเปลี่ยนให้องค์กรเข้าสู่การทำงานแบบดิจิทัลอย่างแท้จริง

DALL·E 2: ปัญญาประดิษฐ์ผู้สร้างภาพตามคำบรรยาย – Part II

เทคโนโลยี ข้อจำกัดและผลกระทบที่อาจจะเกิดขึ้นได้ของ DALL·E 2 ปัญญาประดิษฐ์จากทีมงาน OpenAI ซึ่งสามารถรังสรรค์ภาพจากคำบรรยายได้เสมือนจริง

Natural Language Processing (NLP): เครื่องมือที่ช่วยให้คอมพิวเตอร์เข้าใจภาษามนุษย์

            ถึงแม้ว่าการวิเคราะห์ข้อมูลต่าง ๆ และการสร้างแบบจำลองจากข้อมูลเหล่านั้นด้วยศาสตร์ทางด้านการเรียนรู้ของเครื่อง (Machine Learning) จะเกี่ยวข้องกับข้อมูลที่มีโครงสร้าง (Structured Data) เช่น ข้อมูลเชิงตาราง (Tabular Data) เป็นส่วนใหญ่ แต่ทว่าในโลกความเป็นจริง ข้อมูลบนโลกดิจิทัลในปัจจุบันมากกว่า 80% เป็นข้อมูลที่ไม่มีโครงสร้าง (Unstructured Data) เช่น ไฟล์ภาพ เสียง หรือ วีดิโอ รวมถึงข้อมูลในลักษณะของข้อความ อาทิ เนื้อหาในบทความต่าง ๆ การโพสต์ข้อความบนโซเชียลมีเดีย การตอบกระทู้บนเว็บบอร์ด บทสัมภาษณ์ของนักกีฬาและนักการเมือง และการแสดงความคิดเห็นต่อสินค้าบนแพลตฟอร์มพาณิชย์อิเล็กทรอนิกส์ (E-commerce Platform) ทั้งนี้ การวิเคราะห์ข้อมูลในลักษณะดังกล่าวจำเป็นต้องอาศัยศาสตร์เฉพาะทางที่มีชื่อเรียกเพราะ ๆ ว่า การประมวลผลภาษาธรรมชาติ (Natural Language Processing: NLP) เพื่อช่วยให้คอมพิวเตอร์เข้าใจภาษาที่ซับซ้อนของมนุษย์ โดยเราจะมาทำความรู้จักกับมันให้มากขึ้นในบทความนี้ ซึ่งจะขอเรียกชื่อพระเอกของเราสั้น ๆ ด้วยชื่อย่อว่า “NLP” ดังนั้น หากไม่มีกระบวนการที่เหมาะสมในการนำข้อมูลเหล่านั้นมาใช้ประโยชน์ มันก็จะเป็นเพียงแค่ชุดของตัวอักษรซึ่งไม่สามารถสร้างมูลค่าหรือองค์ความรู้ใด ๆ ให้กับองค์กรได้ …

Natural Language Processing (NLP): เครื่องมือที่ช่วยให้คอมพิวเตอร์เข้าใจภาษามนุษย์ Read More »