Page 10 - 3.Big Data Analytics

หลักสูตรการวิเคราะห์ข้อมูลขนาดใหญ่ 9

รูปที่ 1.3 ลักษณะของขอมูลขนาดใหญ

(Braun, 2015

1.4 ความทาทายในโลกของขอมูลใหญ

เมื่อขอมูลขนาดใหญเขามาเรื่อย ความสำคัญของวิทยาการขอมูล (Data Sciences ก็เพิ่มขึ้นอยางรวดเร็วใน

การจัดการกับขอมูลขนาดใหญ ขอมูลขนาดใหญและสมัยใหมนั้นไมสามารถอาศัยฐานขอมูลสัมพันธ (Relational Database
แบบสมัยกอนไดอีกแลว เนื่องจากขอมูลไมไดมีโครงสรางชัดเจน (Unstructured Data มีการเปลี่ยนแปลงอยางรวดเร็ว

ขอมูลมีจำนวนมาก ไมไดมาจากการสุมตัวอยางจากการสำรวจเหมือนในอดีต แตก็มีปญหาไมยิ่งหยอนไปกวากันเนื่องจากมี

ปญหาคุณภาพขอมูล ขอมูลทับซอนไมตรงกันหรือไมสอดคลองกัน มีขอมูลเยอะแตก็มีขอมูลสูญหาย (Missing data
มากมาย หนาที่ของนักวิทยาศาสตรขอมูล (Data Scientist คือการจัดการรวบรวมขอมูล วิเคราะหขอมูล สรุปผล นำ

เสนอแนะ และนำสารสนเทศที่ไดไปใชงานใหเกิดประโยชนสูงสุดแกองคกร

บทบาทหนาที่นั้นนำมาซึ่งความทาทายมากมายมาใหนักวิทยาศาสตรขอมูล ตองเรียนรู ปรับตัว และแกปญหา

1. ขอมูลมีขนาดใหญและไหลเขามารวดเร็วมาก จนตองหา algorithm หรือขั้นตอนวิธีในการวิเคราะหใหเร็วขึ้น
มีการแยกกันคำนวณ (Distributed computing

2. ขอมูลขนาดใหญไมมีโครงสราง ทำใหตองพัฒนาวิธีการทางสถิติใหมๆ ใหเทาทันกับการวิเคราะหขอมูลที่ไมมี

โครงสราง สถิติกราฟกและการสรางภาพนิทัศน (Statistical Graphic and Data Visualization กลับมีความสำคัญมาก

BIG DATA ANALYTICS สถาบันสหวิทยาการดิจิทัลและหุนยนต มหาวิทยาลัยเทคโนโลยีราชมงคลพระนคร