Page 23 - 3.Big Data Analytics

หลักสูตรการวิเคราะห์ข้อมูลขนาดใหญ่ 22

Section 7: Products frequently bought together in stores

7.1 วัตถุประสงคการเรียนรู

1) เขาใจการหาความสัมพันธของขอมูลดวยเทคโนโลยีการวิเคราะหขอมูลขนาดใหญ

7.2 กรณีศึกษาการหาความสัมพันธของขอมูลดวยเทคโนโลยีการวิเคราะหขอมูลขนาดใหญ

กรณีศึกษาในหางสรรพสินคา สามารถนำเอาเทคโนโลยีการวิเคราะหขอมูลขนาดใหญมาหาความสัมพันธของ
ขอมูล ซึ่งการคนหาความสัมพันธและรูปแบบ (Pattern ทั้งหมด ซึ่งมีอยูจริงในฐานขอมูล แตไดถูกซอนไวภายในขอมูล

จำนวนมาก เทคนิคดังกลาวเปนเทคนิคของการทำเหมืองขอมูล หรือ “Data Mining” ซึ่งจะทำการสำรวจและวิเคราะหอยาง

อัตโนมัติหรือกึ่งอัตโนมัติ ในปริมาณขอมูลจำนวนมากใหอยูในรูปแบบที่เต็มไปดวยความหมายและอยูในรูปของกฎ (Rule

โดยความสัมพันธเหลานี้แสดงใหเห็นถึงความรูตาง ๆ ที่มีประโยชนในฐานขอมูล

กรณีศึกษาที่ชัดเจนที่สุดคือ “หางสรรพสินคาแหงหนึ่ง คนพบพฤติกรรมของผูบริโภค ที่พอบานมักซื้อเบียรและ

ผาออมในวันศุกรตอนเย็น” ดังนั้นเปนสัญญาณใหเจาของกิจการควรจะเตรียมสินคาไวเพื่อจำหนาย หรือจัดวางสินคาไวใน
บริเวณเดียวกัน เปนตน

อยางไรก็ตามในกรณีนี้ ขอมูลที่นำมาวิเคราะหควรเปนขอมูลขนาดใหญจริง ๆ และขอมูลตั้งตนตองมีความถูกตอง
ดวย ซึ่งบางครั้งการใชขอมูลมักจะพบวามีความสัมพันธของการซื้อสินคา 2 อยางเสมอ เมื่อจำนวนความหลากหลายของ

สินคามากขึ้น แตไมไดหมายความวาจะตองใหหางสรรพสินคาเก็บสินคาในคลังมากขึ้น เพราะขอมูลที่ไดอาจเกิดความ

คลาดเคลื่อน เพราะฉะนั้นจะตองทำการตรวจสอบความถูกตองของขอมูลและวิเคราะหความถูกตองอีกครั้ง

BIG DATA ANALYTICS สถาบันสหวิทยาการดิจิทัลและหุนยนต มหาวิทยาลัยเทคโนโลยีราชมงคลพระนคร