WK Data Analyst

Tag: CIB

  • ผู้ชนะ 10 คิด

    ผู้ชนะ 10 คิด

    เมื่อ 10 กว่าปี มาแล้ว ตอนสมัยอยู่สืบภาค 8 กับ พี่ยาว (พล.ต.ต.วีระศักดิ์ มีนะวาณิชย์) ได้มีโอกาส เรียนรู้เกี่ยวกับ แนวคิด 10 มิติ จากการฝึกอบรม Detective Team ของสืบภาค 8 เมื่อได้มีโอกาสมาทบทวน รู้สึกว่าน่าจะมีประโยชน์กับทีมงานนักสืบ จึงขอเอามาเสนอแลกเปลี่ยนเรียนรู้

    การคิด 10 มิติ เป็นหนังสือชุด ชื่อ ผู้ชนะ 10 คิด ที่เขียนโดย ศ.ดร.เกรียงศักดิ์ เจริญวงศ์ศักดิ์ เป็นการคิดที่ช่วยให้มองเห็นความคิดในหลากหลายด้าน และยังนำเราไปพัฒนาความคิดในแต่ละด้านให้เราได้คิดเป็นมากขึ้น มาดูกันว่า การคิด 10 มิติ มีอะไรกันบ้าง

    1. การคิดเชิงวิพากย์ (Critical Thinking) 

    ความตั้งใจที่จะพิจารณาตัดสินเรื่องใดเรื่องหนึ่ง โดยการไม่เห็นคล้อยตามข้อเสนออย่างง่ายๆ แต่ตั้งคำถามท้าทาย หรือโต้แย้งสมมติฐาน และข้อสมมติที่อยู่เบื้องหลัง และพยายามเปิดแนวทางความคิด ออกลู่ทางต่างๆ ที่แตกต่างจากข้อเสนอนั้น เพื่อให้สามารถได้คำตอบที่สมเหตุสมผล มากกว่าข้อเสนอเดิม

    2.การคิดเชิงวิเคราะห์ (Analytical Thinking)

    หมายถึง การจำแนกแจกแจงองค์ประกอบต่างๆ ของสิ่งใดสิ่งหนึ่ง หรือเรื่องใดเรื่องหนึ่ง และหาความสัมพันธ์เชิงเหตุผล ระหว่างองค์ประกอบเหล่านั้น เพื่อค้นหาสาเหตุที่แท้จริง ของสิ่งที่เกิดขึ้น

    3.การคิดเชิงสังเคราะห์ (Synthesis-Type Thinking) 

    หมายถึง ความสามารถในการดึงองค์ประกอบต่างๆ มาผสมผสานเข้าด้วยกัน เพื่อให้ได้สิ่งใหม่ ตามวัตถุประสงค์ที่ต้องการ

    4. การคิดเชิงเปรียบเทียบ (Comparative Thinking)

    หมายถึง การพิจารณาเทียบเคียงความเหมือน และ/หรือ ความแตกต่าง ระหว่างสิ่งนั้น กับสิ่งอื่นๆ เพื่อให้เกิดความเข้าใจ สามารถอธิบายเรื่องนั้น ได้อย่างชัดเจน เพื่อประโยชน์ในการคิด การแก้ปัญหา หรือการหาทางเลือดเรื่องใดเรื่องหนึ่ง

     5. การคิดเชิงมโนทัศน์ (Conceptual Thinking)

    หมายถึง ความสามารถในการประสานข้อมูลทั้งหมด ที่มีอยู่ เกี่ยวกับเรื่องหนึ่งเรื่องใด ได้อย่างไม่ขัดแย้ง แล้วนำมาสร้างเป็นความคิดรวบยอด หรือกรอบความคิดเกี่ยวกับเรื่องนั้น

    6. การคิดเชิงสร้างสรรค์ (Creative Thinking)

    หมายถึง การขยายขอบเขตความคิดออกไป จากกรอบความคิดเดิมที่มีอยู่ สู่ความคิดใหม่ๆ ที่ไม่เคยมีมาก่อน เพื่อค้นหาคำตอบที่ดีที่สุด ให้กับปัญหาที่เกิดขึ้น

    7.การคิดเชิงประยุกต์ (Applicative Thinking)

    หมายถึง ความสามารถในการนำเอาสิ่งที่มีอยู่เดิม ไปปรับใช้ประโยชน์ในบริบทใหม่ ได้อย่างเหมาะสม โดยยังคงหลักการของสิ่งเดิมไว้

    8. การคิดเชิงกลยุทธ์ (Strategic Thinking)

    หมายถึง ความสามารถในการกำหนดแนวทางที่ดีที่สุด ภายใต้เงื่อนไขข้อจำกัดต่างๆ ที่เกี่ยวข้อง เข้าหาแกนหลักได้อย่างเหมาะสม เพื่ออธิบาย หรือให้เหตุผลสนับสนุนเรื่องใดเรื่องหนึ่ง

    9.การคิดเชิงบูรณาการ (Integrative Thinking)

    หมายถึง ความสามารถในการเชื่อมโยงแนวคิด หรือองค์ประกอบต่างๆ ที่เกี่ยวข้อง เข้าหาแกนหลักได้อย่างเหมาะสม เพื่ออธิบายหรือให้เหตุผลสนับสนุนเรื่องใดเรื่องหนึ่ง

    10. การคิดเชิงอนาคต (Futuristic Thinking)

    หมายถึง ความสามารถในการคาดการณ์ ในอนาคต อย่างมีหลักเกณฑ์ที่เหมาะสม

    ผู้เขียนคิดว่า น่าจะเป็นประโยชน์กับบรรดาเหล่านักสืบ ที่จะเอาไปปรับใช้กับการคิดในกระบวนการสืบสวนต่อไป

  • ฝึกพิมพ์ให้เร็วขึ้นต้องทำอย่างไร

    ฝึกพิมพ์ให้เร็วขึ้นต้องทำอย่างไร

    แน่นอนครับว่าการพิมพ์เร็วจะช่วยทำให้เราประหยัดเวลาลงได้อย่างมาก เราจะได้เอาเวลาไปทำสิ่งต่างๆ ได้เยอะขึ้น

    แต่จะทำยังไงให้พิมพ์เร็วได้ขึ้นละ ?

    “ตอบได้คำเดียวว่า ฝึกฝน”

    แนะนำ Web สำหรับเอาฝึกฝน monkeytype https://monkeytype.com/ เป็นเวบไซต์ ที่เอาไว้ฝึกฝน การพิมพ์ให้เร็วขึ้น

    การฝึกพิมพ์ให้เร็วขึ้นนั้นก็ถือเป็น Productivity Hard Skill ที่สามารถฝึกฝนได้และเห็นผลได้อย่างชัดเจน

    monkeytype.com — เป็นเว็บสำหรับฝึกพิมพ์ไวโดยเฉพาะ ข้อดีของมันก็คือ UI ดูสบายตา ใช้งานง่าย และมีโหมดที่ไว้สำหรับฝึกพิมพ์หลากหลาย เช่น พิมพ์แบบจำกัดเวลา (time mode) หรือแบบพิมพ์ตามจำนวนคำที่เราตั้งเอาไว้ (quota mode) เป็นต้น และยังสามารถ track คำที่เราพิมพ์ผิดบ่อยเพื่อฝึกเฉพาะคำนั้นได้ด้วย

    สามารถตั้งเป้าหมายเอาไว้ว่าจะพิมพ์ “ให้ได้สูงสุด กี่ words per minute (wpm)” ได้

    ทำยังไงให้พิมพ์เร็วได้ขึ้น

    ก่อนอื่นเลยครับ เลือกภาษาที่ต้องการฝึกก่อน จากนั้นก็มาที่ส่วนของการวางนิ้ว ต้องวางนิ้วให้ถูกตำแหน่งกันก่อน ถ้าสังเกตแป้นพิมพ์เกือบทุกแป้นดีๆ แล้วจะเห็นปุ่มเล็กๆ นูนตรงตัว F และ J ซึ่งนั่นก็คือตำแหน่งที่วางนิ้วชี้ทั้งสองนั่นเองครับ

    • โดยด้านซ้ายมือวางนิ้วชี้ -f นิ้วกลาง -d นิ้วนาง -s และนิ้วก้อย -a
    • ส่วนทางด้านขวามือนิ้วชี้ -j นิ้วกลาง -k นิ้วนาง -l และนิ้วก้อย-;
    • ส่วนนิ้วโป้งทั้งสองนั้นให้วางบน Spacebar ครับ

    สำหรับเทคนิคในช่วงแรกที่จะทำให้คุณพิมพ์ได้เร็วขึ้น ก็มีดังนี้ครับ

    1. ในการฝึกนั้นพยายามอย่ามองแป้นพิมพ์ ช่วงแรกๆอาจจะยังไม่ชิน แต่ถ้าฝึกบ่อยๆก็จะทำให้แม่นยำในการพิมพ์มากขึ้น จนไม่จำเป็นต้องมองแป้นพิมพ์อีกต่อไป และเมื่อแม่นยำมากขึ้นแล้วก็จะทำให้พิมพ์เร็วขึ้นครับ
    2. ช้าๆ แต่แม่นยำดีกว่าเร็วแต่ผิด อันนี้เป็นสิ่งที่หลายๆคนพยายามที่จะทำในช่วงแรกโดยการพิมพ์เร็วๆแต่ไม่มีความแม่นยำจึงทำให้ผิดและก็ต้องมาเสียเวลากด Backspace ซึ่งเมื่อเทียบแล้วมันช้ากว่าพิมพ์ช้าๆแต่แม่นยำครับ
    3. นั่งตัวตรงและข้อศอกวางมุม 90 องศา ซึ่งเป็นท่าที่เหมาะสมกับการพิมพ์เร็ว
    4. ปุ่ม shift ปุ่ม enter ปุ่ม backspace ใช้นิ้วก้อยกดเท่านั้น ปุ่ม shift กับ enter อาจจะไม่ยากเท่าไรนัก แต่ปุ่ม backspace นั้นยากเพราะอยู่ไกล พยายามฝึกบ่อยๆครับจะชินไปเอง
    5. พยายามวางตำแหน่งนิ้วที่ตำแหน่ง “asdf jkl;” ตลอดครับ

    เมื่อฝึกตามนี้แล้วประมาณ 2–3 สัปดาห์ก็จะทำให้การพิมพ์เร็วขึ้นกว่าเดิมมาก

    แล้วเราจะรู้ได้อย่างไรละ ว่าพิมพ์เร็วแค่ไหน ?

    ก่อนอื่นต้องรู้คำว่า “wpm” ว่าคืออะไรก่อน

    wpm ย่อมาจาก words per minute หรือ คำต่อนาที เป็นการวัดว่าในหนึ่งนาทีนั้นพิมพ์ได้กี่คำ

    เมื่อมาถึงตรงนี้แล้ว ความเร็วประมาณ 70–90 wpm ก็ถือว่าเร็วแล้วครับ แต่ถ้าหากต้องการที่จะพิมพ์ให้เร็วกว่า 100 wpm คีย์บอร์ดก็มีส่วนครับ

    และสิ่งสำคัญที่ขาดไม่ได้เลยก็คือ ฝึกอย่างสม่ำเสมอ ครับ

  • นักสืบ กับ นักวิเคราะห์ข้อมูล

    นักสืบ กับ นักวิเคราะห์ข้อมูล

    จริง ๆ แล้ว Data Analyst ก็คือ นักสืบผู้ตามหา Insights ในข้อมูล มีหน้าที่ในการวิเคราะห์ข้อมูล และนำผลลัพธ์ที่ได้มาจัดทำรายงานสรุป โดยแสดงผลในรูปแบบต่างๆ ที่เข้าใจง่าย เช่น รูปแบบชาร์ต (Chart) หรือ แดชบอร์ด (Dashboard) เป็นต้น

    ทักษะที่สำคัญ คือ การใช้ซอฟต์แวร์ในการทำ Self-Service Analytic ได้เช่น Google Sheets, Excel, Power Query , Power BI, Tableau, ANB

    หน้าที่หลักของอาชีพ Data Analyst หรือ นักวิเคราะห์ข้อมูล คือ “เข้ามาทำความเข้าใจข้อมูลต่าง ๆ ในองค์กร แล้ววิเคราะห์ข้อมูลเพื่อหาสิ่งที่ซ่อนอยู่ในข้อมูล (Insights) จากนั้นมานำเสนอในรูปแบบที่สามารถสื่อสารให้ผู้ฟัง / ผู้อ่านได้เข้าใจ”

    Data Analyst ต้องมีความรู้พื้นฐานด้านไหน

    1) Analytical Thinking การคิดวิเคราะห์ ด้วยพื้นฐานสถิติ การคิดวิเคราะห์ที่ดี คือ การที่เราสามารถมองดูข้อมูล ทำความเข้าใจ และตั้งคำถามกับสิ่งต่าง ๆ ที่เราเห็นในข้อมูลได้

    2) Spreadsheet & SQL โปรแกรมคู่ใจ สำหรับดึง + วิเคราะห์ข้อมูลเบื้องต้น

    1. โปรแกรม Spreadsheet: Microsoft Excel & Google Sheets เครื่องมือยอดฮิตอันดับหนึ่ง คือ เครื่องมือสำหรับจัดการตารางข้อมูล (Spreadsheet) เช่น Microsoft Excel หรือ Google Sheets ที่เราเห็นกันบ่อย ๆ
    2. ภาษาสำหรับดึง & วิเคราะห์ข้อมูล: SQL หรือ Structured Query Language เป็นภาษาที่ได้รับความนิยมสูงสุดในการดึงข้อมูลจาก Database หรือ Data Warehouse มาใช้งานต่อ Data Analyst กับความรู้ SQL ถือเป็นของคู่กัน

      3) Data Storytelling การนำเสนอข้อมูล การนำเสนอที่ดี และการเล่าเรื่องได้น่าสนใจ จะทำให้ผู้ฟังเข้าถึง Insights ที่ Data Analyst หามา ได้ดียิ่งขึ้นเทคนิคในการเล่าเรื่องจากข้อมูล หรือ Data Storytelling จึงเป็นเทคนิคที่คนเป็น Data Analyst ต้องฝึกฝน

      Data is a new oil

      “เมื่อข้อมูลมีค่าดังน้ำมัน”

      ลักษณะของข้อมูล

      มาทำความรู้จักรูปแบบของข้อมูล รูปแบบข้อมูลแบ่งออกได้ เป็น 3 รูปแบบ

      • ข้อมูลแบบมีโครงสร้าง (Structured Data) เช่น ข้อมูลในตาราง

      • ข้อมูลแบบไม่มีโครงสร้าง (Unstructured Data) เช่น ข้อความ ภาพ
      • ข้อมูลแบบกึ่งโครงสร้าง (Semi-structured Data) เช่น ไฟล์ JSON , ไฟล์ XML

      ความแตกต่างระหว่าง Structured Data และ Unstructured Data

      • Structured data แสดงในรูปแบบของแถวกับคอลัมน์ หรือ Relational Database ได้ แต่ Unstructured data จะไม่สามารถแสดงในรูปแบบแถวกับคอลัมน์ได้
      • Structured data มีข้อมูลประเภทตัวเลข (Numbers) วันที่ (Dates) หรือข้อความสั้น (Strings) แต่ Unstructured data เป็นข้อมูลรูปภาพ วิดีโอ ไฟล์ข้อความต่างๆ
      • Structured data มีประมาณ 20% ของข้อมูลในองค์กร แต่ Unstructured data มีประมาณ 80% ของข้อมูลในองค์กร
      • Structured data ใช้พื้นที่จัดเก็บข้อมูลน้อยกว่า Unstructured data
      • Structured data สามารถจัดการได้ง่ายกว่า Unstructured data

      นอกจากนี้ แล้ว ในการวิเคราะห์ข้อมูล นักสืบ หรือนักวิเคราะห์ข้อมูลจะต้องทำความเข้าใจเรื่อง Data Types ว่ามีอะไรบ้าง

      Data Types

      • Numeric: 500, 25.5, 1002
      • String/Text: “Hello”, “Data Science”
      • Boolean: TRUE, FALSE
      • Date: 2024-01-15 (YYYY-MM-DD)
      • Geo (Location): Thailand, USA, Japan

      Level of Measurement

      • Nominal ข้อมูลที่แบ่งเป็นประเภทต่าง ๆ (category) เช่น ชื่อคน ชื่อสถานที่ เพศ
      • Ordinal ข้อมูลที่เรียงลำดับได้ เช่น ความชอบ วุฒิการศึกษา
      • Interval ข้อมูลที่เป็นตัวเลขที่สามารถบก ลบกันได้ เช่น อุณหภูมิ รายได้
      • Ratio ข้อมูลที่เป็นตัวเลขที่สามารถบวก ลบ คุณ หาร กันได้ เช่น ยอดขาย ระยะทาง

      Data analytics

      • Dimension : category
        • Nomianl
        • Ordinal
      • Measures : number
        • Interval
        • Ration

      กระบวนการวิเคราะห์ นำกระบวนการ CRIST-DM มาใช้ ในการวิเคราะห์

      • Business Understanding ทำความเข้าใจปัญหา ระบุ output หรือเป้าหมายที่ต้องการได้จากการวิเคราะห์ ทำการศึกษากำหนดว่าเราจะทำโปรเจคเกี่ยวกับเรื่องอะไร
      • Data Understanding ทำความเข้าใจข้อมูล มีข้อมูลอะไรบ้างในการแก้ปัญหา และ ตรวจสอบข้อมูล
      • Data Preparation เตรียมข้อมูล การแก้ไขข้อมูล สร้างตัวแปรใหม่จากตัวแปรเดิม
        • Data Selection ทำการคัดเลือกข้อมูล กำหนดเป้าหมายก่อนว่าเราจะทำการวิเคราะห์อะไร , เลือกใช้เฉพาะข้อมูลที่เกี่ยวข้อง
        • Data Cleaning ทำการกลั่นกรองข้อมูล ลบข้อมูลซ้ำซ้อน แก้ไขข้อมูลที่ผิดพลาด
        • Data Transformation แปลงรูปแบบของข้อมูล เตรียมข้อมูลให้อยู่ในรูปแบบที่พร้อมนำไปใช้ในการวิเคราะห์
      • Modeling วิเคราะห์ข้อมูล
        • Classification สร้างโมเดล เพื่อทำนายอนาคต
        • Clustering แบ่งข้อมูลหลาย ๆ กลุ่มตามความคล้ายคลึง
        • Association Analysis หาความสัมพันธ์ของข้อมูลที่เกิดร่วมกัน
      • Evaluation การวัดผล การประเมินผล
      • Deployment การวางแผนว่าจะเอาไปใช้งานอย่างไร

      Data storytelling

      Data storytelling เป็นกระบวนการที่เปลี่ยนข้อมูลที่เป็นตัวเลข หรือกราฟให้เข้ากับการสื่อสารของมนุษย์เพื่อสร้างเรื่องราวที่น่าสนใจ โดยใช้เทคนิคทาง Data visualization เพื่อสื่อความหมายของข้อมูลเชิงลึกในลักษณะที่น่าสนใจ และเกี่ยวข้องกับผู้มีอำนาจในการตัดสินใจ

      การเล่าเรื่องด้วยข้อมูลแบบหวังผล สามารถแบ่งออกเป็น 5 ขั้นตอน

      1. การเข้าใจความสำคัญของบริบท (The Importance of Context) ในการทำ Data visualization เป็นสิ่งสำคัญเพื่อตอบคำถาม “ใคร (Who)” และ “อะไร (What)” ให้ชัดเจนก่อนที่จะเริ่มสร้างการแสดงผลข้อมูล และต่อมาคือ การตอบคำถาม “วิธีการ” (How)
      2. การเลือกภาพที่หวังผลได้ มีประสิทธิภาพ (Choosing an Effective Visual) เพื่อการสื่อสารข้อมูลเป็นเรื่องท้าทาย
      3. การลดความยุ่งเหยิง (Clutter Is Your Enemy!) เป็นการลดปัญหาความซับซ้อนและรายละเอียดสิ่งที่ไม่จำเป็นในภาพ
      4. โฟกัสไปที่เรื่องที่อยากบอกผู้ชม (Focus Your Audience’s Attention) การโฟกัสไปที่เรื่องที่อยากบอกผู้ชมเป็นสิ่งสำคัญในการออกแบบการสื่อสารด้วยภาพ
      5. การคิดอย่างนักออกแบบ (Think Like A Designer) เป็นการเทียบเคียงแนวคิดการออกแบบผลิตภัณฑ์มาใช้อธิบายสื่อสารข้อมูล โดยคุณลักษณะของงานออกแบบที่ดีมี 3 อย่างคือ การมีปฏิสัมพันธ์อันดีระหว่างผู้ใช้กับสินค้า, ทุกคนสามารถเข้าถึงการใช้งานได้และสวยงามดูดี และเมื่อออกแบบ Data visualization ต้องคิดก่อนว่าต้องการให้ผู้ชมใช้ข้อมูลเพื่อประโยชน์อะไร
        • เทคนิค
          • ง่ายต่อการใช้งาน
          • ทุกคนใช้งานได้
          • สวยงามน่าใช้

      สรุปในยุค Digital Transformation นักสืบ หรือนักวิเคราะห์ข้อมูล จะต้องมีความรู้

      Knowledge Investigation

      • Domain Knowledge
      • Data for Investigation
      • Software for Investigation
      • Design for Analysis
      • Storytelling with Data

      Skill for Investigation Data analyst

      • Spreadsheets (Google Sheets / Excel)
      • Database (SQL)
      • Programming ( R & Python Programming)
      • i2 (ANB) and iBase
      • Dashboard (Power BI , Looker Studio, Tableau)
      • Storytelling with Data

      Reference – ขอบคุณข้อมูล และความรู้ดี ๆ จาก..อ.เอกสิทธิ์ฯ และ อ.ทอย