Data Science and Analytics - SDU

Data Science and Analytics - SDU หลักสูตรวิทยาการข้อมูลและการวิเคราะห์ คณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยสวนดุสิต

เปิดเหมือนปกติ

ปันโปร - Punpromotion
17/07/2020

ปันโปร - Punpromotion

🤖 Podcast ฝึกภาษาอังกฤษ ฟังเพลินช่วยอัปสกิล!

💬 ใครอยากฝึกภาษาอังกฤษแต่ไม่มีเวลาอ่านหนังสือต้องลอง! นี่เลยฟังเพลินๆ ตอนขึ้น BTS ตอนออกกำลังกาย หรือฟังก่อนนอนก็ช่วยผ่อนคลายด้วยนะ มีแต่ช่องน่าสนใจทั้งนั้น ฟังเยอะๆ ฟังบ่อยๆ รับรองว่าเก่งภาษาอังกฤษขึ้นแน่นอนจ้าา

📍 Spotify (แอดใส่พิกัดไว้ใต้ภาพน้าา)

#ปันโปร
#podcast
#Spotify

Suan Dusit University
17/05/2020

Suan Dusit University

17​ พฤษภาคม​ 2563​ "86​ ปี​ สวนดุสิต"
มหาวิทยาลัยสวนดุสิตจัดตั้งขึ้นเพื่อเป็นโรงเรียนการเรือนแห่งแรกของ
ประเทศไทย ชื่อ“โรงเรียนมัธยมวิสามัญการเรือน” สังกัดกองอาชีวศึกษา กรมวิชาการ กระทรวงธรรมการ (กระทรวงศึกษาธิการ) เปิดดำเนินการเมื่อวันที่ 17 พฤษภาคม พ.ศ.2477
ปี 2477 โรงเรียนมัธยมวิสามัญการเรือน
ปี 2480 โรงเรียนการเรือนวังจันทรเกษม
ปี 2484 โรงเรียนการเรือนพระนคร
ปี 2501 วิทยาลัยครูสวนดุสิต
ปี 2538 สถาบันราชภัฏสวนดุสิต
ปี 2547 มหาวิทยาลัยราชภัฎสวนดุสิต
ปี 2558 มหาวิทยาลัยสวนดุสิต

Proofreading, Editing & Translation Services
29/11/2019

Proofreading, Editing & Translation Services

Literature Review: Conducting & Writing
.
1. Choose a topic. Define your research question.
2. Decide on the scope of your review and write a research question/s.
.
3. Select the databases you will use to conduct your searches.
4. Analyze and evaluate
.
5. Conduct your searches and find the literature. Keep track of your searches!
.
For FREE research consultation--email your topic or raw proposal/project to [email protected].

Data Café Thailand
20/11/2019

Data Café Thailand

[13 คุณสมบัติสำคัญที่จะเปลี่ยนให้คุณเป็น DATA SCIENTIST ค่าตัวแพงแห่งยุค!]

ในปัจจุบันและอนาคตอันใกล้ คนหันมาสนใจและผันตัวเป็น Data Scientist กันเยอะมากขึ้น และแน่นอนว่าการแข่งขันก็จะสูงขึ้นตามไปด้วย

การเป็น Data Scientist นอกจากจะไม่ได้เป็นกันง่ายๆแล้ว การทำตัวเองให้โดดเด่นและแตกต่างก็เป็นเรื่องสำคัญ ที่ทำให้เป็นที่น่าสนใจและถูกหมายปองจากบริษัทชั้นนำมากมาย

วันนี้ทาง Data Cafe ขอนำ 13 คุณสมบัติสำคัญในการเป็นดาวเด่นของวงการ Data Scientist ในยุคนี้มาให้ดูกันเพื่อนำไปใช้ปรับปรุงและพัฒนาตัวเองสู่จุดสุงสุดของสายอาชีพนี้ให้ได้!

1) วุฒิการศึกษา (Education)

Data Scientist ที่มีวุฒิการศึกษาสูงจะได้รับโอกาสในการทำงานมากกว่าคนทั่วไป โดยผลสำรวจนั้นพบว่า 88%จบปริญญาโท และ 46%จบปริญญาเอก

การจบการศึกษาในระดับที่สูงนั้น อย่างน้อยๆจะเป็นตัวบ่งชี้ว่า มีพื้นฐานความรู้มากน้อยเพียงไหน อย่างน้อยๆก็ควรจบระดับปริญญาตรีในสาขาภาควิชาจำพวก Computer Science, Social Sciences, Physical Science และสถิติศาสตร์

โดยทั่วๆไปแล้วคนที่ทำงานด้าน Data Science จะจบมาจาก Mathematics & Statistics ประมาณ 32% ตามมาด้วย Computer Science 19% และ Engineer 16%

แต่ในความจริงแล้วหลังจากที่จบการศึกษา คนสายนี้ก็มักจะลง Online Training เพื่อพัฒนาศักยภาพของตัวเองอย่างสม่ำเสมอ เพราะวิชาการที่เรียนมาในห้องเรียนส่วนใหญ่จะใช้ในการปูพื้นฐานให้เราสามารถทำความเข้าใจเรื่องราวและความรู้ใหม่ๆในอนาคตได้ง่ายขึ้น

2) การใช้โปรแกรม R (R Programming)

ความรู้แบบเชิงลึกในการใช้งาน Analytics Tools ก็เป็นสิ่งสำคัญลำดับต้นๆของสาย Data Science
โปรแกรมที่สำคัญจริงๆสำหรับสาย Data Science ก็คือ R เพราะโปรแกรม R ถูกออกแบบมาเพื่อใช้ในการแก้ไขปัญหาส่วนใหญ่ที่เจอใน Data Science

จากผลสำรวจพบว่า 43% ของ Data Scientist ใช้โปรแกรม R เป็นหลักแต่อย่างไรก็ตามการเข้าใจภาษาของ R นั้นไม่ง่ายซักเท่าไหร่แต่ก็สามารถเรียนรู้ด้วยตัวเองได้จากเว็บไซต์มากมายอาทิ Simplilearn's Data Science Training

3) การเขียนโค้ด PYTHON (Python Coding)

Python เป็นภาษาที่ถูกใช้งานมากที่สุดในการเขียนโค้ดที่จำเป็นที่สุดของงาน Data Science ควบคู่ไปกับภาษาไอทีอาทิ Java, Perl, C/C++ กว่า 40% ของคนเขียนโปรแกรมเลือก Python เป็นภาษาหลักในการทำงานของพวกเค้า
ด้วยความที่ภาษานี้ค่อนข้างยืดหยุ่น ทำให้ Python ถูกใช้งานได้ในทุกขั้นตอนของงาน Data Science

นอกจากนั้นยังสามารถใช้งานกับทุกประเภทของข้อมูลและภาษาที่จำเป็นอื่นๆโดยเฉพาะ SQL ได้อีกด้วย

4) ใช้งานระบบ Hadoop คล่องแคล่ว (Hadoop Platform)

ถึงแม้ว่าจะไม่ได้จำเป็นในระดับสูงแต่ถ้าสามารถทำได้ จะเป็นตัวช่วยที่ทำให้งานเสร็จไวมากขึ้นเยอะ ยกตัวอย่างเช่นหากมีประสบการณ์การใช้งาน Hive หรือ Pig ก็จะเป็นจุดขายที่ดีอีกอันหนึ่ง
ความคุ้นเคยกับเครื่องมือประเภท Cloud อาทิ Amazon S3 ก็เป็นอีกหนึ่งออพชั่นที่ดี

ในการทำงานของ Data Scientist จะได้พบเจอกับปัญหาสำคัญอย่างนึงนั่นก็คือการที่จำนวนปริมาณข้อมูลมีมากเกินกว่า Memory ของระบบที่จะรับไหว หรือมีความจำเป็นจะต้องส่งข้อมูลไปมาระหว่างเซิฟเวอร์ ซึ่งตรงจุดนี้การใช้งาน Hadoop จะเข้ามามีบทบาทสำคัญทันที

Hadoop สามารถรันข้อมูลที่อยู่บนจุดต่างๆของระบบได้อย่างรวดเร็ว นอกจากนั้น Hadoop ยังสามารถช่วยได้ในขั้นตอนต่างๆเช่น Data Exploration, Data Filtration, Data Sampling และ Summarization

5) เขียนโค้ด SQL ได้ดี (SQL Database/Coding)

ภาษาการเขียนโค้ด SQL (Structured Query Language) เป็นภาษาพื้นฐานในการทำงานกับฐานข้อมูลไม่ว่าจะเป็นการเพิ่ม การลบ การดึงข้อมูลออกจากฐานข้อมูลหลัก นอกจากนี้ก็ยังช่วยในการวิเคราะห์ข้อมูลและปรับเปลี่ยนโครงสร้างข้อมูลในเบื้องต้นได้อีกด้วย

มีความจำเป็นอย่างยิ่งในการใช้งาน SQL หากอยากจะเป็น Data Scientist ที่มีพื้นฐานแน่นและสามารถเข้าถึง สื่อสาร และทำงานกับข้อมูลได้อย่างมีประสิทธิภาพ

6) ใช้งานระบบ Apache Spark ได้ (Apache Spark)

เทคโนโลยี Apache Spark นับเป็นเทคโนโลยีที่มีชื่อเสียงมากด้านการทำ Big Data ลักษณะคล้ายๆกับ Hadoop แต่ Apache Spark นั้นมีความรวดเร็วมากกว่ามาก เพราะ Hadoop อ่านข้อมูลและรันบน Disk แต่ Spark จะคำนวณบน Memory หน่วยความจำ
ทำให้การทำงานที่ต้องใช้ข้อมูลที่มีขนาดใหญ่ทำได้รวดเร็วมากขึ้น ประหยัดเวลามากขึ้น นอกจากนี้ยังช่วยในการรับมือกับ Unstructured Data Set ที่ซับซ้อนอีกด้วย

นอกจากนี้การใช้งาน Apache Spark ยังช่วยในการป้องกันการสูญหายของข้อมูลที่อาจเกิดขึ้นระหว่างขั้นตอนต่างๆได้อีกด้วย

7) สร้าง A.I. ด้วย Machine Learning (Machine Learning and AI)

มี Data Scientist จำนวนมากที่ไม่มีความเชี่ยวชาญด้านการทำ Machine Learning ดังนั้นหากคุณต้องการเป็นผู้นำและโดดเด่นกว่าใคร คุณจะต้องมีความสามารถด้านการสร้าง A.I. และทำ Machine Learning เป็นสำคัญ

ยกตัวอย่างเช่น Supervised Machine Learning, Decision Trees, Logistic Regression, Time Series, Natural language processing, Outlier detection, Computer vision, Recommendation engines, Survival analysis, Reinforcement learning, และ Adversarial learning

8) นำเสนอข้อมูลด้วย Data Visualization (Data Visualization)

ในภาคธุรกิจ การนำเสนอข้อมูลที่วิเคราะห์ได้ถือเป็นเรื่องสำคัญ เพราะการทำให้ผู้ชมและผู้ฟังเข้าใจในข้อมูลที่ไม่เคยเจอมาก่อนนั้นเป็นเรื่องยาก
การแปลงข้อมูลเหล่านั้นออกมาเป็นกราฟ ภาพ และรูปแบบต่างๆที่ทำให้เข้าใจได้ง่ายเป็นอะไรที่จำเป็นโดยเฉพาะกับระดับบริหาร

การทำ Data Visualization ทำให้เราได้รู้ถึง Insight ของทุก Action ในภาคธุรกิจที่นำมาซึ่งโอกาสในการวางกลยุทธ์และรับมือกับการแข่งขัน

ในปัจจุบันมีโปรแกรมที่ช่วยในเรื่องการทำ Data Visualization อยู่จำนวนมาก อาทิ ggplot, d3.js , PowerBI, Matplotlib และ Tableau เครื่องมือเหล่านี้จะช่วยในการแปลงค่าข้อมูลที่ซับซ้อนออกมาเป็นรูปที่เข้าใจได้ง่ายแค่มองผ่านๆก็เข้าใจ

9) สามารถบริหารจัดการข้อมูลแบบ Unstructured Data ได้ (Unstructured data)

Unstructured Data คือข้อมูลที่ไม่พอดีกับตารางข้อมูลเดิมที่มีอยู่ ทำให้ต้องมีการจัดการและแปลงให้ตรงกันก่อนเพื่อให้สามารถใช้งานได้อย่างเต็มประสิทธิภาพในอนาคต

คนจำนวนมากมักเรียกข้อมูลจำพวกนี้ว่า "Dark Analytics"เพราะความที่มันมีความซับซ้อนมาก แต่หากสามารถทำได้และรวมข้อมูลใหม่และข้อมูลเดิมให้มีรูปแบบเดียวกันได้ จะเป็นประโยชน์มากในการช่วยตัดสินใจในอนาคต

10) มีความกระตือรือร้น เรียนรู้สิ่งใหม่ๆอยู่เสมอ (Intellectual curiosity)

อัลเบิร์ต ไอน์สไตน์ได้กล่าวไว้ว่า "ผมไม่ได้มีพรสวรรค์หรือความสามารถพิเศษ ผมแค่มีแรงบันดาลใจและความอยากรู้อยากเห็น"

การเรียนรู้ไม่มีที่สิ้นสุด ในโลก Data Science ก็เช่นกัน เทคโนโลยีมีการเปลี่ยนแปลงและพัฒนาอยู่เสมอ ดังนั้นผู้ใช้งานเองโดยเฉพาะ Data Scientist ก็จะต้องมีความกระตือรือร้นและขวนขวายหาความรู้ใหม่ๆข้อมูลใหม่ๆใส่ตัวเสมอเพื่อให้สามารถตามโลกได้ทัน

11) มีความรู้และหัวคิดด้านธุรกิจพอสมควร (Business acumen)

Data Scientist กว่า 90% ถูกจ้างและทำงานในองค์กรภาคธุรกิจ ดังนั้นหากมีความเข้าใจธุรกิจที่ทำอยู่และรู้ว่าปัญหาทางธุรกิจที่กำลังพยายามแก้ไขนั้นคืออะไร ก็จะทำให้ทำงานได้ง่ายขึ้น และผู้บริหารขององค์กรนั้นๆก็จะไว้วางใจ เชื่อใจในตัวเรามากขึ้นเช่นกัน

12) มีความสามารถในการติดต่อสื่อสาร (Communication skills)

ไม่เพียงแค่คนสาย Data Science เท่านั้นแต่รวมไปถึงสายงานด้าน IT ที่มักถูกมองว่าพูดไม่รู้เรื่อง คำว่า"พูดไม่รู้เรื่อง"ในที่นี้ไม่ได้หมายถึงว่ามีปัญหาในการคิดและพูด แต่หมายถึงไม่สามารถสื่อสารประโยคด้านเทคนิคที่คนทั่วไปไม่มีความรู้ได้อย่างชัดเจน

ดังนั้นหากมีความสามารถในการอธิบาย และสื่อสารประโยครวมทั้งคำศัพท์เทคนิคต่างๆให้คนที่เป็น Non-Technical เข้าใจได้แล้วหละก็ คุณจะเป็นคนที่มีบริษัทจำนวนมากต้องการตัวไปทำงานด้วยเลยทีเดียว

13) สามารถทำงานเป็นทีมได้อย่างดี (Teamwork)

Data Scientist ไม่สามารถทำงานด้วยตัวคนเดียวได้ จะต้องทำงานร่วมกับทีมงานอื่นๆในบริษัท อาทิ ทำงานกับผู้บริหารเพื่อพัฒนากลยุทธ์ ทำงานกับฝ่ายออกแบบผลิตภัณฑ์เพื่อออกแบบสินค้าที่ตอบโจทย์ภาคธุรกิจ ทำงานกับการตลาดเพื่อให้สามารถสร้างแคมเปญที่โดนใจลูกค้า ทำงานกับผู้พัฒนาซอฟท์แวร์ในการสร้าง Workflow ที่มีประสิทธิภาพมากขึ้น

เป็นอาชีพที่เรียกได้ว่า มีส่วนร่วมกับทุกทีมทั้งหมดในองค์กรเลยก็ว่าได้ เพราะฉะนั้นความสามารถในการทำงานเป็นทีม สร้างสัมพันธ์อันดี และรวมความเป็นน้ำหนึ่งใจเดียวกันของทุกฝ่าย ก็เป็นคุณสมบัติสำคัญอีกด้านนึงของ Data Scientist ที่มีแต่คนต้องการตัวในยุคนี้

Article Reference : https://www.kdnuggets.com/2019/07/top-13-skills-become-rockstar-data-scientist.html

Data Cafe: Data Analytics Community ที่ทำให้เรื่อง Data ง่ายขึ้นพร้อม Consult & Training จากผู้เชี่ยวชาญมืออาชีพระดับประเทศมากมาย
#datacafe #hackaton #datacafethailand #datascience #dataanalytics #datacenter #consulting #training #knowledge #dataknowledge

Data Café Thailand
20/11/2019

Data Café Thailand

[13 คุณสมบัติสำคัญที่จะเปลี่ยนให้คุณเป็น DATA SCIENTIST ค่าตัวแพงแห่งยุค!]

ในปัจจุบันและอนาคตอันใกล้ คนหันมาสนใจและผันตัวเป็น Data Scientist กันเยอะมากขึ้น และแน่นอนว่าการแข่งขันก็จะสูงขึ้นตามไปด้วย

การเป็น Data Scientist นอกจากจะไม่ได้เป็นกันง่ายๆแล้ว การทำตัวเองให้โดดเด่นและแตกต่างก็เป็นเรื่องสำคัญ ที่ทำให้เป็นที่น่าสนใจและถูกหมายปองจากบริษัทชั้นนำมากมาย

วันนี้ทาง Data Cafe ขอนำ 13 คุณสมบัติสำคัญในการเป็นดาวเด่นของวงการ Data Scientist ในยุคนี้มาให้ดูกันเพื่อนำไปใช้ปรับปรุงและพัฒนาตัวเองสู่จุดสุงสุดของสายอาชีพนี้ให้ได้!

1) วุฒิการศึกษา (Education)

Data Scientist ที่มีวุฒิการศึกษาสูงจะได้รับโอกาสในการทำงานมากกว่าคนทั่วไป โดยผลสำรวจนั้นพบว่า 88%จบปริญญาโท และ 46%จบปริญญาเอก

การจบการศึกษาในระดับที่สูงนั้น อย่างน้อยๆจะเป็นตัวบ่งชี้ว่า มีพื้นฐานความรู้มากน้อยเพียงไหน อย่างน้อยๆก็ควรจบระดับปริญญาตรีในสาขาภาควิชาจำพวก Computer Science, Social Sciences, Physical Science และสถิติศาสตร์

โดยทั่วๆไปแล้วคนที่ทำงานด้าน Data Science จะจบมาจาก Mathematics & Statistics ประมาณ 32% ตามมาด้วย Computer Science 19% และ Engineer 16%

แต่ในความจริงแล้วหลังจากที่จบการศึกษา คนสายนี้ก็มักจะลง Online Training เพื่อพัฒนาศักยภาพของตัวเองอย่างสม่ำเสมอ เพราะวิชาการที่เรียนมาในห้องเรียนส่วนใหญ่จะใช้ในการปูพื้นฐานให้เราสามารถทำความเข้าใจเรื่องราวและความรู้ใหม่ๆในอนาคตได้ง่ายขึ้น

2) การใช้โปรแกรม R (R Programming)

ความรู้แบบเชิงลึกในการใช้งาน Analytics Tools ก็เป็นสิ่งสำคัญลำดับต้นๆของสาย Data Science
โปรแกรมที่สำคัญจริงๆสำหรับสาย Data Science ก็คือ R เพราะโปรแกรม R ถูกออกแบบมาเพื่อใช้ในการแก้ไขปัญหาส่วนใหญ่ที่เจอใน Data Science

จากผลสำรวจพบว่า 43% ของ Data Scientist ใช้โปรแกรม R เป็นหลักแต่อย่างไรก็ตามการเข้าใจภาษาของ R นั้นไม่ง่ายซักเท่าไหร่แต่ก็สามารถเรียนรู้ด้วยตัวเองได้จากเว็บไซต์มากมายอาทิ Simplilearn's Data Science Training

3) การเขียนโค้ด PYTHON (Python Coding)

Python เป็นภาษาที่ถูกใช้งานมากที่สุดในการเขียนโค้ดที่จำเป็นที่สุดของงาน Data Science ควบคู่ไปกับภาษาไอทีอาทิ Java, Perl, C/C++ กว่า 40% ของคนเขียนโปรแกรมเลือก Python เป็นภาษาหลักในการทำงานของพวกเค้า
ด้วยความที่ภาษานี้ค่อนข้างยืดหยุ่น ทำให้ Python ถูกใช้งานได้ในทุกขั้นตอนของงาน Data Science

นอกจากนั้นยังสามารถใช้งานกับทุกประเภทของข้อมูลและภาษาที่จำเป็นอื่นๆโดยเฉพาะ SQL ได้อีกด้วย

4) ใช้งานระบบ Hadoop คล่องแคล่ว (Hadoop Platform)

ถึงแม้ว่าจะไม่ได้จำเป็นในระดับสูงแต่ถ้าสามารถทำได้ จะเป็นตัวช่วยที่ทำให้งานเสร็จไวมากขึ้นเยอะ ยกตัวอย่างเช่นหากมีประสบการณ์การใช้งาน Hive หรือ Pig ก็จะเป็นจุดขายที่ดีอีกอันหนึ่ง
ความคุ้นเคยกับเครื่องมือประเภท Cloud อาทิ Amazon S3 ก็เป็นอีกหนึ่งออพชั่นที่ดี

ในการทำงานของ Data Scientist จะได้พบเจอกับปัญหาสำคัญอย่างนึงนั่นก็คือการที่จำนวนปริมาณข้อมูลมีมากเกินกว่า Memory ของระบบที่จะรับไหว หรือมีความจำเป็นจะต้องส่งข้อมูลไปมาระหว่างเซิฟเวอร์ ซึ่งตรงจุดนี้การใช้งาน Hadoop จะเข้ามามีบทบาทสำคัญทันที

Hadoop สามารถรันข้อมูลที่อยู่บนจุดต่างๆของระบบได้อย่างรวดเร็ว นอกจากนั้น Hadoop ยังสามารถช่วยได้ในขั้นตอนต่างๆเช่น Data Exploration, Data Filtration, Data Sampling และ Summarization

5) เขียนโค้ด SQL ได้ดี (SQL Database/Coding)

ภาษาการเขียนโค้ด SQL (Structured Query Language) เป็นภาษาพื้นฐานในการทำงานกับฐานข้อมูลไม่ว่าจะเป็นการเพิ่ม การลบ การดึงข้อมูลออกจากฐานข้อมูลหลัก นอกจากนี้ก็ยังช่วยในการวิเคราะห์ข้อมูลและปรับเปลี่ยนโครงสร้างข้อมูลในเบื้องต้นได้อีกด้วย

มีความจำเป็นอย่างยิ่งในการใช้งาน SQL หากอยากจะเป็น Data Scientist ที่มีพื้นฐานแน่นและสามารถเข้าถึง สื่อสาร และทำงานกับข้อมูลได้อย่างมีประสิทธิภาพ

6) ใช้งานระบบ Apache Spark ได้ (Apache Spark)

เทคโนโลยี Apache Spark นับเป็นเทคโนโลยีที่มีชื่อเสียงมากด้านการทำ Big Data ลักษณะคล้ายๆกับ Hadoop แต่ Apache Spark นั้นมีความรวดเร็วมากกว่ามาก เพราะ Hadoop อ่านข้อมูลและรันบน Disk แต่ Spark จะคำนวณบน Memory หน่วยความจำ
ทำให้การทำงานที่ต้องใช้ข้อมูลที่มีขนาดใหญ่ทำได้รวดเร็วมากขึ้น ประหยัดเวลามากขึ้น นอกจากนี้ยังช่วยในการรับมือกับ Unstructured Data Set ที่ซับซ้อนอีกด้วย

นอกจากนี้การใช้งาน Apache Spark ยังช่วยในการป้องกันการสูญหายของข้อมูลที่อาจเกิดขึ้นระหว่างขั้นตอนต่างๆได้อีกด้วย

7) สร้าง A.I. ด้วย Machine Learning (Machine Learning and AI)

มี Data Scientist จำนวนมากที่ไม่มีความเชี่ยวชาญด้านการทำ Machine Learning ดังนั้นหากคุณต้องการเป็นผู้นำและโดดเด่นกว่าใคร คุณจะต้องมีความสามารถด้านการสร้าง A.I. และทำ Machine Learning เป็นสำคัญ

ยกตัวอย่างเช่น Supervised Machine Learning, Decision Trees, Logistic Regression, Time Series, Natural language processing, Outlier detection, Computer vision, Recommendation engines, Survival analysis, Reinforcement learning, และ Adversarial learning

8) นำเสนอข้อมูลด้วย Data Visualization (Data Visualization)

ในภาคธุรกิจ การนำเสนอข้อมูลที่วิเคราะห์ได้ถือเป็นเรื่องสำคัญ เพราะการทำให้ผู้ชมและผู้ฟังเข้าใจในข้อมูลที่ไม่เคยเจอมาก่อนนั้นเป็นเรื่องยาก
การแปลงข้อมูลเหล่านั้นออกมาเป็นกราฟ ภาพ และรูปแบบต่างๆที่ทำให้เข้าใจได้ง่ายเป็นอะไรที่จำเป็นโดยเฉพาะกับระดับบริหาร

การทำ Data Visualization ทำให้เราได้รู้ถึง Insight ของทุก Action ในภาคธุรกิจที่นำมาซึ่งโอกาสในการวางกลยุทธ์และรับมือกับการแข่งขัน

ในปัจจุบันมีโปรแกรมที่ช่วยในเรื่องการทำ Data Visualization อยู่จำนวนมาก อาทิ ggplot, d3.js , PowerBI, Matplotlib และ Tableau เครื่องมือเหล่านี้จะช่วยในการแปลงค่าข้อมูลที่ซับซ้อนออกมาเป็นรูปที่เข้าใจได้ง่ายแค่มองผ่านๆก็เข้าใจ

9) สามารถบริหารจัดการข้อมูลแบบ Unstructured Data ได้ (Unstructured data)

Unstructured Data คือข้อมูลที่ไม่พอดีกับตารางข้อมูลเดิมที่มีอยู่ ทำให้ต้องมีการจัดการและแปลงให้ตรงกันก่อนเพื่อให้สามารถใช้งานได้อย่างเต็มประสิทธิภาพในอนาคต

คนจำนวนมากมักเรียกข้อมูลจำพวกนี้ว่า "Dark Analytics"เพราะความที่มันมีความซับซ้อนมาก แต่หากสามารถทำได้และรวมข้อมูลใหม่และข้อมูลเดิมให้มีรูปแบบเดียวกันได้ จะเป็นประโยชน์มากในการช่วยตัดสินใจในอนาคต

10) มีความกระตือรือร้น เรียนรู้สิ่งใหม่ๆอยู่เสมอ (Intellectual curiosity)

อัลเบิร์ต ไอน์สไตน์ได้กล่าวไว้ว่า "ผมไม่ได้มีพรสวรรค์หรือความสามารถพิเศษ ผมแค่มีแรงบันดาลใจและความอยากรู้อยากเห็น"

การเรียนรู้ไม่มีที่สิ้นสุด ในโลก Data Science ก็เช่นกัน เทคโนโลยีมีการเปลี่ยนแปลงและพัฒนาอยู่เสมอ ดังนั้นผู้ใช้งานเองโดยเฉพาะ Data Scientist ก็จะต้องมีความกระตือรือร้นและขวนขวายหาความรู้ใหม่ๆข้อมูลใหม่ๆใส่ตัวเสมอเพื่อให้สามารถตามโลกได้ทัน

11) มีความรู้และหัวคิดด้านธุรกิจพอสมควร (Business acumen)

Data Scientist กว่า 90% ถูกจ้างและทำงานในองค์กรภาคธุรกิจ ดังนั้นหากมีความเข้าใจธุรกิจที่ทำอยู่และรู้ว่าปัญหาทางธุรกิจที่กำลังพยายามแก้ไขนั้นคืออะไร ก็จะทำให้ทำงานได้ง่ายขึ้น และผู้บริหารขององค์กรนั้นๆก็จะไว้วางใจ เชื่อใจในตัวเรามากขึ้นเช่นกัน

12) มีความสามารถในการติดต่อสื่อสาร (Communication skills)

ไม่เพียงแค่คนสาย Data Science เท่านั้นแต่รวมไปถึงสายงานด้าน IT ที่มักถูกมองว่าพูดไม่รู้เรื่อง คำว่า"พูดไม่รู้เรื่อง"ในที่นี้ไม่ได้หมายถึงว่ามีปัญหาในการคิดและพูด แต่หมายถึงไม่สามารถสื่อสารประโยคด้านเทคนิคที่คนทั่วไปไม่มีความรู้ได้อย่างชัดเจน

ดังนั้นหากมีความสามารถในการอธิบาย และสื่อสารประโยครวมทั้งคำศัพท์เทคนิคต่างๆให้คนที่เป็น Non-Technical เข้าใจได้แล้วหละก็ คุณจะเป็นคนที่มีบริษัทจำนวนมากต้องการตัวไปทำงานด้วยเลยทีเดียว

13) สามารถทำงานเป็นทีมได้อย่างดี (Teamwork)

Data Scientist ไม่สามารถทำงานด้วยตัวคนเดียวได้ จะต้องทำงานร่วมกับทีมงานอื่นๆในบริษัท อาทิ ทำงานกับผู้บริหารเพื่อพัฒนากลยุทธ์ ทำงานกับฝ่ายออกแบบผลิตภัณฑ์เพื่อออกแบบสินค้าที่ตอบโจทย์ภาคธุรกิจ ทำงานกับการตลาดเพื่อให้สามารถสร้างแคมเปญที่โดนใจลูกค้า ทำงานกับผู้พัฒนาซอฟท์แวร์ในการสร้าง Workflow ที่มีประสิทธิภาพมากขึ้น

เป็นอาชีพที่เรียกได้ว่า มีส่วนร่วมกับทุกทีมทั้งหมดในองค์กรเลยก็ว่าได้ เพราะฉะนั้นความสามารถในการทำงานเป็นทีม สร้างสัมพันธ์อันดี และรวมความเป็นน้ำหนึ่งใจเดียวกันของทุกฝ่าย ก็เป็นคุณสมบัติสำคัญอีกด้านนึงของ Data Scientist ที่มีแต่คนต้องการตัวในยุคนี้

Article Reference : https://www.kdnuggets.com/2019/07/top-13-skills-become-rockstar-data-scientist.html

Data Cafe: Data Analytics Community ที่ทำให้เรื่อง Data ง่ายขึ้นพร้อม Consult & Training จากผู้เชี่ยวชาญมืออาชีพระดับประเทศมากมาย
#datacafe #hackaton #datacafethailand #datascience #dataanalytics #datacenter #consulting #training #knowledge #dataknowledge

โปรแกรมเมอร์ อันเดอร์กราว
08/10/2019

โปรแกรมเมอร์ อันเดอร์กราว

แจก 5 Template Angular ฟรี
ไม่ต้องเขียน CSS เอง

1. CoreUi
ดาวน์โหลดได้ที่ https://coreui.io/angular/
ดูตัวอย่างที่ https://coreui.io/angular/demo/#/dashboard

2. creative-tim
ดาวน์โหลดได้ที่ https://www.creative-tim.com/product/material-dashboard-angular2
ดูตัวอย่างที่ https://demos.creative-tim.com/material-dashboard-angular2/#/dashboard

3. ngx-admin
ดาวน์โหลดได้ที่ https://github.com/akveo/ngx-admin/
ดูตัวอย่างที่ http://akveo.com/ngx-admin/pages/dashboard?utm_source=ngx_admin_landing&utm_medium=theme_section

4. Guru of Admin Templates
ดาวน์โหลดได้ที่ http://html.codedthemes.com/guru-able/
ดูตัวอย่างที่ http://html.codedthemes.com/guru-able/default/

5. AdminPro Angular Lite
ดาวน์โหลดได้ที่ https://github.com/BKnds/ng-pi-admin
ดูตัวอย่างที่ http://treesflower.com/ng-pi-admin/pages/index

ที่อยู่

295
Bangkok
10300

เว็บไซต์

แจ้งเตือน

รับทราบข่าวสารและโปรโมชั่นของ Data Science and Analytics - SDUผ่านทางอีเมล์ของคุณ เราจะเก็บข้อมูลของคุณเป็นความลับ คุณสามารถกดยกเลิกการติดตามได้ตลอดเวลา

ตำแหน่งใกล้เคียง บริการภาครัฐ


องค์กรของรัฐ อื่นๆใน Bangkok

แสดงผลทั้งหมด