Please enable JavaScript.
Coggle requires JavaScript to display documents.
Data Science for Business - Coggle Diagram
Data Science for Business
เราเอาข้อมูลไปทำอะไรได้บ้าง
ข้อมูลเยอะๆมันมาจากไหน
Digital
เทคโนโลยี
APPS สมาร์ทโฟน
อินเทอร์เนต
การพัฒนาต่อยอดจากข้อมูลที่เก็บมาได้ (intelligent)
การที่เราจะได้มาซึ่งข้อมูล เราต้องสร้างคุณค่าให้แก่คนที่มาให้ข้อมูลเรา :<3:
นำข้อมูลมาใช้พัฒนาอย่างไร
เก็บข้อมูลเยอะ ไม่สำคัญเท่าสามารถนำข้อมูลมาใช้ได้เยอะ : :star:
เปลี่ยนข้อมูลไปเป็นอะไรได้บ้าง
Insights (Predictive)
:checkered_flag:
เริ่มเดาข้อมูลไปสู่อนาคต เข้าใจลูกค้าเยอะขึ้น หาความสัมพันธ์
หา next best action ของเรา
ลูกค้าคนนี้มีโอกาสที่จะซื้อของของเราหรือไม่ ?
เราเดาใจได้ไหมว่าลูกค้าคนไหนอยากซื้ออะไร เราต้องเดาให้ได้ โชว์เฉพาะสิ่งที่ลูกค้าอยากเห็น :check:
โอกาสที่ลูกค้าจะจากเรา Churn Probability :red_flag:
https://medium.com/@info_46914/churn-prediction-%E0%B8%AB%E0%B8%A3%E0%B8%B7%E0%B8%AD-%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%97%E0%B8%B3%E0%B8%99%E0%B8%B2%E0%B8%A2%E0%B8%A5%E0%B8%B1%E0%B8%81%E0%B8%A9%E0%B8%93%E0%B8%B0%E0%B8%A5%E0%B8%B9%E0%B8%81%E0%B8%84%E0%B9%89%E0%B8%B2%E0%B8%97%E0%B8%B5%E0%B9%88%E0%B8%81%E0%B8%B3%E0%B8%A5%E0%B8%B1%E0%B8%87%E0%B8%88%E0%B8%B0%E0%B8%A2%E0%B8%81%E0%B9%80%E0%B8%A5%E0%B8%B4%E0%B8%81%E0%B8%9A%E0%B8%A3%E0%B8%B4%E0%B8%81%E0%B8%B2%E0%B8%A3-de3ae4a8ac50
วิธีการ RFM (ย่อมาจาก Recency, Frequency และ Monetary) :red_flag:
https://web.facebook.com/datacube.th/posts/1051828531517206/
ดูข้อมูลบ่อยๆ ข้อมูลอาจจะเก่าไปแล้วก็ได้ :check:
Data products (Prescriptive)
:checkered_flag:
ทำยังไงให้เราสามารถสร้างสินค้าได้ตามความต้องการของลูกค้า
อยากสร้างมูลค่าเพิ่มให้กับสินค้า
Automation
การแยกรูปภาพ การแยกเสียง
Personalization
ตอบโจทย์เฉพาะบุคคล :<3:
สร้าง value ให้กับลูกค้า
:<3: การตาม track ขายของ
Intelligence
เรื่องซับซ้อนที่มีแต่ผู้เชี่ยวชาญที่ทำได้ AI ก็สามารถทำได้ เช่น อาชีพหมอตรวจเบาหวานจากภาพถ่ายม่านตา
Metrics (descriptive)
:checkered_flag:
อธิบายอดีต เพื่อทำความเข้าใจสิ่งที่เรากำลังทำ
เริ่มจากการต้องวัดผลให้ได้
ต้องเริ่มเปลี่ยน mindset ว่าการคิดและตัดสินใจต้องใช้ข้อมูล :check:
รู้ถึงความก้าวหน้าของเราว่าห่างไกลจากเป้าหมายแค่ไหน :check:
การตัดสินใจด้วยการใช้ข้อมูล เพื่อสร้างความโปร่งใส :<3:
การทำ UTM :red_flag: หลังเครื่องหมาย ? คือการโดน track
Facebook pixel helper
การนำโค้ดของเฟซบุคไปแปะในเว็บ เพื่อส่งข้อมูลให้เฟซบุคไปหาลูกค้าชั้นดี แบบที่เราต้องการ
เครื่องมือ Social listening
Compettitive ต้องรู้ข้อมูลลึกๆของลูกค้าที่คู่แข่งไม่รู้
Transformation โอกาสที่จะปรับปรุงผลิตภัณฑ์
Agility รู้หรือยังว่าลูกค้าเปลี่ยน
เวลาที่เราได้ข้อมูลมา บางทีเราอาจจะยังไม่เห็นข้อมูลที่สำคัญ เราจึงควรมีการสำรวจข้อมูลก่อน (EDA)
สร้างสัญชาตญาณ สร้างความเข้าใจข้อมูล
ข้อมูลมี outlier อะไรบ้าง
ดูความน่าสนใจของข้อมูล
ดูว่าข้อมูลไหนมีความน่าสนใจอะไรบ้าง
Descriptive
หาค่ากลาง central tendency
MEDIAN ค่ามัธยฐาน เป็นค่ากลาง ข้อมูลก็จะอยู่ที่เดิม
MEAN ค่าเฉลี่ยเป็นค่ากลาง อาจไม่สอดคล้องกับข้อมูลความเป็นจริง
ค่ากลางห่างจริงหรือเปล่า ? อาจแตกต่างมาก
การกระจายตัวของข้อมูล SD
ข้อมูลกระจายตัวในช่วงแคบ
ข้อมูลอาจแตกต่างน้อย
ข้อมูลกระจายตัวในช่วงกว้าง
ข้อมูลอาจแตกต่างกันมาก
Framework for visual analytics
ผู้ใช้งานคนนี้อยากเห็นข้อมูลแบบไหน
aggregation การสรุปผลข้อมูล
กวาดสายตาแล้วควรเข้าใจได้เร็วที่สุด
ใช้กราฟแสดงผลข้อมูลให้ถูกประเภท
ใครเป็นคนใช้
เข้าใจก่อน และออกแบบให้ตอบโจทย์แก่การใช้งาน
Empathy map
:star:
SEE บอกได้หรือเปล่าว่าเขาอยากเห็นอะไร
THINK
DO ดูข้อมูลแล้วทำอะไรต่อ
วางข้อมูลให้อยู่ถูกที่ เหมาะสม ความสัมพันธ์ของข้อมูล
