ข้อมูลสินค้า
ISBN :9786164871380
ขนาดหนังสือ :17 x 22.86 ซม.
ความหนาสินค้า :0.8 ซม.
น้ำหนัก :326 กรัม
จำนวนหน้า :152 หน้า
วันวางจำหน่าย :23/07/63
นักเขียน :ดร.เอกสิทธิ์ พัชรวงศ์ศักดา
บรรณาธิการ :ภีรพล คชาเจริญ

สารบัญ
CHAPTER 1 ยุคของการล้มกระดาน (TIME TO DISRUPT!)
เมื่อธุรกิจถูกบังคับให้ต้องเปลี่ยนทิศทาง
เอาตัวรอดอย่างไรในโลก Digital Disruption?
เส้นทางใหม่สู่อนาคต (Building New Pathways to the Future)

CHAPTER 2บิ๊กดาต้าและการวิเคราะห์ (BIG DATA & ANALYTICS)
Big Data & Analytics: Finance and Banking Use Cases
Big Data & Analytics: Telecommunication Use Cases
Big Data & Analytics: Retail Use Cases
Big Data & Analytics: Healthcare Use Cases
Big Data & Analytics: Agriculture Use Cases
Big Data & Analytics: Entertainment Use Cases
Big Data & Analytics: Real Estate Use Cases

CHAPTER 3 ข้อมูล (DATA)
Analytics เพื่อหา Insights กับการตลาดยุค Big Data
ข้อมูลกับการแบ่งประเภท (Data Types)
ประเภทข้อมูลแบ่งตามแหล่งที่มา (Types of Data Sources)
ประเภทข้อมูลแบ่งตามลักษณะบุคคล (Type of Data Personalization)

CHAPTER 4 เทคโนโลยีบิ๊กดาต้า (BIG DATA TECHNOLOGY)
ก้าวออกจากปัญหาด้วย Smart Tech
Database Management: แนวคิดและการออกแบบ
เทคโนโลยีที่เกิดมาเพื่อ BIG DATA
Scaling out
Hadoop
Hive
Spark
NoSQL
Data Lake

CHAPTER 5 การวิเคราะห์ข้อมูล (DATA ANALYTICS)
Big Data & Analytics ช่วยพลิกธุรกิจอย่างไร
ก้าวใหม่ของการวิเคราะห์ข้อมูล (The Progression of Analytics)
Timeline การวิเคราะห์ข้อมูลในทางธุรกิจ
การเรียนรู้ของเครื่อง (Machine Learning)
การหาความสัมพันธ์ (Association)
ระบบแนะนำ (Recommendation System)
การแบ่งกลุ่มข้อมูล (Segment and Clustering)
การจำแนกประเภทของข้อมูล (Classification)
การทดสอบประสิทธิภาพของโมเดล
การวิเคราะห์ข้อมูลที่ไม่มีโครงสร้าง (Unstructured Data Analytics)

CHAPTER 6 กระบวนการวิเคราะห์ข้อมูลและกรณีศึกษา (DATA ANALYTICS PROCESS & CASE STUDY)
การใช้ Data Analytics เพื่อยกระดับธุรกิจสู่ Business Intelligence
การวิเคราะห์ข้อมูลด้วย Data Mining
กระบวนการวิเคราะห์ข้อมูลแบบ CRISP-DM
ขั้นตอนการทำ CRISP-DM Process
สิ่งที่ต้องพึงระวังในการทำ CRISP-DM Process
Case Study: การประยุกต์ใช้ Data Analytics กับธุรกิจ E-Commerce
ตัวอย่างการทำ Analytics ด้วย CRISP-DM Process
บทสรุปเรื่อง Big Data และ Analytics
เอาตัวรอดอย่างไรในโลก Digital Disruption?
สำนวนที่เรามักจะได้ยินคนในแวดวงนักธุรกิจพูดกันบ่อยๆ ว่า “ปลาใหญ่กินปลาเล็ก” แต่วันนี้เราต้องเปลี่ยนสำนวนเสียใหม่ว่า “ปลาเร็วกินปลาช้า” เพราะหากวันนี้ธุรกิจของคุณ
ยังคงใช้การตัดสินใจ
โดยการวิเคราะห์จากรายงานสรุป (Report) ที่มีมนุษย์จัดทำขึ้นตามรอบการประชุม หรือยังคงพัฒนาสินค้าหรือบริการเพื่อตอบสนองความต้องการของลูกค้ากลุ่มเดิมไปเรื่อยๆ แล้วล่ะก็ คุณก็กำลังสูญเสียความได้เปรียบในการแข่งขัน (Competitive Advantage) ที่อาจถึงขั้นถูกกำจัดออกไปเมื่อไรก็ได้
เพราะธุรกิจยุคใหม่ในทุกวันนี้ มุ่งเน้นการเรียนรู้ที่จะสร้างระบบช่วยในการตัดสินใจ (Decision) และพยากรณ์อนาคต (Prediction) โดยอาศัยข้อมูลระดับ Big Data ที่ถือเป็นปัจจัยสำคัญในการสร้าง “การเรียนรู้ของเครื่อง (Machine Learning: ML)” ซึ่งจะช่วยให้ “ปัญญาประดิษฐ์ (Artificial Intelligent: AI)” ทรงภูมิปัญญาอย่างแท้จริง
โดย ML ก็คือ ระบบที่ถูกสร้างขึ้นมาให้สามารถเรียนรู้ข้อมูลได้อย่างมีประสิทธิภาพโดยที่ไม่จำเป็นต้องมีมนุษย์เข้าไปเกี่ยวข้อง ถูกนำมาใช้เพื่อการวิเคราะห์ข้อมูล (Data Analytics) การคาดการณ์อนาคต (Forecasts) เพื่อสนับสนุนการตัดสินใจหรือการตัดสินใจอัตโนมัติ (Support for Decisions & Automated Decisions)
1. ผู้เขียนมีประสบการณ์ในการสอนในคณะวิศวกรรมศาสตร์และเป็นที่ปรึกษาบริษัทเอกชนมากกว่า 15 ปี
2. มีใบ CERTIFICATES ว่าเป็นผู้เชี่ยวชาญด้านซอฟต์แวร์ RapidMiner Analyst
3. เนื้อหา for Everyone อ่านง่ายสำหรับทุกคนที่อยากรู้เรื่อง Big Data & Analytics
การรู้เพียงทฤษฎีอย่างเดียวอาจจะไม่เพียงพอจะทำให้เราเป็นนักวิเคราะห์ข้อมูล วิศวกรข้อมูล หรือนักวิทยาศาสตร์ข้อมูลที่เก่งได้ครับ เราต้องฝึกฝนลงมือปฏิบัติจริงด้วย ดังคำพูดของ Kant ที่ว่า “Theory without Practice is Empty, Practice without Theory is Blind” “Big Data combined with Machine Learning Helps Businesses make much Smarter Decisions”

List of Chapters

1. TIME TO DISRUPT!
ยุคของการล้มกระดาน ธุรกิจที่ไม่ปรับตัวก็จะถูกกำจัดออกไป
2. BIG DATA & ANALYTICS
ยกตัวอย่าง Big Data และ Analytics การประยุกต์ใช้ในเชิงธุรกิจ
3. DATA
อธิบายลักษณะของข้อมูลแบบต่างๆ
4. BIG DATA TECHNOLOGY
อธิบายเทคโนโลยีที่เกิดมาเพื่อข้อมูลระดับ Big Data
5. BIG DATA & ANALYTICS
การวิเคราะห์ข้อมูลโดยอธิบายแนวคิดของหลากหลายเทคนิค: Machine Learning Algorithms
6. DATA ANALYSIS PROCESS & CASE STUDY
แนวทางในการประยุกต์ใช้การวิเคราะห์ข้อมูลและกรณีศึกษาที่น่าสนใจ
สถานการณ์การแข่งขันทางธุรกิจในตอนนี้ไม่เหมือนเดิมอีกต่อไป เทคโนโลยีและนวัตกรรมใหม่ๆ กำลังก้าวเข้ามาเปลี่ยนวิธีในการดำเนินธุรกิจ เปลี่ยนวิถีการจับจ่ายของผู้บริโภค เรามีคู่แข่งหน้าใหม่ที่เรียกว่า Disruptor เกิดขึ้นตลอดเวลา ซึ่งพร้อมจะมา Disrupt! ธุรกิจยุคเก่าด้วยเหตุผลทาง Disruptive Innovation 3 ลักษณะ คือ ราคาถูกกว่า เข้าถึงง่ายกว่า ต้นทุนต่ำกว่า
ธุรกิจยุคใหม่มุ่งเน้นการเรียนรู้ที่จะสร้างระบบช่วยในการตัดสินใจและพยากรณ์อนาคต โดยใช้ข้อมูลระดับ Big Data ในการสร้าง Machine Learning ที่ช่วยให้ปัญญาประดิษฐ์ หรือ AI ทรงภูมิปัญญาอย่างแท้จริง เพื่อประโยชน์ในการวิเคราะห์ข้อมูล พยากรณ์อนาคตและการตัดสินใจอัตโนมัติ

#หนังสือคอมพิวเตอร์