เมื่อคนส่วนใหญ่คิดถึงการวิเคราะห์ข้อมูล (data analysis) พวกเขาจะคิดถึงการจัดการและวิเคราะห์ข้อมูลในเครื่องมืออย่าง Microsoft Excel ความเป็นจริงคือการวิเคราะห์ข้อมูลครอบคลุมเครื่องมือหลากหลายและวิธีการมากมายในการจัดการและเข้าใจเรื่องราวที่ข้อมูลบอก
Data analysis คืออะไร? Data analysis ถูกใช้แตกต่างกันไป หากคุณพูดถึงข้อมูลธุรกิจ ข้อมูลการผลิต ข้อมูลการตลาด หรือข้อมูลเฉพาะอุตสาหกรรมและธุรกิจที่คุณดำเนินการ
ในบทความนี้ คุณจะได้เรียนรู้เกี่ยวกับด้านต่างๆ ของการวิเคราะห์ข้อมูล สิ่งที่มันหมายถึง และวิธีที่มันมักถูกใช้ทั่วไป
การรวบรวมข้อมูล (Data Collection)
ขั้นตอนแรกของการวิเคราะห์ข้อมูลใดๆ คือการรวบรวมข้อมูล (data collection) หมายถึงการรวบรวมข้อมูลจากแหล่งทั้งหมดที่เก็บข้อมูลที่คุณต้องการ
ข้อมูลอาจรวมถึงสิ่งต่อไปนี้และอื่นๆ:
- คอนโทรลเลอร์เครื่องจักรการผลิต
- ใครสักคนป้อนข้อมูลเข้าไปในคอมพิวเตอร์ด้วยตนเอง
- เซ็นเซอร์ที่วัดอุณหภูมิ ความดัน และอื่นๆ
- แหล่งข้อมูลบนคลาวด์ (Cloud based data sources)
- ข้อมูลจากอินเทอร์เน็ต เช่น ฐานข้อมูลสภาพอากาศหรือรัฐบาล
- ฐานข้อมูลที่เก็บอยู่บนเครือข่ายบริษัทของคุณ
ความท้าทายหลักสำหรับองค์กรหลายแห่งคือการค้นหาว่ามีเครื่องมือทางเทคนิคอะไรบ้างที่สามารถรวบรวมข้อมูลนั้นได้ ส่วนใหญ่ต้องใช้ซอฟต์แวร์เพื่อเชื่อมต่อกับอุปกรณ์หรือแหล่งข้อมูลระยะไกลนั้นๆ แล้วดึงข้อมูลเข้าสู่ฐานข้อมูลภายในหรือระบบ data historian
พื้นที่จัดเก็บเหล่านี้มักเรียกว่า "data warehouse" (คลังข้อมูล)
เมื่อข้อมูลถูกรวบรวมเข้าไปใน data warehouse ภายในองค์กรแล้ว เครื่องมือต่างๆ สามารถนำมาใช้ทำการวิเคราะห์ข้อมูลจริงได้
Business Intelligence (ข่าวกรองธุรกิจ)
เมื่อรวบรวมข้อมูลแล้ว ขั้นตอนต่อไปคือตัดสินใจว่าจะทำอะไรกับข้อมูลทั้งหมดนั้น เมื่อพูดถึง business intelligence ข้อมูลที่จำเป็นควรช่วยให้องค์กรตัดสินใจธุรกิจที่ดีขึ้น
รายงานและแดชบอร์ด Business Intelligence (BI) ช่วยให้ผู้จัดการและผู้นำธุรกิจเข้าใจแนวโน้มและได้ข้อมูลเชิงลึก (insights) ด้านต่างๆ ของธุรกิจ
ด้านเหล่านี้รวมถึง:
- ความต้องการหรือข้อจำกัดของโซ่อุปทาน (Supply chain)
- ลดต้นทุน
- เพิ่มยอดขาย
- ความต้องการและพฤติกรรมลูกค้า
- พยากรณ์ยอดขายหรือความต้องการตลาดในอนาคต
- โลจิสติกส์และการจัดส่ง
การรวบรวมข้อมูลจากระบบต่างๆ ทั่วองค์กรของคุณ ช่วยให้คุณสร้างความเชื่อมโยงระหว่างข้อมูลที่อาจไม่เคยเป็นไปได้มาก่อน
Manufacturing Intelligence (ข่าวกรองการผลิต)
ความยากลำบากเมื่อรวบรวมข้อมูลจากกระบวนการผลิตคือ ปกติแล้วมีข้อมูลเยอะมาก
หากคุณคิดถึงโรงงานผลิตทั่วไป เครื่องจักรทุกเครื่องบนพื้นโรงงานรวบรวมจุดข้อมูลหลายสิบถึงหลายร้อยจุด ที่รวมถึง:
- อุณหภูมิและความดัน
- ชิ้นส่วนหรือผลิตภัณฑ์ที่ผลิตได้
- วัตถุดิบที่ใช้
- ชิ้นส่วนที่เสียหายถูกทิ้ง (Bad parts scrapped)
- จำนวนการทำงานผิดปกติและสัญญาณเตือน (Malfunction counts and alarms)
ในส่วนใหญ่ อุปกรณ์การผลิตเป็นอัตโนมัติโดยใช้ programmable logic controller (PLC) อุปกรณ์เหล่านี้ไม่ได้แค่รันอุปกรณ์ตามที่โปรแกรมไว้ แต่ยังรวบรวมและเก็บข้อมูลจากอุปกรณ์นั้นๆ ด้วย
การดึงข้อมูลออกจาก PLC เหล่านั้นเกี่ยวข้องกับซอฟต์แวร์ที่รันบนเซิร์ฟเวอร์บนเครือข่ายเดียวกับ PLC เหล่านั้น มีผู้ขายมากมายที่เขียนซอฟต์แวร์เพื่อดึงข้อมูลออกจากคอนโทรลเลอร์เหล่านั้นและนำเข้าสู่ data historian หรือฐานข้อมูล
ผู้นำด้าน data historian ในพื้นที่นี้รวมถึง:
- OSIsoft: บริษัทนี้มานานหลายทศวรรษ และมี "integrators" หรือไดรเวอร์ที่สามารถดึงข้อมูลออกจากโปรเซสเซอร์ เซ็นเซอร์ หรือฐานข้อมูลแทบทุกประเภทได้
- Factorytalk: ผู้นำอัตโนมัติระยะยาว Rockwell Automation ผลิต data historian ของตัวเองชื่อ Factorytalk เพื่อช่วยลูกค้ารวบรวมข้อมูลจากโปรเซสเซอร์เครื่องจักร
- Aveva: ก่อนหน้านี้รู้จักในชื่อ Wonderware AVEVA Historian สัญญาว่าจะให้ "open access" กับข้อมูลเครื่องจักร เช่น ข้อมูลกระบวนการ สัญญาณเตือน เหตุการณ์ และอื่นๆ
- Iconics: ผู้เล่นขนาดเล็กในตลาด data historian ผู้สร้าง Iconics สัญญาว่าจะให้ "high-speed archiving" เพื่อให้ความละเอียดของข้อมูลที่จัดเก็บตรงกับสิ่งที่เกิดขึ้นบนเครื่องจักรจริง
เกือบทุกผู้ให้บริการซอฟต์แวร์เหล่านี้รวมเครื่องมือวิเคราะห์ข้อมูลไปพร้อมกับโซลูชัน data historian ของพวกเขา การเลือกโซลูชันการรวบรวมข้อมูลและการวิเคราะห์ที่เหมาะสมสำหรับโรงงานผลิตของคุณ ขึ้นอยู่กับคอนโทรลเลอร์ที่คุณใช้ วิธีที่คุณต้องการจัดเก็บข้อมูล และคุณยินดีจ่ายเท่าไหร่
Data Visualization (การแสดงข้อมูลภาพ)
เครื่องมือที่ได้รับความนิยมมากที่สุดสำหรับการรวบรวม วิเคราะห์ และแสดงภาพข้อมูลธุรกิจคือ Microsoft PowerBI
PowerBI เป็นเครื่องมือแสดงภาพที่ทรงพลังจาก Microsoft ที่ให้คุณนำเข้าข้อมูลจากแหล่งข้อมูลหลายแหล่ง คุณสามารถตัดและแบ่งข้อมูลผ่านแผนภูมิพายและแท่ง กราฟเส้น ตาราง และอื่นๆ ได้
ความสามารถในการรวมข้อมูลจากแหล่งข้อมูลต่างๆ ช่วยให้คุณพบความสัมพันธ์ (correlations) ที่ไม่เคยเป็นไปได้มาก่อน นี่คือเวทมนตร์ของการวิเคราะห์ข้อมูลสมัยใหม่ มันให้ความสามารถในการได้ข้อมูลเชิงลึกที่ไม่เคยเป็นไปได้มาก่อนด้วยเครื่องมือที่ให้คุณแสดงภาพข้อมูลจากหลายแหล่ง
PowerBI ไม่ใช่แอปเดียวที่มีความสามารถในการจัดการและแสดงภาพข้อมูลในลักษณะนี้ จริงๆ แล้วมีตลาดที่เติบโตสำหรับเครื่องมือประเภทนี้
เครื่องมือแสดงภาพข้อมูลที่นำหน้าวันนี้รวมถึง:
- Metabase: โซลูชันโอเพนซอร์ส (ฟรี) ที่มองว่าตัวเองให้คนในองค์กร "ถามคำถามและเรียนรู้จากข้อมูล"
- Tableau: แพลตฟอร์มแสดงภาพข้อมูลยอดนิยมที่ใช้ข้ามอุตสาหกรรมหลายอัน มีการเชื่อมต่อกับแหล่งข้อมูลหลายแหล่ง
- Whatagraph: นิยมในหน่วยงานการตลาดเพราะง่ายที่จะสร้างรายงานที่เข้าใจง่าย เครื่องมือรวมการสร้างรายงานอัตโนมัติ และสามารถส่งอีเมลอัตโนมัติให้ทุกคน
- JasperReports: นี่คือโซลูชันรายงานโอเพนซอร์สอีกตัว กำลังของมันมาจากความสามารถในการสร้างรายงานในรูปแบบต่างๆ เช่น เอกสารพิมพ์, PDF และรายงานบนเว็บ
ตัวเลือกที่คุณตัดสินใจจะไปด้วย ขึ้นอยู่กับการลงทุนที่คุณหรือองค์กรของคุณต้องการทำ โชคดีที่มีตัวเลือกโอเพนซอร์สที่ยอดเยี่ยมพร้อมใช้งาน หากนั่นคือจุดที่คุณต้องเริ่มต้น
Data Exploration (การสำรวจข้อมูล / Data Mining)
หนึ่งในเทคนิคการวิเคราะห์ข้อมูลที่ทรงพลังที่สุดในปัจจุบัน คือสิ่งที่เรียกว่า data mining (การขุดข้อมูล)
Data mining เน้นการใช้การจำลองทางสถิติ (statistical modeling) เพื่อดึงรูปแบบและแนวโน้มออกมาจากปริมาณข้อมูลมหาศาล เพื่อพยากรณ์แนวโน้มในอนาคต
แอปพลิเคชันที่สามารถทำ data mining statistical analysis ได้ เป็นแอปพลิเคชันเฉพาะทางมาก และมักต้องปรับแต่งให้เข้ากับแอปพลิเคชันหรือสถานการณ์ที่กำลังเผชิญอยู่
ประเภทของการวิเคราะห์ data mining รวมถึง:
- Exploratory Data Analysis (EDA): เกี่ยวข้องกับการค้นหาแพทเทิร์นในข้อมูลเพื่อระบุแนวโน้มใหม่หรือเรียนรู้ข้อมูลใหม่
- Confirmatory Data Analysis (CDA): เกี่ยวข้องกับการใช้ข้อมูลที่รวบรวมทั้งหมดเพื่อพยายามตัดสินใจว่าความสัมพันธ์ที่สงสัยเป็นจริงหรือไม่
ซอฟต์แวร์ data mining ชั้นนำที่มีอยู่ในตลาดวันนี้รวมถึง:
- Rapid Miner: ระบบวิเคราะห์พยากรณ์โอเพนซอร์สที่ยอดเยี่ยม เขียนด้วย Java มีความสามารถใน machine learning, predictive analysis, และ text mining
- Sisense: ซอฟต์แวร์ลิเซนซ์ที่ปรับแต่งสำหรับ business intelligence พร้อมความสามารถในการขยายสำหรับองค์กรขนาดใหญ่ รวมโมดูลรายงานที่ยอดเยี่ยม
- Oracle: หนึ่งในชื่อนำของอุตสาหกรรมข้อมูล Oracle เสนอคุณสมบัติ data mining ภายใน SQL ให้องค์กรใช้ข้อมูลที่จัดเก็บในฐานข้อมูล Oracle
- IBM Cognos: ซอฟต์แวร์นี้สามารถประมวลผลปริมาณข้อมูลใหญ่เพื่อระบุแนวโน้มสำคัญ สามารถนำไปสร้างรายงานสำหรับผู้จัดการหรือผู้อื่น
- SAS: อีกชื่อใหญ่ในอุตสาหกรรมข้อมูล Statistical Analysis System (SAS) ถูกออกแบบมาโดยเฉพาะเพื่อขุดข้อมูล จัดการ และแม้แต่อัปเดตข้อมูลจากผลการวิเคราะห์
เห็นได้ชัดว่ามีหลายมิติในการวิเคราะห์ข้อมูล และเครื่องมือที่คุณต้องใช้ ขึ้นอยู่กับสิ่งที่คุณหวังจะเรียนรู้จากข้อมูลนั้น
การก้าวหน้าด้านการวิเคราะห์ข้อมูลยังคงก้าวหน้าทุกปี และบริษัทหรือองค์กรใดๆ ที่หวังจะนำหน้าในอุตสาหกรรมของตน ต้องอยู่บนเกลี้ยงเกี่ยวกับเครื่องมือวิเคราะห์ข้อมูลที่มีอยู่ และใช้มันให้เกิดประโยชน์สูงสุด
