Page 43 - ระบบธุรกิจอัจฉริยะ
P. 43
ระบบธุรกิจอัจฉรยิ ะกับสอื่ สังคม 14-31
ขนาดใหญ่ออกมามากมายทั้งท่ีเป็นแบบมีและไม่มีค่าใช้จ่าย ซึ่งแต่ละเคร่ืองมือก็มีคุณสมบัติ ข้อดีหรือ
ข้อจ�ำกัดท่ีแตกต่างกันออกไป การเลือกเคร่ืองมือที่เหมาะสมกับงานแต่ละงานจึงเป็นสิ่งจ�ำเป็นท่ีจะช่วย
ให้การด�ำเนินงานเป็นไปได้อย่างราบรื่นและมีประสิทธิภาพมากย่ิงขึ้น และ 4) การก�ำหนดทีมงานท่ี
เช่ียวชาญ ที่จะช่วยน�ำผลลัพธ์การวิเคราะห์ธุรกิจอัจฉริยะกับส่ือสังคมบนข้อมูลขนาดใหญ่ ไปใช้ให้เกิด
ประโยชนไ์ ดอ้ ย่างมากมาย
2. การสรา้ งแบบจำ� ลองสำ� หรบั การวิเคราะห์ธุรกจิ อัจฉรยิ ะกบั สอื่ สังคมบนข้อมลู ขนาดใหญ่ นยิ ม
ใชเ้ ทคนคิ การทำ� เหมืองขอ้ มลู (data mining) เข้ามาช่วย โดยวธิ ีการสรา้ งดังน้ี 1) การวเิ คราะห์ทางดา้ น
สถติ ิ (statistical analysis) เพอ่ื บอกความแตกตา่ งบนตวั แปร เชน่ ผลสรปุ รวม คา่ สว่ นเบยี่ งเบนมาตรฐาน
คา่ สงู สดุ และคา่ ตำ่� สดุ เปน็ ตน้ 2) การคน้ หากฎความสมั พนั ธ์ (association rule) เพอื่ คน้ หาความสมั พนั ธ์
ของขอ้ มลู โดยใชข้ อ้ มลู 2 คา่ คอื คา่ สนบั สนนุ (support) ซง่ึ เปน็ รอ้ ยละของการดาํ เนนิ การทก่ี ฎสามารถ
นําไปใช้ หรอื เป็นรอ้ ยละของการดาํ เนนิ การทกี่ ฎทีใ่ ช้มคี วามถกู ตอ้ ง และค่าความมนั่ ใจ (confidence) ซ่ึง
เป็นจํานวนของกรณีท่ีกฎถกู ตอ้ งโดยสมั พนั ธก์ ับจาํ นวนของกรณที ก่ี ฎสามารถนาํ ไปใช้ได้ 3) การจ�ำแนก
ประเภทขอ้ มลู (data classification) โดยหาชดุ ต้นแบบท่ีอธบิ ายการแบ่งประเภทขอ้ มลู เพ่อื ใหส้ ามารถ
ใช้เป็นต้นแบบทํานายประเภทของวัตถุหรือข้อมูลที่ไม่มีการระบุประเภทหรือชนิดของข้อมูล 4) การแบ่ง
กล่มุ ข้อมูล (data clustering) เปน็ การวิเคราะหโ์ ดยไม่พิจารณาจดั กล่มุ ตามประเภทท่มี ีหรือทรี่ ู้จัก แตจ่ ะ
ใช้ขน้ั ตอนวิธกี ารจดั กล่มุ เพอ่ื ค้นหากลุ่มท่สี ามารถยอมรับไดเ้ พอื่ จัดเขา้ กลมุ่ 5) การก�ำหนดรปู แบบล�ำดบั
(sequential pattern) เพ่ือหาความสัมพันธ์ของข้อมูลระหว่างรายการเปลี่ยนแปลง โดยมีเวลาเข้ามา
เกยี่ วขอ้ ง และ 6) แบบจำ� ลองการพง่ึ พา (dependency model) มเี ปา้ หมายเพอ่ื การพฒั นาตน้ แบบทเี่ ปน็
ตัวแทนทสี่ �ำคัญของการพงึ่ พาทา่ มกลางตวั แปรตา่ งๆ
