Back to: Fastlane Data Analytics – ทางลัดฉบับ Data Analyst
FASTLANE
DATA ANALYTICS
หลายคนอาจจะสับสนกันบ่อยๆ ระหว่าง Data Analytics (DA), Data Science (DS) และ Business Intelligence (BI) — เพราะทั้งสามเกี่ยวข้องกับการทำงานกับ “ข้อมูล” เหมือนกันหมดเลย
แต่จริงๆ แต่ละงานมีจุดเน้น จุดเด่น และเป้าหมายที่แตกต่างกันอยู่นะครับ บทนี้จะพาทุกคนไปแยกให้ออกกันเลย
Data Engineering ยังไม่ขอพูดถึงในบทนี้นะครับ งานนี้มัน Scope ใหญ่มาก แยกออกไปอีกโลกเลย 😂 อาจจะมีเขียนเพิ่มในอนาคต — ไว้คอยติดตามกันนะ!
เน้นการสร้าง Dashboard, รายงาน และกราฟสรุป เพื่อให้ธุรกิจเข้าใจสถานการณ์ปัจจุบันและอดีต ตัดสินใจได้เร็วขึ้น
ถ้าเปรียบง่ายๆ BI คือ “กระจกในรถ” — ช่วยให้เห็นว่าเราขับมาจากไหน มาถึงจุดไหนแล้ว แต่ยังไม่ได้บอกว่าข้างหน้ามีอะไรรออยู่ 🪞
ตัวอย่าง: Store manager ดูรายงาน Daily Sales ผ่าน Dashboard / บริษัทใช้ BI วิเคราะห์ Trend การเติบโตของธุรกิจในปีที่ผ่านมา
เน้นใช้สถิติและการวิเคราะห์ข้อมูลเพื่อ หาสาเหตุ, แนวโน้ม และคาดการณ์อนาคต ตอบคำถามว่าทำไมสิ่งนั้นถึงเกิดขึ้น แล้วจะเกิดอะไรต่อไป
ถ้าเปรียบง่ายๆ DA คือ “นักสืบข้อมูล” — ไม่ใช่แค่ดูว่าเกิดอะไร แต่ขุดหาว่า ทำไมถึงเกิด และทำนายว่าจะเกิดอะไรต่อ 🕵️
ตัวอย่าง: Analyst ในทีม Marketing วิเคราะห์ว่าทำไมยอดขายถึงลดลง / บริษัทดึง + วิเคราะห์ข้อมูลพฤติกรรมลูกค้าเพื่อแนะนำ Promotion ที่เหมาะสม
เป็นสายที่ ลึกกว่า DA โดยใช้ Machine Learning (ML) และ AI เข้ามาเกี่ยวข้องเยอะมาก ทำให้คอมพิวเตอร์สามารถ “เรียนรู้” และ “ตัดสินใจ” ได้เอง
ถ้าเปรียบง่ายๆ DS คือ “ผู้สร้างสมอง AI” — ไม่ใช่แค่วิเคราะห์ข้อมูล แต่สร้างระบบที่ให้คอมพิวเตอร์คิดเองเออเองได้ 🧠 (ปัจจุบัน ป.โทและ ป.ตรีในไทยเริ่มมีสอนเยอะมากขึ้นแล้ว)
ตัวอย่าง: Netflix ใช้ AI แนะนำซีรีย์ที่คุณน่าจะชอบ / Marketplace แนะนำสินค้าที่คาดว่าคุณสนใจ / ธนาคารใช้ ML ตรวจจับการโกงบัตรเครดิต
| หัวข้อ | BI | DA | DS |
|---|---|---|---|
| เป้าหมาย | รายงานผล + สรุปข้อมูล | วิเคราะห์ + คาดการณ์แนวโน้ม | ใช้ AI/ML สร้างโมเดลตัดสินใจ |
| คำถามหลัก | “เกิดอะไรขึ้น?” | “ทำไม?” + “จะเกิดอะไรต่อ?” | “AI จะช่วยตัดสินใจยังไง?” |
| เครื่องมือ | Power BI, Tableau, Looker | SQL, Excel, Python (Pandas) | Python (TF, Sklearn), Spark |
| ตัวอย่าง | Dashboard ยอดขายรายวัน | วิเคราะห์พฤติกรรมลูกค้า | AI แนะนำหนังที่คุณน่าจะชอบ |
| Coding Level | น้อย–ปานกลาง | ปานกลาง | สูง |
| Math Level | พื้นฐาน | สถิติพื้นฐาน–กลาง | สถิติขั้นสูง + Linear Algebra |
คอร์สที่ทุกคนกำลังเรียนอยู่นี้ มุ่งไปทาง Data Analytics (DA) โดยตรงนะครับ — เน้นให้ทุกคนวิเคราะห์ข้อมูลได้จริง หาสาเหตุได้ คาดการณ์แนวโน้มได้ และนำ insight ไปใช้งานจริงในชีวิตการทำงาน
เนื้อหา BI กับ DS ที่เพิ่งอ่านไป เอาไว้เป็น Guideline อ้างอิงในหัวตัวเองครับ — เพื่อไม่ให้หลงทางตอนทำ Analytics จริงๆ ดีกว่าไม่มี 😄