Statistic For Data Analyst

• You must enroll in this course to access course content.

เห็นค่า p-value แล้วไม่รู้จะตีความยังไง?

ทำ A/B Test แล้วเห็นตัวเลขต่างกัน แต่ไม่มั่นใจว่าต่างจริงหรือแค่บังเอิญ?

เคยได้ยินว่า “Correlation ไม่ใช่ Causation” แต่อธิบายให้คนอื่นฟังไม่ได้ว่าทำไม ?

รู้เครื่องมืออย่าง Excel, SQL, Python แต่ไม่รู้สถิติเบื้องหลัง ก็เหมือนรู้ไวยากรณ์แต่ไม่รู้จะสื่อสารอะไรออกมา — Statistics For Data Analyst คือคอร์สที่เติมส่วนที่ขาดหายไปนั้น พาคุณเข้าใจสถิติที่ Data Analyst ใช้จริงทุกวัน ตั้งแต่พื้นฐานไปจนถึง A/B Testing และ Regression ผ่าน 10 บท 60 ตอนเรียน อธิบายด้วยภาษาที่เข้าใจง่าย ไม่ใช่สูตรคณิตศาสตร์ล้วนๆ แบบตำราเรียน

เหมาะกับใคร ?

• Data Analyst ที่ใช้เครื่องมือ (Excel/SQL/Python) เป็นแล้ว แต่ยังไม่มั่นใจเรื่องการตีความผลทางสถิติ
• คนที่ต้องทำ A/B Testing หรือวิเคราะห์ผลการทดลองในงานจริง แต่ไม่มั่นใจว่าผลต่างที่เห็นมีนัยสำคัญจริงไหม
• นักศึกษา/นักวิจัยที่ต้องใช้สถิติในธีสิสหรืองานวิจัย อยากได้คำอธิบายที่เข้าใจง่ายกว่าตำราสถิติทั่วไป
• คนที่เคยเรียนสถิติมาแล้วแต่ลืมหมด อยากทบทวนแบบเชื่อมโยงกับงาน Data Analyst จริง ไม่ใช่แค่สูตรลอยๆ

ต่างจากเนื้อหาสถิติในคอร์ส R หรือ Rizz D-Sci ยังไง? คอร์สเหล่านั้นสอนสถิติควบคู่กับการเขียนโค้ดในเครื่องมือนั้นๆ ส่วนคอร์สนี้โฟกัสที่ “แนวคิด” ล้วนๆ แบบไม่ผูกกับเครื่องมือใดเครื่องมือหนึ่ง เข้าใจแล้วเอาไปใช้ได้ไม่ว่าจะทำงานบน Excel, SQL, Python หรือ R — เหมาะเป็นตัวเติมพื้นฐานให้แน่นก่อนหรือหลังเรียนคอร์สอื่นก็ได้

เรียนแล้วได้อะไร ?

• เริ่มต้นกับสถิติสำหรับ Data Analyst — ทำไม Data Analyst ต้องรู้สถิติ, ประเภทข้อมูล (Qualitative/Quantitative), ระดับการวัด (Nominal/Ordinal/Interval/Ratio), สถิติเชิงพรรณนา vs เชิงอนุมาน, เครื่องมือที่ใช้จริง
• สถิติเชิงพรรณนา — ค่ากลาง (Mean/Median/Mode), การกระจายตัว (Range/Variance/SD), Percentile และ Quartile, Skewness และ Outlier, เลือกกราฟให้เหมาะกับข้อมูล
• ความน่าจะเป็นพื้นฐาน — Probability คืออะไร, Conditional Probability, Bayes’ Theorem แบบเข้าใจง่าย, Independence และ Mutually Exclusive, Combinatorics เบื้องต้น
• การแจกแจงความน่าจะเป็น — Normal, Binomial, Poisson, Uniform Distribution และ Central Limit Theorem ที่เป็นรากฐานของสถิติเชิงอนุมานทั้งหมด
• การสุ่มตัวอย่างและการประมาณค่า — Sampling Methods (Random/Stratified/Cluster), Sampling Distribution, Standard Error, Confidence Interval, Sample Size และ Bias
• การทดสอบสมมติฐาน — Hypothesis Testing คืออะไร, p-value และการตีความที่ถูกต้อง, Type I/Type II Error, t-test (One-sample, Two-sample), Chi-square Test
• ความสัมพันธ์ระหว่างตัวแปร — Correlation และ Covariance, ทำไม Correlation ≠ Causation, Simple และ Multiple Linear Regression, การตีความ Regression Output
• A/B Testing และการทดลอง — หลักการออกแบบการทดลอง, ตั้ง A/B Test ให้ถูกต้อง, Statistical Power และ Sample Size, ข้อผิดพลาดที่พบบ่อย, อ่านผลอย่างมีวิจารณญาณ
• สถิติสำหรับข้อมูลหมวดหมู่และอนุกรมเวลา — วิเคราะห์ข้อมูลเชิงหมวดหมู่, พื้นฐาน Time Series, Trend และ Seasonality, Moving Average, ตรวจจับ Anomaly เบื้องต้น
• 🏆 การประยุกต์ใช้และการสื่อสารผลลัพธ์ (Capstone) — Statistical Storytelling, สร้าง Report/Dashboard ที่สื่อสารได้จริง, ข้อผิดพลาดที่ analyst มักเจอ, จริยธรรมในการใช้สถิติ, Capstone Case Study วิเคราะห์ข้อมูลแบบครบวงจร

จบคอร์สแล้วได้ Certificate พร้อมความมั่นใจในการตีความผลทางสถิติทุกครั้งที่วิเคราะห์ข้อมูล ไม่ใช่แค่รันโค้ดแล้วเชื่อผลลัพธ์เฉยๆ

ผู้สอน

Nut Khuannaen ผู้ก่อตั้ง common•learn จบ 2 ปริญญา (เศรษฐศาสตร์ มช. + นิติศาสตร์ ม.รามคำแหง) กำลังศึกษาต่อปริญญาโท Applied Data Science ที่ ม.ธรรมศาสตร์ ผ่านงาน Freelance Data Analyst ให้ลูกค้าต่างชาติ 3 บริษัท และ FP&A ในธุรกิจ Retail มากว่า 4 ปี — ใช้สถิติเป็นพื้นฐานการตัดสินใจในงานวิเคราะห์จริงมาตลอด ไม่ใช่แค่ทฤษฎีในตำรา

ทำไมถึงคุ้ม ?

• ราคาเบา ฿499 ได้เนื้อหาสถิติที่ใช้จริงในงาน Data Analyst ครบทั้ง Hypothesis Testing, Regression, A/B Testing
• อธิบายด้วยภาษาที่เข้าใจง่าย ไม่ใช่สูตรคณิตศาสตร์ล้วนๆ แบบตำราสถิติทั่วไป
• ทุกบทมีเคสจริงประกอบ ไม่ใช่แค่ทฤษฎีลอยๆ
• ซื้อครั้งเดียว เรียนได้ตลอดชีพ พร้อม Certificate เมื่อเรียนจบ
• ลองอ่านฟรีได้เลย 2 บทแรกก่อนตัดสินใจซื้อ

ราคา ฿499 — ตลอดชีพ

Course Instructor

Nut Khuannaen Author