Introduction to Data Mining and Big Data Analytics

ดร.เอกสิทธิ์ พัชรวงศ์ศักดา
ผู้ร่วมก่อตั้งห้างหุ้นส่วนสามัญดาต้า คิวบ์ และ
ผู้อำนวยการหลักสูตรวิศวกรรมข้อมูลขนาดใหญ่ (Big Data Engineering)
วิทยาลัยนวัตกรรมด้านเทคโนโลยีและวิศวกรรมศาสตร์ มหาวิทยาลัยธุรกิจบัณฑิตย์
ณ คณะวิทยาศาสตร์และวิศวกรรมศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ 
วิทยาเขตเฉลิมพระเกียรติ จังหวัดสกลนคร
วันอังคารที่ 12 กันยายน 2560
การวิเคราะห์ข้อมูลขนาดใหญ่ (Big Data)
และเทคนิคดาต้า ไมน์นิ่ง (Data Mining)

http://dataminingtrend.com http://facebook.com/datacube.th
ประวัติ
• ชื่อ: เอกสิทธิ์ พัชรวงศ์ศักดา
• การศึกษา:
• ปริญญาเอก วิทยาการคอมพิวเตอร์ สถาบันเทคโนโลยีนานาชาติสิรินธร (SIIT) มหาวิทยาลัยธรรมศาสตร์
• ปริญญาโท วิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเกษตรศาสตร์
• ปริญญาตรี วิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเกษตรศาสตร์  
(เกียรตินิยมอันดับ 2)
• ประสบการณ์
• Certiﬁed RapidMiner Analyst & Ambassador
• Research Collaboration with Western Digital (Thailand) เฟสที่ 1 ระยะเวลา 6 เดือน
• ร่วมวิจัย โครงการสํารวจข้อมูลเพื่อการวิเคราะห์พฤติกรรมของนักท่องเที่ยวเชิงลึก ด้วยวิธีการทําเหมือง
ข้อมูล การท่องเที่ยวแห่งประเทศไทย (ททท)
• วิทยากรอบรมการใช้งานซอฟต์แวร์ open source ทางด้าน data mining
2

ประวัติ
• หนังสือ Data Mining ฉบับภาษาไทย
3

About us
•
4
RapidMiner Analyst
Certification
This is to Certify that
Successfully passed the examination for the Certified RapidMiner Analyst.
The RapidMiner Analyst certification level is designed for individuals who wish to demonstrate
a fundamental understanding of how RapidMiner software works and is used.
Certified Analyst professionals will be able to prepare data and create predictive models in
standard data environments typically found within most analyst positions.
The candidate has proven the ability to:
Prepare data Build predictive models
Evaluate the model’s quality Score new data sets
Deploy data mining models
With:
RapidMiner Studio RapidMiner Server
Date:
Eakasit Pacharawongsakda
August 13, 2014

Our customers (Financial sector)
5
ผู้สนใจเข้าร่วมอบรมจากหน่วยงานต่างๆ

• แนะนำเทคโนโลยีการจัดการและวิเคราะห์ข้อมูลขนาดใหญ่  
(Big Data)
• แนะนำเทคโนโลยี Internet of Things (IoT)
• แนะนำเทคนิคการวิเคราะห์ข้อมูลด้วยดาต้า ไมน์นิง
• ตัวอย่างการประยุกต์ใช้งาน
• กระบวนการมาตรฐานในการวิเคราะห์ข้อมูลด้วยเทคนิคดาต้า ไมน์นิง
หัวข้อการบรรยาย
6

ในหนึ่งวันทำงาน

source:http://pad1.whstatic.com/images/thumb/a/aa/Reduce-Anxiety-About-Driving-if-You're-a-Teenager-Step-5-Version-2.jpg/
aid196018-728px-Reduce-Anxiety-About-Driving-if-You're-a-Teenager-Step-5-Version-2.jpg
เวลา 07:00 น. ออกเดินทางไปทำงาน

source: http://www.clipartkid.com/images/259/research-and-report-writing-9-23-12-9-30-12-q2r0wg-clipart.jpg
เวลา 07:45 น. ยังคงติดอยู่บนถนน

เวลา 08:00 น. เจ้านายโทรศัพท์เข้ามาถามงาน
source: https://d1ai9qtk9p41kl.cloudfront.net/assets/mc/psuderman/2011_07/text-drive.png

เวลา 08:05 น. ขับรถไปชนกับคันอื่น

เวลา 10:00 น. ถึงที่ทำงานและทำงานต่อไป
source: http://stuffpoint.com/anime-and-manga/image/285181-anime-and-manga-girl-working-in-the-computer.jpg

เวลา 18:00 น. แวะซื้อของกลับบ้าน

เวลา 20:00 น. กลับถึงบ้านและอยู่คนเดียว

ในหนึ่งวันทำงานกับ 
เทคโนโลยีข้อมูลขนาดใหญ่ (Big Data)

ระบบนำทาง
• แอพพลิเคชัน Waze
16

ระบบนำทาง
• แอพพลิเคชัน Waze
17

รถที่ไม่ต้องมีคนขับ (self driving car)
• Waymo (Google self-driving car)
18

แผงไข่อัจฉริยะ
• Egg Minder
19

ร้านค้าที่ไม่ต้องรอคิว
• Amazon Go
20

เทคโนโลยีที่ทำให้ชีวิตประจำวันสะดวกขึ้น
21

ทำไมผู้หญิงถึงโสด
22
source: https://pishetshotisak.wordpress.com/2016/12/07/ทำไมผู้หญิงถึงขึ้นคาน-ค/

คนเรามักชอบอะไรใหญ่ๆ

Big Data & Analytics
• Big Bang
24
source:http://www.thetechy.com/science/exploring-universe-curiosity

• Big Architecture (Great wall of China)
25
source: http://www.history.com/topics/great-wall-of-china

• Big Data
26source: http://www.plmjim.com/?p=583

Data Evolutions
27
source:Data Science and Big Data Analytics: Discovering, analyzing, visualizing and presenting data

What is Big Data?
28
source: https://www.youtube.com/watch?v=TzxmjbL-i4Y

What is Big Data?
29
source: http://www.intel.com/content/www/us/en/big-data/big-data-101-animation.html#

What is Big Data?
• Big Data ประกอบด้วย 3 V
• Volume
• ข้อมูลมีจำนวนเพิ่มขึ้นอย่างมหาศาล
• Velocity
• ข้อมูลเพิ่มขึ้นอย่างรวดเร็ว
• Variety
• ข้อมูลมีความหลากหลายมากขึ้น
30
source: https://upxacademy.com/beginners-guide-to-big-data/

What is Big Data?
• Huge volume of data
• ข้อมูลมีขนาดใหญ่มากๆ เช่น มีจำนวนเป็นพันล้านแถว (billion row) หรือ
เป็นล้านคอลัมน์ (million columns)
31

Big Data: Volume
32
source:https://dataﬂoq.com/read/infographic/226

Big Data: Volume
33
source:https://www.adeptia.com

What is Big Data?
• Speed of new data creation and growth
• ข้อมูลเกิดขึ้นอย่างรวดเร็วมากๆ
34

Big Data: Velocity
35

What is Big Data?
• Speed of new data creation and growth
• ข้อมูลเกิดขึ้นอย่างรวดเร็วมากๆ
• Complexity of data types and structures
• ข้อมูลมีความหลากหลาย ไม่ได้อยู่ในรูปแบบของตารางเท่านั้น อาจจะเป็น
รูปแบบของข้อความ (text) รูปภาพ (images) หรือ วิดีโอ (video clip)
36

Big Data: Variety
37

Big Data: Variety
38

What is Big Data?
39
source: http://dataconomy.com/2014/08/infographic-how-to-explain-big-data-to-your-grandmother/

(Big Data)
40

Internet of Things
41source: http://www.postscapes.com/what-exactly-is-the-internet-of-things-infographic/

Sensors
42source: http://www.postscapes.com/what-exactly-is-the-internet-of-things-infographic/

IoT applications
43

IoT applications
• Disney’s Magic Band
44
source:https://disneyworld.disney.go.com/plan/my-disney-experience/bands-cards/#?CMP=SEC-WDWShareEmailNGE-MDX-MagicBand-video&video=0/0/0/0

IoT applications
• GlowCaps
45
source:http://www.vitality.net/glowcaps.html

IoT applications
• Connected Toothbrush
46
source:https://www.youtube.com/watch?v=gLpUxDdh9iQ

IoT applications
47
source:https://www.youtube.com/watch?v=TqRN7r7mGmk

IoT applications
48

IoT applications
• iBeacon
49
source: https://www.mallmaverick.com/system/site_images/photos/000/001/700/original/blog_ibeacon1.jpg?1391033561

(Big Data)
50

Where does data come from?
• ข้อมูลแบ่งตามที่มา
• ภายในบริษัท/องค์กร
• ข้อมูลการซื้อขาย
• ข้อมูลประวัติลูกค้า
• ข้อมูลประวัติพนักงาน
• ภายนอกบริษัท/องค์กร
• ข้อมูลจาก social media ต่างๆ
• ข้อมูลข่าวต่างๆ
• ข้อมูลรูปภาพและเสียง
51
source: http://dailyprivacy.ﬁles.wordpress.com/2013/02/2012_big_data_study_infographic_600.jpg

Database & warehouse & mining
52
Database
Sales
Accounting
CRM
Extract 
Transform 
Load 
(ETL)
Data Mining
Data Warehouse
image source:https://sites.google.com/a/whps.org/diamond-teamkp/ 
http://www.iconarchive.com/tag/data

Database & warehouse & mining
• Database
• ฐานข้อมูลใช้ในการจัดเก็บข้อมูล ลดความซ้ำซ้อนของข้อมูล เน้นการจัดเก็บ เพ่ิม
แก้ไข และลบข้อมูล
• Data warehouse
• คลังข้อมูลรวบรวมช้อมูลจากหลายๆ ฐานข้อมูล แปลงข้อมูลให้มีความเหมือนกัน
เหมาะสำหรับการเรียกดู (view) เพื่อสร้างรายงานสรุป
• Data Mining
• การวิเคราะห์ข้อมูลเพื่อค้นหาความสัมพันธ์หรือรูปแบบที่มีประโยชน์ในฐานข้อมูล
53

BI & Data Mining
54
Business
Intelligence
Data
Mining
Time
Analytical  
Approach
Past Future
Explanatory
Exploratory
source:Data Science and Big Data Analytics: Discovering, analyzing, visualizing and presenting data
BI questions
• What happened last
quarter?
• How many unit sold?
• Where is the problem? In
which situations
Data Mining questions
• What if … ?
• What will happen next?
• Why is this happen?

What is data mining
• “The exploration and analysis of large quantities  
of data in order to discover meaningful patterns and
rules” – Data Mining Techniques (3rd Edition)
• เป็นการวิเคราะห์ข้อมูล เพื่อหารูปแบบ (patterns) หรือความสัมพันธ์
(relation) ระหว่างข้อมูลในฐานข้อมูลขนาดใหญ่
• “Extraction of interesting (non-trivial, previously,
unknown and potential useful) information from data in
large databases” – Data Mining Concepts &
Techniques (3rd Edition)
• เป็นกระบวนการดึงข่าวสารที่น่าสนใจ และมีประโยชน์แต่ไม่เคยรู้มา
ก่อนจากฐานข้อมูลขนาดใหญ่
55
image sources: https://binarylinks.wordpress.com/tag/data-mining/ 
http://www.amazon.com/Data-Mining-Techniques-Relationship-Management/dp/0470650931

What is data mining
56
ข้อมูล' เทคนิคการทำ data mining' รูปแบบที่มีประโยชน์'
image source:http://www.computerrepairanaheim.net 
https://sites.google.com/a/whps.org/diamond-teamkp/ 
http://meetings2.informs.org/wordpress/analytics2014/2014/04/01/why-oranalytics-people-need-to-know-about-database-technology/

• เป็นขั้นตอนการวิเคราะห์ข้อมูลด้วยเทคนิคดาต้าไมน์นิ่ง
• การหาความสัมพันธ์ (association analysis)
• หาความสัมพันธ์ของข้อมูลที่เกิดร่วมกัน
• เช่น ค้นหาสินค้าที่มีการซื้อร่วมกันบ่อยๆ
• การจัดกลุ่มข้อมูล (clustering)
• แบ่งข้อมูลหลายๆ กลุ่มตามความคล้ายคลึง
• เช่น แบ่งกลุ่มลูกค้าตามพฤติกรรมการใช้งาน
• การจำแนกประเภทข้อมูล (classiﬁcation)
• สร้างโมเดลจากข้อมูลที่มีอยู่เพื่อทำนายอนาคต
• เช่น ทำนายปริมาณน้ำฝนที่ตกในวันถัดไป
Data Science/Data Mining methods
57
association rules
clustering
classiﬁcation

• การหาความสัมพันธ์ที่เกิดขึ้นในข้อมูล (Association Analysis)
58
ตะกร้าใบที่ 1 ตะกร้าใบที่ 2 ตะกร้าใบที่ 3

59

60

61

62

63

64

65

• การจัดกลุ่ม  
(Segmentation)
66

Segmentation by RFM
• แบ่งกลุ่มลูกค้าตามพฤติกรรมการซื้อสินค้าของลูกค้า
• ระยะเวลา (จำนวนวัน) จากการซื้อล่าสุดที่ผ่านมา (Recency)
• ความถี่ของการซื้อสินค้า (Frequency)
• การใช้จ่ายของลูกค้า (Monetary)
67
Customer ID Recency Frequency Monetary
C10001
C10002
C10003
หมายเหตุ: คำนวณ ณ วันที่ 01/08/2015
OrderID Customer ID Order Date Total
Amount
O14001 C10003 01-01-2014 10.00
O14002 C10001 02-13-2014 20.00
O14003 C10002 03-14-2014 200.00
O14004 C10001 04-15-2014 10.00
O14005 C10001 08-10-2014 30.00
O14006 C10002 09-14-2014 300.00
ตาราง order detail

Amount
O14001 C10003 01-01-2014 10.00
O14002 C10001 02-13-2014 20.00
O14003 C10002 03-14-2014 200.00
O14004 C10001 04-15-2014 10.00
O14005 C10001 08-10-2014 30.00
O14006 C10002 09-14-2014 300.00
Segmentation by RFM
68
C10001 151 3 60

Amount
O14001 C10003 01-01-2014 10.00
O14002 C10001 02-13-2014 20.00
O14003 C10002 03-14-2014 200.00
O14004 C10001 04-15-2014 10.00
O14005 C10001 08-10-2014 30.00
O14006 C10002 09-14-2014 300.00
Segmentation by RFM
69
C10001 151 3 60
C10002 116 2 500

Amount
O14001 C10003 01-01-2014 10.00
O14002 C10001 02-13-2014 20.00
O14003 C10002 03-14-2014 200.00
O14004 C10001 04-15-2014 10.00
O14005 C10001 08-10-2014 30.00
O14006 C10002 09-14-2014 300.00
Segmentation by RFM
70
C10001 151 3 60
C10002 116 2 500
C10003 372 1 10

Segmentation by RFM
• แบ่งกลุ่มลูกค้าด้วยวิธี RFM
• เรียงลำดับข้อมูล
• Recency จากน้อยไปมาก
• Frequency และ Monetary จากมากไปน้อย
• แบ่งข้อมูลออกเป็น 5 กลุ่ม กลุ่มละจำนวนเท่าๆ กัน (quintile)
• คำนวณคะแนน RFM ของแต่ละกลุ่ม
71
source: http://www.b-eye-network.com/view/10256
น้อย
มาก
Recency
score = 5
score = 4
score = 3
score = 2
score = 1
มาก
น้อย
Frequency
score = 5
score = 4
score = 3
score = 2
score = 1
มาก
น้อย
Monetary
20% ของข้อมูล
score = 5
score = 4
score = 3
score = 2
score = 1

Segmentation by RFM
• แบ่งกลุ่มลูกค้าด้วยวิธี RFM
• ลูกค้าในแต่ละกลุ่มจะมีลักษณะต่างๆ กัน เช่น
• ลูกค้ากลุ่ม RFM = 555
• เป็นกลุ่มลูกค้าที่มีค่ามากสุด
• เป็นกลุ่มลูกค้าที่มีการซื้อบ่อยๆ  
แต่ซื้อจำนวนน้อย
• ออก campaign กระตุ้นให้ลูกค้าซื้อสินค้าที่มีราคา 
สูงขึ้น (up-selling)
• เป็นกลุ่มลูกค้าที่นานๆ จะซื้อสักครั้ง แต่ซื้อสินค้าที่มีราคาสูง
• ออก campaign กระตุ้นให้ลูกค้าซื้อสินค้าบ่อยขึ้น
72
Recency
Frequency
M
onetary
1 2 3 4 5
5
4
3
2
1
5
4
3
2
1

• การจัดกลุ่มข้อมูลตามความคล้ายคลึง (Clustering)
73
1
2
3
5
6
4

• การจัดกลุ่มข้อมูลตามความคล้ายคลึง (Clustering)
74
1 6
4 5
2 3
ลูกค้าที่ใช้โทรเยอะ
ลูกค้าที่ส่ง SMS เยอะ
ลูกค้าที่ใช้งานไม่เยอะ

• Classiﬁcation (การคาดการณ์สิ่งที่จะเกิดขึ้นในอนาคต)
75

• ตัวอย่าง spam e-mail classification
• สร้างโมเดล (classification model) จากข้อมูล training data ซึ่งมีลาเบล (label)
76
ID Free Won Cash Type
1 Y Y Y spam
2 N Y Y spam
3 N N N normal
4 N N N normal
5 Y N N spam
6 Y N N spam
7 N N N normal
8 N Y N spam
9 N N N normal
10 N N N normal
attribute label
Free
Won
Normal Spam
Spam
classification model
= N = Y
= N = Y
training data

• นำข้อมูลใหม่ (unseen data) ทำนายโดยใช้โมเดล
77
attribute
Free
Won
Normal Spam
Spam
= N = Y
= N = Y
training data
11 Y Y N ?
12 N Y N ?

78
attribute
Free
Won
Normal Spam
Spam
= N = Y
= N = Y
training data
11 Y Y N ?
12 N Y N ?

79
attribute
Free
Won
Normal Spam
Spam
= N = Y
= N = Y
training data
11 Y Y N ?
12 N Y N ?

1 Y Y Y spam
2 N Y Y spam
3 N N N normal
4 N N N normal
5 Y N N spam
Classiﬁcation example
80
attribute labelID
training data
สร้าง classiﬁcation model
11 Y Y N ?
12 N Y N ?
unseen data
ID Type
11 spam
12 spam
1
2
3 4

(Big Data)
81

Big Data & Analytics Applications
• ตัวอย่างการนำ Data Mining ไปใช้งาน
82
source: http://www.youtube.com/watch?v=f2Kji24833Y

• บัตรสมาชิก (loyalty card)
• ติดตามพฤติกรรมการซื้อสินค้า
ของลูกค้าจากบัตร loyalty
• นำมาวิเคราะห์และนำเสนอเป็น
โปรโมชันพิเศษให้แต่ละบุคคล
• เพิ่มโอกาสในการขายสินค้าให้กับ
ลูกค้า
• กระตุ้นให้ลูกค้าได้ซื้อสินค้ามาก
ขึ้น เช่น ซื้อสินค้าวันนี้ จะได้
ส่วนลดพิเศษ ทำให้ลูกค้าเกิดการ
ตัดสินใจซื้อทันที
83
image source: http://www.positioningmag.com

• ทราบพฤติกรรมการซื้อสินค้าของลูกค้า เพื่อนำมาวิเคราะห์ และ 
นำเสนอเป็นโปรโมชันพิเศษให้แต่ละบุคคล
84

• เบียร์และผ้าอ้อม
• ห้าง Walmart พบว่าทุกวันศุกร์
หลังบ่ายโมง จะมีลูกค้าเพศชาย
อายุระหว่าง 25 – 35 ปี ซื้อสินค้า
Beers และ Diapers มากที่สุด
85

• คาดการณ์การตั้งครรภ์
• ห้าง Target ทำการ
วิเคราะห์พฤติกรรมการซื้อ
สินค้าของลูกค้าเพศหญิง
• พบรูปแบบ (pattern) ว่า
ถ้ามีการซื้อวิตามิน ซื้อ
อาหารบำรุง หรือ ซื้อตู้
เตียงเพิ่ม ลูกค้าจะเริ่มตั้ง
ครรภ์
• Target จะส่ง promotion
ให้ลูกค้าเหล่านั้น
86

• แนะนำสินค้าที่เกี่ยวข้อง
• amazon.com แนะนำหนังสือที่เกี่ยวข้องกับ RapidMiner
• Netﬂix แนะนำภาพยนต์ที่คล้ายกับที่เคยดู เช่น Life of Pi
87

• Google Self-Driving Car
88
source: https://www.youtube.com/watch?v=8fjNSUWX7nQ

• แนวโน้มราคาตั๋วเครื่องบิน
89

• คาดการณ์การลาออกของพนักงาน
90
Receive Promotion
= NO = YES
Years with ﬁrm < 5
Not Quit
= YES = NO
Partner changed job
Quit Not Quit
= YES = NO
Quit
ตัวอย่างโมเดลคาดการณ์การลาออกของพนักงาน

• วิเคราะห์ทัศนคติในแง่ต่างๆ จากสังคมออนไลน์
91

• วิเคราะห์ทัศนคติในแง่ต่างๆ จากสังคมออนไลน์ (ภาษาไทย)
92

• ทำนายอายุและเพศจากรูปภาพ
93
source: http://www.how-old.net

• Paypal uses RapidMiner to detect churn and identify issues
94
source: blob:https://rapidminer.com/63b65d64-0adb-4cc3-96bf-a5d5b88ee883

• How Etihad Airways Uses Big Data To Reach Its Destination
95
source:https://dataﬂoq.com/read/etihad-airways-big-data-reach-destination/412

Outline
• Introduction to Big Data
• Introduction to Internet of Things (IoT)
• Introduction to Data Mining
• Big Data & Analytics applications
• CRISP-DM Process
96

CRISP-DM
• CRoss-Industry Standard Process for Data Mining (CRISP-DM)
• พัฒนาขึ้นโดย 3 บริษัท
• บริษัท SPSS
• บริษัท DaimlerChrysler
• บริษัท NCR
• เป็น Workﬂow มาตรฐานสำหรับการทำ data mining
• ประกอบด้วย 6 ขั้นตอน
97

CRISP-DM
98
3 ขั้นตอนแรกจะใช้เวลา
80% ของทั้งหมด
1 2
3
4
5
6
image source: Foster Provost, Data Science for Business: What you need to know about data mining and data-analytic thinking, August 19, 2013

1. Business Understanding
• ขั้นตอนแรกของ CRISP-DM
• ทำความเข้าใจกับปัญหา หรือ โอกาสเชิงธุรกิจ
• ระบุ output หรือเป้าหมายที่ต้องการได้จากการวิเคราะห์ข้อมูลด้วย data mining
• ตัวอย่างเช่น
• ทำอย่างไรถึงเพิ่มยอดขายให้กับสินค้าชนิดต่างๆ ได้
• ต้องการแบ่งกลุ่มนักศึกษาออกตามความสนใจ
• ทำอย่างไรให้ลูกค้ากลับมาซื้อสินค้าได้อีก
• อยากทำนายปริมาณน้ำฝนที่ตกใน 2 วันถัดไป
• อยากรู้ว่าลูกค้าคนใดบ้างมีโอกาสป่วยเป็นโรคมะเร็ง
99
Business
Understanding
Data
Understanding
Data
Preparation
Modeling Evaluation Deployment

• ในขั้นตอนนี้เป็นการ
• รวบรวมข้อมูลที่เกี่ยวข้อง
• ข้อมูลถูกต้องน่าเชื่อถือ
• ข้อมูลที่ได้มีปริมาณมากพอหรือยัง
• ข้อมูลที่ได้มีความเหมาะสม มีรายละเอียดเพียงพอต่อการนำไปใช้ในการวิเคราะห์
• ตัวอย่าง
• ข้อมูลการซื้อสินค้าคนแต่ละบุคคล
• ข้อมูลการลงทะเบียนและผลการศึกษาของนักศึกษา
Business
Understanding
Data
Understanding
Data
Preparation
2. Data Understanding
100

• ขั้นตอนการเตรียมข้อมูลเป็นขั้นตอนที่ใช้เวลานานที่สุด
• เนื่องจากโมเดลที่ได้จากการทำดาต้าไมน์นิ่งจะให้ผลลัพทธ์ที่ถูกต้อง
หรือไม่นั้น ขึ้นอยู่กับคุณภาพของข้อมูลที่ใช้ แบ่งออกได้เป็น 3 ขั้นตอน
ย่อยคือ
• 3.1 ทำการคัดเลือกข้อมูล (Data Selection)
• กำหนดเป้าหมายก่อนว่าเราจะทำการวิเคราะห์อะไร
• เลือกใช้เฉพาะข้อมูลที่เกี่ยวข้องกับสิ่งที่เราจะทำการวิเคราะห์
Business
Understanding
Data
Understanding
Data
Preparation
3. Data Preparation
101

• 3.2 ทำการกลั่นกรองข้อมูล (Data Cleaning)
• ลบข้อมูลซ้ำซ้อน
• แก้ไขข้อมูลที่ผิดพลาด
• ข้อมูลผิดรูปแบบ
• ข้อมูลที่หายไป
• ข้อมูล outlier ที่แปลกแยกจากคนอื่น
Business
Understanding
Data
Understanding
Data
Preparation
3. Data Preparation
102
รหัส เพศ อายุ ความสูง น้ำหนัก
57001 ชาย 18 180 70
5702A ญ 80 35
57123 หญิง 19 150 2500
58002 ช 17 175 90
ข้อมูลนักศึกษาชั้นปีที่ 1 ปีการศึกษา 2557
ผิดรูปแบบ ขาดหาย outlier

• 3.3 แปลงรูปแบบของข้อมูล (data transformation)
• เป็นขั้นตอนการเตรียมข้อมูลให้อยู่ในรูปแบบที่พร้อมนำไปใช้ในการวิเคราะห์ 
ตามอัลกอริทึมของ data mining ที่เลือกใช้
Business
Understanding
Data
Understanding
Data
Preparation
3. Data Preparation
103
ID สินค้า จำนวนที่ซื้อ
1 ปากกา 1
1 ยางลบ 1
1 คลิป 10
2 สมุด 2
2 ปากกา 2
3 สมุด 1
3 ปากกา 3
3 ยางลบ 2
ID สมุด ปากกา ยางลบ คลิป
1 - TRUE TRUE TRUE
2 TRUE TRUE - -
3 TRUE TRUE TRUE -
ข้อมูลในฐานข้อมูล POS
ข้อมูลสำหรับการหากฏความสัมพันธ์ (Association Rules)

Business
Understanding
Data
Understanding
Data
Preparation
3. Data Preparation
104
เมื่อวันที่ 4 มกราคม 2557 เฟซบุ๊กเปิดตัวหน้าเพจใหม่ชื่อว่า Facebook A Look Back เมื่อผู้ใช้งาน
คลิกไปยังหน้านี้ก็จะแสดงคลิปวิดีโอที่บอกเล่าเรื่องราวของผู้ใช้งานคนนั้นๆ เช่น เริ่มเล่นเฟซบุ๊กครั้ง
แรกปีไหน, โพสต์แรกบนเฟซบุ๊ก, รูปภาพที่ถูกกดไลค์มากที่สุด, รูปภาพที่ถูกแชร์มากที่สุด และ 20
อันดับเรื่องราวต่าง ๆ ที่เกิดขึ้นในเฟซบุ๊กก็จะถูกแสดงและรวบรวมไว้ในคลิปวิดีโอนี้
ID เฟซบุ๊ก รูปภาพ ไลค์ แชร์ คลิปวิดีโอ
1 4 2 1 1 2
2 …
เอกสารข่าว
ตารางแสดงจำนวนความถี่ของแต่ละคำ

Business
Understanding
Data
Understanding
Data
Preparation
3. Data Preparation
105
ID สีแดง สีเขียว สีน้ำเงิน
1 93 98 167
2 …
รูปภาพ
จำนวน pixel สีแดง สีเขียว สีนำ้เงินที่ปรากฏในรูปภาพ
image source:http://www.travelhouse.ch/reisen/thailand/phuket/jw-marriott-phuket-resort-and-spa

CRISP-DM
106
3 ขั้นตอนหลังจะใช้เวลา
20% ของทั้งหมด
1 2
3
4
5
6
image source: Foster Provost, Data Science for Business: What you need to know about data mining and data-analytic thinking, August 19, 2013

• เป็นขั้นตอนการวิเคราะห์ข้อมูลด้วยเทคนิคดาต้าไมน์นิ่ง
• classiﬁcation
• สร้างโมเดลจากข้อมูลที่มีอยู่เพื่อทำนายอนาคต
• เช่น ทำนายปริมาณน้ำฝนที่ตกในวันถัดไป
• clustering
• แบ่งข้อมูลหลายๆ กลุ่มตามความคล้ายคลึง
• เช่น แบ่งกลุ่มนักศึกษาตามคะแนนที่ได้
• association rules
• หาความสัมพันธ์ของข้อมูลที่เกิดร่วมกัน
• เช่น ค้นหาสินค้าที่มีการซื้อร่วมกันบ่อยๆ
Business
Understanding
Data
Understanding
Data
Preparation
4. Modeling
107
classiﬁcation
clustering
association rules

• ประเมินหรือวัดประสิทธิภาพของโมเดลวิเคราะห์ข้อมูลในขั้นตอนก่อน
หน้านั้น
Business
Understanding
Data
Understanding
Data
Preparation
5. Evaluation
108
VS
โมเดล decision tree โมเดล neural network

Business
Understanding
Data
Understanding
Data
Preparation
6. Deployment
• นำโมเดลที่ได้ หรือ ผลการวิเคราะห์ที่ได้ไปใช้งานจริง
109
ใช้จากกฏความสัมพันธ์ที่หาได้
image source: http://www.mysupermarket.co.uk/brands/tesco_discounter_brand_in_tesco.html

CRISP-DM Example 1
• ตัวอย่าง CRISP-DM
• อ้างอิงจากงานวิจัยเรื่อง การใช้เทคนิคดาต้าไมน์นิงเพื่อพัฒนาคุณภาพการ
ศึกษานิสิตคณะวิศวกรรมศาสตร์ *
• นิสิตคณะวิศวกรรมศาสตร์ ม.เกษตรศาสตร์ จะเลือกภาควิชาเมื่อในชั้นปีที่ 2
• นิสิตเลือกภาควิชาไม่ตรงกับความสามารถของตนเอง
• เลือกตามเพื่อน
• เลือกตามที่ผู้ปกครองแนะนำ
• นิสิตบางคนได้ผลการเรียนตกต่ำและทำให้ต้องออกจากมหาวิทยาลัยกลางคัน
110
* กฤษณะ ไวยมัย , ชิดชนก ส่งศิริ และ ธนาวินท์ รักธรรมานนท์, การใช้เทคนิคดาต้าไมน์นิงเพื่อพัฒนาคุณภาพการศึกษานิสิตคณะ 
วิศวกรรมศาสตร์, NECTEC Technical Journal, 3(11), 2001

CRISP-DM Example 1
• ข้อมูลนิสิตคณะวิศวกรรมศาสตร์ ม.เกษตรศาสตร์ช่วงปี พ.ศ. 2535 - 2542
• นิสิตประมาณ 10,000 คน
• ข้อมูลมีจำนวน 476,085 แถว
• ข้อมูลแบ่งเป็น 2 ส่วน
• ข้อมูลประวัติส่วนตัวของนิสิต
• เพศ, ที่อยู่, GPA ระดับมัธยมปลาย, GPA ชั้นปีที่ 1
• ข้อมูลการลงทะเบียนของนิสิต
• เกรดวิชาคณิตศาสตร์, เกรดวิชาฟิสิกส์, เกรดวิชาเคมี
111

CRISP-DM Example 1
3. Data Preparation
• คัดเลือกวิชาที่เกี่ยวข้องกับภาควิชาต่างๆ ในคณะวิศวกรรมศาสตร์
• แปลงข้อมูลให้เหมาะสมกับการวิเคราะห์
112
รหัสนิสิต เพศ ที่อยู่ GPA มัธยมปลาย … GPA
37058063 ชาย กรุงเทพ 2.5 … 2.3
37058167 ชาย สงขลา 3.4 … 3.3
… … … … … …
ข้อมูลประวัติส่วนตัวของนิสิต
รหัสนิสิต วิชา ปีการศึกษา เกรด
37058063 คอมพิวเตอร์ 2537 C+
37058063 คณิตศาสตร์ 2537 D
… … … …
ข้อมูลการลงทะเบียนของนิสิต
รหัสนิสิต เพศ คอมพิวเตอร์ คณิตศาสตร์ … GPA
37058063 ชาย LOW LOW … 2.3
37058167 ชาย HIGH HIGH … 3.3
… … … … … …
ข้อมูลสำหรับการใช้วิเคราะห์

CRISP-DM Example 1
4. Modeling
• แบ่งข้อมูลออกเป็น 2 ส่วน คือ
• 70% ของข้อมูลทั้งหมดใช้ในการสร้างโมเดล
• 30% ของข้อมูลทั้งหมดใช้ในการทดสอบประสิทธิภาพของโมเดล
• สร้างโมเดลด้วยเทคนิค Decision Tree ซึ่งจะได้โมเดลที่สามารถเข้าใจได้ง่าย
• โมเดลแบ่งแยกตามภาควิชาต่างๆ เช่น ภาควิชาวิศวกรรมคอมพิวเตอร์ วิศกรรมไฟฟ้า
• คำตอบ (class) จะแบ่งเป็น 2 ประเภท คือ
• GOOD หมายถึง นิสิตเรียนในภาควิชานี้แล้วจบมาได้ GPA อยู่ในช่วง 40% แรก (top 40%)
• BAD หมายถึง นิสิตเรียนในภาควิชานี้แล้วจบมาได้ GPA อยู่ในช่วง 40% จากท้าย (bottom
40%)
113

CRISP-DM Example 1
4. Modeling
114
Computer
= HIGH = LOW
Physics
Good
Good
= LOW = HIGH
Mathematics
Good Bad
= HIGH = LOW
• IF Computer is HIGH THEN
Graduate is Good
• IF Computer is LOW AND 
Mathematics is HIGH THEN 
Graduate is Good
Mathematics is LOW AND 
Physics is HIGH THEN 
Graduate is Good
Mathematics is LOW AND 
Physics is LOW THEN 
Graduate is Bad
โมเดลของภาควิชาวิศวกรรมคอมพิวเตอร์
เงื่อนไขที่สร้างได้จากโมเดล

CRISP-DM Example 1
5. Evaluation
• ทดสอบด้วยข้อมูล 30% ที่แบ่งไว้
• คำนวณค่าความถูกต้อง
6. Deployment
• นำไปแนะนำนิสิตชั้นปีที่ 1 ที่กำลัง 
จะเลือกภาควิชา
• พิจารณาจากเกรดตามโมเดล 
ที่สร้างได้
115
Computer
= HIGH = LOW
Physics
Good
Good
= LOW = HIGH
Mathematics
Good Bad
= HIGH = LOW
รหัสนิสิต เพศ คอมพิวเตอร์ คณิตศาสตร์ … Com Eng
5700123 ชาย LOW HIGH … ??
ข้อมูลของนักศึกษาปีที่ 1 ที่ต้องการได้รับคำแนะนำ

CRISP-DM Example 1
5. Evaluation
6. Deployment
116
Computer
= HIGH = LOW
Physics
Good
Good
= LOW = HIGH
Mathematics
Good Bad
= HIGH = LOW

CRISP-DM Example 1
5. Evaluation
6. Deployment
117
Computer
= HIGH = LOW
Physics
Good
Good
= LOW = HIGH
Mathematics
Good Bad
= HIGH = LOW

CRISP-DM Example 1
5. Evaluation
6. Deployment
118
Computer
= HIGH = LOW
Physics
Good
Good
= LOW = HIGH
Mathematics
Good Bad
= HIGH = LOW
5700123 ชาย LOW HIGH … Good

CRISP-DM Example 2
• ตัวอย่าง CRISP-DM
• บริษัทแห่งหนึ่งกำลังจะวางตลาด eReader รุ่นใหม่
• ต้องการเพิ่มยอดขายของผลิตภัณฑ์ตัวนี้
• บริษัทมีข้อมูลการซื้อ eReader รุ่นก่อนหน้าและสินค้าทางเว็บไซต์ของลูกค้าอยู่
• จากข้อมูลการซื้อสินค้า eReader รุ่นก่อน บริษัทสามารถแบ่งกลุ่มลูกค้าได้ออกเป็น
กลุ่มตามช่วงเวลาที่ลูกค้าซื้อสินค้า
• บริษัทต้องการทำนายว่าควรจะส่งโปรโมชันให้กับลูกค้าคนใดในช่วงเวลาใดบ้าง
119

CRISP-DM Example 2
• บริษัทใช้ข้อมูลลักษณะของลูกค้าและการซื้อสินค้าในเว็บ
120
ช่วง
เวลาการซื้อ

CRISP-DM Example 2
• บริษัทใช้ข้อมูลลักษณะของลูกค้าและการซื้อสินค้าในเว็บ
121
source: http://beatechelette.com/wp-content/uploads/2013/03/graph.jpg

CRISP-DM Example 2
• บริษัทใช้ข้อมูลการซื้อสินค้าในเว็บของลูกค้า
• คลาสที่ต้องการทำนายคือ eReader_Adoption แบ่งเป็น 4 ลาเบล
• Innovator คือ ลูกค้าที่ซื้อหลังจากวางจำหน่ายสัปดาห์แรก
• Early Adoptor คือ ลูกค้าที่ซื้อหลังจากสัปดาห์แรกแต่ไม่เกินสัปดาห์ที่ 3
• Early Majortiy คือ ลูกค้าที่ซื้อหลังจากสัปดาห์ที่ 3 แต่ไม่เกิน 2 เดือนแรก
• Late Majority คือ ลูกค้าที่ซื้อหลังจาก 2 เดือนแรก
122

CRISP-DM Example 2
• ตัวอย่างของคนกลุ่ม Innovator คือ ผู้คนที่ต่อคิวเพื่อรอซื้อ iPhone 6
123
Source: http://www.telegraph.co.uk/technology/apple/iphone/11106696/Fans-queue-outside-Apples-London-stores-for-new-iPhone-6.html

CRISP-DM Example 2
3. Data Preparation
• กำหนดแอตทริบิวต์ user_ID ให้เป็นประเภทไอดี (ID) เนื่องจากเป็นหมายเลขสมาชิก
• กำหนดแอตทริบิวต์ eReader_Adoption ให้เป็นประเภทลาเบล (lebel)
124
labelID

CRISP-DM Example 2
4. Modeling
• สร้างโมเดลด้วยเทคนิค Decision Tree ซึ่งจะได้โมเดลที่สามารถเข้าใจได้ง่าย
125

CRISP-DM Example 2
5. Evaluation
• แบ่งข้อมูลเพื่อใช้ในการทดสอบ
6. Deployment
• นำข้อมูลของลูกค้าที่ยังไม่เคยซื้อ eReader รุ่นก่อนมาทำนายด้วย 
โมเดลที่สร้างขึ้น
• ส่งโปรโมชันให้กับลูกค้าในตามช่วงเวลาในแต่ละกลุ่ม
126

References
• Andrew Chisholm, Exploring Data with RapidMiner, November 2013
• Markus Hofmann, Ralf Klinkenberg, RapidMiner: Data Mining Use Cases and
Business Analytics Applications, October 25, 2013
• Foster Provost, Data Science for Business: What you need to know about
data mining and data-analytic thinking, August 19, 2013
• Eakasit Pacharawongsakda, An Introduction to Data Mining Techniques (Thai
version), 2014
127

For more information
• หสม. ดาต้า คิวบ์ (data cube)
• website: http://www.dataminingtrend.com
• facebook: http:facebook.com/datacube.th หรือ http://facebook.com/sit.ake
• email: eakasit@datacube.asia
• lineID: eakasitp
128

My contact
129

Introduction to Data Mining and Big Data Analytics

Recomendados

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados (20)

Semelhante a Introduction to Data Mining and Big Data Analytics

Semelhante a Introduction to Data Mining and Big Data Analytics (20)

Mais de Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

Mais de Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University (9)

Introduction to Data Mining and Big Data Analytics