ศาสตร์ที่เกี่ยวข้องกับ Business Intelligence (ความฉลาดทางธุรกิจ)

  ติดต่อ

  Business Intelligence (ความฉลาดทางธุรกิจ) เกิดขึ้นมาจากศาสตร์ความรู้ด้านต่างๆ หลายด้านผสมกัน เพราะโลกยุคใหม่เป็นยุคของข้อมูลข่าวสาร และเป็นความรู้แบบสหวิทยาการ ที่ผู้บริหารต้องมีความรู้หลายๆด้าน  
Business Intelligence (ความฉลาดทางธุรกิจ) เกิดขึ้นมาจากศาสตร์ความรู้ด้านต่างๆ หลายด้านผสมกัน เพราะโลกยุคใหม่เป็นยุคของข้อมูลข่าวสาร และเป็นความรู้แบบสหวิทยาการ ที่ผู้บริหารต้องมีความรู้หลายๆด้าน ในการวิเคราะห์ และวางแผนกลยุทธขององค์กรให้สามารถแข่งขันในตลาด และคู่แข่งทางธุรกิจได้แบบมีประสิทธิภาพยิ่งขึ้น อีกทั้งในโลกของความเป็นจริง มีปัจจัย (ตัวแปร) ที่มีผลต่อธุรกิจมากมาย จึงควรต้องใช้เทคนิคขั้นสูง เพื่อช่วยแก้ปัญหา หรือหาความสัมพันธ์ที่ซ่อนอยู่ในข้อมูลเหล่านั้น

ศาสตร์ที่เกี่ยวข้องกับ Business Intelligence ได้แก่
  • บริหารธุรกิจ เช่น การจัดการ การเงิน การตลาด
  • เศรษฐศาสตร์
  • คอมพิวเตอร์และเทคโนโลยีสารสนเทศ
  • คณิตศาสตร์
  • สถิติ
และเทคนิคต่างๆ ที่มักใช้ในการวิเคราะห์ของ BI ผมขอแบ่งเป็น 2 เทคนิคใหญ่ๆ คือ
  1. Nemerical Method / Operations Research (การวิเคราะห์และคำนวณด้วยคณิตศาสตร์)
  2. Data Mining (การหาความสัมพันธ์ที่ซ่อนอยู่ของข้อมูล)
Numerical Method / Operations Research
เป็นวิธีการแปลงโจทย์ หรือสถานการณ์จริง ให้อยู่ในรูปกฎและความสัมพันธ์แบบสมการคณิตศาสตร์ และแก้สมการหาคำตอบ ซึ่งรวมไปถึงวิธีการ Trial & Error ด้วย เพราะบางรูปแบบ ไม่สามารถแก้สมการด้วยวิธีปกติได้ อนึ่ง การแก้ปัญหาทางคณิตศาสตร์นี้ อาจไม่ต้องการข้อมูลจำนวนมากก็ได้ เพราะเน้นที่ความสัมพันธ์ของตัวแปรต่างๆมากกว่า
Data Mining
เป็นการหาความสัมพันธ์ หรือสร้างกฎของความสัมพันธ์จากข้อมูลปริมาณมาก เพื่อเพิ่มความน่าเชื่อถือ และความถูกต้องของการสร้างกฎของความสัมพันธ์มากขึ้น ส่วนใหญ่จะใช้เทคนิคของการคำนวณสถิติ หรือ แบบสถิติผสมกับวิธีของวิศวกรรมคอมพิวเตอร์ เช่น AI (Artificial Intelligence) ช่วยในการสร้างกฎ หากมีตัวแปรจำนวนมาก หรือมีตัวแปรที่ไม่สามารถวัดเป็นปริมาณได้ พวกนี้ทางสถิติจะคำนวณลำบาก หรือไม่ได้เลย แต่ AI สามารถหาความสัมพันธ์ของตัวแปรทุกรูปแบบได้ ไม่ว่าจะวัดเป็นตัวเลขได้หรือไม่ (ต้องใช้ข้อมูลปริมาณมาก)
ตัวอย่างเทคนิคของ Data Mining ที่นิยมใช้แก้ปัญหา และสร้างกฎความสัมพันธ์ของข้อมูลที่ซ่อนอยู่ ยกตัวอย่างเช่น
  • Association Rules
  • Bayesian
  • Clustering
  • Cross Table
  • Decision Tree
  • Deviation Detection
  • Drill-down Analysis
  • Hotspot Analysis
  • Link Analysis
  • Neural Network
  • Predictive Modeling
  • Profiling
  • Self Organizing Maps
  • Web Mining

บันทึกนี้เขียนที่ GotoKnow โดย 

หมายเลขบันทึก: 45041, เขียน: , แก้ไข, , สัญญาอนุญาต: สงวนสิทธิ์ทุกประการ, ความเห็น: 5, อ่าน: คลิก

คำสำคัญ (Tags) #computer#it#ai#intelligence#business-intelligence#business-informatics#data-mining#bi#data-warehouse#data-warehousing

บันทึกล่าสุด 

ความเห็น (5)

rhutairat
IP: xxx.148.239.204
เขียนเมื่อ 

อยากรู้ข้อมูลเกี่ยวกับ Business Objects ค่ะ

เสริมความเข้าใจอีกนิดนะครับ.. BI Software ในท้องตลาดของโลกทุกวันนี้ ไม่ใช่ว่าสามารถทำ Data Mining ได้ทุกค่ายนะครับ ทำให้เรายังไม่สามารถวางแผนกลยุทธ์ทางธุรกิจได้เท่าที่ควรจะเป็น ดังนั้น การพิจารณาซื้อ Data Mining Software เป็นทางเลือกที่น่าสนใจมาก เพราะมันจะช่วยวิเคราะห์ข้อมูลได้ลึก แสดงความสัมพันธ์ และทำนายอนาคตธุรกิจได้หลายแบบด้วยครับ หวังว่าหลายคน คงไม่หลงไปกับ BI และคิดว่าเป็นยาวิเศษเกินไปนะครับ มันแค่เป็นจุดเริ่มต้นในการพัฒนา MIS ยุคใหม่เท่านั้นเองครับ
burn
IP: xxx.8.4.12
เขียนเมื่อ 

อืมผมอยากจะทราบว่า เราจะมีวิธีการนำเสนอ BI กับผู้บริหารยังไงดีครับ ถึงจะให้ผู้บริหารของเรามีความสนใจ ในตัว BI อันนี้อ่ะครับ สมมติว่า ผมทำงานเกี่ยวกับหลักทรัพย์อ่ะครับ เราจะต้องกล่าวถึงอะไรก่อนอะไรหลังอ่ะครับ แล้วเราจำเป็นต้องยกตัวอย่างอะไรมาด้วยหรือเปล่าครับ

mo
IP: xxx.8.136.185
เขียนเมื่อ 

อาจารย์ครับ เมื่อวันอาทิตย์อาจารย์สอนการวิเคราะห์ข้อมูลโดยการใช้โปรแกรมที่ม.รามครับ ผมไม่เข้าเข้าใจเกี่ยวกับการคีย์ข้อมูลของคับถัดไปเมื่อคอมฯได้ทำการประมวลผลเเล้ว เช่นสมมติว่าเราเป็นผู้จัดการฝ่ายสินเชื่อประปล่อยเงินให้คนที่ถัดจากคอมฯประมวลผลเเล้วว่าเสี่ยงมากเสี่ยงน้อยเท่าไร่ในการปล่อยกู้จะต้องคีย์อย่างไรครับอาจารย์ตอบด้วยนะครับ

วันนั้นผมสาธิตการใช้ Artificial Neural Networks 2 โปรแกรม เพื่อเรียนรู้พฤติกรรมของลูกค้าธนาคารเพื่อทำความเข้าใจกฏของลูกค้าที่มีความเสี่ยงสูงและต่ำ เพื่อทำนายลูกค้าใหม่ว่าน่าจะมีความเสี่ยงในการปล่อยกู้ระดับไหน

ผมเดาว่าคงเป็นตัว Excel เพราะคงเอาไปลองเล่นกันแล้วใช่ไหมครับ ถ้า Create Network ให้มันเรียนรู้แล้วตัวแปรต้น (input) และตัวแปรตาม (target) แล้ว ถ้าอยากจะให้มันเอากฏนั้นไปทำนาย ก็ให้ลองดูตัวอย่างที่ worksheet ที่ชื่อว่า Forecast ได้เลยครับ ใส่ข้อมูลลูกค้าใหม่เข้าไป โดยต้องเรียงลำดับตัวแปรให้เหมือนเดิม และมีค่า (value) ที่มันเคยเรียนรู้ แล้วใช้คำสั่ง Forecast ที่ขอบบนใต้คำสั่ง Create Network ได้เลยครับ ผมจะทำนายผลลัพธ์ออกมาทางขวามือให้เองครับ

ลองดูนะครับ ;)