Skip links

รีวิวหนังสือ ‘A Little Book of Big Data and Machine Learning’ กรณีศึกษาจากเรื่องจริง EP2

ใน EP1  ที่ได้เล่าเรื่อง Machine Learning และ Marketing concept กันไปแล้ว เราลองมาดู used case ในอุตสาหกรรมต่างๆกัน ว่านำมาใช้จริงได้อย่างไรบ้าง

อุตสาหกรรม Finance ตัวอย่างเช่น ธนาคารกสิกรไทยเข้าไปถือหุ้นใน Grab เพื่อเข้าถึงข้อมูลของคนขับรถยนต์ในนามการบริการของ Grab ว่ามีประวัติเรื่องรายได้เป็นอย่างไร เท่าไหร่ต่อเดือน เมื่อคนขับรถยนต์คนนี้มาขอสินเชื่อคอนโดกับทางธนาคาร จะเห็นข้อมูลได้ว่าคนๆนี้สามารถผ่อนได้ไหม ซึ่งทั้งหมดนี้วิเคราะห์ได้จาก Data 

อุตสาหกรรม Telecom ผู้ให้บริการด้านสัญญาณโทรศัพท์มือถือ เช่น ทางค่ายมือถือส่งโปรโมชั่นหรือทำการอัปเกรดแพ็กเกจที่ใช้อยู่ในดีขึ้นเพื่อรักษาลูกค้าไว้กับค่ายให้นานขึ้น ทั้งหมดนี้เกิดมาจากข้อมูลในอดีตและนำมาวิเคราะห์ออกมา

อุตสาหกรรม ค้าปลีก ผู้จำหน่ายสินค้า เช่น  Tesco มี club card ให้กับลูกค้าและให้คะแนน แต่จุดประสงค์จริงๆแล้วเพื่อเป็นการเก็บข้อมูล พฤติกรรมการใช้จ่ายของลูกค้าว่า ซื้อสินค้าอะไร ประเภทไหนและบ่อยแค่ไหน และใช้ Customer Segmentation ในการออกแบบโปรโมชั่นสำหรับลูกค้าแต่ละคน หรือเมื่อเราไปตามห้างสรรพสินค้า จะมีข้อความส่งเข้ามาเพื่อแนะนำโปรโมชั่นร้านค้าในสถานที่นั้นเพื่อดึงดูดคนให้เข้ามาซื้อ

อุตสาหกรรมเกษตรกรรม ที่นำข้อมูลของใบแอปเปิลมาพยากรณ์หรือคำนวณ ว่าจะเกิด โรคไหม้ ที่ใบกับต้นแอปเปิล อีกตัวอย่างคือการใช้ภาพถ่ายดาวเทียมวิเคราะห์ที่ดินว่าดีไหม ผลผลิตเป็นอย่างไร เพื่อประกอบในการขอสินเชื่อต่างๆ 

อุตสาหกรรมด้านความบันเทิง อันนี้จะเห็นได้ชัดที่สุด โดยจะมีระบบที่เรียกว่า Recommendation System เช่น Netflix ที่ทุกคนดูอยู่จะมีการแนะนำภาพยนตร์ที่แตกต่างกันไม่เหมือนกันในแต่ละคน เพราะพฤติกรรมในการดูนั้นแตกต่างกันออกไป ซึ่งเกิดมาจากที่มี data เพื่อวิเคราะห์และคาดการณ์ว่าลูกค้าแต่ละคนชอบภาพยนตร์แบบไหน เพื่อแนะนำสิ่งใหม่ๆ

อุตสาหกรรมอสังหาริมทรัพย์ ใช้ข้อมูลเรื่อง location ในการมาวิเคราะห์ว่าพื้นที่ไหนมีประชากรหนาแน่น ในตอนนี้วงการอสังหาริมทรัพย์นิยมใช้กัน คือ Internet of Thing หรือ IoT อุปกรณ์ในบ้านที่สามารถเชื่อมต่ออินเทอร์เน็ตได้ ซึ่งจะได้ข้อมูลที่ลึกมาสามารถรู้ได้ว่ามีคนอยู่ที่บ้านไหม ใช้อะไรบ่อยในบ้าน

.

เพื่อให้ได้การวิเคราะห์ที่ดี ในหนังสือเล่มนี้ มีการวิเคราะห์อยู่ 4 ระดับ

Description เป็นการวิเคราะห์ที่ต้องใช้คน ในการตัดสินใจที่ค่อนข้างเยอะ เช่น การดูข้อมูลในอดีต ดูจำนวณลูกค้า หรือจำนวณคนเข้าเว็บไซต์

Diagnostic ทำไมมันถึงเกิดขึ้น เริ่มใช้คนในการวิเคราะห์น้อยลง ทำไมลูกค้าถึงเข้ามาซื้อเยอะ มีการแบ่งกลุ่มข้อมูล เช่น  Google maps ค้นหาเส้นทางที่ดีที่สุดให้กับเราในการเดินทางไปสถานที่ต่างๆ

Predictive Analysis ใช้ Machine มาช่วย ตัวอย่างจะคล้ายข้อที่ 2 คือ google maps ช่วยคำนวณเวลาในการเดินทางและเส้นทางที่ดีให้กับผู้ใช้งาน

Prescriptive Analysis คือการคาดการณ์ผลลัพธ์ในอนาคตโดยการใช้ Machine Learning มีการประมวลผลในอดีต วิเคราะห์ข้อมูล เพื่อช่วยในการคำนวณ ไปจนถึงการเสนอแนะอีกด้วย เช่น Google maps ที่มีการคำนวณเวลา เส้นทาง รวมไปถึงสามารถรู้ได้ว่ามีอุบัติเหตุหรือรถติดอยู่ในเส้นทาง จะมีการแนะนำเส้นทางอื่นแทนเส้นทางเดิมที่แนะนำมาตอนแรก

Use Case ที่เกิดขึ้นทั้งหมดนี้ จะช่วย guildeline และเป็นแนวทางที่ดีให้คุณทุกคนเข้าใจในเรื่องของ  Machine Learning และ Marketing concept ที่ในอุตสาหกรรมต่างๆ นำมาใช้เก็บข้อมูล และวิเคราะห์เพื่อช่วยในเรื่องของการเพิ่มผู้บริโภคในธุรกิจ ทั้งหมดนี้เป็นส่วนหนึ่งที่เราสามารถพบเห็นกันได้ในโลกของธุรกิจ ลองมองดูรอบตัวคุณสิ อาจมี used case อีกมากมายที่จะทำให้คุณเข้าใจ และเห็นภาพที่ชัดเจนขึ้น

We use cookies to ensure that we give you the best experience on our website You can study the details at Privacy Policy However, you may visit Cookie Settings to provide a controlled consent.

ตั้งค่าความเป็นส่วนตัว

You can choose cookie settings by on/off. Cookies of each type are available on request, except for essential cookies.

ยอมรับทั้งหมด
จัดการความเป็นส่วนตัว
  • Necessary Cookies
    เปิดใช้งานตลอด

    Necessary cookies are absolutely essential for the website to function properly. These cookies ensure basic functionalities and security features of the website, anonymously.

  • Others

    We collect user usage data through the Google Analytics system and Facebook pixel to collect information about the use of the website.

บันทึกการตั้งค่า