10 เทคนิคทำ Big data analysis ให้ปัง (ตอนแรก)
การวิเคราะห์ Big Data analysis เป็นเรื่องยากจริงหรือ? 10 เทคนิคทำ Big Data analysis ต่อไปนี้จะทำให้คุณรู้ว่าการวิเคราะห์ข้อมูลแบบ Big Data ให้ปังใครๆก็ทำได้
1. ให้คิดว่างานของคุณก็เหมือนกับการขุดหาสมบัติที่ฝังอยู่
- คุณควรมองกระบวนการวิเคราะห์ข้อมูลให้เหมือนกับว่ากำลังขุดหาสมบัติที่ถูกฝังอยู่
- ในอีกแง่หนึ่ง Data Mining ก็เหมือนกับเหมืองทอง ที่เวลาคุณค้นหาข้อมูลก็เหมือนกำลังขุดหาของมีค่า เพราะกระบวนการนี้บางครั้งก็เป็นสิ่งที่น่าเบื่อไม่ใช่น้อย
- ให้คิดตามสองข้อข้างต้นไว้เสมอเมื่อไหร่ก็ตามที่คุณกำลังเผชิญหน้ากับกับการวิเคราะห์ข้อมูลที่ยุ่งยากและน่าเบื่อ
อย่างไรก็ตามด้วยความพยายามและผสมกับดวงบ้างในบางครั้ง คุณก็จจะเจอข้อมูลเชิงลึกที่มีประโยชน์มากๆที่คุณอาจจะเคยมองข้ามไปหรือยังหาทางใช้ประโยชน์ไม่ได้ในเวลานั้น
2. เก็บข้อมูลให้มากขึ้น
คุณควรเก็บข้อมูลมากขึ้นและมากขึ้นจากนั้นก็ควรจะจัดเก็บข้อมูลนั้นให้ดี ในอีกนัยหนึ่งก็คือไม่ควรโยนทิ้งโยนขว้างข้อมูลที่มีอยู่ แค่เพราะคิดว่าอาจจะไม่มีประโยชน์อะไรแล้ว เพราะข้อมูลนั้นอาจจะมีค่าแบบประเมินไม่ได้ในภายหลัง ใครจะรู้ว่าข้อมูลที่ดูไม่ค่อยมีประโยชน์อะไรในวันนี้อาจจะกลายไปเป็นข้อมูลที่หาไม่ได้อีกแล้วในอนาคต
เพราะคนที่รวยข้อมูลย่อมเป็นคนที่จะมีโอกาสค้นพบสิ่งมีค่าได้มากกว่า
3. สร้างข้อมูลให้มากขึ้นและมากขึ้น
Work to create more data. ลงมือสร้างข้อมูลให้มากขึ้น อาจจะฟังดูไม่เมคเซ้นไปซะหน่อยแต่ในบางกรณีข้อมูลที่มีประโยชน์ก็มาจากการสร้างข้อมูลแบบง่ายๆ อย่างเช่น การทำแบบสำรวจ
และนี่คือตัวอย่าง: หากคุณดำเนินธุรกิจ ลองถามลูกค้าด้วยคำถามง่ายๆ เขาหาบริษัทของคุณเจอได้อย่างไร ผลลัพธ์ของคำถามนี้อาจจะช่วยให้คุณได้ข้อมูลที่จะนำไปสู่การทำการตลาดเชิงลึกก็เป็นได้
คุณอาจจะมีแนวทางอื่นๆที่น่าสนใจในการสร้างข้อมูล ดังนั้นจงทดลองทำซะ
4. ทดลองวิเคราะห์ข้อมูลอย่างสม่ำเสมอ
วิธีการสร้างข้อมูลอย่างการทดลองผ่าน AB testing และการศึกษาข้อมูลต้นแบบสามารถนำไปสู่การได้ผลลัพธ์เป็นข้อมูลที่มีมูลค่ามหาศาลได้อย่างไม่น่าเชื่อ
ตัวอย่างเช่น นักเขียนชื่อดัง Timothy Ferris เจ้าของหนังสือขายดีอย่าง The Four Hour Workweek หรือการทำงาน 4 ชั่วโมงต่อสัปดาห์ ที่ใช้ระบบอัตโนมัติให้ทำงานแทนอย่างการใช้ โฆษณาแบบ pay-per-click เพื่อสร้างโอกาสในการขาย ถือเป็นไอเดียที่ไม่เลวเพราะนอกจากโอกาสในการขายแลล้วคุณจะได้ข้อมูลเป็นกลลุ่มเป้าหมายที่มีความต้องการตรงกับสินค้าของคุณกลับมาด้วย
5. เล่นให้ใหญ่ (ด้วยชุดข้อมูลและตัวอย่างข้อมูล)
หากคุณเคยเรียนสถิติมาตั้งแต่สมัยก่อนที่จะมีสิ่งที่เรียกว่าคอมพิวเตอร์เกิดขึ้นมา และก่อนที่จะมีชุดข้อมูลขนาดใหญ่มโหฬารแบบในปัจจุบันให้ได้วิเคราะห์ นั้นหมายความว่าคุณจะต้องมีความสามารถในการตัดสินใจบนพื้นฐานข้อมูลอันน้อยนิดได้อย่างแน่นอน
แต่ในปัจจุบันการทำแบบนั้นน่าจะไม่ใช่สิ่งที่ดีนัก ทุกวันนี้คุณควรทำงานบนพื้นฐานข้อมูลที่มีขนาดใหญ่ เมื่อมีโอกสให้เล่นใหญ่เข้าไว้ วิเคราะห์ให้ใหญ่ตามขนาดของข้อมูลและกลุ่มตัวอย่าง
Cr. dummies.com, goodvibeblog.com, techdaring.com, systronic.com.br, startlr.com, cliffordtalbot.co.uk, insightanalytics.co.in
