หน่วยที่ 4 EP.1: ก้าวแรกสู่วิทยาการข้อมูลและการเก็บรวบรวม

By Admin
4
11 เม.ย. 2569

หน่วยที่ 4 EP.1: ก้าวแรกสู่วิทยาการข้อมูลและการเก็บรวบรวม

เรียนรู้พื้นฐานของวิทยาการข้อมูล (Data Science) ตั้งแต่การทำความรู้จักกับชนิดของข้อมูล (ข้อมูลเชิงปริมาณและคุณภาพ) ทำความเข้าใจกระบวนการทำงานทั้ง 5 ขั้นตอน ได้แก่ การรวบรวม การทำความสะอาด การจัดกระทำ การวิเคราะห์ และการนำเสนอ พร้อมเริ่มต้นเทคนิคการตั้งคำถามและเก็บรวบรวมข้อมูลอย่างเป็นระบบด้วยเครื่องมือยอดฮิตอย่าง Google Forms

📊 หน่วยที่ 4 EP.1: ก้าวแรกสู่วิทยาการข้อมูล

Data Science & Data Collection

ในยุคดิจิทัลที่ทุกอย่างขับเคลื่อนด้วยเทคโนโลยี "ข้อมูล (Data)" เปรียบเสมือนขุมทรัพย์ที่มีค่ามหาศาล แต่ข้อมูลดิบๆ ที่กระจัดกระจายอยู่จะไม่มีประโยชน์เลย หากเราไม่รู้จักวิธีนำมา "ประมวลผล" วันนี้เราจะมาทำความรู้จักกับวิทยาการข้อมูลและการเก็บรวบรวมข้อมูลกันครับ!

📂 1. ชนิดของข้อมูล (Data Types)

ก่อนที่เราจะจัดการข้อมูลได้ เราต้องรู้ก่อนว่าข้อมูลนั้นมีหน้าตาแบบไหน ซึ่งสามารถแบ่งออกได้ 2 แบบหลักๆ คือ:

🔢 ข้อมูลเชิงปริมาณ (Quantitative Data)

ข้อมูลที่เป็น "ตัวเลข" สามารถนำมาบวกลบคูณหาร หรือเปรียบเทียบขนาดได้ชัดเจน เช่น อายุ, น้ำหนัก, ส่วนสูง, ยอดขาย, คะแนนสอบ

📝 ข้อมูลเชิงคุณภาพ (Qualitative Data)

ข้อมูลที่เป็น "ลักษณะหรือความรู้สึก" ไม่สามารถนำมาคำนวณทางคณิตศาสตร์ได้โดยตรง เช่น เพศ, สีที่ชอบ, ความคิดเห็น, ระดับความพึงพอใจ

💡 รู้หรือไม่? หากแบ่งตาม "วิธีการเก็บรวบรวม" ข้อมูลที่เราไปเดินสอบถาม สังเกต หรือจดบันทึกมาด้วยตัวเองเรียกว่า ข้อมูลปฐมภูมิ (Primary Data) ส่วนข้อมูลที่เราไปค้นหามาจากอินเทอร์เน็ตที่คนอื่นรวบรวมไว้แล้ว เรียกว่า ข้อมูลทุติยภูมิ (Secondary Data)

⚙️ 2. กระบวนการวิทยาการข้อมูล (Data Science)

วิทยาการข้อมูล คือการนำข้อมูลมาศึกษา วิเคราะห์ เพื่อให้เกิดความหมายและนำไปใช้ประโยชน์ได้ โดยมี 5 ขั้นตอนสำคัญ ดังนี้:

Capture (การรวบรวมข้อมูล): การเก็บข้อมูลจากแหล่งต่างๆ ด้วยเครื่องมือที่เหมาะสม
Cleansing (การทำความสะอาดข้อมูล): การคัดกรองข้อมูลที่ผิดพลาด ไม่สมบูรณ์ หรือไม่เกี่ยวข้องออกไป เพื่อให้ข้อมูลพร้อมใช้งานที่สุด
Process (การจัดกระทำข้อมูล): การนำข้อมูลมาแปลงสภาพให้อยู่ในรูปแบบที่พร้อมวิเคราะห์ เช่น ทำเป็นตาราง
Analyze (การวิเคราะห์ข้อมูล): การใช้สูตรคณิตศาสตร์หรือเครื่องมือทางสถิติเพื่อหาคำตอบจากข้อมูล
Communicate (การนำเสนอข้อมูล): การสื่อสารผลลัพธ์ออกมาเป็นกราฟ แผนภูมิ หรือภาพที่เข้าใจง่าย

📋 3. การรวบรวมข้อมูลด้วย Google Forms

การจะเริ่มกระบวนการ Data Science ได้ เราต้องมี "ข้อมูล" ก่อน! ซึ่งเครื่องมือที่ทรงประสิทธิภาพ ใช้งานง่าย และได้รับความนิยมสูงสุดในการสร้างแบบสอบถามออนไลน์ก็คือ Google Forms

ตั้งคำถามให้ปัง: คำถามที่ดีต้อง สอดคล้องกับประเด็น (Relevant), มีความชัดเจนเรียบง่าย (Clear and Simple), และจัดการข้อมูลได้ง่าย (Manageable)
ข้อดีของ Google Forms: ฟรี, ใช้งานผ่านระบบคลาวด์ (Cloud), แชร์ลิงก์ให้คนตอบได้ทันที, และที่สำคัญคือ ข้อมูลที่คนตอบจะถูกนำไปจัดเรียงเป็นตารางใน Google Sheets โดยอัตโนมัติ!