Dashboard ขึ้นไม่ยากแต่การจัดการข้อมูลก่อนเข้า Dashboard ต่างหากที่ยาก

ความเดิมตอนที่แล้ว Coraline ได้นำเสนอบทความ "เมื่อผู้บริหารสนใจแต่ Dashboard " (อ่านได้ที่ >>> https://www.facebook.com/coralineltd/posts/1046675215831294) มีคำถามจากหลายท่านว่าแล้วการสร้าง Dashboard มันยากตรงไหน คำตอบคือ การสร้าง Dashboard ไม่ยากแต่การจัดการกับข้อมูลโดยเฉพาะข้อมูล Big Data ก่อนเข้า Dashboard ต่างหากที่ยาก หากเป็นข้อมูลที่มาจากแหล่งเดียว การเข้า Dashboard ก็จะเป็นรูปแบบโครงสร้างเดียว (อันนี้ไม่ถือว่าเป็น Big Data เพราะไม่ตอบโจทย์ใน V ที่ 3 คือ Variety) แต่ถ้าเป็นข้อมูลที่มาจากหลาย Source ที่ก่อนหน้านี้ไม่ได้นำมาเชื่อมโยงกันหรือจัดโครงสร้างแต่แรก การนำข้อมูลจากหลาย Source มาขึ้น Dashboard เป็นการทำงานที่ต้องใช้ Skill ในการบริหารจัดการข้อมูลก่อนเข้า Dashboard ตัวอย่างที่เห็นภาพกันได้ง่าย เช่นรูปแบบของวันที่ในแต่ละชุดข้อมูล อาจจะเป็น วัน/ตัวเลขเดือน/ปี พ.ศ. ในขณะที่อีกระบบเก็บเป็นรูปแบบ วัน/ตัวอักษรย่อเดือน/ปี ค.ศ. ก็ได้ ซึ่งจำเป็นต้องจัดการก่อนที่จะนำเข้า Dashboard มิฉะนั้นโปรแกรมที่ใช้สร้าง Dashboard จะไม่เข้าใจว่านี้คือข้อมูลที่สะท้อนความเป็น Date เหมือนกัน การแก้ปัญหาเรื่องโครงสร้างควรทำนอก BI โดยเฉพาะเมื่อชุดข้อมูลเป็นข้อมูลขนาดใหญ่ โดยกระบวนการนำข้อมูลมาจัดโครงสร้าง (Transform) วิเคราะห์ (Analysis) และสร้างการมองเห็นของข้อมูลเป็น Data Visualization ทั้ง 3 กระบวนการนี้ เรียกว่า Exploratory Data Analysis (EDA) โดยที่ผลลัพธ์ของการทำ EDA จะเป็น Dashboard ที่พร้อมใช้ เพียงแต่กระบวนการ Transform และ Analysis จะเกิดขึ้นนอกโปรแกรม BI นอกจากนี้การ Cleansing Data ก็ถือเป็นกระบวนการที่จำเป็นต้องทำก่อนที่จะนำข้อมูลไปขึ้น Dashboard ด้วยเช่นกัน ไม่ว่าจะเป็นการ Clean ในเชิงโครงสร้างและการ Clean ในเชิง Business การใช้งาน ณ ตอนที่จะซื้อโปรแกรม BI บริษัทที่ขาย BI มักจะมี Sale Executive เข้ามาฝึกการใช้ BI โดยมีชุดข้อมูลที่ตั้งต้นเอาไว้ให้ลองเล่น ซึ่งชุดข้อมูลเหล่านั้นผ่านกระบวนการจัดการเอาไว้เรียบร้อยแล้ว ซึ่งในความเป็นจริงการเตรียมข้อมูลให้สามารถแสดงผลใน BI ได้เป็นหน้าที่ของคนเตรียมข้อมูล ที่ต้องประสานกันระหว่างเจ้าของข้อมูลและคนที่ขึ้น BI คำถามต่อมาคือแล้วจะรู้ได้อย่างไรว่าเมื่อไหร่ควรจ้าง Expert หรือทำเองได้? คำตอบคือ ถ้าคุณมี Data Engineer อยู่แล้ว คุณสามารถทำเองได้โดยมี BI Developer เป็นคนบอกรายละเอียดข้อมูลที่ต้องการเพื่อให้ Data Engineer สร้าง Data Pipeline ให้ แต่ถ้าคุณไม่มีการจ้าง Expert ก็อาจจะตอบโจทย์มากกว่าโดยเฉพาะกับองค์กรที่ไม่ได้มี Core Business ในด้านเทคโนโลยี แม้ Dashboard จะเป็นอะไรที่จับต้องได้ง่ายแต่ถ้าเป็นข้อมูลขนาดใหญ่และมีความซับซ้อน มันก็ไม่ง่ายเลยที่จะเชื่อมข้อมูลเพื่อให้เกิดเป็น Dashboard ที่ดีได้ #BigData #DataScience #Optimization #ProductivityImprovement #DigitalTransformation #MachineLearning #ArtificialIntelligence #DataManangement #DataGovernance #DataQuality #DeepLearning #Coraline

Dashboard ขึ้นไม่ยากแต่การจัดการข้อมูลก่อนเข้า Dashboard ต่างหากที่ยาก

ความเดิมตอนที่แล้ว Coraline ได้นำเสนอบทความ "เมื่อผู้บริหารสนใจแต่ Dashboard " (อ่านได้ที่ >>> https://www.facebook.com/coralineltd/posts...