งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

1 Data Knowledge Information Wisdom Process & Transform Collection of all Information Correct use of Knowledge ข้อมูลใน DSS Data Management (การจัดการข้อมูล)

งานนำเสนอที่คล้ายกัน


งานนำเสนอเรื่อง: "1 Data Knowledge Information Wisdom Process & Transform Collection of all Information Correct use of Knowledge ข้อมูลใน DSS Data Management (การจัดการข้อมูล)"— ใบสำเนางานนำเสนอ:

1 1 Data Knowledge Information Wisdom Process & Transform Collection of all Information Correct use of Knowledge ข้อมูลใน DSS Data Management (การจัดการข้อมูล) 1

2 0 ข้อมูลส่วนบุคคล ระบบย่อย 1 = DSS DB 2 = DBMS 3 = DD 4 = query facility system แหล่งข้อมูลภายนอก แหล่งข้อมูลภายในองค์การ การจัดการบทสนทนา การจัดการแบบจำลอง การจัดการความรู้ 0 = การรวบรวมและ ปรับปรุงข้อมูล ภาพแสดงการจัดการข้อมูล (DM) ใน DSS 2

3 1. GIGO: Garbage In Garbage Out 2. แนวทางพิจารณาเพื่อการเก็บรวบรวมข้อมูล 3. การนำข้อมูลเข้าสู่ DSS GIGO: Garbage In Garbage Out แนวทางการรวบรวมและนำข้อมูลเข้าสู่ DSS (1/3) 3

4 ความเกี่ยวข้องกับการปฏิบัติงาน การเตรียมการ รูปแบบและความเหมาะสม การเก็บและการเรียกใช้ ค่าใช้จ่ายที่เกิดขึ้น แนวทางพิจารณาเพื่อการเก็บรวบรวมข้อมูล แนวทางการรวบรวมและนำข้อมูลเข้าสู่ DSS (2/3) 4

5 Automatic: Direct and By Media Rearrangement Be careful in Correct/Time/Purpose/Quantity การนำข้อมูลเข้าสู่ DSS ทำได้ 2 รูปแบบ แนวทางการรวบรวมและนำข้อมูลเข้าสู่ DSS (3/3) 5

6 Cust_IDCust_Name 001 คุณช่างสี 002 คุณยายปั้น Prod_IDProd_Name A1ตะปู A2ปูน A3สี B1จอบ Cust_IDProd_IDQuantity 001A A A A A B110 Customer Product Order ฐานข้อมูลเชิงสัมพันธ์ (Relational Database) 6

7 Customer Attribute: Cust_ID Cust_Name Methods: Print(); getName(); Cust_ID = 001 Cust_Name = ช่างสี Cust_ID = 002 Cust_Name = ยายปั้น ฐานข้อมูลเชิงวัตถุ (Object-Oriented Database) 7

8 ฐานข้อมูลแบบรวมศูนย์ DB ที่การประมวลผลและจัดเก็บข้อมูลถูกกระทำบน เครื่องคอมพิวเตอร์ที่เป็นศูนย์กลางเพียงตัวเดียว ผู้ใช้สามารถเข้าถึงฐานข้อมูลได้โดยผ่านทาง จอภาพ (terminal) ที่ติดต่อโดยตรงหรือผ่านทางสายสื่อสาร ข้อดี - ความปลอดภัยของข้อมูล - ประหยัดทรัพยากรบุคคล ข้อจำกัด - ต้นทุนสูง (อุปกรณ์ & การบำรุงรักษา) - ต้องมีเจ้าหน้าที่ที่มีความชำนาญ 8

9 ฐานข้อมูลแบบกระจายศูนย์ DB ที่การประมวลผลและจัดเก็บข้อมูลสามารถแบ่งออก เป็นส่วนๆ ให้ทำงานบนเครื่องคอมพิวเตอร์หลายเครื่อง ที่อยู่ภายใต้ระบบเครือข่ายเดียวกันได้ ข้อดี สามารถกระจายการประมวลผลของข้อมูลได้ เข้าถึงข้อมูลเร็ว ลดความเสี่ยงกรณีเกิด ความล้มเหลวของระบบ ข้อจำกัด - ยุ่งยากในการจัดการและควบคุมข้อมูล - ความปลอดภัยน้อยกว่า เพราะข้อมูล กระจายอยู่หลายที่ 9

10 ฐานข้อมูลแม่ข่ายลูกข่าย  ถูกพัฒนาขึ้นเพื่อวัตถุประสงค์ในการลดขนาดของระบบ การประมวลผลให้มีขนาดเล็กลง แต่มีประสิทธิภาพมาก ยิ่งขึ้น  แบ่งการจัดการข้อมูลเป็น 2 ส่วน: เครื่องที่เป็นลูกข่าย และเครื่องที่เป็นแม่ข่าย ข้อดี - ลดจำนวนการจราจรของข้อมูลในเครือข่าย - การรักษาความถูกต้องของข้อมูล ทำได้โดย RDBMS ข้อจำกัด - รองรับผู้ใช้ได้ไม่ทั่วถึง - ค่าใช้จ่ายในการดูแลเครื่องแม่ข่าย 10

11 หลักการหรือวิธีการเพื่อการรวมระบบสารสนเทศเพื่อการ ประมวลผลรายการข้อมูลที่เกิดขึ้นในแต่ละวันในแต่ละสายงาน มารวมเป็นหน่วยเดียวกัน เพื่อสนับสนุนกระบวนการตัดสินใจ ของผู้ตัดสินใจให้มีประสิทธิภาพมากยิ่งขึ้น ความหมายของคลังข้อมูล คลังข้อมูล (Data Warehouse) 11

12 Subject-Oriented : ข้อมูลถูกจัดเก็บตามประเด็นหลักขององค์กร เช่น ข้อมูลลูกค้า สินค้า และยอดขาย เป็นต้น Integrated : รวบรวมและจัดรูปแบบข้อมูลให้อยู่ในรูปแบบเดียวกัน และสร้าง ความสอดคล้องให้กับข้อมูลก่อนที่จะนำเสนอแก่ผู้ใช้ Time-Variant : ข้อมูลที่จัดเก็บในคลังข้อมูลส่วนใหญ่จะเป็นข้อมูลในอดีตที่ผ่าน มาแล้ว 5-10 ปีทำให้เราสามารถเห็นแนวโน้มของข้อมูลได้ Non-Volatile : ข้อมูลที่จัดเก็บภายในคลังข้อมูล จะไม่ถูกแก้ไข แต่จะถูกเพิ่ม ข้อมูลใหม่ต่อท้าย โดยไม่ทำการแทนที่ข้อมูลเดิม คุณลักษณะของคลังข้อมูล 12

13 Data Acquisition System Data Staging Area Data Warehouse Database Data Provisioning Area Data Metadata Repository Metadata Data Metadata Data Terminal สถาปัตยกรรมของคลังข้อมูล (1/2) 13

14 Data Acquisition System : ทำหน้าที่รับข้อมูลจากภายใน/นอกองค์กร Data Staging Area : ทำหน้าที่ Cleansing & Filtering ตรวจสอบความถูกต้องในเบื้องต้น Data Warehouse Database : บันทึกข้อมูลต่าง ๆ ที่จำเป็นสำหรับองค์กร Data Provisioning Area หรือ Data Mart : เหมือน Data Warehouse Database แต่ขอบเขตเนื้อหาข้อมูลจะ แคบกว่า คือ เพื่อกลุ่มงานใดกลุ่มงานหนึ่ง End Users Terminal : นำเสนอผลลัพธ์ออกจากหน้าจอ เช่น Simple Reporting Tools, Multi-Dimensional Tools หรือ Data Mining Tools ก็ได้ Metadata Repository : เป็นพื้นที่สำหรับเก็บข้อมูลต่าง ๆ ที่จำเป็นสำหรับควบคุมการทำงาน และควบคุมข้อมูลในคลังข้อมูล สถาปัตยกรรมของคลังข้อมูล (2/2) 14

15 Query and Report Multidimensional Data Analysis Data Mining ความยุ่งยากมีน้อย ใช้ปริมาณข้อมูลน้อย ใช้เวลาในการประมวลผลหรือ เตรียมข้อมูลน้อย มีเครื่องมือช่วยในการ สร้างมากมาย ความยุ่งยากมีมาก ใช้ปริมาณข้อมูลมาก ใช้เวลาในการประมวลผลหรือ เตรียมข้อมูลมาก มีเครื่องมือช่วยในการ สร้างน้อย การวิเคราะห์ข้อมูลในคลังข้อมูล (1/2) 15

16 OLAP Generator Data Warehouse แหล่งข้อมูลเพื่อ การปฏิบัติงาน แหล่งข้อมูลเพื่อ การวิเคราะห์ Report Generator Data Mining Tools รายงาน ข้อมูล ผล การใช้งาน คลังข้อมูลช่วงเวลาที่องค์กรไม่ได้ปฏิบัติงานช่วงเวลาที่องค์กรปฏิบัติงาน ผู้ใช้งาน การวิเคราะห์ข้อมูลในคลังข้อมูล (2/2) 16

17 กระบวนการประมวลผลข้อมูลทางคอมพิวเตอร์ ที่ช่วยให้ผู้ใช้ สามารถวิเคราะห์ในมิติต่าง ๆ (Multidimensional Data Analysis) ของข้อมูลได้ง่ายขึ้น เช่น ผู้ใช้ต้องการเปรียบเทียบข้อมูล ยอดการขายบะหมี่กึ่งสำเร็จรูปในเดือนมีนาคม เทียบกับเดือน กันยายน และเทียบกับสินค้าอื่น ๆ ในช่วงเวลาเดียวกัน OLAP : ความหมายของ OLAP 17

18 ฐานข้อมูลที่ใช้ในการจัดการและจัดเก็บข้อมูลให้สามารถ แสดงผลข้อมูลในมิติต่าง ๆ ได้ ซึ่งเป็นการพัฒนาต่อมาจาก ฐานข้อมูลเชิงสัมพันธ์ให้มีความสามารถมากยิ่งขึ้น เพื่อรองรับการ ประมวลผลเชิงวิเคราะห์ Multidimensional Database (1/4) 18

19 จังหวัดไตรมาสยอดขาย กรุงเทพฯ1750,000 กรุงเทพฯ2800,000 กรุงเทพฯ3825,000 กรุงเทพฯ4680,000 กรุงเทพฯเชียงใหม่ 1750,000550, ,000600, ,000650, ,000500,000 จังหวัดไตรมาสยอดขาย เชียงใหม่1550,000 เชียงใหม่2600,000 เชียงใหม่3650,000 เชียงใหม่4500,000 ไตรมาส จังหวัด Multidimensional Database (2/4) 19

20 สินค้าจังหวัดไตรมาสยอดขาย มือถือกทม.1750,000 บัตรเดิมเงินกทม.1350,000 มือถือกทม.2800,000 บัตรเดิมเงินกทม.2300,000 มือถือกทม.3825,000 บัตรเดิมเงินกทม.3280,000 มือถือกทม.4680,000 บัตรเดิมเงินกทม.4380,000 สินค้าจังหวัดไตรมาสยอดขาย มือถือชม.1550,000 บัตรเดิมเงินชม.1250,000 มือถือชม.2600,000 บัตรเดิมเงินชม.2200,000 มือถือชม.3650,000 บัตรเดิมเงินชม.3260,000 มือถือชม.4500,000 บัตรเดิมเงินชม.4325, Multidimensional Database (3/4)

21 250, , , , , , , ,000 ชม. จังหวัด ไตรมาส มือถือ บัตรเติมเงิน สินค้า 550,000600,000650, ,000800,000825, , ,000 กทม. มือถือ บัตรเติมเงิน 21 Multidimensional Database (4/4)

22 Roll up และ Drill Down – Roll up เป็นกระบวนการเปลี่ยนแปลงระดับความละเอียดของ การพิจารณาข้อมูล จากส่วนของรายละเอียดมาก จนมาเป็นข้อมูล สรุป –Drill Down เป็นกระบวนการเปลี่ยนแปลงระดับความละเอียดของ การพิจารณาข้อมูล จากข้อมูลสรุป จนมาเป็นข้อมูลในส่วน รายละเอียด Slice and Dice – Slice เป็นการเลือกพิจารณาผลลัพธ์บางส่วนที่เราสนใจ โดยการ เลือกเฉพาะค่าที่ถูกกำกับด้วยข้อมูลบางค่าของแต่ละมิติ –Dice เป็นกระบวนการพลิกแกนหรือมิติข้อมูล ให้มุมมองที่ต่าง ออกไป OLAP : การดำเนินการกับ OLAP 22

23 Roll up และ Drill Down (1/2) RegionSum North61,000 South41,500 Product TypeGlossaryMisc. Region North55,0006,000 South31,00010,500 Product TypeGlossaryMisc. RegionShop NorthABC30,000 NorthPlatter25,0006,000 SouthFive Mart31,00010,500 Roll up Drill Down Region Region-Product Type Region-Shop-Product Type 23

24 Product TypeGlossaryMisc. RegionShop NorthABC30,000 NorthPlatter25,0006,000 SouthFive Mart31,00010,500 Product TypeGlossary Misc. ProductFishMeatPorkMedicinePencil RegionShop NorthABC10,00020,000 NorthPlatter25,0006,000 SouthFive Mart8,00023,00010, Roll upDrill Down Region-Shop-Product Type Region-Shop-Product Type-Product Type 24 Roll up และ Drill Down (2/2)

25 25 10,0008,00023,00010, ,00025,0006,000 10,00020,00010,000 ABC Platter Five Mart North South Source Cube FishMeatPorkMed.Pencil GlossaryMisc. 10,0008,00023,00010, ,00025,0006,000 10,00020,00010,000 ABC Platter Five Mart North South Slice FishMeatPorkMed.Pencil GlossaryMisc. 10,0008,00023,000 10,00025,000 10,00020,00010,000 ABC Platter Five Mart North South Slice FishMeatPork Glossary Slice: (1/2) 25

26 Product TypeGlossary Misc. ProductFishMeatPorkMedicinePencil RegionShop NorthABC10,00020,000 NorthPlatter25,0006,000 SouthFive Mart8,00023,00010, Product TypeGlossary ProductFishMeatPork RegionShop NorthABC10,00020,000 NorthPlatter25,000 SouthFive Mart8,00023,000 Slice:-Glossary 26 Slice: (2/2)

27 Shop Product Type Date Product Type Shop Date Dice: (1/2) 27

28 Product TypeGlossaryMisc. Shop ABC30,000 Platter25,0006,000 Five Mart31,00010,500 Product TypeGlossaryMisc. Date 6/07/200443,00010,000 7/07/200443,0006,500 Shop-Product Type Date-Product Type Dice: (2/2) 28

29 ช่วยในการวิเคราะห์เปรียบเทียบข้อมูลในมุมต่าง ๆ ทำให้การ ตัดสินใจมีประสิทธิภาพมากขึ้น ผู้ใช้แต่ละคนสามารถสร้างมุมมองข้อมูลของตนเองได้ เพื่อ นำไปใช้ในงานเฉพาะด้าน มีความรวดเร็วในการสอบถามข้อมูล แม้ในฐานข้อมูลขนาดใหญ่ และมีความซับซ้อนมาก ทำให้ได้รับข้อมูลมุมมองใหม่ ๆ สำหรับประกอบการตัดสินใจ OLAP : ประโยชน์ของ OLAP 29

30 เหมืองข้อมูล (Data Mining) การวิเคราะห์ข้อมูล เพื่อแยกประเภท จำแนกรูปแบบและความสัมพันธ์ของ ข้อมูลจากฐานข้อมูลขนาดใหญ่หรือคลังข้อมูล และนำสารสนเทศที่ได้ไปใช้ในการ ตัดสินใจธุรกิจ ดังนั้นผู้ที่ไม่มีความเชี่ยวชาญด้านการเขียนโปรแกรมคอมพิวเตอร์ ก็ สามารถค้นหาข้อมูลต่าง ๆ ได้อย่างรวดเร็ว การวิเคราะห์ข้อมูลโดยใช้เทคนิคบางประการเพื่อค้นหาข้อมูลที่ถูกซ่อนอยู่ จำแนกและเชื่อมโยงความสัมพันธ์ของข้อมูลเหล่านั้นจากคลังข้อมูล ทำให้ค้นพบ รูปแบบความสัมพันธ์ที่ไม่เคยมีมาก่อนจนกลายเป็นการค้นพบองค์ความรู้ใหม่ (Knowledge Discovery) ซึ่งเป็นวัตถุประสงค์หลักของการทำเหมืองข้อมูล ซึ่ง องค์ความรู้ใหม่ที่ได้อาจรวมถึงกฎ (Rules) บางอย่างเพื่อใช้เป็นแนวทางในการ ตัดสินใจ และประเมินผลลัพธ์การตัดสินใจได้ 30

31 31 3 / 31 การแสดงผลข้อมูลแบบกราฟิก ฝ่ายขาย สรุปยอดขายไตรมาสที่ 1 ( หน่วย : พัน บาท ) ตัวแทน ยอดการ ขาย ภาคเหนือ 35% ภาค ตะวันออกเฉียงเหนือ 26% ภาคกลาง 22% ภาคใต้ 17% การแสดงผลข้อมูลในระบบสนับสนุนการตัดสินใจ 31

32 สินค้า ประเทศข้อมูลตู้เย็นโทรทัศน์วิทยุผลรวมทั้งหมด ไทย ยอดขายปีนี้ 43,000, ,000, ,000, ,000, ประมาณการณ์ยอดขายปีหน้า 51,600, ,600, ,000, ,200, ฟิลิปปินส์ ยอดขายปีนี้ 47,000, ,000, ,000, ,000, ประมาณการณ์ยอดขายปีหน้า 56,400, ,000, ,600, ,000, มาเลเซีย ยอดขายปีนี้ 36,000, ,000, ,000, ,000, ประมาณการณ์ยอดขายปีหน้า 43,200, ,600, ,600, ,400, สิงคโปร์ ยอดขายปีนี้ 51,000, , ,000, ,000, ประมาณการณ์ยอดขายปีหน้า 61,200, ,400, ,400, ,000, รวม ยอดขายปีนี้ 177,000, ,000, ,000, ,000, ประมาณการณ์ยอดขายปีหน้า 212,400, ,600, ,600, ,000, การแสดงผลข้อมูลแบบหลายมิติ 32

33 หมายถึง สิ่งที่สร้างขึ้นเพื่อจำลองสภาพความเป็นจริง ใช้ประโยชน์เพื่อการศึกษาหรือวิเคราะห์ในสิ่งที่สนใจ ก่อนที่จะนำผลการศึกษาวิเคราะห์ไปดำเนินการปฏิบัติ ความหมายของแบบจำลอง 33 การจัดการแบบจำลอง : Model Management

34  วิเคราะห์และกำหนดปัญหา  เก็บข้อมูล  สร้างแบบจำลอง  หาคำตอบจากแบบจำลอง  วิเคราะห์คำตอบ  นำคำตอบไปปฏิบัติ การจัดการแบบจำลอง : Model Management กระบวนการสร้างแบบจำลอง 34

35 กระบวนการตัดสินใจ AHP (Analytical Hierarchy Process) ใช้ในการตัดสินใจที่เน้นการวินิจฉัยหาเหตุผล มีขั้นตอนของกระบวนการตัดสินใจที่มีเหตุผลเป็น 6 ขั้นตอน ดังนี้ –ให้คำจำกัดความประเด็นของปัญหา –กำหนดเกณฑ์ หรือปัจจัยในการตัดสินใจ –วินิจฉัย เปรียบเทียบเกณฑ์ หรือปัจจัยที่ใช้ในการตัดสินใจ –กำหนดทางเลือก –วินิจฉัย เปรียบเทียบ จัดลำดับทางเลือกต่าง ๆ ภายใต้เกณฑ์การตัดสินใจแต่ละ เกณฑ์ –คำนวณทางเลือกที่ดีที่สุด โดยพิจารณาลำดับความสำคัญเป็นเกณฑ์ 35

36 ความหมายเลขลำดับความสำคัญ ลำดับ ความสำคัญ ความหมายคำอธิบาย 1สำคัญเท่ากัน ทั้งสองปัจจัยมีความสำคัญต่อ ทางเลือกเท่ากัน 3สำคัญปานกลาง ปัจจัย 1 มีความสำคัญต่อทางเลือก มากกว่าปัจจัย 2 ปานกลาง 5สำคัญกว่ามาก ปัจจัย 1 มีความสำคัญต่อทางเลือก มากกว่าปัจจัย 2 มาก 7สำคัญกว่ามากที่สุด ปัจจัย 1 มีความสำคัญต่อทางเลือก มากกว่าปัจจัย 2 มากที่สุด 9สำคัญกว่ามากสูงสุด ปัจจัย 1 มีความสำคัญต่อทางเลือก มากกว่าปัจจัย 2 สูงสุด 2, 4, 6, 8 สำหรับการปรับ ลำดับความสำคัญที่ก่ำกึ่ง เป็นลำดับความสำคัญ ที่ก้ำกึ่งกัน 36

37 แผนภูมิ 3 ลำดับชั้น : N + 1 ตาราง หน้า 27 37

38 แผนภูมิ 4 ลำดับชั้น แบบไม่สมบูรณ์ : N + 2 ตาราง หน้า 30 38

39 แผนภูมิ 4 ลำดับชั้น แบบสมบูรณ์ : 3 ตาราง การเลือกซื้อตู้เย็น คุณภาพสินค้าบริการหลังการขาย ดีมากดีใช้ได้แย่ HITACHITOSHIBAMITSUBISHI หน้า 32 39


ดาวน์โหลด ppt 1 Data Knowledge Information Wisdom Process & Transform Collection of all Information Correct use of Knowledge ข้อมูลใน DSS Data Management (การจัดการข้อมูล)

งานนำเสนอที่คล้ายกัน


Ads by Google