คลังเก็บป้ายกำกับ: BIG_DATA

ข้อมูลจาก Big Data ส่วนไหน ที่นักการตลาดต้องรู้ก่อนคิดแคมเปญ

เราได้ยินคำว่า Big Data บ่อยกันจนเป็นคำธรรมดาไปแล้ว แต่ใครบ้างล่ะที่จะนำข้อมูลไปประยุกต์ใช้งานได้จริงๆ โดยเฉพาะนักการตลาดที่ต้องนำข้อมูลส่วนนี้ไปคิดกลยุทธ์เพื่อให้เกิดยอดขายขึ้น งั้นเรามาดูกันค่ะ ว่าข้อมูลส่วนไหนจำเป็นที่นักการตลาดต้องรู้และวิธีคิดข้อมูลค่ะ

Arc.rate%

Arc.rate% คือความสำเร็จในการเปิดการขายและปิดการขาย เช่น มีคนคลิกเข้ามาในเว็บไซต์เท่าไหร่ และจำนวนคนซื้อสินค้าจริงๆ เท่าไหร่ เราก็จะได้รู้ว่าทุกการออกแบบบนเว็บไซต์เพื่อปิดยอดขาย ความจริงแล้วมีความสำเร็จเท่าไหร่กันแน่

หรือถ้าเป็นสินค้าที่ต้องไปขายในแต่ละพื้นที่เช่น ออก Roadshow ทั่วประเทศ  Arc.rate% จะคิดจากคนที่ซื้อสินค้าในบูธ หารจำนวนคนเข้าบูธ คูณ 100 เพื่อคิดเป็นข้อมูลที่นักการตลาดจะได้จากทีมงานที่เช็คจากหน้างาน

เพราะว่าการตลาดไม่ใช่แค่พาร์ทของออนไลน์เท่านั้น แต่คือการผสมระหว่างออนไลน์และออฟไลน์เข้ามาด้วยกัน

 

Avg sales by locations

AVG Sale by Location คือ ยอดขายเฉลี่ยต่อสถานที่ หลายคนอาจเห็นว่าบางสถานที่ยอดขายได้เยอะจัง จนลืมสังเกตว่าเราไปกี่รอบกันแน่ เช่น สถานที่ A ไป 5 ครั้ง เป็นเรื่องปกติถ้ายอดขายจะมากกว่าสถานที่ B ที่ไปแค่ 2 ครั้ง แต่หากคิดยอดขายเฉลี่ยต่อวัน บางทีสถานที่ B อาจจะได้ต่อวันมากกว่าก็ได้ ครั้งหน้าจะได้รู้ว่าทำเลนี้สร้างยอดขายให้กับแบรนด์เท่าไหร่

 

Basket size

Basket Size หรือ มูลค่าต่อการซื้อของผู้บริโภค 1 คน โดยเราคิดจากยอดขายทั้งหมดหารด้วยจำนวนคนที่ซื้อสินค้า หากอยากแยกเป็นโลเคชั่นก็คิดยอดขายจากสถานที่นั้นๆ ประโยชน์ที่ได้จากส่วนนี้คือช่วยเรื่องการคิด โปรโมชั่น เช่น Basket size 180 บาท ถ้าอยากเขย่ง Basket size เพิ่มให้จัดโปร 199 เขย่งขึ้นมา 19 บาท หรือ 250 เขย่งมาอีกนิด อาจจะล่อใจด้วยของพรีเมียม ก็ได้นะคะ

 

Avg sales by Category

AVG Sales by Catagory หรือยอดขายเฉลี่ยต่อประเภทสินค้า คือนำยอดขายของสินค้าประเภทนั้นหารจำนวนโลเคชั่น เราจะรู้ว่าสินค้าประเภทไหนขายดีที่สุดในโลเคชั่นนั้นๆ ข้อดีคือเป็นข้อมูลสำหรับคิดโปรโมชั่น เพราะแต่ละพื้นที่จะมีสินค้าขายดีกันคนละประเภทกัน ตามลักษณะความชอบซึ่งไม่ใช่ว่าทุกพื้นที่จะชอบโปรโมชั่นที่เหมือนกัน หากจัดกิจกรรมส่งเสริมการตลาดหรือโปรโมชั่นที่แตกต่างกัน จะเพิ่มความต้องการสินค้าและระบายของได้ตรงจุดมากกว่า

 

ทั้งหมดนี้จะง่ายทันที หากเรามี Big Data ยิ่งสินค้าที่ขายทั่วประเทศยิ่งต้องใช้ เพราะพฤติกรรมของคนแต่ละภาค แต่ละพื้นที่ นิยมบริโภคสินค้าต่างกัน โดยเฉพาะสินค้าประเภท FMCG (Fast Moving Consumer Goods) ที่ต้องจัดโปรเฉพาะ เพื่อกระตุ้นยอดขายแบบตรงกับความต้องการของคนในพื้นที่ ดังนั้น นักการตลาดจึงต้องต่อยอดข้อมูลมหาศาลของสินค้าไปประยุกต์เป็นกลยุทธ์หรือแคมเปญที่ตรงใจกลุ่มเป้าหมาย

 

from:https://www.thumbsup.in.th/2019/07/big-data-campaign/

โฆษณา

สหรัฐ ฯ เล็งบังคับ Tech Giants เปิดเผยมูลค่าทางธุรกิจในข้อมูลส่วนบุคคลของผู้บริโภค

ประเด็นเรื่องข้อมูลส่วนบุคคลบนโลกออนไลน์ได้กลายมาเป็นเรื่องที่หลายชาติทั่วโลกต่างให้ความสนใจ ซึ่งล่าสุดทางฝั่งสหรัฐอเมริกากำลังพิจารณาร่างกฎหมายใหม่ในเรื่องนี้ที่อาจเรียกได้เป็นมิติใหม่ของการจัดการกับเรื่องข้อมูลส่วนบุคคลเลยทีเดียว เมื่อบริษัทเทคโนโลยีชั้นนำของโลกอย่าง Google | Facebook | Apple อาจจะต้องแถลงต่อรัฐบาลสหรัฐว่า ข้อมูลส่วนบุคคลของพวกเราแต่ละคนที่บริษัทพวกนี้ถืออยู่นั้น มีมูลค่าเท่าไหร่กันแน่

บังคับให้กิจการประเภท Data-driven ชี้แจงมูลค่าในข้อมูลของผู้บริโภคเพื่อสร้างความตระหนัก

มองจากเจตนารมณ์แล้วนั้น จะพบว่าร่างกฎหมายนี้น่าจะมีแต่ข้อดีสำหรับผู้บริโภคอย่างเราๆทุกคนเลยก็ว่าได้ เพราะการบังคับเปิดเผยมูลค่าทางการตลาดในข้อมูลส่วนบุคคลของพวกเราที่ถูกเอาไปใช้ในกิจการประเภท Data-driven | Digital Marketing ทั้งหลายนั้น จะทำให้เราเข้าใจภาพมากขึ้น (โดยเทียบเป็นตัวเงินให้เห็นกันไปเลย) ว่าเราสูญเสียข้อมูลกันไปเท่าไหร่ถึงจะได้ใช้สินค้าและบริการในรูปแบบต่างๆอย่างเช่นทุกวันนี้

เป็นเวลากว่า 2 ทศวรรษแล้วที่ผู้บริโภคถูกเอาเปรียบ เราแลกเปลี่ยนข้อมูลส่วนตัวในรูปแบบต่างๆเพื่อให้ได้ใช้บริการต่าง ๆ อย่างเช่น Facebook, Instagram, Google, YouTube หรือ Twitter แบบฟรี ๆ โดยบริษัทพวกนี้เก็บข้อมูลส่วนตัวขอพวกเราไปในปริมาณมหาศาลเลยล่ะ คือถ้าคุณเป็นแฟนตัวยงของ Facebook ล่ะก็ มีความเป็นไปได้สูงมากว่า Facebook รู้จักคุณดีกว่ารัฐบาลของคุณเสียอีก ผู้คนต่างไม่รู้ว่าข้อมูลมากน้อยแค่ไหนที่ต้องแลกไป และพวกเขาก็ไม่รู้ด้วยว่ามูลค่ามันมหาศาลขนาดไหน – Mark Warner | สมาชิกวุฒิสภาของสหรัฐ ฯ

ณ เวลานี้ ยังไม่มีใครรู้แน่ชัดว่าข้อมูลส่วนบุคคลของพวกเราที่ถูกนำไปใช้นั้นมีมูลค่าเท่าไหร่กันบ้าง แต่จากการวิเคราะห์โดยผู้เชี่ยวชาญหลายสำนักตลอดปีที่ผ่านมานั้น มีค่าเฉลี่ยออกมาว่ามูลค่าทางธุรกิจในข้อมูลส่วนบุคคลของพวกเราแต่ละคนในฐานะผู้ใช้ Facebook นั้นอยู่ที่ 7 เหรียญสหรัฐ หรือราวๆ 215 บาทต่อเดือน ซึ่งเป็นค่าโดยเฉลี่ยสำหรับผู้ใช้งานทั้งหมดรวมกัน แต่ถ้านับเฉพาะผู้ใช้ Facebook เป็นประจำ (อย่างเช่นชาวเน็ตในประเทศไทย) ข้อมูลส่วนบุคคลของแต่ละคนอาจมีมูลค่าสูงถึง 14 เหรียญ หรือ 430 บาทต่อเดือนเลยทีเดียว

ไอเดียเสนอร่างกฎหมายให้เปิดเผยมูลค่าทางธุรกิจในข้อมูลส่วนบุคคล

  • บังคับใช้กับทุกประเภทกิจการที่มีการสร้างรายได้จากการเก็บหรือประมวลผลข้อมูล และมีผู้ใช้บริการมากกว่า 100 ล้านคนต่อเดือน ต้องเปิดเผยวิธีการเก็บ ประมวล และมูลค่าทางธุรกิจในข้อมูลนั้น ๆ รายงานทุก 90 วัน
  • บริษัทเหล่านี้จะต้องเปิดเผยมูลค่ารวมในข้อมูล รายงานสัญญาใด ๆ ในการจ้างบุคคลภายนอกให้จัดเก็บหรือประมวลผลข้อมูล การได้มาซึ่งรายได้จากข้อมูล และมาตรการในการปกป้องสิทธิ ต่อคณะกรรมการตลาดหลักทรัพย์ (The Securities and Exchange Commission) เป็นรายปี
  • ร่างกฎหมายนี้จะกำหนดให้คณะกรรมการตลาดหลักทรัพย์เป็นผู้ศึกษาและประเมินมูลค่าของข้อมูลโดยแบ่งไปตามวิธีการใช้ประเภทต่างๆ รูปแบบของธุรกิจ และอุตสาหกรรมที่ข้อมูลถูกนำไปใช้
  • บริษัทใต้บังคับกฎหมายนี้ จะต้องมีการตั้งค่าหรือทางเลือกให้ผู้บริโภคสามารถลบข้อมูลส่วนตัวออกจากระบบได้ทั้งบางส่วนและทั้งหมด

นอกจากนั้นแล้วทางสภาของสหรัฐ ฯ ยังมีการพูดคุยถึงความเป็นไปได้ที่จะนำเสนอร่างกฎหมายอีกฉบับหนึ่งต่างหาก เพื่อบังคับใช้ให้บริษัทที่ให้บริการข้อมูลในรูปแบบออนไลน์ทั้งหลาย จะต้องมีทางเลือกให้ผู้บริโภคสามารถโยกย้ายข้อมูลไปยังอีกแพลตฟอร์มหนึ่งได้โดยสมบูรณ์ เช่น ย้ายข้อมูลทั้งหมดโดยสิ้นเชิงจาก Facebook ไปสู่ Hi5 😆 หรือจากบริการ Google Drive ไปสู่ iCloud นั่นเอง ซึ่งในเบื้องต้น ไอเดียทั้งหมดนี้ล้วนแล้วแต่ได้รับการสนับสนุนเป็นอย่างดีจากประชาชนในฐานะผู้บริโภค แต่แน่นอนว่า Tech Giants ทั้งหลายไม่น่าจะถูกใจสิ่งนี้เท่าไหร่นัก 👿

อ้างอิง: 9to5Google | ABC News

from:https://droidsans.com/new-us-law-will-require-tech-giants-to-state-how-much-our-data-is-worth/

ข้อมูลเบื้องต้นที่คุณควรรู้เกี่ยวกับ Data Lake

น้ำนิ่งไหลลึก เป็นสุภาษิตที่ได้ยินกันมานาน ที่บรรยายถึงลักษณะของสิ่งที่เรียกว่า Data Lake ได้เป็นอย่างดี ตัว Data Lake นับเป็นแหล่งเก็บข้อมูลหรือสตอเรจที่เก็บข้อมูลดิบจำนวนมากในรูปแบบดั้งเดิมทิ้งไว้จนกว่าจะมีการร้องขอจากแอพพลิเคชั่น อย่างเช่นการวิเคราะห์เชิงพยากรณ์

ลักษณะที่เหมือนน้ำก็คือ Data Lake ดูเหมือนเป็นน้ำที่มืดและลึกลับอันเกิดจากความเข้าใจผิดเกี่ยวกับเทคโนโลยีนี้ ซึ่งความเข้าใจผิดบางอย่างอาจส่งผลสร้างความเสียหาย หรือถึงขนาดต้องล้มโปรเจ็กต์ได้เลยทีเดียว ดังนั้นจึงควรทำเข้าใจกับหลักการของ Data Lake ดังต่อไปนี้

เริ่มต้นจาก Data Lake และ Data Warehouse นั้นไม่เหมือนกัน โดย Data Warehouse จะเก็บข้อมูลที่ถูกโหลดมาจากระบบต้นกำเนิดตามเกณฑ์ที่กำหนดไว้ล่วงหน้า ขณะที่ Data Lake จะเก็บข้อมูลดิบที่ยังไม่ได้จัดการใดๆ ก่อนเอาเข้า Lake เพื่อให้ทีมงานที่หลากหลายภายในองค์กรนำข้อมูลไปวิเคราะห์ต่อได้

แม้จะนิยามต่างกัน แต่ทั้ง Data Lake และ Data Warehouse ก็สามารถทำงานร่วมกันในรูปโมเดลแบบไฮบริดจ์ได้ เพื่อเปิดให้บริษัทต่างๆ สตรีมข้อมูลเข้ามายัง Data Lakeแล้วย้ายไปยังซับเซ็ตที่เลือกไว้บนโครงสร้างที่เกี่ยวข้องต่อได้ทันที

เมื่อข้อมูลมีอายุผ่านถึงจุดหนึ่ง หรือถูกพิจารณาว่าไม่มีประโยชน์แล้ว ก็สามารถโยกข้อมูลกลับมายัง Data Lake ได้โดยอัตโนมัติเพื่อให้เก็บรักษาข้อมูลโดยมีค่าใช้จ่ายที่ต่ำกว่าในระยะยาว แต่ก็ไม่ควรมอง Data Lake เสมือนเป็นถังขยะดิจิตอล แม้จะสามารถจัดเก็บข้อมูลทั้งแบบ Structured, Unstructured, และ Semi-Structured ในรูปข้อมูลดิบ

เพราะการที่ข้อมูลไม่ได้ถูกประมวลผลหรือวิเคราะห์ก่อนนำเข้ามาใน Lake จึงควรบำรุงรักษาและอัพเดท Data Lake เป็นประจำ เพื่อให้ผู้ใช้ทุกคนรู้แหล่งข้อมูลใน Lake สำหรับการนำไปวิเคราะห์ได้อย่างเหมาะสม โดยสิ่งที่สำคัญมากที่สุดในการสร้าง Data Lake คืดขั้นตอนการเพิ่มข้อมูลพร้อมกับการทำให้แน่ใจว่าแคตตาล็อกได้รับการอัพเดทไปพร้อมกัน

ทั้งนี้ เพื่อให้แคตตาล็อกเป็นปัจจุบัน และเข้าถึงได้ตลอด มิฉะนั้นอาจทำให้กลุ่มข้อมูลที่เป็นประโยชน์สูญหายได้ ตัวแคตตาล็อกนี้จะช่วยให้นักวิเคราะห์จัดการแหล่งข้อมูล พร้อมทั้งวัตถุประสงค์การใช้งาน แหล่งกำเนิด และชื่อเจ้าของข้อมูลไว้เป็นหมวดหมู่

ที่มา : Networkcomputing

from:https://www.enterpriseitpro.net/things-you-need-to-know-about-data-lakes/

เชิญร่วมงานสัมมนา AI & Big Data ประจำปี 2019 ที่จะเปิดประสบการณ์ของคุณ

งานสัมมนา 2 วัน ที่จะทำให้คุณเข้าใจพลังมหาศาลของ AI และ Big Data ในองค์กรเห็นตัวอย่างจริง ของการทำ AI แบบง่ายๆ ด้วยเทคโนโลยี ที่เพิ่มมูลค่าให้กับธุรกิจคุณ

หัวใจสำคัญของการทำ Digital Transformation คือการนำปัญญาประดิษฐ์ (Artificial Intelligence หรือ AI) มาประยุกต์ใช้ในองค์กร และองค์ประกอบสำคัญของ AI ก็คือการที่จะต้องมีข้อมูลขนาดใหญ่ (Big Data) แล้วใช้ Machine Learning มาเป็นอัลกอริทึมในการวิเคราะห์ข้อมูล ซึ่งความถูกต้องของ AI อยู่ที่การมีข้อมูลที่มากพอ และการใช้อัลกอริทึมอย่าง Deep Learning ที่สามารถจำลองโมเดลของ Neural Networks ที่ใหญ่ขึ้นได้ (โดยต้องมีระบบประมวลผลที่มีประสิทธิภาพมากขึ้น) ซึ่งถึงแม้ว่าเราจะสามารถพัฒนาโมเดลที่ซับซ้อนขึ้น แต่หากยังขาดข้อมูลที่ไม่มากพอหรือไม่มีระบบประมวลขนาดใหญ่ ก็ยากที่จะได้ AI ที่มีความถูกต้อง แม่นยำ และนำมาใช้งานได้อย่างเหมาะสม

AI คืออะไร จะเปลี่ยนแปลงองค์กรให้เป็นองค์กรแบบ AI ได้อย่างไร มาหาคำตอบกันได้ในงานสัมมนาเชิงปฎิบัติการครั้งนี้ ที่มีรูปแบบการสัมมนาที่แตกต่างกับงานทั่วๆไป โดยผู้ร่วมสัมมนาจะได้ฟังการบรรยายในวันแรกที่จะเน้นเรื่องราววิวัฒนาการของ AI ความหมายของ AI ประโยชน์ของ AI และความสัมพันธ์กับ Big Data รวมถึงแนวทางการเปลี่ยนองค์กรเข้าสู่ยุค AI ซึ่งเป็นการบรรยาย กึ่งอบรม พร้อมทั้งมีการสาธิตระบบ AI ต่างๆประกอบ จากนั้นในวันที่สองจะแบ่งเป็น 2 ห้องโดยห้องแรกจะเป็นการบรรยายในหัวข้อต่างๆทั้งด้าน AI และ Big Data และห้องที่สองจะเป็นการบรรยายกึ่งปฎิบัติการในการสร้างระบบ AIต่างๆในองค์กร ที่จะแสดงให้เห็นว่าการทำ AI ในปัจจุบันง่ายมากๆจนใครๆ ก็ทำได้

สุดท้ายผู้เข้าอบรมยังสามารถจะสัมผัสและทดลองกับระบบ AI จริงที่นำมาแสดงในงาน อาทิเช่น Smart Speaker, Smart Home, ChatBotหรือ Smart Vision

สามารถดูรายละเอียดเพิ่มเติมได้ที่ http://www.imcinstitute.com/ai2019

from:https://www.enterpriseitpro.net/seminar-ai-and-bigdata-2019/

AI & Big Data 2019 โดยสถาบัน IMC เปิดให้สมัครลงทะเบียนแล้ว

งานสัมมนา 2 วันที่จะทำให้คุณเข้าใจพลังมหาศาลของ AI และ Big Data ในองค์กร เห็นตัวอย่างจริงของการทำ AI แบบง่ายๆ ด้วยเทคโนโลยีที่เพิ่มมูลค่าให้กับธุรกิจคุณ

หัวใจสำคัญของการทำ Digital Transformation คือการนำปัญญาประดิษฐ์ (Artificial Intelligence หรือ AI) มาประยุกต์ใช้ในองค์กร และองค์ประกอบสำคัญของ AI ก็คือการที่จะต้องมีข้อมูลขนาดใหญ่ (Big Data) แล้วใช้ Machine Learning มาเป็นอัลกอริทึมในการวิเคราะห์ข้อมูล ซึ่งความถูกต้องของ AI อยู่ที่การมีข้อมูลที่มากพอ และการใช้อัลกอริธึมอย่าง Deep Learning ที่สามารถจำลองโมเดลของ Neural Networks ที่ใหญ่ขึ้นได้  (โดยต้องมีระบบประมวลผลที่มีประสิทธิภาพมากขึ้น) ซึ่งถึงแม้ว่าเราจะสามารถพัฒนาโมเดลที่ซับซ้อนขึ้น แต่หากยังขาดข้อมูลที่ไม่มากพอหรือไม่มีระบบประมวลขนาดใหญ่ ก็ยากที่จะได้ AI ที่มีความถูกต้อง แม่นยำ และนำมาใช้งานได้อย่างเหมาะสม

AI คืออะไร จะเปลี่ยนแปลงองค์กรให้เป็นองค์กรแบบ AI ได้อย่างไร  มาหาคำตอบกันได้ในงานสัมมนาเชิงปฎิบัติการครั้งนี้ ที่มีรูปแบบการสัมมนาที่แตกต่างกับงานทั่วๆไป โดยผู้ร่วมสัมมนาจะได้ฟังการบรรยายในวันแรกที่จะเน้นเรื่องราววิวัฒนาการของ AI ความหมายของ AI ประโยชน์ของ AI และความสัมพันธ์กับ Big Data รวมถึงแนวทางการเปลี่ยนองค์กรเข้าสู่ยุค AI ซึ่งเป็นการบรรยาย กึ่งอบรม พร้อมทั้งมีการสาธิตระบบ AI ต่างๆประกอบ  จากนั้นในวันที่สองจะแบ่งเป็น 2 ห้อง โดยห้องแรกจะเป็นการบรรยายในหัวข้อต่างๆทั้งด้าน AI และ Big Data  และห้องที่สองจะเป็นการบรรยายกึ่งปฎิบัติการในการสร้างระบบ AI ต่างๆในองค์กร ที่จะแสดงให้เห็นว่าการทำ AI ในปัจจุบันง่ายมากๆจนใครๆ ก็ทำได้

สุดท้ายผู้เข้าอบรมยังสามารถจะสัมผัสและทดลองกับระบบ AI  จริงที่นำมาแสดงในงาน อาทิเช่น Smart Speaker, Smart Home, ChatBot หรือ Smart Vision



สามารถดูรายละเอียดเพิ่มเติมได้ที่ http://www.imcinstitute.com/ai2019

from:https://www.techtalkthai.com/ai-and-big-data-2019-by-imc/

หมดยุค Hadoop? บริษัท MapR อาจต้องปลดคน-ปิดสำนักงานใหญ่ หากระดมทุนเพิ่มไม่ทัน

MapR Technologies หนึ่งในบริษัทที่พัฒนาซอฟต์แวร์ด้าน Big Data (อิงจาก Hadoop/Spark แต่เพิ่มฟีเจอร์ของตัวเองลงไป) เริ่มออกอาการไม่ค่อยดี หลังบริษัทแจ้งต่อสำนักงานแรงงานของรัฐแคลิฟอร์เนียว่า อาจต้องปลดพนักงานออก 122 คน และปิดสำนักงานใหญ่ที่เมือง Santa Clara หากบริษัทไม่สามารถหาเงินทุนก้อนใหม่ได้ทันวันที่ 14 มิถุนายนนี้

MapR แจ้งว่าก่อนหน้านี้เจรจากับนักลงทุนรายหนึ่ง แต่เมื่อผลประกอบการไตรมาสล่าสุดของบริษัทออกมาแย่ (บริษัทอยู่นอกตลาดหลักทรัพย์ จึงไม่เผยข้อมูลผลประกอบการต่อสาธารณะ) ทำให้นักลงทุนตัดสินใจถอนตัวออกไป ตอนนี้บริษัทกำลังเจรจากับนักลงทุนรายใหม่อยู่

หลังเรื่องนี้เป็นข่าว MapR ก็ชี้แจงผ่านบล็อกว่า ต้องปลดคนเพราะเปลี่ยนวิธีการขายจากบริษัทขายเองโดยตรง มาเป็นการขายโดยผ่านช่องทางของคนอื่น (indirect sales) ทำให้ต้องปลดพนักงานในส่วนที่เกี่ยวข้องกับการขาย บริษัทยืนยันว่าไม่ได้ปลดพนักงานที่เกี่ยวกับการพัฒนาผลิตภัณฑ์ และยังซัพพอร์ตและให้บริการลูกค้าตามปกติ ส่วนเรื่องการระดมทุนหรือการขายกิจการ จะแถลงอีกครั้งเมื่อเสร็จสิ้นกระบวนการแล้ว

No Description

บริษัทสาย Big Data โดยเฉพาะที่อิงกับ Hadoop เคยเป็นดาวรุ่งในวงการสตาร์ตอัพอยู่พักหนึ่ง บริษัทเหล่านี้นำ Hadoop และซอฟต์แวร์ที่เกี่ยวข้องมารวมเป็นดิสโทรของตัวเอง โดยเพิ่มฟีเจอร์เฉพาะสำหรับตลาดองค์กรเข้ามา อย่างไรก็ตาม ช่วงหลัง บริการคลาวด์ยักษ์ใหญ่ทั้ง AWS, Azure, Google Cloud ก็มีบริการด้าน Big Data ของตัวเอง (ทั้งที่อิงกับ Hadoop และไม่ใช่ เช่น Google BigQuery) ทำให้ตลาดลูกค้าองค์กรที่เคยซื้อดิสโทร Hadoop เชิงพาณิชย์ลดลงไป

เมื่อปลายปีที่แล้ว คู่แข่งของ MapR คือ Hortonworks และ Cloudera ประกาศควบรวมกิจการกัน (บริษัทใหม่จะชื่อ Cloudera) ด้วยเหตุผลเดียวกันว่า การแข่งขันในตลาด Hadoop สูง และอาจไม่มีพื้นที่พอสำหรับผู้เล่น 3 รายในท้องตลาด จึงต้องควบรวมกันเพื่อลดค่าใช้จ่ายและเพิ่มอำนาจต่อรองกับลูกค้า (วิเคราะห์ Cloudera ควบรวม HortonWorks พี่น้องตระกูล Hadoop ที่กลับมาอยู่ด้วยกันอีกครั้ง)

ที่มา – Silcon Angle, Next Platform, MapR, ภาพจาก MapR Facebook

Topics: 

from:https://www.blognone.com/node/110080

7 ใบเซอร์ด้าน Data Analytics ที่ควรค่าแก่การครอบครอง

งานด้านการวิเคราะห์ทั้งข้อมูลธรรมดาและบิ๊กดาต้านั้นได้กลายเป็นเส้นเลือดใหญ่สำคัญของการดำเนินธุรกิจให้ประสบความสำเร็จ ซึ่งความท้าทายที่ต้องเผชิญนั้นนอกจากการเลือกเทคโนโลยีให้เหมาะสมแล้ว ยังต้องสร้างทีมงานที่มีทักษะที่ช่วยผลักดันการทำบิ๊กดาต้าด้วย

จึงไม่แปลกใจที่ความต้องการทั้งทักษะ และใบประกาศรับรองทักษะเกี่ยวกับบิ๊กดาต้าจะเพิ่มขึ้นอย่างรวดเร็ว ซึ่งถ้าคุณเองต้องการสร้างมูลค่าในสายอาชีพไอทีให้ถึงที่สุดแล้ว ใบเซอร์ด้านบิ๊กดาต้าก็ถือเป็นทางเลือกที่ดีมากทีเดียว ซึ่งสุดยอด 7 ใบเซอร์ด้าน Data Analytics และ Big Data มีดังนี้

• Certification of Professional Achievement in Data Sciences เป็นใบเซอร์ที่เน้นการพัฒนาการใช้งานบิ๊กดาต้าด้วยทักษะด้านวิทยาศาสตร์ข้อมูลพื้นฐาน โดยตลอดทั้งโปรแกรมประกอบด้วยเรื่องอัลกอริทึม ความน่าจะเป็นและสถิติ แมชชีนเลิร์นนิ่ง และการวิเคราะห์ข้อมูลเชิงสำรวจ

• Certified Analytics Professional เป็นใบเซอร์เกี่ยวกับการวิเคราะห์ทั่วไป ที่แสดงถึงความเข้าใจที่ครอบคลุมตลอดกระบวนการวิเคราะห์

• Cloudera Certified Associate (CCA) Data Analyst นักพัฒนาด้าน SQL ที่ได้ใบเซอร์นี้จะเป็นการประกันว่ามีทักษะด้านการวิเคราะห์แกนหลักที่สามารถโหลด แปลง และสร้างโมเดลข้อมูล Hadoop เพื่อหาความสัมพันธ์ได้

• EMC Proven Professional Data Scientist Associate (EMCDSA) เป็นใบเซอร์ที่แสดงถึงความสามารถในการมีส่วนร่วมในฐานะสมาชิกทีมงานด้านวิทยาศาสตร์ข้อมูลในโปรเจ็กต์บิ๊กดาต้า

• MapR Certified Data Analyst เป็นการยืนยันความสามารถในการวิเคราะห์ชุดข้อมูลขนาดใหญ่ด้วยเครื่องมือที่หลากหลาย เช่น Apache Hive, Apache Pig, และ Apache Drill

• Microsoft Certified Solutions Expert (MCSE): Data Management and Analytics แสดงถึงทักษะที่หลากหลายในด้านการบริหารจัดการ SQL การสร้างโซลูชั่นข้อมูลระดับองค์กร และการยกระดับข้อมูล Business Intelligence (BI)

• SAS Certified Data Scientist Using SAS 9 เป็นใบเซอร์ที่แสดงถึงการที่สามารถควบคุมและได้การมองเห็นเชิงลึกจากบิ๊กดาต้า ผ่านเครื่องมือทั้งของ SAS และโอเพ่นซอร์สที่หลากหลาย

ที่มา : CIO

from:https://www.enterpriseitpro.net/7-data-analytics-certifications-that-will-pay-off/