data type...???

#พื้นฐานการเขียนเว็ปไซต์

#variable #datatype

#javascrip

Datatype ใน JavaScript คือ ประเภทของค่า ที่ตัวแปรสามารถเก็บได้ การรู้และเข้าใจประเภทข้อมูลช่วยให้คุณสามารถดำเนินการกับค่าเหล่านั้นได้อย่างถูกต้อง

ประเภทข้อมูลหลัก (Primitive Data Types)

JavaScript มีประเภทข้อมูลพื้นฐาน 7 ชนิด:

String 📝

ใช้สำหรับเก็บ ข้อความ หรือลำดับของอักขระ

ต้องล้อมรอบด้วยเครื่องหมายคำพูดเดี่ยว (') หรือคู่ (") หรือ Backticks (``) สำหรับ Template Literals

ตัวอย่าง: 'Hello world', "JavaScript", ชื่อ: ${name}

Number 🔢

ใช้สำหรับเก็บ ตัวเลข ทั้งจำนวนเต็มและทศนิยม

มีค่าพิเศษเช่น Infinity, -Infinity และ NaN (Not a Number)

ตัวอย่าง: 10, 3.14, -50

BigInt 🐘

ใช้สำหรับเก็บ จำนวนเต็ม ที่มีขนาดใหญ่กว่าที่ Number สามารถรองรับได้ (เกิน 2

53

−1)

ต้องต่อท้ายด้วยตัวอักษร n

ตัวอย่าง: 9007199254740991n, 12345678901234567890n

Boolean ✅

ใช้สำหรับเก็บค่า ตรรกศาสตร์ มีเพียงสองค่าเท่านั้นคือ true (จริง) และ false (เท็จ)

มักใช้ในการตัดสินใจ (Conditional logic)

ตัวอย่าง: true, false

Undefined ❓

หมายถึงตัวแปรที่ถูกประกาศแล้ว แต่ยังไม่ได้กำหนดค่า

เป็นค่าเริ่มต้นของตัวแปรที่เพิ่งประกาศ

ตัวอย่าง: let x; // x มีค่าเป็น undefined

Null 🚫

หมายถึง ไม่มีค่า หรือ ค่าว่างเปล่าโดยเจตนา

นักพัฒนาเป็นผู้กำหนดค่านั้นเองเพื่อแสดงว่าตัวแปรไม่มีค่าใด ๆ

ตัวอย่าง: let data = null;

Symbol ✨

เป็นประเภทข้อมูลที่เพิ่มเข้ามาใน ES6 (ECMAScript 2015)

ใช้สำหรับสร้าง ค่าที่ไม่ซ้ำกัน (Unique identifier) เพื่อใช้เป็นคุณสมบัติของ Object (Object properties)

ประเภทข้อมูลแบบอ้างอิง (Non-Primitive / Reference Data Type)

JavaScript มีประเภทข้อมูลแบบอ้างอิงหลัก ๆ คือ:

Object 🧱

ใช้สำหรับเก็บคอลเล็กชันของข้อมูลที่ซับซ้อน (Key-value pairs)

เป็นรากฐานของโครงสร้างข้อมูลที่ซับซ้อนใน JavaScript รวมถึง Array และ Function

ตัวอย่าง:

Plain Object: let person = { name: "Alice", age: 30 };

Array: let colors = ["red", "green", "blue"]; (ทางเทคนิคแล้ว Array คือ Object ชนิดหนึ่ง)

Function: function greet() { /* code */ } (Function ก็ถือว่าเป็น Object ชนิดหนึ่งด้วย)

ข้อสังเกต:

Primitive types จะเก็บค่าโดยตรง (By value)

Reference types จะเก็บการอ้างอิง (Address) ไปยังตำแหน่งของค่าในหน่วยความจำ (By reference)

การทำความเข้าใจประเภทข้อมูลเหล่านี้มีความสำคัญอย่างยิ่งในการเขียนโค้ด JavaScript ที่ถูกต้องและมีประสิทธิภาพ!

2025/10/2 แก้ไขเป็น

... อ่านเพิ่มเติมเมื่อคุณเริ่มเขียนโค้ดใน JavaScript การเข้าใจประเภทข้อมูลหรือ datatype เป็นสิ่งสำคัญมาก เพราะช่วยให้จัดการกับตัวแปรและค่าได้อย่างถูกต้องและมีประสิทธิภาพ นอกจากข้อมูลพื้นฐาน 7 ประเภทที่กล่าวถึงในเนื้อหาแล้ว JavaScript ยังเน้นถึงประเภทข้อมูลที่ไม่เหมือนกันในแง่ของการจัดเก็บข้อมูล ได้แก่ ประเภทข้อมูลพื้นฐาน (Primitive types) ที่เก็บค่าแบบตรง ๆ เช่น String หรือ Number และประเภทข้อมูลแบบอ้างอิง (Reference types) ที่เก็บเป็นที่อยู่ของข้อมูลในหน่วยความจำ ซึ่งเข้าใจความแตกต่างนี้ช่วยหลีกเลี่ยงข้อผิดพลาดเมื่อเปลี่ยนแปลงค่าของตัวแปรที่เป็น Object หรือ Array อีกสิ่งสำคัญคือ datatype Symbol ซึ่งถูกเพิ่มเข้ามาตั้งแต่ ES6 โดยใช้สร้างตัวระบุที่ไม่ซ้ำกัน ทำให้สามารถใช้เป็นกุญแจ (key) ใน Object ได้โดยไม่ต้องกลัวชนกันของชื่อสมบัติเหมือนการใช้ String เรื่อง BigInt เป็นประโยชน์มากเมื่อคุณต้องจัดการกับจำนวนเต็มที่ใหญ่เกินกว่าค่าที่ประเภท Number สามารถเก็บได้ ตัวอย่างเช่น การจัดเก็บเลขประจำตัวประชาชนหรือค่าทางการเงินขนาดใหญ่ที่ต้องการความแม่นยำสูง การมีความรู้เรื่องค่า Undefined และ Null ก็ช่วยให้คุณเข้าใจสถานะของตัวแปรระหว่างเขียนโค้ด เช่น Undefined หมายถึงตัวแปรที่ถูกประกาศแต่ยังไม่ได้กำหนดค่า ขณะที่ Null ใช้แสดงเจตนาเพื่อว่างเปล่าหรือไม่มีค่าอะไร การใช้งาน object ใน JavaScript มีความยืดหยุ่นสูง โดยสามารถเก็บข้อมูลในรูปแบบ key-value pairs และยังสามารถสร้างข้อมูลเชิงซ้อนอย่าง Array หรือ Function ได้ ซึ่งเป็นความสามารถที่สำคัญในการจัดการข้อมูลและสร้างโปรแกรมที่มีโครงสร้างดี หากคุณสนใจเพิ่มพูนความรู้เกี่ยวกับการใช้งาน datatype ในสถานการณ์จริง การทดลองเขียนโค้ดและทดสอบผลลัพธ์ด้วย typeof operator จะช่วยให้เห็นภาพชัดเจนขึ้นว่าข้อมูลแต่ละชนิดทำงานอย่างไร และช่วยให้คุณพัฒนาทักษะเขียนโค้ด JavaScript ที่ถูกต้องและทันสมัยมากขึ้น

1 ความคิดเห็น

รูปภาพของ peemai Ccn
peemai Ccn

🥰🥰🥰

โพสต์ที่เกี่ยวข้อง

ภาพแสดงตัวอย่างโค้ด Python สำหรับประเภทข้อมูล Text Type: str โดยใช้ฟังก์ชัน type() เพื่อตรวจสอบชนิดข้อมูลของตัวแปร 'a' ที่เก็บข้อความ 'Hello World' ซึ่งผลลัพธ์คือ <class 'str'>
ภาพแสดงตัวอย่างโค้ด Python สำหรับประเภทข้อมูล Numeric Types: int, float, complex โดยใช้ฟังก์ชัน type() เพื่อตรวจสอบชนิดข้อมูลของตัวแปร 'x', 'y', 'z' ที่เก็บค่าตัวเลขประเภทต่างๆ
ภาพแสดงตัวอย่างโค้ด Python สำหรับประเภทข้อมูล Sequence Types: list, tuple, range โดยใช้ฟังก์ชัน type() เพื่อตรวจสอบชนิดข้อมูลของตัวแปร 'x', 'y', 'z' ที่เก็บข้อมูลแบบลำดับ
🚀 สรุป Data Types ใน Python ที่ต้องรู้!
นี่คือประเภทข้อมูล (Data Types) พื้นฐานที่สำคัญมากๆ ในภาษา Python ค่ะ/ครับ! การรู้ว่าข้อมูลแต่ละประเภทเก็บค่าอย่างไรและทำงานอย่างไรคือหัวใจของการเขียนโค้ดเลย! 📊 ประเภทข้อมูลหลัก (Key Data Types): • Text Type: str (String) - ใช้สำหรับข้อความ • Numeric Types: int (จำนวนเต็ม), float (ทศนิยม), com
เดฟ

เดฟ

ถูกใจ 11 ครั้ง

Python 104 : Data Type คืออะไร
#python #py #แชร์ทริคไอที #coding #programming
Learn with Dog

Learn with Dog

ถูกใจ 37 ครั้ง

ภาพหน้าปกแสดงหัวข้อ 'พื้นฐานที่ควรมีก่อนทำ Dashboard ใน Power BI 1. พื้นฐานด้านข้อมูล #2' พร้อมไอคอนที่สื่อถึงการเขียนโค้ด กราฟแท่ง การวิเคราะห์ข้อมูล และประเภทข้อมูลตัวเลขและข้อความ
ภาพอธิบายประเภทข้อมูลหลักใน Power BI โดยเน้นที่ 'ตัวเลข (Number)' ซึ่งแบ่งเป็นจำนวนเต็ม ทศนิยม และสกุลเงิน พร้อมตัวอย่างประกอบ
ภาพอธิบายประเภทข้อมูล 'ข้อความ (Text/String)' สำหรับเก็บตัวอักษร และ 'วันที่และเวลา (Date/Time)' สำหรับข้อมูลที่เกี่ยวข้องกับเวลา พร้อมการใช้งาน
พื้นฐานที่ควรมีก่อนทำ Dashboard #2 (Data Type)
🧩 ประเภทข้อมูล (Data Types) ใน Power BI การกำหนดประเภทข้อมูลอย่างถูกต้องเป็นขั้นตอนสำคัญในการสร้างโมเดลข้อมูล เพราะช่วยให้การคำนวณ การกรอง และการแสดงผลข้อมูลเป็นไปอย่างถูกต้องและมีประสิทธิภาพ 📌 ประโยชน์ของการกำหนดประเภทข้อมูลที่ถูกต้อง 1️⃣ ช่วยให้สูตร DAX ทำงานได้อย่างแม่นยำ 2️⃣ ปรับปรุงประสิ
Pram12

Pram12

ถูกใจ 70 ครั้ง

💼ไม่ต้องนั่งนับวันลา วันขาด วันมาสายเองให้ปวดหัว
🎀ใครทำงาน HR หรือเป็นเจ้าของกิจการ ต้องมีเทมเพลตนี้ติดไว้เลย! 💼✨ ไม่ต้องนั่งนับวันลา วันขาด วันมาสายเองให้ปวดหัว 📅😵‍💫 เพราะแค่ใส่รหัส P A L S ก็รู้ผลทันที 📊✔️ ช่วยสรุปข้อมูลอัตโนมัติ ใช้ง่าย ประหยัดเวลา น่ารักแต่โปรสุด ๆ 🧸💡” ⸻ #ExcelTemplate #HRLife #excel #ตารางลางาน #กฎหมาย
Excel Data Mast

Excel Data Mast

ถูกใจ 254 ครั้ง

ภาพการ์ตูนแมวและคนยืนข้างฐานข้อมูลทรงกระบอกที่มีคำว่า SQL พร้อมข้อความ “SQL QUERY SELECT ฉบับการ์ตูน”
ภาพการ์ตูนคนนั่งพิมพ์คอมพิวเตอร์โน้ตบุ๊กที่มีคำว่า SQL บนหน้าจอ พร้อมข้อความเกี่ยวกับการดึงข้อมูลด้วยภาษา SQL
ภาพตารางข้อมูล USERS ที่มีหลายคอลัมน์ และตารางเล็กที่แสดงเฉพาะคอลัมน์ Name พร้อมข้อความเกี่ยวกับการดึงคอลัมน์ที่ต้องการ
SQL Query : SELECT ฉบับการ์ตูน
Basic SQL Query : SELECT ฉบับการ์ตูน #DataToon #SQL
DataToon

DataToon

ถูกใจ 1068 ครั้ง

ภาพหน้าจอแล็ปท็อปและสมุดบันทึก พร้อมโลโก้ Python และข้อความว่า "แชร์ลายแทงฝึกเขียนโปรแกรม Python สำหรับสาย Data"
ภาพหน้าจอแล็ปท็อปและคีย์บอร์ด แสดงข้อความ "Step 1: Basic Coding" และคำอธิบายพื้นฐาน Python เช่น Data Type, Flow Chart, If-Else, For Loop, While Loop, Method
ภาพหน้าจอแล็ปท็อปแสดงตารางข้อมูลในโปรแกรมวิเคราะห์ และข้อความ "Step 2: Data Preparation" พร้อมคำอธิบายการใช้ Pandas จัดการ Big Data
แชร์ลายแทงฝึกเขียนโปรแกรม Python สำหรับสาย Data 📈
สวัสดีค่า วันนี้เตยจะแชร์ลายแทง แนวทางการฝึกเขียนโปรแกรม Python สำหรับสาย Data Science Step 1: Basic Coding Link: Basic Python Coding Step 2: Data Preparation Link: Python for Data Analysis Step 3: Data Visualization Link: Python for Data Visualization Step 4: Machine Learning L
Baitoey

Baitoey

ถูกใจ 1325 ครั้ง

คุณอยากมี Dashboard แบบนี้มั้ย?
คุณอยากมี Dashboard แบบนี้มั้ย? ✅ ข้อมูลชัดเจน ✅ ดูภาพรวมธุรกิจใน 1 หน้า ✅ ตัดสินใจง่ายขึ้น ไม่ต้องเดา ถ้าคุณมีข้อมูล แต่ไม่รู้จะเริ่มยังไง… เรายินดีช่วยออกแบบ Dashboard ที่เหมาะกับธุรกิจของคุณ 📩 ทักมาได้เลย หรือคอมเมนต์ “สนใจ” ใต้โพสต์
Excel Data Mast

Excel Data Mast

ถูกใจ 70 ครั้ง

ภาพหญิงสาวกำลังแนะนำข้อมูลประเภทต่างๆ โดยมีข้อความ \"มาทำความรู้จัก Data รูปแบบต่างๆ\" และมีคำว่า JSON กับ XML ลอยอยู่ใกล้ๆ มือของเธอ
ภาพแสดง Structured Data พร้อมคำอธิบายว่าเป็นข้อมูลที่มีโครงสร้างชัดเจน จัดเก็บง่าย และตัวอย่างตารางข้อมูลที่มีคอลัมน์ ID, Name, Age, Degree พร้อมข้อมูลนักศึกษา 5 คน
ภาพแสดง Unstructured Data พร้อมคำอธิบายว่าเป็นข้อมูลที่ไม่มีโครงสร้างใดๆ เลย และตัวอย่างข้อความบรรยายข้อมูลนักศึกษาแบบอิสระที่ไม่มีรูปแบบตายตัว
มาทำความรู้จัก Data รูปแบบต่างๆกัน 📈
วันนี้เตยจะพามารู้จักกับประเภทของดาต้าที่มีอยู่ในปัจจุบัน ซึ่งประกอบด้วย Structured data, Unstructured data และ Semi-structured data นั้นแตกต่างกันอย่างไรไปดูกันเลยยยย 1. Structured data คือข้อมูลยุคแรกเริ่มก่อนกำเนิด Big Data โดย Structured data ก็คือข้อมูลที่ถูกจัดเก็บไว้แบบมีโครงสร้างชัดเจน
Baitoey

Baitoey

ถูกใจ 164 ครั้ง

เช็คข้อมูลว่าเป็นประเภทใด
บางทีเราก็ดูข้อมูลแบบผ่าน ๆ ดูแล้วก็หน้าตาเหมือน ๆ กัน แต่จริง ๆ แล้วอาจจะเป็นข้อมูลคนละประเภทกันก็ได้ ​วิธีเช็คประเภทข้อมูลก็ไม่ยากเลย ลองทำตามกันได้​ 😎💚 #excelsoezy #excel #exceltips #exceltricks #Lemon8ฮาวทู
Excel So Ezy

Excel So Ezy

ถูกใจ 7 ครั้ง

ภาพหน้าจอ MacBook Pro แสดงแดชบอร์ดข้อมูลทางการเงิน พร้อมข้อความว่า "แชร์ปสก. assignment test ตำแหน่ง Data analyst"
ภาพหน้าจอ MacBook Pro แสดงแดชบอร์ดข้อมูลทางการเงิน พร้อมข้อความว่า "ต้องบอกว่า 'จากปสก.' ที่ยื่น 'Resume ตำแหน่งนี้มาเกิน 100' 'ทำ Test มาไม่รู้กี่ครั้ง' อยากมาแชร์ ปสก. ครับว่าเจออะไรบ้าง 5555"
ภาพหน้าจอ MacBook Pro แสดงแดชบอร์ดข้อมูลทางการเงิน พร้อมข้อความเกี่ยวกับประสบการณ์ทำ Test ของบริษัทประกันที่ใช้ Python, SQL และ Math logic
Data analyst assignment test
แชร์ประสบการ์ณทำ Test ครับ ถ้าใครมีอะไรสงสัยทักมาถามได้เลยยยยยยย #dataanalyst #datascience #dataanalysis #ติดเทรนด์ #Lemon8ฮาวทู
แตมซูเกะ

แตมซูเกะ

ถูกใจ 397 ครั้ง

Excel สร้างแผนที่จังหวัดประเทศไทย
Excel สร้างแผนที่จังหวัดประเทศไทย #เทคโนโลยี #excel #excelวัยทํางาน #เรื่องนี้ต้องรู้ #ต้าวสอนดาต้า
ต.เจมส์สอนดาต��้า

ต.เจมส์สอนดาต้า

ถูกใจ 256 ครั้ง

ภาพแสดง 5 ประเภทการวิเคราะห์ข้อมูลสำหรับ Data Analyst มือใหม่ จัดเรียงตามความซับซ้อนและคุณค่า ได้แก่ Descriptive, Diagnostic, Predictive, Prescriptive และ Cognitive Analytics พร้อมไอคอนประกอบแต่ละประเภท
ภาพอธิบายการวิเคราะห์เชิงพรรณนา (Descriptive Analytics) ด้วยไอคอนกราฟแท่งและแว่นขยาย เน้นการสรุปข้อมูลในอดีตถึงปัจจุบัน ใช้สถิติพื้นฐานเพื่อทำความเข้าใจ��ภาพรวมและแนวโน้ม
ภาพอธิบายการวิเคราะห์เชิงวินิจฉัย (Diagnostic Analytics) ด้วยไอคอนเอกสารและแว่นขยาย เน้นการหาสาเหตุของเหตุการณ์ ตอบคำถาม 'ทำไม' และใช้เทคนิค Data Mining เพื่อระบุปัจจัย
5 ประเภทของการวิเคราะห์ข้อมูลที่ Data Analyst มือใหม่ต้องรู้
5 ประเภทของการวิเคราะห์ข้อมูลที่ Data Analyst มือใหม่ต้องรู้ 1. การวิเคราะห์เชิงพรรณนา (Descriptive Analytics) - เป็นขั้นตอนแรกและพื้นฐานที่สุดของการวิเคราะห์ข้อมูล - มุ่งเน้นการสรุปและอธิบายสิ่งที่เกิดขึ้นในอดีตจนถึงปัจจุบัน - ใช้เครื่องมือทางสถิติพื้นฐาน เช่น ค่าเฉลี่ย มัธยฐาน และการกระจายต
Data Dungeon

Data Dungeon

ถูกใจ 480 ครั้ง

ภาพหน้าจอคอมพิวเตอร์แสดงแดชบอร์ดการวิเคราะห์ข้อมูล มีแผนที่โลกพร้อมจุดสีแดงแสดงข้อมูล และรายการจำนวนผู้เสียชีวิต พร้อมข้อความทับซ้อนว่า "50 ศัพท์ DATA ANALYTICS ที่สาย Data ควรรู้" และ "EXCEL"
50 ศัพท์ Data Analytics ที่คนทำ Data ควรรู้
50 ศัพท์ Data Analytics ที่คนทำ Data ควรรู้ อยากเป็นสาย Data ให้เก่งขึ้น? ถ้าอยากคุยกับทีม Tech หรือ Data Scientist แล้วไม่หลุดวงสนทนา? นี่เลย! รวมศัพท์พื้นฐานที่คนทำ Data Analytics ควรรู้เอาไว้ใช้จริงในงานแบบไม่ต้องจำแบบท่องจำ แต่เข้าใจได้เลยว่าเค้าพูดอะไรกัน ⸻ 1. Data ข้อมูลดิบ ๆ ท
NerdDailyDose

NerdDailyDose

ถูกใจ 771 ครั้ง

ภาพประกอบแสดงหัวข้อ 'พื้นฐานที่ควรมีก่อนทำ Dashboard ใน Power BI' และ '1. พื้นฐานด้านข้อมูล #1' พร้อมภาพคนกำลังวิเคราะห์ข้อมูล กราฟแท่ง และไอคอนโซเชียลมีเดีย
ภาพอธิบายโครงสร้างข้อมูลใน Power BI ที่จัดเก็บในรูปแบบตาราง แสดงตัวอย่างตารางข้อมูลพร้อมคอลัมน์และแถว และคำอธิบายว่าคอลัมน์แทนลักษณะข้อมูลและแ�ถวแทนข้อมูลแต่ละรายการ
ภาพแสดงไอคอนแหล่งข้อมูลต่างๆ เช่น SQL, Excel, SharePoint และ Cloud พร้อมข้อความระบุว่าสามารถนำเข้าข้อมูลจากหลายแหล่งเหล่านี้ได้
พื้นฐานที่ควรมีก่อนทำ Dashboard ใน Power BI
🧩 1. พื้นฐานด้านข้อมูล (Data Foundation) สิ่งนี้สำคัญที่สุด เพราะ Power BI คือเครื่องมือ “วิเคราะห์และแสดงผลข้อมูล” โครงสร้างข้อมูล (Data Structure): เป็นการทำความเข้าใจว่า Data มีกี่ตาราง ความสัมพันธ์ (Relationship) ระหว่างตารางเป็นยังไง 📍 สำคัญเพราะ: ถ้าไม่เข้าใจข้อมูล จะทำให้วิเคราะห์ผิด
Pram12

Pram12

ถูกใจ 52 ครั้ง

ภาพหน้าจอแสดงผลการค้นหา Google สำหรับ Kaggle และหน้าแรกของ Kaggle ที่เน้นว่าเป็นแพลตฟอร์มออนไลน์สำหรับชุมชน AI & ML ที่คนทำงานสาย Data ชื่นชอบ
ภาพแสดงสถิติของ Kaggle ที่มี Datasets, Notebooks และ Models จำนวนมาก พร้อมตัวอย่าง Trending Datasets ที่สามารถดาวน์โหลดไปฝึกทำโจทย์ได้
ภาพหน้าจอ Kaggle แสดงส่วน Learn ที่มีคอร์สเรียน Python, SQL, Machine Learning และส่วน Datasets ที่มีตัวอย่างข้อมูลหลากหลายให้ฝึกทำโจทย์
Kaggle แพลตฟอร์มออนไลน์ที่คนสาย Data ชอบ
Kaggle เป็นแพลตฟอร์มออนไลน์ที่มีแหล่งข้อมูล (Datasets) สำหรับทดลองทำโจทย์ Machine Learning (ML) และ Data Science และการวิเคราะห์ข้อมูล เหมาะสำหรับ: คนที่ต้องการฝึกฝน Data Science, ML และ AI หรือทดลองพัฒนาโมเดลโดยใช้ชุดข้อมูลจริง ไว้ครั้งหน้าจะมาแชร์การนำ Dataset ไปทำ Dashboard โดยใช้ Tool Pow
Pram12

Pram12

ถูกใจ 211 ครั้ง

มารู้จัก Logistic Regression 1 ใน Model ที่ใช้งานบ่อย
ถ้าพูดถึง Data Model ที่ใช้งานบ่อยในสายงาน Data Science ก็คือ Logistic Regression Model ทำไม Model นี้ถึงฮิต ? ไปทำความรู้จัก Logistic Regression Model ได้ในคลิปเต็มๆ เลยค่ะ #datascience #dataanalyst #dataanalystskills #CareerTips #selfdevelopment
Baitoey

Baitoey

ถูกใจ 80 ครั้ง

ภาพรวมสายงาน DATA แสดงถึงบทบาทและสิ่งที่ต้องทำ เช่น การจัดการข้อมูล การวิเคราะห์ และการนำเสนอข้อมูล พร้อมไอคอนที่เกี่ยวข้องกับข้อมูลและอาชีพต่างๆ ที่ใช้ข้อมูลเป็นหลัก
ภาพอธิบายสายงาน Data Analytics เน้นการใช้ข้อมูลวิเคราะห์ธุรกิจ สร้างประโยชน์สูงสุด ทักษะสำคัญคือการสื่อสาร, Excel, Programming (Python, SQL) และการทำ Visualization �เพื่อนำเสนอข้อมูล
ภาพแสดงสายงาน Data Scientist ที่เน้นการกำหนดกลยุทธ์ธุรกิจ สร้างโมเดลทำนายผล จัดระเบียบข้อมูล ทักษะที่จำเป็นคือคณิตศาสตร์, สถิติ, Machine Learning, Programming และ Visualization
📊DATA หลักๆมีอาชีพอะไรบ้าง❓
1️⃣ DATA analytic - สายงานนี้จะเน้นไปที่การวิเคราะห์ธุรกิจเป็นหลัก จากการใช้ข้อมูลที่เรามีมาสร้าง Dashboard หรือเรียกว่าการทำ Visualization ให้ง่ายต่อการ Presentation และช่วยในเรื่องการอธิบายข้อมูลให้ลูกค้าได้เข้าใจและสามารถต่อยอด Project ต่างๆ โดยอ้างอิงจากข้อมูลที่เรามี เพื่อให้เกิดประโยชน์ทางธุร
TNxIT

TNxIT

ถูกใจ 106 ครั้ง

ภาพรวมการสำรวจข้อมูลด้วย Python แสดงการใช้ df.info() เพื่อดูโครงสร้างข้อมูลและ heatmap เพื่อวิเคราะห์ความสัมพันธ์ระหว่างตัวแปรเชิงตัวเลข พร้อมภาพประกอบการค้นหาข้อมูล
แสดงการโหลดข้อมูลลงในตัวแปร df และคำสั่ง Python พื้นฐาน df.head(), df.shape, df.columns สำหรับการดูข้อมูลเบื้องต้นและโครงสร้างของ DataFrame
อธิบายการใช้คำสั่ง df.info() เพื่อตรวจสอบข้อมูลภาพรวมของ DataFrame รวมถึงจำนวนแถว คอลัมน์ ชื่อคอลัมน์ จำนวนค่าที่ไม่เป็น NaN ประเภทข้อมูล และขนาดหน่วยความจำที่ใช้
ใช้ Python ในการสำรวจข้อมูล (Data Exploration)
Data Exploration (หรือ Exploratory Data Analysis - EDA) คือกระบวนการ สำรวจและเข้าใจข้อมูลเบื้องต้น ก่อนนำไปวิเคราะห์ สร้างโมเดล หรือสื่อสารเชิงธุรกิจ ✅️ จุดประสงค์หลัก 🔍 เข้าใจโครงสร้างของข้อมูล เช่น มีข้อมูลกี่แถว/คอลัมน์, แต่ละฟีเจอร์คืออะไร, มีประเภทข้อมูลอะไรบ้าง 🧼 ตรวจสอบคุณภาพข้อมู
Pram12

Pram12

ถูกใจ 262 ครั้ง

ภาพประกอบแสดงคนและแมวกำลังเรียนรู้เรื่องการวิเคราะห์ข้อมูล 4 ระดับ โดยมีไอคอนกราฟและหุ่นยนต์ลอยอยู่รอบๆ
ภาพประกอบแสดงบันได 4 ขั้นของการวิเคราะห์ข้อมูล: Descriptive, Diagnostic, Predictive, Prescriptive พร้อมคำถามและตัวละครคนกับแมว
ภาพประกอบ Level 1 Descriptive Analytics แสดงคนกำลังดูแผนภูมิเส้นที่บอกการขึ้นลงของยอดขาย พร้อมข้อความอธิบาย
รู้จักการวิเคราะห์ข้อมูล ทั้ง 4 เลเวลกันเถอะ 😄
รู้จักการวิเคราะห์ข้อมูล ทั้ง 4 เลเวลกันเถอะ 😄 . ⭐Level 1 : Descriptive Analytics คือการวิเคราะห์ข้อมูลแบบพื้นฐาน เพื่อแสดงผลที่เกิดขึ้น ว่าอะไรกำลังเกิดขึ้นบ้าง เช่น ยอดขายตอนนี้เป็นยังไง . ⭐Level 2 : Diagnostic Analytics คือการวิเคราะห์หาความสัมพันธ์ เพื่อหาคำตอบว่าทำไมจึงเกิดสิ่งนั้น ๆ เ
DataToon

DataToon

ถูกใจ 809 ครั้ง

ภาพหญิงสาวกำลังทำท่าทางตกใจและชี้ขึ้นไปด้านบน พร้อมข้อความหัวข้อว่า "รู้จัก 3 โมเดล ใช้งานบ่อยในสายงาน Data Science" และแสดงรายชื่อโมเดลบนหน้าจอแล็ปท็อป เช่น Linear Regression, Decision Tree, Random Forests
ภาพแสดงหัวข้อ "1. Classification Model" พร้อมคำอธิบายว่าเป็นโมเดลที่ใช้ทำนายคำตอบแบบ Yes-No Question และตัวอย่างโมเดล เช่น Logistic Regression, Decision Tree, Random Forest
ภาพแสดงหัวข้อ "2. Forecasting Model" พร้อมคำอธิบายว่าเป็นโมเดลสำหรับการคาดการณ์ตัวเลขในอนาคต และตัวอย่างโมเดล เช่น Linear Regression, SARIMA, Exponential Triple Smoothing
รู้จัก 3 โมเดล ใช้งานบ่อยในสายงาน Data Science 📈
1. Classification Model เป็น model ที่เอาไว้ใช้เพื่อทำนายคำตอบที่เป็น Yes-No Question หรือ two-way answer เช่น - ลูกค้ามีแนวโน้มจะผิดนัด ชำระหนี้หรือไม่ (Yes / No) - ลูกค้ามีแนวโน้มจะกลับซื้อซ้ำหรือไม่ (Yes / No) - ธุรกรรมนี้มีแนวโน้มจะเป็น fraud หรือไม่ (Yes / No) ตัวอย่าง Model : Logis
Baitoey

Baitoey

ถูกใจ 114 ครั้ง

แผนผังแสดงแนวทางการเริ่มต้นเรียนรู้ Data โดยเริ่มจากเป้าหมาย ประสบการณ์เดิม ประเภทงานที่ต้องการใช้ Data และงบประมาณ/เวลา เพื่อแนะนำเส้นทางการเรียนรู้ที่เหมาะสม เช่น เรียนรู้พื้นฐาน, ใช้เครื่องมือ, หรือคอร์สเรียนต่างๆ
เริ่มต้นเรียน Data แบบไหน ยังไงบ้างดีนะ?
สำหรับใครที่อยากเรียนรู้งาน Data เพิ่มเติม แต่ไม่รู้จะเริ่มตรงไหน ดูแนวทางเบื้องต้น แล้วเซฟภาพนี้เก็บไว้ได้เลย #datatoon #ชมรมคนรักงาน #เจาะลึกการงาน #Lemon8ฮาวทู #dataanalyst
DataToon

DataToon

ถูกใจ 1153 ครั้ง

มือถือซองสีชมพูสำหรับชุดทดสอบการตรวจหาผลลัพธ์ล่วงหน้า ซองมีข้อความระบุว่าเป็นชุดทดสอบที่ให้ผลลัพธ์ได้เร็ว
รีวิวที่ตรวจครรภ์ได้ก่อนถึงเวลา
ว่าที่คุณแม่ทั้งหลาย ที่อยากรู้ว่าตนเองท้องหรือไม่ต้องใช้ยี่ห้อนี้นี้ คือตรวจไว !!! ตรวจได้ตั้งแต่ 10 วันหลังจากไข่ตก หรือฉีดเชื้อ หรือ 5 วันหลังจากย้ายตัวอ่อน !!! ⭐️ความพอใจ: 🌟🌟🌟:<a class="l8editor-forum" data-type="forum" data-name="#ที่ตรวจครรภ" data-id="7402151894
Fiths.1991

Fiths.1991

ถูกใจ 6 ครั้ง

อันดับความแรง Retinoid ✨
เรตินอยด์ % ประมาณไหน เหมาะกับผิว เลือกตามความเหมาะสมได้เลยน้า เรียงจากเบา ไปแรง #เรตินอล #retinol #retinoid <a class="l8editor-forum" data-type="forum" data-name="#รีว" data-id="7044764863175983106">#รีว</a>ิวบิวตี้ #พอพีรีวิว
พอ. พี (potter P)

พอ. พี (potter P)

ถูกใจ 942 ครั้ง

ภาพอินโฟกราฟิกแสดง 5V ของ Big Data สำหรับ Data Analyst มือใหม่ ได้แก่ Volume, Velocity, Variety, Veracity และ Value พร้อมไอคอนและคำอธิบายสั้นๆ ประกอบแต่ละส่วน
ภาพแสดงหัวข้อ Volume (ปริมาณ) พร้อมไอคอนลูกบาศก์ที่มีลูกศรแสดงขนาดใหญ่ และคำอธิบายว่าหมายถึงขนาดข้อมูลมหาศาลที่ระบบฐานข้อมูลดั้งเดิมรับมือไม่ได้
ภาพแสดงหัวข้อ Velocity (ความเร็ว) พร้อมไอคอนมาตรวัดความเร็ว และคำอธิบายว่าเกี่ยวข้องกับความเร็วในการสร้างและประมวลผลข้อมูลที่ต้องวิเคราะห์อย่างรวดเร็ว
5V ของ Big Data สำหรับ Data Analyst มือใหม่
5V ของ Big Data สำหรับ Data Analyst มือใหม่ 1. Volume (ปริมาณ) • หมายถึงขนาดของข้อมูลที่มีขนาดใหญ่มาก • ข้อมูลมีปริมาณมหาศาล เกินกว่าที่ระบบฐานข้อมูลแบบดั้งเดิมจะรับมือได้ • ตัวอย่าง: ข้อมูลจากโซเชียลมีเดีย, ข้อมูลธุรกรรมออนไลน์, ข้อมูลจากเซ็นเซอร์ต่างๆ 2. Velocity (ความเร็ว) • เกี่ยวข้องกั
Data Dungeon

Data Dungeon

ถูกใจ 163 ครั้ง

ทำ Dynamic Image Dashboard (Looker Studio)
EP5 มาแว้วว โพสนี้มาเรียนวิธีสร้าง Dynamic Image หรือ รูปภาพที่แสดงให้สอดคล้องกับการ filter ข้อมูลใน Dashboard บน Looker Studio . 🍵การสร้าง Dynamic Image บน Dashboard สามารถทำได้ 2 วิธี แบ่งตามแหล่งข้อมูลคือ Public source และ Private souce . 🍵Private source จะต้องมีการแปลง URL เสียก่อนถึงจะแสด
Tah DataTrippu

Tah DataTrippu

ถูกใจ 17 ครั้ง

ภาพหน้าจอ Google Sheet แสดงข้อมูลดิบของลูกค้า เพศ ประเภทสินค้า ราคา จำนวน ภาษี และยอดรวม พร้อมข้อความซ้อนทับว่า \"ลองทำโจทย์ Google sheet\" เพื่อเชิญชวนให้ฝึกทำโจทย์ Data analyst
ภาพหน้าจอ Google Sheet แสดงข้อมูลวัน เวลา และกลุ่มวัน พร้อมคำแนะนำว่าโจทย์ไม่ยากเกินไป และระบุสูตรพื้นฐานที่ใช้ในการวิเคราะห์ข้อมูล เช่น Sumifs, Month, Split, Text, Xlookup และ Pivot table
ภาพหน้าจอ Google Sheet แสดงตารางสรุปยอดขายรายเดือนแยกตามสาขาและยอดรวม, การแบ่งลูกค้าตามประเภทและเพศ, และยอดขายตามชั่วโมง พร้อมข้อความเน้นการสรุปและเปรียบเทียบยอดขาย รวมถึงการหา Customer profile
มาลองฝึกทำโจทย์ Data analyst แบบไม่ยากกันเถอะ
สวัสดีครับ ถ้าช่วงปลายปีนี้ใครอยากอัพสกิล Google sheet หรือว่างๆ มาลองเทสโจทย์ Data กันเถอะครับ โดยจะมีโจทย์ และเนื้อเรื่องให้นิดหน่อยครับเพื่อเข้าใจการทำโจทย์ Link google sheet : https://docs.google.com/spreadsheets/d/1RMSONaOrrm4V8UXnxZgbIINnbP7OyigwwXANquKa7Gg/edit #gid =0 สามารถเข้าใช้
แตมซูเกะ

แตมซูเกะ

ถูกใจ 335 ครั้ง

ภาพประกอบคู่มือเริ่มต้นสร้าง AI App แสดงคนกำลังซ่อมแซมหุ่นยนต์ AI โดยมีแมวและจอคอมพิวเตอร์อยู่ข้างๆ พร้อมเครื่องมือในกล่อง AI
ภาพแสดงตัวอย่าง AI App เช่น AI Chatbot, AI Data Dashboard, AI Image Gen App และคำถามว่า 'ถ้าอยากทำบ้าง, เริ่มต้นยังไงดีนะ?'
ภาพหุ่นยนต์ AI แสดงส่วนประกอบสำคัญ 4 ส่วนของการสร้าง AI App ได้แก่ INTERFACE (หน้ากาก), MODEL (สมอง), DATA (ข้อมูล) และ INFRASTRUCTURE (โครงสร้าง)
คู่มือเริ่มต้นสร้าง AI App มาใช้งานเอง
คู่มือเริ่มต้นสร้าง AI App มาใช้งานเอง #DataToon
DataToon

DataToon

ถูกใจ 143 ครั้ง

ภาพหน้าปกบทความ 'คู่มือย้ายสายงาน ไปเป็น DATA ANALYST EP.4' ถามว่า 'เรียน SQL ที่ไหนดี?' พร้อมโลโก้ w3schools, datacamp และ Skooldio บนพื้นหลังแล็ปท็อปและไอคอนฐานข้อมูล SQL
ภาพเน้นย้ำว่า SQL เป็นทักษะบังคับสำหรับ Data Analyst และผู้เขียนจะแนะนำเฉพาะแหล่งเรียนที่เคยเรียนจริง พร้อมภาพประกอบไอคอน SQL, คนกำลังทำงาน และข้อความเชิญชวนให้ปัดหน้าถัดไป
ภาพแนะนำ w3schools เว็บสอนเขียนโปรแกรมฟรี มีคุณภาพสูง สอน SQL เป็นภาษาอังกฤษ มีแบบฝึกหัดและ Quiz แต่ไม่มี Certificate และวิดีโอประกอบการสอน
คู่มือย้ายสายมา Data Analyst Ep.4
เรียน SQL ที่ไหนดี SQL นับเป็น Skill ภาคบังคับที่ต้องเขียนให้เป็น ถ้าใครส่งใบสมัครแล้วบอกว่าเขียน SQL เขียนไม่เป็น บริษัทหลายที่ก็ไม่สนใจจะพิจารณาต่อ ผมรวบรวมเฉพาะที่ผมเคยเรียนจริงๆ เท่านั้น ผมจะไม่แนะนำ ที่เรียนที่แบบเขาเล่าว่าดี 1. w3schools - เว็บสอนเขียนโปรแกรม ขวัญใจสายฟรี มีคุณภาพสูง ม
Data Dungeon

Data Dungeon

ถูกใจ 1412 ครั้ง

ภาพแสดงเว็บไซต์ ChartBase ที่ช่วยสร้างกราฟจาก Notion Database ฟรี พร้อมตัวอย่างกราฟและข้อความเชิญชวน 'ใครสายฟรีต้องเซฟไว้เลย!!' โดยมีโลโก้ ChartBase และไอคอนกราฟประกอบ
ChartBase เว็บไซต์ใช้ทำกราฟแสดงใน notion ฟรี!! ✨📈
ChartBase เว็บไซต์สำหรับใช้ทำกราฟแสดงใน notion ฟรี!! ใครสายฟรีต้องเซฟไว้เลย!! ChartBase คืออะไร? แพลตฟอร์มที่จะช่วยแปลงข้อมูลจาก Notion Database ให้กลายเป็น กราฟสวยงาม (Data Visualization) ได้ในไม่กี่คลิก ซึ่งออกแบบมาเพื่อแก้ปัญหาคนใช้ Notion ที่อยากดูสรุปข้อมูลเป็นภาพ แต่ไม่อยากจ่ายเงินอัปเกรด
FTproductiveflow

FTproductiveflow

ถูกใจ 82 ครั้ง

ภาพปกแสดงผู้หญิงสวมเสื้อสีชมพูอ่อน มีข้อความสีสันสดใสว่า "ข้ามสาย First Jobber รีวิวช่องหางาน กว่าจะได้ตำแหน่ง Data Analyst ทำอะไรบ้างกว่าจะได้งาน"
ภาพแล็ปท็อป MacBook Air และแท็บเล็ตที่กำลังแสดงหน้า LinkedIn Learning พร้อมแก้วน้ำสีแดงข้างๆ ข้อความระบุว่าเรียนคอร์สออนไลน์เพื่อเก็บ certificate จาก LinkedIn และ Coursera
ภาพขวดน้ำวางอยู่ด้านหน้าห้องสัมมนาที่มีจอโปรเจคเตอร์ฉายอยู่ด้านหลัง ข้อความอธิบายว่าผู้เขียนเข้าร่วมสัมมนาเกี่ยวกับการเริ่มต้นธุรกิจ SME เพื่อเพิ่มความรู้รอบตัว
👩‍💻 รีวิวข้ามสายไป Data Analyst ตามประสา First Jobber ✨
🙌วันนี้จะมารีวิวว่ากว่าจะได้งานแรก เราทำอะไรไปบ้างค่ะ เราเรียนจบด้านวิศวะการบินมาค่ะ แต่พอเรียนจบเราก็ค้นพบว่าเราอยากย้ายไปสายที่ได้ใช้ analysis & business acumen เลยหางานที่เหมาะกับตัวเองค่ะ ซึ่ง Data Analyst คือคำตอบค่ะ💻 📝 เรามีพื้นฐานจากมหาลัยแค่ coding เบื้องต้น(มากๆ) และอาจจะมี benefit
fluffy🫧

fluffy🫧

ถูกใจ 4236 ครั้ง

ภาพแสดงความท้าทายสำหรับผู้เริ่มต้นทำงานสาย Data ที่ไม่ได้จบสาย IT โดยมีคนกำลังใช้แล็ปท็อปพร้อมโค้ด Python, โลโก้ Microsoft SQL Server และกราฟแท่งเปรียบเทียบยอดขาย ซึ่งสะท้อนถึงการเขียนโค้ด, การจัดการฐานข้อมูล และการวิเคราะห์ข้อมูล
อะไรคือเรื่องยาก ของคนเริ่มต้นทำงานสาย Data
ถ้าคนที่ไม่ได้เรียน IT มาก่อนแล้วอยากทำงานสาย Data เรื่องที่อาจเป็นอุปสรรคมีหลายอย่าง เช่น 1️⃣ พื้นฐานด้านการเขียนโค้ด (Programming) งานด้าน Data ส่วนใหญ่มักต้องใช้ SQL, Python หรือ R คนที่ไม่ได้เรียน IT อาจไม่คุ้นเคยกับแนวคิดของ Logic, Algorithm, Data Structure ทำให้ต้องใช้เวลาเรียนรู้มากกว่า
Pram12

Pram12

ถูกใจ 267 ครั้ง

ภาพหน้าจอ Jupyter Notebook แสดงโค้ด Python และข้อมูลตาราง พร้อมข้อความว่า "งานสาย Data เปิดรับเยอะ แต่ทำไม? เด็กจบใหม่หางานยาก!" โดยมีผู้หญิงทำหน้าตกใจอยู่ด้านล่าง
ภาพแสดงความต้องการตำแหน่งงาน Data ในประเทศไทยมากกว่า 7,500 ตำแหน่ง ณ วันที่ 10 ก.ค. 68 พร้อมคำถามว่า "แต่ทำไมเด็กจบใหม่หางานยาก ไปดู"
ภาพหน้าจอ LinkedIn แสดงความคิดเห็นจาก CEO ที่ระบุว่าเด็กจบใหม่สาย Data ขาดความเข้าใจการทำงานเป็นระบบ, ทักษะการปรับตัว, Resilience, Analytical Thinking และ Communication Skill
งานสาย Data เปิดรับเยอะ แต่ทำไมเด็กจบใหม่กลับหางานยาก ‼️
How to Get a Data Job in 2025 คือ ทุกคนควรมีโปรเจกต์อย่างน้อย 1 ชิ้นติดมือเพื่อบอกว่าเราทำงานเป็น คิดเป็น และเข้าใจการตัดสินใจต่างๆในองค์กร คำถามคือ Project แบบไหน บริษัทถึงจะเห็นว่าเราเข้าใจการทำงานจริงๆ ซึ่งเตยไปเจอ Framework การทำ Data Project มาจาก Linkedin ของคุณ Tharathep Chuayrod (เขี
Baitoey

Baitoey

ถูกใจ 689 ครั้ง

ภาพหญิงสาวกำลังทำงานบนแล็ปท็อป แสดงหน้าจอที่มีคำว่า \"CUSTOMER SEGMENTATION\" พร้อมข้อความหัวข้อว่า \"3 ประเภทโมเดลสำคัญของสายงาน Data ใครอยากทำงานด้านนี้ ต้องรู้!\"
ภาพข้อความอธิบายโมเดลประเภทที่ 1 คือ Classification Model เหมาะกับการทำนายแบบ Yes/No และนิยมใช้ในการวิเคราะห์สินเชื่อ, Fraud Detection, การวินิจฉัยโรค โดยมี Logistic Regression, Decision Tree ��เป็นโมเดลยอดนิยม
ภาพข้อความอธิบายโมเดลประเภทที่ 2 คือ Forecasting Model เหมาะกับการคาดการณ์ข้อมูลเชิงตัวเลขในอนาคต นิยมใช้ในการคาดการณ์ยอดขาย, วางแผนสต็อกสินค้า โดยมี Linear Regression และ Time Series เป็นโมเดลยอดนิยม
3 ประเภท Model สำคัญของสาย Data 📈
1. Classification Model 🔘 เหมาะกับการทำนาย “2 possible answer“ หรือ Yes or No Queasion เช่น ลูกค้าจะผิดนัดชำระหรือไม่? 🔘 นิยมใช้กับการวิเคราะห์สินเชื่อ Fraud Detection การวินิจฉัยโรค การคาดการณ์พฤติกรรมลูกค้า ฯลฯ 🔘 Model ที่นิยมคือ Logistic Refression, Decision Tree, Random Forest, XGBOOST
Baitoey

Baitoey

ถูกใจ 120 ครั้ง

แชร์เทคนิคสำคัญในการทำ Data Modeling
เทคนิค “Variable Transformation” เป็น 1 ในเทคนิคในการทำ Data Modeling ซึ่งมีผลต่อความแม่นยำของ Model และการที่ model fit กับ Data ซึ่งในคลิปเตยจะแชร์เทคนิคการทำ Variable Transformation แบบเข้าใจง่ายๆ เป็นตัวอย่างให้ดูค่ะ จะเป็นยังไงไปดูในคลิปเต็มๆได้เลยค่า #dataanalyst #datascience #dataeng
Baitoey

Baitoey

ถูกใจ 266 ครั้ง

กว่าจะได้เป็น Data Analyst ต้องผ่านอะไรมาบ้าง?
กระบวนการทั้งหมดอาจจะกินเวลาประมาณ 1 - 3 สัปดาห์ ซึ่งแต่ละบริษัทอาจจะประกอบไปด้วยขั้นตอนที่ไม่เหมือนกัน มากน้อย ช้าเร็ว แตกต่างกันไป แต่กระบวนการหลักๆ มักจะมีประมาณนี้ก่อนจะได้มาเป็น Data Analyst 1. สงครามการส่งใบสมัคร - การสมัครงาน Data Analyst ในปัจจุบันการแข่งขันสูงมาก บางตำแหน่งงานที่ดี แ
Data Dungeon

Data Dungeon

ถูกใจ 166 ครั้ง

ภาพหน้าจอ Google Colab แสดงไฟล์ข้อมูล NFL Play by Play และข้อความว่า “ไม่ต้องโหลดโปรแกรม” เป็นการแนะนำการทำ Data Inspection และ Data Explorer สำหรับมือใหม่
ภาพแสดงขั้นตอนการโหลดข้อมูลเข้า Google Colab โดยมีลูกศรชี้ไปที่ไอคอนโฟลเดอร์ ไอคอนอัปโหลด และการเลือกไฟล์ข้อมูล พร้อมคำอธิบายว่า Colab เป็นบริการของ Google สำหรับเขียน Python
ภาพแสดงขั้นตอนการโหลดข้อมูลเข้า DataFrame ใน Python โดยการคัดลอก Path ของไฟล์ข้อมูล NFL Play by Play จาก Kaggle และแสดงตัวอย่างข้อมูล 5 แถวแรก
มือใหม่ก็ทำได้! การ Clean Data #1
การทำความสะอาดข้อมูลหรือ Data Cleaning เป็นกระบวนการปรับปรุงและแก้ไขข้อมูลให้มีความถูกต้อง สมบูรณ์ และพร้อมสำหรับการวิเคราะห์หรือการใช้งานต่อไป ซึ่งเป็นขั้นตอนสำคัญในกระบวนการวิเคราะห์ข้อมูล (Data Analysis) และการทำเหมืองข้อมูล (Data Mining) เนื่องจากข้อมูลดิบมักจะมีข้อผิดพลาดหรือปัญหาต่างๆ ที่อาจส
Pram12

Pram12

ถูกใจ 164 ครั้ง

ภาพหญิงสาวยิ้มแย้มพร้อมแล็ปท็อปสองเครื่อง แสดงหัวข้อ “Basic METRICS ที่ Data Analyst ใช้บ่อยๆ” และคำว่า Frequency, Ticket Size, Churn, Retention
ภาพประกอบแสดงคำว่า “Frequency” พร้อมคำอธิบาย “ความถี่ในการใช้ของลูกค้า เช่น ลูกค้าใช้งานกี่ครั้งใน 1 เดือน” และภาพคนกำลังเลือกซื้อของออนไลน์
ภาพประกอบแสดงคำว่า “Ticket size” พร้อมคำอธิบาย “ยอดที่ซื้อแต่ละครั้ง เช่น ซื้อต่อครั้ง 120 บาท” และภาพคนเข็นรถเข็นสินค้า
พื้นฐาน Metrics ที่ Data Analyst ใช้บ่อยๆ
จริงๆแล้ว Data Analyst ในแต่ละ business มักจะต้องเจอศัพท์ทางเทคนิคและ KPI ที่ต่างกัน วันนี้จะมาเล่าถึงพื้นฐาน Metrics หรือตัวชี้วัด ที่ใช้กันในหลายๆธุรกิจ มี Metrics อะไรที่ควรทำความรู้จักกันไว้บ้าง ไปดูกันเลย 1️⃣ Frequency: ความถี่ในการใช้/ซื้อของลูกค้า เช่น ลูกค้าใช้งานกี่ครั้งใน 1 เดือน
Mindjew

Mindjew

ถูกใจ 184 ครั้ง

ภาพหน้าปกแนะนำเว็บไซต์ Kaggle สำหรับ Data Analyst มือใหม่และมืออาชีพ แสดงถึงผู้คนหลากหลายพร้อมข้อความเกี่ยวกับคอร์สฟรี ข้อมูลสำหรับ Portfolio และการแข่งขันชิงรางวัล
ภาพแสดงรายการคอร์สเรียน Python ฟรีบน Kaggle เช่น Intro to Programming, Python, Machine Learning, Pandas, Data Visualization และ SQL เพื่อพัฒนาทักษะด้าน Data Science
ภาพหน้าจอการสอนพื้นฐานเรื่อง Arithmetic and Variables ในคอร์ส Intro to Programming ของ Python บน Kaggle พร้อมตัวอย่างโค้ด 'print("Hello, world!")' และผลลัพธ์
แนะนำ Web Kaggle สำหรับ Data Analyst มือใหม่และมืออาชีพ
#data #dataanalyst #datascience #ย้ายสายงาน #อาชีพ
Data Dungeon

Data Dungeon

ถูกใจ 647 ครั้ง

ภาพหน้าจอแล็ปท็อปแสดงโค้ด Python ใน JupyterHub พร้อมข้อความซ้อนทับว่า "4 เครื่องมือที่ใช้บ่อย Data Analyst" ซึ่งเป็นหัวข้อของบทความ
ภาพแสดงโค้ด SQL และข้อความระบุว่า SQL เป็นเครื่องมือแรกที่ Data Analyst ใช้บ่อยที่สุด ใช้ดึงข้อมูลจากฐานข้อมูล เรียนรู้ง่ายแต่ต้องมีตรรกะ
ภาพแสดงโลโก้ Power BI และตัวอย่างแดชบอร์ดบนแท็บเล็ต พร้อมข้อความระบุว่าเป็นเครื่องมือที่สองที่ใช้บ่อยสำหรับการสร้าง Visualization และ Dashboard
4 เครื่องมือที่ใช้บ่อยของ Data Analyst
สวัสดีค่า วันนี้เตยจะมาแชร์เครื่องมือที่ใช้งานบ่อยของอาชีพ Data Analyst มีอะไรบ้างไปดูกันเลยยย 1. SQL เป็นเครื่องมืแที่สำคัญมากๆ ใครทำสาย Data ยังไงก็ต้องใช้เครื่องมือนี้ เพราะ SQL ช่วยให้เราสามารถดึงข้อมูลจากฐานข้อมูลได้อย่างรวดเร็วและมีประสิทธิภาพ ดังนั้น เราสามารถเรียกดูข้อมูลที่เก็บไว้ในรู
Baitoey

Baitoey

ถูกใจ 997 ครั้ง

𝗣𝘆𝘁𝗵𝗼𝗻 𝗖𝗵𝗲𝗮𝘁 𝘀𝗵𝗲𝗲𝘁 𝗣𝗮𝗿𝘁 - 𝟭
𝗣𝘆𝘁𝗵𝗼𝗻 𝗖𝗵𝗲𝗮𝘁 𝘀𝗵𝗲𝗲𝘁 𝗣𝗮𝗿𝘁 - 𝟭 𝗖𝗿𝗲𝗱𝗶𝘁: 𝗖𝗼𝗱𝗲 𝘄𝗶𝘁𝗵 𝗛𝗮𝗿𝗿𝘆 𝗼𝗻 𝗬𝗼𝘂𝘁𝘂𝗯𝗲 #cybersecuritytips #python #programming #code #coding #pentesting #cybersecurity #infosec #blackhat #informationsecurity #linux
FreedomHack 󱢏

FreedomHack 󱢏

ถูกใจ 27 ครั้ง

ภาพหน้าปกบทความแสดงผู้หญิงสวมหูฟังพร้อมข้อความว่า "5 เว็บไซต์ ช่วยชีวิต !! Data Analyst" บนพื้นหลังสีชมพูเข้ม
ภาพแสดงโลโก้ Stack Overflow พร้อมที่อยู่เว็บไซต์และคำอธิบายว่าเว็บไซต์นี้เป็นแหล่งรวมปัญหาและวิธีแก้ไขสำหรับผู้ทำงานสาย Data โดยเฉพาะ Python
ภาพแสดงโลโก้ W3Schools พร้อมที่อยู่เว็บไซต์และคำอธิบายว่าเป็นแหล่งเรียนรู้สำหรับ Programmer, Developer และ Data Science สอน SQL, Python, HTML, Javascript
5 เว็บไซต์ช่วยชีวิตของสายงาน Data Analyst ‼️
1. Stack Overflow เว็บนี้เรียกได้ว่าช่วยชีวิตคนทำงานสาย Data แทบทุกคนเลยดีกว่า เพราะเวลาเขียนโปรแกรม โดยเฉพาะ Python มีปัญหา เว็บนี้เหมือนแหล่งรวมปัญหาที่เคยเกิด และมีผู้รู้มาช่วยแก้ไขให้แล้วเตยใช้ตั้งแต่เรียนจนทำงาน จนทุกวันนี้แม้จะมี Generative AI ก็ยังใช้ Stack Overflow อยู่ค่า Web: https:/
Baitoey

Baitoey

ถูกใจ 453 ครั้ง

AI Data Skills ที่ทุกคนควรรู้!
ใครยังทำงานแบบไม่ data-driven บอกเลยว่าพลาด 🚨 แต่ไม่ต้องห่วง! คลิปนี้สอนใช้ AI ช่วยจัดการข้อมูลครบ — ตั้งแต่ clean 👉 วิเคราะห์ 👉 ทำกราฟสวย ๆ ง่ายเหมือนกดคีย์ลัด ✨ Prompt ที่ใช้จริง แปะให้ในคอมเมนต์แล้ว ก๊อปไปลองได้เลย 😉 #สอนใช้aiเพื่อการทํางาน #เรียนai #dataanalyst #dataskills #cha
Olyvia Ma

Olyvia Ma

ถูกใจ 1291 ครั้ง

ภาพผู้หญิงยิ้มชี้ขึ้นด้านบน พร้อมข้อความ 'เทคนิคการทำ Data Analysis TAKE IT EASY' และภาพประกอบแท็บเล็ต ปากกา และดาวบนพื้นหลังตารางกริด
ภาพแสดงขั้นตอนที่ 1 ของการทำ Data Analysis คือ 'ทำความเข้าใจโจทย์ที่ได้รับอย่างละเอียด' พร้อมคำถามสำคัญ เช่น ใครใช้? เพื่ออะไร? และภาพต้นคริสต์มาส
ภาพแสดงขั้นตอนที่ 2 ของการทำ Data Analysis คือ 'Cross check ตัวเลข Confirm ตัวเลขที่ถูกต้อง ก่อนเริ่มทำ Statistical Analysis' พร้อมภาพของตกแต่งคริสต์มาสและกล่องของขวัญ
เทคนิคการทำ Data Analysis
หน้าที่สำคัญของ ​Data analyst คือการ “วิเคราะห์ข้อมูล” วันนี้มายจึงมีเทคนิคเล็ก ๆ น้อย ๆ มาบอกเพื่อนค่ะ 1.) ทำเข้าใจโจทย์ที่ได้รับอย่างละเอียด ว่าใคร? ต้องการอะไร? ​เพื่ออะไร? หลังจากได้งานนี้ Action ต่อมาคืออะไร? ☝️ ยิ่งระบุสิ่งเหล่านี้ชัด ข้อมูลที่เราใช้วิเคราะห์จะยิ่งชัดเจน ไม่ลอยไปลอยมา
Mindjew

Mindjew

ถูกใจ 128 ครั้ง

ภาพแสดงโลโก้ roadmap.sh และข้อความว่า 'เว็บที่ช่วยแนะนำการเตรียมตัวย้ายงานไปสาย Tech แบบฟรีๆ' พร้อมรายการเส้นทางอาชีพ (ROLE BASED ROADMAPS) เช่น Frontend, Backend, Data Analyst, Data Scientist และอื่นๆ อีกมากมาย
แผนผังเส้นทางอาชีพ Data Analyst Roadmap แสดงโครงสร้างการเรียนรู้ตั้งแต่พื้นฐาน การเขียนโปรแกรม การจัดการข้อมูล การวิเคราะห์ข้อมูล การแสดงผลข้อมูล และหัวข้อขั้นสูง พร้อมคำแนะนำว่านี่คือฉบับย่อ
แผนผังเส้นทางอาชีพ Data Scientist Roadmap เน้นการเรียนรู้คณิตศาสตร์ สถิติ และเศรษฐมิติ รวมถึงการทดสอบสมมติฐานและการวิเคราะห์การถดถอย พร้อมระบุว่าจัดทำโดยทีม AI และ DS ของ Careem และเป็นฉบับย่อ
Roadmap.sh เว็บแนะนำแนวทางการย้ายสายไป แบบฟรีๆ
#ย้ายสายงาน #อาชีพ #dataanalyst #datascience #developer
Data Dungeon

Data Dungeon

ถูกใจ 350 ครั้ง

ผู้หญิงยิ้มยืนหน้าร้านกาแฟ มีข้อความว่า 'อยากเป็น Data Analyst เริ่มจากเรียนอะไรดี ?' และ 'พื้นฐานสำหรับคนย้ายสาย' พร้อมป้ายเวลาเปิด-ปิดร้าน
หน้าจอแล็ปท็อปแสดงโค้ดและ Execution log พร้อมข้อความ '1.) พื้นฐานสถิติ' และคำอธิบายความสำคัญของการตีความค่าทางสถิติสำหรับ Data Analyst
หน้าจอคอมพิวเตอร์แสดง BigQuery และแล็ปท็อปสองเครื่อง มีข้อความ '2.) ภาษา Programming เช่น SQL, Python' และคำแนะนำว่า SQL ก็เพียงพอสำหรับงาน
อยากเป็น Data Analyst เริ่มจากเรียนอะไรดี ?
สวัสดีค่ะ วันนี้มายจะแนะนำเพื่อนๆ ที่อยากเป็น Data Analyst ว่าเราควรเริ่มจากเรียนอะไรดี 1.) พื้นฐานสถิติ เป็นสิ่งที่จำเป็นมากๆ ของเหล่า Data analyst เพราะมีหลายคำศัพท์ที่เราต้องเข้าใจการตีความขของข้อมูลจากค่าทางสถิติเหล่านี้ 2.) เรียนรู้ภาษา Programming ได้แก่ SQL, Python แต่แล้วแต่ที่ด้วย
Mindjew

Mindjew

ถูกใจ 1689 ครั้ง

ภาพแสดงลำดับการทำงานของ SQL Query Execution Order จาก ByteByteGo.com โดยมีแผนภาพการไหลของข้อมูลเชื่อมโยงกับแต่ละส่วนของคำสั่ง SQL ได้แก่ FROM, JOIN, WHERE, GROUP BY, HAVING, SELECT, ORDER BY และ LIMIT
ภาพอธิบายความสำคัญของการเข้าใจลำดับการทำงานของ SQL สำหรับ Data Analyst เพื่อให้เขียน Query ได้อย่างมีประสิทธิภาพและได้ผลลัพธ์ที่ถูกต้อง โดยจะอธิบายว่า SQL Database Engine ประมวลผล Query ตามลำดับขั้นตอนใด
ภาพอธิบายว่าจุดเริ่มต้นการทำงานของ SQL ไม่ใช่ SELECT แต่เป็น FROM โดย Database Engine จะเริ่มจากการระบุแหล่งข้อมูลและโหลดตารางหลักที่ระบุใน FROM clause
ลำดับการทำงาน SQL
#dataanalyst #datascience #dataengineer #อาชีพ #ย้ายสายงาน
Data Dungeon

Data Dungeon

ถูกใจ 1213 ครั้ง

ภาพชื่อเรื่อง '5 AI ช่วยชีวิต Data Analyst' พร้อมโลโก้ของ AI ต่างๆ ได้แก่ Perplexity, Gemini, TORM (Stormchat), Claude และ ChatGPT
ภาพแสดง ChatGPT พร้อมโลโก้และรายการคุณสมบัติ เช่น ช่วยเขียนโค้ด Python/SQL, คำนวณใน Dashboard, หาไอเดีย/KPI, ดึงข้อมูลจากภาพ และสรุปบทความ
ภาพแสดง Gemini พร้อมโลโก้และรายการคุณสมบัติ เช่น ใช้งานคล้าย ChatGPT, เชื่อมต่อ Google Workspace และมี Reference สำหรับอ้างอิงข้อมูล
5 AI ช่วยชีวิต Data Analyst
#dataanalyst #datascience #ai #งาน #อาชีพ
Data Dungeon

Data Dungeon

ถูกใจ 271 ครั้ง

6 เครื่องมือสาย Data ในการทำ Data Modeling
สวัสดีค่า ทริค Data น่ารู้มาอีกแล้วค่า 1 ในหน้าที่ของสายงาน Data ก็ไม่หนีพ้นการทำ Data Modeling ค่ะ ก็คือการเอาข้อมูลมาให้ machine มัยเกอดเรียนรู้ และ detect pattern ของข้อมูลออกมานั่นเองค่ะ ซึ่งวันนี้เตยก็จะมาแชร์ 6 เครื่องมือที่สาย Data ใช้ในการทำ Data Modeling กันค่า จะมี 1. Microsoft Ex
Baitoey

Baitoey

ถูกใจ 109 ครั้ง

ภาพหน้าปกบทความในห้องประชุม แสดงคำถามว่า Data Engineer คือใคร และทำหน้าที่อะไรบ้าง บนจอโปรเจคเตอร์มีโลโก้ Help Me PICK และเวลาปัจจุบัน
ภาพสไลด์ที่ 1/4 อธิบายว่า Data Engineering คืออะไร โดยเป็นการนำ Software Engineering มาประยุกต์ใช้กับข้อมูลเพื่อวัตถุประสงค์ต่างๆ เช่น การวิเคราะห์และสร้าง Machine Learning Model
ภาพสไลด์ที่ 2/4 แสดงข้อกำหนดและหน้าที่ของ Data Engineer ในการจัดการข้อมูลขององค์กร การนำหลักการ Software Engineering มาใช้ และการปกป้องข้อมูลจากภัยคุกคามทางไซเบอร์
Data Engineer คือใคร
📍Data Engineering คืออะไร ??? Data engineering คือ ศาสตร์ที่นำ software engieering มาประยุกต์ใช้กับงาน data เพื่อทำให้ข้อมูลสามารถเข้าถึงและใช้งานได้ ในวัตถุประสงค์ต่างๆ เช่น 📍Data Engineer คือใคร ??? 1. นำศาสตร์ด้าน Data Engineering มาออกแบบ, พัฒนา และ maintain data platform 2. จัดการกา
Valen Thongkum

Valen Thongkum

ถูกใจ 129 ครั้ง

🚀 Beyond Rows and Columns: 4 แนวคิดการออกแบบข้อมูล
🚀 Beyond Rows and Columns: 4 แนวคิดการออกแบบข้อมูล ในยุคปัจจุบัน ที่ไม่ได้มีแค่ตารางสี่เหลี่ยมแบบเดิมๆ อีกต่อไป 4 แนวคิดสำคัญในการออกแบบข้อมูล (Data Modeling) 1. Fact Table Design (การออกแบบตาราง Fact) - คือการแยก "ตัวเลข/ยอดสรุป" (Fact) ออกจาก "มิติ/รายละเอียด" (Dimensi
Data Space Cafe

Data Space Cafe

ถูกใจ 0 ครั้ง

ภาพหน้าปกแสดงหัวข้อ "มัดรวม 8 ทักษะที่ควรมีสำหรับ Data Analyst" บนสมุดโน้ต มีโลโก้ Skooldio และตัวการ์ตูนสีเหลืองถือปากกา พร้อมองค์ประกอบกราฟิกสีส้มและเครื่องบินกระดาษ
ภาพแสดงทักษะแรก "ทักษะการใช้โปรแกรม Spreadsheet" พร้อมคำอธิบายว่าใช้ Microsoft Excel หรือ Google Sheets ในการวิเคราะห์และแปลงข้อมูลเป็นรูปภาพ มีโลโก้ Skooldio และตั��วการ์ตูนสีเหลือง
ภาพแสดงทักษะ "ทักษะการวิเคราะห์" อธิบายถึงการคิดวิเคราะห์อย่างมีเหตุผลเพื่อสรุปความหมายจากข้อมูลและใช้ในการวางแผนอย่างแม่นยำ พร้อมโลโก้ Skooldio และตัวการ์ตูนสีเหลือง
มัดรวม 8 ทักษะที่ควรมีสำหรับ Data Analyst 🔥
ใครอยากทำงานสาย Data Analyst ฟังทางนี้! 👩‍💻📊 วันนี้เราจะมาเล่า 8 Skill Sets สำคัญของงานสายนี้กัน . 🔍 Data Analyst คือใคร? ผู้ที่นำข้อมูลมาสร้างประโยชน์ให้ให้กับธุรกิจ เพื่อช่วยธุรกิจตัดสินใจ วางแผน และปรับปรุงการทำงาน โดยใช้ข้อมูลทั้งภายใน (เช่น ยอดขาย, ต้นทุน) และภายนอก (เช่น ข้อมูลตลาด, พฤติกร
Skooldio

Skooldio

ถูกใจ 309 ครั้ง

ภาพผู้หญิงกำลังชี้ไปที่หน้าจอแล็ปท็อปที่แสดงหัวข้อ 'Machine Learning Model' และรายการโมเดลต่างๆ พร้อมข้อความ '5 Checklists Data Analyst ที่บริษัทต่างชาติมองหา' และโลโก้ Lemon8
ภาพหน้าจอแล็ปท็อปแสดงอินเทอร์เฟซการวิเคราะห์ข้อมูลที่มีฟิลด์ต่างๆ พร้อมข้อความ '1. ทักษะภาษาอังกฤษ' และคำอธิบายถึงความสำคัญของการสื่อสารภาษ��าอังกฤษในการทำงาน
ภาพหน้าจอแล็ปท็อปแสดงผลลัพธ์ทางสถิติที่มีค่าสัมประสิทธิ์และค่าผิดพลาดมาตรฐาน พร้อมข้อความ '2. กล้าตั้งคำถามกับสิ่งที่เห็นต่าง' และคำอธิบายเกี่ยวกับการแสดงความคิดเห็นในบริษัทต่างชาติ
5 Checklists Data Analyst ที่บริษัทต่างชาติมองหา 📈
1. ทักษะภาษาอังกฤษ 🔤 การทำงานในบริษัทต่างชาติ ต้องใช้ภาษาอังกฤษในการสื่อสาร ทั้งฟัง พูด อ่าน เขียน เพราะต้องทำงานกับชาวต่างชาติเยอะมากๆ โดยเฉพาะการสื่อสารที่ Data Analyst ต้องนำเสนอ Insight จากการวิเคราะห์ 2. กล้าตั้งคำถามกับสิ่งที่เห็นต่าง 🙋🏻‍♀️ ในบริษัทต่างชาติแทบจะไม่มีระบบอาวุโส แม้ว่าเราจ
Baitoey

Baitoey

ถูกใจ 285 ครั้ง

ภาพแสดงชื่อและโลโก้ของเครื่องมือด้าน Data ที่สำคัญในปี 2025 ได้แก่ Snowflake, Databricks, Apache Kafka, LangChain, Jupyter, Kaggle, Power BI, Tableau, Apache Airflow และ Apache Spark
เครื่องมือด้าน Data ที่ควรรู้จักในปี 2025
ปี 2025 เป็นยุคที่ Data และ AI เข้ามามีบทบาทอย่างมากในการทำงาน ไม่ว่าจะเป็น Data Analytics, Machine Learning, Big Data, หรือ Cloud Computing ซึ่งช่วยให้การจัดการข้อมูลมีประสิทธิภาพมากขึ้น ✅️ Databricks – Data & AI Platform Databricks เป็นแพลตฟอร์มที่รวม Data Engineering, Analytics, AI และ M
Pram12

Pram12

ถูกใจ 304 ครั้ง

3 ข้อที่มักเข้าใจผิด ของอาชีพสาย Data 📈
🔘 ข้อมูลสมบูรณ์แบบ 100% งานของสาย Data 50% คือ Data Cleansing เพราะข้อมูลทั้งใน Internal และ External ไม่ได้มีความพร้อมใช้ 100% เราจะต้องปัญหาข้อมูลผิด ข้อมูลหาย โครงสร้างข้อมูลเละเทะ ข้อมูลซ้ำซ้อน ถ้าหากข้อมูลไม่คลีน เราก็ไม่สามารถนำไปทำ Model หรือ Data Visualization ได้ หรือเอาไปทำได้ แต่ก็ได้
Baitoey

Baitoey

ถูกใจ 55 ครั้ง

Data Scientist เช็คความแม่นยำของ Model ยังไง ?
วันนี้จะมาแชร์เทคนิคที่ Data Scientist ใช้ในการตรวจสอบความแม่นยำของ Model ในการทำ Data Modeling ซึ่งเป็นอีกหน้าที่นึงคนทำงานสาย Data ต้องเจอแน่ๆ ใครสนใจงานสาย Data รู้ไว้ไม่เสียหายค่า #datascience #dataanalyst #dataanalytics #dataengineer #career #careeradvice #เจาะลึกการงาน #ห
Baitoey

Baitoey

ถูกใจ 71 ครั้ง

ภาพแสดงแผนภาพเวนน์ของทักษะที่จำเป็นสำหรับอาชีพสาย Data ได้แก่ Computer Science, Math & Statistics และ Domain Expertise โดยมี Data Scientist อยู่ตรงกลาง, Data Engineer เน้น Computer Science และ Data Analyst เน้น Domain Expertise
ภาพเน้นอาชีพ Data Engineer โดยแสดงแผนภาพเวนน์ที่เน้นทักษะ Computer Science พร้อมคำอธิบายว่าต้องใช้ทักษะด้าน IT และ Computer Science มากในการออกแบบฐานข้อมูลและการไหลของข้อมูล
ภาพเน้นอาชีพ Data Scientist โดยแสดงแผนภาพเวนน์ที่เน้นทักษะ Math & Statistics พร้อมคำอธิบายว่าต้องใช้ความรู้ทั้ง 3 ด้าน แต่เน้นสถิติและคณิตศาสตร์เพื่อพัฒนาโมเดลข้อมูล
อาชีพสาย Data ใช้ทักษะแตกต่างกันยังไง ?
ปัจจุบันอาชีพสาย Data จะมี 3 สายงานหลักๆคือ 1. Data Engineer ใช้ทักษะด้าน IT และ Computer Science เยอะ เพราะต้องออกแบบฐานข้อมูล และการไหลเข้าของข้อมูล 2. Data Scientist ใช้ความรู้ทั้ง 3 ด้าน แต่จะเน้นที่ความเข้าใจด้านสถิติและคณิตศาสตร์เพราะต้องพัฒนาโมเดลต่างๆ ให้กับข้อมูล 3. Data Analyst
Baitoey

Baitoey

ถูกใจ 137 ครั้ง

ภาพปกบทความเปรียบเทียบอาชีพ Data Analyst และ Data Consultant โดยมีผู้หญิงยืนอยู่ด้านหน้า พร้อมคำถามว่า "ต่างกันไหม?! อันไหนดีกว่า?"
ภาพอธิบายบทบาทของ Data Consultant ที่เน้นการวิเคราะห์ วางแผน เข้าใจธุรกิจลูกค้า การนำเสนอ และการประสานงาน โดยมีฉากหลังเป็นต้นปาล์มที่สว่างไสวในเวลากลางคืน
ภาพอธิบายบทบาทของ Data Analyst ที่เน้นงาน technical การวิเคราะห์ข้อมูลเชิงลึก และการคาดการณ์ โดยมีฉากหลังเป็นสระน้ำและที่นั่งกลางแจ้งยามค่ำคืน
Data Consultant VS Data Analyst 👩‍💻 งานไหนดีกว่ากันนะ?!
Data Consultant กับ Data Analyst ชื่อก็คล้ายๆ กันแต่ตัวงานค่อนข้างต่างกันเลยนะ ✨ ใครกำลังหางานสายนี้ หาข้อมูลๆ ให้ดีก่อนน้าาา 👩‍💻 Data Consultant 📌 งานจะออกไปทางผสมผสานทั้ง data analyst + data scientist + business analyst + project management คือจับฉ่ายนิดๆ แต่ถ้าองค์กรใหญ่ อาจจะจับฉ่ายน้อยลงหน
Nan แนนแน๊น �•ᴗ•

Nan แนนแน๊น •ᴗ•

ถูกใจ 588 ครั้ง

ภาพแสดงการเปรียบเทียบระหว่าง Data Lake และ Data Warehouse โดยมีคำถามว่า 'ต่างกันอย่างไร?' ฝั่ง Data Lake มีโลโก้ Azure, AWS และไอคอนถังเก็บข้อมูล ฝั่ง Data Warehouse มีไอคอน Amazon Redshift, Azure Synapse และโลโก้ Google Cloud
Data Lake vs Data Warehouse ต่างกันอย่างไร?
Data Lake เป็นที่เก็บข้อมูลขนาดใหญ่แบบ Raw Data (ข้อมูลดิบ) โดยไม่มีการกำหนดโครงสร้างล่วงหน้า ค่อนข้างยืดหยุ่นในการเก็บข้อมูล (Schema-on-Read) ข้อดี ✅️ เก็บข้อมูลได้ทุกประเภท Structured Data (SQL Database, MySql), Se-mi structured Data (Json, XML) และ Unstructured Data (รูปภาพ, วิดีโอ) ✅️ รองร
Pram12

Pram12

ถูกใจ 60 ครั้ง

ภาพหญิงสาวชี้ไปที่หน้าจอแท็บเล็ตที่แสดงสูตรคณิตศาสตร์และตาราง พร้อมข้อความ "5 Checklists ว่าเราเหมาะกับอาชีพ Data Analyst" บนพื้นหลังแล็ปท็อป
ภาพแล็ปท็อปบนโต๊ะทำงาน มีข้อความ "1. เป็นคนขี้สงสัย และอยากรู้อยากเห็น" อธิบายคุณสมบัติแรกของ Data Analyst
ภาพมุมสูงของโต๊ะทำงานที่มีแล็ปท็อป แท็บเล็ต และสมุดบันทึก พร้อมข้อความ "2. ชอบคิดเชิงวิเคราะห์ และใช้เหตุผล" อธิบายคุณสมบัติที่สอง
5 Checklists ✅ ว่าเราเหมาะกับอาชีพ Data Analyst หรือไม่
1.เป็นคนขี้สงสัย และอยากรู้อยากเห็น หนึ่งในบทบาทของ Data Analyst คือ การเจาะลึกข้อมูล ค้นหาแพทเทิร์นและแนวโน้ม ความอยากรู้อยากเห็นโดยธรรมชาติจะช่วยผลักดันให้คุณประกอบอาชีพนี้ได้อย่างสนุกมากยิ่งขึ้นค่า 2. ชอบคิดเชิงวิเคราะห์ และใช้เหตุผล Data Analyst มักจะมีแนวโน้มที่จะใช้ข้อเท็จจริงและข้อม
Baitoey

Baitoey

ถูกใจ 220 ครั้ง

ภาพรวมของทักษะ 5 อันดับแรกที่บริษัทไทยต้องการสำหรับ Data Analyst พร้อมระบุว่าเป็นการสำรวจจาก JobsDB
ภาพหน้าจอคอมพิวเตอร์แสดงโปรแกรม Microsoft Excel พร้อมข้อความระบุว่าเป็นทักษะอันดับ 1 ที่ 62.89%
ภาพหน้าจอแสดงโค้ด SQL และตารางข้อมูล พร้อมข้อความระบุว่าเป็นทักษะอันดับ 2 ที่ 35.74%
Top 5 Skills ของงาน Data Analyst ที่บริษัทไทยต้องการ 📈
สวัสดีค่า จากผลการสำรวจกว่า 500 ตำแหน่งงานของ Data Analyst ปี 2024 ใน JobsDB ว่าบริษัทไทยของต้องการ Data Analyst ที่มีทักษะอะไรบ้าง จะมีทั้งหมด 15 ทักษะ ซึ่งเตยจะจัดอันดับจากมากไปน้อยตามนี้ค่า 1. Microsoft Excel : 62.89% 2. SQL : 35.74% 3. Math & Stat : 29.10% 4. Power BI : 21.48% 5. Pyt
Baitoey

Baitoey

ถูกใจ 1394 ครั้ง

ดูเพิ่มเติม