การที่จะประสบความสำเร็จได้ในยุคที่โลกมีการเปลี่ยนแปลงอย่างรวดเร็วสิ่งที่เป็น Key หรือปัจจัยหลัก ก็คือ ข้อมูล หรือ Data นั่นเอง ทุกวันนี้ธุรกิจต้องพร้อมที่จะปรับปรุงเปลี่ยนแปลงให้ทันกับสถานการณ์อยู่ตลอดเวลา แล้วอะไรจะช่วยให้ธุรกิจตัดสินใจได้อย่างถูกต้อง สิ่งที่จะช่วยได้ก็คือ การวิเคราะห์ข้อมูล หรือ Data Analytics ซึ่งจะช่วยให้ธุรกิจได้คำตอบที่ดี
มาร่วมเรียนรู้บทเรียนด้าน Data ในหลักสูตร Data Analytics for Business Innovation (การวิเคราะห์ข้อมูลเพื่อนวัตกรรมทางธุรกิจ) จากวิทยากรที่เชี่ยวชาญด้านการบริหารจัดการข้อมูลทั้ง 4 ท่าน ดังนี้
- คุณนนทโชติ ฉัตรสง่า
ผู้ช่วยผู้อำนวยการ ฝ่ายบริหารความเสี่ยงองค์กร ธนาคารแห่งประเทศไทย
- ดร.วัชรา จันทาทับ
อาจารย์ประจำภาควิชาสถิติ
คณะพาณิชยศาสตร์และการบัญชี จุฬาฯ
- ผศ.ดร.ภูริพันธุ์ รุจิขจร
อาจารย์ประจำภาควิชาสถิติ
คณะพาณิชยศาสตร์และการบัญชี จุฬาฯ
- ดร.รุ่งนภา โอภาสปัญญาสาร
อาจารย์ประจำภาควิชา คณะเศรษฐศาสตร์ มหาวิทยาลัยธรรมศาสตร์
เนื้อหาคอร์ส
1. 01 Data driven organization
15:07
⚡️บทที่ 1 : หากคุณต้องการจะปรับเปลี่ยนองค์กรให้ขับเคลื่อนด้วยข้อมูล (Data-Driven Organization) โดยการจัดการข้อมูลที่เป็นสินทรัพย์สำคัญภายในองค์กรให้มีประสิทธิภาพ เพื่อให้สามารถสร้างรายได้ให้กับองค์กรรวมถึงการใช้ข้อมูลเป็นส่วนหนึ่งในการสร้างนวัตกรรม หรือ สร้าง Business Model ใหม่ๆ บทเรียนนี้มีคำตอบ
ดร.วัชรา จันทาทับ
อาจารย์ประจำภาควิชาสถิติ คณะพาณิชยศาสตร์และการบัญชี จุฬาฯ
2. 02 Data Analytics Use Cases in Business (กรณีการนำการวิเคราะห์ข้อมูลมาใช้ในธุรกิจ)
17:19
⚡️บทที่ 2 : การวิเคราะห์ข้อมูลธุรกิจเชิงลึกที่ช่วยผลักดันให้เกิดแผนงานทางธุรกิจที่มีโอกาสประสบความสำเร็จ ที่เน้นโฟกัสการใช้กลุ่มของเมทริกซ์เพื่อชี้วัดประสิทธิภาพของสิ่งที่เกิดขึ้นในอดีต เเละเทคนิคการสร้างโมเดล เพื่อทำนายหรือคาดการณ์เหตุการที่จะเกิดขึ้นในอนาคต หรือใช้ค้นหารูปแบบบางอย่างที่ทั่วไปแล้วไม่สามารถระบุได้ และนำผลลัพธ์ที่ได้ไปเป็นแนวทางในการวางแผนธุรกิจ เพื่อใช้ตอบคำถามที่ถามว่า “ทำไมสิ่งนี้จึงเกิดขึ้น”, “จะเกิดอะไรขึ้นถ้าแนวโน้มยังเป็นแบบนี้ต่อไป”, “ต่อไปจะเกิดอะไรขึ้น” และ “ผลลัพธ์ที่ดีที่สุดที่เป็นไปได้คืออะไร”
3. 03 Data Visualization Essentials
18:13
⚡️บทที่ 3 : เรียนรู้ในหัวใจหลักของการทำ Visualization ในการเลือกใช้ชาร์ตหรือแผนภูมิที่เหมาะสม ไม่ใช่เเค่เพียงเเต่เลือกแผนภูมิจากความสวยงามหรือความน่าสนใจเพียงอย่างเดียวเท่านั้น เเต่ต้องคำนึงถึงว่าวัตถุประสงค์เเละกลุ่มเป้าหมายของการแสดงผลข้อมูล เพื่อให้เกิดประสิทธิภาพในการสื่อสารข้อมูลด้วยภาพที่ละเอียดเพียงพอและสามารถเห็นภาพรวมที่ชัดเจนเเละเข้าใจง่ายได้อีกด้วย
4. 04 Exploratory Data Analysis & Visual Analytics
17:56
⚡️บทที่ 4 : เรียนรู้ในเรื่องของการนำข้อมูลในองค์กรมาวิเคราะห์อย่างง่าย โดยแสดงผลออกมาเป็นภาพหรือแผนภูมิรวมกันและสร้างเป็น Dashboard ที่สามารถนำข้อมูลไปสื่อสารกันในองค์กรได้อย่างมีประสิทธิภาพและนำไปสู่การพัฒนาธุรกิจให้มีนวัตกรรมต่อไป
5. 05 Traditional ways of investment
15:10
⚡️บทที่ 5 : เรียนรู้ในเรื่องของการลงทุนที่จะทำให้เงินที่เรามีอยู่งอกเงยขึ้นมาโดยการนำเงินมาซื้อสินทรัพย์เพื่อให้มีรายได้ในลักษณะของ “กระแสเงินสด” หรือ “มูลค่าที่สูงขึ้น” เข้ามาเพิ่มเติมกว่าการที่จะถือเงินสดไว้เฉย ๆ ผ่านการใช้เครื่องมือที่สามารถเข้ามาช่วยในการตัดสินใจได้ดีขึ้น เช่น การตัดสินใจด้านการลงทุนในอดีตมักอิงตามประสบการณ์ที่แต่ละคนสั่งสมมา แต่อาจไม่ได้มีข้อมูลทางสถิติช่วยสนับสนุนว่าการตัดสินใจต่อไปในอนาคตมีโอกาสถูกหรือผิดมากน้อยเท่าไหร่ หรือการนำเทคโนโลยีเข้ามาช่วยในการหาจังหวะซื้อขายสินทรัพย์ก็จะช่วยลดผลกระทบจากอารมณ์กลัวหรือโลภของมนุษย์ได้
6. 06 Machine Learning for Investment
15:15
⚡️บทที่ 6 : ร่วมเรียนรู้ในเรื่องของการเลือกสินทรัพย์ที่เหมาะสมกับ Business Cycle และ Timing ของการซื้อ/ขายสินทรัพย์ โดยการเลือกใช้เครื่องมือ Machine Learning เข้ามาช่วยให้เกิดการตัดสินใจโดยอาศัยข้อมูลสนับสนุน (Data Driven) เพื่อให้หาช่วงที่เหมาะกับการลงทุนอย่างแท้จริง เเละก่อให้เกิดสินทรัพย์ที่ให้ผลตอบแทนดีเหมาะกับเศรษฐกิจในช่วงวิกฤตเเละหลังวิกฤตได้
7. 07 Investment with risk awareness
16:42
⚡️บทที่ 7 : ร่วมเรียนรู้ในเรื่องของการลงทุนที่เต็มไปด้วยความเสี่ยง โดยเฉพาะความผันผวนของราคาสินทรัพย์ที่ได้รับผลกระทบต่อเนื่องจากวิกฤตการณ์ต่าง ๆ เเละทำความเข้าใจในเรื่องของความเสี่ยงและการบริหารความเสี่ยงให้มีประสิทธิภาพ ซึ่งเป็นปัจจัยสำคัญที่สามารถชี้เป็นชี้ตายความสำเร็จของการลงทุนได้
8. 08 An Intelligent Investment
16:07
⚡️บทที่ 8 : ร่วมเรียนรู้ในเรื่องของการควบรวมเทคนิคในการลงทุนและการบริหารความเสี่ยงเพื่อให้เกิดกระบวนการลงทุนที่อาศัยข้อมูลในการตัดสินใจ (Data Driven) โดยการเลือกสินทรัพย์ที่มีคุณลักษณะแตกต่างกันจากการทำ Clustering สร้าง Signal ในการซื้อขาย (จากการทำ Pattern Matching) เลือก Portfolio ให้สอดคล้องกับความเสี่ยงที่ยอมรับได้ทดสอบ Portfolio และ Signal ที่เลือก ภายใต้หลากหลายสถานการณ์จำลองจากการทำ Simulation ปรับแต่ง Portfolio ให้เหมาะสมหากการทำ Robustness Check ชี้ให้เห็นว่าบางสถานการณ์ Portfolio อาจทำให้มีผลขาดทุนรุนแรง ลงทุนในแต่ละสินทรัพย์ตามสัดส่วน และเลือกจังหวะในการ ซื้อ/ขาย ตาม signal ที่ปรับแต่งแล้ว
9. แบบประเมินหลังการเรียน
01:12
ผู้ผ่านหลักสูตรสามารถดาวน์โหลดเอกสารเฉลยข้อสอบได้จากบทเรียนนี้ หลังจากนั้นจะเป็นขั้นตอนการประเมินคุณภาพของบทเรียนและระบบการใช้งาน ซึ่งความเห็นของคุณจะช่วยในการพัฒนา NIA Academy MOOCs ต่อไป และในตอนท้ายของแบบทดสอบจะเป็นแบบฟอร์มเพื่อขอใบประกาศนียบัตรออนไลน์ (Online Certificate) ออกให้โดยสำนักงานนวัตกรรมแห่งชาติ
