ฟอร์มของนางสาววริศรา คำเอก

 

ฟอร์มของ นางสาวปิยธิดา นำเจริญศิลป์ 5/1 เลขที่ 23

ฟอร์มของนางสาวชนิปรียา เดชวิวัฒน์ธนกุล

COVID-19

ข้อมูลมีคุณค่า

    ในยุคของข้อมูลและสารสนเทศ ข้อมูลเป็นสิ่งที่มีความสำคัญอย่างยิ่ง และถูกนำมาใช้ประโยชน์ในด้านต่างๆ การจัดเก็บข้อมูลในรูปแบบเดิมทำให้การนำข้อมูลมาใช้ไม่สะดวก สูญหายง่าย แต่การจัดเก็บข้อมูลในรูปแบบดิจิทัล และพัฒนาการของการสื่อสารบนอินเทอร์เน็ต ช่วยแก้ปัญหาเหล่านี้ ทำให้ผู้ใช้สามารถเข้าถึงข้อมูลและสารสนเทศได้ทุกที่ทุกเวลา

    ในปัจจุบันไม่เป็นเพียงผู้ใช้ประโยชน์ข้อมูลดิจิทัลเท่านั้น เเต่ยังเป็นหนึ่งในผู้ร่วมสร้างช้อมูลดิจิทัลด้วย เช่น การอัพโหลดรูปส่วนตัว การส่งอีเมล ข้อความในสื่อออนไลน์ การส่งต่อข้อความโดยผ่านการใช้อุปกรณ์อิเล็กทรอนิกส์ต่างๆ เช่น โทรศัพท์มือถือ นำข้อมูลดิจิทัลไปใช้ประโยชน์ต่อได้  บริษัทต่างๆ ได้มีการนำข้อมูลดิจิทัลมาใช้ประโยชน์ทำให้เกิดมูลค่ามหาศาล เช่น บริษัทที่ให้บริการจองโรงเเรมที่พัก

ข้อมูลทั่วไปของ COVID-19

1. โคโรนาไวรัส คืออะไร

          โคโรนาไวรัส เป็นเชื้อไวรัสในกลุ่มที่ก่อให้เกิดโรคทางเดินหายใจในคน โดยไวรัสชนิดนี้มีขนาดเล็กมาก ไม่สามารถมองเห็นได้ด้วยตาเปล่า และเป็นเชื้อที่มีมานานกว่า 50-60 ปีแล้ว เชื้อโคโรนาไวรัสมีอยู่หลายสายพันธุ์ด้วยกัน แต่ส่วนใหญ่จะไม่ก่อให้เกิดโรครุนแรง เป็นเพียงไข้หวัดธรรมดา แต่ก็มีโคโรนาไวรัสบางสายพันธุ์ที่ก่ออาการรุนแรงจนถึงขั้นปอดอักเสบได้ เช่น โคโรนาไวรัสสายพันธุ์ที่ทำให้เกิดโรคเมอร์ส หรือโคโรนาไวรัสที่ทำให้เกิดโรคซาร์ส ที่เคยเป็นโรคระบาดมาก่อน

          จนกระทั่งในปลายปี 2019 ก็เกิดการระบาดของโคโรนาไวรัสขึ้นอีกครั้ง โดยครั้งนี้พบว่าเป็นโคโรนาไวรัสสายพันธุ์ที่ไม่เคยพบการระบาดมาก่อน จึงมีการเรียกชื่อไวรัสตัวนี้ว่า โคโรนาไวรัส สายพันธุ์ใหม่ 2019 โดยภายหลังก็ได้มีการเรียกชื่อไวรัสตัวนี้ใหม่อย่างเป็นทางการ ว่า SARS-CoV-2  หรือ 2019-nCoV และทาง WHO ก็ได้ประกาศชื่อโรคอย่างเป็นทางการ ว่า COVID-19 ซึ่งย่อมาจาก CO : Corona, VI : Virus, D : Disease และ 19 ซึ่งก็คือปี 2019 ปีที่เริ่มต้นระบาดนั่นเอง

2. COVID-19 ระบาดมาจากไหน

          โคโรนาไวรัส สายพันธุ์ใหม่ 2019 น่าจะเกิดจากการติดเชื้อจากสัตว์ในตลาดสดอู่ฮั่น ประเทศจีน ซึ่งจากพฤติกรรมของไวรัส คาดว่าน่าจะเกิดมาจากงู โดยเชื้อส่งผ่านจากค้างคาวมาสู่งู และงูไปยังมนุษย์ ทั้งนี้ โคโรนาไวรัส สายพันธุ์ใหม่ เกิดตั้งแต่กลางเดือนธันวาคม 2019 เป็นต้นมา แต่วินิจฉัยโรคได้หลังปีใหม่ ก่อนจะถอดรหัสพันธุกรรมสำเร็จในวันที่ 11 มกราคม 2020

3. โคโรนาไวรัส สายพันธุ์ใหม่ ติดต่อทางไหน แพร่จากคนสู่คนได้อย่างไร

          เกิดจากการสูดดมเอาละอองฝอยในอากาศที่มีเชื้อไวรัสเข้าไป  หากร่างกายสูดดมเอาละอองฝอยจากการไอ จาม ของผู้ติดเชื้อก็จะสามารถรับเชื้อโคโรนาไวรัสเข้าสู่ร่างกายได้ เช่นเดียวกันกับการสัมผัสสารคัดหลั่งจากผู้ติดเชื้อไม่ว่าจะเป็นน้ำลาย น้ำมูก เสมหะ อุจจาระ หรือไปสัมผัสสิ่งของที่มีเชื้ออยู่ แล้วเอามือมาจับของกินเข้าปาก ถูหน้า ขยี้ตา ก็อาจจะติดเชื้อไวรัสก่อโรค COVID 19 ได้เหมือนกัน

          ทั้งนี้ อัตราการแพร่ระบาดของเชื้อโคโรนาไวรัส สายพันธุ์ใหม่ พบว่า ผู้ติดเชื้อ 1 ราย สามารถแพร่เชื้อให้คนรอบข้างได้อีก 2-6 ราย โดยเฉลี่ย

4. COVID-19 รับเชื้อแล้วป่วยทันทีเลยไหม

          ระยะฟักตัวของเชื้อโคโรนาไวรัสจะอยู่ที่ประมาณ 14 วัน แต่มีช่วงเวลาแสดงอาการระหว่าง 0-24 วัน และก็มีบางเคสที่ใช้เวลาถึง 27 วัน ในการแสดงอาการป่วย อย่างไรก็ตาม ในบางคนที่ภูมิต้านทานแข็งแรง แม้รับเชื้อไปแล้วก็อาจไม่มีอาการป่วยเลย

5. COVID-19 อาการเป็นอย่างไร

          อาการโคโรนาไวรัสจะคล้าย ๆ กับไข้หวัดทั่วไป โดยจะมีไข้สูง ไอ จาม มีน้ำมูก หายใจหอบเหนื่อย แต่หากเป็นมากก็อาจมีอาการปวดเมื่อยเนื้อตัว เจ็บหน้าอก หายใจลำบาก ท้องเสีย อาเจียน และอาจเกิดภาวะแทรกซ้อนอย่างอาการปอดอักเสบ (Pneumonia) ซึ่งความรุนแรงของอาการก็ขึ้นอยู่กับปัจจัยต่าง ๆ ของผู้ป่วยแต่ละคนด้วย เช่น ความแข็งแรงของภูมิต้านทานโรค จำนวนเชื้อที่ได้รับเข้าสู่ร่างกาย รวมไปถึงระยะเวลาที่ได้รับเชื้อไวรัส

6. โคโรนาไวรัส กลัวอะไรบ้าง

          นอกจากความร้อนที่ 70 องศาเซลเซียสขึ้นไป เชื้อไวรัสตัวนี้ยังจะตายได้ง่าย ๆ ด้วยแอลกอฮอล์ที่ความเข้มข้น 70-90% (โดยปริมาตรน้ำ) และการทำความสะอาดด้วยสบู่อย่างเหมาะสม กล่าวคือ ล้างมือด้วยสบู่เป็นระยะเวลา 15-30 วินาที รวมไปถึงสารลดแรงตึงผิวต่าง ๆ เช่น ผงซักฟอก สารฟอกขาว (Sodium hypochlorite) ที่ความเข้มข้น 0.1-0.5% โพวิโดน ไอโอดีน 1% หรือไฮโดรเจนเปอร์ออกไซด์ 0.5-7.0% เป็นต้น สิ่งเหล่านี้แหละที่โคโรนาไวรัสจะไม่ทน เพราะไวรัสชนิดนี้มีไขมันหุ้มอยู่ด้านนอก ดังนั้น หากใช้สารลดแรงตึงผิวทำลายไขมันที่หุ้มอยู่ได้ ก็จะฆ่าไวรัสได้

7. พฤติกรรมเสี่ยงต่อการติดเชื้อมีอะไรบ้าง ?

ตัวอย่างเช่น 

• เดินทางไปยังประเทศกลุ่มเสี่ยงที่มีการแพร่ระบาด
• สัมผัสสารคัดหลั่งจากการไอ จาม ของผู้ติดเชื้อ
• ชอบนำมือมาสัมผัสใบหน้า ไม่ว่าจะเป็นขยี้ตา แคะจมูก แคะหู 
• ใช้สิ่งของส่วนตัวร่วมกับผู้อื่น 
• ไม่ล้างมือก่อนหยิบจับอาหารมารับประทาน
• รับประทานอาหารสุก ๆ ดิบ ๆ
• อยู่ใกล้ชิดผู้ป่วย หรือผู้เข้าข่ายเฝ้าระวัง
• อยู่ในบริเวณที่มีคนจำนวนมาก สถานที่ที่มีคนพลุกพล่าน

8. กักตัว 14 วันต้องทำอะไรบ้าง ?

          หากเป็นคนในกลุ่มเสี่ยงป่วยโรค COVID-19 และต้องกักตัวเองเป็นเวลา 14 วัน นี่คือสิ่งที่ควรต้องทำในช่วงที่กักตัวรอดูอาการ

9. ตรวจหา COVID-19 ที่โรงพยาบาลไหนได้บ้าง ค่าตรวจเท่าไร

    ถ้าอยากตรวจหาเชื้อโคโรนาไวรัส สามารถตรวจได้ที่โรงพยาบาลต่อไปนี้
         
         1. โรงพยาบาลจุฬาลงกรณ์ ค่าใช้จ่ายประมาณ 3,000-6,000 บาท (หากไม่มีอาการ ไม่รับตรวจ)

         2. โรงพยาบาลเปาโล ทุกสาขา ค่าใช้จ่ายประมาณ 5,000 (รวมค่าบริการแล้ว) ทราบผลวันรุ่งขึ้น

         3. โรงพยาบาลรามาธิบดี ค่าใช้จ่ายประมาณ 5,000 บาท รับตรวจวันจันทร์-ศุกร์ 

         เวลา 08.30-16.00 น. ทราบผลหลังจากตรวจ 6 ชั่วโมง หรือมากกว่านั้น

         4. โรงพยาบาลพญาไท 1 ค่าใช้จ่ายประมาณ 7,300 บาท (ยังไม่รวมค่าบริการอื่น ๆ)

         5. โรงพยาบาลพญาไท 2 ค่าใช้จ่ายประมาณ 6,500 บาท

         6. โรงพยาบาลแพทย์รังสิต ค่าใช้จ่ายประมาณ 8,000 บาท (รวมค่าบริการแล้ว) รู้ผลไม่เกิน 2 วัน

         7. โรงพยาบาลนวมินทร์ ค่าใช้จ่ายประมาณ 7,300 บาท (ยังไม่รวมค่าบริการอื่น ๆ)

         8. โรงพยาบาลรามคำแหง (ไดรฟ์ทรู) ค่าใช้จ่ายประมาณ 6,500 บาท

         9. โรงพยาบาลวิภาวดี (ไดรฟ์ทรู) ค่าใช้จ่ายประมาณ 6,500 บาท

         10. โรงพยาบาลวิชัยยุทธ ค่าใช้จ่ายประมาณ 7,500 บาท

         11. โรงพยาบาลพระราม 9 ค่าใช้จ่ายประมาณ 8,000-10,000 บาท

         12. โรงพยาบาลศิริราช ปิยมหาราชการุณย์ ค่าใช้จ่ายประมาณ 9,900 บาท

10. ใส่หน้ากากอนามัยป้องกัน COVID-19 ได้ไหม

          การใส่หน้ากากอนามัยเป็นวิธีที่ช่วยป้องกันโคโรนาไวรัสได้ในด่านแรก ๆ เช่น ช่วยป้องกันละอองฝอยที่มากับน้ำลายคนอื่น แต่สิ่งสำคัญกว่านั้นก็คือ เราต้องหมั่นล้างมือให้สะอาดอยู่เสมอด้วยน้ำสบู่ หรือเจลแอลกอฮอล์ด้วย เพราะส่วนใหญ่แล้วเชื้อโรคจะเข้าสู่ร่างกายผ่านมือของเราที่ไปสัมผัสสิ่งของต่าง ๆ แล้วนำมาขยี้ตา แคะจมูก

11. วิธีป้องกัน COVID-19 ทำยังไงได้บ้าง

          นอกจากการใส่หน้ากากอนามัยแล้ว วิธีป้องกัน COVID-19 ก็ควรกินร้อน ช้อนกลาง ล้างมือบ่อย ๆ กินอาหารปรุงสุก รวมไปถึงหลีกเลี่ยงการอยู่ในที่ชุมชนแออัด หรือหากจำเป็นต้องออกไปข้างนอกที่มีคนพลุกพล่าน ก็ควรสวมใส่หน้ากากอนามัยตลอดเวลา และพกเจลล้างมือติดตัวเอาไว้ทำความสะอาดมือบ่อย ๆ ด้วย

          หรือหากจำเป็นต้องเดินทางไปประเทศที่มีการระบาดของโรค COVID-19 ก็ไม่ควรเข้าไปในพื้นที่ที่มีการระบาดของโรค ไม่ใช้ของส่วนตัวร่วมกับผู้อื่น รวมทั้งไม่อยู่ใกล้ชิดผู้ป่วยไอ จาม พยายามรักษาระยะห่างที่ประมาณ 2 เมตร

ขอขอบคุณข้อมูลจาก
แพทยสภา, คณะแพทยศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย, กรมควบคุมโรค, กรมควบคุมโรค, กรมควบคุมโรค, กรมวิทยาศาสตร์การแพทย์, เฟซบุ๊ก กรมควบคุมโรค กระทรวงสาธารณสุข, เฟซบุ๊ก กรมควบคุมโรค, เฟซบุ๊ก KSecurities, เฟซบุ๊ก Infectious ง่ายนิดเดียว, Thai PBS, Thai PBS 

https://covid-19.kapook.com/view219917.html

การทำนายอนาคตและสถิติทั่วโลก

การทำนาย

1. จำนวนผู้ติดเชื้อที่ยืนยันแล้ว (confirmed case) จะเป็นเท่าไรในอนาคตอันใกล้

เทคนิคสำคัญ: Interquartile range, AR-X(1)

เราสามารถคาดการณ์จำนวน confirmed case ด้วยเทคนิคสถิติที่คุ้นเคยกันคือ Interquartile range จากข้อมูลจำนวนผู้ติดเชื้อในประเทศที่มี confirmed case ตั้งแต่หลักพันขึ้นไป เราจะหา first quartile และ third quartile เป็น lower bound และ upper bound ของจำนวนผู้ติดเชื้อในวันถัดไป เทคนิคนี้เป็นวิธี non-parametric หมายความว่า เราคาดการณ์จากข้อมูลที่เรามีโดยไม่ได้ตั้งข้อสมมติฐานเกี่ยวกับการแจกแจงของข้อมูลเลย และไม่ว่าข้อมูลเราจะมีการแจกแจงเป็นลักษณะใดก็ตาม วิธีนี้ก็ยังได้ผลอยู่ซึ่งเป็นข้อดีของวิธี non-parametric อย่างไรก็ดี การคาดการณ์นี้ยังตั้งอยู่บนข้อสมมติฐานที่ว่า จำนวนผู้ติดเชื้อในประเทศที่เราต้องการคาดการณ์มีสหสัมพันธ์ (correlation) กับจำนวนผู้ติดเชื้อในประเทศอื่น 

จำนวนผู้ติดเชื้อในกลุ่มประเทศที่มีจำนวนผู้ติดเชื้อหลักพันขึ้นไปในแต่ละวัน

ค่าเฉลี่ยและค่ามัธยฐานของจำนวนผู้ติดเชื้อในแต่ละวัน

นอกจากนี้ เราสามารถคาดการณ์จำนวนผู้ติดเชื้อด้วยสมการถดถอย (regression equation) เช่น AR-X(1) บทความของ Sebastian Quintero ได้คาดการณ์จำนวนผู้ติดเชื้อในสหรัฐในภาพที่ 2 โดยใช้AR-X(1) ซึ่งกำหนดให้ จำนวนผู้ติดเชื้อในวันนี้สามารถอธิบายด้วยจำนวนผู้ติดเชื้อเมื่อวาน(autocorrelation) และค่ามัธยฐาน (median) ของจำนวนผู้ติดเชื้อในประเทศอื่นๆ ที่อยู่ในกลุ่มนี้ จากภาพที่ 2 จะเห็นได้ว่า จำนวนผู้ติดเชื้อในสหรัฐที่ผ่านมามีค่าใกล้เคียงกับจำนวนที่คาดการณ์โดยใช้ AR-X(1) และค่ามัธยฐานของจำนวนผู้ติดเชื้อในประเทศอื่น และทั้งสามตัวแปรนี้เพิ่มขึ้นในทิศทางเดียวกัน แสดงถึงสหสัมพันธ์ระหว่างจำนวนผู้ติดเชื้อในสหรัฐระหว่างวันนี้และวันพรุ่งนี้ (autocorrelation) และสหสัมพันธ์ระหว่างจำนวนผู้ติดเชื้อในสหรัฐและในประเทศอื่น

 จำนวนผู้ติดเชื้อในประเทศสหรัฐ และจำนวนผู้ติดเชื้อที่ทำนายโดยโมเดล AR-X(1)

2. สถานการณ์จำนวนผู้ติดเชื้อ Covid-19(confirmed case) ในแต่ละประเทศเป็นอย่างไร

เทคนิคสำคัญ: Principal Coordinates Analysis (PCoA), k-means clustering

ถ้าสังเกตกราฟของจำนวนผู้ติดเชื้อในแต่ละประเทศ ในภาพที่ 3 การวิเคราะห์สถานการณ์ที่เกิดขึ้นในแต่ละประเทศคงเป็นเรื่องยาก เนื่องจากดูผิวเผินแล้ว แต่ละประเทศมีการกระจายตัวของข้อมูลที่แตกต่างกัน จึงยากที่จะแบ่งแต่ละประเทศอยู่ในกลุ่มต่างๆ แต่ก่อนที่จะใช้เทคนิคจัดแต่ละประเทศอยู่ในแต่ละกลุ่ม บทความของ Jun  ได้ใช้เทคนิค Principal Coordinates Analysis เพื่อลดขนาดของข้อมูลลงมา เพื่อให้เทคนิคที่เราจะใช้ต่อไปสามารถทำงานได้อย่างแม่นยำ เทคนิคนี้ต่างจากการเลือกตัวแปร (feature selection) โดยตัวแปรที่เกิดขึ้นจากเทคนิคนี้ จะไม่ใช่หนึ่งในตัวแปรที่มีอยู่ในข้อมูลเดิม แต่จะเป็นการรวมกันของหลายๆ ตัวแปร เพื่อเก็บรายละเอียดที่สำคัญของแต่ละตัวแปรไว้อยู่ ถ้าผู้อ่านคุ้นเคยกับเทคนิค Principal Components Analysis (PCA) อยู่แล้ว สองวิธีนี้จะคล้ายกัน เพียงแต่ว่า PCA จะใช้ correlation ระหว่างตัวแปร แต่ PCoA จะใช้ระยะทาง (distance) ระหว่างตัวแปรเพื่อสร้างตัวแปรใหม่ในข้อมูลที่มีขนาดเล็กลงมา

ข้อมูลจำนวนผู้ติดเชื้อที่แบ่งออกเป็น 5 กลุ่ม

หลังจากเราย่อส่วนของข้อมูลด้วย PCoA แล้ว เราจะมาแบ่งกลุ่มข้อมูลแต่ละประเทศด้วยเทคนิค k-means clustering โดยเป้าหมายคือทำให้ระยะทาง (Euclidean distance) ระหว่างข้อมูลและค่าเฉลี่ยของกลุ่มนั้นรวมแล้วน้อยที่สุดโดยเทคนิค k-means clustering ถือว่าเป็น unsupervised learning เนื่องจากเรามีแค่ข้อมูลผู้ติดเชื้อในแต่ละประเทศ แต่เราไม่มีข้อมูลที่บอกว่าแท้จริงแล้ว ในแต่ละประเทศอยู่ในกลุ่มใด หลักการทำงานของวิธีการนี้ คือ จากค่าเฉลี่ยของ 5 กลุ่มที่เราเลือก เราจะจัดแต่ละประเทศอยู่ในกลุ่มที่ระยะห่างกับค่าเฉลี่ยน้อยที่สุด หลังจากจัดกลุ่มเรียบร้อยแล้ว เราคำนวณค่าเฉลี่ยใหม่จนกระทั่งกลุ่มที่แต่ละประเทศอยู่เป็นกลุ่มที่ระยะห่างกับค่าเฉลี่ยกลุ่มน้อยที่สุด จากผลลัพธ์ในบทความโดย Jun เราได้เห็นข้อมูลแต่ละประเทศที่จัดออกเป็น 5 กลุ่ม โดย k-means clustering

กลุ่มสีเขียวเข้มมีแค่ประเทศจีนซึ่งเป็นกลุ่มที่จัดการกับ Covid-19 ได้สำเร็จ

กลุ่มสีเขียวอ่อน ข้อมูลที่อยู่ในกลุ่มนี้ เช่น ไทย เกาหลีใต้ ฮ่องกง และไต้หวัน เป็นกลุ่มประเทศที่ได้รับผลกระทบ Covid-19 เป็นกลุ่มแรกๆ และจำนวนผู้ติดเชื้อค่อนข้างคงที่ ไม่เพิ่มขึ้นมากนัก

กลุ่มสีแดง เช่น อิตาลี สเปน ฝรั่งเศส เป็นกลุ่มที่จำนวนผู้ติดเชื้อเพิ่มขึ้นอย่างรวดเร็ว

3. ตอนนี้คนส่วนมากรู้สึกอย่างไรและกังวลเรื่องอะไรในช่วงวิกฤต Covid-19

เทคนิคสำคัญ: Network Analysis
บทความโดย Yanqing Shen  ได้ศึกษาทัศนคติของผู้คน และประเด็นที่ผู้คนนิยมพูดถึงกันในสถานการณ์ที่หน้ากากอนามัยขาดแคลนในสหรัฐ จากข้อมูล twitter ที่ปรากฏคำว่า "mask" โดยใช้เทคนิค network analysis ก่อนที่เราจะใช้เทคนิคนี้เพื่อศึกษาทัศนคติของผู้คน เราจะต้องจัดการข้อมูล (clean data) ซึ่งการจัดการข้อมูลที่เป็นข้อความเพื่อทำ text mining นั้นค่อนข้างแตกต่างจากข้อมูลประเภทอื่น อันดับแรก เราต้องแปลงจากข้อความออกเป็นแต่ละคำโดยนำเครื่องหมายวรรคตอน, ตัวเลข, stopwords (เช่น a, an, the) และ URL ออก เนื่องจากไม่ใช่ทุกข้อความที่มีคำว่า "mask" จะเกี่ยวกับเรื่องหน้ากากอนามัยเสมอไป เราจะต้องหา keyword ที่ปรากฏในข้อความที่แสดงว่าข้อความนี้ไม่เกี่ยวกับหน้ากากอนามัยออก เช่น "Movie", "Bremner"

เมื่อ COVID-19 ทำให้เราได้ “เรียนรู้” และ “ปรับเปลี่ยน”

จากสถานการณ์การแพร่ระบาดของ COVID-19 (โควิด-19) ทำให้ผู้คนเกิดความวิตกกังวลไปทั่วโลก มีการปิดเมือง ปิดประเทศ เพื่อป้องกันการแพร่กระจายของโรค สนามบินเงียบเหงา สถานที่ท่องเที่ยวแทบร้างผู้คน หลายธุรกิจได้รับผลกระทบทั้งทางตรงและทางอ้อม จนต้องลดพนักงาน เลิกจ้าง หรือปิดตัวเองลง ผู้คนไม่จำเป็นก็ไม่ออกนอกบ้าน ไม่กล้าอยู่ในที่คนพลุกพล่าน และคอยติดตามข่าวสารเพื่ออัพเดทการแพร่ระบาดของไวรัสตัวนี้  ซึ่งข้อมูลที่ได้รับนั้นก็มีทั้งจริงและปลอมปะปนกัน หรือบางข้อมูลที่เราเคยยึดถือเป็นแนวทางในการป้องกันการติดเชื้อ ก็อาจต้องปรับเปลี่ยนให้เข้ากับสถานการณ์ขึ้น เช่นการใช้ช้อนกลางตักอาหารก็มีโอกาสเสี่ยงติดเชื้อจากการสัมผัสช้อนร่วมกันได้ ต้องเปลี่ยนมากินร้อน ช้อนใครช้อนมัน และหมั่นล้างมือให้สะอาดอยู่เสมอ

แต่หากมองในแง่ดี การระบาดในวงกว้างของ COVID-19 ก็ทำให้ผู้คนทั่วโลกได้เห็นถึงความสำคัญของการดูแลตัวเองให้ห่างไกลจากโรคภัยต่างๆ มากขึ้น รวมถึงในภาครัฐ และภาคธุรกิจ ก็ตระหนักถึงการต้องปรับเปลี่ยน และปรับตัว เพื่อให้เกิดความยั่งยืนในเชิงรุก เพื่อลดความเสี่ยงในการการแพร่กระจายของเชื้อโรคต่างๆ ในอนาคตมากขึ้นด้วย เช่น ประเทศไต้หวันที่แม้จะอยู่ใกล้กับประเทศจีน มีพลเมืองหลายล้านคนทำงานในจีน รวมถึงนักท่องเที่ยวจากจีนก็เดินทางมาไต้หวันเป็นจำนวนไม่น้อย ทำให้ไต้หวันเป็นประเทศที่มีความเสี่ยงที่จะพบผู้ป่วย COVID-19 สูงเป็นอันดับต้นๆ ของโลก แต่กลับกลายเป็นว่า ไต้หวันมีการแพร่ระบาดน้อยมากเมื่อเทียบกับหลายประเทศทั่วโลก นั่นเพราะตั้งแต่เมื่อครั้งมีการระบาดของโรคซาร์ส รัฐบาลไต้หวันได้จัดตั้งศูนย์สุขภาพแห่งชาติ (NHCC) ขึ้นเป็นส่วนหนึ่งของศูนย์จัดการภัยพิบัติที่มุ่งเน้นการตอบสนองในเชิงรุกต่อการเกิดโรคระบาดขึ้น มีการใช้เทคโนโลยีเข้ามาช่วยจัดการ โดยใช้ฐานข้อมูลประกันสุขภาพของประเทศ รวมเข้ากับฐานข้อมูลการตรวจคนเข้าเมืองและศุลกากร เพื่อสร้าง Big Data ในการวิเคราะห์ แจ้งเตือน และป้องกันการแพร่ระบาดได้อย่างมีประสิทธิภาพ ไต้หวันจึงรับมือกับการระบาดของ COVID-19 ได้อย่างรวดเร็ว

COVID-19 แม้จะเป็นโรคที่ไม่รุนแรงถึงขั้นที่เป็นแล้วเสียชีวิตทุกคนก็ตาม แต่ก็แพร่กระจายไปในวงกว้างอย่างรวดเร็ว ทำให้เกิดความหวาดระแวงไปทั่ว หลายอย่างชะลอตัว ไปจนถึงขั้นหยุดชะงัก แต่ในทางกลับกันก็กระตุ้นให้เกิดการปรับเปลี่ยนเพื่อเป็นทางเลือกสู่ทางรอดมากขึ้น เช่น

• หน้ากากอนามัยที่ไม่ได้มาตรฐานจะถูกปฏิเสธจากผู้บริโภคมากขึ้น เพราะผู้บริโภคมีความรู้ในเลือกซื้อและเลือกใช้ดีขึ้น
• บริษัทผลิตชุดบุคลากรทางการแพทย์ เริ่มหันมาทำหน้ากากผ้าแบบซักได้เพื่อใช้แทนหน้ากากอนามัย โดยผลิตจากเส้นใยผ้าต่อต้านเชื้อแบคทีเรียและฝุ่น PM2.5 สามารถซักแล้วใช้ซ้ำได้หลายครั้ง ซึ่งในอนาคตจะมีการพัฒนาให้ป้องกันเชื้อไวรัสได้ด้วย
• ก๊อกน้ำ หรือลูกบิดประตู จะถูกคิดเพื่อลดการสัมผัสให้มากที่สุด เช่นเป็นแบบโยกเปิดปิดที่สามาถใช้ข้อศอกหรือวัสดุอื่นในการสัมผัสแทนมือได้ หรือทำเป็นระบบอัตโนมัติ หรือกึ่งอัตโนมัติมากขึ้น
• ระบบชำระเงินออนไลน์จะเป็นตัวเลือกในการใช้จ่ายมากขึ้น เพราะทั้งผู้ประกอบการและผู้บริโภคเองก็เริ่มกังวลในการสัมผัสธนบัตร หรือเงินเหรียญ ซึ่งอาจปนเปื้อนเชื้อโรคได้ง่าย
• ประกันภัยต่างๆ ที่ออกมาจะทันต่อสถานการณ์มากขึ้น และซื้อได้ง่ายโดยไม่ต้องเดินทางเพื่อออกไปซื้อ
• บรรจุภัณฑ์จากธรรมชาติจะถูกใช้เป็นทางเลือกในการใช้แล้วทิ้งมากขึ้น ทั้งช่องทางเดลิเวอรี่ และการสั่งอาหารจากร้านค้า เพื่อลดการปนเปื้อนจากการสัมผัสภาชนะที่ลูกค้านำมาเอง และช่วยลดปัญหาสิ่งแวดล้อมได้อีกทาง
• วัตถุดิบบางอย่างอาจไม่เพียงพอต่อความต้องการในประเทศ ต้องนำเข้าสินค้าเพิ่มเติม การใช้ประโยชน์จากข้อตกลงการค้าเสรี หรือเอฟทีเอ จะช่วยเพิ่มทางเลือกให้ผู้ผลิตและผู้ประกอบการไทยสามารถเข้าถึงสินค้าและวัตถุดิบจากแหล่งที่หลากหลายได้มากขึ้น

ในทุกวิกฤตมีโอกาสซ่อนอยู่เสมอ ขอให้รับมือกับมันอย่างมีสติ โรคระบาดทำให้เราหวาดกลัว แต่ทำให้เราได้เรียนรู้วิธีป้องกันตัวเองมากขึ้น โรคระบาดทำให้หลายธุรกิจหยุดชะงัก แต่อาจเป็นโอกาสในการกลับมาตั้งหลัก เพื่อเตรียมก้าวเดิน หรือก้าวกระโดดไปให้ไกลกว่าเดิม อย่าท้อแท้ แต่ให้มองหาโอกาสที่เป็นทางเลือกสู่ทางรอดในยามวิกฤตของเราให้เจอ

ที่มา : https://www.scb.co.th/th/personal-banking/stories/tips-for-you/corona-make-change.html

สถิติทั่วโลก

ประเด็นน่าสนใจ

• ผู้ป่วยโควิด-19 ทั่วโลกเพิ่มอีก 2.7 แสนราย รวมเป็น 28.2 ล้านราย หายป่วยสะสม 19 ล้านคน และเสียชีวิตสะสม 9.11 แสนคน
• อินเดีย ทำสถิติ New high อีกครั้ง พบผู้ป่วยเพิ่มอีกกว่า 97,000 ราย
• พม่ายังสั่งล็อกดาวน์กรุงย่างกุ้ง ถึงวันที่ 1 ต.ค.

สถานการณ์โควิด-19 ในประเทศที่มีการระบาดรุนแรง

• สหรัฐฯ พบผู้ป่วยรายใหม่อีก 3.8 หมื่นราย รวมสะสม 6.46 ล้านราย หายป่วยสะสม 3.53 ล้านราย และเสียชีวิตสะสม 1.92 แสนราย
  .
• US CDC ประมาณการณ์ว่า ในต้นเดือน ต.ค. นี้ สหรัฐฯ จะมีผู้เสียชีวิตด้วยโควิด-19 กว่า 2 แสนราย นอกจากนี้ หลายฝ่ายยังแสดงความกังวลต่อสถานการณ์ “Twin-demic” คือการติดเชื้อไข้หวัดใหญ่ตามฤดูกาล ร่วมกับโควิด-19
  .
• อินเดีย พบผู้ป่วยรายใหม่เพิ่ม 9.7 หมื่นราย รวมผู้ป่วยสะสม 4.65 ล้านราย หายป่วยสะสม 3.6 ล้านราย และเสียชีวิตสะสม 7.74 หมื่นราย โดยคาดการณ์ว่า ในสุดสัปดาห์หน้า อินเดียวจะมีผู้ป่วยโควิด-19 เกิน 5 ล้านราย เนื่องจากแนวโน้มยังคงพบผู้ป่วยรายใหม่อย่างต่อเนื่อง และเพิ่มสูงขึ้นเรื่อย ๆ
  .
• บราซิล พบผู้ป่วยรายใหม่ 4.3 หมื่นราย รวมผู้ป่วยสะสม 4.28 ล้านคน หายป่วยสะสม 3.53 ล้านคน เสียชีวิตสะสม 1.3 แสนคน
  .
• แนวโน้มการพบผู้ป่วยในระลอกที่สอง ในหลายประเทศเช่น สเปน ฝรั่งเศส อังกฤษ อิสราเอล มีแนวโน้มเพิ่มสูงขึ้นต่อเนื่อง และสูงกว่าการระบาดในระลอกแรก
  .
• เม็กซิโก มีผู้เสียชีวิตจากโควิด-19 สะสมมากว่า 7 หมื่นคนแล้ว

สถานการณ์โควิด-19 ในเอเซีย-เพื่อนบ้าน

• เกาหลีใต้ พบผู้ป่วยเพิ่ม 136 ราย รวมเป็น 22,055 ราย เสียชีวิตเพิ่ม 5 ราย รวมสะสม 355 ราย
  .
• ญี่ปุ่น พบผู้ป่วยรายใหม่เพิ่มอีก 645 ราย รวมสะสม 74,688 ราย เสียชีวิตเพิ่ม 9 ราย รวมสะสม 1,441 ราย
  .
• ฟิลิปปินส์ – อินโดนีเซีย ยังคงพบผู้ป่วยรายใหม่กว่าวันละเกือบ 4 พันราย และแนวโน้มยังไม่มีทีท่าว่าจะลดลงแต่อย่างใด
  .
• พม่า รายงานพบผู้ป่วยรายใหม่เพิ่ม 23 ราย รวมผู้ป่วยโควิด-19 สะสมในพม่า 2,445 ราย ไม่มีผู้เสียชีวิตเพิ่ม รวมสะสม 14 ราย ซึ่งแนวโน้มการระบาดในพม่าเพิ่มสูงขึ้น ทำให้ต้องมีการนั่งล็อกดาวน์เมืองย่างกุ้งแล้ว ตั้งแต่ 11 ก.ย. – 1 ต.ค.
  .
• มาเลเซีย พบผู้ป่วยรายใหม่เพิ่มอีก 182 ราย รวม 9,810 ราย ไม่มีผู้เสียชีวิตเพิ่ม รวมสะสมที่ 128 ราย โดยกลุ่มก้อนที่พบกเป็นกลุ่ม Benteng LD จำนวน 167 คน หลังจากที่มีการจับกุมแรงงานต่างด้าวได้ 2 ราย และนำตัวไปขังไว้ ทำให้มีการแพร่ระบาดกันภายในกลุ่มก้อนนี้
  .
• เวียดนาม พบผู้ป่วยเพิ่ม 1 ราย รวม 1,060 ราย โดยรายใหม่เป็นผู้ที่เดินทางกลับมาจากรัสเซีย
  .
• กัมพูชา ปฏิเสธรายงานของเวียดนามก่อนหน้านี้ ที่มีรายงานการพบผู้ป่วยโควิด-19 ในเวียดนาม ซึ่งเดินทางกลับจากกัมพูชา จำนวน 3 ราย
  .
• ลาว พบผู้ป่วยโควิดเพิ่ม 1 ราย รวมผู้ป่วยสะสม 23 ราย โดยรายล่าสุดเป็น ทหารชาวลาว ที่เดินทางไปร่วมการแข่งขัน International Army Games ที่รัสเซีย โดยเดินทางกลับมาถึงประเทศลาวเมื่อวันที่ 8 ก.ย. ที่ผ่านมา ผลการตรวจหาเชื้อครั้งแรก ไม่พบเชื้อ

ยอดผู้ติดเชื้อทั่วโลก

28,781,473
ราย

กำลังรักษา

8,388,791
ราย

รักษาหาย

19,472,092
ราย

ผู้เสียชีวิต

920,590
ศพ

ที่มา http://www.setthasarn.econ.tu.ac.th/blog/detail/61/?fbclid=IwAR2UULitjdS3StsR4pqosHAuZJBtxUtxBS38FOb5SFkINLqalddhJtDSsz0

https://www.thairath.co.th/event_corona https://mthai.com/news/73548.html

ศบค. รายงานสถิติ และ วิดิโอล่าสุด

📅 วันเสาร์ที่ 12 กันยายน 2563 🕚 เวลา 11.00 น.

สถานการณ์การติดเชื้อ COVID-19

ที่มา : https://l.facebook.com/l.php?u=http%3A%2F%2Fwww.moicovid.com%2F%3Ffbclid%3DIwAR2W5eaE2UrRd0DbmdA2xuxEFYqE0kFfT3saBRTCiNVWq8CyG6BXKQ16Y4&h=AT143ZUWHWSYLOtj8tmmziwUy44fM65jZOwCNEevRYp0leA8JRD7akLzruenBUINQ1OdTpdlu5pnq5PLELQ_OQhLye-yifIaGv_oS2ljq-GoYtQ8lv6hFu1zRFbTxcz_3nma

ยุค 5G/6G , Iot , AI

ยุค  5G/6G 

ประโยชน์ของ 5G
  สำหรับคุณสมบัติหลักเด่นชัดของ 5G ที่เห็นได้ชัดเลยคงเป็นเรื่องของคุณภาพการรับชมวีดีโอ หรือการเล่นเกมส์ออนไลน์ ที่ช่วยให้ผู้ใช้บริการได้สัมผัสกับคุณภาพความคมชัด และความรวดเร็วเทียบเท่ากับการใช้งานผ่านโครงข่ายใยแก้วนำแสง (Fiber Optic) หรือการที่สามารถทำงานและเข้าถึงข้อมูลทุกอย่างที่อยู่บน Cloud ไม่ว่าจะรูปแบบภาพ หรือวิดีโอ ได้แบบทันทีที่ต้องการ รวมถึงการพัฒนาเทคโนโลยีให้มีความเร็วในการดาวน์โหลดและอัพโหลดที่สูงกว่าเทคโนโลยี 4G อีกด้วย
นอกจากนี้ เทคโนโลยี 5G ยังถูกออกแบบมาเพื่อรองรับการเชื่อมต่อจำนวนมากๆ ผ่านอินเตอร์เน็ต หรือที่เรียกกันว่า IoT อาทิ รถยนต์ไร้คนขับ การผ่าตัดได้จากระยะไกล หุ่นยนต์ในโรงงาน สิ่งเหล่านี้แสดงให้เห็นถึงการเพิ่มประสิทธิภาพในการทำงานซึ่งถือว่ามีความเร็วมากกว่าเทคโนโลยี 4G เกิน 10 เท่า รวมถึงช่วยให้เกิดการใช้งาน AR และ VR ในกิจกรรมต่างๆ อาทิ การสำรวจภาคสนาม การสาธารณสุขทางไกล ความบันเทิง 
โดยเจ้าเทคโนโลยีล่าสุด 5G (ระบบสื่อสารไร้สายยุคที่ 5)นั้นทั่วโลกเริ่มมีการทดสอบและลองใช้กันบ้างแล้วซึ่งก็นำมาสู่คำถามที่ว่าหลังจากนี้จะมีอะไรอีก?

6G จะเป็นแบบไหนกัน? แตกต่างกันยังไง? มีอะไรที่สามารถทำเพิ่มขึ้นมาได้บ้างจาก 5G? 

   ในด้านหนึ่งที่แน่นอนเลยก็คือเรื่องความเร็ว ซึ่งในตอนนี้มีการคาดการณ์ว่าจะอยู่ที่ราวๆ 1 terabit/second หรือประมาณ 100 เท่าของ 5G รถยนต์ไร้คนขับคันหนึ่งที่ถูกขับเคลื่อนด้วย AI จะคอยส่งรับส่งสัญญาณจากสิ่งรอบข้างและตอบสนองตามความจำเป็น ตำแหน่งที่ตั้งของรถยนต์จะถูกส่งออกไปสู่พื้นที่โดยรอบ เสาไฟฟ้า พื้นถนน ไฟจราจร ทุกอย่างจะมี AI อยู่ในนั้นเพื่อคอยถ่ายทอดข้อมูลถึงกัน รถจักรยานที่ปั่นบนถนน มอเตอร์ไซค์ ปลอกคอน้องหมา นาฬิกาข้อมือของคนวิ่งออกกำลังกาย ฯลฯ AI เหล่านี้จะคอยบอกว่าให้ระวังอะไร เลี้ยวไปทางไหน ต้องเลี่ยงเส้นทางไหนเพื่อจะให้ถึงปลายทางเร็วที่สุด
สิ่งเหล่านี้ล้วนใช้พลังในการคำนวณอย่างหนักหน่วง สมองกลในรถยนต์แต่ละคันต้องสร้างเครือข่ายกับสิ่งต่างๆ โดยรอบอยู่ตลอดเวลาเมื่อผ่านจุดหนึ่งไปก็ต้องไปสร้างเครือข่ายใหม่เรื่อยๆ จนกว่าจะถึงเป้าหมาย  

ที่มา https://thematter.co/thinkers/the-future-of-6g/76263                          https://www.uih.co.th/th/knowledge/5g

Internet of Things (IoT)

 คือ การที่อุปกรณ์อิเล็กทรอนิกส์ต่างๆ สามารถเชื่อมโยงหรือส่งข้อมูลถึงกันได้ด้วยอินเทอร์เน็ต โดยไม่ต้องป้อนข้อมูล การเชื่อมโยงนี้ง่ายจนทำให้เราสามารถสั่งการควบคุมการใช้งานอุปกรณ์อิเล็กทรอนิกส์ต่างๆ ผ่านทางเครือข่ายอินเตอร์เน็ตได้ ไปจนถึงการเชื่อมโยงการใช้งานอุปกรณ์อิเล็กทรอนิกส์ต่างๆ ผ่านทางเครือข่ายอินเตอร์เน็ตเข้ากับการใช้งานอื่นๆ จนเกิดเป็นบรรดา Smart ต่างๆ ได้แก่ Smart Device, Smart Grid, Smart Home, Smart Network, Smart Intelligent Transportation ทั้งหลายที่เราเคยได้ยินนั่นเอง ซึ่งแตกต่างจากในอดีตที่อุปกรณ์อิเล็กทรอนิกส์เป็นเพียงสื่อกลางในการส่งและแสดงข้อมูลเท่านั้น
กล่าวได้ว่า Internet of Things นี้ได้แก่การเชื่อมโยงของอุปกรณ์อัจฉริยะทั้งหลายผ่านอินเทอร์เน็ตที่เรานึกออก เช่น แอปพลิเคชัน แว่นตากูเกิลกลาส รองเท้าวิ่งที่สามารถเชื่อมต่อข้อมูลการวิ่ง ทั้งความเร็ว ระยะทาง สถานที่ และสถิติได้

ที่มา https://www.aware.co.th/iot-%E0%B8%84%E0%B8%B7%E0%B8%AD%E0%B8%AD%E0%B8%B0%E0%B9%84%E0%B8%A3/

AI ปัญญาประดิษฐ์

เป็นระดับขั้นหนึ่งในวิทยาการคอมพิวเตอร์ คำว่า AI ถูกพูดถึงในวงกว้างมากว่า 20 ปีแล้ว ช่วงที่พีคสุด ๆ ก็มีหนังฮอลลีวู้ดออกมาในชื่อเรื่อง Artificial Intelligence: AI กำกับโดย สตีเวน สปิลเบิร์ก เมื่อปี 2001

 AI คือเทคโนโลยีสมองกลคอมพิวเตอร์ที่สามารถคิดได้เหมือนมนุษย์พื้นฐานของ AI คือเทคโนโลยีที่ถูกออกแบบให้มีระบบทำงานเหมือนกับการทำงานของสมองมนุษย์ , AI ที่ใช้กันในวงกว้างทุกวันนี้ ไม่ได้มีจุดมุ่งหมายจะเลียนแบบการทำงานให้เหมือนกับสมองมนุษย์เสียทีเดียว แต่สิ่งที่มุ่งหวังคือ “output” ของ AI จะสามารถตอบโต้กับผู้ใช้ได้โดยตรง ปัจจุบันซอฟต์แวร์หลาย ๆ ตัวที่ขับเคลื่อนด้วยระบบ AI นั้น ต่างก็ต้องการให้ผู้ใช้ได้รู้สึกเหมือนตอบโต้กับมนุษย์ด้วยกันให้ได้มากที่สุด AI ที่ถูกสร้างขึ้นมาใหม่ก็ไม่ได้สมบูรณ์แบบพร้อมเช่นเดียวกับมนุษย์ที่เกิดใหม่ ต่างก็ต้องเรียนรู้และนำมาประยุกต์ใช้ การเรียนรู้ของ AI เหมือนกับมนุษย์ คือรับรู้ข่าวสาร ข้อมูล แล้วนำมาประมวลผล จากนั้นก็จัดเก็บ เพื่อนำมาประยุกต์ใช้ในอนาคต ยกตัวอย่างแนวทางการเรียนรู้ของ AI เสมือนเด็กคนหนึ่ง ที่เคยไปจับเตาแล้วรู้สึกร้อน สมองรับรู้ความเจ็บปวด ก็จดจำไว้แล้วก็จะไม่ทำเช่นนั้นอีก

ที่มา https://www.beartai.com/article/tech-article/424875

Big Data (บิ๊ก ดาต้า)

Big Data (บิ๊ก ดาต้า)

    บิ๊กดาต้า (Big Data) คือคำนิยามของข้อมูลที่มีขนาดใหญ่ทุกชนิดที่อยู่ในองค์กรของเราไม่ว่าจะเป็น ข้อมูลบริษัท ข้อมูลลูกค้า Suppliers พฤติกรรมผู้บริโภค Transaction ไฟล์เอกสารต่างๆที่เกี่ยวข้องทั้งหมด รวมไปจนถึง รูปภาพ URLs ลิงค์ต่างๆที่คุณเก็บไว้ ฯลฯ ที่มีปริมาณมากจนกระทั่งซอฟต์แวร์ปกติทั่วไปไม่สามารถรองรับการเก็บข้อมูลหรือประมวลผลได้อย่างเต็มประสิทธิภาพ 

ซึ่งอีกนัยนึง Big Data คือ เทคโนโลยีและสถาปัตยกรรมหรือ Platform ไอทีรุ่นใหม่ ซึ่งอาจมาในรูปแบบซอฟต์แวร์ ที่สามารถรองรับการจัดเก็บ การจัดการ กรองเลือกข้อมูล การวิเคราะห์ แสดงผล และการใช้งานข้อมูล

Big data คือ ข้อมูลที่ประกอบด้วยคุณลักษณะ 4 อย่างคือ

    1. ที่มีปริมาณมาก (Volume) คือข้อมูลที่มีขนาดใหญ่ ซึ่งสามารถเป็นได้ทั้งรูปแบบ Online และ Offline            ซึ่งส่วนมากแล้วจะมีปริมาณมากกว่าหน่วย TB (Terabyte) ขึ้นไป
    2. มีการเปลี่ยนแปลงอย่างรวดเร็ว (Velocity) ส่งผ่านข้อมูล Update กันอย่างต่อเนื่อง (Real-time) จน               ทำให้การวิเคราะห์ง่ายๆแบบ Manual เกิดข้อจำกัด หรือไม่สามารถจับรูปแบบหรือทิศทางของข้อมูล           ได้
    3. หลากหลายประเภทหรือแหล่งที่มา (Variety) หมายถึงรูปแบบของข้อมูลที่แตกต่างกันออกไป ทั้งใน           รูปแบบ ตัวอักษร วิดีโอ รูปภาพ ไฟล์ต่างๆ ฯลฯ และหลากหลายแหล่งที่มาเช่น Social Network หรือ         Platform E- Commerce ต่างๆ
    4. ยังไม่ผ่านการประมวลผล (Veracity) ยังไม่ผ่านการ Process ให้อยู่ในรูปแบบของข้อมูลดิบ (Raw                 Data) ที่สามารถใช้สร้างประโยชน์ต่อองค์กรได้

ประโยชน์ของ Big Data 

Big Data ช่วยให้คุณสามารถใช้ข้อมูลจากทุกแหล่งที่เป็นไปได้ และวิเคราะห์เพื่อให้ได้ผลลัพธ์ที่คุณต้องการ ซึ่งช่วยให้คุณสามารถเข้าใจผู้บริโภคได้มากขึ้น (Customer Insight) ลดต้นทุนได้ ลดเวลาระยะเวลาดำเนินการ และสามารถตัดสินใจได้อย่างแม่นยำมากขึ้น ยกตัวอย่างเช่น

・ระบุสาเหตุของความผิดพลาด ประเด็นและความผิดพลาดได้ใกล้เคียงแบบเรียลไทม์

・กำหนดคูปองโปรโมชั่นที่จุดขายตามพฤติกรรมการซื้อของผู้บริโภค

・คำนวณความเสี่ยงของทั้งพอร์ตโฟลิโอซ้ำได้ในเวลาไม่กี่นาที

・ตรวจพบพฤติกรรมการฉ้อโกงก่อนที่จะส่งผลกระทบต่อองค์กรของคุณ

ปัจจุบันหลายบริษัทได้นำ Big Data มาประยุกต์ใช้ในส่วนของการขายและการตลาดของธุรกิจ เครื่องมือที่ใช้สำหรับการรองรับ Big Data แบบที่เราเข้าใจได้ง่ายๆ และเห็นอยู่บ่อยๆ ก็อย่างเช่น Google Analytics หรือ ระบบ ERP เป็นต้น 

ตัวอย่างบริษัทที่ใช้งานระบบ Big Data

บทความ Deciphering the unstoppable Netflix and the role of Big Data วิเคราะห์ว่า Netflix ประสบความสำเร็จอย่างรวดเร็วจากการเก็บข้อมูลผู้ชมทั้งในด้านประวัติการเข้าชม, การกดหยุดเล่น, อุปกรณ์ที่ใช้, การค้นหา, การให้คะแนน ฯลฯ นำมาทำเป็น Big Data ที่วิเคราะห์จากการเลือกดูหนังที่ผ่านมาว่า ผู้ชมน่าจะอยากดูเรื่องใดเป็นเรื่องต่อไป แล้วนำเสนอได้ตรงหรือใกล้เคียงกับความชอบและรสนิยมของผู้บริโภคมากขึ้นเรื่อยๆ ส่งผลต่อประสบการณ์และความพึงพอใจ ทำให้มีผู้สมัครสมาชิกมากกว่า 137 ล้านราย (ข้อมูล ณ สิ้นปี 2018) 

ที่มา : https://www.muvi.com/blogs/deciphering-the-unstoppable-netflix-and-the-role-of-big-data.html

 https://www.aware.co.th/%E0%B8%9B%E0%B8%A3%E0%B8%B0%E0%B9%82%E0%B8%A2%E0%B8%8A%E0%B8%99%E0%B9%8C-big-data/ 

https://www.tereb.in.th/erp/big-data-%E0%B8%84%E0%B8%B7%E0%B8%AD/

https://www.salika.co/2019/03/12/big-data-introduction/

https://www.sas.com/th_th/insights/big-data/what-is-big-data.html

วิทยาการข้อมูล(Data Science)

วิทยาการข้อมูล (Data science)

วิทยาการข้อมูล หรือ Data Science คือ ศาสตร์ที่เกี่ยวกับการจัดการ จัดเก็บ รวบรวม ตรวจสอบ วิเคราะห์ วิจัย และนำเสนอผลการวิเคราะห์ข้อมูลเพื่อนำไปสู่ความรู้ที่สามารถนำไปใช้งานได้จริง (Actionable knowledge) อย่างเช่น การปรับปรุงผลิตภัณฑ์ กระบวนการดำเนินงาน ประกอบการตัดสินใจทางธุรกิจ การวางแผนการตลาด และทิศทางขององค์กรในอนาคต
    โดยหลักการแล้ว Data Science ประกอบขึ้นจากศาสตร์หลักๆ คือ Hacking Skill (สกิลเกี่ยวกับ Computer Programimg, Data Base, Big data Technologies)  Statistic & Math (ทักษะทางคณิตศาสตร์และสถิติศาสตร์)  Substantive Expertise (หรือ Domain Knowledge)  Presentation (ทักษะการนำเสนอข้อมูล) และ Visualization 
    Data Science ไม่ใช่ศาสตร์ใหม่ แต่มันคือการนำความรู้เดิมที่มีอยู่มารวมและประยุกต์เข้าด้วยกันจนเกิดเป็นของใหม่ ด้วยลักษณะของข้อมูลขนาดใหญ่ (Big Data) ในโลกปัจจุบัน การเข้ามาของ Internet of Things  หรือ Censor ต่างๆ ตลอดจน Social media ทำให้เกิดเป็นข้อมูลปริมาณมหาศาล และนำมาสู่ Data Science 

ผลลัพธ์ที่ได้จาก Data Science 

- ค้นพบสิ่งที่ไม่เคยรู้มาก่อนจากข้อมูลที่ได้
- ได้ Predictive Model เพื่อนำไปปฏิบัติจริง
- สร้าง Data Product ใหม่ๆ ที่จะส่งผลกระทบต่อธุรกิจ
- ช่วยให้ฝ่ายธุรกิจมีความมั่นใจและสามารถตัดสินใจได้ดีขึ้น

    คนทำงานด้านวิทยาศาสตร์ข้อมูล จะนำข้อมูลที่กระจัดกระจายจากแหล่งต่างๆ มาจัดการและวิเคราะห์ เพื่อใช้ประโยชน์ตามโจทย์หรือวัตถุประสงค์การใช้งาน เช่น สร้าง Predictive Model หรือระบบอัลกอริทึมขึ้นมาประมวลผล เพื่อค้นหาอินไซต์เกี่ยวกับผู้ใช้งาน (user) หรือเก็บข้อมูลเพื่อใช้ประกอบการตัดสินใจขององค์กรบริษัท เป็นต้น 

ที่มาของตำแหน่ง นักวิทยาศาสตร์ข้อมูล (Data Scientist) 
ตำแหน่งงาน Data Scientist ถูกตั้งขึ้นโดย  DJ Patil และ Jeff Hammerbacher ในปี 2008 โดยทั้งคู่เป็น ผู้บุกเบิกการสร้างทีม Data Science ที่ LinkedIn และ Facebook และตอนนี้ DJ Patil ได้รับแต่งตั้งให้เป็น Chief Data Scientist of the United States ไปเรียบร้อย

    ในปี 2012 วารสาร Harward Business Review  ตีพิมพ์บทความชื่อ Data Scientist: The Sexiest Job of the 21st Century ทำให้อาชีพนี้กลายเป็น Talk of the town ในวงการธุรกิจและวงการสื่อตั้งแต่นั้นมา และทำให้เกิดความต้องการจ้างงานจากวงการธุรกิจสูง จนขาดแคลนบุคคลากรทางด้านนี้เป็นอย่างมาก ถือเป็นอาชีพที่เกิดขึ้นอย่างฉับพลันในวงการธุรกิจ โดยที่ยังไม่มีการเรียนการสอนในมหาวิทยาลัยจริงจัง

ทักษะที่ นักวิทยาศาสตร์ข้อมูล (Data Scientist) ต้องมี 
นักวิทยาศาสตร์ข้อมูล ต้องมี ทักษะความรู้แบบสหวิทยาการ (Interdisciplinary) หรือมีองค์ความรู้ในหลากหลายด้าน เช่น ความรู้ด้านคอมพิวเตอร์ คณิตศาสตร์และสถิติ การวิเคราะห์ข้อมูล ความเข้าใจทางธุรกิจ ความอยากรู้อยากเห็น ความคิดสร้างสรรค์ และความรู้เฉพาะสาขา (Domain Knowledge) สรุปคือ 
1 ความรู้ด้านวิทยาการคอมพิวเตอร์ (Computer Science)
2 ความรู้ด้านคณิตศาสตร์และสถิติ (Math&Statistics)
3 ความรู้เฉพาะสาขา (Domain Knowledge)
4 ความอยากรู้อยากเห็นและความคิดสร้างสรรค์ (Curiosity & Creativity)
การจะหาคนที่เป็น Data Scientist หรือคนเดียวที่เก่งทุกอย่างแบบเต็มตัว ไม่ใช่เรื่องง่าย ส่วนใหญ่แล้วจะเป็นการทำงานเป็น ทีม Data Science ที่ประกอบด้วยคนที่เก่งแต่ละด้านมาอยู่ในทีมเดียวกัน

อยากเป็น Data Scientist ควรเรียนอะไร?  
" ยุคนี้กำลังเปลี่ยนเร็วมาก การแข่งขันจะรุนแรงมากในเรื่องของข้อมูล ผู้แพ้ผู้ชนะจะไม่ได้ถูกตัดสินด้วยขนาดอีกต่อไป แต่จะตัดสินด้วยความสามารถในการใช้ข้อมูล "  ผศ. ดร. ณัฐวุฒิ หนูไพโรจน์ ภาควิชาวิศวกรรมคอมพิวเตอร์ จุฬาลงกรณ์มหาวิทยาลัย

    แม้ว่าสถาบันการศึกษาในประเทศไทยยังไม่มีหลักสูตรหรือคณะสาขาที่เกี่ยวกับ Data Science โดยตรง แต่คณะและสถาบันการศึกษาหลายแห่ง อย่างเช่น ภาควิชาวิศวกรรมคอมพิวเตอร์ จุฬาลงกรณ์มหาวิทยาลัย และอีกหลายๆ มหาวิทยาลัย ตระหนักถึงความสำคัญของศาสตร์นี้ จนเปิดเป็นรายวิชาเลือกขึ้นมาเพื่อให้น้องๆ นักศึกษาที่สนใจได้เลือกเรียนทางด้านนี้เพิ่มเติมจากสาขาหลัก

    สำหรับน้องๆ ที่สนใจและตั้งใจอยากทำงานด้านนี้โดยตรง สามารถเรียนต่อระดับอุดมศึกษาในคณะหรือสาขาที่ช่วยให้เรารู้จักและเข้าใจการจัดการข้อมูลได้หลากหลาย เช่น คณะวิทยาศาสตร์ คณะวิศวกรรมศาสตร์ คณะดิจิทัลมีเดีย สาขาเทคโนโลยีสารสนเทศ คณะการจัดการ คณะบริหารธุรกิจ และคณะอื่นๆ ที่เกี่ยวข้อง จากนั้นน้องๆ สามารถเลือกฝึกประสบการณ์ทางด้าน Data Science เพิ่มเติมได้เอง รวมทั้งการเรียนต่อระดับปริญญาโทสาขานี้โดยตรงที่มหาวิทยาลัยในต่างประเทศก็ยิ่งได้เปรียบ

Data Science กับอนาคตในตลาดงานประเทศไทย
แม้ว่า การ์ทเนอร์ (Gartner, Inc.) บริษัทวิจัยและวิเคราะห์ข้อมูลด้านเทคโนโลยีสารสนเทศระดับโลกบอกว่า จะมีตำแหน่งงานด้านนี้เพิ่มขึ้นกว่า 4.4 ล้านอัตราทั่วโลกภายในปี 2558 แต่จะมีบุคลากรที่พร้อมสำหรับตำแหน่งงานดังกล่าวเพียง 1 ใน 3 เท่านั้น แต่คำถามที่น้องๆ ทุกคนที่สนใจงานนี้รอคอยกันอยู่ก็คือ เรียนจบด้านนี้มาแล้วจะมีงานรองรับในเมืองไทยมากน้อยแค่ไหน? เรานำบทสัมภาษณ์จากรุ่นพี่อย่าง ต้า-วิโรจน์ จิรพัฒนกุล อดีต Data Scientist ของ Facebook ให้สัมภาษณ์ไว้ใน TheMomentum มาฝากเพื่อให้น้องๆ นำไปประกอบการตัดสินใจ

นักวิทยาการข้อมูล  (Data scientist)

คนที่จะทำงานเป็นนักวิทยาศาสตร์ข้อมูลได้ ต้องประกอบด้วยทักษะและความรู้เบื้องต้น ดังนี้

• ใช้เครื่องมือพื้นฐานจำพวก R, Python และ SQL ได้
• มีความเข้าใจพื้นฐานด้านสถิติ (Statistics)
• เข้าใจการทำงานของ Machine Learning, Data Mining และ Big Data อย่างลึกซึ้ง
• มีความสามารถในการหาตัวแปรค่าต่างๆ ในแคลคูลัส และเส้นแอลจีบร้า
• แจกแจงและจำแนกข้อมูลได้ (Data Munging)
• เข้าใจเรื่อง Data Visualization & Communication
• มีความรู้ด้านวิศวกรรมซอฟต์แวร์ (Software Engineering)
• คิดแบบนักวิทยาศาตร์ข้อมูลเป็น (Think Like A Data Scientist)

ที่มา https://www.admissionpremium.com/it/news/3079

        https://www.google.com/search?q=%E0%B8%A7%E0%B8%B4%E0%B8%97%E0%B8%A2%E0%B8%B2%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5+%E0%B8%84%E0%B8%A7%E0%B8%B2%E0%B8%A1%E0%B8%AA%E0%B9%8D%E0%B8%B2%E0%B8%84%E0%B8%B1%E0%B8%8D&hl=th&source=lnms&tbm=isch&sa=X&ved=2ahUKEwjc6sC7_rLrAhVpwjgGHZJeBH4Q_AUoAXoECAwQAw&biw=1600&bih=708#imgrc=DAuw72Bw6EA11M