<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Wittawat S. on Medium]]></title>
        <description><![CDATA[Stories by Wittawat S. on Medium]]></description>
        <link>https://medium.com/@wittawatballsangsawang?source=rss-7c6d7828ffc3------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*3FkY-kN0gvCHvG85zs_mmw@2x.jpeg</url>
            <title>Stories by Wittawat S. on Medium</title>
            <link>https://medium.com/@wittawatballsangsawang?source=rss-7c6d7828ffc3------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Mon, 16 Nov 2026 14:07:12 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@wittawatballsangsawang/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Spatial 101: สร้างแผนที่แสดง location บน Open Street Map ด้วย Tableau (ฉบับจับมือทำ)]]></title>
            <link>https://medium.com/@wittawatballsangsawang/spatial-101-%E0%B8%AA%E0%B8%A3%E0%B9%89%E0%B8%B2%E0%B8%87%E0%B9%81%E0%B8%9C%E0%B8%99%E0%B8%97%E0%B8%B5%E0%B9%88%E0%B9%81%E0%B8%AA%E0%B8%94%E0%B8%87-location-%E0%B8%9A%E0%B8%99-open-street-map-%E0%B8%94%E0%B9%89%E0%B8%A7%E0%B8%A2-tableau-%E0%B8%89%E0%B8%9A%E0%B8%B1%E0%B8%9A%E0%B8%88%E0%B8%B1%E0%B8%9A%E0%B8%A1%E0%B8%B7%E0%B8%AD%E0%B8%97%E0%B8%B3-b1e19a52192c?source=rss-7c6d7828ffc3------2</link>
            <guid isPermaLink="false">https://medium.com/p/b1e19a52192c</guid>
            <category><![CDATA[tableau]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[data-visualization]]></category>
            <category><![CDATA[openstreetmap]]></category>
            <dc:creator><![CDATA[Wittawat S.]]></dc:creator>
            <pubDate>Fri, 27 Sep 2019 07:24:27 GMT</pubDate>
            <atom:updated>2019-09-27T08:27:59.913Z</atom:updated>
            <content:encoded><![CDATA[<h3>Spatial 101: สร้างแผนที่แสดง location ด้วย Open Steet Map บน Tableau (ฉบับจับมือทำ)</h3><p>ผู้ใช้งาน Tableau หลายคนน่าจะใช้งานส่วนมาก dashboard หรือ report มักจะเป็น chart แบบง่ายๆ และ summary table เพื่อส่งหัวหน้า ซึ่งข้อมูลส่วนใหญ่มักเป็น transaction ปกติ แบบที่ไม่มีข้อมูลเชิงพื้นที่เข้ามาเกี่ยวข้อง</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/796/1*p5s5t_IkJqnAlIAsCpF8ig.png" /><figcaption>ตัวอย่าง map ที่เราจะสร้างกัน</figcaption></figure><blockquote>แล้วถ้าข้อมูลนั้นมีข้อมูลเชิงพื้นที่เข้ามาเกี่ยวข้องหล่ะ?</blockquote><p><a href="https://www.blognone.com/node/107137"><strong>Open Street Map</strong></a> เป็นฐานข้อมูลแผนที่ซึ่งผู้ใช้งานทั่วโลกร่วมกันสร้าง บริษัท start-up ชื่อดังอย่าง Grab ก็ยังนำฐานข้อมูลนี้มาประยุกต์กับข้อมูลบน Google Map เพื่อพัฒนาเป็น service map บนแอพลิเคชั่น</p><p>ข้อมูลที่ควรมีประกอบด้วย 1) <strong>latitude,</strong> 2)<strong> longitude </strong>และ 3)<strong> location</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/348/1*sVBhIGHFIOzRy86JwHp_OQ.png" /><figcaption>ตัวอย่างข้อมูลสำหรับพล็อตลง Tableau</figcaption></figure><p>นอกจากนี้อาจเพิ่มข้อมูลเพิ่มเติมเกี่ยวกับสถานที่นั้นๆ เช่น <em>เขตพื้นที่, เส้นทางการเดินรถ, ยอดขายต่างๆ</em> ฯลฯ เพื่อทำให้ filter ข้อมูลในมุมมองที่หลากหลายเพื่อตอบโจทย์ธุรกิจมากขึ้น</p><h3><strong>Step 1: Prepare and Import data</strong></h3><ul><li>ขั้นตอนนี้ไปที่แถบ <strong>Data Source </strong>กด import .csv file เข้ามาปกติเลย</li></ul><h3>Step 2: Set a background map</h3><ul><li>เลือก <strong>Map</strong> บน taskbar ด้านบน &gt; <strong>Background Maps</strong> &gt; <strong>Open Street Map</strong></li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/319/1*yT_neYAD1K8rwyv81EzDgQ.png" /></figure><p><em>ปล. อย่าเพิ่งตกใจครับ ขั้นตอนนี้เป็นการเตรียมความพร้อมของ map ที่ต้องการ visualize มันจะปรากฏหน้าต่างว่างๆ จนกว่าเราจะทำขั้นตอนต่อไป</em></p><h3>Step 3: Build your own map</h3><ul><li>ลากข้อมูล <strong>latitude (generated)</strong> และ <strong>longitude (generated)</strong> มาตามภาพ</li></ul><p><em>ปล 1. Tableau มันฉลาดพอตัวครับว่า ข้อมูลประเภทใดเป็น geographic format มันเลยเปลี่ยนให้โดยอัติโนมัติ จึงมีคำว่า “generated” มาต่อท้าย latitude และ longitude จากไฟล์ที่เรา import เข้ามา</em></p><p><em>ปล 2. ขั้นตอนนี้ห้ามลากข้อมูลมาผิดนะครับ ไม่อย่างนั้นข้อมูลจะไม่ขึ้น</em></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/973/1*zn47mo0vY17Bo2T_gi3sig.png" /></figure><ul><li>คลิกขวาที่ <strong>longitude (generated)</strong> <strong>ตัวหลัง </strong>แล้วกด dual axis เพื่อยุบรวม map</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/981/1*5DbvuffIWJZ6Sc_t23F8Og.png" /></figure><ul><li>สังเกตตรงกล่อง <strong>Marks</strong> ทางด้านซ้ายมือครับ แถบคำสั่งที่เราต้องสนใจ เพื่อทำการใส่รายละเอียดต่างๆ คือ <strong>Longitude (generated) (2)</strong></li><li>เปลี่ยนเป็น <strong>Circle</strong> &gt; ลากคอลัมน์ <strong>location</strong> มาไว้ที่ <strong>Color</strong> เพื่อแบ่งประเภทสีของสถานที่หรือสาขา, ลาก <strong>latitude</strong> และ l<strong>ongitude </strong>แบบ<strong>ไม่มี generated</strong> เข้ามาใส่ตรง <strong>Detail </strong><em>จะเห็นว่าตอนนี้ก็ยังไม่มีจุด location ขึ้นมาอีก</em></li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*pDiXZbSBhkQcXiBIckOynQ.png" /></figure><ul><li>คลิกขวาที่ <strong>CNT(Latitude)</strong> และ <strong>CNT(Longitude) </strong>&gt; เลือก <strong>Measure</strong> &gt; เลือก <strong>Average </strong>แล้วจุด location ของเราก็จะปรากฏบน Open Street Map แล้วครับ</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*sJdyj9vMLx4wH-8Qo_Zrtw.png" /></figure><p><strong>หมายเหตุ 1:</strong> เราสามารถเพิ่มตัวแปรต่างๆ เช่น ยอดขาย เข้ามาใส่ตรง <strong>Size</strong> เพื่อดู performance ของแต่ละสาขา หรือนำ shapefile ของ BTS/MRT เข้ามาใส่ลงบน map เป็นต้น</p><p><strong>หมายเหตุ 2:</strong> หากใครใช้ Tableau เวอร์ชั่น 2019 สามารถเลือกแผนที่เป็นแบบภาพถ่ายดาวเทียม โดยไปที่ <strong>Map</strong> &gt; <strong>Map Layer</strong> &gt; <strong>Satellite image </strong>เผื่อต้องการดูรายละเอียดจริงของสถานที่ใกล้เคียงได้ด้วย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/720/1*npntBKNAyfbD1zXbTiGTaQ.png" /><figcaption>ตัวอย่างที่พล็อตลง Satellite image map</figcaption></figure><p><strong>สำหรับบทความก่อนหน้า ติดตามที่นี้ครับ</strong></p><p><a href="https://medium.com/@wittawatballsangsawang/spatial-101-%E0%B9%81%E0%B8%99%E0%B8%B0%E0%B8%99%E0%B8%B3-botsol-%E0%B9%82%E0%B8%9B%E0%B8%A3%E0%B9%81%E0%B8%81%E0%B8%A3%E0%B8%A1%E0%B8%81%E0%B8%A7%E0%B8%B2%E0%B8%94%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5-%E0%B8%9E%E0%B8%B4%E0%B8%81%E0%B8%B1%E0%B8%94-%E0%B8%94%E0%B9%89%E0%B8%A7%E0%B8%A2-google-chrome-d195b1d7aec0">Spatial 101: BOTSOL โปรแกรมกวาดข้อมูล “พิกัด” ด้วย Google Chrome</a></p><p><a href="https://link.medium.com/7gKAljEmd0">Python 101: มาตรวจสุขภาพข้อมูลและสร้าง HTML Data Report ด้วย Pandas Profiling</a></p><p><a href="https://medium.com/@wittawatballsangsawang/big-data-%E0%B8%A1%E0%B8%AB%E0%B8%B2%E0%B8%9B%E0%B8%A3%E0%B8%B0%E0%B8%A5%E0%B8%B1%E0%B8%A2-when-marketing-science-meets-politic-a30d8599bccc">Big Data มหาประลัย: When Marketing Science meets Politic</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=b1e19a52192c" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Spatial 101: BOTSOL โปรแกรมกวาดข้อมูล “พิกัด” ด้วย Google Chrome]]></title>
            <link>https://medium.com/@wittawatballsangsawang/spatial-101-%E0%B9%81%E0%B8%99%E0%B8%B0%E0%B8%99%E0%B8%B3-botsol-%E0%B9%82%E0%B8%9B%E0%B8%A3%E0%B9%81%E0%B8%81%E0%B8%A3%E0%B8%A1%E0%B8%81%E0%B8%A7%E0%B8%B2%E0%B8%94%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5-%E0%B8%9E%E0%B8%B4%E0%B8%81%E0%B8%B1%E0%B8%94-%E0%B8%94%E0%B9%89%E0%B8%A7%E0%B8%A2-google-chrome-d195b1d7aec0?source=rss-7c6d7828ffc3------2</link>
            <guid isPermaLink="false">https://medium.com/p/d195b1d7aec0</guid>
            <category><![CDATA[mapping]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[spatial-analysis]]></category>
            <category><![CDATA[gis]]></category>
            <dc:creator><![CDATA[Wittawat S.]]></dc:creator>
            <pubDate>Mon, 23 Sep 2019 08:15:30 GMT</pubDate>
            <atom:updated>2019-09-23T10:35:27.589Z</atom:updated>
            <content:encoded><![CDATA[<p>ตำแหน่งพิกัด latitude และ longitude ถือว่าเป็นข้อมูลเชิงพื้นที่ขั้นพื้นฐาน สำหรับการเริ่มต้นวิเคราะห์ข้อมูลเชิงพื้นที่ หากเราไม่มีทักษะทางด้าน GIS โดยตรง วิธีที่ง่ายที่สุดเมื่อต้องการค้นหาข้อมูลสถานที่คือ ค้นหาบน Google Map แล้วคัดลอกตำแหน่งพิกัดบนลิงค์ URL</p><p>แล้วถ้าเราต้องการ<strong>พิกัดหลายๆ แห่งพร้อมกันหล่ะ ?</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/1*65O1DrnBPk0v6Af95g0JAA.jpeg" /></figure><p>ผมขอแนะนำโปรแกรม <strong>BOTSOL</strong> ครับ ซึ่งเป็น Google Maps Crawler สำเร็จรูป สามารถติดตั้ง Free version <a href="http://www.botsol.com/download/free?p=googlemapscrawler">คลิก!</a> เพื่อทดสอบเล่นๆ แต่น่าเสียดายที่ feature สำคัญบางอย่าง เช่น latitude และ longitude กลับไปอยู่ใน Full version</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*y4OhIxbJPr-XifqiyxW7ow.jpeg" /><figcaption>Features ต่างๆ ระหว่างเวอร์ชั่นฟรีกับเสียเงิน</figcaption></figure><p>หลังจากติดตั้ง Free version แล้ว พอเปิดโปรแกรมขึ้นมา เราต้องเลือกประเภทของ bot จาก drop-down list โดยเลือกเป็น <strong>Google Maps Crawler Free </strong>และ Google Map จะถูกเปิดขึ้นมาโดยอัตโนมัติ</p><p>วิธีค้นหาพิกัดบนแบบง่ายๆ แค่พิมพ์ชื่อสถานที่แบบเฉพาะเจาะจงหรือไม่ก็ได้ ลงบน Google Map ที่ pop-up ขึ้นมาและกดปุ่ม <strong>Start Bot </strong>บนหน้า <strong>BOTSOL </strong>ข้อแนะนำสำหรับการค้นหา สำหรับพื้นที่ที่มีขอบเขตไม่ใหญ่มาก เช่น ขอบเขตจังหวัดของประเทศไทย ควรค้นหาดังนี้</p><blockquote><strong>สถานที่, จังหวัด </strong>เช่น <strong>เงินติดล้อ , Bangkok</strong></blockquote><p><strong>หลังจากนั้น bot จะเริ่มต้นกวาดข้อมูลครับ</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/478/1*3gFa1AHLJEm-NFC0V9tBDQ.gif" /><figcaption>bot กำลังเริ่มกวาดข้อมูลบน Google Map</figcaption></figure><p>ผมลองค้นหาสาขาของ <a href="https://www.ngerntidlor.com/"><strong>“เงินติดล้อ”</strong></a><strong> </strong>พบว่า มี<strong>มากกว่า 100 สาขาทั่วกรุงเทพฯ </strong>(ตัวเลขอาจจะคลาดเคลื่อนนิดนึง หรือมีสาขาจากจังหวัดใกล้เคียงมาปนๆ อยู่บ้าง) นอกจากนี้เรายังสามารถ export ข้อมูลออกมา ด้วยปุ่ม <strong>export to excel </strong>เพื่อเก็บเป็นฐานข้อมูลส่วนตัว เพื่อนำไปใช้ประโยชน์ในอนาคต</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*IyZ1nWsww2lgkJd3YTaNSQ.png" /><figcaption>BOTSOL ค้นหาด้วยคำว่า เงินติดล้อ, ฺBangkok</figcaption></figure><p>ปล. ถ้าเสียเงินสมัคร Full version 50 USD ต่อ license ต่อ year เราจะเห็น latitude และ longitude รวมทั้งข้อมูลอื่นๆ ที่เก็บอยู่บน Google Map ด้วย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/960/1*1mnylz6BP4edDkDaVp8NKg@2x.jpeg" /><figcaption>full version แสดงข้อมูล latitude และ longitude</figcaption></figure><p>ตอนต่อไป เราลองมาใช้ประโยชน์จาก latitude และ longitude ชุดนี้มาทำงานร่วมกับ Tableau และ Map Box เพื่อดูการกระจายตัวของสถานที่ต่างๆ หรือหากมีข้อมูล shapfile เขตพื้นที่ซ้อนทับด้วย เราจะสามารถสร้าง dashboard เพื่อดู performance แต่ละสาขาตามเขตหรือจังหวัดได้ครับ</p><p>สำหรับบทความก่อนหน้า ติดตามที่นี้ครับ</p><p><a href="https://medium.com/@wittawatballsangsawang/big-data-%E0%B8%A1%E0%B8%AB%E0%B8%B2%E0%B8%9B%E0%B8%A3%E0%B8%B0%E0%B8%A5%E0%B8%B1%E0%B8%A2-when-marketing-science-meets-politic-a30d8599bccc">Big Data มหาประลัย: When Marketing Science meets Politic</a></p><p><a href="https://link.medium.com/7gKAljEmd0">Python 101: มาตรวจสุขภาพข้อมูลและสร้าง HTML Data Report ด้วย Pandas Profiling</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=d195b1d7aec0" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Python 101: มาตรวจสุขภาพข้อมูลและสร้าง HTML Data Report สวยๆ ด้วย Pandas Profiling]]></title>
            <link>https://medium.com/@wittawatballsangsawang/python-101-%E0%B8%A1%E0%B8%B2%E0%B8%95%E0%B8%A3%E0%B8%A7%E0%B8%88%E0%B8%AA%E0%B8%B8%E0%B8%82%E0%B8%A0%E0%B8%B2%E0%B8%9E%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5%E0%B9%81%E0%B8%A5%E0%B8%B0%E0%B8%AA%E0%B8%A3%E0%B9%89%E0%B8%B2%E0%B8%87-html-data-report-%E0%B8%AA%E0%B8%A7%E0%B8%A2%E0%B9%86-%E0%B8%94%E0%B9%89%E0%B8%A7%E0%B8%A2-pandas-profiling-9a2c392eb854?source=rss-7c6d7828ffc3------2</link>
            <guid isPermaLink="false">https://medium.com/p/9a2c392eb854</guid>
            <category><![CDATA[data-visualization]]></category>
            <category><![CDATA[python]]></category>
            <category><![CDATA[data-management]]></category>
            <category><![CDATA[data-report]]></category>
            <category><![CDATA[pandas]]></category>
            <dc:creator><![CDATA[Wittawat S.]]></dc:creator>
            <pubDate>Tue, 17 Sep 2019 07:04:06 GMT</pubDate>
            <atom:updated>2019-09-18T08:22:15.319Z</atom:updated>
            <content:encoded><![CDATA[<h3>Python 101: มาตรวจสุขภาพข้อมูลและสร้าง HTML Data Report ด้วย Pandas Profiling</h3><p><strong>Exploratory Data Analysis </strong>หรือ<strong> EDA </strong>ถือเป็นการวิเคราะห์ข้อมูลขั้นพื้นฐานการตรวจสอบ <strong>data quality </strong>ก่อนการวิเคราะห์ข้อมูลขั้นตอนอื่นๆ วันนี้เลยจะมาแนะนำ library ที่ช่วยทำให้ทำงานแบบนี้เร็วขึ้น</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*HEniGaRuFSxW8zZYZNHWiQ.jpeg" /><figcaption><a href="https://webbula.com/did-you-schedule-your-data-check-up/">https://webbula.com/did-you-schedule-your-data-check-up/</a></figcaption></figure><p><a href="https://pandas-profiling.github.io/pandas-profiling/docs/?source=post_page---------------------------#from-source"><strong>Pandas Profiling</strong></a> ถือว่าเป็น python package ที่สร้างขึ้นมาเพื่อตอบโจทย์งานด้านนี้โดยเฉพาะ จุดเด่นของมันคือ สามารถสร้างออกมาเป็น <strong>Data Report </strong>แบบ<strong> HTML web-based </strong>ที่สามารถส่งต่อให้เพื่อนร่วมทีมทันที โดยไม่ต้องมี data หรือ code อยู่ในเครื่องของเรา</p><p><em>ตอบโจทย์สายขี้เกียจอย่างพวกเราสุดๆ 555</em></p><p><strong>Step 1</strong>: เริ่มด้วย load ข้อมูลเข้า Colab ไปที่ <strong>File &gt; Upload</strong> หรือหากใช้ Jupyter Notebook ให้นำไฟล์ไปวางที่ directory ที่มองเห็น</p><p><strong>Step 2</strong>: install ด้วยคำสั่ง <strong>pip install pandas-profiling </strong>หากรันแล้วเกิด error ว่า <em>‘DataFrame’ object has no attribute ‘profile_report’ </em>ให้ลอง install ด้วยคำสั่ง <strong>pip install -U pandas-profiling </strong>แทนสำหรับ Python 3</p><p><strong>Step 3</strong>: load ข้อมูลเข้ามา &gt; ตั้งชื่อ Data Report &gt; สร้างเป็น HTML</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/588/1*k65C0IT43DY_j1dbdcKRQQ.png" /></figure><p>ผลลัพธ์ของ Data Report ที่แสดงออกมา 5 sections คือ<strong> </strong>1)<strong> Overview</strong>, 2)<strong> Variables</strong>, 3)<strong> Correlation</strong>, 4)<strong> Missing values</strong> และ 5) <strong>Sample </strong>โดยสิ่งที่ควรดูเป็นพิเศษคือ Overview และ Variables</p><p><strong>Overview: </strong>มีรายละเอียดตามด้านล่างนี้</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*vy2LyCffbBqHNIYyew4Fgw.png" /><figcaption>ตัวอย่าง Overview</figcaption></figure><p>นอกจากนี้ส่วน Overview ยังมีการเตือน <strong>Warnings</strong> เพื่อบอกความผิดปกติหรือคุณภาพของข้อมูลในแต่ละคอลัมน์ด้วย</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*wThFUIAVGYnbbueXi8yeqg.png" /><figcaption>ตัวอย่าง Warnings</figcaption></figure><p><strong>Variables: </strong>รายละเอียดเพิ่มเติม กดที่<strong> Toggle details</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*OMXA478oNoejEr2JRYaXTQ.png" /><figcaption>ตัวอย่างส่วน Variables</figcaption></figure><p><strong>Step 4 (optional)</strong>: หากใครไม่ต้องการ generate ออกมาเป็น <strong>HTML Data Report</strong> ให้ลองใช้คำสั่งนี้ <strong>pandas_profiling.ProfileReport(data) </strong>แสดงผลลัพธ์ใน notebook ของเราแทน</p><p><a href="https://drive.google.com/file/d/1UEzc5_NYtg0cPfjU4SUcPSH714j60qFE/view?usp=sharing"><em>คลิกที่นี้!</em></a><em> </em>เพื่อดู Data Report ที่ผมลองสร้างขึ้น พอกดจะเห็นภาษาต่างดาว ให้กดเครื่องหมาย download อีกครั้ง บน Google Drive แล้ว report จะแสดงขึ้นมา</p><p>ตัวอย่าง code ทั้งหมดอยู่ด้านล่างครับ</p><iframe src="" width="0" height="0" frameborder="0" scrolling="no"><a href="https://medium.com/media/7b1c2e0e1a08ed0d1bc7edd0d92b17f6/href">https://medium.com/media/7b1c2e0e1a08ed0d1bc7edd0d92b17f6/href</a></iframe><p>ติดตามบทความเก่าๆ ได้ที่นี้ครับ<br><a href="https://medium.com/@wittawatballsangsawang/big-data-%E0%B8%A1%E0%B8%AB%E0%B8%B2%E0%B8%9B%E0%B8%A3%E0%B8%B0%E0%B8%A5%E0%B8%B1%E0%B8%A2-when-marketing-science-meets-politic-a30d8599bccc">Big Data มหาประลัย: When marketing science meets politic</a></p><blockquote><strong>Happy Analytic!!!</strong></blockquote><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=9a2c392eb854" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Big Data มหาประลัย: When marketing science meets politic]]></title>
            <link>https://medium.com/@wittawatballsangsawang/big-data-%E0%B8%A1%E0%B8%AB%E0%B8%B2%E0%B8%9B%E0%B8%A3%E0%B8%B0%E0%B8%A5%E0%B8%B1%E0%B8%A2-when-marketing-science-meets-politic-a30d8599bccc?source=rss-7c6d7828ffc3------2</link>
            <guid isPermaLink="false">https://medium.com/p/a30d8599bccc</guid>
            <category><![CDATA[big-data]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[politics]]></category>
            <category><![CDATA[marketing]]></category>
            <category><![CDATA[psychology]]></category>
            <dc:creator><![CDATA[Wittawat S.]]></dc:creator>
            <pubDate>Thu, 12 Sep 2019 15:42:38 GMT</pubDate>
            <atom:updated>2019-09-13T05:11:26.389Z</atom:updated>
            <content:encoded><![CDATA[<h3>How to make election campaign</h3><p>หลายคนน่าจะเคยผ่านตากรณีอื้อฉาวการล้วงข้อมูลส่วนตัวของ <strong>Facebook</strong> และ <strong>Cambridge Analytica</strong> กับการเมืองสหรัฐฯ กันมาบ้าง แต่ข้อมูลไม่ได้แค่ถูกนำมาหาประโยชน์เฉพาะยุคนี้เท่านั้น</p><p>หากเราย้อนไปในปี 1968 มีการวางกลยุทธการเลือกตั้ง ตั้งแต่สมัย <strong>Richard Nixon</strong> เข้าชิงตำแหน่งประธานาธิบดีสหรัฐฯ ด้วยการสัมภาษณ์<strong> focus group</strong> ทุกรัฐก่อนขึ้นปราศัย เพื่อล้วงเอา <strong>preference</strong> ของประชาชนแต่ละพื้นที่ แล้วค่อยสร้างเป็น <strong>personalized message</strong> เรียกคะแนนเสียง จนชนะการเลือกตั้ง</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/794/1*cd2bXvlrzftsTUV6F_B61Q.jpeg" /><figcaption>The Selling of President 1968 หนังสือที่เปิดเผยกลยุทธทางการเมืองต่างๆ สมัย Nixon</figcaption></figure><h3>“I Voted” is more than a feature</h3><p>กลยุทธการเลือกตั้งถูกพัฒนาขึ้นมาเรื่อยๆ จนถึงการสร้าง <strong>peer pressure </strong>บนโลกออนไลน์หรือแรงกดดันจากคนรอบข้าง ด้วยปุ่ม <strong>“I Voted” </strong>ซึ่งซ่อนวาระบางอย่างที่กระตุ้นพฤติกรรมการโหวตมากกว่าหน้าที่พลเมืองดีสะอีก! สิ่งนี้แสดงให้เห็นว่า <strong>Facebook</strong> กำลังมีอิทธิพลต่อพฤติกรรมของมนุษย์</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1000/1*kr41THLyo1qxdD61Qdb5Jg.jpeg" /><figcaption>ปุ่มกด “I Voted”</figcaption></figure><p>ผลจากการปล่อย feature <strong>“I Voted”</strong> ครั้งแรกพบว่า มีผู้ใช้งาน <strong>Facebook</strong> ร่วมกดจำนวน 3.4 แสน votes หลายคนอาจจะคิดว่าตัวเลขเล็กนิดเดียว เมื่อเทียบกับจำนวนผู้มีสิทธิ์โหวตของสหรัฐฯ แต่ช้าก่อน…ย้อนกลับไปเมื่อปี 2000 <strong>George W. Bush </strong>เอาชนะคู่ท้าชิงแบบเฉียดฉิวด้วยคะแนนเพียง 537 votes ที่มาจากเหล่า <strong>swing voter</strong> หรือกลุ่มคะแนนเสียงที่ไม่สามารถคาดการณ์ล่วงหน้า</p><p>คำถามคือ หากมีใครบางคนควบคุม 3.4 แสน votes สำเร็จ นั้นแสดงว่าเกมส์การเมืองของสหรัฐฯ สามารถควบคุมได้ตั้งแต่บน <strong>Facebook</strong>?</p><blockquote>Can Facebook game the political system?</blockquote><h3>When marketing meets politic</h3><p>การนำข้อมูลมาใช้แบบจริงจังในการสมัครรับเลือกตั้งประธานธิบดีสหรัฐฯ มันเริ่มตรงที่ <strong>Rayid Ghani</strong> อดีตหัวหน้าทีม <strong>Research Scientist </strong>ของ <strong>Accenture</strong> โพสต์ข้อความลง <strong>Linkedin</strong> ประกาศตามเหล่า <strong>Data Talents</strong> เข้าร่วมทีม <strong>“Data Science of Obama”</strong> ซึ่งถือเป็นการตั้งทีมนักวิเคราะห์ข้อมูลล่วงหน้านานถึง 2 ปี ก่อนที่ <strong>Obama</strong> จะลงเลือกตั้งอีกครั้งในปี 2012</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/387/1*f0tro8CkG6JgA4rfYnikfQ@2x.jpeg" /><figcaption>ข้อความที่ Ghani โพสต์ลงบน Linkedin</figcaption></figure><p>เอาเข้าจริงๆ ข้อมูลที่จะมาวิเคราะห์พฤติกรรมการโหวตหรือทัศนคติทางการเมืองตรงๆ นั้นหายากมาก <strong>Ghani</strong> เลยปิ๊งไอเดียหยิบเอาโปรเจ็ค <strong>Customer Segmentation</strong> จากพฤติกรรมซื้อของ ตั้งแต่สมัยทำงานที่ <strong>Accenture</strong> มาเป็น <strong>proxy data</strong> หลายคนอาจจะคิดว่าก็แค่หาลูกค้าซื้อซ้ำ-ซื้อบ่อยหรือเปล่า? มันมากกว่านั้นครับ กลุ่มลูกค้าที่ <strong>Ghani</strong> สนใจเป็นพิเศษ กลับเป็นลูกค้าที่ทางฝั่ง <strong>retail</strong> แทบจะไม่สนใจด้วยซ้ำ นั้นคือ “ลูกค้าที่ชอบซื้อสินค้าลดราคา” พวกนี้มักถูก <strong>persuadable</strong> หรือโดนชักจูงง่าย</p><p>แล้วมันเกี่ยวกับการหาเสียงเลือกตั้งตรงไหน?</p><figure><img alt="Rayid Ghani ตำแหน่ง “Chief Data Scientist of Obama 2012”" src="https://cdn-images-1.medium.com/max/1024/1*BIvhv_yc4_jYdC6H3Cr1Ag.jpeg" /><figcaption>Rayid Ghani ตำแหน่ง “Chief Data Scientist of Obama”</figcaption></figure><p>ย้อนกลับไปหา <strong>swing voter</strong> ที่ทำให้ <strong>George W. Bush</strong> ชนะเลือกตั้ง <strong>Ghani</strong> มองว่ามันมี <strong>common charecteristic</strong> บางอย่างที่เหมือนกันระหว่างลูกค้าที่ <strong>persuadable</strong> ง่าย กับ <strong>swing voter</strong> คือ ทั้งคู่มี <strong>brand loyalty</strong> ที่ค่อนข้างต่ำเมื่อเทียบกับกลุ่มอื่นๆ โดยมักเลือกสิ่งที่เชื่อว่าสร้างประโยชน์ให้กับตัวเองมากที่สุด นั้นหมายความว่า ถ้าหาก <strong>control </strong>กลุ่ม <strong>swing voter</strong> สำเร็จ โอกาสชนะเลือกตั้งย่อมมากขึ้น</p><p>คราวนี้ <strong>Ghani</strong> เลยวางแผนเปลี่ยนฐานเสียงที่เดายากให้เป็นคะแนนเสียงด้วยการทำ <strong>focus group</strong> และยิง <strong>customized ads</strong> โปรโมทสะเลย</p><p>4 ปีต่อมา <strong>Hillary Clinton</strong> แทบจะถอดแบบ <strong>methodology </strong>ของ<strong> Obama’s campaign </strong>มาเด๊ะ แต่ครั้งนี้ <strong>advance</strong> กว่าครั้งก่อนหลายเท่าตัวครับ <strong>Cambridge Analytica</strong> ว่าจ้าง <strong>researcher</strong> ในมหาวิทยาลัยของอังกฤษให้กวาด <strong>profile &amp; preference</strong> ทั้งหมดของ <strong>US voters</strong> มา ก่อนจะจำแนกประเภทออกเป็น 5 กลุ่ม ด้วย <a href="https://www.imd.org/research-knowledge/articles/psychographics-the-behavioural-analysis-that-helped-cambridge-analytica-know-voters-minds/"><strong>Big “5” Personality Traits</strong></a> หรือ <strong>ทฤษฏีบุคลิกภาพแบบ Big 5 </strong>ตามการแบ่งกลุ่มคนด้วยหลักจิตวิทยา</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*KnE3v7nK-HoZOiHteZZjrA.jpeg" /><figcaption>Big “5” Personality Traits สำหรับการจำแนก US voters</figcaption></figure><h3>Conclusion</h3><p>สรุปแล้ว การใช้ <strong>data</strong> เพื่อหาประโยชน์ให้กับตัวเองมีมาทุกยุคทุกสมัย แต่จะดีกว่านี้ไหม ถ้าหากนักการเมืองหรือผู้มีอำนาจทั้งหลายบนโลกนี้ใช้ประโยชน์จาก <strong>data</strong> ช่วยแก้ปัญหา ช่วยเหลือประชาชนมากกว่าที่จะแสวงหาอำนาจให้กับตัวเอง</p><h3>References</h3><ol><li>Weapon of Math Destruction: How Big Data Increase Inequality and Threatens Democracy, Cathy O’Neil</li><li>Fifty Things that Made the Modern Economy, Tim Harford</li></ol><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=a30d8599bccc" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>