การประมวลผลข้อมูล ม.3 สรุป

การประมวลผลข้อมูล from ครูสม ฟาร์มมะนาว

1. การประมวลผลด้วยมือ เป็นวิธีการในยุคแรก ซึ่งใช้ลูกคิดในการคำนวณ การใช้เครื่องคิดเลข การประมวลผลแบบนี้เหมาะกับข้อมูลที่ไม่มากและไม่ต้องการความละเอียดมากมาย
2. การประมวลผลด้วยเครื่องจักรกล เช่น การคำนวณด้านบัญชีโดยการอาศัยเครื่องทำบัญชี เป็นการประมวลผลที่มีความถูกต้องมากกว่าการประมวลผลด้วยมือ 
3. การประมวลผลด้วยคอมพิวเตอร์ เป็นวิธีการที่นิยมใช้มากสุดในปัจจุบัน เนื่องจากมีความถูกต้องและรวดเร็วมาก มีความละเอียดสูง เหมาะกับข้อมูลเยอะ ๆ  

ลำดับการประมวลผลข้อมูลด้วยคอมพิวเตอร์ มี 3 ขั้นตอน ดังนี้

1. การนำข้อมูลเข้า (input) เช่นการป้อนข้อมูลผ่านทางแป้นพิมพ์ การรับข้อมูลจากไมโครโฟน
2. การประมวลผล (process) เป็นขั้นตอนในการประมวลผล เช่น การคำนวณ การจัดเรียง หรือการกระทำต่าง ๆ
3. การแสดงผล (output) โดยอาจจะแสดงผลออกทางหน้าจอ หรือเสียงลำโพง หรือแม้แต่ทางเครื่องพิมพ์

วิธีการประมวลผลข้อมูลด้วยคอมพิวเตอร์ แบ่งออกเป็น 2 วิธี

1. การประมวลผลแบบแบตช์ (Batch Processing) เป็นการประมวลผลโดยการรวบรวมข้อมูลเอาไว้ก่อนจนกว่าจะได้ข้อมูลที่มากพอ หรือตามกำหนดเวลา จากนั้นจึงนำมาประมวลผล

ข้อดี

1. เหมาะกับองค์กรขนาดใหญ่ ที่มีข้อมูลมากๆ
2. ง่ายต่อการตรวจสอบ เมื่อเกิดข้อผิดพลาด

ข้อเสีย

1. ข้อมูลที่ได้ไม่มีความทันสมัย
2. ต้องใช้เวลาในการรวบรวมข้อมูล

2. การประมวลผลแบบอินเทอร์แอ็กทีฟ (Interactive Processing) เป็นการประมวลผลที่พอได้ข้อมูลมามันจะประมวลผลโดยทันที

1. การคำนวณ (calculation) เป็นการนำข้อมูลที่เป็นตัวเลขที่สามารถคำนวณได้ มาผ่านกระบวนการทางคณิตศาสตร์ เช่น การบวก ลบ คูณ หาร หาค่าเฉลี่ย การประมวลผลข้อมูลด้วยคอมพิวเตอร์แบบการคำนวณ เช่น การคำนวณผลการศึกษาของนักเรียน การคำนวณภาษีเงินได้ การคำนวณดอกเบื้ยเงินฝากธนาคาร

2. การจัดเรียงข้อมูล (Sorting) เป็นการเรียงข้อมูลตามเงื่อนไขที่กำหนด เช่น การจัดเรียงข้อมูลตัวเลข 1 ถึง 100 การเรียงจากน้อยไปมาก หรือการจัดเรียงตัวอักษร จากตัวแรกถึงตัวสุดท้าย ซึ่งการเรียงข้อมูลจะทำให้ข้อมูลเหล่านั้นสามารถนำไปใช้ประโยชน์ได้ง่ายขึ้น เช่น การเรียงคะแนนสอบจากมากไปน้อย การเรียงชื่อของนักเรียนตามตัวอักษรภาษาไทย จาก ก ถึง ฮ

3. การจัดกลุ่มข้อมูล (Classifying) เป็นการจัดการข้อมูลโดยการแยกออกเป็นกลุ่ม ประเภทหรือตามเงื่อนไขที่กำหนด เช่น การจัดกลุ่มนักเรียนตามเพศ การจัดกลุ่มข้อมูลภาพตามวันที่ถ่ายภาพ ซึ่งการจัดกลุ่มข้อมูลจะทำให้การค้นหาข้อมูลได้ง่ายขึ้น

4. การสืบค้นข้อมูล (Retrieving) เป็นการค้นหาและนำข้อมูลที่ต้องการจากแหล่งเก็บข้อมูล เพื่อนำไปใช้ประโยชน์ เช่น การสืบค้นข้อมูลนักเรียนจากรหัสประจำตัวนักเรียน การค้นหาหนังสือในห้องสมุดจากชื่อผู้แต่ง

5. การรวมข้อมูล (Merging) เป็นการนำข้อมูลตั้งแต่ 2 ชุดขึ้นไป มารวมกันให้เป็นชุดเดียว เช่น การนำข้อมูลประวัติส่วนตัวของนักเรียน มารวมกับประวัติการศึกษาเป็นข้อมูลของนักเรียน 1 คน

6. การสรุปผล (Summarizing) เป็นการสรุปส่วนต่าง ๆ ของข้อมูล เพื่อแสดงเฉพาะส่วนที่เป็นสาระสำคัญ เช่น การสรุปผลการเรียนของนักเรียน การสรุปยอดรายรับ-จ่ายของครัวเรื่อนในแต่ละเดือน

7. การทำรายงาน (Reporting) เป็นการนำข้อมูลที่ผ่านการประมวลผลมาจัดพิมพ์ในรูปแบบรายงานต่าง ๆ ไม่วาสจะเป็นในรูปแบบกระดาษ เว็บไซต์ หรือสื่อต่าง ๆ เช่นรายงานการตรวจสุขภาพ สมุดรายงานผลการเรียนของนักเรียน หรือรายงานผลการเรียนของนักเรียนผ่านเว็บไซต์ของโรงเรียน

“เมื่อเข้าชมเว็บไซต์ เครือข่ายสังคม หรือแอปพลิเคชันสั่งซื้อสินค้า จะมีข้อมูลโฆษณาสินค้า หรือข้อมูลเกี่ยวกับสิ่งที่สนใจปรากฏอยู่เสมอ เนื่องด้วยเทคโนโลยีในปัจจุบัน เว็บไซต์หรือระบบผู้ให้บริการต่างๆ มีการเก็บพฤติกรรมการใช้งานของผู้ใช้ แล้วนำมาวิเคราะห์สิ่งที่มีความสัมพันธ์กับพฤติกรรมผู้ใช้ เทคโนโลยีด้านข้อมูลมีประโยชน์และมีคุณค่ากว่าที่คิด ข้อมูลมีความหลากหลายและมีปริมาณมาก สามารถเข้าถึงได้สะดวก รวดเร็ว และตลอดเวลา ข้อมูลถูกนำมาใช้ประโยชน์เพื่อตัดสินใจ หาคำตอบของปัญหา กำหนดแนวทางการดำเนินการ ตลอดจนนโยบายต่างๆ ในทุกระดับของสังคมตั้งแต่บุคคล ครอบครัว กลุ่มเพื่อน ชุมชน องค์กร และประเทศ จนกล่าวได้ว่าชีวิตประจำวันของเราขับเคลื่อนโดยมีข้อมูลเป็นฐาน”

ข้อมูลดีมีชัยไปกว่าครึ่ง

ถ้าหากนำข้อมูลจำนวนมากมาทำการวิเคราะห์ในเชิงลึก จะค้นพบคุณค่าของข้อมูล ช่วยสร้างมูลค่าในเชิงธุรกิจ หรือส่งผลทางบวกให้กับผู้ใช้ข้อมูลเป็นอย่างมาก

ตัวอย่างที่เกิดขึ้นจริงของการนำข้อมูลไปใช้ประโยชน์

ประธานาธิบดีกับข้อมูลขนาดใหญ่ ผู้ลงสมัครตำแหน่งประธานธิบดีของสหรัฐอเมริกาที่ผ่านมา ทั้งบารัค โอบามา และ โดนัลด์ ทรัมป์ อาศัยข้อมูลขนาดใหญ่ที่วิเคราะห์โดยผู้เชี่ยวชาญ ซึ่งเป็นข้อมูลความชอบส่วนบุคคล อุปนิสัย ของผู้มีสิทธิ์เลือกตั้ง มากำหนดแนวทางการหาเสียงที่มีลักษณะเฉพาะสำหรับกลุ่มบุคคล จนสามารถสร้างรูปแบบการสื่อสารข้อมูลที่เกี่ยวกับการเลือกตั้งที่เข้าถึงผู้มีสิทธิ์เลือกตั้งด้วยวิธีการ เวลา และสถานที่ตรงกับกลุ่มเป้าหมายมากที่สุด (ที่มา: https://www.bbs.unibo.eu/elezioni-il-ruolo-dei-big-data-nelle-campagne-politiche-2/)

“การวิเคราะห์ข้อมูลที่รวบรวมได้นั้น จำเป็นอย่างยิ่งที่ต้องอยู่บนพื้นฐานของจริยธรรม เพื่อความถูกต้องและเกิดประโยชน์กับทุกฝ่ายที่เกี่ยวข้อง”

การนำข้อมูลมาใช้แก้ปัญหา

การนำข้อมูลมาใช้ในการแก้ปัญหาที่สนใจอย่างมีประสิทธิภาพ มีขั้นตอนดังนี้

แต่ละขั้นตอนมีความสัมพันธ์กับขั้นตอนในลำดับก่อนหน้า อย่างไรก็ดี สามารถย้อนกลับไปในขั้นตอนในลำดับต่างๆ ที่อยู่ก่อนหน้าได้ เพื่อปรับปรุงให้กระบวนการมีความสมบูรณ์มากขึ้น

1. การนิยามปัญหา การนิยามปัญหา (Problem Definition) เป็นการตั้งคำถามที่สนใจและต้องการหาคำตอบ ซึ่งควบมีความกระชับและชัดเจน ระบุผลลัพธ์ที่ต้องการจากกระบวนการแก้ไขปัญหาพร้อมรายละเอียด เงื่อนไข สถานการณ์เฉพาะที่เกี่ยวข้องกับปัญหาอย่างครบถ้วน ตัวอย่างเช่น โรงเรียนมีขยะจำนวนมาก ล้นถังขยะ และมีการทิ้งขยะไม่เป็นที่

2. การวิเคราะห์ปัญหา การวิเคราะห์ปัญหา (Problem Analysis) เป็นการทำความเข้าใจปัญหาเพื่อกำหนดสาระสำคัญของปัญหาและข้อมูลที่เกี่ยวข้อง โดยมีการทำความเข้าใจปัญหา ค้นหาสาระสำคัญของปัญหา พิจารณาว่าสิ่งใดเป็นผลลัพธ์จากการแก้ปัญหาและข้อมูลต่างๆ ที่จำเป็นในการหาผลลัพธ์ โดยมีรายละเอียดการดำเนินการที่เกี่ยวข้อง คือ
1. กำหนดข้อมูลหลักที่ใช้ในการประมวลผลเพื่อหาคำตอบ
2. กำหนดปริมาณข้อมูลที่ต้องรวบรวม ให้มีปริมาณที่เพียงพอและเหมาะสมกับการนำไปหาข้อสรุป
3. กำหนดกรอบเวลาในการรวบรวมข้อมูล
4. กำหนดชนิดของข้อมูล รูปแบบข้อมูล หน่วยของข้อมูล
ตัวอย่างเช่น โรงเรียนมีขยะจำนวนมาก โดยวิเคราะห์ข้อมูลที่เกี่ยวข้องทั้งหมด มีจำนวนถังขยะกี่ถัง ตั้งไว้ที่ใดบ้าง มีการทิ้งขยะในแต่ละถังในช่วงเวลาใดมาก-น้อยเท่าใด ความถี่ในการเก็บขยะ พบขยะที่บริเวณอื่นที่ไม่ใช่ถังขยะที่ใดบ้างและปริมาณมากเท่าใด ขยะที่พบเป็นประเภทใด

3. การรวบรวมข้อมูล การรวบรวมข้อมูล (Data Collection) เป็นการได้มาซึ่งข้อมูลที่ถูกต้อง ครบถ้วน และจำเป็นต่อการแก้ปัญหา โดยข้อมูลที่เกี่ยวข้องกับปัญหาอาจมีจำนวน ลักษณะ และประเภทที่แตกต่างกันไป ตามผลจากการวิเคราะห์ปัญหา ซึ่งขั้นตอนการรวบรวมข้อมูลประกอบด้วย

กำหนดแหล่งข้อมูล – ทำการรวบรวมจากแหล่งกำเนิดข้อมูล (ข้อมูลปฐมภูมิ) หรือ รวบรวมจากแหล่งอื่นที่มีการเก็บข้อมูลไว้ (ข้อมูลทุติยภูมิ) หากแหล่งข้อมูลมีความน่าเชื่อถือ สอดคล้องกับเวลา และสถานการณ์ จะช่วยเพิ่มความมั่นใจในความถูกต้องของข้อมูลมากยิ่งขึ้น

กำหนดวิธีการรวบรวมข้อมูล – ขึ้นกับลักษณะข้อมูล แหล่งข้อมูล และปริมาณข้อมูล

กำหนดวิธีการจัดเก็บข้อมูลที่รวบรวมได้ – คำนึงถึงการนำข้อมูลไปใช้ในขั้นตอนการประมวลผลข้อมูล

วิธีการรวบรวมข้อมูล ประกอบด้วย

การสังเกต – เฝ้าดูแล้วจดบันทึกสถานะต่างๆ ที่เกี่ยวกับปัญหาที่สนใจ

การสำรวจ/สอบถาม – ทำแบบสำรวจหรือแบบสอบถามที่ระบุรายละเอียดของข้อมูลที่ต้องการให้ครบถ้วน โดยกำหนดลักษณะคำถามและรูปแบบการตอบคำถามให้ผู้ตอบแบบสอบถามให้ข้อมูลได้ง่ายและถูกต้อง

การสัมภาษณ์ – ใช้คำถามกับผู้รับการสัมภาษณ์ ทำให้ได้คำอธิบายเพิ่มเติม แต่ใช้เวลาและค่าใช้จ่ายค่อนข้างสูง

การสนทนากลุ่ม – เก็บรวบรวมข้อมูลจากกลุ่มเป้าหมายที่คัดเลือกไว้โดยจัดให้มีสนทนากลุ่ม มีผู้ดำเนินการสนทนาเป็นผู้ซักถามประเด็นที่สนใจ

การเก็บรวบรวมข้อมูลดังกล่าว สามารถนำเทคโนโลยีมาประยุกต์ใช้ในการรวบรวมข้อมูลได้แบบอัตโนมัติ เพื่อช่วยลดข้อผิดพลาดในการจดบันทึก อีกทั้งยังสะดวกรวดเร็วในการรวบรวมข้อมูลปริมาณมาก รวมถึงสามารถเข้าถึงผู้ให้ข้อมูลได้อย่างไร้พรมแดน

4. การเตรียมข้อมูล การเตรียมข้อมูล (Data Preparation) เป็นการดำเนินการกับข้อมูลที่รวบรวมมา เพื่อให้เป็นข้อมูลที่มีคุณภาพ พร้อมนำไปประมวลผล อย่างไรก็ตาม ข้อมูลบางส่วนที่ได้จากการรวบรวมอาจจะยังไม่สามารถนำไปประมวลผลได้ในทันที จำเป็นต้องทำความสะอาดข้อมูล (Data Cleansing) ก่อน เช่น ข้อมูลที่มีความซ้ำซ้อน มีค่าหรือลักษณะที่ผิดจากข้อมูลอื่น หรือมีรายการข้อมูลที่ขาดหายไป

แนวทางในการตรวจสอบความผิดปกติของข้อมูล เพื่อทำความสะอาดข้อมูล ประกอบด้วย

ความสมบูรณ์ (Validity) – มีความถูกต้องตามข้อกำหนด
– ข้อมูลและชนิดข้อมูลมีความสอดคล้องกัน เช่น อายุเป็นข้อมูลชนิดตัวเลข ชื่อเป็นข้อมูลชนิดข้อความ
– ข้อมูลมีค่าสอดคล้องกับความเป็นจริง เช่น น้ำหนักต้องไม่เป็นจำนวนลบ วันที่ 30 ต้องไม่ใช่วันในเดือนกุมภาพันธ์
– ข้อมูลบางอย่างจะมีค่าไม่ซ้ำกัน เช่น รหัสประจำตัวนักเรียนในโรงเรียนเดียวกัน เลขทะเบียนรถ
– ข้อมูลบางอย่างต้องไม่เป็นค่าว่าง เช่น ชื่อนักเรียน วันเดือนปีเกิด
– ข้อมูลมีค่าผิดปกติจากข้อมูลค่าอื่น เช่น ข้อมูลอายุของนักเรียน ที่มีนักเรียนอายุ 150 ปี

รูปแบบเดียวกัน (Uniformity) – เก็บในรูปแบบเดียวกัน เช่น น้ำหนักหน่วยเป็นกิโลกรัม รูปแบบปีที่เป็นปีพุทธศักราช

ความครบถ้วน (Completeness) – มีการรวบรวมข้อมูลที่เกี่ยวข้องอย่างครบถ้วน

ความทันสมัย (Timeliness) – มีความสอดคล้องกับเวลา หรือสถานการณ์

5. การประมวลผลข้อมูล การประมวลผลข้อมูล (Data Processing) เป็นการดำเนินการกับข้อมูลเพื่อให้ได้สารสนเทศตามวัตถุประสงค์ โดยอาจได้ข้อค้นพบอื่นที่มีความหมายซ่อนอยู่ นำไปสู่ข้อสรุปที่สอดคล้องกับปัญหาที่กำหนด หรือนำไปใช้ประโยชน์ได้

การวิเคราะห์ข้อมูลนอกจากวิเคราะห์ตามวัตถุประสงคืแล้ว อาจวิเคราะห์เพื่อค้นหาความหมายอื่นที่ซ่อนอยู่ รวมถึงสาระสำคัญที่จะเป็นประโยชน์จากข้อมูล เช่น ความสัมพันธ์ระหว่างข้อมูล ความเชื่อมโยงของข้อมูล รูปแบบที่ปรากฏในข้อมูล ทั้งนี้เพื่อให้สิ่งที่ค้นหามีความชัดเจน ต้องรวบรวมข้อมูลปริมาณที่มากพอจากแหล่งข้อมูลที่เชื่อถือได้

สำหรับการวิเคราะห์ข้อมูลมีหลายวิธี แต่ในที่นี้จะกล่าวถึงเฉพาะการวิเคราะห์เชิงพรรณนา ซึ่งเป็นการดำเนินการกับข้อมูลเชิงปริมาณ เช่น จำนวนเต็มหรือจำนวนจริง โดยการวิเคราะห์เชิงพรรณนา (Descriptive Analysis) เป็นการวิเคราะห์ข้อมูลเพื่ออธิบายคุณลักษณะของชุดข้อมูลที่สนใจ โดยใช้ค่าสถิติ เช่น ค่าเฉลี่ย (Mean), มัธยฐาน (Median), ฐานนิยม (Mode), ร้อยละ (Percentage), ความถี่ (Frequency), พิสัย (Range)

6. การนำเสนอข้อมูล การนำเสนอข้อมูล (Data Presentation) เป็นการนำเสนอข้อสรุปจากการประมวลผลในรูปแบบที่สื่อความหมายอย่างชัดเจน โดยในที่นี้กล่าวถึงการสื่อความหมายข้อมูลในรูปแบบ การทำข้อมูลให้เป็นภาพ (Data Visualization) ซึ่งเป็นการนำเสนอผลลัพธ์ของข้อมูลในรูปแบบที่ช่วยให้ผู้รับสารเข้าใจตรงตามวัตถุประสงค์ของผู้ส่งสาร เช่น การนำเสนอในรูปแผนภูมิ แผนภาพ กราฟ และอินโฟกราฟฟิก

ตัวอย่างสถานการณ์ที่ 1 วิเคราะห์สถานการณ์

สมมตินักเรียนคนหนึ่งได้รับเงินจากผู้ปกครองเป้นจำนวนเท่ากันในทุกๆ วัน เมื่อสำรวจข้อมูลเงินคงเหลือของนักเรียนคนดังกล่าวเป้นเวลา 10 วัน พบว่ามีค่าดังนี้

เมื่อพิจารณาค่าของข้อมูลพบว่า เงินคงเหลือในวันที่ 6 มีค่าแตกต่างจากวันอื่นๆ เราอาจตั้งข้อสังเกตว่ามีความผิดปกติเกิดขึ้นกับข้อมูล ซึ่งเป็นไปได้ใน 2 ลักษณะ คือ เกิดจากการบันทึกข้อมูลผิดพลาด หรือเป็นข้อมูลที่ถูกต้องแล้ว เนื่องจากวันที่ 6 นักเรียนนำเงินไปจ่ายค่าบริการถ่ายรูป 200 บาท แต่นักเรียนลืมจ่าย

ก่อนนำข้อมูลเงินคงเหลือไปประมวลผล เราต้องพิจารณาเพิ่มเติมว่าจะนำข้อมูลของวันที่ 6 ไปเป็นส่วนหนึ่งของการประมวลผลหรือไม่ ทั้งขึ้นอยู่กับความเหมาะสม แล้วแต่กรณี

สถานการณ์ที่ 1 ต้องการนำข้อมูลเงินคงเหลือมาหาค่าเฉลี่ย และความผิดปกติของข้อมูลวันที่ 6 เกิดจากการลืมจ่ายค่าถ่ายรูป 200 บาท จะเห็นได้ว่าการตัดข้อมูลเงินวันที่ 12 ส่งผลให้ค่าเฉลี่ยที่คำนวณได้มีค่าเป็น 27.64 บาท และถ้าใช้ข้อมูลวันที่ 6 จะมีค่าเฉลี่ยเป็น 47.03 บาท ซึ่งอาจพิจารณาได้ว่าค่าเฉลี่ยดังกล่าวเป็นค่าเฉลี่ยที่คลาดเคลื่อนจากข้อมูลจริง เนื่องจากเงิน 200 บาท ไม่ได้เป็นส่วนหนึ่งของรายรับปกติ

สถานการณ์ที่ 2 ต้องการนำข้อมูลเงินคงเหลือมาหาค่าต่ำสุด และความผิดปกติของวันที่ 6 เกิดจากการลืมจ่ายค่าถ่ายภาพ แต่ข้อมูลของวันดังกล่าวมีค่าสูงที่สุด จึงไม่ส่งผลต่อการหาค่าต่ำสุด

ตัวอย่างสถานการณ์ที่ 2 ใช้แผนภูมิแท่งตรวจสอบความผิดปกติ

จากข้อมูลในสถานการณ์ที่ 1 เราสามารถนำข้อมูลมาสร้างแผนภูมิแท่ง เพื่อหาค่าข้อมูล เพื่อการสังเกตที่ง่าย

การตรวจสอบข้อมูลตั้งแต่ขั้นตอนการรวบรวมข้อมูลจะช่วยให้ได้ข้อมูลที่มีคุณภาพ แต่อย่างไรก็ตามข้อมูลอาจมีข้อผิดพลาดอยู่ ดังนั้นการใช้เทคโนโลยีมาช่วยในการเตรียมข้อมูลจะทำให้ได้ข้อมูลที่มีคุณภาพมากยิ่งขึ้น

อ้างอิง :

สถาบันส่งเสริมการสอนวิทยาศาสตร์และเทคโนโลยี, “เทคโนโลยี(วิทยาการคำนวณ)”, โรงพิมพ์แห่งจุฬาลงกรณ์มหาวิทยาลัย, ศูนย์หนังสือแห่งจุฬาลงกรณ์มหาวิทยาลัย, 2562 หน้า 78

แนวหน้า, “สกู๊ปแนวหน้า : เลือกตั้งมะกัน2020(1) หลากปัจจัยชี้ขาดชัยชนะ”, https://www.naewna.com/likesara/528210 สืบค้นวันที่ 27 พ.ย. 2563