Page 215 - Phetchaburi-Prachuap Khirikhan Basin

5-42

ถือเปนอีกตัวหนึ่งที่มีบทบาทในการเขียนดาน Geoprocessing เปนอยางมากมาย ซึ่งจะเห็นไดในกลองเครื่องมือ

ของ ArcToolbox โดยเห็นที่วา ทำไม Python ถือเปน Script สำหรับการพัฒนา มีดังนี้ Python
มีรูปแบบที่งายตอการเรียนรู โดยไมจำเปนตองรูโครงสราง และรูปแบบ Python สนับสนุนการพัฒนา
ซอฟแวรดาน OOP และงายตอการเขาใจ เอกสารดาน Python เรียนรูงายและโคดไมสลับสับซอน

การคอมไพลขอมูลโครงสราง งายตอการทำงาน Python สามารถ Integrate เขากับภาษาอื่น ๆ เชน
++
C , Java และ Fortran Python เปนรหัสเปดที่เปดใหใชงานฟรี และมีเว็บไซทสำหรับการเรียนรู
ทั้งหมดนี้คือการอธิบายวา ทำไมตองใช Python สำหรับการพัฒนา geoprocessing เตรียมความพรอม
ดานความรูกอนการพัฒนาดวย Python

9) การวางแผนการใชที่ดินใชขอมูลมากหรือมีขนาดใหญ หรือ Big data คือ ขอมูลที่ประกอบดวย
คุณลักษณะ 4 อยางคือ 1) Volume size ของขอมูลมีขนาดใหญ มีปริมาณขอมูลมาก
ซึ่งสามารถเปนไดทั้งขอมูลแบบ offline หรือ online 2) Variety คือ ขอมูลมีความหลากหลาย

สามารถเปนไดทั้งที่มีโครงสรางและขอมูลที่ไมสามารถจับ pattern ได 3) Velocity คือ
ขอมูลมีการเปลี่ยนแปลงตลอดเวลาอยางรวดเร็ว มีการสงผานขอมูลอยางตอเนื่องในลักษณะ
streaming ทำใหการวิเคราะหขอมูลแบบ manual มีขอจำกัด 4) Veracity คือ ขอมูลมีความไมชัดเจน

(untrusted, uncleaned)โดยรูปแบบของขอมูลของ big data ก็สามารถเปนไปไดหลากหลาย ตั้งแต
(1) Behavioral data: ขอมูลเชิงพฤติกรรมการใชงานตาง ๆ เชน server log, พฤติกรรมการคลิกดูขอมูล,
ขอมูลการใช ATM เปนตน (2) Image & sounds: ภาพถาย, วีดีโอ, รูปจาก google street view,

ภาพถายทางการแพทย, ลายมือ, ขอมูลเสียงที่ถูกบันทึกไว เปนตน (3) Languages: text message,
ขอความที่ถูก tweet, เนื้อหาตาง ๆ ในเว็บไซต เปนตน (4) Records: ขอมูลทางการแพทย,
ขอมูลผลสำรวจที่มีขนาดใหญ, ขอมูลทางภาษี เปนตน (5) Sensors: ขอมูลอุณหภูมิ, accelerometer,
ขอมูลทางภูมิศาสตร เปนตน
การวิเคราะหขอมูล Big data (Big data analytics) อาศัยหลักการพื้นฐานบางอยางเพื่อพัฒนา

เปนเทคนิคในการดึงขอมูลสำคัญออกจากชุดฐานขอมูลขนาดใหญที่เต็มไปดวยขอมูลหลากหลายรูปแบบ
เพื่อนำมาหา pattern ของขอมูลที่มองไมเห็นดวยตาเปลา หารูปแบบความสัมพันธที่ซอนอยู
หาแนวโนมการตลาด เทรนดความชอบของลูกคา และขอมูลอื่นๆที่เปนประโยชนทางธุรกิจ

ผลจากการวิเคราะหขอมูล Big data ทำใหมีขอมูลที่เปนขอเท็จจริงซึ่งผานการวิเคราะหอยางเปนระบบ
เพื่อใชประกอบการตัดสินใจ โดยระดับของการวิเคราะหก็เปนไดหลากหลาย แลวแตรูปแบบการนำไปใชงาน
1) Descriptive analytics เปนการวิเคราะหในระดับที่บอกวาเกิดอะไรขึ้น จำนวนเทาไหร ถี่แคไหน
เกิดเหตุการณสำคัญ ๆ ตอนไหน ตรงไหนบาง เปนตน โดยสามารถทำในรูปแบบของ

Standard report: “เกิดอะไรขึ้น” Ad hoc report: “จำนวนเทาไหร บอยแคไหน ที่ไหน” Query:
“อะไรคือปญหาที่แทจริง” และ Alerts: “ตองเกิด action อะไร” 2) Predictive analytics
เปนการวิเคราะหในลักษณะที่ซับซอนขึ้นไปอีกขั้นหนึ่งคือ เปนการประเมินวาจะเกิดอะไรขึ้นตอไป
มีการใหขอมูลตัวชี้วัดของผลลัพธที่อาจจะเกิดขึ้นถาแนวโนมยังเปนอยางนี้ตอไป โดยผลการวิเคราะห

อาจออกมาในรูปแบบของ Statistical analysis: “ทำไมถึงเกิดเหตุการณนี้” Randomized testing:
“จะเกิดอะไรขึ้นถาเราทดลองทำวิธีการนี้” Predictive modeling: “จะเกิดอะไรขึ้นตอไป”
Optimization: “อะไรคื อสถาน การณ ที่ ดี ที่ สุด ที่ จะเกิ ดขึ้น ” 3) Prescriptive analytics

กองนโยบายและแผนการใชที่ดิน กรมพัฒนาที่ดิน