Topic 2 Data Collection and Preparation

ข้อใดคือสาเหตุของปัญหา “Data Type Mismatch”?

• ชื่อคอลัมน์ไม่ตรงกันระหว่างชุดข้อมูล

• ข้อมูลมี key ซ้ำ แต่ค่าภายในไม่เหมือนกัน

• ฟิลด์ข้อมูลมีชนิดไม่ตรงกับที่ระบบคาดไว้

• ข้อมูลมีค่า null จำนวนมาก

ขั้นตอน “Aggregation” มีวัตถุประสงค์หลักเพื่ออะไร?

• ตรวจสอบข้อมูลว่าผิดตาม business rule หรือไม่

• แปลงค่าต่างประเทศเป็นเงินไทย

• รวมข้อมูลหลาย ๆ record ให้เหลือเป็นสรุปตามกลุ่ม

• กรองข้อมูลเก่าทิ้งแล้วรับข้อมูลใหม่เข้ามา

Validation ในระดับ “Integration Test” มีเป้าหมายเพื่อตรวจสอบอะไรเป็นหลัก?

• การแปลงชนิดของข้อมูลให้ตรงกับระบบ

• ระบบสามารถทำงานได้จริงในภาพรวม

• มีข้อมูลซ้ำในตารางเดียวกันหรือไม่

• ข้อมูลมีค่าผิดหรือ null หรือไม่

ข้อใดต่อไปนี้คือ “แหล่งข้อมูลภายใน” (Internal Data Source)?

• Web Scraping

• Business User

• Open Data

• Public API

“Data Encryption” มีวัตถุประสงค์เพื่ออะไร?

• เพื่อเปลี่ยนข้อมูลเป็นข้อมูลภาพ

• เพื่อบีบอัดขนาดข้อมูลให้เล็กลง

• เพื่อป้องกันข้อมูลไม่ให้ผู้อื่นเข้าถึงได้โดยไม่ได้รับอนุญาต

• เพื่อให้สามารถแสดงผลข้อมูลได้ดีขึ้น

Bad Data หมายถึงข้อมูลลักษณะใดมากที่สุด?

• ข้อมูลที่มีความซับซ้อนสูง เช่น ข้อมูลที่มีหลายมิติ (multi-dimensional data) ซึ่งต้องใช้เทคนิคเฉพาะในการวิเคราะห์

• ข้อมูลที่มีความเบ้หรือมี outliers อยู่จำนวนมาก จนไม่สามารถนำไปใช้ในการสร้างโมเดลทางสถิติได้อย่างมีประสิทธิภาพ

• ข้อมูลที่ไม่ตอบโจทย์วัตถุประสงค์ของการใช้งาน เช่น มีความไม่ถูกต้อง ซ้ำซ้อน ขาดหาย หรือไม่เป็นปัจจุบัน

• ข้อมูลที่อยู่ในรูปแบบ raw data เช่น ข้อมูลจากเซ็นเซอร์หรือโซเชียลมีเดีย ซึ่งยังไม่ได้ผ่านกระบวนการจัดรูปแบบ

นระบบที่ปฏิบัติตาม PDPA อย่างเข้มงวด ต้องทำสิ่งใดกับข้อมูล PII?

• คัดลอกไป backup ก่อนโหลดเข้าระบบ

• แยกเก็บไว้ต่างหากจากข้อมูลหลัก

• ทำ Mask หรือ Encrypt ก่อนให้คนอื่นเข้าถึง

• แปลงให้เป็นข้อมูล text ธรรมดา

อะไรคือหลักสำคัญของคำว่า “Garbage In, Garbage Out” ในบริบทของ Data Collection?

• ข้อมูลที่เข้าระบบจะถูกล้างให้สะอาดโดยอัตโนมัติ

• ถ้าใส่ข้อมูลไม่ดีตั้งแต่ต้น ผลลัพธ์ปลายทางก็จะไม่มีคุณภาพ

• การเก็บข้อมูลจำนวนมากจะช่วยลดข้อผิดพลาด

• ระบบสามารถเรียนรู้จากข้อมูลผิด ๆ ได้เสมอ

“Batch Processing” เหมาะกับลักษณะงานแบบใด?

• วิเคราะห์ข้อมูลทันทีหลังการเก็บ

• ใช้สำหรับการรับแจ้งเตือนแบบเรียลไทม์

• ประมวลผลข้อมูลจำนวนมากเป็นรอบ ๆ

• ใช้สำหรับการ stream ข้อมูลแบบวินาทีต่อวินาที

การเลือก “ประเภทการประมวลผล” ควรขึ้นอยู่กับอะไร?

• ความสามารถของทีม Data Science เท่านั้น

• ประเภทของเครื่องมือ Visualization ที่ใช้

• ลักษณะของข้อมูล และความต้องการของระบบ

• จำนวน Dashboard ที่ต้องสร้าง