วันที่อบรม: วันที่ 22 – 23 พฤศจิกายน 2568 | เวลา 09.00 – 16.00 น.
ราคา 9,000 บาท ลงทะเบียนก่อน 14 วันลด 10 % เหลือเพียง 8,100 บาท
📍 : KX Knowledge Xchange Bts วงเวียนใหญ่
วิทยากร : ผศ.ดร. โษฑศ์รัตต ธรรมบุษดี
ผู้ช่วยคณบดีฝ่ายการเปลี่ยนแปลงทางดิจิทัลขององค์กร,อาจารย์ประจำกลุ่มสาขาวิชา IT Management
คณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหิดล , ผู้เชี่ยวชาญด้าน Data Governance, PDPA, Data Science
วิทยากร : ว่าที่ร้อยตรี ธีรพัฒน์ กันสดับ
ผู้เชี่ยวชาญด้าน Data Science/Data Engineering
มีประสบการณ์อบรมและให้คำปรึกษากับหน่วยงานด้าน Data Science มากกว่า 7 ปี
หลักการและเหตุผล
ในยุคดิจิทัลที่ข้อมูลเป็นสินทรัพย์สำคัญ การมีข้อมูลที่มีคุณภาพเป็นรากฐานของการตัดสินใจที่แม่นยำและการดำเนินงานที่มีประสิทธิภาพ ข้อมูลที่ไม่มีคุณภาพอาจนำไปสู่ข้อผิดพลาด, การสูญเสียโอกาสทางธุรกิจ, และความเสียหายต่อชื่อเสียงองค์กร การจัดการคุณภาพข้อมูล (Data Quality Management) จึงเป็นสิ่งจำเป็นเพื่อให้มั่นใจว่าข้อมูลมีความถูกต้อง, ครบถ้วน, ทันสมัย, และสอดคล้องกับความต้องการของผู้ใช้ หลักสูตรนี้ถูกออกแบบมาเพื่อให้ผู้เข้าร่วมมีความเข้าใจถึงหลักการและแนวปฏิบัติที่สำคัญในการจัดการคุณภาพข้อมูล รวมถึงมาตรฐานสากลและแนวทางของประเทศไทย เพื่อนำไปประยุกต์ใช้ในการยกระดับและรักษาคุณภาพข้อมูลในองค์กรได้อย่างต่อเนื่องและยั่งยืน นอกจากนี้ การบริหารจัดการคุณภาพของข้อมูลยังจำเป็นต้องอาศัยเครื่องมือและกระบวนการที่เป็นระบบ โดยเฉพาะในสภาพแวดล้อมที่ข้อมูลมีปริมาณมากและเปลี่ยนแปลงอยู่ตลอดเวลา การใช้ Workflow Automation Tools จึงเข้ามามีบทบาทสำคัญในการสร้าง Data Pipeline ที่สามารถตรวจสอบคุณภาพข้อมูลได้อย่างอัตโนมัติและต่อเนื่อง
วัตถุประสงค์
- เพื่อให้ผู้เข้ารับการอบรมเข้าใจความหมายและมิติของ “คุณภาพ” และ “คุณภาพข้อมูล”
- เพื่อให้ผู้เข้ารับการอบรมรู้จักและเข้าใจมิติต่างๆ ของคุณภาพข้อมูล กระบวนการคุณภาพข้อมูล และกรอบการตัดสินคุณภาพข้อมูล
- เพื่อให้ผู้เข้ารับการอบรมเรียนรู้การประเมินคุณภาพข้อมูล รวมถึงประเภทของข้อผิดพลาดและวิธีการสร้าง Data Quality Scorecard
- เพื่อให้ผู้เข้ารับการอบรมเข้าใจแนวคิดและการวัดคุณภาพข้อมูลตามมาตรฐาน ISO 8000-8:2015
- เพื่อให้ผู้เข้ารับการอบรมเรียนรู้โมเดลอ้างอิงกระบวนการจัดการคุณภาพข้อมูลตามมาตรฐาน ISO 8000-61:2016
- เพื่อให้ผู้เข้ารับการอบรมทราบถึงแนวทางการจัดองค์กรด้านคุณภาพข้อมูลและมาตรฐาน ISO 8000 ที่เกี่ยวข้องกับการประเมินวุฒิภาวะ, การวัดผล, การสร้างกฎข้อมูล และบทบาทความรับผิดชอบ
- เพื่อให้ผู้เข้ารับการอบรมทราบถึงมาตรฐานคุณภาพข้อมูลของรัฐบาลดิจิทัลของประเทศไทย
- เพื่อให้ผู้เข้ารับการอบรมสามารถอธิบายแนวคิดของมิติข้อมูลคุณภาพ ได้แก่ Accuracy, Completeness, Consistency, Timeliness และ Validity ได้อย่างถูกต้อง
- เพื่อให้ผู้เข้ารับการอบรมมีความรู้เบื้องต้นเกี่ยวกับเครื่องมือและแนวทางในการจัดการคุณภาพข้อมูลในเชิงปฏิบัติ
- เพื่อให้ผู้เข้ารับการอบรมเข้าใจพื้นฐานของการควบคุมลำดับการทำงาน (Control Flow) เพื่อใช้ในการจัดลำดับขั้นตอนของกระบวนการตรวจสอบคุณภาพข้อมูล
- เพื่อให้ผู้เข้ารับการอบรมสามารถวางโครงสร้างการทำงานด้วยคำสั่งควบคุม เช่น if-else และ loop ได้อย่างถูกต้อง
- เพื่อให้ผู้เข้ารับการอบรมสามารถนำเข้าข้อมูลจากไฟล์ CSV และ Excel และเตรียมข้อมูลสำหรับการตรวจสอบคุณภาพ
- เพื่อให้ผู้เข้ารับการอบรมเข้าใจภาพรวมการทำงานของ Apache Airflow และโครงสร้าง DAG (Directed Acyclic Graph) ซึ่ง ซึ่งเป็นหัวใจสำคัญของ workflow automation ในการจัดการ data pipeline
หลักสูตรนี้เหมาะกับใครบ้าง
- ผู้บริหารและผู้จัดการด้านข้อมูล (Data Leaders / Data Managers)
- Data Steward / Data Governance Officer
- นักวิเคราะห์ข้อมูล (Data Analyst) และนักวิทยาศาสตร์ข้อมูล (Data Scientist)
- วิศวกรข้อมูล (Data Engineer / ETL Developer)
- บุคลากรด้าน IT และระบบสารสนเทศ (IT Staff, System Analyst, Application Owner)
- เจ้าหน้าที่ภาครัฐและองค์กรที่เกี่ยวข้องกับการพัฒนารัฐบาลดิจิทัล (Digital Government)
- ผู้ประกอบการและบุคลากรในธุรกิจที่ใช้ข้อมูลปริมาณมาก
- ผู้สนใจทั่วไปด้าน Data / Digital Transformation
ความรู้พื้นฐาน
ไม่มีความรู้พื้นฐานเฉพาะเจาะจงสำหรับผู้เข้ารับการอบรม
ลงทะเบียน
ได้ทันทีคลิก [https://forms.gle/HuNQnGr7f9GhGUta6]
กำหนดการ
| เวลา | หัวข้อ | เนื้อหา |
| วันที่1 | ||
| 9.00 – 9.30 | Introduction to Quality and Data Quality | Quality Defined: ทำความเข้าใจความหมายของ “คุณภาพ” ในบริบททั่วไป Qualities vs Quality: แยกแยะระหว่างลักษณะเฉพาะ (Qualities) กับคุณภาพโดยรวม (Quality) Quality and Defects: ความสัมพันธ์ระหว่างคุณภาพและข้อบกพร่อง Quality economics: แนวคิดทางเศรษฐศาสตร์ที่เกี่ยวข้องกับคุณภาพและการลงทุนเพื่อคุณภาพ Quality Control & Quality Assurance & Quality Improvements: ทำความเข้าใจแนวคิดของการควบคุมคุณภาพ, การประกันคุณภาพ และการปรับปรุงคุณภาพ |
| 9.30 – 10.30 | Introduction to Data Quality | Data and Quality: ทำความเข้าใจความสำคัญของข้อมูลที่มีคุณภาพ Data Quality Dimensions (Content-Structure-Time-Usage-Presentation-Value): เรียนรู้มิติต่างๆ ของคุณภาพข้อมูล เช่น ความถูกต้องของเนื้อหา, โครงสร้างข้อมูล, ความทันสมัย, การนำไปใช้ประโยชน์, การนำเสนอ, และคุณค่าของข้อมูล Data Quality Process: ทำความเข้าใจกระบวนการในการจัดการคุณภาพข้อมูล A Framework to Judge Data Quality (Data Characteristics vs Data Usefulness vs Data Processing): ศึกษาโครงสร้างในการตัดสินคุณภาพข้อมูล โดยพิจารณาจากคุณลักษณะของข้อมูล, ประโยชน์ของการใช้ข้อมูล, และกระบวนการประมวลผลข้อมูล |
| 10.30 – 10.45 | พักเบรกเช้า | |
| 10.45 – 12.00 | Data Quality Assessment | Type of Data Errors: รู้จักประเภทของข้อผิดพลาดที่มักพบในข้อมูล Data Quality Rules: เรียนรู้การกำหนดกฎเกณฑ์ในการตรวจสอบคุณภาพข้อมูล Data Quality Scorecard: วิธีการสร้างและใช้ Data Quality Scorecard เพื่อประเมินและแสดงผลคุณภาพข้อมูล |
| 12.00 – 13.00 | พักรับประทานอาหารกลางวัน | |
| 13.00 – 13.30 | Concepts and Measuring of Data Quality | Introduction to ISO 8000-8 : 2015 Syntactic quality Semantic quality Pragmatic quality |
| 13.30 – 14.30 | Data quality management: Process Reference Model | Introduction to ISO 8000-61 : 2016Data Quality PlanningData Quality ControlData Quality AssuranceData Quality ImprovementData Related Support ProcessResource Provision Process |
| 14.30 – 14.45 | พักเบรกบ่าย | |
| 14.45 – 15.30 | Data quality organization | Data quality management: Organizational process maturity assessment (ISO 8000-62 : 2018)Data quality management: Process measurement (ISO 8000-63 : 2019)Data quality management: Process measurement questionnaire (ISO 8000-65 : 2020)Data quality assessment: Profiling (ISO 8000-81 : 2021)Data quality assessment: Creating data rules (ISO 8000-82 : 2022)Data quality management: Roles and responsibilities (ISO 8000-150 : 2022) |
| 15.30 – 15.45 | Thailand’s Data Quality Standard | มาตรฐานรัฐบาลดิจิทัลว่าด้วยหลักเกณฑ์การประเมินคุณภาพข้อมูลสำหรับหน่วยงานภาครัฐ |
| 15.45 – 16.00 | Q/A | |
| วันที่2 | ||
| 9.00 – 9.30 | Introduction to Data Quality | แนะนำความสำคัญของข้อมูลคุณภาพ (Data Quality) ในโลกของการวิเคราะห์ข้อมูลและระบบสารสนเทศ อธิบายแนวคิดหลัก เช่น Accuracy, Completeness, Consistency, Timeliness และ Validity รวมถึงผลกระทบของข้อมูลที่ไม่มีคุณภาพต่อการตัดสินใจในองค์กร พร้อมแนะนำเครื่องมือและแนวทางเบื้องต้นในการจัดการข้อมูลคุณภาพ |
| 9.30 – 10.30 | Control Flow | ทำความเข้าใจพื้นฐานของการควบคุมลำดับการทำงาน (Control Flow) ในโปรแกรม เช่น การใช้เงื่อนไข (if-else), ลูป (for/while) และการจัดโครงสร้างลำดับขั้นตอนในกระบวนการตรวจสอบข้อมูล เพื่อเตรียมพร้อมก่อนใช้ในแพลตฟอร์มที่ใช้ workflow automation อย่าง Airflow |
| 10.30 – 10.45 | พักเบรกเช้า | |
| 10.45 – 12.00 | Data Importing | เรียนรู้วิธีนำเข้าข้อมูลจากแหล่งต่างๆ เช่น ไฟล์ CSV, Excel พร้อมฝึกใช้งานเบื้องต้นในการอ่านข้อมูลเข้าในระบบ เพื่อนำไปใช้ในกระบวนการ Data Quality Checks |
| 12.00 – 13.00 | พักรับประทานอาหารกลางวัน | |
| 13.00 – 13.45 | What is AirFlow and How to use platform | แนะนำ Apache Airflow เครื่องมือ workflow orchestration ที่นิยมใช้ในการจัดการ data pipeline โดยเน้นภาพรวมของระบบ และการเข้าใจโครงสร้าง DAG (Directed Acyclic Graph) ซึ่งเป็นหัวใจหลักของการทำงานใน Airflow |
| 13.45 – 14.30 | Checks with Airflow | สอนวิธีสร้างกระบวนการตรวจสอบคุณภาพข้อมูลโดยใช้ Airflow ตั้งแต่การเขียน Task ตรวจสอบข้อมูล เช่น การตรวจ Missing Values, Duplicates, และการ Validate ข้อมูลตาม Rule ที่กำหนด |
| 14.30 – 14.45 | พักเบรกบ่าย | |
| 14.45 – 15.45 | Checks with Airflow (ต่อ) | อธิบายวิธีทำ Logging, Monitoring และแจ้งเตือนเมื่อพบข้อมูลผิดปกติ |
| 15.45 – 16.00 | Q/A | |
