Data Quality Management Essentials

วันที่อบรม: วันที่ 22 – 23 พฤศจิกายน 2568 | เวลา 09.00 – 16.00 น.

ราคา 9,000 บาท ลงทะเบียนก่อน 14 วันลด 10 % เหลือเพียง 8,100 บาท

📍 : Avani Ratchada Bangkok Hotel (MRT พระราม9)

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

Data Visualization and Data Storytelling with Power BI

วันที่อบรม: วันที่ 20 – 21 ธันวาคม 2568| เวลา 09.00 – 16.00 น.

ราคา 6,900 บาท ลงทะเบียนก่อน 14 วันลด 10 % เหลือเพียง 6,210 บาท

📍 : KX Knowledge Xchange Bts วงเวียนใหญ่

วิทยากร : คุณ วิเชียร บุญญะประภา
ศูนย์การแพทย์กาญจนาภิเษก, คณะแพทยศาสตร์ศิริราชพยาบาล มหาวิทยาลัยมหิดล

หลักการและเหตุผล

ในกระบวนการ Data Science มีอีกหนึ่งขั้นตอนที่มีความสำคัญไม่แพ้กันคือ Data Visualization ซึ่งเป็นกระบวนการที่จะทำให้มองเห็นภาพรวมของข้อมูลในมุมมองมิติต่างๆ เพื่อจะทำให้ตัดสินใจได้แม่นยำขึ้น ซึ่งศิลปะในการสื่อสารข้อมูลให้กับฝั่ง Business User เป็นสิ่งที่ Data Scientist ควรให้ความสำคัญด้วย ในหลักสูตรนี้จะแนะนำการทำ Visual Analytics โดยใช้เครื่องมือ Microsoft Power BI

Microsoft Power BI เป็นโปรแกรมสำหรับวิเคราะห์ข้อมูล และหาคำตอบในเชิงธุรกิจอย่างรวดเร็ว ช่วยให้ผู้ใช้งานมีความเข้าใจในข้อมูลมากขึ้น รวมถึงผู้ใช้งาน สามารถนำข้อมูลที่มีอยู่มาวิเคราะห์และแสดงผลอย่างมีประสิทธิภาพ นำข้อมูลที่มีอยู่ มาสร้างเป็น Visualization และสามารถสร้างเป็น Dashboard ได้ง่าย รวดเร็ว Microsoft Power BI ช่วยให้เราสามารถสรุปผลข้อมูลจำนวนไม่จำกัด จากข้อมูลจำนวนมากๆ หลาย ๆ แหล่งข้อมูล ได้อย่างรวดเร็ว โดยเป็นโปรแกรมที่ใช้งานง่าย ถูกสร้างขึ้นมาโดยใช้ผู้เชี่ยวชาญด้วย Computer Graphic Database และ Human-Computer Interaction จึงทำให้โปรแกรมเป็นที่นิยมทั้งทาง Business User และทาง IT

วัตถุประสงค์

เพื่อให้ผู้เข้าอบรมมีความเข้าใจโครงสร้าง และองค์ประกอบของโปรแกรม Power BI Desktop
เพื่อให้ผู้เข้าอบรมมีความสามารถออกแบบ Dimensional Model และจัดการ Relationship ของข้อมูลได้อย่างถูกต้อง
เพื่อให้ผู้เข้าอบรมมีความสามารถพัฒนารายงานเกี่ยวข้องกับ วันที่และเวลา สามารถสร้าง Date Dimension ที่สนับสนุนกับการวิเคราะห์ตามเวลา (Interval) ขององค์กรได้
เพื่อให้ผู้เข้าอบรมมีความสามารถสร้างและปรับแต่ง Attribute Hierarchies และ Explicit Measures ด้วย DAX อย่างมืออาชีพ
เพื่อให้ผู้เข้าอบรมมีความสามารถพัฒนา Dashboard และการนำเสนอข้อมูล อย่างมืออาชีพ

หลักสูตรนี้เหมาะกับใครบ้าง

Business Analyst / Data Analyst
ที่ต้องการพัฒนาทักษะการวิเคราะห์และนำเสนอข้อมูลให้ชัดเจน เข้าใจง่าย และตอบโจทย์การตัดสินใจของผู้บริหาร

Data Scientist / Data Engineer
ที่ต้องการสร้าง Visualization และ Dashboard จากข้อมูลเชิงลึก พร้อมทั้งสื่อสารข้อมูลให้กับ Business User ได้อย่างมีประสิทธิภาพ

ผู้จัดการ และผู้บริหาร (Manager / Executive)
ที่ต้องการเรียนรู้วิธีการตีความและอ่าน Dashboard จาก Power BI เพื่อนำไปใช้ในการตัดสินใจทางธุรกิจ

บุคลากรสาย IT / Developer
ที่ต้องการเข้าใจโครงสร้างของ Power BI, การออกแบบ Data Model และการใช้ DAX เพื่อสร้างรายงานและการวิเคราะห์ข้อมูลที่ซับซ้อนขึ้น

ผู้ที่มีประสบการณ์ใช้งาน Power BI เบื้องต้น
และต้องการยกระดับความสามารถไปสู่การพัฒนา Dashboard เชิงวิเคราะห์และการเล่าเรื่องด้วยข้อมูล (Data Storytelling) อย่างมืออาชีพ

ความรู้พื้นฐาน

มีพื้นฐานการใช้คอมพิวเตอร์ และโปรแกรมคอมพิวเตอร์
มีพื้นฐานเคยใช้งาน Microsoft Power BI เบื้องต้น และต้องการออกแบบพัฒนา Dashboard ให้เหมาะสม มีประสิทธิภาพ มากยิ่งขึ้น

ลงทะเบียน

ได้ทันทีผ่าน QR Code หรือคลิก [https://forms.gle/Kc96nzyGCTMT12vS9]

กำหนดการ

เวลา	หัวข้อ	เนื้อหา
วันที่ 1
09:00 – 09:15	หลักการจัดองค์ประกอบการนําเสนอข้อมูลให้เข้าใจง่าย	หลักการจัดองค์ประกอบการนําเสนอข้อมูลให้เข้าใจง่าย
09:15 – 09:30	การเน้นและเรียงลําดับความสําคัญของข้อมูลที่นําเสนอ	ทำความเข้าใจกระบวนการ ของการเน้นและเรียงลําดับความสําคัญของข้อมูลที่นําเสนอ
9:30 – 10:00	การจัดพื้นที่ Dashboard ให้เข้าใจง่าย	ทำความเข้าใจในหลักการของการจัดพื้นที่ Dashboard เพื่อให้เข้าใจง่าย
10:00 – 10:15	การเลือกใช้กราฟต่าง ๆ ให้เหมาะสมกับข้อมูล	ทำความเข้าใจในหลักการของการเลือกใช้กราฟต่าง ๆ ให้เหมาะสมกับข้อมูล
10:15 – 10:30	หลักการการเลือกใช้สีกับ Dashboard ให้เหมาะสม	ทำความเข้าใจในหลักการของการเลือกใช้สีกับ Dashboard ให้เหมาะสม
10:30 – 10:45	พักเบรกเช้า
10:45 – 11:00	การเลือกใช้ข้อมูลที่เหมาะสม	ทำความเข้าใจในหลักการของการเลือกใช้ข้อมูล ให้เหมาะสมกับการพัฒนา Dashboard
11:00 – 11:15	การติดตั้งโปรแกรม Power BI Desktop	เข้าใจหลักการพื้นฐานคุณสมบัติของโปรแกรม และการติดตั้งโปรแกรม Power BI Desktop
11:15 – 11:30	Introducing Power BI	ทำความเข้าใจหลักการพื้นฐานคุณสมบัติของโปรแกรม Power BI Desktop
11:00 – 11:15	การติดตั้งโปรแกรม Power BI Desktop	เข้าใจหลักการพื้นฐานคุณสมบัติของโปรแกรม และการติดตั้งโปรแกรม Power BI Desktop
11:15 – 11:30	Introducing Power BI	ทำความเข้าใจหลักการพื้นฐานคุณสมบัติของโปรแกรม Power BI Desktop
11:30 – 11:45	Parts of Power BI	ทำความเข้าใจการทำงานขององค์ประกอบหลักของโปรแกรม Power BI Desktop
11:45 – 12:00	The flow of work in Power BI	แสดงภาพรวมของขั้นตอนการทำงานใน Power BI ซึ่งเริ่มจากการดึงข้อมูล → แปลงข้อมูล → สร้างแบบจำลอง → สร้างกราฟรายงาน → เผยแพร่รายงาน และแชร์ต่อให้ผู้อื่นใช้งานได้
12:00 – 13:00	พักรับประทานอาหารกลางวัน
13:00 – 13:30	Power BI Desktop Interface	อธิบายเมนูและเครื่องมือต่าง ๆ ที่มีในโปรแกรม Power BI Desktop เช่น พื้นที่รายงาน, แผงเครื่องมือ, หน้าต่างแสดงฟิลด์ข้อมูล และเมนูสำหรับการจัดการข้อมูล
13:00 – 13:15	Data Model & Data Schema	สอนแนวคิดเรื่องการสร้างความสัมพันธ์ระหว่างตารางข้อมูล และโครงสร้างข้อมูล (schema) ที่เหมาะสม เพื่อให้การคำนวณหรือแสดงผลถูกต้องและมีประสิทธิภาพ
13:15 – 13:30	Understanding Data Formats	แสดงให้ผู้ใช้เข้าใจประเภทข้อมูล เช่น ตัวเลข, วันที่, ข้อความ และผลกระทบหากกำหนดไม่ถูกต้อง เช่น การฟอร์แมตค่าทางการเงินหรือวันที่
13:30 – 14:00	Understanding Basic Row Operations	แนะนำการจัดการข้อมูลในระดับแถว เช่น การกรอง (Filter), การจัดเรียง (Sort), และการรวมกลุ่ม (Group By) ซึ่งมีผลต่อการวิเคราะห์
14:00 -14:15	Connecting Power BI Desktop to Source Files	แสดงวิธีเชื่อมต่อกับแหล่งข้อมูล เช่น Excel, CSV, ฐานข้อมูล เพื่อดึงข้อมูลเข้าสู่ระบบอย่างถูกต้อง
14:15 – 14:30	Querying Data from CSV	ขั้นตอนการนำเข้าข้อมูลจากไฟล์ CSV และการเตรียมข้อมูลเบื้องต้น เช่น การระบุหัวตาราง หรือรูปแบบของข้อมูลแต่ละคอลัมน์
14:30 – 14:45	พักเบรกบ่าย
14:45 – 15:00	How Power BI Queries Data	การใช้ Power Query Editor และภาษา M language สร้างลำดับของการแปลงข้อมูลแบบ Step-by-Step ซึ่งสามารถตรวจสอบและย้อนกลับได้ ทำให้การทำความสะอาดข้อมูลมีความโปร่งใสและปรับแก้ได้ง่าย
15:00 – 15:20	Get Started with Query Editor	อธิบายการใช้เครื่องมือ Query Editor สำหรับล้างและแปลงข้อมูล เช่น การลบแถวว่าง แปลงชนิดข้อมูล และรวมข้อมูลจากหลายแหล่ง
15:20 -15:40	Connecting the data Source	การกำหนดประเภทของแหล่งข้อมูล (Local/Cloud) ที่นำมาใช้ในโปรแกรม Power BI Desktop
15:40 – 16:00	Clean, Transform the data	สอนการปรับข้อมูลให้เหมาะสมกับการวิเคราะห์ เช่น การแทนค่าผิดพลาด, การกรองข้อมูล, การจัดรูปแบบที่ไม่สอดคล้อง
วันที่ 2
09:00 – 09:15	Choosing & Removing Columns	การใช้งาน Power Query Editor เพื่อใช้ในการเตรียมข้อมูล ด้วย การเลือก หรือ ลบคอลัมน์ข้อมูลที่ต้องการ
09:15 – 09:30	Replacing Values	การใช้งาน Power Query Editor เพื่อใช้ในการเตรียมข้อมูล ด้วยการแทนที่ข้อมูลเดิม
09:30 – 10:00	Creating of the Measures using DAX	การใช้งานฟังก์ชัน DAX (Data Analysis Expressions) ในการเขียนสูตรคำนวณ เพื่อให้ได้ชุดข้อมูลใหม่ตามต้องการ
10:00 – 10:15	Change the format of the Measures	แนะนำการตั้งค่าการแสดงผลของ Measure เช่น สกุลเงิน เปอร์เซ็นต์ หรือทศนิยม
10:15 – 10:30	Working with Dates – The Basics	อธิบายการใช้ข้อมูลวันที่ในการวิเคราะห์ เช่น การแยกปี/เดือน การคำนวณช่วงเวลา และการสร้างปฏิทิน (Date Table)
10:30 – 10:45	พักเบรกเช้า
10:45-11:00	Formatting the Page Background / Wallpaper	การปรับเปลี่ยนรูปแบบของ Dashboard เช่น การปรับเปลี่ยนสี หรือ รูปภาพ อย่างมืออาชีพ
11:00 – 11:15	Working with Report Themes	การเลือกใช้ธีมเพื่อช่วยควบคุมโทนสีของ Dashboard ให้เป็นมาตรฐานขององค์กร อย่างมืออาชีพ
11:15 – 11:30	Importing a Theme to a Power BI Desktop	การนำเข้าธีมจากภายนอก เพื่อสร้าง Dashboard ได้อย่างมืออาชีพ
11:30 – 12:00	Creating your visualization Applying	แนะนำการเลือกและสร้างกราฟให้เหมาะกับข้อมูล เช่น Bar, Line, Pie และ Card เพื่อสื่อสารข้อมูลให้เข้าใจง่าย อย่างมืออาชีพ
12:00 – 13:00	พักรับประทานอาหารกลางวัน
13:00 – 13:15	Organizing Visuals	แนะนำการจัดวางกราฟ/ตัวชี้วัดในหน้า report อย่างเป็นระบบ และน่าใช้งาน เช่น การใช้เส้น grid, จัดตำแหน่ง
13:15 – 14:00	Creating a New Visual	อธิบายวิธีสร้างกราฟใหม่จากข้อมูลที่มี โดยใช้เครื่องมือจากแถบ Visualizations และการเลือกฟิลด์ชุดข้อมูลมาใช้งาน
14:00 – 14:30	Creating Charts	การสร้างกราฟใหม่ ๆ เพิ่มขึ้น เช่น Clustered Bar, Stacked Column, Pie Chart
14:30 – 14:45	พักเบรกบ่าย
14:45 – 15:15	Creating & Duplicating Pages/ Creating Top N	· การเพิ่มหน้าใหม่ของพื้นที่ทำงาน และการทำสำเนาจากหน้าการทำงานเดิม เพื่อให้สามารถทำงานต่อเนื่องได้ · การสร้าง Filter ข้อมูล เพื่อแสดงเฉพาะรายการที่ต้องการ ด้วยเทคนิค Top N filter
15:15 – 15:30	Importing Country & Region Codes	แนะนำการเพิ่มรหัสประเทศ/ภูมิภาคเพื่อใช้งานร่วมกับแผนที่ ทำให้สามารถวิเคราะห์ข้อมูลเชิงภูมิศาสตร์ได้
15:30 – 15:45	Publishing & Your Workspace/ Creating Reports & Dashboards	· การเผยแพร่รายงานจาก Power BI Desktop ไปยัง Power BI Service และจัดเก็บไว้ในพื้นที่ที่เรียกว่า “My Workspace” · ทำความเข้าใจกระบวนการรวบรวม visual หลาย ๆ ตัวในหน้าเดียว หรือแยกหน้าออกเป็น report หลายหน้า และใช้ pin visual ไปยัง dashboard
15:45 – 16:00	Sharing Data From “Your Workspace” via Direct Access	กระบวนการแบ่งปันข้อมูล แชร์รายงานให้ผู้ใช้ภายในองค์กรผ่าน Power BI Service โดยสามารถกำหนดสิทธิ์เข้าถึง (View/Edit) และแชร์ลิงก์แบบปลอดภัย

ติดต่อสอบถามเพิ่มเติม
อีเมล: Admin@datalentteam.co
โทร: 097-113-5975 (คุณบอย) 085-913-6975 (คุณมายด์)
ติดตามข่าวสารได้ทางเว็บไซต์และเพจของเรา

#PowerBI #BI #ITMMahidol #MUEG #DatalentTeam #คอร์สเรียน2568

Data Governance for Business Leader

วันที่อบรม: วันที่ 6 ธันวาคม 2568 | เวลา 09.00 – 16.00 น.

ราคา 5,900 บาท ลงทะเบียนก่อน 14 วันลด 10 % เหลือเพียง 5,310 บาท

@Avani Ratchada Bangkok Hotel MRT พระราม9

https://maps.app.goo.gl/67jR9r1uZho5rRwh8

หลักการและเหตุผล

การบริหารจัดการข้อมูลที่ดีเป็นหัวใจสำคัญในการขับเคลื่อนองค์กรในยุคดิจิทัล โดยเฉพาะสำหรับผู้นำทางธุรกิจ การมีข้อมูลที่ถูกต้อง น่าเชื่อถือ และเข้าถึงได้ง่าย ไม่เพียงแต่ช่วยในการตัดสินใจเชิงกลยุทธ์ แต่ยังช่วยให้องค์กรสามารถปฏิบัติตามกฎระเบียบข้อบังคับต่างๆ ได้อย่างมีประสิทธิภาพ การกำกับดูแลข้อมูล (Data Governance) จึงเป็นสิ่งจำเป็นในการกำหนดแนวทาง มาตรฐาน และกระบวนการในการจัดการข้อมูลทั่วทั้งองค์กร เพื่อให้มั่นใจว่าข้อมูลจะถูกนำไปใช้อย่างเหมาะสม ปลอดภัย และสร้างคุณค่าสูงสุด หลักสูตรนี้จึงถูกออกแบบมาเพื่อให้ผู้นำทางธุรกิจมีความเข้าใจเชิงลึกเกี่ยวกับหลักการและแนวปฏิบัติของการกำกับดูแลข้อมูล เพื่อนำไปประยุกต์ใช้ในการขับเคลื่อนธุรกิจและเพิ่มขีดความสามารถในการแข่งขัน

วัตถุประสงค์

เพื่อให้ผู้เข้ารับการอบรมเข้าใจถึงพื้นฐานของการกำกับดูแลข้อมูล, กฎระเบียบที่เกี่ยวข้อง, และหลักการสำคัญของ DAMA-DMBoK
เพื่อให้ผู้เข้ารับการอบรมเข้าใจความเชื่อมโยงระหว่างกลยุทธ์ทางธุรกิจและกลยุทธ์ข้อมูล, รวมถึงการสร้างมูลค่าทางธุรกิจจากการกำกับดูแลข้อมูล
เพื่อให้ผู้เข้ารับการอบรมเข้าใจกรอบการกำกับดูแลข้อมูล (Data Governance Framework) และบทบาทของ Data Governance และ Stewardship ตามมุมมองของ DMBok
เพื่อให้ผู้เข้ารับการอบรมเรียนรู้เกี่ยวกับโครงสร้างองค์กรของการกำกับดูแลข้อมูล, บทบาทสำคัญ, และหน้าที่ของ Data Stewardship
เพื่อให้ผู้เข้ารับการอบรมเข้าใจกิจกรรมหลักของการกำกับดูแลข้อมูล ตั้งแต่การกำหนดแนวทาง, การนำไปปฏิบัติ, และการฝังรากลึกในองค์กร
เพื่อให้ผู้เข้ารับการอบรมทราบถึงวิธีการวัดผลการกำกับดูแลข้อมูลและการบริหารจัดการการเปลี่ยนแปลงที่เกี่ยวข้อง
เพื่อให้ผู้เข้ารับการอบรมสามารถวางแผน Data Governance Roadmap สำหรับองค์กรได้

หลักสูตรนี้เหมาะกับใครบ้าง

ผู้บริหารและผู้กำหนดนโยบาย

ผู้ที่เกี่ยวข้องกับการกำกับดูแลข้อมูล (Data Governance / Data Steward)

ผู้ที่มีภารกิจด้านกฎหมายและการกำกับดูแล (Compliance / Risk / Legal)

ผู้ที่ทำงานเกี่ยวข้องกับการจัดการและคุณภาพข้อมูล (Data Management & Data Quality)

ผู้ที่มีบทบาทเกี่ยวข้องกับการใช้งาน AI ในองค์กร

ความรู้พื้นฐาน

มีประสบการณ์การบริหารจัดการข้อมูล การกำกับดูแลข้อมูล การดำเนินงานตาม PDPA หรือเป็นผู้ที่มีความรับผิดชอบในการวางกรอบหรือนโยบายการใช้งาน AI ในองค์กร อย่างใดอย่างหนึ่ง

ลงทะเบียน

ได้ทันทีผ่าน QR Code หรือคลิก [https://forms.gle/5Zikr2544uWdxejN7]

กำหนดการ

เวลา	หัวข้อ	เนื้อหา
9.00 – 10.00	Data Governance Fundamentals	– Related regulations:ทำความเข้าใจกฎระเบียบและข้อบังคับที่เกี่ยวข้องกับการจัดการข้อมูล เช่น PDPA และข้อกำหนดอื่นๆ ที่มีผลต่อการดำเนินธุรกิจ – Introduction to DAMA-DMBoK:แนะนำ Data Management Body of Knowledge (DAMA-DMBoK) ซึ่งเป็นมาตรฐานและแนวปฏิบัติสากลสำหรับการบริหารจัดการข้อมูล – Business Drivers:เรียนรู้ปัจจัยขับเคลื่อนทางธุรกิจที่ทำให้การกำกับดูแลข้อมูลมีความสำคัญ เช่น การเพิ่มประสิทธิภาพการดำเนินงาน, การลดความเสี่ยง, และการสร้างโอกาสทางธุรกิจ – Data Governance and Data Management:ทำความเข้าใจความแตกต่างและความสัมพันธ์ระหว่าง Data Governance (การกำกับดูแลข้อมูล) และ Data Management (การบริหารจัดการข้อมูล) – Core Principles of Governance:ศึกษาหลักการสำคัญของการกำกับดูแลข้อมูล เช่น ความรับผิดชอบ, นโยบาย และ การวัดการดำเนินงาน
10.00 – 10.30	Data Strategy	– Business Strategy and Data Strategy:ทำความเข้าใจความเชื่อมโยงและการจัดทำ Data Strategy ให้สอดคล้องกับ Business Strategy เพื่อสนับสนุนเป้าหมายทางธุรกิจ – Business values and Data Governance:เรียนรู้การสร้างมูลค่าทางธุรกิจจากการกำกับดูแลข้อมูล เช่น การตัดสินใจที่ดีขึ้น, การปรับปรุงคุณภาพข้อมูล, และการเพิ่มความน่าเชื่อถือของข้อมูล
10.30 – 10.45	พักเบรกเช้า
10.45 – 11.15	Data Governance Framework	– DG Framework:ศึกษาและทำความเข้าใจองค์ประกอบของ Data Governance Framework เพื่อเป็นแนวทางในการนำไปประยุกต์ใช้ในองค์กร – Data Governance and Stewardship in DMBok’s viewpoint:เจาะลึกมุมมองของ DMBok เกี่ยวกับ Data Governance และบทบาทของ Data Stewardship ในการดูแลและจัดการข้อมูล
11.00 – 12.00	Data Governance Organization	– Example of Data Governance Structure and Operating Models:ศึกษาตัวอย่างโครงสร้างองค์กรและรูปแบบการดำเนินงานของ Data Governance ที่ประสบความสำเร็จ – Core Data Governance Roles:ทำความเข้าใจบทบาทสำคัญต่างๆ ในทีม Data Governance เช่น Data Owner, Data Steward, และ Data Custodian – Data Stewardship:เรียนรู้หน้าที่และความรับผิดชอบของ Data Steward ในการดูแลคุณภาพและความถูกต้องของข้อมูล
12.00 – 13.00	พักรับประทานอาหารกลางวัน
13.00 – 14.30	DG Activities	– Define Data Governance for the Organization:กำหนดขอบเขต วัตถุประสงค์ และนโยบายของ Data Governance ให้เหมาะสมกับองค์กร – Define the DG Operating Framework:สร้างกรอบการดำเนินงานของการกำกับดูแลข้อมูล รวมถึงกระบวนการและขั้นตอนต่างๆ – Implement Data Governance:เรียนรู้กลยุทธ์และวิธีการในการนำ Data Governance ไปปฏิบัติในองค์กรอย่างมีประสิทธิภาพ – Embed Data Governance:ทำให้ Data Governance เป็นส่วนหนึ่งของวัฒนธรรมองค์กรและกระบวนการทำงานประจำวัน
14.30 – 14.45	พักเบรกบ่าย
14.45 – 15.30	DG Measurement and Change Management	– เรียนรู้วิธีการวัดผลความสำเร็จของ Data Governance และดัชนีชี้วัด (KPIs) ที่สำคัญ – ทำความเข้าใจหลักการและกลยุทธ์ในการบริหารจัดการการเปลี่ยนแปลง (Change Management) เพื่อให้บุคลากรในองค์กรยอมรับและปรับตัวกับการเปลี่ยนแปลงที่เกิดจากการนำ Data Governance มาใช้
15.30 – 15.45	DG Roadmap	– เรียนรู้การวางแผน Data Governance Roadmap ซึ่งเป็นแผนงานระยะยาวสำหรับการพัฒนาและปรับปรุงการกำกับดูแลข้อมูลในองค์กรอย่างต่อเนื่อง
15.45 – 16.00	Q/A

#DataGovernance #DataGovernanceForLeaders #BusinessLeaders #ITMMahidol #MUEG #DatalentTeam #คอร์สเรียน2568

Introduction Data Management based on DMBOK

วันที่อบรม: 25 ตุลาคม 2568 | เวลา 09.00 – 12.00 น.

ราคา 1,890 บาท ลงทะเบียนก่อน 14 วันลด 10 % เหลือเพียง 1,701 บาท

หลักการและเหตุผล

ในยุคที่ข้อมูลเป็นสินทรัพย์ที่มีค่า การบริหารจัดการข้อมูลอย่างเป็นระบบจึงเป็นสิ่งจำเป็นสำหรับทุกองค์กร การทำความเข้าใจหลักการพื้นฐานของการบริหารจัดการข้อมูลตามกรอบของ DAMA-DMBoK (Data Management Body of Knowledge) จะช่วยให้องค์กรสามารถจัดการข้อมูลได้อย่างมีประสิทธิภาพ สร้างความน่าเชื่อถือให้กับข้อมูล และนำข้อมูลไปใช้ประโยชน์ในการขับเคลื่อนธุรกิจและนวัตกรรมได้อย่างเต็มศักยภาพ หลักสูตรนี้จึงถูกออกแบบมาเพื่อให้ผู้เข้าร่วมได้เรียนรู้แนวคิดหลักและฟังก์ชันสำคัญของการจัดการข้อมูล เพื่อวางรากฐานที่แข็งแกร่งสำหรับการบริหารจัดการข้อมูลในองค์กร

วัตถุประสงค์

เพื่อให้ผู้เข้ารับการอบรมเข้าใจหลักการพื้นฐานของการบริหารจัดการข้อมูลและบทบาทของ Data Governance
เพื่อให้ผู้เข้ารับการอบรมเข้าใจองค์ประกอบและโครงสร้างขององค์กรด้าน Data Management
เพื่อให้ผู้เข้ารับการอบรมรู้จักและเข้าใจฟังก์ชันหลักต่างๆ ของ Data Management ตาม DAMA-DMBoK
เพื่อให้ผู้เข้ารับการอบรมเรียนรู้โมเดลการประเมินวุฒิภาวะด้าน Data Management ที่สำคัญ

หลักสูตรนี้เหมาะกับใครบ้าง

ผู้ที่มีประสบการณ์ด้านการจัดการและกำกับดูแลข้อมูล
ผู้ที่เกี่ยวข้องกับการดำเนินงานตามกฎหมายคุ้มครองข้อมูลส่วนบุคคล (PDPA)
ผู้มีบทบาทในนโยบายหรือการกำกับดูแล AI ในองค์กร
ผู้บริหารและผู้กำหนดทิศทางองค์กร

ความรู้พื้นฐาน

ลงทะเบียน

ได้ทันทีผ่าน QR Code หรือคลิก [https://forms.gle/iwUEUQPwwyMSyyuQA]

กำหนดการ

เวลา	หัวข้อ	เนื้อหา
9.00 – 9.30	Module 1: Data Management Principles & Data Governance	Data Management Body of Knowledge: ทำความเข้าใจภาพรวมของ DAMA-DMBoK ซึ่งเป็นกรอบความรู้มาตรฐานสำหรับการบริหารจัดการข้อมูล Business Drivers: เรียนรู้ปัจจัยทางธุรกิจที่ผลักดันให้เกิดความจำเป็นในการบริหารจัดการข้อมูลที่ดี Data Valuation and Data Lifecycle: ทำความเข้าใจคุณค่าของข้อมูลและวงจรชีวิตของข้อมูลตั้งแต่การสร้างจนถึงการทำลาย Data Management and Data Governance: แยกแยะความแตกต่างและความสัมพันธ์ระหว่าง Data Management (การบริหารจัดการข้อมูล) และ Data Governance (การกำกับดูแลข้อมูล) Data Management Components: เรียนรู้ส่วนประกอบสำคัญของการบริหารจัดการข้อมูล Data Governance Program: ทำความเข้าใจแนวคิดและโครงสร้างของโปรแกรมการกำกับดูแลข้อมูล
9.30 – 9.45	Module 2: Data Management Organization	Example of Data Governance Structure: ศึกษาตัวอย่างโครงสร้างของ Data Governance ในองค์กรต่างๆ Types of Data Stewards: รู้จักประเภทและบทบาทของ Data Stewards ที่แตกต่างกัน
9.45 – 10.30	Module 3 Data Management Functions	Data Quality: หลักการและแนวปฏิบัติในการรักษาคุณภาพของข้อมูลให้ถูกต้องและน่าเชื่อถือ Master Data and Reference Data: ความสำคัญและการจัดการข้อมูลหลักและข้อมูลอ้างอิง Data Modeling & Design: เรียนรู้หลักการออกแบบและสร้างแบบจำลองข้อมูล Data Warehousing and BI: บทบาทของ Data Warehouse และ Business Intelligence ในการวิเคราะห์ข้อมูล Data Security: หลักการและมาตรการในการปกป้องข้อมูลให้ปลอดภัย
10.30 – 10.45	Break
10.45 – 11.15	Module 3 Data Management Functions (Cont.)	Metadata Management: การจัดการ Metadata เพื่อความเข้าใจและการค้นหาข้อมูลที่ดีขึ้น Data Architecture and Enterprise Architecture: ความสัมพันธ์และการจัดวาง Data Architecture ภายใน Enterprise Architecture Data Storage & Operations: แนวทางการจัดการการจัดเก็บข้อมูลและการดำเนินงานที่เกี่ยวข้อง Documents and Contents Management: การจัดการเอกสารและเนื้อหาต่างๆ ในองค์กร Data Integration and Interoperability: แนวคิดและวิธีการรวมข้อมูลจากแหล่งต่างๆ และการทำให้ระบบข้อมูลสามารถทำงานร่วมกันได้
11.15 – 12.00	Module 4: Data Management Maturity Model	– DMBoK Model – DGA Model – DCAM Model

#Introduction Data Management #based on DMBOK #คอร์สเรียน2568 #ITMMahidol #MUEG

Python Programming for Beginner and Python for Data Analysis and Data Visualization

วันที่อบรม: วันที่ 15-16 และ 22 พฤศจิกายน 2568 | เวลา 09.00 – 16.00 น.

ราคา 5,690 บาท บาท ลงทะเบียนก่อน 14 วันลด 10 % เหลือเพียง 5,121 บาท

วิทยากร: ว่าที่ร้อยตรี ธีรพัฒน์ กันสดับ

ผู้เชี่ยวชาญด้าน Data Science/Data Engineering

มีประสบการณ์อบรมและให้คำปรึกษากับหน่วยงานด้าน Data Science มากกว่า 7 ปี

หลักการและเหตุผล

ในยุคที่ข้อมูลกลายเป็นทรัพยากรสำคัญขององค์กร การวิเคราะห์และสื่อสารข้อมูลอย่างมีประสิทธิภาพจึงเป็นทักษะจำเป็นสำหรับการขับเคลื่อนยุทธศาสตร์และการตัดสินใจที่แม่นยำ หลักสูตรนี้ออกแบบมาเพื่อพัฒนาทักษะพื้นฐานด้านวิทยาการข้อมูล การเขียนโปรแกรมด้วย Python และการสร้างภาพข้อมูลที่เข้าใจง่าย ผ่านเครื่องมือที่เข้าถึงได้

ทั้งนี้ สอดคล้องกับทิศทางขององค์กรยุคใหม่ที่เน้นการขับเคลื่อนด้วยข้อมูล (Data-Driven Organization) และการยกระดับศักยภาพบุคลากรให้สามารถใช้เทคโนโลยีดิจิทัลในการวิเคราะห์และนำเสนอข้อมูลได้อย่างมืออาชีพ รองรับเป้าหมายการพัฒนาองค์กรสู่การเป็นองค์กรอัจฉริยะ (Smart Organization) ในอนาคต

วัตถุประสงค์

เพื่อให้ผู้เข้ารับการอบรมเข้าใจแนวคิดพื้นฐานของวิทยาการข้อมูล (Data Science) และกระบวนการวิเคราะห์ข้อมูลอย่างเป็นระบบ
เพื่อให้ผู้เข้ารับการอบรมสามารถเขียนโปรแกรมเบื้องต้นด้วยภาษา Python และใช้งาน Google Colab ได้อย่างมีประสิทธิภาพ
เพื่อให้ผู้เข้ารับการอบรมเข้าใจประเภทข้อมูล การควบคุมลำดับขั้นตอนในโปรแกรม และสามารถนำเข้าข้อมูลจากแหล่งต่าง ๆ ได้
เพื่อให้ผู้เข้ารับการอบรมสามารถวิเคราะห์ข้อมูลเบื้องต้น จัดการข้อมูลที่ขาดหายหรือผิดปกติ และเตรียมข้อมูลสำหรับการแสดงผล
เพื่อให้ผู้เข้ารับการอบรมสามารถสร้างภาพข้อมูลด้วยกราฟประเภทต่าง ๆ ได้อย่างถูกต้อง เหมาะสม และสื่อความหมายได้ชัดเจน
เพื่อให้ผู้เข้ารับการอบรมมีทักษะในการนำเสนอข้อมูลในรูปแบบ Interactive และสามารถแสดงข้อมูลเชิงพื้นที่เพื่อประกอบการวิเคราะห์เชิงลึกได้

หลักสูตรนี้เหมาะกับใครบ้าง

ผู้เริ่มต้นเขียนโปรแกรม (Beginner)

ไม่เคยเขียนโปรแกรมมาก่อน หรือมีพื้นฐานน้อย
ต้องการเริ่มจากศูนย์ และเข้าใจโครงสร้างพื้นฐานของภาษา Python

นักวิเคราะห์ข้อมูล (Data Analyst)

ต้องการใช้ Python เพื่อจัดการข้อมูล, ทำความสะอาดข้อมูล, และวิเคราะห์เชิงสถิติ

นักวิจัยและนักวิชาการ

ต้องการวิเคราะห์ข้อมูลจากงานวิจัยหรือแบบสอบถาม
อยากเขียนโค้ดเพื่อประมวลผลข้อมูลซ้ำได้อย่างแม่นยำ

บุคลากรด้านธุรกิจ (Business Professional)

ต้องการใช้ Python เพื่อดึงข้อมูลจากระบบ, วิเคราะห์แนวโน้ม, หรือสร้าง Dashboard
อยากลดเวลาการทำงานซ้ำ ๆ ด้วยการเขียน Script อัตโนมัติ

นักเรียนและนักศึกษา

ต้องการเสริมทักษะด้าน Data & Programming เพื่อใช้ในโครงงานหรืองานวิจัย
เตรียมตัวสำหรับการเรียนต่อหรือการทำงานในสาย Data Science / AI

ผู้ทำงานด้าน IT หรือสาย Data อื่น ๆ

ความรู้พื้นฐาน

ไม่มีความรู้พื้นฐานเฉพาะเจาะจงสำหรับผู้เข้าอบรม

ลงทะเบียน

ได้ทันทีผ่านการคลิก [https://shorturl.at/Sps4Q]

กำหนดการ

เวลา	หัวข้อ	เนื้อหา
วันที่ 1
09:00 – 09:30	Introduction to Data Science	แนะนำพื้นฐานของวิทยาการข้อมูล (Data Science) ครอบคลุมแนวคิดหลัก กระบวนการวิเคราะห์ข้อมูลตั้งแต่การรวบรวม การเตรียมข้อมูล การวิเคราะห์ และการแปลผล พร้อมทั้งแนะนำบทบาทของนักวิทยาศาสตร์ข้อมูลในยุคปัจจุบัน
09:30 – 10:30	Introduction to Python and GoogleCo-Lab	แนะนำภาษา Python ซึ่งเป็นเครื่องมือหลักในงานด้าน Data Science พร้อมสอนการใช้งาน Google Colab สำหรับเขียนและรันโค้ดในระบบคลาวด์โดยไม่ต้องติดตั้งซอฟต์แวร์เพิ่มเติม
10:30 – 10:45	พักเบรกเช้า
10:45 – 12:00	Control Flow	ศึกษาหลักการควบคุมลำดับการทำงานของโปรแกรมด้วยคำสั่ง if, for, และ while เพื่อใช้ในการเขียนโปรแกรมให้สามารถตัดสินใจและทำซ้ำได้อย่างมีประสิทธิภาพ
12:00 – 13:00	พักรับประทานอาหารกลางวัน
13:00 – 14:30	Data Types and Conversion	ทำความเข้าใจประเภทข้อมูลในภาษา Python เช่น ตัวเลข ข้อความ ลิสต์ ดิกชันนารี พร้อมเรียนรู้การแปลงประเภทข้อมูล (Type Conversion) เพื่อรองรับการประมวลผลข้อมูลที่หลากหลาย
14:30 – 14:45	พักเบรกบ่าย
14:45 – 15:45	Data Importing and Visualization	สอนวิธีการนำเข้าข้อมูลจากแหล่งต่าง ๆ เช่น CSV, Excel และ API รวมถึงการตรวจสอบโครงสร้างข้อมูลเบื้องต้น และการแสดงผลข้อมูลอย่างง่าย
15:45 – 16:00	Q&A / Summary	สรุปภาพรวม พร้อมตอบคำถาม
เวลา	หัวข้อ	เนื้อหา
วันที่2
09:00 – 09:30	Introduction to Data Visualization	อธิบายหลักพื้นฐานของการสร้างภาพข้อมูล (Data Visualization)
09:30 – 10:30	Introduction to Data Visualization (ต่อ)	ความสำคัญและแนวทางการเลือกใช้เครื่องมือให้เหมาะสมกับประเภทของข้อมูล
10:30 – 10:45	พักเบรกเช้า
10:45 – 12:00	Exploratory Data Analysis	แนะนำกระบวนการวิเคราะห์ข้อมูลเบื้องต้นเพื่อค้นหารูปแบบ แนวโน้ม และความสัมพันธ์ภายในข้อมูล
12:00 – 13:00	พักรับประทานอาหารกลางวัน
13:00 – 14:30	Missing values and Outlier handling	เรียนรู้เทคนิคการจัดการกับข้อมูลที่ขาดหาย (Missing Values) และข้อมูลผิดปกติ (Outliers) ซึ่งเป็นขั้นตอนสำคัญในการทำ Data Cleaning เพื่อให้การวิเคราะห์ข้อมูลมีความแม่นยำมากขึ้น
14:30 – 14:45	พักเบรกบ่าย
14:45 – 15:45	Data Visualization	ลงลึกด้านการสร้างภาพข้อมูลด้วยเครื่องมือใน Python เช่น Matplotlib และ Seaborn โดยเน้นการออกแบบกราฟที่สื่อความหมายได้ชัดเจน
15:45 – 16:00	Q&A / Summary	สรุปภาพรวม พร้อมตอบคำถาม
วันที่3
09:00 – 09:30	Single Chart	ฝึกการสร้างแผนภูมิแต่ละประเภทที่ใช้บ่อยในการวิเคราะห์ข้อมูล ได้แก่ Line Chart: ใช้แสดงการเปลี่ยนแปลงตามเวลา
09:30 – 10:30	Single Chart (ต่อ)	ฝึกการสร้างแผนภูมิแต่ละประเภทที่ใช้บ่อยในการวิเคราะห์ข้อมูล ได้แก่ Bar Chart: ใช้เปรียบเทียบค่าระหว่างกลุ่ม Pie Chart: ใช้แสดงสัดส่วนของแต่ละส่วนในภาพรวม Scatter Diagram: ใช้วิเคราะห์ความสัมพันธ์ระหว่างตัวแปรสองตัว
10:30 – 10:45	พักเบรกเช้า
10:45 – 12:00	Combo Chart	เรียนรู้การสร้างกราฟผสม (Combination Chart) เช่น กราฟเส้นรวมกับแท่ง เพื่อแสดงข้อมูลหลายมิติในแผนภูมิเดียวกันอย่างมีประสิทธิภาพ
12:00 – 13:00	พักรับประทานอาหารกลางวัน
13:00 – 14:30	Interactive diagram	ฝึกการสร้างกราฟแบบ Interactive ที่ผู้ใช้สามารถโต้ตอบได้ เช่น การเลื่อนเมาส์เพื่อดูค่าข้อมูล เพิ่มความยืดหยุ่นและประสบการณ์ใช้งานให้กับผู้ชมข้อมูล
14:30 – 14:45	พักเบรกบ่าย
14:45 – 15:45	Geolocation Visualization	เรียนรู้การสร้างแผนที่แสดงข้อมูลเชิงพื้นที่ (Geospatial Data) เช่น การแสดงตำแหน่งสาขา การกระจายของลูกค้า เพื่อใช้ในการวิเคราะห์ตามภูมิศาสตร์
15:45 – 16:00	Q&A / Summary	สรุปภาพรวม พร้อมตอบคำถาม

**กำหนดการอาจมีเปลี่ยนแปลงตามความเหมาะสม

#PythonTraining #DataAnalysis #DataVisualization #PythonforBeginner #OnlineCourse #คอร์สเรียน2568 #ITMMahidol #MUEG #Datalentteam

AI Governance for Management

วันเสาร์ ที่ 27 กันยายน 2568 | เวลา 09.00 – 16.00 น.

ราคา 8,900 บาท บาท ลงทะเบียนก่อน 14 วันลด 10 % เหลือเพียง 8,010 บาท

ณ Oakwood Hotel & Residence Bangkok Bts สะพานตากสิน

วิทยากร : ผศ.ดร. โษฑศ์รัตต ธรรมบุษดี
ผู้ช่วยคณบดีฝ่ายการเปลี่ยนแปลงทางดิจิทัลขององค์กร,อาจารย์ประจำกลุ่มสาขาวิชา IT Management
คณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหิดล , ผู้เชี่ยวชาญด้าน Data Governance, PDPA, Data Science

หลักการและเหตุผล

ปัจจุบันปัญญาประดิษฐ์ (AI) ได้เข้ามามีบทบาทสำคัญในการขับเคลื่อนองค์กรและเพิ่มขีดความสามารถในการแข่งขัน อย่างไรก็ตาม การนำ AI มาใช้ยังคงต้องคำนึงถึงความเสี่ยงที่อาจเกิดขึ้น ไม่ว่าจะเป็นด้านจริยธรรม กฎหมาย ความปลอดภัยของข้อมูล และความน่าเชื่อถือ เพื่อให้การใช้งาน AI เป็นไปอย่างมีประสิทธิภาพและยั่งยืน จึงจำเป็นต้องมีแนวทางการกำกับดูแล AI ที่เหมาะสม องค์กรจึงมีความต้องการบุคลากรที่มีความรู้ความเข้าใจเกี่ยวกับการกำกับดูแล AI เพื่อวางกรอบนโยบายและบริหารจัดการความเสี่ยงได้อย่างเป็นรูปธรรม หลักสูตรนี้จึงถูกออกแบบมาเพื่อให้ผู้บริหารและผู้ที่มีส่วนเกี่ยวข้องกับการวางนโยบาย AI ได้เรียนรู้แนวทางปฏิบัติและมาตรฐานสากลด้าน AI Governance เพื่อนำไปปรับใช้ในองค์กรได้อย่างมีประสิทธิภาพ

วัตถุประสงค์

เพื่อให้ผู้เข้ารับการอบรมเข้าใจถึงแนวคิดพื้นฐาน นิยาม ขอบเขต และประเภทของ AI รวมถึง Generative AI และ Agentic AI
เพื่อให้ผู้เข้ารับการอบรมทราบถึงกรอบกฎหมายด้าน AI ที่สำคัญ เช่น EU AI Act และแนวทางกฎหมาย AI ของประเทศไทย
เพื่อให้ผู้เข้ารับการอบรมเข้าใจหลักจริยธรรม AI จากแนวทางสากล เช่น OECD และ UNESCO
เพื่อให้ผู้เข้ารับการอบรมเข้าใจแนวคิด Trustworthiness AI และมาตรฐานที่เกี่ยวข้อง เช่น ISO/IEC TR 24028:2020
เพื่อให้ผู้เข้ารับการอบรมเรียนรู้การบริหารจัดการความเสี่ยงด้าน AI ตามมาตรฐาน ISO/IEC 23894:2023
เพื่อให้ผู้เข้ารับการอบรมเข้าใจกรอบการกำกับดูแล AI ของประเทศไทย โดยเฉพาะ ETDA AI Governance Framework
เพื่อให้ผู้เข้ารับการอบรมเข้าใจแนวทางการกำกับดูแลการใช้ AI การจัดทำนโยบาย AI และโครงสร้างการกำกับดูแล AI ตามมาตรฐาน ISO/IEC 38507:2022
เพื่อให้ผู้เข้ารับการอบรมเรียนรู้แนวทางการบริหารจัดการ AI ตามมาตรฐาน ISO/IEC 42001:2023 และการประเมินผลกระทบของระบบ AI ตาม ISO/IEC 42005:2025
เพื่อให้ผู้เข้ารับการอบรมได้ศึกษาและวิเคราะห์กรณีศึกษาที่เกี่ยวข้องกับการกำกับดูแล AI

หลักสูตรนี้เหมาะกับใครบ้าง

ผู้บริหารด้านข้อมูล หรือผู้รับผิดชอบนโยบายการจัดการข้อมูลในองค์กร
เจ้าหน้าที่ PDPA หรือผู้ดูแลการปฏิบัติตามกฎหมายข้อมูลส่วนบุคคล
ผู้นำโครงการ AI หรือผู้มีหน้าที่กำกับดูแลการใช้ AI ภายในองค์กร
เจ้าของธุรกิจหรือผู้บริหารที่กำลังนำ AI ไปใช้เพื่อเพิ่มประสิทธิภาพ
ผู้ที่มีบทบาทในการกำกับดูแล IT หรือวางโครงสร้างองค์กรในยุคดิจิทัล

ความรู้พื้นฐาน

ลงทะเบียน

ได้ทันทีผ่าน QR Code หรือคลิก [https://forms.gle/FVMr72uyaVKokRGx7]

กำหนดการ

เวลา	หัวข้อ	เนื้อหา
9.00 – 9.30	แนะนำ AI	– *นิยามและขอบเขต:* ทำความเข้าใจความหมายและขอบเขตของปัญญาประดิษฐ์ในบริบทปัจจุบัน รวมถึงความสำคัญและผลกระทบต่อองค์กรและสังคม – *แนวคิดภาพรวมที่เกี่ยวข้อง:* เรียนรู้แนวคิดพื้นฐานและองค์ประกอบสำคัญที่เกี่ยวข้องกับ AI โดยรวม เช่น Machine Learning, Deep Learning, และ Data Science เพื่อให้เห็นภาพรวมของเทคโนโลยี – *วงจรชีวิตของ AI:* ทำความเข้าใจขั้นตอนต่างๆ ในการพัฒนาและการใช้งาน AI ตั้งแต่การเก็บรวบรวมข้อมูล, การสร้างโมเดล, การปรับใช้, การตรวจสอบ และการบำรุงรักษา – *ประเภทของ AI:* ศึกษาประเภทของ AI ที่หลากหลาย เช่น AI แบบแคบ (Narrow AI) ที่เชี่ยวชาญเฉพาะด้าน, AI ทั่วไป (General AI) ที่มีความสามารถใกล้เคียงมนุษย์, และ AI ขั้นสูง (Super AI) ซึ่งยังเป็นแนวคิดในอนาคต – *Generative AI และ Agentic AI:* เจาะลึกถึง AI ประเภท Generative AI ที่สามารถสร้างเนื้อหาใหม่ๆ ได้ เช่น ข้อความ รูปภาพ หรือวิดีโอ และ Agentic AI ที่สามารถตัดสินใจและดำเนินการได้ด้วยตนเองเพื่อบรรลุเป้าหมายที่กำหนด
9.30 – 10.00	กฎหมายด้าน AI	– EU AI Act: ศึกษาและทำความเข้าใจเกี่ยวกับกฎหมาย AI ของสหภาพยุโรป ซึ่งเป็นกฎหมายฉบับแรกของโลกที่ครอบคลุมการกำกับดูแล AI อย่างรอบด้าน โดยเน้นการจัดประเภทความเสี่ยงและการปฏิบัติตามข้อกำหนด – *แนวทางกฎหมาย AI ของประเทศไทย:* เรียนรู้แนวคิดและทิศทางการพัฒนากฎหมาย AI ของประเทศไทยในปัจจุบัน รวมถึงร่างกฎหมายหรือนโยบายที่อยู่ระหว่างการพิจารณา เพื่อเตรียมความพร้อมขององค์กร
10.00 – 10.30	หลักจริยธรรม AI	– AI Ethics principles: ทำความเข้าใจหลักการสำคัญของจริยธรรม AI ทั่วไป เช่น ความโปร่งใส (Transparency), ความยุติธรรม (Fairness), ความรับผิดชอบ (Accountability), และความเป็นส่วนตัว (Privacy) – AI Ethics: OECD: ศึกษาหลักจริยธรรม AI ที่เสนอโดยองค์การเพื่อความร่วมมือและการพัฒนาทางเศรษฐกิจ (OECD) ซึ่งเน้นการพัฒนา AI ที่รับผิดชอบและน่าเชื่อถือ – AI Ethics: UNESCO: เรียนรู้หลักจริยธรรม AI ที่เสนอโดยองค์การการศึกษา วิทยาศาสตร์ และวัฒนธรรมแห่งสหประชาชาติ (UNESCO) ซึ่งครอบคลุมประเด็นด้านสิทธิมนุษยชนและศักดิ์ศรีความเป็นมนุษย์
10.30 – 10.45	พักเบรกเช้า
10.45 – 11.15	Trustworthiness AI	– แนะนำมาตรฐาน ISO/IEC TR 24028:2020 Overview of trustworthiness in artificial intelligence: ทำความเข้าใจแนวคิดความน่าเชื่อถือของ AI (Trustworthiness AI) ซึ่งเป็นสิ่งสำคัญในการสร้างความเชื่อมั่นให้กับผู้ใช้งานและสังคม โดยศึกษาภาพรวมของมาตรฐานสากล ISO/IEC TR 24028:2020 ที่เป็นแนวทางในการสร้างความน่าเชื่อถือในระบบ AI รวมถึงปัจจัยที่ส่งผลต่อความน่าเชื่อถือ เช่น ความถูกต้อง (Accuracy), ความปลอดภัย (Security), และความแข็งแกร่ง (Robustness)
11.00 – 12.00	AI Risk Management	*– แนะนำมาตรฐาน ISO/IEC 23894:2023 AI Risk Management:* ทำความเข้าใจมาตรฐานสากล ISO/IEC 23894:2023 ที่ว่าด้วยการบริหารจัดการความเสี่ยงที่เกี่ยวข้องกับ AI ซึ่งเป็นกรอบการทำงานในการระบุ, วิเคราะห์, ประเมิน, บรรเทา และติดตามความเสี่ยงตลอดวงจรชีวิตของ AI – แนวทางการบริหารจัดการความเสี่ยง: เรียนรู้หลักการและวิธีการในการระบุประเภทของความเสี่ยงที่เกิดจากการใช้งาน AI (เช่น ความเสี่ยงด้านความเป็นส่วนตัว, ความเสี่ยงด้านความปลอดภัยทางไซเบอร์, ความเสี่ยงด้านจริยธรรม), การประเมินระดับความเสี่ยง, และการกำหนดมาตรการในการลดหรือควบคุมความเสี่ยงเหล่านั้นอย่างมีประสิทธิภาพ
12.00 – 13.00	พักรับประทานอาหารกลางวัน
13.00 – 14.00	Thailand AI Governance Framework	– ETDA AI Governance Framework – ETDA Generative AI Governance Framework
14.00 – 14.30	การกำกับดูแลการใช้ AI	– *แนะนำมาตรฐาน ISO/IEC 38507:2022 Governance implications of the use of AI by organizations:* ทำความเข้าใจมาตรฐานสากล ISO/IEC 38507:2022 ที่เกี่ยวข้องกับผลกระทบด้านการกำกับดูแลจากการใช้งาน AI ในองค์กร ซึ่งเป็นแนวทางให้คณะกรรมการบริหารและผู้บริหารระดับสูงในการควบคุมดูแลการใช้ AI – *การจัดทำนโยบาย AI:* เรียนรู้ขั้นตอนและองค์ประกอบสำคัญในการจัดทำนโยบายการใช้งาน AI ภายในองค์กร เช่น วัตถุประสงค์ของการใช้งาน, ขอบเขตการใช้งาน, บทบาทหน้าที่ความรับผิดชอบ, และข้อจำกัด *– โครงสร้างการกำกับดูแล AI:* ทำความเข้าใจโครงสร้างและบทบาทหน้าที่ของหน่วยงานหรือบุคคลที่รับผิดชอบในการกำกับดูแล AI ภายในองค์กร รวมถึงการกำหนดคณะทำงานหรือคณะกรรมการด้าน AI Governance
14.30 – 14.45	พักเบรกบ่าย
14.45 – 15.30	การบริหารจัดการ AI	*– แนะนำ ISO/IEC 42001:2023 Artificial intelligence Management system:* ทำความเข้าใจมาตรฐานสากล ISO/IEC 42001:2023 ที่เป็นระบบการจัดการ AI ในองค์กร ซึ่งเป็นกรอบการทำงานสำหรับการสร้าง, ดำเนินการ, บำรุงรักษา, และปรับปรุงระบบการจัดการ AI *– แนะนำ ISO/IEC 42005:2025 – AI system impact assessment:* เรียนรู้เกี่ยวกับการประเมินผลกระทบของระบบ AI ตามมาตรฐาน ISO/IEC 42005:2025 ซึ่งเป็นแนวทางในการระบุและจัดการผลกระทบที่อาจเกิดขึ้นจากการใช้งาน AI ทั้งในเชิงบวกและเชิงลบต่อบุคคล, สังคม และสิ่งแวดล้อม
15.30 – 15.45	Case Study	– กรณีศึกษาคดีที่เกี่ยวข้อง
15.45 – 16.00	Q/A

**กำหนดการอาจมีเปลี่ยนแปลงตามความเหมาะสม

#AIGovernance #AIforManagement #DataGovernance #คอร์สเรียน2568 #ITMMahidol #MUEG

เปิดตัว 7 คอร์สสุดเข้มข้น! ตลอดปลายปี 2568 กับ Datalent Team

เตรียมตัวให้พร้อมสำหรับการยกระดับทักษะด้านข้อมูลและเทคโนโลยีกับ 7 หลักสูตรคุณภาพ จาก Datalent Team ที่จะเปิดสอนตลอดช่วงปลายปี 2568 นี้ เหมาะสำหรับทั้งผู้บริหาร นักวิเคราะห์ข้อมูล และผู้เริ่มต้นที่ต้องการพัฒนาศักยภาพในสายงาน Data & AI

รายชื่อหลักสูตรและวันเวลาเรียน:

AI Governance for Management
📅 วันที่ 27 กันยายน 2568 | ⏰ 6 ชั่วโมง
Python Programming for Beginner: Python for Data Analysis and Data Visualization
📅 วันที่ 4-5, 11 ตุลาคม 2568 | ⏰ 18 ชั่วโมง
Introduction to Data Management based on DMBOK
📅 วันที่ 25 ตุลาคม 2568 | ⏰ 3 ชั่วโมง
Data Governance for Business Leader
📅 วันที่ 1 พฤศจิกายน 2568 | ⏰ 6 ชั่วโมง
Data Visualization and Data Storytelling with Power BI
📅 วันที่ 15 – 16 พฤศจิกายน 2568 | ⏰ 12 ชั่วโมง
Data Quality Management Essentials
📅 วันที่ 22 – 23 พฤศจิกายน 2568 | ⏰ 12 ชั่วโมง
Python for Machine Learning and Data Mining
📅 วันที่ 29-30 พฤศจิกายน และ 6 ธันวาคม 2568 | ⏰ 18 ชั่วโมง

🔗 รายละเอียดเพิ่มเติมและลงทะเบียนเร็ว ๆ นี้!
📲 คลิกที่นี่ เพื่อดูรายละเอียดเพิ่มเติม 👉 [https://datalentteam.co/]
อีเมล: Admin@datalentteam.co
โทร: 097-113-5975 (คุณบอย) 085-913-6975 (คุณมายด์)
ติดตามข่าวสารได้ทางเว็บไซต์และเพจของเรา
#datagovernance #PowerBI #python #ITMMahidol #MUEG
#DatalentTeam #DataQuality #AIgovernance

พูดกับ AI ให้รู้เรื่อง: เคล็ดลับการใช้ LLM อย่างชาญฉลาด

ขอเชิญร่วมสัมมนาฟรีในหัวข้อ “พูดกับ AI ให้รู้เรื่อง: เคล็ดลับการใช้ LLM อย่างชาญฉลาด”

ใครอยากใช้ ChatGPT หรือ Gemini ให้เก่งขึ้น รวมถึงเรียนรู้การใช้ LLM ด้วย Python – ห้ามพลาดการสัมมนานี้!

ไฮไลต์หัวข้อสัมมนา:

เรียกใช้งาน Service AI (เช่น ChatGPT, Gemini)

• แนะนำ LLM

• ประโยชน์ของ LLM

Python with Vector DB

• แนะนำการ ติดตั้ง PostgreSQL ผ่านทาง Docker

• การเพิ่มเอกสารลงใน VectorDB

• การเรียกคืนเอกสารผ่านระบบ Semantic search

Python with LM Studio

• ติดตั้ง LM Studio เพื่อโฮสต์ LLM บนเครื่องตัวเอง

• นำข้อมูลที่ทำ Semantic Search ส่งไปยัง LLM เพื่อใช้เป็นองค์ความรู้ในการตอบคำถาม

ลงทะเบียนเลยตอนนี้ รีบสมัครก่อนที่นั่งจะเต็ม

[DatalentTeam]

AI & Data Governance เบื้องหลังความสำเร็จขององค์กรยุค AI

ขอเชิญเข้าร่วมสัมมนาฟรี ในหัวข้อ AI & Data Governance เบื้องหลังความสำเร็จขององค์กรยุค AI จาก IT Management, คณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหิดล

เปิดมุมมองใหม่สู่การกำกับดูแลข้อมูลและปัญญาประดิษฐ์อย่างมีประสิทธิภาพ

ไฮไลต์หัวข้อสัมมนา:

Data Governance

• ทำไม Data Governance คือรากฐานขององค์กรที่ขับเคลื่อนด้วยข้อมูล (Data-Driven Organization) และการพัฒนา AI

• กรณีศึกษาทั้งความสำเร็จและบทเรียนจากความล้มเหลวที่คุณไม่ควรพลาด

• เจาะลึก Framework ระดับสากล เช่น DAMA-DMBOK, DCAM และแนวทางจาก DGA

• บทบาทสำคัญของ CDO และ Data Steward ในการกำกับดูแลข้อมูลอย่างมีประสิทธิภาพ

AI Governance

• เข้าใจหลักจริยธรรม AI: โปร่งใส ยุติธรรม อธิบายได้ และมีความรับผิดชอบ

• รู้จักวงจรชีวิตของระบบ AI และมาตรฐานใหม่ ISO/IEC 42001

• การจัดการความเสี่ยงของ AI ด้วย NIST และ ISO/IEC 23894

• อัปเดตกฎหมายและแนวโน้มการกำกับดูแล AI ทั้งในไทยและระดับสากล

ลงทะเบียนได้แล้ววันนี้!
ที่นั่งมีจำนวนจำกัด รีบจองก่อนเต็ม กดลิงก์เพื่อลงทะเบียนได้เลย

[DatalentTeam]

#ITMMahidol #DatalentTeam #AI #DataGovernance #AIGovernance #DigitalTransformation #สัมมนาองค์กรยุคใหม่ #องค์กรขับเคลื่อนด้วยข้อมูล

Data Steward คืออะไร

Data Steward มีชื่อเรียกภาษาไทยว่าบริกรข้อมูล มีหน้าที่กำหนดนโยบายในการดูแลรักษาคุณภาพและความปลอดภัยของข้อมูล เพื่อให้ข้อมูลที่ใช้ในองค์กรมีความถูกต้อง เชื่อถือได้ เข้าถึงได้ง่าย และมีความมั่นคงปลอดภัย อาชีพ Data Steward จึงเป็นอาชีพที่มีความสำคัญมากขึ้นในทุกองค์กร โดยเฉพาะในปัจจุบันซึ่งเป็นยุคที่ข้อมูลกลายเป็นสินทรัพย์ที่มีมูลค่ามหาศาล การมีข้อมูลที่มีคุณภาพ มีความถูกต้อง เชื่อถือได้ และเข้าถึงได้ง่าย ถือเป็นสิ่งสำคัญในการสร้างความได้เปรียบขององค์กร

ทักษะที่จำเป็นสำหรับบุคคลที่เป็น Data Steward

1. ความรู้ด้านข้อมูล

Data Steward ต้องมีความรู้ความเข้าใจเกี่ยวกับข้อมูลเป็นอย่างดี ไม่ว่าจะเป็นประเภทของข้อมูล รูปแบบข้อมูล กระบวนการจัดเก็บข้อมูล และความรู้เกี่ยวกับการบริหารจัดการข้อมูล เช่น Data Governance และ Data Quality การมีความรู้ด้านข้อมูลเป็นอย่างดีจะช่วยให้ Data Steward สามารถกำหนดนโยบายในการดูแลรักษาคุณภาพและความปลอดภัยของข้อมูลได้อย่างมีระบบ

2. ทักษะการวิเคราะห์ข้อมูล

Data Steward ต้องมีการวิเคราะห์ข้อมูลซึ่งเป็นทักษะที่สำคัญมาก เนื่องจาก Data Steward ต้องสามารถตรวจสอบและวิเคราะห์คุณภาพของข้อมูล รวมถึงการหาปัญหาที่อาจเกิดขึ้น เช่น ข้อมูลที่ซ้ำซ้อนหรือข้อมูลที่ไม่ถูกต้อง

3. ทักษะการสื่อสาร

Data Steward จำเป็นต้องมีทักษะการสื่อสารที่ดีเนื่องจากต้องสื่อสารกับทีมงานและผู้ที่เกี่ยวข้อง ทั้งในด้านเทคนิคและไม่ใช่เทคนิค การอธิบายปัญหาหรือแนวทางการปรับปรุงข้อมูลให้เข้าใจง่ายจึงเป็นสิ่งสำคัญไม่แพ้กัน เพราะหากสื่อสารผิดพลาดการทำงานอาจผิดพลาดได้

4. ทักษะการจัดการโครงการ

Data Steward ต้องมีความสามารถในการวางแผนและจัดการโครงการที่เกี่ยวข้องกับการจัดการข้อมูล รวมถึงการติดตามผลการดำเนินงานและการประเมินผล

5. ความรู้เกี่ยวกับกฎหมาย

ในยุคที่มีข้อกำหนดทางกฎหมายที่เข้มงวดเกี่ยวกับข้อมูล เช่น พระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล พ.ศ. 2562 (Personal Data Protection Act: PDPA)ที่ สร้างมาเพื่อป้องกันการละเมิดข้อมูลส่วนบุคคลของทุกคน รวมถึงการจัดเก็บข้อมูลและนำไปใช้โดยไม่ได้แจ้งให้ทราบ และไม่ได้รับความยินยอมจากเจ้าของข้อมูล Data Steward ต้องมีความเข้าใจเกี่ยวกับข้อกฎหมายเหล่านี้ เพื่อให้แน่ใจว่าการบริหารข้อมูลขององค์กรเป็นไปตามกฎหมายและข้อบังคับที่เกี่ยวข้อง

6. ทักษะด้านเทคโนโลยี

Data Steward ควรมีความรู้เกี่ยวกับเครื่องมือและเทคโนโลยีที่ใช้ในการจัดการข้อมูล เช่น ระบบจัดการฐานข้อมูล (DBMS) โปรแกรมประมวลผลข้อมูล และเครื่องมือการวิเคราะห์ข้อมูล เช่น Tableau หรือ Power BI การเชี่ยวชาญในเครื่องมือเหล่านี้จะช่วยให้ Data Steward สามารถจัดการและวิเคราะห์ข้อมูลได้อย่างมีประสิทธิภาพมากยิ่งขึ้น

7. ความละเอียดรอบคอบ

ทักษะนี้สำคัญมากในการตรวจสอบข้อมูล เพราะความผิดพลาดเล็กน้อยสามารถส่งผลกระทบใหญ่หลวงต่อการตัดสินใจขององค์กร ความละเอียดรอบคอบในการทำงานจะช่วยให้ Data Steward สามารถป้องกันข้อผิดพลาดและปรับปรุงคุณภาพข้อมูลได้

8. ความรู้เกี่ยวกับธุรกิจและกระบวนการทำงานในองค์กร

Data Steward ต้องมีความรู้ความเข้าใจธุรกิจและกระบวนการทำงานภายในองค์กร (Business Domain) เป็นอย่างดี เพราะองค์กรแต่ละองค์กรมีความรู้และวิธีดำเนินการต่าง ๆ ที่เป็นเอกลักษณ์ของตัวเอง การเข้าใจ Business Domain เป็นสิ่งสำคัญสำหรับการวางแผนธุรกิจ การกำหนดกลยุทธ์ และการทำการตลาด และการจัดการข้อมูลอย่างมีประสิทธิภาพ

สรุป

Data Steward เป็นอาชีพที่มีบทบาทสำคัญอย่างมากในการบริหารจัดการข้อมูลขององค์กร การพัฒนาทักษะที่จำเป็นในการทำงานเหล่านี้จะช่วยให้ Data Steward สามารถปฏิบัติงานได้อย่างมีประสิทธิภาพ และส่งเสริมคุณภาพและความปลอดภัยของข้อมูลในองค์กรได้ดียิ่งขึ้น

Uncategorized

วันที่อบรม: วันที่ 22 – 23 พฤศจิกายน 2568 | เวลา 09.00 – 16.00 น.

ราคา 9,000 บาท ลงทะเบียนก่อน 14 วันลด 10 % เหลือเพียง 8,100 บาท

หลักการและเหตุผล

วัตถุประสงค์

หลักสูตรนี้เหมาะกับใครบ้าง

ความรู้พื้นฐาน

ลงทะเบียน

กำหนดการ

วันที่อบรม: วันที่ 20 – 21 ธันวาคม 2568| เวลา 09.00 – 16.00 น.

ราคา 6,900 บาท ลงทะเบียนก่อน 14 วันลด 10 % เหลือเพียง 6,210 บาท

หลักการและเหตุผล

วัตถุประสงค์

หลักสูตรนี้เหมาะกับใครบ้าง

ความรู้พื้นฐาน

ลงทะเบียน

กำหนดการ

วันที่อบรม: วันที่ 6 ธันวาคม 2568 | เวลา 09.00 – 16.00 น.

ราคา 5,900 บาท ลงทะเบียนก่อน 14 วันลด 10 % เหลือเพียง 5,310 บาท

หลักการและเหตุผล

วัตถุประสงค์

หลักสูตรนี้เหมาะกับใครบ้าง

ความรู้พื้นฐาน

ลงทะเบียน

กำหนดการ

วันที่อบรม: 25 ตุลาคม 2568 | เวลา 09.00 – 12.00 น.

ราคา 1,890 บาท ลงทะเบียนก่อน 14 วันลด 10 % เหลือเพียง 1,701 บาท

หลักการและเหตุผล

วัตถุประสงค์

หลักสูตรนี้เหมาะกับใครบ้าง

ความรู้พื้นฐาน

ลงทะเบียน

กำหนดการ

วันที่อบรม: วันที่ 15-16 และ 22 พฤศจิกายน 2568 | เวลา 09.00 – 16.00 น.

ราคา 5,690 บาท บาท ลงทะเบียนก่อน 14 วันลด 10 % เหลือเพียง 5,121 บาท

หลักการและเหตุผล

วัตถุประสงค์

หลักสูตรนี้เหมาะกับใครบ้าง

ความรู้พื้นฐาน

ลงทะเบียน

กำหนดการ

วันเสาร์ ที่ 27 กันยายน 2568 | เวลา 09.00 – 16.00 น.

ราคา 8,900 บาท บาท ลงทะเบียนก่อน 14 วันลด 10 % เหลือเพียง 8,010 บาท

หลักการและเหตุผล

วัตถุประสงค์

หลักสูตรนี้เหมาะกับใครบ้าง

ความรู้พื้นฐาน

ลงทะเบียน

กำหนดการ

**กำหนดการอาจมีเปลี่ยนแปลงตามความเหมาะสม

รายชื่อหลักสูตรและวันเวลาเรียน:

Data Steward คืออะไร

ทักษะที่จำเป็นสำหรับบุคคลที่เป็น Data Steward

1. ความรู้ด้านข้อมูล

2. ทักษะการวิเคราะห์ข้อมูล

3. ทักษะการสื่อสาร

4. ทักษะการจัดการโครงการ

5. ความรู้เกี่ยวกับกฎหมาย

6. ทักษะด้านเทคโนโลยี

7. ความละเอียดรอบคอบ

8. ความรู้เกี่ยวกับธุรกิจและกระบวนการทำงานในองค์กร

สรุป

Recent Posts

Recent Comments

Cause Categories

Latest Posts

Datalent Team