คิดวางระบบข้อมูลให้คนเข้าใจ และ AI วิเคราะห์ได้ถูกบริบท

ระยะเวลาอบรม 1 วัน

ปัจจุบัน Supervisor และหัวหน้างานต้องใช้ข้อมูลในการติดตามผล วิเคราะห์ปัญหา และรายงานผู้บริหารมากขึ้น ขณะเดียวกัน AI ได้เข้ามาช่วยสรุป วิเคราะห์ และค้นหารูปแบบจากข้อมูลได้รวดเร็วกว่าเดิม

อย่างไรก็ตาม คุณภาพของการวิเคราะห์ไม่ได้ขึ้นอยู่กับ Prompt เพียงอย่างเดียว แต่ขึ้นอยู่กับว่า ข้อมูลถูกออกแบบ

จัดโครงสร้างและอธิบายบริบทไว้อย่างถูกต้องเพียงใด

ปัญหาที่พบได้บ่อย เช่น ข้อมูลหลายเรื่องถูกรวมไว้ในตารางเดียว ไม่ชัดเจนว่า 1 แถวหมายถึงอะไร ข้อมูลเกิดการซ้ำ ไม่มี Key สำหรับเชื่อมโยง หรือไม่เข้าใจ Relationship ระหว่างข้อมูล ซึ่งอาจทำให้ทั้งคน โปรแกรม และ AI นับผิด เชื่อมผิด หรือตีความข้อมูลคลาดเคลื่อนได้

หลักสูตร AI-Ready Data Thinking for Supervisor จึงออกแบบเพื่อพัฒนาให้หัวหน้างานสามารถคิดและจัดระบบข้อมูลในระดับใช้งาน เข้าใจโครงสร้างตารางและความสัมพันธ์ของข้อมูล รู้ว่าจะวัดอะไรและแบ่งข้อมูลอย่างไร รวมถึงสามารถจัดเตรียม Data Context เพื่อให้ AI ช่วยวิเคราะห์ข้อมูลได้อย่างถูกบริบทมากขึ้น

Good Prompt ช่วยให้ AI เข้าใจคำสั่ง
Good Data Thinking ช่วยให้ AI เข้าใจข้อมูล

• เพื่อเพิ่มทักษะการรับมือและแก้ไขสถานการณ์ที่ท้าทายกับลูกค้า
• เปลี่ยนปัญหาหน้างานให้เป็นคำถามและระบุข้อมูลที่จำเป็นต่อการวิเคราะห์ได้
• ออกแบบและแยกตารางข้อมูลให้เหมาะสมกับลักษณะของข้อมูลและเหตุการณ์
• เข้าใจ Key, Grain และ Relationship เพื่อลดความเสี่ยงจากข้อมูลซ้ำและการนับผิด
• แยก Metric และ Dimension เพื่อเตรียมข้อมูลสำหรับการวิเคราะห์
• จัดเตรียม Data Context และ Business Rule เพื่อให้ AI ช่วยวิเคราะห์ข้อมูลได้ถูกบริบทมากขึ้น

Module 1: From Problem to Data Question

• Data Thinking คืออะไร
• Problem → Question → Data
• ข้อมูลอะไรจำเป็นต่อการวิเคราะห์
• เปลี่ยนปัญหากว้าง ๆ ให้เป็นคำถามที่วิเคราะห์ได้

Workshop: Better Question

Module 2: Data Structure Design

• ทำไมข้อมูลไม่ควรอยู่ในตารางเดียว
• แยก Master Data / Event Data
• Primary Key / Foreign Key ในระดับใช้งาน
• ลดข้อมูลซ้ำและความผิดพลาดในการวิเคราะห์

Workshop: Break the Big Table

Module 3: Connecting the Data

• Key ใช้เชื่อมข้อมูลอย่างไร
• One-to-One / One-to-Many / Many-to-Many แบบเข้าใจง่าย
• เมื่อไรควรมีตารางกลาง
• Relationship ผิด ทำให้ผลวิเคราะห์ผิดได้อย่างไร
• ตัวอย่าง Customer–Order / Machine–Maintenance / Employee–Training

Module 4: Metric & Dimension

วัดอะไร และแบ่งตามอะไร

• Metric = สิ่งที่ต้องการวัด
• Dimension = มุมที่ใช้แบ่งข้อมูล
• สร้างคำถามจาก Metric + Dimension
• ตัวอย่าง Defect Rate × Line / OT Hours × Department / Sales × Product

Workshop: Metric or Dimension?

Module 5: AI Confusion Test

ข้อมูลต่างโครงสร้าง AI วิเคราะห์ต่างกันหรือไม่

• เปรียบเทียบ One Big Table vs Structured Data
• ใช้คำถามเดียวกันให้ AI วิเคราะห์
• ตรวจความแตกต่างด้านการนับ การเชื่อมโยง และการตีความ
• เห็นผลกระทบของ Data Structure ต่อ AI Analysis

Workshop: Same Question, Different Data Structure

Module 6: AI-Ready Data Context

เตรียมบริบทข้อมูลให้ AI เข้าใจได้ถูกต้อง

ก่อนให้ AI วิเคราะห์ ควรระบุ

TABLE → GRAIN → KEY → RELATIONSHIP → METRIC → BUSINESS RULE → QUESTION

• อธิบายความหมายของข้อมูลก่อนวิเคราะห์
• กำหนดกติกาทางธุรกิจที่ AI ต้องรู้
• ลดการปล่อยให้ AI เดาความหมายของข้อมูลเอง
• กำหนดข้อจำกัดของสิ่งที่ AI ควรหรือไม่ควรสรุป

Workshop: Prepare Data for AI

Final Workshop: AI-Ready Data Thinking Challenge

ผู้เรียนจะได้รับ Business Case เช่น

Defect OT Delivery Delay / Complaint Stock Problem / Turnover

แต่ละกลุ่มต้องวิเคราะห์และนำเสนอระบบข้อมูล โดยเน้นความถูกต้องของ Logic และโครงสร้างข้อมูล มากกว่าการใช้เครื่องมือเชิงเทคนิค

• Supervisor / Section Head
• Team Leader / First-line Manager
• Project Leader / Project Coordinator
• หัวหน้างานที่ต้องรวบรวม วิเคราะห์ หรือรายงานข้อมูล
• บุคลากรที่ต้องการใช้ AI ช่วยวิเคราะห์ข้อมูลจาก Excel หรือระบบงาน

ไม่จำเป็นต้องมีพื้นฐานด้าน Database หรือ Data Analytics ขั้นสูง