Introduction to Data Analytics with RapidMiner Studio 6 (ภาษาไทย)

1. Introduction to Business Analytics   with RapidMiner Studio 6 Thai version Eakasit Pacharawongsakda, Ph.D. Certified RapidMiner Analyst Data Cube http://www.dataminingtrend.com http://facebook.com/datacube.th

2. Introduction to Business Analytics with RapidMiner Studio 6 (data)3  base|warehouse|mining http://www.dataminingtrend.com  http://facebook.com/datacube.th Eakasit Pacharawongsakda, Ph.D. Certiﬁed RapidMiner Analyst

3. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 2 ชื่อผู้แต่ง ดร.เอกสิทธิ์ พัชรวงศ์ศักดา ชื่อหนังสือ Introduction to Business Analytics With RapidMiner Studio 6 จำนวนหน้า 138 หน้า พิมพ์ครั้งที่ 1 วันเดือนปีที่พิมพ์ สิงหาคม 2558 ชื่อสำนักพิมพ์ บริษัท เอเชีย ดิจิตอลการพิมพ์ จำกัด ถ.งามวงศ์วาน แขวงลาดยาว เขตจตุจักร กรุงเทพฯ 10900 ออกแบบปก กมนนัทธ์ บางแวก จัดรูปเล่ม เอกสิทธิ์ พัชรวงศ์ศักดา ราคา 299 บาท สงวนลิขสิทธิ์ ตาม พ.ร.บ. ลิขสิทธิ์ พ.ศ. 2537 ห้ามลอกเลียนแบบไม่ว่าส่วนหนึ่งส่วนใดของหนังสือ/เอกสารเล่มนี้ นอกจากจะได้รับอนุญาติเป็นลายลักษณ์อักษร คําเตือน !!!   การนําไปถ่ายเอกสารอาจจะทําให้ข้อความและรูปไม่ชัดทําให้อ่านได้ยากและ   จะทําให้ผู้แต่งเสียใจเป็นอันมาก T_T

4. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 “แด่คุณพ่อผู้เป็นฮีโร่เสมอมา คุณแม่ผู้คอยเฝ้าดูจากบนฝากฟ้า และภรรยาที่คอยอยู่เคียงข้างกันตลอดเวลา” 3

5. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 คำนำ ปัจจุบันเราสร้างข้อมูลขึ้นอย่างมากมายในแต่ละวัน ตัวอย่างเช่น การรับและส่ง email การติดตาม ข่าวสารต่างๆ บนเครือข่ายสังคมออนไลน์ (online social network) หรือ การซื้อสินค้าตามร้านค้าต่างๆ ผมรบกวนให้ท่านผู้อ่านลองจินตนาการดูนะครับว่าถ้าท่านเป็นเจ้าของร้านอาหารที่ได้รับความนิยมเป็น อย่างมากแห่งหนึ่งซึ่งในร้านที่มีจำนวน 30 โต๊ะ และถ้าในแต่ละวันมีลูกค้าเข้ามาเต็มร้านจำนวน 20 รอบ ร้านของเราจะมีข้อมูลการซื้อขายสินค้าเป็นจำนวน 600 transaction ต่อวัน และในหนึ่งเดือนเราจะ มีข้อมูลจำนวนประมาณ 18,000 transaction ที่ถูกเก็บไว้ในฐานข้อมูลและหนึ่งปีจะมีจำนวน 216,000 transaction และถ้าเป็นข้อมูลของการซื้อขายในซุเปอร์มาร์เก็ตยิ่งมีจำนวนมากมายกว่านี้อีกหลายเท่า ทว่าข้อมูลที่มีมากมายเหล่านี้จะไม่ก่อให้เกิดประโยชน์เลยถ้าเราเพียงแค่เก็บไว้อย่างเดียว เพื่อให้ข้อมูล เหล่านี้มีมูลค่าเพิ่มมากขึ้นเราจึงจำเป็นต้องนำข้อมูลเหล่านี้มาทำการวิเคราะห์เพื่อดูในแง่มุมต่างๆ ในหนังสือเล่มนี้จะแสดงวิธีการนำข้อมูลการซื้อขายมาวิเคราะห์ให้เห็นเป็นตัวอย่างโดยเริ่มจากการ  เตรียมข้อมูลเพื่อให้การวิเคราะห์ข้อมูลทำได้ง่ายมากขึ้น หลังจากนั้นจะเป็นการนำข้อมูลการซื้อสินค้า ของลูกค้าแต่ละรายมาทำการแบ่งกลุ่ม (segmentation) ซึ่งจะช่วยให้สามารถเข้่าใจพฤติกรรมการซื้อ สินค้าของลูกค้าได้ดีขึ้น เพราะการจะดูรายละเอียดของลูกค้าแต่ละรายคงเป็นไปได้ยาก โ ดยในหนังสือ เล่มนี้เราจะใช้วิธีการแบ่งกลุ่มข้อมูลการซื้อด้วยเทคนิค RFM (ย่อมาจาก Recency, Frequency และ Monetary) เพื่อจะได้เข้าใจพฤติกรรมการซื้อสินค้าของลูกค้าแต่ละกลุ่มว่ามีจำนวนครั้งในการซื้อสินค้า มากน้อยแค่ไหนและมีการใช้จ่ายมากน้อยแค่ไหน หลังจากที่ได้ทำการเลือกกลุ่มที่น่าสนใจมาแล้วจึงนำ ไปหาความสัมพันธ์ของการซื้อสินค้า (product associate) ต่อเพื่อดูว่ามีสินค้าประเภทใดที่ลูกค้ามักจะ ซื้อพร้อมกันบ่อยครั้งบ้าง เมื่อทราบรูปแบบการซื้อสินค้าในลักษณะนี้แล้วอาจจะช่วยในการจัดวาง สินค้าหรือนำเสนอสินค้าหรือโปรโมโชัน ให้กับลูกค้าให้ตรงกับความต้องการได้มากขึ้น ซึ่งในปัจจุบันนี้ เราสามารถทำการวิเคราะห์ข้อมูลในลักษณะนี้ได้ง่ายขึ้นโดยใช้ซอฟต์แวร์ RapidMiner Studio 6 ซึ่ง สามารถดาวน์โหลดมาใช้งานได้ฟรี สุดท้ายนี้หวังว่าจะทำให้ท่านผู้อ่านเข้าใจเรื่องการวิเคราะห์ข้อมูลและสามารถนำไปใช้กับข้อมูลของ ตนเองที่มีอยู่ไม่มากก็น้อยครับ ^^ ขอบคุณมากครับ ดร. เอกสิทธิ์ พัชรวงศ์ศักดา   28 สิงหาคม 2558 4

6. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 สารบัญ 5 หน้า บทที่ 1 แนะนำส่วนต่างๆ ของ RapidMiner Studio 6 11 การติดตั้งซอฟต์แวร์ 13 ส่วนประกอบต่างๆ ของ RapidMiner Studio 6 19 บทที่ 2 การเตรียมข้อมูล (preprocess) 26 แนะนำข้อมูล Sales data 27 การสร้าง Repository ใหม่ 30 การ import ข้อมูลเข้ามาใช้งาน 33 การดูข้อมูลในรูปแบบต่างๆ (data exploration) 36 โอเปอเรเตอร์ที่ใช้งานในบทที่ 2 39 การคัดเลือกข้อมูล 40 การคำนวณราคา 45 แนะนำการแบ่งกลุ่มด้วยวิธี RFM (Recency, Frequency, Monetary) 49 การเตรียมข้อมูลสำหรับการแบ่งกลุ่มด้วยวิธี RFM 52 แบบฝึกท้ายบท 65 บทที่ 3 การแบ่งกลุ่มข้อมูล (segmentation) 66 การแบ่งกลุ่มลูกค้าตามพฤติกรรมการบริโภคด้วยวิธี RFM 68 โอเปอเรเตอร์ที่ใช้งานในบทที่ 3 70 การแบ่งกลุ่มข้อมูลด้วยวิธี RFM ใน RapidMiner Studio 6 71 แบบฝึกท้ายบท 90

7. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 สารบัญ (ต่อ) 6 หน้า บทที่ 4 การหาความสัมพันธ์ของข้อมูล (Product Association) 91 แนะนำการหากฏความสัมพันธ์ (Association Rules) 92 โอเปอเรเตอร์ที่ใช้งานในบทที่ 4 97 การเตรียมข้อมูลก่อนหาความสัมพันธ์ 99 การหารูปแบบของสินค้าที่เกิดขึ้นบ่อย (frequent itemset) 118 การหากฏความสัมพันธ์ 122 แบบฝึกท้ายบท 126 ภาคผนวก A การสร้างข้อมูล 129 ภาคผนวก B โอเปอเรเตอร์ที่ใช้งานทั้งหมด 133

8. (data)3  base|warehouse|mining http://www.dataminingtrend.com  http://facebook.com/datacube.th แนะนำตัว  บทที่ 0

9. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 About me • ชื่อ: เอกสิทธิ์ พัชรวงศ์ศักดา • การศึกษา: • ปริญญาเอก วิทยาการคอมพิวเตอร์ สถาบันเทคโนโลยีนานาชาติสิรินธร (SIIT) มหาวิทยาลัย ธรรมศาสตร์ • ปริญญาโท วิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเกษตรศาสตร์ • ปริญญาตรี วิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเกษตรศาสตร์   (เกียรตินิยมอันดับ 2) • ประสบการณ์ • Certiﬁed RapidMiner Analyst • วิทยากรอบรมการใช้งานซอฟต์แวร์ open source ทางด้าน data mining • แต่งหนังสือ Data Mining ฉบับภาษาไทย 8

10. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 • สอบวัดมาตรฐานและได้รับ certiﬁcate จาก RapidMiner About me (ต่อ) 9

11. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 • วิทยากรรับเชิญอบรมทางด้าน Data Mining ให้กับหน่วยงานต่างๆ • มหาวิทยาลัยต่างๆ • หน่วยงานและบริษัทชั้นนำต่างๆ About me (ต่อ) 10

12. (data)3  base|warehouse|mining http://www.dataminingtrend.com  http://facebook.com/datacube.th แนะนำส่วนต่างๆ ของ  RapidMiner Studio 6 บทที่ 1

13. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 Introduction RapidMiner • RapidMiner • ในตอนแรกใช้ชื่อบริษัทว่า Rapid-I ก่อตั้งขึ้น  เมื่อปี 2006 • ในช่วงแรกบริษัทตั้งอยู่ที่ประเทศเยอรมนี • ปี 2013 ได้เปลี่ยนชื่อบริษัทเป็น RapidMiner หลังจาก  ได้รับเงินลงทุนจำนวน 5 ล้านเหรียญสหรัฐ • และย้ายบริษัทมาอยู่ที่บอสตัน ประเทศสหรัฐอเมริกา • ผลิตภัณฑ์หลักของบริษัทคือ RapidMiner Studio 6 • ผลการสำรวจจากเว็บไซต์ KDnuggets ในปี 2014 พบว่าผู้ร่วมตอบแบบสำรวจใช้ RapidMiner ในการวิเคราะห์ข้อมูลมากเป็นอันดับ 1 • Gartner ได้จัดให้ RapidMiner อยู่  ในกลุ่ม Leaders สำหรับซอฟต์แวร์  ในการวิเคราะห์ข้อมูล (2015) • SAS • IBM • KNIME • RapidMiner 12 Ingo Mierswa Ralf Klinkenberg source: http://techcrunch.com/2013/11/04/german-predictive-analytics-startup-rapid-i-rebrands-as-rapidminer-takes-5m-from-open-ocean-  earlybird-to-tackle-the-u-s-market/ source: http://www.kdnuggets.com/2014/06/kdnuggets-annual-software-poll-rapidminer-continues-lead.html  http://rapidminer.com/leader-gartners-magic-quadrant-advanced-analytics/

14. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 RapidMiner Studio 6 • download ได้จาก http://rapidminer.com • กรอกข้อมูลเพื่อสร้าง Account สำหรับดาวน์โหลดซอฟต์แวร์ 13 1 คลิกเมนูดาวน์โหลด 2 3 4 5 email ที่ใช้สมัคร password ที่ใช้ ใส่ password ที่ กรอกไว้อีกครั้ง กดปุ่มเพื่อสมัคร

15. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 RapidMiner Studio 6 • หลังจากยืนยันการลงทะเบียนทาง email แล้ว ให้คลิกที่เมนู login   เพื่อดาวน์โหลดซอฟต์แวร์ • กรอก username และ password ที่ได้สมัครไว้ในตอนแรก 14 6 7 8 9 คลิกเมนู Login email ที่ใช้สมัคร password ที่กรอก ไว้ตอนสมัคร กดปุ่ม Login

16. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 RapidMiner Studio 6 • หลังจาก login แล้วจะพบเมนูต่างๆ คลิกที่เมนู Downloads • เลือกดาวน์โหลด version ที่เหมาะสมกับระบบปฏิบัติการของเรา 15 10 เลือกเมนู ดาวน์โหลด เลือกระบบปฏิบัติการ (OS) ที่ติดตั้งในเครื่อง

17. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 RapidMiner Studio 6 • การติดตั้งซอฟต์แวร์ RapidMiner Studio 6 สำหรับระบบปฏิบัติการต่างๆ สามารถดูขั้นตอนอย่างละเอียดได้จาก http://docs.rapidminer.com/studio/ installation/ • double click ที่ icon เพื่อเริ่มใช้งานซอฟต์แวร์ • หลังจากติดตั้งซอฟต์แวร์เรียบร้อยแล้ว ขั้นตอนถัดมาจะต้อง login   โดยใช้ email และ password ที่ได้ทำการสมัครไว้ครับ 16 1 2 3 email ที่ใช้สมัคร password ที่กรอก ไว้ตอนสมัคร กดปุ่มเพื่อ login

18. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 RapidMiner Studio 6 • หลังจากตรวจสอบกับ Server ถ้าสำเร็จจะแสดงดังในรูป • กดปุ่ม Restart เพื่อเริ่มการทำงานใหม่อีกครั้ง 17 แสดงชื่อเจ้าของ license แสดงวันหมดอายุ การใช้งาน 4 Note: RapidMiner Studio 6 มีหลาย license ครับ ในการติดตั้งครั้งแรก จะให้ใช้ Professional License เป็นเวลา 14 วัน หลังจากนั้นจึง กลายเป็น Starter License ที่ใช้ได้ ตลอดไปครับ กดปุ่มเพื่อเริ่มใช้งาน 5กดปุ่มเพื่อ restart

19. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 RapidMiner Studio 6 • หน้าต่างเริ่มใช้งานจะแสดงขึ้นมา ซึ่งจะแสดง 4 เมนู คือ • Tutorials แสดงวิธีการใช้งาน • Documentation Site เพื่อ link ไปยังหน้าเว็บไซต์ที่แสดง document การใช้งาน • Accelerator แสดงโพรเซส (process) ตัวอย่างที่เตรียมไว้ให้ • New Process สร้างโพรเซสใหม่เพื่อเริ่มการใช้งาน RapidMiner • ในการใช้งาน RapidMiner Studio 6 จะเป็นการสร้างโพรเซส ขึ้นมาเพื่อทำงาน ต่างๆ โดยโพรเซสจะประกอบด้วย โอเปอเรเตอร์ (operator) ต่างๆ • โพรเซสที่สร้างขึ้นสามารถนำกลับมาใช้งานใหม่ได้ หรือ ส่งไปให้คนอื่นได้ 18 6 เลือกเมนู ‘New Process’ เพื่อเริ่มใช้งาน A B C D A B C D

20. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 • องค์ประกอบของหน้าต่าง Design ใน RapidMiner Studio 6 • Operators • ส่วนนี้จะเก็บโอเปอเรตอร์ในการใช้งานต่างๆ ไว้เป็นกลุ่มตามหน้าที่ที่คล้ายคลึงกัน และในส่วนของโอเปอเรเตอร์นี้ยังมีที่สำหรับการค้นหาโอเปอเรเตอร์อีกด้วย • โอเปอเรเตอร์แต่ละตัวจะประกอบด้วย • ชื่อของโอเปอเรเตอร์ • อินพุต พอร์ต (Input port) เป็นส่วนรับข้อมูลเข้ามา  ประมวลผล • เอาท์พุต พอร์ต (Output port) เป็นส่วนส่งผลลัพธ์ที่  ประมวลได้ • ชื่ออินพุต พอร์ตและเอาท์พุต พอร์ตแสดงด้วยตัวอักษร 3 ตัวแรก  ของชื่อพอร์ต เช่น exa ย่อมาจาก example set • สัญลักษณ์วงกลมแสดงสถานะการทำงานของโอเปอเรเตอร์ RapidMiner Studio 6 19 Operators Repositories Process Parameter help A B C D E a b c d A a b c d

21. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 RapidMiner Studio 6 • Repositories • ส่วนนี้จะใช้ในการจัดการไฟล์ต่างๆ หลักการของ RapidMiner Studio 6 จะเก็บ ไฟล์ข้อมูลหรือโพรเซสต่างๆ ไว้ใน โฟลเดอร์เพื่อความสะดวกในการเรียกใช้งาน ครั้งถัดไป • Process • ส่วนนี้เป็นอีกส่วนที่สำคัญของ RapidMiner Studio เพราะหลักการทำงานของ ซอฟต์แวร์นี้คือการนำโอเปอเรเตอร์ต่างๆ มา ประกอบกันให้เป็นโพรเซสขึ้นมา • Parameters • ส่วนนี้จะเป็นส่วนที่แสดงพารามิเตอร์ (parameter) ที่ เกี่ยวข้องกับแต่ละ  โอเปอเรเตอร์ เช่น โอเปอเรเตอร์ Read CSV สำหรับอ่านไฟล์ CSV จะมี พารามิเตอร์ที่เกี่ยวข้อง เช่น ชื่อและที่อยู่ของไฟล์ CSV เป็นต้น • Help • ส่วนนี้จะเป็นส่วนที่แสดงข้อความช่วยเหลือหรือรายละเอียดของโอเปอเรเตอร์ที่ เลือกใช้งานอยู่ ซึ่งประกอบด้วยรายละเอียดเบื้องต้น ความหมายของแต่ละ พารามิเตอร์ และตัวอย่างการใช้งานในส่วนท้ายสุด 20 B C แสดงโพรเซสที่กำลังทำงาน เพิ่ม Note ในโพรเซส เชื่อมโอเปอเรเตอร์ต่างๆใน โพรเซสแบบอัตโนมัติ D E

22. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 RapidMiner Studio 6 • เมนูด้านบนในหน้าต่าง Design มีดังนี้ • เมนูทางด้านขวาบนของหน้าต่าง Design จะใช้สำหรับสลับหน้าจอ  การทำงานไปยังหน้าต่างๆ ดังนี้  • หน้า Home แสดงหน้าเริ่มต้นของ RapidMiner Studio 6 • หน้า Design แสดงหน้าสำหรับการสร้างโพรเซส • หน้า Results แสดงหน้าผลลัพธ์การทำงาน • หน้า Accelerator แสดงหน้าตัวอย่างระบบที่เตรียมไว้ให้ 21 เมนูสำหรับการสร้างโพรเซสใหม่ เมนูสำหรับการโหลดไฟล์ต่างๆ จาก repository เมนูสำหรับการบันทึกโพรเซส เมนูสำหรับบันทึกโพรเซสเป็นชื่อใหม่ เมนูสำหรับพิมพ์โพรเซสออกทางเครื่องพิมพ์  หรือบันทึกเป็นไฟล์ PDF หรือรูปภาพ เมนูสำหรับการทำ undo หรือ redo เมนูสำหรับสั่งให้โพรเซสทำงาน (run) เมนูสำหรับสั่งให้โพรเซสหยุดทำงานชั่วคราว (pause) เมนูสำหรับสั่งให้โพรเซสยกเลิกทำงานชั่วคราว (stop) เมนูสำหรับเรียกดู tutorial Note: • เมนูที่เหลืออีก 2 เมนูเป็นการสั่งให้โพรเซสทำงานบนคลาวด์ (cloud) ซึ่งมีค่าใช้จ่ายรายเดือน  เดือนละ 39$ และการทำงานจะคิดเป็นเครดิตโดยต้องซื้อครั้งละ 100 เครดิตเป็นจำนวนเงิน 39$ ครับ A B C D A B C D

23. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 • หน้าต่าง Home • รายละเอียดของเมนูต่างๆ ในหน้า Home มีดังนี้ • Tutorials แสดงวิธีการใช้งานเบื้องต้น • Accelerators แสดง process ตัวอย่างที่เตรียมไว้ • New Process สำหรับสร้าง process ใหม่ขึ้นมา เพื่อทำงาน • Open สำหรับเปิด process เดิมที่บันทึกไว้เพื่อมาทำงาน RapidMiner Studio 6 22 A B C D A B C D

24. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 • หน้าต่าง Results • หน้าต่าง Accelerator RapidMiner Studio 6 23 ส่วนของการแสดงผลลัพธ์ Repositories A B

25. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 Business Analytics Example • ในหนังสือเล่มนี้จะแสดงวิธีการใช้งาน RapidMiner Studio 6 เพื่อ  ช่วยในการวิเคราะห์ข้อมูลของซุเปอร์มาร์เก็ต (supermarket)   แห่งหนึ่งซึ่งได้ทำการเก็บข้อมูลสมาชิก (ลูกค้า) และการซื้อสินค้าต่างๆ ไว้ • วัตถุประสงค์เพื่อค้นหาว่าลูกค้ากลุ่มใดที่น่าสนใจและสินค้าที่ลูกค้ามักจะมาซื้อ ร่วมกันบ่อยๆ เพื่อจะได้นำเสนอโปรโมชันได้อย่างเหมาะสม • โพรเซสทั้งหมดแสดงดังในรูปด้านล่าง 24 Recency (R) Frequency (F) Monetary (M) ลำดับ ความสัมพันธ์ในการซื้อ สินค้า ความถี่ (%) 1 Sports, Health 36 2 Toys, Clothing 33 3 Toys, Electronics 30 4 Books, Movies 24sales data segmentation product association

26. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 Business Analytics Example • ขั้นตอนการทำงานในบทต่อๆ ไปมีดังนี้ • บทที่ 2 แนะนำการนำข้อมูลเข้ามาใช้งานและการเตรียมข้อมูลต่างๆ • บทที่ 3 แนะนำการแบ่งกลุ่มลูกค้า (segmentation) ออกตามพฤติกรรมการซื้อ สินค้า • บทที่ 4 แนะนำการหาความสัมพันธ์ของการซื้อสินค้าต่างๆ (product association) 25

27. (data)3  base|warehouse|mining http://www.dataminingtrend.com  http://facebook.com/datacube.th การเตรียมข้อมูล  (preprocess) บทที่ 2

28. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 Sales database • ซุเปอร์มาร์เก็ตแห่งหนึ่งมีร้านอยู่หลายสาขา (Store) แต่การเก็บข้อมูลจะ  เก็บไว้ในฐานข้อมูลกลาง ซึ่งมีรายละเอียดดังในตารางด้านล่าง • trans_id แสดงหมายเลขการซื้อสินค้า (transaction) • store_id แสดงหมายเลขของสาขา • customer_id แสดงหมายเลขของลูกค้า • product_id แสดงหมายเลขของสินค้า • product_cat แสดงประเภทของสินค้า (category) • date แสดงวันและเวลาที่ซื้อสินค้า • amount แสดงจำนวนสินค้าชนิดนั้นที่ซื้อ • single_price แสดงราคาสินค้า/หน่วย 27 trans_id store_id customer_id product_id product_cat date amount single_price 1 Store 01 Customer 1508 53642 Toys Sun Apr 01 08:09:06 2007 3.0 90.24 2 Store 15 Customer 169 90945 Movies Tue Feb 15 10:47:27 2005 2.0 60.58 3 Store 12 Customer 124 18548 Movies Thu Sep 27 05:38:56 2007 5.0 96.61 4 Store 01 Customer 1508 53642 Toys Sun Apr 01 08:09:06 2007 3.0 90.24 A B C D E F G H A B C D E F G H Note: • ข้อมูลที่ใช้ในหนังสือเล่มนี้เป็นข้อมูลตัวอย่างที่สร้างขึ้นมาจาก RapidMiner Studio 6 ดูวิธีการสร้าง ชุดข้อมูลตัวอย่างนี้ได้จาก Appendix A ครับ

29. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 Data • RapidMiner จะมีชื่อเรียกข้อมูลที่แสดงในรูปแบบของตาราง ดังนี้ • แถว เรียกว่า ตัวอย่าง (example) • คอลัมน์ เรียกว่า แอตทริบิวต์ (attribute) ซึ่งมี 2 หน้าที่ที่ใช้งานบ่อย • ไอดี (ID) เป็นแอตทริบิวต์ที่แสดงหมายเลขของข้อมูล หรือ primary key ในฐานข้อมูล • แอตทริบิวต์ที่มีหน้าที่เป็นแอตทริบิวต์ไอดีจะแสดงด้วยสีฟ้า • แอตทริบิวต์ทั่วไป (attribute) เป็นแอตทริบิวต์ปกติที่ใช้ในการประมวลผลหรือ คำนวณต่างๆ • แอตทริบิวต์ที่มีหน้าที่เป็นแอตทริบิวต์ทั่วไปจะแสดงด้วยสีเทา • ประเภทของข้อมูลที่เก็บในแต่ละแอตทริบิวต์ • Polynominal คือ ข้อมูลประเภท category (ข้อมูลที่ไม่ใช่ตัวเลข) มีค่ามากกว่า 2 ค่า ขึ้นไป • Integer/Real คือ ข้อมูลประเภทตัวเลขจำนวนเต็ม หรือ จำนวนที่มีทศนิยม • Date time คือ ข้อมูลประเภทวันที่และเวลา 28 attributeID trans_id store_id customer_id product_id product_cat date amount single_price 1 Store 01 Customer 1508 53642 Toys Sun Apr 01 08:09:06 2007 3.0 90.24 2 Store 15 Customer 169 90945 Movies Tue Feb 15 10:47:27 2005 2.0 60.58 3 Store 12 Customer 124 18548 Movies Thu Sep 27 05:38:56 2007 5.0 96.61 4 Store 01 Customer 1508 53642 Toys Sun Apr 01 08:09:06 2007 3.0 90.24 polynominal data time realinteger

30. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 • Repository • เป็นที่เก็บข้อมูลและโพรเซสเพื่อใช้งานใน RapidMiner Studio 6 ทำให้ไม่ต้อง โหลดข้อมูลจากไฟล์ใหม่ทุกครั้ง • ส่วน Repository ประกอบด้วย 2 ส่วน คือ • เมนูสำหรับการจัดการ Repository • สำหรับสร้าง Repository ใหม่ • โหลดไฟล์ประเภทต่างๆ เข้าไปไว้ใน Repository • สร้างโฟลเดอร์ใหม่ • Repository ที่มีอยู่ใน RapidMiner Studio 6 • Samples เป็นข้อมูลและโพรเซส ตัวอย่างที่ RapidMiner Studio 6 เตรียมไว้ให้ • Local Repository เป็น Repository ที่เก็บข้อมูลและโพรเซสในเครื่องคอมพิวเตอร์  ของเราเอง (local) • Cloud Repository เป็น Repository ที่เก็บข้อมูลและโพรเซสบน Cloud Data management 29 A B A B

31. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 • ในหนังสือเล่มนี้เราจะสร้าง Repository ใหม่เพื่อเก็บข้อมูลและโพรเซส • คลิกที่ไอคอน • เลือก New local repository • กดปุ่ม Next • เปลี่ยนชื่อ Alias เป็น GettingStartedWithRapidMiner • คลิกที่ Use standard location เพื่อไม่เลือก option นี้ • คลิกที่ไอคอน เพื่อเลือก Root directory (ซึ่งเป็นโฟลเดอร์สำหรับเก็บข้อมูล) ใหม่ Create Repository 30 2 1 3 1 2 3 4 5 6 6 4 5

32. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 • สร้าง Repository ใหม่ (ต่อ) • คลิกที่ไอคอน เพื่อสร้างโฟลเดอร์สำหรับ Repository ใหม่ ในตัวอย่างนี้เลือกที่ Desktop (แต่ท่านผู้อ่านสามารถเลือกที่ไดรฟ์ C: หรือ D: ก็ได้ครับ) • สร้างโฟลเดอร์ชื่อ GettingStartedWithRapidMiner • กดปุ่ม OK • เลือกโฟลเดอร์ที่สร้างขึ้น • กดปุ่ม Open Create Repository 31 7 7 8 9 10 11 8 10 11 9

33. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 Create Repository • สร้าง Repository ใหม่ (ต่อ) • กดปุ่ม Finish • จะได้ Repository ใหม่แสดงขึ้นมา 32 12 13 12 13 ขยายส่วน Repositories ให้ เต็มหน้าจอ

34. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 Import Sale data • import ไฟล์ Excel เข้าไปไว้้ใน Repository • ในส่วน Repositories คลิกที่ไอคอน เลือก Import Excel Sheet… • เลือกไฟล์ sale_data.xlsx ที่สร้างขึ้น (ดูวิธีการสร้างไฟล์ประเภท Excel ได้จาก Appendix A ครับ) • ขั้นตอนที่ 2 ของการ Import ไฟล์ คือ การเลือก Worksheet ที่ต้องการ import • ในไฟล์ตัวอย่างมีแค่ Worksheet เดียวจึงมีเพียงแท็บเดียวให้เลือก 33 3 4 เลือกไฟล์ sales_data.xlsx 5 เลือก Worksheet นี้ 1 2

35. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 Import Sale data • import ไฟล์ Excel เข้าไปไว้้ใน Repository (ต่อ) • ขั้นตอนที่ 3 กำหนดให้แถวแรกของไฟล์เป็นชื่อแอตทริบิวต์ และคลิก Next • ขั้นตอนที่ 4 เปลี่ยน Date format ให้เป็นแบบ yyyy-MM-dd HH:mm:ss • เปลี่ยนแอตทริบิวต์ transaction_id ให้มีหน้าที่ (role) เป็น ID และ product_id ให้เป็นประเภท Polynominal 34 7 6 กำหนดให้แถวแรกเป็น ชื่อแอตทริบิวต์ 10 8 9 11 เปลี่ยนรูปแบบของวันที่ และเวลา เปลี่ยนหน้าที่ของ แอตทริบิวต์ให้เป็น ID เปลี่ยนประเภทให้เป็น Polynominal แทน Integer

36. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 • import ไฟล์ Excel เข้าไปไว้้ใน Repository (ต่อ) • ขั้นตอนที่ 5 ซึ่งเป็นขั้นตอนสุดท้ายคือกำหนดว่าจะเก็บข้อมูลไว้ที่ Repository ที่ สร้างขึ้นมาใหม่ (GettingStartedWithRapidMiner) และตั้งชื่อไฟล์เป็น sales_data • ข้อมูลที่ import เข้ามาใน RapidMiner Studio 6 จะแสดงเป็นรูปแบบ  ของตาราง แต่ก็สามารถเปลี่ยนไปดูในรูปแบบอื่นๆ ได้ เช่น กราฟ Import Sale data 35 13 12 14 เลือกไฟล์ Repository ที่สร้างขึ้นใหม่ ตั้งชื่อข้อมูลเป็น sales_data แสดงรายละเอียดของข้อมูล คลิกที่ชื่อแอตทริบิวต์เพื่อ sort

37. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 • แสดงข้อมูลที่โหลดเข้ามาได้หลายรูปแบบ เช่น • แสดงข้อมูลในรูปแบบตาราง (Data) และถูกกำหนดเป็นค่าเริ่มต้น (default) • แสดงค่าสรุปทางสถิติ (Statistics) เช่น ค่า Min, Max, Average, Deviation • แสดงกราฟรูปแบบต่างๆ (Charts) เช่น กราฟแท่ง กราฟวงกลม • แสดงข้อมูลในรูปแบบตาราง • ExampleSet แสดงจำนวนข้อมูลทั้งหมดในไฟล์ • Filter แสดงจำนวนข้อมูลจากการกรอง (ﬁlter) ทำได้ 5 แบบ • all แสดงข้อมูลทั้งหมด (ทั้งที่มีค่าว่างและไม่ว่าง) • no_missing_attributes แสดงเฉพาะข้อมูลที่ไม่มีค่าว่างในแอตทริบิวต์ • missing_attributes แสดงเฉพาะข้อมูลที่มีค่าว่างในแอตทริบิวต์ • no_missing_labels แสดงเฉพาะข้อมูลที่ไม่มีค่าว่างในแอตทริบิวต์ประเภทลาเบล • missing_labels แสดงเฉพาะข้อมูลที่มีค่าว่างในแอตทริบิวต์ประเภทลาเบล • ตารางแสดงข้อมูลในแต่ละแอตทริิบิวต์ คลิกที่ชื่อแอตทริบิวต์เพื่อทำการเรียงลำดับ • กดปุ่ม Ctrl ค้างไว้ และคลิกที่ชื่อแอตทริบิวต์จะเป็นการเรียงลำดับมากกว่า 1 แอตทริบิวต์ (สำหรับระบบปฏิบัติการ OS X ให้กดปุ่ม command แทน) Data exploration 36 A B C A B C

38. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 Data exploration • คลิกที่เมนู Statistics จะแสดงค่าสรุปทางสถิติ มีคอลัมน์ต่างๆ ดังนี้ • Name แสดงชื่อแอตทริบิวต์ • Type แสดงประเภทของข้อมูลในแต่ละแอตทริบิวต์ เช่น Integer, Polynominal • Miss. จำนวนข้อมูลที่มีค่าว่าง • Statistics ค่าทางสถิติต่างๆ เช่น Min, Max, Average, Deviation, Least, Most, Values 37 A B C D A B C D • ข้อมูล sales_data ที่ import เข้ามาจะแสดงไว้ ใน Repository • สัญลักษณ์ แสดงข้อมูล (data) • ถ้าต้องการเรียกดูข้อมูลให้ double click ที่ชื่อ ของข้อมูล • ถ้าต้องการนำไปใช้ในโพรเซส ให้คลิกที่ชื่อ ข้อมูลและลากไปวางไว้ใน main process ข้อมูลที่ import เข้ามา

39. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 Data exploration • ข้อมูล sales ที่ import เข้ามามีจำนวนการซื้อขายทั้งหมด 100,000 ตัวอย่าง (examples) • ระยะเวลาการซื้อขายตั้งแต่ วันที่ 1 กุมภาพันธ์ 2005 (Feb 1, 2005) จนถึง วันที่ 29 พฤศจิกายน 2008 (Nov 29, 2008) • มีการซื้อจากร้านค้าทั้งหมด 15 สาขา (Store) • มีลูกค้า (customers) ทั้งหมด 2,000 คน • มีสินค้าทั้งหมด 8 ประเภท คือ • Books, Clothing, Electronics, Health, Home/Garden, Movies, Sports และ Toys • ในบทนี้จะแนะนำการเตรียมข้อมูล (preprocessing) เพื่อใช้ในการแบ่งกลุ่ม ลูกค้า (รายละเอียดอยู่ในบทที่ 3) โดยมีขั้นตอนดังนี้ • เลือกเฉพาะสาขาที่สนใจ เช่น สาขาที่ 1 (Store 01) • คำนวณราคารวมสำหรับการซื้อสินค้าแต่ละครั้ง • สรุปค่าต่างๆ ได้แก่ • จำนวนครั้งในการซื้อสินค้าของลูกค้าแต่ละราย (Frequency) • จำนวนเงินที่ใช้จ่ายรวมของลูกค้าแต่ละราย (Monetary) • วันที่ซื้อสินค้าล่าสุดของลูกค้าแต่ละราย 38

40. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 Preprocessing: Filter Examples • ในบทนี้จะแนะนำการเตรียมข้อมูล (preprocessing) เพื่อใช้ในการแบ่งกลุ่ม ลูกค้า (รายละเอียดอยู่ในบทที่ 3) โดยมีขั้นตอนดังนี้ • เลือกเฉพาะสาขาที่สนใจ เช่น สาขาที่ 1 (Store 01) • ใช้โอเปอเรเตอร์ Filter Examples • คำนวณราคารวมสำหรับการซื้อสินค้าแต่ละครั้ง • สรุปค่าต่างๆ ได้แก่ • จำนวนครั้งในการซื้อสินค้าของลูกค้าแต่ละราย (Frequency) • จำนวนเงินที่ใช้จ่ายรวมของลูกค้าแต่ละราย (Monetary) • วันที่ซื้อสินค้าล่าสุดของลูกค้าแต่ละราย • ดึงข้อมูล (retrieve) จาก Repository มาใช้งานในโพรเซส โดยลาก (drag) ข้อมูล sales_data มาไว้ในส่วน Main Process 40 1 2 คลิกที่ sales_data ลากมาวางไว้ที่ Main Process Note: • โอเปอเรเตอร์ที่เลือกจะมีเส้นกรอบสีส้มล้อมรอบโอเปอเรเตอร์นั้นอยู่

41. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 Preprocessing: Filter Examples • เลือกโอเปอเรเตอร์ Filter Examples เพื่อเลือกเฉพาะข้อมูลของ  สาขาที่ 1 (Store 1) • ค้นหาโอเปอเรเตอร์ Filter Examples ในส่วน Operators หลังจากนั้นโอเปอ  เรเตอร์จะแสดงออกมา (สามารถพิมพ์บางส่วนของชื่อโอเปอเรเตอร์ได้) • ลากโอเปอเรเตอร์ไปวางไว้ใน Main Process • ลากเส้นเชื่อมจากพอร์ต out ของโอเปอเรเตอร์ Retrieve Sales_data ไปต่อกับ พอร์ต exa ของโอเปอเรเตอร์ Filter Examples เพื่อส่งข้อมูลที่ดึงมาจาก Repository ไปใช้งานต่อในโอเปอเรเตอร์ Filter Examples 41 3 4 คลิกที่โอเปอเรเตอร์ ใส่คำที่ต้องการค้นหา 5ลากมาวางไว้ที่ Main Process 6 ลากเส้นเชื่อมระหว่าง 2 โอเปอเรเตอร์  เพื่อส่งข้อมูลไปใช้งานต่อ Note: • พอร์ตที่มีชื่อว่า exa จะเป็นข้อมูลที่อยู่ ในรูปแบบของตาราง (table) • เอาท์พุตพอร์ตของ Filter Examples จะ มี 3 พอร์ต คือ • exa แสดงข้อมูลที่ผ่านเงื่อนไขการ ﬁlter แล้ว • ori แสดงข้อมูลทั้งหมด • unm แสดงข้อมูลที่ไม่ผ่านเงื่อนไข • รายละเอียดของพอร์ตดูได้จากส่วน Help ในตัวซอฟต์แวร์

42. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 Preprocessing: Filter Examples • คลิกที่โอเปอเรเตอร์ Filter Examples (ซึ่งจะมีกรอบสีส้มล้อมรอบอยู่) และส่วน พารามิเตอร์จะแสดงพารามิเตอร์ของโอเปอเรเตอร์ Filter Examples • คลิกที่ปุ่ม Add Filters... จะแสดงหน้าต่าง Create Filters ขึ้นมา • ใส่เงื่อนไขเพื่อเลือกเฉพาะสาขาที่ 1 (Store 01) • เลือกแอตทริบิวต์ store_id • เลือกเงื่อนไขเป็น equals • คลิกที่ไอคอน และเลือก Store 01 ในส่วนเงื่อนไข 42 7 คลิกที่ปุ่ม Add Filters... หน้าต่างสำหรับการใส่เงื่อนไขจะแสดงขึ้นมา 8 9 10คลิกเพื่อให้แสดงค่าต่างๆ ในแอตทริบิวต์ store_id 11

43. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 Preprocessing: Filter Examples • ลากเส้นต่อจากพอร์ต exa ของโอเปอเรเตอร์ Filter Examples ไป  ยังพอร์ต res (พอร์ตด้านขวามือเพื่อแสดงข้อมูลในหน้าต่าง Results) • คลิกที่ปุ่ม (Run process) เพื่อให้โพรเซสทำงาน • หลังจากที่โพรเซสทำงานเสร็จเรียบร้อยจะเปลี่ยนมายังหน้าต่าง Results • แสดงข้อมูลการซื้อขายเฉพาะของสาขาที่ 1 (Store 01) ซึ่งมีจำนวน 6,636 ตัวอย่าง 43 12 13 ลากเส้นเชื่อมระหว่างโอเปอเรเตอร์และพอร์ต res คลิกที่ปุ่ม Run เพื่อให้โพรเซสทำงาน แสดงเฉพาะข้อมูลที่เป็น Store 01

44. (data)3  base|warehouse|mining http://www.dataminingtrend.com  http://facebook.com/datacube.th การแบ่งกลุ่มลูกค้า (Segmentation) บทที่ 3

45. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 Segmentation • หลังจากบทที่ผ่านมาเราได้ทำการสรุปค่าการซื้อสินค้าของลูกค้าแต่ละรายได้แล้วซึ่งถ้า ลูกค้ามีจำนวนไม่มากนักการดูพฤติกรรมการซื้อสินค้าของลูกค้าแต่ละรายก็ไม่ได้ยาก แต่ถ้าในกรณีที่ลูกค้ามีจำนวนมาก เช่นประมาณ 10,000 หรือ 100,000 คน การดูลูกค้า รายบุคคลคงจะทำได้ยากหรืออาจจะทำไม่ได้เลย • ดังนั้นการจัดกลุ่มลูกค้าที่มีพฤติกรรมคล้ายๆ กันไว้ด้วยกันจะช่วยให้สามารถดูภาพรวม ของลูกค้าได้ง่ายขึ้น เช่น กลุ่มลูกค้าที่มีการซื้อสินค้าของเราบ่อยๆ และมีการใช้จ่าย เยอะ หรือ กลุ่มลูกค้าที่ไม่ค่อยมาซื้อสินค้าของเราแต่เมื่อมาซื้อแต่ละครั้งจะซื้อใน จำนวนที่มาก หลังจากที่เราเลือกกลุ่มที่น่าสนใจแล้วเราก็นำไปวิเคราะห์ในด้านอื่นๆ ได้ ต่อไป เช่น การหาว่าลูกค้ากลุ่มที่เลือกมามักจะซื้อสินค้าอะไรด้วยกันบ่อยๆ บ้าง (ซึ่งราย ละเอียดจะอยู่ในบทที่ 4 การหาความสัมพันธ์ของการซื้อสินค้า (product association) • การจัดกลุ่มลูกค้ามีหลายวิธีครับ ในหนังสือเล่มนี้ผมจะขอแนะนำวิธีการหนึ่งที่นิยมใช้ กัน วิธีการนี้เรียกว่าการจัดกลุ่มตามพฤติกรรมการซื้อสินค้า โดยดูจาก • ระยะเวลา (จำนวนวัน) จากการซื้อล่าสุดที่ผ่านมา (Recency) • ความถี่ของการซื้อสินค้า (Frequency) • การใช้จ่ายของลูกค้า (Monetary) • วิธีการนี้นำเสนอโดย Fader ในปี 2005 เราเรียกวิธีการนี้แบบย่อๆ ว่า RFM ครับ ซึ่งวิธี การนี้เราจะแบ่งค่า Recency (R), Frequency (F) และ Monetary (M) ออกเป็น 5 ส่วน เท่าๆ กันโดยเลขที่มีค่ามากสุด (คือเลข 5) จะมีความสำคัญที่สุด และใช้ค่าตัวเลข 3 หลักเป็นตัวแทนของแต่ละกลุ่ม เช่น กลุ่ม 555 คือกลุ่มที่มีค่า R = 5, F = 5 และ M = 5 หมายความว่าเป็นลูกค้าที่มักจะมาซื้อสินค้าของเราบ่อยๆ และมีการใช้จ่ายที่สูงนั่นเอง ครับ 67

46. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 RFM Segmentation: Data Exploration • กราฟแท่ง (Bars) ที่แสดงจำนวนข้อมูลลูกค้าในแต่ละกลุ่มตามค่า RFM 83 10 11 คลิกเพื่อดูกราฟ 12 13 14 เปลี่ยนให้แสดงกราฟใน แนวนอน (horizontal)

47. (data)3  base|warehouse|mining http://www.dataminingtrend.com  http://facebook.com/datacube.th การหาความสัมพันธ์ของข้อมูล (Product Association) บทที่ 4

48. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 Product Association • ก่อนที่จะไปดูว่าการหาความสัมพันธ์คืออะไร ผมจะขอยกตัวอย่างให้ดูสัก 3 ตัวอย่างนะ ครับ ตัวอย่างแรกก็คือ • ประโยคฮิตของร้านสะดวกซื้อแห่งหนึ่งที่ว่า “รับขนมจีบ ซาลาเปาทานเพิ่มไหม ครับ/คะ?” ซึ่งผมคิดว่าผู้อ่านหลายท่านคงจะคุ้นหูกันเป็นอย่างดี ประโยคนี้ไม่ได้ เป็นเพียงการพูดขึ้นมาลอยๆ แต่มันมีความหมายในเชิงการตลาดซึ่งมีวัตถุประสงค์ เพื่อเพิ่มยอดขายให้กับทางร้านอีกด้วยครับ • การซื้อสินค้าในเว็บไซต์อเมซอน (amazon.com) ซึ่งในขณะที่เรากำลังเลือกหนังสือ อยู่นั้น จะมีหนังสืออื่นที่ลูกค้ามักจะซื้อไปพร้อมกับเรื่องที่เรากำลังสนใจอยู่แสดงใน ส่วนของ Frequently Bought Together ปรากฎขึ้นมาด้วยครับ • การจัดวางสินค้าในแคตตาล็อก (catalog) หรือการจัดวางสินค้าตามชั้นต่างๆ จะ เลือกสินค้าที่มักจะมีการซื้อร่วมกันบ่อยมาวางไว้ใกล้ๆ กันเพื่อให้ลูกค้าสะดุดตา และเลือกซื้อสินค้าได้ง่ายขึ้นครับ • จากตัวอย่างทั้ง 3 มีวัตถุประสงค์คล้ายกัน คือ การเพิ่มยอดขายให้กับร้านค้าโดยใช้ ประวัติการซื้อสินค้าของลูกค้าในอดีต ในทางการตลาดการเสนอสินค้าที่เกี่ยวข้องให้กับ ลูกค้าจะเรียกว่า “cross-selling” ซึ่งการทำ cross-sell แบบนี้อาศัยข้อมูลจากการค้นหา ความสัมพันธ์ในการซื้อสินค้าต่างๆ ที่ผ่านมา • ในการค้นหาความสัมพันธ์ในการซื้อสินค้านี้จะมีวิธีการที่เรียกว่า การหากฏความ สัมพันธ์ (Association Rules) ซึ่งเป็นเทคนิคหนึ่งที่สำคัญในการวิเคราะห์ข้อมูลด้วย ดาต้า ไมน์นิง (Data Mining) ซึ่งวิธีการค้นหาอย่างละเอียดได้อธิบายไว้ในหนังสือ   “An Introduction to Data Mining Techniques (Thai version)” ซึ่งเขียนโดยผู้แต่ง  เอง [1] แต่ในหนังสือเล่มนี้จะขอสรุปคำจำกัดความ (technical term) ที่เกี่ยวข้องในการ ค้นหากฏความสัมพันธ์และใช้งานในซอฟต์แวร์ RapidMiner Studio 6 92

49. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 Product Association • ในการหาความสัมพันธ์ของการซื้อสินค้านี้จะใช้ข้อมูลจากการซื้อที่ผ่านมาดังเช่น ข้อมูลที่ได้ จาก POS (Point of Sales) ซึ่งมักจะเก็บไว้ในตาราง Order Detail ซึ่งประกอบไปด้วยหลายๆ ฟิลด์ดังตัวอย่างด้านล่าง ซึ่งยกตัวอย่างฟิลด์ที่สำคัญเพียง 3 ฟิลด์ คือ • TID แสดงหมายเลขการซื้อสินค้า (transaction ID) • Transaction time แสดงช่วงวลาในการซื้อสินค้า • Product แสดงสินค้าที่ซื้อ • จากตาราง Order Detail จะเห็นได้ว่าหนึ่งเรคอร์ด (record) เป็นการซื้อสินค้าหนึ่งชนิด ดังนั้น ถ้าในหนึ่งครั้งมีการซื้อสินค้ามากกว่าหนึ่งชนิดแล้วจะมีจำนวนเรคอร์ดมากกว่าหนึ่งเรคอร์ดแต่ ใช้ TID เป็นตัวบ่งบอกว่าเป็นการซื้อสินค้าในครั้งเดียวกัน ซึ่งข้อมูลที่เก็บอยู่ในลักษณะนี้ไม่ เหมาะที่จะนำไปหาความสัมพันธ์ของการซื้อขายต่อ ดังนั้นจึงต้องทำการแปลงข้อมูลในตาราง Order Detail (ซ้ายมือ) ให้เป็นตาราง Transaction ทางขวามือเสียก่อน 93 TID Transaction time Product 1 01-13-2014 20:04 Apple 1 01-13-2014 20:04 Cereal 1 01-13-2014 20:04 Diapers 2 01-14-2014 11:30 Beer 2 01-14-2014 11:30 Cereal 2 01-14-2014 11:30 Eggs 3 01-15-2014 14:30 Apple 3 01-15-2014 14:30 Beer 3 01-15-2014 14:30 Cereal 3 01-15-2014 14:30 Eggs 4 01-16-2014 14:15 Beer 4 01-16-2014 14:15 Eggs TID Products 1 Apple, Cereal, Diapers 2 Beer, Cereal, Eggs 3 Apple, Beer, Cereal, Eggs 4 Beer, Eggs ตาราง Order Detail ตาราง Transaction

50. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 Appendix B: Operators • ส่วนประกอบสำคัญในการทำงานของซอฟต์แวร์ RapidMiner Studio 6 คือโอเปอเรเตอร์ (Operator) การทำงานต่างๆ จะใช้โอเปอเรเตอร์มาเชื่อมกันเพื่อสร้างเป็น workﬂow หรือใน ซอฟต์แวร์นี้เรียกว่าโพรเซส (process) ในภาคผนวกนี้จะเป็นการสรุปโอเปอเรเตอร์ต่างๆ ที่ใช้ในหนังสือเล่มนี้ครับ แต่ก่อนอื่นมาดูองค์ประกอบของโอเปอเรเตอร์กันก่อนครับ • โอเปอเรเตอร์แต่ละตัวจะประกอบด้วย • ชื่อของโอเปอเรเตอร์ • อินพุต พอร์ต (Input port) เป็นส่วนรับข้อมูลเข้ามา  ประมวลผล • เอาท์พุต พอร์ต (Output port) เป็นส่วนส่งผลลัพธ์ที่  ประมวลได้   โดยชื่ออินพุต พอร์ตและเอาท์พุต พอร์ตแสดงด้วย ตัวอักษร 3 ตัวแรกของชื่อพอร์ต เช่น exa ย่อมาจาก example set • สัญลักษณ์วงกลมแสดงสถานะการทำงานของ  โอเปอเรเตอร์ 133 a b c d a b c d โอเปอเรเตอร์ คำอธิบาย Retrieve ใช้สำหรับดึงข้อมูลที่เก็บไว้ใน Repository มาใช้งานใน  โพรเซส (Process) Filter Example ใช้สำหรับเลือก (ﬁlter) ข้อมูลที่สนใจออกมาแสดงผล Generate Attribute ใช้สำหรับสร้างแอตทริบิวต์ใหม่ขึ้นมา

51. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 Appendix B: Operators • โอเปอเรเตอร์ที่ใช้ในบทนี้มีดังต่อไปนี้ 134 โอเปอเรเตอร์ คำอธิบาย Aggregate ใช้สำหรับสรุปค่าต่างๆ เช่น ค่ามากสุด (Max) ค่าน้อย สุด (Min) และค่าเฉลี่ย (Average) Rename ใช้สำหรับเปลี่ยนชื่อแอตทริบิวต์ต่างๆ Subprocess ใช้สำหรับรวบรวมโพรเซสที่สร้างไว้มาไว้ภายใน  โอเปอเรเตอร์ สำหรับตัวอย่างนี้จะนำโพรเซสที่สร้าง ได้จากบทที่ 2 นี้ไว้ในโอเปอเรเตอร์ Subprocess นี้ Discretize by Frequency ใช้สำหรับแบ่งช่วงข้อมูลให้แต่ละช่วงมีจำนวนที่เท่ากัน Nominal to Numerical ใช้สำหรับแปลงข้อมูลที่เป็นนอมินอล (Nominal) ให้เป็น ข้อมูลตัวเลข (Numeric) Numerical to Nominal ใช้สำหรับแปลงข้อมูลที่เป็นข้อมูลตัวเลข (Numeric) ให้ เป็นนอมินอล (Nominal) สำหรับในตัวอย่างนี้ใช้เพื่อ แปลงค่า RFM ให้กับไปเป็นประเภทนอมินอล Numerical to Binominal ใช้สำหรับแปลงข้อมูลที่เป็นตัวเลขให้เป็นค่า true/false หรือที่เรียกว่า binominal

52. (data)3  base|warehouse|mining Eakasit Pacharawongsakda, Ph.D. http://facebook.com/datacube.th Introduction to Business Analytics with RapidMiner Studio 6 136

53. ปัจจุบันเราสร้างข้อมูลขึ้นอย่างมากมายในแต่ละวัน ตัวอย่างเช่น การรับและส่ง email การติดตาม ข่าวสารต่างๆ บนเครือข่ายสังคมออนไลน์ (online social network) หรือ การซื้อสินค้าตามร้านค้า ต่างๆ ผมรบกวนให้ท่านผู้อ่านลองจินตนาการดูนะครับว่าถ้าท่านเป็นเจ้าของร้านอาหารที่ได้รับ ความนิยมเป็นอย่างมากแห่งหนึ่งซึ่งในร้านที่มีจำนวน 30 โต๊ะ และถ้าในแต่ละวันมีลูกค้าเข้ามา เต็มร้านจำนวน 20 รอบ ร้านของเราจะมีข้อมูลการซื้อขายสินค้าเป็นจำนวน 600 transaction ต่อวัน และในหนึ่งเดือนเราจะมีข้อมูลจำนวนประมาณ 18,000 transaction ที่ถูกเก็บไว้ในฐานข้อมูลและ หนึ่งปีจะมีจำนวน 216,000 transaction และถ้าเป็นข้อมูลของการซื้อขายในซุเปอร์มาร์เก็ตยิ่งมี จำนวนมากมายกว่านี้อีกหลายเท่า ทว่าข้อมูลที่มีมากมายเหล่านี้จะไม่ก่อให้เกิดประโยชน์เลยถ้าเรา เพียงแค่เก็บไว้อย่างเดียว เพื่อให้ข้อมูลเหล่านี้มีมูลค่าเพิ่มมากขึ้นเราจึงจำเป็นต้องนำข้อมูลเหล่านี้ มาทำการวิเคราะห์เพื่อดูในแง่มุมต่างๆ ในหนังสือเล่มนี้จะแสดงวิธีการนำข้อมูลการซื้อขายมาวิเคราะห์ให้เห็นเป็นตัวอย่างโดยเริ่มจาก การเตรียมข้อมูลเพื่อให้การวิเคราะห์ข้อมูลทำได้ง่ายมากขึ้น หลังจากนั้นจะเป็นการนำข้อมูลการซื้อ สินค้าของลูกค้าแต่ละรายมาทำการแบ่งกลุ่ม (segmentation) ซึ่งจะช่วยให้สามารถเข้่าใจ พฤติกรรมการซื้อสินค้าของลูกค้าได้ดีขึ้น เพราะการจะดูรายละเอียดของลูกค้าแต่ละรายคงเป็นไป ได้ยาก ใ นหนังสือเล่มนี้เราจะใช้วิธีการแบ่งกลุ่มข้อมูลการซื้อด้วยเทคนิค RFM (ย่อมาจาก Recency, Frequency และ Monetary) เพื่อจะได้เข้าใจพฤติกรรมการซื้อสินค้าของลูกค้าแต่ละ กลุ่มว่ามีจำนวนครั้งในการซื้อสินค้ามากน้อยแค่ไหน มีการใช้จ่ายมากน้อยแค่ไหน หลังจากที่ได้ ทำการเลือกกลุ่มที่น่าสนใจมาแล้วจึงนำไปหาความสัมพันธ์ของการซื้อสินค้า (product associate) ต่อเพื่อดูว่ามีสินค้าประเภทใดที่ลูกค้ามักจะซื้อพร้อมกันบ่อยครั้งบ้าง เมื่อทราบรูปแบบการซื้อสินค้า ในลักษณะนี้แล้วอาจจะช่วยในการจัดวางสินค้าหรือนำเสนอสินค้าหรือโปรโมโชัน ใ ห้กับลูกค้าให้ ตรงกับความต้องการได้มากขึ้น ซึ่งในปัจจุบันนี้เราสามารถทำการวิเคราะห์ข้อมูลในลักษณะนี้ได้ ง่ายขึ้นโดยใช้ซอฟต์แวร์ RapidMiner Studio 6 ซึ่งสามารถดาวน์โหลดมาใช้งานได้ฟรี การวิเคราะห์ข้อมูลทางธุรกิจเพื่อเพิ่มยอดขาย  ด้วยซอฟต์แวร์ RapidMiner Studio 6 โดย หสม. ดาต้า คิวบ์ http://www.dataminingtrend.com http://facebook.com/datacube.th

Introduction to Data Analytics with RapidMiner Studio 6 (ภาษาไทย)

Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

Introduction to Data Analytics with RapidMiner Studio 6 (ภาษาไทย)