Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/84219
Title: | นวัตกรรมการประเมินความพร้อมด้านการวิเคราะห์ข้อมูลบิ๊กดาต้าสำหรับธุรกิจขนาดกลางและย่อมโดยใช้การเรียนรู้ของเครื่อง |
Other Titles: | Innovation system for big data analytic readiness in SME by machine learning |
Authors: | สันติสุข ลิ้มปีติเจริญโชติ |
Advisors: | นกุล คูหะโรจนานนท์ ถิระ ฉวรรณกุล |
Other author: | จุฬาลงกรณ์มหาวิทยาลัย. บัณฑิตวิทยาลัย |
Issue Date: | 2562 |
Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
Abstract: | ข้อมูลเป็นทรัพยากรที่มีคุณค่าซึ่งใช้ในการตัดสินใจสำหรับธุรกิจ การวิเคราะห์ข้อมูลบิ๊กดาต้ามีความสำคัญในการสร้างความสามารถในการแข่งขันให้กับธุรกิจทุกขนาดรวมถึงธุรกิจขนาดกลางและขนาดย่อมที่มีความสำคัญต่อระบบเศรษฐกิจเป็นอย่างมาก ระบบประเมินความพร้อมคือเครื่องมือในการประเมินศักยภาพ แนะนำแนวทางพัฒนาและตั้งเป้าหมาย ซึ่งระบบประเมินความพร้อมด้านบิ๊กดาต้าที่มีอยู่ในปัจจุบันถูกออกแบบมาสำหรับองค์กรขนาดใหญ่ การสร้างระบบประเมินขึ้นใหม่สำหรับธุรกิจจนาดเล็กนั้นมีความท้าทาย เนื่องจากต้องใช้ทรัพยากรมากและการปรับปรุงระบบประเมินอยู่เสมอ ดังนั้นวัตถุประสงค์ของงานวิจัยฉบับนี้คือการพัฒนาระบบประเมินความพร้อมด้านบิ๊กดาต้า ที่เหมาะสมกับธุรกิจขนาดกลางและย่อม ในประเทศไทย โดยใช้วิธีการเรียนรู้ของเครื่อง การระบุองค์ประกอบของการประเมินได้จากการทบทวนวรรณกรรมอย่างกว้างขวาง การเก็บข้อมูลโดยการสัมภาษณ์ลึกกับผู้เชี่ยวชาญด้านการวิเคราะห์ข้อมูลเพื่อสร้างแบบประเมินที่มีรูปแบบเหมาะสมกับหน่วยงานขนาดกลางและขนาดย่อมจำนวน 4 โดเมน ได้แก่ด้านทัศนคติขององค์กร ด้านเทคโนโลยีสารสนเทศ ด้านเทคโนโลยีการวิเคราะห์ข้อมูล และด้านบุคลากร จากนั้นเก็บข้อมูลจาก 135 หน่วยงาน เพื่อใช้พัฒนาโมเดลการประเมินความพร้อมด้วยวิธีการเรียนรู้ของเครื่องแบบการวิเคราะห์กลุ่มแฝง พบว่าสามารถสร้างการแบ่งระดับของความพร้อมได้เป็น 4 ระดับ สำหรับทั้ง 4 โดเมน และทำการตรวจสอบโมเดลโดยการวิเคราะห์ข้อมูลการกระจายตัวด้านประชากรณ์ศาสตร์ และการสัมภาษณ์องค์กรจำนวน 11 หน่วยงานเพื่อยืนยันผล ผลจากการศึกษาเชิงประจักษ์ข้างต้นนำมาพัฒนาเป็นนวัตกรรมระบบประเมินความพร้อม โดยใช้เว็ปแอพพลิเคชั่นที่รองรับการแสดงผลบนอุปกรณ์หลากหลายหน้าจอ เมื่อหน่วยงานนำเข้าข้อมูลแล้ว แอพพลิเคชั่นจะคำนวณและแสดงผลคะแนนระดับคะแนนรวมและคะแนนในแต่ละโดเมน รวมถึงแสดงผลเปรียบเทียบกับหน่วยงานอื่นโดยเฉลี่ยที่มีระดับเดียวกันและแนะนำคะแนนเฉลี่ยแต่ละโดเมนเพื่อการพัฒนาไปสู่ระดับที่สูงขึ้น ซึ่งได้ทำการทดสอบการยอมรับนวัตกรรมกับ 33 หน่วยงาน ส่วนสุดท้ายของงานวิจัยเป็นการศึกษาความเป็นได้เพื่อนำไปใช้ในเชิงพาณิชย์ของระบบประเมินความพร้อมด้านการวิเคราะห์ข้อมูลบิ๊กดาต้าสำหรับหน่วยงานขนาดกลางและขนาดย่อม ด้วยวิธีเรียนรู้ของเครื่อง |
Other Abstract: | Data is a valuable asset in decision making for businesses. Big Data Analysis has importance to enhance business competitiveness in every size of businesses including small and medium businesses (SMEs) in which SMEs are important drivers of economics. Big Data Readiness Assessment is the tool to measure capability, guide, and development goals. The current assessment is designed to use for big size of businesses. Creating a new Big Data Assessment for SMEs is challenging since it requires a huge amount of resources and needs to be adjusted frequently. Therefore, the purpose of this thesis is to develop a new Big Data Maturity Model which is suitable for Thai SMEs by using machine learning. Components of the assessment comes from the literature review. Questionnaire and interview have been conducted with experts on big data analytic in order to build the domains of assessment, result in 4 domains, included organizational attitude, infrastructure technology, analytic technology, and people. Data was collected from 135 SMEs for building the assessment model by Latent Class Analysis. It is found that 4 clusters per domain and 4 levels are suitable for assessment. Model validation is proposed by data visualization of the demographic data separation. Also, 11 organizations have been interviewed to verify the usefulness of the model. The researcher develops a responsive web-based application that supports the outputs to be able to well display on multiple devices. Once the data is input, the application will calculate and summarize the maturity level and score per domain. In addition, the report shows comparison average scores with other organizations in the same and higher maturity level for providing guideline scores to be improved. The technology acceptance model is used to measure the intention to use of 33 organizations. The last part of this research has studied the possibility to apply the Big Data readiness assessment for SMEs by machine learning commercially. |
Description: | วิทยานิพนธ์ (วท.ด.)--จุฬาลงกรณ์มหาวิทยาลัย, 2562 |
Degree Name: | วิทยาศาสตรดุษฎีบัณฑิต |
Degree Level: | ปริญญาเอก |
Degree Discipline: | ธุรกิจเทคโนโลยีและการจัดการนวัตกรรม |
URI: | https://cuir.car.chula.ac.th/handle/123456789/84219 |
Type: | Thesis |
Appears in Collections: | Grad - Theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
5887806020.pdf | 5.12 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.