Data Analytics

Google Sheets: สูตรขั้นสูง (VLOOKUP, INDEX/MATCH, ARRAYFORMULA), ตารางสรุป, ระบบอัตโนมัติ

SQL: SELECT, JOIN, GROUP BY, HAVING, window function (ROW_NUMBER, RANK, LAG/LEAD), CTE, subquery

BigQuery: การแบ่งพาร์ทิชัน, คลัสเตอร์, คิวรีซ้อน, การเพิ่มประสิทธิภาพต้นทุน, UDF

การสร้างโมเดลข้อมูล: star schema, ตาราง fact และ dimension, normalization, denormalization

KPI และเมตริก: CAC, LTV, MRR, ARR, อัตรา churn, NPS, อัตราการแปลง, ARPU

Funnel และ Cohort: การวิเคราะห์การแปลง, การรักษาลูกค้าตาม cohort, การวิเคราะห์ RFM

ELT และ Data Pipeline: Extract-Load-Transform, dbt (model, test, source), การจัดการ

Zapier และระบบอัตโนมัติ: trigger, action, workflow หลายขั้นตอน, webhook

Google Tag Manager: tag, trigger, ตัวแปร, dataLayer, แผนการติดตาม

Power BI: DAX, ตัวชี้วัดที่คำนวณ, ความสัมพันธ์, การแสดงผล, ตัวกรอง, drill-down

Looker Studio: แหล่งข้อมูล, ฟิลด์ที่คำนวณ, ตัวกรอง, พารามิเตอร์, การผสมข้อมูล

การแสดงผล: การเลือกแผนภูมิที่เหมาะสม, การเล่าเรื่องด้วยข้อมูล, หลักการออกแบบ (Tufte)

AB Testing: สมมติฐาน, ขนาดตัวอย่าง, นัยสำคัญทางสถิติ, ค่า p, การทดสอบ t ของ Student

Python และ Pandas: DataFrame, Series, groupby, merge, pivot_table, การทำความสะอาด

Plotly: แผนภูมิแบบโต้ตอบ, subplot, แอนิเมชัน, แดชบอร์ด

Scikit-Learn: การถดถอย, การจำแนก, การจัดกลุ่ม (K-Means), การแบ่ง train/test, เมตริก

วิธีการ: การกำหนดกรอบปัญหา, การระบุแหล่งข้อมูล, การทำความสะอาด, การวิเคราะห์, คำแนะนำ