Data Analytics

Data Analytics

DATA

หลักสูตร Data Analytics ที่ครอบคลุมห่วงโซ่คุณค่าของข้อมูลทั้งหมด ตั้งแต่การจัดการข้อมูลด้วย Google Sheets และ SQL ไปจนถึงการสร้างแดชบอร์ดแบบโต้ตอบด้วย Power BI และ Looker Studio ผ่านระบบอัตโนมัติด้วยเครื่องมือ ELT (dbt, Zapier) และการวิเคราะห์เชิงพยากรณ์ด้วย Python (Pandas, Scikit-Learn) เรียนรู้การระบุแหล่งข้อมูล สร้าง funnel วิเคราะห์การรักษาลูกค้า และแนะนำการดำเนินการที่เป็นรูปธรรมจากการวิเคราะห์

สิ่งที่คุณจะได้เรียนรู้

การจัดการข้อมูลด้วย Google Sheets และสูตรขั้นสูง

SQL ขั้นสูงด้วย BigQuery: คิวรีวิเคราะห์, CTE, window function

การสร้างโมเดลข้อมูลสำหรับทีมการตลาด การขาย และผลิตภัณฑ์

เครื่องมือ ELT: dbt สำหรับการแปลง, Zapier สำหรับระบบอัตโนมัติ

การติดตามเว็บด้วย Google Tag Manager และแผนการติดตาม

API และ webhook สำหรับการดึงข้อมูล

การแสดงผลข้อมูลด้วย Power BI และ Looker Studio (Google Data Studio)

การวิเคราะห์ทางสถิติและ AB testing

Python สำหรับการวิเคราะห์: Pandas, Plotly, Jupyter, Google Colab

Machine Learning ประยุกต์: การทำนาย churn, การแบ่งกลุ่มลูกค้าด้วย Scikit-Learn

วิธีการวิเคราะห์: KPI, funnel การขาย, การรักษาลูกค้า, cohort

โปรเจกต์แบบ end-to-end: จากการระบุปัญหาถึงแดชบอร์ดอัตโนมัติ

หัวข้อสำคัญที่ต้องเชี่ยวชาญ

แนวคิดที่สำคัญที่สุดเพื่อเข้าใจเทคโนโลยีนี้และประสบความสำเร็จในการสัมภาษณ์

1

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

2

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

3

BigQuery: การแบ่งพาร์ทิชัน, คลัสเตอร์, คิวรีซ้อน, การเพิ่มประสิทธิภาพต้นทุน, UDF

4

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

5

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

6

Funnel และ Cohort: การวิเคราะห์การแปลง, การรักษาลูกค้าตาม cohort, การวิเคราะห์ RFM

7

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

8

Zapier และระบบอัตโนมัติ: trigger, action, workflow หลายขั้นตอน, webhook

9

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

10

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

11

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

12

การแสดงผล: การเลือกแผนภูมิที่เหมาะสม, การเล่าเรื่องด้วยข้อมูล, หลักการออกแบบ (Tufte)

13

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

14

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

15

Plotly: แผนภูมิแบบโต้ตอบ, subplot, แอนิเมชัน, แดชบอร์ด

16

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

17

วิธีการ: การกำหนดกรอบปัญหา, การระบุแหล่งข้อมูล, การทำความสะอาด, การวิเคราะห์, คำแนะนำ

ชาเลนจ์ Data Analytics วันนี้

วันละหนึ่งโค้ด หาบั๊กให้เจอ หรือพิสูจน์ว่าไม่มีบั๊ก

เล่นวันนี้

1,795 ตำแหน่งงาน Data Analytics ออนไลน์

งานประจำและฟรีแลนซ์ พร้อมประเทศ remote และเงินเดือนเมื่อมีการเผยแพร่ อัปเดตทุกวัน สำหรับสมาชิกเท่านั้น

ดูตลาด Data Analytics

บทความ Data Analytics ล่าสุด

ค้นพบบทความและคู่มือล่าสุดเกี่ยวกับ Data Analytics

ทักษะ data analyst ปี 2026: คิวรี SQL และแดชบอร์ด BI บนเวิร์กสเตชันวิเคราะห์ข้อมูล

ตลาดงาน Data Analyst ปี 2026: ทักษะที่นายจ้างต้องการ เงินเดือน และการเตรียมตัวสัมภาษณ์

ทักษะ data analyst ที่นายจ้างต้องการในปี 2026: SQL, Power BI, Python และ dbt ช่วงเงินเดือน สัดส่วนงานทางไกลรายประเทศ และการเตรียมตัวสัมภาษณ์ทุกรอบ

งาน freelance data analyst ปี 2026: สัญญาจ้าง อัตรารายวัน และการเตรียมสัมภาษณ์

งาน Freelance Data Analyst ปี 2026: แหล่งหาสัญญาจ้าง อัตรารายวัน และการเตรียมตัว

สัญญาจ้าง freelance data analyst ปี 2026 ประกาศอยู่ที่ใด อัตรารายวันในฝรั่งเศสและสหราชอาณาจักร สัดส่วนงาน remote และสิ่งที่การสัมภาษณ์โปรเจกต์ทดสอบ

งาน data analyst ปี 2026 พร้อมสถิติเงินเดือนและเคล็ดลับสัมภาษณ์

งาน Data Analyst ปี 2026: แหล่งหางาน ช่วงเงินเดือน และการเตรียมตัวสัมภาษณ์

คู่มือฉบับสมบูรณ์สำหรับงาน data analyst ปี 2026: แพลตฟอร์มหางานที่ดีที่สุด ช่วงเงินเดือนตามระดับประสบการณ์ และเคล็ดลับการเตรียมตัวสัมภาษณ์เชิงเทคนิคเพื่อความสำเร็จในอาชีพ

ดูบทความ Data Analytics ทั้งหมด