Introduction to Data Analytics with RapidMiner Studio 6 (ภาษาไทย)

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

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

(data)3 
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

(data)3 
“แด่คุณพ่อผู้เป็นฮีโร่เสมอมา คุณแม่ผู้คอยเฝ้าดูจากบนฝากฟ้า
และภรรยาที่คอยอยู่เคียงข้างกันตลอดเวลา”
3

(data)3 
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

(data)3 
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
การแบ่งกลุ่มข้อมูลด้วยวิธี RFM ใน RapidMiner Studio 6 71

(data)3 
สารบัญ (ต่อ)
6
หน้า
บทที่ 4 การหาความสัมพันธ์ของข้อมูล (Product Association) 91
แนะนำการหากฏความสัมพันธ์ (Association Rules) 92
การเตรียมข้อมูลก่อนหาความสัมพันธ์ 99
การหารูปแบบของสินค้าที่เกิดขึ้นบ่อย (frequent itemset) 118
การหากฏความสัมพันธ์ 122
ภาคผนวก A การสร้างข้อมูล 129
ภาคผนวก B โอเปอเรเตอร์ที่ใช้งานทั้งหมด 133

(data)3 
แนะนำตัว 
บทที่ 0

(data)3 
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

(data)3 
• สอบวัดมาตรฐานและได้รับ certiﬁcate จาก RapidMiner
About me (ต่อ)
9

(data)3 
• วิทยากรรับเชิญอบรมทางด้าน Data Mining ให้กับหน่วยงานต่างๆ
• มหาวิทยาลัยต่างๆ
• หน่วยงานและบริษัทชั้นนำต่างๆ
About me (ต่อ)
10

(data)3 
แนะนำส่วนต่างๆ ของ 
RapidMiner Studio 6
บทที่ 1

(data)3 
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/

(data)3 
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

(data)3 
RapidMiner Studio 6
• หลังจากยืนยันการลงทะเบียนทาง email แล้ว ให้คลิกที่เมนู login  
เพื่อดาวน์โหลดซอฟต์แวร์
• กรอก username และ password ที่ได้สมัครไว้ในตอนแรก
14
6
7
8
9
คลิกเมนู Login
password ที่กรอก
ไว้ตอนสมัคร
กดปุ่ม Login

(data)3 
RapidMiner Studio 6
• หลังจาก login แล้วจะพบเมนูต่างๆ คลิกที่เมนู Downloads
• เลือกดาวน์โหลด version ที่เหมาะสมกับระบบปฏิบัติการของเรา
15
10 เลือกเมนู ดาวน์โหลด
เลือกระบบปฏิบัติการ
(OS) ที่ติดตั้งในเครื่อง

(data)3 
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
password ที่กรอก
ไว้ตอนสมัคร
กดปุ่มเพื่อ login

(data)3 
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

(data)3 
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

(data)3 
• 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

(data)3 
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

(data)3 
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

(data)3 
• 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

(data)3 
• หน้าต่าง Results
• หน้าต่าง Accelerator
RapidMiner Studio 6
23
ส่วนของการแสดงผลลัพธ์ Repositories
A B

(data)3 
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

(data)3 
Business Analytics Example
• ขั้นตอนการทำงานในบทต่อๆ ไปมีดังนี้
• บทที่ 2 แนะนำการนำข้อมูลเข้ามาใช้งานและการเตรียมข้อมูลต่างๆ
• บทที่ 3 แนะนำการแบ่งกลุ่มลูกค้า (segmentation) ออกตามพฤติกรรมการซื้อ
สินค้า
• บทที่ 4 แนะนำการหาความสัมพันธ์ของการซื้อสินค้าต่างๆ (product
association)
25

(data)3 
การเตรียมข้อมูล 
(preprocess)
บทที่ 2

(data)3 
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
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

(data)3 
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
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
2007
3.0 90.24
polynominal data time realinteger

(data)3 
• 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

(data)3 
• 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

(data)3 
• 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

(data)3 
Create Repository
• สร้าง Repository ใหม่ (ต่อ)
• กดปุ่ม Finish
• จะได้ Repository ใหม่แสดงขึ้นมา
32
12
13
12
13
ขยายส่วน Repositories ให้
เต็มหน้าจอ

(data)3 
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

(data)3 
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

(data)3 
• 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

(data)3 
• 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

(data)3 
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

(data)3 
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

(data)3 
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

(data)3 
• 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

(data)3 
• 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

(data)3 
• 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

(data)3 
การแบ่งกลุ่มลูกค้า
(Segmentation)
บทที่ 3

(data)3 
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

(data)3 
RFM Segmentation: Data Exploration
• กราฟแท่ง (Bars) ที่แสดงจำนวนข้อมูลลูกค้าในแต่ละกลุ่มตามค่า RFM
83
10
11
คลิกเพื่อดูกราฟ
12
13
14
เปลี่ยนให้แสดงกราฟใน
แนวนอน (horizontal)

(data)3 
การหาความสัมพันธ์ของข้อมูล
(Product Association)
บทที่ 4

(data)3 
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

(data)3 
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

(data)3 
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

(data)3 
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

(data)3 
136

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

Introduction to Data Analytics with RapidMiner Studio 6 (ภาษาไทย)

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to Introduction to Data Analytics with RapidMiner Studio 6 (ภาษาไทย)

Similar to Introduction to Data Analytics with RapidMiner Studio 6 (ภาษาไทย) (20)

More from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University

More from Big Data Engineering, Faculty of Engineering, Dhurakij Pundit University (7)

Introduction to Data Analytics with RapidMiner Studio 6 (ภาษาไทย)