Name: พื้นฐาน: วิเคราะห์ข้อมูลด้วย AI แบบไม่ต้องเขียนโค้ด · หลักสูตร AI Data Analysis อย่างมืออาชีพ
Author: จักริน นพรุจนธาดา

1.1

โมดูล 1.1

ภาพรวมเครื่องมือ AI Data Analysis ปี 2025-2026

มารู้จักเครื่องมือตัวจริง แล้วเลือกให้ถูกกับงานของเรา

👋 สำหรับผู้เริ่มต้น — อ่านตรงนี้ก่อน

💡

เปรียบง่าย ๆ: การเลือกเครื่องมือ AI ก็เหมือนเลือกร้านซ่อมรถ บางร้านแค่ฟังอาการแล้วเดาว่า 'น่าจะเสียตรงนี้' แต่บางร้านลงมือเปิดฝากระโปรงซ่อมให้เห็น ๆ เครื่องมืออย่าง ChatGPT ADA, Claude, Julius คือร้านที่ลงมือทำจริง เพราะมันเขียนโค้ดขึ้นมาคำนวณแล้วรันให้เราเห็นกับตา

🎯

ทำไมต้องรู้: ถ้าเลือกเครื่องมือผิด เราจะได้แค่คำตอบที่ฟังดูดี แต่ไม่มีการคำนวณจริงมารองรับ พอเลือกถูกตั้งแต่แรก งานวิเคราะห์ข้อมูลของเราก็จะเชื่อถือได้ และตรวจย้อนกลับได้ทุกตัวเลข

🎯 สิ่งที่คุณจะทำได้หลังเรียนโมดูลนี้

บอกความต่างได้ว่าอันไหนคือ 'AI ที่รันโค้ดจริง' อันไหนคือ 'AI ที่แค่พิมพ์คำตอบมาให้'
รู้จักเครื่องมือ 3 กลุ่มหลัก: แบบคุยแล้วมันเขียนโค้ดให้ (conversational code interpreter), แบบผู้ช่วยในตาราง (spreadsheet copilot) และแบบนักวิเคราะห์เฉพาะทาง (specialist analyst)
เลือกเครื่องมือเบื้องต้นได้ตามชนิดไฟล์และลักษณะงาน

เนื้อหา

เราจะเปิดหลักสูตรด้วยเรื่องที่สำคัญที่สุดก่อนเลย นั่นคือความต่างของเครื่องมือแต่ละแบบ เครื่องมืออย่าง ChatGPT Advanced Data Analysis (ADA), Claude Analysis tool และ Julius AI พวกนี้จะ 'เขียนแล้วรันโค้ด Python จริง ๆ' ในพื้นที่ปิดที่เรียกว่าแซนด์บ็อกซ์ (sandbox) ไม่ใช่แค่พิมพ์คำตอบมาลอย ๆ ให้ ยกตัวอย่างเช่น ADA รันด้วย CPython 3.11 พร้อมชุดเครื่องมืออย่าง pandas, NumPy, SciPy, scikit-learn, matplotlib ส่วน Claude รันอยู่ในเครื่องจำลองเล็ก ๆ (micro-VM) ที่จำกัดเวลาต่อรอบไว้ประมาณ 30 วินาที อีกกลุ่มหนึ่งคือเครื่องมือแบบตาราง (spreadsheet) เช่น Microsoft Copilot in Excel และ Gemini in Google Sheets ซึ่งฝังอยู่ในตารางที่เราคุ้นเคยอยู่แล้ว ส่วน Julius วางตัวเป็นเหมือน 'Excel + Python + ChatGPT รวมอยู่ในตัวเดียว' บทนี้จะสอนให้เลือกเครื่องมือเบื้องต้นเป็น และย้ำหลักสำคัญที่เราจะยึดไว้ตลอดหลักสูตรว่า 'ทุกตัวเลขต้องมาจากโค้ดที่รันจริงเท่านั้น'

📖 คำศัพท์ในโมดูลนี้ (อธิบายง่าย ๆ)

sandboxพื้นที่ปิดที่ AI ใช้ทดลองรันโค้ดได้อย่างปลอดภัย เหมือนห้องครัวแยกที่เลอะได้ไม่กระทบบ้านคุณ

รันโค้ด Pythonการสั่งให้คอมพิวเตอร์คำนวณจริงตามคำสั่งภาษาโปรแกรม ไม่ใช่แค่ให้ AI เดาคำตอบเอง

pandas / NumPyชุดเครื่องมือ (library) ยอดนิยมสำหรับจัดการตารางข้อมูลและคำนวณตัวเลข เหมือน Excel เวอร์ชันพลังสูงที่สั่งงานด้วยโค้ด

scikit-learnชุดเครื่องมือสำเร็จรูปสำหรับทำโมเดลปัญญาประดิษฐ์ที่เรียนรู้จากข้อมูลได้ (Machine Learning) เช่น ทำนายหรือแบ่งกลุ่มข้อมูล

Advanced Data Analysis (ADA)โหมดหนึ่งของ ChatGPT ที่เขียนแล้วรันโค้ดวิเคราะห์ข้อมูลจากไฟล์ที่เราอัปโหลดให้จริง

🧪 ตัวอย่างจริง + ผลลัพธ์ที่ได้

ให้ AI ยืนยันว่ามันรันโค้ดจริง

ฉันจะอัปโหลดไฟล์ยอดขาย sales.csv ก่อนวิเคราะห์อะไรก็ตาม ขอให้คุณ 'เขียนและรันโค้ด Python จริง' แล้วแสดงโค้ดที่รันให้ฉันเห็นทุกครั้ง ห้ามเดาตัวเลขในข้อความ เริ่มด้วยการนับจำนวนแถวและคอลัมน์ทั้งหมดในไฟล์

✅ ผลลัพธ์ที่ได้

AI จะโชว์ช่องโค้ด (cell) ให้เห็น เช่น import pandas as pd; df = pd.read_csv('sales.csv'); print(df.shape) แล้วรายงานผลจริง เช่น (10432, 8) พร้อมบอกว่ารันในสภาพแวดล้อมที่รันโค้ดได้จริง

💡 จุดสอน

ตรงนี้จะเห็นความต่างชัด ๆ ระหว่างเครื่องมือที่รันโค้ดจริง (มีช่องโค้ด + ผลลัพธ์จริง) กับแชตบอตที่แค่เดา ถ้ายังไม่เห็นโค้ดและตัวเลขจำนวนแถว-คอลัมน์จริง อย่าเพิ่งเชื่อจำนวนแถวที่มันบอก

เลือกเครื่องมือตามงาน

ฉันมีไฟล์ Excel 3 sheet เชื่อมโยงกันด้วยสูตร และอยากให้ผู้ช่วยเข้าใจสูตรและ dependency ระหว่างแท็บ ควรใช้เครื่องมือไหนระหว่าง ChatGPT ADA, Claude in Excel, หรือ Copilot in Excel และเพราะอะไร

✅ ผลลัพธ์ที่ได้

AI จะอธิบายว่า Claude in Excel (ตอนนี้ยังเป็นรุ่นทดลอง beta research preview ตั้งแต่ ต.ค. 2025) เข้าใจไฟล์งาน (workbook) ได้ถึงระดับช่องเซลล์ พร้อมอ้างอิงที่มา (citation) และรักษาสูตรที่ซ้อนกันหลายชั้นหรือโยงข้ามหลายแท็บไว้ได้ ขณะที่ Copilot in Excel ฝังอยู่ใน Microsoft 365 ส่วน ADA เหมาะกับการอัปโหลดไฟล์เดี่ยว ๆ ขึ้นไปรันวิเคราะห์มากกว่า

💡 จุดสอน

งานที่สูตรโยงกันไปมาและมีหลายแท็บ ต่างจากงานที่แค่อัปโหลดไฟล์เดียวขึ้นไปวิเคราะห์ การเลือกเครื่องมือจึงต้องเริ่มจากดูลักษณะไฟล์และงานเป็นหลัก

แบบฝึกหัดท้ายโมดูล

ลองลิสต์งานข้อมูลที่ทำบ่อย ๆ มา 3 อย่าง แล้วจับคู่ว่างานแต่ละอย่างเหมาะกับเครื่องมือกลุ่มไหน (แบบเขียนโค้ดให้ / ผู้ช่วยในตาราง / นักวิเคราะห์เฉพาะทาง) พร้อมบอกเหตุผล
อัปโหลดไฟล์ตัวอย่างเข้า ChatGPT ADA หรือ Claude แล้วสั่งให้มันแสดงโค้ดที่รัน จากนั้นจับภาพหน้าจอทั้งช่องโค้ดและผลลัพธ์ไว้เป็นหลักฐานว่าเครื่องมือรันจริง

1.2

โมดูล 1.2

Profiling ข้อมูลก่อนเสมอ: รู้จักไฟล์ก่อนวิเคราะห์

ขั้นตอนแรกที่คนชอบข้ามที่สุด แล้วก็ทำให้ผลออกมาผิด

👋 สำหรับผู้เริ่มต้น — อ่านตรงนี้ก่อน

💡

เปรียบง่าย ๆ: การสำรวจข้อมูลก่อน (profiling) ก็เหมือนเทวัตถุดิบออกมาตรวจก่อนลงมือทำกับข้าว ดูว่าผักเน่าไหม ของครบไหม มีเท่าไร ถ้ารีบผัดโดยไม่ดูก่อน สุดท้ายก็เสียทั้งจาน

🎯

ทำไมต้องรู้: ถ้าข้ามขั้นนี้ไป ไฟล์ใหญ่ ๆ อาจถูกอ่านไม่ครบ หรือชนิดข้อมูลเพี้ยนไปโดยที่เราไม่รู้ตัว ผลวิเคราะห์ก็ผิดตั้งแต่ต้นทาง แต่ถ้าสำรวจไฟล์ก่อน เราจะจับปัญหาได้ตั้งแต่เนิ่น ๆ ก่อนที่จะเสียเวลาทำงานทั้งหมดไปฟรี ๆ

🎯 สิ่งที่คุณจะทำได้หลังเรียนโมดูลนี้

สั่ง AI ให้สำรวจไฟล์ให้ ทั้งคอลัมน์, ชนิดข้อมูล, ช่องว่าง (null), ค่าซ้ำ, ช่วงของค่า และค่าผิดปกติ (outlier)
จับได้ว่าไฟล์ถูกอ่านไม่ครบหรือถูกสุ่มอ่านแค่บางส่วนเงียบ ๆ ด้วยการยืนยันจำนวนแถว (row count)
อ่านผลสำรวจข้อมูล (data profile) เป็น และตั้งคำถามให้ถูกก่อนลงมือวิเคราะห์

เนื้อหา

วิธีทำงานที่ดีที่สุดสำหรับคนที่ไม่ได้เขียนโค้ด (non-coder) คือ ให้ AI สำรวจไฟล์ให้เราก่อนทุกครั้ง ก่อนจะวิเคราะห์อะไรทั้งนั้น เหตุผลก็เพราะเครื่องมือบางตัวจะอ่านแค่แถวแรก ๆ เพื่อเดาโครงสร้างตาราง (schema) ทำให้ไฟล์ใหญ่ ๆ ถูกอ่านไม่ครบโดยไม่มีการเตือน (silent truncation) การสำรวจก่อนช่วยให้เราเห็นตั้งแต่แรกว่ามีคอลัมน์ไหนถูกอ่านผิดชนิด, มีช่องว่าง (null), มีค่าซ้ำ, ช่วงของค่าเป็นยังไง และมีค่าผิดปกติ (outlier) ตรงไหนบ้าง บทนี้จะฝึกสั่งให้ AI สำรวจไฟล์และยืนยันจำนวนแถวจริง เพื่อไม่ให้ตัวเลขสรุปตอนท้ายผิด เพราะข้อมูลเข้าไปไม่ครบตั้งแต่แรก

📖 คำศัพท์ในโมดูลนี้ (อธิบายง่าย ๆ)

profile / profilingการสำรวจไฟล์ข้อมูลเบื้องต้นว่ามีกี่แถว กี่คอลัมน์ ข้อมูลชนิดอะไร มีช่องว่างหรือค่าแปลกไหม ก่อนวิเคราะห์จริง

schemaโครงสร้างของตารางข้อมูล เช่น มีคอลัมน์อะไรบ้างและแต่ละคอลัมน์เก็บข้อมูลชนิดไหน

silent truncationการที่ข้อมูลถูกตัดทิ้งไปเงียบ ๆ โดยไม่มีการเตือน เช่น อ่านไฟล์ไม่ครบทุกแถวแต่ไม่บอกคุณ

nullช่องข้อมูลที่ว่างเปล่า ไม่มีค่ากรอกไว้

outlierค่าที่ผิดปกติผิดพวก สูงหรือต่ำกว่าเพื่อนมาก เช่น เงินเดือน 10 ล้านในตารางที่คนอื่นหลักหมื่น

🧪 ตัวอย่างจริง + ผลลัพธ์ที่ได้

สั่ง profile ครบชุด

รันโค้ด Python เพื่อ profile ไฟล์ customers.csv ให้ครบ: จำนวนแถวและคอลัมน์, ชนิดข้อมูลแต่ละคอลัมน์, จำนวนและสัดส่วน null ต่อคอลัมน์, จำนวนแถวซ้ำ, ค่า min/max/mean ของคอลัมน์ตัวเลข, และ 5 ค่าที่พบบ่อยที่สุดของคอลัมน์ข้อความ แสดงโค้ดที่รันด้วย

✅ ผลลัพธ์ที่ได้

AI จะรันคำสั่งอย่าง df.info(), df.isnull().sum(), df.duplicated().sum(), df.describe() พร้อมโชว์ตารางผลลัพธ์จริง เช่น พบว่าคอลัมน์ email มีช่องว่างอยู่ 12% และมีแถวซ้ำ 340 แถว

💡 จุดสอน

ผลสำรวจข้อมูลก็เหมือนแผนที่บอกว่ามีปัญหาตรงไหนที่ต้องแก้ก่อน การเห็นช่องว่าง ค่าซ้ำ หรือชนิดข้อมูลผิดตั้งแต่ต้น จะช่วยกันไม่ให้สรุปผิดตอนปลายทาง

จับ silent truncation

ไฟล์ต้นฉบับของฉันมี 250,000 แถว ขอให้คุณยืนยันด้วยโค้ดว่าคุณอ่านครบทุกแถวจริงหรือไม่ ถ้าเครื่องมืออ่านแค่บางส่วน ให้บอกฉันตรง ๆ ว่าอ่านได้กี่แถว

✅ ผลลัพธ์ที่ได้

AI จะรัน len(df) แล้วเทียบกับ 250,000 ถ้าได้ไม่ครบ (เช่นได้แค่ 100,000) มันจะรายงานว่าไฟล์ถูกอ่านไปแค่บางส่วน เราก็จะรู้ทันทีว่าต้องแบ่งไฟล์ให้เล็กลง หรือเปลี่ยนไปใช้เครื่องมืออื่น

💡 จุดสอน

อย่าเพิ่งสรุปจากไฟล์ที่อาจจะถูกอ่านไม่ครบ ให้ยืนยันจำนวนแถวจริงทุกครั้งโดยเทียบกับไฟล์ต้นฉบับ

แบบฝึกหัดท้ายโมดูล

เขียนคำสั่ง (prompt) มาตรฐานสำหรับสำรวจไฟล์ ที่จะเอาไว้ใช้ซ้ำได้กับทุกไฟล์ แล้วลองทดสอบกับไฟล์จริง 1 ไฟล์
หาสิ่งผิดปกติจากผลสำรวจไฟล์ของเรามา 3 อย่าง (เช่น ช่องว่างเยอะ, ชนิดข้อมูลผิด, มีค่าผิดปกติ) แล้วเขียนไว้ว่าจะจัดการมันยังไงในบทถัดไป

1.3

โมดูล 1.3

ทำความสะอาดข้อมูลด้วยคำสั่งภาษาธรรมดา

สั่งให้ชัด ตรวจสอบได้ ไม่ปล่อยให้ AI แก้ข้อมูลเงียบ ๆ

👋 สำหรับผู้เริ่มต้น — อ่านตรงนี้ก่อน

💡

เปรียบง่าย ๆ: การทำความสะอาดข้อมูลก็เหมือนจัดบ้านก่อนย้ายเข้า ต้องบอกให้ชัดว่า 'ทิ้งกล่องเปล่า' 'เอาเสื้อเข้าตู้' ถ้าสั่งกำกวม คนที่มาช่วยจัดอาจโยนของสำคัญทิ้งไปโดยที่เราไม่รู้

🎯

ทำไมต้องรู้: ถ้าไม่สั่งให้ชัด AI อาจแก้ข้อมูลเงียบ ๆ ในแบบที่เราไม่ได้ตั้งใจ แต่พอสั่งแบบระบุชัดทุกขั้นตอน เราจะคุมได้เองว่าอะไรถูกลบ อะไรถูกแก้ และตรวจย้อนกลับได้เสมอ

🎯 สิ่งที่คุณจะทำได้หลังเรียนโมดูลนี้

สั่งทำความสะอาดข้อมูลแบบเจาะจง (ลบแถว, ทำค่าให้เป็นมาตรฐานเดียวกัน, แปลงรูปแบบวันที่)
ใช้เช็กลิสต์ทำความสะอาดข้อมูล: ข้อมูลหาย, ข้อมูลซ้ำ, รูปแบบไม่ตรงกัน, ค่าผิดปกติ, ชนิดข้อมูลผิด, เขตเวลา/การเข้ารหัสตัวอักษร (timezone/encoding)
ตรวจสอบผลหลังทำความสะอาด ด้วยการนับจำนวนแถวก่อน-หลัง

เนื้อหา

การทำความสะอาดข้อมูลต้องสั่งแบบระบุชัดเจน (explicit instructions) เช่น 'ลบแถวที่ช่องรายได้ว่าง', 'ทำตัวย่อชื่อจังหวัดให้เป็นมาตรฐานเดียวกัน', 'แปลงวันที่ให้เป็นรูปแบบมาตรฐานสากล (ISO)' บทนี้จะให้เช็กลิสต์ทำความสะอาดข้อมูลครบทุกด้าน ทั้งข้อมูลที่หายไป, ข้อมูลซ้ำ, รูปแบบไม่ตรงกัน, ค่าผิดปกติ, ชนิดข้อมูลผิด และเรื่องเขตเวลากับการเข้ารหัสตัวอักษร (timezone/encoding) แล้วก็ย้ำเรื่องที่ AI ชอบทำเงียบ ๆ อย่างการเปลี่ยนชนิดข้อมูลเองโดยไม่บอก (silent data-type coercion) หรือลบแถวทิ้งเงียบ ๆ เพราะฉะนั้นเราต้องนับจำนวนแถวก่อน-หลังทุกขั้นตอน

📖 คำศัพท์ในโมดูลนี้ (อธิบายง่าย ๆ)

explicit instructionsคำสั่งที่ระบุชัดเป๊ะ ๆ ว่าให้ทำอะไรกับข้อมูลตัวไหน ไม่ปล่อยให้ AI เดาเอง

missing valuesข้อมูลที่หายไปหรือช่องว่างที่ไม่ได้กรอกในตาราง

duplicatesข้อมูลซ้ำ แถวที่เหมือนกันโผล่มาหลายครั้ง

parse วันที่เป็น ISOแปลงวันที่ให้อยู่ในรูปแบบมาตรฐานเดียวกัน (เช่น 2026-07-06) เพื่อไม่ให้สับสนวันกับเดือน

encodingวิธีเก็บตัวอักษรในไฟล์ ถ้าเลือกผิดภาษาไทยหรืออักขระพิเศษจะกลายเป็นตัวประหลาดอ่านไม่ออก

🧪 ตัวอย่างจริง + ผลลัพธ์ที่ได้

cleaning แบบเจาะจง + ตรวจก่อน-หลัง

รันโค้ดทำความสะอาด orders.csv ตามนี้ทีละขั้นและรายงานจำนวนแถวก่อน-หลังทุกขั้น: (1) ลบแถวที่ order_amount ว่างหรือติดลบ (2) แปลง order_date เป็นรูปแบบ ISO YYYY-MM-DD (3) ทำชื่อจังหวัดให้เป็นมาตรฐานตัวพิมพ์เดียวกัน (4) ลบแถวซ้ำที่ order_id เหมือนกัน แสดงโค้ดและสรุปว่าลบไปกี่แถวรวม

✅ ผลลัพธ์ที่ได้

AI จะแสดงโค้ดของแต่ละขั้นพร้อมบันทึกให้ดู (log) เช่น 'ก่อน 10,432 แถว -> หลังลบค่าว่าง/ติดลบเหลือ 10,201 (ลบไป 231)' ไปเรื่อย ๆ จนถึงขั้นสุดท้าย ทำให้เราเห็นว่าข้อมูลหายไปเท่าไรและหายเพราะอะไร

💡 จุดสอน

การทำความสะอาดที่ตรวจสอบได้ต้องมีบันทึกก่อน-หลังเสมอ เพราะถ้า AI แอบลบแถวเงียบ ๆ ข้อสรุปของเราจะเพี้ยนโดยไม่รู้ตัว

ระวัง type coercion เงียบ

คอลัมน์ zip_code ของฉันเป็นรหัสไปรษณีย์ที่ขึ้นต้นด้วย 0 ได้ ขอให้คุณตรวจว่าตอนอ่านไฟล์ คอลัมน์นี้ถูกแปลงเป็นตัวเลขจนเลข 0 นำหน้าหายไปหรือไม่ ถ้าใช่ให้อ่านใหม่เป็น string

✅ ผลลัพธ์ที่ได้

AI จะตรวจชนิดข้อมูลแล้วพบว่า zip_code ถูกอ่านเป็นตัวเลข (int64) ทำให้เลข 0 ที่นำหน้าหายไป จากนั้นมันจะอ่านใหม่โดยกำหนดให้เป็นข้อความ (dtype=str) เพื่อรักษารหัสไว้ให้ครบ

💡 จุดสอน

การที่ชนิดข้อมูลถูกเปลี่ยนเงียบ ๆ เป็นสาเหตุคลาสสิกที่ทำให้ข้อมูลเพี้ยน ต้องระบุชนิดที่ถูกต้องให้ชัดตั้งแต่แรก

แบบฝึกหัดท้ายโมดูล

สร้างเช็กลิสต์ทำความสะอาดข้อมูลของตัวเองให้ครบ 6 หัวข้อ (ข้อมูลหาย/ข้อมูลซ้ำ/รูปแบบ/ค่าผิดปกติ/ชนิดข้อมูล/เขตเวลา-การเข้ารหัส) แล้วเอาไปใช้กับไฟล์จริง
ทำความสะอาดไฟล์ 1 ไฟล์ โดยบังคับให้ AI รายงานจำนวนแถวก่อน-หลังทุกขั้น แล้วสรุปว่าข้อมูลหายไปกี่ % และรับได้ไหม

1.4

โมดูล 1.4

EDA เบื้องต้น: สำรวจข้อมูลให้เจอแง่มุมน่าสนใจ

การกระจายของข้อมูล, สถิติสรุป, ความสัมพันธ์, การแบ่งกลุ่ม

👋 สำหรับผู้เริ่มต้น — อ่านตรงนี้ก่อน

💡

เปรียบง่าย ๆ: การสำรวจข้อมูล (EDA) ก็เหมือนเดินสำรวจตลาดก่อนซื้อของ ดูว่าของราคาอยู่ช่วงไหน อะไรขายดี อะไรเกี่ยวข้องกัน ก่อนจะตัดสินใจ ตอนนี้ยังไม่ได้ซื้อจริง แค่เดินดูให้รู้จักข้อมูลให้ทั่วก่อน

🎯

ทำไมต้องรู้: การสำรวจข้อมูลช่วยให้เราเจอแง่มุมน่าสนใจ (insight) ที่ซ่อนอยู่ และตั้งคำถามได้ตรงจุด แต่ต้องระวังไว้ว่าสองอย่างที่ 'ขยับไปด้วยกัน' ไม่ได้แปลว่ามัน 'เป็นเหตุเป็นผลของกันและกัน' เสมอไป ไม่งั้นจะสรุปผิด

🎯 สิ่งที่คุณจะทำได้หลังเรียนโมดูลนี้

ขอให้ AI ดูการกระจายของข้อมูล (distribution), สถิติสรุป, ความสัมพันธ์ (correlation) และการแยกดูตามกลุ่ม (segment breakdown)
อ่านผลการสำรวจข้อมูลเป็น และตั้งสมมติฐานที่ตรวจสอบได้
ระวังไม่ตีความว่าสองอย่างที่สัมพันธ์กันคือสาเหตุของกันและกัน

เนื้อหา

การสำรวจข้อมูล (EDA) คือขั้นที่เราถามหาการกระจายของข้อมูล (distribution), สถิติสรุป (summary statistics), ความสัมพันธ์ระหว่างตัวแปร (correlation) และการแยกดูตามกลุ่ม (segment breakdown) บทนี้จะสอนวิธีตั้งคำถามสำรวจข้อมูลที่ดีและอ่านผลเป็น พร้อมปลูกฝังไว้ตั้งแต่พื้นฐานเลยว่า 'สัมพันธ์กัน (correlation) ไม่เท่ากับเป็นเหตุเป็นผลกัน (causation)' เพราะโมเดลภาษาอย่าง AI จับได้แค่ความสัมพันธ์เชิงภาษาหรือเชิงสถิติ ซึ่งบางทีก็เป็นของปลอม (spurious) ไม่ใช่ความเป็นเหตุเป็นผลจริง ๆ ดังนั้นแง่มุมที่ได้จากการสำรวจข้อมูลต้องถือเป็นแค่ 'สมมติฐานที่ยังต้องพิสูจน์ต่อ' ไม่ใช่ข้อสรุป

📖 คำศัพท์ในโมดูลนี้ (อธิบายง่าย ๆ)

EDA (Exploratory Data Analysis)การสำรวจข้อมูลเบื้องต้นเพื่อทำความเข้าใจภาพรวมและหาแง่มุมน่าสนใจ ก่อนวิเคราะห์เชิงลึก

distributionการกระจายของค่าข้อมูลว่ากระจุกตรงไหน เช่น คนส่วนใหญ่รายได้อยู่ช่วงไหน

correlationความสัมพันธ์ที่ค่าสองอย่างขยับไปด้วยกัน เช่น ยิ่งร้อนยิ่งขายไอศกรีมได้มาก

causationความเป็นเหตุเป็นผลจริง ๆ ว่าสิ่งหนึ่งทำให้เกิดอีกสิ่ง ต่างจาก correlation ที่แค่ขยับไปด้วยกัน

spurious correlationความสัมพันธ์จอมปลอมที่ดูเหมือนเกี่ยวกันแต่จริง ๆ บังเอิญ ไม่มีเหตุผลรองรับ

🧪 ตัวอย่างจริง + ผลลัพธ์ที่ได้

EDA แบบมีโครงสร้าง

รันโค้ดทำ EDA บน sales_clean.csv: (1) distribution ของ order_amount พร้อม histogram (2) สถิติสรุปแยกตามภูมิภาค (3) correlation matrix ของคอลัมน์ตัวเลข (4) ยอดขายเฉลี่ยและจำนวนออเดอร์แยกตาม channel แสดงตัวเลขจริงและโค้ด

✅ ผลลัพธ์ที่ได้

AI จะแสดงตารางสถิติแยกตามภูมิภาค, ตารางความสัมพันธ์ระหว่างตัวแปร (correlation matrix เช่น ส่วนลดกับจำนวน = 0.42) และการแยกดูตามช่องทางขาย (channel) พร้อมกราฟ

💡 จุดสอน

การสำรวจข้อมูลที่ดีต้องเจาะดูเป็นกลุ่ม ไม่ใช่ดูแต่ภาพรวมอย่างเดียว และตัวเลขความสัมพันธ์เป็นแค่จุดเริ่มต้นให้ตั้งคำถาม ไม่ใช่ข้อสรุปว่าอะไรเป็นสาเหตุ

เบรกความเข้าใจผิด correlation=causation

คุณพบว่ายอดโฆษณากับยอดขายมี correlation 0.8 ช่วยสรุปให้หน่อยว่าโฆษณาทำให้ยอดขายเพิ่มใช่ไหม

✅ ผลลัพธ์ที่ได้

AI (ที่ตั้งค่าไว้ถูก) จะตอบว่าค่าความสัมพันธ์ 0.8 บอกแค่ว่าสองตัวแปรนี้ขยับไปด้วยกัน ไม่ได้พิสูจน์ว่าตัวหนึ่งเป็นสาเหตุของอีกตัว อาจมีปัจจัยอื่นแอบอยู่เบื้องหลัง (เช่น ฤดูกาล) แล้วมันจะแนะนำวิธีทดสอบว่าเป็นเหตุเป็นผลกันจริงไหมเพิ่มให้

💡 จุดสอน

อย่าปล่อยให้ AI หรือตัวเราเองกระโดดจาก 'สัมพันธ์กัน' ไปเป็น 'สาเหตุ' นี่คือกับดักทางสถิติที่คนพลาดกันบ่อยที่สุด

แบบฝึกหัดท้ายโมดูล

ลองสำรวจข้อมูลในไฟล์ของเรา แล้วเขียนสมมติฐาน 3 ข้อจากความสัมพันธ์ที่เจอ พร้อมกำกับไว้ทุกข้อว่ามันยัง 'ไม่ได้พิสูจน์ว่าเป็นสาเหตุ'
หาคู่ที่ดูสัมพันธ์กันสูงแต่น่าจะเป็นของปลอม (spurious) มา 1 คู่ แล้วลองอธิบายว่าน่าจะมีปัจจัยอื่นอะไรแอบอยู่เบื้องหลัง

1.5

โมดูล 1.5

สร้างกราฟและแดชบอร์ดด้วยภาษาธรรมดา

กราฟที่สื่อสารได้ถูกต้อง ไม่บิดเบือนข้อมูล

👋 สำหรับผู้เริ่มต้น — อ่านตรงนี้ก่อน

💡

เปรียบง่าย ๆ: การทำกราฟก็เหมือนถ่ายรูปวิว ถ้าเลือกมุมดีและไม่แต่งจนเกินจริง คนดูจะเข้าใจตรงตามความจริง แต่ถ้าเลือกกราฟผิดชนิด หรือปรับสเกลให้หลอกตา ภาพเดียวกันก็ทำให้คนเข้าใจผิดได้

🎯

ทำไมต้องรู้: กราฟที่เลือกถูกชนิดจะช่วยให้สื่อสารข้อมูลได้เข้าใจในพริบตาและน่าเชื่อถือ แต่เราต้องมั่นใจว่ากราฟนั้นสร้างจากตัวเลขที่คำนวณจริง ไม่ใช่ตัวเลขที่ AI เดาขึ้นมาเอง ไม่งั้นก็สวยแต่หลอกตา

🎯 สิ่งที่คุณจะทำได้หลังเรียนโมดูลนี้

สั่งสร้างกราฟให้เหมาะกับชนิดของคำถาม (กราฟแท่ง/เส้น/วงกลม/จุดกระจาย)
ใช้ Artifacts ของ Claude และตาราง/กราฟแบบกดเล่นได้ (interactive) ของ ADA เป็น
ตรวจว่ากราฟตรงกับตัวเลขที่รันจริง

เนื้อหา

ADA จะแสดงตารางข้อมูล (DataFrame) แบบกดเล่นได้ (interactive) และทำกราฟแบบกดเล่นได้สำหรับกราฟแท่ง/เส้น/วงกลม/จุดกระจาย (ส่วนกราฟชนิดอื่นจะเป็นภาพนิ่ง) ด้าน Claude มี Artifacts เป็นกราฟหรือแดชบอร์ด (dashboard) อยู่ในแผงด้านข้าง ที่เก็บเวอร์ชันย้อนได้และแก้ผ่านการพิมพ์คุยได้ บทนี้จะสอนเลือกชนิดกราฟให้ตรงกับคำถาม และย้ำว่าต้องตรวจให้แน่ใจว่ากราฟสร้างจากตัวเลขที่รันจริง ไม่ใช่ตัวเลขที่ AI เดา รวมถึงต้องระวังกราฟที่ทำให้คนเข้าใจผิด (เช่น แกนไม่เริ่มที่ศูนย์)

📖 คำศัพท์ในโมดูลนี้ (อธิบายง่าย ๆ)

visualizationการเปลี่ยนตัวเลขให้เป็นภาพ เช่น กราฟหรือแผนภูมิ เพื่อให้เข้าใจง่ายขึ้น

dashboardหน้าจอสรุปที่รวมกราฟและตัวเลขสำคัญหลายอย่างไว้ที่เดียว เหมือนหน้าปัดรถที่ดูสถานะครบในพริบตา

interactiveกราฟหรือตารางที่กดเล่นได้ เช่น เลื่อนเมาส์ดูค่า ซูม หรือกรองข้อมูลได้ ไม่ใช่ภาพนิ่ง

Artifactsพื้นที่แสดงผลของ Claude ที่โชว์กราฟหรือ dashboard ในแผงข้าง แก้ไขได้ผ่านการพิมพ์คุย และเก็บเวอร์ชันย้อนได้

scatter / bar / line / pieชนิดกราฟพื้นฐาน: จุดกระจาย, แท่ง, เส้น, วงกลม แต่ละแบบเหมาะกับคำถามคนละแบบ

🧪 ตัวอย่างจริง + ผลลัพธ์ที่ได้

เลือกกราฟให้ตรงคำถาม

ฉันอยากเห็นแนวโน้มยอดขายรายเดือนตลอดปี 2025 และเปรียบเทียบ 5 หมวดสินค้าที่ขายดีที่สุด แนะนำและสร้างกราฟที่เหมาะสม พร้อมบอกว่าทำไมเลือกชนิดกราฟนั้น และให้ตัวเลขที่ใช้พล็อตมาด้วย

✅ ผลลัพธ์ที่ได้

AI จะสร้างกราฟเส้นสำหรับดูแนวโน้มรายเดือน และกราฟแท่งสำหรับเทียบ 5 หมวดสินค้า พร้อมอธิบายเหตุผลและโชว์ตารางตัวเลขที่ใช้วาดกราฟให้ด้วย

💡 จุดสอน

กราฟเส้นเหมาะกับดูแนวโน้มตามเวลา ส่วนกราฟแท่งเหมาะกับเปรียบเทียบเป็นหมวด ๆ การขอตัวเลขที่ใช้วาดกราฟมาด้วยจะช่วยเช็กว่ากราฟตรงกับข้อมูลจริง

ทำ dashboard ด้วย Artifacts (Claude)

สร้าง dashboard ใน Artifact ที่มี KPI สำคัญ 4 ตัว (ยอดขายรวม, จำนวนออเดอร์, ค่าเฉลี่ยต่อออเดอร์, อัตราการเติบโต MoM) และกราฟแนวโน้มรายเดือน โดย KPI ทุกตัวต้องคำนวณจากไฟล์จริงและแสดงโค้ดที่คำนวณ

✅ ผลลัพธ์ที่ได้

Claude จะสร้างแดชบอร์ดใน Artifact แบบกดเล่นได้ในแผงด้านข้าง พร้อมโชว์โค้ดที่ใช้คำนวณตัวชี้วัด (KPI) แต่ละตัว และแก้ต่อผ่านการพิมพ์คุยได้เรื่อย ๆ

💡 จุดสอน

Artifacts ให้แดชบอร์ดที่ปรับแก้ผ่านแชตได้ แต่ตัวชี้วัดทุกตัวต้องผูกกับโค้ดที่รันจริงเสมอ

แบบฝึกหัดท้ายโมดูล

สร้างแดชบอร์ด 4 ตัวชี้วัดจากไฟล์ของเรา แล้วสุ่มตรวจด้วยมือ (spot-check) สัก 1 ตัว โดยลองคำนวณเองใน Excel เทียบกับที่ AI ให้มา
หากราฟที่ทำให้เข้าใจผิดได้มา 1 แบบ (เช่น กราฟวงกลมที่มีหมวดเยอะเกินไป) แล้วปรับให้มันสื่อสารได้ถูกต้องขึ้น

1.6

โมดูล 1.6

กฎเหล็ก: ตรวจสอบตัวเลขที่ AI สร้างขึ้นทุกครั้ง

ตัวเลขในข้อความที่ไม่มีโค้ดมารองรับ = ยังไม่ผ่านการตรวจสอบ

👋 สำหรับผู้เริ่มต้น — อ่านตรงนี้ก่อน

💡

เปรียบง่าย ๆ: ตัวเลขที่ AI พิมพ์มาลอย ๆ โดยไม่มีโค้ดรองรับ ก็เหมือนคนที่มาอวดว่า 'ผมสอบได้ที่ 1' แต่ไม่มีใบเกรดมาโชว์ ต่อให้พูดมั่นใจแค่ไหน เราก็ยังเชื่อไม่ได้จนกว่าจะได้เห็นหลักฐาน

🎯

ทำไมต้องรู้: AI แต่งสถิติที่ดูน่าเชื่อขึ้นมาได้ แถมยังใช้น้ำเสียงมั่นใจแม้ตอนที่ตอบผิด แต่ถ้าเรายึดกฎ 'ทุกตัวเลขต้องมีโค้ดที่รันจริงมารองรับ' ไว้เสมอ งานของเราก็จะไม่มีทางพลาดเพราะไปเชื่อตัวเลขปลอม

🎯 สิ่งที่คุณจะทำได้หลังเรียนโมดูลนี้

แยกออกว่าตัวเลขไหนมาจากโค้ดที่รันจริง (execution-grounded) กับตัวเลขที่ AI แค่เดาในข้อความ
รู้ว่า AI มั่วสถิติขึ้นมาเองได้ (hallucinate) แถมพูดมั่นใจกว่าเดิมตอนที่ตอบผิด
ติดนิสัยขอโค้ดและตัวเลขระหว่างทาง แล้วสั่งรันซ้ำ (re-run) เพื่อยืนยัน

เนื้อหา

นี่คือหัวใจของทั้งหลักสูตรเลย เพราะ AI แต่งตัวเลขสถิติที่ดูน่าเชื่อขึ้นมาเองได้ อัตราการมั่ว (hallucination) จะสูงต่ำแค่ไหนก็ขึ้นอยู่กับชนิดงานและชุดข้อสอบที่ใช้วัด (benchmark) อย่างงานสรุปที่อ้างอิงจากข้อมูลจริง โมเดลชั้นนำอาจมั่วต่ำกว่า 1% แต่พอไปเจอข้อสอบยาก ๆ อย่าง FaithJudge โมเดลตัวเดิมนั่นแหละกลับพุ่งไปราว 7.6% และงานเฉพาะทางบางแบบวิ่งถึง 6-33% เลยทีเดียว งานวิจัยปี 2025 ยังพบอีกว่าโมเดลจะใช้ภาษาที่ฟังดู 'มั่นใจกว่าเดิม' ตอนที่ตอบผิด แปลว่าความมั่นใจของมันไม่ใช่เครื่องบ่งชี้เลยว่าถูกหรือผิด กฎป้องกันตัวเราคือ เชื่อเฉพาะตัวเลขที่มาจากโค้ดหรือ SQL ที่เราเห็นและสั่งรันซ้ำ (re-run) ได้เท่านั้น ส่วนตัวเลขที่พิมพ์ลอย ๆ ในข้อความโดยไม่มีโค้ดมารองรับ ให้ถือไว้ก่อนว่ายังไม่ผ่านการตรวจสอบ

📖 คำศัพท์ในโมดูลนี้ (อธิบายง่าย ๆ)

LLM (Large Language Model)AI ที่เก่งเรื่องภาษา เดาคำถัดไปได้เนียน แต่โดยตัวมันเองไม่ได้คำนวณเลข มันแค่ 'เดา' ให้ฟังดูดี

hallucinationอาการที่ AI แต่งข้อมูลหรือตัวเลขขึ้นมาเองทั้งที่ไม่จริง แต่พูดออกมาเหมือนเป็นเรื่องจริง

grounded summarizationการสรุปที่อ้างอิงจากข้อมูลจริงที่เราให้ไว้เท่านั้น ไม่แต่งเติมเอง

benchmarkชุดข้อสอบมาตรฐานที่ใช้วัดว่าโมเดล AI เก่งหรือแม่นแค่ไหนเมื่อเอามาเทียบกัน

hallucination rateอัตราที่ AI มั่วข้อมูล ยิ่งตัวเลขนี้สูง ยิ่งต้องตรวจสอบผลของมันหนักขึ้น

🧪 ตัวอย่างจริง + ผลลัพธ์ที่ได้

บังคับ execution-grounded ทุกตัวเลข

ต่อจากนี้ทุกครั้งที่คุณให้ตัวเลขสถิติใด ๆ (ค่าเฉลี่ย, ผลรวม, เปอร์เซ็นต์, การเติบโต) ต้องมาจากโค้ดที่คุณรันจริงและแสดงโค้ดนั้น ถ้าคุณไม่ได้รันโค้ดสำหรับตัวเลขไหน ให้บอกชัดว่า 'ยังไม่ได้ยืนยันด้วยโค้ด' เข้าใจแล้วช่วยหายอดขายเฉลี่ยต่อลูกค้าให้หน่อย

✅ ผลลัพธ์ที่ได้

AI จะรัน groupby('customer_id')['amount'].sum().mean() โชว์ทั้งโค้ดและผลจริง เช่น 4,213.50 บาท และจะไม่มีตัวเลขลอย ๆ ในข้อความที่ไม่มีโค้ดรองรับ

💡 จุดสอน

การตั้งกฎไว้ล่วงหน้าให้ AI แยกตัวเลขที่ยืนยันแล้วออกจากที่ยังไม่ยืนยัน จะทำให้เราตรวจสอบได้ง่ายและปลอดภัยกว่ามาก

จับตัวเลขที่ AI เดา

เมื่อกี้คุณบอกในข้อความว่า 'อัตราการซื้อซ้ำอยู่ที่ประมาณ 34%' ช่วยรันโค้ดคำนวณอัตราการซื้อซ้ำจริงจากข้อมูล แล้วเทียบกับ 34% ที่คุณพูด ว่าตรงกันหรือไม่

✅ ผลลัพธ์ที่ได้

พอ AI รันโค้ดจริง อาจได้ตัวเลขอย่าง 28.6% ซึ่งต่างจาก 34% ที่มันพิมพ์ไปก่อนหน้า เท่ากับพิสูจน์ว่าตัวเลขในข้อความเมื่อกี้เป็นแค่การเดา และเราควรใช้ตัวเลขจากโค้ดแทน

💡 จุดสอน

ตัวเลขที่ AI พิมพ์แบบ 'ประมาณ' ในข้อความมักเป็นการเดา การสั่งรันซ้ำด้วยโค้ดคือวิธีจับการมั่ว (hallucination) ที่ตรงจุดที่สุด

แบบฝึกหัดท้ายโมดูล

สร้างคำสั่งตั้งต้นประจำตัว (system prompt) ที่บังคับให้ทุกตัวเลขต้องมาจากโค้ดที่รันจริง เอาไว้แปะไว้ตอนเริ่มทุกงานวิเคราะห์
ในงานวิเคราะห์เก่าที่ AI เคยทำให้ ลองสั่งรันซ้ำตัวเลขสำคัญ 3 ตัวด้วยโค้ด แล้วจดไว้ว่าตรงกี่ตัว คลาดเคลื่อนกี่ตัว

🎯 Mini-Project: รายงานวิเคราะห์ยอดขายที่ตรวจสอบได้ทั้งฉบับ

เลือกไฟล์ยอดขายหรือลูกค้าจริงมา 1 ไฟล์ (ลบข้อมูลลับออกก่อน) ขนาดอย่างน้อยหลายพันแถว
ทำให้ครบทุกขั้นตอน (workflow): สำรวจไฟล์ -> ทำความสะอาด (มีบันทึกก่อน-หลัง) -> สำรวจข้อมูล (EDA) -> ทำกราฟ -> สรุปแง่มุมที่ได้
ทุกตัวเลขในรายงานต้องมีโค้ดที่รันจริงกำกับไว้ และสุ่มตรวจด้วยมือ (spot-check) อย่างน้อย 3 ตัวเลข
สิ่งที่ต้องส่ง: รายงาน 1-2 หน้า + แดชบอร์ดหรือกราฟ + ไฟล์โค้ดที่รันซ้ำได้ + บันทึกว่าเราตรวจสอบตัวเลขยังไงบ้าง
ชี้มา 1 จุดที่ AI เคยให้ตัวเลขหรือข้อสรุปที่คลาดเคลื่อน แล้วเราแก้มันยังไง

ก้าวต่อไป

ระดับกลาง: นักวิเคราะห์ใช้ AI เร่งงาน pandas/SQL อย่างมีวินัย

ไปต่อ →