← กลับหน้าภาพรวม
🛠️ เปรียบเทียบเครื่องมือ · TOOLS

เลือกเครื่องมือให้ถูกงาน: ตารางเทียบตัวจริง

หน้านี้รวมไว้ช่วยคุณตัดสินใจว่าจะเลือกเครื่องมือตัวไหนดี เราเอา ChatGPT ADA, Claude, Gemini in Sheets, Microsoft Copilot in Excel, Julius และกลุ่มผู้ช่วยทำรายงานอัจฉริยะ (BI copilots) มาเทียบกันทั้งเรื่องวิธีทำงานเบื้องหลัง ความสามารถ ขอบเขตข้อมูลที่มันมองเห็น และราคาที่มีคนรายงานจริง ขอเตือนไว้ก่อนเลยว่าราคากับฟีเจอร์พวกนี้เปลี่ยนเร็วมาก ก่อนเอาไปอ้างอิงให้ลูกค้าฟัง ควรเข้าไปเช็กหน้าเว็บของเจ้าของผลิตภัณฑ์ (vendor) ทุกครั้ง และตัวเลขเรื่องการที่ AI มั่วข้อมูล (hallucination) กับราคาบางส่วนเป็นข้อมูล ณ ช่วงปลายปี 2025 ถึงต้นปี 2026

🛠 เปรียบเทียบเครื่องมือ AI Data Analysis ปี 2025-2026

ChatGPT — Advanced Data Analysis (ADA), OpenAI

เดิมมันชื่อ Code Interpreter (ตัวรันโค้ดในตัว) หน้าที่ของมันคือรัน Python จริงในพื้นที่ปิดที่แยกออกมาต่างหาก (sandbox) เป็น CPython 3.11 ที่มีไลบรารีพร้อมใช้อย่าง pandas, NumPy, SciPy, scikit-learn, matplotlib, Pillow, PyPDF2 รวมถึงไลบรารีด้านแผนที่และภาพ จุดเด่นของมันคือมันเขียนแล้ว "รัน" โค้ดให้จริง ไม่ใช่แค่พูดอธิบายเฉย ๆ รับไฟล์ CSV/Excel/JSON/text ได้ทีละไฟล์ ขนาดสูงสุดราว 512 MB (แต่เอาเข้าจริง CSV ที่มันทำงานได้ลื่น ๆ มักต่ำกว่าราว 50 MB แล้วแต่ว่าไฟล์ซับซ้อนแค่ไหน) มันแสดงตารางข้อมูลแบบกดเล่นโต้ตอบได้ (interactive) และทำกราฟที่กดเล่นได้สำหรับแบบแท่ง/เส้น/วงกลม/จุดกระจาย (bar/line/pie/scatter) ส่วนกราฟชนิดอื่นจะเป็นภาพนิ่ง มีให้เลือกใช้หลายระดับแพ็กเกจ (Free แบบจำกัด, Plus, Pro, Team, Enterprise, Edu) ซึ่งแต่ละระดับและขีดจำกัดก็เปลี่ยนกันบ่อย

ตัวอย่าง PROMPT
อัปโหลด sales.csv แล้วสั่ง: 'รันโค้ด Python จริงเพื่อ profile ไฟล์ (shape, dtype, null, ซ้ำ) แล้วแสดงโค้ดที่รัน ห้ามเดาตัวเลข'

Claude — Analysis tool + File creation + Claude in Excel, Anthropic

เครื่องมือวิเคราะห์ (Analysis tool) ใน Claude.ai จะรันโค้ดในเครื่องเสมือนขนาดเล็กที่แยกออกมา (sandbox micro-VM) โดยมีเวลาจำกัดต่อรอบราว 30 วินาที อัปโหลด Excel/CSV ได้ถึงราว 50 MB บนแพ็กเกจ Pro (บน Enterprise ได้มากกว่า) และมีเพดานต่อหนึ่งบทสนทนาราว 20 ไฟล์ ไฟล์ละ 30 MB ส่วนความสามารถสร้างและวิเคราะห์ไฟล์ (File creation & analysis ซึ่งเปิดให้ลองใช้ตั้งแต่ 9 ก.ย. 2025) สร้างไฟล์ Excel, PowerPoint, Word, PDF, กราฟ PNG ได้ ทำความสะอาดข้อมูล รันสถิติ เขียนสูตร และเขียนเป็นเนื้อความบรรยาย (narrative) ให้ได้ แต่แหล่งอ้างอิงก็เตือนไว้ว่ายังมีความเสี่ยง ให้ถือว่าไฟล์ที่มันสร้างเป็นแค่ร่าง (draft) ก่อน ส่วน Claude in Excel (ยังเป็นรุ่นทดลองแบบ beta research preview ตั้งแต่ ต.ค. 2025) เก่งตรงที่มันเข้าใจสมุดงาน (workbook) ได้ถึงระดับช่องเซลล์ พร้อมอ้างอิง (citation) ว่ามาจากช่องไหน รักษาสูตรและความเชื่อมโยง (dependency) ระหว่างหลายแท็บไว้ได้ ส่วน Artifacts คือกราฟหรือแดชบอร์ดที่โผล่ในแผงข้าง (side panel) เก็บเวอร์ชันย้อนได้ และแก้ไขผ่านการคุยกับมันได้เลย

ตัวอย่าง PROMPT
ใน Claude in Excel: 'อัปเดตสมมติฐานราคาในแท็บ Assumptions โดยรักษาสูตรที่อ้างอิงอยู่ และอ้าง cell ที่คุณเปลี่ยนพร้อมเหตุผล'

Julius AI — ผู้ช่วยวิเคราะห์เฉพาะทาง

ตัวนี้เป็นเครื่องมือเฉพาะทาง วิธีใช้คืออัปโหลด Excel/CSV/PDF เข้าไป แล้วถามด้วยภาษาคนปกติได้เลย มันจะเขียนคำสั่งดึงข้อมูล (query) รัน Python สร้างภาพ/กราฟ (visualization) และทำโมเดลทำนายอนาคต (predictive model) ให้ เขาวางตัวเองไว้ว่าเป็น "Excel + Python + ChatGPT รวมอยู่ในตัวเดียว" ระดับแพ็กเกจในปี 2025 (ราคาประมาณนี้ ต่างกันบ้างตามแต่ละแหล่ง): Free (ราว 15 ข้อความ/เดือน), Plus (ราว 35 USD/เดือนถ้าจ่ายรายเดือน หรือราว 29 USD/เดือนถ้าจ่ายรายปี), Pro (ส่งข้อความได้ไม่จำกัด มี Julius Teams ไว้ทำงานร่วมกันเป็นทีม และมีตัวเชื่อมข้อมูล (Data Connectors) แบบสด ๆ ต่อตรงไปยัง Snowflake/BigQuery/Postgres), Max และ Enterprise มีส่วนลดสำหรับการศึกษาราว 50%

ตัวอย่าง PROMPT
ใน Julius: 'อัปโหลด churn.csv สร้างโมเดลทำนายการเลิกใช้บริการ แสดงโค้ดที่รัน, feature importance และ metric การประเมิน พร้อมเตือนสมมติฐานของโมเดล'

Microsoft Copilot in Excel และ Gemini in Google Sheets

Copilot in Excel: วิเคราะห์ด้วยภาษาคนปกติ สร้างสูตร ดูแนวโน้ม สร้างกราฟ และดึงข้อมูลเข้ามาได้โดยไม่ต้องเขียนสูตรซับซ้อน ส่วนโหมดผู้ช่วยอัตโนมัติ (Agent Mode) กำลังทยอยเปิดใช้จริงเต็มรูปแบบ (GA) โดยแหล่งข้อมูลช่วงต้นปี 2026 บอกว่าใน Agent Mode จะเลือกโมเดลได้ (model choice คือเลือกได้ว่าจะใช้โมเดลที่คิดเป็นเหตุเป็นผลของ Anthropic หรือของ OpenAI) พร้อมทักษะที่ตั้งเองและเอากลับมาใช้ซ้ำได้ (reusable/custom skills) และตัวเชื่อมข้อมูลการเงิน (financial data connectors) แต่ของพวกนี้ยังทยอยเปิด ต้องเช็กสถานะ GA อีกที ด้านราคา (เปลี่ยนบ่อย): Copilot Business (สำหรับธุรกิจเล็กที่มีผู้ใช้ต่ำกว่า 300 คน) ลดจาก 30 เหลือราว 21 USD ต่อผู้ใช้ต่อเดือน มีผล 1 ธ.ค. 2025, แบบจ่ายรายปีราว 18 USD ต่อผู้ใช้ต่อเดือน, ส่วนเสริม (add-on) สำหรับ Enterprise ราว 30 USD ต่อผู้ใช้ต่อเดือน, ตัว Copilot Pro ที่ขายแยกเดี่ยว ๆ เลิกขายปลายปี 2025 แล้วยุบรวมเข้า Microsoft 365 Premium (ราว 19.99 USD/เดือน สำหรับผู้ใช้ทั่วไป) และมีแพ็กเกจรวม (bundle) แบบ E7/Frontier ราว 99 USD ต่อผู้ใช้ต่อเดือน ในแหล่งข้อมูลปี 2026 (อันนี้เป็นข้อมูลมองไปข้างหน้า ต้องรอยืนยัน). Gemini in Google Sheets: วิเคราะห์ด้วยภาษาคนปกติ หาแนวโน้ม (trend) ค่าที่ผิดปกติ (outlier) และข้อค้นพบสำคัญ (key finding), ตั้งแต่ ต.ค. 2025 วิเคราะห์ข้ามหลายตาราง (multiple tables) ในแท็บเดียวได้ สร้างสูตรและกราฟข้ามแหล่งข้อมูลได้, มีฟังก์ชัน =AI() ให้ใช้ในช่องเซลล์ได้เลย (สร้างข้อความ, จัดหมวด, วิเคราะห์ความรู้สึก (sentiment), ดึงข้อมูลออกมา (extraction) — เป็นฟีเจอร์ตัวชูโรงของปี 2026 แต่ต้องรอยืนยันว่าปล่อยให้ใช้จริงเมื่อไร) การจะใช้ได้ต้องมีแพลน Google Workspace หรือ Google AI (Pro/Ultra) ที่เข้าเกณฑ์; ส่วนตัวเสริม Gemini Business/Enterprise ที่ขายแยกเดี่ยว ๆ นั้น Google เลิกขายไปตั้งแต่ 15 ม.ค. 2025 แล้วยุบรวมเข้าแพลนใหญ่

ตัวอย่าง PROMPT
ใน Gemini in Sheets: '=AI("จัดหมวดความรู้สึกของรีวิวในเซลล์ A2 เป็น บวก/กลาง/ลบ")' แล้วตรวจผลกับตัวอย่างที่ label เองเพื่อยืนยันความแม่น

BI copilots และ warehouse-native: Power BI, Tableau, Cortex, Genie

Power BI Copilot สร้างหน้ารายงาน (report page) จากคำสั่งภาษาคนปกติ สร้างสูตร DAX จากคำอธิบาย และมีแบบ "คุยกับข้อมูลของคุณ" (chat with your data) เป็นการถาม-ตอบที่มีภาพประกอบ รวมถึงตอบคำถามแบบจัดอันดับได้ด้วย มาถึง Power BI Mobile ปลายปี 2025 โดยทั่วไปต้องมีความจุแบบ Fabric (Fabric capacity) หรือใบอนุญาตระดับ Power BI Premium. ส่วน Tableau Pulse (เป็นชั้นจัดการตัวชี้วัดบวกกับข้อมูลเชิงลึก) จับแนวโน้ม ตัวขับเคลื่อน และค่าผิดปกติ (trend/driver/outlier) ให้เองอัตโนมัติ แล้วสรุปเป็นภาษาคนปกติ ในปี 2025 เพิ่มความสามารถถาม-ตอบแบบ Q&A Discover และตัวชี้วัดที่สัมพันธ์กัน (Correlated Metrics); ส่วน Tableau Agent (เดิมชื่อ Einstein Copilot for Tableau) เป็นผู้ช่วยที่คุยโต้ตอบได้ ครอบคลุมทั้งการสร้างงานบนเว็บ การเตรียมข้อมูล และแคตาล็อก (Web Authoring/Prep/Catalog) โดยทำงานอยู่บนชั้นความปลอดภัย Agentforce Trust Layer. Snowflake Cortex Analyst แปลงคำถามภาษาคนเป็นคำสั่ง SQL (text-to-SQL) โดยอิงจากมุมมอง/โมเดลเชิงความหมาย (semantic view/model แบบ YAML) ทำงานผ่าน REST/API เป็นหลัก มันมองเห็นเฉพาะข้อมูลที่อยู่ใน Snowflake เท่านั้น และรายงานว่าแม่นราว 90% ขึ้นไปเมื่อมีโมเดลเชิงความหมาย; Snowflake ยังมี Snowflake Intelligence และมาตรฐาน Open Semantic Interchange (OSI) ด้วย. Databricks AI/BI Genie (Genie Spaces) ให้ถามข้อมูลด้วยภาษาคนปกติโดยไม่ต้องเขียนโค้ด (no-code) บนตารางของ Databricks เปิดใช้จริงเต็มรูปแบบ (GA) ในปี 2025 และมองเห็นเฉพาะข้อมูลใน Databricks. นอกจากนี้ยังมีทางเลือกแบบ text-to-SQL ที่ใช้ข้ามแพลตฟอร์มได้ เช่น Dataherald, Promethium

ตัวอย่าง PROMPT
ใน Power BI Copilot: 'สร้าง DAX measure ยอดขายเฉลี่ยเคลื่อนที่ 3 เดือน แล้วอธิบายสูตรและสมมติฐานเรื่องความต่อเนื่องของตารางปฏิทิน' จากนั้น validate ค่ากับการคำนวณด้วยมือ

หลักการเลือก: ให้ตรงชนิดงานและความปลอดภัย

สรุปหลักการเลือกง่าย ๆ แบบนี้ ถ้าเป็นงานที่ต้องอัปโหลดไฟล์เข้ามาวิเคราะห์เชิงลึกหรือทำโมเดล ให้ใช้ ChatGPT ADA, Claude หรือ Julius (กลุ่มที่รันโค้ดให้จริง); ถ้าเป็นงานในตารางที่คุณใช้อยู่เป็นประจำ ให้ใช้ Copilot in Excel, Gemini in Sheets หรือ Claude in Excel (โดยเฉพาะไฟล์ที่มีสูตรและหลายแท็บ); ถ้าเป็นงานทำรายงานหรือแดชบอร์ดระดับองค์กร ให้ใช้ Power BI Copilot หรือ Tableau Pulse/Agent; ส่วนงานถาม-ตอบบนคลังข้อมูลที่ห้ามข้อมูลหลุดออกนอกระบบ ให้ใช้ Cortex Analyst หรือ Genie สำหรับข้อมูลที่อ่อนไหว วิธีที่เก็บข้อมูลไว้ในแพลตฟอร์มไม่ให้ออกไปไหน (warehouse-native) บวกกับเลือกแพ็กเกจที่มีสัญญาคุ้มครองข้อมูล (DPA) และตั้งค่าไม่ให้เอาข้อมูลของเราไปฝึกโมเดล จะปลอดภัยกว่าเสมอ และไม่ว่าจะเลือกตัวไหน กฎเหล็กข้อเดียวกันยังใช้ได้อยู่ นั่นคือ ทุกตัวเลขต้องมาจากโค้ดที่รันจริงและรันซ้ำแล้วได้ผลเหมือนเดิม

ตัวอย่าง PROMPT
ก่อนเลือกเครื่องมือให้เขียน 3 คำถาม: (1) ข้อมูลอ่อนไหวแค่ไหน/ห้ามออกนอกระบบไหม (2) เป็นไฟล์เดี่ยวหรือคลังข้อมูล/มีสูตร (3) ต้องรันโค้ดจริงเพื่อได้ตัวเลขที่ตรวจสอบได้ไหม
← กลับหน้าภาพรวมหลักสูตร AI Data Analysis