Data Universe EP.1 Data Analytics VS Data Science ต่างกันจริงไหม แล้วทำไม Data Analytics ของคณะเศรษฐศาสตร์ มหาวิทยาลัยหอการค้าไทย จึงตอบโจทย์โลกธุรกิจยุค AI มากกว่า
Student blog — 11/09/2026
Educational
Data Analytics และ Data Science ต่างกันจริงหรือ?
หากลองค้นหาคำว่า Data Analytics กับ Data Science ต่างกันอย่างไร จะพบคำอธิบายมากมาย บางบทความบอกว่า Data Science ก้าวหน้ากว่า บางบทความบอกว่า Data Analytics เน้นธุรกิจมากกว่า จนทำให้นักเรียน ผู้ปกครอง และนักศึกษาที่กำลังเลือกคณะเกิดความสับสน แต่ในความเป็นจริง ทั้งสองศาสตร์มีพื้นฐานร่วมกันจำนวนมาก ไม่ว่าจะเป็นการเขียนโปรแกรม การจัดการข้อมูล การวิเคราะห์ข้อมูล หรือการใช้ปัญญาประดิษฐ์ (AI) และ Machine Learning ความแตกต่างที่สำคัญกลับไม่ได้อยู่ที่ “ชื่อสาขา” เพียงอย่างเดียว แต่อยู่ที่ มุมมอง (Domain Knowledge) ที่ผู้เรียนได้รับระหว่างการศึกษา
|
Data Analytics คืออะไร? Data Analytics คือศาสตร์ที่มุ่งเปลี่ยนข้อมูลจำนวนมหาศาลให้กลายเป็น ข้อมูลเชิงลึก (Insights) เพื่อช่วยให้ธุรกิจและองค์กรตัดสินใจได้อย่างแม่นยำ |
Data Science คืออะไร? Data Science คือศาสตร์ที่ผสมผสานคณิตศาสตร์ สถิติ การเขียนโปรแกรมคอมพิวเตอร์ และความเข้าใจทางธุรกิจเข้าด้วยกัน |
นักวิเคราะห์ข้อมูลต้องตอบคำถามสำคัญ เช่น
|
Data Science เป็นศาสตร์ที่ครอบคลุมตั้งแต่
|
| Data Analytics จึงเป็นศาสตร์ที่เชื่อมโยง ข้อมูล + ธุรกิจ + การตัดสินใจ | Data Scientist จึงมักทำงานด้านการพัฒนาโมเดล การสร้างอัลกอริทึม และการประมวลผลข้อมูลขนาดใหญ่ |
แล้ว Data Analytics กับ Data Science เรียนต่างกันมากไหม?
คำตอบคือ “ต่างกันน้อยกว่าที่หลายคนคิด” ตัวอย่างรายวิชาของ Data Science เช่น
- การประมวลผลภาษาธรรมชาติ (Natural Language Processing)
- การได้ข้อมูลและการเตรียมข้อมูล
- โครงสร้างข้อมูล
- คลังข้อมูลและระบบธุรกิจอัจฉริยะ
- วิทยาการข้อมูลสำหรับการพิเคราะห์ธุรกิจ
- การเรียนรู้ของเครื่อง (Machine Learning)
- การเรียนรู้เชิงลึก (Deep Learning)
ขณะที่หลักสูตร Data Analytics ของคณะเศรษฐศาสตร์ มหาวิทยาลัยหอการค้าไทย ก็มีรายวิชาที่ทันสมัยไม่แพ้กัน เช่น
- การเขียนโปรแกรมเพื่อวิทยาการวิเคราะห์ข้อมูลทางเศรษฐกิจและธุรกิจ
- จริยธรรมข้อมูลและธรรมาภิบาลข้อมูล
- ปัญญาประดิษฐ์สำหรับวิทยาการวิเคราะห์ข้อมูลทางเศรษฐกิจและธุรกิจ
- การจัดการข้อมูลและการทำเหมืองข้อมูล
- การประมวลผลข้อมูลขนาดใหญ่เบื้องต้นสำหรับนักเศรษฐศาสตร์
- การวิเคราะห์ข้อมูลทางเศรษฐศาสตร์จุลภาคและการประยุกต์
- การวิเคราะห์ข้อมูลทางเศรษฐศาสตร์มหภาคและการประยุกต์
จะเห็นได้ว่า ผู้เรียนยังคงได้เรียนทั้ง
- Programming
- AI
- Machine Learning
- Big Data
- Data Mining
- Data Governance
ซึ่งเป็นทักษะสำคัญที่ตลาดแรงงานต้องการในยุคดิจิทัล
ที่มาของรูป : SCB TechX
จุดแข็งที่ทำให้ Data Analytics ของคณะเศรษฐศาสตร์ มหาวิทยาลัยหอการค้าไทย
แตกต่างจาก Data Science สิ่งที่หลายคนมองข้ามคือ “การวิเคราะห์ข้อมูลที่ดี ไม่ได้ขึ้นอยู่กับ AI เพียงอย่างเดียว แต่ขึ้นอยู่กับความเข้าใจในบริบทของข้อมูล” ข้อมูลทางธุรกิจไม่ได้เกิดขึ้นลอย ๆ แต่ได้รับอิทธิพลจาก
- เศรษฐกิจ
- พฤติกรรมผู้บริโภค
- นโยบายภาครัฐ
- เงินเฟ้อ
- อัตราดอกเบี้ย
- การแข่งขัน
- การค้าระหว่างประเทศ
- การเปลี่ยนแปลงของเทคโนโลยี
นี่คือเหตุผลที่ Domain Knowledge ด้านเศรษฐศาสตร์ มีบทบาทสำคัญต่อการทำธุรกิจ
ผู้เขียน: อาจารย์ กิตติวัฒน์ สุวรรณลี รองคณบดีฝ่ายกิจการนักศึกษา
บทความอื่นๆ
ดูทั้งหมด
