หน่วยสมรรถนะ

หน่วยสมรรถนะ

อธิบายข้อมูล (Describe Data)

สาขาวิชาชีพอุตสาหกรรมดิจิทัล


รายละเอียดหน่วยสมรรถนะ


1. รหัสหน่วยสมรรถนะ ICT-NBVO-382B

2. ชื่อหน่วยสมรรถนะ อธิบายข้อมูล (Describe Data)

3. ทบทวนครั้งที่ 1 / 2566

4. สร้างใหม่ ปรับปรุง

5. สำหรับชื่ออาชีพและรหัสอาชีพ (Occupational Classification)

นักวิเคราะห์ข้อมูล (Data Analyst)



6. คำอธิบายหน่วยสมรรถนะ (Description of Unit of Competency)
ผู้ที่ผ่านสมรรถนะนี้จะสามารถทำความเข้าใจเกี่ยวกับข้อมูล ทั้งคุณลักษณะ ชนิด ประเภท และรายละเอียดของข้อมูลที่ใช้ในแบบจำลองหรือธุรกิจ โดยอธิบายรายละเอียดข้อมูลได้อย่างชัดเจน สามารถบันทึกและกำหนดคำอธิบายได้อย่างเหมาะสม ทำให้ผู้ใช้งานข้อมูลสามารถการเข้าใจหรือตีความ ความหมายของข้อมูลได้อย่างง่าย ถูกต้อง และมีความเข้าใจข้อมูลที่ตรงกัน ซึ่งจะทำให้สามารถวิเคราะห์ข้อมูลเพื่อการแก้ไขหรือพัฒนาธุรกิจได้อย่างมีประสิทธิภาพ 

7. สำหรับระดับคุณวุฒิ
1 2 3 4 5 6 7 8

8. กลุ่มอาชีพ (Sector)
สาขาวิชาชีพอุตสาหกรรมดิจิทัล สาขาวิทยาศาสตร์ข้อมูล  (Data Science)  

9. ชื่ออาชีพและรหัสอาชีพอื่นที่หน่วยสมรรถนะนี้สามารถใช้ได้ (ถ้ามี)
N/A

10. ข้อกำหนดหรือกฎระเบียบที่เกี่ยวข้อง (Licensing or Regulation Related) (ถ้ามี)
N/A

11. สมรรถนะย่อยและเกณฑ์การปฏิบัติงาน (Elements and Performance Criteria)
หน่วยสมรรถนะย่อย (EOC) เกณฑ์ในการปฏิบัติงาน (Performance Criteria) รหัส PC
(ตามเล่มมาตรฐาน)
รหัส PC
(จากระบบ)
70203.01 ระบุรายละเอียดข้อมูล 1. ระบุชนิด หรือประเภทของข้อมูลได้ได้ 179725
70203.01 ระบุรายละเอียดข้อมูล 2. ระบุรายละเอียดของข้อมูลได้ 179726
70203.01 ระบุรายละเอียดข้อมูล 3. สรุปรายละเอียดของข้อมูลได้ 179727
70203.02 บันทึกรายละเอียดข้อมูล 1. ระบุรายละเอียดที่จะบันทึกได้ 179728
70203.02 บันทึกรายละเอียดข้อมูล 2. เขียนบันทึกรายละเอียดข้อมูลได้ 179729
70203.02 บันทึกรายละเอียดข้อมูล 3. ระบุแหล่งข้อมูลที่บันทึกได้ 179730
70203.02 บันทึกรายละเอียดข้อมูล 4. สรุปรายละเอียดข้อมูลได้ 179731
70203.03 กำหนดคำอธิบายข้อมูล 1. ระบุคำอธิบายข้อมูลได้ 179732
70203.03 กำหนดคำอธิบายข้อมูล 2. แสดงคำอธิบายข้อมูลได้ 179733
70203.03 กำหนดคำอธิบายข้อมูล 3. สรุปผลการอธิบายข้อมูลได้ 179734

12. ความรู้และทักษะก่อนหน้าที่จำเป็น (Pre-requisite Skill & Knowledge)
N/A

13. ทักษะและความรู้ที่ต้องการ (Required Skills and Knowledge)

(ก) ความต้องการด้านทักษะ

1. ทักษะในการอธิบาย หรือบรรยาย  

2. ทักษะในการวิเคราะห์ทางสถิติทั่วไป และการวิเคราะห์เชิงบรรยาย (Statistical analysis and Descriptive analytics)

3. ทักษะในการวิเคราะห์เชิงปริมาณ (Quantitative Analytics)

4. ทักษะในการบันทึกข้อมูล

5. ทักษะการใช้เครือข่ายทางสังคมและแหล่งข้อมูลแบบเปิด (Social network and open data)

(ข) ความต้องการด้านความรู้

1. ความรู้เกี่ยวกับข้อมูล และคุณลักษณะของข้อมูล

2. ความรู้เกี่ยวกับอธิบาย หรือการบรรยาย

3. ความรู้เกี่ยวกับการวิเคราะห์ทางสถิติทั่วไป และการวิเคราะห์เชิงบรรยาย (Statistical analysis and Descriptive analytics)

4. ความรู้เกี่ยวกับการวิเคราะห์เชิงปริมาณ (Quantitative Analytics)

5. ความรู้เกี่ยวกับการวิจัยและดำเนินงาน (Operations Research)

6. ความรู้เกี่ยวกับการใช้เครือข่ายทางสังคมและแหล่งข้อมูลแบบเปิด (Social network and open data)


14. หลักฐานที่ต้องการ (Evidence Guide)

(ก) หลักฐานการปฏิบัติงาน (Performance Evidence)

1. ใบรับรองการปฏิบัติงานจากสถานประกอบการ

 (ข) หลักฐานความรู้ (Knowledge Evidence)

1. ใบรับรองการเข้ารับการฝึกอบรม

2. ใบประกาศนียบัตรวุฒิการศึกษา

 (ค) คำแนะนำในการประเมิน

1. ผู้ประเมินตรวจประเมินเกี่ยวกับการอธิบายข้อมูล โดยพิจารณาจากร่องรอยหลักฐานที่เกี่ยวข้องทั้งหลักฐานการปฏิบัติงาน และหลักฐานความรู้

(ง) วิธีการประเมิน

1. พิจารณาตามหลักฐานการปฏิบัติงาน

2. พิจารณาตามหลักฐานความรู้


15. ขอบเขต (Range Statement)

(ก) คำแนะนำ

หน่วยสมรรถนะนี้เป็นการทดสอบ ประเมินการกำหนดวัตถุประสงค์ทางธุรกิจ โดยในการประเมินต้องคำนึงถึงข้อปฏิบัติดังต่อไปนี้

1.  ผู้เข้ารับการประเมินสามารถแสดงความรู้ และความสามารถในการบันทึกรายละเอียดข้อมูล การเข้าใจรายละเอียดข้อมูล และกำหนดคำอธิบายข้อมูล

 (ข) คำอธิบายรายละเอียด

    การอธิบายข้อมูล ในการวิเคราะห์ข้อมูล มีความจำเป็นอย่างยิ่งที่จะต้องหาวิธีการอธิบายเพื่อให้ผู้ใช้งานข้อมูล ผู้ที่จะประสานงานหรือสื่อสารด้วยนั้นสามารถทำความเข้าใจได้ง่าย ช่วยทำให้ผู้ใช้งานข้อมูลสามารถการเข้าใจหรือตีความความหมายของข้อมูลได้อย่างง่าย และมีความเข้าใจข้อมูลที่ตรงกัน ซึ่งจะทำให้สามารถวิเคราะห์ข้อมูลเพื่อการแก้ไข หรือพัฒนาธุรกิจได้อย่างมีประสิทธิภาพ

    ประเภทของข้อมูล (Data Type) การศึกษาเกี่ยวกับข้อมูล จำเป็นที่จะต้องแยกประเภทของข้อมูลก่อนเป็นลำดับแรก เพื่อทำความเข้าใจธรรมชาติของข้อมูลประเภทนั้นๆ และเพื่อให้สามารถเลือกใช้เครื่องมือทางสถิติที่เหมาะสมในการวิเคราะห์หรืออธิบายข้อมูลนั้นๆ ได้ โดยสามารถแบ่งประเภทของข้อมูลได้ดังต่อไปนี้    

1. ข้อมูลเชิงคุณภาพ (Qualitative or Attribute Data) เป็นข้อมูลที่ไม่สามารถวัดด้วยอุปกรณ์การวัดใดๆ ได้เลย แต่ได้มาจากการนับ การสังเกตุ เราจึงนิยามชนิดของข้อมูลที่ได้ว่าเป็นข้อมูลเชิงคุณภาพ  แบ่งได้เป็นสองลักษณะย่อย ได้แก่แบ่งโดยใช้ลักษณะนาม (Nominal Scale) และการแบ่งโดยอันดับ (Ordinal Scale)

2. ข้อมูลเชิงปริมาณ (Quantitative or Variable data) คือข้อมูลที่มีลักษณะเป็นตัวเลข สามารถแบ่งออกได้อีกเป็นสองชนิดย่อย ดังนี้

      ข้อมูลแบบไม่ต่อเนื่อง (Discrete Data) ลักษณะที่สำคัญคือ เป็นตัวเลขที่ได้จากการนับ ค่าทศนิยมมีค่าได้จำกัด หรือไม่มีความหมาย 

      ข้อมูลแบบต่อเนื่อง (Continuous Data) ลักษณะที่สำคัญคือ ต้องใช้เครื่องมือวัดมา  ค่าทศนิยมมีความหมายและไม่มีที่สิ้นสุด ขึ้นอยู่กับความละเอียดของเครื่องวัดว่าจะแยกแยะออกเป็นทศนิยมได้กี่ตำแหน่ง  

โดยในเทคนิคการวิเคราะห์และนำเสนอข้อมูล ประกอบไปด้วย

1) การวัดแนวโน้มเข้าสู่ศูนย์กลาง (Measure of location) 

2) การวัดการกระจายของข้อมูล (Measure of Dispersion) 

3) การนำเสนอข้อมูลด้วยแผนภูมิ (Graphical Data Presentation) 

4) การทดสอบความเป็นการกระจายแบบปกติ (Normality Test)

 


16. หน่วยสมรรถนะร่วม (ถ้ามี)
N/A

17. อุตสาหกรรมร่วม/กลุ่มอาชีพร่วม (ถ้ามี)
N/A

18. รายละเอียดกระบวนการและวิธีการประเมิน (Assessment Description and Procedure)

18.1 เครื่องมือประเมินการระบุรายละเอียดข้อมูลตามข้อกำหนดมาตรฐาน

1. แบบฟอร์มประเมินผลการสัมภาษณ์

2. ผลข้อสอบข้อเขียน

ดูรายละเอียดจากคู่มือประเมิน

18.2 เครื่องมือประเมินการบันทึกรายละเอียดข้อมูลตามข้อกำหนดมาตรฐาน

1. ผลข้อสอบข้อเขียน

ดูรายละเอียดจากคู่มือประเมิน

18.3 เครื่องมือประเมินการกำหนดคำอธิบายข้อมูลตามข้อกำหนดมาตรฐาน

1. แบบฟอร์มประเมินผลการสัมภาษณ์

2. ผลข้อสอบข้อเขียน

ดูรายละเอียดจากคู่มือประเมิน



ยินดีต้อนรับ