ข้อมูลมีคุณค่า

“ในยุคของข้อมูลและสารสนเทศ มีปริมาณข้อมูลเพิ่มมากขึ้นทุกวัน จากผู้ใช้ที่มีอยู่ทั่วโลกจำนวนมาก ทำให้ข้อมูลกลายเป็นสิ่งที่มีมูลค่ามหาศาล มีการใช้ศาสตร์ที่เรียกว่า วิทยาการข้อมูล (data science) ซึ่งมีความสำคัญและช่วยให้ผู้ใช้เข้าใจความหมายของข้อมูล และในขณะเดียวกันผู้ใช้จะได้รับความรู้จากข้อมูลที่ผ่านกระบวนการวิทยาการข้อมูลด้วย”

   ยุคของข้อมูลและสารสนเทศ (Information Age) ในยุคของข้อมูลสารสนเทศ ข้อมูลสิ่งที่มีความส าคัญอย่างยิ่ง ถูกน ามาใช้ประโยชน์ด้านต่าง ๆ เช่น ด้านเศรษฐกิจ การศึกษา สาธารณสุข สิ่งแวดล้อม การเกษตร และการคมนาคม การจัดเก็บข้อมูลในรูปแบบเดิม ทำให้การนำข้อมูลมาใช้ไม่สะดวก ไม่ทันกาล สูญหายง่ายการจัดเก็บข้อมูลในรูปแบบดิจิทัล (digitization) และการพัฒนาการของการสื่อสารบนอินเทอร์เน็ต ช่วยแก้ปัญหาเหล่านี้ ทำให้ผู้ใช้สามารถเข้าถึงข้อมูลและสารสนเทศได้ทุกที่ทุกเวลาแผนที่กระดาษในรูปแบบเดิม ไม่สามารถแสดงข้อมูลการจราจรที่เป็นปัจจุบัน และไม่สามารถวางแผนการเดินทางได้ แต่ระบบแผนที่นำทาง (Global Positioning System: GPS) นอกจากแสดงสถานที่ต่าง ๆ แล้ว ยังมีข้อมูลสภาพการจราจร ระยะเวลาเดินทาง ซึ่งมีความแม่นยำ ช่วยประหยัดเวลาและค่าใช้จ่ายในปัจจุบัน เราไม่เป็นเพียงผู้ใช้ประโยชน์จากข้อมูลดิจิทัลเท่านั้น แต่ยังเป็นหนึ่งในผู้ร่วมสร้างข้อมูลดิจิทัลด้วยเช่นกัน 

   การอัพโหลดรูปภาพส่วนตัว การส่งอีเมล์ในแต่ละวัน การโพสต์ข้อความในสื่อสังคมออนไลน์ การส่งต่อข้อความผ่านอุปกรณ์อิเล็กทรอนิกส์ต่าง ๆ เป็นต้น ซึ่งข้อมูลดิจิทัลเหล่านี้ ผู้ใช้คนอื่นสามารถนำไปใช้ประโยชน์ต่อได้จัดได้ว่าข้อมูลเหล่านี้เป็นสินทรัพย์ (Asset) ที่มีความสำคัญ แต่หากข้อมูลที่มีอยู่ไม่ได้ถูกนำมาประมวลผล ก็จะไม่เกิดคุณค่าใด ๆ ดังคำกว่าวที่ว่า “ข้อมูลนั้นมีค่าดั่งน้ำมันดิบ”

   บริษัทต่าง ๆ นำข้อมูลดิจิทัลมาใช้ประโยชน์ทำให้เกิดมูลค่ามหาศาล เช่น บริษัทให้บริการจองโรงแรมที่พัก แท็กซี่ ขายสินค้าออนไลน์ และบริการสื่อสังคม (social media) เฟซบุ๊ก (Facebook) เป็นบริษัทให้บริการสื่อสังคม มีผู้ใช้หลายล้านคนทั่วโลกโดยไม่คิดค่าใช้จ่าย แต่สามารถสร้างรายได้จากการขายโฆษณาที่ตรงกับกลุ่มเป้าหมาย (usertargeted advertisements) ของบริษัทสินค้าและบริการ

เฟซบุ๊กดักฟังเราจริงหรือ ? ไขความจริงเบื้องหลังระบบโฆษณาเฟซบุ๊ก

เฟซบุ๊ก รวบรวมข้อมูลผู้ใช้ เช่น เพศ อายุ ที่อยู่ อาชีพ รวมถึงพฤติกรรมการใช้งานที่ผู้ใช้กระทำผ่านเฟซบุ๊ก ได้แก่ การกดไลค์ (like) กดแชร์ (share) เฟซบุ๊ก นำข้อมูลเหล่านี้มาประมวลผลเป็นสารสนเทศที่บอกคุณลักษณะของผู้ใช้ และใช้สารสนเทศนี้ในการนำเสนอหรือโฆษณาสินค้าหรือบริการ บริษัทเจ้าของสินค้าหรือบริการ จะจ่ายค่าโฆษณาให้กับเฟซบุ๊ก เช่น บริษัทธุรกิจรถยนต์ ธนาคาร อาหาร-เครื่องดื่ม โทรศัพท์มือถือ ร้านค้า เกมออนไลน์ การนำข้อมูลดิจิทัลท ี่มีอยู่มหาศาลมาใช้ประโยชน์ในด้านต่าง ๆ ความรู้ทางด้านวิทยาการข้อมูลจึงมีบทบาทสำคัญ และอาชีพนักวิทยาศาสตร์ข้อมูลจึงมีบทบาทสำคัญ เป็นอาชีพที่น่าสนใจ และได้รับความนิยมเป็นอย่างมากในยุคของข้อมูลและสารสนเทศ

รายละเอียดเพิ่มเติมสามารถดูได้ในหนังสือเรียนวิทยาการคำนวณ 5 : shorturl.at/cmnMV 

การเก็บรวบรวมข้อมูล (Data Collection) คืออะไร ? มีกี่วิธี มีขั้นตอนการทำอย่างไร

    ทำความรู้จักกับการเก็บรวบรวมข้อมูล หรือ Data Collection อีกหนึ่งกระบวนการที่มีความสำคัญสำหรับการทำธุรกิจ การทำวิจัย หรือการทำแบบสำรวจ เพื่อวัตถุประสงค์ใดก็แล้วแต่ จำเป็นจะต้องเก็บข้อมูลที่ถูกต้องมาใช้ในการวิเคราะห์ เพื่อให้ได้ผลลัพธ์ที่สามารถนำไปใช้งานได้ต่อไป 

    บทนี้จึงทำการสรุปข้อมูลเกี่ยวกับการเก็บรวบรวมข้อมูล ทั้งในด้านความหมาย ประเภท แหล่งที่มาที่จะได้มาซึ่งข้อความ วิธีการเก็บและรวบรวมข้อมูลที่มีประสิทธิภาพว่าทำอย่างไรได้บ้าง มาดูกันดีกว่าว่า ข้อมูลเหล่านี้มีเรื่องอะไรที่นักวิจัย นักการตลาด หรือนักวิเคราะห์จะต้องรู้บ้าง ตามไปดูพร้อมกันเลย

การเก็บรวบรวมข้อมูล (Data Collection) คืออะไร ?

    การเก็บรวบรวมข้อมูล (Data Collection) คือ การเก็บข้อมูลขึ้นมาใหม่ และการรวบรวมข้อมูลของตัวแปรหรือเหตุการณ์ที่เราสนใจอย่างเป็นระบบ เพื่อที่จะนำไปวิเคราะห์หาคำตอบที่ถูกต้อง ในรูปแบบที่เหมาะสมอาจเป็นได้ทั้งข้อมูลปฐมภูมิและทุติยภูมิ ทั้งในเชิงปริมาณและคุณภาพ ด้วยวิธีต่างๆ เช่น การทำแบบสอบถาม การสัมภาษณ์ การสังเกตการณ์ เป็นต้น

ประเภทของข้อมูลจากการเก็บข้อมูล

    Quantitative Data (ข้อมูลเชิงปริมาณ)

Quantitative Data (ข้อมูลเชิงปริมาณ) คือ ข้อมูลที่ได้จากการเก็บข้อมูลออกมาในเชิงตัวเลข (Numerical data) เพื่อแสดงปริมาณของสิ่งที่นับหรือสิ่งที่วัดได้ สามารถแบ่งได้เป็น 2 แบบ คือ

       1. ข้อมูลปริมาณแบบต่อเนื่อง (Continuous Data) เป็นข้อมูลที่มีค่าต่อเนื่องกันในช่วงที่กำหนด เช่น อายุ น้ำหนัก ส่วนสูง เป็นต้น

 2. ข้อมูลเชิงปริมาณแบบไม่ต่อเนื่อง (Discrete Data) เป็นข้อมูลจำนวนเต็มหรือจำนวนนับ เช่น จำนวนรถยนต์ในกรุงเทพฯ จำนวนนักศึกษา จำนวนสมาชิกในครัวเรือน เป็นต้น

   Qualitative Data (ข้อมูลเชิงคุณภาพ)

Qualitative Data (ข้อมูลเชิงคุณภาพ) คือ ข้อมูลที่ไม่สามารถวัดค่าได้ด้วยตัวเลขว่ามากหรือน้อย แต่จะเป็นข้อมูลที่แสดงถึงสถานภาพ คุณลักษณะ ทัศนคติ หรือคุณสมบัติ มักจะอยู่ในรูปแบบของคำพูด การบรรยาย การอธิบาย ตัวหนังสือ รูปภาพ หรือสัญลักษณ์ต่างๆ เช่น สีต่างๆ สถานที่ที่ชอบไป เชื้อชาติ สถานภาพสมรส ศาสนา กลุ่มเลือด เป็นต้น

แหล่งที่มาของข้อมูลมีแบบใดบ้าง ?

   Primary Data (ข้อมูลปฐมภูมิ)

Primary Data (ข้อมูลปฐมภูมิ) คือ ข้อมูลที่เก็บจากแหล่งกำเนิดข้อมูลโดยตรง ซึ่งจะใช้วิธีการเก็บรวบรวมข้อมูลปฐมภูมิด้วยการ ออกแบบสอบถาม , การสัมภาษณ์, การสำรวจ , การสังเกตการณ์ เป็นต้น ทำให้ได้รายละเอียดตามที่นักการตลาด ผู้วิจัย หรือผู้สอบถามข้อมูลต้องการ แต่ก็จะเสียเวลาในการเก็บข้อมูลค่อนข้างมากและมีค่าใช้จ่ายที่สูงกว่าการเก็บข้อมูลแบบทุติยภูมิ

   Secondary Data (ข้อมูลทุติยภูมิ)

Secondary Data (ข้อมูลทุติยภูมิ) คือ ข้อมูลที่ผู้ต้องการใช้ไม่ได้ทำการเก็บรวบรวมเอง แต่ได้จากผู้อื่นที่ทำการรวบรวมข้อมูลไว้ก่อนแล้ว ซึ่งวิธีการเก็บรวบรวมข้อมูลทุติยภูมิจะได้จากการรวบรวมข้อมูลจากแหล่งต่างๆ เช่น รายงานที่ตีพิมพ์แล้ว การเก็บรวบรวมข้อมูลสถิติ กราฟต่างๆ เป็นต้น มีข้อดีคือค้นหาง่าย ช่วยย่นระยะเวลาในการเก็บข้อมูล แต่ก็มีข้อจำกัดคือข้อมูลอาจไม่ตรงกับที่ต้องการทั้งหมด หรือเสี่ยงต่อการหยิบใช้ข้อมูลที่ไม่ถูกต้องได้ง่ายด้วย

วิธีการเก็บรวบรวมข้อมูล Data Collection ทำได้อย่างไร

Primary Data (ข้อมูลปฐมภูมิ) คือ ข้อมูลที่เก็บจากแหล่งกำเนิดข้อมูลโดยตรง ซึ่งจะใช้วิธีการเก็บรวบรวมข้อมูลปฐมภูมิด้วยการ ออกแบบสอบถาม , การสัมภาษณ์, การสำรวจ , การสังเกตการณ์ เป็นต้น ทำให้ได้รายละเอียดตามที่นักการตลาด ผู้วิจัย หรือผู้สอบถามข้อมูลต้องการ แต่ก็จะเสียเวลาในการเก็บข้อมูลค่อนข้างมากและมีค่าใช้จ่ายที่สูงกว่าการเก็บข้อมูลแบบทุติยภูมิ

Questionnaires (แบบสอบถาม)

แบบสอบถาม (Questionnaires) เป็นวิธีการเก็บรวบรวมข้อมูล (Data Collection) ที่เรียบง่ายและตรงไปตรงมา โดยที่ผู้ตอบแบบสอบจะได้รับชุดคำถาม ทั้งแบบปลายเปิดและแบบปลายปิด อาจจะออกแบบมาเป็นแบบสอนถาม ออนไลน์ หรือออฟไลน์ก็ได้ ซึ่งข้อมูลที่ได้มาจากแบบสอบถามและการทดลองมีแหล่งข้อมูลแบบข้อมูลปฐมภูมิ (Primary Data) ที่มีความถูกต้องและเป็นปัจจุบันสูง รวมถึงสามารถทำได้ง่าย รวดเร็ว และทำการสอบถามได้ครั้งละหลายๆ คนในชุดคำถามเดียวกัน

Interview (การสัมภาษณ์)

การสัมภาษณ์ (Interview) เป็นวิธีการเก็บรวบรวมข้อมูล (Data Collection) ที่นิยมใช้กันมากในด้านสังคมศาสตร์ โดยเครื่องมือที่ใช้ในการวิจัยรูปแบบนี้สามารถทำได้หลายแบ บ เช่น การสัมภาษณ์แบบตัวต่อตัว การสนทนากลุ่ม ( Focus Group) การสัมภาษณ์แบบเจาะลึก (In-depth Interview) มีข้อดีคือสามารถอ่านความรู้สึกนึกคิดและสังเกตสภาพการณ์ต่างๆ จากตัวผู้ถูกสัมภาษณ์ได้ จึงเจาะลึกเนื้อหาเฉพาะเรื่องที่สนใจได้ดี ทำให้ได้ข้อมูลที่น่าเชื่อถือ แต่ผู้สัมภาษณ์เองก็ต้องมีทักษะสูงในการหาคำตอบ รวมถึงใช้เวลานานกว่าจะได้ข้อมูลครบตามที่ต้องการ

Focus Group (การสนทนากลุ่ม)

การสนทนากลุ่ม (Focus Group) เป็นวิธีการเก็บรวบรวมข้อมูล (Data Collection) ด้วยวิธีการสัมภาษณ์ประเภทหนึ่ง อาจจะประกอบด้วยคนตั้งแต่ 6 - 10 คน นำโดยผู้สัมภาษณ์ที่จะเข้ามาดำเนินการให้ผู้ถูกสัมภาษณ์อภิปรายกันในประเด็นที่ต้องการ

Observation (การสังเกตการณ์)

การสังเกตการณ์ (Observation) เป็นวิธีการเก็บรวบรวมข้อมูล (Data Collection) ที่ทำได้ง่ายและรวดเร็ว โดยการสังเกตการณ์เองโดยตรง และไม่มีการบุกรุกหรืออคติจากบุคคลที่สามเข้ามาเกี่ยวข้อง นอกจากนี้ยังใช้วิธีนี้ในการสังเกตทั้งคน สัตว์ สิ่งของ หรือสภาพแวดล้อมได้ แต่จะใช้ได้ผลเฉพาะในสถานการณ์ขนาดเล็กเท่านั้น

Experiment (การวิจัยเชิงทดลอง)

การวิจัยเชิงทดลอง (Experiment) เป็นวิธีการเก็บรวบรวมข้อมูล (Data Collection) ที่เน้นกระบวนการค้นหาความเป็นจริง ความเป็นเหตุและผล โดยการควบคุมตัวแปรอื่นๆทั้งหมดที่จะมีผลต่อตัวแปรตาม ยกเว้นตัวแปรอิสระหรือตัวแปรทดลองที่ไม่ต้องควบคุม

Secondary Data Collection (การเก็บรวบรวมข้อมูลทุติยภูมิ)

การเก็บรวบรวมข้อมูลทุติยภูมิ (Secondary Data Collection) จะไม่เหมือนกับการเก็บข้อมูลแบบ Primary Data (ข้อมูลปฐมภูมิ) ที่ต้องลงมือเก็บด้วยตัวเอง แต่จะสามารถรวบรวมข้อมูลได้จากแหล่งต่างๆ เช่น

1. งบการเงินของนิติบุคคล

2. รายงานการขายของฝ่ายขาย

3. ข้อมูลส่วนบุคคลของลูกค้า เช่น ชื่อ ที่อยู่ อายุ ข้อมูลติดต่อ

4. รายงานการศึกษาวิจัยที่มีผู้ศึกษาไว้แล้ว

5. รายงานผลการดำเนินงานของหน่วยงานภาครัฐ

6. รายงานสำรวจของรัฐบาล เช่น สำมะโนครัว ภาษี ข้อมูลประกันสังคม ข้อมูลบัญชีประชาชาติ

ขั้นตอนการรวบรวมข้อมูล Data Collection

1. กำหนดเป้าหมายในการรวบรวมข้อมูล จากวัตถุประสงค์ หรือเป้าหมายจากปัญหาของธุรกิจ หรืองานวิจัยที่ต้องการศึกษา

2. ออกแบบเครื่องมือที่เหมาะสมเพื่อใช้ในการรวบรวมข้อมูลที่ต้องการ

3. ระบุกลุ่มตัวอย่างที่จะทำการสำรวจข้อมูล จำนวนการสำรวจ เทคนิคการสุ่มตัวอย่าง รวมถึงแหล่งข้อมูลต่างๆ ที่จะต้องสำรวจ

4. จัดทำแผนรวบรวมข้อมูล โดยกำหนดวันเวลาสำรวจ ทีมสำรวจ ระยะเวลาสำรวจ เป็นต้น

5. จัดหาทีมสำรวจแล้วทำการอบรมให้เข้าใจวิธีการสุ่มกลุ่มตัวอย่าง การอธิบายแบบสอบถาม และวิธีการสำรวจ ในกรณีใช้แบบสอบถามออนไลน์ก็จะสะดวกในการสำรวจมากยิ่งขึ้น รวมทั้งวิธีการรวบรวมข้อมูล

6. ดำเนินการรวบรวมข้อมูล (Data Collection) จากกลุ่มตัวอย่างหรือแหล่งตามที่กำหนดไว้

7. รวบรวมแบบสอบถามที่ตอบแล้ว รวมถึงข้อมูลจากแหล่งทุติยภูมิ เพื่อนำมาวิเคราะห์ (Data analysis ) และหาผลลัพธ์หรือข้อสรุปในการทำวิจัย จัดทำทำรายงาน จัดทำค่าสถิติ ฯลฯ 

รายละเอียดเพิ่มเติมสามารถดูได้ในหนังสือเรียนวิทยาการคำนวณ 5 : shorturl.at/cmnMV 

การประมวลผลข้อมูล คืออะไร ? และมีลักษณะอย่างไรบ้าง 

       ข้อมูล (data) หมายถึง ข้อเท็จจริง (fact) ที่อยู่ในรูปแบบตัวอักษร ตัวเลข สัญลักษณ์พิเศษ รูปภาพ ภาพเคลื่อนไหว และเสียง ซึ่งสามารถบันทึกไว้อย่างต่อเนื่องและมีความหมายอยู่ในตัว เช่น ชื่อนักเรียน อายุ เพศ จำนวนประชากร ปริมาณน้ำฝน เป็นต้น ข้อมูลจะมีอยู่จำนวนมาก และจะถูกนำไปประมวลผลเพื่อใช้ประโยชน์ในเรื่องต่าง ๆ ได้มากมาย

แหล่งที่มาของข้อมูลมีแบบใดบ้าง ?

   Primary Data (ข้อมูลปฐมภูมิ)

Primary Data (ข้อมูลปฐมภูมิ) คือ ข้อมูลที่เก็บจากแหล่งกำเนิดข้อมูลโดยตรง ซึ่งจะใช้วิธีการเก็บรวบรวมข้อมูลปฐมภูมิด้วยการ ออกแบบสอบถาม , การสัมภาษณ์, การสำรวจ , การสังเกตการณ์ เป็นต้น ทำให้ได้รายละเอียดตามที่นักการตลาด ผู้วิจัย หรือผู้สอบถามข้อมูลต้องการ แต่ก็จะเสียเวลาในการเก็บข้อมูลค่อนข้างมากและมีค่าใช้จ่ายที่สูงกว่าการเก็บข้อมูลแบบทุติยภูมิ

   Secondary Data (ข้อมูลทุติยภูมิ)

Secondary Data (ข้อมูลทุติยภูมิ) คือ ข้อมูลที่ผู้ต้องการใช้ไม่ได้ทำการเก็บรวบรวมเอง แต่ได้จากผู้อื่นที่ทำการรวบรวมข้อมูลไว้ก่อนแล้ว ซึ่งวิธีการเก็บรวบรวมข้อมูลทุติยภูมิจะได้จากการรวบรวมข้อมูลจากแหล่งต่างๆ เช่น รายงานที่ตีพิมพ์แล้ว การเก็บรวบรวมข้อมูลสถิติ กราฟต่างๆ เป็นต้น มีข้อดีคือค้นหาง่าย ช่วยย่นระยะเวลาในการเก็บข้อมูล แต่ก็มีข้อจำกัดคือข้อมูลอาจไม่ตรงกับที่ต้องการทั้งหมด หรือเสี่ยงต่อการหยิบใช้ข้อมูลที่ไม่ถูกต้องได้ง่ายด้วย

การแบ่งข้อมูลตามการจัดเก็บในสื่ออิเล็กทรอนิกส์

การแบ่งข้อมูลตามการจัดเก็บในสื่ออิเล็กทรอนิกส์มีลักษณะคล้ายการแบ่งข้อมูลตามลักษณะของข้อมูล แต่มีการแยกลักษณะข้อมูลตามชนิดและนามสกุลของข้อมูลนั้น ๆ ซึ่งจะตั้งตามประเภทของข้อมูลและโปรแกรมที่ใช้สร้างข้อมูล ได้แก่

- ข้อมูลตัวอักษร (Text Data) เช่น ตัวหนังสือ ตัวเลข และสัญลักษณ์ ข้อมูลประเภทนี้มักมีนามสกุลต่อท้ายไฟล์เป็น .txt และ .doc

- ข้อมูลภาพ (Image Data) เช่น ภาพกราฟิกต่างๆ และภาพถ่ายจากกล้องดิจิตอล ข้อมูลประเภทนี้มักมีนามสกุลต่อท้ายไฟล์เป็น .bmp .gif และ .jpg

- ข้อมูลเสียง (Sound Data) เช่น เสียงพูด เสียงดนตรี และเสียงเพลง ข้อมูลประเภทนี้มักมีนามสกุลต่อท้ายชื่อไฟล์เป็น .wav .mp3 

- ข้อมูลภาพเคลื่อนไหว (Video Data) เช่นภาพเคลื่อนไหว ภาพมิวสิควีดิโอ ภาพยนตร์ คลิปวีดีโอ ข้อมูลประเภทนี้มักมีนามสกุลต่อท้ายชื่อไฟล์เป็น .avi .mov

การแบ่งข้อมูลตามระบบคอมพิวเตอร์

การแบ่งข้อมูลตามระบบคอมพิวเตอร์มีลักษณะคล้ายและใกล้เคียงกับการแบ่งข้อมูลตามการจัดเก็บในสื่ออิเล็กทรอนิกส์มาก แต่มุ่งเน้นพิจารณาการแบ่งประเภทตามการนำข้อมูลไปใช้งานในระบบคอมพิวเตอร์ ได้แก่

- ข้อมูลเชิงจำนวน (Numeric Data) มีลักษณะเป็นตัวเลขที่สามารถนำมาคำนวณด้วยคอมพิวเตอร์ได้ เช่น จำนวนเงินในกระเป๋า จำนวนค่าโดยสารรถประจำทาง และจำนวนนักเรียนในห้องเรียน

- ข้อมูลอักขระ (Character Data) มีลักษณะเป็นตัวอักษร ตัวหนังสือ และสัญลักษณ์ต่างๆ ซึ่งสามารถนำเสนอข้อมูลและเรียงลำดับได้แต่ไม่สามารถนำมาคำนวณได้ เช่น หมายเลขโทรศัพท์ เลขที่บ้าน และชื่อของนักเรียน

- ข้อมูลกราฟิก (Graphical Data) เป็นข้อมูลที่เกิดจากจุดพิกัดทางคอมพิวเตอร์ ทำให้เกิดรูปภาพหรือแผนที่ เช่น เครื่องหมายการค้า แบบก่อสร้างอาคาร และกราฟ

- ข้อมูลภาพลักษณ์ (Image Data) เป็นข้อมูลแสดงความเข้มและสีของรูปภาพที่เกิดจากการสแกนของสแกนเนอร์เป็นหลัก ซึ่งสามารถนำเสนอข้อมูล ย่อหรือขยาย และตัดต่อได้ แต่ไม่สามารถนำมาคำนวณหรือดำเนินการอย่างอื่นได้

รายละเอียดเพิ่มเติมสามารถดูได้ในหนังสือเรียนวิทยาการคำนวณ 5 : shorturl.at/cmnMV 

การสื่อสารด้วยข้อมูล เป็นการถ่ายทอดข้อมูลหรือการสื่อสารจากแหล่งข้อมูลไปยังผู้รับสารนั้น บางครั้งเป็นเรื่องที่ทำได้ยาก จำเป็นที่จะต้องจัดรูปแบบของข้อมูล และนำเสนอข้อมูลไปแสดงในรูปแบบที่เหมาะสม เพื่อให้ผู้รับสารเข้าใจ หรือมองเห็นประเด็นสำคัญ

การทำข้อมูลให้เป็นภาพ ข้อมูลที่เราได้มานั้น ส่วนใหญ่จะอยู่ในรูปของจำนวน และมีเป็นจำนวนมาก แม้ว่าการตอบคำถามที่เราสนใจ หรือสิ่งที่เราอยากจะนำเสนอ จะมีอยู่แล้วในข้อมูลเหล่านั้น แต่ก็ยากที่จะทำความเข้าใจ หรืออาจสื่อสารได้โดยง่าย  เช่น ข้อมูลที่อยู่ในรูปแบบตารางถึงแม้จะจัดการนำเสนอข้อมูลแล้ว แต่ตัวเลขที่มีปริมาณมาก เราไม่สามารถเห็นเป็นภาพที่แสดงปริมาณมากน้อยได้ จึงมีความจำเป็นที่จะต้องทำข้อมูลที่อยู่ในตารางเหล่านั้นทำให้เป็นภาพ โดยอาจจะใช้แผนภูมิวงกลม แผนภูมิแท่ง กราฟเส้น หรือในรูปอินโฟกราฟิกอื่น เป็นต้น

กระบวนการวิทยาการข้อมูลจึงประกอบด้วย 5 ขั้น ได้แก่ การตั้งคำถาม การเก็บรวบรวมข้อมูล     การสำรวจข้อมูล การวิเคราะห์ข้อมูล การสื่อสารและการทำผลลัพธ์ให้เป็นภาพ จึงทำให้การดำเนินกิจกรรมประสบความสำเร็จและเกิดประสิทธิภาพ

รายละเอียดเพิ่มเติมสามารถดูได้ในหนังสือเรียนวิทยาการคำนวณ 5 : shorturl.at/cmnMV