รหัสวิชา/ชุดวิชา Course Code	HS247713
ภาษาไทย Thai name	การวิเคราะห์สารสนเทศดิจิทัล
ภาษาอังกฤษ English name	Digital Informatics
จํานวนหน่วยกิต Number(s) of Credits	8(8-0-16)

ประเภท Type	รายวิชาเลือก (Elective Course)
ในหลักสูตร in the Program of	สารสนเทศศาสตรมหาบัณฑิต (หลักสูตรปรับปรุง พ.ศ. 2564)
และ เป็นรายวิชา/ชุดวิชาในหลักสูตร and if also used in other academic programs, please specify the program and the subject type

อาจารย์ผู้รับผิดชอบ Course Coordinator	รองศาสตราจารย์วิระพงศ์ จันทร์สนาม
อาจารย์ผู้สอน Lecturers	รองศาสตราจารย์วิระพงศ์ จันทร์สนาม รองศาสตราจารย์สุกัญญา เอมอิ่มธรรม

ความรู้ Knowledge	อธิบายคุณประโยชน์ของวิทยาศาสตร์ข้อมูลกับบิ๊กดาต้าได้ อธิบายประเภทของข้อมูลได้ ออกแบบการวิจัยระบบนิเวศสำหรับการวิเคราะห์ข้อมูลได้ เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ เลือกใช้เครื่องมือสำหรับการวิเคราะห์ข้อมูลได้ เลือกภาษาคอมพิวเตอร์ที่เหมาะสมสำหรับการวิเคราะห์ข้อมูลได้
จริยธรรม Ethics
ทักษะ Skills	เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้ ประยุกต์หลักสถิติเพื่อสำหรับการวิเคราะห์ข้อมูลจากชุดข้อมูลที่กำหนดให้ได้ สามารถดำเนินการวิจัยเพื่อแก้ปัญหาจากโจทย์วิจัยที่เกิดขึ้นจริงได้ วิเคราะห์และนำเสนอการวิเคราะห์ข้อมูลหรือตอบโจทย์ตามความต้องการของผู้ใช้/องค์กรได้
ลักษณะบุคคล Character	การคิดวิเคราะห์เพื่อจำแนกประเภทของข้อมูล เข้าใจคุณลักษณะและชนิดของข้อมูล มีจริยธรรมทางวิชาการ อ้างอิงถึงแหล่งที่มาของข้อมูลทุกครั้ง รับผิดขอบในการเรียนรู้ โดยการส่งงานที่ได้รับมอบหมายให้ตรงเวลา

ภาษาไทย Thai

หลักการและแนวคิดเกี่ยวกับการวิเคราะห์สารสนเทศดิจิทัล แนวคิดทฤษฎีและการประยุกต์ใช้ข้อมูลในโลกดิจิทัล การเลือกใช้เครื่องมือสำหรับการวิเคราะห์ประมวลผลและนำเสนอสารสนเทศเชิงดิจิทัล หลักการออกแบบและนำเสนอแผนภาพดิจิทัล การวัดและประเมินสารสนเทศเชิงดิจิทัล การทำโครงงานหรืองานวิจัยเกี่ยวกับการวิเคราะห์สารสนเทศดิจิทัล

ภาษาอังกฤษ English

Principles and concepts of digital information analysis. Concepts, theories, and applications of information in the digital world. Selection of tools for analyzing, processing, and presenting digital information. Principles for designing and presenting digital visuals. Measurement and evaluation of digital information. Perform a capstone project or research related to digital information analysis.

รูปแบบ Delivery mode	Blended learning
รูปแบบการจัดการเรียนรู้ Learning management Method	Research-based learning Project-based learning

สัปดาห์ที่ Week	หัวข้อการสอน Teaching topics	จํานวน ชั่วโมง Number of hours		CLO	กิจกรรมการเรียนการสอน สื่อ/ เอกสารและช่องทางการสอน Teaching and Learning Activities, Instructional Media/ Materials, and Teaching Channels
		ทฤษฎี	ปฏิบัติ
1	Unit 1: Data Analytics: Basic 1.1 Benefits and uses of data science and big data 1.2 Facets of data 1.3 The data science process 1.4 The big data ecosystem and data science 1.5 R programming basic 1.6 Python programming basic	30		K1: อธิบายคุณประโยชน์ของวิทยาศาสตร์ข้อมูลกับบิ๊กดาต้าได้ K2: อธิบายประเภทของข้อมูลได้ K3: ออกแบบการวิจัยระบบนิเวศสำหรับการวิเคราะห์ข้อมูลได้ S1: เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้ C1: การคิดวิเคราะห์เพื่อจำแนกประเภทของข้อมูล C2: เข้าใจคุณลักษณะและชนิดของข้อมูล C3: มีจริยธรรมทางวิชาการ อ้างอิงถึงแหล่งที่มาของข้อมูลทุกครั้ง C4: รับผิดขอบในการเรียนรู้ โดยการส่งงานที่ได้รับมอบหมายให้ตรงเวลา	1. ทดสอบก่อนเรียนและแนะนำวิธีการเรียนการสอนของชุดวิชา 2. สื่อประกอบการเรียนการสอน - วิดีโอสั้น 2 คลิป (ความยาว 10-15 นาที) - เอกสารประกอบการเรียน 6 หัวข้อ - แหล่งเรียนรู้ภายนอก 3. กิจกรรมการเรียนรู้ - ฝึกปฏิบัติการ - มอบหมายงาน - ทบทวนเนื้อหาและทดสอบย่อย 4. ประเมินหลังการเรียนรู้
2	Unit 2: Statistic for data analytics: Methodology 2.1 ความสำคัญของสถิติ 2.2 ข้อมูลและระดับการวัด 2.3 การสร้างเครื่องมือที่ใช้ในการเก็บรวบรวมข้อมูล 2.4 การสุ่มตัวอย่าง การกำหนดขนาดตัวอย่าง 2.5 การวิเคราะห์สถิติเชิงพรรณนา 2.6 การทดสอบสมมติฐาน (One Sample, Two Sample) 2.7 การทดสอบแบบไม่ใช้พารามิเตอร์ 2.8 การวิเคราะห์ความแปรปรวน (One Way, Two Way) 2.9 การวิเคราะห์ข้อมูลเชิงจำแนก 2.10 การวิเคราะห์สหสัมพันธ์และสมการถดถอยเชิงเส้น 2.11 นำเสนอกรณีศึกษากลุ่มย่อย	30		K4: เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ K5: เลือกใช้เครื่องมือสำหรับการวิเคราะห์ข้อมูลได้ S1: เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้ S2: ประยุกต์หลักสถิติเพื่อสำหรับการวิเคราะห์ข้อมูลจากชุดข้อมูลที่กำหนดให้ได้ C1: การคิดวิเคราะห์เพื่อจำแนกประเภทของข้อมูล C2: เข้าใจคุณลักษณะและชนิดของข้อมูล C3: มีจริยธรรมทางวิชาการ อ้างอิงถึงแหล่งที่มาของข้อมูลทุกครั้ง C4: รับผิดขอบในการเรียนรู้ โดยการส่งงานที่ได้รับมอบหมายให้ตรงเวลา	1. ทดสอบก่อนเรียนและแนะนำวิธีการเรียนการสอนของชุดวิชา 2. สื่อประกอบการเรียนการสอน - วิดีโอสั้น 2 คลิป (ความยาว 10-15 นาที) - เอกสารประกอบการเรียน 10 หัวข้อ - แหล่งเรียนรู้ภายนอก 3. กิจกรรมการเรียนรู้ - ฝึกปฏิบัติการ - มอบหมายงาน - ทบทวนเนื้อหาและทดสอบย่อย 4. ประเมินหลังการเรียนรู้
3	Unit 3: Data analytics and visualization: 3.1 Linear Algebra 3.2 Numerical Computation (Python NumPy) 3.3 Machine Learning Mini Project 3.4 A Case Study of Customer 3.4.1 Segmentation 3.4.2 Clustering Algorithm (Python Scikit-learn) 3.4.3 Group Experiment 3.4.4 Design, Coding and Discussion 3.4.5 Summarize Experiment 3.4.6 Submit Reports 3.5 Tabulation and Plotting (Python Pandas) 3.6 Deep Learning 3.7 Final Project 3.7.1 Define a research topic 3.7.2 Observe and collect data 3.7.3 Design, Coding and Discussion 3.7.4 Analyze and Discussion Experiment 3.7.5 Submit Google Colaboratory (Python) and Report 3.7.6 Presentation (15 minutes)	30		K4: เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ K5: เลือกใช้เครื่องมือสำหรับการวิเคราะห์ข้อมูลได้ K6: เลือกภาษาคอมพิวเตอร์ที่เหมาะสมสำหรับการวิเคราะห์ข้อมูลได้ S1: เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้ S2: ประยุกต์หลักสถิติเพื่อสำหรับการวิเคราะห์ข้อมูลจากชุดข้อมูลที่กำหนดให้ได้ C1: การคิดวิเคราะห์เพื่อจำแนกประเภทของข้อมูล C2: เข้าใจคุณลักษณะและชนิดของข้อมูล C3: มีจริยธรรมทางวิชาการ อ้างอิงถึงแหล่งที่มาของข้อมูลทุกครั้ง C4: รับผิดขอบในการเรียนรู้ โดยการส่งงานที่ได้รับมอบหมายให้ตรงเวลา	1. ทดสอบก่อนเรียนและแนะนำวิธีการเรียนการสอนของชุดวิชา 2. สื่อประกอบการเรียนการสอน - วิดีโอสั้น 2 คลิป (ความยาว 10-15 นาที) - เอกสารประกอบการเรียน 5 หัวข้อ - แหล่งเรียนรู้ภายนอก 3. กิจกรรมการเรียนรู้ - ฝึกปฏิบัติการ - มอบหมายงาน - ทบทวนเนื้อหาและทดสอบย่อย - โปรเจคขนาดเล็ก - โปรเจคประจำชุดวิชา 4. ประเมินหลังการเรียนรู้
4	Unit 4: Data analytics: Project development 4.1 เค้าโครงการวิจัยทางด้านการวิเคราะห์ข้อมูล 4.2 การดำเนินการวิจัยทางด้านการวิเคราะห์ข้อมูล 4.3 รายงานโครงการวิจัยทางด้านการวิเคราะห์ข้อมูล	30		K3: ออกแบบการวิจัยระบบนิเวศสำหรับการวิเคราะห์ข้อมูลได้ K4: เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ K5: เลือกใช้เครื่องมือสำหรับการวิเคราะห์ข้อมูลได้ K6: เลือกภาษาคอมพิวเตอร์ที่เหมาะสมสำหรับการวิเคราะห์ข้อมูลได้ S1: เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้ S2: ประยุกต์หลักสถิติเพื่อสำหรับการวิเคราะห์ข้อมูลจากชุดข้อมูลที่กำหนดให้ได้ S3: สามารถดำเนินการวิจัยเพื่อแก้ปัญหาจากโจทย์วิจัยที่เกิดขึ้นจริงได้ C1: การคิดวิเคราะห์เพื่อจำแนกประเภทของข้อมูล C2: เข้าใจคุณลักษณะและชนิดของข้อมูล C3: มีจริยธรรมทางวิชาการ อ้างอิงถึงแหล่งที่มาของข้อมูลทุกครั้ง C4: รับผิดขอบในการเรียนรู้ โดยการส่งงานที่ได้รับมอบหมายให้ตรงเวลา	1. แนะนำวิธีการเรียนการสอนของหัวข้อ 2. สื่อประกอบการเรียนการสอน - กรณีศึกษา - ตัวอย่างจากสถานประกอบการฯ 3. กิจกรรมการเรียนรู้ - การให้คำปรึกษาเฉพาะรายบุคคล - ศึกษาโจทย์ปัญหาจริงจากสถานประกอบการฯ 4. การประเมิน
รวมจำนวนชั่วโมง		120	0

วิธีการประเมิน Assessment Method	CLO	สัดส่วนคะแนน Score breakdown	หมายเหตุ Note
Unit 1: Data Analytics: Basic	K1: อธิบายคุณประโยชน์ของวิทยาศาสตร์ข้อมูลกับบิ๊กดาต้าได้ K2: อธิบายประเภทของข้อมูลได้ S1: เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้ A1: การคิดวิเคราะห์เพื่อจำแนกประเภทของข้อมูล A2: เข้าใจคุณลักษณะและชนิดของข้อมูล A3: มีจริยธรรมทางวิชาการ อ้างอิงถึงแหล่งที่มาของข้อมูลทุกครั้ง A4: รับผิดขอบในการเรียนรู้ โดยการส่งงานที่ได้รับมอบหมายให้ตรงเวลา	25	-ได้ใบประกาศนียบัตรประจำหน่วยการเรียนรู้ -ได้หน่วยกิตสะสมสำหรับผู้เรียนแบบไม่รับปริญญา -ผ่านงานที่ได้รับมอบหมาย -ผ่านการทดสอบหลังการเรียนรู้
Unit 2: Statistic for data analytics: Methodology	K4: เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ K5: เลือกใช้เครื่องมือสำหรับการวิเคราะห์ข้อมูลได้ S1: เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้ A1: การคิดวิเคราะห์เพื่อจำแนกประเภทของข้อมูล A2: เข้าใจคุณลักษณะและชนิดของข้อมูล A3: มีจริยธรรมทางวิชาการ อ้างอิงถึงแหล่งที่มาของข้อมูลทุกครั้ง A4: รับผิดขอบในการเรียนรู้ โดยการส่งงานที่ได้รับมอบหมายให้ตรงเวลา	25	-ผ่านการทดสอบแบบปฏิบัติการ -ได้ใบประกาศนียบัตรประจำหน่วยการเรียนรู้ -ได้หน่วยกิตสะสมสำหรับผู้เรียนแบบไม่รับปริญญา -ผ่านงานที่ได้รับมอบหมาย -ผ่านการทดสอบหลังการเรียนรู้
Unit 3: Data analytics and visualization: Tools and techniques	K4: เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ K5: เลือกใช้เครื่องมือสำหรับการวิเคราะห์ข้อมูลได้ S1: เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้ A1: การคิดวิเคราะห์เพื่อจำแนกประเภทของข้อมูล A2: เข้าใจคุณลักษณะและชนิดของข้อมูล A3: มีจริยธรรมทางวิชาการ อ้างอิงถึงแหล่งที่มาของข้อมูลทุกครั้ง A4: รับผิดขอบในการเรียนรู้ โดยการส่งงานที่ได้รับมอบหมายให้ตรงเวลา	25	-ผ่านการทดสอบแบบปฏิบัติการ -ได้ใบประกาศนียบัตรประจำหน่วยการเรียนรู้ -ได้หน่วยกิตสะสมสำหรับผู้เรียนแบบไม่รับปริญญา -ผ่านงานที่ได้รับมอบหมาย -ผ่านการทดสอบหลังการเรียนรู้
Unit 4: Data analytics: Project development	K3: ออกแบบการวิจัยระบบนิเวศสำหรับการวิเคราะห์ข้อมูลได้ K4: เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ K5: เลือกใช้เครื่องมือสำหรับการวิเคราะห์ข้อมูลได้ S2: ประยุกต์หลักสถิติเพื่อสำหรับการวิเคราะห์ข้อมูลจากชุดข้อมูลที่กำหนดให้ได้ S3: สามารถดำเนินการวิจัยเพื่อแก้ปัญหาจากโจทย์วิจัยที่เกิดขึ้นจริงได้ A1: การคิดวิเคราะห์เพื่อจำแนกประเภทของข้อมูล A2: เข้าใจคุณลักษณะและชนิดของข้อมูล A3: มีจริยธรรมทางวิชาการ อ้างอิงถึงแหล่งที่มาของข้อมูลทุกครั้ง	25	-รายงานวิจัยฉบับสมบูรณ์ (โจทย์วิจัยจากสถานประกอบการ ออกแบบการวิจัย วิเคราะห์และประมวลผล สรุปผลและอภิปรายผล นำเสนอ โดยพิจารณาจากคุณภาพรายงานการวิจัย)
สัดส่วนคะแนนรวม		100

ประเภทตำรา Type	รายละเอียด Description	ประเภทผู้แต่ง Author	ไฟล์ File
เอกสารประกอบการสอน	วิระพงศ์ จันทร์สนาม. (2564). เอกสารประกอบการสอนเรื่อง การวิเคราะห์สารสนเทศดิจิทัล. ขอนแก่น: สาขาวิชาสารสนเทศศาสตร์ คณะมนุษยศาสตร์และสังคมศาสตร์ มหาวิทยาลัยขอนแก่น.
หนังสือ หรือ ตำรา	Cielen, D., Meysman, A. D., & Ali, M. (2016). Introducing data science: big data, machine learning, and more, using Python tools. Manning Publications Co.,.
หนังสือ หรือ ตำรา	Douglas A. Lind. (2012). Statistical Techniques in Business & Economics. Coastal Carolina University and the University of Toledo. McGraw-Hill/Irwin
หนังสือ หรือ ตำรา	Gujarati, D.N. (2006). Essentials of Econometrics. 3rd Edition, McGraw-Hill.
หนังสือ หรือ ตำรา	Mailund, T. (2017). Beginning Data Science in R. Apress.
หนังสือ หรือ ตำรา	Rencher, A.C. (2003). Methods of Multivariate Analysis. 2nd Edition, John Wiley & Sons.
หนังสือ หรือ ตำรา	Sarkar, D. (2016). Text Analytics with Python. Apress.
หนังสือ หรือ ตำรา	กัลยา วานิชย์บัญชา. (2559). การวิเคราะห์สถิติ สถิติสำหรับการบริหารและวิจัย. โรงพิมพ์จุฬาลงกรณ์มหาวิทยาลัย.
หนังสือ หรือ ตำรา	ชัชวาลย์ เรืองประพันธ์. (2558). สถิติพื้นฐาน. คณะวิทยาศาสตร์ มหาวิทยาลัยขอนแก่น.
หนังสือ หรือ ตำรา	ชัชวาลย์ เรืองประพันธ์. (2544). การวิเคราะห์ข้อมูลด้วยโปรแกรม SPSS for Windows. ขอนแก่น : โครงการผลิตตำรา คณะวิทยาศาสตร์ มหาวิทยาลัยขอนแก่น.

การประเมินประสิทธิผลรายวิชาและการทวนสอบ Evaluation of course effectiveness and validation

ประเมินโดยนักศึกษาผ่านระบบประเมินออนไลน์ของมหาวิทยาลัย (The Course is evaluated online by students via the university's course evaluation system) ประเมินโดยการทวนสอบผลสัมฤทธิ์การเรียนรู้โดยคณะกรรมการบริหารหลักสูตร (The Course learning outcomes are validated by the program committee.) ประเมินโดยสะท้อนผลการจัดการเรียนการสอนในช่วงของการเรียนแต่ละรายวิชา (Effectiveness of teaching and learning is evaluated periodically throughout the semester.)

การปรับปรุงการเรียนการสอนและประสิทธิผลของรายวิชา Improving Course instruction and effectiveness

นําผลการประเมินโดยนักศึกษา มาปรับปรุงและพัฒนาการจัดการเรียนการสอน (Improve and develop course instruction and assessment according to students' feedback.) นําผลการทวนสอบผลสัมฤทธิ์การจัดการเรียนการสอนเพื่อมาปรับปรุงการเรียนการสอนในรายวิชา (Improve and develop course instruction and assessment according to the course validation result.)

1.1	1.2	1.3	1.4	2.1	2.2	2.3	2.4	3.1	3.2	3.3	4.1	4.2	4.3	4.4	5.1	5.2	5.3	5.4

1. คุณธรรม จริยธรรม
1.1 ประพฤติปฏิบัติตนตามกรอบคุณธรรมและจริยธรรมของบัณฑิต มข.
1.2 มีความใฝ่รู้ พร้อมต่อการเรียนรู้และแสวงหาความจริงโดยใช้ข้อมูลเป็นฐาน
1.3 ยึดมั่นในหลักจริยธรรมและกฎหมายที่เกี่ยวข้องกับสิทธิเสรีภาพในการจัดการ การใช้และการเผยแพร่ข้อมูล
1.4 มีความเป็นผู้นำ และพร้อมสำหรับการทำงานในนิเวศดิจิทัล
2. คุณธรรม จริยธรรม
2.1 มีความรู้ความเข้าใจเกี่ยวกับข้อมูลดิจิทัล และการจัดการเนื้อหาสารสนเทศและความรู้ดิจิทัล
2.2 มีความรู้ความเข้าใจในทฤษฎีทางด้านสารสนเทศศาสตร์ และศาสตร์ที่เกี่ยวข้อง
2.3 มีความรู้ความเข้าใจในกiระบวนการวิจัย และพัฒนาการใหม่ๆ ในสาขา รวมถึงงานวิจัยที่มีผลกระทบต่อการพัฒนาความรู้ใหม่
2.4 ประยุกต์ทฤษฎีทางสารสนเทศศาสตร์ ร่วมกับการวิจัยเพื่อการสร้างสรรค์ หรือแก้ปัญหาทางสารสนเทศและความรู้ดิจิทัล
3. ปัญญา
3.1 สามารถวิเคราะห์และสังเคราะห์ และนำเสนอข้อมูล สารสนเทศและความรู้ดิจิทัล โดยใช้เทคนิคต่างๆ ได้
3.2 มีทักษะการวิจัยเพื่อสร้างสรรค์หรือแก้ปัญหาโดยใช้กระบวนการทางสารสนเทศเป็นฐานได้
3.3 ทักษะการคิดวิเคราะห์ (Analytical Thinking) และการคิดเชิงสร้างสรรค์ (Creative thinking) เพื่อสามารถบูรณาการความรู้และเทคโนโลยี และประสบการณ์ผู้ใช้ (User Experiences) ในการออกแบบและพัฒนาบริการสารสนเทศดิจิทัลได้
4. ทักษะความสัมพันธ์ระหว่างบุคคลและความรับผิดชอบ
4.1 สามารถทำงานร่วมกับผู้อื่นได้
4.2 มีภาวะผู้นำ รู้เท่าทันการเปลี่ยนแปลง และปรับเปลี่ยนตนเองให้ทันกับการเปลี่ยนแปลง
4.3 มีความรับผิดชอบต่อการเรียนรู้ของตนเอง รวมทั้งวางแผนพัฒนาและปรับปรุงตนเองให้มีประสิทธิภาพ
4.4 มีทักษะการสื่อสารระหว่างบุคคล เพื่อวิเคราะห์ความต้องการและประสบการณ์ผู้ใช้เพื่อการออกแบบและพัฒนาบริการสารสนเทศดิจิทัลได้
5. ทักษะการวิเคราะห์เชิงตัวเลข การสื่อสาร และการใช้เทคโนโลยีสารสนเทศ
5.1 สามารถประยุกต์ใช้เทคโนโลยีดิจิทัล รวมทั้งเครื่องมืออื่นๆ เพื่อการจัดการสารสนเทศและความรู้ดิจิทัล
5.2 สามารถสื่อสารสารสนเทศโดยใช้เทคโนโลยีดิจิทัลได้หลายรูปแบบ
5.3 สามารถทำการวิจัยหรือโครงการพัฒนาอย่างเป็นระบบ และนำเสนอหรือการเผยแพร่ผลงานวิจัยสู่สาธารณะ
5.4 สามารถวิเคราะห์ข้อมูลและสารสนเทศเชิงตัวเลขโดยใช้เทคนิคต่างๆ เพื่อการวางแผน หรือการตัดสินใจเรื่องต่างๆ ได้