M07 · AI for Research & Data1 / 11
จบบทนี้ → เข้าใจ AI ระดับ Top 18% (ประมาณการตามเกณฑ์ของหลักสูตรนี้)
AI MASTERY COURSE · COURSE 2 · MODULE 07
AI for Research & Data
Module 07 · อ่านรายงาน 20 หน้าใน 60 วินาที — โดยไม่เชื่อ AI แบบหลับหูหลับตา
M07 · AI for Research & Data2 / 11
MODULE 07 · เป้าหมาย
เมื่อเรียนจบ คุณจะทำได้...
📊
ส่งข้อมูลให้ AI 3 รูปแบบ และรู้ว่าเมื่อไรใช้แบบไหน
⚡
ทำ Data Briefing — สรุปรายงานยาวใน 1 นาที
🔍
หา สาเหตุ ว่าทำไมตัวเลขเปลี่ยน ไม่ใช่แค่รู้ว่าเปลี่ยน
🛡️
รู้ว่า AI คำนวณผิดตรงไหน และตรวจอย่างไร
M07 · AI for Research & Data3 / 11
หลักการ
AI "อ่าน" ข้อมูลอย่างไร
✅ ทำได้ดีมาก
- มองเห็น pattern ที่คนมองข้าม
- สรุปข้อมูลยาวให้สั้น
- เปรียบเทียบหลายมิติพร้อมกัน
- ตั้งสมมติฐานว่าทำไมถึงเป็นแบบนั้น
⚠️ ทำได้ไม่ดี — ต้องระวัง
- คำนวณเลขเยอะๆ (บวกผิดได้)
- จำตัวเลขเป๊ะๆ จากข้อมูลยาว
- รู้ context ที่ไม่ได้บอก
- แยก correlation กับ causation
กฎเหล็ก: ให้ AI อ่านและตีความ · ให้ เครื่องคิดเลขหรือ Excel คำนวณ · อย่าสลับหน้าที่กัน
M07 · AI for Research & Data4 / 11
วิธีส่งข้อมูล
3 รูปแบบ — เลือกให้ถูกงาน
1
Copy-Paste ตาราง
เร็วที่สุด · เหมาะกับข้อมูลไม่เกิน 50 แถว · ต้องแนบหัวคอลัมน์ให้ครบ
2
Upload ไฟล์
ข้อมูลเยอะ · AI เขียนโค้ดคำนวณจริงได้ · แม่นกว่าแบบ 1 มาก
3
เล่าเป็น structured text
ไม่มีไฟล์ · เล่าเป็นหัวข้อ · เหมาะกับข้อมูลเชิงคุณภาพ
ถ้าต้องการ ตัวเลขที่ถูกต้อง — ใช้แบบ 2 เสมอ เพราะ AI จะเขียนโปรแกรมคำนวณแทนการเดา
M07 · AI for Research & Data5 / 11
WORKFLOW 1
Data Briefing — อ่านรายงานแทนคุณ
แนบข้อมูล
→
บอกบทบาท
→
กำหนดรูปแบบผล
→
สรุป 5 บรรทัด
Prompt Template
คุณคือนักวิเคราะห์ธุรกิจ
ข้อมูลแนบคือ [อธิบายว่าเป็นข้อมูลอะไร ช่วงเวลาไหน]
สรุปให้ผม:
1. 3 ตัวเลขสำคัญที่สุด และความหมาย
2. สิ่งที่เปลี่ยนแปลงผิดปกติ เทียบกับช่วงก่อน
3. 1 เรื่องที่ควรลงมือทำภายในสัปดาห์นี้
ถ้าข้อมูลไม่พอสรุปเรื่องไหน ให้บอกว่าไม่พอ — ห้ามเดา
บรรทัดสุดท้ายสำคัญที่สุด — มันเปลี่ยน AI จาก "ตอบทุกอย่าง" เป็น "ตอบเฉพาะที่รู้"
M07 · AI for Research & Data6 / 11
WORKFLOW 2
Comparative Analysis — ทำไมตัวเลขถึงเปลี่ยน
โครงสร้าง Prompt
เปรียบเทียบ [ช่วง A] กับ [ช่วง B]
1. ตัวเลขไหนเปลี่ยนมากที่สุด (เรียงลำดับ)
2. 3 สมมติฐานว่าทำไมถึงเปลี่ยน
3. แต่ละสมมติฐาน — ต้องดูข้อมูลอะไรเพิ่มเพื่อยืนยัน
4. สมมติฐานไหนน่าจะจริงที่สุด เพราะอะไร
กับดักที่ต้องระวัง
AI จะให้เหตุผลที่ฟังดูดีเสมอ แม้ไม่มีข้อมูลสนับสนุน
ทางแก้
ข้อ 3 บังคับให้ AI บอกว่ายังไม่รู้ — เปลี่ยนคำตอบเป็นสมมติฐานที่ตรวจสอบได้
M07 · AI for Research & Data7 / 11
WORKFLOW 3
Research Synthesis — รวมหลายแหล่งเป็น Insight
คำสั่งที่ต้องมี
สังเคราะห์ข้อมูลจากทุกแหล่ง แล้วบอก:
• จุดที่ทุกแหล่งเห็นตรงกัน → น่าเชื่อถือสูง
• จุดที่ขัดแย้งกัน → ระบุว่าขัดตรงไหน อย่าเลือกข้างเอง
• จุดที่ไม่มีแหล่งไหนพูดถึง → ช่องว่างข้อมูล
ข้อที่มีค่าที่สุดคือข้อ 3 — สิ่งที่ไม่มีใครพูดถึง มักเป็นจุดที่คู่แข่งมองข้ามเหมือนกัน
M07 · AI for Research & Data8 / 11
ADVANCED TECHNIQUE
ให้ AI ถามกลับ ก่อนวิเคราะห์
เพิ่มประโยคนี้ท้าย prompt:
"ก่อนวิเคราะห์ ถามผม 3 คำถามที่จะทำให้การวิเคราะห์แม่นขึ้น"
ไม่ใช้เทคนิคนี้
AI เดา context ที่ขาดไป → วิเคราะห์บนสมมติฐานผิด → คำตอบดูดีแต่ใช้ไม่ได้
ใช้เทคนิคนี้
AI ถามสิ่งที่ไม่รู้ → คุณเติม context → วิเคราะห์บนข้อมูลจริง
เทคนิคนี้ใช้เวลาเพิ่ม 30 วินาที แต่เปลี่ยนคุณภาพคำตอบอย่างมีนัยสำคัญ
M07 · AI for Research & Data9 / 11
สรุป PATTERN
4 อย่างที่ต้องมีในทุก Data Prompt
1
บอกว่าข้อมูลคืออะไร
ช่วงเวลา หน่วย ที่มา
2
กำหนดจำนวนข้อที่ต้องการ
บังคับให้จัดลำดับความสำคัญ
3
ห้ามเดา — ให้บอกว่าไม่รู้
ป้องกันข้อมูลปลอม
4
ขอ action ไม่ใช่แค่ insight
"ควรทำอะไรต่อ" ไม่ใช่ "พบว่า..."
ขาดข้อไหนก็ยังได้คำตอบ — แต่คำตอบจะอ่อนลงทุกข้อที่ขาด
M07 · AI for Research & Data10 / 11
EXERCISE M07
ลองทำกับข้อมูลจริงของคุณ
โจทย์: หาข้อมูลธุรกิจของคุณ 1 ชุด (ยอดขาย ลูกค้า ค่าใช้จ่าย — อะไรก็ได้ที่มีอย่างน้อย 2 ช่วงเวลา)
ส่วนที่ 1
ทำ Data Briefing — ได้ 3 ตัวเลข + 1 action
ส่วนที่ 2
ทำ Comparative Analysis — ได้ 3 สมมติฐาน
ส่วนที่ 3
ตรวจตัวเลขด้วยมือ — AI คำนวณถูกไหม
ส่วนที่ 3 ห้ามข้าม — ถ้าคุณไม่เคยจับ AI คำนวณผิด แปลว่าคุณยังไม่เคยตรวจ
M07 · AI for Research & Data11 / 11
MODULE 07 · จบแล้ว
คุณอ่านข้อมูลด้วย AI เป็นแล้ว
ต่อไปคือการเอา insight ที่ได้ ไปสื่อสารให้คนอื่นเข้าใจและลงมือทำ
ถัดไป → Module 08 · AI for Communication