ບໍ່ເປັນຂຽນໂປຣແກຣມ ກໍສາມາດວິເຄາະຂໍ້ມູນໄດ້: ໃຊ້ AI ຊ່ວຍອ່ານຂໍ້ມູນຂອງທ່ານ

ຂໍ້ມູນກໍຢູ່ຫັ້ນແລ້ວ, ແຕ່ເຈົ້າອ່ານມັນບໍ່ເຂົ້າໃຈວ່າໝາຍເຖິງຫຍັງ

ຫຼາຍຄົນມີຂໍ້ມູນຢູ່ໃນມືເປັນຈຳນວນຫຼາຍ—ບັນທຶກການຂາຍ, ຜົນການ ໃຫ້ຄຳເຫັນ (ແບບສອບຖາມ), ຂໍ້ມູນເວັບໄຊ, ແຕ່ພັດຕິດຢູ່ບ່ອນວ່າ "ແລ້ວ ຢາກໃຫ້ເຮັດແນວໃດຕໍ່?". ຂຽນສູດບໍ່ເປັນ, ບໍ່ຮູ້ເລື່ອງສະຖິຕິ, ຂໍ້ມູນກໍເລີຍເປັນພຽງແຕ່ຕົວເລກທີ່ນອນກອງຢູ່ຊື່ໆ. AI ໄດ້ເຂົ້າມາທຳລາຍກຳແພງນີ້ແລ້ວ: ພຽງແຕ່ເຈົ້າເວົ້າອອກມາ, ມັນຊ່ວຍຄິດໄລ່, ຊ່ວຍຊອກຫາທ່າອ່ຽງ ແລະ ຊ່ວຍແຕ້ມຮູບໃຫ້.

3 ວິທີທີ່ AI ຊ່ວຍເຈົ້າວິເຄາະຂໍ້ມູນ

• ຖາມຂໍ້ມູນຂອງເຈົ້າໂດຍກົງ: ອັບໂຫຼດໄຟລ໌, ຖາມແບບພາສາປົກກະຕິວ່າ "ເດືອນໃດຂາຍດີທີ່ສຸດ?", "ລູກຄ້າກຸ່ມໃດກັບມາຊື້ຊ້ຳເລື້ອຍທີ່ສຸດ?".
• ສ້າງສູດໃຫ້: ບໍ່ຮູ້ວ່າຄວນໃຊ້ຟັງຊັນໃດ, ພຽງແຕ່ອະທິບາຍຄວາມຕ້ອງການ ມັນກໍຈະໃຫ້ສູດ Excel/Sheets ມາເລີຍ.
• ສ້າງແຜນຜັງ ແລະ ຄວາມຮູ້ (Insights): ແຕ້ມຮູບທີ່ເໝາະສົມໃຫ້ໂດຍອັດຕະໂນມັດ, ພ້ອມທັງອະທິບາຍຈຸດສຳຄັນດ້ວຍພາສາທີ່ເຂົ້າໃຈງ່າຍ.

ເຄື່ອງມືຍອດນິຍົມ, ເລືອກຕາມຄວາມຕ້ອງການ

• ອັບໂຫຼດໄຟລ໌ແລ້ວຖາມໄດ້ເລີຍ, ແຕ້ມຮູບເປັນ: ChatGPT (ຟັງຊັນວິເຄາະຂໍ້ມູນ), Rows, Sourcetable.
• ຢາກໄດ້ແຕ່ສູດ Excel: GPTExcel, Ajelix, Formula Bot.
• ຂໍ້ມູນຢູ່ໃນຖານຂໍ້ມູນ (Database): Chat2DB—ເວົ້າສັ່ງແລ້ວສ້າງ SQL ໃຫ້.
• ການວິເຄາະຂັ້ນສູງ / ການເຮັດວຽກຮ່ວມກັນ: Hex, Deepnote, Quadratic.

ຂັ້ນຕອນການວິເຄາະທີ່ມີປະໂຫຍດ

1. ຖາມໃຫ້ຊັດເຈນວ່າເຈົ້າຢາກຮູ້ຫຍັງ: ຢ່າຖາມແບບລອຍໆ, ໃຫ້ກຳນົດຄຳຖາມກ່ອນ (ຕົວຢ່າງ: "ຢາກຮູ້ວ່າຜະລິດຕະພັນໃດຄວນເປັນຕົວຫຼັກໃນການໂຄສະນາ").
2. ຈັດຮູບແບບຂໍ້ມູນໃຫ້ສະອາດ: ຫົວຂໍ້ຄໍລຳຕ້ອງກົງກັນ, ລຶບຂໍ້ມູນທີ່ຊ້ຳກັນອອກ, ເຊິ່ງ AI ກໍສາມາດຊ່ວຍເຈົ້າຈັດການໄດ້ຄືກັນ.
3. ອັບໂຫຼດ ແລະ ຕັ້ງຄຳຖາມ: ໃຊ້ພາສາທຳມະດາຄ່ອຍໆຖາມໄປทีລະຂັ້ນຕອນ, ຂໍໃຫ້ມັນອະທິບາຍສິ່ງທີ່ຄົ້ນພົບ.
4. ໃຫ້ມັນແຕ້ມຮູບ (ກາຟ): ຂໍໃຫ້ AI ແນະນຳ ແລະ ສ້າງແຜນຜັງທີ່ເໝາະສົມທີ່ສຸດ.
5. ກວດສອບດ້ວຍຕົວເອງ: AI ສາມາດຄິດໄລ່ຜິດໄດ້, ດັ່ງນັ້ນ ຂໍ້ສະຫຼຸບທີ່ສຳຄັນຄວນກວດກາຄືນດ້ວຍຕົນເອງ.

ສິ່ງທີ່ຕ້ອງລະວັງ

• AI ສາມາດຄິດໄລ່ຜິດ ແລະ ມຸສາ (แต่งเรื่อง) ໄດ້: ຜົນລັບที่เป็นຕົວເລກຈຳເປັນຕ້ອງໄດ້ກວດສອບແບບສຸມ.
• ຂໍ້ມູນທີ່ອ່ອນໄຫວ ຕ້ອງລະວັງເລື່ອງຄວາມເປັນສ່ວນຕົວ: ຂໍ້ມູນສ່ວນຕົວຂອງລູກຄ້າ ຫຼື ຂໍ້ມູນການເງິນ ບໍ່ຄວນອັບໂຫຼດຂຶ້ນຄລາວຊະຊາຍ, ຄວນໃຊ້ວິທີການແບບອອບລາຍ ຫຼື ລະບົບພາຍໃນ.
• ຢ่าຖືກຫຼອກດ້ວຍຮູບກາຟທີ່ສວຍງາມ: ຮູບທີ່ງາມບໍ່ໄດ້ໝາຍຄວາມວ່າຂໍ້ສະຫຼຸບຈະຖືກຕ້ອງ, ໃຫ້ກວດເບິ່ງແຫຼ່ງທີ່ມາຂອງຂໍ້ມູນ ແລະ ເຫດຜົນໃຫ້ລະອຽດ.

TheAI學院 ບົດສະຫຼຸບ ແລະ ຄວາມຄິດເຫັນ

ເວົ້າຕາມຕົງ, AI ເຮັດໃຫ້ "ການວິເຄາະຂໍ້ມູນ" ຈາກທີ່ເຄີຍຕ້ອງຂຽນໂຄດ ແລະ ເຂົ້າໃຈເລື່ອງສະຖິຕິ ມາເປັນພຽງແຕ່ "ຂໍໃຫ້ຖາມຄຳຖາມເປັນກໍພໍ". ແຕ່ມັນກໍມີຈັ່ງຫວະກັບດັກ—ເພາະມັນເກັ່ງໂພດໃນການໃຫ້ຄຳຕອບທີ່ເບິ່ງຄືວ່າຫຼູຫຼາໜ້າເຊື່ອຖື, ເຮັດໃຫ້ເຈົ້າຍິ່ງຕ້ອງຮັກສາຄວາມສົງໄສ ແລະ ຕ້ອງກວດສອບດ້ວຍຕົນເອງ.

ເລີ່ມຕົ້ນຈາກຂໍ້ມູນທີ່ມີຢູ່ໃນມືຂອງເຈົ້າຕອນນີ້, ອັບໂຫຼດຂຶ້ນໄປ, ຖາມມັນຈັກສອງສາມຄຳຖາມ, ແລ້ວເຈົ້າຈະຕົກໃຈວ່າການວິເຄາະມັນງ່າຍຂະໜາດນີ້ເລີຍຕິ. ອ່ານເພີ່ມເຕີມ: ການໃຊ້ AI ຈັດການຕາຕະລາງຄຳນວນ (Spreadsheet).

ຄຳຄົມສັ້ນໆ: AI ເຮັດໃຫ້ການວິເຄາະຂໍ້ມູນກາຍເປັນເລື່ອງ "ຖາມຄຳຖາມເປັນກໍພໍ", ແຕ່ຍ້ອນວ່າມมันມັກໃຫ້ຄຳຕອບທີ່ສວຍງາມເກີນໄປ, ເຈົ້າຈຶ່ງຍິ່ງຕ້ອງກວດສອບມັນດ້ວຍຕົວເອງ.

แหล่งข้อมูล (ແຫຼ່ງຂໍ້ມູນ)

ເວັບໄຊທາງການຂອງແຕ່ລະເຄື່ອງມື (Rows, GPTExcel ແລະ ອື່ນໆ).

ສະຖານະການທົ່ວໄປ: ວິທີການນຳໃຊ້ AI ເພື່ອວິເຄາະຂໍ້ມູນ

ໃນການນຳໃຊ້ຕົວຈິງ, AI ສามารถຊ່ວຍພວກເຮົາແກ້ໄຂບັນຫາການວິເຄາະຂໍ້ມູນໄດ້ຫຼາກຫຼາຍຮູບແບບ. ຕົວຢ່າງເຊັ່ນ: ທີມຂາຍສາມາດໃຊ້ AI ວິເຄາະພຶດຕິກຳການຊື້ຂອງລູກຄ້າ ເພື່ອຊອກຫາກຸ່ມລູກຄ້າที่มีຄຸນຄ່າສູງສຸດ; ທີມງານຄົ້ນຄວ້າການຕະຫຼາດສາມາດໃຊ້ AI ວິເຄາະຂໍ້ມູນສື່ສັງຄົມອອນລາຍ ເພື່ອເຂົ້າໃຈຜົນຕອບຮັບຂອງຜູ້ບໍລິໂພກທີ່ມີຕໍ່ຜະລິດຕະພັນໃໝ່; ທີມງານການເງິນສາມາດໃຊ້ AI ວິເຄາະບົດລາຍງານການເງິນ ເພື່ອຊອກຫາໂອກາດໃນການຄວບຄຸມຕົ້ນທຶນ. ກໍລະນີການນຳໃຊ້ເຫຼົ່ານີ້ລ້ວນແຕ່ຕ້ອງການໃຫ້ພວກເຮົາສາມາດຕັ້ງຄຳຖາມກັບ AI ໄດ້อย่างມີປະສິດທິພາບ, ເພື່ອໃຫ້ມັນຊ່ວຍພວກເຮົາຊອກຫາຂໍ້ມູນເຊີງເລິກທີ່ມີປະໂຫຍດ.

ການນຳໃຊ້ຂັ້ນສູງ: ການໃຊ້ AI ເພື່ອວິເຄາະແບບພະຍາກອນ (Predictive Analysis)

ນອກເໜືອจากการວິເຄາະຂໍ້ມູນພື້ນຖານແລ້ວ, AI ຍັງສາມາດຊ່ວຍພວກເຮົາວິເຄາະແບບພະຍາກອນໄດ້ອີກດ້ວຍ. ຕົວຢ່າງເຊັ່ນ: ການໃຊ້ຂໍ້ມູນການຂາຍໃນອະດີດເພື່ອຄາດຄະເນທ່າອ່ຽງການຂາຍໃນອະນາຄົດ; ການໃຊ້ພຶດຕິກຳການຊື້ຂອງລູກຄ້າເພື່ອຄາດຄະເນອັດຕາການຍ້າຍອອກຂອງລູກຄ້າໃນອະນາຄົດ; ການໃຊ້ຂໍ້ມູນການເງິນເພື່ອຄາດຄະເນກະແສເງິນສົດໃນອະນາຄົດ. ການພະຍາກອນເຫຼົ່ານີ້ສາມາດຊ່ວຍໃຫ້ພວກເຮົາຕັດສິນໃຈໄດ້ດີຂຶ້ນ, ເຊັ່ນ: ການປັບປຸງຍຸດທະສາດການຕະຫຼາດ, ການເພີ່ມປະສິດທິພາບລະບົບຕ່ອງໂສ້ການສະໜອງ, ແລະ ການຄວບຄຸມຕົ້ນທຶນ. ແນວໃດก็ตาม, ການວິເຄາະແບບພະຍາກອນແມ່ນຕ້ອງການຟັງຊັນ AI ທີ່ສູງຂຶ້ນ ແລະ ຊຸດຂໍ້ມູນທີ່ໃຫຍ່ຂຶ້ນ, ດັ່ງນັ້ນຈຶ່ງຕ້ອງມີຄວາມຮູ້ທາງດ້ານເຕັກນິກ ແລະ ການກຽມຂໍ້ມູນເພີ່ມເຕີມ.

ຂໍ້ຜິດພາດທົ່ວໄປ: ວິທີຫຼີກລ່ຽງກັບດັກການວິເຄາະຂໍ້ມູນດ້ວຍ AI

ເມື່ອນຳໃຊ້ AI ເພື່ອວິເຄາະຂໍ້ມູນ, ຂໍ້ຜິດພາດທີ່ມັກພົບເລື້ອຍລວມມີ: ການເພິ່ງພາອາໄສຄຳຕອບຂອງ AI ຫລາຍເກີນໄປ ໂດຍບໍ່ໄດ້ກວດສອບຜົນລັບດ້ວຍຕົນເອງ; ການບໍ່ເຮັດຄວາມສະອາດຂໍ້ມູນ, ເຮັດໃຫ້ຄຳຕອບຂອງ AI ບໍ່ຖືກຕ້ອງ; ບໍ່ໄດ້ຄຳນຶງເຖິງແຫຼ່ງທີ່ມາ ແລະ ຄຸນນະພາບຂອງຂໍ້ມູນ, ເຮັດໃຫ້ຄຳຕອບຂອງ AI ເກີດຄວາມຄลาดເຄື່ອນ. ເພື່ອหลีกລ່ຽງກັບດັກເຫຼົ່ານີ້, ພວກເຮົາຈຳເປັນຕ້ອງປະເມີນຄຳຕອບຂອງ AI ຢ່າງມີວິຈານຍານ, ກວດສອບຜົນລັບດ້ວຍຕົນເອງ, ພ້ອມທັງຕ້ອງສາມາດທໍາຄວາມສະອາດ ແລະ ກຽມຂໍ້ມູນຢ່າງມີປະສິດທິພາບ ເພື່ອຮັບປະກັນຄຸນນະພາບ ແລະ ความໜ້າເຊື່ອຖືຂອງຂໍ້ມູນ.

ທ່າອ່ຽງໃນອະນາຄົດ: ທິດທາງການພັດທະນາການວິເຄາະຂໍ້ມູນດ້ວຍ AI

ໃນອະນາຄົດ, ທິດທາງການພັດທະນາການວິເຄາະຂໍ້ມູນດ້ວຍ AI ຈະລວມມີ: ຄວາມສາມາດໃນການພະຍາກອນທີ່ແຂງແກ່ນຂຶ້ນ, ສາມາດຄາດຄະເນທ່າອ່ຽງ ແລະ ຮູບແບບທີ່ສັບສົນຂຶ້ນໄດ້; ความສາມາດໃນການອະທິບາຍທີ່ດີຂຶ້ນ, ສามารถໃຫ້ຄຳຕອບ ແລະ ເຫດຜົນທີ່ຊັດເຈນຂຶ້ນ; ຂອບເຂດການນຳໃຊ້ທີ່ກວ້າງຂວາງຂຶ້ນ, ສາມາດນຳໄປໃຊ້ໄດ້ໃນຫລາຍອຸດສາຫະກຳ ແລະ ຂົງເຂດ. ພ້ອມດຽວກັນນັ້ນ, ການວິເຄາະຂໍ້ມູນດ້ວຍ AI ກໍຈະຕ້ອງປະເຊີນກັບສິ່ງທ້າທາຍຫລາຍຂຶ້ນເຊັ່ນກັນ, ເຊັ່ນ: ບັນຫາຄວາມປອດໄພຂອງຂໍ້ມູນ ແລະ ຄວາມເປັນສ່ວນຕົວ, ເຊິ່ງຮຽກຮ້ອງໃຫ້ພວກເຮົາຕ້ອງແກ້ໄຂບັນຫາເຫຼົ່ານີ້ຢ່າງມີປະສິດທິພາບ ຈຶ່ງຈະສາມາດດຶງເອົາສ່າກຍະພາບທັງໝົດຂອງການວິເຄາະຂໍ້ມູນດ້ວຍ AI ອອກມາໄດ້.

ຄຳແນະນຳສຳລັບກຸ່ມຄົນຕ່າງໆ

ຄຳແນະນຳສຳລັບຜູ້ເລີ່ມຕົ້ນແມ່ນ: เริ่มຈາກການວິເຄາະຂໍ້ມູນແບບງ່າຍໆ, ใช้ເຄື່ອງມື AI ເພື່ອແກ້ໄຂບັນຫາການວິເຄາະຂໍ້ມູນຂັ້ນພື້ນຖານ. ຄຳແນະນຳສຳລັບນັກວິເຄາະທີ່ມີປະສົບການແມ່ນ: ໃຊ້ເຄື່ອງມື AI ເພື່ອດຳເນີນການວິເຄາະຂໍ້ມູນຂັ້ນສູງຂຶ້ນ, ເຊັ່ນ: ການວິເຄາະແບບພະຍາກອນ ແລະ ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ (Machine Learning). ຄຳແນະນຳສຳລັບຜູ້ນຳພາອົງກອນແມ່ນ: ລົງທຶນໃນພື້ນຖານໂຄງລ່າງ ແລະ บุคลากร ສໍາລັບການວິເຄາະຂໍ້ມູນດ້ວຍ AI, ຈຶ່ງຈະສາມາດເສີມຂະຫຍາຍສ່າກຍະພາບຂອງ AI ໄດ້ຢ່າງເຕັມທີ່. ຄຳແນະນຳສຳລັບນັກວິທະຍາສາດຂໍ້ມູນ (Data Scientists) ແມ່ນ: ຮຽນຮູ້ ແລະ ອັບເດດຄວາມຮູ້ ແລະ ທັກສະການວິເຄາະຂໍ້ມູນດ້ວຍ AI ຢ່າງຕໍ່ເນື່ອງ, ຈຶ່ງจะສາມາດຮັກສາຄວາມສາມາດໃນການແຂ່ງຂັນໃນຂົງເຂດການວິເຄາະຂໍ້ມູນທີ່ມີການປ່ຽນແປງຢ່າງວ່ອງໄວນີ້ໄດ້.

ຕາຕະລາງປຽບທຽບ: ຂໍ້ດີ ແລະ ຂໍ້ເສຍຂອງເຄື່ອງມື AI ຕ່າງໆ

ເຄື່ອງມື	ຂໍ້ດີ	ຂໍ້ເສຍ
ChatGPT	ໃຊ້ງານງ່າຍ, ສามารถຖາມ-ຕອບໄດ້ໂດຍກົງ	ຕ້ອງການຂໍ້ມູນຝຶກອົບຮົມຈຳນວນຫຼາຍ, ອາດເກີດຄວາມຄลาดເຄື່ອນ
Rows	ສາມາດສ້າງສູດໄດ້, ຮອງຮັບรูปแบบຂໍ້ມູນທີ່ຫຼາກຫຼາຍ	ໃຊ້ງານສັບສົນ, ຕ້ອງການຄວາມຮູ້ທາງດ້ານເຕັກນິກໃນລະດັບໜຶ່ງ
Sourcetable	ສາມາດແຕ້ມຮູບກາຟໄດ້ໂດຍອັດຕະໂນມັດ, ຮອງຮັບການສະແດງຜົນຂໍ້ມູນທີ່ຫຼາກຫຼາຍ	ຂໍ້ຈຳກັດດ້ານຂໍ້ມູນຂ້ອນຂ້າງຫຼາຍ, ອາດບໍ່ເໝາະສົມกับการວິເຄາະຂໍ້ມູນຂະໜາດໃຫຍ່ (Big Data)
GPTExcel	ສາມາດສ້າງສູດ Excel ໄດ້, ຮອງຮັບການດຳເນີນການກັບຂໍ້ມູນທີ່ຫຼາກຫຼາຍ	ຕ້ອງການຄວາມຮູ້ Excel ໃນລະດັບໜຶ່ງ, ອາດບໍ່ເໝາະສົມສຳລັບຜູ້ເລີ່ມຕົ້ນ
Ajelix	ສາມາດສຳເລັດການວິເຄາະຂໍ້ມູນໄດ້ໂດຍອັດຕະໂນມັດ, ຮອງຮັບການສະແດງຜົນຂໍ້ມູນທີ່ຫຼາກຫຼາຍ	ໃຊ້ງານສັບສົນ, ຕ້ອງການຄວາມຮູ້ທາງດ້ານເຕັກນິກໃນລະດັບໜຶ່ງ
Formula Bot	ສามารถສ້າງສູດໄດ້, ຮອງຮັບຮູບແບບຂໍ້ມູນທີ່ຫຼາກຫຼາຍ	ໃຊ້ງານງ່າຍ, ແຕ່ອາດບໍ່ເໝາະສົມສຳລັບການວິເຄາະຂໍ້ມູນທີ່ສັບສົນ

ຄວາມເຂົ້າໃຈຜິດທົ່ວໄປ: ข้อຈຳກັດຂອງການວິເຄາະຂໍ້ມູນດ້ວຍ AI

ຫຼາຍຄົນເຂົ້າໃຈຜິດວ່າການວິເຄາະຂໍ້ມູນດ້ວຍ AI ແມ່ນວິເສດສາມາດແກ້ໄຂໄດ້ທຸກຢ່າງ, ສາມາດແກ້ໄຂບັນຫາການວິເຄາະຂໍ້ມູນໄດ້ທັງໝົດ. ແຕ່ຄວາມຈິງແລ້ວ, ການວິເຄາະຂໍ້ມູນດ້ວຍ AI ກໍมีຂໍ້ຈຳກັດຂອງມັນເຊັ່ນກັນ, ຕົວຢ່າງເຊັ່ນ: ຕ້ອງການຂໍ້ມູນຄຸນນະພາບສູງຈຳນວນຫຼາຍມາຝຶກອົບຮົມ, ອາດຈະເກີດຄວາມຄາດເຄື່ອນ ແລະ ຄວາມຜິດພາດໄດ້; ຕ້ອງການຄວາມຮູ້ທາງດ້ານເຕັກນິກ ແລະ ການກຽມຂໍ້ມູນໃນລະດັບໜຶ່ງ ຈຶ່ງຈະສາມາດໃຊ້ງານເຄື່ອງມື AI ໄດ້ຢ່າງມີປະສິດທິພາບ; ອາດຈະບໍ່ເໝາະສົມກັບທຸກບັນຫາການວິເຄາະຂໍ້ມູນ, ເຊັ່ນບັນຫາທີ່ຕ້ອງການການຕັດສິນໃຈໂດຍມະນຸດ ແລະ ความຮູ້ສະເພາະດ້ານ (Professional Knowledge). ດັ່ງນັ້ນ, ຈຶ່ງຮຽກຮ້ອງໃຫ້ພວກເຮົາຕ້ອງເຂົ້າໃຈຄວາມສາມາດ ແລະ ຂໍ້ຈຳກັດຂອງການວິເຄາະຂໍ້ມູນດ້ວຍ AI ຢ່າງຖືກຕ້ອງ, ຈຶ່ງຈະສາມາດນຳໃຊ້ພວກມັນໄດ້ຢ່າງມີປະສິດທິພາບ.

ຂັ້ນຕອນທີ່ມີປະໂຫຍດ: ວິທີເລືອກເຄື່ອງມື AI ທີ່ເໝາະສົມ

ການເລືອກເຄື່ອງມື AI ທີ່ເໝາະສົມແມ່ນຮຽກຮ້ອງໃຫ້ພວກເຮົາຕ້ອງພິຈາລະນາປັດໄຈຕ່າງໆ ດັ່ງນີ້: ប្រເພດ ແລະ ຂະໜາດຂອງຂໍ້ມູນ, ເປົ້າໝາຍ ແລະ ຄວາມຕ້ອງການໃນການວິເຄາະ, ຄວາມຮູ້ທາງດ້ານເຕັກນິກ ແລະ ຊັບພະຍາກອນ. ຕໍ່ໄປນີ້ແມ່ນຂັ້ນຕອນທີ່ມີປະໂຫຍດ: ກ່ອນອື່ນໝົດ, ໃຫ້ກຳນົດເປົ້າໝາຍ ແລະ ຄວາມຕ້ອງການໃນການວິເຄາະໃຫ້ຊັດເຈນ, ລະບຸໃຫ້ໄດ້ວ່າຕ້ອງການແກ້ໄຂບັນຫາຫຍັງ; ອັນທີສອງ, ປະເມີນປະເພດ ແລະ ຂະໜາດຂອງຂໍ້ມູນ, ວ່າຕ້ອງການເຄື່ອງມື