การวิเคราะห์แบบ RFM ในการแบ่งกลุ่มผู้ใช้งานเครื่องพิมพ์และเครื่องถ่ายเอกสารในองค์กร กรณีศึกษาสำนักวิชาสารสนเทศศาสตร์ มหาวิทยาลัยวลัยลักษณ์

Main Article Content

กาญจนา หฤหรรษพงศ์
ปิยมาศ จิตตระ

บทคัดย่อ

งานวิจัยนี้มีวัตถุประสงค์เพื่อทำการค้นหาความรู้จากการวิเคราะห์ข้อมูลเพื่อจัดกลุ่มผู้ใช้งานเครื่องพิมพ์และเครื่องถ่ายเอกสารในองค์กร โดยการทำเหมืองข้อมูลด้วยวิธีการจัดกลุ่ม ข้อมูลที่ใช้ในการวิเคราะห์ประกอบด้วย 3 ส่วน คือ การพิมพ์งานด้วยเครื่องพิมพ์ การพิมพ์งานด้วยเครื่องถ่ายเอกสาร และการถ่ายเอกสาร งานวิจัยนี้นำเสนอวิธีในการแบ่งกลุ่มผู้ใช้ตามพฤติกรรมการใช้งานเครื่องพิมพ์และเครื่องถ่ายเอกสารด้วยแบบจำลอง Recency, Frequency and Monetary หรือ RFM ข้อมูลที่ใช้ในการวิจัยเป็นข้อมูลการใช้งานเครื่องพิมพ์และเครื่องถ่ายเอกสารของบุคลากรสำนักวิชาสารสนเทศศาสตร์ มหาวิทยาลัยวลัยลักษณ์ จำนวน 84,764 รายการ ตั้งแต่ปี 2554-2559 ผู้ใช้งานทั้งหมด 78 คน วิเคราะห์ด้วย RapidMiner Studio 7.4


ผลจากการวิจัยพบว่าสามารถแบ่งกลุ่มผู้ใช้ตามพฤติกรรมการใช้งานเครื่องพิมพ์และเครื่องถ่ายเอกสารออกเป็น 14 กลุ่มได้อย่างชัดเจน โดยกลุ่มที่น่าสนใจ คือ กลุ่มที่มีความถี่ในการใช้บ่อยและมีปริมาณใช้งานมาก จำนวน 15 คน จากผลการวิจัยทำให้ทราบรูปแบบการใช้งานและนำผลไปใช้ในการตรวจสอบพฤติกรรมการใช้งานเครื่องพิมพ์และเครื่องถ่ายเอกสารของบุคลากรว่ามีการใช้งานที่มีความสอดคล้องกับงานที่ทำอยู่หรือไม่เพื่อช่วยลดค่าใช้จ่าย ผลการวิจัยดังกล่าวเมื่อนำมาตรวจสอบไม่พบความผิดปกติในการใช้งานเนื่องจากกลุ่มผู้ใช้ในกลุ่มดังกล่าวเป็นเจ้าหน้าที่ที่รับผิดชอบทำงานงานด้านเอกสาร นอกจากนี้ยังพบว่าพฤติกรรมของบุคลากรในการพิมพ์เอกสารส่วนใหญ่นิยมพิมพ์ทางเครื่องพิมพ์มากกว่าการพิมพ์ทางเครื่องถ่ายเอกสาร

Article Details

บท
บทความวิจัย

References

[1] ศูนย์เทคโนโลยีดิจิทัล มหาวิทยาลัยวลัยลักษณ์. (2559). ระบบควบคุมงานพิมพ์และถ่ายเอกสาร. มหาวิทยาลัยวลัยลักษณ์, นครศรีธรรมราช.
[2] เอกสิทธิ์ พัชรวงศ์ศักดา. (2557). An Introduction to Data Mining Techniques. กรุงเทพฯ : สำนักพิมพ์เอเชีย ดิจิตอลการพิมพ์.
[3] Han J. and Kamber M. (2006). Data Mining Concepts and Techniques. 2nd ed. San Francisco: Morgan Kaufmann.
[4] Tan P. N., Steinbach M., and Kumar V. (2005). Introduction to Data Mining. Boston: Pearson.
[5] Stephan K.. (2004). Managing Data Mining. London: CyberTechPublishing.
[6] เอกสิทธิ์ พัชรวงศ์ศักดา. (2558). Introduction to Business Analytics with RapidMiner Studio 6. กรุงเทพฯ: สำนักพิมพ์เอเชีย ดิจิตอลการพิมพ์.
[7] Wei Jo-Ting, Lin Shih-Yen and Wu Hsin-Hung. (2010). A review of the application of RFM model. African Journal of Business Management, 4(19), 4199-4206.
[8] Fader P. S., Hardie B. G., and Lee K. L. (2005). RFM and CLV: Using iso-value curves for customer based analysis. Journal of Marketing Research, 42(4), 415-430.
[9] Soeini R. A. and Fathalizade E. (2012). Customer Segmentation based on Modified RFM Model in the Insurance Industry. In Proceedings of 2012 4th International Conference on Machine Learning and Computing. 101-104. Singapore: IACSIT Press.
[10] Dursan A. and Caber M. (2016). Using data mining techniques for profiling profitable hotel customer: An application of RFM analysis. Journal of Tourism Management, 18, 153-160.
[11] เอกสิทธิ์ พัชรวงศ์ศักดา. (2558). Introduction to Business Analytics with RapidMiner Studio 6. กรุงเทพฯ: สำนักพิมพ์เอเชีย ดิจิตอลการพิมพ์.
[12] เอกสิทธิ์ พัชรวงศ์ศักดา. (2557). Practical Data Mining with RapidMiner Studio 6. กรุงเทพฯ: สำนักพิมพ์เอเชีย
ดิจิตอลการพิมพ์.