| โปรเจกต์ | คำอธิบาย | เครื่องมือ | ลิงก์ |
|---|---|---|---|
| แดชบอร์ดวิเคราะห์ข้อมูลตั๋วรถตู้ (Mini Hackathon) | โปรเจกต์ Business Intelligence วิเคราะห์ข้อมูลการจองตั๋วรถตู้เพื่อค้นหาจุดรั่วไหลของรายได้และเทรนด์ลูกค้า สร้าง Interactive Power BI Dashboard 4 มุมมอง: ภาพรวมผู้บริหาร, เจาะลึกยอดขาย, สุขภาพการดำเนินงาน (ติดตามยอดจองที่ค้างชำระ), และข้อมูลลูกค้า ใช้ Python เตรียมข้อมูล, เขียน SQL และ DAX ซับซ้อนเพื่อคำนวณ KPI แบบไดนามิก (เช่น อัตราการจองล้มเหลว, รายได้ที่อาจสูญเสีย) พร้อมออกแบบ Data Model แบบ Star Schema |
Power BI (DAX), SQL, Python (Pandas), Git |
🔗 ดูโปรเจกต์ |
| วิเคราะห์ยอดขายปูนซีเมนต์และสร้าง ETL Pipeline | วิเคราะห์ข้อมูลยอดขายและการผลิตปูนซีเมนต์ (ปี 2010-2022) โดยได้รับแรงบันดาลใจจาก SCG ประกอบด้วยการสร้าง ETL pipeline อัตโนมัติด้วย Python (Pandas, SQLite) สำหรับการนำเข้า ทำความสะอาด และโหลดข้อมูลเข้าฐานข้อมูล (src/) รวมถึงการทำ Exploratory Data Analysis (EDA) การติดตาม Key Performance Indicator (KPI) ผ่าน SQL การวิเคราะห์ปัจจัยต้นทุนด้วย Ridge Regression (Scikit-learn) และการพยากรณ์ยอดขาย 12 เดือนด้วย Prophet ผลการวิเคราะห์เกี่ยวกับประสิทธิภาพ รูปแบบความต้องการ และผลกระทบทางเศรษฐกิจ (GDP) นำเสนอผ่าน Dashboard ใน Power BI |
Python (Pandas, Scikit-learn, Prophet, Matplotlib, SQLite3), SQL, Power BI, Git |
🔗 ดูโปรเจกต์ |
| ระบบจัดการข้อมูลยอดขายอัตโนมัติและแดชบอร์ด | พัฒนาระบบ ETL Pipeline ด้วย Python (Pandas) เพื่อดึงและประมวลผลข้อมูลยอดขายกว่า 100,000 รายการแบบอัตโนมัติ จำลองฐานข้อมูล PostgreSQL บน Docker และเชื่อมต่อข้อมูลขึ้นระบบ Cloud ผ่าน Google Sheets API สร้าง Looker Studio Dashboard เพื่อแสดงผล KPI ที่สำคัญ ช่วยให้วิเคราะห์แนวโน้มยอดขายและประสิทธิภาพการขนส่งได้อย่างแม่นยำ |
Python (Pandas), SQL, Docker, PostgreSQL, Google Cloud Platform (GCP), Google Sheets API, Looker Studio |
🔗 ดูโปรเจกต์ |
| ระบบทำนายราคาตั๋วเครื่องบินไปญี่ปุ่น (Japan Flight Predictor) | เว็บแอปพลิเคชันทำนายราคาตั๋วเครื่องบินไป-กลับ (BKK-Japan) ด้วย Machine Learning สร้างโมเดล Multiple Linear Regression ที่มีความแม่นยำสูงถึง 96.14% พัฒนาหน้าเว็บแบบ Interactive ด้วย Streamlit ให้ผู้ใช้ระบุวันเดินทางเพื่อดูราคาที่คาดการณ์และแนวโน้มล่วงหน้า พร้อม Deploy ขึ้นระบบ Streamlit Cloud ให้ใช้งานได้จริง |
Python (Scikit-learn, Pandas), Streamlit, Machine Learning, Git |
🔗 ดูโปรเจกต์ |
| Project | Description | Tools | Link |
|---|---|---|---|
| Thai Van Ticket Dashboard (Mini Hackathon) | End-to-end BI project analyzing van ticket booking data to identify revenue leaks and customer trends. Built an interactive Power BI dashboard with 4 key views: Executive Summary, Sales Deep Dive, Operational Health (tracking unpaid bookings), and Customer Insights. Utilized Python for data prep, complex SQL queries and DAX measures for dynamic KPIs (e.g., Failure Rate, Potential Lost Revenue), implementing a Star Schema data model. |
Power BI (DAX), SQL, Python (Pandas), Git |
🔗 View Project |
| Cement Sales Analysis & ETL Pipeline | End-to-end data project analyzing cement factory sales and production data (2010-2022), inspired by SCG. Features an automated ETL pipeline built with Python (Pandas, SQLite) for data ingestion, cleaning, and database loading (src/). Includes Exploratory Data Analysis (EDA), Key Performance Indicator (KPI) tracking via SQL, cost driver analysis using Ridge Regression (Scikit-learn), and 12-month sales forecasting with Prophet. Insights on efficiency, demand patterns, and economic impacts (GDP) are visualized in a Power BI dashboard. |
Python (Pandas, Scikit-learn, Prophet, Matplotlib, SQLite3), SQL, Power BI, Git |
🔗 View Project |
| Sales Data Pipeline & Dashboard | Designed and implemented an automated ETL pipeline using Python (Pandas) to ingest and process over 100k raw sales records. Deployed PostgreSQL on Docker as a data warehouse and established a connection to Google Sheets via API for cloud accessibility. Developed an interactive Looker Studio Dashboard to visualize key metrics (KPIs), enabling data-driven decisions on product performance and logistics efficiency. |
Python (Pandas), SQL, Docker, PostgreSQL, Google Cloud Platform, Google Sheets API, Looker Studio |
🔗 View Project |
| Japan Flight Predictor (Web Application) | Interactive web app predicting round-trip flight prices (BKK-Japan) using Machine Learning. Built a Multiple Linear Regression model with 96.14% accuracy. Developed the frontend with Streamlit, allowing users to input travel dates for real-time price forecasting and trend visualization. Fully deployed on Streamlit Cloud for public access. |
Python (Scikit-learn, Pandas), Streamlit, Machine Learning, Git |
🔗 View Project |