ตำราวิชาธุรกิจอัจฉริยะและการวิเคราะห์ข้อมูลขนาดใหญ่ (Business Intelligence and Big Data Analytics) นี้ได้แบ่งเนื้อหาเป็น 12 บท รายวิชานี้มุ่งเน้นให้ผู้เรียนมีความรู้ความสามารถด้านการวิเคราะห์และนำเสนอข้อมูลด้วยกราฟเพื่อสนับสนุนการทำธุรกิจในยุคดิจิทัล เนื้อหา บทที่ 1 ความหมายและหลักการทำงานของธุรกิจอัจฉริยะ เครื่องมือในการสร้างและแหล่งข้อมูลสำหรับวิเคราะห์ข้อมูลธุรกิจอัจฉริยะ กราฟที่เหมาะสมกับการแสดงข้อมูลแต่ละประเภท ตัวอย่างงานวิจัยการประยุกต์ใช้ Google Chart API บทที่ 2  การหา Insights น่าสนใจจากข้อมูลด้วย Pivot Table ใน Google Sheet และการวิเคราะห์ RFM โครงสร้างชุดข้อมูลธุรกิจขายสินค้าออนไลน์ วิเคราะห์จัดกลุ่มข้อมูลพฤติกรรมของผู้บริโภคด้วยหลักการ RFM ตัวอย่างงานวิจัยการพัฒนาระบบธุรกิจอัจฉริยะจัดโปรโมชันส่งเสริมการตลาด บทที่ 3 การใช้ Looker Studio สร้าง Dashboard แสดงข้อมูลทางสถิติของธุรกิจการสร้าง Interactive Dashboard แสดงข้อมูลทางผลประกอบการของธุรกิจ บทที่ 4 การใช้ Power BI สร้าง Dashboard แสดงข้อมูลผลการดำเนินงานธุรกิจ การสร้างกราฟเส้นพยากรณ์ยอดขายสินค้าในอนาคต เทคนิค Time Series การสร้างกราฟจุดจัดกลุ่มข้อมูลสินค้ายอดฮิต เทคนิค K-Means บทที่ 5  การใช้ Tableau สร้าง Dashboard แสดงข้อมูลผลการดำเนินงานธุรกิจ บทที่ 6 สถาปัตยกรรมของข้อมูลขนาดใหญ่ (Big Data) องค์ประกอบ วิวัฒนาการของข้อมูลขนาดใหญ่ วิธีสร้างแหล่งเก็บข้อมูลขนาดใหญ่ เครื่องมือ BigQuery บทที่ 7  เหมืองข้อมูล (Data Mining) และคลังข้อมูล (Data Warehouse) การจัดหมวดหมู่ข้อมูล (Classification) การจัดกลุ่มข้อมูล (Clustering) การสร้างกฎความสัมพันธ์ข้อมูล (Association Rule) การพยากรณ์ข้อมูล (Forecasting) บทที่ 8  การทำเหมืองข้อมูลด้วยโปรแกรม WEKA ด้วยโมเดล Classify อัลกอริทึม NaiveBayes อัลกอริทึม Decision Tree โมเดล Cluster อัลกอริทึม SimpleKMeans โมเดล Association อัลกอริทึม Appriori และโมเดล Forecast อัลกอริทึม Time Series บทที่ 9  การทำเหมืองข้อมูลด้วยโปรแกรม RapidMiner Studio การวิเคราะห์ข้อมูลด้วยอัลกอริทึม DecisionTree LinearRegression NeuralNetwork NaiveBayes SupportVectorMachine FP-Growth KMeans และ Time Series การติดตั้ง Weka ใน RapidMiner Studio เพื่อวิเคราะห์ข้อมูลด้วย Appriori การวิเคราะห์เหมืองข้อความ (Text Mining) ด้วย Wordcloud บทที่ 10 เครื่องมือ Matplotlib  และ Scikit-learn ภาษา Python บทที่ 11 การพัฒนาเว็บธุรกิจอัจฉริยะด้วยเทมเพลต AdminLTE และงานวิจัยที่เกี่ยวกับการพัฒนาเว็บธุรกิจอัจฉริยะและการวิเคราะห์ข้อมูลขนาดใหญ่ที่ได้จาก Sensor IOT รวบรวมข้อมูลสภาพอากาศเพื่อสนับสนุนธุรกิจเกษตรสมุนไพรโมเดลสวนไผ่ไฮเทคระบบสนับสนุนการผลิตสินค้าเครื่องสำอางสมุนไพรสวนไผ่ไฮเทค บทที่ 12  การวิเคราะห์ข้อมูลจากแหล่งข้อมูลภายนอก การใช้ตลาดนำการผลิต Google Trend, Google Analytics, Facebook Fanpage Insights, Youtube Studio, Tiktok Social Analytics & Listening, Blogger Analytics

             บทนำของทุกบทมีภาพประกอบที่รองรับเทคโนโลยี AR เพื่อให้ผู้เรียน Scan รับชมคลิปแนะนำบทเรียน ผู้เขียนหวังว่าตำราเล่มนี้จะเป็นประโยชน์ต่อผู้เรียนทุกคน

ความรู้เบื้องต้นเกี่ยวกับระบบสารสนเทศ บทบาทและองค์ประกอบของสารสนเทศในองค์การ รูปแบบและโครงสร้างระบบสารสนเทศ ระบบสารสนเทศย่อยทางธุรกิจ การเข้าถึงและการประยุกต์ใช้ระบบสารสนเทศเพื่อการบริหาร การสื่อสารข้อมูลในระบบสารสนเทศทั้งภายในและภายนอกองค์การ ระหว่างองค์การด้วยระบบอินเทอร์เน็ตและอินทราเน็ต

การเข้าใจดิจิทัล (Digital Literacy) การใช้โปรแกรมประมวลผลคำ การใช้โปรแกรมตารางคำนวณ การใช้โปรแกรมนำเสนอ การใช้โปรแกรมพัฒนาสื่อหรือคอนเทนต์ การเข้าถึงข้อมูลและสารสนเทศ สิทธิและความรับผิดชอบ การเข้าถึงสื่อดิจิทัล การสื่อสารยุคดิจิทัล ความปลอดภัยยุคดิจิทัล ความเข้าใจสื่อดิจิทัล แนวปฏิบัติในสังคมดิจิทัล สุขภาพดียุคดิจิทัล  ดิจิทัลคอมเมิร์ซ และกฎหมายดิจิทัล

แนวคิดเชิงวัตถุ  คลาส  ออบเจ็กต์  การซ่อนสารสนเทศ  การห่อหุ้ม ความสามารถในการสร้างตัวแทน  กรรมวิธีการถ่ายทอดคุณสมบัติ  ภาวะที่มีหลายรูปแบบ  คลาสไดอะแกรมและภาษาสัญลักษณ์ที่ใช้ในการอธิบายโมเดลและการเขียนโปรแกรม การเขียนโปรแกรมโดยใช้แนวคิดเชิงวัตถุ 

หลักพื้นฐานการจัดการหน่วยความจำ  โครงสร้างข้อมูล อาร์เรย์ สแตก คิว ลิงค์ลิสท์  ไบนารีทรีย์และขั้นตอนวิธีพื้นฐานที่ใช้กับโครงสร้างข้อมูล การนำโครงสร้างข้อมูลไปประยุกต์ใช้งาน เทคนิคการจัดเรียงลำดับและการค้นหาข้อมูล  การวิเคราะห์ขั้นตอนวิธีอย่างง่าย การประยุกต์ข้อมูลเพื่อแก้ปัญหาในธุรกิจ