Portfolio Project 2 – Global AI Job Market & Salary Trends 2025 (Work flow)

Explore

Portfolio Project 2 – Global AI Job Market & Salary Trends 2025 (Work flow)

Portfolio Project 2 – Global AI Job Market & Salary Trends 2025

1. ข้อมูลในไฟล์ (Dataset Overview)

จำนวนแถว: 15,000 แถว จำนวนคอลัมน์: 20 คอลัมน์

🧾 รายชื่อคอลัมน์และคำอธิบาย:

· - job_id: รหัสของแต่ละงาน

· - job_title: ชื่อตำแหน่งงาน

· - salary_usd: เงินเดือนในรูปแบบ USD

· - salary_currency: สกุลเงินที่ใช้ประกาศเงินเดือน

· - salary_local: เงินเดือนตามค่าเงินท้องถิ่น

· - experience_level: ระดับประสบการณ์

· - employment_type: ประเภทของงาน

· - company_location: ประเทศที่ตั้งของบริษัท

· - company_size: ขนาดของบริษัท

· - employee_residence: ประเทศที่พนักงานอาศัยอยู่

· - remote_ratio: สัดส่วนการทำงานทางไกล

· - required_skills: ทักษะที่ต้องการ

· - education_required: วุฒิการศึกษาที่ต้องการ

· - years_experience: ปีประสบการณ์ที่ต้องการ

· - industry: อุตสาหกรรมที่บริษัทอยู่

· - posting_date: วันที่ประกาศรับสมัคร

· - application_deadline: วันที่ปิดรับสมัคร

· - job_description_length: ความยาวของรายละเอียดงาน

· - benefits_score: คะแนนผลประโยชน์ที่บริษัทให้

· - company_name: ชื่อบริษัท

2. Problem Statements – วางโจทย์จากกว้างไปแคบ

1. ประเทศและภูมิภาคที่ขับเคลื่อนตลาดแรงงาน AI

1.1 ประเทศใดมีตลาดแรงงาน AI ที่เติบโตที่สุดในปี 2025? 1.2 ประเทศใดมีจำนวนตำแหน่งงาน AI มากที่สุด? 1.3 มีการเปลี่ยนแปลงจำนวนงานอย่างไรในแต่ละประเทศและภูมิภาค? 1.4 ภูมิภาคใดมีอัตราการเติบโตเร็วที่สุด? 1.5 บริษัทใดในแต่ละประเทศเป็นผู้จ้างงานรายใหญ่ที่สุด?

⁠

2. ปัจจัยที่ส่งผลต่อระดับเงินเดือนในสายงาน AI

2.1 ประเภทตำแหน่งงานมีผลต่อเงินเดือนหรือไม่? 2.2 ระดับประสบการณ์ส่งผลต่อเงินเดือนอย่างไร? 2.3 ขนาดบริษัทมีผลต่อช่วงเงินเดือนหรือไม่? 2.4 อุตสาหกรรมใดให้เงินเดือนสูงที่สุด? 2.5 บริษัทที่มี Benefits สูง จ่ายเงินเดือนสูงตามหรือไม่? 2.6 งานที่ต้องการวุฒิสูง (เช่น Master/PhD) จ่ายเงินมากกว่าหรือไม่? (รวมมาจากเดิมข้อ 5.2)

⁠

3. ทักษะ (Skills) ที่เป็นที่ต้องการมากที่สุดในงาน AI

3.1 ทักษะใดถูกกล่าวถึงมากที่สุดในงานสายนี้? 3.2 ในหมวดทักษะย่อย (Skill Category) หมวดใดถูกกล่าวถึงมากที่สุด? 3.3 งานที่ต้องใช้หลายทักษะพร้อมกัน มีเงินเดือนสูงกว่าหรือไม่? 3.4 แต่ละระดับประสบการณ์ต้องการทักษะแตกต่างกันอย่างไร?

⁠

4. ลักษณะการทำงาน (Remote, Hybrid, Onsite)

4.1 งานสาย AI ส่วนใหญ่เป็นแบบ Remote, Hybrid หรือ Onsite? 4.2 งาน Remote ได้เงินเดือนสูงกว่าหรือต่ำกว่า Onsite? 4.3 บริษัทขนาดเล็ก/ใหญ่ มีสัดส่วน Remote แตกต่างกันหรือไม่?

3. การเตรียมข้อมูล (Data Preparation Plan)

✅ Power Query: - แปลง posting_date และ application_deadline เป็นชนิดวัน - แยก required_skills เพื่อนับจำนวน (skill_count) - ตรวจสอบ missing value และความผิดปกติ - ตรวจสอบ salary_currency เทียบกับ salary_usd - แยก industry เพื่อจัดกลุ่มลง Industry Category Table

➕ Relationship Tables:

· 1. Date Table → สำหรับ Year/Month Drilldown

· 2. Region Table → Country → Region

· 3. Industry Category Table → Industry → กลุ่มอุตสาหกรรม

4. Calculated Columns ที่จะเพิ่ม

- salary_band → แบ่งเงินเดือนเป็น Low / Medium / High

- experience_group → กลุ่มประสบการณ์ Junior / Mid / Senior

- skill_count → จำนวนทักษะใน required_skills

5. DAX Measures ที่จะสร้าง

- Average Salary - Total Job Count - Avg Salary by Country - Top 5 Industries by Salary - Remote Work %

6. การออกแบบกราฟแดชบอร์ด (Visualization Design)

กราฟหลัก:

· Map → จำนวนตำแหน่งงานตามประเทศ

· Bar Chart → เงินเดือนเฉลี่ยแยกตามตำแหน่ง/อุตสาหกรรม/ประสบการณ์

· Line Chart → แนวโน้มตำแหน่งงานตามเวลา

· Word Cloud / Tree Map → ทักษะที่ต้องการมากที่สุด

· Pie / Donut Chart → รูปแบบงาน Remote vs Onsite

· Scatter Plot → ประสบการณ์ vs เงินเดือน

กราฟเสริม:

· Clustered Bar Chart → เงินเดือนตาม Industry Category

· Heatmap → Country vs Remote Ratio

· Bullet / Gauge → Benefits vs Salary

· Drillthrough Page → รายละเอียดเฉพาะประเทศหรือบริษัท

KPI Cards:

· Average Salary

· Total Jobs

· Top Country

· Top Skill

Filters/Slicers:

· Region

· Experience Level

· Employment Type

· Industry Category

7. ขั้นตอนการทำงาน (Workflow Step-by-step)

1. โหลดข้อมูลเข้า Tableau – เชื่อมข้อมูลจากไฟล์ CSV โดยตรงเพื่อเตรียมการวิเคราะห์

2. ทำ Data Cleaning ใน Tableau Prep – แปลงวันที่, แยกทักษะ, ตรวจค่าเงิน, ตรวจ Missing Values, เตรียมตารางเสริม

3. สร้าง Calculated Columns และ DAX Measures – เช่น salary_band, experience_group, average salary ฯลฯ

4. เพิ่ม Date Table, Region Table, Industry Category Table – เพื่อสร้างความสัมพันธ์ระหว่างข้อมูล

5. สร้างความสัมพันธ์ระหว่างตาราง – เชื่อมโยง Main Job Data กับตารางเสริมทั้งหมด

6. ออกแบบ Dashboard ตาม Insight ที่ได้ – เรียงกราฟตาม Problem Statements และการวิเคราะห์เชิงลึก

7. สร้างกราฟหลัก กราฟเสริม KPI Cards และ Filter – เพื่อให้ผู้ใช้งานเลือกดูมุมมองที่ต้องการได้

8. สรุป Insight และเขียน Storytelling ลงใน Coda – วิเคราะห์ผลที่พบและเล่าเรื่องให้น่าอ่าน

8. สรุปการใช้งาน DAX และ Calculated Columns (พร้อมระบุตาราง)

🟩 DAX Measures

Table 1

Table 1

There are no rows in this table

⁠

🟨 Calculated Columns

Table 2

Table 2

There are no rows in this table

⁠

9. สรุปจำนวนและหน้าที่ของแต่ละตาราง

รวมทั้งหมด 4 ตารางที่ใช้ในโปรเจกต์นี้

Table 3

Table 3

There are no rows in this table

⁠

Want to print your doc?
This is not the way.

Try clicking the ··· in the right corner or using a keyboard shortcut (

CtrlP

) instead.