1. การเกิดข้อมูล (Data generation)
ขั้นตอนนี้เรียกได้ว่าเป็นจุดกำเนิดข้อมูล ข้อมูลสามารถเกิดได้จาก การสำรวจข้อมูล อุปกรณ์ที่สามารถตรวจวัดและบันทึกข้อมูลได้ โทรศัพท์มือถือ การโอนเงินข้ามบัญชี แม้กระทั่งการที่เราใช้งานอินเตอร์เน็ตเพื่อค้นหาหรือเข้าไปดูข่าวสารต่าง ๆ
2. การเก็บรวบรวมข้อมูล (Data collection)
ขั้นตอนนี้ข้อมูลที่เราสนใจจะถูกเก็บรวบรวม ไม่ใช่ทุกข้อมูลที่เกิดขึ้นจะถูกเก็บเพราะไม่เช่นนั้นจะทำให้มีข้อมูลที่ไม่ก่อให้เกิดประโยชน์ปะปนอยู่กับข้อมูลที่เราต้องการเอาไปใช้ประโยชน์ ทำให้เสียเวลาในการทำความสะอาดและต้องแบ่งพื้นที่ในการเก็บข้อมูลที่ไม่ต้องการเหล่านั้นด้วย การเก็บรวบรวมข้อมูลสามารถทำได้หลายวิธีการไม่ว่าจะเป็นแบบฟอร์มเก็บข้อมูล การลงพื้นที่สำรวจข้อมูล การสัมภาษณ์กลุ่มเป้าหมาย
3. การแปลงรูปแบบข้อมูล (Data processing)
ขั้นตอนนี้ข้อมูลที่เก็บรวบรวมมาได้จะถูกนำไปผ่านขั้นตอนย่อย 3 ขั้นตอน เพื่อให้ข้อมูลอยู่ในรูปแบบที่พร้อมใช้งานสามารถจัดเก็บได้ โดยขั้นตอนแรกเป็นการทำความสะอาดข้อมูล หรือที่เราอาจจะเคยได้ยินคนพูดว่าทำ Data wrangling ในขั้นตอนนี้ข้อมูลจะถูกเอามาทำความสะอาด ซึ่งความหมายของคำว่าทำความสะอาดในทาง Data หมายถึงการคัดแยกและจัดรูปแบบข้อมูลให้ตรงตามวัตถุประสงค์การใช้งานและเหมาะสมกับการเอาไปวิเคราะห์ต่อ ตัวอย่างของกิจกรรมที่เกิดขึ้นในขั้นตอนนี้ ได้แก่ ลบข้อมูลที่ไม่ต้องการออก ปรับประเภทข้อมูล สร้างข้อมูลใหม่ขึ้นมาจากข้อมูลที่มีอยู่เพื่อให้ครบตามความต้องการ กว่า 70% ของการทำข้อมูลหมดไปกับการทำ Data wrangling ซึ่งเรียกได้ว่าเป็นงานที่ใช้เวลามากที่สุดเลยก็ว่าได้ ตามหลักแล้วขั้นตอนที่ใช้เวลานานที่สุดมักจะเป็นขั้นตอนที่มีผลกับผลลัพธ์ที่จะเกิดขึ้นมากที่สุดเช่นกัน เพราะถ้าข้อมูลที่อยู่ในขั้นตอนนี้มีคุณภาพสูงเท่าไหร่ก็จะช่วยลดการเกิดผลลัพธ์ที่เป็นข้อมูลขยะมากขึ้นเท่านั้น "Garbage In Garbage Out"
ถัดมาเป็นการบีบอัดข้อมูล (Data compression) ในขั้นตอนนี้ข้อมูลจะถูกบีบอัดให้มีขนาดเล็กลงเพื่อไม่ให้เปลืองพื้นที่จัดเก็บและใช้เวลาส่งข้อมูลเร็วมากขึ้นโดยใช้เนื้อที่เท่าเดิม การบีบอัดข้อมูลมีด้วยกันทั้งหมด 2 ประเภท ได้แก่ การบีบอัดข้อมูลแบบไม่สูญเสีย (Lossless data compression) วิธีนี้ข้อมูลที่ถูกบีบอัดไม่สูญเสียระหว่างการบีบอัด ข้อมูลจะครบถ้วนสมบูรณ์เหมือนต้นฉบับ อีกประเภทจะใช้แนวคิดที่ตรงกันข้ามในการบีบอัดข้อมูลโดยยึดถือว่าข้อมูลที่ผิดเพี้ยนเล็กน้อยเป็นอะไรที่ยอมรับได้ โดยประเภทนี้จะถูกเรียกว่า การบีบอัดข้อมูลแบบสูญเสียบางส่วน (Lossy data compression) ตัวอย่างเช่น การลดขนาดไฟล์ .jpg เราได้ขนาดไฟล์ที่เล็กลงแต่เสียความละเอียดบางส่วนไป
สุดท้ายเป็นการเข้ารหัสข้อมูล (Data encryption) เป็นการเพิ่มฟังก์ชันความปลอดภัยให้ไฟล์นั้นด้วยการสร้างรหัสผ่านป้องกันการเข้าถึงข้อมูลจากผู้ที่ไม่เกี่ยวข้องกับข้อมูลในไฟล์นั้น ขั้นตอนนี้เป็นส่วนหนึ่งของการรักษาความปลอดภัยของข้อมูล (Data security) ป้องกันกรณีที่ไฟล์ถูกคัดลอกออกไปนอกองค์กรโดยไม่ได้รับอนุญาต และการแก้ไขไฟล์โดยคนที่ไม่เกี่ยวข้อง
4. การจัดเก็บข้อมูล (Data storage)
ขั้นตอนนี้ตรงไปตรงมาตามหัวข้อเลยซึ่งก็คือการเก็บข้อมูลเพื่อรอเอาไปใช้ตามวัตถุประสงค์ที่ต้องการ ข้อมูลจะถูกเอามาจัดเก็บอยู่ในฐานข้อมูลรูปแบบต่าง ๆ ไม่ว่าจะเป็นฐานข้อมูลบนคลาวด์ เซิร์ฟเวอร์ ฮาร์ดดิสก์ และซีดีรอม ก่อนทำการจัดเก็บข้อมูลควรพิจารณาว่าชุดข้อมูลที่เรามีอยู่เหมาะกับการถูกจัดเก็บรูปแบบใด เพื่อให้มั่นใจว่าข้อมูลจะครบถ้วนสมบูรณ์และสามารถเข้าถึงได้ง่าย
5. การจัดการข้อมูลในฐานข้อมูล (Database management)
เมื่อข้อมูลจำนวนมากถูกนำมาจัดเก็บแล้วก็จำเป็นที่จะต้องมีการบริหารจัดการข้อมูลเหล่านี้ให้เป็นระบบ ขั้นตอนนี้เป็นการบริหารจัดการข้อมูลที่ถูกเก็บไว้เพื่อให้ข้อมูลเหล่านั้นสามารถตอบสนองต่อการถูกเรียกใช้ (Retrieve) โดยโปรแกรมต่าง ๆ ได้อย่างมีประสิทธิภาพและลดการซ้ำซ้อนของข้อมูล ในขั้นตอนนี้มักจะมีการเอาระบบจัดการฐานข้อมูล หรือ Database Management System (DBMS) เข้ามาช่วยให้ผู้ใช้งานสามารถการเข้าถึงข้อมูล ปรับปรุงแก้ไขข้อมูล และการจัดการข้อมูลในฐานข้อมูลได้มีประสิทธิภาพมากขึ้น ตัวอย่างของ DBMS ที่ใช้จัดการฐานข้อมูลประเภท Relatioal database ได้แก่ Mysql Oracle และ PostgreSQL
ภาษาที่นิยมใช้จัดการและดึงข้อมูลจาก DBMS คือ SQL ที่ย่อมาจาก Structured Query Language ผู้ใช้งานสามารถหาความสัมพันธ์ (Relationship) ในการเชื่อมโยงข้อมูล คำนวนข้อมูล ไปจนถึงดึงข้อมูลออกมาใช้งานได้โดยไม่จำเป็นต้องเปิดไฟล์ที่ละไฟล์เพื่อเขียนสูตรออกคำสั่ง
6. การวิเคราะห์ข้อมูล (Data analytics)
ขั้นตอนนี้ข้อมูลที่อยู่ในระบบจัดการข้อมูลจะถูกเรียกใช้ออกมาเพื่อวิเคราะห์หาข้อมูลเชิงลึก (Data insight) ตามวัตถุประสงค์ของผู้ใช้งาน ข้อมูลเหล่านี้จะถูกใช้เป็นข้อมูลต้นฉบับในการวิเคราะห์และประมวลผลด้วยเทคนิคต่าง ๆ เช่น ใช้หลักการทางสถิติในการวิเคราะห์ข้อมูลเชิงปริมาณ และการเขียนอัลกอริทึมขึ้นมาเพื่อวิเคราะห์และประมวลผลในการแก้ปัญหาเฉพาะทางที่มีความซับซ้อน รูปแบการวิเคราะห์ข้อมูลแบ่งออกได้เป็น 4 แบบ ได้แก่
การวิเคราะห์ข้อมูลแบบพื้นฐาน (Descriptive analytics) เป็นการวิเคราะห์เพื่อให้เกิดการแสดงผลของเหตุการณ์หรือกิจกรรมในลักษณะที่ง่ายต่อการเข้าใจและการตัดสินใจของผู้รับผลการวิเคราะห์ ถัดมาเป็นการวิเคราะห์เชิงพยากรณ์ (Predictive analytics) เป็นการพยากรณ์สิ่งที่น่าจะเกิดขึ้นในอนาคตภายใต้สมมติฐานต่าง ๆ ที่กำหนดไว้ในแบบจำลอง (Model) ตัวอย่างเช่น การพยากรณ์ความต้องการพลังงานสะอาดของประเทศในอีก 20 ปีข้างหน้า แบบที่สามเป็นการวิเคราะห์เชิงวินิจฉัย (Diagnostic analytics) เป็นการวิเคราะห์เพื่ออธิบายสาเหตุของสิ่งที่เกิดขึ้น แสดงความสัมพันธ์ของปัจจัยต่าง ๆ ที่มีความสัมพันธ์กัน เช่น ความสัมพันธ์ระหว่างจำนวนผู้เข้ามาอ่านบทความต่อหัวข้อบทความที่เผยแพร่บนเว็บไซต์
แบบสุดท้ายเป็นการวิเคราะห์เชิงให้คำแนะนำ (Prescriptive analytics) ซึ่งรูปแบบนี้เป็นการวิเคราะห์ที่มีความซับซ้อนมากที่สุดโดยเป็นการวิเคราะห์ที่รวมเอาส่วนของการพยากรณ์สิ่งที่จะเกิดขึ้นภายใต้เงื่อนไขที่กำหนด สาเหตุการเกิด ระบุข้อดี-ข้อเสีย ช่วงเวลาของสิ่งที่กำลังจะเกิดขึ้นหรืออาจจะเกิดขึ้นมาสรุปเป็นคำแนะนำให้ผู้รับผลการวิเคราะห์เป็นทางเลือกมากกว่าหนึ่งทาง
7. การแสดงผลข้อมูล (Data visualization)
เมื่อข้อมูลได้ผ่านการวิเคราะห์จนได้เป็นข้อมูลเชิงลึก (Insight) ที่สามารถนำไปต่อยอดเป็นทางเลือกในการแก้ไขปัญหาหรือแนวทางการพัฒนาไอเดียใหม่ได้แล้ว ข้อมูลที่ซับซ้อนจำนวนมากจะถูกเอามานำเสนอเป็นกราฟรูปแบบต่าง ๆ หรือแม้กระทั่งตารางตัวเลขที่คนดูเข้าใจได้ง่าย หัวใจสำคัญของการนำเสนอข้อมูลคือการสื่อสารให้คนอ่านเห็นภาพตามและเข้าใจในสิ่งที่เราต้องการจะนำเสนอ ไม่ได้เน้นแค่ความสวยงามแค่เพียงอย่างเดียว พอมาถึงขั้นตอนนี้จะเห็นได้ว่าข้อมูลถูกทำให้มีค่ามากขึ้นเมื่อเทียบกับขั้นตอนแรก ๆ
8. การตีความหมายจากข้อมูลที่วิเคราะห์ (Data interpretation)
ขั้นตอนสุดท้ายเป็นขั้นตอนที่ข้อมูลถูกนำไปใช้ประโยชน์ได้สูงสุกใน Life cycle เป็นการที่คนรับสารในขั้นตอนก่อนหน้า ขั้นตอนนี้เป็นการการตีความหมายของข้อมูลเหล่านั้น พิจารณาต่อตามวัตถุประสงค์ของโจทย์ที่เรากำหนดขึ้นว่าอะไรคือข้อสรุปที่ได้จากการวิเคราะห์ ผลจากการวิเคราะห์ช่วยยืนยันสมมุติฐานที่ตั้งไว้ยังไงบ้าง แม้กระทั่งพิจารณาว่าตัวเลขที่วิเคราะห์ได้บอกอะไรใหม่ ๆ กับเราบ้าง
