จากการเข้าร่วมการสัมมนาทางวิชาการประจำปี เรื่อง Data Science Data Analytics ในการบริหารห้องสมุดในศตวรรษที่ 21  เมื่อวันที่  15 กุมภาพันธ์ พ.ศ. 2562  ณ สำนักหอสมุด มหาวิทยาลัยเกษตรศาสตร์ ประกอบด้วยการบรรยาย  5 หัวข้อ ได้แก่

• AI and Big Data in KU  โดย ผศ. ดร. ภุชงค์ อุทโยภาส (รองอธิการบดีฝ่ายสารสนเทศ มหาวิทยาลัยเกษตรศาสตร์)
• Library Analytic and Matrix Using Data to Driven Decision Services โดย Dr.Jin Chen (Shanghai Jiao Tong University Library)
• AI กับงานห้องสมุด โดย ผศ. ดร สุกรี สินธุภิญโญ (ภาควิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย)
• การเสวนาวิชาการเรื่อง Data Analytics จากประสบการณ์สู่การประยุกต์ใช้เพื่อการบริหารจัดการห้องสมุด  โดย ผศ. ดร สุกรี สินธุภิญโญ อาจารย์สาโรช เมาลานนท์ (ผู้อำนวยการสำนักหอสมุด มหาวิทยาลัยศรีนครินทรวิโรฒ) ผศ. ดร. ศจี ศิริไกร (สาขาวิชาบริหารปฏิบัติการ คณะพาณิชยศาสตร์และการบัญชี มหาวิทยาลัยธรรมศาสตร์)  และนายอภิยศ เหรียญวิพัฒน์ (นักวิชาการคอมพิวเตอร์ชำนาญการ สำนักหอสมุด มหาวิทยาลัยเกษตรศาสตร์) ดำเนินรายการโดย รศ. ดร. สมชาย นำประเสริฐชัย (ผู้อำนวยการ สำนักบริการคอมพิวเตอร์ มหาวิทยาลัยเกษตรศาสตร์)
• SciVal เครื่องมือช่วยการวิเคราะห์ข้อมูลการวิจัย โดย นางสาวมณีรัตน์ จอมพุก (ผู้อำนวยการกองบริหารงานวิจัย มหาวิทยาลัยมหิดล

จะขอสรุปในส่วนที่เกี่ยวข้องกับห้องสมุด ดังนี้

1. วัตถุประสงค์ของการวิเคราะห์ข้อมูล
1.1 เพื่อพิจารณาคุณค่า กับราคา ของทรัพยากรสารสนเทศ และการลงทุนในการจัดหาทรัพยากรสารสนเทศที่ให้บริการ
1.2 เพื่อรู้จักผู้ใช้บริการ (พฤติกรรม และความต้องการ)
1.3 เพื่อเป็นการส่งเสริมประสบการณ์จริงให้กับนักศึกษา
1.4 เพื่อการให้บริการวิจัยที่เป็นเลิศ

2.ข้อมูลและวิธีการวิเคราะห์

2.1 การวิเคราะห์ข้อมูลส่วนตัวของผู้ใช้บริการ (Pesonalized recommendation services)  เช่น การนำข้อมูลการยืมของผู้ใช้บริการ มาวิเคราะห์แนะนำบริการแก่ผู้ใช้บริการเป็นรายบุคคล หรือการนำข้อมูลการสืบค้นมาวิเคราะห์พฤติกรรมการสืบค้น

2.2 การวิเคราะห์พฤติกรรมผู้ใช้บริการ (User behavior analysis) โดยการนำข้อมูลผู้ใช้มาพัฒนาการให้บริการเพื่อความพึงพอใจแก่ผู้ใช้บริการ การนำข้อมูลการบริการ มาพัฒนาบริการและกระบวนการให้เกิดคุณภาพและมีประสิทธิผล

2.3 การวิเคราะห์ข้อมูลจากฐานข้อมูลออนไลน์ เพื่อใช้ประโยชน์ในด้านต่างๆ และเชื่อมโยงให้เห็นผลงานของมหาวิทยาลัย เช่น
1. การวิเคราะห์โดยใช้แนวคิดหน่วยงานแนวหน้า (Frontier analysis) ในสาชาวิชาต่างๆ  โดยการวิเคราะห์จากปริมาณผลงานตีพิมพ์ทางวิชาการและสิทธิบัตร ผ่านการอ้างอิง การถูกนำไปอ้างอิง เป็นต้น
2. การวิเคราะห์แนวโน้มของสาขาวิชา โดยการใช้บรรณมิติ (Bibliometric analysis) การวิเคราะห์เนื้อหา (Content analysis) การวิเคราะห์แบบ Visualization (Visualization analysis) ผ่านฐานข้อมูล Web of Science, Derwent Innovations Index, Citespace เป็นต้น
3. การวิเคราะห์หาความร่วมมือระดับนานาชาติ (International Cooperation Analysis) นักวิจัย/อาจารย์ในมหาวิทยาลัยมีความร่วมมือระดับนานาชาติในสาขาใดบ้าง ในฐานะผู้แต่ง หรือผู้แต่งร่วม
4. การกำหนดทิศทางและการพัฒนาของสาขาการสอนและเปรียบเทียบกับมหาวิทยาลัยแห่งอื่นๆ จากการวิเคราะห์สภาพปัจจุบันของอาจารย์ วิเคราะห์บทความทางวิชาการ วิเคราะห์บทความตีพิมพ์ในการประชุมวิชาการ วิเคราะห์ผลงานที่มีการอ้างอิงสูง การวิเคราะห์สิทธิบัตร
5. การวิเคราะห์และติดตามผล ด้วย ESI เพื่อสนับสนุนให้มีการวิจัยสหสาขาวิชามากขึ้น เพื่อสร้างทีมที่มีพรสวรรค์ในสาขา เพื่อขยายความร่วมมือทั้งในประเทศและต่างประเทศ เพื่อผลักดันให้นักวิชาการมีส่วนร่วมในชุมชนวิชาการ
6. การวิเคราะห์การเติบโตของนักวิชาการที่มีผลงานที่ถูกอ้างอิงสูง
7. การประเมิน assist talent เพื่อหาคนเก่ง
8. การวิเคราะห์ทรัพยากรสารสนเทศ การใช้ การคุ้มทุน การพัฒนาทรัพยากรสารสนเทศ ฯลฯ เป็นข้อมูลในการตัดสินใจ
9. การทำแผนที่ทรัพยากรสารสนเทศ จัดกลุ่ม ตำแหน่งของทรัพยากรสารสนเทศ ช่วยในการสื่อสารทางวิชาการ เป็นการสนับสนุนการวิจัยทั้งระบบ ทำให้บรรณารักษ์เข้าใจทรัพยากรสารสนเทศและสามารถใช้ประโยชน์ได้อย่างเต็มที่
10. การประเมินฐานข้อมูลเพื่อเป็นข้อมูลในการตัดสินใจซื้อ หรือรับต่อ
11. การทำแผนที่ระบบเชี่ยวชาญการจัดหมวดหมู่

2.4  การวิเคราะห์พื้นที่ให้บริการ เพื่อคำนวณพื้นที่ในห้องสมุดที่ไม่ค่อยมีคนใช้ หรือมีการใช้มาก เพื่อนำมาพัฒนาการใช้พื้นที่อย่างมีประสิทธิภาพต่อไป

แต่ข้อมูลประเภท hidden requests จะต้องที่งานที่ห้องสมุดต้องดำเนินการเพิ่มเติม เพราะคงไม่สามารถนำข้อมูลเหล่านี้มาจากข้อมูลที่ห้องสมุดเก็บไว้ได้