คนจนแต่ละพื้นที่ต้องการความช่วยเหลืออย่างไร? หา insight จากข้อมูลด้วยเทคนิค Data Science 

คนจนแต่ละพื้นที่ต้องการความช่วยเหลืออย่างไร? หา insight จากข้อมูลด้วยเทคนิค Data Science 

30 June 2025

ปัญหาความยากจนเป็นปัญหาสำคัญที่ส่งผลกระทบต่อการพัฒนาทางเศรษฐกิจและสังคมของประเทศไทยมาอย่างต่อเนื่อง แม้ในช่วงหลายทศวรรษที่ผ่านมา ประเทศไทยจะมีการเติบโตทางเศรษฐกิจและความพยายามของภาครัฐในการยกระดับคุณภาพชีวิตของประชาชน แต่ยังคงมีประชาชนจำนวนไม่น้อยที่ยังประสบปัญหาด้านรายได้ ความไม่เท่าเทียมในการเข้าถึงทรัพยากรและบริการพื้นฐาน ซึ่งสะท้อนให้เห็นถึงความเหลื่อมล้ำที่ยังฝังรากลึกในโครงสร้างสังคมไทย 

การแก้ปัญหาความยากจนและยกระดับคุณภาพชีวิตประชาชนด้วยระบบ TPMAP  

ระบบบริหารจัดการข้อมูลการพัฒนาคนแบบชี้เป้า (TPMAP: Thai People Map and Analytics Platform) พัฒนาขึ้นโดยสำนักงานสภาพัฒนาการเศรษฐกิจและสังคมแห่งชาติ หรือ สภาพัฒน์ (สศช.) และศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ (NECTEC) เพื่อเป็นกรณีตัวอย่างของการพัฒนาระบบ Big Data ของภาครัฐ ตามมติของคณะกรรมการบริหารราชการแผ่นดินเชิงยุทธศาสตร์ ในเวลาต่อมาได้นำระบบดังกล่าวมาใช้ในการบริหารราชการแผ่นดินเพื่อยกระดับคุณภาพชีวิตของประชาชน ทั้งในด้านการเพิ่มรายได้ ลดภาระค่าครองชีพ และเพิ่มโอกาสด้านอาชีพ 

Thai People Map and Analytics Platform – TPMP 

ระบบ TPMAP สามารถเข้าถึงผ่านเว็บไซต์ https://www.tpmap.in.th/ แสดงข้อมูล “คนจนเป้าหมาย” จากกลุ่มคนที่ได้รับการสำรวจความจำเป็นพื้นฐาน (จปฐ.) จากกรมการพัฒนาชุมชน กระทรวงมหาดไทย ที่ถูกนำมาวิเคราะห์ด้วยดัชนีความยากจนหลายมิติว่ายากจน และข้อมูลผู้ลงทะเบียนสวัสดิการแห่งรัฐ กระทรวงการคลัง ในระยะแรกกลุ่มคนจนเป้าหมายของ TPMAP คือกลุ่มคนที่ได้รับการสำรวจ จปฐ. ว่ายากจน (survey-based) และเป็นผู้ที่มาลงทะเบียนเพื่อรับบัตรสวัสดิการแห่งรัฐ (registered based) ซึ่งต่อมาได้ขยายกลุ่มคนจนเป้าหมายเป็นทั้งกลุ่มที่ลงทะเบียนและไม่ได้ลงทะเบียนบัตรสวัสดิการฯ 

แบบสำรวจ จปฐ. และดัชนีความยากจนหลายมิติ วัดความยากจนอย่างไร 

การสำรวจข้อมูลความจำเป็นพื้นฐาน (จปฐ.) คือ ข้อมูลในระดับครัวเรือนที่แสดงถึงสภาพความจำเป็นพื้นฐานของคนในครัวเรือนในด้านต่าง ๆ เกี่ยวกับคุณภาพชีวิตที่ได้กำหนดมาตรฐานขั้นต่ำเอาไว้ว่า คนควรจะมีคุณภาพชีวิตในแต่ละเรื่องอย่างไรในช่วงระยะเวลาหนึ่ง ๆ มีการปรับปรุงแบบสอบถามทุก ๆ 5 ปี ดำเนินการโดยกรมการพัฒนาชุมชน กระทรวงมหาดไทย เพื่อประเมินคุณภาพชีวิตของประชาชนในระดับครัวเรือน โดยมุ่งเน้นการเก็บข้อมูลในพื้นที่ชนบทและชุมชนท้องถิ่นเป็นหลัก นั่นคือ เขตชนบทและชุมชนท้องถิ่น พื้นที่ที่อยู่ภายใต้การดูแลขององค์กรปกครองส่วนท้องถิ่น เช่น องค์การบริหารส่วนตำบล (อบต.) และเทศบาลตำบลที่ยกฐานะจาก อบต. แบบสำรวจ 

ดัชนีความยากจนหลายมิติ (Multidimensional Poverty Index: MPI) พัฒนาโดย Oxford Poverty & Human Development Initiative และ United Nation Development Programme ซึ่ง สภาพัฒน์ได้นำมาปรับใช้กับประเทศไทย โดยอาศัยหลักการที่ว่า คนจนคือผู้ที่มีคุณภาพชีวิตต่ำกว่าเกณฑ์คุณภาพชีวิตที่ดีในมิติต่าง ๆ ซึ่ง TPMAP พิจารณาจาก 5 มิติ ได้แก่ ด้านสุขภาพ ด้านการศึกษา ด้านการเงิน ด้านความเป็นอยู่ และด้านการเข้าถึงบริการรัฐ ดังนั้น ครัวเรือนที่จน คือ ครัวเรือนที่ได้รับการสำรวจว่าจนจาก ข้อมูลความจำเป็นพื้นฐาน (จปฐ.) นั่นคือ ตกดัชนีความยากจนหลายมิติ (MPI) อย่างน้อย 1 มิติ ซึ่งหมายถึงครัวเรือนตกเกณฑ์ตัวชี้วัดที่อยู่ในมิตินั้น อย่างน้อย 1 ตัวชี้วัด และคนจนเป้าหมาย คือ คนที่อาศัยอยู่ในครัวเรือนที่ได้รับการสำรวจว่าจน 

ภาพรวมข้อมูลบนระบบ TPMAP 

จากข้อมูลการสำรวจความจำเป็นพื้นฐาน (จปฐ.) ซึ่งครอบคลุมประชากรราว 35 ล้านคนต่อปี พบว่า สัดส่วนของคนจนเป้าหมาย มีแนวโน้มลดลงในช่วงปี 2560–2562 โดยลดจาก 

  • 15.45% (ประมาณ 5,515,860 คน) ในปี 2560 
  • เป็น 12.02% (ประมาณ 4,405,684 คน) ในปี 2561 
  • และลดลงต่อเนื่องเป็น 8.83% (ประมาณ 3,259,217 คน) ในปี 2562 

อย่างไรก็ตาม เนื่องจากไม่มีข้อมูลในช่วงปี 2563–2564 จึงไม่สามารถติดตามแนวโน้มในช่วงเวลาดังกล่าวได้โดยตรง กระทั่งปี 2565 พบว่า สัดส่วนคนจนเป้าหมายเพิ่มขึ้นเป็น 9.52% (ประมาณ 3,438,515 คน) ซึ่งอาจเป็นผลกระทบจากสถานการณ์การแพร่ระบาดของโควิด-19 ต่อมาในปี 2566 ตัวเลขนี้ลดลงอย่างชัดเจนเหลือเพียง 1.81% (ประมาณ 655,365 คน) แต่ในปี 2567 สัดส่วนของคนจนเป้าหมายกลับเพิ่มขึ้นอีกครั้งเป็น 7.39% (ประมาณ 2,568,168 คน) อันเป็นผลจากการ ปรับนิยาม และการ เพิ่มตัวชี้วัด ที่ใช้วิเคราะห์คนจนเป้าหมายในมิติต่าง ๆ 

  • เมื่อพิจารณาเปรียบเทียบรายปี พบว่า คนจนในมิติรายได้ และ มิติการศึกษา เป็นกลุ่มที่มีจำนวนมากที่สุดอย่างต่อเนื่อง 
  • ในด้านพื้นที่ พบว่า: 
  • ภาคตะวันออกเฉียงเหนือ ภาคใต้ และภาคกลาง มีจำนวนคนจนเป้าหมายมากที่สุดในเชิงปริมาณ อันเนื่องมาจากจำนวนประชากรที่มากในภูมิภาคเหล่านี้ 
  • อย่างไรก็ตาม เมื่อวิเคราะห์ในเชิงสัดส่วนต่อจำนวนผู้ที่ได้รับการสำรวจ พบว่า ภาคเหนือ ภาคใต้ และภาคตะวันตก มีสัดส่วนคนจนเป้าหมายสูงกว่าภูมิภาคอื่น ๆ ในแต่ละปี 
  • นอกจากนี้ ยังพบว่า ประมาณ 30% ของคนจนเป้าหมาย เป็นผู้ที่ถือ บัตรสวัสดิการแห่งรัฐ 

ข้อมูลเหล่านี้ชี้ให้เห็นถึงความจำเป็นในการออกแบบมาตรการลดความเหลื่อมล้ำอย่างจำเพาะ โดยคำนึงถึงทั้ง มิติปัญหา และ บริบทพื้นที่ เพื่อให้ความช่วยเหลือสามารถเข้าถึงผู้ที่มีความต้องการได้อย่างตรงจุดและมีประสิทธิภาพมากที่สุด 

ปัจจัยที่มักจะขาดแคลนร่วมกันคืออะไรบ้าง?  

หาความสัมพันธ์ของตัวชี้วัดด้วย Pearson’s correlation 

ความยากจนไม่ใช่เพียงการขาดรายได้ แต่เป็นชุดของปัจจัยที่ขาดแคลนร่วมกัน ในการทำความเข้าใจปัญหาความยากจนอย่างรอบด้าน จำเป็นต้องวิเคราะห์ความเชื่อมโยงระหว่างตัวชี้วัดด้านเศรษฐกิจ สังคม สุขภาพ และการศึกษา การนำ Pearson’s correlation coefficient มาใช้ช่วยให้เห็นความสัมพันธ์ระหว่างตัวแปรต่าง ๆ อย่างชัดเจน และสามารถระบุได้ว่าปัจจัยใดมักเกิดร่วมกันในกลุ่มประชากรที่มีความเปราะบาง ซึ่งเป็นประโยชน์ต่อการวางแผนเชิงนโยบายที่ตรงจุดและมีประสิทธิภาพ ซึ่งจากผลการวิเคราะห์ พบว่าตัวชี้วัดบางคู่มีค่าสหสัมพันธ์สูงอย่างมีนัยสำคัญ (r > 0.8) ตัวอย่างเช่น 

ด้านสุขภาพ 

ในพื้นที่จังหวัดหนึ่ง ๆ ครัวเรือนที่ขาดความรู้ในการใช้ยาเพื่อบำบัดบรรเทาอาการเจ็บป่วยเบื้องต้นอย่างเหมาะสม มักจะเป็นครัวเรือนเดียวกับที่ขาดการจัดการด้านสุขภาพและความเป็นอยู่ในด้านอื่น ๆ ร่วมด้วย เช่น ขาดความรู้ในการป้องกันอุบัติภัยและภัยธรรมชาติ ไม่จัดบ้านให้สะอาดและถูกสุขลักษณะ มีสมาชิกในบ้านสูบบุหรี่หรือดื่มสุรา รวมถึงไม่มีการเก็บออมเงินและขาดรายได้ที่มั่นคง ซึ่งสะท้อนให้เห็นว่า ความรู้และพฤติกรรมด้านสุขภาพที่ดี ไม่ได้แยกขาดออกจากกัน แต่มักเกิดร่วมกันเป็นกลุ่มของความเปราะบางในชีวิตประจำวัน  

ด้านการมีงานทำและรายได้ 

ในหลายจังหวัด หากคนวัยแรงงาน (อายุ 15–59 ปี) ไม่มีอาชีพหรือรายได้ มักจะเป็นจังหวัดเดียวกันกับที่ผู้สูงอายุ (อายุ 60 ปีขึ้นไป) ก็ไม่มีรายได้หรืออาชีพเช่นกัน และยังพบว่าจำนวนผู้ถือบัตรสวัสดิการแห่งรัฐมีจำนวนมากในพื้นที่เดียวกันด้วย ซึ่งสะท้อนให้เห็นว่า การไม่มีรายได้ในคนวัยทำงาน ไม่ได้ส่งผลเฉพาะกับตัวเขาเอง แต่ยังส่งผลต่อความสามารถในการดูแลผู้สูงอายุในครัวเรือน และเป็นภาพรวมของความยากจนในระดับครอบครัวและชุมชน นอกจากนี้ในจังหวัดที่ครัวเรือนขาดการเก็บออมเงิน มักจะเป็นครัวเรือนเดียวกับที่ขาดพฤติกรรมหรือระบบสนับสนุนอื่น ๆ ที่สะท้อนถึงความมีวินัยและการวางแผนชีวิต เช่น ขาดการป้องกันอุบัติภัยอย่างถูกวิธี สมาชิกครัวเรือนมีพฤติกรรมเสี่ยงอย่างการสูบบุหรี่ ไม่มีรายได้หรืออาชีพที่มั่นคง และไม่ปฏิบัติกิจกรรมทางศาสนาอย่างสม่ำเสมอ ซึ่งทั้งหมดนี้สะท้อนถึง ความเปราะบางทั้งด้านเศรษฐกิจ สังคม และพฤติกรรมส่วนบุคคล ที่มักจะเกิดร่วมกันในครัวเรือนกลุ่มเดียวกัน การไม่มีการออมจึงไม่ใช่เพียงปัญหาทางการเงิน แต่ยังเชื่อมโยงกับการขาดวินัย ขาดความรู้ด้านสุขภาพและความปลอดภัย รวมถึงการขาดหลักยึดทางจิตใจบางประการ ซึ่งบ่งชี้ว่าการส่งเสริมการออมควรมาควบคู่กับการพัฒนาพฤติกรรมสุขภาพ การมีรายได้ที่มั่นคง และการสร้างความเข้มแข็งทางสังคมในระดับครัวเรือนอย่างเป็นระบบ 

ด้านสภาพแวดล้อมความเป็นอยู่ 

หลายจังหวัดพบว่า ครัวเรือนที่ไม่สามารถจัดการบ้านเรือนให้สะอาด เป็นระเบียบ และถูกสุขลักษณะได้ มักจะเป็นครัวเรือนเดียวกับที่มีพฤติกรรมสุขภาพและความเป็นอยู่ด้านอื่น ๆ ที่ไม่เหมาะสมร่วมด้วย เช่น สมาชิกในบ้านสูบบุหรี่ ขาดการป้องกันอุบัติภัย ไม่มีการเก็บออมเงิน รายได้ไม่มั่นคง และไม่ใส่ใจการตรวจสุขภาพหรือปฏิบัติกิจกรรมทางศาสนาอย่างสม่ำเสมอ ซึ่งสะท้อนให้เห็นว่า สุขภาวะของครัวเรือนไม่ได้จำกัดอยู่แค่เรื่องความสะอาดของบ้านเท่านั้น แต่ยังเกี่ยวพันกับวินัยทางการเงิน พฤติกรรมสุขภาพ และความเป็นอยู่โดยรวม นอกจากนี้พบว่า ครัวเรือนที่ไม่มีน้ำสะอาดเพียงพอสำหรับดื่มและบริโภคตลอดทั้งปี ก็มักจะเป็นครัวเรือนเดียวกับที่ไม่มีน้ำใช้เพียงพอในชีวิตประจำวันด้วย ซึ่งแสดงให้เห็นว่า ปัญหาด้านแหล่งน้ำในครัวเรือนไม่ได้เกิดแยกกัน แต่เป็นความขาดแคลนที่ครอบคลุมทั้งคุณภาพและปริมาณของน้ำ กล่าวคือ หากไม่มีน้ำสะอาดพอสำหรับดื่ม ก็ย่อมเป็นไปได้สูงว่าจะไม่มีน้ำพอสำหรับใช้อาบ ล้าง หรือทำกิจกรรมอื่น ๆ ในครัวเรือนเช่นกัน สะท้อนให้เห็นว่าการพัฒนาระบบน้ำในชุมชนควรคำนึงทั้งด้าน พอใช้” และ “ปลอดภัยใช้” ควบคู่กัน เพื่อให้ทุกคนในครัวเรือนได้รับสุขภาวะที่ดีอย่างทั่วถึงตลอดทั้งปี 

การมีส่วนร่วมและการเข้าถึงบริการรัฐ 

ในพื้นที่จังหวัดที่ผู้ป่วยโรคเรื้อรังไม่ได้รับการดูแลอย่างเหมาะสม ก็มักเป็นจังหวัดเดียวกับที่ผู้สูงอายุและผู้พิการไม่ได้รับการดูแลจากครอบครัว ชุมชน หรือภาคส่วนต่าง ๆ ด้วย ซึ่งสะท้อนให้เห็นว่า ระบบการดูแลกลุ่มเปราะบางในแต่ละพื้นที่มีลักษณะเชื่อมโยงกัน หากกลุ่มใดกลุ่มหนึ่งขาดการดูแล กลุ่มอื่นก็มักได้รับผลกระทบในลักษณะเดียวกัน และจังหวัดที่มีคนในครัวเรือนสูบบุหรี่จำนวนมาก มักจะเป็นจังหวัดเดียวกันกับที่มีจำนวนผู้ถือบัตรสวัสดิการแห่งรัฐมาก และมีสัดส่วนคนวัยทำงานที่ไม่มีอาชีพหรือรายได้สูง ซึ่งสะท้อนให้เห็นว่า พฤติกรรมเสี่ยงต่อสุขภาพ เช่น การสูบบุหรี่ มักเกิดร่วมกับความยากจนและการขาดโอกาสทางเศรษฐกิจ นอกจากนี้จังหวัดที่มีคนในครัวเรือนดื่มสุราในสัดส่วนสูง มักเป็นจังหวัดเดียวกับที่มีจำนวนผู้ถือบัตรสวัสดิการแห่งรัฐมาก และมีสัดส่วนของผู้สูบบุหรี่ในครัวเรือนสูงด้วย ซึ่งชี้ให้เห็นว่า พฤติกรรมเสี่ยงอย่างการดื่มสุราและการสูบบุหรี่ มักปรากฏร่วมกับความยากจนหรือความเปราะบางทางเศรษฐกิจในพื้นที่เดียวกัน  

การจัดกลุ่มพื้นที่จังหวัดตามความขาดแคลนด้วย K-mean Clustering 

ในแต่ละพื้นที่จังหวัดของประเทศไทยมักประสบปัญหาความขาดแคลนในด้านต่าง ๆ เช่น การเข้าถึงบริการสาธารณสุข การศึกษา น้ำสำหรับอุปโภคบริโภค หรือทรัพยากรพื้นฐานอื่น ๆ ซึ่งลักษณะของปัญหาและระดับความรุนแรงย่อมแตกต่างกันไปตามบริบทของแต่ละพื้นที่ การนำวิธีการจัดกลุ่ม (Clustering) โดยใช้เทคนิค K-means Clustering เข้ามาวิเคราะห์ข้อมูล จึงเป็นแนวทางหนึ่งที่ช่วยจำแนกจังหวัดที่มีลักษณะความขาดแคลนคล้ายคลึงกันให้อยู่ในกลุ่มเดียวกัน 

วัตถุประสงค์ของการจัดกลุ่มนี้คือ เพื่อให้สามารถพัฒนาแนวทางการช่วยเหลือหรือแก้ไขปัญหาได้อย่างตรงจุดและเหมาะสมกับบริบทของแต่ละกลุ่ม โดยใช้ข้อมูลเชิงปริมาณ นั่นคือสัดส่วนของคนที่ตกตัวชี้วัดแต่ละตัวรายจังหวัดรายปีมาเป็นตัวแปรในการวิเคราะห์แบ่งกลุ่มด้วย K-means Clustering สามารถแบ่งลักษณะความขาดแคลนได้เป็น 5 กลุ่ม ดังนี้ 

  1. กลุ่มพื้นที่พัฒนาแล้ว มีสัดส่วนของคนไม่ผ่านตัวชี้วัดต่อจำนวนคนที่ได้รับการสำรวจต่ำในทุกด้าน 
  1. กลุ่มพื้นที่กำลังพัฒนา มีสัดส่วนสูงกว่ากลุ่มพื้นที่ที่พัฒนาแล้ว ซึ่งขาดแคลนในด้านรายได้ และการศึกษาสูงกว่าด้านอื่น ๆ  
  1. กลุ่มพื้นที่วิกฤติด้านการศึกษา มีสัดส่วนคนตกตัวชี้วัดด้านอื่น ๆ ค่อนข้างต่ำใกล้เคียงกับกลุ่มพัฒนาแล้ว แต่มีคนตกตัวชี้วัดด้านการศึกษาค่อนข้างสูง 
  1. กลุ่มพื้นที่วิกฤติด้านรายได้และความเป็นอยู่ สัดส่วนคนตกตัวชี้วัดสูงกว่ากลุ่มพื้นที่กำลังพัฒนา โดยมีด้านรายได้ และด้านความเป็นอยู่ที่สูงกว่าด้านอื่น ๆ ที่เหลือ 
  1. กลุ่มพื้นที่วิกฤติหลายด้าน  สัดส่วนคนที่ตกตัวชี้วัดสูงกว่ากลุ่มพื้นที่อื่นในหลายด้าน โดยเฉพาะด้านความเป็นอยู่และการศึกษา 

ตารางแสดง ค่าเฉลี่ยของ pooled proportion รายปีของแต่ละกลุ่ม คือ pooled ของจังหวัดภายในปีนั้นแล้วนำสัดส่วนทั้ง 5 ปีมาเฉลี่ยกัน แสดงถึง ร้อยละของคนที่มีความขาดแคลน หรือตกตัวชี้วัดอย่างน้อย 1 ตัวในมิติ 5 มิติ ได้แก่ สุขภาพ รายได้ ความเป็นอยู่ การศึกษา และการเข้าถึงบริการรัฐ คำนวณจาก 

เมื่อพิจารณาแนวโน้มรายปี พบว่าในช่วงปี 2560-2562 มีหลายพื้นที่อยู่ในกลุ่มพื้นที่ที่ต้องการความช่วยเหลือ เช่น กลุ่มวิกฤติหลายด้าน กลุ่มวิกฤติด้านรายได้และความเป็นอยู่ กลุ่มวิกฤติด้านการศึกษา เมื่อเวลาผ่านไปหลายพื้นที่กลายเป็นกลุ่มพื้นที่พัฒนาแล้ว สอดคล้องกับจำนวนของคนจนเป้าหมายที่ลดลง 

การวิเคราะห์ในลักษณะนี้จึงมีประโยชน์ต่อการวางแผนนโยบายสาธารณะ การจัดสรรทรัพยากร และการดำเนินงานเชิงรุกที่ตอบโจทย์ปัญหาในแต่ละพื้นที่ได้อย่างมีประสิทธิภาพ  

การวิเคราะห์ในลักษณะนี้จึงมีประโยชน์ต่อการวางแผนนโยบายสาธารณะ การจัดสรรทรัพยากร และการดำเนินงานเชิงรุกที่ตอบโจทย์ปัญหาในแต่ละพื้นที่ได้อย่างมีประสิทธิภาพ นอกจากนี้ยังช่วยให้หน่วยงานที่เกี่ยวข้องสามารถมองเห็นภาพรวมของปัญหาเชิงโครงสร้างในระดับจังหวัดได้ชัดเจนยิ่งขึ้น รวมถึงสามารถติดตามความเปลี่ยนแปลงของสถานการณ์ความขาดแคลนในแต่ละกลุ่มพื้นที่ตลอดช่วงเวลา เพื่อวางลำดับความสำคัญของการดำเนินงาน เช่น การเร่งเยียวยาพื้นที่วิกฤติ การวางแผนเสริมสร้างศักยภาพในพื้นที่กำลังพัฒนา หรือการรักษาระดับความมั่นคงในพื้นที่ที่พัฒนาแล้ว อีกทั้งยังช่วยเสริมสร้างความเข้าใจร่วมกันระหว่างหน่วยงานรัฐ ท้องถิ่น และภาคีเครือข่าย ผ่านข้อมูลเชิงประจักษ์ที่สามารถนำไปใช้สื่อสารต่อสาธารณะได้อย่างมีพลัง เมื่อใช้ควบคู่กับข้อมูลรายปีที่มีการอัปเดตอย่างต่อเนื่อง การวิเคราะห์ด้วยวิธีการจัดกลุ่มจึงกลายเป็นเครื่องมือสำคัญในการกำหนดทิศทางนโยบายในระยะยาว และสนับสนุนการพัฒนาที่ตรงจุด สอดคล้องกับบริบทของพื้นที่อย่างแท้จริง 

เอกสารอ้างอิง

Thai People Map and Analytics Platform – TPM★P 

ข้อมูลความจำเป็นพื้นฐาน (จปฐ) – สำนักงานพัฒนาชุมชนอำเภอตาลสุม 

สำนักงานพัฒนาชุมชนจังหวัดตราด – กรมการพัฒนาชุมชน กระทรวงมหาดไทย PowerPoint Presentation 

bManualBook_BMN60.pdf 

Papin Thanutchapat

Share This News

Suggest Topics You'd Like to Read

Let us know what topics you’d like to read!
Your suggestions will help us create more engaging and relevant articles.

PDPA Icon

We use cookies to optimize your browsing experience and improve our website’s performance. Learn more at our Privacy Policy and adjust your cookie settings at Settings

Privacy Preferences

You can choose your cookie settings by turning on/off each type of cookie as needed, except for necessary cookies.

Accept all
Manage Consent Preferences
  • Strictly Necessary Cookies
    Always Active

    This type of cookie is essential for providing services on the website of the Personal Data Protection Committee Office, allowing you to access various parts of the site. It also helps remember information you have previously provided through the website. Disabling this type of cookie will result in your inability to use key services of the Personal Data Protection Committee Office that require cookies to function.
    Cookies Details

  • Performance Cookies

    This type of cookie helps the Big Data Institute (Public Organization) understand user interactions with its website services, including which pages or areas of the site are most popular, as well as analyze other related data. The Big Data Institute (Public Organization) also uses this information to improve website performance and gain a better understanding of user behavior. Although the data collected by these cookies is non-identifiable and used solely for statistical analysis, disabling them will prevent the Big Data Institute (Public Organization) from knowing the number of website visitors and from evaluating the quality of its services.

  • Functional Cookies

    This type of cookie enables the Big Data Institute (Public Organization)’s website to remember the choices you have made and deliver enhanced features and content tailored to your usage. For example, it can remember your username or changes you have made to font sizes or other customizable settings on the page. Disabling these cookies may result in the website not functioning properly.

  • Targeting Cookies

    "This type of cookie helps the Big Data Institute (Public Organization) understand user interactions with its website services, including which pages or areas of the site are most popular, as well as analyze other related data. The Big Data Institute (Public Organization) also uses this information to improve website performance and gain a better understanding of user behavior. Although the data collected by these cookies is non-identifiable and used solely for statistical analysis, disabling them will prevent the Big Data Institute (Public Organization) from knowing the number of website visitors and from evaluating the quality of its services.

Save settings
This site is registered on wpml.org as a development site. Switch to a production site key to remove this banner.