Career Unlock EP.3: สายงาน Data Science อาชีพที่ธุรกิจไหนก็ต้องการตัว

Career Unlock EP.3: สายงาน Data Science อาชีพที่ธุรกิจไหนก็ต้องการตัว
22/04/24   |   999   |  

 

 

 

ในปัจจุบัน Data หรือข้อมูลนั้นเป็นสิ่งที่มีค่ามาก เพราะไม่ว่าจะเราจะหันไปทางไหน หรือทำอะไรก็มีข้อมูลในรูปแบบต่าง ๆ เต็มไปหมด จะทำงานสักอย่างก็ต้องรวบรวมข้อมูลเพื่อประกอบการตัดสินใจ หรือ จะเล่น Social Media อยู่ในโลกส่วนตัว ทุกการพิมพ์ค้นหา การโพสต์ข้อความ ภาพและวิดีโอ หรือพฤติกรรมการใช้งานทุก Application ล้วนถือเป็นข้อมูลที่เป็นประโยชน์อย่างยิ่ง โดยเฉพาะกับโลกธุรกิจ

 

เคยสงสัยไหมว่าคนที่ทำงานเกี่ยวกับ Data เขาทำงานกันยังไง วันนี้ JobThai จะพาไปพบกับคุณต่อ พุทธศักดิ์ ตันติสุทธิเวท รองผู้อำนวยการฝ่ายบริการวิเคราะห์ข้อมูล (Deputy Director of Data Research Product) ของ WISESIGHT บริษัทชั้นนำด้านเทคโนโลยีข้อมูลขั้นสูง เจ้าของแพลตฟอร์ม Zocial Eye เครื่องมือวิเคราะห์ข้อมูลเชิงลึกจากโซเชียลมีเดียเพื่อต่อยอดทางธุรกิจของลูกค้ากว่า 300 ราย โดยได้รับการยอมรับจากองค์กรมากมายทั้งแบรนด์ธุรกิจ เอเจนซี่ และหน่วยงานภาครัฐ

 

ถ้าอยากรู้แล้วว่าการทำงานสาย Data น่าสนใจขนาดไหน ขั้นตอนการทำงานยังไงบ้าง ก็ตามไปดูพร้อมกันเลย!

 

JobThai Mobile Application สมัครงานง่าย ได้งานเร็ว

iOS

Android

Huawei AppGallery

 

คุณต่อเรียนจบสายไหนมา เคยทำงานอะไรก่อนจะหันมาทำงานสาย Data กับ WISESIGHT

จริง ๆ ปริญญาตรีจบวิศวกรรมอิเล็กทรอนิกส์จากลาดกระบังครับ แล้วก็ไปต่อปริญญาโท MBA ที่ NIDA(สถาบันบัณฑิตพัฒนบริหารศาสตร์) ก่อนหน้ามาทำงานก็เป็น Engineer อยู่แป๊บนึงครับ แล้วก็รู้สึกว่าตัวเองอาจจะไม่ได้ชอบเท่าไหร่ก็เลยไปทำสายเอเจนซี่ เป็น Planner ในดิจิทัลเอเจนซี่ครับ แล้วก็ไปอยู่ครีเอทีฟเอเจนซี่ สุดท้ายก็มาอยู่ที่ WISESIGHT จนมาทำ Data ครับ เป็นความบังเอิญนิดหน่อย พอดีว่าที่ WISESIGHT ก่อนหน้านี้เป็นเอเจนซี่มาก่อน ซึ่งเราเข้ามาในฐานะคนทำ Planner เพียงแต่ว่า WISESIGHT เองก็เห็นโอกาสของ Data ที่เกิดขึ้นว่ามีตลาดที่ต้องการ มีคนที่ต้องการใช้อยู่ ก็เลยรู้สึกว่าอยากมีคนที่มาดูแลโซนนี้ ซึ่งด้วยจังหวะในตอนนั้นที่มีคนอยู่แค่ไม่กี่คนเอง ผมคิดว่าน่าจะสนุกดี ก็เลยลองเลือกเดินทางสายนั้น แล้วก็เป็นจุดเริ่มต้นจนมาถึงวันนี้ครับ

 

Data และ Data Science คืออะไร มีความสำคัญยังไง

พอเราพูดถึง Data หลายคนจะคิดว่าไกลตัว แต่ว่าถ้าเราคิดดี ๆ ทุกวันนี้ก่อนออกจากบ้าน เราเปิดดู Google Map แล้วเราดูว่าระยะทางระหว่างบ้านถึงออฟฟิศ หรือที่ที่เราจะไปห่างกันกี่กิโลเมตร ใช้เวลากี่นาที นั่นคือ Data หรือว่าเราอยากจะไปซื้อของ เราเข้าแพลตฟอร์มต่าง ๆ เราเปรียบเทียบราคา เปรียบเทียบรีวิว นั่นก็คือ Data โดยหลักการแล้ว Data คือข้อมูลที่อยู่รอบ ๆ ตัวเรา อาจจะดูง่ายบ้าง ดูยากบ้าง ขึ้นอยู่กับสิ่งที่เราต้องการจะใช้ ถ้าเกิดว่าเป็นองค์กรธุรกิจหน่อย Data ที่ใช้ก็อาจจะยากขึ้น เยอะขึ้น แต่โดยหลักการแล้วเราใช้ Data เพื่อเข้าใจว่าตอนนี้สิ่งที่เราอยากรู้เป็นยังไงบ้าง รวมถึงใช้เพื่อการวัดผล เราสอบแล้วเราไม่รู้ว่าเราเก่งรึเปล่าจนกว่าเราจะมีเกรด นั่นคือ Data อย่างหนึ่ง คือข้อมูลคะแนนสอบ เพราะฉะนั้นโดยหลักการคือ Data ช่วยให้เราเข้าใจและวัดผลว่าเราทำได้ดีหรือยัง เพื่อที่เราจะสามารถตัดสินใจต่อไปได้ว่าฉันจะไปทางไหน ฉันจะเดินยังไง ฉันจะซื้ออะไร รวมถึงรู้ว่าสิ่งที่เราตัดสินใจไปดีหรือไม่ดี ต้องปรับปรุงยังไงบ้าง

 

ส่วน Data Science ถ้าแปลตรงตัวก็คือวิทยาศาสตร์ข้อมูล แต่ก็จะมีคำที่สามารถใช้ได้ เช่น วิทยาการข้อมูล ซึ่งผมว่าใกล้เคียงกัน เหมือนเวลาเราเรียกคณะ Computer Science ว่าคณะวิทยาการคอมพิวเตอร์ได้เหมือนกัน โดยหลักการคือวิทยาการหรือความรู้ในการจัดการกับข้อมูล วิทยาการข้อมูลก็คือการเก็บ Data จนไปถึงการนำ Data ไปใช้จัดการสิ่งเหล่านี้เพื่อให้เกิดประโยชน์สูงสุดครับ

 

เรามักจะได้ยินชื่อ Data Engineer, Data Analyst และ Data Scientist บ่อย ๆ ตำแหน่งเหล่านี้ต้องทำหน้าที่อะไรและใช้ทักษะอะไรในการทำงานบ้าง

นี่เป็น 3 ตำแหน่งหลักแล้วกันครับ แต่ถ้าเราไปค้นหาข้อมูลเวลาเขาบริษัทรับสมัครงาน อยากให้ดู Job Description อีกทีนะครับว่าจริง ๆ ต้องทำอะไรบ้าง ยุคนี้ตำแหน่ง Data หลากหลายขึ้นมาก แต่ว่าตำแหน่งเหล่านี้คือ 3 ตำแหน่งหลักนะครับ ถ้าเรากลับไปถึง Data Science เมื่อสักครู่นี้ ก็คือเก็บ จัดการ วิเคราะห์ นำไปใช้ 

 

อย่างแรกเลยคือ Data Engineer ครับ Data Engineer จะอยู่ในโซนแรก ๆ คือเก็บแล้วก็จัดการ มีหน้าที่เก็บข้อมูลและนำมาให้อยู่ในรูปแบบที่พร้อมใช้งาน และคนอื่นนำไปใช้งานได้ง่าย งานของ Data Engineer ก็จะโฟกัสอยู่ที่การทำ Database เป็นหลัก ทั้ง 3 ตำแหน่ง ความรู้ที่ใช้ใกล้เคียงกัน คือต้องสามารถเขียนโปรแกรม ไม่ว่าจะเป็น Python หรือว่าจะเป็นโปรแกรมที่เกี่ยวข้องอื่น ๆ ต้องรู้เรื่อง Database บ้าง แล้วก็ต้องรู้เรื่องของการนำไปใช้ การ Visualization ขึ้นอยู่กับว่าเวลาเราทำงานจริง ๆ เราให้เวลาไปกับอะไรเยอะ จริง ๆ แล้วถ้าเป็น Data Engineer ก็จะโฟกัสที่โซนที่เป็นการจัดการ Database เป็นหลักครับ 

 

ส่วนถ้าเป็นโซนที่เป็น Data Analyst คือการนำ Data ที่ค่อนข้างเรียบร้อยแล้วประมาณนึงนำไปใช้ในเชิงธุรกิจ ซึ่งอาจจะออกมาเป็น Business Insights ออกมาเป็น Dashboard เพราะฉะนั้นโซนที่เป็น Data Analyst ทักษะที่เขาพูดกันว่าจำเป็น ก็มักจะเป็นเรื่องของภาษา MySQL คือสามารถดึงข้อมูลจาก Database มาใช้ได้ รวมถึงสามารถเขียนโปรแกรมเพื่อวิเคราะห์หรือใช้ Microsoft Excel ก็ยังโอเค

 

Data Scientist เนี่ยใกล้เคียงกันครับ เอาข้อมูลที่ Data Engineer เก็บไว้ไปทำโมเดล ซึ่งตอนทำโมเดลก็คือการเขียนโปรแกรม ส่วนใหญ่ใช้ Python และนำโมเดลนั้นไปใช้งานในเชิงธุรกิจ นี่คือหลัก ๆ ของ 3 ตำแหน่งนี้ครับ แล้วทักษะพื้นฐาน ทุกคนควรรู้ มีความรู้ประมาณนึงในทุกโซนอยู่แล้ว เพียงแต่ว่าแต่ละคนก็จะถนัดในคนละมุมกัน

 

เส้นทางการเติบโตของสายงาน Data เป็นยังไงบ้าง

สำหรับสายงาน Data จะเติบโตเป็น 3 เส้นหลัก เส้นแรกคือเส้นของการดูแลคน คือ Management เส้นนี้คือเมื่อเราเป็น Data Scientist หรือเป็น Data Analyst ที่เป็น Junior เราก็จะเริ่มเป็นพี่ ดูแลคนมากขึ้น ดูแลน้อง เป็น Team Lead มากขึ้น เพราะฉะนั้นนี่คือการใช้ Soft Skills อย่าง Leadership หรือว่า People Management เข้ามาดูแล  อย่างที่สอง คือสายที่อาจจะเป็น Technical หน่อย คือเราสามารถทำงานเดิมนี่แหละครับ แต่ว่าทำได้เร็วขึ้น ดีขึ้น ทำได้ Advance ขึ้น หรือใช้เทคโนโลยีใหม่ ๆ เพื่อสามารถทำงานเดิมได้ลึกขึ้น นี่ก็จะเป็นสาย Specialist หรือสาย Technical

 

อีกมุมนึง เราอาจจะไม่ได้ทำ Data เฉย ๆ หรือทำ Data เล่น ๆ บางสายก็คือการเติบโตที่เราสามารถสร้างผลกระทบทางธุรกิจ หรือเข้าใจธุรกิจมากขึ้น เราเข้าใจว่าธุรกิจมีรายได้จากไหน มีค่าใช้จ่ายยังไง แล้วเราก็ใช้ความรู้ที่เรามี เพิ่มรายได้ให้กับธุรกิจหรือลดค่าใช้จ่ายให้กับธุรกิจได้ นี่ก็จะเป็นการเติบโต Technical เหมือนกัน แต่ว่าเป็นการเติมฝั่งธุรกิจมากขึ้น เพราะฉะนั้นจริง ๆ แล้วโดยหลักการ Career Path ของสาย Data มันก็จะเป็นแบบนี้แหละครับ Junior, Senior แล้วก็ดูทีมหรือว่าเก่งขึ้น แต่ว่าเก่งขึ้นในมิติไหน เก่งขึ้นในแง่คน เก่งขึ้นในแง่ Data Technical หรือว่าเก่งขึ้นในแง่ธุรกิจ

 

ความท้าทายในการทำงานสาย Data คืออะไร แต่ละตำแหน่งมีความยาก-ง่ายต่างกันยังไง

หลายคนเข้าใจผิดว่าสาย Data นั่งหน้าคอมสนุกมาก แต่ว่าไม่ใช่อย่างนั้น ในโลกของ Data เวลาเราเรียนหนังสือหรือเห็นข่าว เราจะเจอปลายทางว่า Data สนุก แต่จริง ๆ ระหว่างทางมีสิ่งที่ต้องทำ เช่น เข้าไปในองค์กรที่ไม่มี Data กว่าจะได้ทำสิ่งที่เห็นปลายทางต้องไปลุยเก็บ Data กันก่อน เก็บไว้ไม่ดีต้องไปจัดการทำ Data Cleansing, Data Preparation ให้ใช้งานได้ก่อน เพราะฉะนั้นนี่คือสิ่งที่คนทำงาน Data ต้องเผชิญก่อนไปเจอกับปลายทาง อย่างที่สอง คนทำ Data ส่วนใหญ่โตมากับสาย Technical เราเขียนโปรแกรมเป็น วิเคราะห์ ทำ Dashboard เป็น แต่ว่าคนที่เก่ง Data และเข้าใจว่า Data นี้ใช้งานทางธุรกิจยังไงถือว่าเป็นความท้าทาย ทำยังไงให้เราในฐานะมนุษย์ Data คนหนึ่งเข้าใจธุรกิจอย่างถ่องแท้เพื่อที่จะสนับสนุนเขาได้จริง ๆ

 

ส่วนความยาก-ง่าย ถ้าไปถามหลาย ๆ คนในวงการเนี่ย แต่ละสายก็จะมีทักษะที่ต้องการต่างกันไป Data Engineer อาจจะมีความ Technical เยอะหน่อย ต้องอยู่กับข้อมูลค่อนข้างเยอะ ต้องจัดการเทคโนโลยีใหม่ ๆ เยอะ ส่วน Data Scientist ก็จะเขียนโปรแกรม Advance กว่า Data Analyst แต่ว่า Data Analyst ก็ต้องการในแง่ของการทำ Data Visualization หรือการสื่อสาร การหา Insights ค่อนข้างเยอะ เพราะฉะนั้นคิดว่าคนละมุมกันมากกว่าในแต่ละสายอาชีพ ขึ้นอยู่กับว่าเราชอบอะไร และเราสนุกที่จะทำอะไร

 

หาคนทำงานในสาย Data ยากไหม มีตำแหน่งไหนหายากเป็นพิเศษบ้าง

เมื่อก่อนขาดแคลนกว่านี้ครับ อย่างยุคผมก็โตมาโดยที่ไม่มีมหาวิทยาลัยไหนสอนเลย ต่างคนต่างเรียนเอาเอง เรียนคอร์สออนไลน์ แต่ว่าตอนนี้หลาย ๆ ที่ในมหาวิทยาลัยมีคณะ มีภาควิชาเหล่านี้ รวมถึงคอร์สหลาย ๆ ที่ก็เปิดในไทยมากขึ้น มี Bootcamp เยอะมาก มีน้อง ๆ มีบุคลากรเข้ามาในวงการเยอะขึ้น แต่ก็ยังขาดอยู่เพราะว่าองค์กรก็ใช้ Data มากขึ้น เพราะฉะนั้นถามว่าขาดมั้ย ก็ยังคงขาดอยู่แต่ว่าอาจจะไม่ได้ขาดเยอะแบบเมื่อก่อน

 

ถ้าดูตามเรซูเม่ หรือดูตามตำแหน่งงานที่เขาเปิด Data Analyst ค่อนข้างเปิดเยอะ ด้วยความที่เป็นสายธุรกิจ เพราะฉะนั้นก็จะรับเยอะตาม Use Case ตามแผนกที่เกิดขึ้น รองลงมาก็ Data Scientist เพราะเป็น Trend และเป็นตำแหน่งที่ค่อนข้างได้รับความสนใจ ก็จะมีคนในตำแหน่งนี้เยอะ ตำแหน่งงานก็เปิดเยอะ ที่น้อยที่สุดน่าจะเป็น Data Engineer ครับ โดยหลักการ Data Engineer หนึ่งคนสามารถทำงานให้ Data Scientist ได้หลายคน คือทำ Data เสร็จปุ๊บ Data Scientist, Data Analyst ก็มาหยิบข้อมูลไปใช้ ตำแหน่ง Data Engineer อาจจะน้อยหน่อย แต่คนที่อยู่ในตำแหน่งนี้หรือพร้อมที่จะทำงานในตำแหน่งนี้ก็มีไม่ได้เยอะเหมือนกัน เพราะฉะนั้นก็จะมีความแตกต่างกันคือ มีตำแหน่งเยอะคนเยอะ ตำแหน่งน้อยคนก็น้อยเหมือนกัน ทุก ๆ ตำแหน่งก็ยังคงตำแหน่งงานเยอะและเปิดนานอยู่เรื่อย ๆ

 

สำหรับน้อง ๆ มัธยมที่เขารู้สึกสนใจสายงานนี้ ควรเรียนคณะอะไร 

Data เป็นทักษะ อาจจะไม่จำเป็นต้องเป็นชื่อตำแหน่งงานก็ได้ ความหมายคือเราสามารถเป็นนักการตลาดที่เก่ง Data ได้ โดยที่ไม่จำเป็นต้องเป็น Data Analyst เราสามารถเป็นนักสื่อสาร นักอะไรก็ได้ที่เก่ง Data อย่างแรกให้ลองเช็กตัวเองก่อนว่าเราอยากประกอบอาชีพที่ Data เลย หรือเราแค่อยากมีทักษะด้าน Data อย่างที่สอง ถ้าคอนเฟิร์มแล้วว่าเราอยากประกอบอาชีพด้าน Data จริง ๆ ก็จะต้องเริ่มเลือกแล้วว่าเราอยากจะเป็น Data Analyst, Data Engineer หรือ Data Scientist หรือ Data อื่น ๆ ซึ่งแน่นอนเราอาจจะยังไม่ได้เจอตั้งแต่แรก เพราะฉะนั้นใช้เวลานี้ค้นหาตัวเอง ไปทำโปรเจกต์ ไปออกงาน ไปเจอผู้คน ไปเจอพี่ ๆ ในวงการ เดินเข้าไปถาม ไม่ต้องอายนะครับ พี่ ๆ ทุกคนก็อยากได้น้อง ๆ เข้ามาอยู่ในวงการนี้ เพราะฉะนั้นเขายินดีมาก ๆ

 

คราวนี้ก็เริ่มฝึกวิชา วิชาที่ต้องฝึกก็จะมีคณิตศาสตร์ สถิติ เขียนโปรแกรม หรือ Business Domain ที่เราสนใจ คณะที่เป็นสาย Data เฉพาะก็มีเหมือนกัน หรือถ้าไม่ใช่คณะสาย Data คณะอื่น ๆ ก็สามารถทำงานสายนี้ได้เหมือนกัน อย่างผมเป็นวิศวกรก็สามารถทำได้ หรือ น้อง ๆ ในWISESIGHT ก็จะมีนิเทศศาสตร์ มีอักษรศาสตร์ ขอแค่มีความสนใจที่จะเติมความรู้เพิ่มเติม อย่าลืมความรู้ระหว่างทาง อย่าลืมค้นหาตัวเองให้เยอะ เพื่อจะได้รู้ว่าเราต้องทำอะไร อย่างที่บอกครับว่าการที่จะเป็น Data ที่เก่งคงไม่ใช่ทำงานชิลล์ ๆ ต้องใส่พลัง ใส่ความพยายาม ซึ่งถ้าเราไม่ชอบเราอาจจะไม่ได้มีความสุข

 

คนทำงานที่ทำสายอื่นมาก่อน อยากย้ายมาสาย Data ยากไหม ต้องทำยังไงบ้าง 

ย้ายได้ครับ แต่ว่าต้องเข้าใจนิดนึงว่าตัวเองกำลังจะย้ายไปไหน ที่บอกว่าน้องอักษรศาสตร์ น้องนิเทศศาสตร์มาทำที่ WISESIGHT ได้ เพราะงานของ WISESIGHT เป็นงานที่เกี่ยวกับวงการของ Marketing Communication เพราะฉะนั้นน้องนิเทศศาสตร์ น้องอักษรศาสตร์จะมีความรู้ในเรื่องของงานที่เป็นเรื่องการสื่อสาร แล้วก็มาเติมฝั่งที่เป็นทักษะด้าน Technical เช่น Microsoft Excel การวิเคราะห์ข้อมูล ถ้าเกิดจะย้ายสายลองเช็กนิดนึงครับว่าเรามีทักษะหรือความรู้เก่าที่สามารถเอามาใช้ประโยชน์ได้รึเปล่า ถ้ามีก็จะช่วยให้เราย้ายสายได้ง่ายขึ้น เพราะเรารู้ว่าเรามีความรู้เฉพาะทางด้านนี้ เราเก่งด้านนี้ เราเหลือเติมทักษะอะไร

 

ถ้าเราอยากทำจริง ๆ ลองขอฝึกงาน ซึ่งแน่นอนถ้าเราไม่รู้จักใครเลย แล้วเรซูเม่เราไม่มีพื้นฐาน ด้าน Data มาก่อนอาจจะไม่ง่ายมาก แนะนำให้ออกสังคมเยอะ ๆ อาจจะไม่ใช่สิ่งที่เราชอบ แต่ว่าอยากจะให้ไปทำความรู้จักกับพี่ ๆ ในวงการ เช่น มี Meet Up สาย Data มีเพจ มีกรุ๊ป ลองเข้าไปในกรุ๊ปก็ได้ครับ บอกว่าผมเรียนสิ่งนี้มา ผมเติมสิ่งนี้มา อยากหาประสบการณ์ด้านนี้ อยากขอฝึกงานสัก 2-3 เดือน เพื่อจะได้เข้าใจขึ้นว่า Data เขาทำยังไง มีพี่ ๆ พร้อมที่จะรับหรือว่าให้คำแนะนำ หรือว่าถ้ายังไม่มีก็อย่าเพิ่งท้อนะ บางทีเป็นที่จังหวะ เช่น พูดกันตรง ๆ ช่วงโควิด-19 เราก็รับคนมาฝึกงานยากขึ้น เพราะเราเองก็ดูแลได้ไม่ทั่วถึง ลองประสบการณ์พวกนี้ดู หรือถ้าไม่มีที่ฝึกงานก็ลองทำโปรเจกต์ ตามเว็บไซต์ต่าง ๆ โหลด Data มาทำ เขียน Blog เอาไปโพสต์ในกรุ๊ป ให้พี่ ๆ เขาลองดูว่าเป็นยังไงบ้าง มีอะไรที่สามารถแนะนำเราได้บ้าง เก็บฟีดแบ็กมาพัฒนาตัวเอง

 

แนะนำ Community สำหรับพัฒนาความรู้ด้าน Data 

ส่วนใหญ่ในไทยจะอยู่บน Facebook ค่อนข้างเยอะ เข้า Facebook Group แล้วลองเสิร์ช Data เราก็จะเจอ เช่น ถ้าเป็นกรุ๊ปใหญ่ ๆ หน่อยก็จะมี Data Analyst Accelerated Bootcamp แล้วก็จะมี Thai Data People - Data Scientists x Data Analysts x Data Engineers เป็นกรุ๊ปใหญ่ 2 กรุ๊ปหลักที่เราสามารถเข้าไปได้ จริง ๆ มีอีกเยอะ กรุ๊ป Data Engineer Thailand, กรุ๊ป Data Science BKK หรือเพจอย่าง DataRockie, Data TH - Data Science ชิลชิล หรือ DATAHOLIC ไปตามได้หมดครับ จะมี Community ที่ไหลวนอยู่ในนั้น ถ้าเราเจอหนึ่งที่ เดี๋ยวมันก็จะพาไปที่อื่น ๆ ให้เอง เพราะเขาก็จะแชร์กัน เป็น Community ที่ค่อนข้างเหนียวแน่นครับ

 

องค์กรหรือ HR มองหาอะไรจากเรซูเม่ของคนทำงานสาย Data มีคีย์เวิร์ด อะไรบ้างที่ต้องระบุ

จุดที่ดูมักจะเป็นจุดที่เป็นทักษะครับ แต่ไม่ได้เขียนเป็นสเกลแบบ 0 ถึง 100 เขียนมาเลยว่าเราสามารถใช้ Microsoft Excel เพื่อทำสิ่งนี้ได้ เราสามารถเขียนโปรแกรมในระดับนี้ได้ เขียนออกมาเป็น Action หน่อย เราจะได้เข้าใจว่าระดับประมาณไหน ส่วนอื่น ๆ อย่างประวัติการศึกษาอาจจะไม่ค่อยดู ดูบ้างแต่น้อยครับ แล้วก็ประสบการณ์ถ้าเคยทำงานมาก็อาจจะดูบ้างว่าเคยทำโซนไหนมา เผื่อเอาทักษะบางอย่างมาใช้ประโยชน์กับที่ใหม่หรือที่นี่ได้

 

สำหรับคีย์เวิร์ดก็ ขึ้นอยู่กับแต่ละบริษัทนะครับว่าตอนนั้นเขามองหาอะไร ถ้ามาสมัคร WISESIGHT คีย์เวิร์ดที่มองหา แน่นอน Social Listening, Social Media เครื่องมือหลักที่เราใช้คือ Microsoft Excel, Power BI ถ้ามีคีย์เวิร์ดเหล่านี้เราก็จะสนใจเรียกเข้ามา ซึ่งไม่ใช่ทุกบริษัทจะต้องการ Power BI ไม่ใช่ทุกบริษัทจะต้องการ Microsoft Excel เพราะฉะนั้นลองดูครับว่าถ้าเรามีเป้าหมายในใจอยู่แล้ว มีบริษัทในใจที่เราอยากจะทำงานด้วย ลองไปหาดูว่าบริษัทนั้นเขาใช้อะไร มี Ecosystem ยังไง แล้วเราก็เขียนมาให้ชัด ไปฝึกตัวเองมาหรือเขียนมาให้ชัดว่าเราทำสิ่งนี้ได้ เพื่อให้เขารู้ว่าเราพร้อมที่จะทำงาน

 

สำหรับคนย้ายสายงานที่ไม่เคยมีประสบการณ์สาย Data ควรทำโปรเจกต์อะไรเพื่อนำเสนอในพอร์ตโฟลิโอ  

ขึ้นอยู่กับอาชีพหรือว่าสายงานที่เราจะไป ถ้าเป็น Data Analyst จริง ๆ แล้วพอร์ตฯ ที่น่าทำคือการทดลองทำพวก Data Visualization ลองทำ Dashboard ขึ้นมา ดูว่าเราสามารถหา Insights จาก Data Set ได้หลากหลาย และเราสามารถนำเสนอได้ดี นั่นคือส่วนนึง ถ้าเป็น Data Scientist หรือ Data Engineer อาจจะลองทำโมเดล แล้วก็เอาโค้ดหรือโปรแกรมไปอยู่บน GitHub แล้วก็ลองใส่มาในเรซูเม่ด้วย เพื่อให้คนอ่านเห็นว่าเคยทำสิ่งนั้นมา นี่ก็น่าจะเป็นวิธีการสร้างพอร์ตฯ ที่ชัดที่สุด หรือถ้าเราไม่ได้ทำพอร์ตฯ เป๊ะ ๆ แบบนั้น ก็อาจจะลองหมั่นเขียน Blog ในสิ่งที่เราเรียน อาจจะไปเขียนใน Medium ก็ได้ หรือสร้าง Blog ขึ้นมา เดี๋ยวนี้ง่ายมาก ลองเขียนว่าเราเรียนอะไรบ้าง เราเจออะไรบ้าง อันนี้ก็จะช่วยให้คนหาเราเจอมากขึ้น และพยายามไปอยู่ใน Community อย่างที่บอก พอเข้าไปอยู่แล้วพี่ ๆ เขาก็จะเห็นว่าเราเป็นใคร เรามาจากไหน หรือเราทำอะไรอยู่

 

สมัครงานกับ WISESIGHT ต้องมีการทำแบบทดสอบไหม ต้องทำอะไรบ้าง 

แบบทดสอบมีหลายแบบ เพราะสัมภาษณ์อย่างเดียวไม่รู้เลยว่าทำได้รึเปล่า บางทีบอกว่าทำได้ ก็ไม่รู้ว่าทำได้แค่ไหน เพราะฉะนั้น ต้องเจอแบบทดสอบอยู่แล้วครับ ให้ทดสอบตรงนั้นเลย ใช้เวลา 2-3 ชั่วโมง เอาโจทย์ไปทำเลย ที่ WISESIGHT เราจะส่ง Data Set ของ Social Listening ให้ 1 ชุด แล้วก็บอกว่าวิเคราะห์มาให้ดูหน่อย เพราะฉะนั้นก็จะได้ดูทั้งวิธีการเตรียมข้อมูล Social Data ซึ่งมีเอกลักษณ์พิเศษ ไม่เหมือนข้อมูลชุดอื่น ดูว่าทำเป็นไหม เข้าใจรึเปล่า แล้วดูว่าเราสามารถวิเคราะห์ออกมาได้ดีไหม นำไปใช้ได้รึเปล่า

 

คาดหวังอะไรกับคนที่มาสมัครงานสาย Data กับ WISESIGHT 

ถ้าเป็นที่ WISESIGHT จะมีหลักการในการรับคนง่ายมาก 3 ข้อเท่านั้นเอง อย่างแรกคือทำงานได้ไหม ข้อสองคือสอนได้ไหม ข้อสามคือเข้ากับทีมได้ไหม แค่ 3 เรื่องครับ เพราะฉะนั้นเวลาเราเช็กอย่างแรกคือเราเช็กบุคลิกลักษณะว่าเข้ากับทีมได้ไหม หลายคนที่ไปสัมภาษณ์แล้วไม่ได้ ไม่ต้องตกใจ บางทีมันไม่ได้เกี่ยวกับทักษะ ไม่ได้เกี่ยวกับว่าเราทำไม่ได้ มันแค่ไม่เหมาะกับทีม ณ ขณะนั้น แค่นั้นเอง เพราะฉะนั้นอย่างแรกคือเข้ากับทีมได้ไหม อย่างที่สองคือทำงานได้มั้ย คือเขาน่าจะสามารถทำงานในปัจจุบันได้ภายในระยะเวลาเท่าไหร่ เช่น ช่วงทดลองงานที่เราเจอกัน 4 เดือนเนี่ย น่าจะทำได้ 100% รึเปล่า แล้วก็ต้องมีพื้นฐานมาบ้าง เพื่อที่จะได้รู้ว่า เขาน่าจะทำส่วนไหนได้ และเราต้องสอนส่วนไหน พอเรารู้ว่าเราต้องสอนส่วนไหน มันก็จะมาซึ่งเงื่อนไขที่สาม คือสอนได้ไหม เป็นคน Open-minded รึเปล่า เป็นคนเปิดใจ เปิดรับของใหม่ ๆ รึเปล่า ก็จะเป็น 3 ส่วนหลัก ๆ ซึ่งผมว่าเรื่องของทักษะกับเรื่องของบุคลิกลักษณะน่าจะเป็นทุก ๆ ที่ น่าจะสัมภาษณ์แบบนี้ครับ คือต้องการคนที่เข้ากับทีมได้ และต้องการคนที่ทำงานได้ ส่วนเงื่อนไขอื่น ๆ เล็ก ๆ น้อย ๆ คงแล้วแต่ที่จะกำหนดเงื่อนไขกัน

 

เวลาสัมภาษณ์งาน ถามอะไรบ้าง ตัวอย่างของ Candidate ที่โดดเด่นเป็นยังไงบ้าง 

ถาม 2-3 อย่างครับ อย่างที่บอกคือถามเช็กเรื่องบุคลิกลักษณะก่อน ว่ามีทัศนคติยังไง เชื่อว่าตัวเองทำได้ไหม มองโลกแง่บวกรึเปล่า เปิดรับไหม แล้วก็มีนิสัยบางอย่างที่อาจจะไม่เข้ากับทีมรึเปล่า ซึ่งแต่ละทีมก็จะก็มีเช็กลิสต์ของเขาว่าฉันจะถามคำถามประมาณนี้เพื่อดูว่ารับกับทีมหรือเข้ากับทีมได้ไหม หลังจากนั้นจะถามประสบการณ์ว่าเคยทำอะไรมาบ้าง ซึ่งจะให้เล่าให้ฟังว่าเคยทำอะไรมา เจอปัญหาอะไรมา แก้ปัญหายังไง สนใจอะไร ชอบ Social ชอบ Marketing หรือชอบ Culture ได้หมดเลยนะครับ แต่ว่าอยากรู้จริง ๆ ที่ถามเพราะเราอยากรู้ว่างานที่นี่ หรือบริษัทที่นี่ เราสามารถทำให้เขาไปถึงเป้าหมายได้รึเปล่าเพราะก็ไม่ได้อยากจะเสียเวลาด้วยกันทั้งคู่ ก็จะถามเรื่องพวกนี้ ส่วนเรื่องทักษะจะถามบ้าง แต่น้อย เพราะเราดูจากแบบทดสอบอยู่แล้ว

 

คนที่มาสัมภาษณ์งาน Data แล้วโดดเด่นขึ้นมา มักจะเป็นคนที่เข้าใจใน Domain หรือเข้าใจในธุรกิจของบริษัทนั้น ๆ เช่น สมมติว่ามาสมัครงานที่ WISESIGHT แล้วคนนี้มีทักษะ Data ด้วย แล้วเขาเข้าใจSocial Media ด้วย อันนี้จะรู้สึกว่าโดดเด่นหรือถ้าสมมติว่าไปสมัครงานบริษัทที่เกี่ยวกับโรงแรม เขาเคยทำ Data เกี่ยวกับการจองตั๋ว การจองโรงแรม บริษัทเขาก็จะสนใจเป็นพิเศษ เพราะทักษะพื้นฐานหรือ Core Skills ส่วนใหญ่เขาจะเรียนมาคล้าย ๆ กันอยู่แล้ว เรียนวิธีการเขียนโค้ดเพื่อเตรียมข้อมูล เรียน Microsoft Excel เรียน Data Visualization ส่วนใหญ่ทักษะเหล่านี้ก็จะเรียนมาใกล้เคียงกันอยู่แล้ว แต่ว่าคนที่โดดเด่นที่บริษัทมักจะให้ความสนใจคือ ดูแล้วสอนไม่ต้องเยอะ เพราะเขาเข้าใจธุรกิจเราแล้ว เขาเข้าใจว่า Social Media ทำยังไง อย่างนี้เราสอนไม่เยอะ 

 

ถ้าไม่ใช่ส่วนของ Domain ก็จะมีเรื่องบางเรื่องที่เขาพุ่งออกมาเป็นพิเศษ ที่เราเรียกว่า T-shaped Skills คือสมมติว่าพื้นฐานเป็น Data Analysis ทุกคนดูใกล้เคียงกัน แต่ปรากฏว่าทำ Data Visualization สวยมาก ๆ เราสามารถทำ Dashboard ที่เห็นแล้วโดดเด่นสุด ๆ เรารู้ว่าเขาจะไปอยู่ตรงไหนที่เขาจะได้ฉายแสงออกมาได้ที่สุด แต่ถ้ามาแบบไม่ได้มี T-shaped Skills เลย หรือว่าไม่ได้มีความเข้าใจในธุรกิจเลย เราไม่ใช่ไม่รับนะครับ แต่ว่าจะยากในการจินตนาการว่าเขาจะไปอยู่ตรงไหน หรือเขาจะมาเติมเต็มตรงไหนของทีมหรือของออฟฟิศ แต่ไม่ได้หมายความว่าทุกคนต้องมีนะครับ เข้าใจได้ว่าบางคนอาจจะเป็น Generalist มาก ๆ แต่ว่าพอเป็น Generalist เราก็ต้องนำเสนอให้เห็นถึงความรู้กว้างของเรา คือความรู้กว้างก็เป็นจุดเด่นได้ แต่ต้องทำออกมาให้เห็น นำเสนอออกมาให้ชัดแล้วกันครับ

 

อยากรู้ว่าอะไรคือสิ่งที่ทำให้รับคนที่จบไม่ตรงสายเข้ามาทำงาน

ต้องมีทักษะบางอย่างที่ทำได้อยู่แล้วนะครับ พอเขาไม่ตรงสายแต่เขาทำสิ่งนี้ได้ อย่างแรกที่เราจะประทับใจ คือเขาอยากทำจริง ๆ เพราะว่าเขาไม่ได้โดนบังคับเรียน สิ่งเหล่านี้คือเขาไปเรียนมาเอง อันนี้เป็นอย่างแรก คือเขามีความสนใจในอะไรบางอย่าง อย่างที่สอง คือตอนสัมภาษณ์เห็นแววตา เห็นความอยากทำ เห็น Passion ว่าอยากทำมาก ๆ อยากลอง อยากได้โอกาสนี้เพื่อที่จะพิสูจน์ตัวเอง ซึ่งเราอาจจะชอบคนแบบนี้เป็นส่วนตัว เรารู้สึกว่าคนที่อยากทำอาจจะดีกว่าคนที่เก่งแต่ไม่ได้อยากทำ ก็จะรู้สึกว่าคนแบบนี้เราอยู่ด้วยกันได้ เราสอนได้ เรายินดีที่จะให้ความรู้เพื่อให้เขาได้เติบโต

 

นอกจากนี้บางคนเขายังไปเรียนเพิ่มเติมมา ถ้าเป็นต่างประเทศจะมีหลายที่ มี Coursera มี edX ที่ค่อนข้างน่าเชื่อถือ และ Coursera เราสามารถเรียนแบบ Audit ได้ คือเรียนฟรีแล้วคนที่สอนในนั้นก็ค่อนข้างดีเลยครับ เพราะฉะนั้นก็ค่อนข้างมีความน่าเชื่อถือในฐานะคนอ่านเรซูเม่ ถ้าเป็นในไทยก็มี Data Bootcamp เช่น ของ Datarockie และ Skooldio มีหลายที่มาก ๆ ที่เราไปเรียนแล้วเราสามารถเพิ่มทักษะตัวเองได้

 

ฝากช่องทางในการติดตาม WISESIGHT สามารถติดตามได้ทางไหนบ้าง

สามารถติดตามได้ที่ Facebook ของ WISESIGHT หรือว่าเว็บไซต์ของ WISESIGHT ได้เลยนะครับ ในนั้นก็จะมีอัปเดตข้อมูลข่าวสาร อาชีพที่เปิดรับสมัครอยู่ เรามีแพลตฟอร์มฟรีที่ทุกคนสามารถลองเล่น Social Media Data ได้นะครับ ชื่อว่า Trend.wisesight.com ก็สามารถเข้าไปดูกันได้ รวมถึงถ้าเป็นผมเองก็จะมีจัดพอดแคสต์ชื่อ ‘หมีเรื่องมาเล่า’ คุยเรื่อง Data กับ UX สามารถติดตามได้ที่ Facebook หมีเรื่องมาเล่า รวมถึง Spotify แล้วก็ Apple Podcast ครับ

หางานใหม่ที่ใช่ ได้เป็นตัวของคุณเอง ที่ JobThai สมัครสมาชิกและฝากประวัติที่นี่เลย

 

JobThai Official Group เพื่อการหางาน หาคน และแลกเปลี่ยนประสบการณ์ในการทำงาน

tags : jobthai, งาน, หางาน, สมัครงาน, career & tips, ทักษะการทำงาน, คนทำงาน, เคล็ดลับการทำงาน, การทำงาน, ทักษะ, โลกการทำงาน, career unlock, wisesight, data, social media, social listening, ข้อมูล, เทคโนโลยี, data science, data scientist, data engineer, data analyst



ติดตามข่าวสารและเรื่องราวดีๆ ทาง Email

ขอบคุณสำหรับการติดตาม