[X Career] เปิดสูตรลับ ก่อนข้ามสายไปเป็น Data Analyst โดยคุณทอย กษิดิศ สตางค์มงคล จาก DataRockie

[X Career] เปิดสูตรลับ ก่อนข้ามสายไปเป็น  Data Analyst โดยคุณทอย กษิดิศ สตางค์มงคล จาก DataRockie
19/01/21   |   9.3k   |  

 

 

 

ในแต่ละบริษัทจะมีคนที่ทำหน้าที่วิเคราะห์และสรุปผลข้อมูลขนาดใหญ่อย่างแม่นยำเพื่อตอบโจทย์ทางธุรกิจ รวมถึงสรุปผลข้อมูลของปัญหาที่ธุรกิจกำลังเผชิญ โดยใช้หลักสถิติและประสบการณ์ ซึ่งอาชีพนั้นก็คืองานของตำแหน่งที่เรียกว่า “Data analyst” และหากคุณกำลังสนใจหรืออยากลองเปลี่ยนมาสายงานนี้ JobThai จะพามารู้จักงานนี้มากขึ้นจาก คุณทอย กษิดิศ สตางค์มงคล Senior Manager – Data Science จาก dtac หรือที่หลายคนรู้จักในฐานะเจ้าของเพจ DataRockie ผู้เชี่ยวชาญและให้ความรู้ด้าน Data ซึ่งได้มาพูดคุยใน Live X Career ข้ามสาย Talk Season 2

 

เส้นทางชีวิตของคุณทอยก่อนจะมาเป็น Data Analyst

คุณทอยเรียนจบปริญญาตรีจากคณะเศรษฐศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ หลังเรียนจบทำงานที่ธนาคาร 1 ปี และไปเรียนต่อปริญญาโทด้าน Food Economics and Marketing ที่ University of Reading, London ซึ่งสมัยนั้นงาน Data Science ยังไม่เป็นที่รู้จักมาก หลังจากนั้นกลับมาทำวิจัยการตลาด (Market Research) ที่ Ipsos สาขาประเทศไทย ได้มีโอกาสทำงานแบบ Tracking ทำให้ได้เรียนรู้สถิติเบื้องต้นด้วยตนเอง ต่อมาปี 2014 คุณทอยได้เรียนต่อปริญญาโทสาขาการตลาด อีกใบที่วิทยาลัยการจัดการ มหาวิทยาลัยมหิดล และมาทำงานด้าน Trade Marketing ที่ Unilever ประมาณครึ่งปี

 

ต่อมาคุณทอยได้ทุนไปแลกเปลี่ยนที่มิวนิค ประเทศเยอรมันอยู่ครึ่งปี และเริ่มทำเพจ DataRockie จริงจัง โดยช่วงแรก ๆ เป็นการสอนสถิติด้วยภาษาง่าย ๆ หลังจากทำเพจไปสักพัก เริ่มอยากพัฒนาตัวเองเพื่อทำ Content ให้หลากหลายขึ้น จึงเริ่มลงเรียนคอร์สต่าง ๆ หลังกลับจากเยอรมันก็มาสมัครงานที่ dtac โดยทำ Market Research ในส่วนของ Market Insights จากนั้นจึงขอย้ายทีมมาทำด้าน Data Science จนถึงปัจจุบัน

 

การทำงานฝ่าย Data Science ที่ dtac แบ่งได้เป็น 3 แผนก

ใน dtac จะแบ่งการทำงานเกี่ยวกับเรื่องของ Data เป็น 3 แผนก คือ

  • Customer Value Management (CVM): ดูแลข้อมูลการใช้งานของลูกค้า เช่น การใช้งาน Data และการโทรเข้า-รับสาย
  • Tech Group (TG): ดูแลข้อมูลเกี่ยวกับสัญญาณโทรศัพท์ต่าง ๆ
  • Digital: ดูแล Traffic ที่เข้ามาทาง Application หรือ Website เป็นต้น

 

โดยคุณทอยทำงานเป็น Senior Manager Data Science ในทีม CVM (Customer Value Management) ซึ่งเป็นแผนกที่ดูเรื่อง Customer Data โดยลักษณะงานคือ

  • ทำ Modeling เบื้องต้นเพื่อเป็นการคาดการณ์ ตีโจทย์ทางธุรกิจ หรือหาสาเหตุของปัญหา เช่น ลูกค้าคนไหนมีโอกาสย้ายค่ายในกี่เดือน
  • ใช้เครื่องมือหลากหลายในการทำงาน ตั้งแต่สถิติเบื้องต้น, การ Coding, การใช้ Machine Learning
  • แต่ละคนในทีมไม่จำเป็นต้องเขียนภาษาหรือใช้ Software เดียวกัน บางคนใช้ Python ส่วนตัวคุณทอยจะใช้ R และ SQL เป็นส่วนใหญ่

 

คุณทอยยังบอกอีกว่าสิ่งที่ชอบในการทำงานที่นี่คือสังคมการทำงานที่มีวัฒนธรรมที่ดี ผู้บริหารที่เปิดกว้าง รับฟัง และมีโปรเจกต์ใหม่ ๆ ให้ได้ท้าทายตัวเองอยู่เสมอ

 

Data Analyst จะทำงานเพื่อตอบโจทย์สิ่งที่เกิดขึ้นแล้วในอดีต แต่ Data Scientist จะเริ่มตอบโจทย์อนาคตมากขึ้น

ตำแหน่ง Data Analyst จะทำงานกับข้อมูลเพื่อตอบโจทย์สิ่งที่เกิดขึ้นมาแล้วในอดีต วิเคราะห์และสรุปผลข้อมูล หา สาเหตุที่แท้จริงของปัญหาที่ธุรกิจกำลังเผชิญ ส่วน Data Scientist จะเริ่มตอบโจทย์อนาคตมากขึ้น เน้นไปที่การสร้างโมเดลทำนายผล (Predictive Analytics) และแนะนำสิ่งที่จะช่วยให้ธุรกิจพัฒนาได้ดียิ่งขึ้น โดยการทำงานทั้ง Data Analyst และ Data Scientist จะถูกขับเคลื่อนด้วยความต้องการทางธุรกิจรูปแบบต่าง ๆ เพื่อที่จะแนะนำ Product ที่เหมาะกับแต่ละคนแบบถูกช่วงเวลาให้กับลูกค้าได้ (Right “Product” to the Right “Person” at the right “Time”)

 

นอกจากนี้ Data Analyst และ Data Scientist ในไทยและต่างประเทศยังมีความแตกต่างกันอยู่พอสมควร

ในต่างประเทศจะมีการแยกส่วนงานที่เฉพาะทางมากกว่า เช่น เป็น Data Science ด้าน Machine learning หรือ AI Engineer ส่วนในไทยขอบเขตการทำงานของ Data Analyst และ Data Scientist มีความทับซ้อนกันสูง จนแทบจะเป็นคนคนเดียวกันได้ เพราะต้องทำได้หลากหลาย บางที่ต้องทำทั้ง Modeling ทำ AI รวมไปถึงความรู้ด้าน Software Engineer

 

ตำแหน่งงานสายนี้จะมีการพัฒนาตลอดเวลา Requirement แต่ละที่ก็จะแตกต่างกันไป เพราะแต่ละบริษัทหรืออุตสาหกรรมก็จะมีเทคโนโลยี มีข้อมูลสถิติ ที่ใช้ไม่เหมือนกัน โอกาสได้งานหรือไม่ขึ้นอยู่กับทักษะที่เราสามารถทำได้มากกว่า จึงอยากให้มอง Data Science เป็นเรื่องของทักษะมากกว่าตำแหน่ง

 

เครื่องมือสำคัญที่ Data Analyst ต้องเรียนรู้

เครื่องมือที่คนทำงานสายนี้ต้องเรียนรู้ แบ่งเป็น 4 อย่าง ได้แก่

1. Spreadsheets: Excel หรือ Google Sheets

2. Database: ภาษา SQL โดยโลกแบ่งข้อมูลเป็น 2 กลุ่มหลัก ๆ คือ

  • แบบที่ 1: Structured Data ข้อมูลที่อยู่ใน Excel, Table ซึ่งใช้ SQL จัดการข้อมูล
  • แบบที่ 2: Unstructured Data พวก Video, Comment, ไฟล์เสียง จะใช้เทคโนโลยีอีกตัวที่เรียกว่า NoSQL ซึ่งการเรียน SQL จะต่อยอดไปทำ NoSQL ได้

3. Programing: ภาษา R หรือ Python

4. Data Visualization: Tableau, Power BI หรือ Google Data Studio ซึ่ง Data Visualization ใน Power BI เป็นแค่ 25% เท่านั้น จริง ๆ แล้วทำได้อีกเยอะมาก เช่น การทำ Data Preparation, ทำ Data Modeling, Data Cleaning

 

Data Analyst ต้องเข้าใจภาพรวม Concept วิเคราะห์ข้อมูล สถิติ จากนั้นถึงต่อยอดไปเป็นเครื่องมือต่าง ๆ

สำหรับคนที่อยากเริ่มเรียนรู้งานสายนี้ คุณทอยแนะนำว่าอย่าเพิ่งยึดติดกับเครื่องมือ ต้องเข้าใจภาพรวม Concept ให้ได้ก่อน มีการคิดวิเคราะห์ ฝึกตั้งคำถามที่ถูกต้องก่อน เพื่อที่จะสามารถเลือกเครื่องมือให้เหมาะกับงานได้ ดังนั้นสิ่งแรกที่ควรศึกษาคือ Concept การวิเคราะห์ข้อมูล และพื้นฐานเรื่องสถิติ จากนั้นถึงต่อยอดไปเป็นเครื่องมือต่าง ๆ เช่น Excel หรือ การหัดเขียนภาษาคอมพิวเตอร์ ซึ่งคุณทอยอธิบายความแตกต่างของภาษาต่าง ๆ ไว้คร่าว ๆ ดังนี้

  • ภาษา SQL คือ ภาษาพื้นฐานที่ควรเรียนก่อน เพราะ SQL เป็นภาษาที่ใช้ทำงานกับ Database มากว่า 50 ปี เป็นภาษาที่เรียนรู้ง่าย ฝั่งงาน Digital Marketing ก็ใช้กันเยอะ
  • ภาษา R เหมาะกับงานสถิติเบื้องต้น, วิเคราะห์ข้อมูล, ทำโครงร่างแบบเร็ว ๆ
  • ภาษา Python พูดถึงเรื่อง AI และ Machine มี Framework ได้ดีกว่า เหมาะกว่าในแง่ของการทำ Deployment ต่อกับบริการต่าง ๆ

 

โครงสร้างในการเขียนภาษาคอมพิวเตอร์จริง ๆ คล้ายกัน ยิ่งรู้หลายภาษามากก็ยิ่งเป็นข้อได้เปรียบ แต่ควรเริ่มเรียนภาษาใดภาษาหนึ่งให้ได้ก่อนแล้วค่อยต่อยอดไปภาษาอื่น

 

 

Storytelling, Project Management และ Self-Learning คือซอฟต์สกิลที่จำเป็นของ Data Analyst

ซอฟต์สกิล 3 อย่างที่จำเป็นมากสำหรับคนที่เป็น Data Analyst คือ

  1. Storytelling: ทักษะการเล่าเรื่องสำคัญมาก ต้องรู้วิธีการเล่าให้ลูกค้าเห็นถึงความสำคัญของสิ่งที่ทำ ไม่เช่นนั้นสิ่งที่ทำมาอาจสูญเปล่าหากเราอธิบายให้ลูกค้าเข้าใจไม่ได้
  2. Project Management: ทักษะการบริหารจัดการ ต้องรู้จักจัดลำดับความสำคัญงานที่ทำ โดยในแต่ละช่วงเวลาให้กำหนดลำดับความสำคัญของสิ่งที่ทำแค่อย่างเดียวจะมีประสิทธิภาพมากกว่า
  3. Self-Learning: การหาความรู้ด้วยตนเอง เพราะศาสตร์ของ Data มีการเปลี่ยนแปลงตลอดเวลา หนังสือความรู้ต่าง ๆ ที่เคยเรียนตกรุ่นเร็ว ต้องหมั่นอัปเดต และฝึกลงมือทำ

 

Visualization คือทักษะที่เกี่ยวข้องกับ Data Analyst ซึ่งคนทำงานทั่วไปควรรู้

John Tukey นักสถิติ ผู้เขียนหนังสือ Exploratory data analysis (EDA) บอกว่าสถิตไม่ใช่แค่ตัวเลขแต่เป็นการเปลี่ยนข้อมูลเป็นรูปภาพ จึงจะเห็นได้ว่า Visualization หรือ การสรุปและแสดงข้อมูลให้ออกมาในรูปของแผนภาพ กราฟ หรือวิดีโอ เป็นทักษะที่น่าจะเป็นพื้นฐานของทุกอาชีพไปแล้ว เช่น การเลือกใช้กราฟกับข้อมูล เมื่อไหร่ควรใช้ Bar chart เมื่อไหร่ควรใช้ Histogram

 

เครื่องมือที่ทำ Visualization มีหลายตัว ที่เลือกฝึกฝนได้ง่ายสุดคือ Excel หรือ Google Sheet นอกจากนี้ยังมี Power BI, Tableau และ Google Data Studio ที่สามารถโหลด Data ทำ Dashboard ใช้งานได้ฟรีอีกด้วย

 

อยากให้มอง Data Science เป็นทักษะมากกว่าอาชีพ ทุกคนไม่จำเป็นต้องเรียนเรื่อง Data เพื่อมาเป็น Data Analyst เพราะ Data มันอยู่กับทุกอาชีพ ตอนนี้อาชีพนี้อาจจะมาแรง เงินเดือนเยอะ แต่เมื่อเวลาผ่านไปคนเป็นกันมาก Supply จะเริ่มเยอะ เงินเดือนก็จะน้อยลงไปเอง แต่ถ้าเราทำอาชีพเดิมแล้วเพิ่มเติมความรู้เรื่อง Data เข้าไป เราก็จะได้เปรียบคนอื่น ดังนั้นเรียนให้สนุก อย่าเรียนตามกระแส เรียนเพื่อนำความรู้ไปใช้กับงานให้ดีขึ้น โดยอาจไม่จำเป็นต้องย้ายสายงานก็ได้

 

วิธีเรียนแบบไหนใช้ได้ผลจริง

การเรียนออนไลน์ส่วนใหญ่มีโอกาสเรียนจบน้อยมาก ความน่าจะเป็นในการเรียนคอร์สฟรีจบมีแค่ 4-5% หรือหากเป็นคอร์สเสียเงินก็จะเพิ่มขึ้นมาเป็น 40-50% คุณทอยจึงมีคำแนะนำในการเรียน ดังนี้

  • ปิดสิ่งล่อตาล่อใจ ทั้งโทรศัพท์ อุปกรณ์สื่อสารอื่น ๆ ที่รบกวนสมาธิ
  • อ่านหนังสือ เพราะคอร์สส่วนมากจะเป็นเนื้อหาย่อ ๆ สั้น ๆ การอ่านหนังสือ โดยเฉพาะหนังสือภาษาอังกฤษจะทำให้รู้อะไรขึ้นเยอะ และลึกซึ้งกว่าเดิมมาก
  • อยากเก่งเรื่องไหน ทำเรื่องนั้นเยอะ ๆ เพราะอ่านเสร็จแล้วก็ต้องลงมือทำด้วย เช่น การเขียนโค้ด
  • เรียนให้ถูกที่ นั่งเรียนที่เดิมที่เคยเรียน เพราะร่างกายจะจำว่าพื้นที่นี้คือพื้นที่ที่เรียนแล้วได้ผล

 

อย่างไรก็ตามแต่ละคนจะมีสไตล์การเรียนรู้ไม่เหมือนกัน ไม่จำเป็นต้องทำตามทั้งหมด ให้หาจุดที่เรียนแล้วรู้เรื่อง เรียนแล้วมีความสุข ถึงจะเรียนได้อย่างมีประสิทธิภาพ และสุดท้ายคุณทอยฝากไว้ว่า อย่าเอาดีกรีมาวัดว่าเราจะทำอะไร ทุกสิ่งต้องมีการเรียนรู้ใหม่ได้เสมอ การเรียนรู้ในโลกการทำงานไม่เหมือนกับตอนเรียน เราเรียนเพื่อให้ชีวิตดีขึ้น ฉะนั้นอย่าลืมว่าเราเรียนไปเพื่ออะไร เพราะการศึกษาเปลี่ยนชีวิตคนได้ เหมือนที่มันเคยเปลี่ยนชีวิตคุณทอยมาแล้ว

 

นี่คือบางส่วนจากไลฟ์เท่านั้น สำหรับใครที่พลาดไป สามารถเข้าไปชมย้อนหลังได้ ที่นี่

 

หางาน Data Scientist ทั้งหมดได้ ที่นี่

 

 
JobThai Official Group เพื่อการหางาน หาคน และแลกเปลี่ยนประสบการณ์ในการทำงาน
Public group · 42,947 members
Join Group
 

tags : jobthai, jobs, x career ข้ามสาย talk, data analyst, งาน, สมัครงาน, หางาน, คนทำงาน, เปลี่ยนสายงาน, ข้ามสายงาน



ติดตามข่าวสารและเรื่องราวดีๆ ทาง Email

ขอบคุณสำหรับการติดตาม