คู่มือเปลี่ยนอาชีพ: Analytics Engineer คือใคร ต้องเรียนพื้นฐานอะไรบ้าง

analytics engineer data career guide

เมื่อพูดถึงทีม Data อาชีพที่ทุกคนคุ้นเคยและได้ยินบ่อยๆก็คงจะเป็น Data Scientist, Data Engineer, Data Analyst หรือแม้แต่ BI Developer แต่อาจจะไม่คุ้นกับคำว่า Analytics Engineer ซึ่งเป็นอาชีพที่ได้รับความนิยมมากขึ้นเรื่อย ๆ

แล้ว Analytics Engineer คือใคร มีทั้งคำว่า Analytics และคำว่า Engineer สรุปแล้วอาชีพนี้มีที่มาที่ไปยังไง ทำงานด้านไหนกันแน่ ในบทความนี้เราจะมาไขข้อสงสัยไปพร้อมๆ กันเลยค่ะ

อาชีพ Analytics Engineer มาจากไหน อยู่ส่วนไหนของทีม Data

analytics engineer teams
Modern data team (DE + AE + DA) (รูปภาพจาก storyset.com)

ในทีม Data นั้นอย่างที่ทุกคนรู้กันว่า Data Engineer จะมีหน้าที่คอยดูแล Data Platform นำข้อมูลจากต้นทางเข้ามาในระบบ, สร้าง Pipeline Orchestration ลำเลียงข้อมูลเข้ามาเก็บไว้ใน Data Storage ไม่ว่าจะเป็น Data Lake หรือ Data Warehouse 

ในขณะที่ Data Analyst จะนำข้อมูลจาก Data Platform มาใช้ โดยโฟกัสไปกับการวิเคราะห์ข้อมูล, ตอบคำถามจากทีมอื่นๆในบริษัท (Ad-hoc Query), สร้าง Dashboard ขึ้นมาเพื่อแสดงข้อมูลโดยอัตโนมัติ เพื่อให้บริษัทเห็นภาพรวมและสามารถนำไปประกอบการตัดสินใจทางธุรกิจ 

การที่ทั้งสองฝ่ายต่างคนต่างทำงานของตัวเองไปนั้น ยกตัวอย่าง การที่ Data Engineer ก้มหน้าก้มตาดึงข้อมูลเข้ามาโดยที่อาจจะไม่ได้ดูว่าคุณภาพของข้อมูลสามารถนำไปให้ Data Analyst ใช้งานได้จริงหรือไม่

ส่วน Data Analyst ก็โฟกัสไปที่การวิเคราะห์ข้อมูล อาจจะไม่สนใจว่า Data เข้ามาในที่เก็บได้ยังไง หรือถูกดึงมาจากต้นทางบ่อยแค่ไหน ทำให้เกิด silos ขึ้น เหมือน 2 ทีมที่รักกัน อยากคุยกัน แต่บางทีก็คุยไม่รู้เรื่อง (เหมือนแฟนที่ง้องอนกันอยู่) เพราะด้วยโฟกัส และความรู้ทางเทคนิคที่แตกต่าง เลยจำเป็นต้องมีคนกลางมาคอยเจรจา

Data workflow
Workflow ของข้อมูล จะเห็นว่าอาชีพ AE (Analytics Engineer) อยู่กลางรูปเลย

นี่เป็นที่มาของอาชีพ Analytics Engineer ที่จะเข้ามาขั้นกลางระหว่าง Data Analyst ซึ่งจะได้ความช่วยเหลือในเรื่องของ Data Platform และ Data Engineer ก็จะมีความเข้าใจถึงความต้องการของทีมที่ใช้ข้อมูล และได้โฟกัสที่เรื่อง Data Quality ซึ่งอาจจะไม่มีทีมไหนดูแลอยู่อย่างเต็มที่อีกด้วย

Analytics Engineer คือใคร อาชีพนี้ทำอะไรบ้าง

analytics engineer
Analytics Engineer คือใคร (รูปภาพจาก storyset.com)

Analytics Engineer (AE) คือ ผู้ช่วยหน้าใหม่ในทีม Data ที่มีความรู้ในเรื่องของ Data Platform , มีความสามารถในการวิเคราะห์ และเข้าใจว่าทำอย่างไรข้อมูลถึงจะมีคุณภาพดีพร้อมสามารถนำไปใช้ต่อได้ทันที

AE ทำหน้าที่เป็นสะพานระหว่าง Data Engineer และ Data Analyst โดยมีหน้าที่นำข้อมูลที่เก็บไว้จาก Data Engineer ใน Data Storage อาจจะเป็น Data Warehouse หรือ Database ก็ได้ มาทำการ transformation ให้ได้ข้อมูลในรูปแบบที่ต้องการ

(สำหรับคนที่สงสัยว่า Data Warehouse กับ Database ต่างกันยังไง อ่านได้ที่บทความ Data Warehouse vs Database vs Data Lake)

งานอีกอย่างของ AE คือ การสร้าง test ขึ้นเพื่อเช็ค Quality ของข้อมูล ยกตัวอย่างเช่นข้อมูลใน field นี้ควรจะ unique และไม่มี null อยู่ภายใน filed หรือ field ที่บอกสถานภาพทางเพศ ว่าเป็น male หรือ female ก็ควรจะมีแค่ค่าที่กำหนดไว้เท่านั้น 

นอกจากนี้ AE ยังต้อง deploy ข้อมูลที่สะอาดแล้วกลับขึ้นไป และสร้าง documentation ให้ทุกคนสามารถเข้าใจความหมายของข้อมูลได้ตรงกันอีกด้วย

ในปัจจุบัน มีเครื่องมือใหม่ ๆ ที่ทำให้งานด้าน Data Engineer ทำได้ง่ายขึ้น เรียกว่า Modern Data Stack ทำให้คนเป็น Analytics Engineer ไม่จำเป็นต้องเก่งเรื่องการเขียนโปรแกรมสร้าง Data Platform แบบสุด ๆก็สามารถทำงานได้ดีพอ

ใครที่อยากทำความคุ้นเคยเพิ่มเติมเกี่ยวกับสายอาชีพ Data ในบทความนี้ อย่าง Data Engineer กับ Data Analyst เข้าไปตามกันได้เลยใน คู่มือเปลี่ยนอาชีพ: Data Engineer คือใคร ต้องเรียนพื้นฐานอะไรบ้าง และ คู่มือเปลี่ยนอาชีพ: Data Analyst คือใคร ต้องเรียนพื้นฐานอะไรบ้าง

Analytics Engineer จะมาแทน Data Engineer ไหม

ไม่เสมอไป เพราะ Analytics Engineer ช่วยให้องค์กรเริ่มต้นใช้งาน Data ได้เร็วขึ้น แต่…

  • ทุกองค์กรไม่ได้ต้องการ Analytics Engineer: ทุกองค์กรก็จะมีข้อกำหนดที่แตกต่างกันไปบางองค์กรก็อาจจะไม่ได้อยากเก็บ Data ทั้งหมดไว้บน Cloud หรือบางองค์กรก็อาจจะอยากได้เครื่องมือที่ครบจบในที่เดียวอาจจะไม่ต้องการ Analytics Engineer เข้ามาช่วยในการ transform ข้อมูล 
  • Analytics Engineer Data Engineer เป็นคนเดียวกันได้: เนื่องจากสกิลเซทคล้ายกันมาก ถ้าไปเรียนเพิ่มก็สามารถทำได้ เช่น AE -> DE หรือ DE -> AE แต่ถ้าเริ่มจาก Data Engineer ก่อน ก็จะมีข้อดี คือ เข้าใจ workflow การทำงานเบื้องหลังได้มากขึ้น 
  • เครื่องมือพัฒนาขึ้นจนใช้ร่วมกันทั้ง DE & AE: เครื่องมือบางอย่าง เช่น Databricks เป็น Data Platform ซึ่ง Data Engineer ใช้อยู่แล้วเป็นประจำทุกวัน Analytics Engineer ก็ยังทำงานในที่เดียวกันด้วย จะเห็นว่าเครื่องมือต่างๆค่อนข้างจะใกล้เคียงกันมาก                      

สุดท้ายองค์กรที่โตขึ้น ก็ต้องมี Data Engineer เพราะบางทีอาจจะมี Use Case ที่ไม่สามารถใช้เครื่องมือใหม่ ๆ แบบ Modern Data Stack ได้ ต้องกลับไปเขียนโค้ด เพื่อดึงข้อมูล สร้าง Pipeline ออกมาใช้เอง 

อยากเป็น Analytics Engineer ต้องมีความรู้พื้นฐานด้านไหน 

analytics engineer skillset
ความรู้พื้นฐานที่ Analytics Engineer ควรมี (รูปภาพจาก storyset.com)

ถ้าอยากจะเป็น Analytics Engineer ควรมีความรู้และสกิลที่เป็นส่วนผสมทั้งของ Data Engineer และ Data Analyst ดังต่อไปนี้ 

พื้นฐาน 1) ทักษะการเขียนโปรแกรม SQL และ Python 

  • SQL: Analytics Engineer ควรมีสกิล SQL ในระดับ Advance ขั้นเทพ หายใจเข้า หายใจออกก็เป็น SQL เพราะว่าจะได้ใช้งานทุก ๆ วันในการ transform ข้อมูลซึ่งเป็น process หนึ่งในการสร้าง Data models และทดสอบคุณภาพของข้อมูล
  • Python: Analytics Engineer อาจจะไม่จำเป็นต้องเก่ง Python มากเท่า SQL แต่ก็จำเป็นที่จะต้องรู้การเขียน Python เบื้องต้นในการทำ Data Pipeline เบื้องต้นเองได้ และสามารถอ่านโค้ดออก

พื้นฐาน 2) ทักษะการใช้งาน dbt และ Modern data stack tools

  • dbt: dbt (Data Build Tool) เป็นเครื่องมือที่ช่วยในการทำ Data transformation ให้สะดวกยิ่งขึ้น Analytics Engineer และคนอื่น ๆ ในทีม Data มักจะใช้เป็นเครื่องมือในการเขียน Data model โดยใช้ SQL เป็นหลัก ซึ่งการทำ datatransform (ETL / ELT) เป็นปัจจัยสำคัญที่จะทำให้ข้อมูลสะอาด และนำไปใช้งานได้ง่ายยิ่งขึ้น 
  • การทำงานกับ Modern Data Stack tools: Analytics Engineer ควรจะคุ้นเคยกับเครื่องมือ Modern Data Stack เช่น Snowflake, Google Big Query, Fivetran, Matillion, Airbyte, Looker และ ThoughtSpot ในการทำ ingestion, transformation, data warehouse, และ deployment อาจจะไม่จำเป็นต้องรู้จักทุกตัวแต่ต้องเข้าใจ Concept ว่าเครื่องมือแบบไหน ช่วยแก้ปัญหาอะไร

พื้นฐาน 3) ทักษะการสื่อสาร 

  • Communication: การสื่อสารเป็นทักษะที่สำคัญมากสำหรับ Analytics Engineer เนื่องจากเป็นคนกลางระหว่างหลายๆทีม ทำให้จำเป็นต้องมีทักษะการสื่อสารที่ดีมากในการบอกเล่าสิ่งที่เจอ และแผนงาน Data ให้กับคนทั้งทีมเพื่อให้ทุกฝ่ายเข้าใจได้ตรงกัน 

เงินเดือนพื้นฐานของ Analytics Engineer 

analytics engineer salary
เงินเดือนพื้นฐานของ Analytics Engineer (รูปภาพจาก storyset.com)

มาคุยกันถึงเรื่องเงินเดือนของอาชีพ Analytics Engineer กันบ้างนะคะ

สำหรับงาน Analytics Engineer ในระดับ entry level ทาง salary expert ซึ่งรวบรวมข้อมูลเงินเดือนในไทย สรุปผลมาว่าเงินเดือนคนเริ่มต้นจะอยู่ที่ประมาณ 60,000 บาท ต่อเดือน

สำหรับคนที่มีประสบการณ์ Analytics Engineer ในระดับ senior ทาง salary expert สรุปมาว่าเงินเดือนอาจจะมากถึง 100,000 บาท ต่อเดือน ขึ้นอยู่กับ industry และประสบการณ์

ส่วนในตลาดต่างประเทศ ข้อมูลจากเว็บไซต์ glassdoor ซึ่งรวบรวมเงินเดือนของอาชีพ Analytics Engineer จากตลาดงานในอเมริกา สรุปผลมาว่าเงินเดือนสำหรับ Analytics Engineer ที่มีประสบการณ์ 0-1 ปีจะอยู่ที่ $111,274 ต่อปี (3 ล้าน 7 แสนบาท) และสำคัญผู้ที่มีประสบการณ์ 4 – 6  ปี จะอยู่ที่ $127,279 ต่อปี (4 ล้าน 3 แสนบาท)

แนะนำคอร์สสำหรับ Analytics Engineer 

เนื่องจาก Analytics Engineer เป็นอาชีพที่มีพื้นฐานทางด้าน Engineering และ Analytics เราก็ได้รวบรวมคอร์สที่น่าสนใจที่จะมาเป็น skill สำคัญของทั้งสองด้านนี้มาไว้ให้ตามด้านล่างนี้แล้วค่ะ สามารถเลือกเรียนด้านที่ต้องการได้เลย

ทางทีม DataTH เลือกมาเฉพาะคอร์สของ Udemy เนื่องจากคุ้มค่ามาก ช่วงโปร (ซึ่งเค้าจัดบ่อยมาก) จะเหลือประมาณ 300 – 500 บาทต่อคอร์ส และแต่ละคอร์สมีจำนวนชั่วโมงเยอะมาก เรียนกันเต็มอิ่มเลย 

ชื่อคอร์สรายละเอียดลิงค์

Learn DBT from Scratch

  • เรียนรู้การเชื่อมต่อ dbt กับ snowflakes และ data platform ต่างๆ ทดสอบ transformations และข้อมูล ทดสอบ code ใน environment
ดูรายละเอียด

The Complete dbt (Data Build Tool) Bootcamp: Zero to Hero

  • เรียนรู้การใช้งาน dbt แบบเจาะลึกพร้อม Project จริง เรียนรู้ concept ของ dbt core เช่น Models, Materialization, Packages, Analysesเข้าใจ dbt Best practices 
ดูรายละเอียด

Analytics Engineering Bootcamp

  • เรียนรู้ skill ที่จำเป็นต่อการทำงานAnalytics Engineerดีไซน์และสร้าง Data Warehouse แบบลงมือทำจริงเข้าใจเทคนิค data modeling แบบลึก
ดูรายละเอียด

Ultimate SnowPro Core Certification Course & Exam – 2023

  • เรียนรู้ Concept เบื้องต้นของ Snowflake พร้อม labs สั้นๆ และคำถามท้ายบท มี mock exam ที่มีคำถาม 100 ข้อไว้ให้พร้อมทั้งคำอธิบายตอนเฉลย 
ดูรายละเอียด

Databricks Certified Data Engineer Associate – Preparation

  • เรียนรู้การใช้งาน Databricks Lakehouse Platform และเครื่องมือต่างๆ การ process ข้อมูลแบบ batch และ streamingการสร้าง ETL pipeline
ดูรายละเอียด

Fivetran Bootcamp : Zero to Mastery 2023

  • เรียนรู้การสร้าง  ETL pipelineการเชื่อมต่อ snowflake และ redshift เข้ากับ  fivetran และปลายทางการเพิ่ม  connectors ใน fivetran
ดูรายละเอียด

นอกจากนี้ยังสามารถเข้าไปตามเว็บไซต์ของเครื่องมือแต่ละเครื่องมือได้อย่างเช่น Snowflake, databricks ก็จะมี คอร์ส และ Resources ฟรี ให้ได้เข้าไปเรียนรู้และได้ลงมือลองทำ 

หวังว่าบทความนี้จะช่วยให้เพื่อน ๆ รู้จักกับอาชีพ Analytics Engineer เพิ่มขึ้นนะคะ และหากบทความนี้มีประโยชน์ อยากรบกวนช่วยแชร์ให้คนอื่น ๆ ได้มาอ่านบทความนี้ด้วยค่ะ

บทความนี้เราตั้งใจเขียนมาก และหวังว่าจะมีคนที่ได้ประโยชน์จากบทความนี้เพิ่มขึ้นไปเรื่อย ๆ ค่ะ :)

ถ้าชอบเนื้อหาแนวนี้ ติดตามบทความดี ๆ ด้าน Data และวีดิโอสนุก ๆ ดูชิล ๆ แล้วได้ความรู้กันได้ที่ Facebook Page: DataTH และ Youtube Channel: Data Science ชิลชิล ครับ แล้วเจอกันนะคะ

🥰 ถ้าสนใจอาชีพอื่น ๆ เรามีให้อ่านอีกเยอะ คลิกด้านล่างได้เลย

บทความอื่น ๆ ที่เกี่ยวข้อง

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว และสามารถจัดการความเป็นส่วนตัวเองได้ของคุณได้เองโดยคลิกที่ ตั้งค่า

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

Allow All
Manage Consent Preferences
  • Always Active

Save