งานด้าน Data Analysis เป็นงานที่สำคัญมากสำหรับบริษัทที่ต้องการนำข้อมูลที่มีอยู่มาใช้ให้เกิดประโยชน์สูงสุดครับ นอกจากนั้นยังสามารถต่อยอด Mindset ไปเป็น Data Scientist ได้อีกด้วย มีหลาย ๆ คนที่สอบถามแอดมาว่า Data Analyst ต้องทำอะไรบ้าง วันนี้เรามาฟังคำตอบจากน้องเกิ้ล Data Analyst แห่งบริษัท Sertis กันครับ
บทความนี้อยู่ในซีรีย์ สัมภาษณ์อาชีพสาย Data Science ซึ่งแอดเริ่มต้นขึ้นมาเพราะอยากให้เราเข้าใจงานในสายอาชีพนี้กันมากขึ้น และอยากให้คนที่สนใจเข้ามาทำงานด้านนี้ได้รู้ด้วยว่างานนี้เหมาะกับตัวเองมั้ย และต้องเตรียมตัวอย่างไรบ้าง ถ้าใครทำงานในสาย Data อยู่ก็ขอเชิญชวนมาคุยกันครับ ทักมาในเพจได้เลย
เรามารู้จักกับน้องเกิ้ลกันเลยดีกว่าครับ และมารู้จักกันว่าอาชีพ Data Analyst เค้าต้องทำอะไรบ้าง
บทสัมภาษณ์เกิ้ล Data Analyst ที่ Sertis
แอดเพิร์ธ: สวัสดีครับน้องเกิ้ล รบกวนแนะนำตัวคร่าว ๆ หน่อยครับว่าตอนนี้ทำงานด้านไหนอยู่
เกิ้ล: ตอนนี้ทำตำแหน่งนักวิเคราะห์ข้อมูล Data Analyst อยู่ค่ะ งานหลักๆจะนำข้อมูลขนาดใหญ่ของลูกค้า (Big Data) มาวิเคราะห์ มีตั้งแต่ได้เป็นโจทย์เฉพาะที่ต้องวิเคราะห์เพื่อหาคำตอบให้กับคำถามที่ลูกค้าสงสัย หรือการนำข้อมูลลูกค้ามาจัดทำรายงานเพื่ออัพเดตทุกวัน ซึ่งลูกค้าสามารถเข้ามาดูที่ Platform ของเราได้ง่ายๆ เลย
แอดเพิร์ธ: เป็นอาชีพที่น่าสนใจมาก ๆ เลยครับ รบกวนเล่าให้เราฟังหน่อยได้มั้ยครับว่าอาชีพ Data Analyst ต้องทำอะไรบ้างครับ
เกิ้ล: งานหลักของ Data Analyst ก็คือ
- Data Analysis – เมื่อเราได้ข้อมูลจากลูกค้ามาแล้ว ทีม Data Analyst จะหา Insight จากข้อมูล เช่น Business Performance, ข้อมูล Demographic ต่างๆ หลังจากนั้นก็จะนำข้อมูลเหล่านี้ไปนำเสนอให้ลูกค้าต่อไปค่ะ
- Business Report – อันนี้จะคล้ายๆ กับอันที่แล้ว แต่เป็น Report ที่ลูกค้าจะเข้ามาดูอย่างต่อเนื่อง ลูกค้าจะส่งข้อมูลมาให้เราทุกวัน ส่วนทีมเราจะมีหน้าที่พัฒนาระบบ Automated Report ขึ้นมา เพื่อให้ลูกค้าเข้ามาดู Dashboard ตอนไหนก็ได้ แล้ว Export เอาไปใช้ต่อ
ได้เลย - Collaborate กับทีม Data Science – ทีม Data Science จะนำข้อมูลไปวิเคราะห์ในแบบที่ Advance ขึ้น ซึ่งบางคนในทีม Data Analyst ก็ทำพวก Time Series Analysis
ซึ่งงานนี้เป็นงานทีอาศัย Business Sense ค่อนข้างมากเพราะจะได้เจอข้อมูลกับโจทย์ที่หลากหลายอยู่ตลอดเวลาค่ะ
แอดเพิร์ธ: แล้วในส่วนของเครื่องมือที่ใช้ แนะนำเป็นตัวไหนบ้างครับ
เกิ้ล: Tool ในการวิเคราะห์ข้อมูลสามารถเลือกได้ตามความถนัดของแต่ละคนเลยค่ะ ที่ Data Analyst ใช้บ่อยๆ ก็คือ Tableau, Python, SQL, R สำหรับงาน Statistics, และ Excel
แอดเพิร์ธ: ตอนเรียนจบมาทางด้านนี้เลยหรือเปล่าครับ หรือย้ายมาจากสายงานอื่นครับ
เกิ้ล: ไม่ได้จบด้าน Data Analyst มาโดยตรงค่ะ เราจบสาย IT ด้าน Information & Communication Technology (ICT) สถาบัน SIIT มหาวิทยาลัยธรรมศาสตร์มา คือเน้นเขียนแอพพลิเคชั่น, ฐานข้อมูล มีเรียนเน็ตเวิร์ค กับ AI บ้างอยู่ตัวสองตัว เรียกว่าเรียนครอบจักรวาลทุกอย่างก็ได้ ซึ่งตอนนั้นเรารู้ใจตัวเองอยู่ค่ะว่าไม่ได้เอนไปทาง App Developer
ตอนเรียนจบ เราเลยโฟกัสงานที่ไม่ได้เป็นเพียวโปรแกรมมิ่ง และด้วยพื้นเพเป็นคนชอบดาต้าเบส เราเลยเลือกไปทำงานตำแหน่ง Campaign Analyst ที่ต้องใช้ SQL ในระดับพื้นฐาน ดูฐานข้อมูลของลูกค้าว่าจะต้องโฆษณา Campaign แต่ละตัวให้ใคร (Customer Segment) ในฐานข้อมูลเค้าบ้าง เพื่อเพิ่มประสิทธิภาพในการโฆษณาให้ดีที่สุด เช่น ใช้ Tool ของ IBM เพื่อทำ Personalization ให้ข้อความถูกส่งไปแต่ละกลุ่มลูกค้าที่น่าจะสนใจ
ตำแหน่ง Campaign Analyst เป็นงานที่สนุกดีอยู่ค่ะ แต่พอทำไปได้ระยะนึง เราเริ่มชักไม่แน่ใจในอนาคตเรากับ Career Path ของงานที่ทำอยู่ว่ามันไปในทางเดียวกันมั้ยและในตอนนั้นเราเห็นรายละเอียดเรื่องงานสาย Data ที่เพื่อนแชร์มาและกระแสงาน Data ก็กำลังมาพอดี
พอเราได้เข้าไปศึกษางานด้านนี้ดู เรารู้สึกว่ามันเป็นตัวงานที่จะกระตุ้นให้เราได้ใช้ทักษะหลายๆอย่าง ตั้งแต่หัดวิเคราะห์โจทย์ Business, การ Aggregate ข้อมูลหลายๆแห่ง คือเป็นงานที่ใช้ทักษะที่เข้ากับเรามากขึ้น ใช้เวลาตัดสินใจและดูตัวเองอยู่พักนึงจนแน่ใจจริง ๆ ว่าเป็นตำแหน่งนี้แหละ เราเลยเปลี่ยนมาทำงานนี้ค่ะ
แอดเพิร์ธ: แปลว่าเคยจับ Data มาก่อนแล้วในตำแหน่งก่อนหน้านี้ แล้วพอย้ายมาเป็น Data Analyst งานเปลี่ยนแปลงไปยังไงบ้างครับ และบริษัทที่ทำอยู่เป็นอย่างไรบ้างครับ
เกิ้ล: ตอนนี้ทำอยู่ที่บริษัท เซอร์ทิส จำกัด (Sertis Co., Ltd.) ค่ะ เป็นบริษัทที่ให้คำปรึกษาเกี่ยวกับข้อมูลแก่ลูกค้าในหลายๆ กลุ่มอุตสาหกรรม ทำให้เรามีโอกาสได้จับหน้าตาข้อมูลในหลายๆรูปแบบค่ะ ได้เห็นว่าเรานำข้อมูลที่ลูกค้ามีมาใช้ให้เกิดประโยชน์ได้อย่างไรบ้าง
ที่เซอร์ทิส เราให้บริการอย่างครบวงจรตั้งแต่การนำข้อมูลเข้า ไปจนถึงวิเคราะห์ข้อมูล ตอบโจทย์ Business ของลูกค้าเป็นข้อ ๆ และทำ Automated Report ให้ลูกค้าค่ะ
ในส่วนของ Product เรามีหลาย ๆ แบบ ตัวอย่างเช่น Platform ไว้ดู Automated Report, Platform สร้าง Visualization จากข้อมูล เพื่อใช้ในการ Analytics หรือ Product เกี่ยวกับ AI เช่น Computer Vision หรือ NLP
นอกจากนั้น Culture บริษัทกำลังอยู่ในช่วงเติบโตค่ะ พนักงานค่อยๆเติบโตจนตอนนี้ถึงหลักร้อยแล้ว เป็นบริษัทที่โตไวมาก บรรยากาศมีความเป็นกันเอง เดินใส่รองเท้าในบ้าน มีเครื่องดนตรี บอร์ดเกมส์ให้เล่น 555
ทีมงานไม่ได้มีแค่คนไทย แต่มีชาวต่างชาติอยู่ประมาณ 20% เลย เรียกได้ว่ามีความสากลสุด ๆ CEO เลยต้องพูด 2 ภาษาเวลาประชุมใหญ่
สวัสดิการเราก็มีหลากหลาย เช่น มี Session นั่งสมาธิ, ฟิตเนส, Movie Day, Gym Discount, มี Outing ต่างประเทศ, มี Training บ่อย, กินไปเรียนไป (Lunch & Learn), เรียนคอร์สออนไลน์แบบจ่ายให้, มีช่วยเหลือเงินค่าเรียนปริญญาโทออนไลน์ (เช่น ปริญญาโท Master in Computer Science ของ Georgia Tech)
แถมยังมีโอกาสได้ลองทำอะไรใหม่ ๆ ด้วย เช่น ได้ไปเป็นพิธีกรงาน PTT x Sertis ค่ะ
แอดเพิร์ธ: สวัสดิการที่บริษัทนี้ดีมาก ๆ เลยครับ แอดชอบมากที่เค้าสนับสนุนเรื่องการเรียนรู้ เท่าที่ฟังมา คือ ทีม Data Analyst จะเน้นการวิเคราะห์ข้อมูลให้กับลูกค้าใช่มั้ยครับ
เกิ้ล: คือในทีม Data Analyst จะวิเคราะห์ข้อมูลให้กับลูกค้าของเราด้วย และมีงาน Internal เพื่อช่วยพัฒนาระบบข้างในด้วยค่ะ
ซึ่งงานที่เราทำจะอิงกับโปรเจกต์ที่เราทำในขณะนั้น จึงมีทั้งออกไปประชุมเพื่อเก็บ Requirement กับลูกค้าพร้อมกับทีม Business เขียน SQL เพื่อดึงข้อมูลจากหลายๆ Table ออกมาเป็น Table ที่เราจะนำไป Visualize ให้เป็นรูป Chart เพื่อนำไป Present ลูกค้า สำหรับบางโจทย์ก็ต้องอาศัยการเขียน Statistics Model ด้วยภาษา R หรือ Python เพื่อเพิ่มน้ำหนักให้กับการวิเคราะห์ค่ะ เช่น Time Series Analysis
แอดเพิร์ธ: ตำแหน่ง Data Analyst อย่างเราต้องทำงานกับใครบ้างครับ
เกิ้ล: ประสานงานกับคนที่เกี่ยวข้องตั้งแต่ Project Manager เพื่อดูว่าเราทำงานได้ตรงกับ Timeline ที่วางไว้กับลูกค้ามั้ย มีงานส่วนไหนที่ช้ากว่าที่วางไว้รึเปล่า หรือคุยกับลูกค้าโดยตรงถ้ามีข้อสงสัยตรงไหนเป็นพิเศษ นอกจากนั้นยังมีการไปคุยกับ Expert คนอื่น ๆ ในบริษัทที่เราคิดว่าเค้าเชี่ยวชาญให้หัวข้อนั้น ๆ เพื่อขอไอเดียเพิ่มเติมด้วย
ที่สำคัญคือต้องหมั่นคุยกับตัวเอง เพราะงานในลักษณะนี้ไม่ได้มีลักษณะที่ตายตัวเหมือนบางงาน ทำให้คนอื่นที่มาช่วยตรวจสอบคุณภาพงานอาจช่วยตรวจได้แค่เสี้ยวนึง ทำให้เราต้องหมั่นเช็คกับตัวเองว่าตรงนี้ถูกแล้วจริงๆมั้ย เพราะก่อนจะส่งงานตัวนี้ออกไปต้องมั่นใจว่ามันถูกต้องนะ
ในส่วนนี้ขอแนะนำเทคนิค “Rubber Duck Debugging” คือลองหยิบตุ๊กตาสักตัวบนโต๊ะเรามาคุยกับมันเสมือนอธิบายให้เพื่อนที่ไม่รู้จักโปรเจกต์นี้มาก่อนเข้าใจว่าเราทำอะไรอยู่ พอเราตั้งใจไล่อธิบายทีละส่วน (ด้วยภาษาที่ต้องพูดให้คนอื่นเข้าใจ มันจะเป็นภาษาคนละแบบกับเวลาพูดกับตัวเองละ) มันจะทำให้เรามีโอกาสเจอจุดที่ไม่เมคเซนส์/ผิด นั่นเองค่ะ
แอดเพิร์ธ: จากที่ทำตำแหน่งนี้มาระยะหนึ่งแล้ว น้องเกิ้ลชอบอะไรมากที่สุดในงานนี้ครับ
เกิ้ล: ชอบการเรียนรู้อะไรใหม่ๆ ค่ะ เพราะตอนสมัยเรียนมหาลัย เรามี Mindset ที่ว่าเรียนแค่มหาลัยให้ผ่าน คือจบไปทำงานก็ไม่ต้องอ่านอะไรแล้ว แต่ที่ไหนได้พอมาทำงานจริง รู้สึกพอเราไม่ได้เรียนรู้อะไรแล้วคิดอะไรได้ไม่ไว หัวไม่เฟรช
แต่ทีมที่นี่คนเรียนอะไรใหม่ๆ กันตลอดเวลา มันห้ามหยุดเรียนรู้ ไม่งั้นเราจะล้าหลังเลย 555 กลายเป็นว่าเราต้องหมั่นศึกษาอะไรใหม่ๆให้ทันเสมอ ศึกษาไม่พอแล้วต้องทบทวนให้มันเข้าสมองจริง ๆ
ที่สำคัญงาน Data Analyst คือการผสมระหว่างโปรแกรมมิ่ง การวิเคราะห์ ความมีเซนส์ที่ต้องช่างสังเกตและถามคำถามให้ตรงจุด จึงเป็นสิ่งที่ดีมากๆที่ได้ใช้หลายๆทักษะในแบบ All-in-1 job เลย
ตรงนี้เป็นข้อดีนะคะ มันเปลี่ยนเราจากคนที่มีจุดมุ่งหมายอ่านหนังสือเพื่อสอบให้ผ่านเฉยๆ กลายเป็นคนที่อ่านเพื่อนำไปใช้ประโยชน์ในชีวิตจริงๆหลากหลายด้าน ไม่ใช่แค่กับหนังสือเรียน แต่กับหนังสือพัฒนาตัวเอง หนังสือสอนภาษาพวกนี้ด้วย
แอดเพิร์ธ: เห็นด้วยว่างานสาย IT จะต้องเรียนรู้อะไรใหม่ ๆ เยอะมากครับ แทบทุกเดือนจะมีของใหม่ ๆ ออกมาให้เราศึกษาตลอดเลย แล้วน้องเกิ้ลคิดว่างาน Data Analyst มีส่วนไหนที่ Challenge ที่สุดครับ
เกิ้ล: เนื้องานค่ะ… อย่างที่เกริ่นไว้ก่อนหน้านี้ มันต้องเขียนโปรแกรมมิ่งได้ วิเคราะห์สถิติเป็น และมี Business Sense (เหมือนวงกลม 3 วงของ Data Science) ซึ่งถ้าใครได้ทั้งหมดนี้ก็ครบเครื่องเลย
แต่ก็ไม่ใช่ว่าทุกคนจะเก่งเต็มหลอดทุกด้านแบบนั้นนะคะ จะมีคนที่ถนัดแค่บางส่วนเช่น ถนัดโปรแกรมมิ่งแต่ยังอ่อน Business แบบเรา เลยเป็นจุดที่รู้ว่าตัวเองต้องพัฒนาอย่างมาก เพราะว่าเก่งแค่ด้านใดด้านหนึ่งมันยังไม่พอสำหรับตำแหน่งนี้ที่ต้องการทักษะหลาย ๆ แขนงมาผสานกันเพื่อสร้างคุณค่า
แอดเพิร์ธ: อยากให้ช่วยตอบ คำถามจากทางบ้าน สักหน่อยครับ คำถามแรกที่มีหลาย ๆ คนถามกันมา คือ เรื่องทักษะ Maths, Coding, Business ต้องมีมากน้อยแค่ไหน ถึงจะทำสายนี้ได้
เกิ้ล: ได้เลยค่ะ ก่อนอื่นเราต้องไปเช็คกับ Job Description ของแต่ละบริษัทด้วย ว่า Data Analyst ของบริษัทนั้นเค้าต้องการให้เราไปทำอะไร เช่น ให้ไปทำ Model, ให้ไปคลีนข้อมูล, ให้ไปวิเคราะห์ข้อมูล หรือให้ไปทำ Dashboard
ถ้ารู้ว่าเราต้องไปทำ Model ก็ต้องมีความรู้คณิตศาสตร์เชิงลึกสักหน่อย, ถ้าจะทำ Insight ก็ต้องมีความรู้ในอุตสาหกรรมนั้นล่ะ, ถ้าจะทำ Dashboard ก็ต้องมีไอเดียออกแบบว่าจะใช้ Visualization ไหนให้ตอบโจทย์สิ่งที่เค้าสงสัย
ถ้าอิงจากสโคปงานเกิ้ลที่เน้นสาย Aggregate ข้อมูลกับทำ Visualization เป็นส่วนใหญ่ ความรู้ทางคณิตศาสตร์ที่ใช้จะเป็นตัวเลขทางสถิติเบื้องต้นมากกว่าค่ะ เช่น Mean, S.D.
โดยประเด็นที่สำคัญของเราจะเน้นการทำเลขพวกนี้ออกมาให้ถูกต้อง
เอาไปใส่ในสไลด์อ่านแล้วเข้าใจง่าย
ในพวกคณิตศาสตร์สำหรับการ Prediction เราก็พอรู้ในเบื้องต้นเช่น Linear Regression คืออะไร เหมาะสำหรับแก้โจทย์แบบไหน
แต่คนอื่นๆในทีมที่ทำด้านโมเดลโดยตรง ก็ต้องใช้ความรู้คณิตศาสตร์ในเชิงเข้มข้น สูตรเลขยิบยับ เพราะจะต้องสามารถนำมาพลิกแพลงปรับใช้ให้เข้ากับโจทย์ลูกค้าในการ Prediction ค่ะ
ถ้าใครอยากทำความรู้จักสถิติแบบเข้าใจง่ายๆ เราอยากแนะนำเล่มนี้ Naked Statistics ของ Charles Wheelan หรือในชื่อภาษาไทย: “สถิติฉบับเซ็กซี่” ที่ปกดูวาบหวิวกว่าต้นฉบับ ใครผ่านมาเห็นเล่มนี้ที่โต๊ะเราเป็นอันทักทุกคนเลย 5555 ภาษาไทยเล่มนี้แปลดีมากๆนะคะ พวกคำศัพท์เฉพาะของสถิติแปลออกมาครบถ้วน และโดยรวมอ่านได้ไหลลื่นจริงๆ
ในเรื่องของ Coding ไม่ว่าจะ R หรือ Python น่าจะขึ้นอยู่กับความถนัดของเราหรือที่บริษัทนั้นๆนิยมใช้มากกว่า
ถ้าเป็น Python ก็ต้องเน้น Library ที่ทำงานเกี่ยวกับ Data เช่น Numpy, Pandas มากกว่าจะไปในเชิงสายเขียนแอพค่ะ (ตรงนี้ขอแนะนำเว็บไซต์ DataCamp เป็นเว็บสอนสไตล์ Interactive ที่แบ่งหัวข้อสอน R,Python เพื่อไว้ทำ Data ได้ชัดเจนดีเลย)
SQL ควรมีค่ะ เพราะหลายๆบริษัทมักเก็บข้อมูลที่ต้องใช้ SQL ในการดึงข้อมูลจึงเป็นภาษาเบื้องต้นที่เราควรทราบค่ะทั้งนี้ SQL เป็นภาษาที่ค่อนข้างง่ายเพราะ Pattern ในการดึงข้อมูลมันมีรูปที่ตายตัวอยู่ ใช้ไปสักพักก็คุ้นมือแล้วล่ะค่ะ
ความรู้ Business ขาดไม่ได้เหมือนกัน สมมุติถ้าเราจะไปวิเคราะห์ข้อมูลในอุตสาหกรรม การเงินหรือประกัน เราอาจต้องพอจะรู้ Nature ของการจ่ายเบี้ยประกันว่าเป็นยังไงเพื่อที่เราจะได้ตั้งคำถามได้ตรงจุดและไม่หลงเวลาดูข้อมูลค่ะ
แอดเพิร์ธ: ขออีกสักคำถามละกันนะครับ คุณ Fony Lewprasert ถามมาว่า “อยากรู้เทคนิคการตั้งสมมติฐานในการวิเคราะห์ข้อมูลค่ะ ว่าเราจะเริ่มตั้งโจทย์ยังไง และเริ่มจากตรงไหนก่อน“
เกิ้ล: คำถามนี้ดีค่ะเอาไปเลยพันคะแนนน!!!
ที่บอกว่าดีเพราะมันคือสิ่งที่ Analyst หลายๆคนมักจะประสบ (และเราด้วย 55) ซึ่งทักษะนี้มักไม่ได้มีบอกขั้นตอนในตำราชัดเจนเป็น 1-2-3-4 เหมือนหนังสือสอนโค้ดดิ้งด้วยนะคะ
เราเลยอาศัยการสังเกตจากคนรอบตัวบ้างว่าเค้าเล่าเรื่องยังไง เค้ามองมุมไหน
เค้าจับประเด็นอะไรมาพูด
ถ้าเริ่มแบบเบสิคก่อนเลยก็คือดู Overall Performance ของข้อมูลนี้เป็นยังไงก่อน จุดไหนดี จุดไหนที่ยังปรับปรุงเพิ่มได้จากนั้นเราค่อยๆไล่เข้าไปในที่ละส่วนว่ามันดีเพราะเหตุผลอะไร
อันไหนฉุด Performance ลงมา
สมมุติมีสินค้าสองตัวนี้ที่ยอดขายลดลงจากปีที่แล้วได้แก่ Tomato กับ Chocolate ลดไป 20% กับ 10% ตามลำดับ
เฮ้ย! แบบนี้ Tomato มันต้องมีปัญหาแน่ๆ ซึ่งความจริงถ้าเรามองไปให้ลึกขึ้นก็จะพบว่า Chocolate ต่างหากที่น่าเป็นห่วงกว่าเพราะ Sales Contribution(สัดส่วนยอดขาย) ของ Chocolate มีถึง 50% จากทั้งหมดแน่ะ ในขณะที่ Tomato มี Sales Contribution แค่ 6%เอง
อีกส่วนที่สำคัญคือการนำตัวเลข(Metrics) ที่มี Impact มาใช้ค่ะ เช่นถ้าเราสร้าง Mobile Application ตัวนึงขึ้นมา เราอยากจะให้ความสำคัญกับจำนวนผู้ใช้ทั้งหมด(Total User) หรือจำนวนผู้ใช้ที่ใช้งานสม่ำเสมอมากกว่ากัน(Active User) ?
ซึ่งตัวอย่างนี้เราหยิบยกมาให้เห็นภาพคร่าวๆง่ายๆจากหนังสือ Business Insights ของ David O’Neil (โดยเราเปลี่ยน Context จากต้นฉบับเล็กน้อย) เป็นอีกเล่มที่เกริ่นได้ดีสำหรับคนที่สนใจเกี่ยวกับ Data Analysis เพราะอธิบายถึงการใช้ Visualization และการดูข้อมูลยังไงให้สร้าง Impact ค่ะ
เล่มนี้หาซื้อยากหน่อยเพราะมีขายแต่แบบเล่ม ไม่มีขายเป็น e-book แถมใน Amazon เหลือราวๆ 15 เล่มเอง
อีกทั้งหนังสือมีแต่แบบปกหนา ทำให้เวลาพกออกไปข้างนอกก็จะลำบากนิดๆ 5555
แอดเพิร์ธ: สุดท้ายนี้ น้องเกิ้ลมีคำแนะนำอะไรสำหรับคนที่อยากมาทำงานอาชีพนี้บ้าง
เกิ้ล: สำหรับคนที่สนใจ จากคำตอบของเกิ้ลในข้อก่อนหน้านี้ น่าจะพอเห็นภาพคร่าวๆของตำแหน่งนี้แล้วนะคะ
ถ้าอยากได้ไอเดียเพิ่มเติมหรือพัฒนาทักษะให้พร้อมกับตำแหน่งนี้มากขึ้น ลองซื้อคอร์สจาก Udemy (จ่ายแค่ 300 บาท แต่ได้เนื้อหาครบเลย) หรือลองลงเรียนบนเว็บ MOOC ต่างๆเช่น eDX, Coursera, Udacity (มีทั้งฟรีและเสียตังค์เพื่อเอาใบเซอร์) ลองทำการบ้านจากเว็บเค้าเพื่อดูว่าทำแล้วเรา
รู้สึกคลิกกับสิ่งที่ทำจริงๆมั้ย
ในส่วนของเนื้องานของตำแหน่งชื่อ Data Analyst ในแต่ละบริษัทจะไม่เหมือนกัน แม้องค์รวมอาจจะไม่หนีกันมากแต่รายละเอียดปลีกย่อยต้องไปดู Job Description ดีๆกันอีกทีค่ะ ว่าตรงกับที่เรามองไว้มั้ย บางที่อาจมีระบุไว้ชัดๆแล้วว่าต้องทำอะไร บางที่อาจจะบอกกว้างๆไปเลย ที่สำคัญคือต้องพัฒนาตัวเองอย่างสม่ำเสมอ สู้เค้านะคะ!
ในตำแหน่ง Data Analyst ของบริษัทเซอร์ทิสนั้นมีข้อดี คือได้ทำอะไรหลายอย่างมาก เจอโจทย์ที่ท้าทายจากหลาย Industry อีกทั้ง Culture บริษัทที่ไม่เหมือนที่อื่น เพื่อนร่วมงานจากทั่วมุมโลก ได้ฝึกทักษะในหลาย ๆ ด้าน มีความเป็นกันเอง การทำงานคล่องตัว ไม่อาศัยขั้นตอนมาก มีอะไรก็สามารถคุยปรึกษากับหัวหน้าได้เลย ทำให้นำฟีดแบคมาปรับปรุงตัวเองได้อย่างรวดเร็ว ที่นี่ก็ตอบโจทย์ค่ะ
ถ้าสนใจตำแหน่งสายงาน Data ใน Sertis ทั้งสาย Analyst, Scientist, Engineer (มีสายงานอื่น ๆ ด้วย) สามารถดูได้ที่ ตำแหน่งที่เปิดรับของ Sertis
ส่วนใครที่สนใจเปลี่ยนสาย/จบใหม่ อยากได้คำแนะนำเรื่องคอร์สเรียน,ทักษะต่าง ๆ ในสาย Data, สอบถาม Culture หรือตัวงานใน Sertis ถึงแม้เกิ้ลจะไม่ได้ทำที่ Sertis แล้วแต่ก็ยังสามารถทักมาคุยกันได้ใน Email [email protected] หรือ LinkedIn ของเกิ้ล ได้เลย (เนื่องจากคนแอดมาเยอะ ตอนกดแอดมา ใส่โน้ตว่ามาจาก DataTH ก็ได้ค่ะ)
แอดเพิร์ธ: ไหน ๆ แล้วก็ขอเพิ่มอีกสักข้อละกันครับ น้องเกิ้ลช่วยแนะนำคอร์สสำหรับคนที่อยากเริ่มต้นสายงาน Data Analyst ได้มั้ยครับ
เกิ้ล: ได้เลยค่ะ ขอแนะนำคอร์สให้ลองเรียนดูก่อน จะได้รู้ว่าเราชอบงานด้านนี้มั้ย ถามใจตัวเองดูก่อนว่าชอบจริงๆ มั้ย ค่อยเข้ามาลองทำนะคะ
- คอร์ส Data Science A-Z: ชื่อเขียนว่า Data Science แต่ทักษะสอนในคอร์สก็เป็นสิ่งที่ Analyst ใช้เหมือนกันค่ะ คอร์สนี้สอนทุกเรื่องเกี่ยวกับ Data Science เลยค่ะ เหมาะมากสำหรับคนที่อยากเริ่มต้น สอนทั้ง Data Visualization, Modeling, Data Preparation แล้วก็การ Communication
(พีคกว่าคอร์สอื่นที่มีการแนะนำเรื่อง Soft Skill ด้วยซึ่งเป็นอีกทักษะที่ขาดไม่ได้เลยค่ะ) - คอร์ส The Business Intelligence Analyst Course: คอร์สนี้สอนพื้นฐานที่สำคัญของ Data Analyst ตั้งแต่สถิติ, Data Visualization ใน Tableau, SQL, และยังมีสอน Python ในตอนท้ายด้วย
สรุป งาน Data Analyst ต้องทำอะไรบ้าง
จากที่เราได้คุยกับน้องเกิ้ลไปแล้ว จะเห็นได้ว่างาน Data Analyst เป็นงานที่ใช้ประโยชน์จากข้อมูลได้อย่างเต็มที่ และนอกจากนั้น ถ้าเราทำงานกับบริษัทที่มีลูกค้าจากหลากหลายอุตสาหกรรม เรายังได้เรียนรู้ข้อมูลหลากหลายรูปแบบ และได้แก้โจทย์ธุรกิจหลากหลายด้านด้วยครับ
สายงาน Data Analyst เหมาะกับคนที่สนใจทำงานด้าน Data เป็นอย่างยิ่งครับ คนที่สนใจด้านนี้จำเป็นต้องใช้สกิลการวิเคราะห์ข้อมูล และ Technical Skill ที่เรียนได้จากคอร์สที่น้องเกิ้ลแนะนำไปก่อนหน้านี้ครับ ที่สำคัญ คือ ต้องฝึกการสื่อสารภาษา Technical ออกมาเป็นภาษาที่คนทั่วไปสามารถเข้าใจได้ครับ
สำหรับคนที่สนใจอาชีพสายอื่น ๆ ในด้าน Data Science ไม่ว่าจะเป็น Data Scientist, Data Engineer ฯลฯ เดี๋ยวโอกาสหน้าแอดจะไปสัมภาษณ์มาให้กันอีกนะครับ สามารถติดตามเนื้อหาใหม่ ๆ ได้จากเพจ Data Science ชิลชิล เช่นเดิมเลยครับ และถ้าใครทำงานด้านนี้ หรือมีเพื่อนทำงานด้านนี้อยู่ และยินดีให้สัมภาษณ์ ก็ส่งข้อความมาในเพจได้เลยนะครับ
ทีมงาน DataTH เราทำงานกันเต็มที่ เพื่อสร้างคอนเท้นท์ดี ๆ มีสาระประโยชน์ ให้กับทางผู้อ่านเข้าถึงได้ฟรี บนเว็บไซต์ และบน Youtube Channel สินค้าและบริการที่ทีมงานแนะนำทั้งหมด มาจากความเห็นของทีมงาน เราแนะนำเฉพาะของดีที่เราเห็นว่ามีประโยชน์จริงเท่านั้นครับ
หากคุณชอบเนื้อหาแบบนี้ และอยากสนับสนุนให้ทีมงานมีแรงสร้างคอนเท้นท์ดี ๆ เพิ่ม ในอนาคต สามารถซื้อสินค้าหรือบริการผ่านลิงค์บนบทความของเราได้ สำหรับบางลิงค์ ทางทีมงานจะได้รับส่วนแบ่งเล็กน้อย ซึ่งจะไม่เป็นการเพิ่มภาระค่าใช้จ่ายให้กับทางผู้อ่านครับ ขอบคุณมากเลยนะครับที่ให้ความสนับสนุนทีมงาน DataTH มาโดยตลอด