คู่มือเปลี่ยนอาชีพ: Data Analyst คือใคร ต้องเรียนพื้นฐานอะไรบ้าง

data analyst career guide

อาชีพ Data Analyst หรือ “นักวิเคราะห์ข้อมูล” เป็นอาชีพที่คนสนใจเป็นกันเยอะ เพราะตัวงานได้โฟกัสที่การช่วยธุรกิจค้นหาสิ่งที่ซ่อนอยู่ในข้อมูล หรือ Insights ทำให้บริษัทต้องการตัวคนที่มีความเชี่ยวชาญด้านนี้เยอะครับ

ในบทความนี้ เราจะมารู้จักกับอาชีพ Data Analyst กัน รวมถึงสกิลที่ต้องเรียนรู้สำหรับอาชีพนี้ และแนะนำคอร์สที่น่าสนใจ เพื่อคนที่สนใจอาชีพด้านนี้จะได้ไปเริ่มศึกษากันได้เลยครับ

มาทำความรู้จักอาชีพ นักวิเคราะห์ข้อมูล กันเลย

สารบัญเนื้อหา hide

Data Analyst คือใคร อาชีพนี้ทำอะไรบ้าง

data analyst work
Data Analyst นักสืบผู้ตามหา Insights ในข้อมูล

ในยุคนี้ที่องค์กรต่างมีข้อมูลอยู่มากมาย ไม่ว่าจะเป็นข้อมูลที่เก็บมาเอง (หรือในวงการการตลาด เราเรียกว่า “1st Party Data”) หรือข้อมูลที่นำมาจากแหล่งอื่น (2nd and 3rd Party Data) การปล่อยข้อมูลเหล่านี้ให้สูญเปล่าไปโดยไม่นำมาใช้ประโยชน์สูงสุด ก็เหมือนการทิ้งรักลงแม่น้ำดี ๆ นี่เอง #ผิด

หากต้องสรุปใน 1 ย่อหน้าสั้น ๆ หน้าที่หลักของอาชีพ Data Analyst หรือ นักวิเคราะห์ข้อมูล คือ

“เข้ามาทำความเข้าใจข้อมูลต่าง ๆ ในองค์กร แล้ววิเคราะห์ข้อมูลเพื่อหาสิ่งที่ซ่อนอยู่ในข้อมูล (Insights) จากนั้นมานำเสนอในรูปแบบที่สามารถสื่อสารให้ผู้ฟัง / ผู้อ่านได้เข้าใจ”

แอดเพิร์ธ @ DataTH.com

สิ่งที่ซ่อนอยู่ในข้อมูล (Insights) นำมาใช้ประโยชน์อะไรได้บ้าง

Insights ที่ Data Analyst เจอมา สามารถนำมาช่วยในการตัดสินใจขององค์กรได้หลากหลายทางเลยครับ

เช่น การพัฒนากระบวนการในองค์กรให้ดีขึ้น อย่างการค้นหา Insights ว่าสินค้าไหนขายดีช่วงไหน ขายดีกับกลุ่มลูกค้าอาชีพอะไร ก็ทำให้ทีม Marketing และ Sales เข้าใจลูกค้า เข้าใจตัวสินค้าได้มากขึ้น

หรือถ้าองค์กรกำลังพัฒนาสินค้าใหม่อยู่ ในการทำ Research ว่าผู้บริโภคมีความเห็นกับสินค้าใหม่อย่างไรบ้าง ก็สามารถใช้ประโยชน์จากความสามารถของ Data Analyst ในการวิเคราะห์ข้อมูลเข้ามาช่วยให้องค์กรตัดสินใจได้ดียิ่งขึ้น

ผลลัพธ์ของงาน Data Analyst คือ Report และ Dashboard

อย่างที่เล่าให้ฟังข้างต้นครับ ว่า เป้าหมายของ Data Analyst คือ การวิเคราะห์ข้อมูล (Data Analysis) เพื่อหา Insights และนำ Insights มาเล่าในรูปแบบที่คนฟัง / คนอ่าน (Audience) เข้าใจ

ซึ่งคนฟังในที่นี้ ส่วนใหญ่จะเป็นคนที่มีอำนาจตัดสินใจ หรือคนที่เป็นผู้ช่วยของคนที่มีอำนาจตัดสินใจ โดยปกติแล้วจะเป็นคนที่ทำงานในฝ่ายธุรกิจ ฝ่ายบริหาร มากกว่าจะเป็นคนที่เน้นความรู้สถิติ คณิตศาสตร์

เพราะฉะนั้น Insights มักจะถูกสร้างออกมาในรูปแบบที่คนในฝ่ายบริหารเข้าใจได้ง่ายครับ นั่นคือ Report หรือ Dashboard เพื่อช่วยตอบคำถามจากฝ่ายธุรกิจ ซึ่งเดี๋ยวเราจะมาดูกันต่อไปว่า Report และ Dashboardคืออะไร แตกต่างกันอย่างไรครับ

Data Report ในงาน Data Analysis คืออะไร

data report sample nsse
ตัวอย่าง Data Report [ขอขอบคุณรูปจาก Indiana University]

Business Report / Data Report คือ การนำ Insights ทางธุรกิจมานำเสนอในรูปแบบเอกสาร เพื่อให้ทางฝ่ายที่รับสาร เช่น ฝ่ายบริหาร หรือ ฝ่ายธุรกิจ สามารถเปิดเอกสารนี้แล้วเข้าใจเนื้อหาได้อย่างรวดเร็วครับ และสามารถนำข้อมูลที่ได้รับมาตัดสินใจทางธุรกิจได้ทันที

ตัวอย่างการทำ Data Report เช่น บริษัทขายรถยนต์ ต้องการรู้ว่าควรจะใช้งบการตลาดกับรถยนต์รุ่นไหน จึงจ้าง Data Analyst เข้ามาวิเคราะห์ข้อมูลยอดขายจากในหลายปีที่ผ่านมา เพื่อจะได้นำมาสรุปเป็น Report ช่วยให้ทีมบริหารตัดสินใจในการวางกลยุทธสำหรับปีต่อไปได้

Data Report สามารถทำออกมาได้หลายรูปแบบ ขึ้นอยู่กับความต้องการ และข้อมูลที่ต้องการนำเสนอเลยครับ เช่น ไฟล์ Word, PDF, PowerPoint หรือจะปรินท์ออกมาเป็นกระดาษ แล้วนำส่งให้ฝ่ายธุรกิจก็ได้ครับ (แต่ปรินท์เยอะ โลกร้อนนะครับ ใช้อีเมลกันดีกว่า)

Dashboard ในงาน Data Analysis คืออะไร

sample dashboard powerbi good example
ตัวอย่าง Data Dashboard [ขอขอบคุณรูปจาก Microsoft Learn]

Data Dashboard เป็นการนำ Insights มาสรุปในหน้าเดียว โดยข้อมูลมักจะเป็นข้อมูลสำคัญ ที่มีการอัพเดทอยู่บ่อย ๆ เพื่อให้ผู้ที่ดู Dashboard สามารถเข้ามาดูสถานการณ์ล่าสุด และนำไปตัดสินใจได้อย่างทันท่วงที

ตัวอย่างการทำ Data Dashboard เช่น บริษัทขายรถยนต์ ต้องการพัฒนาการบริหารทีม Call Center จึงจ้าง Data Analyst เข้ามาสร้าง Dashboard เพื่อแสดงตัวเลขจำนวนสายโทรศัพท์ที่ลูกค้าติดต่อมาในแต่ละช่วงเวลา และแบ่งกลุ่มของสาเหตุการติดต่อ

ทีมบริหารสามารถเข้ามาดู Dashboard นี้ และตัดสินใจได้ว่าจะมีการปรับเพิ่ม / ลดคนในทีม Call Center อย่างไร และต้องการคนที่มีความรู้ความสามารถเกี่ยวกับสินค้าไหนเข้ามาทำงาน

โดยส่วนใหญ่แล้ว Data Dashboard มักจะเชื่อมกับฐานข้อมูลเพื่อให้การอัพเดทเป็นไปได้ง่าย และส่งให้ฝ่ายที่ดู Dashboard ในรูปแบบ URL บนเว็บ หรือบนระบบ Server ของบริษัท เพื่อให้อีกฝ่ายเข้ามาดูข้อมูลล่าสุดบน Dashboard ได้ตลอดเวลาครับ

โปรแกรมสำหรับทำ Data Visualization ชื่อดัง เช่น Tableau หรือ PowerBI จึงมาพร้อมความสามารถในการสร้าง Dashboard ด้วย เพื่อให้การทำงานจาก Data Analyst ไปจนถึงการตัดสินใจในฝ่ายบริหารได้สะดวกมากยิ่งขึ้นครับ

เพิ่มเติม: บางองค์กรที่มีขนาดใหญ่ จะมีการแยกอาชีพคนวิเคราะห์ข้อมูล (Data Analyst) กับคนสร้าง Report หรือ Dashboard (เรียกว่า BI Developer) ไปเลยก็มีครับ เพื่อให้แต่ละอาชีพสามารถโฟกัสที่หน้าที่ของตัวเองได้มากยิ่งขึ้น

ความแตกต่างของอาชีพ Data Scientist vs Data Analyst

data scientist vs data analyst skills
ความรู้ที่ต้องใช้ ของ Data Analyst VS Data Scientist

2 อาชีพนี้อยู่ในวงการ Data Science เหมือนกัน และหลายคนอาจจะเคยได้ยินมาว่า Data Scientist ก็มีหน้าที่วิเคราะห์ข้อมูลเหมือนกัน แล้วสงสัยว่าแตกต่างกับอาชีพ Data Analyst ตรงไหน

Data Analyst กับ Data Scientist มีเป้าหมายที่แตกต่างกันอย่างชัดเจนครับ

  1. Data Analyst เน้นการนำข้อมูลมาวิเคราะห์ เพื่อหา Insights มาสร้าง Report และ Dashboard เพื่อให้ธุรกิจตัดสินใจได้ถูกต้อง ยกตัวอย่างเช่น บริษัท E-Commerce จ้าง Data Analyst มาเพื่อวิเคราะห์ว่าสินค้าไหนขายดีในช่วงไหน เพื่อให้การทำโปรโมชั่นแม่นยำมากขึ้น
  2. Data Scientist เน้นการนำข้อมูลมาวิเคราะห์ เพื่อหา Insights มาสร้างโมเดลทำนายผล เพื่อให้กลายเป็นสิ่งที่ลูกค้า หรือลูกค้าของลูกค้าสามารถนำไปใช้ประโยชน์ต่อได้ ยกตัวอย่างเช่น บริษัท E-Commerce จ้าง Data Scientist มาทำระบบแนะนำสินค้า
amazon recommendation engine
ระบบแนะนำสินค้าของ Amazon ที่สร้างยอดขายถึง 35% ของยอดขายทั้งหมดบนเว็บไซต์ (Amazon มีรายได้จากการขายของในปีล่าสุด 163 ล้านเหรียญ)

ทักษะที่ Data Analyst กับ Data Scientist เน้น ก็แตกต่างกันครับ เช่น Data Analyst จะเน้นคณิตศาสตร์เบื้องต้น เน้นการนำไปใช้กับธุรกิจมากกว่า ส่วน Data Scientist เน้นคณิตศาสตร์ที่ลึกกว่า เพื่อสร้างโมเดลในทำนายผล

หากต้องการศึกษาด้านนี้เพิ่มเติม เรามีบทความที่สรุปให้ละเอียด เรื่อง ความแตกต่างระหว่าง Data Analyst กับ Data Scientist ครับ

อยากเป็น Data Analyst ต้องมีความรู้พื้นฐานด้านไหน

สำหรับคนที่อยากเป็น Data Analyst อยากให้ลองฝึกสกิลเหล่านี้ดูก่อนจะไปสมัครงานครับ อาจจะดูว่าในสกิลเหล่านี้ เราขาดอะไรบ้าง และไปหาเรียนรู้เพิ่มเติมครับ ซึ่งเดี๋ยวเราจะมีแนะนำคอร์สเรียนให้ในส่วนท้ายบทความด้วยครับ

พื้นฐาน 1) Analytical Thinking การคิดวิเคราะห์ ด้วยพื้นฐานสถิติ

ความสามารถในการคิดวิเคราะห์เป็นพื้นฐานที่สำคัญมากของอาชีพ Data Analyst ครับ เพราะเราต้องทำงานกับข้อมูลที่แตกต่างกันไปตลอดเวลา และหลายครั้งอาจจะเป็นข้อมูลที่เราไม่เคยเห็นมาก่อน

การคิดวิเคราะห์ที่ดี คือ การที่เราสามารถมองดูข้อมูล ทำความเข้าใจ และตั้งคำถามกับสิ่งต่าง ๆ ที่เราเห็นในข้อมูลได้

แอดเพิร์ธ @ DataTH.com
data analysis skills
ถ้าอยากทำงานด้านนักวิเคราะห์ข้อมูล ก็ต้องฝึกฝนด้านการวิเคราะห์

เช่น ถ้าเราวิเคราะห์ข้อมูลราคาบ้าน 100,000 หลัง เราอาจจะตั้งคำถามว่า

  • ทำไมบ้านหลังนี้ราคาสูงกว่าบ้านอื่น ๆ ในละแวกเดียวกันเป็น 10 เท่า 
  • ทำไมบ้านหลังนี้ราคาสูงกว่าบ้านอื่น ๆ ที่สร้างในปีใกล้ ๆ กัน
  • ทำไมบ้านหลังนี้ถูกขายเกิน 5 ครั้ง ในช่วง 5 ปีที่ผ่านมา
  • ทำไมบ้านละแวกนี้ ราคาพุ่งสูงขึ้นเรื่อย ๆ ในปีที่ผ่านมา

ซึ่งเวลาที่เราเจอสิ่งที่ซ่อนอยู่ในข้อมูลแบบนี้ เราก็สามารถเข้าไปเช็คเพิ่มเติมได้ โดยการขุดลึกเข้าไปในข้อมูลเหล่านี้ ว่าเกิดจากคนพิมพ์ผิดหรือเปล่า หรือเป็นข้อมูลจริง

ฟังเผิน ๆ อาจจะดูเหมือนว่าทักษะการคิดวิเคราะห์เป็นทักษะที่ต้องใช้สัญชาตญาณ และประสบการณ์ มากกว่าจะใช้หลักการคิด แต่จริง ๆ แล้ว เราใช้พื้นฐานสถิติเข้ามาช่วยในการวิเคราะห์ครับ

พื้นฐานสถิติที่ Data Analyst ต้องรู้ เช่น การหาค่าเฉลี่ย (Mean, Median, Mode) หรือการหาค่าที่เกินจากค่าทั่วไปอย่างเห็นได้ชัด (Outliers) ด้วย Z-Score ครับ

พื้นฐาน 2) Microsoft Excel & SQL โปรแกรมคู่ใจ สำหรับดึง + วิเคราะห์ข้อมูลเบื้องต้น

ในการที่ Data Analyst จะนำข้อมูลมาวิเคราะห์ได้นั้น ที่มาของข้อมูลก็หลากหลาย และนักวิเคราะห์ข้อมูลแต่ละคนก็ถนัดเครื่องมือไม่เหมือนกันครับ

โปรแกรม Spreadsheet: Microsoft Excel & Google Sheets

example google sheet spreadsheet data analysis
หน้าตาของ Google Sheets ระบบ Spread ชื่อดัง ที่หลายคนใช้อยู่ทุกวัน (รวมถึงแอดด้วย)

เครื่องมือยอดฮิตอันดับหนึ่ง คือ เครื่องมือสำหรับจัดการตารางข้อมูล (Spreadsheet) เช่น Microsoft Excel หรือ Google Sheets ที่เราเห็นกันบ่อย ๆ

สาเหตุที่เครื่องมือแนว Spreadsheet คนนิยมใช้กันเยอะ ก็เพราะ เครื่องมือพวกนี้ใช้งานได้ง่าย มีปุ่มให้เราคลิกใช้งานได้ หรือถ้าต้องการสิ่งที่ซับซ้อนขึ้นมาหน่อย ตัวโปรแกรมก็เตรียมสูตรให้เราสามารถเขียนเข้าไปได้ครับ

อย่างไรก็ตาม ข้อเสียของโปรแกรมแบบ Spreadsheet คือ เวลามีข้อมูลจำนวนเยอะมาก ๆ แล้ว (Big Data) การใช้งานบน Spreadsheet อาจจะไม่ได้ประสิทธิภาพเท่าที่ควรครับ รวมถึงเวลาที่เราอยากทำให้การทำงานต่าง ๆ สามารถทำงานได้อัตโนมัติ การใช้ภาษาโปรแกรมมิ่ง เช่น SQL หรือ R จะทำได้สะดวกกว่าครับ

ถ้าสนใจหัวข้อนี้ สามารถอ่านเพิ่มเติมใน บทความเปรียบเทียบสิ่งที่ R ทำได้ แต่ Excel ทำไม่ได้ ได้เลยนะครับ

ภาษาสำหรับดึง & วิเคราะห์ข้อมูล: SQL

สำหรับในองค์กรที่มีข้อมูลจำนวนมาก ๆ การที่จะเก็บทุกอย่างไว้ใน Spreadsheet ไม่ใช่ทางเลือกที่ดีครับ ต้องให้ Data Engineer มาช่วยนำข้อมูลขึ้นไปบนระบบ Database (ฐานข้อมูล) หรือ Data Warehouse (คลังข้อมูล) เพื่อให้ Data Analyst สามารถมาดึงข้อมูลตามที่ต้องการได้

example sql code
ตัวอย่าง SQL Code จะเห็นว่าหน้าตาเข้าใจง่ายมากครับ เหมือนภาษาอังกฤษ

SQL หรือ Structured Query Language เป็นภาษาที่ได้รับความนิยมสูงสุดในการดึงข้อมูลจาก Database หรือ Data Warehouse มาใช้งานต่อ เรียกว่าเป็นมาตรฐานที่ฐานข้อมูลแทบทุกแบบ และคลังข้อมูลแทบทุกตัว ต้องรองรับครับ

และนอกจาก SQL จะนำมาใช้ดึงข้อมูลได้แล้ว เราก็สามารถนำ SQL มาใช้กับการทำความสะอาดข้อมูล (Data Cleansing) ได้ในระดับหนึ่งเลยครับ คำสั่ง SQL ที่เราใช้กันบ่อย ๆ ก็เช่น

  • UPPER – แปลงตัวหนังสืออังกฤษเป็นตัวใหญ่ทั้งหมด
  • REPLACE – ค้นหา และแทนด้วยคำที่เราต้องการ

อีก Use Case ที่คนไม่ค่อยพูดถึงกัน ในระบบ Data Warehouse บางตัว เช่น BigQuery ของ Google Cloud เราสามารถนำ SQL มาสร้างโมเดล Machine Learning ได้ด้วยครับ ด้วยฟีเจอร์ชื่อ BigQuery ML

จะเห็นว่า SQL มีประโยชน์มากครับ เพราะฉะนั้น Data Analyst กับความรู้ SQL ถือเป็นของคู่กันเลย และสามารถนำความรู้ไปต่อยอดทำงานด้าน Data อื่น ๆ ได้อีกครับ

พื้นฐาน 3) Data Storytelling การนำเสนอข้อมูล

data storytelling visualization
การนำเสนอที่ดี และการเล่าเรื่องได้น่าสนใจ จะทำให้ผู้ฟังเข้าถึง Insights ที่ Data Analyst หามา ได้ดียิ่งขึ้น

ต่อให้ Data Analyst ทำงานหนัก หา Insights ที่เด็ด ๆ ออกมาได้ดีแค่ไหน แต่ถ้าไม่สามารถนำเสนอข้อมูลออกมาให้ผู้รับสารเข้าใจได้ ก็เป็นเรื่องน่าเสียดายมากครับ

เพราะฉะนั้น เทคนิคในการเล่าเรื่องจากข้อมูล หรือ Data Storytelling จึงเป็นเทคนิคที่คนเป็น Data Analyst ต้องฝึกฝนครับ เพื่อให้เรานำเสนอ Insights ออกไป แล้วผู้ฟังสามารถนำข้อมูลนี้ไปช่วยประกอบการตัดสินใจให้ดีขึ้นได้

ในการนำเสนอข้อมูลให้น่าสนใจ นอกจากเทคนิคการใช้คำที่เหมาะสมเพื่อเล่าเรื่องแล้ว เรายังสามารถใช้เครื่องมือต่าง ๆ เข้ามาช่วยได้ครับ ซึ่งเครื่องมือหลัก ๆ ก็คือ การทำ Data Visualization และใช้โปรแกรมสำหรับนำเสนอแบบ Interactive (ผู้ชมหรือผู้พรีเซ้นท์สามารถลองเล่นกับข้อมูลบนกราฟได้เลย) เช่น โปรแกรม Tableau หรือ PowerBI ครับ

และถ้าสนใจเรียนรู้เรื่องการทำ Data Visualization ให้เก่ง ขอแนะนำให้ลองศึกษา Mindmap รวมวิธีการใช้กราฟแทบทุกชนิด มี PDF ให้ดาวน์โหลดฟรีด้วยครับ ถือเป็นพื้นฐานของการทำ Data Visualization เลยครับ

เงินเดือนพื้นฐานของ Data Analyst ประมาณกี่บาท

มาคุยกันถึงเรื่องเงินเดือนของอาชีพนักวิเคราะห์ข้อมูลกันบ้างครับ

จากที่ทางทีมงาน DataTH ได้ไปลองค้นคว้าจากเว็บประกาศหางานในไทยมา หากไม่มีประสบการณ์เลย เงินเดือนของ Data Analyst จะเริ่มที่ประมาณ 20,000 บาท ครับ

สำหรับผู้ที่มีประสบการณ์มากกว่า ๅ ปี ทาง Adecco ซึ่งรวบรวมข้อมูลเงินเดือนในไทยมาจากการประกาศงานทั่วประเทศ สรุปผลมาว่าเงินเดือนสำหรับ Data Analyst ในไทยที่มีประสบการณ์ 1-5 ปี อยู่ที่ 25,000 – 45,000 บาท ต่อเดือน

ส่วนในตลาดต่างประเทศ ข้อมูลจากเว็บไซต์ Payscale ซึ่งรวบรวมเงินเดือนของอาชีพ Data Analyst จากตลาดงานในอเมริกา สรุปผลมาว่าเงินเดือนสำหรับ Data Analyst ที่มีประสบการณ์ 0-1 ปีจะอยู่ที่ $56,000 ต่อปี (1.7 ล้านบาท) และสำคัญผู้ที่มีประสบการณ์ 5 ปีขึ้นไป จะอยู่ที่ $69,000 ต่อปี (2.1 ล้านบาท)

แนะนำคอร์สสำหรับ Data Analyst

เรารวบรวมคอร์สที่น่าสนใจสำหรับ Data Analyst จากคำแนะนำของคนที่ทำงานในด้าน Data Analyst จริง มาให้ด้านล่างนี้แล้วครับ สามารถเลือกเรียนด้านที่ต้องการได้เลย

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

ชื่อคอร์สรายละเอียดลิงค์

Data Science A-Z™: Real-Life Data Science Exercises Included

  • คอร์สชื่อ Data Science แต่จริง ๆ สอนทุกสกิลสำหรับ Data Analyst
  • เหมาะกับผู้เริ่มต้น
  • สอนครบ ทั้ง Data Visualization, Modeling, Data Preparation (ETL) และการทำงานร่วมกับทีม
ดูรายละเอียด

The Business Intelligence Analyst Course

  • สอนพื้นฐานที่สำคัญของ Data Analyst ตั้งแต่สถิติ, Data Visualization ใน Tableau, SQL
  • แถมสอนการเขียนโปรแกรมด้วย Python ในตอนท้ายด้วย
ดูรายละเอียด

Microsoft Excel – Data Visualization, Excel Charts & Graphs

  • สอนการทำ Data Visualization 20+ กราฟ ใน Excel
  • สอนทำ Report และ Dashboard ด้วย Excel
ดูรายละเอียด

Microsoft Excel – Data Analysis with Excel Pivot Tables

  • สอนการวิเคราะห์ข้อมูลบน Excel
  • เน้นการใช้ Pivot Table ซึ่งเป็นเครื่องมือที่นำมาใช้ประโยชน์ได้หลากหลาย
  • มีตัวอย่างตั้งแต่การ Pivot ดูข้อมูลแบบง่าย ๆ ไปจนถึงการ Pivot เพื่อทำให้ข้อมูลมีคุณค่ามากขึ้น (Enrichment)
ดูรายละเอียด

มาเรียนรู้จาก Data Analyst ตัวจริงว่าต้องทำอะไรบ้าง

หลังจากที่เรารู้จักอาชีพ Data Analyst กันแล้ว ถ้าสนใจงานด้านนี้จริง ๆ และอยากเห็นภาพมากขึ้นว่าคนที่ทำอาชีพนี้ในบริษัทจริงเค้าทำอะไรบ้าง ทางทีม DataTH เคยสัมภาษณ์คนไทยที่ทำด้าน Data Analyst ไว้ด้านล่างนี้แล้วครับ สามารถคลิกอ่านได้เลย

หวังว่าบทความนี้จะช่วยให้เพื่อน ๆ รู้จักกับอาชีพ Data Analyst เพิ่มขึ้นนะครับ และหากบทความนี้มีประโยชน์ อยากรบกวนช่วยแชร์ให้คนอื่น ๆ ได้มาอ่านบทความนี้ด้วยครับ

บทความนี้เราตั้งใจเขียนมาก และหวังว่าจะมีคนที่ได้ประโยชน์จากบทความนี้เพิ่มขึ้นไปเรื่อย ๆ ครับ :)

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

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

Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.

บทความที่เกี่ยวข้อง