รู้มั้ยว่างาน Consult ด้าน Digital Data Analytics ทำอะไรกันบ้าง? ตอนนี้การทำ Digital Marketing ได้รับความนิยมมากขึ้นเรื่อย ๆ ซึ่งทาง DataTH มีโอกาสได้พูดคุยกับพี่ยศ Data Analytics Manager ที่บริษัท Predictive ซึ่งทำด้านนี้พอดี
นอกจากนั้น พี่ยศยังเป็นคนที่ย้ายเข้ามาทำงานด้าน Data Analytics จากสายงานอื่น (GIS) ด้วยค่ะ ใครลังเลอยู่ว่าจะย้ายสายงานดีมั้ย โดยเฉพาะหลังจากทำงานมาหลายปีแล้ว อ่านแล้วได้แรงบันดาลใจกันแน่นอน
เรามารู้จักกับคุณยศกันเลยดีกว่าค่ะ และมารู้จักกันว่าตำแหน่ง Data Analytics Manager เค้าทำอะไรกันบ้าง
บทสัมภาษณ์คุณยศ Data Analytics Manager ที่ Predictive
แอดแจน : สวัสดีค่ะ พี่ยศ แนะนำตัวให้พวกเราฟังหน่อยค่า
พี่ยศ : สวัสดีครับ ผมชื่อสรกฤช อ้นมณี ชื่อเล่นชื่อ ยศ เป็น Senior Data Analytics Manager ที่ Predictive แล้วมีเพจเล็กๆ ชื่อ มาลองเรียน จบ ป.ตรี ภูมิศาสตร์ (GIS) ที่ ม.เกษตรศาสตร์ ทำงานสักพักแล้วไปต่อ ป.โท ด้าน IT โดยเน้นวิชาเลือกเป็นสาย Data ล้วนๆ ที่ ม.พระจอมเกล้าธนบุรี (บางมด) จ้า
แอดแจน : เรียนจบด้านไหนกันมา มาเริ่มงานสาย Data Analytics ได้ยังไง
พี่ยศ : ก่อนหน้านี้ทำงานสาย GIS Analyst หน้าที่หลักคือเก็บข้อมูลแผนที่ โดยการออกภาคสนาม เช่น POIs ชื่อถนน รวมถึงเส้นทางใหม่ๆ ที่สร้างขึ้น และส่งข้อมูลต่อไปให้ทาง Production อัพเดทลงใน Product แล้วพบว่าชอบงานคิดวิเคราะห์ข้อมูล ตอนอายุ 26 เลยย้ายมาทำงานสาย Data Analytics ตอนอายุ 27-28 ครับ
แอดแจน : ตอนนี้ทำงานอยู่ที่ไหนคะ แล้วทำในส่วนไหนบ้าง O_o ?
พี่ยศ : ตอนนี้พี่ทำอบู่บริษัท Predictive ครับ เป็นบริษัทที่ทำงานด้าน Data Analytics & Customer Experience Consulting ครับ
เราเป็น Google Marketing Platform Sales Partner, Google Cloud Platform Partner และ Salesforce Partner ที่เป็น Full Stack เจ้าเดียวในประเทศไทย
โดยเราทำ End to End Solutions ทั้ง Online และ Offline Journey ตั้งแต่การวางแผนเก็บข้อมูล Data Collection > Data Integration > Data Activation
ในทีมของเรามี Data Analyst ,Data Engineer , Data Scientist , User Experience , SEO , Mobile Developer / Website Developer ซึ่งครบลูปของการทำข้อมูลเลยครับ
แอดแจน : เล่า Case Study ที่ทาง Predictive ได้เข้าไปช่วยธุรกิจจัดการช้อมูลให้ฟังหน่อยค่า
พี่ยศ : เราเจอ Clients หลากหลายแบบมากครับ ด้วยความที่เราเป็น Consult ซึ่งเราก็จะเจอโจทย์ที่แตกต่างกันออกไป เช่น
โจทย์ที่เราเจอ เช่น
- ธุรกิจมีข้อมูลแยกหลายถัง ทั้ง Online , Offline ทำให้ไม่สามารถเห็นภาพของ Customer journey ทั้งหมด
- ไม่เข้าใจความแตกต่างของความต้องการแต่ละคน ทำให้สื่อสารอย่างไม่มีประสิทธิภาพ เปลืองงบประมาณ
เรามีการเข้าไปทำคือการทำ Customer Data Platform (CDP) เพื่อช่วยให้เราเข้าใจ Customer Journey และธุรกิจนั้นๆ ตั้งแต่ต้นจนจบ ไม่ว่า Users จะเข้าไปใช้งานแพลทฟอร์มใด โดยการทำ CDP นั้นมี 4 ขั้นตอนการทำงานหลักๆ ดังนี้
Data Activation
1. Data Management : จัดการฐานข้อมูลทั้งหมด
ทำความเข้าใจข้อมูลทั้งหมดของ Clients เพื่อดูว่ามีข้อมูลกี่ถัง เข้าใจข้อมูลว่าแต่ละถังมีความเชื่อมโยงกันอย่างไร ต้องเก็บข้อมูลตรงไหนเพิ่มเพื่อให้ข้อมูลมีความสมบูรณ์มากขึ้น จากนั้นก็ติด Tagging เพื่อเก็บข้อมูลให้ครบถ้วนทั้งข้อมูลฝั่ง Online และ Offline
2. ID Resolution : ทำให้ข้อมูลแต่ละถังมีความเชื่อมโยงกัน
โดยทำการ Workshop เพื่อให้ทุกทีมที่เกี่ยวข้องสามารถระบุตัว Primary Key ร่วมกันเพื่อ Mapping ข้อมูลทั้ง Online และ Offline ให้เชื่อมโยงกันได้ และสร้าง Master Database ที่เราสามารถ Query ข้อมูลของ Users รายบุคคลและพร้อมวิเคราะห์ข้อมูลเชิงลึกต่อไปได้อย่างถูกต้องและครบถ้วน
3. Advanced Analytics : การวิเคราะห์เชิงลึก
นำข้อมูลมาวิเคราะห์เชิงลึก เช่น ทำ Clustering , Segmentation , Machine Learning
4. Data Activation
นำข้อมูลไปใช้งาน เพื่อตอบโจทย์ทางธุรกิจที่แตกต่างกัน เช่น
4.1 นำข้อมูลที่ได้มาเเสดงผลบน dashboard
4.2 นำข้อมูลที่มีการแบ่งกลุ่ม Users เป็นกลุ่มย่อยๆ ตามพฤติกรรม ความชอบ นำมา export ข้อมูลเพื่อส่งไปยิง Google Ads ได้แบบอัตโนมัติ โดยใช้ Message ในการสื่อสารแต่ละกลุ่มย่อยแตกต่างกัน เช่น Users ที่ผ่าน (Criteria A) จะเห็นโฆษณา (Ad set A) ทำให้ทีมการตลาดไม่ต้องมานั่งตั้งค่าโฆษณาแบบ Manual ให้เสียเวลา ทำให้เราสามารถ ลดต้นทุน และเพิ่ม conversion ได้ เช่น จากเดิมยิง Ads ด้วยงบประมาณ 1 ล้านบาท ได้คนสมัครบัตรเครดิตจำนวน 50,000 คน
แต่เมื่อเรานำข้อมูล insight มาใช้ เพื่อให้ยิง Ads ได้ถูกกลุ่ม เราใช้งบประมาณแค่ 1 แสนบาท ได้คนสมัครบัตรเครดิตจำนวน 30,000 คน ประหยัดงบมากกว่าและได้ Users ที่ตรงกลุ่ม
4.3 การทำ Personalization บนเว็บไซต์
ตัวอย่างเช่น อุตสาหกรรมของอสังหาฯ เมื่อเราผ่านขั้นตอนที่ 1&2 จนสามารถเชื่องโยงข้อมูลทั้ง Online และ Offline ได้แล้ว เราสามารถวิเคราะห์ได้ว่า Users แต่ละคนมีพฤติกรรมอย่างไร เช่น กำลังเปรียบเทียบประเภทบ้าน ชอบดูบ้านโครงการไหน ราคาแบบไหนที่รับได้ Users เข้ามาจาก Campaign ไหน Keyword อะไร เข้ามาเพราะส่วนลดหรือตัวแบบบ้าน (Design)
รวมถึงถ้าเรามีข้อมูล Location ว่าเขาไปดูโครงการบ้านมาแล้วกี่ที่ ทำให้เราวิเคราะห์ได้ลึกขึ้นว่า Users ท่านนี้ไปดูบ้านมาหลายที่แล้ว แต่ยังตัดสินใจไม่ได้ว่าจะเอาบ้านหลังไหน
เราสามารถส่งข้อมูลให้ทีมหน้างาน เพื่อให้สื่อสารได้ตรงใจ Users แต่ละคนได้ เข่น Sales โครงการรู้ว่าก่อนที่ Users ท่านนี้จะมาดูโครงการเรา ดูมาแล้วกี่ที่ มีความชอบแบบไหน มีความชอบแบบไหน
การสร้างประสบการณ์การใช้งาน (Customer Experience) ให้ดียิ่งขึ้น
โจทย์ที่คือธุรกิจต้องการให้ลูกค้า สามารถ Achieve Goal ที่ธุรกิจตั้งไว้ในเว็บไซต์ และ แอปพลิเคชัน มากขึ้น (เกิด Conversion มากขึ้นนั่นเอง)
Predictive จึงใช้ Google Analytics เพื่อเข้าใจ Customer Behavior โดยเราได้ Drill down ข้อมูลต่างๆ เช่น Pageviews, พฤติกรรมการใช้งานเว็บไซต์ของลูกค้าแต่ละคน , ลูกค้ากดปุ่มที่เราวางไว้หรือไม่ (Event Tracking)
เพื่อนำมาวิเคราะห์ เสนอแนะ และปรับปรุงประสบการณ์ของลูกค้าให้ดีขึ้นครับ เช่น ต้องปรับ UI ไหม , ควรนำข้อคำถาม FAQs ที่คนกดบ่อยๆ มาทำคอนเทนท์แยก เผื่อ Users บางคนเลื่อนไปไม่ถึงข้างล่างแล้วออกจากเว็บไซต์ไปก่อน เป็นต้น
แอดแจน : Work Process ในการทำงานเป็นยังไงบ้างคะ ?
ก่อนอื่นเราต้องคุยกับ Domain Expert ของฝั่ง Clients เพื่อให้เข้าใจ Business Objective ให้ชัดเจน
จากนั้นทีม Data Analytics จะวางแผนของเก็บข้อมูลที่สำคัญทางธุรกิจ โดยทุกๆ ปลายเดือนเราจะมีการทำ Monthly Report ที่จะแสดงข้อมูลสำคัญๆ และนำเสนอวิธีต่างๆ ที่ช่วยพัฒนาให้ธุรกิจของ Clients ให้ดีขึ้นครับ
เมื่อ Clients พึงพอใจในผลลัพธ์ที่ออกมา ก็จะขยายสโคปให้ใหญ่เช่นการทำ CDP เป็นต้นครับ ซึ่งเราก็ต้องทำงานร่วมกับฝ่ายอื่นๆ มากขึ้น
แอดแจน : Day in life ในการเป็น Data Analytics Manager ต้องทำอะไรบ้างคะ
พี่ยศ : จะมี 2 ส่วนหลักๆ คือ
- Management ประมาณ 60% เช่น
- วางภาพใหญ่ในการวิเคราะห์ข้อมูลกับ Data Analytics Manager คนอื่นๆ และปรึกษาเรื่อง Resources ระหว่างทีม
- ช่วยให้คำปรึกษา แนะนำ และรีวิวงานของน้องในทีม
- ประชุมร่วมกับทีมต่างๆ เพื่อดูว่ามีธุรกิจไหนสามารถเพิ่มประสิทธิภาพการใช้ข้อมูลได้บ้าง
- ดูแลงานของทีมให้เป็นไปตาม SLA และ Scope Of Work ที่ได้ตกลงกับ Clients
- ให้คำปรึกษาทีมอื่นๆ ให้การทำงานร่วมกับข้อมูล
- Own tasks ประมาณ 40% เช่น
- งานด้าน Technical ต่างๆ
- ทำ Internal Process Improvement เพื่อลดเวลาการทำงาน Manual ให้น้อยลง
แอดแจน : มี Challenge อะไรบ้างในการทำงานของ Data Analytics
พี่ยศ : จริงๆ มีหลาย Challenge ที่ต้องเจออยู่แล้วครับ เพราะเราเป็น Consult โดยมี Challenge หลักๆคือ
- การทำความเข้าใจ Business Objective ของ Clients ให้ชัดเจน ตอนแรกๆ พี่ทำงานไม่ถามเลย กลัวเค้าคิดว่าเราไม่โปร ทำให้แรกมีการทำงานผิด Scope ไปบ้าง ทำให้งานออกมาช้า วิธีที่เราแก้ไขคือต้องถามให้เยอะ เพื่อเข้าใจเป้าหมายของธุรกิจของ Clients อย่างแท้จริง และบางโปรเจ็กต์ก็มีการทำ Prototype เพื่อให้เค้าเห็นภาพ และ comment งานได้ง่ายขึ้น
- Scope งานที่ไม่เคยทำ เราเป็นทีมแรกที่ต้องไปศึกษา แต่ทีมที่นี่ชอบ เพราะงาน Challenge ไม่จำเจ
แอดแจน : Skillset ที่ต้องมีถ้าอยากเป็น Data Analyst ที่ Predictive
พี่ยศ : แบ่งออกเป็น 2 ส่วนคือ Soft skills กับ Hard skills นะครับ
ในส่วน Hard skills ต้องมีสกิลดังนี้ครับ
- Google Analytics, Google Tag Manager (Core Skills)
- Basic Javascript, HTML, CSS
- Excel , Spreadsheet
- SQL เพื่อเอาข้อมูลมาจาก Database
- การทำ Dashboard เช่น Google Data Studio , Tableau , Power BI
- R , Python (Optional) ถ้าข้อมูลเยอะมากๆๆ ค่อยใช้ หรือ Raw Data เยอะมากๆ หลายสิบล้านต้องใช้ Python ในการ Clean และ Visualize Data (ใช้สกิลนี้แค่ 10 – 20%)
ในส่วน Softskills ต้องมีสกิล
- Communication เพราะเราต้องสื่อสารกับคนเยอะมาก ทั้ง Clients และคนในทีม
- Data Visualization เพื่อสื่อสารข้อมูลที่ได้ให้คนอื่นๆเข้าใจไปกับเรา
- พร้อมจะเรียนรู้สิ่งใหม่ ด้วยความเป็น Consult เราต้องทำได้ทุกอย่าง ต่อให้วันนี้เรายังทำไม่ได้ แต่สุดท้ายเราต้องทำได้ และทุกอย่างที่เราบอก Clients ไปเราต้องมั่นใจว่านั่นเป็น Solution ที่ดีที่สุดในตอนนั้น
แอดแจน : มีอะไรที่อยากฝากถึงคนที่อยากเป็น Data Analytics บ้างคะ
พี่ยศ : ไม่ว่าจะเป็นนักศึกษา หรือคนที่อยากย้ายมางานด้าน Data Analytics อยากให้ศึกษาและลงมือทำจริง ผ่าน Public Data ต่างๆ เช่น การเรียนออนไลน์ด้วยตัวเองผ่าน Platform ต่างๆ เช่น DataCamp, Coursera, EdX and etc. และหาความรู้ใหม่ๆ ในวงการเสมอ การเข้าไปอยู่ในสังคมหรือ Community ที่ดีเช่น DataRockie, BigDataRPG, Data Science ชิลชิล ก็ทำให้เราเห็นมุมมองใหม่ๆ ครับ
ตอนนี้ทาง Predictive กำลังเปิดรับ Data Analytics และตำแหน่งอื่นๆ อีกมากมาย ใครสนใจก็กดเข้าไปดูรายละเอียดที่เว็บไซต์ได้เลยครับ
สำหรับวันนี้แอดก็ขอตัวลาไปก่อนนะคะ เพื่อนๆ อยากให้เราไปสัมภาษณ์ตำแหน่งดาต้าด้านไหน บริษัทอะไร ทักมาใน Inbox ของเพจ Data Science ชิลชิลได้เลยน้า ไว้พบกันใหม่บทความหน้าค่า :)
