สรุปจากงาน “Accelerating Your Career Journey from Basics to Advanced Data” โดย True Digital Academy ร่วมกับ มหาวิทยาลัยศรีนครินทรวิโรฒ (SWU) ชวนนักศึกษาจบใหม่ พนักงานออฟฟิศ หรือผู้ที่สนใจเปลี่ยนสายงานด้าน Data มาปลดล็อคศักยภาพสู่สายงานข้อมูล กับสุดยอดวิทยากรผู้ทรงคุณวุฒิ ผศ.ดร.นุวีย์ วิวัฒนวัฒนา ผศ.ดร.วราภรณ์ วิยานนท์ และ ผศ.ดร.รัตน์ชัยนันท์ ธรรมสุจริต

สามารถดาวน์โหลดสไลด์จากงาน ได้ที่นี่ https://bit.ly/3yydUUn

1️⃣ ทำไมสายงาน “ข้อมูล” ถึงมาแรง และเราต้องโฟกัสอะไร?

• ข้อมูลมีบทบาทสำคัญต่อทุกอุตสาหกรรม การสร้าง การบริโภค และการจัดเก็บข้อมูลมีการเติบโตแบบก้าวกระโดด AI ถูกนำมาใช้อย่างแพร่หลาย องค์กรที่ใช้ประโยชน์จากข้อมูลได้อย่างมีประสิทธิภาพ จะสามารถตัดสินใจได้ดีขึ้น เข้าใจลูกค้า พัฒนาสินค้าและบริการใหม่ ๆ ได้ดียิ่งขึ้น
• การวิเคราะห์เชิงคาดการณ์ (Predictive Analytics) เติบโตสูง ผู้เชี่ยวชาญด้านข้อมูลจึงควรมีความสามารถวิเคราะห์ข้อมูลเชิงคาดการณ์ได้

2️⃣ ผู้เชี่ยวชาญด้านข้อมูล (Data Professionals) มีหลายบทบาท แต่ละบทบาทต้องใช้ทักษะที่แตกต่างกัน แต่มีจุดร่วมคือต้องมี Soft Skills

มีผู้เชี่ยวชาญด้านข้อมูลหลายประเภท แต่ละคนมีความสามารถและความเชี่ยวชาญที่แตกต่างกัน โดยประเภทของผู้เชี่ยวชาญด้านข้อมูลที่ได้รับความนิยม ได้แก่

1. นักวิเคราะห์ข้อมูล (Data analyst): รวบรวม ทำข้อมูลให้เป็นระเบียบ และวิเคราะห์ข้อมูลเพื่อค้นหาเทรนด์และ Pattern
2. นักวิทยาศาสตร์ข้อมูล (Data scientist): พัฒนาและประยุกต์ใช้แบบจำลองการเรียนรู้ของเครื่องจักรเพื่อแก้ปัญหาที่ซับซ้อน
3. วิศวกรข้อมูล (Data engineer): สร้างและบำรุงรักษาโครงสร้างพื้นฐานข้อมูล
4. ผู้เชี่ยวชาญด้านการสร้างภาพข้อมูล (Data visualization specialist): สร้างแผนภูมิและกราฟเพื่อสื่อสารข้อมูลเชิงลึก

จะเห็นได้ว่าผู้เชี่ยวชาญด้านข้อมูลในแต่ละประเภทนั้นมีความเชี่ยวชาญที่แตกต่างกัน แต่นอกจากทักษะทางเทคนิคแล้ว ผู้เชี่ยวชาญด้านข้อมูลยังต้องมีทักษะทางสังคมที่แข็งแกร่ง เช่น การสื่อสาร การแก้ปัญหา และการคิดอย่างมีวิจารณญาณ

3️⃣ มือใหม่ไม่มีพื้นฐานจะเริ่มเรียนรู้เครื่องมือวิเคราะห์ข้อมูลได้อย่างไร?

เครื่องมือวิเคราะห์ข้อมูล มี 2 ประเภทหลัก ๆ คือ

• เครื่องมือแบบ No-Code/Low-Code เหมาะสำหรับมือใหม่ ใช้งานง่าย ช่วยให้ผู้ใช้สามารถสร้าง Dashboard วิเคราะห์ข้อมูล และสร้างแบบจำลองการเรียนรู้ของเครื่องจักรได้โดยไม่ต้องเขียนโค้ด ตัวอย่างเครื่องมือในกลุ่มนี้ ได้แก่ Power BI, Orange, Tableau, Altair
• เครื่องมือแบบ High Code เหมาะสำหรับผู้ใช้ที่มีพื้นฐานการเขียนโปรแกรม เครื่องมือเหล่านี้มีฟังก์ชันการทำงานที่หลากหลายและยืดหยุ่นมากกว่า แต่ต้องใช้ทักษะการเขียนโปรแกรมเพื่อใช้งาน ตัวอย่างเครื่องมือในกลุ่มนี้ ได้แก่ R, Python, SQL

ซึ่งมือใหม่ควรเริ่มจากเครื่องมือ No-Code/Low-Code ก่อน

4️⃣ เรียนรู้ตัวอย่างการใช้ข้อมูลในโลกแห่งความเป็นจริง

กรณีศึกษาร้านซูเปอร์มาร์เก็ตแห่งหนึ่งในประเทศญี่ปุ่น เผชิญความท้าทายในการตั้งราคาสินค้าให้เหมาะสม ได้แก่ ต้องการตั้งราคาสินค้าให้ได้กำไร แต่สินค้าต้องขายได้ด้วย มีสินค้าคงคลังจำนวนมากใกล้หมดอายุ และสินค้าที่หมดอายุต้องถูกทิ้ง ส่งผลต่อต้นทุนและภาพลักษณ์ของร้าน

ทางร้านจึงได้เก็บข้อมูลราคาสินค้า วันหมดอายุ ยอดขาย สต๊อกสินค้า สภาพอากาศ ยอดลูกค้า และนำข้อมูลต่าง ๆ มาวิเคราะห์ความสัมพันธ์ระหว่างข้อมูล พัฒนาโมเดล Machine Learning เพื่อพยากรณ์ความต้องการของลูกค้า คาดการณ์สินค้าที่ใกล้หมดอายุ และสร้าง Dynamic Discount Tag ที่สามารถแสดงปรับลดราคาสินค้าใกล้หมดอายุแบบ Real-time และแสดงราคาส่วนลดบนป้ายสินค้า การนำ Machine Learning มาให้ประโยชน์กับธุรกิจ ทำให้ซูปเปอร์มารืเก็ตเพิ่มประสิทธิภาพการกำหนดราคา สินค้าขายได้มากขึ้น ลดการสูญเสียอาหาร ประหยัดต้นทุน และเพิ่มความพึงพอใจของลูกค้าได้

กรณีศึกษานี้ทำให้พบว่า การใช้ข้อมูลและ Machine Learning สามารถช่วยแก้ปัญหาทางธุรกิจได้จริง การวิเคราะห์ข้อมูล ช่วยให้เข้าใจลูกค้าและตลาดได้ดีขึ้น และการนำเทคโนโลยีมาประยุกต์ใช้ ช่วยเพิ่มประสิทธิภาพและสร้างผลกำไร ซึ่งตัวอย่างนี้เป็นเพียง 1 ในตัวอย่างการใช้ข้อมูลในโลกแห่งความเป็นจริง ยังมีธุรกิจและองค์กรอื่น ๆ อีกมากมายที่ใช้ข้อมูลวิเคราะห์ พัฒนาธุรกิจ และสร้างนวัตกรรม

5️⃣ การเตรียม Portfolio เพื่อเตรียมความพร้อมในการสมัครงานในสายงานด้าน Data

Portfolio ในสายงาน Data คือ ใบเบิกทางสู่การหางาน สามารถแสดงทักษะ ความสามารถ ประสบการณ์ และดึงดูดความสนใจจาก Recruiter ได้

• วิธีสร้าง Portfolio เริ่มจากต้องวิเคราะห์กลุ่มเป้าหมาย (คนที่จะมาพิจารณา Portfolio เรา) อย่างเช่น Recruiter ว่าต้องการคนแบบไหน ทักษะอะไร
• ตัวอย่าง Portfolio ที่ดี เช่น https://gerinberg.com/ และ https://www.claudiatenhoope.com/
• Portfolio ของเรา ควรอธิบายโปรเจคด้าน Data ที่ชี้ให้เห็นทักษะ ประสบการณ์ และผลลัพธ์ที่จับต้องได้
• ช่องทาง Portfolio สามารถเป็นเว็บไซต์ส่วนตัว, GitHub, Kaggle, Medium, Towards Data Science และ LinkedIn เป็นต้น

ทั้งนี้ เราไม่จำเป็นต้องทำเป็น Portfolio เป็นเว็บไซต์หรือเป็นอะไรที่ใหญ่โต การเขียน Blog ลงบน Medium หรือ Towards Data Science ก็นับเป็น Portfolio ได้เช่นกัน สิ่งที่สำคัญคือเนื้อหา ควรจะเน้นการอธิบายโปรเจคด้าน Data ให้เข้าใจง่าย ชี้ให้เห็นว่าเราสามารถ Solve ปัญหาที่องค์กรนั้น ๆ ต้องการได้ มีการแสดงความคิดสร้างสรรค์ และนำเสนอผลงานอย่างน่าสนใจ ฉะนั้นต้องฝึกฝนการเขียน การสื่อสาร และการนำเสนอให้ดี

ฝาก CV/Resume กับ True Digital Academy เพิ่มโอกาสในการทำงานสายเทค และรับสิทธิประโยชน์มากมาย!

📁 ลงทะเบียนสร้างโปรไฟล์ ฟรี! คลิก : https://bit.ly/ProfilePowerUp