ในยุคที่ดาต้ากำลังเข้ามามีบทบาทสำคัญในองค์กรต่างๆ ศาสตร์ที่มาแรงคงหนีไม่พ้น “Data Science” ที่คนทั่วไปอาจนึกภาพไม่ออกว่าคืออะไร และมีลักษณะอย่างไร
Data Science ศาสตร์ความรู้ที่มาแรงที่สุด
วันนี้ วิทยาศาสตร์ข้อมูล หรือ ศาสตร์ในการวิเคราะห์ข้อมูล คือ สิ่งที่องค์กรในอุคตสาหกรรมต่าง ๆ นั้นต้องการมากที่สุด โดยฉพาะกลุ่มคนที่สามารถเข้าใจ และวิเคราะห์ข้อมูลจากรูปแบบ ดิจิทัล แฟลตฟอร์ม ให้ออกมาเป็นข้อมูลที่แท้จริงได้ นั้นปัจจุบันยิ่งหายากซัยิ่งกว่าอาชีพอื่น ๆ
คนทั่วไปอาจนึกภาพไม่ออกว่
ซึ่ง E-Leader ได้มีโอกาสได้แนวคิดที่น่าสนใจจาก 3 นักวิทยาศาสตร์ข้อมูล (Data Scientist) ที่คลุกคลีในศาสตร์ในการวิเคราะห์ข้อมูล มาให้แนวคิดไว้อย่างน่าสนใจ
โดย ดร.วิโรจน์ จิรพัฒนกุล กรรมการผู้จัดการใหญ่ Skooldio และนักพัฒนา จาก กูเกิล กล่าวว่า การพัฒนาคนต้
เช่น มีโครงสร้างพื้นฐานและมีข้อมูล ควรมีทีมสื่อสารเรื่องดาต้ากั
บางคนมีความรู้มาก แต่ไม่รู้ว่าจะนำไปใช้จริงเมื่
วันนี้ผมอยากแนะนำให้เลือกประเด็นในด้
“นักศึกษาด้านนี้บางคนไม่ทราบว่
าจะวิเคราะห์ ตีความข้อมูลที่มีเพื่อใช้ พยากรณ์ได้อย่างไร ซึ่งไม่ได้เป็นหน้าที่ของนักวิ ทยาศาสตร์ข้อมูลคนเดียวเท่านั้น ทุกคนในบริษัทควรจะมีไอเดียเรื่ องข้อมูลแบบนี้ด้วย จึงจะเกิดประโยชน์”
ด้าน ชิตพล มั่งพร้อม ซีอีโอและผู้ก่อตั้ง Zanroo (แสนรู้) กล่าวว่า ในวงการไม่ได้
วันนี้ถ้าคุณไม่ใช่เจ้าของกิจการ แต่เป็นนักวิทยาศาสตร์ข้อมูล ก็ควรพูดคุยกับซีอีโอให้มากขึ้น บางทีอาจจะมีช่องว่างระหว่างผู้
“ด้านที่สองคือ การมีข้อมูลที่เชื่อมโยงกัน เพราะโลกปัจจุบันมุ่งที่
ประสบการณ์ของลูกค้า ‘Customer experience is the king’ ลูกค้าซื้อเพราะได้รับการปฏิบั ติอย่างดี และเมื่อลูกค้ามีปัญหา บริษัทก็ต้องเก็บข้อมูลส่วนนี้ ด้วย เพื่อรักษาประสบการณ์ที่ดีไว้ ให้ได้”
ขณะที่ ชารินทร์ พลภาณุมาศ นักวิทยาศาสตร์ข้อมูล จาก BridgeAsia กล่าวว่า บริษัทหลายแห่งไม่ต้องการนักวิทยาศาสตร์ข้อมูลจำนวนมาก แต่ปัญหาในไทยคือการขาดข้อมูลและโครงสร้างข้อมูล สิ่งเหล่านี้ไม่ใช่ความเชี่ยวชาญของนักวิทยาศาสตร์ข้อมูล
แต่ที่วงการต้องการก่อนคือ วิศวกรข้อมูล ผู้วางพื้นฐานต่างๆ ต้องมีการวางแผนข้อมูล มีโมเดล มีข้อมูลการใช้และความสัมพันธ์กับระบบ (Use Case) สิ่งที่สำคัญกว่าการรับคนที่ชอบทำงานวิเคราะห์ คือการเตรียมข้อมูลเพื่อนำไปวิเคราะห์ เน้นเรื่องปฏิบัติเช่นเดียวกัน
และย้ำถึงความสำคัญของข้อมูล หลักการของศาสตร์ที่เป็นพื้นฐาน ทั้งการตั้งข้อสังเกต การตั้งสมมติฐาน การทดสอบ การให้ผลย้อนกลับ เป็นต้น สิ่งเหล่านี้เป็นกระบวนการที่เกิดขึ้นเมื่อทำโปรเจ็ค ใส่ใจกับหลักการก่อนที่จะไปใช้เทคนิคที่ซับซ้อนตามกระแส
“ความท้าทายปัจจุบันคือ การขาดความเข้าใจเกี่ยวกับดาต้า ความสามารถในการเปลี่ยนความรู้
ในสาขาต่างๆ ให้เป็นวิทยาศาสตร์ข้อมูล นอกจากนี้ จุดมุ่งหมายของการใช้เทคโนโลยี ก็สำคัญ บางครั้งผู้บริหารอาจบอกว่า ต้องใช้ AI แต่ก็อธิบายไม่ได้ว่าทำไมต้ องใช้ จะใช้เพื่อแก้ปัญหาอะไร จะใช้อย่างไร จะมีตัวชี้วัดอะไร“
ส่วนขยาย
* บทความเรื่องนี้น่าจะเป็นประโยชน์สำหรับการวิเคราะห์ในมุมมองที่น่าสนใจ
** เขียน: ชลัมพ์ศุภวาที (บรรณาธิการและผู้สื่อข่าว)
*** ขอขอบคุณภาพบางส่วนจาก www.pexels.com
สามารถกดติดตามข่าวสารและบทความทางด้านเทคโนโลยีของเราได้ที่
