ไม่ว่าจะในวงการไหน การมั่นอัพเดทความรู้ ความสามารถ เพิ่มพูนทักษะส่วนตัวให้มากขึ้น คือ สิ่งที่จะทำให้ตัวมีมูลค่า และเป็นที่ต้องการ ไม่เว้นแต่ “นักวิทยาศาสตร์ข้อมูล” ที่แม้จะเป็นที่ต้องการมากที่สุดก็ตาม แต่ก็จำเป็นต้องเรียนรู้ทักษะใหม่ๆ และนี่คือ 10 skills Data Scientist in 2019 ต้องรู้…
จากที่กล่าวเคยมาในเบื้องต้นคือทักษะ ที่องค์กรทั่วโลกมองหาจาก นักวัิทยาศาสตร์ข้อมูล แต่ในปี 2019 ที่จะถึงนี้เรื่องของทักษะโซลูชั่นที่องค์กรต่าง ๆ ต้องการเพิ่มมากขึ้น โดยมี 10 ทักษะ ด้วยกัน
10 Skills Data Scientist in 2019
DevOps
ยังเป็นที่ต้องการ วันนี้นักวิทยาศาสตร์ข้อมูลที่สามารถใช้ DevOps ได้ยังเป็นที่ต้องการ โดยมีการระเมินว่าตำแหน่งงานที่เกี่ยว DevOps ยังเพิ่มขึ้น 106% ในช่วง 2-3ปี ที่ผ่านมา โดยเครื่องมือ DevOps ที่เป็นที่นิยม ได้แก่ Jenkins, Puppet, Chef, Ansible, SaltStack, Nagios, GIT, Splunk, Docket, Build, Release และ Maven
Big Data Hadoop
ในวงการเครื่องมือที่ช่วยในการวิเคราะห์ข้อมูล Hadoop ยังคงเป็นที่นิยมอยู่ และยังคงเป็นแพลตฟอร์มที่สำคัญสำหรับการจัดเก็บข้อมูล โดยมีการคาดการณ์ว่าตลาด Hadoop จะเติบโตเป็น 40 พันล้านดอลลาร์ภายใน 3 ปี (2564) นั่นความว่ายังคงมีความต้องการทักษะในการพัฒนา และใช้งาน Hadoop อยู่
ดังนั้น นักวิทยาศาสตร์ข้อมูล ยังไม่สามารถละเลยการพัฒนาทักษะ Hadoop เพื่อทำความเข้าใจกับเครื่องมือต่าง ๆ พร้อมกับฟังก์ชั่นการใช้งาน ในการจัดการข้อมูลขนาดใหญ่ได้
Python Django
นี่คืออีกหนึ่งเครื่องมือทีน่าสนใจ และไม่พลาดที่จะเรียนรู้ เนื่องจาก Django เป็นเฟรมเวิร์กเว็บที่ให้บริการฟรี และเป็นโอเพนซอร์ซ ซึ่งพัฒนาขึ้นจากองค์กรอิสระไม่แสวงหากำไรกว่า 501 แห่ง คุณสมบัติเด่นของ Django คือการสร้างเว็บไซต์ที่ซับซ้อน
และใช้ฐานข้อมูลอย่างง่ายดาย และรองรับการเชื่อมโยงกับภาษาอื่น ทำให้สามารถเริ่มต้นในการพัฒนาแอปพลิเคชันซอฟต์แวร์ และเรียนรู้เทคนิคการพัฒนาระบบได้ง่ายขึ้น
Data Science with R & Python
สำหรับเด็กที่ต้องการทำงานด้านวิทยาศาสตร์ การเรียนรู้การใช้ภาาา R & Python ถือเป็นหนึ่งในข้อกำหนดพื้นฐาน ซึ่งข้อดีของ ภาษา Python คือเป็นภาษาที่เข้าใจง่าย และเหมาะในการเริ่มต้นสำหรับมือใหม่ อีกทั้งยังเป็นภาษาที่มี ดี ๆ
อย่าง Pandas สำหรับ Data Wrangling และ Scikit-learn สำหรับทำ Machine Learning Model รวมไปถึง Tensorflow สำหรับทำ Deep Learning ได้อีกด้วย
โดยในบริษัทใหญ่ ๆ นิยมทำ Library สำหรับ Python เนื่องจากมีความยืดหยุ่น สามารถนำไปใช้ได้หลากหลาย มีประโยชน์กับหลายส่วนของบริษัทมากกว่า อีกทั้งยังสามารถนำไปใช้ทำเว็บไซต์ หรือเขียนบอทสั่งงานต่าง ๆ ด้วยประโยชน์ที่สามารถยืดหยุ่นได้นี่เอง
ขณะที่ ภาษา R ก็ใช้งานง่ายพอดีกับ Python แต่พิเศษกว่าคือมี หลาย ๆ คำสั่งที่เป็นด้านสถิติเค้ามีในตัวแล้ว ไม่ต้องใช้ Package เสริม ส่วนโปรแกรมที่นิยมใช้มากเป็นพอเศษในการเขียนภาษ R คือ RStudio ซึ่งดีมาก ๆ มีหน้าต่างโค้ด, หน้าต่างตัวแปร, Console, หน้าต่างพลอต ครบหมดในหน้าจอเดียว
โดยปัจจุบัน Microsoft สนับสนุนภาษา R เต็มที่ หลังจากซื้อบริษัทที่เป็นคนพัฒนา R ก็ได้ปล่อยตัว Microsoft R Open ซึ่งเป็น R Version ที่รองรับการประมวลผลได้อย่างรวดเร็ว ทำให้วันนี้นักพัฒนาซอฟต์แวร์ และผู้เชี่ยวชาญด้านไอที ยังคงเดินหน้าที่จะปรับปรุงทักษะของพวกเขาใน R & Python อย่างต่อเนื่อง
แต่อย่างไรก็ตามสิ่งสำคัญคือการฝึกฝนประสบการณ์การเรียนรู้ด้วยการเปิดรับอุตสาหกรรม และกรณีศึกษาควบคู่กันไป ซึ่งปัจจุบันมีการเปิดฝึกอบรมเชิงปฏิบัติ และกรณีศึกษา จากองค์กรระดับโลกอย่าง เช่น Amazon, Facebook, Adobe, Walmart และอื่น ๆ เป็นต้น
Machine Learning (ML) เครื่องจักรแห่งการเรียนรู้
นีคืออีกหนึ่งทักษะที่อยากที่จะปฏิเสธ ด้วยการเพิ่มขึ้นอย่างไม่เคยปรากฏมาก่อน ทำให้บริษัทฯ ต่าง ๆ ต้องการการเรียนรู้วิธีการทำงานของ ML โดยในปัจจุบัน บริษัท ทั้งเก่า และใหม่ กำลังเร่งลงทุนในการฝึกอบรมเฉพาะทาง และการรับรองเพื่อพัฒนาทักษะการเรียนรู้ของ ML
ควบคู่ไปการใช้โซลูชั่นขั้นสูง และโปรแกรมอย่าง Python, Spark, R, SQL และสถิติพื้นฐาน เพื่อให้องค์กรสามารถมีบุคลากรที่ประสิทธิภาพ และพัฒนาไปถึงเรื่องของ การจดจำใบหน้า (Face Recognition) การรู้จำเสียง(Speech Recognition) และการทำเหมืองข้อความ (Text Mining)
Artificial Intelligence (AI)
เรื่องปัญญาประดิษฐ์ คือสิ่งที่ทุกองค์กรสนใจไม่แพ้กับเร่ืองของ ML วันนี้หลายธุรกิจนั้นกำลังรวม AI เข้าไปในผลิตภัณฑ์ของตัวเอง เพื่อสร้างความแตกต่างให้แก่ผลิตภัณฑ์ ดังนั้นหากจะกล่าวว่า AI คือทักษะสุดฮอต ที่เป็นที่ต้องการมากที่สุดก็คงไม่ผิดนัก
โดยหากนักวิทยาศาสตร์ข้อมูลสามารถใช้โปรแกรมที่สร้าง AI ได้ รับรองได้เลนว่าเงินนั้นจะสูงลิ่ว โดยเชื่อกันว่าจะมีฐานเงินเดือนอยู่ $300,000 ถึง $500,000 (9,600,000 – 16,007,000 บาท) เลยทีเดียว
RPA Tools ระบบซอฟต์แวร์อัตโนมัติ
Robotic Process Automation หรือ RPA รวมไปถึงเทคโนโลยีระบบอัตโนมัติอื่น ๆ คือสิ่งที่ทำให้ บริษัทฯ ต่าง ๆ สามารถเลี่ยนแปลงไปสู่ระบบดิจิตอลได้อย่างรวดเร็ว และด้วยการใช้เครื่องมือ RPA พร้อมกับ AI ขะทำให้เกิดการประมวลผลที่สามารถหาคำตอบได้อย่างรวดเร็ว
ซึ่งหากมีทักษะระบบซอฟต์แวร์อัตโนมัติ มากเท่าไร ก็จะ ช่วยให้ธุรกิจปรับปรุงประสิทธิภาพการดำเนินงาน และช่วยสร้างประสบการณ์ลูกค้าที่ดีขึ้นอีกมาก โดยในปัจจุบันมีผู้ให้บริการชุเครื่องมือ RPA มากกมาย ไม่ว่าจะเป็น UiPath, Automation Anywhere หรือ Blue Prism
โดยอุตสาหกรรมที่มีการใช้งาน RPA เยอะที่สุดคือ ที่ให้บริการทางการเงิน, การดูแลสุขภาพทรัพยากรมนุษย์ และภาคประกันภัย
AWS Certification หรือ ใบรับรองวิชาชีพทักษะด้าน Amazon Web Services
อย่างที่ทราบกันดีว่า AWS ถือเป็นแพลตฟอร์มคลาวด์คอมพิวติ้ง ที่มีส่วนแบ่งการตลาดทั่วโลกมากกว่า 40% และคงต้องบอกว่านี่คือยุคของคลาวด์ธุรกิจ ที่กำลังแข่งขันกันเพื่อสร้างแพลตฟอร์มบนคลาวด์ ซึ่งขอนับว่าใบรับรองวิชาชีพทักษะด้าน AWS คืออีกทักษะห้ามพลาดหากคุณจะเป็น “นักวิทยาศาสตร์ข้อมูล”
Business Analytics by Tableau
หาคุณเป็น นักวิทยาศาสตร์ข้อมูล ตัวจริง นี่คืออีกเครื่องมือ และถือเป็นทักษะที่ต้องเรียนรู้ใช้งานให้เป็น เพราะเป็นเครื่องมือที่ใช้วิเคราะห์ข้อมูลได้หลากหลายมิติ ไม่ว่าจะเป็น รูปแบบของการประมวลผลแบบออนไลน์ (Online Processing)
ใช้งานที่ง่ายเพียงคลิ๊กเมาส์ก็สามารถที่จะเปลี่ยนแปลงรายงานได้ตามความต้องการ อีกทั้งยังรองรับการเข้าถึงข้อมูลจากหลายฐานข้อมูล และสามารถนำข้อมูลจากฐานข้อมูลในองค์กรนั้นมาใช้งาน เช่น Excel, Access, Firebird 2.0, IBM DB2, MS SQL Server, Microsoft Power pivot
โดยในช่วงไม่กี่ปีที่ผ่านมา องค์กรต่าง ๆ ได้ใช้ Tableau เพื่อวิเคราะห์ข้อมูลในทาง
นอกจากนี้ตัว Tableau ยังอนุญาตให้นักพัฒนาเชื่อมโยงช่องว่างระหว่างข้อมูล และผู้บริหารธุรกิจ ทำให้มองเห็นข้อมูล ต่าง ๆ ของ บริษัท ฯ ในรูปแบบการนำเสนอรายงานที่สวยงาม เข้าใจง่าย ในรูปแบบของ กราฟฟิก ทำให้ช่วยให้เห็นภาพของข้อมูลขนาดใดก็ได้ง่ายขึ้น
การวิเคราะห์การตลาดดิจิทัล Digital Marketing Analytics
ทุกวันนี้ทุกองค์กรทั้งเล็ก และใหญ่ ต่างมุ่งมั่นที่จะก้าวไปสู่โลกดิจิตอล แต่การที่จะทำได้จำเป็นอย่างยิ่งที่ต้องกาบุคลากรที่มีความเชี่ยวชาญ ในการใช้ข้อมูลที่มีอยู่ได้อย่างเกิดประโยชน์สูงสุด และกลายเป็นกระแสการ “ตามล่า” หานักวิเคราะห์การตลาดดิจิตอล (Digital Marketing Analytics)
เพื่อที่จะสามารถวิเคราะห์ข้อมูลลูกค้าในเชิงลึก และสร้างกลยุทธ์ดิจิทัลที่น่าจับตามอง ที่สามารถวัดผลตอบแทนจากการลงทุน (ROI) ประสิทธิภาพหลัก (KPI) ได้
และแน่นอนเพื่อเป็นการเพิ่มประสิทธิภาพของช่องทางการสื่อสาร ขององค์กร อาทิ เว็บไซต์ และโซเชียล มีเดีย ซึ่งปัจจุบันมีหลักสูตรการตลาดดิจิทัลรับรองเกิดขึ้นมามาก เช่น Google Analytics และ Social Media Analytics เพื่อเพิ่มความเชื่อมั่นของผู้ลูกค้าให้มากที่สุด
- บทความที่เกี่ยวข้อง Top Skills Data Scientists 2018 ทักษะที่จำเป็นต้องเรียนรู้
ส่วนขยาย
* บทความเรื่องนี้น่าจะเป็นประโยชน์สำหรับการวิเคราะห์ในมุมมองที่น่าสนใจ
** เขียน: ชลัมพ์ ศุภวาที (บรรณาธิการ และผู้สื่อข่าว)
*** ข้อมูลบางส่วนจาก www.insidebigdata.com
**** ขอขอบคุณภาพบางส่วนจาก www.pexels.com, www.edureka.co
สามารถกดติดตามข่าวสารและบทความทางด้านเทคโนโลยีของเราได้ที่
