“Data is the new oil” เชื่อว่าคนที่งานสายเทคโนโลยีและการตลาดต้องคุ้นเคยกับประโยคนี้เป็นอย่างดี เพราะน้ำมันที่เราค้นพบกันวันนั้น ณ วันนี้กลายเป็นแหล่งพลังงานที่สำคัญและผลักดันธุรกิจมากมายทั่วโลก ไม่ต่างจาก Data หรือข้อมูลที่เกิดขึ้นมากมายที่เกิดขึ้นในตอนนี้ หากเราทำการจัดเก็บข้อมูลให้เป็นระเบียบ ประมวลผลให้ชัดเจน ก็จะสามารถนำมาประยุกต์ใช้เกิดประโยชน์กับธุรกิจของเราได้ แต่ … Data ที่พูดถึงกันนั้นมีมากมายหลายรูปแบบมาก ทั้งใช้งานได้ทันทีและต้องนำไปทำการ Process ก่อน รวมถึงหลังจากได้ Data มาแล้ว เราจะนำไปทำอะไรต่ออย่างไร ก็เป็นโจทย์ที่แตกต่างกันไปตามแต่ละกลุ่มธุรกิจ อีกทั้งแม้จะมีข้อมูลในมือมากมายก็ไม่ได้หมายความว่าธุรกิจนั้นจะได้เปรียบในเชิงของการวิเคราะห์ จึงได้เกิดศาสตร์หนึ่งขึ้นมาเรียกว่า Data Science และอาชีพที่เรียกว่า Data Scienctist
Data Scienctist ได้รับการขนานนามว่า “The Sexiest Job of the 21st Century” หรืออาชีพที่เซ็กซี่ที่สุด นั่นเป็นเพราะว่าเป็นอาชีพที่มีความต้องการตัวมากที่สุดและหายากมากที่สุดอาชีพหนึ่งในโลกเทคโนโลยี
เหตุที่เป็นเช่นนั้น Data Scienctist นั้นมีทักษะที่เป็นที่ต้องการมากในมากๆ ในตลาดรวมกันในคนๆ เดียว ซึ่งทักษะของ Data Science นั้นเกิดจาก 3 ศาสตร์ใหญ่มารวมกัน ได้แก่
Hacking Skills
หรือทักษะทางคอมพิวเตอร์อย่างเช่น การเขียนโปรแกรม, การเขียน Script ทำ Automation, การทำ Big Data Technology, การจัดการฐานข้อมูล
Math & Statistics
หรือทักษะทาวคณิตศาสตร์ เพื่อนำองค์ความรู้ด้านการคำนวณหรือความรู้ทางคณิตศาสตร์มาประยุกต์ใช้กับข้อมูลที่เรามีอยู่เช่นทักษะพื้นฐานอย่างค่า Mean, Average ไปจนถึงแคลคูลัสพวก Vector, Metrix
Domain Knowledge
หรือความรู้เกี่ยวกับกลุ่มธุรกิจที่เรากำลังทำอยู่ เพราะแต่ละกลุ่มธุรกิจนั้นมีลักษณะเฉพาะตัว จึงทำให้เทคนิคและวิธีการคิดนั้นไม่เหมือนกัน
ลองคิดว่าแค่ 1-2 ทักษะในคนๆ เดียวก็ตามหาตัวยากแล้ว จึงไม่แปลกที่ตำแหน่งของ Data Science จะหายากและเป็นที่ต้องการของทุกกลุ่มธุรกิจที่อยากจะเริ่มเอา Data ที่ตัวเองมีมาพัฒนาและต่อยอด รวมทั้งการสร้างทีม Data Science จึงทำได้ยากขึ้นด้วย
ทำไม Data Science ถึงเป็นที่สนใจของภาคธุรกิจ
ทุกวันนี้ไม่ว่าจะลูกค้าหรือแม้กระทั่งตัวเราเองก็ทำการผลิตข้อมูลขึ้นมามากมายในแต่ละวัน ดังนั้นข้อมูลที่เกิดขึ้นนั้นมีค่ามากในการนำไปวิเคราะห์ (Analyze) และคาดการณ์ (Prediction) ในธุรกิจ เช่นพฤติกรรมของลูกค้าในช่วงวันหยุดมีแนวโน้มที่จะเข้ามาเลือกซื้อสินค้าที่เว็บเรามากกว่าวันธรรมดามากน้อยแค่ไหน เพื่อทำการปล่อยแคมเปญหรือทดลองบางอย่างแล้วนำผลกลับมาวิเคราะห์กันต่อ การทำงานในลักษณะนี้จำเป็นอย่างยิ่งที่ต้องมี Data Sciencetist เพื่อตั้งสมมติฐานในการจัดการกับข้อมูลที่เรามีอยู่เพื่อให้ได้มาซึ่งข้อมูลที่เป็นประโยชน์และใช้งานง่ายกับทีมการตลาดหรือทีมอื่นๆ ในองค์กร อีกทั้งการเติบโตของข้อมูลที่เกิดขึ้นในธุรกิจรวมถึงโซเชียลมีเดีย ทำให้ Data Science ยิ่งเป็นที่ต้องการมากขึ้นเรื่อยๆ
ตัวอย่างการใช้งาน Data Science ที่เห็นได้ชัดและน่าจะใกล้ตัวของทุกคนมากที่สุดนั่นก็คือ Netflix ถ้าคุณจำได้หลังจากดูหนังจบ จะมี Suggest เรื่องต่อไปที่คุณอาจจะถูกใจและดูต่อขึ้นมา ตรงจุดนี้ Netflix ใช้ข้อมูลการค้นหาย้อนหลังและประวัติการเข้าชมของคุณมาทำการวิเคราะห์ ผ่านการประมวลผลมากมายจนกลับมาเป็น Suggestion ที่แม่นยำมากขึ้นเรื่อยๆ เชื่อว่าหลายคนคงมีโอกาสได้กดเลือกเรื่องที่ทาง Netflix แนะนำขึ้นมากันบ้างอย่างแน่นอน
นอกจากนี้ ยังมีงานอีกหนึ่งงานที่ Data Science จำเป็นต้องทำนั่นก็คือการนำเสนอข้อมูลออกมาในรูปแบบต่างๆ (Data Visualization) ไม่ว่าจะเป็น Dashboard, Report หรือ Insight ที่เมื่อส่งไปยังทีมอื่นแล้วสามารถใช้งานได้ง่าย หากเป็นคนที่เล่าเรื่องได้ชำนาญก็จะยิ่งเป็นที่ต้องการตัวมากยิ่งขึ้นเพราะบางครั้งการเล่าเรื่องข้อมูลก็ไม่ใช่ว่าใครจะสามารถทำได้ ยิ่งเป็นข้อมูลที่ออกมาจากการประมวลผลที่ซับซ้อนก็ยิ่งเพิ่มดีกรีความเข้าใจยากมากขึ้นไปอีก ดังนั้นทักษะ Storytelling with Data จึงเป็นสำคัญและควรมีติดตัวสำหรับคนที่ทำงานด้าน Data Science
ที่มา : DataTH , Techsauce , stepstraining
ติดตามข่าวสารจาก Brand Inside ได้จาก Facebook ของเรา