เมื่อข้อมูลกลายเป็นปัจจัยสำคัญในการทำงานของอุตสาหกรรมยุคใหม่ งานสาย Data เป็นอีกหนึ่งสายงานที่ได้รับความนิยมเป็นอย่างมากโดยเฉพาะใน Tech Company ทั้งในไทยและในระดับสากล จนหลายคนที่ไม่ได้จบด้านนี้มาโดยตรงก็อาจจะสงสัยว่าหากอยากเข้าสู่สายงานด้าน Data แต่จบไม่ตรงสายจะเป็นไปได้ไหม วันนี้ ConNEXT จึงได้สรุปประสบการณ์จริงจาก คุณทอย กษิดิศ สตางค์มงคล นักวิเคราะห์ข้อมูล, DataRockie ผู้ที่ไม่ได้จบด้าน Data มาโดยตรง จากงาน Tech ConNEXT Job Fair 2022 มาให้ทุกคนได้อ่านกัน

ปัจจุบัน Data มีความสำคัญอย่างไร?

จากภาพคือข้อมูลจาก Google Trend ที่แสดงให้เห็นว่า 5 ปีที่ผ่านมา Data Analyst, Data Scientist, Data Engineer เติบโตขึ้นเรื่อยๆ และสิ่งที่คนเสิร์ชหาเยอะที่สุดคือ Data Analyst เมื่อ 5 ปีที่แล้วจะเห็นได้ว่า Data Analyst เติบโตขึ้น 30% และปัจจุบันขึ้นมาอยู่ที่ 100% 

ใครๆ ก็ทำงานด้าน Data ได้?

การเข้าสู่งานด้าน Data แม้ไม่ได้จบตรงสายก็ไม่ใช่ปัญหา เพราะใครๆ ก็สามารถทำงานด้านนี้ได้ สิ่งที่ต้องโฟกัสมีอยู่แค่ 3 เรื่องหลักๆ คือ Skillset, Connection และ Mindset

เรื่องแรก ‘Skillset’ คุณทอยกล่าวว่า โดยปกติแล้วตัวเองเป็น Generalist ที่มองว่าทุกอย่างคือทักษะที่สามารถเรียนรู้ได้ด้วยตัวเอง เช่น ทักษะการตื่นเช้า ทักษะการทำอาหาร ทักษะการพับผ้าปูที่นอน ถ้าทุกอย่างเป็นทักษะที่เราสามารถเรียนรู้ได้ ดังนั้นเรื่อง Data ก็สามารถเรียนรู้ได้เช่นเดียวกัน

ต่อมาเรื่อง ‘คอนเนคชั่น’ คุณทอยกล่าวว่า ไม่ค่อยอินกับเรื่องนี้เท่าไหร่ แต่ถ้าถามว่าสิ่งนี้สำคัญหรือไม่ คำตอบก็คือ ‘สำคัญ’ เพราะการรู้จักคนเยอะๆ ก็จะช่วยให้หางานได้ง่ายขึ้น แต่เรื่องคอนเนคชั่นไม่ใช่สิ่งที่เราสามารถควบคุมได้ เพราะฉะนั้นควรโฟกัสแค่สิ่งที่ควบคุมได้อย่าง Skillset และ Mindset ของเราดีกว่า

สุดท้ายคือเรื่องของ ‘Mindset’ คุณทอยได้ยกตัวอย่างให้เห็นภาพว่า

คนที่หนึ่ง: เมื่อเรียนเรื่อง Data → เจอเรื่องยาก → บ่นว่าอาจารย์ไม่สอนทำให้ต้องเสิร์ช Google เยอะ → ไม่แฮปปี้, ท้อ

คนที่สอง: เมื่อเรียนเรื่อง Data → เจอเรื่องยาก → มองเป็นเรื่องท้าทาย → สู้ ไม่ย่อท้อ → เรียนจนจบ

จะเห็นได้ว่าความแตกต่างระหว่างสองคนนี้คือคนแรกมีความคิดแบบ Fixed Mindset เวลาเจอปัญหาไม่ยอมแก้ ไม่ยอมเปิดรับสิ่งใหม่ๆ ส่วนคนที่สองจะมีความคิดแบบ Growth Mindset เมื่อเจอปัญหาก็พยายามแก้จนสุดทาง 

สำหรับใครที่อยากเรียน Data แล้วประสบความสำเร็จ ควรมี Growth Mindset เวลาเจอปัญหาต้องทนอยู่กับมันให้ได้ เพราะชีวิตจะมีปัญหาเข้ามาให้เราแก้อยู่เสมอ และทุกคนจะมีทางเลือกสองทางคือทางเลือกที่ง่ายกับทางเลือกที่ยาก เช่น วันนี้เราจบไม่ตรงสาย แต่อยากเรียน Data เรารู้ว่าเมื่อเข้ามาเส้นทางนี้แล้วจะต้องเผชิญกับความยากลำบากหลายสิ่ง เรามีทางเลือกสองทางคือทางแรก ใช้เวลาไปกับการเรียน Data เยอะๆ กับอีกทางเลือกคือ ยอมแพ้แล้วหันไปดูหนังฟังเพลง ซึ่งเราก็รู้อยู่แล้วว่าทางเลือกไหนดีต่อชีวิตระยะยาวของเรามากกว่า ก็ให้เลือกเส้นทางนั้น แล้วปลายทางมันจะสวยงามเอง

อยากทำงานด้าน Data จำเป็นต้องมีทักษะอะไร?

หากอยากเริ่มงานด้าน Data ควรเริ่มจากตำแหน่งที่เบสิคที่สุดก่อน นั่นคือ Data Analyst ซึ่งการจะเป็น Data Analyst ได้ จำเป็นต้องมี 4 ทักษะหลักๆ ดังนี้

• Spreadsheets - ใช้ Excel, Google sheet ให้เป็น  
• Database SQL - เรื่องนี้เป็นเรื่องที่ควรโฟกัสมากๆ ถ้าเราเข้าใจเรื่อง Database เราก็จะไปทำงานได้แทบทุกบริษัท
• Dashboard - Data product ที่เราสามารถแปลง Data ให้กลายเป็น Insight หรือ product บางอย่างได้ที่ง่ายที่สุดคือการแปลงข้อมูลดิบให้กลายเป็น Dashboard
• R - เบสิค Coding ไม่ต้องเป็นภาษา R ก็ได้ อาจจะเป็น Python, Java script ได้หมด
• นอกจากนี้จะเป็นความรู้ด้าน Basic Business, Basic domain knowledge, Analytic concept  

แล้วถ้าอยากเปลี่ยนตัวเองเป็น Data Scientist ก็แค่เรียนรู้ทักษะเพิ่มดังนี้

• Python - ใช้ความรู้ด้านนี้เยอะขึ้น
• Statistics - ใช้สถิติมาวิเคราะห์ข้อมูล
• ML - ใช้ ML ทำ Predictive model
• แล้วก็ควรมีทักษะการสื่อสารเยอะขึ้นเพราะต้องเล่าเรื่องราวให้ผู้มีส่วนได้ส่วนเสียที่ไม่ได้จบด้านนี้ฟัง อีกทั้งยังต้องมีทักษะด้านการจัดการโปรเจ็กต์ด้วย เพื่อจะได้ส่งงานให้ทันตามเดดไลน์

หลังจากนี้หากอยากอัปเกรดตัวเองเพิ่มจากการเป็น Data Scientist  สู่การเป็น Data Engineer ก็ต้องพัฒนาทักษะเพิ่มขึ้นอีกดังนี้

• Software
• Cloud
• Java/Scala เป็นภาษาที่จะเขียนยากกว่า R และ Python แต่เวลารันโค้ดจะรันได้เร็วมาก เพราะ Data Engineer จะเน้นเรื่อง Performance ค่อนข้างเยอะ 

เรียน Data ด้วยตัวเองอย่างไรให้ได้ประโยชน์สูงสุด?

คุณทอยได้ให้หลักการในการเรียนรู้ทักษะใหม่ๆ 2 อย่าง คือ 

1. Skill stacking 

การที่คนเรามีหลายทักษะถึงแม้ว่าเราจะเก่งไม่สุดเลยสักอย่าง ทักษะนั้นๆ เราอาจจะทำได้แค่เบสิค แต่ถ้าเราเอาทักษะพวกนั้นมาประกอบร่างรวมกัน เราจะสามารถทำสิ่งที่ยิ่งใหญ่ได้เกินกว่าที่ผู้เชี่ยวชาญด้านใดด้านหนึ่งจะทำได้ด้วยซ้ำ

ถ้าจะให้อธิบายคำว่า Skill stacking ง่ายๆ ก็คือ ลองนึกภาพการพยายามต่อเลโก้ชิ้นเล็กๆ ให้เป็นรูปร่างใดรูปร่างหนึ่งขึ้นมา ซึ่งตัวเราก็เปรียบเสมือนผลิตภัณฑ์ชิ้นหนึ่งที่ในตอนแรกไม่มีอะไรเลย แต่หน้าที่ของเราคือพยายามจะสร้างผลิตภัณฑ์ (ตัวเรา) ให้เก่งขึ้นเรื่อยๆ ด้วยการเรียนเก็บทักษะหลายๆ อย่างเพิ่มเข้ามา แล้วนำทักษะพวกนั้นมาใช้ประโยชน์ร่วมกันให้ได้ มองให้เป็นเหมือนเลโก้บล็อกที่เราสร้างเล่นตอนเด็กๆ ถ้าเราอยากเป็นคนแบบไหนก็ให้เก็บทักษะนั้นเยอะๆ แล้วนำทักษะมาเรียงต่อกันไปด้านบน 

2. ไม่ go beyond 80%

ถ้า 100% คือคนเก่งในโลกนี้ เราจะไม่พยายามเป็นคนที่เก่งที่สุดในโลกนี้ เนื่องจากเป็นไปได้ยาก และมีกฎธรรมชาติเรื่อง Diminishing Return

ยกตัวอย่าง Diminishing Return ง่ายๆ คือ สมมติเราหิวมากๆ แล้วมีพิซซ่ามาวางอยู่ข้างหน้าเรา ซึ่งพิซซ่าจะมีอยู่ 8 ชิ้น ชิ้นที่หนึ่งที่หยิบขึ้นมากินเราแฮปปี้มาก Utility (ความพึงพอใจ) เราสูงมาก ชิ้นที่สองเริ่มอิ่มนิดนึง Utility ก็จะเริ่มลดลง แล้วพอกินเรื่อยๆ Utility ก็จะลดลงเรื่อยๆ กินเท่าเดิมแต่ความพอใจลดลง จนพอกินชิ้นที่ 6-7 รู้สึกไม่ไหวแล้ว พอกินชิ้นที่ 8 อ้วกแตก Utility ก็จะติดลบ กินเยอะไปก็ไม่ดี ดังนั้นคำถามที่นักเศรษฐศาสตร์ชอบถามคือแล้ว Optimal level มันควรอยู่ที่จุดไหน ในมุมมองของการเรียนรู้ แนะนำว่าไม่ควรเกิน 80% พอเกินจุดนั้นขึ้นไป หนึ่งชั่วโมงที่ทุกคนใช้ควรเอาไปเรียนวิชาอื่นดีกว่า

กฎข้อนี้ก็จะใช้ร่วมกับข้อแรก กฎข้อที่หนึ่งคือเชื่อว่าการมีหลายทักษะดีกว่าการมีแค่ทักษะเดียวแล้วเก่งที่สุด กฎข้อที่สองคือถ้าเมื่อไหร่ที่ใกล้จะถึง 80% แล้วเราเอาเวลาไปเรียนอย่างอื่นดีกว่า แต่ต้องบอกก่อนว่า 80% ไม่ใช่จุดที่ทุกคน ‘ต้อง’ ไปให้ถึง บางคนอาจจะอยู่แค่ 30-40% แต่ถ้ามันตอบโจทย์ชีวิตเราตอนนั้นก็หยุดอยู่แค่นั้นได้เลยยังไม่ต้องไปเรียนต่อ

เรียน Data ที่ไหนดี?

คุณทอยแนะนำว่าหากใครอยากเรียน Data สามารถเรียนได้ที่ Coursera เพราะเป็น Massive Open Online Courses (MOOC) เบอร์หนึ่งของโลก แต่ถ้าใครอยากเรียนของ Harvard, MIT สามารถเรียนได้ที่ edX 

สำหรับใครที่กำลังสงสัยว่าควรเรียนปริญญาใบใหม่หรือลงคอร์สเรียนออนไลน์ดี คุณทอยแนะนำว่าหากเรียนปริญญาโทจะมีทั้งต้นทุนเรื่องเงินและเวลา เพราะจะต้องเสียค่าเทอมประมาณ 200,000 - 300,000 บาทตลอดหลักสูตร เฉลี่ยหนึ่งปีก็ 100,000 - 150,000 บาท ซึ่งยังไม่รวมค่าเดินทางและอื่นๆ แล้วเรายังต้องเสียเวลาที่ต้องมาใช้อยู่กับหลักสูตรนี้ เพราะส่วนใหญ่เราจัดเวลาเรียนเองไม่ได้ ถ้าลงคอร์สออนไลน์ก็จะประหยัดต้นทุนเรื่องเงินและเวลาได้มากกว่า

แต่หากจะลงเรียนคอร์สออนไลน์ก็จะมีข้อเสียคือ บางทีเราเรียนคนเดียวไม่มีเพื่อนเรียน อาจจะมีแรงจูงใจในการเรียนไม่เท่าการเรียนในห้อง เหตุผลที่หลายคนตัดสินใจเรียนปริญญาโทก็เพราะอยากเจอเพื่อน และสร้างคอนเนคชั่นใหม่ๆ เพราะว่าคอนเนคชั่นก็สำคัญเวลาหางาน ซึ่งส่วนนี้อาจจะหายากหน่อยในการเรียนคอร์สออนไลน์ มันอาจจะมี Peer review บ้าง แต่ก็อาจจะไม่เหมือนกับการไปเจอคนจริงๆ 

ทักษะอะไรที่มีติดตัวไว้แล้วจะอยู่รอดในอนาคต?

หากพูดถึงทักษะที่จะไม่หายไปไหนในอีก 10-20 ปี คงหนีไม่พ้น 3 ทักษะต่อไปนี้

1. Data - ช่วยหา Insight เพื่อช่วยธุรกิจ ทำงานร่วมกับซอฟต์แวร์

2. Software - ทุกวันนี้บริษัทจะไม่สามารถอยู่ได้ถ้าไม่มีซอฟต์แวร์ ดังนั้นใครมีทักษะด้านนี้ยังไงก็อยู่รอด

3. Design / Business - MBA ช่วงนี้เริ่มดรอป แต่ยังคงมีความสำคัญอยู่ เช่น Marketing  และใครที่สามารถสร้างสรรค์ผลงานได้ก็จะหางานง่าย เพราะทุกบริษัทต้องใช้กราฟิก เช่น ใช้ในการทำสื่อโฆษณาต่างๆ 

แต่ทักษะที่จะขาดไปไม่ได้เลยคือ ทักษะการเรียนรู้ ถ้าเรามีทักษะการเรียนรู้เราไปได้ทุกที่ เราเรียนรู้ได้ทุกทักษะ ‘Learning is your superpower’ เมื่อเจอปัญหาเราต้องลองแก้มันด้วยตัวเองให้ได้ เราต้องพร้อมเรียนรู้อยู่ตลอดเวลา เพราะโอกาสในชีวิตจริงๆ มีมาเรื่อยๆ แต่เราจะคว้าไว้ได้ก็ต่อเมื่อเรามีความพร้อม

สุดท้ายคุณทอยได้ให้คำแนะนำกับเด็กรุ่นใหม่ที่อยากทำงานด้าน Data ว่า อย่าเรียนกระโดดข้ามลำดับ เด็กรุ่นใหม่บางคนมาถึงอยากเรียน ML แต่ยังเขียนโค้ดไม่เป็น ซึ่งมันเป็นไปได้ยาก เพราะฉะนั้นลำดับการเรียนสำคัญมาก หากทุกคนเก็บทักษะได้ครบตามลำดับก็จะสามารถเริ่มหางานในธุรกิจนี้ได้แล้ว