‘Data Analytics’ และ ‘Data Science’ เป็นสองคำที่เราคุ้นหูกันมากที่สุดในช่วงไม่กี่ปีที่ผ่านมานี้ โดยเฉพาะอย่างยิ่งในกลุ่มคนทำงานที่มองหาเส้นทางอาชีพแห่งอนาคต เนื่องจากเทรนด์เกี่ยวกับ AI และ Machine Learning กำลังเข้ามามีอิทธิพลต่อวิถีชีวิตของคนในโลกแห่งอนาคตมากขึ้นทุกที

ดังนั้น วันนี้ ‘Data’ จึงกลายเป็นเครื่องมือสำคัญที่ใช้ในการวิเคราะห์และขับเคลื่อนองค์กรให้สามารถเติบโตในตลาดท่ามกลางการแข่งขันที่ร้อนระอุได้เป็นอย่างดี แต่ใครกันล่ะ? ที่จะเป็นคนรวบรวมข้อมูลและวิเคราะห์เพื่อคาดคะเนทิศทางของตลาดได้อย่างแม่นยำขนาดนั้น ด้วยเหตุนี้ ‘Data Analyst’ และ ‘Data Scientist’ จึงเป็นสิ่งที่ขาดไม่ได้และกลายเป็นตำแหน่งที่เป็นที่ต้องการมากที่สุดในปัจจุบัน

อย่างไรก็ตาม แม้ว่าเรามักจะได้ยิน Data Analytics และ Data Science เคียงคู่กัน แต่ก็ไม่ได้หมายความว่า มันคือสิ่งเดียวกันซะทีเดียว แท้จริงแล้ว หากเราทำความรู้จักกับเส้นทางอาชีพของทั้งสองคำนี้อย่างละเอียด เราจะพบว่ามันแตกต่างกันโดยสิ้นเชิง ทั้งในเรื่องของลักษณะงานและทักษะที่ใช้ในการทำงาน และนั่นทำให้คนจำนวนไม่น้อยต่างสับสนว่า เขาควรจะเลือกเดินในเส้นทางไหนดี?

เพราะฉะนั้น มาทำความรู้จักกับ Data Analytics VS Data Science กันให้ดียิ่งขึ้น และค้นหาเส้นทางอาชีพที่ใช่ ไปพร้อม ๆ กันกับเราได้เลย!      

Data Analytics คือ อะไร?

‘Data Analytics’ เป็นหนึ่งในศาสตร์ที่เกี่ยวข้องกับกระบวนการวิเคราะห์เชิงสถิติของชุดข้อมูลที่ปรากฎ โดยนักวิเคราะห์ข้อมูลจะมุ่งเน้นไปยังการคิดค้นวิธีดึงข้อมูล นำมาใช้ และจัดระบบชุดข้อมูลใหม่ เพื่อวิเคราะห์ข้อมูลเชิงลึกเกี่ยวกับปัญหาที่เกิดขึ้น และค้นหาวิธีการแก้ไขปัญหาที่ดีที่สุด 

หรือจะพูดง่าย ๆ Data Analytics ก็คือ การค้นหาคำตอบของคำถามที่เราไม่สามารถรู้คำตอบได้ด้วยตาเปล่า แต่รู้ได้ด้วยการวิเคราะห์ข้อมูลนั่นเอง

Data Analytics ยังรวมเอาศาสตร์อีกหลายแขนงทั้งทางด้านสถิติและการวิเคราะห์เข้าไว้ด้วยกัน เพื่อช่วยในการวิเคราะห์ข้อมูลจากหลายแหล่งที่มาและหาความเชื่อมโยงระหว่างข้อมูลเหล่านั้น จนได้ผลลัพธ์ที่ดีที่สุดอีกด้วย 

Data Science คือ อะไร ?

‘Data Science’ เป็นศาสตร์ที่รวบรวมหลายแขนงวิชาเข้าด้วยกัน ซึ่งมุ่งเน้นไปยังการค้นหาข้อมูลเชิงลึกภาพใหญ่ ทั้งจากชุดข้อมูลดิบและข้อมูลที่ผ่านการจัดระบบแล้ว 

โดยนักวิเคราะห์ข้อมูลจะค้นหาคำตอบที่เราไม่สามารถตอบได้จากการผสมผสานหลากหลายแขนงวิชา เช่น วิทยาการคอมพิวเตอร์ การวิเคราะห์เพื่อคาดคะแน สถิติ และ Machine Learning ผ่านชุดข้อมูลขนาดใหญ่ เพื่อที่จะให้ได้มาซึ่งทางแก้ของปัญหา ที่บางครั้งเราอาจจะไม่ทันคิดด้วยซ้ำ 

Data Science มีจุดประสงค์หลัก คือ การตอบคำถามที่เกิดขึ้น โดยไม่ได้คำนึงถึงคำตอบที่เฉพาะเจาะจง แต่มองโดยภาพรวมมากกว่า และยังพยายามมองหาจุดบกพร่องหรือปัญหาที่ควรได้รับการคำนึงถึง ซึ่งสามารถทำได้ด้วยการคาดคะเนทิศทางของเทรนด์ สำรวจแหล่งข้อมูลที่แตกต่างหลากหลาย และพยายามค้นหาวิธีที่ดีที่สุดในการวิเคราะห์ข้อมูล

Data Analytics VS Data Science แตกต่างกันอย่างไร?

ขณะที่คนส่วนใหญ่ใช้สองคำนี้สลับกันไปมาโดยคิดว่าทั้งสองเป็นสิ่งเดียวกัน จริง ๆ แล้ว Data Analytics และ Data Science เป็นแขนงวิชาที่แยกออกจากกันและยังมุ่งเน้นไปยังคนละจุดหมายปลายทางด้วย

Data Science เหมือนเป็นคำที่มีความหมายกว้างขวาง กล่างถึงกลุ่มศาสตร์และแขนงวิชาที่เกี่ยวข้องกับการนำชุดข้อมูลมาใช้ในการวิเคราะห์ข้อมูลโดยภาพรวม ขณะที่ Data Analytics เป็นศาสตร์ที่มุ่งเน้นไปยังการวิเคราะห์ข้อมูลที่เฉพาะเจาะจงมากกว่า และเป็นส่วนเล็กของกระบวนการโดยรวม อีกทั้งยังเป็นการวิเคราะห์ข้อมูลเชิงลึกที่สามารถนำมาปรับใช้ได้โดยทันที ตรงข้ามกับ Data Science ที่มักจะใช้กับการติดตามเทรนด์และคาดคะเนอนาคตโดยสิ้นเชิง 

สำหรับความแตกต่างในแง่ของการค้นหาคำตอบจากการวิเคราะห์ข้อมูล Data Science ไม่ได้มุ่งเน้นไปที่การวิเคราะห์ข้อมูลเชิงลึกเพื่อตอบคำถามใดคำถามหนึ่งเป็นการเฉพาะ แต่มักจะวิเคราะห์ผ่านชุดข้อมูลขนาดใหญ่เพื่อให้ได้มาซึ่งคำตอบที่ต้องการ 

ดังนั้น เมื่อจำเป็นต้องวิเคราะห์ข้อมูลที่มีอยู่แล้ว เพื่อแก้ไขปัญหาที่เฉพาะเจาะจงในทันที Data Analytics จะเหมาะสมมากกว่า ขณะที่ Data Science จะค่อนข้างโดดเด่นในเรื่องข้อมูลเชิงลึกโดยภาพรวมมากกว่า

Hard skills ที่จำเป็นต้องใช้สำหรับ Data Analytics

• ความคล่องแคล่วในการใช้ Excel และ SQL Database เพื่อใช้ในการตัดทอนข้อมูล
• มีประสบการณ์ในการทำงานโดยใช้ BI Tools เช่น Power BI 
• มีความรู้เกี่ยวกับภาษาคอมพิวเตอร์อย่าง Python R และ SAS

(ไม่จำเป็นต้องมีความรู้ทางวิศวกรรมศาสตร์มากนัก แต่ต้องมีทักษะทางสถิติและฐานข้อมูลที่ดีเยี่ยม)

Hard Skills ที่จำเป็นต้องใช้สำหรับ Data Science

• ชำนาญในการใช้ Big Data Tools อย่าง Hadoop และ Spark
• มีความรู้ในการใช้ SQL และ NoSQL Database เช่น Cassandra และ MongoDB
• มีประสบการณ์ในการใช้เครื่องมือเกี่ยวกับ Data Visualization เช่น QlikView D3.js และ Tableau
• มีความรู้เกี่ยวกับภาษาคอมพิวเตอร์อย่าง Python R และ Scala

จะเห็นได้ว่า Data Analytics และ Data Science ที่หลายคนมักจะเข้าใจว่าเป็นสิ่งเดียวกันนั้น จริง ๆ แล้ว แตกต่างกันโดยสิ้นเชิงทั้งในมิติของลักษณะงาน กระบวนการวิเคราะห์ข้อมูล หรือแม้กระทั่งทักษะ Hard skills ที่จำเป็นต้องใช้ในการทำงาน 

เพราะฉะนั้น ลองพิจารณาดูว่า เราเห็นภาพตัวเองอย่างไรในการทำงานในอนาคต อยากจะเติบโตขึ้นไปเป็นอะไร และทักษะแบบไหนที่เหมาะกับตัวเรา เพียงเท่านี้คุณก็จะได้คำตอบแล้วล่ะว่า Data Analytics และ Data Science เส้นทางไหนที่เหมาะกับอาชีพแหน่งอนาคตของคุณมากที่สุด 

อ้างอิง: Sisense ,  Medium