เรียนจบไม่ตรงสาย ทำงานด้าน DATA ได้ไหม กับ กษิดิศ สตางค์มงคล จาก DataRockie | Techsauce
talentsauce logo
ฝากประวัติ ค้นหา Tech Talent Talent Insights Job Hack Life Hacks News Video Podcast
เรียนจบไม่ตรงสาย ทำงานด้าน DATA ได้ไหม กับ กษิดิศ สตางค์มงคล จาก DataRockie
By Connext Team สิงหาคม 5, 2022
share facebook icon share facebook icon hover share x icon share x icon hover share line icon share line icon hover share icon share icon hover

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?

ทำงานด้าน DATA

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?

ทำงานด้าน DATA

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

No comment

คัดลอก URL

×

https://techsauce.co/talentsauce/talent-insights/how-to-become-a-data-analyst-data-scientist-or-data-engineer-without-a-degree