บทความนี้แปลและเรียบเรียงจากบทความของ Adam Carrigan ผู้ก่อตั้งบริษัท MindsDB 

เวลานึกถึงอาชีพ Data Scientist สิ่งแรกที่เข้ามาในหัวคืออะไร? คงไม่ใช่ภาพคนใส่สูททำงานหน้าตาเคร่งเครียดใช่ไหม?

Harvard Business Review ได้เขียนถึงอาชีพ ‘Data Scientist’ ว่าเป็น 'งานที่เซ็กซี่ที่สุดในศตวรรษที่ 21’ โดยรายงานว่า ’ถ้าเซ็กซี่ในที่นี้หมายถึงการมีคุณสมบัติที่หายาก และกำลังเป็นที่ต้องการของใครหลายๆ คน อาชีพ Data Scientist ก็เป็นหนึ่งในนั้น พวกเขามีทั้งสกิลที่เป็นที่ต้องการของตลาด อีกทั้งค่าตัวก็สูงลิบ นอกจากนี้ เนื่องจากมีการแข่งขันสูง มันก็เป็นเรื่องยากสำหรับบริษัทที่จะรักษาคนเหล่านี้ ให้ทำงานกับพวกเขาได้อย่างยาวนาน

ภาพแสดงค่าจ้างของ Data Scientist ในสหรัฐ

Data Scientist หรือนักวิทยาศาสตร์ข้อมูล เป็นผู้เชี่ยวชาญที่ผ่านการฝึกฝน อีกทั้งมีความกระตือรือร้น และรักในการแสวงหาอะไรใหม่ๆ ในโลกของคลังข้อมูล แม้คำว่า ‘Data Scientist’ จะเป็นคำยอดนิยมของ LinkedIn ในการค้นหาใครก็ได้ที่ทำงานเกี่ยวกับข้อมูล แต่จริงๆ แล้วคำนี้ไม่ได้เป็นอะไรใหม่เลย

ในช่วงเวลาเดียวกันกับที่ HBR ได้ลงบทความ นัก Data Scientist กว่าพันคนก็ได้ทำงานในสายงาน Startup และในบริษัทอยู่ก่อนแล้ว เอาเข้าจริงความต้องการในการทำให้คอมพิวเตอร์มีความฉลาดเทียบเท่ากับมนุษย์ก็ได้มีมานานแล้ว

ทำไมในช่วงที่ผ่านมา Data Scientist ถึงได้รับความนิยมมากเป็นพิเศษ?

เหตุผลแรกคือ หลายบริษัทได้ทำการเก็บข้อมูลที่มีเพิ่มขึ้นเรื่อยๆ มาสักพักแล้ว การที่หลายบริษัทใหญ่ประสบความสำเร็จในการใช้คลังข้อมูลที่มีให้เกิดประโยชน์ก็ได้สร้างแรงบันดาลใจให้บริษัทอื่น นอกจากนี้การพัฒนาด้านเทคโนโลยี ที่เปิดโอกาสให้มีการใช้ข้อมูลที่มีอยู่อย่างมีประสิทธิภาพ ก็ได้เป็นการช่วยประหยัดค่าใช้ง่ายมากขึ้น

เรามีคลังข้อมูลมหาศาลอยู่แล้ว แค่ต้องนำมันมาใช้อย่างมีประสิทธิภาพเท่านั้น

ในทุกบริษัทใหญ่ และในทุกอุตสาหกรรมได้มีข้อมูลจำนวนมากไว้ในครอบครองอยู่แล้ว แต่พวกเขากลับไม่ได้ใช้มันให้เกิดประโยชน์ ในตอนนี้หลายบริษัทได้เริ่มตระหนักว่า พวกเขาต้องใช้ข้อมูลที่มีอยู่ในดาต้าเบส โดยในปี 2020 คิดเป็น 44 ล้านล้านกิกะไบต์ ขึ้นมาจากปี 2013 ที่มีเพียง 4.4 ล้านล้านกิกะไบต์

ความหลากหลายของข้อมูลและจำนวนข้อมูลที่เพิ่มขึ้น ได้เปิดโอกาสให้คนที่มีทักษะด้านนี้ได้แสดงความสามารถ อีกทั้งทางบริษัทก็ได้ประโยชน์จากการที่พวกเขามีคลังข้อมูลนี้อยู่ในมือ อย่างไรก็ตาม หลายอุตสาหกรรมกำลังเผชิญหน้ากับการขาดแคลนทรัพยากรคน เพราะบริษัทต้องการจัดการข้อมูลที่พวกเขามีเพิ่มขึ้นเรื่อยๆ ทำให้คนที่จบด้านวิทยาศาสตร์คอมพิวเตอร์ (Computer Science) และด้านเฉพาะทางอื่นๆ กำลังเป็นที่ต้องการของตลาดอย่างมาก

การขาดแคลนบุคลากรที่มีทักษะด้าน Data Science

จากสถิติของ University of California, Riverside, 1 ใน 3 ของ US News & World รายงาน 100 มหาวิทยาลัยชั้นนำระดับโลก ที่เปิดสอนหลักสูตร Data Science ใน 29 มหาวิทยาลัย ซึ่งมีเพียง 6 คณะเท่านั้นที่เปิดสอนในระดับปริญญาตรี นอกนั้นคือหลักสูตรระดับปริญญาโท มีจำนวนนักเรียนโดยเฉลี่ยเพียง 23 คน โดยทางมหาวิทยาลัยแคลิฟอร์เนียคาดการณ์ว่า เนื่องจากในมหาวิทยาลัยมีจำนวนชั้นเรียนที่เปิดสอนหลักสูตร Data Science อย่างจำกัด ซึ่งไม่น่าจะเพียงพอความต้องการของตลาด

ในปี 2017 ทาง IBM คาดการณ์ว่าภายในปี 2020 ความต้องการบุคลากรด้าน Data Scientist, Data Developer และ Data Engineer จะเพิ่มขึ้นเป็น 700,000 คน ดังนั้นจำนวนนักเรียน 23 คน จากมหาวิทยาลัยเดียว และจำนวนนักศึกษาที่จบใหม่ประมาณ 700 คนที่จบด้าน Data Scientist นั้น ไม่เพียงพอต่อความต้องการของตลาดแน่นอน

ในปี 2018 ค่าตอบแทนโดยเฉลี่ยของอาชีพ Data Scientist ระดับจูเนียร์จะอยู่ที่ 115,000 เหรียญ (ประมาณ 3,688,280 บาท) และหากใครที่มีคนเหล่านี้ในทีม 10-15 คน ก็จะสามารถเรียกเงินสูงถึง 350,000 เหรียญ (ประมาณ 11,225,200 บาท) ขณะเดียวกัน ค่าเฉลี่ยประสบการณ์ของอาชีพนี้ได้ลดลงเรื่อยๆ โดยในปี 2014 คือ 9 ปี และ ในปี 2015 ได้ลดลงมาเป็น 6 ปี คาดว่าภายปี 2019 ทั่วโลกจะมีความต้องการ Data Scientist มากกว่า 50 เปอร์เซ็นต์

กว่า 40 เปอร์เซ็นของบริษัทต่างๆ เชื่อว่าพวกเขาไม่สามารถทำการจ้าง Data Scientist ซึ่งนี่จะทำให้พวกเขาไม่สามารถแข่งกับตลาดได้ นอกจากนี้กว่า 60 เปอร์เซ็นต์ของบริษัทก็ได้ทำการเทรนด์พนักงานกันเอง

การแก้ปัญหาการขาดแคลนบุคลากร

มีอยู่สองวิธีที่จะทำการช่วยแก้ปัญหาการขาดแคลนบุคลากร อันดับแรก Andrew NG หนึ่งในผู้ก่อตั้งทีม Google Brain, Coursera แนะนำว่า บริษัทต้องทำการเทรนด์พนักงานโดยการใช้เครื่องมือการเรียนออนไลน์อย่าง MOOCs (Massive Open Online Courses) ในการอัพสกิลให้พนักงาน จริงๆ แล้วมันไม่ได้ช่วยแก้ปัญหาที่ใหญ่กว่า เนื่องจากการทำแบบนี้ต้องทำการเปลี่ยนแปลงพฤติกรรมของพนักงานก่อน เพราะพวกเขายังไม่ได้ให้ความสำคัญกับการเรียนในรูปแบบนี้เท่าไร อีกทั้งหลายบริษัทยังมีความต้องการจ้างคนที่จบจากมหาวิทยาลัยชั้นนำอยู่ และแม้ว่าความคิดแบบนี้จะเริ่มเปลี่ยนไปบ้าง มันก็ยังไม่เร็วพอที่จะแก้ปัญหาในระยะสั้นได้อยู่ดี

อีกวิธีก็คือ การเปิดให้คนที่ไม่มีทักษะด้านนี้ได้มีโอกาสศึกษา และทำความเข้าใจในเรื่องนี้มากขึ้น ปล่อยให้ AI กับแมชชีนเลิร์นนิงแก้ปัญหาของมันไป ในช่วงไม่กี่ปีหลังจากที่ MindsDB พัฒนาเครื่องมือช่วยบริษัทในการจัดการข้อมูล ได้มีใช้เทคนิคนี้ พวกเขาพบว่า มันเป็นไปได้ที่จะทำการเลียนแบบนัก Data Scientist ที่แม้แต่คนที่ไม่มีพื้นฐานเฉพาะทางก็สามารถทำ data analytic ได้ ด้วยการเขียนโค้ดเพียงไม่กี่บรรทัด

สองวิธีข้างต้นนี้ ไม่เฉพาะจะช่วยบริษัทในการใช้ข้อมูลให้เกิดประสิทธิภาพเท่านั้น ยังช่วยประหยัดงบประมาณ และช่วยเพิ่ม revenue growth อีกด้วย ในการที่จะทำให้มันเกิดขึ้นได้ จะต้องมีการเปลี่ยนแปลงวัฒนธรรมภายในองค์กรก่อน ไม่ว่าจะเป็นการปรับนโยบายการจ้างคน อีกทั้งการใช้เครื่องมือที่มีอยู่ในการช่วยแก้ปัญหา แทนที่จะไปจ้าง Data Scientist ที่ค่าตัวสูงลิบใหม่ๆ เพิ่ม

ผู้เขียน Adam Carrigan เป็น Co-Founder ของ MindsDB พัฒนาเครื่องมือช่วยบริษัทในการจัดการข้อมูลง่ายๆ แค่ปลายนิ้ว