3 สายงาน Data มาแรง! Data Analyst, Data Scientist, Data Engineer ต่างกันอย่างไร

โดยภาพรวมแล้ว ทั้ง Data Analyst, Data Scientist และ Data Engineer คือผู้ที่ทำงานกับข้อมูลทั้งสิ้น แต่จะแตกต่างกันที่ลักษณะของการจัดการข้อมูล เช่น บางตำแหน่งเน้นการหยิบข้อมูลมาใช้ บางตำแหน่งเน้นการเก็บรวบรวม เป็นต้น

อย่างไรก็ตาม ทุกสายงาน Data ไม่ว่าจะเป็น Data Analyst, Data Scientist และ Data Engineer ก็ล้วนมีความสำคัญต่อองค์กรทั้งสิ้น โดยเฉพาะในยุคที่ข้อมูลสำคัญยิ่งกว่าเงินทอง

ในบทความนี้ จะพาทุกคนไปทำความรู้จักกับสายงานที่กำลังมาแรงทั้ง 3 สายงาน ความแตกต่าง และทักษะที่จำเป็น เพื่อให้ทุกคนเข้าใจ และตัดสินใจเลือกงานได้เหมาะสมกับตัวเองมากยิ่งขึ้น

---

สายงาน Data Analyst

Data Analyst หรือ นักวิเคราะห์ข้อมูล คือ ผู้ที่นำข้อมูลมาสร้างประโยชน์ให้กับธุรกิจ หรือองค์กร ไม่ว่าจะเป็นข้อมูลภายใน หรือภายนอก เช่น ยอดขาย, ค่าใช้จ่าย, ข้อมูลคู่แข่ง หรือพฤติกรรมผู้บริโภค โดยนักวิเคราะห์ข้อมูลจะนำข้อมูลเหล่านี้ไปวิเคราะห์ ผ่านกระบวนการและเครื่องมือต่าง ๆ จากนั้นจึงจัดทำข้อมูลเพื่อนำเสนอ ออกมาเป็นข้อมูลที่มีประโยชน์ต่อธุรกิจ ให้ทีมสามารถนำไปใช้ในด้านต่าง ๆ เช่น วางแผนกลยุทธ์, ช่วยตัดสินใจ, ปรับปรุงการทำงาน เป็นต้น

---

สายงาน Data Scientist

Data Scientist หรือ นักวิทยาศาสตร์ข้อมูล คือ ผู้ที่สร้างมูลค่าจากข้อมูล เพื่อให้องค์กรสามารถนำข้อมูลไปใช้ในมุมที่หลากหลาย และมีประสิทธิภาพมากขึ้น โดยนำข้อมูลมาวิเคราะห์ในมุมต่าง ๆ, นำข้อมูลมาสร้างเป็นโมเดล (Model) เพื่อใช้ประโยชน์ในมุมต่าง ๆ แต่ทั้งนี้ก็ขึ้นอยู่กับแต่ละองค์กร

เพื่อให้เห็นภาพมากยิ่งขึ้น หลาย ๆ คนน่าจะเคยได้ยินระบบ Credit Scoring ที่มักจะถูกใช้สำหรับการประเมินการให้สินเชื่อของธนาคาร ระบบนี้จะทำการเก็บข้อมูลลูกค้าที่ต้องการขอสินเชื่อ นำมาผ่านกระบวนการประเมิน และสรุปออกมาเป็นผลว่าลูกค้าคนหนึ่ง ๆ ควรจะได้รับสินเชื่อหรือไม่ หรือว่าควรได้รับการอนุมัติในยอดวงเงินเท่าไหร่ ซึ่งการสร้าง “โมเดลการประเมิน” คือหน้าที่ของ Data Scientist นั่นเอง

---

สายงาน Data Engineer

Data Engineer หรือ วิศวกรข้อมูล คือ ผู้ที่ทำการจัดการกับข้อมูล ตั้งแต่นำเข้าจากแหล่งข้อมูล นำมาจัดการแยกประเภท และจัดระเบียบข้อมูล เพื่อให้ทีมอื่น ๆ เช่น Data Analyst หรือ Data Scientist หยิบข้อมูลที่พร้อมใช้งานไปใช้ทำงานที่ตัวเองรับผิดชอบต่อได้สะดวก และรวดเร็วมากขึ้น

---

ความแตกต่างระหว่าง Data Analyst, Data Scientist และ Data Engineer

Data Analyst, Data Scientist และ Data Engineer จะมีความแตกต่างกัน ในด้านหน้าที่ และความรับผิดชอบเป็นหลัก ดังนั้นทักษะที่ควรมีก็จะแตกต่างกันไปด้วย

ด้านหน้าที่ และความรับผิดชอบ

Data Analyst มีเป้าหมายเพื่อหาความหมายเชิงลึกจากข้อมูล (Insight) ที่มีประโยชน์ให้กับทีมอื่น ๆ เพื่อให้สามารถนำไปใช้งานต่อได้ง่าย ดังนั้นสิ่งที่ Data Analyst ต้องทำ คือ วิเคราะห์ และจัดทำการนำเสนอนั่นเอง

ส่วน Data Scientist โดยทั่วไป จะมีเป้าหมายคือการสร้างโมเดล (Model) เพื่อสร้างผลประโยชน์ทางธุรกิจ ดังนั้นจึงต้องนำข้อมูลมาวิเคราะห์เพื่อหาข้อมูลเชิงลึก (Insight) เช่นเดียวกับ Data Analyst แต่หลังจากวิเคราะห์แล้ว ต้องนำข้อมูลนั้นมาสร้างโมเดลต่อ ไม่จบเพียงแค่ส่งข้อมูลต่อให้ฝ่ายอื่น

จะเห็นว่างานของ Data Scientist จะมีส่วนงานที่ทับซ้อนกับ Data Analyst อยู่บ้าง ซึ่งในองค์กรที่มีคนทำงานในทั้งสองตำแหน่ง ก็จะทำงานร่วมกันอยู่เป็นประจำอยู่แล้ว โดย Data Analyst จะเน้นงานในฝั่งการวิเคราะห์มากกว่า และ Data Scientist จะเน้นในงานฝั่งที่ต่อเนื่องจากการนำผลการวิเคราะห์ข้อมูลไปใช้ช่วยสร้างโมเดล เลยทำให้ทั้งสองตำแหน่งจะมีทักษะที่ควรเน้นแตกต่างกันไป ตามหน้าที่ความรับผิดชอบที่จะต้องทำ

สุดท้าย Data Engineer จะเน้นกระบวนการเก็บข้อมูล และนำมาจัดระเบียบก่อนที่จะส่งให้ทีมอื่น ๆ เช่น Data Analyst หรือ Data Scientist หยิบข้อมูลไปใช้ประโยชน์ต่อได้ง่าย

อย่างไรก็ตาม หน้าที่ และความรับผิดชอบที่เล่ามานี้ เป็นเพียงหน้าที่ทั่วไปเท่านั้น อาจมีความแตกต่างกันออกไปตามแต่ละองค์กร และสถานการณ์นะครับ

ด้านทักษะ

อย่างที่เล่าไปว่าหน้าที่ของ Data Scientist จะเหลื่อมกับส่วนของ Data Analyst ดังนั้นทั้งสองตำแหน่งควรมีทักษะการวิเคราะห์ การตีความ และการใช้โปรแกรมหรือภาษาในการวิเคราะห์ที่ดี แต่นอกจากทักษะนี้แล้ว แต่ละตำแหน่งก็มีทักษะอื่น ๆ ที่สำคัญ ดังนี้

สำหรับ Data Scientist จะต้องเน้นทักษะ Computer Science และ Mathematics & Statistics เพิ่มด้วย เพราะเป็นทักษะที่ต้องใช้ในการสร้างโมเดล

Data Analyst จะต้องรู้ด้าน Business, ทักษะ ความรู้ในเนื้องานที่ทำ และทักษะการนำเสนอที่ดี เพราะต้องสามารถหาข้อมูลเชิงลึก (Insight) ออกมาได้เร็ว ถูกต้อง และนำส่งผลลัพธ์ให้ฝ่ายอื่น ๆ ใช้งานได้ง่าย

ส่วน Data Engineer ที่เน้นการจัดเก็บข้อมูล จะเน้นทักษะการเขียน Code เพื่อนำเข้าข้อมูล แปลงรูปแบบ และจัดระเบียบข้อมูลให้อยู่ในสภาพที่พร้อมใช้งาน

อย่างไรก็ตาม ทักษะที่เล่ามานี้ เป็นเพียงทักษะในภาพกว้าง ๆ เท่านั้น อาจมีความแตกต่างกันออกไปตามแต่ละองค์กร และสถานการณ์นะครับ

---

ตัวอย่างงานของ Data Analyst, Data Scientist และ Data Engineer

เพื่อให้เห็นภาพมากขึ้น ผมขออนุญาตยกตัวอย่างดังนี้ครับ หากบริษัทเป็นบริษัทขายรถมือสอง และมีการนำ Data มาใช้ แต่ละตำแหน่งจะมีหน้าที่ และความรับผิดชอบดังนี้

เริ่มที่ Data Engineer จะทำการดึงข้อมูลที่เกี่ยวกับการซื้อขายรถมือสองมาจากแหล่งข้อมูลต่าง ๆ ด้วยการเขียน Code, นำมาแปลงรูปแบบ, จัดระเบียบข้อมูล และจัดเก็บให้อยู่ในรูปแบบที่พร้อมใช้งาน ในแหล่งข้อมูลของบริษัทเพื่อให้ฝ่ายอื่น ๆ มาใช้งานได้

จากนั้นผู้บริหารอาจอยากเห็นข้อมูลเกี่ยวกับการซื้อขายรถมือสอง ก็จะเป็นหน้าที่ของ Data Analyst ที่จะจะทำการดึงข้อมูลจากแหล่งข้อมูลที่ Data Engineer จัดเก็บไว้ มาวิเคราะห์ และนำผลลัพธ์ที่ได้จากการวิเคราะห์ไปนำเสนอให้กับผู้บริหาร เพื่อผลประโยชน์ในด้านต่าง ๆ

จากนั้นบริษัทมีขนาดใหญ่ขึ้นเรื่อย ๆ จนผู้บริหารเห็นว่าการใช้คนประเมินราคา เริ่มจะไม่ตอบโจทย์ธุรกิจแล้ว จึงทำการจ้าง Data Scientist มาเพื่อสร้างโมเดล (Model) ในการพยากรณ์ราคารถยนต์มือสอง ซึ่ง Data Scientist ก็จะต้องทำการดึงข้อมูลจากแหล่งจัดเก็บข้อมูลมาวิเคราะห์ (หรืออาจใช้ผลจากที่ Data Analyst ทำไว้เลยก็ได้) เพื่อให้เห็นข้อมูลเชิงลึก (Insight) และเข้าใจข้อมูลมากขึ้น ก่อนที่จะนำมาสร้างโมเดล (Model) สำหรับพยากรณ์ราคารถยนต์มือสองต่อไป

ทุกคนน่าจะพอเห็นหน้าที่การทำงานของทั้ง 3 ตำแหน่งนี้กันพอสมควรแล้ว แต่อย่างไรก็ตาม ผมขออนุญาตย้ำอีกรอบว่า! หน้าที่ ความรับผิดชอบ และทักษะที่ต้องมี อาจแตกต่างกันไปตามแต่ละองค์กรนะครับ ดังนั้นควรศึกษาให้ดีก่อนจะสมัครงานกันนะ

---

และหากไม่อยากพลาด Content ดี ๆ แบบนี้ อย่าลืมติดตามช่องทาง Social Media ของ Skooldio ทั้ง Facebook, Instagram, TikTok และ Skooldio Blog กันไว้ด้วยนะครับ 🤗