By 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
Table of Contents
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 🤗
