DataTechnology

ทีมวิเคราะห์ข้อมูลฉบับ MIT เป็นแบบไหนกัน?

MIT แนะนำวิธีสร้างทีม Data สุดเจ๋งในบริษัท | Skooldio Blog - ทีมวิเคราะห์ข้อมูลฉบับ MIT เป็นแบบไหนกัน?

เพราะธุรกิจทุกวันนี้ตัดสินที่ใครจะนำ Data มาวิเคราะห์ได้มีประสิทธิภาพกว่ากัน แต่ปัญหาคือหลาย ๆ องค์กรยังไม่รู้เลยว่าถ้าจะตั้งทีม Data ในบริษัทต้องทำอย่างไร? และควรมีใครบ้าง?

ทาง Skooldio จึงขอหยิบเอาคำแนะนำจาก MIT Sloan School of Management สถาบันด้านนวัตกรรมระดับต้น ๆ ของโลกมาฝากกัน ว่าทีม Data สุดปัง ต้องประกอบไปด้วยอะไรบ้าง?

ทีม Data ตามแบบฉบับ MIT ประกอบไปด้วย 5 ส่วนหลัก ๆ ดังนี้

1. วิศวกรข้อมูล (Data Engineer)

วิศวกรข้อมูล (Data Engineer) | Skooldio Blog - ทีมวิเคราะห์ข้อมูลฉบับ MIT เป็นแบบไหนกัน?
Designed by Chevanon / Freepik

ผู้สรรสร้าง ดูแล และพัฒนาระบบการรวบรวม คัดกรอง รวมถึงจัดการข้อมูลให้มีประสิทธิภาพ จากนั้นจึงนำข้อมูลที่ผ่านการคัดกรองแล้ว ส่งให้ Data Scientist ไปวิเคราะห์ข้อมูลเพื่อต่อยอดโอกาสทางธุรกิจต่อไป

2. นักวิทยาศาสตร์ข้อมูล (Data Scientist)

ถ้า Data Engineer เป็นผู้ดูแลระบบข้อมูล Data Scientist ก็คือคนที่เล่นกับข้อมูล ซึ่ง Data Scientist จะนำข้อมูลที่ผ่านการกรองมาวิเคราะห์หา Insight เพื่อประกอบการตัดสินใจต่าง ๆ ในองค์กร

3. นักแปลข้อมูล (Data Translator)

นักแปลข้อมูล (Data Translator) | Skooldio Blog - ทีมวิเคราะห์ข้อมูลฉบับ MIT เป็นแบบไหนกัน?
Designed by rawpixel.com / Freepik

เปรียบเหมือนสะพานเชื่อมระหว่างทีม Data กับ ทีม Business จะเป็นคนที่เข้าใจการทำงานของระบบข้อมูลตั้งแต่ต้นจนถึงได้ Insight ออกมา แล้วนำสิ่งเหล่านั้นมานำเสนอในภาษาที่นักธุรกิจเข้าใจ (เทคนิคนำเสนอข้อมูล)

4. ตำแหน่งใหม่ ๆ (New Roles)

ในปัจจุบันตำแหน่งใหม่ ๆ เริ่มถูกออกแบบมาเพื่อเสริมประสิทธิภาพการทำงานในทีมมากขึ้น ไม่ว่าจะเป็น Knowledge Engineer ผู้สร้างระบบ AI ที่สามารถตัดสินใจได้คล้ายกับมนุษย์ หรือ Onthologist ผู้มองภาพรวมให้กับบริษัท โดยการนำข้อมูลจากการวิเคราะห์กับข้อมูลอื่น ๆ มาประกอบการตัดสินใจให้องค์กร ก็ถูกสร้างขึ้นมาใหม่เช่นกัน

5. ผู้นำ (Leader)

ผู้นำ (Leader) | Skooldio Blog - ทีมวิเคราะห์ข้อมูลฉบับ MIT เป็นแบบไหนกัน?
Designed by Racool_studio / Freepik

ทีมที่ดี จำเป็นต้องมีผู้นำทีมเสมอ จากการสำรวจบริษัทในกลุ่ม Fortune 1000 โดย NewVantage Partners พบว่า 57% ของบริษัทที่สำรวจมีการตั้งตำแหน่งใหม่ เช่น Chief Data Officer (CDO) หรือ Chief Analytics Officer (CAO) ดูแล แต่ในทางกลับกัน ก็มีอีกหลายองค์กรนำทีม Data ไปอยู่ในการดูแลของหัวหน้าฝ่ายต่างๆ ที่มีอยู่แล้ว เช่น Chief Information Officer (CIO) Chief Operating Officer (COO) หรือ IT Executive ทั้งนี้ขึ้นอยู่กับการมอบหมายความรับผิดชอบของแต่ละองค์กรด้วย

ท้ายที่สุด การทำงานอย่างมีประสิทธิภาพของทีม Data สุดปังจะต้องมีการลำเลียงข้อมูลต่อกันมาเป็นทอด ๆ กว่าข้อมูลจะเดินทางจากต้นจนจบนั้น ส่วนประกอบหลักที่สำคัญอย่างหนึ่งเลยก็คือ Data Pipeline ซึ่งเป็นตัวลำเลียงข้อมูลดิบมาผ่านการกรอง และเก็บรักษา เพื่อที่แต่ละฝ่ายจะได้นำไปใช้ต่อยอดมูลค่าให้กับองค์กรต่อไปได้


ถ้าอยากรู้เคล็ดลับการจัดการข้อมูลให้มีประสิทธิภาพ ให้เหมาะสมกับทีมวิเคราะห์ข้อมูลสุดปัง มาเจอกันได้ที่คอร์ส Automating Your Data Pipelines with Apache Airflow คอร์สแรกในเมืองไทย สอนโดยผู้เชี่ยวชาญตัวจริงในวงการ Data ไทย – ดร.กานต์ อุ่ยวิรัช

Automating Your Data Pipelines with Apache Airflow: คอร์สแรกในเมืองไทย สอนโดยผู้เชี่ยวชาญตัวจริงในวงการ Data ไทย - ดร.กานต์ อุ่ยวิรัช | Skooldio Blog - ทีมวิเคราะห์ข้อมูลฉบับ MIT เป็นแบบไหนกัน?

You may also like

ภาษา Scala คืออะไร
Technology

ภาษา Scala มีจุดเด่นอะไร? ทำไมกำลังมาแรงในสาย Developer และ Data Engineer

Scala คือ ภาษา Programming ที่กำลังมาแรงและเริ่มมีความนิยมใช้กันขึ้นเรื่อย ๆ จุดเริ่มต้นภาษา Scala เรียกได้ว่าเป็นลูกอีกคนหนึ่งของภาษา Java เช่นเดียวกับภาษา Kotlin ที่พัฒนาต่อยอดมาเพื่อแก้ไขข้อบกพร่องบางอย่างของภาษา Java ในจุดประสงค์ที่แตกต่างกัน ...
Software Architecture
Technology

3 Software Architecture Design ที่นิยมใช้พัฒนาระบบซอฟต์แวร์ขนาดใหญ่

ในการออกแบบซอฟต์แวร์ขนาดใหญ่ในองค์กร มักจะมีการทำงานร่วมกันโดยคนจำนวนมาก หากเราต่างคนต่างเขียนซอฟต์แวร์ไปในทางที่ตัวเองเห็นว่าดี ซอฟต์แวร์ที่แต่ละคนทำก็อาจจะทำงานร่วมกันไม่ได้หรือมีปัญหาตอนที่ Integrate เป็น Solution ใหญ่ ดังนั้น การทำซอฟต์แวร์ในระดับนั้นจึงจำเป็นต้องมีการแบ่งสันปันส่วน และมีการออกแบบ Software Architecture เพื่อให้ทำงานร่วมกันได้ดีและมองเห็นภาพรวมไปในทางเดียวกัน ทั้งระหว่างนักพัฒนาในทีมพัฒนากันเอง ...

More in:Data

data-driven-with-moneyball-theory Data

MoneyBall Theory ถอดบทเรียนชัยชนะแห่งศตวรรษด้วย Data

สำหรับใครหลายๆ คนมักจะคิดว่าการใช้ Data นั้นจะถูกจำกัดไว้อยู่เพียงแค่กับการทำธุรกิจ หรือการทำวิจัยเท่านั้น แต่ความเป็นจริงแล้วข้อมูลสามารถใช้ในการวิเคราะห์ได้หลากหลายสิ่งมากๆ และอยู่ได้ในแทบทุกวงการ แม้กระทั่งกับวงการกีฬาเองที่การวิเคราะห์ข้อมูล และใช้ Data ก็สามารถทำให้ทีมได้ชัยชนะได้ไม่ยาก ย้อนกลับไปในช่วงก่อนปี 2002 วงการเบสบอลในสหรัฐอเมริกาจะมีแมวมองไปดูตามโรงเรียนมัธยมต่าง ๆ ...
Data

สร้าง Profile สาย Data ยังไงดี เมื่อบริษัทไม่ได้มองหาแค่คนมีสกิล?

อยากเป็น Data Analyst แต่ไม่มีประสบการณ์ จะเก็บโปรไฟล์ยังไงดี? หลายคนที่กำลังเรียน หรือกำลังสนใจจะเรียน Data Analytics อาจมีความกังวล เพราะแม้เราจะมีสกิลครบตามตำแหน่งงาน (SQL, Spreadsheets, Business Intelligence ...
อัปสกิล Data เปลี่ยน HR ธรรมดาสู่ “People Analyst” | Skooldio Blog Data

อัปสกิล Data เปลี่ยน HR ธรรมดาสู่ “People Analyst”

ในแต่ละบริษัท ฝ่าย Human Resource ถือเป็นอีกทีมหนึ่งที่เป็นกุญแจสำคัญสู่ความสำเร็จขององค์กร เพราะถือเป็นฝ่ายที่ดูแลทรัพยากรที่สำคัญที่สุดขององค์กร นั่นก็คือ “ทรัพยากรมนุษย์” เพราะฉะนั้นหากการตัดสินใจของทีม HR เป็นการตัดสินใจด้วยความรู้สึก หรือใช้ Gut Feeling อยู่ละก็ ...

Comments are closed.