ถ้าอยู่เมืองหลวง

ธนาคารหลายๆที่เปิดรับอยู่ครับ ไม่ตกงานแน่ๆ

เงินเดือนก้อแล้วแต่คนเลย

จริงครับ ขนาดheadทีมหลายๆบริษัทยังไม่เก่ง ดูทรงรู้เลยว่าไม่รอดแน่
เคยไปสัมที่นึง ผมถามไปว่าทีมสร้างมาปีกว่า มีผลงานอะไรเจ๋งสุดบ้าง
เค้าตอบมาว่า(โปรไฟล์จบดร.เมกา เคยทำงานบ.ดังระดับโลก)
"เอาดาต้ามากาง แล้วเจอว่าลูกค้ายกเลิกการซื้อสินค้าเมื่อเห็นราคาค่าส่ง
เลยทำแคมเปญส่งฟรีช่วงนึง ทำให้ยอดขายของร้านค้าเพิ่มขึ้น"

อันนี้จะให้เล่ามุมผมก็คือ ต่อให้ไม่ต้องจบสายดาต้าก็รู้อยู่แล้วปะว่าค่าส่งมีผล
ใครละจะไม่อยากได้ค่าส่งฟรี/ถูกๆ เทสยังไงก็ได้ผลสิฟะ
คนทำDataScienceควรจะต้องมองให้ลึกไปอีกถึงพฤติกรรมมนุษย์
(ส่วนตัวผมชอบเอาจิตวิทยามนุษย์มาประยุกต์รวมกับData)
ในเคสนี้ก็คือ ควรจะบอกได้ว่าสินค้าประเภทไหนไม่ควรรวมค่าส่ง สินค้าไหนควรแยกค่าส่ง
เช่น ซื้อตู้เย็น 10,500 รวมส่งฟรี กับ ตู้เย็น 10,000 ค่าส่ง 500
หรือ ซื้อปากกา 99 รวมส่งฟรี กับ ปากกา 49 ค่าส่ง 50 ฟีลลิ่งคนเห็นราคาผมว่าต่างกัน
ถ้าทำได้ขนาดนี้ผมมองว่านี่แหละคือผลงานที่จับต้องได้
ไม่ใช่เจอแต่แบบทำsegmentลูกค้า บลาๆๆ


ผมจะมีข้อสอบใช้สำหรับเทสผู้สมัครง่ายๆ ดาต้าของnetflix original
โจทย์คือหาinsightที่มีประโยชน์ต่อบริษัท
https://www.kaggle.com/luiscorter/netflix-original-films-imdb-scores?select=NetflixOriginals.csv
มีแค่ 6column เอง อยู่ที่กึ๋นละว่าจะคั้นข้อมูลหาinsightได้อย่างไร
บางทีเจอแบบทำออกมายังไม่รู้เลยว่าข้างในมีปัญหาดาต้าตรงไหน
บางทีเจอแบบทำออกมาได้แค่ว่า หนังเรื่องนี้คะแนนเยอะสุด(คือกดsortก็รู้เองแล้วปะ)
ซึ่งข้างในดาต้า ถ้ามองผิวเผินมักจะคิดว่าปกติ แต่ความจริงมีhidden agendaซ่อนอยู่เยอะมากๆ
ลองฝึกดูได้ครับ ใช้excelก็เพียงพอแล้ว

ถ้าทำที่เดิมผมว่าโอเคแล้วครับ ถ้าอยากกระโดดต้องลองย้ายบริษัท

ค่อนข้างเห็นต่างครับ เรื่องเทคนิคอล มุมมองพี่ไก่มีน้ำหนักน้อยกว่า มุมทองทางธุระกิจ ในธุระกิจจริง ๆ เรามองหา Outcome มากกว่า Out put การทำ Model หรือ วิเคราะห์ ข้อมูล ออกมาแล้วไม่ได้ สนับสนุน ก่อเกิดประโยชน์ หรือนำไป ใช้งานได้ มันก็เป็นเพียงการใช้ ต้นทุนให้หมดไปเท่านั้นเอง ช่องทางในการเรียนรู้เรื่อว เทคนิคอลมีเยอะมาก หาได้ทั่วไป สิ่งที่ต้องทำคือฝึกให้ชำนาญ ประยุกต์ใช้ให้เป็น แต่มุมของ ความรู้ด้านธุระกิจจะต่าง ออกไป ในบางธุรกิจจะต้องเข้าใจธุระกิจ เฉพาะทาง การประยุกต์ใช้ ค้องอาศัยความเข้าใจอย่างมาก เงถามว่าเทคนิคิลสำคัญไหม คำตอบคือสำคัญ แต่พี่ได่รับคน จะให้น้ำหนักน้อยกว่า

จริงแล้วด้วยตัวเนื้องานจริงๆสำหรับ Data Analyst มันจะไปทาง Technical ครับถ้าจะเรียกเงินเดือนสูงสุด เพราะหลักๆแล้วที่ลองมาทำงานเกี่ยวกับ Data คนทั่วไปมักจะคิดว่าอยู่ที่เราใช้ use case ไม่ดีพอที่จะทำให้ธุรกิจดำเนินต่อได้ แต่สิ่งที่ผมเจอมาตลอด 5 ปีที่ทำงานคือ Technical นี่แหละปัญหาหลักที่ทำให้เราทำงานไม่ได้จริงๆ และไม่ได้โดดเด่นกว่าคนทั่วไปในสายงานนี้ครับ

*ส่วนใหญ่งานที่เราจะทำจะต้องทำงานร่วมกับฝ่าย Technical skill ทั้งหมด อย่าง Data Engineer, Data Science หรือแม้กระทั่งปัจจุบันที่มีการทำ Data Online นี่อาจจะลามไปถึง web developer ด้วย ลองนึกภาพว่างาน Data Analyst จะเดินไปยังไงถ้าไม่มี Technical Skill เหล่านี้ คำตอบคือมันก็อาจจะได้แต่ก็อาจจะช้าครับ

ส่วนเรื่องการวิเคราะห์เชิงธุรกิจอันนี้ผมว่าสิ่งสำคัญส่วนนึงมาจากประสบการณ์ครับ ไม่ได้มาจากการเรียนรู้อย่างเดียวครับ และมันเป็นสิ่งที่เราพัฒนาต่อยอดได้จากการทำงานอย่างต่อเนื่องครับ

อย่างบริษัทใหญ่ๆ จะมีการแยกแผนกระหว่าง Data Analyst กับ Business Analyst ออกจากกันอย่างชัดเจนมากๆครับ เว้นแต่เราไปสมัครในบริษัททั่วไปที่คาดหวังให้คนเก่งทั้ง 2 อย่างพร้อมกันครับ โดยส่วนตัวแล้วมันก็มีคนที่เก่งทั้งสองอย่างแบบนี้แหละครับ แต่ค่าตัวแพงเกินกว่าที่บริษัทยุคนี้จะให้ได้ครับ

**ที่ผมอธิบายอันนี้ก็มาจากประสบการณ์ที่ทำงานมาแล้ว 3 ที่ครับ ซึ่งแต่ละที่ไม่เหมือนกันครับ และ Technical ที่ผมกล่าวถึงจะเป็นสกิลเกี่ยวการจัดการ Data การรู้จัก Data Structure รูปแบบต่างๆ ข้อดีข้อด้อยมันเป็นยังไง ถ้าจะใช้ metric นี้มันเวิร์คมั้ย metric ตัวนี้เกิดขึ้นได้ยังไง มี case error กี่% เพราะอันนี้มันเกี่ยวข้องกับสายงานนี้อยากหลีกเลี่ยงไม่ได้ครับ

ครับ