อาชีพที่มาแรงแซงทางโค้งบน โทลล์เวย์แบบฟาสท์เลนสุดๆแน่นอนว่าไม่มีใครเกิน Data Engineer, Data Scientist และ คนที่ทำงานเกี่ยวข้องกับการสร้างโมเดลวิเคราะห์ข้อมูล เพราะคนเหล่านี้นอกจากจะมีสกิลเทพนำข้อมูลมากมายมหาศาลมาจับแยกหมวดหมู่ให้เข้าใจเจ้าของข้อมูล เข้าใจลูกค้าได้แบบง่ายๆแล้วยังสามารถ รันโมเดลทำนายความต้องการในอนาคต เพื่อให้เราหาสินค้าบริการไปตอบสนองความต้องการได้แบบรู้ใจชนิดถูกที่ถูกเวลา สร้างยอดขายได้แถมยังป้องกันความเสี่ยงให้แก่องค์กรเพราะมีข้อมูลที่เพียงพอต่อการตัดสินใจอีกด้วย และเมื่ออาชีพนี้กลายเป็นอาชีพที่สร้างเม็ดเงินให้บริษัทได้ จึงเป็นอาชีพเนื้อหอม ที่น้องๆและเพื่อนๆทุกคนสนใจอยากลองมาทำงานสายนี้ ดังนั้นคอลัมภ์ Job Skills วันนี้จึงไม่พลาดที่จะชวนพี่มุ Data Science Director ผู้คร่ำหวอดในวงการ Data มาแชร์ประสบการณ์การทำงาน รวมถึงทักษะและโอกาสในการต่อยอดว่าเป็นไปได้มากน้อยแค่ไหนอย่างไร รับรองว่าอ่านแล้วไม่ต้องไปสอบถามหาข้อมูลเพิ่มเลยเพราะพี่มุช่วยย่อยให้เราประหนึ่งครูสอนลูกศิษย์กันเลยทีเดียว ใครอยากรู้ไปตามอ่านกันเลย
มาทำความรู้จักกับพี่มุ Data Science Director ของ SCB TechX กันค่ะ
พี่ชื่อมุครับ เรียนจบมา 20 กว่าปี สมัยนั้นยังไม่มีคำว่า Data Science เพิ่งเริ่มมี Google ส่วน Facebook ก็ยังไม่มา แม้ Data จะเริ่มมีแล้วแต่ก็ยังน้อยกว่าสมั้ยนี้เยอะ พี่เรียนจบปริญญาตรี สาขาวิศวกรรมไฟฟ้าสื่อสาร ที่มหาวิทยาลัยเกษตรศาสตร์ และต่อโทสาขาเดียวกัน ที่เยอรมัน และจบเอกที่ฟินแลนด์ มหาวิทยาลัย Helsinki University of Technology สาขา Computational Science สมัยเรียนพี่ชอบเรียนวิชาคณิตศาสตร์ โดยเฉพาะการใช้คณิตศาสต์เป็นเครื่องมือในการอธิบายปรากฏการณ์ธรรมชาติต่างๆ ทั้งด้านฟิสิกส์และชีววิทยา ธีสิสจบปริญญาเอก พี่ทำเกี่ยวกับการพัฒนาคอมพิวเตอร์อัลกอริธึมสำหรับงานด้านวิทยาศาสตร์การแพทย์ สมัยนั้นเรียนจบมาแล้วก็ยังไม่รู้ว่าจะได้ทำงานอะไร ตอนนั้นแค่รู้ว่าเรียนแล้วสนุกดี ได้เจอกับโปรเฟสเซอร์เก่งๆที่สามารถอธิบายคณิตศาสตร์และวิทยาศาสตร์ ที่ฟังยากๆ ให้เราเข้าใจได้ง่าย นอกจากเรื่องเรียนแล้ว ก็ได้เดินทางเห็นโลกกว้างในประเทศต่างๆ เห็นชีวิตความเป็นอยู่และวัฒนธรรม ของคนในเยอรมันและฟินแลนด์ มันเปิดโลกกว้างให้กับเรามากในสมัยนั้น
พอเรียนจบพี่ก็กลับมาเป็นอาจารย์สอนที่มหาวิทยาลัยมหิดล และได้มีโอกาสไปทำงานวิจัย เป็น Computational Scientist สาขา Bioinformatics ที่สถาบัน A*STAR ที่สิงคโปร์ ที่นี่ได้มีโอกาสทำงานกับนักวิทยาศาสตร์ระดับโลกหลายท่าน ได้เรียนรู้วิธีการคิด นำคณิตศาสตร์ สถิติ และวิศวกรรมคอมพิวเตอร์ มาใช้ออกแบบทดลองทางวิทยาศาสตร์ จัดเก็บและวิเคราะห์ข้อมูลขนาดใหญ่ ฝึกการนำเสนองาน เล่างานวิจัยวิทยาศาสตร์ยากๆให้คนทั่วไปเข้าใจได้ง่ายๆ เป็นที่ๆทำให้เข้าใจวิธีการทำงานร่วมกับคนที่มาจากหลากหลายอาชีพ วิศวกรคอมพิวเตอร์ นักสถิติ และ นักวิทยาศาสตร์ พี่มองว่าเป็นประสบการณ์ที่ดี สามารถนำมาต่อยอดในสายงาน Data Science ได้จนทุกวันนี้
ปี 2013 ได้มีโอกาสทำงานที่ DTAC ในตำแหน่ง Data Scientist หัวหน้าเล่าว่าเป็น Data Scientist คนแรกของบริษัท เนื่องจากเป็นตำแหน่งเปิดใหม่ และพี่มาจับสายงานนี้ครั้งแรก จึงต้องปรับตัวค่อนข้างสูง ต้องเข้าใจระบบธุรกิจสื่อสาร การตลาด พอเข้าปีที่สองเริ่มปรับตัวได้เราก็เอาความรู้ที่มีมาประยุกต์ใช้กับ ธุรกิจสื่อสารและการตลาด พี่ค่อนข้างโชคดีที่ได้มีโอกาสทำงานร่วมกับพี่ๆนักการตลาดเก่งๆ ได้รู้วิธีคิด การนำ Big Data มาช่วยแก้ปัญหาช่วยเพิ่มประสิทธิภาพในการทำการตลาด นอกจากนี้ พี่ยังได้มีโอกาสทำงานกับคนที่หลายหลายตั้งแต่ Business, Data Architect, Data Analytics, Campaign Management ทำให้เราเห็นการทำงานสาย Data ตั้งแต่ต้นน้ำจนถึงปลายน้ำ
ปี 2016 ได้มีโอกาสไปทำงานที่บริษัท Start Up แห่งนึงที่สิงคโปร ที่นี่ได้ทำงานร่วมกับทีมพัฒนาสินค้าทางด้าน Data Science และ ร่วมงานกับทีม Business Development ในการประมูลโปรเจคด้านบิ๊กดาต้าในหลายอุตสาหกรรม เช่น Telecom, Retails, Banking ที่อยู่ในกลุ่มประเทศเอเชียแปซิฟิกและตะวันออกกลาง นอกจากนี้ยังทำงานร่วมกับทีม Project Delivery ในการ Implement โปรเจคให้เป็นไปตาม milestone ที่ตั้งไว้ ซึ่งโปรเจคส่วนใหญ่เกี่ยวข้องกับการให้คำปรึกษาการนำ Data Technology มาประยุกต์ใช้กับภาคธุรกิจระดับองค์กร ที่นี่ช่วยเปิดโลกธุรกิจให้เรามาก ได้เห็นมุมมองที่กว้างขึ้นตั้งแต่ ฝ่ายขาย จัดซื้อ การประมูลโปรเจค การส่งมอบงาน และการบริการหลังการขาย
ปัจจุบันทำงานที่ SCB TechX ในตำแหน่ง Data Science Director ทำงานร่วมกับน้องๆ Data Engineer และ Data Scientist ช่วยกันดูแลพัฒนาระบบ Data Platform และพัฒนาสินค้าบริการ Data Science เพื่อช่วยเพิ่มประสิทภาพการทำธุรกิจทั้งใน และนอกองค์กรครับ
Data Science ที่ SCB TechX ทำอะไรบ้างคะ?
ปัจจุบัน งาน Data Science ที่ SCB TechX แบ่งออกเป็น 3 ส่วน
1 เราออกแบบดูแลระบบ Data Platform เพื่อให้บริการด้าน Data Services ต่างๆภายในองค์กร งานที่เกี่ยวกับ Data Engineering, การสร้าง Report และ Dashboard, งานพัฒนาโมเดล Data Science ทีมที่เข้ามาใช้บริการมีอยู่หลายทีม เช่น ทีม Procurement, ทีม HR, ทีม Product, ทีม Tech support และ ทีม Data analytics
2 เรามีการศึกษาและพัฒนาผลิตภัทณ์และบริการด้าน Data Science เช่น Product Recommendation, Dynamic Exchange Rate, Search, Chat, Customer Persona, Offer Personalization เพื่อนำไปใช้ในโปรเจคต่างๆในองค์กร เช่น PointX, ChatX และให้คำปรึกษาโปรเจคอื่นๆที่ต้องการนำเทคโนโลยี Data Science และ Data Engineering ไปใช้แก้ปัญหาหรือเพิ่มประสิทภาพการทำงาน
3 เราทำงานร่วมกับทีม Product and Business Development เพื่อออกแบบ Data Platform และ สินค้าบริการที่เกี่ยวกับงาน Data Science เพื่อตอบสนองความต้องการของลูกค้าระดับองค์กร ปัจจุบันมีหลายองค์กรที่สนใจสินค้าและบริการของเรา อย่างเช่น ลูกค้าองค์กรในกลุ่ม Healthcare, Energy และ Retails
ปัจจุบันทีมเราทำงานร่วมกับหลายทีม ทั้งฝั่ง Technology, Product และ Business ตัวอย่างทีมที่ทำงานร่วมกับเราคือ ทีม Business Development, ทีม Data Architect, ทีม Developers, ทีม Software Engineers, ทีม PointX, ทีม ChatX และ ทีม Product
ช่วยเล่าถึง Project ที่ภาคภูมิใจเป็นพิเศษค่ะ
สำหรับปีที่ผ่านมา โปรเจคที่ภาคภูมิใจมีอยู่ 2 โปรเจคครับ
1 เป็น โปรเจคที่เราพัฒนาร่วมกับทีม PointX โดยมีโปรดัค 3 ตัว ที่อยากจะมาเล่าให้น้องๆฟัง
โปรดัคตัวแรกคือ PointX Dashboards ที่ช่วย Monitor พฤติกรรมของลูกค้าที่เข้ามาใช้บริการ PointX ในแต่ละวัน โปรดัคตัวนี้ใช้ทักษะความรู้หลายด้าน ตั้งแต่ Data Engineering สร้าง Data Pipeline ให้ Data ไหลเข้ามาในระบบอย่างถูกต้องและอัตโนมัติ และยังใช้ทักษะความรู้ทาง Data Analytics มาใช้ออกแบบ Dashboard ให้ทาง Business User สามารถใช้งานได้สะดวกและตีความเข้าใจได้ง่าย สามารถนำไปต่อยอด ช่วยตัดสินใจและพัฒนาปรับปรุง Feature ใหม่ๆ เพื่อตอบสนองความต้องการของลูกค้าได้อย่างมีประสิทธิภาพ
โปรดัคตัวที่สองคือ PointX Dynamic Currency เราพัฒนาอัลกอรึธิม สอนให้ Machine สามารถปรับอัตราแลกเปลี่ยนของพอร์ต (Point Exchange Rate) อัตโนมัติในแต่ละวัน ให้ตรงความต้องการของลูกค้าผู้ซื้อสินค้า และร้านค้าต่างๆที่อยู่ในระบบ PointX โดยโมเดล Dynamic Currency นี้ ช่วยให้ร้านค้าขายสินค้าได้มากขึ้น และลูกค้าซื้อสินค้าด้วย Rate ที่พึงพอใจ โปรดัคตัวนี้ใช้ทักษะความรู้ทาง Statistics, Machine Learning หลายด้านเช่น Time-Series Forecasting และ Numerical Optimization เพื่อทำนายจำนวนคนที่จะเข้ามาซื้อและจำนวนสินค้าที่จะขายได้ในแต่ละวัน เพื่อคำนวณ Point Exchange Rate ที่เหมาะสมของแต่ละร้านค้า เพื่อสร้างประสบการณ์ที่ดีที่สุดให้กับทั้งร้านค้าและคนซื้อ ที่เข้ามาใช้บริการในแต่ละวัน
โปรดัคตัวที่สาม คือ PointX Customer Persona เนื่องจากลูกค้าแต่ละคนมีความชอบ ความสนใจสินค้าและบริการที่แตกต่างกัน โมเดล Customer Persona ตัวนี้ช่วยสอนให้คอมพิวเตอร์ เข้าใจถึงความต้องการของลูกค้าแต่ละคน โดยเรียนรู้จากพฤติกรรมการซื้อในอดีตของลูกค้าแต่ละราย รวมถึงลูกค้าที่มีความสนใจคล้ายๆกันมาต่อยอด หลังจากระบบเข้าใจพฤติกรรมของลูกค้าแล้ว จะช่วยแนะนำสินค้าบริการที่โดนใจลูกค้าแต่ละคนได้อย่างอัตโนมัติ เพื่อสร้างประสบการณ์ที่ประทับใจ ในขณะเลือกซื้อสินค้าบนแอป PointX
2 คือ TechX Data Platform ทีมเราพัฒนาร่วมกับหลายทีมเช่น Enterprise Architect, X-Platform, System Security, Product Consultant, Data Science โดยโปรดัค Data Platform ให้บริการ Data Service ต่างๆ แก่ลูกค้าระดับองค์กร เช่น ช่วยเก็บรวมรวมข้อมูล บริหารจัดการข้อมูล ประมวณผลข้อมูล และ นำผลลัพท์ที่ได้จากการประมวลผล ไปต่อยอดช่วยแก้ปัญหา เพิ่มมูลค่า และเพิ่มประสิทธิภาพในการทำงานทางภาคธุรกิจ
ถ้าไม่มีพื้นฐานด้าน Data แต่อยากเริ่ม หรือ เปลี่ยนสายอาชีพมาทำงานด้านนี้ต้องทำอย่างไรคะ?
เดี๋ยวนี้มีคอร์สเรียนออนไลน์หลายที่เช่น Coursera, Udemy, Kaggle สถาบันศึกษา มหาวิทยาลัย หลายที่ในเมืองไทยที่เปิดสอนสาย Data Science and Engineering หรือ Business Data Analysis ถ้าได้เข้าไปเรียนก็จะได้ Networking กับคนในแวดวง Data ในเมืองไทย หรืออาจจะเข้าไปกดติดตาม Data Community ที่อยู่ใน Facebook ก็มีหลายเพจ ส่วนพี่มีติดตามคนเก่งสาย Data ในต่างประเทศบน Twitter อยู่หลายคน อันนี้ช่วยให้เราได้อัพเดทข่าวสารอยู่ตลอดเวลา
สำหรับน้องๆที่ยังไม่เคยทำงานหรือ กำลังจะจบ ไม่ว่าจะเรียนมาสาขา วิศวกรรม สถิติ คณิตศาสตร์ เศรษศาสตร์ บริหารธุรกิจ หรือมาจากสายศิลป์ ก็สามารถทำงานสายนี้ได้หมด เราสามารถมาเรียนรู้หน้างาน จากหัวหน้างาน พี่ค่อนข้างเน้นการเรียนรู้จากหน้างานจริง และถ้าติดปัญหาอะไรก็ไปหาคำตอบหรือเรียนเพิ่มเติมจาก Course Online ต่างๆได้ ถ้าอยากลองทำงานด้านนี้แนะนำให้เริ่มจากการลองหาที่ฝึกงาน เขียนอธิบายว่า อะไรเป็นแรงบันดาลใจให้อยากมาทำงานสายนี้แล้วสมัครเลยมีหลายบริษัทที่เปิดรับนักศึกษาฝึกงานสาย Data Science อย่างที่ SCB TechX เรามีเปิดรับนักศึกษาเข้ามาฝึกงานทุกปี
ทั้งแบบที่เป็น 2 เดือน และ การฝีกงานสหกิจ 6 เดือน
ส่วนน้องที่เคยทำงานมาแล้วและต้องการเปลี่ยนมาทำสาย Data พี่ว่าดีนะ จริงๆไม่อยากเรียกว่าเปลี่ยนสาย มันคือการต่อยอดความรู้เดิมที่เรามีอยู่ให้มันขยายออกไป สำหรับน้องที่เปลี่ยนงานเพราะยังค้นหาตัวเองไม่เจอ ยังไม่รู้ว่าตัวเองชอบอะไร หรืองานเดิมอาจจะหนักเกินไป อันนี้พี่พอช่วยแนะนำเบื้องต้นได้ว่าจริงๆแล้วงานทุกสายมีความยาก ไม่มีทางลัด ต้องดูว่าเรามีความสุขกับสิ่งที่ทำไหม ถ้าไม่มีก็ลองศึกษาดูว่างาน Data Science นี้เราชอบหรือเปล่า งานสายนี้ก็ต้องขยันอ่าน ขยันทำบ่อยๆจนเกิดความชำนาญ ใช้เวลาค่อยๆเก็บสะสมประสบการณ์ มีความอดทน งานที่ทำอาจมีง่ายบ้าง ยากบ้าง สำเร็จบ้าง ไม่สำเร็จบ้าง แต่ถ้าเหนื่อยก็พัก อย่างพี่ก็จะวิ่งออกกำลังเพื่อให้เราได้นอนหลับสนิทตื่นมาสดชื่นและพร้อมลุยงานต่อครับ
Data Scientist และ Data Analyst มีความแตกต่างกันอย่างไรคะ?
คำถามนี้มีคนสงสัยค่อนข้างเยอะ พี่ชอบยกตัวอย่างนี้ คนที่เป็น Data Analyst จะเหมือนคนทำอาหารที่มีสูตรชัดเจนมาให้แล้ว ผ่านขั้นตอนเลือกและเตรียมวัตถุดิบมาให้พร้อมที่จะประกอบอาหารได้เลย เมื่อลูกค้าสั่งอาหารในเมนู Data Analyst จะรู้วิธีประกอบอาหารที่เป็นขั้นเป็นตอนชัดเจน พร้อมเสริฟให้ลูกค้า
ส่วนคนที่เป็น Data Scientist จะเหมือนคนที่ต้องการคิดค้นสูตรอาหารใหม่ คิดเมนูอาหารใหม่ คิดว่าต้องใช้วัตถุดิบอะไร คิดว่าต้องเตรียมวัตถุดิบอย่างไรในการประกอบอาหารเมนูใหม่ ในทางธุรกิจหลายครั้งต้องการสร้างเมนูอาหารใหม่ คิดค้นสูตรอาหารใหม่ๆ เพื่อสร้างความแตกต่างจากคู่แข่ง งานประเภทนี้เราต้องหาคนที่เป็น Data Scientist มาทำ พอได้สูตรอาหารใหม่ได้รสชาติที่พอใจ ร้านอาหารจะเพิ่มรายการอาหาใหม่เข้าไปในเมนู คนที่เป็น Data Analyst เป็นคนประกอบอาหารรับไม้ทำต่อไป
ถ้าพูดถึงเครื่องมือที่ใช้ทำงาน คนที่เป็น Data Analyst และ Data Scientist ก็ใช้เครื่องมือที่แตกต่างกัน Data Analyst จะใช้ SQL, PowerBI, Tableau, Excel หรือ BI tool อื่นๆในการวิเคราะห์ข้อมูล เอาไปสร้าง Report และ Dashboard ให้ทาง Business ใช้งาน ทักษะของ Data Analyst ก็จะไม่เน้นการเขียนโปรแกรมมากนัก จะเน้นเรื่องการเข้าใจธุรกิจ ตรรกะการคิดเชิงวิเคราะห์ สถิติและคณิตศาสตร์เป็นพื้นฐานในการทำงาน คนที่เป็น Data Analyst ส่วนใหญ่เรียนจบสาขา Statistics, Economic, Business, Marketing บางส่วนก็จบสาขา Engineer
ส่วนคนที่เป็น Data Scientist จะมีพื้นฐานทางด้านคณิตศาสตร์ สถิติ วิศวกรรมคอมพิวเตอร์ มีประสบกาณ์ด้านปัญญาประดิษฐ์ และต้องมีความเข้าใจทางธุรกิจเพื่อสามารถนำไปประยุกต์ใช้ได้อย่างเหมาะสม เครื่องมือที่ Data Scientist ใช้ทำงานจะต้องมีทักษะในการเขียนโปรแกรมคอมพิวเตอร์ Python, R, SQL เพื่อบริหารจัดการ ประมวลผล ข้อมูลจำนวนมหาศาล ซึ่งรวมไปถึงข้อมูลประเภทที่เป็น Unstructured เช่น ข้อมูล Text, ข้อมูล Image, ข้อมูล Voice คนที่เป็น Data Scientist ส่วนใหญ่เรียนจบสาขาวิศวกรรมคอมพิวเตอร์ วิศวกรรมไฟฟ้า คณิตศาสตร์ สถิติ และมีประสบการณ์ในการทำวิจัย ขอบประดิษฐ์คิดค้น ค้นหาสิ่งใหม่ๆ
อะไรที่คิดว่าท้าทายที่สุดในสายงานนี้คะ?
เนื่องจากการทำงานสาย Data เพื่อช่วยแก้ปัญหาทางธุรกิจ ต้องใช้ทักษะความรู้หลายด้านตั้งแต่ คณิตศาสตร์ สถิติ Programing เข้าใจเนื้อหาข้อมูล เข้าใจตัวธุรกิจที่เราทำอยู่ การจะให้คนคนหนึ่งมีทักษะความรู้ทั้งหมดนี้ ทั้งแบบรู้ลึกและรู้กว้างเพื่อในไปแก้ปัญหาทางธุรกิจจึงไม่ใช่เรื่องง่าย ยกตัวอย่างเช่น
1. คนที่เก่งด้านการพัฒนาโมเดล ส่วนมากก็จะเก่งเรื่องเทคนิคอัลกอรึธึม แต่อาจมีความเข้าใจปัญหาที่แท้จริงของธุรกิจไม่ลึกมากนัก
2. คนที่เก่ง Data Analyst จะเพียบพร้อมด้านการวิเคราะห์ เข้าใจปัญหาทางธุรกิจ แต่ก็อาจ Programing ให้คอมพิวเตอร์ช่วยทำงานแบบอัตโนมัติได้ไม่คล่องนัก และบางงานต้องทำซ้ำหลายครั้ง จึงต้องใช้เวลาเยอะพอสมควร
3. คนที่เก่งด้าน Data Engineer จะมีความรู้ความเข้าใจด้านเทคนิคสามารถ Programming ได้ดี ใช้คอมพิวเตอร์ทำงานแทนคนได้แบบอัตโนมัติ แต่ก็อาจไม่เข้าใจ และไม่ถนัดด้าน Data Analytics เป็นต้น
ดังนั้นเพื่อนำ Data ไปใช้ประโยชน์ในทางธุรกิจให้ประสบความสำเร็จสูงสุด ต้องอาศัยคนเก่งที่มีความรู้ความถนัดที่หลากหลายมาทำงานร่วมกัน ดังนั้นการเลือกใช้สไตล์ต่างๆในการบริหารดูแลทีมให้ทำงานได้อย่างมีประสิทธิภาพและมีความสุขจึงเป็นสิ่งที่ท้าทายและพี่ให้ความสำคัญมากๆครับ
Culture ของทีม Data Science ที่ SCB TechX เป็นอย่างไรคะ?
ทีม TechX Data Science เราตั้งขึ้นมาเมื่อเดือนกุมภา 2022 ปีที่แล้ว กุมภานี้ก็อายุครบ 1 ขวบพอดี พี่เป็นคนแรกของทีมที่เข้ามา และก็ทยอยรับน้องๆเข้ามาเรื่อยๆ เริ่มตั้งแต่ Data Engineer, Analytics Engineer, Data Scientist ถ้าจะพูดถึง Culture ทีมเรามี Standup Meeting กันทุกเช้าประมาณ 15 นาที โดยแต่ละคนจะเล่าว่าเมื่อวานทำอะไรมา มีติดปัญหาอะไรหรือเปล่า และวันนี้จะทำอะไร เป็นเหมือนการ Catch Up กันเร็วๆก่อนที่แต่ละคนจะเริ่มทำงานในแต่ละวัน เรามี Sprint Planning Meeting ทุกๆ 2 สัปดาห์ ที่มาวางแผนงานต่างๆที่ทีมจะต้องทำในอีก 2 สัปดาห์ข้างหน้า เพื่อจัดลำดับความสำคัญของและกระจาย Resource ลงไปในแต่ละงาน นอกจาก Regular Meeting พี่จะมี One-on-One กับน้องในทีมทุกๆ 6 เดือน การคุยแบบนี้ ช่วยให้พี่เข้าใจปัญหาของน้องแต่ละคน เข้าใจสิ่งที่น้องต้องการ ชอบอะไร ไม่ชอบอะไร และเราควรจะ Make Action อย่างไร
ในปี 2022 ที่ผ่านมา การทำงานในทีมจะ Flat และ Agile เรามีแบ่ง Role กันแบบหลวมๆเป็น Data Engineer, Data Scientist ช่วยกันทำงานตามโปรเจคที่เข้ามา Data Engineer บางคนช่วยทำ Platform Admin เป็น PM ในบางโปรเจค สำหรับ Data Scientist บางคนมาช่วยเตรียม Data ช่วยดู Data Quality บ้าง และก็มีออกไปคุยงานกับลูกค้าองค์กรข้างนอกด้วย ในปีแรกคือเรียกได้ว่ามีงานอะไรเข้ามาน้องในทีมก็ช่วยกันทำ มีปัญหา ติดอะไรกันบ้างก็ช่วยกันครับ
สำหรับปีนี้ 2023 จะมีการปรับทัพภายในทีมกันใหม่ เพื่อแบ่งโครงสร้างหน้าที่ให้ชัดเจนขึ้น โดยจะแบ่งออกเป็น 3 ส่วน ส่วนแรกจะเกี่ยวกับ การบริหารจัดการโปรเจคต่างๆทั้งในและนอกองค์กร ส่วนที่สอง จะเกี่ยวกับงาน Project Delivery และ งาน Development โดยใน 2 ส่วนแรกจะเกี่ยวกับการหาโปรเจคใหม่เข้าบริษัท และ Implement Project ให้แล้วเสร็จ ส่วนสุดท้าย ส่วนที่ 3 จะดูแลในส่วนการให้บริการ data services หลังการขาย ซึ่งจะคอยดูแลงานที่ขึ้นไปแล้วให้ทำงานได้อย่างมีประสิทธิภาพและถูกต้องครับ
พออ่านมาถึงตรงนี้ใครสนใจทำงานกับทีมนี้เค้าเปิดรับสมัครเพื่อนร่วมทีมอยู่นะคะ อย่ารอช้าต้องสมัครล้าววว 🙂
