Botnoi Voice
3 ก.ย. 2566
Label
UX/UI
อาชีพ Data Scientist มีหน้าที่อะไร
Data Scientist มีหน้าที่เพิ่มคุณค่าให้กับธุรกิจโดยเฉพาะ การเพิ่มรายได้ ลดค่าใช้จ่าย สร้างโอกาส ลดความศูนย์เสีย ให้กับธุรกิจให้องค์กร ต่าง ๆ โดยใช้เครื่องมือ เทคโนโลยี ต่าง ๆ และข้อมูล data ทั้งข้อมูลในองค์กรหรือข้อมูลภายนอก ย้ำอีกครั้งว่าอาชีพ Data Scientist มีหน้าที่เพิ่มคุณค่า เพิ่ม value หลายครั้งที่ถามนักศึกษาว่าอาชีพนี้ทำอะไร ก็จะได้คำตอบว่า วิเคราะห์ข้อมูลโดยใช้ AI ซึ่งก็ถูกเพียงครึ่งเดียว หากจะให้ถูกทั้งหมดต้องบอกว่า
"อาชีพ Data Scientist มีหน้าที่วิเคราะห์ข้อมูล โดยใช้เครื่องมือหลาย ๆ อย่าง เช่น AI ML coding เป็นต้น หลังจากวิเคราะห์ข้อมูลแล้ว จะต้องอธิบายให้ฝ่ายที่เกี่ยวข้องเข้าใจ จนนำไปสู่การดำเนินการ execution และสร้างมูลค่า หรือ value ให้กับองค์กร"
แต่อาชีพอื่น ๆ ก็เพิ่มคุณค่าให้กับธุรกิจ นี่
ใช่แล้วครับ อาชีพอื่น ๆ ก็ล้วนเพิ่มคุณค่าให้กับธุรกิจ โดยใช้ data เช่น data analyst จะบอกว่าหน้าที่เหมือนกัน เป้าหมายเหมือนกัน แต่ก็ไม่จำเป็นว่าต้องเป็นอาชีพเดียวกัน เพราะอาจจะต่างกันที่กระบวนการทำงาน หรือเครื่องมือที่ใช้
เครื่องมือของ Data Scientist มีอะไรบ้าง
Data scientist จะมีเครื่องมือวิเศษ หลายตัว ทำให้เพิ่มมูลค่าได้มาก และมีประสิทธิภาพ เครื่องมือดังกล่าว ก็จะมี การเขียนโค้ด
สถิติ
Machine Learning
AI
พวก Visualization tools ต่าง ๆ
และในตอนนี้ ChatGPT และเทคโนโลยี LLM ก็กำลังจะกลายมาเป็นเครื่องมือที่สำคัญ
Data Scientist ก็ต้องเลือกเครื่องมือให้ถูกต้อง ให้เหมาะสมกับแต่ละงาน จำเป็นที่จะต้องรู้จักเครื่องมือวิเศษพวกนี้ ไว้เป็นอาวุธสำหรับการทำงาน ก็เหมือนนักรบที่มีอาวุธที่หลากหลาย ใช้อาวุธให้เหมาะสมกับแต่ละสถานการณ์
จำเป็นต้องใช้ AI กับ ML ทำงาน เสมอไปหรือไม่
แม้ว่า Data Scientist จะใช้ AI ใช้ ML ได้ แต่ก็ไม่จำเป็นว่าในทุก ๆ งานจะต้องใช้ AI ใช้ ML เป็นอาวุธก็ได้ ถ้างานไหนไม่ได้จำเป็นต้องใช้ บางงานสถิติง่าย ๆ ก็เพียงพอ ก็บางทีโจทย์มันง่าย คู่ต่อสู้ไม่เก่ง เราก็ใช้มือเปล่าก็สู้ได้แล้ว
ยกตัวอย่างการจัดกลุ่ม Segmentation ให้หน่อย
ถ้าสมมติผมมีโจทย์ให้แบ่งห้องนักเรียน เราอาจจะแบ่งโดย ให้สถิติ ค่า mean ค่า std ที่เท่า ๆ กันอยู่ห้องเดียวกัน จะได้สอนง่าย ๆ ซึ่งองค์กรต่าง ๆ ก็มักจะใช้สถิติง่าย ๆ ในการจัดกลุ่มลูกค้า แบ่งว่า นี่คือ บัตรแพลตินั่ม บัตรทอง บัตรเงิน ดูจากค่าเฉลี่ยการการเงิน และอายุการใช้งาน
แต่ ... ในกรณีที่เราอยากจะแบ่งกลุ่มลูกค้า โดยลูกค้ากลุ่มเดียวกันจะมีลักษณะนิสัย ลักษณะการบริโภคที่คล้ายคลึงกัน data scientist ก็สามารถใช้เครื่องมือวิเศษ นั่นก็คือ Machine Learning ในการจัดกลุ่มอัตโนมัติ ดูจากหลาย ๆ ปัจจัย
ทดลอง Segmentation โดยใช้ Machine Learning
วันนี้รวบข้อมูลจากนักศึกษา 40 คน จากนั้นก็ใช้ K-mean clustering จัดกลุ่ม 20 กลุ่ม ก็จะได้แต่ละกลุ่ม ๆ เป็นคู่ ๆ แล้วเราก็ได้คู่ที่เป็นเพื่อนสนิทกันออกมา อย่างกะหมอดู
หากเราอยากจะสร้างกลุ่มใหญ่ขึ้น เราก็ทำได้ง่าย ๆ เพิ่มค่า K ของ clustering ซึ่ง เราก็ไปเจอ ก๊วนหนุ่ม ๆ ตัวตึง 4 คน ที่อยู่แก๊งเดียวกัน ส่วนอีกแก๊งนึง ก็สาว ๆ เรียบร้อยใส่แว่นกันทุกคน 4 คน น่าทึ่งดี
หากนำไปใช้กับองค์กร จะมีประโยชน์มากแค่ไหน
ลองคิดดูสิครับ ว่าจะมีประโยชน์แค่ไหน สำหรับองค์กรที่มีคนเป็นหลายหมื่น แสน ล้านคน ให้เราจัดกลุ่มเองก็คงลำบาก แต่เราสามารถใช้ AI จัดกลุ่มคนที่คล้าย ๆ กัน อยู่กลุ่มเดียวกัน segment เดียวกัน เพื่อที่จะได้นำเสนอ สินค้า และโปรโมชั่น ได้ตามความต้องการ
สรุปการทำงานของ Data Scientist
การทำงานจริง ๆ ของ data scientist ต้องเข้าใจโจทย์ ตีโจทย์ เลือกเครื่องมือ สร้างและแก้ไข ค้นหาข้อมูล และที่สำคัญมากคือ การแสดงผล และเล่าเรื่องเพื่อให้ผู้บริหารองค์กร เข้าใจ นำไปสู่การช่วยตัดสินใจและเพิ่มมูลค่าให้องค์กร นอกจากการจัดกลุ่ม unsupervised learning clustering แล้ว โจทย์ใหญ่ ๆ ของอาชีพ data scientist ก็จะมี supervised learning prediction ต่าง ๆ เช่น ทำนายว่าลูกค้าจะหยุดใช้บริการมั้ย churn prediction หรือลูกค้าคนไหนที่เราน่าจะขายของได้เพิ่มขึ้น upsell model หรือว่าจะเป็น fraud detection ธุรกรรมแปลกปลอม ตลอดจนไปถึงพวกการทำนายแนวโน้ม trend forecasting เพื่อกะปริมาณการขาย และรายได้ เป็นต้น
คำแนะนำสำหรับคนที่อยากเก่ง Data Science
แนะนำให้ทำโจทย์เยอะ ๆ จะได้เชี่ยวชาญ ทั้งในการใช้เครื่องมือวิเศษต่าง ๆ รวมกระทั่งวิธี และกระบวนการคิด และการมองออกทางธุรกิจ อาจจะเริ่มต้นจากหาโจทย์ ทำโจทย์ ใน Kaggle ซึ่งเป็น platform online ที่รวบรวมโจทย์ทางด้าน data science เยอะแยะเลย
และอยากแนะนำนักศึกษา หรือใครที่อยากทำงานในสายนี้ หาที่ฝึกงาน สหกิจ จะได้ทำโจทย์จริง ๆ ถ้ามาฝึกกับ BOTNOI ก็ดีนะครับ เรามีโจทย์ธุรกิจ สนุก ๆ มากมาย
Back
