1
Analytics vs Data Science vs BI vs Engineering — Analytics Marvel
Progress
0%
Analytics Marvel
Part 0 · Lesson 2 of 6

ความแตกต่างระหว่าง
Analytics, Science, BI
และ Engineering

ถ้าคุณเคยลองเสิร์ชหางานสาย Data ดู จะเห็นว่ามีชื่อตำแหน่งเต็มไปหมดเลยครับ — Data Analyst, Data Scientist, BI Developer, Data Engineer บทนี้จะทำให้ ทุกอย่างชัดขึ้นครับ

01 ลองนึกภาพร้านอาหารสักร้านนึง

วิธีที่เข้าใจง่ายที่สุดคือเปรียบกับร้านอาหารครับ ร้านอาหารจะเปิดได้ต้องมีคนหลายบทบาท:

🔧 ระบบครัว

สร้างและดูแลครัว

ให้น้ำ ไฟ อุปกรณ์ครบพร้อมใช้งาน

👨‍🍳 กุ๊ก

ทำอาหารออกเสิร์ฟ

สร้างสิ่งใหม่จากวัตถุดิบที่มี

📊 วิเคราะห์

วิเคราะห์ยอดขาย

เมนูไหนขายดี ควรตัดอะไรออก เพิ่มอะไรเข้าไป

🖥 หน้าร้าน

Dashboard ให้เจ้าของดู

แสดงยอดขาย Real-time ทุกวัน

สาย Data ก็เหมือนกันครับ แต่ละคนดูแลคนละส่วนของกระบวนการทั้งหมด

02 4 บทบาทหลักในโลก Data

🔧
Data Engineer
คนสร้างและดูแลระบบท่อส่งข้อมูล

ถ้าเปรียบกับร้านอาหาร Data Engineer คือคนที่สร้างครัวและวางระบบท่อน้ำครับ งานคือการสร้าง Infrastructure ที่ทำให้ข้อมูลไหลจากจุด A ไปจุด B ได้อย่างถูกต้องและรวดเร็ว

พูดง่ายๆ คือถ้าไม่มี Data Engineer ก็ไม่มีข้อมูลให้คนอื่นใช้ครับ แต่งานของเขาจะอยู่ behind the scenes เป็นหลัก

Python SQL Advanced AWS / GCP Spark Airflow
📊
Data Analyst
คนที่หาคำตอบจากข้อมูล — ตำแหน่งที่คอร์สนี้จะพาคุณไป

งานหลักคือการนำข้อมูลที่ Data Engineer เตรียมไว้มาวิเคราะห์เพื่อตอบคำถามทางธุรกิจ เช่น ทำไมยอดขายเดือนนี้ถึงตก? ลูกค้ากลุ่มไหนมีมูลค่าสูงสุด?

สิ่งที่ทำให้ Data Analyst โดดเด่นไม่ใช่แค่ความสามารถด้านเทคนิค แต่คือความสามารถในการแปลงตัวเลขให้กลายเป็น Story ที่คนอื่นนำไปตัดสินใจได้ครับ

SQL Excel Python Power BI Tableau
🖥
BI Developer
คนสร้าง Dashboard ให้ทีมใช้งาน

BI ย่อมาจาก Business Intelligence ครับ ถ้า Data Analyst เน้นการวิเคราะห์เพื่อหา Insight BI Developer จะเน้นการสร้างระบบ Reporting และ Dashboard ที่ทีมอื่นสามารถเข้ามาดูข้อมูลได้เองแบบ Self-service

เช่น สร้าง Dashboard ให้ทีม Sales ดูยอดขาย Real-time ได้ทุกวัน โดยไม่ต้องรอ Data Analyst มาทำ Report ให้ทุกครั้ง

Power BI Tableau Looker SQL
🔬
Data Scientist
คนสร้าง Model ทำนายอนาคต

ตำแหน่งที่หลายคนใฝ่ฝันครับ แต่ก็เป็นตำแหน่งที่ต้องใช้พื้นฐานหนักที่สุดด้วย งานหลักคือการสร้าง Machine Learning Model เช่น ระบบแนะนำสินค้า หรือทำนายลูกค้าที่จะเลิกใช้บริการ

ต้องใช้คณิตศาสตร์และสถิติในระดับที่ลึกกว่า Data Analyst มากครับ

Python Advanced Machine Learning Deep Learning Statistics

03 เปรียบเทียบให้เห็นภาพชัดๆ

ตำแหน่ง โฟกัสหลัก คำถามที่ตอบ ความยากเทคนิค
Data Engineer สร้างระบบข้อมูล ข้อมูลไหลถูกไหม? ★★★★★
Data Analyst หา Insight เกิดอะไรขึ้น? ทำไม? ★★★
BI Developer สร้าง Dashboard ดูข้อมูลได้ง่ายไหม? ★★★
Data Scientist สร้าง Model จะเกิดอะไรขึ้น? ★★★★★

04 แล้วควรเริ่มจากตรงไหน?

คำแนะนำของผมคือเริ่มจาก Data Analyst ก่อนเสมอครับ ไม่ว่าคุณจะอยากไปสายไหนในอนาคต

Data Analyst คือตำแหน่งที่ต้องการทักษะครบวงจรที่สุดในแง่ของการ “เข้าใจธุรกิจ + วิเคราะห์ข้อมูล + สื่อสารผลลัพธ์” — และทักษะเหล่านี้คือรากฐานของทุกสายใน Data ครับ อยากไปเป็น Data Scientist? ต้องผ่านจุดนี้ก่อนอยู่ดี
📌 สรุปบทนี้
  • Data Engineer สร้างระบบและท่อส่งข้อมูล — รากฐานของทุกอย่าง
  • Data Analyst หา Insight จากข้อมูลเพื่อตอบคำถามธุรกิจ
  • BI Developer สร้าง Dashboard ให้ทีมอื่นดูข้อมูลได้เอง
  • Data Scientist สร้าง Model ทำนายอนาคตและสร้างระบบอัตโนมัติ
  • จุดเริ่มต้นที่ดีที่สุดสำหรับทุกคนคือ Data Analyst ครับ

👨🏻‍💻 If outside is hot, Stay in and learn!

🎉 Type "Apr20" before purchasing!

get 20% off !

(Fastlane, Marvel, Big Bang, Rizz D-Sci, FODE)

April Only !