เปลี่ยนงานไปเป็น Data Analyst ฉบับคนที่ไม่รู้อะไรเลย ตอนที่ 1

มาละ นี่น่าจะเป็นบทความในตำนานที่ทุกคนต้องอยากอ่าน

แอดคิดไว้อยู่แล้ว ว่ายังไงสักวันนึง แอดคงต้องเขียนแหละ! 😌
[อุตส่าห์จะกั้กไว้นานๆ 555+ อยากให้ทุกคนติดตามกันไปเรื่อยๆนะฮะ]

แอดมั่นใจเลยว่า 100 ทั้ง 100 ของคนที่กำลังอ่านบทความนี้อยู่ คือคนที่ “กำลัง” คิดที่จะย้ายงานจากงานปัจจุบัน ไปทำงานในตำแหน่งที่เกี่ยวข้องกับ Data
(ฮั้นแหน่ DA บางคนกำลังแอบอ่านอยู่ก็มี รู้นะๆ)

นี่อาจเป็นตัวอย่างเหตุผลที่คนส่วนใหญ่มีเหมือนๆกัน

• งานที่ทำอยู่ ไม่ Challenge
• งานที่ทำอยู่ จ่ายไม่หนักพอ
• งานที่ทำอยู่ ไม่ตอบโจทย์ความต้องการของชีวิต
• เบื่ออะไรก็ไม่รู้

และอีกพันหมื่นเหตุผล (เพลงวง Klear เข้ามาในหัวเลย 🤣)

แอดเลยตั้งใจที่จะเขียนบทความนี้ขึ้นมาให้เป็นเหมือนกับ Career Guide ฉบับนึง
มอบให้กับทุกคนที่ต้องการจะย้ายมาทำงานในสายงานนี้นะครับ 🙂

อ่านไปแล้วไม่ได้ลงมือทำ = ไม่ได้อะไรเลย

ประโยคข้างบนนี่เรื่องจริง 👆🏻 ขอให้โชคดีกับเส้นทางที่เลือกนะค้าบ

(คำเตือน บทความนี้ยาวมาก น่าจะใช้เวลาในการอ่านขั้นต่ำประมาณ 5 นาที)

“ถ้าคุณล้ม อย่าล้มเลิก” – Seneca

---

Background ที่(อาจจะ)ต้องมีความเกี่ยวข้อง

แอดจะไม่เล่าประวัติแอดเด้อ เพราะน่าจะฟังกันจนเบื่อแล้ว แต่ถ้าอยากฟังนี่เลย 👇🏻
(Tie-in ตลอดไป 555)

เข้าเรื่อง Background

ไม่ใช่แค่งาน Data Analyst เท่านั้น ที่จำเป็นจะต้องมีประสบการณ์ ส่วนตัวแอดคิดว่า “แทบจะทุกงาน” นายจ้างย่อมต้องการจ้างคนที่มีประสบการณ์ มากกว่าคนที่ไม่มีประสบการณ์ (จริงมั้ย ? ลองนึกถึงมุมนายจ้าง)

โดยส่วนใหญ่แล้ว เค้าต้องการจ้างคนมาทำงานเลย ไม่ใช่ต้องมาสอนงานกันก่อน (หรือถ้าต้องสอน ก็ต้องใช้เวลาไม่มากในการสอน) นั่นเลยเป็นเหตุผลว่าทำไมบริษัทเอกชนแทบจะส่วนใหญ่ทั้งหมด จึงมีคำที่คุ้นๆหูสำหรับพนักงานใหม่ คือคำว่า
“ช่วงทดลองงาน (Probation period)”

“สอนภาพรวมของงานภายใน 3 – 4 เดือนสำหรับแอดคิดว่ามันนานมาก 🙂”

.

แล้วคำว่า Background มัน Sync ยังไงกับคนที่อยากจะทำงานนี้

เกี่ยวมากๆครับ (ต้องทำเสียงแข็งด้วย 😂)

คนที่มาทำงานในด้านนี้ จำเป็นอย่างมากที่จะต้องมีประสบการณ์ ยิ่งมากเท่าไหร่ ยิ่งดี! เพื่อที่จะได้ทำงานอย่างเต็มที่แบบ 100% ไม่จำเป็นต้องมาเริ่มใหม่ โดยเฉพาะพวกเครื่องมือต่างๆที่ใช้ในการทำงานจริง (Hard skills ที่แอดจะแชร์ในหัวข้อถัดๆไป)

เครื่องมือพวกนี้ มีเยอะมาก ถ้าจะต้องมาสอนกันอีก ก็เรียกได้ว่าหงายตึง ล้มเป็น Domino กันทั้งแผนก Data ของบริษัท 555+

.

ยกตัวอย่าง ตัวแอดเองละกัน น่าจะเห็นภาพ

แอดเริ่มจากการทำงานเป็น Sales Assistant แล้วก็มีโอกาสได้เข้าไปทำงานในทีม FP&A (Finance Planner and Analyst)

เห็นมั้ย ไม่ได้เป็นตำแหน่ง Data Analyst อะไรสักอย่าง
ชื่อตำแหน่งมันก็แค่ชื่อที่บริษัทตั้งกันขึ้นมาเอง ตัวเนื้องานต่างหากที่สำคัญ
(ตำแหน่งอยู่ไม่นาน ตำนานอยู่ตลอดไป คำนี้เรื่องจริง เดี๋ยวๆ 😂)

แอดมี background เรียนจบด้าน Finance มา ก็เลยได้ทำงานนี้ หมายถึงงานที่ทำเป็น FP&A นะ (หัวหน้าผลักๆไป โดยบอกประโยคที่ว่า You จบด้านนี้มา ลองทำสักหน่อยละกัน … สักหน่อย = 4 ปี หื้มมม 🫣)

โชคดีที่บริษัทของแอด เค้าค่อนข้างที่จะเปิดกว้างด้านการรับพนักงานที่ไม่มีประสบการณ์เข้ามาทำงานอยู่แล้วด้วย (เป็นบริษัทใหญ่ Chain ระดับโลก) + กับมี policy ที่ให้พนักงานสามารถ Zig Zag ในเรื่องของตำแหน่งงานภายใน

อารมณ์แบบว่าอยากไปทำงานส่วนไหนก็ไปเลย ถ้าความสามารถถึง หรืออยากที่จะเรียนรู้ อะไรทำนองนั้น

แอดเลยได้ทำงานตำแหน่งนี้ยาวๆมาตลอด 4 ปีกับอีก 3 เดือน
(แอดยังคงรักใน policy และเป็นลูกค้าของบริษัทนี้จนถึงทุกวันนี้ … Loyalty เกิ้นนนนนนนนน)

.

.

พอทำงานได้ประมาณ 2 ปี แอดรู้สึกว่าแอดอยากจะลองทำอะไรอีกสักอย่าง เพื่อหาเงินให้มากขึ้น (ปีกกล้าขาแข็ง + เงินล้วนๆ 555 วัยรุ่นสร้างตัวอ่ะเนาะ) เลยเอา profile ตัวเองไปฝากไว้ใน UpWork เป็น platform คล้ายๆกับ FastWork ของบ้านเรา แต่เป็น scale ที่ใหญ่ขึ้นมาเป็นระดับ Global มากขึ้น

โดยเขียนไว้เลยว่าเป็น Analyst ที่มีประสบการณ์การทำงานใน industry นู่นนี่นั่น เชี่ยวชาญในเรื่องอะไร บลาๆ ทำ Database, ทำ Analytics, ทำ Dashboard (ภาษาอังกฤษล้วนๆ) ตั้งราคา rate per hour ของตัวเองให้ถูกๆหน่อย
(เราเน้นการเก็บประสบการณ์ก่อน ไม่กล้าตั้งแพง กลัวทำไม่ได้ เดี๋ยวแพ้พี่ๆจากอินเดีย 555)

ทิ้ง profile ไว้ประมาณ 2 เดือนได้มั้ง มีลูกค้าคนแรกทักมา เป็นตัวแทนฝ่าย Marketing ของบริษัทยาบริษัทนึง อยู่ฝั่งอเมริกา

โอ้แม้เจ้า 555 กว่าจะ pitch ได้ (ไม่ต่างอะไรกับสัมภาษณ์งานบริษัทปกติเลย เค้าถามเรานู่นนี่นั่นต่างๆ เพียงแต่ว่าเราจะทำงานเป็น Freelancer ให้กับเค้า)

แล้วตั้งแต่นั้นมาแอดก็มี + กับฝึกประสบการณ์ด้าน Data เต็มๆมาเรื่อยๆ แต่ไม่เคยทำงานประจำที่มีชื่อเป็นตำแหน่ง Data Analyst เพียวๆเลยสักครั้ง
(เคยสัมภาษณ์จนได้ offer แล้ว เป็นชื่อ Digital Data Analyst ที่นึงมั้ง)

อ่ะสรุปแบบไวๆเลยกัน เขียนมานานจัดๆ อย่าพึ่งขี้เกียจอ่านกันนะ
มีประสบการณ์ ก็คือสำคัญ

.

.

แล้วคนที่ไม่มีประสบการณ์จะไปทำงานด้านนี้ยังไง ?

อ่านมาตั้งนาน ถ้าไม่มีประสบการณ์หมายความว่าไม่มีสิทธิ์ในการทำงานนี้เลยมั้ย ?

ใจเย็นๆก่อน อย่าพึ่งหมดไฟ
มันมีสิ่งที่เรียกว่า “โปรเจค” ยังไงล่ะครับพี่น้อง

ตาลุกวาว 🤩 555 มันไม่ใช่ว่าจะไม่มีทางไปซะทีเดียวนะครับ

แต่แค่เส้นทางนี้มันอาจจะยากอยู่สักหน่อย แอดเห็นเพื่อนแอดหลายคนก็ย้ายมาอยู่สายงานนี้กันเยอะอยู่

เมื่อเทียบกับคนที่เค้ามีประสบการณ์มาแล้ว (ต้องยอมรับด้วยนะครับว่ามันไม่ได้ง่ายเลย เพราะว่าเรามาจากการ blend สายงาน ไม่ได้มาจากสายตรง)

สิ่งที่เรียกว่าโปรเจคนี่แหละ ที่จะเป็นอาวุธสำคัญมาก ว่าเรามีความเชี่ยวชาญกับเรื่อง Data มากน้อยแค่ไหน

เรื่องของโปรเจคจริงๆแอดเคยเขียนไว้แล้วในบทความนี้ ไปอ่านกันได้เลย

Project for Data Analyst อาวุธสำคัญสำหรับคนอยากทำงานด้าน Data

---

งาน Data Analyst ยังน่าสนใจอยู่ไหมในปัจจุบัน

ความเห็นส่วนตัวของแอด (25 Mar 2025)

สายงาน Data ในไทย ค่อนข้างที่จะเปิดกว้างมาก ในเรื่องของการรับคนเข้ามาทำงาน แต่การที่เปิดกว้างนี้ เหมือนกับเป็นดาบ 2 คม ที่ทำให้คนที่ต้องการจะ blend(ย้ายสาย) มาทำงานด้านนี้ มีคู่แข่งเยอะกว่าปกติ (ต้องแข่งกับคนที่ทำงานอยู่ก่อนหน้าไม่พอ ยังต้องมาแข่งกับคนที่ต้องการจะ blend สายงานมาด้วย 😧)

.

ถ้าเข้าไปเปิดดูใน platform หางานที่เราใช้กันบ่อยๆอย่างเช่น JobDB, LinkedIn หรือ platform อื่นๆ จะเห็นเลยว่าตำแหน่ง Data Analyst ที่ทางบริษัทต้องการคนนั้น Job description แต่ละงาน JD ค่อนข้างที่จะ amazing มาก

.

.

amazing = เกินความคิดที่แอดคิดไว้ตั้งแต่แรกไปเยอะเลย

จากที่ Analyze ไวๆ ด้วยการ Scrape ข้อมูลมา แล้วดึง Keyword ต่างๆ ออกมา (Hint project เลยนะเนี่ย 😏) บริษัทส่วนใหญ่ ต้องการ Data Analyst ที่สามารถทำความสามารถได้เหมือนกับ Data Scienctist หรือแม้กระทั่ง Data Engineer เลยก็ยังมี!

อย่าว่าแบบนั้นแบบนี้นะ (ภาษาเหนือจะชอบพูดว่า จะว่าจะอั้นจะอี้) คือกะว่าจ้าง 1 คนแล้วสามารถทำได้ทุกอย่างเลย (บางทีต้อง + Skill เรื่อง Machine learning ขั้นสูง ก็ยังมี) ซึ่งมันไม่แปลกในวงการธุรกิจเลยครับ

Cost ที่น้อยที่สุด โดยได้ความคุ้มค่ามากที่สุด

นี่อาจจะเป็นเหตุผลว่าทำไม DA ส่วนมากที่ blend สาย ถึงไม่ได้ไปต่อกันเท่าที่ควร เพราะว่าบางทีที่บอกว่ามีโปรเจคแล้ว แต่โปรเจคยังไม่ถูกใจนายจ้าง
(Demand vs Supply) อาจจะเพราะว่าตัว skill ที่เราได้จาก project ที่ทำนั้นไม่ได้ match กันระหว่างนายจ้างกับคนต้องการให้จ้าง

เค้าทำธุรกิจแบบไหน เค้าก็ต้องการเห็นโปรเจคที่คล้ายกับธุรกิจของเค้า

แอดถึงบอกเสมอกับนักเรียน 1 on 1 ของแอดว่า ทำโปรเจคเยอะๆ เอาให้หลากหลาย เพราะสุดท้ายเราไม่รู้เลย ว่าเราจะไปลงเอยกับ industry ไหน
(แต่สุดท้ายก็เป็นตัวเราที่เลือกเองอยู่ดี เอ้ะ ย้อนแย้งนะ 555)

หรือไม่ก็ดูบริษัทก่อนว่าเค้าต้องการอะไร แล้วเราก็รีบไป adjust ตัว project ให้ match กับเค้าก็ได้ (แต่อันนี้ต้องรีบหน่อยนะ เพราะเค้าก็มีช่วงที่ต้องการคน ช่วงที่ได้คนไปแล้ว จังหวะนี้ใครไวใครได้ละ 😱)

“อย่าหวังว่าทุกอย่างจะง่ายขึ้น จงหวังว่าตัวเองจะแข็งแกร่งขึ้น” – Marcus Aurelius

---

ประสบการณ์ทำงาน ณ ตอนนี้ของเราเกี่ยวข้องอะไรกับ Data บ้าง ?

เอาเข้าจริงในทุกๆงานที่เราทำ (มองให้ลึกไปจนถึงงานในระดับ task ที่เราทำทุกๆวัน)
มองให้ลึกลงไป

แอดคิดว่าเรามี data อยู่รอบตัวเต็มไปหมดเลย

เราจะเห็นว่างานที่เราทำอยู่ มันมี data ซ่อนอยู่ข้างในอยู่แล้ว แต่เราแค่ไม่รู้วิธีที่จะเอามันออกมาใช้ หรือว่าเอามันมาวิเคราะห์ก็แค่นั้นเอง

ยกตัวอย่างง่ายๆ

สิ่งที่ทุกคนพิมพ์ใส่ google sheet นั่นก็คือ Data

แต่ที่เราเอามาใช้ไม่ได้แบบ 100% เพราะเราไปใช้ google sheet
เป็นที่เก็บ ที่ประมวลผลคำนวน หรือแม้กระทั่งแสดงผลที่เดียวกันหมดเลย
(เปิด google sheet ตัวเดียวครบ จบทุกอย่าง 555)

ซึ่งแอดว่ามันไม่ได้ผิด แต่มันก็ไม่ได้ถูกซะทีเดียว

ไม่ว่าเราจะทำงานฝ่ายไหนก็ตาม ทุกฝ่ายทุกทีม ย่อมมีข้อมูลเสมอ (แอดทำ finance มาตลอด ได้ทำงานร่วมกับทีมอื่น ตอนแรกก็คิดว่าน่าจะมีแค่ finance ทีมเดียวนะที่มีข้อมูล ปรากฎว่าไม่ใช่นะค้าบบ 555 อุตส่าห์ทำหน้าเหนืออยู่ตั้งนาน)

.

ทำไมต้องพูดถึงประเด็นนี้

ไม่พูดไม่ได้ เพราะว่ามันจะเกี่ยวข้องในตอนที่เราสัมภาษณ์ รวมไปถึงตัวโปรเจคที่เราเลือกทำ

แอดมั่นใจว่าคนทำงานทุกคน จะมีประสบการณ์ ความรู้ความสามารถในการทำงานมาระดับนึงอยู่แล้ว โดยเฉพาะใน business domain ของตัวเองที่ตัวเองได้ทำงานมา (ยกตัวอย่างเช่น คนทำงาน HR ก็จะเก่งด้าน HR, คนทำด้าน Marketing ก็จะเก่งด้าน Marketing อะไรแบบนี้)

ในโปรเจคที่เราเลือกทำ เราสามารถเอาความรู้ที่ตัวเองมีใน domain นั้นๆ เข้าไปประยุกต์, ใส่ความเห็น หรือแม้กระทั่งให้ข้อมูล insight ได้

พอไปถึงตอนที่เราสัมภาษณ์ยิ่งเป็นตัวอย่างที่เห็นได้ชัดเลย
เราสามารถเลือกที่จะ present ตัว project ที่เราทำโดยที่ project ตัวนั้น อาจจะไม่เกี่ยวข้องกับ business domain ที่เราคุ้นเคยก็ได้

แต่ๆๆๆ …

มันจะดีกว่าไหม ถ้าเกิดว่าเราเอาเรื่องที่ตัวเองถนัด + มีประสบการณ์ มาอธิบาย ?
(ตอนแอดคุยกับลูกค้า แอดก็เอา Sales Analytics นี่แหละ present ให้กับลูกค้า เพราะแอดทำงานด้านนี้มาก่อน ถนัดที่สุดแล้ว)

Inner ในการ present ก็สำคัญ

ไม่ว่าจะตอนสัมภาษณ์งาน หรือตอนที่ pitch ลูกค้าอย่างตัวแอด 555 (เหนื่อยเกิ้น)

---

Hard skills ที่จำเป็นมากๆมีอะไรบ้าง

ไม่พูดคงจะไม่ได้เลยนะเรื่องนี้ เพราะใครๆก็อยากรู้ 555

และก็คิดว่า ถ้าได้รู้เรื่องพวกนี้ มันอาจจะเป็น Roadmap ที่จะพาตัวเองเข้าไปสู่สายงาน Data ได้อย่างง่ายมากขึ้น

ก็(อาจจะ)จริง!

มาฮะ เดี๋ยวแอดจะพาทุกคนเข้าไปสู่โลกของเครื่องมือจริงๆ ที่เราใช้กันในการทำงานด้าน Data (แอดขอพูดถึงแค่ในส่วนงานของ Data Analyst นะครับ)

Spreadsheet

เครื่องมือ simple basic อย่าง google sheet หรือ microsoft excel ที่เราคุ้นมือกันนี่แหละ ไม่ต้องมองไปไหนไกลเลย เป็นเครื่องมือที่เรียกได้ว่าทรงพลังสุดๆแล้ว 555

แน่นอนว่า tool พวกนี้ เป็นสิ่งที่ needed มากๆ ในการทำงานด้าน Data ไม่ว่าจะองค์กรไหน ไปฝึกฝนมาให้ดีนะ จะธุรกิจขนาดเล็กไปจนถึงใหญ่ จะทีมไหนๆ แอดคิดว่ายังไงก็หนีไม่พ้น

ภาษา Programming

ด้วยความที่ข้อมูลที่เราต้อง handle มีความวาไรตี้มากขึ้น ไม่ว่าจะเป็นในเรื่องของปริมาณ(point หลัก), ชนิดของข้อมูล หรือว่าเรื่องอื่นๆ ที่จะทำให้ข้อมูลของเรามีความเปลี่ยนแปลงไป

ลำพังแค่เจ้า Spreadsheet ที่บอกไปข้างบน 2 ตัวมักจะเริ่มเอาไม่ค่อยอยู่แล้ว 😂

มันเลยเป็นที่มาของการที่เราจะต้องเอาภาษา programning เข้ามาช่วย

SQL

ภาษาในตำนาน Data Analyst จะไม่รู้ไม่ได้เลย

SQL สำคัญมากๆสำหรับ DA ที่ต้องการจะดึง ปรับ เปลี่ยน เชื่อมข้อมูลที่อยู่ในฐานข้อมูลของบริษัท ซึ่งบริษัทขนาดกลางไปจนถึงขนาดใหญ่ มักจะมีการเก็บข้อมูลให้อยู่ในรูปแบบ Database (ฐานข้อมูล) อยู่แล้ว ซึ่งส่วนใหญ่อาจจะเก็บไว้ใน cloud server ที่ตัวเองใช้บริการ (หรืออาจจะมีระบบฐานข้อมูลของตัวเองก็เป็นไปได้)

Python

อันนี้ตำนวนกว่า แค่เขียน python ได้ มีชัยไปกว่าครึ่งแล้ว 555

python นี่เป็นภาษา programming ที่ใช้สำหรับการวิเคราะห์ข้อมูลตรงๆเลย โดยเราจะมีการใช้อาวุธพิเศษที่เรียกว่า Library เพื่อช่วยในการวิเคราะห์ข้อมูล (ถ้าให้แปลง่ายๆก็คือเป็นเหมือนอาวุธสำเร็จรูปที่เตรียมพร้อมสำหรับการทำงานใดทำงานหนึ่งโดยเฉพาะเอาไว้) โดยที่ Library ที่สำคัญๆในการวิเคราะห์ข้อมูลก็จะมี Pandas, Numpy, Matplotlib แล้วก็ Seaborn 4 ตัวนี้ ไปเรียนกันมาเยอะๆเด้อ!

เพิ่มเติม อย่างที่บอกไปว่าเดี๋ยวนี้คนจ้างเค้าต้องการ DA ที่เป็น Fullstack คืออยากให้เรารู้ไปจนถึงเรื่องการทำ Machine learning ด้วย (ซึ่งเป็นงานของ Data Sci) แอดเลยอยากจะแนะนำว่าลองเรียน Library ที่ชื่อว่า Scikitlearn เอาไว้ก็ดีนะ

R

Tool นี้สำหรับตัวแอดเองพูดได้ยาก เพราะบางทีใช้ บางทีก็ไม่ใช้ ด้วยเหตุผลที่ว่า “บางอย่างเราทำใน Python ได้หมดแล้ว”

จากการถามเพื่อน เพื่อนแอดบอกว่า Python มันยืดหยุ่นกว่ามาก อาจจะด้วยตัว code ที่มันค่อนข้างจะ friendly กับ user มากกว่า 555 (แอดทำหน้าแบบ เหร้อออ 🫠)

R เลยเหมาะกับงานด้าน Data Sci ซะมากกว่า เช่นการทำ Model สำหรับการทำ Prediction (การพยากรณ์) ตัว R จะทำได้ดีกว่า python อยู่ในระดับนึง
แต่ถ้าทำมาหากินได้ แอดว่า Python ก็เพียงพอแล้ว (ตัวภาษามันเป็นที่รู้จักมากกว่าด้วยมั้ง)

แต่ถ้าใครอยากจะเรียน ก็ไม่มีปัญหา! (แอดเรียนเครื่องมือนี้ตอนแอดอยู่ปี 3 ตอนนั้นไม่ได้สนใจเรียนเท่าไหร่ แต่รู้ว่ามันโครตเท่ 555) ลุยเลย รู้ไว้ใช่ว่า ใส่บ่าแบกหาม อิอิ (แต่อย่าเรียนพร้อม Python เพราะเดี๋ยวจะงง Syntax เชื่อแอดๆ)

เครื่องมือ Business Intelligence (BI tools)

มาถึงเครื่องมือสุดท้ายแล้ว เครื่องมือที่เหล่า Analyst ใช้หากิน 555

Concept ของเครื่องมือพวกนี้คือ “เปลี่ยน Data ให้เข้าใจได้ง่าย”

ย้ำเลยนะฮะ เปลี่ยนให้เข้าใจง่าย ไม่ใช่ยากกว่าเดิม!
แล้วก็คำที่บอกว่าง่ายเนี่ย คือง่ายสำหรับ User ที่เป็นคนใช้งาน

เพราะส่วนใหญ่แล้ว เวลาที่ DA ทำ Dashboard ตัว DA เอง จะไม่ค่อยได้ทำให้ตัวเองใช้สักเท่าไหร่ครับ ทำให้คนอื่นใช้ซะมากกว่า 😂

Looker Studio

Simple is Key

ประโยคนี้จริง!

Looker นี่เป็น tool ที่ง่ายที่สุดแล้วในสายตาแอด แอดชอบมาก เพราะฟรีด้วย 555 ตอนเริ่มทำงาน DA ใหม่ๆ ก็ได้เจ้านี่แหละ ที่ช่วยชีวิตทุกครั้ง และก็ไม่ว่าจะเป็นบริษัทขนาดไหนก็ตาม Looker ก็เอาอยู่ (แต่ช้าบ้างงอแงบ้าง ต้อง F5 กันอยู่บ่อยๆ 🤫)

Tableau Public

คือ tool ตัวนี้จะมีอยู่ 2 version นะครับ เวอร์ชั่นที่แอดใช้บ่อยก็คือ public แน่นอน เพราะว่ามันฟรี! (ชอบของฟรี) ตัว tableau นี่ค่อนข้างที่จะเป็น BI ที่เรียกได้ว่ามีความเป็นสากลอยู่ องค์กรใหญ่ๆชอบใช้กัน

เหตุผลที่ไม่ได้ใช้เวอร์ชั่น desktop เพราะว่า “มั น ต้ อ ง เ สี ย เ งิ น” 555 เรามันคนงก การใช้ version public ก็ไม่ได้เสียหายอะไร และยังได้ฝึก skill การใช้เครื่องมือประเภทนี้ไปในตัวด้วย

อีกเหตุผล (แถมๆ) ตัว public เนี่ย เวลาที่เราทำ workbook ข้างในเสร็จแล้ว ถ้าเรา save งานที่เราทำ งานตรงนั้นจะออกสู่สานตาชาวโลกทันที พูดง่ายๆก็คือ มันจะไม่เป็นสาธารณะให้เรา เพราะว่านี่คือ public version ซึ่งคิดในแง่ดีก็คือ มันสามารถที่จะเป็น portfolio ของเราได้ไปพร้อมกันด้วย

ส่วน tool อื่นๆ มีอีกเยอะ ไม่ว่าจะเป็น PowerBI อะไรแบบนี้ แอดไม่กล้าอธิบาย เพราะไม่ได้ใช้ (ฮ่าๆ)

---

Soft skills ที่ยังไงก็ต้องมี

เราพูดถึง hard skill ไปแล้ว Soft skill ไม่พูดถึงคงไม่ได้

แต่ทุกคนชอบข้ามกันในส่วนของหัวข้อนี้ 555
เพราะชอบคิดว่าตัวเองมีแล้ว รู้แล้ว

Soft skills นี่เป็นสิ่งที่ต้องได้มาจากประสบการณ์การทำงานหลายๆอย่าง + intention ของเราในการที่จะรับทักษะเหล่านั้นไปปรับใช้ด้วย

Data Analyst ส่วนใหญ่ที่เข้ามาใหม่ อาจจะมีบ้างที่จะหลงลืมเรื่องพวกนี้ไป เดี๋ยวแอดพาไปดู 3 อย่างที่แอดคิดว่าสำคัญในโลกของการทำงานจริง

Focus

อันนี้เป็น common skill มากๆที่ทุกคนที่จะเข้ามาทำงานในสายงานนี้จะต้องมี

ซึ่งบางคนอาจจะมองว่า ก็แค่โฟกัส มันสำคัญยังไง อะไรขนาดนั้นล่ะแอด ถึงขนาดต้องเอามาเขียนเนี่ย 555

ลองคิดถึงพลังงานที่ต้อง Handle กับข้อมูลประมาณ 1M++ rows ดูสิ ว่าเราจะตาลายง่ายแค่ไหน (ในความเป็นจริงข้อมูลแบบนี้ มีมากกว่า 1 data source ด้วย OMG)

นึกถึง flow ของการทำงานด้วยการใช้ภาษา programming ดูสิ ว่ามันจะสับสนแค่ไหน (โดยเฉพาะคนที่ blend สายมา แล้วไม่คุ้นเคยกับ tool stack พวกนี้)

แค่สองอย่างนี้ แค่นึกเฉยๆ บางทีก็ไม่รู้แล้วว่าจะไปทางไหนต่อ (มึนตึ้บ บอกเลย)

ทุกวันนี้ข้อนี้เป็นปัญหามาก เพราะเราถูก interupt ด้วยสื่อ social media อยู่ตลอดเวลา(แอดใช้คำนี้เลย เพราะจริง) รวมถึงคนที่ทำงานด้านนี้ ก็ติดโทรศัพท์มือถือกันด้วยสิ ฮ่าๆ

Work-life integration

เอาละ 555 แอดมีศัพท์ใหม่มา จดไปใช้ซะ

ความหมายคือการ “ทำงาน ให้เป็นส่วนหนึ่งของชีวิต”

ทำไมต้องเข้าใจคำนี้

คนที่ทำงานสาย Data จะไม่มีวันจบสิ้นกับเรื่องพวกนี้ในแต่ละวันครับ!
เขาเหล่านี้จะทำงานเกี่ยวกับเรื่องพวกนี้เสมือนว่าเป็นส่วนหนึ่งของชีวิต

มันมากไปกว่าคำว่า passion ไปแล้ว 555
มันคือการผนวกส่วนหนึ่งของงาน ให้เข้าไปสู่ชีวิตของเรา

ช่วงเวลาของเราที่เป็นเวลาส่วนตัว เราจะต้องเรียนรู้ในเรื่องใหม่ๆตลอดเวลา ทั้งข่าว บทความ เครื่องมือ และเรื่องอื่นๆที่เกี่ยวข้องกับ Data เรื่องเหล่านี้จะสามารถเอามาพัฒนาตัวเราเองได้หมด

แล้วทำไมถึงเป็นแบบนั้น ?

เพราะว่าทุกคนอยู่ในสนามแข่งเดียวกันไงครับ การแข่งขันในอาชีพนี้มีปรอทที่สูงมาก ใครดีใครได้ เป็นคำที่ใช้ได้จริง (ผลตอบแทนมันก็ดึงดูดซะด้วย)

Story-telling

มาถึง Key ของ Soft skill กันละ

“เราจะเปลี่ยน Data ที่เรามี ให้เป็นสิ่งที่มีค่าได้ยังไง”

การเล่าเรื่องของเรานี่แหละครับ คือคำตอบของคำถามด้านบน

ทักษะนี้ เป็นทักษะที่ต้องอาศัยประสบการณ์สูงมาก ไม่ว่าจะมาตั้งแต่ตอนที่เราเรียน ตอนที่เราทำงาน(ที่อาจจะไม่เกี่ยวข้องกับ Data มาก่อน)

• ตอนที่เราพูด Negotiate กับแม่ เพื่อขอค่าขนมเพิ่ม ก็ถือว่าใช่(แลกเป็นจำนวนจานที่ล้างได้ 555)
• ตอนที่เรายืน present งานอะไรสักงานหน้าห้อง ต่อหน้าเพื่อนๆ นี่ก็ใช่
• ตอนที่เราสัมภาษณ์งาน เพื่อให้ได้เข้าทำงาน อันนี้ก็ใช่

3 ตัวอย่างที่แอดบอกไป ถือเป็นตัวอย่างที่ดีมากเลย สำหรับยกตัวอย่าง Story-telling ที่ใกล้ตัวที่สุด

งานของ DA สุดท้ายแล้ว ย่อมหนีไม่พ้นการ present คนที่พูดเก่งๆเนี่ย แค่พูดเก่งอย่างเดียวคงจะไม่ได้ จะต้องพูดให้ถูกด้วย

นี่อาจจะเป็น Concept เล็กๆที่แอดกลั่นออกมาจากใจ … (เว่อมาก 😂)

1. มีเป้าหมายในการ present (อย่าพูดไปเรื่อย เพราะไม่งั้นไม่จบแน่ๆ)
2. มีโครงสร้างในการพูด (intro, hook, outro, summary + action)
3. มีการโน้มน้าวซ่อนอยู่ในการ present (นำเสนออย่างเดียวได้ แต่ถ้าคนฟังไม่รู้สึก = 0 ทันที)

---

สรุปตอนที่ 1

พึ่งเห็นว่าจริงๆแอดเขียนมายาวมากๆจริงๆ
ถ้าตั้งใจอ่าน น่าจะใช้เวลาประมาณ 5 นาที (อ่านบทความ 1 อันได้ด้วยเวลา 5 นาที นี่ถือว่าเก่งมากนะ เพราะมันใช้พลังในการ Focus มากๆ)

ยังเหลืออีก 5 หัวข้อที่แอดขอเก็บไว้ก่อน(กั้กๆ) ต่อบทความหน้าแล้วกันนะครับ 555 เขียนทีเดียว 10 ตอนแอดคิดว่าคงลงไม่ทันสัปดาห์นี้อย่างแน่นอน

อีก 5 ตอนหลัง หัวข้อจะเป็น

• English is matter!
• อายุมีผลกับการทำงานด้านนี้มากน้อยแค่ไหน
• ผลตอบแทนที่ได้จากการทำงานเป็น Data Analyst
• อย่ายึดติดกับชื่อตำแหน่งมาก
• Resume คืออาวุธที่ทรงพลังอย่างแท้จริง

ขอบคุณที่อ่านมาจนจบนะครับ แอดประทับใจมาก
ถ้าชอบบทความนี้อย่าลืม share ออกไปให้คนอื่นๆมาอ่านด้วยเด้อ
(ขอบคุณล่วงหน้าครับ)

.

.

.

ขอขายของท้ายบทความหน่อยฮะ 🙏🏻

แอดมีคอร์สเรียนแบบ text-based แนะนำให้สำหรับคนที่อยากเปลี่ยนสายมาทำงานด้าน Data Analytics ด้วย

สามารถเข้าไปสั่งซื้อ หรือทดลองเรียนกันได้ที่นี่
(คอร์สเรียนแบบ text-based มีข้อดีตรงที่มันมี distraction น้อย ทำให้เราสามารถที่จะ focus กับการเรียนของเราได้มากกว่า เน้นอ่านเป็นหลักเลย)

เนื้อหาเน้นๆ ไม่เอิงเอย 5555 ไปครับ ไปเรียนกัน! 🫶🏻🔥

Fastlane Data Analytics

---