Data Job Trend : งานสายดาต้าตำแหน่งไหนมาแรง?
มีหลายคนถามกันเยอะ ว่างานสายData ตำแหน่งไหนน่าสนใจ ทำงานไหนดี งานไหนไม่ตกงาน
เลยสงสัยว่า แล้วในมุมของคนที่สนใจล่ะ งานส่วนไหน ที่คนสนใจเยอะ
แล้วก็ใช้Google Trends ของฟรี คนดีคนเดิมมาลองตอบคำถามนี้...
โดยเคสนี้ ผมสนใจอยู่ 4 function ของงาน Data ซึ่งแตกต่างกันในลักษณะเนื้องานและความสามารถ (ถึงแม้ทุกวันนี้ บริษัทหลายบริษัทจะมองว่ามันคือคนเดียวกัน และคิดว่า IT จะทำเป็นก็เถอะ... (ใครคิดแบบนั้นก็เตรียมตัวพังได้เลย)
1. Data Architect - นักวางระบบ
2. Data Engineer - นักสร้าง
3. Data Scientist - นักทดลอง คิดค้นสิ่งใหม่
4. Data Analyst - นักวิเคราะห์
ถึงตรงนี้ เมื่อเราแยกจะเห็นว่า ทั้ง4 Rolesนี้ มันน่าจะมีความถนัดต่างกันจริงป่ะ...
ผู้วางระบบ อาจจะสร้างไม่ได้ เหมือนสถาปนิกก็อาจจะคำนวนโครงสร้างไม่เป็นหรือมาทำก่ออิฐเองไม่ได้
ผู้วิเคราะห์ อาจจะคิดได้ แปลได้ว่าบ้านนี้จะขายได้ดีไหม แต่ให้ไปออกแบบเองก็อาจทำไม่เป็น
ทีนี้ ผมเลยลองดูสิ่ว่าในไทยและGlobal มีความสนใจงานDataใดมากกว่ากัน?
มาดูGlobal กันก่อนดีกว่า
จะเห็นชัดมากว่า ตั้งแต่ต้นปี 2023 เป็นต้นมา Data Analayst มีความสนใจเพิ่มสูงขึ้นกว่าปีก่อนหน้า
ในขณะที่งานอื่นๆ มีความสนใจอยู่ในระดับคงที่
ดังนั้น เมื่อนำมาประเมินเป็นอัตราส่วน จะเห็นว่าอัตราส่วนการค้นหาของ Data Analyst มีสัดส่วนสูงขึ้น
จึงแปลความหมายได้ว่า มีผู้สนใจงานด้านนี้เพิ่มขึ้น และน่าจะมีงานในตลาดงานเพิ่มขึ้นอย่างมากเช่นกัน
ซึ่งหากดูเป็นอัตราส่วน ก็คาดว่าบนตลาดงานData จะมีโอกาสของงานด้านData analyst ในQ3'23 มากกว่า 54.55% ตามมาด้วย Data Science 24.24%, Data Engineer 18.79% และ Data Architect 2.38% ตามลำดับ
ถึงตรงนี้ หลายคนอาจสงสัย ทำไมงานด้านData Engineer หรือ Data Science มีตัวเลขน้อยกว่าที่คิด ผมก็อยากชวนหลายคนคิดว่า ทำไม?
คำถามแรก Skills ที่ใช้ ต้องมีอะไรแล้วปัจจุบันมันไปซ้อนทับกับอะไร
คำถามที่สอง ความพร้อมขององค์กรทั่วไป
ทีนี้ เพื่อนๆพอนึกออกใช่ไหมครับ ว่าทำไม วันนี้สองสายงานนี้ยังอาจมีความสนใจไม่สูงมาก
ถ้านึกไม่ออก ผมจะลองเหลาให้ฟัง
ข้อแรก Skills อย่างData Engineer อาจต้องการความรู้ด้าน Database ด้านCleansing ซึ่งมันก็ไม่ตรงกับมนุษย์Devที่ทำพวกBackendอยุ่แล้ว สิ่งที่ต้องเพิ่มก็พวกทำdatawarehouse, datalake etc. ซึ่งมันก็คงไม่เหนือบ่ากว่าแรง นั่นจึงทำให้เกิดการ "ฝากงาน" ให้คนสายเดิมทำ... เพิ่มภาระให้คนที่อาจมีตำแหน่งในชื่อเดิมๆทำ ทั้งๆที่จริงๆแล้ว มันฝากกันไม่ได้เว้ยยยยย มันคนละทักษะกัน! มันเหมือนช่างทำสี สีบ้านกับสีรถ ผลลัพท์คือสีเปลี่ยน แต่วิธีการมันต่างกันสิ้นเชิง
ข้อสอง ความพร้อมขององค์กร จากเรื่องSkillsที่มันฝากกันทำแล้ว ความพร้อมต่อเรื่องยากๆ อย่าง MachineLearning การสร้างPredictive model ต่างๆ หลาย บ. อย่าว่าแต่ Predictเลย ทำบัญชีปรกติปัจจุบันให้มันตรงก่อนเถอะ ดังนั้นหลายองค์กรจึงเกิดปัญหาภายในว่า โห....จะadvanceจะสร้างinnovation แต่ปัญหาโง่ๆยังแก้กันไม่ได้จะไปทำอะไรว้าวๆได้งัยวะ!! ดังนั้นงานอย่างdata science ก็จึงอาจถูกผลักออกไป และอาจยังไม่มีความจำเป็นในบริษัททั่วไป ที่ไม่ใช่บ. Techจ๋า หรือ บริษัทพันล้าน+++
อันนี้แค่คิดเร็วๆเนอะ ก็ถ้าใครคิดอะไรออกก็แชร์กันนะครับ
ทีนี้ มาดูต่อ แล้วในไทยละ? มีความสนใจงานใดแบบไหนบ้างนะ เหมือนหรือต่างจากGlobalไหม อย่างไร???
ก็มีทิศทางคล้ายกันคือปี2023นี้มีความตื่นตัวด้านDataเพิ่มขึ้น
คือ Data Analyst มาอันดับต้นๆของความสนใจ โดยในQ3'23 นี้
มีอัตราค้นหา Data Analyst อยูถึง 51.77%
แต่สิ่งที่ต่างจากGlobal คือ ตำแหน่งงานอันดับสอง
คือในไทย Data Engineer ทีช่วงหลังนี้มีแนวโน้มพุ่งสูงขึ้น (90วันนี้ อยู่ที่ 24.88% แซงหน้า Data Science ที่20.19%)
และถ้าให้ผมวิเคราะหฺจากสถิติเหล่านี้ ผมเชื่อว่า คนไทยส่วนใหญ่ยังสับสนกับงานด้านData
จึงทำให้เห็นอัตราการค้นหาที่มีความสวิงและfluctaute ขึ้นๆลงๆ ไม่เหมือนกราฟท์ใหญ่ของWorldwide
และอีกสิ่งที่เห็นคือ คนไทยอาจให้ความสนใจกับเรื่องการวางฐานรากของDataน้อย(มากจนอาจไม่ได้ให้ความสนใจเลย) ซึ่งเห็นได้จากอัตราการsearch Data Architect ที่ต่ำมากจนในบางQuater ออกเป็น0เลย
และเมื่อนำมาเทียบกัน จะเห็นค่าเฉลี่ยการค้นหา Data Architect ของWorldwide โดยรวมอยู่ที่ 2.62% ของการค้นหาทั้งหมด แต่สำหรับในไทยอยู่ที่ 1.76%เท่านั้น...
ซึ่งหากเป็นเช่นนี้ และไทยเราไม่ได้ให้ความสำคัญของการกลัดกระดุมเม็ดแรกอย่างการวางฐานรากของData และปลายทางการนำไปใช้ การนำไปวิเคราะห์ การนำไปสร้างmodelใหม่ๆ มันจะถูกต้องแค่ไหน หรือจะกลายเป็นว่าเราก็ได้ Data กากๆ ไปวิเคราะห์จนออกทะเลไป...
อ่ะ ยิ่งเขียนเดี๋ยวยิ่งออกทะเล LoL 😅
ถึงตรงนี้ ผมเชื่อว่าหลายคนก็น่าจะเห็นภาพไวๆแล้วนะครับว่า ตอนนี้ โลกกำลังสนใจตำแหน่งงานด้านใด และมีโอกาสงานส่วนใดมากน้อย
ถ้าเราจะไปต่อในชีวิตหลังจากนี้ ควรUpskillอะไรบ้าง...
และสำหรับองค์กร ผมก็มักแนะนำว่าถ้าจะเริ่มงานด้านData
1. minimum headcount 2คน เป็น Data Analyst กับ Data Engineer แล้วใช้งานFeature functionต่างๆจากระบบเดิม/หรือสร้างใหม่จากระบบสำเร็จรูปทั่วไปก่อน
2. เริ่มAdvance อยากวางรากฐานตัวเอง เพิ่ม Data Architect
แล้วลดภาระการเก็บข้อมูลของAnalystในข้อ1.ลง แล้วให้เขาanalyse insight ที่มากขึ้นAdvance ขึ้น มีMatrixที่มากขึ้น ในขณะเดียวกัน Data Engineer ก็น่าจะพร้อมต่อการสร้างอะไรใหม่ๆได้
3. Data Science อันนี้ถ้าคุณต้องการสร้าง Predictive modeling ต่างๆ ซึ่งผมเชื่อว่าเราต้องมีDataมากพอให้มาpredict และนั่นก็หมายถึงขนาดของฐานข้อมูลซึ่งก็คือฐานลูกค้าและนั่นก็หมายถึงขนาดขององค์กรเราที่น่าจะต้องใหญ่เพียงพอ
วันนี้ก็ฝากไว้ไวๆเท่านี้ก่อนละกันนะครับ สวัสดี :)
