มุมมองในการใช้งานของ Data Engineer, Data Scientist และ Data Analyst ต่างกันอย่างไร
ก่อนอื่น มารู้จักบุคคลทั้ง 3 กันก่อน
1. Data Engineer คือ บุคคลที่ทำหน้าที่ออกแบบวิธีการจัดเก็บ และเรียกใช้งานข้อมูล มุมมองของข้อมูลของเขา คือ Flow Chart หรือ Pipeline รวมไปถึงการจัดเก็บ และเลือกใช้ Storage
2. Data Scientist คือ บุคคลที่นำข้อมูลจากหลายๆ แหล่ง มาผ่านวิธีการต่างๆ เช่น Data Mining, Machine Learning, Optimization เพื่อหามุมมอง และคำตอบใหม่ๆ
3. Data Analyst คือ บุคคลที่ใช้ข้อมูลในการวิเคราะห์แนวโน้ม หรือแก้ปัญหาจากสิ่งที่ผิดแปลกไปจากแนวโน้มเดิม โดยใช้หลัก สถิติ ทั้งนี้การวิเคราะห์ต่างๆ ต้องอาศัยประสบการณ์ และมุมมองที่เฉียบขาด
หลายคนอาจจะยังสงสัยต่อว่า แล้ว Data Scientist ต่างกับ Data Analyst อย่างไร ?
- ที่วิธีการใช้ข้อมูลต่างกัน Scientist จะมีการออกแบบ Model ข้อมูล และใช้ Machine Learning หรือ เขียนโปรแกรม ขึ้นมาเพื่อทำความเข้าใจกับข้อมูล ในขณะที่ Analyst ใช้ประสบการณ์ ผสมผสานกับหลักสถิติ
- มุมมองการใช้ข้อมูลต่างกันตรงที่ Scientist สามารถนำข้อมูลจากหลายๆ แหล่งมาประกอบในโมเดล ตัวอย่างเช่น Marketing, Logistic, Manufacturing เพื่อหาคำตอบด้วยโมเดลเดียว ในขณะที่ Analyst จะมีความเชี่ยวชาญเฉพาะด้าน เช่น Marketing Analyst, Logistics Analyst เป็นต้น
แต่อย่างไรก็ตาม ทั้ง 3 คนในที่นี้ ต่างมีบทบาทสำคัญไม่แพ้กันเลย ลองนึกภาพดูว่า หากไม่มีคนที่คอยดูแลระบบการจัดเก็บ และใช้งานข้อมูล แล้วองค์กรจะมีแหล่งข้อมูลให้พร้อมใช้ได้อย่างไร
ส่วน Scientist กับ Analyst เองก็สำคัญไม่แพ้กัน เพราะในการทำงานของ Scientist ต้องอาศัยคำแนะนำจากประสบการณ์ของ Analyst อีกทั้งหน้าที่หลักของ Scientist คือการออก Model ซึ่งเมื่อ Model เสถียรแล้ว Scientist ก็อาจจะหมดบทบาทตรงส่วนนั้นไป ในขณะที่ Analyst คือการวิเคราะห์ธุรกิจอย่างต่อเนื่อง
การเลือกใช้คนให้ถูกงาน เป็นหัวใจหลักขององค์กร Put the the right man on the right job! เพราะ Data ที่เรากำลังพูดถึงกันอยู่นั้น คือ BIGDATA ที่กำลังเป็นกลไกสำคัญของทุกองค์กร
พร้อมก่อน ครบก่อน ก็เป็นผู้เดินเกมได้ก่อนใครในสนาม
