คุณรู้หรือไม่ว่า การทำงานจริง ต่างจากการศึกษาหรือทำวิจัยส่งอาจารย์อย่างไร?
คำตอบ คือ การทำวิจัยนั้นส่งงานเป็นรายงาน หรือหนังสือตีพิมพ์ ในขณะที่การทำงานจริง มีการนำผลการศึกษานั้น ออกไปใช้งานจริงในโลกของธุรกิจ
เช่น การวิจัยเชิงตลาด ก็นำไปนำแผนการตลาด และมี Promotion ออกมาให้ได้เห็น เป็นผลให้เกิดเป็นตัวเลขยอดขายให้บริษัท หรือแม้แต่การวิจัยเชิง Machine Learning ก็ตาม หากเป็นในสถานการณ์ศึกษา จะมีการสมมติข้อจำกัดของตัวแปรต่างๆ เพื่อให้สามารถออกแบบ Model ขึ้นมาได้ และตีพิม แต่ในโลกความเป็นจริง ML นั้นจะถูกใช้งานเป็นในเชิง Decision Making ด้วย เช่น การพยากรณ์อากาศ ซึ่งปัจจัยต่างๆ ไม่สามารถถูกจำกัดได้ และมีตัว Model มีค่าความแม่นยำในระดับหนึ่ง เพื่อให้เกิดความน่าเชื่อถือในการใช้ Model
ดังนั้น ในการทำงานจริง บุคคลที่องค์กรมองหามากที่สุด มิใช่อัจฉริยะ ที่สามารถคิดค้นทฤษฎีต่างๆ ได้อย่างล้ำลึก แต่เป็นบุคคลที่สามารถสร้าง “การกระทำ” ให้ผลลัพธ์ในเชิงบวกได้มากที่สุด (หรือที่เขาเรียกว่า สร้าง Impact ได้มากนั้นเอง)
ข้อมูล จะไม่มีคุณค่า ถ้าไม่ได้นำมาวิเคราะห์เชิงลึกฉันใด Model ก็จะไร้ประโยชน์ หากไม่มีการมันมาใช้จริงในระบบฉันนั้น
ดังนั้น Data Scientist ที่เก่ง ต้องเป็นคนที่สามารถต่อยอด Machine Learning ของเขา และไปให้ถึงขั้นตอนการขึ้น Production ให้ได้ เปรียบดังเป็นสมองของทีม โดยต้องอาศัยทีมงานหลากหลายส่วนเข้ามาช่วยเสริมทัพ ไม่ว่าจะเป็น Data Engineer ที่เข้ามาออกแบบ Data Pipeline เป็นเสมือนดังจอมทัพ และ Business Analyst ที่เปรียบดั่งเป็นหัวหน้างาน และ User
ส่วนใหญ่แล้ว Technician ในองค์กรใหญ่จะถูกตีกรอบด้วยหน้าที่ และตำแหน่งงาน ทำให้เกิดความ “ไม่กล้าแสดงความเห็น” ขึ้น ส่งผลให้เกิด Dead Air หรือ Miscommunication ทำให้หน้าที่ Implementer จึงต้องตกไปเป็นงานของ IT ซะส่วนใหญ่ หรือไม่ก็ต้องหา Outsource เพื่อมา Implement ให้เกิดงานขึ้นมาได้
สุดท้ายนี้ ในการเป็น Implementer นั้น ต้องอาศัยการเรียนรู้ในหลายด้านที่เกี่ยวข้องกันหมด จะรู้แค่การสร้าง Model ก็ไม่ได้ หรือรู้แค่ Data Pipeline หรือ UX/UI ก็ไม่ได้ ถ้าคนคนเดียวเป็นคน Implement แสดงว่าบุคคลนั้นต้องผ่านประสบการณ์มากโชกโชนซึ่งคงหายากมากในปฐพี ดังนั้นสิ่งที่ดูเหมือนจะเป็นทางออกที่ดีที่สุด นั้นคือ “การทำงานเป็นทีม” นั้นเอง ใครเก่งด้านไหน มาแชร์กัน เพื่อแลกเปลี่ยนแนวคิด มองให้ครบทุกมุม และกล้าที่จะคิดนอกกรอบเดิม เพื่อพัฒนาให้เกิดสิ่งที่ดีกว่า อยู่ที่ว่า แต่ละองค์กรจะสร้าง Culture ให้มีบรรยากาศการทำงานอย่างไร
