จะสร้าง Data Science Team ต้องทำอย่างไร??
เป็นปัญญาที่พบเกือบทุกองค์กรในขณะนี้ เมื่อ Digital Technology เข้ามา Disrupt การทำงานขององค์กร ทำให้หลายๆ องค์กรต่างพากันปรับเปลี่ยนนโยบายการตัดสินใจต่างๆ ที่ต้องพึ่งพาคนตัดสินใจหน้างาน เป็นการใช้โมเดล หรือ Data เป็นตัวช่วยในการตัดสินใจมากขึ้น
และบุคคลที่สามารถสร้างโมเดลเพื่อหา Solution ใหม่ๆ จากข้อมูลได้ นั่นคือ Data Scientist จึงทำให้อาชีพนี้เป็นอาชีพที่มาแรง และขาดตลาด
ในความเป็นจริงแล้ว แต่ละองค์กร ไม่จำเป็นต้องมี Data Scientist จำนวนมาก เพราะการสร้างโมเดล ไม่ใช่งานที่ใช้เวลานาน และบางโมเดลเมื่อสร้างสำเร็จแล้ว ก็สามารถฉลาดพอที่จะปรับตัวเองตามข้อมูลใหม่ๆ ได้ โดยไม่ต้องพึ่งพาคนออกแบบโมเดลอีกต่อไป
แต่เหตุผลที่ทำให้อาชีพ Data Scientist นั้นขาดตลาด เพราะ Data Scientist ตัวจริง ที่มีประสบการณ์ สามารถทำงานได้ โดยที่ไม่ต้องมีการสอนงานนั้น หายากมากๆ จริงๆ
อีกทางเลือกหนึ่งก็คือ การสร้าง Data Science Team ขึ้นมาเองในองค์กร ซึ่งแนวทางนี้ ทำให้องค์กรสามารถเฟ้นหา Young Data Scientist ได้ ที่มีจำนวนมากในตลาดแรงงาน แต่มีข้อเสียคือ ต้องมีการสอนงาน และใช้เวลาสักระยะ กว่าจะสามารถส่งมอบงานให้องค์กรได้
วิธีการสร้าง Data Science ที่ถูกทางที่สุด ก็คือ การต้องมี Senior Data Scientist อย่างน้อย 1 คน เป็นคนคอยสอนงาน เพราะการเป็น Data Expert ที่ถูกต้อง นั่นคือ ต้องมีความคิดสร้างสรรค์ เพื่อผลิต Data Product ใหม่ๆ ออกมา โดยไม่เลียนแบบโมเดลจากใคร ในขณะที่วิชาความรู้ต่างๆ ที่ร่ำเรียนมานั้น เป็นเพียงรากฐานที่เป็น Idea แต่เมื่อทำงานจริงๆ สิ่งที่สำคัญสุด ก็คือ I Do หรือ การลองผิดลองถูก จนกว่าจะประสบความสำเร็จได้
หากเปรียบเทียบกับอาชีพอื่นๆ แต่ละอาชีพที่เริ่มทำงานใหม่ๆ ก็มักจะมีหัวหน้างาน หรือพี่เลี้ยงคอยดูแล ซึ่งไม่ต่างกัน Data Scientist ก็ต้องการคนดูแลด้วยเหมือนกัน เพราะในการเรียน คือ การเรียก Table เพื่อสร้าง Model ในขณะที่การทำงานจริง ต้องมองหาข้อมูลเอง วิเคราะห์ปัญหาเอง และยังต้องทำงานร่วมกับทีมงานคนอื่นๆ อีกด้วย
Senior Data Scientist 1 คน อาจจะสามารถสอนงานให้ทีมงานได้หลายคน ขึ้นอยู่กับความสามารถในการ Coaching แต่หากองค์กรไม่มี Senior Data Scientist เลยสักคน ก็ยากที่จะสร้าง Data Science Team เพราะนั่นคือการจ้างคนเข้าไป แล้วโยนเขาทิ้งกลางมหาสมุทร โดยที่ไม่บอกแม้แต่จุดหมายของฝั่งที่ต้องว่ายกลับเข้าไปให้ถึง
เมื่อแต่ละองค์กรมี Senior Data Scientist แล้ว ขั้นตอนต่อไปเพื่อสร้างทีมงานก็คือ
วางเป้าหมายการทำงาน เช่น ต้องการทำโครงการ Cost Reduction
วาง Timeline ในการทำงาน เช่น แบ่งออกมาเป็น 6 ส่วนย่อย ได้แก่ ทำความเข้าใจเป้าหมายเชิงธุรกิจ, เก็บข้อมูล และทำความเข้าใจข้อมูล, ทำความสะอาด และวางโครงสร้างของข้อมูล, สร้างโมเดล, ตรวจสอบโมเดล ทดสอบโมเดล และเลือกโมเดลที่เหมาะสมที่สุด, นำโมเดลไปขึ้นระบบ และใช้งานจริง ซึ่งในแต่ละส่วนนี้ จะมีผู้เกี่ยวข้องหลากหลายหน้าที่ เช่น Data Scientist ออกแบบโมเดล, Data Engineer ออกแบบระบบ, Data Analyst เป็นผู้ประเมินผลลัพธ์ เป็นต้น
วางจำนวนคนที่เหมาะสม โดยดูจาก Timeline และขนาดของโครงการ
ก่อนจะทำโครงการจริง หรือโครงการใหญ่ ควรมีการทำ Internal Project เล็กๆ เพื่อทดสอบความเข้าใจในการเป็น Data Expert ของทีมงาน เช่น แจกโจทย์ และให้ทีมงานกลับไปทำเป็นการบ้าน เพื่อนำเสนอให้หัวหน้างานฟัง เป็นต้น
แม้ว่าการสร้าง Data Expert Team ขึ้นมาเอง อาจจะใช้เวลาค่อนข้างนาน แต่สิ่งที่องค์กรจะได้เป็นผลพลอยได้ คือ ความสามัคคีในการทำงาน เพราะคนในทีมนั้นเรียนรู้ที่จะทำงานเป็นทีมกันตั้งแต่ต้น
สำหรับ Coraline เอง เราเลือกที่จะสร้าง Data Science and Data Engineer Team เองในองค์กร เพราะ Coraline ก่อตั้งโดย Data Expert ที่มีประสบการณ์ และงานทั้งหมดของ Coraline เป็นงานประเภท Big Data Project โดยทั้งสิ้น ทำให้ทุกคนในองค์กรสามารถเรียนรู้ไปพร้อมๆ กับการทำงานจริง พบเจออุปสรรคที่ต้องช่วยกันแก้ไขให้สำเร็จ และเก็บเกี่ยวประสบการณ์ไปด้วยกัน
ผลลัพธ์ที่ได้คือ ในแต่ละ Lot ที่เรารับสมัครพนักงานใหม่ ที่ไม่ได้เป็น Data Scientist และไม่ได้จบ Data Science มาเทรนเพื่อเป็น Data Scientist เราใช้เวลาไม่ถึง 1 เดือน นั่นเกิดจากความชัดเจนในการทำงาน มีขั้นตอนที่เป็นแบบแผน และมีงานอย่างต่อเนื่องให้เรียนรู้ได้ทุกวัน
อย่างไรก็ตาม สิ่งที่ทุกองค์กรต้องคำนึงถึงมากที่สุดในเวลานี้ คือ “เวลา” แน่นอนว่าการเทรนเองนั้นเป็นความเสี่ยงอย่างหนึ่ง เมื่อไม่สามารถการันตีได้ว่าจะสามารถสร้าง Data Science Team ได้พร้อมใช้เมื่อไหร่
ทุกวันนี้ สิ่งที่น่ากลัวก็คือ การเสียโอกาสทางธุรกิจ และคำว่า Disrupt นั้นคือการทำลายล้างครั้งยิ่งใหญ่ ที่หากใครปรับตัวไม่ทัน อาจจะไม่มีโอกาสแก้ไขได้แล้วก็เป็นได้ ดังนั้นไม่ว่าแต่ละองค์กรจะเลือกจ้างเฉพาะ Data Scientist ที่มีประสบการณ์เท่านั้น หรือจะสร้าง Data Science Team เอง หรือจะ Outsource Data Expert Team ก็ตาม ก็ควรจะมีนโยบายที่ชัดเจนได้แล้ว เพราะ Digital 4.0 นั้นเริ่มมาตั้งแต่ปี 2011 ผ่านมาแล้ว 7 ปี หากองค์กรไหนยังไม่เริ่ม ก็เรียกได้ว่า “น่าเป็นห่วง” อย่างมากจริงๆ
สุดท้ายนี้ สิ่งที่หลายองค์กรต้องทำความเข้าใจ คือ การทำงานแบบ Digital นั้นหมายถึง การทำงานอย่างเป็นระบบที่ข้อมูลต่างๆ สามารถเชื่อมโยงเข้าด้วยกันได้ และสามารถใช้ประโยชน์จากข้อมูลได้มากที่สุด โดยไม่จำกัดขอบเขตการทำงาน สามารถทำได้ตั้งแต่ Marketing, Risk, Operation และ การตัดสินใจส่วนอื่นๆ ซึ่งการสร้างโมเดล จะทำให้องค์กรมีความเข้าใจในตัวข้อมูลมากขึ้น สร้างความแตกต่างทางธุรกิจได้ และมีความโดดเด่นในการแข่งขันทางตลาด ซึ่งการเริ่ม ไม่ใช่เริ่มจากการมองหาทีมงาน แต่เป็นการวางกลยุทธ์ที่ชัดเจนก่อน เพราะต่อให้มีทีมงานเข้มแข็ง แต่ไม่สามารถดำเนินงานได้ ก็คงไม่มีประโยชน์ใดๆ
