ดร.อสมา กุลวานิชไชยนันท์ (ดร.แป้ง) CEO & Co-Founder บริษัท Coraline ผู้เชี่ยวชาญและให้บริการด้าน Big Data ได้เล่าถึงประสบการณ์ที่ผ่านมาก่อนจะมาเป็น CEO Coraline
กว่าจะมีวันนี้วันที่มีคนเรียกฉันว่า “ผู้เชี่ยวชาญด้าน Big Data”
ในปี 2560 ที่ผ่านมา ปัจจุบันแป้งทำงานเป็นผู้บริหารบริษัทพัฒนาโครงการ Big Data และเป็นที่ปรึกษาองค์กรภาครัฐหลายแห่ง วันนี้จะนำประสบการณ์ในระหว่างทางของแป้งที่กว่าจะมาถึงวันนี้มาเล่าสู่กันฟังค่ะ
ก่อนอื่นต้องบอกว่าเรื่องราวที่จะเล่า อาจจะมีบางส่วนที่สะท้อนความเป็นจริงในสังคม ซึ่งแป้งไม่อยากให้มีการตามล่า ดราม่า ไม่อยากให้สืบหรือมี Comment ที่เสียหายต่อใคร เพราะในโลกของการทำงาน การกระทบกระทั่ง หรือมีความเห็นไม่ตรงกันเป็นเรื่องที่เกิดขึ้นได้ เหตุผลที่แป้งนำมาแชร์ เพราะต้องการให้เด็กรุ่นใหม่เห็นภาพว่ากว่าจะมาถึงจุดหนึ่งของชีวิตไม่ใช่เรื่องง่ายแต่เราก็ต้องพิสูจน์ตัวเองต่อไปค่ะ
หมายเหตุ* ด้วยข้อจำกัดเรื่องข้อมูล แป้งจะไม่ลงรายละเอียดถึงบุคคล และรายละเอียดเชิงลึกของข้อมูล แต่จะอธิบายในเชิงกว้างเพื่อเป็นประโยชน์ต่อผู้อ่านค่ะ
แรงบันดาลใจในการเขียนกระทู้ครั้งนี้ เกิดจากเมื่อ 3 สิงหาคม 2563 ได้มีโอกาส Live กับคุณสุทธิชัย หยุ่น ในหัวข้อ Data Science กับ Covid-19
รับชมได้ที่
ซึ่งในเนื้อหาจะกล่าวถึงว่า Data Scientist ยังเป็นที่ต้องการหรือไม่? แล้วการที่ในตลาดมีแต่คนเรียกตัวเองว่า Data Scientist ทั้งๆ ที่อาจจะไม่ใช่ตัวจริงจะส่งผลอย่างไรต่อเศรษฐกิจและ Ecosystem ของธุรกิจ
ใน Live สดอาจจะมีเวลาเพียงจำกัด และเป็นการสัมภาษณ์สดที่ไม่มีการเตรียมตัวกันก่อนแป้งจึงอยากถ่ายทอดประสบการณ์ ที่แป้งได้เกริ่นเอาไว้ในการสัมภาษณ์ครั้งนั้นค่ะ ไม่ว่าจะเป็นเรื่องการทำงานในองค์กรใหญ่ การสะสมประสบการณ์ในการออกแบบ Data Model การเผชิญหน้ากับการเมืองภายในองค์กร รวมไปถึงการเป็น Founder บริษัท Big Data ตั้งแต่อายุยังน้อย
เริ่มกันเลยนะคะ อาจจะมีคำศัพท์เทคนิคบ้าง ซึ่งแป้งจะซ้อนคำอธิบายเอาไว้เผื่อใครต้องการอ่านเพิ่มเติมค่ะ
ชีวิตการทำงาน แตกต่างจากที่เรียนโดยสิ้นเชิง เพราะในห้องเรียน เรารู้ว่าวันนี้อาจารย์มาสอนวิชาอะไร เรารู้ว่าโจทย์คืออะไร การแก้ปัญหา ก็แก้ด้วยตัวเราเอง แต่ในขณะที่การทำงานจริง บางครั้งเราต้องคิดโจทย์เอง และต้องประสานงานกับผู้เกี่ยวข้องที่มีความเชี่ยวชาญคนละด้านกับเรา ซึ่งคนที่มีพื้นฐานต่างกัน มักจะใช้ภาษาที่ไม่เหมือนกัน เช่น คำศัพท์เทคนิค หรือวิธีการอธิบายการทำงาน
ที่ทำงานในสายธุรกิจแห่งแรกของแป้ง คือ ธนาคารแห่งหนึ่ง ณ วันนั้นยังไม่มีคำว่า Big Data และก็ยังไม่มีตำแหน่ง Data Scientist เกิดขึ้น จำได้ว่าคนที่สัมภาษณ์แป้งเข้าไปทำงานคนแรก คือ ผู้ช่วยกรรมการผู้จัดการ (ต่อไปจะเรียกว่า นาย1) และคนที่สัมภาษณ์รอบ 2 คือ รองกรรมการผู้จัดการ (ต่อไปจะเรียกว่า นาย2) เรียกได้ว่าเป็นการสัมภาษณ์งานครั้งแรกในสายธุรกิจ ที่เจองานหินกันเลยทีเดียว แต่ทุกอย่างก็ผ่านมาได้ด้วยดี และทั้ง 2 ท่าน ก็ได้กลายเป็นมาเจ้านายที่แป้งรักและเคารพมาจนถึงทุกวันนี้
พอทำงานช่วงแรก ได้รับโจทย์มาว่า ทางธนาคารต้องการซื้อ Software เพื่อใช้บริหารตู้ ATM แต่ปัญหาอยู่ที่ว่า จะต้องใส่ตัวแปรต่างๆ ให้ถูกต้อง โดยแป้งจะต้องเข้าไปทำความเข้าใจตัวแปรต่างๆ และประเมินผลว่า Software ดังกล่าวเหมาะสมหรือไม่
โครงการ ATM เป็นส่วนหนึ่งของโครงการบริหารเงินสดของธนาคาร ประกอบไปด้วย การจัดการเงินที่ศูนย์กระจายเงินสด เงินที่ตู้อิเล็กทรอนิกส์ เงินที่สาขา และการบริหารจัดการการขนส่งเงิน
จากรูปจะเห็น Flow ของการบริหารเงินสดของธนาคาร กล่าวคือ จะต้องมีศูนย์กระจายเงินสดส่งเงินไปที่รถ และรถก็จะไปส่งที่จุดบริการ เช่น ตู้อิเล็กทรอนิกส์ สาขา จุดแลกเปลี่ยนเงิน และธนาคารแห่งประเทศไทย ซึ่งถ้าเอาเงินไปกองที่จุดบริการมากเกินไป ก็จะเสียโอกาสในการนำเงินสดไปหมุนเวียน แต่ถ้าเอาเงินไปส่งน้อยเกินไป ก็จะต้องขนส่งบ่อยครั้ง การบริหารเงินสด จึงเป็นหัวใจของธนาคารโดยตรง
ในระหว่างรอการเจรจาจัดซื้อจัดจ้าง Software แป้งพบว่าก่อนหน้านี้มีการวาง KPI ของโครงการเอาไว้ ด้วยหลักการที่ไม่น่าจะเหมาะสม เช่น สิ้นวัน เงินที่ศูนย์ฯ จะต้อง = 0 ซึ่งในความเป็นจริง จะเป็นไปได้ยังไง ในเมื่อสิ้นวันเงินต้องกองอยู่ที่ศูนย์ฯ สิ เพราะรถขนเงินมาเก็บที่ศูนย์ฯในช่วงสิ้นวัน ทำให้แป้งเริ่มสงสัยในวิธีการออกแบบ Model เพื่อตั้งเป็น KPI
สิ่งแรกที่พบ คือ ต้นทุนการขนส่งที่แท้จริง ซึ่งตัวตั้งต้นในสมการ จะใช้ค่าเฉลี่ยทั้งปี กล่าวคือ ค่าใช้จ่ายรวม หารด้วย จำนวนจุดบริการที่ไป กลายเป็นว่า จุดบริการทุกจุด จะมีค่าใช้จ่ายเท่ากัน ทั้งๆ ที่ในความเป็นจริง มีจุดห่างไกล จุดบริการบนเกาะ และจุดที่อยู่ติดกัน ที่ไม่ควรมีต้นทุนที่แท้จริงเท่ากัน
อย่างไรก็ตาม ด้วยความที่เป็นองค์กรใหญ่ ทำให้ข้อมูลต่างๆ รวมไปถึง KPI ของบุคลากรแต่ละคนแยกส่วนกัน การจะวิเคราะห์ว่าต้นทุนที่แท้จริงคืออะไร ไม่ใช่เรื่องง่าย เริ่มจากแป้งติดต่อไปที่แผนกเดินรถเพื่อขอประวัติการเดินรถและพบว่ามีการเก็บประวัติในกระดาษ แต่จดเพียงว่าวันนี้ไปจุดที่ 1 กี่โมง จุดที่ 2 กี่โมง เท่านั้น ทำให้ต้องนำข้อมูลจุดที่ 1 นั้นไปเชื่อมโยงกับข้อมูลชุดอื่นเพื่อให้ทราบว่า จุดที่ 1 คืออะไร
เมื่อข้อมูลเป็นกระดาษ แน่นอนว่ามันใช้วิเคราะห์อะไรไม่ได้ แป้งจึงออกแบบตารางใน Excel ขึ้นมา เพื่อให้พนักงานคีย์ข้อมูล กรอกรายละเอียดให้ โดยใช้ข้อมูลการเดินรถ 15 สายรถ ทั้งหมด 3 เดือนย้อนหลัง เพื่อวิเคราะห์เส้นทาง
มีหัวหน้าแผนกเดินรถท่านหนึ่ง กล่าวกับแป้งในวันที่พาแป้งไปเปิดโกดังเก็บกระดาษเดินรถใต้บันได พี่เขาบอกว่า “ไม่เคยมีใครมาสนใจกระดาษพวกนี้เลย จนกระทั่งหนูเนี้ยแหละมาถามว่าพี่มีการจดบันทึกมั้ย”
ในระหว่างที่รอข้อมูลการเดินรถ พบว่ายังขาดข้อมูล Master Data ของข้อมูลจุดบริการที่แสดงรายละเอียดของจุดบริการนั้นๆ เช่น ตู้ ATM 010203 ชื่อตู้ ที่อยู่ วันที่ติดตั้ง Latitude และ Longitude เป็นต้น ซึ่งทางฝ่ายที่เกี่ยวข้องจะมีการเก็บ Master Data เอาไว้ แต่จะ Update ทุก 6 เดือน อย่างไรก็ตามเมื่อข้อมูลกระจัดกระจาย การเรียกชื่อตู้ หรือการ Update ของข้อมูล ทำให้แป้งขาดข้อมูล Latitude และ Longitude ของตู้ ATM จำนวนมาก
ในช่วง 2 เดือนแรกของการทำงาน หน้าที่หลักของแป้ง คือ การหา Latitude และ Longitude ของตู้ ATM กว่า 3,000 ตู้ เพื่อใช้ประกอบการสร้าง Cost Structure Model วิธีการมีหลายวิธีมาก ตั้งแต่การเอาชื่อสถานที่ตั้งตู้ไปกดดูใน Google เช่น Big C ราชบุรี เป็นต้น หรือแม้แต่ติดต่อไปที่แผนกเดินรถ เพื่อขอแอด Line พี่คนขับที่ทำหน้าที่เปลี่ยนกล่องเติมเงิน ให้เขาช่วย Share Location ของตู้มาให้หน่อย
จนกระทั่งวันหนึ่ง ที่แป้งไปนั่งห้อง GPS ของแผนกตรวจสอบการเดินรถ มีพี่ท่านหนึ่งเดินมาหา แล้วพูดว่า “ทำไมไม่บอกพวกพี่ละ ว่าน้องเป็นด๊อกเตอร์ พี่ไม่เข้าใจว่า ธนาคารเอาด๊อกเตอร์มานั่งหา Latitude และ Longitude เองทำไม มาเถอะ พวกพี่ช่วยหา”
เรื่องขำๆ ฮาๆ ก็มีนะคะ ชื่อตู้ ATM บางตู้ น่ารักมากเลย เช่น ตู้หน้าโรงเรียน (เอิ่ม โรงเรียนอะไรละคะ) ตู้ร้านแตงโม ตู้ผู้ใหญ่ไก่ ตู้หน้า 7-11 ซอย 2 และนี้แหละ คือ เหตุผลที่ว่า ทำไมจึงต้องมี ID และต้องมี Update Master Data อยู่เสมอ เพราะตู้เกิดขึ้นทุกวัน ถอดถอนทุกวัน ข้อมูลที่สะอาด เกิดขึ้นจากการให้ความใส่ใจ แต่ถ้าข้อมูลนั้นเกิดความสกปรกไปแล้ว ก็ยากที่จะทำให้มันสะอาดได้อย่างสมบูรณ์
2 เดือนแรกของการทำงาน แป้งนั่งหา Latitude และ Longitude จนครบ พร้อมกับสร้าง Data Set ของการเดินรถ จนกระทั่งสามารถสร้าง Cost Structure Model ได้ แสดงให้เห็นว่า ระยะห่างจากศูนย์ฯ ประเภทของตู้ ประเภทของสถานที่ และจำนวนตู้ใกล้เคียง มีผลต่อค่าใช้จ่ายในการจัดการตู้โดยทั้งสิ้น ดังนั้นจุดบริการแต่ละจุดไม่ควรมีค่าใช้จ่ายเท่ากัน
ในส่วนนี้ แป้งใช้เทคนิค Regression เพื่อทำการประเมิน หรือ Estimate ค่าใช้จ่ายของจุดบริการนั่นๆ โดยมีค่า Error อยู่ที่ 8% ซึ่งเกิดจากปริมาณงานต่อวันที่ไม่คงที่ ช่วงเวลาการเดินรถ และ Emergency อื่นๆ เช่น ตู้เสียกะทันหัน ต้องรีบไปซ่อมด่วน เป็นต้น
Regression เป็น Machine Learning ประภท Supervised Model โดยมีวัตถุประสงค์เพื่อหาความสัมพันธ์ระหว่าง Input กับ Target ซึ่งในที่นี้ จะต้องออกแบบ Input และ Target เอง
ในที่นี้ Estimated Target คือ ต้นทุนการขนส่งที่แปรผันตามตัวแปร จากนั้นนำผลรวมของ Estimated Target ไปเช็คกับค่าใช้จ่ายจริงที่เกิดขึ้น เพื่อวิเคราะห์ค่าคลาดเคลื่อน
ผลจากการไปนั่งหา Latitude และ Longitude ด้วยตัวเอง ทำให้แป้งเข้าใจการทำงานที่หน้างาน เข้าใจหัวอกคนที่ต้องกรอกข้อมูล และพิสูจน์ให้ผู้ใหญ่เห็นได้ว่า “ข้อมูล” เป็นสิ่งที่สำคัญ จนกระทั่งในเวลาต่อมา ทางธนาคารจึงมีโครงการจัดซื้ออุปกรณ์อิเล็กทรอนิกส์ เพื่อจดบันทึกการเดินรถ
Cost Structure Model ของแป้ง มีแป้งนั่งทำอยู่คนเดียว เพราะมีพี่ในแผนก (เป็น ดร.) เตือนแป้งว่า “พี่รู้นะ ว่าเธอไฟแรง แต่อย่าทำอะไรให้เหนื่อยเลย การทำงานจริง ไม่เหมือนงานวิจัยนะ เขาอยากได้อะไรเร็วๆ ง่ายๆ ไม่ได้อยากได้อะไรลึกๆ หรอก” ถามว่าจริงมั้ย ก็ต้องยอมรับว่าจริง แต่สิ่งที่แป้งทำ มันก็ไม่ได้เสียเวลาชีวิตเท่าไหร่นะ ก็แค่ 2 เดือนเอง มันอยู่ที่ว่า สิ่งที่เราทำให้มันลึก มันได้ประโยชน์หรือเปล่าต่างหาก
ต่อมา แป้งพบว่า Software ที่ทางธนาคารจัดซื้อจัดจ้างมานั้น ไม่สามารถตอบโจทย์บางอย่างได้ เพราะด้วยความเป็น Software สำเร็จรูป ทำให้ไม่สามารถปรับ Condition ของการเดินรถ เช่น จำนวนจุดบริการต่อวัน Window Time ของการเดินรถ หรือ Emergency ต่างๆ ระหว่างวัน ซึ่งเป็นปัจจัยที่สำคัญ โดยทางแป้งเองได้ชี้แจงไปทางผู้เกี่ยวข้อง แต่มันก็สายไปเสียแล้วและด้วยความที่เป็นผู้น้อย แป้งจึงถูกให้ออกจากโครงการ
นาย1 ปลอบใจแป้ง และบอกว่า“จะเป็นใหญ่ ใจต้องนิ่ง” วันนั้นแป้งอายุเพียง 27 ปี แป้งยังต้องผ่านบททดสอบอีกเยอะ นาย1 บอกให้แป้งลองไปคิดโครงการอื่นๆ ขึ้นมา หรือจะทำ ATM Optimization Model สำรองขึ้นมาก็ได้ ในระหว่างที่เขา Implement Software นั้น เพราะถ้ามันใช้ไม่ได้ในแบบที่แป้งบอกจริงๆ ทางธนาคารจะได้มีแผนสำรอง
ระหว่างนั้นในที่ประชุมที่มีนาย2 นั่งเป็นประธานการประชุม แป้งพยายามอธิบายว่า KPI จำนวนเงินถือครองเดิมเรากำหนดเอาไว้เป็นตัวเลขที่ไม่สามารถทำได้ ด้วยหลักการทำงานของ Process Flow และกรอบเวลาของการทำงาน เช่น จะลดเงินที่ศูนย์ฯได้อย่างไรเมื่อเงินกลับถึงศูนย์ฯ ช่วงหัวค่ำ และระบบข้อมูลจะกวาดและตัดข้อมูลช่วงเที่ยงคืนในจังหวะนั้นเอง อยู่ดีๆ ก็มีมือนึงมาหยิกขาแป้ง ด้วยความเป็นเด็กใหม่ ที่ยังปรับตัวกับวัฒนธรรมองค์กรไทยไม่ได้ แป้งตกใจ หยุดพูดทันทีและอยู่ดีๆ พี่อีกคนก็มาดึงไมค์ออกจากแป้ง และพูดเรื่องอื่นไปเลย
3 เดือนแรกของการทำงาน ไม่ได้สนุกอย่างที่คิด ถามว่ามีทางเลือกมั้ย โอ้โห บริษัทต่างๆ โทรมาชวนไปทำงานด้วยไม่ขาดสาย แต่สิ่งเดียวที่รั้งแป้งเอาไว้ คือ “นาย” เพราะนายทุกคนดีกับแป้ง และแป้งเชื่อว่า การได้เรียนรู้งานกับคนที่ให้โอกาส และมีประสบการณ์มากมายจะเป็นพรที่ดีให้ชีวิตการทำงาน
ATM Optimization Model ของแป้ง เริ่มจากการใช้ Machine Learning ประเภท Clustering Model (เป็น Machine Learning ประเภท Unsupervised Model เพื่อจัดกลุ่ม เป็น Model ที่วัดผลยาก เพราะไม่มีตัวชี้วัดที่ชัดเจนเหมือน Regression Model) เพื่อแบ่งประเภทของ ATM ซึ่งความยากคือวิธีการประเมินความเหมาะสมของการแบ่งกลุ่ม ไม่มีตัวชี้วัดที่ชัดเจน แต่สาเหตุที่จะต้องมีการแบ่งประเภทก็เพราะประเภทของตู้ ATM แต่ละตู้ มีปัจจัยในการใช้ไม่เหมือนกัน
ต่อมา ใช้ Regression ในการสร้าง Forecasting Model แทนที่การใช้ Time-Series Model (Time-Series Model จะใช้ตัวเองในอดีตเท่านั้น เช่น Moving Average ซึ่งในกรณี ATM นั้นมีปัจจัยอื่นที่ส่งผลต่อการใช้งาน การใช้ Regression จึงเหมาะสมกว่า) โดยที่สามารถให้ตัวแปรใน Regression Model เป็นตัวเองในอดีตได้เพราะแป้งพบว่า มีปัจจัยอื่นๆ ที่เกี่ยวข้องกับยอดใช้ ไม่ใช่แค่เรื่องของเวลา เช่น ประเภทของสถานที่ตั้งตู้ วัน(จัน-อาทิตย์) วันที่(1-31) เดือน(1-12) วันหยุดนักขัตฤกษ์ และจำนวนตู้ข้างเคียง เป็นต้น ตัวอย่างเช่น ตู้หน้าโรงงาน จะใช้เยอะในวันเงินเดือนออก และตู้ในห้างพารากอนชั้นศูนย์อาหาร จะมีการกดแบงค์เล็ก มากกว่าตู้ที่อยู่ชั้นแผนกสตรี เป็นต้น
การประเมินผล Forecasting Model จะแบ่งออกเป็นกลุ่ม กล่าวคือ กลุ่มที่ Forecast ได้แม่นมาก กลุ่มที่ Forecast ได้แม่นระดับหนึ่ง และกลุ่มที่ Forecast ได้ไม่ค่อยแม่น หลังจากนั้นจึงนำมาวิเคราะห์ว่า ที่มันไม่แม่นเป็นเพราะอะไร ทำให้ทราบว่า ในกลุ่มที่แม่นระดับหนึ่ง จะมีเหตุการณ์บางอย่างที่ส่งผลโดยตรง เช่น มีตู้ข้างเคียง และหากตู้ข้างเคียงเสีย ก็ทำให้เกิดการใช้งานเยอะผิดปกติ เป็นต้น ส่วนกลุ่มที่ทำงานได้ไม่ค่อยแม่น อาจเป็นเพราะสถานที่หรือปัจจัยรอบนอก เช่น ตู้แถวร้านทอง ตู้ที่สถานที่ศูนย์ประชุมจัดงาน Event เป็นต้น
การ Forecast ให้แม่นยำ ป็นสิ่งที่สำคัญ แต่ที่สำคัญมากกว่าคือการจัดการกับ Error ที่เกิดขึ้น ดังนั้นในการเป็น Data Expert ที่ดี จะต้องให้ความสำคัญกับค่า Error ด้วย และควรจะอธิบายให้ได้ว่าทำไมถึงเกิด Error
ผลจาก Forecasting Model จะส่งต่อไปยัง Model กระจายรถ โดยใช้หลักการ EOQ (Economic Order Quantity) เป็นหลัก (EOQ คือ Model ที่ใช้ในสายงาน Inventory เพื่อคำนวณปริมาณการสั่งซื้อที่เหมาะสม โดยการสั่งซื้อสินค้าในแต่ละครั้งจะสั่งในปริมาณที่ทำให้เกิดค่าใช้จ่ายรวมต่ำที่สุด โดยค่าใช้จ่ายรวมเกิดจากค่าใช้จ่ายในการสั่งซื้อ (Ordering Cost) และค่าใช้จ่ายในการจัดเก็บสินค้า (Carrying Cost) ซึ่ง Cost ทั้งสองตัวนี้ จะแปรผกผันกันตามรูป)
กล่าวคือ เราต้องหาจุดสมดุล ระหว่างปริมาณเงินที่นำไปส่งแต่ละครั้งกับรอบการขนส่ง แต่ในความเป็นจริงทุกอย่างมันไม่ Perfect เหมือนในทฤษฎี กล่าวคือ ในทฤษฎีเราจะไปเติมของก็ต่อเมื่อปริมาณของสินค้าคงคลังแตะ Re-Order Point แต่ในความเป็นจริง การสั่งเติมเงินจะต้องมีเวลา Cut Off อีกทั้งในทฤษฎี EOQ จะมีการตั้งสมมติฐานให้ Demand คงที่ ในขณะที่ความเป็นจริงคงไม่มีการใช้สินค้าใดที่จะมี Demand คงที่ได้ตลอดไป
วิธีการของแป้งคือ ใช้ค่าเฉลี่ย Demand ของจุดบริการ เพื่อวิเคราะห์ความถี่ในการเติมเงิน โดยใช้หลักการ EOQ เราจะรู้รอบที่เหมาะสมในการเติม จากนั้นแต่ละครั้งที่เติมจะเติมเท่ากับยอด Forecast ตามจำนวนวันที่เหมาะสมต่อจุดบริการ
จุดบริการแต่ละจุดจะมีรอบการเติมที่เหมาะสมไม่เหมือนกัน ขึ้นอยู่กับ Demand และค่าใช้จ่ายต่อจุด
การจัดสายรถก็เป็นสิ่งสำคัญเช่นเดียวกัน เพราะรถ 1 คันจะมีข้อจำกัดในการไปถึงจุดบริการต่อวันได้ไม่เท่ากัน ขึ้นอยู่กับระยะทาง และประเภทของจุดบริการที่ต้องบริการต่อวัน
ในระหว่างที่แป้งทำการพิสูจน์ ATM Optimization Model ของแป้งไปเรื่อยๆ ได้ทราบว่า Software ที่มีการจัดซื้อจัดจ้างไม่ตอบโจทย์ ทางธนาคารจึงตัดสินใจยุติการใช้งาน และนั่นเป็นโอกาสของแป้งที่จะได้นำเสนอโมเดลนี้ให้กับทางทีมผู้บริหารทราบ เพื่อขออนุมัติในการให้ Implement ต่อไป
ในระหว่างทาง แป้งได้มีการเสนอแนะ แนวทางในการพัฒนารูปแบบ Work Flow ที่เกี่ยวข้องกับ ATM อยู่ตลอด เช่น การ Approve การเติมเงิน การ Monitor ข้อมูลแบบ Real Time ซึ่งตรงนี้ทำให้เห็นปัญหาที่ว่า เมื่อความรับผิดชอบแตกส่วนและมีการเก็บข้อมูลกระจัดกระจายทำให้เกิดความยากลำบากในการทำงาน
เคล็ดลับในการทำ Model ให้สำเร็จของแป้งคือ จะต้องให้ความสำคัญกับมูลเหตุปัจจัยและคุณภาพของข้อมูลเป็นหลัก
ในระหว่างที่แป้งสร้างโมเดลอยู่ที่หน้าคอมพิวเตอร์ แป้งเดินทางไปคุยกับผู้เกี่ยวข้องหลายส่วน เดินทางไปในหลายๆ จังหวัดเพื่อเก็บข้อมูล ทำให้ทราบทั้งปัญหาหน้างาน ปัญหาของข้อมูลหลังบ้าน และปัญหาในกรณีมีการเปลี่ยนแปลง
Model เป็น Machine Learning + Optimization Model ซึ่งต้องใช้โปรแกรมเฉพาะทางในการพัฒนา ซึ่งในขณะนั้นทางธนาคารยังไม่ได้มีการ Support เรื่องของการเขียนโปรแกรมมากนัก คอมพิวเตอร์ที่ใช้ในออฟฟิศก็เป็นคอมพิวเตอร์ที่มีเพียงโปรแกรมพื้นฐาน ทำให้แป้งจำเป็นจะต้องกลับมาสร้างโปรแกรมที่บ้าน และใช้เวลาเสาร์อาทิตย์และหลังเลิกงานในการสร้างโมเดลเท่านั้น
เรื่องนี้สอนให้รู้ว่า…. Hard work pays off จริงๆ นะ เพราะช่วงประกาศโบนัสแต่ละครั้ง แป้งก็จะได้รางวัลอยู่ทุกครั้งไป และต่อให้ทางบริษัทไม่เห็นค่าของเรา แต่อย่างน้อยเราก็ได้เก็บเกี่ยวเป็นประสบการณ์ของตัวเองสะสมไปเรื่อยๆ
ถามว่าในระหว่างทำงานมีปัญหาบ้างไหม ต้องตอบว่ามีอยู่ตลอด หลายครั้งที่ท้อหลายครั้งที่เครียด ก็จะมีนาย1 ที่คอยให้คำปรึกษา บางวันเครียดจนต้องไปร้องไห้ในห้องน้ำก็มี
หลังจากประสบความสำเร็จจากการผลักดัน ATM Optimization Model แล้ว ก็ถึงเวลาที่จะต่อยอดไปยังตู้อิเล็กทรอนิกส์ประเภทอื่นๆ รวมทั้งจุดบริการสาขา
ในขณะที่แป้งกำลังวิเคราะห์ตู้ฝากเงิน แป้งพบว่าตัวเลขถือครองเงินสดที่รายงานอยู่นั้นมีความคลาดเคลื่อน แป้งถึงได้แจ้งในที่ประชุม และได้รับการตอบกลับมาว่า "ธนาคารก่อตั้งมาตั้งแต่ก่อนแป้งเกิด เรื่องแค่นี้เขาไม่โง่กันหรอกนะ" ครั้งนั้นแป้งสู้ "แต่จากข้อมูลจำนวนตู้ให้บริการ และปริมาณเงินสูงสุดต่อตู้ คำนวณยังไงปริมาณเงินที่ถือครองต่อวันก็ไม่ควรเกิน xxx นะคะ ซึ่งปริมาณเงินถือครองที่รายงานอยู่ทุกวัน เป็นตัวเลขที่สูงเกินไปมากค่ะ" เมื่อพูดจบแป้งเก็บของแล้วกลับบ้านทันที
วันนั้นกลับมาบ้านน้ำตานองหน้า คุยกับทุกคนในครอบครัวว่าไม่ไหวแล้วจะลาออก พ่อแม่ป้าอา เข้ามาถามว่าเกิดอะไรขึ้น ซึ่งพอเล่าให้ฟังคร่าวๆ ทุกคนก็ลงความเห็นว่า "ไม่ให้ลาออก" เพราะต่อให้อยู่ที่นี่แล้วมีปัญหา ไปอยู่ที่อื่นก็จะต้องเจอปัญหาใหม่ๆ อยู่ดี ตราบใดก็ตามที่งานดีมีความท้าทาย และมีนายที่เข้าใจ แสดงว่าเรายังมีทางออกในการแก้ปัญหา ครอบครัวไม่ได้สอนให้แป้งโตขึ้นมาเป็นคนหนีปัญหา ทุกคนขอให้แป้งอดทนพยายามพิสูจน์ตัวเองแก้ปัญหาไปเรื่อยๆ รอจนถึงวันที่ทุกอย่างคลี่คลาย พิสูจน์ตัวเองได้แล้ว ค่อยพิจารณาลาออกในภายหลัง
แป้งอยู่ต่อ แม้จะเป็นช่วงเวลาที่ทรมานมากๆ
และในที่สุดผลจากการวิเคราะห์ตัวเลขเงินถือครองของตู้ฝากเงินก็พบว่า มีการซ้ำซ้อน หรือ Duplicate ข้อมูลเกิดขึ้น เรื่องนี้เป็นเรื่องใหญ่มากและต้องแก้ไขโดยเร็ว
การวิเคราะห์สาขาเป็นเรื่องที่ยาก และท้าทายอย่างมาก เพราะสาขาเกี่ยวข้องกับคนทำงานที่ถือเป็นหน้าบ้านของบริษัท แน่นอนว่าการเปลี่ยนแปลงย่อมมีแรงต้านทาน
วิธีการสร้าง Model สาขาจะแตกต่างจากของ ATM โดยเริ่มจากวิเคราะห์ประเภทของสาขา เช่น สาขาประเภทเงินเข้า สาขาประเทศเงินออก และทำการ คำนวณปริมาณเงินที่เหมาะสมที่ควรจะอยู่นะสาขาในแต่ละวัน คำนวณปริมาณเงินขั้นต่ำต่อสาขา (Safety Stock) และปริมาณที่คุ้มค่าต่อการขนส่ง สิ่งที่ยากที่สุดคือการสื่อสารกับพนักงานสาขา โดยจะต้องออกแบบวิธีการสื่อสารที่ง่ายที่สุด เพื่อไม่ให้กระทบกับปริมาณงานของเขาจนมากเกินไป
การวิเคราะห์สาขา ทำให้แป้งเครียดมาก บางวันปวดไมเกรนหนักมากจนตาพร่าและหูดับไม่ได้ยินไปชั่วขณะหนึ่ง แต่ช่วงนั้น เป็นช่วงที่ธนาคารมีการเปลี่ยนแปลง (โดยปกติธนาคารจะมีการปรับเปลี่ยนทุก 2-3 ปีอยู่แล้วเป็นเรื่องปกติ) ทำให้มีการเปลี่ยนผู้บริหาร และทำให้แป้งได้พบกับนาย3 (ตำแหน่งผู้บริหารฝ่าย)
นาย3 กับแป้งจะใกล้ชิดกันมากเพราะนั่งทำงานอยู่ชั้นเดียวกัน ทำให้เวลามีปัญหาเราจะมีเวลาในการวิเคราะห์ปัญหาร่วมกัน หลายครั้งที่นาย3 สอนงานให้กับแป้ง สอนให้เข้าใจการทำงานเป็นทีม สอนให้รู้จักใช้นายและใช้ผู้ร่วมงานให้เป็นประโยชน์ นายบอกว่า "ต่อให้เราวิ่งเร็ว แต่ถ้าผู้ร่วมทีมของเราวิ่งตามไม่ทันเรา สุดท้ายโครงการมันก็จะไม่สำเร็จ… บางครั้งเราวิ่งช้าลงหน่อย และสื่อสารให้ผู้ร่วมทีมเขาเข้าใจเป้าหมายไปกับเรา เราอาจจะไปถึงจุดที่เราตั้งเป้าเอาไว้ได้อย่างสวยงามก็ได้"
แป้งเห็นนายแต่ละคนทำงานหนักมาก บางครั้งต้องรอเพื่อเข้าประชุมกับนาย ดึกสุดก็เที่ยงคืน แต่นายก็ยังคงนั่งทำงานบนโต๊ะที่กองไปด้วยเอกสาร
ย้อนกลับมาคิด นายไม่จำเป็นต้องให้เวลากับแป้งขนาดนั้นก็ได้ แต่การที่นายให้เวลากับแป้ง มันทำให้แป้งอยากจะตอบแทนนาย ด้วยการทำงานให้ดี ให้นายชื่นใจ
ในช่วงการเปลี่ยนแปลง เริ่มมีคนลาออกทีละคน และก็เริ่มมีคนใหม่ๆ เข้ามา สิ่งหนึ่งที่แป้งได้เรียนรู้ คือการที่บริษัทไม่สามารถจัดการกับคนที่เป็นอุปสรรคต่อการทำงานจะส่งผลเสียให้กับคนอื่นในวงกว้างและสุดท้ายบริษัทก็จะเสียคนดีๆ ไป
ตัวแป้งเองได้รับโอกาสจากธนาคารอยู่บ่อยครั้ง ทั้งในที่ประชุม ในการรายงานโครงการกับบอร์ดของธนาคาร แป้งได้พบกรรมการผู้จัดการของธนาคารหลายท่าน เรียกได้ว่า Skill การนำเสนอโครงการของแป้ง ผ่านการกล่อมเกลามาจากการทำงานที่ธนาคารนี้เอง ทำให้รู้ซึ้งเลยว่า โครงการจะยากแค่ไหน เราก็จะมีเวลาเพียงไม่กี่นาที ในการนำเสนอให้ผู้บริหารรับทราบ ซึ่งเราต้องใช้ทุกนาทีให้มีค่า เสนอเฉพาะสิ่งที่ควรนำเสนอ แต่ต้องเป็นการนำเสนอที่ก่อให้เกิด Next Step ให้ได้ ไม่ใช่เพื่อตัวเราเท่านั้นแต่เพื่อทีมงานข้างหลังที่เขาไม่มีโอกาสมาร่วมประชุมกับเรา
แป้งอยู่กับธนาคารมาจนกระทั่ง 2 ปีกว่าๆ เมื่อทุกอย่างพิสูจน์ให้เห็นแล้วว่า แป้งสามารถสร้างผลงานที่ตอบโจทย์ธนาคาร ลดต้นทุนให้ธนาคารได้ ในจังหวะนั้นเองแป้งได้รับทำ Model ให้พี่ที่รู้จักกัน และเมื่อเอางานไปส่ง ก็พบว่ามี Windows 10 ออกใหม่มาสักระยะแล้ว ในขณะที่คอมของออฟฟิศเป็น Windows 7 (คอมส่วนตัวแป้งใช้ MacBook) พี่เขาได้อุทานออกมาว่า “อะไรของแก โลกไปถึงไหนแล้ว แกไม่รู้หรือไงว่า Window 10 ออกมาตั้งนานแล้วเนี้ย”
มันทำให้ย้อนกลับมาคิดว่า อยู่ธนาคารมา 2 ปีกว่า ทำโครงการเดียว ซึ่งในความเป็นจริง ที่โครงการต้องใช้ระยะเวลานาน ก็เพราะต้องรอโน่น รอนี่ แต่ถ้าเราเป็นที่ปรึกษาหรือเปิดบริษัทเอง เราก็น่าจะมีโอกาสในการทำโครงการได้หลากหลายมากกว่านี้ แป้งตัดสินใจบอกนาย3 “นายคะ อีก 6 เดือน แป้งจะขอลาออกนะคะ แป้งอยากออกไปเปิดบริษัทและจะได้มีโอกาสแชร์ความรู้ของตัวเอง เพราะในวันนี้คนยังไม่ค่อยเข้าใจ Big Data และยังไม่เห็นประโยชน์ของ Machine Learning เท่าไหร่เลย แป้งจบสายนี้มาตรง แป้งก็อยากใช้ความรู้ของตัวเองให้เต็มที่”
ระยะเวลา 6 เดือน ผ่านไปเร็วกว่าที่คิด จนกระทั่งแป้งได้เปิดบริษัทของแป้งเอง
แป้งอยากจะบอกว่า ถ้าแป้งไม่ได้ทำงานที่ธนาคารมาก่อน คงไม่สามารถเป็นผู้เชี่ยวชาญได้ เพราะการที่แป้งได้ทำงานแบบ END-to-END ตั้งแต่การออกแบบโจทย์ การเก็บข้อมูล ทำความสะอาดข้อมูล ออกแบบการเชื่อมโยงของข้อมูล สร้าง Model วิเคราะห์ข้อมูล Implement ระบบ และ สื่อสารกับผู้ที่เกี่ยวข้อง ประสบการณ์เหล่านี้เป็นประสบการณ์ที่ล้ำค่ามาก
หลังจากเปิดบริษัท สิ่งที่ได้พบเจอก็คือ การโดนดูถูกสาระพัดเพราะบริการของแป้งคือ Big Data ซึ่งเป็นสิ่งใหม่และยังไม่ค่อยมี Success Case ให้เห็นมากนัก บวกกับความที่แป้งไม่ได้เป็นคนมี Connection อีกด้วย
สิ่งที่แป้งได้พบเจอก็คือ
- เมื่อเขียนหนังสือและติดต่อร้านหนังสือเพื่อนำหนังสือไปวางขาย ร้านหนังสือบอกว่า " ไม่รับวางหนังสือ No Name"
- เมื่อเข้าไปนำเสนอบริการ Big Data กับหน่วยงานราชการ เขาบอกว่า "หนูอย่าฝันไกลไปเลยที่นี่ประเทศไทยนะ ถ้าไม่มีอะไรสำเร็จรูปมาขายก็อย่ามาให้พวกพี่เสียเวลาเลย"
- เมื่อไป Present บริษัทเอกชน "สำหรับพี่ทุกอย่างดูดีไปหมดเลยเสียแค่อย่างเดียวคือแป้งเด็กและมันทำให้ความน่าเชื่อถือลดน้อยลง"
แต่แป้งก็ยังคงเดินตามทางของตัวเอง เพื่อไปให้ถึงเป้าหมายของแป้งอยู่เรื่อยๆ
มีน้องหลายคนเดินเข้ามาถามว่าเป้าหมายของแป้งคืออะไรกันแน่
แป้งยิ้มและตอบว่า "อยากเห็น เมืองไทยมีบริษัทพัฒนาเทคโนโลยีจริงๆ เพราะเราอาจจะกำลังพึ่งพาเทคโนโลยีของต่างชาติมากจนเกินไป"
บริษัทต่างชาติกลายเป็นบริษัทที่ใครๆ ก็อยากทำงานด้วย ทั้งๆ ที่ลูกค้าก็เป็นคนไทย พนักงานก็เป็นคนไทย เรามีคนเก่งมากมายเลยนะ
ในวงการเทคโนโลยี บริษัทไหนได้ License ของ Software ต่างชาติมาขาย ถือว่าเป็นบริษัทที่เจ๋งมากและในหน่วยงานใหญ่โดยเฉพาะภาครัฐ ก็จะมีความคุ้นเคยกับบริษัทที่เรียกได้ว่าเป็น "เจ้าที่" ทำให้การพัฒนาเทคโนโลยีในประเทศของเรามีอุปสรรค
นอกจากนี้ในวงการการศึกษา ความรวดเร็วของเทคโนโลยี ทำให้เด็กรุ่นใหม่ลืมที่จะปูพื้นฐานที่แท้จริง นอกจากนี้ยังมีช่องว่างขนาดใหญ่ระหว่าง ภาคอุตสาหกรรมธุรกิจ กับภาควิชาการ ทำให้หลายๆคนที่เรียกตัวเองว่า Data Scientist ไม่สามารถทำงานได้ตามความคาดหวังของธุรกิจ
บางคนหวังจะโตเร็ว แต่ไม่พร้อมจะแก้ปัญหา ในความเป็นจริงแล้ว การหมั่นฝึกฝน และสะสมทักษะไปเรื่อยๆ ยิ่งจะทำให้คนนั้นมีรากฐานที่แข็งแรง เพราะเพชรเกิดจากคาร์บอนที่ผ่านการกดทับจากแรงดัน
หลังจากเปิดบริษัทมา 3 ปี วันนี้แป้งได้รับการยอมรับมากขึ้น จากการทำงานหนัก จนกระทั่งได้รับเลือกให้เป็นที่ปรึกษาโครงการใหญ่ให้กับหน่วยงานราชการหลายๆ โครงการ และยังมีโครงการอ้างอิงอีกหลายโครงการที่ได้ดำเนินงานจนสำเร็จ
ไม่ว่าจะเป็นการออกแบบ Data Model สำหรับวิเคราะห์สถานีให้บริการน้ำมัน การออกแบบ Data Infrastructure ให้กับหน่วยงานระดับกระทรวง การออกแบบโครงการ Retail Intelligence ให้กับบริษัทผลิต และขายเสื้อผ้ารายใหญ่ระดับมหาชน และโครงการอื่นๆ อีกมากมาย
แป้งมองย้อนกลับมา เคล็ดลับทั้งหมดนี้ คือ การไม่ย่อถอยต่อปัญหา ซึ่งแป้งต้องขอขอบคุณครอบครัวของแป้งที่ไม่ยอมให้แป้งลาออกจากธนาคารในวันที่แป้งมีปัญหา
ถ้าวันนั้นแป้งไม่หา Latitude และ Longitude ด้วยตัวเอง วันนี้แป้งคงจะไม่ได้ผู้เชี่ยวชาญด้านข้อมูลในแบบทุกวันนี้ เพราะแป้งก็จะไม่ต่างกับคนทั่วไปที่ทะนงตน เกี่ยงงาน และไม่ให้ความสำคัญกับคุณภาพของผลงานที่แท้จริง
คำว่า “ผู้เชี่ยวชาญ” หมายถึง คนที่ผ่านปัญหาหลากหลายปัญหา จนกระทั่งสามารถมองหาแนวทางในการแก้ปัญหาต่างๆ ได้
ในช่วงสถานการณ์ Covid-19 แป้งเองก็เป็นคนนึงที่ได้รับผลกระทบอย่างหนัก แต่แป้งพยายามตั้งรับ ทั้งมีการปรับเปลี่ยนรูปแบบการทำงานในองค์กร และการเปลี่ยนแนวทางในการเสนอบริการให้ลูกค้า นอกจากนี้ยังจำเป็นต้องเปลี่ยนวิธีการในการบริหารความเสี่ยงขององค์กรอีกด้วย แป้งพยายามบอกตัวเองเสมอว่า การมีวิกฤตจะเป็นส่วนสำคัญที่ทำให้เราเติบโตและเราจะเข้มแข็งขึ้นเรื่อยๆ
แม้ว่าแป้งจะยังไม่ประสบความสำเร็จตามที่วางเป้าหมายเอาไว้ แต่วัตถุประสงค์ของการเขียนกระทู้นี้ ก็คือ การให้ส่งต่อพลังค่ะ ถ้าน้องๆ นักศึกษาหรือเด็กรุ่นใหม่มาอ่าน ก็อยากให้เป็นตัวอย่างให้เห็นว่า ความอดทน และความกตัญญู ไม่เคยทำร้ายใคร ในทางกลับกัน การหนีปัญหาต่างหากที่ทำให้เราไม่เติบโต ส่วนกลุ่มคนทำงานมาอ่านแป้งก็อยากให้กำลังใจค่ะ ไม่ว่าคุณจะทำงานอะไร ที่ไหน งานอะไร ทุกอย่างย่อมมีปัญหา ลองพิจารณาข้อดี-ข้อเสีย ประกอบการตัดสินใจ และวางแผนอนาคตของตัวเองให้ดี เพราะชีวิตต้องเดินไปข้างหน้า
ให้มองว่าการโดนดูถูก คือเชื้อเพลิงที่ดีให้เราได้พิสูจน์ตัวเองนะคะ พลังบวก พลัง Positive สร้างได้จากภายในของเราเองค่ะ
สำหรับเจ้านาย และเพื่อนร่วมงานที่ดีของแป้ง จนถึงวันนี้แป้งก็ยังรู้สึกขอบคุณนายทั้ง 3 คน และเพื่อนร่วมงานหลายๆ ท่านที่คอยสนับสนุน และสอนงานให้แป้งมีวันนี้ได้ ซึ่งจนถึง ณ วันนี้ นายก็ยังคงให้กำลังใจแป้งและเป็นที่ปรึกษาให้แป้งอยู่เสมอ แป้งพูดได้เต็มปากเลยว่า ความกตัญญูเป็นศรีแก่ชีวิต จริงๆ ค่ะ
สำหรับเรื่องการเมืองในที่ทำงานหรือแม้แต่การแข่งขันกับคู่แข่ง เป็นเรื่องปกติที่เราต่างรู้ว่ามีจริงในสังคม เรื่องราวทั้งหมดที่เกิดขึ้น แป้งไม่อยากให้โทษไปที่องค์กร เพราะในองค์กรก็จะมีทั้งคนดีและคนไม่ดี สำหรับแป้งการได้ทำงานไม่ว่าจะเป็นที่ธนาคาร หรือการได้พบลูกค้าในทุกวันนี้ ล้วนเป็นประสบการณ์ที่ดี ให้ได้เรียนรู้และพัฒนาตัวเองอย่างต่อเนื่อง หากไม่มีปัญหา เราก็จะไม่รู้จักวิธีการแก้ปัญหาค่ะ ต้องขอบคุณทุกสิ่งทุกอย่าง ที่ทำให้แป้งโตและเข้มแข็งขึ้น
สุดท้ายนี้ ขอบคุณที่เข้ามาอ่านเรื่องราวของแป้ง หวังว่ามันคงมีประโยชน์ต่อเพื่อนๆ พี่ๆ น้องๆ นะคะ หากมีข้อเสนอแนะ ติชมอย่างไร แป้งยินดีแก้ไข และรับฟังค่ะ
Comments