ปัจจุบันตำแหน่งงานที่เกี่ยวกับ Data Scientist เพื่มขึ้นเรื่อยๆ และบริษัทหลายที่ก็ลงทุนหาคนที่เก่ง มีพรสวรรค์ด้านนี้เข้ามาทำงาน
คำถามคือแล้วความสามารถ พรสวรรค์ของคนที่จะมาทำงาน Data Scientist คืออะไรกันแน่?
จากการสำรวจของ Kaggle ในปี 2017 กับ Data Scientist ราว 7 พันคน ว่าอะไรที่เป็นอุปสรรในการทำงานนี้มากที่สุด คำตอบที่ได้ส่วนใหญ่กลับไม่ใช่เรื่องของเทคนิค แต่เป็น ไม่มีงบ การจัดการโปรเจคไม่มีประสิทธิภาพ การหาผลลัพธ์ที่ตอบโจทย์ธุรกิจมากที่สุด โดยเฉพาะการสื่อสารให้กับคนที่ไม่รู้เรื่องฟัง พอเราได้ผลลัพธ์การวิเคราะห์และทำนายผลลัพธ์จากโมเดล คนที่มีอำนาจตัดสินใจกลับไม่เชื่อ พยายามคิดให้ง่ายกว่าสิ่งที่วิเคราะห์ได้ พูดง่ายๆคือพูดคนละภาษานั่นเอง
ฉะนั้น Data Scientist ก็ชะตาเดียวกับอาชีพการงานอื่นๆ คือต้องเก่งมากกว่าความสามารถหลักๆที่ใช้ในงาน ไม่ใช่เก่งแค่ปรับแต่งข้อมูล วิเคราะห์ข้อมูล สร้าง ทดลองโมเดล และทำนายผลลัพธ์
ปัญหาอยู่ตรงนี้ หายากมากๆที่ Data Scientist จะเก่งทุกอย่างครบเครื่อง
บริษัทและคนทำธุรกิจต้องมองงานที่เกี่ยวกับ Data Science ใหม่หมด
อย่าไปคิดว่าคนๆเดียวต้องเก่งหมดเลย รับผิดชอบโปรเจคคนเดียวได้ เพราะในเมื่อ Data Scientist ที่เก่งทั้งวิเคราะห์ ทั้งดีไซน์ Data Visualization เล่าเรื่องเก่ง ประสานงานก็เก่งนั้น หายากมากๆในคนเดียว
ฉะนั้นบริษัท คนทำธุรกิจต้องคิดใหม่ ว่าเป็นไปได้หรือไม่ที่โปรเจคเกี่ยวกับ Data Science จะมีลูกทีมที่ไม่จำเป็นต้องเก่ง Data Science เข้ามาช่วย ไม่ว่าจะเป็นคนจัดการโปรเจค ประสานงานให้ทุกคนเข้าใจตรงกัน กราฟฟิคดีไซน์ช่วยด้าน Visualization ที่ปรึกษาธุรกิจที่ช่วยโฟกัสให้ผลลัพธ์ตอบโจทย์ธุรกิจ ฯลฯ
รู้จักให้คนในทีมเห็นคุณค่าของความสามารถที่ตัวเองไม่มี แต่คนอื่นมี
เพราะในเมื่อไม่มีใครเก่งไปเสียทุกอย่าง ความท้าทายที่ตามมาคือ ทำอย่างไรเราถึงจะถ่ายทอดการทำงานจากความสามารถที่ตัวเองเก่งให้คนอื่นที่เก่งอีกอย่างเข้าใจและรับงานต่อได้
ยกตัวอย่างง่ายๆเช่นคนวิเคราะห์ข้อมูลและกราฟฟิคดีไซน์ ตัวนักวิเคราะห์ต้องคิดแล้วว่าจะทำอย่างไรให้แผนภูมิ ชาร์ตต่างๆสื่อสารในสิ่งที่ตัวเองต้องการอยากจะสื่อ นักวิเคราะห์จะอธิบายอย่างไรให้กราฟฟิคเข้าใจทั้งๆที่ไม่รู้เรื่องการวิเคราะห์ข้อมูลเลย
หรือคนสร้างโมเดลทำนายผลลัพธ์ที่ไม่มีความรู็ด้านบริหารธุรกิจเลย เวลาทำงานกับที่ปรึกษาธุรกิจ คนสร้างโมเดลต้องทำงานร่วมกันเพื่อให้แน่ใจว่าผลลัพธ์จะสมเหตุสมผลกับโจทย์ธุรกิจ
และต่อให้ Data Scientist เก่งทุกอย่าง ก้ไม่ได้หมายความว่าอยากทำทุกอย่าง บางคนอาจจะมองว่า งานทำสไลต์ อธิบายผลงาน หรือประสานงานกับคนอื่นๆรบกวนงานวิเคราะห์ สร้างโมเดลที่เป็นงานหลักก็ได้
ทางแก้ไขระยะยาวคือ ถึงแม้ว่าคนๆเดียวไม่สามารถเก่งไปเสียทุกเรื่อง แต่สามารถเรียนรู้ทักษะจากคนอื่นในทีมได้ ไม่ต้องเก่งมาก เอาพื้นฐานพอที่จะทำงานร่วมกัน คุยกันรู้เรื่อง
ออกแบบโปรเจคให้เข้ากับความสามารถของแต่ละคน
ระบุไปเลยว่าในแต่ละช่วงของโปรเจค Data Science เราต้องการความสามารถและทักษะอะไรบ้าง จำเป็นมากน้อยแค่ไหนในแต่ละช่วงของโปรเจค แล้วค่อยดูว่าใครเก่งด้านไหน เพื่อให้มีผู้นำและคนสนับสนุนในแต่ละช่วงของโปรเจค และไม่จำเป็นต้องเป็นทุกคนที่ต้องทำพรีเซนต์รายงาน ให้ทีมตั้งตัวแทนคนเดียวพอ ส่วนการทำงานนั้น ก็ขอให้ทำงานในพื้นที่เดียวกัน ให้สื่อสารกันง่ายและรวดเร็ว
ทั้งหมดนี้ก็เป็นคำแนะนำคร่าวๆสำหรับบริษัทที่พยายามหา Data Scientist เก่งรอบด้านไม่เจอสักที ลองปรับความคิดใหม่ว่าทุกคนที่เก่งต่างกัน แม้ไม่รู้เรื่องวิเคราะห์ข้อมูลหรือทำโมเดลมาก่อน ก็ทำให้โปรเจค Data Science สำเร็จได้เช่นกัน
แหล่งอ้างอิงส่วนหนึ่งมาจาก Strategic Analytics: Data Science and the Art of Persuasion โดย Scott Berinato จาก Harvard Business Review
