เส้นทางคนทำ Data
Job Family งาน Data ไล่เลียงตาม “ระบบนิเวศ” ตั้งแต่ข้อมูลดิบ >> นำไปใช้ได้ >> สร้าง impact
Data ไม่ใช่งานเดียว แต่มันคือ Supply Chain
ข้อมูลก็เหมือนน้ำมันดิบ แต่กว่าจะใช้ได้ ต้องมีคนหลายบทบาทช่วย “กลั่น”
1. Data Engineer — คนวาง pipeline
ไม่ใช่แค่เขียน SQL แต่คือการออกแบบ pipeline ตั้งแต่ดึง data จาก source >> แปลง >> ส่งเข้า warehouse หรือ lake
รับผิดชอบ
- data จะ reliable ไหม
- scale ได้ไหม
- latency acceptable หรือเปล่า
2. Data Analyst — คนตั้งคำถาม
หลายคนคิดว่า analyst คือคนทำ dashboard แต่จริง ๆ คือ นักตีความธุรกิจผ่าน data
ตั้งคำถามทางธุรกิจ
- ทำไมยอดตก
- ลูกค้าหายไปไหน
- feature นี้ work ไหม
การเครื่องมือเป็นส่วนหนึ่ง แต่แกนหลัก คือ “business thinking”
3. Data Scientist — คนสร้างโมเดล
ส่วนที่เริ่มทำ Predictive Analytics “คาดการณ์อนาคต” ใช้สถิติ + machine learning เพื่อตอบคำถามที่ data ปกติตอบไม่ได้ เช่น
- churn prediction
- recommendation
- demand forecasting
แต่ insight ที่ได้จะไม่มีค่าเลย ถ้าเอาไปใช้จริงไม่ได้
4. Machine Learning Engineer — คนเอาโมเดลไปใช้จริง
นี่คือ role ที่หลายองค์กรเริ่มต้องการมากขึ้นเพราะ model ที่พัฒนาขึ้น ต้องถูกทำเป็น production
ตำแหน่งนี้จะทำให้ model
- deploy ได้
- scale ได้
- monitor ได้
เป็นคนที่เชื่อมโลก data science กับระบบจริง
5. AI Engineer — คนสร้างของใหม่จาก Data
เป็น evolution ล่าสุด ไม่ได้แค่ใช้ data แต่ “สร้างระบบที่ฉลาดจาก data” เช่น
- LLM application
- AI agent
- automation workflow
ต้องเข้าใจทั้ง model + system + user experience
สรุป
Job family ในงาน Data มีหลากหลาย
จากคนทำ data >> คนเข้าใจธุรกิจ >> คนสร้าง model >> คนเอาไปใช้ >> คนสร้าง AI
ขึ้นกับว่าเราอยากอยู่ตรงไหนของ pipeline นี้ และอยากแก้ปัญหาแบบไหน
เพราะ Data ที่ไม่มีคนใช้ จะไม่มีค่า แต่ Data ที่อยู่ในมือคนที่ใช่ สามารถช่วยสนับสนุนได้ทั้งองค์กร
