ผมสนใจทำdata analyticsครับ แต่ยังใหม่กับด้านนี้กำลังเรียนออนไลน์เก็บใบcerอยู่คับ

อยากถามว่าช่วงก่อนไปสมัครงานจริง ระหว่างเรียนออนไลน์เก็บใบเซอร์,ฝึกทำproject กับ ไปฝึกงานพวกงานmarketingหรืองานcustomer ที่มันใช้ความรู้โปรแกรมในสายdataบ้าง

อย่างไหนมีประโยชน์กว่ากันครับ ถ้าเกิดไม่ได้ฝึกงานแต่เคยทำprojectบริษัทจะมีสิทธิ์รับเข้าทำงานมากกว่าไหมครับ

และก็ถ้าฝึกงานแนะนำฝึกงานแบบไหนดีครับ แนะนำผมที

สมัยก่อนสัก4-5ปี เค้าดูที่วุฒิ(ไม่ใช่จบตรงสายนะ แต่พวกป.เอก จบนอกไรงี้)
ยิ่งอ้างว่าเขียนโค้ดได้หลายแบบยิ่งรับทันที

แต่ปัจจุบันเปลี่ยนไปแล้ว เพราะหลายๆที่เริ่มรู้ว่าทีมดาต้าที่สร้างมานั้นไม่ได้สร้างผลลัพธ์ที่น่าพอใจเลย
ประสบการณ์และผลลัพธ์ที่เคยทำ นี่แหละจะเป็นตัวบอกโอกาสในการรับเข้าทำงานมากกว่าครับ

ทีนี้การที่ผลลัพธ์มันจะว้าว ไม่ใช่เพราะการใช้โมเดลแปลกใหม่ หรือสมการซับซ้อน หรือโค้ดภาษาใหม่ๆเลย
มันอยู่ที่ความเข้าใจถึงปัญหาทางธุรกิจ และการประยุกต์แก้ปัญหาที่ใหม่และง่าย มากกว่าครับ (มีโจทย์ให้ลองทำท้ายข้อความ)

ถ้าถามผม ผมจะถามผู้สมัครอยู่เสมอว่ายกผลงานที่ประสบความสำเร็จที่สุดเกี่ยวกับการใช้ดาต้า มาเล่าให้ฟัง
รวมไปถึงอยากลองฟังไอเดียจากคำถามปลายเปิด เพื่อดูว่ามีกระบวนการคิดที่เป็นตรรกะและสดใหม่ไหม

ส่วนเรื่องใบเซอร์ เห็นมาเยอะ พวกเพจต่างๆ แนะนำนุ้นนี่ ถามว่ามีดีกว่าไหม แน่นอนครับ
แต่ผมยังไงก็มองว่าประสบการณ์ที่เคยทำด้วยตัวเองสำคัญสุด ถึงแม้ว่ายังไม่เคยทำงานหรือฝึกงาน
ถ้าเรามีดาต้าฟรีๆในเวปต่างๆ(หรือเวปสอน) แต่เราสามารถโชว์ไอเดียการวิเคราะห์ การเข้าใจถึงดาต้า+ธรุกิจ
มันจะทำให้ว้าวได้เช่นกัน

คำว่า data analytics/data science มันประกอบด้วย3ส่วน(อย่างที่รู้ๆกัน)
Stat Business Coding ผมให้valueกับbusinessและstatมากกว่าเสมอ
ในอนาคตโปรแกรมสำเร็จรูปจะมีเยอะขึ้น และง่ายต่อการใช้งานมากขึ้น


ส่วนคำถามที่ให้ลองเอาไปตอบดู(PMคำตอบมาได้ครับ จะช่วยดูให้)
1. บริษัทอสังหาประเทศไทย จะมีทีมในการสำรวจราคาคอนโดและที่ดินเปล่าในกทม. ทีนี้การสำรวจ มันจะเป็นรอบๆ และรายปี ซึ่งแต่ละปีก็จะมีข้อมูลไม่เหมือนกัน คือ คอนโดตึกที่สร้างเสร็จไปแล้ว ปีถัดไปก็จะไม่มีราคา เพราะขายหมดแล้ว มีแต่ราคามือสอง หรือบางเขตอาจจะไม่มีราคาเลยก็ได้(ไม่มีคอนโดสร้างใหม่ในปีนั้น) ทีนี้บริษัทอสังหาอยากทำmapออกมา เพือแรเงาราคาที่ดินหรือราคาเฉลี่ยคอนโดในแต่ละเขต
ปัญหาที่เจอคือ 1.ดาต้าเก็บไม่เท่ากันในแต่ละปี 2.ในแต่ละปีเองก็เก็บราคาคนละเดือน(ทีมสำรวจค่อยๆไล่ไปทีละเขต กว่าจะครบทุกเขต ปาไปครึ่งปี เช่นเขตฝั่งธนดาต้าเป็นเดือนมกรา แต่ฝั่งบางนากลายเป็นมิถุนา)
3.ดาต้าที่มีเก็บมาเป็นสิบปี สำรวจเป็นรอบๆ รอบนึงก็excel fileนึง

คำถาม
ข้อ1. ในฐานะที่เป็นทีมดาต้า จะมีไอเดียในการแก้ไขปัญหาเรื่องดาต้าอย่างไร และจะสามารถทำvisualization mapออกมาได้หรือไม่ ลองคิดดูครับ คำถามปลายเปิด ไม่มีถูกหรือผิด
สิ่งที่ต้องเข้าใจคือลักษณะข้อมูลที่จะได้รับมาจากทีมสำรวจ และปัญหาที่เจอ เพื่อจะได้แก้ไขปัญหาได้ตรงจุด
2. ดาต้าที่ได้มานั้นมีโอกาสเจอปัญหาอะไรได้บ้าง

ยกตัวอย่างไอเดียที่ไม่ถูกต้องมากนัก(จากทีมไฟแนนซ์เสนอมา)ว่าก็แต่ละพี้นที่จะมีราคาเฉลี่ยที่ดินในแต่ละปี ก็ดูว่าที่ดินนั้นมีอัตราการเติบโตของราคาเท่าไรในแต่ละปี ประเด็นคือไม่ใช่ทุกเขตมีราคากลาง และราคากลางมันกว้างไป(เขตวัฒนา มีตั้งแต่สถานีอ่อนนุชตอนบน ไปถึงสี่แยกอโศก ราคาแตกต่างกันชัดเจนแน่นนอน)


ข้อ2. Googleเวลาเสิชคำอะไรก็ตาม มันจะมีalgorithm robotในการคำนวนscoreของแต่ละเวปออกมา แล้วเรียงลำดับจากบนลงล่าง (ไม่นับที่จ่ายเงินอยู่บนสุดนะ) เพื่อให้คนที่ใช้Googleเจอเวปไซด์ที่ต้องการ
เพราะGoogleไม่อยากให้ลูกค้าหนีหาย(serchเจอแต่บ้าไรไม่รู้ ก็ย้ายเวปsearchสิ)
ทีนี้ให้ลองคิดดูครับว่า algorithmของGoogle มันใช้อะไรบ้าง(ยกตัวอย่างนะ เช่น คำว่า "ดูบอลสด"
แน่นอน video ต้องมี เวปไหนมี video จะได้คะแนนเพิ่ม ไรแบบนี้) Googleใช้เยอะมากเกิน100-200ตัวแปร
ลองคิดเล่นๆดู มีเยอะมากๆเลย ใบ้ให้คือเราต้องมองให้ออกว่าอะไรบ้างที่จะทำให้เลิกใช้Google หรือกลับมาใช้Googleอีก เหมือนที่บอกไปเช่นvideo

เป็น นักเรียน หรือ อยู่ มหาวิทยาลัย หรือ ทำงาน
แนะนำไม่ถูก

เพิ่งเรียนจบครับ

สมัยก่อนสัก4-5ปี เค้าดูที่วุฒิ(ไม่ใช่จบตรงสายนะ แต่พวกป.เอก จบนอกไรงี้)
ยิ่งอ้างว่าเขียนโค้ดได้หลายแบบยิ่งรับทันที

แต่ปัจจุบันเปลี่ยนไปแล้ว เพราะหลายๆที่เริ่มรู้ว่าทีมดาต้าที่สร้างมานั้นไม่ได้สร้างผลลัพธ์ที่น่าพอใจเลย
ประสบการณ์และผลลัพธ์ที่เคยทำ นี่แหละจะเป็นตัวบอกโอกาสในการรับเข้าทำงานมากกว่าครับ

ทีนี้การที่ผลลัพธ์มันจะว้าว ไม่ใช่เพราะการใช้โมเดลแปลกใหม่ หรือสมการซับซ้อน หรือโค้ดภาษาใหม่ๆเลย
มันอยู่ที่ความเข้าใจถึงปัญหาทางธุรกิจ และการประยุกต์แก้ปัญหาที่ใหม่และง่าย มากกว่าครับ (มีโจทย์ให้ลองทำท้ายข้อความ)

ถ้าถามผม ผมจะถามผู้สมัครอยู่เสมอว่ายกผลงานที่ประสบความสำเร็จที่สุดเกี่ยวกับการใช้ดาต้า มาเล่าให้ฟัง
รวมไปถึงอยากลองฟังไอเดียจากคำถามปลายเปิด เพื่อดูว่ามีกระบวนการคิดที่เป็นตรรกะและสดใหม่ไหม

ส่วนเรื่องใบเซอร์ เห็นมาเยอะ พวกเพจต่างๆ แนะนำนุ้นนี่ ถามว่ามีดีกว่าไหม แน่นอนครับ
แต่ผมยังไงก็มองว่าประสบการณ์ที่เคยทำด้วยตัวเองสำคัญสุด ถึงแม้ว่ายังไม่เคยทำงานหรือฝึกงาน
ถ้าเรามีดาต้าฟรีๆในเวปต่างๆ(หรือเวปสอน) แต่เราสามารถโชว์ไอเดียการวิเคราะห์ การเข้าใจถึงดาต้า+ธรุกิจ
มันจะทำให้ว้าวได้เช่นกัน

คำว่า data analytics/data science มันประกอบด้วย3ส่วน(อย่างที่รู้ๆกัน)
Stat Business Coding ผมให้valueกับbusinessและstatมากกว่าเสมอ
ในอนาคตโปรแกรมสำเร็จรูปจะมีเยอะขึ้น และง่ายต่อการใช้งานมากขึ้น


ส่วนคำถามที่ให้ลองเอาไปตอบดู(PMคำตอบมาได้ครับ จะช่วยดูให้)
1. บริษัทอสังหาประเทศไทย จะมีทีมในการสำรวจราคาคอนโดและที่ดินเปล่าในกทม. ทีนี้การสำรวจ มันจะเป็นรอบๆ และรายปี ซึ่งแต่ละปีก็จะมีข้อมูลไม่เหมือนกัน คือ คอนโดตึกที่สร้างเสร็จไปแล้ว ปีถัดไปก็จะไม่มีราคา เพราะขายหมดแล้ว มีแต่ราคามือสอง หรือบางเขตอาจจะไม่มีราคาเลยก็ได้(ไม่มีคอนโดสร้างใหม่ในปีนั้น) ทีนี้บริษัทอสังหาอยากทำmapออกมา เพือแรเงาราคาที่ดินหรือราคาเฉลี่ยคอนโดในแต่ละเขต
ปัญหาที่เจอคือ 1.ดาต้าเก็บไม่เท่ากันในแต่ละปี 2.ในแต่ละปีเองก็เก็บราคาคนละเดือน(ทีมสำรวจค่อยๆไล่ไปทีละเขต กว่าจะครบทุกเขต ปาไปครึ่งปี เช่นเขตฝั่งธนดาต้าเป็นเดือนมกรา แต่ฝั่งบางนากลายเป็นมิถุนา)
3.ดาต้าที่มีเก็บมาเป็นสิบปี สำรวจเป็นรอบๆ รอบนึงก็excel fileนึง

คำถาม
ข้อ1. ในฐานะที่เป็นทีมดาต้า จะมีไอเดียในการแก้ไขปัญหาเรื่องดาต้าอย่างไร และจะสามารถทำvisualization mapออกมาได้หรือไม่ ลองคิดดูครับ คำถามปลายเปิด ไม่มีถูกหรือผิด
สิ่งที่ต้องเข้าใจคือลักษณะข้อมูลที่จะได้รับมาจากทีมสำรวจ และปัญหาที่เจอ เพื่อจะได้แก้ไขปัญหาได้ตรงจุด
2. ดาต้าที่ได้มานั้นมีโอกาสเจอปัญหาอะไรได้บ้าง

ยกตัวอย่างไอเดียที่ไม่ถูกต้องมากนัก(จากทีมไฟแนนซ์เสนอมา)ว่าก็แต่ละพี้นที่จะมีราคาเฉลี่ยที่ดินในแต่ละปี ก็ดูว่าที่ดินนั้นมีอัตราการเติบโตของราคาเท่าไรในแต่ละปี ประเด็นคือไม่ใช่ทุกเขตมีราคากลาง และราคากลางมันกว้างไป(เขตวัฒนา มีตั้งแต่สถานีอ่อนนุชตอนบน ไปถึงสี่แยกอโศก ราคาแตกต่างกันชัดเจนแน่นนอน)


ข้อ2. Googleเวลาเสิชคำอะไรก็ตาม มันจะมีalgorithm robotในการคำนวนscoreของแต่ละเวปออกมา แล้วเรียงลำดับจากบนลงล่าง (ไม่นับที่จ่ายเงินอยู่บนสุดนะ) เพื่อให้คนที่ใช้Googleเจอเวปไซด์ที่ต้องการ
เพราะGoogleไม่อยากให้ลูกค้าหนีหาย(serchเจอแต่บ้าไรไม่รู้ ก็ย้ายเวปsearchสิ)
ทีนี้ให้ลองคิดดูครับว่า algorithmของGoogle มันใช้อะไรบ้าง(ยกตัวอย่างนะ เช่น คำว่า "ดูบอลสด"
แน่นอน video ต้องมี เวปไหนมี video จะได้คะแนนเพิ่ม ไรแบบนี้) Googleใช้เยอะมากเกิน100-200ตัวแปร
ลองคิดเล่นๆดู มีเยอะมากๆเลย ใบ้ให้คือเราต้องมองให้ออกว่าอะไรบ้างที่จะทำให้เลิกใช้Google หรือกลับมาใช้Googleอีก เหมือนที่บอกไปเช่นvideo

ระหว่างเรียนออนไลน์เก็บใบเซอร์,ฝึกทำproject กับ ไปฝึกงานพวกงานmarketingหรืองานcustomer ที่มันใช้ความรู้โปรแกรมในสายdataบ้าง

ใบเซอร์ ไม่คุ้มเสียเวลา พวกคอสเรียนออนไลนจบเเล้วได้ใบเซอร์ไม่มี value ส่วนพวกเซอร์ AWS, Azure เรียนไปถ้าบริษัทใช้บริการอีกตัวก็เปล่าประโยชน์ ค่อยไปเรียนทีหลังเอา

เรียนจบเเล้วไม่ต้องฝึกงานละครับ หางาน data analytics ทำจริงเลยครับ

งานด้าน Data Analytics มีหลายด้านที่เนื้องานแตกต่างกันพอสมควรนะครับ ผมไม่แน่ใจว่าที่เมืองไทยแยกกันขาดรึยัง ถ้าแยกกันขาดแล้ว แนะนำให้คุณจขกท.ตัดสินใจให้ชัดเจนว่าอยากทำ business analyst/data analyst, data engineer, หรือ data scientist นะครับ (ผมเคยเขียนเรื่องนี้ไว้ที่ http://www.soccersuck.com/boards/topic/1909387/1 ลองแวะไปอ่านได้)

ถ้างานที่อยากทำเป็น business analyst/data analyst ผมเห็นด้วยกับคุณ path2544 ครับว่าพวก cert หรือ coding skill ไม่สำคัญเท่ากับความสามารถในการปรับใช้ความรู้ในเชิงเทคนิคเพื่อให้เข้ากับความต้องการทางธุรกิจ คำถามพื้นๆเช่นจะเก็บ data ยังไง เอา data มาใช้ทำอะไรได้บ้าง ก็พอจะแยกคนที่เก่งด้านนี้กับคนที่ไม่เก่งออกจากกันได้แล้วครับ ถ้าคุณจขกท.สนใจจะทำด้านนี้ คงต้องลงมือทำ project ที่เกี่ยวข้องเยอะๆ (ลองไปเล่นใน Kaggle ก็ได้) แล้วพยายามอธิบายหลักการของ model ให้ได้ครับ

ในทางกลับกัน ถ้าคุณจขกท.อยากทำงานด้าน data engineer หรือ data scientist ถ้าเป็นที่ต่างประเทศ บริษัทจะไม่สนใจทักษะในเชิง business มากนัก (เพราะมีตำแหน่งงานที่เกี่ยวข้องดูแลอยู่แล้ว) พวกใบ cert หรือ coding skill จะสำคัญมากๆขึ้นมาทันทีครับ แต่ผมได้ยินมาว่าในประเทศไทย บริษัทส่วนใหญ่ยังเหมารวม data engineer/data scientist กับ data analyst อยู่ ดังนั้นถ้าเจอบริษัทที่ยังต้องการทักษะในเชิง business จากตำแหน่งพวกนี้ด้วยก็อย่าแปลกใจครับ