September 6, 2017 Sertis in the News No Comments

คุณจะสร้าง Data Scientist ที่เก่งได้อย่างไร

ทุกวันนี้ Data Science เป็นปัจจัยสำคัญที่จะทำให้องค์กรของคุณค้นพบและดึงศักยภาพของข้อมูลที่มีออกมาใช้ได้อย่างเกิดประโยชน์สูงที่สุด ตัวอย่างองค์กรหนึ่งที่เห็นได้ชัดนั่นก็คือ Amazon ซึ่งสามารถวิเคราะห์ข้อมูลเพื่อตอบโจทย์ทางธุรกิจได้ดีจน
ทำให้ปัจจุบันมูลค่าทรัพย์สินของ Jeff Bezos แซง Bill Gates ไปเรียบร้อยแล้ว ครั้งก่อนผมได้พูดถึงการสร้างทีม Data Science
ในองค์กร และกล่าวว่าศาสตร์ทุกแขนงย่อมมีทั้งบุคลากรที่เก่งในระดับแนวหน้ากับมือใหม่ที่กำลังฝึกฝนตนเอง ในครั้งนี้ผมจึงอยากจะแนะนำเพิ่มเติมถึงแนวทางการพัฒนา Data Scientist ในองค์กรของคุณให้มีศักยภาพอยู่ในระดับแนวหน้าของวงการได้

อย่างแรกคุณต้องสนับสนุนให้ Data Scientist เรียนรู้ให้มากที่สุดและไม่หยุดที่จะเรียนรู้ ทุุกวันนี้มีหลักสูตรมากมายที่สอนการใช้ Data Science หากคนของคุณหยุดที่จะเรียนรู้อย่างต่อเนื่อง พวกเขาจะเริ่มตามหลังคนอื่น หากคุณอยากให้ Data Scientist ของคุณเก่ง ผมแนะนำให้คุณพยายามผลักดันให้คนของคุณเรียนคอร์สที่มีระดับยากขึ้นไปไม่ใช่แค่คอร์สพื้นฐาน แม้ว่าคอร์สออนไลน์บางคอร์สจะดูน่าเบื่อ แต่ผู้สอนหลายท่านก็แนะนำข้อมูลที่เป็นประโยชน์สำหรับการพัฒนาตัวเองให้กับ Data Scientist ของคุณ

อย่างที่สอง Data Scientist ของคุณต้องมีความเข้าใจถึงที่มาของหลักทางคณิตศาสตร์ที่อยู่เบื้องหลังการสร้างโมเดลต่างๆ จริงอยู่ที่พวกเขาสามารถหาเครื่องมือที่มีอยู่มากมายมาช่วยให้เขาวิเคราะห์ข้อมูลหรือสร้างโมเดลแบบสำเร็จรูปได้ในเวลาอันสั้น แต่หาก Data Scientist ของคุณไม่มีความเข้าใจกับที่มาของสูตรสมการ และคุณสมบัติต่างๆ ของเครื่องมือเหล่านั้นอย่างลึกซึ้ง พวกเขาจะไม่สามารถใช้เครื่องมือเหล่านั้นให้เกิดประโยชน์อย่างสูงสุดกับธุรกิจของคุณได้

อย่างที่สาม คุณต้องมีทีมงานวางระบบโครงสร้างที่จะช่วยสนับสนุนให้ Data Scientist ของคุณทำสิ่งที่คุณต้องการให้เป็นจริงได้ หากคุณมี  Data Scientist เพียงแค่คนเดียว เขาจะทำงานกับข้อมูลได้เพียงจำนวนหนึ่ง แต่ถ้าคุณจะทำงานกับ Data จำนวนมหาศาล หรือ Big Data คุณต้องใช้เครื่องเซิร์ฟเวอร์จำนวนมากเพื่อจัดการกับข้อมูลเหล่านั้น เพราะ Data Scientist เองก็ไม่ใช่ผู้เชี่ยวชาญในการติดตั้งและดูแลรักษาเซิร์ฟเวอร์ ดังนั้นองค์กรคุณต้องมีทีม Data Engineer หรือทีมวิศวกรข้อมูลเพื่อช่วยจัดการโครงสร้างพื้นฐานทั้งหมดให้ นอกจากนี้ เมื่อคุณต้องการสร้าง Machine Learning และ AI ที่มีความซับซ้อนยิ่งขึ้น คุณจะต้องใช้ GPU จำนวนหนึ่ง (หน่วยการประมวลผลด้านกราฟฟิคที่ถูกนำมาประยุกต์ใช้ในด้าน Deep Learning) ซึ่ง Data Engineer จะช่วยส่งเสริมการทำงานของ Data Scientist ทำให้พวกเขาทำงานที่ซับซ้อนและสามารถพัฒนาตนเองได้ในเวลาอันรวดเร็ว

อย่างที่สี่ คุณต้องจัดให้ Data Scientist ของคุณได้ทำงานร่วมกับ Data Scientist ที่เก่งๆ ทุกวันนี้ Data Scientist แต่ละคนต่างก็เรียนรู้เพิ่มเติมได้จากหนังสือและคอร์สออนไลน์ แต่เราทุกคนต่างมีเวลาที่จำกัด ดังนั้นการได้ทำงานร่วมกับ Data Scientist ที่เก่งๆ จะทำให้ Data Scientist ของคุณพัฒนาตัวเองได้อย่างรวดเร็ว เพราะคนที่เก่งจะช่วยสร้างแรงบันดาลใจให้กับคนที่กำลังพัฒนาตนให้ทำงานที่ดียิ่งๆ ขึ้นไป ทีเซอร์ทิสเรามีพนักงานกว่า 50 คน เรามีการแลกเปลี่ยนเรียนรู้ระหว่างกันในการทำงาน การมี culture ที่สนับสนุนด้านการเรียนรู้ทำให้เกิด Collective Intelligence นี่จึงเป็นอีกเหตุผลที่ทำให้ Data Scientist ของเราพัฒนาตัวเองได้เป็นอย่างดี ซึ่งเป็นการดึงดูดให้ Data Scientist จากทั่วโลกสนใจมาร่วมงานกับเรา

อย่างสุดท้ายในที่นี้ คุณต้องตระหนักเสมอว่าองค์กรของคุณกำลังจะลงทุนสร้างบุคลากรที่ต้องใช้ความพยายามในการพัฒนาตนเอง แม้ว่าผลลัพธ์ที่ได้จากการพัฒนาเขาเหล่านี้จะเห็นผลได้ช้าในช่วงแรก แต่ถ้าคุณให้เวลาและการสนับสนุนให้ Data Scientist ของคุณได้มีโอกาสทำงานในสิ่งแวดล้อมที่เหมาะสมด้วยการหาทีม Data Scientist ที่เชี่ยวชาญมาช่วยกันพัฒนาศักยภาพ บริษัทของคุณจะสามารถผลักดันให้เกิด Data Scientist ที่เก่งในองค์กรของคุณได้ในระยะยาว

 

บทความนี้ได้รับการเผยแพร่ครั้งแรกในเว็บไซต์และหนังสือพิมพ์กรุงเทพธุรกืจ เมื่อวันที่ 3 สิงหาคม 2560 ที่ http://www.bangkokbiznews.com/blog/detail/642375

 

ขอขอบคุณกรุงเทพธุรกิจที่ช่วยเผยแพร่บทความชิ้นนี้

Written by Tee Vachiramon