พูดคุยกับโก้ Assist Data Analytics Manager ถึงประสบการณ์การทำงานที่ Predictive

แนะนำตัวกันก่อน 

สวัสดีครับ ชื่อโก้นะครับ ตอนนี้เป็น Assist Data Analytics Manager ที่ Predictive ครับ สังคมวิทยาและมานุษยวิทยา มหาวิทยาลัยธรรมศาสตร์

จุดเริ่มต้นความสนใจการทำงานด้าน Data 

คำว่า Data มันเพิ่งเป็นที่พูดถึงช่วงหลังๆ มานี้เอง ซึ่งแต่ก่อนเราไม่ได้คิดว่าต้องทำงาน Data เลย พื้นฐานเราเป็นคนชอบคิดวิเคราะห์ ชอบคิดอะไรให้ตามแบบ Logical อยู่แล้ว ซึ่งตอนเด็กๆ เราไม่ชอบเลขเลยด้วย พึ่งมาเริ่มชอบตอนมหาลัยและทำคะแนนพวกเลขได้ดีขึ้น

ยิ่งเรารู้ว่าเรียนอะไร เรียนแล้วเอาไปทำอะไรต่อได้มากเท่าไหร่ เรายิ่งรู้สึกอยากที่จะเรียนรู้มันมากขึ้น

Ko

จุดเปลี่ยนที่ทำให้มาชอบเลขมากขึ้นคือเรารู้ Why ว่าเรียนไปเพื่ออะไร ยิ่งเรารู้ว่าเรียนอะไร เรียนแล้วเอาไปทำอะไรต่อได้มากเท่าไหร่ เรายิ่งรู้สึกอยากที่จะเรียนรู้มันมากขึ้น ซึ่งพอมองย้อนกลับไปช่วงมัธยมก็รู้สึกเสียดายเหมือนกันเพราะมีบางอย่างที่เป็นสกิลพื้นฐานที่สำคัญ น่าจะตั้งใจเรียนกว่านี้ 5555 

ตอนปี 3 เราได้เริ่มทำโปรเจ็กต์วิเคราะห์ข้อมูล ลงพื้นที่เก็บข้อมูล เพราะวิชาเอกของเราคือการเรียนภาคสถิติ อาจารย์ก็ Assign ให้เราวิเคราะห์ข้อมูลผ่าน SPSS , R ต่างๆ เพื่อเอามาทำ report แบบ Manual ซึ่งตอนนั้นยังเป็นวิธีการทำแบบสถิติแบบเก่า 

และหลังเรียนจบก็เริ่มมาจับงานสาย Digital Marketing ด้านการทำ Programmatic เพื่อ Bidding ว่าจะวางโฆษณาใน Platform อะไร แต่ละที่มี Return on ads spend (ROAS) เป็นยังไงให้กับลูกค้า ซึ่งเครื่องมือที่ใช้ตอนนั้นคือ Google,Facebook ซึ่งตอนนั้นก็ทำให้เรามีมุมมองการทำงานที่กว้างขึ้น เข้าใจความต้องการของลูกค้าที่แตกต่างกัน โดยในแต่ละวันเราต้องมา Optimize Ads แต่ละแคมเปญให้มีประสิทธิภาพ ซึ่งเป็นงานที่ค่อนข้างใช้เวลาพอสมควร เราเลยเริ่มมองหาเครื่องมือที่ช่วยทำให้งานเราสามารถ Automate ได้ดีขึ้น เพราะเรารู้ว่า Ads มันสามารถเรียนรู้ผ่าน Algorithm ได้นะ เราเลยลองไปเขียนโปรแกรมดู ว่าถ้ามี Algorithm แบบนี้ มีโอกาสที่จะไปถึง Target ที่เปอร์เซ็นต์ หรือแทนที่เราจะมานั่งตั้งค่า Ads ทีละแคมเปญเนี่ย เราสามารถ Upload ตัว Template ขึ้นระบบแล้วให้มัน Automate เองเลยได้ไหม นอกจากนี้เราก็ไปศึกษาการทำ Visualization เพื่อ Track รูปแบบของข้อมูลที่เกิดขึ้น ว่ามีปัญหาอะไรไหม เพื่อไปวิเคราะห์ปัจจัยที่ทำให้เกิดปัญหา และหาทางแก้ไขผ่านการทำ A/B Testing เพื่อลดเวลาทำงาน โดยที่มีประสิทธิภาพงานภาพรวมที่ดีขึ้น

มาเริ่มทำงานที่ Predictive ได้ยังไง

มีคนชวนมาทำ 5555 ซึ่งก่อนที่เราจะย้ายมาก็มีไปศึกษาก่อนว่า Predictive ทำอะไรมาบ้าง ซึ่งผลก็คือมันตรงกับความสนใจและความถนัดเราพอดี ซึ่งเป็นด้านการวิเคราะห์ข้อมูล และการใช้เครื่องมือของ Google ต่างๆ นอกจากนี้ความที่ Predictive เป็น Consult ที่มีลูกค้าหลากหลาย และส่วนใหญ่เป็นระดับ Enterprise ก็เลยคิดว่าน่าจะมีข้อมูลให้เล่นเยอะ และได้ทำอะไรที่วิเคราะห์ Insight ได้แบบ Full Scale มากขึ้น เลยคิดว่านี่น่าจะเป็นโอกาสใหม่ๆ และน่าจะได้ลองการทำสถิติแบบใหม่ๆ ที่ทำลายข้อจำกัดเกี่ยวกับ Sample data ที่เราเคยเรียนมา และทดลองเล่นกับข้อมูลผ่านการใช้ Machine Learning ด้วย เข้าใจเลยว่าสิ่งที่เรารู้ตอนนี้อาจจะไม่อัพเดทกับโลกสมัยใหม่ จึงตัดสินใจมาเริ่มทำ Senior Data Analytics ที่ Predictive 

ใน1 ว้นต้องทำอะไรบ้าง

ขอแบ่งเป็น 2 Positions คือการเป็น Senior Data Analytics กับการเป็น Assist Data Analytics Manager 

ตอนที่เป็น Senior Data Analytics

80% – ทำงาน

ในทุกๆ วันทีมเราจะมีมีประชุม Work In Process (เรียกกันสั้นๆ ว่า WIP – วิป) ทุกเช้า เพื่อเช็คว่างานเป็นยังไงบ้าง ติดปัญหาอะไรมั้ย และวันนี้ต้องทำอะไรบ้าง ต้องขอความช่วยเหลือจากทีมไหนไหม ซึ่งส่วนใหญ่งานตอนเป็น Senior Data Analytics ก็จะวิเคราะห์ข้อมูลจาก Google Analytics , ทำ Custom Report ต่างๆ 

20% – ประชุมกับลูกค้า 

ก่อนที่จะประชุมก็ต้องเตรียมตัวให้พร้อม เพื่อ Present และตอบคำถามลูกค้าให้ได้ หลังประชุมก็มาคุยสรุปกับ Account Engagement Executive เพื่อเคลียร์บรีฟ สรุปงานให้เห็นภาพเดียวกัน 

นอกจากนั้น อื่นๆก็มีการ Training กันในองค์กร โดยพี่ๆ Data Analytics Manager เพื่ออัปเดทความรู้ด้านต่างๆ ที่ Data Analyst ควรต้องรู้ เช่น Google Analytics , Google Tag Manager 

พอได้มาทำ Assist Data Analytics Manager ก็มีปรับเปลี่ยนเนื้องานที่ทำโดยที่สัดส่วนคร่าวๆ คือ 

40% แรกคือการทำ QA งานภายในทีม และประชุมทั้งภายในบริษัท และประชุมงานกับลูกค้า เพื่อประเมิน Scope of work , Timeline 

40% ดูแลคนในทีม รวมถึง consult โปรเจ็กต์งานต่างๆ 

20% คือการทำงาน Task ที่มีความซับซ้อนด้าน Technical ต้องขอความร่วมมือจากทีมอื่นๆ เช่น Data Engineer , Data Scientist 

อ่าน Predictive Culture Blog ของเพื่อนในตำแหน่งต่างๆ เพิ่มเติมได้ที่นี่ 

Challenge ที่เจอในการทำงาน

ก็มี Challenge ที่แตกต่างกันระหว่างตอนเป็น Senior Data Analytics กับ Assist Data Analytics Manager ครับ

ตอนที่เป็น Senior Data Analytics ส่วนใหญ่ Challenge ที่เจอคือ

  • ต้องหมั่นอัพสกิลตัวเองเสมอ เพื่อจะได้ตอบคำถามที่ยากและลึกได้ ซึ่งมันมีหลายๆ Knowledge ที่เรายังไม่รู้ เช่น ความรู้ด้าน App , security network , Basic Front end , Basic Back end เราก็มีไป Take course เพื่อให้เข้าใจพื้นฐานของสิ่งนั้นๆ , ลองทำ , ลองเสิร์ชวิธีการแก้ปัญหาของคนอื่นเพิ่มเติม 
Tips

ปกติเวลาเจอปัญหาอะไร เรามักไม่ใช่คนแรกที่เจอ ยกเว้นเป็นเคสที่ customize มากๆ แบบลูกค้าเขียน algorithm เอง แต่สุดท้ายมีบางส่วนของงานที่คนอื่นเคยทำแล้วอยู่ดี ดังนั้นในโลกนี้เราเชื่อว่ามีข้อมูลเยอะมากที่ช่วยเราแก้ปัญหาได้ แต่สิ่งสำคัญกว่าคือ “วิธีการหาข้อมูล” และการ Validate ว่าสามารถนำข้อมูลนั้นๆ ไปใช้งานต่อได้ 

เช่น ถ้าเราปวดท้อง แล้วไปค้นหาสาเหตุอาการใน Google เราอาจจะพบว่าตัวเองเป็นมะเร็งลำไส้ก็ได้ ถ้าเราไม่ได้มีความรู้ในการค้นหา แต่ถ้าเรารู้วิธีการค้นหา เรารู้ว่าปวดท้องข้างไหน แล้วเราลองข้อมูลอ่านแบบ screening ก็พบว่า จริงๆ เราอาจจะไม่ได้เป็นอะไรมากก็ได้ ดังนั้นเราต้องสามารถ Validate ได้ว่าผลลัพธ์การค้นหานั้นถูก เชื่อถือได้จริง 

  • ทำงานให้ทันเวลา หลายๆ คนอาจคิดว่า Data Analyst วิเคราะห์ข้อมูลอย่างเดียว แต่จริงๆ แล้วต้องทำทุกอย่างเกี่ยวกับข้อมูลเลย ตั้งแต่ข้อมูลเกิดขึ้นได้ยังไง เกิดขึ้นที่ไหน วางโครงสร้างการเก็บข้อมูล ว่าเราจะเก็บแบบไหนให้คนที่ต้องใช้ Data ต่อ สามารถเอาไปใช้ได้เลย รวมถึงต้องทำงานกับข้อมูลหลาย Data Type ทั้ง structure data , unstructured data และข้อมูล Online , Offline ก็ต้องหมั่นเรียนรู้เก็บเลเวลไป และจัดการเวลาให้ดีครับ
  • การทำให้คนอื่นๆ เข้าใจว่า Data Analyst มีความแตกต่างจาก Business Analyst (BA) ซึ่งความแตกต่างคือ Business Analyst ส่วนใหญ่จะไม่ได้ทำด้านการเก็บข้อมูล แต่จะเป็นการนำข้อมูลที่พร้อมแล้วไปวิเคราะห์เพื่อทำการตลาดต่อ ส่วนในฝั่ง Data Analyst นั้นมีการทำ Architecture เพื่อให้ข้อมูลพร้อมใช้งาน หรือกระทั่งการทำ Machine Learning ที่ทำงานร่วมกับฝั่ง Data Engineer , Data Scientist 
  • เข้าใจปัญหาของลูกค้า และแนะนำ Solution ได้ถูกจุด เพราะเราเหมือนด่านหน้าที่มักได้เจอลูกค้าเป็นทีมแรกๆ เราต้อง consult ลูกค้าเบื้องต้นก่อนว่าถ้าเจอปัญหาแบบไหน ต้องแก้ปัญหายังไง เช่น
    • ปัญหาคือการที่คนค้นหาเว็บไซต์ไม่ค่อยเจอ ก็แนะนำการทำ SEO
    • ปัญหาคือประสบการณ์การใช้งานไม่ดี Bounce Rate เยอะก็แนะนำให้ทำ User Experience เพิ่มเติม
    • ปัญหาคือข้อมูลไม่เข้า Database ต้องที่ต้องการ ก็แนะนำให้ปรึกษา Data Engineer เป็นต้น 

ส่วนตอนเป็น Assist Data Analytics Manager Challenge หลักๆ ก็คือการแบ่งเวลาแบ่งเวลา ในการประชุม QA งาน และทำงานครับ 

พอเลื่อนตำแหน่ง แล้วมีอะไรเปลี่ยนไปบ้าง ?​

จริงแล้วเรา ๆ เราก็ทำงานปกตินั่นแหละ  พยายามทำงานที่ความยากสูงขึ้นไปเรื่อยๆ ใช้เวลาในการทำงานที่มีรูปแบบเดิมๆน้อยลง ทำให้เราสามารถทำงานต่อวันได้เยอะขึ้น ประกอบกับสายงานที่เราถนัดอยู่แล้ว เราได้มีการช่วยเหลือคนในทีมให้มี skill gap น้อยลง แต่พอมาถึงจุดๆนึงที่งานเยอะขึ้น เราอาจจะมีข้อจำกัดเรื่องเวลาในการทำงานทั้งประชุม ทั้งทำงาน ทำให้เรารับพนักงานใหม่ แบ่งปันความรู้ให้คนใหม่ๆ เราเลยมีวิธีการอธิบายความซับซ้อนต่างๆ ให้ดีได้ดีมากขึ้น เราจึงต้องลดสเกลเวลาทำงานตัวเองมาแบ่งให้พนักงานคนอื่นๆ เลยจัดสรรเวลาและแบ่งงานมาจาก Manager ของเรา เพราะคนที่งานเยอะมากกว่าเราก็ Manager ของเราเนี่ยแหละ 5555

สกิลที่ต้องมี ถ้าสนใจงานตำแหน่งนี้

ขอแบ่งเป็นฝั่ง Soft Skill และ Hard Skill

Soft Skill

  • Communication : สื่อสารให้คนฟังเข้าใจง่าย โดยสามารถทำได้หลายวิธี เช่น เปรียบเทียบกับสิ่งใกล้ตัว หรือเล่าว่า output ที่ลูกค้าจะได้รับ โดยไม่ต้องอธิบาย Technical เยอะ 
  • Negotiation : รู้ Capacity ของตัวเองและทีมว่าสามารถรับงานได้เท่าไหร่ และจัดเรียง Priority ความสำคัญแต่ละงาน แล้วสื่อสารกับลูกค้าเพื่อเลื่อนบางงานที่ Priority ต่ำออกไปก่อน

Hard Skill

  • Google Marketing Platform ได้แก่ Google analytics , Google Tag manager 
  • เครื่องมือของ Google อื่นๆ ได้แก่ Google sheet , Google collab เพื่อเขียนโค้ดรวมไฟล์ ใหญ่ๆ , Google Apps Script 
  • Google Cloud Platform (optional) : Bigquery , Cloud Function 
  • Programing language (optional): Javascript , SQL 
  • Logical thinking , ความรู้ด้าน Math , ความน่าจะเป็น (Probability) 

สิ่งที่ประทับใจในการทำงานที่ Predictive

เราชอบงานที่ท้าทายอยู่แล้ว ซึ่งที่ Predictive ก็ทำให้เราเจองานหลากหลายแบบ พัฒนาตัวเองได้ไว บางปัญหาก็หาใน Google ไม่เจอ ต้องลองทำเองด้วยซ้ำ

Don’t be scared to confront issues. Because most of the jobs in the world are the consequences of issues.

Ko

 ซึ่งพอทำได้ก็เหมือน unlock skill ไปเลย ทำให้ถ้าเจอปัญหาแนวๆ นี้ในครั้งหน้าก็สามารถ Apply ไปได้เรื่อย สนุกดี เป็นความท้าทายภายใต้กรอบที่รู้ว่าทำได้หรือทำไม่ได้ 

สิ่งที่อยากฝากบอกคนที่สนใจทำงานในตำแหน่งนี้

ศึกษาสายงานด้าน Data ก่อนว่าอยากทำไรกันแน่ เพราะงาน Data ก็มีหลายอย่างมากๆ ตั้งแต่ security network , Data engineer , Data scientist , Data analytics ดูตัวเองให้ชัดว่าอยากทำไรกันแน่ จะได้ไม่รู้สึกทีหลังว่างานที่เราทำไปมันไม่ตอบโจทย์กับงานเรา ซึ่งสามารถไปศึกษางานสาย Data ได้จากคอร์สจาก Datacamp , Udemy ซึ่งเว็บไซต์พวกนี้จะมีการอธิบายว่าตำแหน่งต่างๆ ของ Data ทำหน้าที่ต่างกันยังไง ซึ่งถ้าเรียนจบ ก็จะรู้ว่ามันตอบโจทย์ความต้องการเราไหม

ทั้งนี้ทั้งนั้น แต่ละบริษัทมี Job Description ต่างกัน ถ้าสนใจทำงานที่ Predictive ก็ลองไปเรียน Skillshop , website analytics mania เพิ่มเติมได้ ซึ่งน้องจบใหม่ที่สนใจก็สามารถสมัครได้นะครับ ถ้าชอบงานทางนี้และพร้อมเรียนรู้จริงๆ สกิลทุกอย่างฝึกฝนกันได้จากประสบการณ์ และลงมือทำจริง ระหว่างทางก็มีทีมที่พร้อม Support ทั้งนี้หากมีสกิลด้าน Programing language ได้ก็เป็นข้อได้เปรียบ แต่ก็ไม่ใช่ว่าไม่มีแล้วจะไม่สามารถทำงาน Data Analyst ได้ครับ 

จบไปแล้วกับบทความสัมภาษณ์โก้ เป็นยังไงกันบ้างคะสำหรับ Insight ตำแหน่งของฝั่ง Data Analyst แบบแน่นๆ ถ้าเพื่อนๆ คนไหนอ่านแล้วสนใจงานในตำแหน่งนี้ก็คลิกเข้ามาดูรายละเอียดได้เลย มาร่วมงานและเติบโตกันไปด้วยกันน 🙂