Role ต่างๆ ในโครงการ Data Analytics
สำหรับโครงการ Data Analytics โดยเฉพาะโครงการที่มีการใช้ข้อมูลขนาดใหญ่จำเป็นต้องมีบุคลากรที่มีหน้าที่แตกต่างกันเพื่อสนับสนุนกัน ดังต่อไปนี้ 1. Data Engineer ทำหน้าที่ออกแบบ Pipeline ของข้อมูล ซึ่งหากมีการดำเนินโครงการ Data Management มาก่อน จะทำให้โครงการ Data Analytics สามารถดำเนินงานได้สะดวกมากยิ่งขึ้น แต่หากข้อมูลยังไม่พร้อมและจำเป็นต้องนำข้อมูลจากแหล่งต่างๆมาเชื่อมโยงกัน Data Engineer จะเป็นผู้รับหน้าที่ในการช่วยเตรียมข้อมูลเหล่านี้ 2. Business Analyst ถือเป็น Key หลักของโครงการเพราะมีหน้าที่ตั้งแต่วิเคราะห์โจทย์ ปิดช่องว่างระหว่างด้านเทคนิคกับด้านการนำไปใช้และยังมีหน้าที่ประเมินผลลัพธ์ในเชิงธุรกิจอีกด้วย เรียกได้ว่า หากไม่มี Business Analyst ที่เข้าใจโครงการจริงๆ ก็ยากที่โครงการจะประสบความสำเร็จได้ 3. Data Scientist คือ คนออกแบบ Model เพื่อให้ได้มาซึ่ง Solution เริ่มจากการทำความเข้าใจข้อมูล ออกแบบ Model ในรูปแบบต่างๆ มีการเปรียบเทียบผลลัพธ์ นำเสนอวิธีการประเมินผลลัพธ์ และมีส่วนช่วยในการวิเคราะห์แนวทางในการนำผลลัพธ์ไปใช้งาน ทักษะของ Data Scientist จะเป็นทักษะเชิงลึกด้าน Data Model จึงจำเป็นต้องได้รับความช่วยเหลือจากทีมงานในด้านอื่น เช่น Data Engineer ช่วยจัดโครงสร้างข้อมูล และ Business Analyst ช่วยวิเคราะห์ Business Domain เป็นต้น 4. Data Visualization Designer คือ ผู้ออกแบบรูปแบบในการนำเสนอผลลัพธ์ เป็นหน้าที่มีสำคัญในกรณีที่ต้องนำผลลัพธ์ไปออกแบบเป็นกราฟ ตาราง หรือ Report ซึ่งผู้ออกแบบต้องมีทักษะทั้งในเชิงการออกแบบการสื่อสารและมีความรู้ด้านข้อมูล ถือว่าเป็นตำแหน่งพิเศษที่หาตัวจับได้ยาก 5. Data Analyst เพื่อให้โครงการเป็นโครงการที่ยั่งยืนและต่อเนื่อง Data Analyst จะทำหน้าที่ในการประเมินการเปลี่ยนแปลงของข้อมูลในแต่ละช่วงเวลาเพื่อวิเคราะห์พฤติกรรมที่เกิดขึ้น ในกรณีที่มีการใช้ Model ไปสักระยะ อาจจำเป็นต้องมีการ Re-train หรือ ปรับปรุง Model ใหม่ ซึ่ง Data Analyst ที่อยู่กับข้อมูลและผลลัพธ์ จะสามารถวิเคราะห์ได้ว่ามีการเปลี่ยนแปลงเกิดขึ้นมากน้อยแค่ไหนและการเปลี่ยนแปลงนั้นจะส่งผลต่อการใช้งานอย่างไร สิ่งที่หลายคนเข้าใจผิดคือการคิดว่ามี Data Scientist คนเดียวก็สามารถทำโครงการ Data Analytics ได้ หรือแค่มี Tool สำเร็จรูป ก็สามารถทำงานได้ ความเป็นจริงนั้นขึ้นอยู่กับขนาดของโครงการและความซับซ้อนของโครงการ หากเป็นโครงการวิเคราะห์แบบ One-time หรือการทำวิจัยก็อาจจะใช้คนเดียวได้ แต่หากเป็นโครงการที่ซับซ้อนและใช้ข้อมูลจากหลายส่วนการมีทีมงานที่สนับสนุนกันและกันจะทำให้โครงการมีโอกาสสำเร็จได้มากกว่าอย่างแน่นอน ทั้งนี้ทักษะและประสบการณ์ของทีมงานก็สำคัญเช่นเดียวกัน หากเป็นโครงการที่เร่งด่วนและมีขนาดใหญ่ การว่าจ้างบริษัทที่เชี่ยวชาญในด้านนี้โดยเฉพาะจะช่วยลดความเสี่ยงทั้งในมุมระยะเวลาที่บานปลายและค่าใช้จ่ายที่ควบคุมไม่ได้ "Put the right man on the right job" เพื่อความสำเร็จของโครงการ We turn your DATA into your KEY of success.
Email: inquiry@coraline.co.th
Tel: 099–425–5398
#datamanagement #roles #jobrole #bigdataproject #job #business #dataanalytics #ProductivityImprovement #Coraline
สำหรับโครงการ Data Analytics โดยเฉพาะโครงการที่มีการใช้ข้อมูลขนาดใหญ่จำเป็นต้องมีบุคลากรที่มีหน้าที่แตกต่างกันเพื่อสนับสนุนกัน