ปัจจุบันนี้ อาชีพ Data Scientist ถูกพูดถึงกันมาก และได้รับการโหวตให้เป็นอาชีพที่ Sexy ที่สุดแห่งยุค
แท้จริงแล้ว อาชีพนี้ไม่ใช่อาชีพใหม่แต่อย่างใด เพียงแต่คำเรียกชื่อ อาจจะเพิ่งได้รับการนิยามใหม่ แต่เหตุผลที่ทำให้อาชีพนี้ได้รับความนิยมอย่างหลากหลายในช่วง 2-3 ปีมานี้ นั้นเพราะเทคโนโลยีต่างๆ เข้ามาทำให้การทำงานของ Data Expert ทำงานได้ง่ายขึ้น ตั้งแต่ข้อมูลที่มีการเก็บ และมีแหล่งข้อมูลให้ใช้งานได้มากขึ้น คอมพิวเตอร์ที่สามารถประมวลผลได้อย่างรวดเร็ว รวมไปถึง Internet ที่ทำให้อะไรหลายๆ ที่สะดวกขึ้น ส่งผลให้ Data-Driven Business รวมไปถึง Innovation ใหม่ๆ ที่ใช้ Data Model และ Machine Learning เป็นองค์ประกอบ จึงให้ความสำคัญกับ Data Science มากขึ้น
หากเราย้อนไปทำความรู้จักกับ History of Data Science เราจะพบว่า แท้จริงแล้ว อาชีพนี้มีมาตั้งแต่ประมาณปี 1960 แต่จะถูกเรียกด้วยคำนิยามอื่นๆ เช่น นักสถิติ, นักเขียนโปรแกรม, นักวิจัย, วิศวกรอุตสาหการ เป็นต้น
ต่อมา เมื่อคำว่า Data Science ได้นิยมมากขึ้น หลายๆ มหาวิทยาลัยจึงมีการปรับตัวและเปิดการเรียนการสอนให้ผู้สำเร็จการศึกษา สามารถถูกเรียกว่าเป็น Data Scientist ได้ชัดเจนขึ้น
อย่างไรก็ตาม การเรียน Data Science นั้นก็มีหลากหลายแขนง และในการทำงานจริงก็แบ่งออกเป็นหลายสาย เช่น สาย Machine Learning ที่เน้นการ Coding หรือ หาสมการที่ใช้อธิบาย Pattern หรือ สำตอบใหม่ๆ, สาย Artificial Intelligence ที่เน้นใช้ Deep Learning ควรคู่ไปกับศาสตร์อื่นๆ เพื่อทำ Action ออกมาเป็นรูปเป็นร่าง, สาย Business Intelligence ที่เน้นการใช้ข้อมูลขนาดใหญ่เพื่อเป็นมุมมองใหม่ๆ สำหรับธุรกิจ หรือ สาย Data Cleansing ที่ทำงานต่อยอดมาจาก Database แต่เป็นการดึงข้อมูล และทำความเข้าใจตัวแปรต่างๆ ก่อนที่จะทำไปสร้าง Model เป็นต้น
ดังนั้นในอดีต การเป็น Data Scientist ในแต่ละแขนงจึงสามารถพบได้จากบุคคลที่เรียนจบมาจากหลายสายดังต่อไปนี้
1. Computer Science จะเน้นการทำ Code ต่างๆ เพื่อสร้าง Machine Learning
2. Mathematics หรือ Econometric ที่เน้นความเข้าในพื้นฐานด้านคณิตศาสตร์ และมาประยุกต์ใช้กับหลักการทางเศรฐศาสตร์ เช่น Game Theory
3. Operations Research จะปูพื้นจาก Optimization แล้วต่อยอดด้วย Data Mining ซึ่งจะเน้นการพิสูจน์ และเขียนโมเดลในกระดาษให้ได้ ก่อนนำไปสร้างเป็น Machine Learning
4. Engineering สายอื่นๆ จะมีการเรียน Neural Network เพื่อใช้ Predict สิ่งต่างๆ เป็นขั้นพื้นฐาน ผู้เรียนสามารถทำมาต่อยอดเพื่อสร้าง Artificial Intelligence อื่นๆ ได้ เช่น สาย Robot หรือ Image Processing
5. Computer Engineering สามารถต่อยอดมาเป็น Database Expert ได้ สร้างมุมมองใหม่ ให้การเข้าถึงข้อมูลต่างๆ เป็นไปได้อย่างง่ายขึ้น
6. Statistics สายนี้จะเก่งการทำ Data Visualization ที่สุด ทำให้การเลื่อกใช้ Model, Tool ต่างๆ รวมไปถึงการนำเสนอ ข้อมูล เป็นไปได้ง่าย และเข้าใจได้มากขึ้น
สุดท้ายนี้ ไม่ว่าจะเป็น Manager HR หรือ นักศึกษา ที่กำลังทำความเข้าใจ Data Science ก็ควรทำความเข้าใจการทำงานจริงของ Data Scientist ในบทบาทต่างๆ สักนิดก่อน เพราะอาชีพนี้ เป็นอาชีพที่ต้องลงทุนด้านเวลาสูง แต่เป็นอาชีพที่สามารถต่อยอด และให้มุมมองใหม่ด้วย BIGDATA ได้อย่างหามูลค่ามาเทียบไม่ได้กันเลยทีเดียว
