คุณคิดว่า จะทำโครงการ Big Data ต้องใช้เวลาเท่าไร?
“มันต้องเป็นโครงการใหญ่แน่ๆ เลย”
“มันต้องเป็นโครงการที่เชื่อมโยงข้อมูลจากหลายภาคส่วน”
“มันต้องเป็นโครงการที่ใช้ผู้เชี่ยวชาญหลายท่าน”
“มันต้องเป็นโครงการที่สร้างความเปลี่ยนแปลงครั้งยิ่งใหญ่”
ถูกต้องแล้วค่ะ มันเป็นทุกอย่างที่กล่าวมา
แต่ความเป็นจริงแล้ว โครงการ Big Data เป็นโครงการที่ต้องทำให้สำเร็จโดยเร็วที่สุด ไม่ใช่หลักปี แต่เป็นหลักอาทิตย์กันเลยทีเดียว
เพราะอะไร? เพราะทุกอย่างมันพร้อมไปเสียหมด ไม่ว่าจะเป็นข้อมูลที่เก็บได้สะดวกขึ้น ระบบการเชื่อมโยงที่มีหลากหลายมากขึ้น ราคาถังเก็บข้อมูลถูกลง และยังมีเทคโนโลยีมากมายที่ทำให้อะไรๆ หลายอย่างๆ สามารถพัฒนาต่อยอดไปได้ไกลขึ้น
สิ่งเดียวที่ยังขาด คือ Domain Expert หรือ ผู้เชี่ยวชาญที่สามารถทำให้งานเกิดขึ้นได้จริง
คำถามต่อมาคือ ... แล้วทำไมถึงขาด??? ในเมื่อมีสถาบันการศึกษาระดับอุดมศึกษาในประเทศไทยถึง 310 แห่ง (ข้อมูลจากสํานักนโยบายและแผนการอุดมศึกษา, กลุ่มแผนงานและโครงการ, เมษายน 2558)
เหตุผลที่ง่ายที่สุด แบ่งได้เป็น 2 ช้อ คือ
ไม่สามารถผลิตผู้เชี่ยวชาญได้มากพอต่อตลาด ซึ่งก็ยังน่าแปลก เพราะประเทศสิงคโปร์ที่มีสถาบันอุดมศึกษาเพียง 34 สถาบัน และมีประชากรเพียง 5.6 ล้านคน แต่สามารถเป็นประเทศอันดับ 1 ด้าน Digital ของ IMD WORLD DIGITAL COMPETITIVENESS RANKING 2017 มาได้
เป็นไปได้ว่า ผู้เชี่ยวชาญทั้งหลาย ไม่สามารถทำงานร่วมกันเป็นทีมได้
บทความวันนี้เราจะเน้นไปที่ข้อ 2 เสียมากกว่า เพราะข้อ 1 คงเป็นอะไรที่แก้ไขได้ยากกว่า
คำว่า “ผู้เชี่ยวชาญ” มีรากฐานมาจาก เมื่อคนคนหนึ่ง มีความรู้ด้านใดด้านหนึ่ง และมีการทดลอง ลองผิดบ้าง ลองถูกบ้าง ทำในสิ่งนั้นอย่างต่อเนื่องเป็นเวลานาน จนมีความเชี่ยวชาญ มีประสบการณ์ และสามารถใช้เวลาไม่นานในการแก้ปัญหาต่างๆ ที่เกิดขึ้นได้อย่างน่าประทับใจ
แต่จุดอ่อนของผู้เชี่ยวชาญหลายท่าน คือ ไม่สามารถทำงานเป็นทีมได้ เพราะมีความทะนงตนในความสามารถของตัวเองจนเกินไป
ทั้งนี้ สิ่งที่ต้องเข้าใจก่อน คือ การเป็นผู้เชี่ยวชาญ โดยส่วนใหญ่แล้ว จะมีความถนัดเรื่องใดเรื่อง “หนึ่ง” ซึ่งไม่ใช่ “ทุกเรื่อง” ดังนั้น ยิ่งโครงการใหญ่มากแค่ไหน ก็ต้องอาศัย “ความร่วมมือ” มากเท่านั้น
งานที่เป็นคอขวด หรือ เสียเวลานานที่สุดอย่างหนึ่งของการทำ Big Data Project หรือแม้แต่โครงการประเภทอื่นๆ คือ “การประสานงาน” ไม่ว่าจะเป็นต้องรอผู้มีอำนาจอนุมัติ หรือ รอการติดต่อจากส่วนงานอื่นๆ เป็นการรอคอยที่ทำให้ทีม “ไม่เกิดงาน”
และเมื่อไม่เกิดงาน ก็ทำให้ระยะเวลาในการทำงานต้องเลื่อนออกไปเรื่อยๆ ซึ่งในระหว่างนี้เอง เทคโนโลยีจากโลกภายนอก ไม่สามารถรอได้ อีกทั้งในช่วงเวลาที่เสียไป ยังเสียโอกาสในการเติบโตอีกด้วย เป็นการเปิดโอกาสให้คู่แข่งแซงหน้าได้อย่างที่ไม่อาจคาดการณ์ได้
คนทุกคนมีความเก่ง มีความถนัดในตัวเองที่แตกต่างกัน ไม่มีใครดีเด่นไปกว่าใคร โดยเฉพาะ เมื่อการทำงานเป็นระบบ Agile ที่ต้องอาศัยทีมงานทั้งหมด ช่วยกัน Sprint งานออกมาโดยเร็ว ดังนั้นสิ่งที่สำคัญไม่ใช่แค่ Domain Expert แต่เป็น “ความสามัคคี”
การอยู่ร่วมกันในทีม ไม่ใช่แค่การทำงานในหน้าที่เท่าที่ได้รับมอบหมาย แต่ต้องพยายามสร้างงานให้ตัวเอง พยายามมีผลงาน พยายามคิดและสร้างสรรค์ พยายามเอาตัวเองเข้าไปแก้ปัญหาใดๆ ก็ตามที่เกิดขึ้นในทีม
ถ้าไม่มีปัญหา ก็แสดงว่าไม่มีงาน แล้วคนที่ไม่มีงาน จะมีประโยชน์อะไร
ณ จุดนี้ ไม่ต้องวัดกันด้วย Degree ไม่ต้องวัดกันด้วยตัวเลขอายุ หรือประสบการณ์ แต่ต้องวัดกันที่ผลลัพธ์
Big Data Project แม้จะเป็นโครงการที่ใหญ่ และซับซ้อน แต่เป็นโครงการที่ต้องทำให้เกิดขึ้นโดยเร็วที่สุด
ไม่ว่าจะเป็น Data Engineer, Data Scientist, Data Analyst และทีมงานส่วนอื่นเช่น Business และ User ต่างมีพื้นฐานมาจากคนละสายงาน แต่หากต้องการทำโครงการเดียวกัน ก็จะต้องยอมรับความเห็นของเพื่อนร่วมทีม เพื่อหาสิ่งที่ใช่ที่สุดสำหรับโครงการ
แต่ต้องยอมรับเลยว่า EGO ของผู้เชี่ยวชาญ หรือ ผู้มีอำนาจ ก็เป็นอุปสรรคหนึ่งที่ทำให้โครงการเกิดความล่าช้า และไม่สำเร็จ
ลองปรับ EGO ลงสักนิด เพราะคงไม่มีใครที่รู้ไปซะหมดทุกเรื่อง แต่กลับกัน คนที่สามารถปรับตัว และยอมรับคนอื่นได้มากกว่า คือ คนที่ครองใจคนอื่นได้มากกว่า
การปรับ EGO เริ่มได้จากการรับฟังผู้อื่น และยอมรับในความ(คิด)ต่าง ยอมรับว่าไม่มีใคร Perfect หรือเก่งไปเสียหมด ทุกคนมีวันพลาด มีวันสำเร็จ เพียงแต่หากเป็นเรื่องของส่วนรวม ที่ทีมงานทั้งหมดต้องเข้าใจกัน และเดินหน้าไปด้วยกัน
ในที่สุดแล้ว Leader จะต่างกับ Manager ตรงที่ Leader คือ คนที่สามารถดึงศักยภาพของคนในทีมออกมาได้อย่างสมบูรณ์แบบ ในขณะที่ Manager จะเป็นคนที่ดูแค่ที่ผลลัพธ์ของงานโดยที่ไม่สนใจว่าวิธีการทำงานจะเป็นเช่นไร
แม้จะได้ผลลัพธ์เดียวกัน แต่ความภาคภูมิใจนั้นต่างกัน
อย่างไรเสีย “ความสามัคคี” ก็ยังสำคัญที่สุด ตราบใดก็ตามที่มนุษย์เรา ยังคงต้องพึ่งพาอาศัยกัน
