Contact

Follow

  • medium-logo-black-transparent
  • Black Twitter Icon

66 95-460-8830

©2017 by Coraline

Please reload

Recent Posts

มี Data Expert แต่ไม่เกิดผลอะไร

November 27, 2019

 

 

เชื่อว่า ณ ตอนนี้ หลายๆ องค์กร คงมีผู้เชี่ยวชาญด้าน Data ทำงานในองค์กรกันบ้างแล้ว ไม่ว่าจะเป็น Data Analyst, Data Scientist และ Data Engineer เป็นผลจากการปรับโครงสร้างพนักงาน เพื่อรองรับนโยบายด้าน Digital ขององค์กร บางองค์กรมีการตั้งหน่วยงานใหม่ขึ้นมาโดยเฉพาะ เช่น หน่วยงาน Enterprise Data Analysis และมีอีกหลายองค์กรที่มีการตั้งหน่วยงานเพื่อลงทุนในบริษัท Startup หรือที่เรียกว่า Corporate venture Capital 

 

แต่จนทุกวันนี้ ก็ยังไม่ค่อยเห็นโครงการ Big Data หรือ โครงการ Digital Transformation ที่ประสบผลสำเร็จมากนัก แม้ว่าองค์กรต่าง ๆ จะมีผู้เชี่ยวชาญตามที่วางแผนเอาไว้แล้ว 

 

สาเหตุที่การมีผู้เชี่ยวชาญ หรือ Data Expert ในองค์กร แต่ก็ยังไม่สามารถนำพาให้โครงการ Big Data ประสบผลสำเร็จ ประกอบไปด้วย 

 

1.ผู้เชี่ยวชาญมีความเชี่ยวชาญเฉพาะเรื่องของตัวเอง และไม่เข้าใจขอบเขตการทำงานของผู้อื่น ซึ่งเป็นผู้ร่วมทีม ทำให้ไม่สามารถส่งต่องานของตัวเองให้คนอื่น และไม่เข้าใจการทำงานในภาพรวม ซึ่งถือเป็นเรื่องปกติ เพราะแต่ละคนมีตำแหน่งหน้าที่เฉพาะทาง เฉพาะส่วนที่ตัวเองรับผิดชอบ เช่น Data Scientist มีหน้าที่ออกแบบ Model ในขณะที่ Data Engineer ออกแบบช่องทางการเชื่อมโยงและบริหารข้อมูล ดังนั้น จะให้ Data Scientist มาออกแบบ Data Pipeline ของระบบด้วย ก็คงไม่ใช่ส่วนที่เขาถนัด เพียงแต่ ข้อมูลที่จะนำไปสร้าง Model รวมไปถึงผลลัพธ์ที่ได้จาก Model จะต้องได้รับการบริหารดูแลจาก Data Engineer ทำให้ Data Engineer และ Data Scientist ต้องวางแผนการส่งมอบงานให้กันและกันแทบจะตลอดเวลา 

 

โดยทั่วไปแล้วคนที่ทำหน้าที่เป็นคนกลางในการออกแบบแผนการทำงานทั้งหมดคือ Project Manager หรือที่เรียกสั้น ๆ กันว่า PM ซึ่งถือเป็นหน้าที่การบริหารโครงการ ที่จะต้องเข้าใจว่า ผู้เชี่ยวชาญแต่ละท่านทำหน้าที่อะไร และมีส่วนไหนที่เป็นงานระหว่างกลางที่จะต้องส่งต่อถึงกัน ดังนั้น คนที่ทำหน้าที่เป็น PM จะต้องเข้าใจงานในเชิงเทคนิคอย่างคร่าว ๆ และจะต้องมีทักษะการทำงานแบบทั้ง Agile และ Waterfall อีกด้วย นอกจากนี้ PM ยังต้องวางแผนเพื่อรองรับในกรณีต่าง ๆ ทั้งกรณีปกติ และกรณีไม่ปกติ ดังนั้นโครงการที่ไม่มี PM หรือมี PM ที่ไม่เข้าใจขอบเขตการทำงานของผู้เกี่ยวข้องทั้งหมด ก็จะมีโอกาสที่โครงการจะเกิดอุปสรรค หรือล้มเหลวระหว่างทางได้ 

 

2. ขาดผู้เชี่ยวชาญอาวุโส หรือ Senior Level เพราะในระดับ Senior คือ คนที่เคยมีประสบการณ์ และเห็นภาพรวมของโครงการมาก่อน ทำให้สามารถให้คำปรึกษา และคอยตรวจสอบการทำงานของทีมได้ การสร้างทีมก็ต้องมีผู้นำทีม แต่ดูเหมือนว่าตำแหน่ง Data Expert ที่มีอยู่ในตลาดแรงงานส่วนใหญ่จะอยู่ในระดับ Junior ซะมากกว่า อาจเป็นเพราะกระแส Big Data เพิ่งเข้ามามีบทบาทในการดำเนินธุรกิจเมื่อไม่นานมานี้ แต่เมื่อไม่มี Senior ให้คำแนะนำ และตรวจสอบงานก็กลายเป็นว่า Junior จะต้อทำงานด้วยตัวเองเอง หรือว่าลองผิดลองถูกไปเรื่อย ๆ ความน่ากลัวมันไม่ได้อยู่ที่ว่า Junior ไม่สามารถทำงานเพียงอย่างเดียว แต่มันอยู่ที่ว่าถ้าไม่มีการตรวจสอบความถูกต้อง หรือครบถ้วนของระบบก่อน แล้วจะแน่ใจได้อย่างไร ว่าสิ่งที่พัฒนาขึ้นมานั้น มีความเหมาะสม และสมบูรณ์แบบจริงๆ  

 

นอกจากนี้ ยังพบว่า Expert ที่มีในตลาดแรงงาน ส่วนใหญ่จะเป็น Self- Learning เช่น การเรียนคอร์สออนไลน์ ซึ่งก็มีทั้งข้อดี และข้อเสีย โดยที่อาจจะยังไม่เคยได้เก็บเกี่ยวประสบการณ์ทำงานจริง ที่น่ากลัวคือหลาย ๆ องค์กรยังไม่มีวิธีการชี้วัดความเชี่ยวชาญของ Expert ทำให้ไม่สามารถตรวจสอบได้ว่าผู้สมัครแต่ละคนมีความพร้อมในการทำงานมากน้อยแค่ไหน และนี้เป็นโจทย์ใหญ่ของฝ่าย HR ที่จะต้องมีการออกแบบวิธีการคัดเลือกพนักงานที่เหมาะสมต่อไป 

 

3. การโยนปัญหาให้ Expert เป็นคนตั้งโจทย์ เช่น อยากทำโครงการ big Data แต่ไม่รู้ว่าจะต้องทำอะไร ไม่รู้จะต้องเริ่มอย่างไร จึงมอบหมายให้ Data expert เป็นผู้คิดโจทย์ ซึ่งแนวทางนี้อาจจะไม่ใช่แนวทางที่ถูกต้อง เพราะว่าผู้เชี่ยวชาญ จะมีความเชี่ยวชาญเฉพาะด้านใด ด้านหนึ่ง และที่สำคัญ คือ ไม่ได้มีความเชี่ยวชาญด้านธุรกิจ หรือ การบริหารองค์กร ทำให้ไม่สามารถมองภาพรวมทั้งหมดได้ ตัวอย่างเช่น โครงการ Marketing Analytics ควรถูกเสนอมาจากฝั่น Marketing มิใช่ฝั่ง Data Expert อย่างไรก็ตาม Data Expert สามารถให้ความร่วมมือในการคิด Solution 

 

หลายคนยังเข้าใจผิด ว่า การมี Data Expert จะสามารถตอบได้ว่า องค์กรจะต้องทำอะไร ซึ่งในความเป็นจริงแล้ว Data Expert มีหน้าที่หา Solution แต่ไม่ได้มีหน้าที่คิดโจทย์ สุดท้ายแล้วผลลัพธ์ที่จะได้จากการการดำเนินโครงการ ก็คือการทำให้ธุรกิจเดินไปข้างหน้าได้อย่างมีประสิทธิภาพ ดังนั้นทางฝั่งเจ้าของโครงการ หรือ Business เอง ก็ควรจะเป็นผู้ระบุปัญหา และร่วมประเมินผลลัพธ์ไปด้วยกัน มากกว่าปล่อยให้ Expert ทำงานเพียงอย่างเดียว 

 

4. มี Expert แต่ไม่มี Smart User เพราะ Expert คือนักพัฒนา และเมื่อพัฒนาได้สำเร็จแล้วก็จะส่งต่อระบบนี้ให้กับผู้ใช้งาน ซึ่งในยุคก่อนหน้านี้จะเน้นการซื้อ Software สำเร็จรูป ทำให้หลาย ๆ องค์กรเคยชินกับการใช้ Software ที่สำเร็จตายตัวไม่มีความยืดหยุ่น อยากได้อะไรก็ซื้อสำเร็จรูปที่มีขายในตลาด แล้วก็ใช้งานโดยที่ไม่ได้มีการประเมินว่ามันเหมาะสมและคุ้มค่าหรือไม่ แต่ในยุค Digital ทุกอย่างเปลี่ยนไป กลายเป็นว่าระบบต่าง ๆ ควรเป็นระบบที่มีความยืดหยุ่นเพื่อให้เกิดการต่อยอดและสามารถออกแบบให้ทันสมัยได้มากที่สุด เพื่อสร้างความเป็นเอกลักษณ์ให้แต่ละโครงการ ดังนั้น บุคคลที่มีความสำคัญไม่แพ้ Expert ก็คือ User หรือผู้ใช้งานที่จะต้องทำตัวเองเป็นหนึ่งในสมาชิกผู้พัฒนา เป็นผู้ใช้งานที่เข้าใจ สามารถปรับจูนระบบได้ และเป็นคนที่สามารถเสนอแนะแนวทางในการพัฒนาต่อยอดระบบนั้น ๆ ต่อไปในอนาคตได้อีกด้วย เพราะข้อมูลที่เกิดขึ้นในแต่ละวันเป็นข้อมูลสดใหม่ และมีความเป็นไปได้ว่าข้อมูลใหม่ที่เข้ามาอาจจะมีพฤติกรรมบางอย่างที่เปลี่ยนแปลงไป ทำให้ Model หรือระบบเดิมก็จำเป็นจะต้องมีการปรับเปลี่ยนด้วยเช่นกัน 

 

การมี Smart User ที่เข้าใจ จะทำให้ การลงทุนในการพัฒนาระบบเป็นการลงทุนที่คุ้มค่าอย่างมาก เนื่องจาก Smart User จะสามารถบอกถึงความต้องการในการใช้งาน และต่อยอดระบบจากเดิมไปได้เรื่อย ๆ ได้ ทำให้ไม่จำเป็นต้องมองหาระบบใหม่ ๆ มาแทนที่ระบบเก่าอยู่ร่ำไป

 

เหตุผลทั้ง 4 ข้อนี้เป็นเพียงตัวอย่างของการมี Data Expert แล้วแต่องค์กรยังไม่พร้อม ซึ่งคำถาม คือ ถ้าองค์กรไม่พร้อม แล้วจะมี Data Expert ทำไม ก็เพราะว่า หลายองค์กรมีข้ออ้างที่ว่า เหตุผลที่ยังไม่สามารถเริ่มโครงการได้ ก็เพราะขาดทีมงาน แต่เมื่อมีทีมงานแล้ว ก็ยังไม่สามารถดำเนินโครงการได้ อันนี้ก็จะต้องกลับมาทบทวนแล้วว่า ที่ไม่สามารถดำเนินโครงการได้ มันเพราะอะไรกันแน่ 

 

จากประสบการณ์ของ Coraline นั้น ในการดำเนินโครงการ Big Data ไม่จำเป็นต้องลงทุนก้อนใหญ่ หรือใช้เวลานาน เพียงแค่คุณเข้าใจ และการจะสร้างทีมงาน ไม่จำเป็นต้องมี Expert ในทุก ๆ ตำแหน่ง เพราะในช่วงของการพัฒนา อาจจะต้องมีทีมงานที่เกี่ยวข้องจำนวนมาก แต่เมื่อใดก็ตามที่โครงการได้รับการพัฒนาจนสำเร็จแล้ว ระบบนั้นจะมีความเสถียรระดับหนึ่ง ที่ Smart User จะสามารถดูแลรักษาระบบนั้นได้เอง 

 

ความเป็นจริงแล้ว เราขาด PM หรือ ผู้บริหารที่เข้าใจ มากกว่าขาดผู้เชี่ยวชาญ เพราะต่อให้เรามีผู้เชี่ยวชาญ แต่ขาดผู้วางแผน และกำหนดทิศทาง โครงการก็จะไม่สามารถดำเนินการต่อได้ ในทางกลับกัน หากเรามีผู้บริหารที่เข้าใจ การจะหาผู้เชี่ยวชาญ หรือมองหา Vendor ที่สามารถเข้ามาร่วมพัฒนาโครงการได้ จะไม่ใช่เรื่องที่ยากเกินความสามารถของผู้บริหารท่านนั้นค่ะ 

 

 

#BigData

#DataScience

#Optimization

#ProductivityImprovement

#DigitalTransformation

#MachineLearning

#ArtificialIntelligence 

 

#Coraline ให้คำปรึกษาการทำ Big Data, Data Model, Artificial Intelligence และ Digital Transformation เพื่อเพิ่มศักยภาพของธุรกิจ


 

 

 

 


 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Share on Facebook
Share on Twitter
Please reload

Please reload