เมื่อวานนี้มีน้องที่รู้จักกันมาถามว่า “ผมยังไม่รู้ inspiration ของพี่เลยว่าทำไมพี่ถึงชอบ Data” ถ้าให้ตอบแบบเท่ๆ สมัยนี้ก็ต้องบอกว่า “เพราะข้อมูลมันมีประโยชน์ไง ช่วยให้เราตัดสินใจได้ดีขึ้น …” แต่จริงๆ จุดเริ่มต้นของผมในเส้นทางสายนี้ไม่ใช่เพราะคำตอบนั้นหรอกครับ จากคำถามนั้นก็เลยทำให้ผมคิดย้อนไปว่าเส้นทางด้านนี้ของผมเป็นยังไง จริงๆ ถ้าคุณอ่านบทความนี้อาจจะรู้จักผมกับดาต้า คิวบ์มาบ้าง แต่ขออนุญาตย้อนกลับไปตอนจุดเริ่มต้นของเส้นทางการเดินทางของผมสักนิดนึงนะครับ
ผมรู้จักกับ Data Mining (สมัยนั้นยังไม่มีคำว่า Big Data หรือ Data Science) ในช่วงประมาณปี 2545 ซึ่งเป็นช่วงที่ผมเป็นนิสิตปีที่ 2 ภาควิชาวิศวกรรมคอมพิวเตอร์ ในคณะวิศวกรรมศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ครับ ในสมัยนั้นที่คณะก็จะแบ่งเป็นห้อง lab ต่างๆ ตามความสนใจของอาจารย์ ไม่ว่าจะเป็น lab ที่ทำเกี่ยวกับ IR (Information Retrieval) หรือ Network ต่างๆ ส่วนผมเองไปสนใจเรื่องของ Data เพราะคิดว่า (ในสมัยนั้น) เป็นอะไรที่ยังใหม่และอาจารย์ท่านก็เพิ่งจบด้านนี้มาจากประเทศฝรั่งเศสได้ไม่กี่ปี ก็ถือว่าเป็นมือวางอันดับต้นๆ ของประเทศไทยเลย
ในสมัยนั้นเรื่องของ Data Mining จะสอนในระดับปริญญาโท ส่วนปริญญาตรีจะเป็นประมาณ Database หรือจะมากหน่อยก็เป็นระดับ Data Warehouse หรือ Business Intelligence ดังนั้นการที่อยากรู้เรื่อง Data Mining ก็ค่อนข้างลำบากเมื่อเทียบกับสมัยนี้ ด้วยความที่อาจารย์ท่านหวังดีอยากให้พวกเรารู้เรื่องพวกนี้เยอะๆ ก็ให้ผมและเพื่อนๆ ป.ตรีที่อยู่ใน lab เข้าฟังการ present เนื้อหางานวิจัยของพี่ๆ ระดับปริญญาโทในการประชุม lab แต่ละสัปดาห์
แต่เนื่องจากพวกพี่ๆ เค้าทำงานประจำกันและการเรียนในระดับปริญญาโทที่ภาควิชาตอนนั้นเป็นภาคพิเศษ คือ เรียนตั้งแต่ช่วง 18:00-21:00 น. ก็เลยต้องประชุมหลังจากช่วงนั้น ใช่ครับหลังจาก 3 ทุ่มไป (พวกพี่ๆ ก็ขยันกันมากซึ่งตอนนี้แต่ละท่านก็เป็นใหญ่เป็นโตในแวดวง Data นี้กันไปหมดแล้ว) พวกน้องๆ ตัวเล็กแบบพวกผมก็ต้องรอถึง 3 ทุ่มเพื่อจะได้ฟังเนื้อหาวิจัยใหม่ๆ ทางด้านนี้ (ถ้าเทียบกับการเรียนรู้ในสมัยนี้แล้วถือว่าตอนนั้นค่อนข้างลำบากพอควรเลยล่ะครับ ฮ่าๆ) ผมก็เก็บเกี่ยวความรู้จากการที่ฟังพวกพี่ๆ present บ้าง หาอ่านหนังสือพวก Textbook ต่างๆ บ้าง (สมัยนั้นยังไม่มีเรียน online เลยครับ) ทำให้ตอนจบมาผมก็พอเข้าใจเรื่อง Data Mining บ้างแล้ว
หลังจากจบมาผมก็ไม่ได้ไปทำงานบริษัทเอกชนเหมือนเพื่อนๆ อาจจะเป็นเพราะช่วงนั้นในตลาดงานยังไม่ค่อยมีใครทำเรื่อง Data กันจริงจังแบบสมัยนี้สักเท่าไร ส่วนใหญ่ตอนนั้นก็คงเป็นแค่บริษัทใหญ่ๆ ที่เห็นความสำคัญของข้อมูลและการนำไปใช้ประโยชน์ เช่น พวกธนาคารต่างๆ และด้วยความที่ผมเองก็มีความสามารถระดับกลางๆ (average) เลยไม่ได้ไปทำงานในบริษัทเหล่านั้น ผมจึงไปทำงานในหน่วยงานวิจัยซึ่งก็คือห้องปฏิบัติการ Information Systems ในศูนย์พันธุวิศวกรรมและเทคโนโลยีชีวภาพแห่งชาติ (BIOTEC) สถาบันพัฒนาวิทยาศาสตร์และเทคโนโลยี (NSTDA) ผมทำงานอยู่ในหน่วยงานนั้นเป็นเวลาประมาณ 7 ปีทำให้ผมพอมีความรู้เรื่อง Data ในรูปแบบที่เป็นทางชีวภาพมากขึ้น ไม่ว่าจะเป็นแนวชีววิทยา (Biology) หรือทางเคมี (Chemistry)
เมื่อทำงานไปได้สักพักผมก็ตัดสินใจมาเรียนต่อระดับปริญญาเอกเลยทำให้ช่วงนี้ของชีวิตเน้นไปที่การทำงานวิจัยเชิงลึกเพื่อแข่งขันกับนักศึกษาระดับบัณฑิตศึกษาและนักวิจัยในต่างประเทศ ซึ่งก็เป็นเรื่องทั่วไปสำหรับการเรียนระดับนั้น ซึ่งตอนนั้นเองผมก็ใช้ภาษา R ในการทำวิจัย (ซึ่งสมัยนั้น Python จะเน้นไปเรื่องของการทำ programming หรือติดต่อกับ Hardware ต่างๆ เป็นหลัก) ผมก็ใช้เวลาเรียนปริญญาเอกไป 4 ปี
ดังนั้นถ้าพูดกันตรงๆ ผมใช้เวลาประมาณ 14 ปีในการรู้จัก Data และการวิเคราะห์ข้อมูลในเชิงลึกมากๆ แต่ผมกลับไม่มีประสบการณ์ในการทำงานภาคเอกชนหรือทำเรื่อง Data ในเชิงธุรกิจเลย จำได้ว่าตอนหลังจากจบป.เอกมาใหม่ๆ ก็ลองไปสมัครงานดูครับ แต่ก็ไม่ได้ด้วยเหตุผลว่าผมมีประสบการณ์ในการทำงานในภาคธุรกิจเป็น 0 ซึ่งก็จริงของเค้านะ สมัยนั้นผมยังไม่ค่อยเข้าใจเรื่อง customer journey หรือ การจัดการ transaction ต่างๆ เท่าไร เพราะว่าตอนเรียนก็มีข้อมูลสำเร็จมาให้แล้วนี่นา (พอมาย้อนมองกลับไปก็เลยเข้าใจว่าเราต้องรู้จักการประยุกต์ในเชิงธุรกิจให้มากขึ้นด้วย)
เส้นทางของคนที่จบปริญญาเอกก็มีไม่มากหรอกครับ ถ้าไม่ไปสมัครเป็นอาจารย์ ก็ไปทำวิจัยต่อ ซึ่งก็ไม่ง่ายทั้งคู่สำหรับคนที่มีความสามารถระดับกลางๆ อย่างผม ผมเองก็เคยสมัครไปทำวิจัยหลังปริญญาเอก หรือเรียกสั้นๆ ว่า Post-Doc ประมาณ 30 ที่ก็โดนปฏิเสธหมดเลยครับ และยิ่งไปสมัครงานภาคเอกชนก็ไม่ได้อีก ฮ่าๆ แต่ก็ยังพอโชคดีอยู่บ้างที่ผมได้ลองศึกษาเครื่องมือ (tool) ตัวนึงที่ชื่อว่า “RapidMiner” แล้วก็เปิดอบรมการใช้งานซึ่งช่วงนั้นยังเป็นเครื่องมือใหม่และเรื่อง Data กำลังได้รับความนิยมเลยทำให้ผมพอจะมีงานทำนอกเหนือจากการไปสมัครอาจารย์หรือนักวิจัยเหมือนคนอื่นๆ
แต่ด้วยความที่ 14 ปี (นานมากๆ นะครับ) เราศึกษาในเชิงลึกมาโดยตลอดก็เลยทำให้ช่วงนั้นการสอนของผมเป็นเหมือนสอนเรื่องการทำวิจัยด้วยข้อมูลมากกว่าเป็นการประยุกต์ใช้ในเชิงธุรกิจต่างๆ (ก็ไม่เคยทำงานจริงๆ จะไปเอาอะไรมาสอนล่ะเนอะ) พอมานึกย้อนมองตอนนี้ก็รู้สึกอยากขอโทษหลายๆ คนที่ตอนนั้นผมไม่ได้ตอบโจทย์ความต้องการของเค้าและอาจจะสร้าง mindset ของการดูแต่เรื่องเทคนิคเป็นหลัก
หลังจากช่วงนี้กระแสของ Big Data และ Data Science ก็เพิ่มขึ้นเรื่อยๆ ครับ ผมมีผู้สนใจเข้าร่วมอบรมจากบริษัทเอกชนต่างๆ มากขึ้นและผมเองก็พยายามหาทางแก้จุดอ่อนในเรื่องการประยุกต์ใช้ในด้านธุรกิจของผมมากขึ้นโดยการอ่านหนังสือต่างๆ ซึ่งโดยส่วนตัวผมคิดว่าจะมีหนังสือบางเล่มที่ผมอ่านรู้เรื่องและบางเล่มก็อ่านไม่รู้เรื่องเพราะประสบการณ์เรายังไม่ถึง โดยเล่มที่ผมอ่านแล้วเข้าใจมากขึ้น (และขอแนะนำ) คือ
- Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking
- Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management
- Predictive Marketing: Easy Ways Every Marketer Can Use Customer Analytics and Big Data
- Applied Predictive Analytics: Principles and Techniques for the Professional Data Analyst
ในช่วงนั้นก็มีบริษัทได้ให้โอกาสผมให้ร่วมทำงานด้วยอย่างจริงจังเป็นเวลา 1 ปีและต่อเนื่องมาเรื่อยๆ การที่เริ่มทำงานกับบริษัทก็ทำให้ผมได้เรียนรู้แนวคิดและวิธีการต่างๆ มากขึ้น บางครั้งก็ทำให้เข้าใจว่าที่ผ่านมาเราก็คิดผิดพลาดไปหลายอย่าง เช่น การทำงานบางทีก็อาจจะไม่ต้องใช้วิธีการที่อลังการพันลึกขนาดนั้นก็ได้ แค่ใช้เทคนิคพื้นฐานก็เพียงพอแล้ว เพราะเค้าจะเอาผลที่ได้ไปใช้ต่อและถ้ามันลึกล้ำมากจนเกินไปก็คงเอาไปใช้ต่อไม่ได้ การร่วมงานกับบริษัทนี้ทำให้ผมได้เรียนรู้เรื่องของการวิเคราะห์ข้อมูลลูกค้าในแง่มุมต่างๆ ไม่ว่าจะเป็นเชิงพฤติกรรม การเงิน ซึ่งก็ทำให้ผมต่อยอดมาทำงานกับบริษัทอื่นๆ ได้มากขึ้น
ถ้าลองมาย้อนดูแล้วก็เห็นว่าจาก 20 ปีที่ผ่านมาในสาย Data ผมใช้เวลาในการเรียนรู้พื้นฐานมามากกว่า 50% ถึงมีโอกาสได้นำมาทำงานในเชิงธุรกิจจริงๆ จังถึงวันนี้ ซึ่งผมก็ยังมองว่าผมเองยังเพิ่งเริ่มต้นในด้านนี้อยู่ดี ผมเองก็ไม่รู้เหมือนกันว่าผมเองนั้น “จบตรงสาย” อย่างที่เค้าเรียกกันตอนนี้ไหม แต่ผมเชื่ออย่างหนึ่งว่าถ้าเราพยายามเราก็จะทำในสิ่งที่เราอยากเป็นได้เสมอ ยิ่งสมัยนี้แล้วโอกาสและช่องทางการเรียนรู้มีมากขึ้นกว่าเดิมมากๆ สุดท้ายก็ขอเป็นกำลังใจให้กับใครก็ตามที่อยากทำงานด้านนี้ทุกคนครับ ^^
