Data Science ไม่ได้มีแค่ Machine Learning

ตามทฤษฎีแล้ว Data Science คือ กระบวนการในการหาความสัมพันธ์ของข้อมูล ที่ต้องใช้หลักคณิตศาสตร์ต่างๆ หากเราอ่านแค่นี้ อาจจะยังไม่เห็นภาพ ต้องลองจินตนาการถึงคำว่า “นักวิทยาศาสตร์เคมี” สิ่งที่เห็นเป็บภาพขึ้นมาคงเป็นรูปบุคคลใส่เสื้อกาวน์ ใส่แว่นหนาๆ ถือหลอดทดลองที่มีสารเคมีสีต่างๆแล้วเอาสารมาผสมกัน จนเกิดเป็นสารใหม่ … ไม่ต่างกัน Data Scientist ก็คือบุคคลที่นำข้อมูลดิบต่างๆมาผสมหรือหาความสัมพันธ์เพื่อสร้างเป็นผลลัพธ์ใหม่เหมือนกัน สิ่งเดียวที่ต่างกันคือนักเคมีใช้สารเคมีเป็นตัวตั้งต้น ในขณะที่ Data Scientist ใช้ Data เป็นของตั้งต้นนั้นเอง

แต่อย่างไรก็ตามเมื่อพูดถึง Big Data ซึ่งทั้งขนาดใหญ่และต้องการความเร็วในการทำงาน ทำให้ Data Scientist จำเป็นต้องเขียนโปรแกรมเองให้ได้อีกด้วย ทำให้คนส่วนใหญ่มองภาพว่า Data Scientist มาจากสายคอมพิวเตอร์ซะมากกว่าสายวิทยาศาสตร์

ขั้นตอนการทำงานของ Data Scientist นั้นเริ่มจากการตั้งโจทย์ การมองหาข้อมูลที่ตอบโจทย์ Clean ข้อมูล สร้างโมเดล (หลายๆ ตัว) ทดสอบโมเดลเพื่อเลือกโมเดลที่ใช่ที่สุดและส่งมอบโมเดลไปใช้งานในระบบ ตามภาพ

สิ่งที่สำคัญที่สุดสำหรับการเป็น Data Scientist คือ การมองหา Solution ที่ตอบโจทย์ธุรกิจให้ได้มากที่สุด ซึ่งคำว่า “ตอบโจทย์” นี้ อาจหมายถึงโมเดลที่แม่นยำที่สุด โมเดลที่คิดได้เร็วที่สุด โมเดลที่เข้ากับระบบหน้างานได้มากที่สุดหรืออื่นๆ ก็เป็นได้ แต่ไม่ว่าเราจะมองหาอะไร แต่ในที่สุดสิ่งที่ต้องเกิดขึ้นให้ได้จริงคือต้องนำโมเดลนั้นไปใช้ให้เกิดประโยชน์ให้ได้

Skill หรือ ทักษะต่างๆ ที่จำเป็นในการเป็น Data Scientist ได้แก่

• พื้นฐานทางด้านคณิตศาสตร์ ได้แก่ สถิติ, ความน่าจะเป็น, แคลคูลัส (Calculas), พีชคณิตเชิงเส้น (Linear algebra), สมการเชิงอนุพันธ์ Differential Equations, ตรรกศาสตร์(Logic), การเพิ่มประสิทธิภาพ (Optimization), การออกแบบการทดลอง (Design of Experiment, DOE)
• การเขียนโปรแกรมภาษา โดยเฉพาะ R กับ Python
• ความรู้ด้านธุรกิจ และทักษะด้านอารมณ์ (Business and Soft Skill) ได้แก่ ความชอบในเรื่องที่ทำ, ชอบใช้ตัวเลข โดยเฉพาะ Big Data, ชอบแก้ปัญหา และหาทางออก, สามารถทำงานเป็นทีมได้, มีความคิดสร้างสรรค์, สามารถเล่าเรื่องราวเกี่ยวกับข้อมูลให้เข้าใจได้ง่าย, สามารถต่อยอดจากผลลัพธ์ให้กลายเป็นการกระทำที่สร้างประโยชน์จริงได้

ใน 3 หมวดนี้สิ่งที่เป็นพื้นฐานสะสมกันมาตั้งแต่วัยเด็กคือข้อแรก “ คณิตศาสตร์” ซึ่งเป็นรากฐานที่สำคัญต่อ Data Science ยิ่งนัก เพราะหากรากฐานไม่มั่นคงก็คงไม่สามารถต่อยอดไปได้ไกล สำหรับส่วนที่ 2 เรื่องการเขียน โปรแกรมภาษา เป็นอะไรที่เรียนรู้ได้ใหม่เสมอหากเลือกที่จะเป็น Data Scientist จริงๆจะต้องรักการเขียนโปรแกรมและมองว่ามันสนุกและส่วนที่ยากที่สุดคือข้อที่ 3 ความรู้ด้านธุรกิจ และทักษะด้านอารมณ์ เพราะเป็นสิ่งที่ต้องเก็บเกี่ยวจากประสบการณ์เท่านั้น

จะเห็นได้ว่า Machine Learning เป็นเพียงส่วนประกอบส่วนหนึ่ง ของการทำ Data Science เท่านั้น โดยตามคำนิยามแล้ว Machine Learning คือการเรียนรู้ของเครื่องจักร โดยที่คำว่า “ เครื่องจักร “ ในที่นี้ก็หมายถึงคอมพิวเตอร์นั้นเอง ซึ่งโจทย์ที่จะเป็น Machine Learning ได้นั้น เป็นโจทย์ที่ซับซ้อน ต้องมีการซุ่มตัวเลข หาค่าที่เหมาะสมที่สุด หาความสัมพันธ์ระหว่างตัวเลขไขว้กันไปมาซึ่งต้องใช้คอมพิวเตอร์เพื่อ Simulate หรือ คำนวณหาความเหมาะสม โดยใช้ Algorithm แบบต่างๆ เช่น Artificial neural network ดังภาพ

ในขณะที่การทำงานเกี่ยวกับ Data Science นั้นกว้างมาก และบางงานก็ไม่มีความเกี่ยวข้องกับ Machine Learning ด้วย ตัวอย่างเข่นการคิดสมการหา Dead Stock หรือสินค้าที่ค้างคงคลังนานและมีท่าทีจะขายไม่ออก โดยสามารถคิดได้จากปริมาณวันที่ซื้อสินค้านั้นเข้ามาเปรียบเทียบระหว่าง Forecast Demand ที่คาดการณ์เอาไว้และ Actual Demand ที่เกิดขึ้นจริงและทำการพิสูจน์หาค่า Confidential Interval เพื่อทำเป็น Rule ขึ้นมาว่า สินค้าใดบ้างที่เป็น Dead Stock ซึ่งการทำ Dead Stock Alert จะช่วยให้องค์กรสามารถจัดการกับต้นทุนค้างคงคลังได้ก่อนจะขาดทุนไปมากกว่านี้ โดยแต่ละสินค้าแต่ละองค์กร จะมี Condition หรือข้อจำกัดที่แตกต่างกัน ทำให้ไม่สามารถมีสมการ Dead Stock เป็นอันเดียวได้ต้องใช้หลักการ Data Science สร้างขึ้นใหม่เพื่อให้เหมาะกับแต่ละธุรกิจ

ดังนั้น Data Scientist ที่ดีจะต้องไม่ใช่แค่คนที่นั่งอยู่หลังคอมพิวเตอร์หรือสนุกกับการเขียนโปรแกรม Coding เท่านั้น แต่ต้องเป็นคนที่ออกสำรวจหน้างานเพื่อวิเคราะห์ปัญหา รับฟังความเห็นจากบุคคลที่เกี่ยวข้องจนไปถึงส่งมอบและติดตามผลงานของตัวเอง เพื่อให้มั่นใจว่างานได้สำเร็จตามที่ตั้งเป้าหมายเอาไว้ จึงจะถือว่าเป็น Data Scientist ที่เป็นดั่งมนุษย์ทองคำจริงๆ

ให้คำปรึกษาการทำ Big Data Project และ Digital Transformation เพื่อเพิ่มศักยภาพของธุรกิจ

Originally published at https://www.coraline.co.th.