เนื้อหาในบทความนี้

• หน้าที่ของ Data Analyst หรือ นักวิเคราะห์ข้อมูล ในการทำงานจริง ทำอะไรบ้าง
• อยากเริ่มต้นในสายงาน Data Analyst ควรเริ่มฝึกทักษะไหนดี
• KPI หรือ ตัวบ่งชี้ว่า คนนี้เป็น Data Analyst ที่เก่ง ควรดูจากตรงไหน
• Day-to-day work ของ Data Analyst ที่คุณอู๋ทำงานอยู่ เป็นอย่างไรบ้าง

Data Analyst Roles
หน้าที่ของ Data Analyst หรือ นักวิเคราะห์ข้อมูล
ในการทำงานจริง ทำอะไรบ้าง

หน้าที่ของ Data Analyst โดยชื่อถ้าแปลตรงตัว จะหมายถึงว่า นักวิเคราะห์ข้อมูล ซึ่งสโคปงานจะค่อนข้างกว้าง และขึ้นอยู่กับแต่ละบริษัท รวมไปถึงแต่ละแผนก ว่าต้องการใช้นักวิเคราะห์ข้อมูล เพื่อจุดประสงค์อะไร

ตัวอย่างเช่น ทีมการตลาด ต้องการเพิ่มยอดขาย จึงต้องใช้นักวิเคราะห์ข้อมูลหาเหตุผลว่า ทำไมยอดขายสินค้าบางชนิดถึงขายได้ดี ทำไมสินค้าบางประเภทยอดขายถึงไม่ดีช่วงนี้ มีปัจจัยอะไรบ้างที่ส่งผลต่อยอดขายบ้าง เมื่อทีมการตลาดได้ข้อมูลที่ผ่านการ รวบรวม คัดกรอง หรือรวมไปถึงการ Visualize (การทำข้อมูลให้เห็นเป็นภาพในรูปแบบต่างๆ เพื่อให้สามารถเข้าใจตัวเลขได้สะดวกขึ้น) จึงนำไปปรับแผนการตลาด หรือการออก campaign ส่งเสริมการตลาด ที่สอดคล้องกับข้อมูลที่ได้ และสามารถนำไปใช้เพิ่มยอดขายได้จริงตามหลักของเหตุและผล

การทำงานจริง ได้ใช้วิชา Stats แบบอลังแค่ไหน?

หลายๆคนมีความเข้าใจว่า ถ้าเป็น Data Analyst วันๆจะได้รันโมเดลเชิงสถิติ เขียนโค้ดรัวๆแบบที่ได้เรียนในมหาลัยแน่ๆเลย แต่ในความเป็นจริงแล้ว...

ใน Corporate หลายๆที่ยังใช้ Excel ในการวิเคราะห์ข้อมูล และจัดกลุ่มเพื่อนำมาวิเคราะห์ความสัมพันธ์ของตัวเลขเพียงเท่านั้น

บางบริษัทที่มีข้อมูลที่ใหญ่ขึ้น อาจจะมี Data warehouse สำหรับการดึงข้อมูล จะมีโอกาสได้ใช้สกิลเขียน SQL บ้าง และนำมาทำงานกันต่อบน excel หรือ visualize ใน Power BI, Tableau หรือ Data studio ตามแล้วแต่สะดวก เพื่อให้ทางทีมที่ทางเราส่งข้อมูลต่อ นำไปใช้งานได้จริง และตอบโจทย์ทางธุรกิจได้

ดังนั้นแล้ว Data Analyst ใช้ Business Sense หรือ ตรรกะการคิดวิเคราะห์เชิงธุรกิจ มากกว่าจะมานั่งรันโมเดลทางสถิติ เพื่อหาคำตอบที่เหมาะสมซะมากกว่า เราไม่จำเป็นต้องเอารถถังไปสู้กับไม้จิ้มฟัน

อยากเริ่มต้นในสายงาน Data Analyst ควรเริ่มฝึกทักษะไหนดี
หรือ คำแนะนำคนที่เพิ่งจบใหม่

• ทักษะ Critical thinking
  
  • ฝึกสกิลการตีโจทย์ และวิเคราะห์โจทย์  เช่น รายได้เพิ่ม มีสาเหตุจากปัจจัยไหนบ้าง ทำอย่างไรให้รายได้เพิ่มได้บ้าง พยามยามตั้งโจทย์ขึ้นมาเอง แล้วนั่งถามตัวเองว่า Why Why Why?
  • ฝึกการตั้งคำถามที่ถูกต้อง Why do we have to do + How do we do? สิ่งที่กำลังทำ ใช้จริงได้หรือเปล่า
  • ถ้าหาก background มาจากสายที่ผ่านวิชาการคำนวนมา เช่น ทางด้านการเงิน เศรษฐศาสตร์ วิศวะ อาจจะเข้าใจได้ง่าย เพราะจะมีนิสัยในการสืบหาว่าตัวเลขแต่ละตัวมาจากไหน
  • Framework ในการทำงานของ Data Analyst นั้นมีอยู่บ้าง แต่อาจจะไม่ใช่คำตอบที่ดีเสมอไป คำตอบไม่ได้มีคำตอบเดียว ชีวิตการทำงานจริง ในการหาคำตอบมันค่อนข้างหลากหลาย การยึดติดกับ framework อาจทำให้เราใช้เวลา และพลังงานมากเกินไป ดังนั้นการฝึก critical thinking จึงเป็นสกิลที่ช่วยทำให้เราทำงานได้อย่างมีประสิทธิภาพเพิ่มขึ้นได้ด้วย
    
• ฝึก Excel ให้เก่ง
  
  • เพราะเป็นโปรแกรมพื้นฐาน ที่ทุกบริษัทมี และเป็นเหมือพื้นฐานสำหรับสายงานนี้
  • ฟังก์ชันที่ต้องใช้เป็น เช่น
    • Pivot Table : ก่อนที่ data เข้า pivot table ได้ หรือ บางที่ข้อมูล ไม่ได้อยู่ในตารางเดียว ควรมีทักษะในการเชื่อมข้อมูลให้เป็น
    • VLookup
    • IF, Else
      
• การทำข้อมูลให้เป็นภาพ (Data Visualization)
  
  • เพื่อให้ข้อมูลดูง่ายขึ้น และนำมาใช้งานเพื่อธุรกิจได้สะดวกมากขึ้น เพราะคนรอบตัวที่ทางทีม Data Analyst ต้องสื่อสารด้วยมีหลากหลาย หลังจากทำความสะอาด และวิเคราะห์ข้อมูลเสร็จแล้ว ควร Visualize เซตข้อมูล เพื่อนำไปสื่อสารต่อได้สะดวกขึ้น
  • แนะนำให้ฝึกใช้
    • Google data studio (เข้ากับ google sheets ง่ายกว่า)
    • Power BI (ใช้กับ Excel ได้สะดวก)
      
• เขียนโค้ดเบื้องต้น (Programming)
  
  • SQL : บริษัทใหญ่ๆ ที่มีข้อมูลเยอะ จะมี Data warehouse ซึ่งควรจะฝึก SQL ให้เป็น เพื่อจะได้ดึงข้อมูลออกมาใช้งานเองได้
  • Python & R : Feed ข้อมูลเข้าไป ทำกันกับคล้ายๆใน excel ทำซ้ำค่อนข้างง่าย
    • Download ข้อมูลมา 200k rows ถ้าทำใน excel มันจะหน่วงมาก แต่ถ้าทำใน Python / R จะทำให้มันสะดวก และรวดเร็วมากกว่า
    • ความยืดหยุ่นในการทำงานสูง : สมมติทำมา 3 steps แล้ว จะย้อนกลับ ใน excel จะไม่ง่าย แต่ใน python จะย้อนกลับกระบวนการไปได้ง่าย

KPI หรือ ตัวบ่งชี้ว่า คนนี้เป็น Data Analyst ที่เก่ง ควรดูจากตรงไหน

• ถ้าให้ตอบเป็น KPI หรือ OKR เลยวัดได้ยาก แต่สิ่งที่สามารถทำได้คือ KPI แบบร่วม กับทีมที่ทำงานร่วมกับ Data Analyst เพราะผลงานของ Data Analyst คือ การช่วยตอบโจทย์ของแผนกแต่ละแผนกได้อย่างมีประสิทธิภาพ นำไปใช้งานต่อได้จริง เห็นผลลัพธ์ความเปลี่ยนแปลง
  
• Analyst ที่เก่งใน definition ผม ทำแล้วเห็นผลลัพธ์ หรือ ตอบโจทย์ของ stakeholder ได้
  • สมมติบอกว่ามีคนเก่ง Excel แต่ต้องเก่งให้เข้ากับบริบท และหน้าที่คุณด้วย
  • สำหรับ manager ที่มี data analyst ต้อง set expectation กันด้วย ถ้าอยากได้ Analysis ที่ดี มันมี dependencies อย่างเช่น ระบบ ข้อมูลพร้อมไหม

Data analyst ที่เก่ง = เร็ว แม่นยำ ถูกต้อง นำไปใช้ต่อได้

Day-to-day work ของ Data Analyst ที่คุณอู๋ทำงานอยู่ เป็นอย่างไรบ้าง

Create a service request > Collect & analyze requirements and usage cases > Timeline estimation > Work in process > Deliver results

• Create a service request
  รับรีเควสความต้องการเบื้องต้นจากทีมที่ต้องการใช้งาน เช่น ต้องการยอดขายรายเดือน มีลูกค้าใหม่ที่เข้ามาซื้อในเดือนนั้นๆ ถ้ามาซื้อครั้งที่สองในเดือนนั้นๆ เค้าจะเป็นลูกค้าใหม่หรือเก่า ต้องการข้อมูลบ่อยแค่ไหน การใช้งานของทีมเป็นอย่างไรบ้าง
  
• Collect & analyze requirements and usage cases
  เก็บข้อมูลสำหรับความต้องการโดยละเอียด และวิเคราะห์วิธีการนำข้อมูลไปใช้งาน รวมถึงไปถึงตัวอย่างเคสในการนำไปใช้งาน เพราะบางทีผู้ใช้งานไม่ค่อยเข้าใจว่า ต้องทำ requirements ยังไง และทำไมเขาถึงต้องการสิ่งนี้
  
• Timeline estimation
  ประมาณเวลาที่ต้องใช้ในการทำงาน และสื่อสารกับทีมที่ต้องการใช้ข้อมูล
  
• Work in process
  เริ่มดำเนินงานกับทีม Data Analyst
  
• Deliver Results
  ส่งมอบงานให้กับทีมที่รีเควสมา ทดสอบใช้งานจริง และปรับแก้ให้ตรงกับความต้องการทางธุรกิจให้มากที่สุด

บทสรุป

• หน้าที่ของ Data Analyst โดยชื่อถ้าแปลตรงตัว จะหมายถึงว่า นักวิเคราะห์ข้อมูล ซึ่งสโคปงานจะค่อนข้างกว้าง และขึ้นอยู่กับแต่ละบริษัท รวมไปถึงแต่ละแผนก ว่าต้องการใช้นักวิเคราะห์ข้อมูล เพื่อจุดประสงค์อะไร
• งานของ Data Analyst ใช้ Business Sense หรือ ตรรกะการคิดวิเคราะห์เชิงธุรกิจ มากกว่าจะมานั่งรันโมเดลทางสถิติ
• ทักษะที่จำเป็น เช่น Critical Thinking, Excel, Data Visualization และ Programming เบื้องต้นในภาษา Python + R
• Data Analyst ที่เก่งควรทำงานได้เร็ว ถูกต้อง แม่นยำ และนำไปใช้ต่อได้

ส่วนถ้าใครอยากรู้วิธีการใช้ Data มาช่วยบริหารธุรกิจ และทำการตลาดในยุคนี้ พร้อมทั้งใช้เครื่องมือวิเคราะห์ข้อมูลต่างๆ ให้ละเอียดยิ่งขึ้นกว่านี้ Eddu ก็มีคอร์สสอนเกี่ยวกับ Data Analytics โดยเน้นไปที่

✅ ทำ Dashboard สรุปข้อมูลให้เข้าใจง่าย นำเสนอได้อย่างมีประสิทธิภาพ

✅ การวิเคราะห์ตลาด มองหาความน่าจะเป็น ตั้งสมมติฐาน และประเมินความได้เปรียบของธุรกิจ ด้วย Data

รับรองว่า คอร์สนี้อัดแน่นไปด้วยคุณภาพ และพร้อมจะเปลี่ยนให้คุณเป็นมือโปรด้านนี้เลย!

สมัครเลย!

หลักสูตร Data Analytics for Business & Marketing

ใช้ Data มาช่วยทำธุรกิจ / การตลาด ในยุค 4.0
แถมให้พิเศษ! สอน Google Data Studio ทำ Data Visualization

ดูรายละเอียดหลักสูตร

หลักสูตร Data Analytics & Visualization 12 ชั่วโมง

ลดพิเศษ เพียง 5,999.- จาก 14,500.- 

**จำนวนจำกัด**