Data memes EP.01
มาเรียนรู้ทักษะทางด้าน Data ผ่านมุขตลกหรือ memes กันดีกว่า
ใน blog นี้เราจะมาให้ทั้งความสนุกและสาระในด้าน Data ผ่าน memes กันนะครับ โดยเนื้อหานี้จะเป็นการอธิบายถึงสิ่งที่ memes นั้นพยายามจะสื่อรวมทั้งอธิบาย Technical Term ของมุขด้วยนะครับ
โดยใน EP แรกจะเน้นไปที่มุขที่เข้าใจได้ง่ายที่สุดคือมุขที่เกี่ยวกับ Data ทั่วไปนะครับ ซึ่งจะไม่ลงลึกและไม่เห็น Technical Term มากมายเท่าไหร่…เอาหล่ะ มาเริ่มกันเลยครับ
***คำเตือน ขอให้ทุกคนอย่าคิดมากและสนุกกับเนื้อหาแทนนะครับ เพราะmemesมันค่อนข้างที่จะออกแนวเสียดสี แต่ผมจะพยายามเล่าให้ฟังแบบสบายๆนะครับ🙂***
เมื่อถึงเวลาที่จะวิเคราะห์ข้อมูล ผมจะใช้(แค่)Excel
“When it comes to data analysis, I excel.” 😆
ใช่ครับ สำหรับงานวิเคราะห์ข้อมูลนั้น การใช้ Microsoft Excel เป็นสิ่งที่ดีและมีประสิทธิภาพสูง เรียกได้ว่าเป็นโปรแกรมที่ครอบจักรวาลของใครหลายๆคนเลยก็ว่าได้ แต่มันก็ไม่สามารถหลีกเลี่ยงความจริงที่ว่าในปัจจุบันนั้นข้อมูลไม่ได้อยู่ในรูปแบบของตารางโครงสร้าง (Structured Data) เพียงอย่างเดียว ถ้าเป็นรูปภาพหรือเสียงหล่ะ คุณจะยังใช้ Excel อยู่รึเปล่า? แล้วเราจำเป็นจะต้องใช้แค่โปรแกรม Excel ในการวิเคราะห์ข้อมูลหรือไม่? แน่นอนว่าคำตอบก็คือ “ไม่เสมอไป (Not at all)” ยังมีโปรแกรมอีกมากมายที่ไว้สำหรับการต่อยอดหรือแก้ไขปัญหาหลายอย่างที่ไม่สามารถใช้ Excel ในการวิเคราะห์ข้อมูลได้ เช่น BI Tools (Tableau, Power BI etc.), SQL&No-SQL Database Management System (SQLite, MySQL, DBMongo etc.), Cloud Service (GCP, AWS) เป็นต้น
เมื่อพวกเขาพูดว่า ไฟล์ExcelคือBig Data
“And then they said that excel file was big data.” 😆
เราขอโทษก่อนล่วงหน้าเลย เพราะblog นี้อาจจะเป็นฝันร้ายของคนใช้ Excel อยู่ก็ได้😄
ในปัจจุบันที่การวิเคราะห์ข้อมูลนั้นพัฒนาไปจนถึงขั้นที่สามารถวิเคราะห์ข้อมูลขนาดใหญ่(Big Data) ได้แล้วคำถามก็คือว่าต้องใหญ่ขนาดไหนถึงจะเรียกว่า Big Data หล่ะ? ซึ่งส่วนใหญ่ก็จะมีความเห็นเหมือนกันว่า “Big Data ก็คือ Data ที่เอาไปลง Excel File ไม่ได้นั้นเอง” เพราะว่า Excel สามารถใช้ในการวิเคราะห์ข้อมูลได้ไม่เกิน 1,048,576 แถว หรือประมาณ 1 ล้านตัว จึงทำให้เกิด Meme นี้ขึ้นมานั้นเอง
เกิดอะไรขึ้น!!! ทำไมทุกคนที่รู้จักถึง(เอาแต่)เรียกตัวเองว่าเป็น Data Scientist เนี้ย?
“So, why the heck is everyone I know calling themselves Data Scientists?”
และนี้ก็เป็นหนึ่งในปัญหาที่ผมพบเจอบ่อยๆ รวมทั้งตัวผมเองด้วยครับ 555+ งั้นMemeนี้ก็ขอเล่าจากประสบการณ์ของตัวเองเลยละกัน
ในช่วงปีสุดท้ายที่ผมกำลังจะจบการศึกษาที่มหาวิทยาลัย ผมใช้เวลาทั้งปีเพื่อฝึกฝนทักษะทางด้าน Data โดยใช้เวลาครึ่งปีแรกในการหาคอร์สเรียน อ่านหนังสือ ลองฝึกทำโจทย์ตัวอย่าง ซึ่งตอนนั้นเราสามารถใช้ Excel, SQL และ R ซึ่งเป็น Tools ที่ Data Scientist ส่วนใหญ่ใช้ นั้นทำให้ตัวผมเอง“กล้าที่เรียกตัวเองว่า Data Scientist” ในที่สุด…แต่ในครึ่งปีหลังก็ได้มีโอกาสที่จะฝึกงาน สมัครงาน และได้เข้า Workshop ที่เกี่ยวข้องกับ Data Scientist นั้นก็พบว่าตัวเองยัง “ห่างไกล(มากๆ)กับคำว่า Data Scientist” ในทันที(แม้แต่ปัจจุบันก็ยังมองว่าตัวเองก็ยังไม่ได้เป็น Data Scientist เช่นกัน) เพราะ Data Scientist ก็เหมือนกับศาสตร์อื่นๆที่ “ความรู้นั้นไม่ได้มีแค่ในห้อง” ไม่ใช่แค่เข้าใจทฤษฎีทั้งหมด เขียนCodeเป็นและใช้โปรแกรมเป็นเท่านั้น แต่ความสามารถในการประยุกต์(Applied)ใช้ในสิ่งที่เรียกรู้เพื่อแก้ปัญหา(Problem-Solving) เป็นสิ่งที่สำคัญมากในการเป็น Data Scientist
โดยสรุปก็คือ “คุณไม่ควรยกยอตัวเองว่าเป็น Data Scientist ก็ต่อเมื่อคุณยังไม่ได้ลองใช้สิ่งที่เรียนมาแก้ปัญหาที่เกิดขึ้นจริงบนโลก ถึงเวลานั้น คุณอาจจะไม่รู้ตัวเองด้วยซ้ำว่าคุณเป็น Data Scientist แล้ว” คมสุดๆ😁
สุดท้ายนี้ ถ้าชอบหรือต้องการสอบถามหรือพูดคุยเพิ่มเติม กดไปที่เพจ ดาต้าไส้แห้ง หรือ LinkedIn ข้างล่างเลยจ้า แล้วเรื่องถัดไปจะเป็นเรื่องอะไรก็ขอให้กดติดตามกันไว้ด้วยนะคร้าบ😍