การวิเคราะห์ข้อมูล (Data Analytics) หมายถึงกระบวนการในการเก็บรวบรวมข้อมูลให้อยู่ในรูปแบบที่เหมาะสมต่อการวิเคราะห์ ประมวลผล และจัดการข้อมูล เพื่อสรุปผลและคาดการณ์ผลลัพธ์เพื่อที่จะเป็นตัวช่วยขับเคลื่อนในการช่วยตัดสินใจ การวิเคราะห์ข้อมูลจะเป็นคำกว้าง ๆ ที่เปรียบเสมือนร่มอันใหญ่ที่ครอบคลุมทุกอย่างตั้งแต่การวิเคราะห์ข้อมูลไปจนถึงการตั้งทฤษฎีที่เกี่ยวกับวิธีการรวบรวมข้อมูลและการสร้างกรอบงาน (Framework) ที่จำเป็นต่อการเก็บข้อมูล ในวันนี้เราจะพามาเจาะลึกว่า Data Analyst ต้องทำอะไรบ้าง และแนะแนวทักษะที่ควรมีสำหรับผู้ที่สนใจทำงานในตำแหน่งนี้ 

Data Analyst คือใคร? 

เพราะในโลกของการทำธุรกิจ ข้อมูลคือสิ่งสำคัญในการขับเคลื่อนองค์กร เพราะฉะนั้น Data Analyst (DA) ก็คือนักวิเคราะห์ข้อมูลหรือผู้เชี่ยวชาญด้านการรวบรวม วิเคราะห์ ตีความ และนำเสนอข้อมูล โดยใช้ทักษะทางด้านคณิตศาสตร์ สถิติ และเทคโนโลยีเข้ามาเป็นตัวช่วยนั่นเอง ซึ่ง Data Analyst จะมีบทบาทหน้าที่ในการวิเคราะห์ข้อมูลให้ทางองค์กรเพื่อหาข้อมูลเชิงลึก (Business insight) ที่จะช่วยผู้บริหารหรือทีมงานในการตัดสินใจหาทางเลือก กำหนดกลยุทธ์ เช่น การลงทุน การลดต้นทุน ราคาขาย การรับพนักงาน หรือการวางแผนการผลิตได้อย่างมีประสิทธิภาพเพื่อสร้างข้อได้เปรียบทางธุรกิจ 

Data Analytics ถูกนำไปใช้อย่างไร? 

เราอาจไม่รู้ตัวเลยก็ได้ว่ารอบตัวเรามีแต่ข้อมูลรายล้อมอยู่เต็มไปหมด ยกตัวอย่างก็เช่นการนับก้าวในแอปพลิเคชันว่าวันนี้เราเดินไปแล้วกี่ก้าว และงาน Data Analyst มีอยู่ในอุตสาหกรรมที่หลากหลาย ไม่ว่าจะเป็นด้านการทำธุรกิจ (Business) การเงิน (Finance) กระบวนการยุติธรรมทางอาญา (Criminal Justice) วิทยาศาสตร์ (Science) การแพทย์ (Medicine) และรัฐบาล (Government) ก็ตาม 

ยกตัวอย่างของธุรกิจทางการแพทย์หรือโรงพยาบาลเช่น ผู้ช่วยหรือเจ้าหน้าที่ที่จะมาเก็บรวบรวม ตรวจสอบ และวิเคราะห์สต๊อกยา เพื่อคอยดูว่ายาตัวไหนที่ยังมีจำนวนเพียงพอต่อการใช้งาน และยาตัวไหนที่ควรสั่งมาเพิ่ม 

คอนเซปต์หลักของ Data Analytics จะมีอยู่ 4 ข้อ 

1. การวิเคราะห์เชิงพรรณนา (Descriptive Analytics) = บอกเราว่าได้เกิดอะไรขึ้น 

2. การวิเคราะห์เชิงวินิจฉัย (Diagnostic analytics) = บอกเราว่าทำไมถึงเกิดสิ่งนี้หรือเหตุการณ์นี้ขึ้นมา 

3. การวิเคราะห์เชิงคาดการณ์ (Predictive analytics) = บอกเราว่าอะไรจะเกิดขึ้นในอนาคต 

4. การวิเคราะห์เชิงแนะนำ (Prescriptive analytics) = บอกเราว่าเราควรจะต้องทำอะไรต่อไป

และโดยปกติแล้ว Data Analyst หรือผู้ที่ทำหน้าที่วิเคราะห์ข้อมูลจะทำการสำรวจทั้ง 4 ข้อนี้ โดยการใช้กระบวนการวิเคราะห์ข้อมูลประกอบด้วย การระบุคำถาม การรวบรวมข้อมูล การทำความสะอาดข้อมูล และตีความผลลัพธ์ 

หน้าที่และความรับผิดชอบของนักวิเคราะห์ข้อมูล (Data Analyst’s Responsibilities)  

ตำแหน่งงานนี้จะใช้เวลาหมดไปกับข้อมูล แต่ถ้าจะให้ย่อยออกมาทีละข้อว่าในแต่ละวัน Data Analyst ต้องทำอะไรบ้างแบบให้เข้าใจง่ายละก็ จะสามารถแยกและอธิบายกระบวนการวิเคราะห์ข้อมูลแต่ละอย่างได้ตามด้านล่างนี้  

1. รวบรวมข้อมูล: นักวิเคราะห์ข้อมูลมักจะเก็บรวบรวมข้อมูลด้วยตนเอง รวมถึงการสำรวจข้อมูล (survey) ติดตามลักษณะของผู้เยี่ยมชมบนเว็บไซต์ของบริษัท หรือซื้อชุดข้อมูลจากผู้เชี่ยวชาญด้านการรวบรวมข้อมูล 

2. ทำความสะอาดข้อมูล: เนื่องจากข้อมูลดิบอาจมีข้อมูลที่ซ้ำกัน ข้อผิดพลาด หรือมีค่าผิดปกติ ดังนั้นการทำความสะอาดข้อมูลก็คือการรักษาคุณภาพของข้อมูลที่มีอยู่ หรือการใช้ภาษาโปรแกรมเข้ามามีส่วนช่วยในการทำความสะอาดข้อมูลเพื่อให้การตีความข้อมูลไม่ผิดพลาดหรือบิดเบือนไปจากเดิม

3. สร้างแบบจำลองข้อมูล: กระบวนการนี้จะเกี่ยวข้องกับการสร้างและออกแบบโครงสร้างของฐานข้อมูล ซึ่งจะสามารถเลือกประเภทของข้อมูลที่จะจัดเก็บและรวบรวม กำหนดว่าหมวดหมู่ข้อมูลมีความสัมพันธ์กันอย่างไร และดำเนินการตามลักษณะที่ข้อมูลปรากฏจริง 

4. ตีความข้อมูล: การตีความข้อมูลคือการค้นหารูปแบบหรือแนวโน้มในข้อมูลที่สามารถตอบคำถามที่มีอยู่ได้ 

5. นำเสนอข้อมูล: ก็คือการแสดงผลลัพธ์ที่ค้นพบโดยนำข้อมูลต่าง ๆ เช่น แผนภูมิและกราฟมารวมกัน เพื่อเขียนรายงานและนำเสนอข้อมูลต่อผู้ที่สนใจ

ทักษะที่สำคัญสำหรับ Data Analyst  

และสำหรับใครที่สนใจอยากทำอาชีพ Data Analyst ละก็ นอกจากต้องมีทักษะด้านคณิตศาสตร์และตัวเลขในระดับดีแล้ว ยังจำเป็นที่จะต้องมีทักษะต่าง ๆ ที่จะขาดไปไม่ได้และยังสามารถช่วยให้คุณได้เข้ามาทำงานในตำแหน่งนี้อย่างที่ตั้งใจ หลัก ๆ เลยก็คือ 

1. Structured Query Language (SQL)

ส่วนใหญ่จะรู้จักกันย่อ ๆ ว่า SQL ซึ่งก็คือภาษามาตรฐานที่ถูกออกแบบมาเพื่อใช้ในการจัดการข้อมูลในฐานข้อมูลเชิงสัมพันธ์ (relational databases) โดยเฉพาะ และเป็นไปได้ว่าน่าจะเป็นทักษะที่สำคัญที่สุดในการทำงานตำแหน่ง Data Analyst เลยก็ว่าได้ SQL ถือเป็นภาษาโปรแกรมหลักที่ใช้สื่อสารกับฐานข้อมูล รวมถึงการดำเนินการบนฐานข้อมูล เช่น การสร้าง แก้ไข ดึง และจัดการข้อมูลได้อย่างมีประสิทธิภาพ 

2. การเขียนโปรแกรมเชิงสถิติ (Statistical Programming)  

การใช้ภาษาโปรแกรม เช่น ภาษา R หรือ Python ในการวิเคราะห์ ทำความสะอาด  และแสดงภาพชุดข้อมูลขนาดใหญ่ได้อย่างมีประสิทธิภาพ โดยการใช้ภาษาโปรแกรมเหล่านี้จะช่วยให้สามารถวิเคราะห์ข้อมูลขั้นสูงได้ในแบบที่ Excel ไม่สามารถทำได้ 

3. Machine Learning

Machine Learning เป็นอีกหนึ่งตัวช่วยที่จะทำให้การทำงานของ Data Analyst ง่ายขึ้น เพราะ Machine Learning ก็คือการที่คอมพิวเตอร์สามารถเรียนรู้ ตีความ ตอบสนองและพัฒนาการทำงานให้ดีขึ้นได้ด้วยตัวเอง โดยที่ไม่ต้องมีมนุษย์คอยกำกับ ผ่านการป้อนข้อมูลและสภาพแวดล้อมที่ได้รับจากการเรียนรู้ของระบบ 

4. Data Visualization Tools เช่น Tableau, Power BI

Data Visualization คือการนำข้อมูลหรือ Data ที่ผ่านการประมวลผลและวิเคราะห์มานำเสนอในรูปแบบภาพ โดยการนำเสนอรูปแบบนี้ช่วยให้คนอ่านสามารถเข้าใจได้ทันทีว่าข้อมูลนี้ต้องการจะสื่อสารอะไร ประเภทของ Data Visualization จะประกอบด้วย รูปแบบกราฟ แผนภูมิ แผนที่ อินโฟกราฟิก และแดชบอร์ด นอกจากจะช่วยให้เข้าใจได้ง่ายขึ้นและประหยัดเวลาในการทำความเข้าใจแล้ว Data Visualization ยังช่วยให้ข้อมูลมีความน่าสนใจมากยิ่งขึ้นและส่งผลให้ตัดสินใจได้รวดเร็วขึ้นอีกด้วย 

5. ทักษะการนำเสนอข้อมูลและการสื่อสาร (Presentation and Communication Skills) 

Data Analyst จำเป็นต้องสื่อสาร หรือนำเสนอข้อมูลที่มีความซับซ้อนออกมาในรูปแบบที่ผู้ฟังอาจไม่ได้มีความรู้เชิงลึกในเนื้อหาทางด้านนี้ให้สามารถเข้าใจได้ง่าย แต่อย่างไรก็ตาม การนำเสนอไม่ใช่สิ่งที่ทุกคนสามารถทำได้อย่างเป็นธรรมชาติ และต้องอาศัยระยะเวลาจากการฝึกฝนจนกว่าจะนำเสนอได้อย่างคล่องแคล่ว 

สรุปแล้ว หน้าที่ของ Data Analyst ถือว่ามีความละเอียดอ่อนโดยเริ่มตั้งแต่การเก็บรวบรวมข้อมูล ไปจนถึงการวิเคราะห์ และนำเสนอข้อมูลที่ไม่ได้แปลว่าแค่โชว์ตัวข้อมูลเฉย ๆ แต่มีจุดประสงค์เพื่อการหาข้อมูลเชิงลึกที่จำเป็นให้กับธุรกิจนั้น ๆ และผู้ที่จะมาทำหน้าที่ Data Analyst ก็จำเป็นที่จะต้องมีความรู้ ความสามารถที่หลากหลายนั่นเอง