Analytics Translator อาชีพใหม่สาย Data ที่น่าสนใจที่สุดของศตวรรษที่ 21

ปัจจุบันองค์กรต่าง ๆ หันมาใช้การวิเคราะห์ขั้นสูงและปัญญาประดิษฐ์ (AI) เพื่อให้การตัดสินใจในการทำธุรกิจนั้นเฉียบขาดขึ้น ตั้งแต่การวิจัยและการออกแบบไปจนถึงซัพพลายเชน (Supply chain)และการจัดการกับความเสี่ยง (Risk Management) การที่องค์กรมี Analytics Translator จะช่วยให้สามารถดำเนินการตามกลยุทธ์ของบริษัทได้ โดยเฉพาะที่เกี่ยวกับ AI หรือปัญญาประดิษฐ์ การใช้ Data engineers จะมีความสามารถในการพัฒนาแอพพลิเคชั่นที่แข็งแกร่ง Data scientists สามารถกลั่นกรองข้อมูลได้ดี ทีมธุรกิจรู้กระบวนการเฉพาะ แต่ก็ยังคงมีช่องว่างระหว่างผู้เชี่ยวชาญด้านข้อมูลและธุรกิจ นักแปลมีบทบาทสำคัญในการเชื่อมโยงหรือเรียกง่ายๆว่าเป็นตัวเชื่อมระหว่างData และ Business เข้าด้วยกัน 

Analytics Translator มีหน้าที่ทำอะไร ?

โดยหน้าที่หลักๆแล้วจะทำหน้าที่เป็นล่าม เพราะโดยปกติศัพท์ทางเทคนิคนั้นหากนำมาพูดในชีวิตประจำวันก็อาจจะฟังดูเป็นเรื่องที่ยากและทาง specialists ก็ยังขาดความรู้และประสบการณ์ของอุตสาหกรรมนั้นๆ ซึ่งจะช่วยดูในเรื่องของปัญหาธุรกิจต่างๆ ที่จะช่วยเพิ่ม Value ให้กับธุรกิจ เมื่อได้รับการแก้ไขปัญหาแล้วและเป็นโอกาสต่างๆ เช่น การปรับปรุงคุณภาพสินค้าในขั้นตอนการผลิต หรือการลดระยะเวลาการขนส่งสินค้าลง

ซึ่งการทำงานจะแบ่งออกเป็น 5 Steps

1. Identifying and Prioritising 

ในการ identifying ปัญหาหรือวัตถุประสงค์และจัดลำดับความสำคัญในกรณีต่างๆ ก่อนอื่นจะต้องทำงานร่วมกับทีมธุรกิจเพื่อทำความเข้าใจและจัดลำดับความสำคัญของปัญหา เพื่อวิเคราะห์ถึงความเหมาะสมในการแก้ไข
ถึงแม้ว่าจะมีเรื่องราวความสำเร็จของ AI ในธุรกิจยุคใหม่จะสร้างแรงบันดาลใจมากมาย แต่ก็มักจะมีความท้าทายของการใช้งานที่เหมาะสมกับความต้องการทางธุรกิจ ซึ่งนี่เองก็อาจจะเป็นคำถามตั้งต้นที่ดีว่าอะไรคือปัญหาทางธุรกิจที่สำคัญที่สุดที่สามารถแก้ไขได้ด้วย AI ? ใครเป็นผู้รับผิดชอบในการค้นหาปัญหาใหม่และแปลเป็นกรณีที่ใช้งานจริง ?

2. Collecting and preparing data

ช่วยระบุข้อมูลของธุรกิจที่จำเป็นในการสร้างข้อมูลเชิงลึกที่มีประโยชน์ที่สุด
ซึ่งแน่นอนว่าเหล่านักแปลทั้งหลายอาจจะไม่ได้เป็นเป็นผู้เชี่ยวชาญด้าน technical แต่นี่เป็นเหตุผลว่าทำไมถึงเป็นสิ่งที่ดีเมื่อได้มาทำงานร่วมกับdata scientist หรือ data engineer เพราะว่า Translator นั้นจะช่วยประเมินความเป็นไปได้อย่างรวดเร็วจากข้อมูลที่ถูกจัดเก็บมา เพื่อเตรียมข้อมูลเหล่านั้นเอามาใช้ในขั้นตอนถัดไป

3. Building the analytics engine

ในฐานะที่ต้องทำหน้าที่เป็นผู้ประสานงานระหว่างเหล่าexpert กับbusiness นักแปลนั้นจะต้องมั่นใจว่าธุรกิจจะเข้าใจและใช้โซลูชันทาง AI ได้อย่างมีประสิทธิภาพ

4. Validating and deriving business implications

ในการ validate และ deriver ข้อมูลทางธุรกิจนั้น หน้าที่ของนักแปลจะต้องประติดประต่อ รวบรวบข้อมูลเชิงลึกที่ได้มาจากการวิเคราะห์ที่ซับซ้อน เปลี่ยนให้เป็นคำพูดหรือคำแนะนำที่เข้าใจง่าย และสามารถดำเนินการได้ ทำให้ทีมทางธุรกิจสามารถนำข้อมูลที่มีประโยชน์ไปใช้งานต่อได้และตอบโจทย์ของเป้าหมายที่จะทำมากที่สุด

5. Implementing the solution and executing on insights 

ขณะที่ data experts จะเน้นไปที่ implementation นักแปลจะต้องแน่ใจว่าผลลัพธ์นั้นสามารถนำไปปฏิบัติได้ และต้องรู้วิธีการสื่อสารความคิดทางธุรกิจกับdata experts เพื่อให้มีการกระจายไอเดียและเรื่องราวความสำเร็จเพื่อทำให้องค์กรของคุณมีความรู้เรื่อง AI มากขึ้น และผลักดันการยอมรับใน Business user มากขึ้น

Skills ของ Translator ที่ควรมี

เมื่อการทำงานที่ต้องอยู่กึ่งกลางระหว่างทีมธุรกิจและทีมทางเทคโนโลยี ซึ่งการทำงานจะออกแนว Multi-tasking และควรมีความรู้ที่หลากหลาย เช่นความเป็นผู้นำ, การสื่อสารที่ดี, Project Management (ผู้จัดการโครงการ), ผู้เชี่ยวชาญในอุตสาหกรรมนั้นๆ ซึ่งด้านล่างจะมาอธิบายแต่ละ Skills อย่างละเอียด

Domain knowledge หรือความรู้เฉพาะทาง

ซึ่งทักษะนี้ถือว่าสำคัญอย่างมาก  นักแปลจะต้องเป็นผู้เชี่ยวชาญทั้งในอุตสาหกรรมและบริษัทของพวกเขา เพื่อวิเคราะห์บริบททางธุรกิจได้อย่างมีประสิทธิภาพ พวกเขาจะต้องเข้าใจตัวชี้วัดการดำเนินงานที่สำคัญของธุรกิจและผลกระทบต่อกำไรขาดทุนรายได้การรักษาลูกค้าและอื่น ๆ

General technical fluency ความคล่องแคล่วทางเทคนิคทั่วไป 

นอกจากความรู้ด้านโดเมนแล้ว นักแปลจะต้องมีความเฉียบแหลมในการวิเคราะห์เชิงปริมาณและการแก้ปัญหาเชิงโครงสร้าง ความรู้ STEM (วิทยาศาสตร์ เทคโนโลยี วิศวกรรมและคณิตศาสตร์) อย่างเป็นทางการหรือมีความรู้ด้วยตนเองในสาขา STEM และในขณะที่พวกเขาไม่จำเป็นต้องสามารถสร้างแบบจำลองเชิงปริมาณได้ แต่พวกเขาจำเป็นต้องรู้ว่ามีแบบจำลองประเภทใดบ้าง (เช่นการเรียนรู้ logistic regression อย่างลึกซึ้ง) และปัญหาทางธุรกิจที่พวกเขาสามารถนำไปใช้ได้ นักแปลจะต้องสามารถตีความผลลัพธ์ของแบบจำลองและระบุข้อผิดพลาดของ Prototype ที่อาจเกิดขึ้น

Project-management skills 

ความเชี่ยวชาญของทักษะการจัดการกระบวนการเป็นสิ่งจำเป็น นักแปลควรจะสามารถวิเคราะห์จากความคิดผ่านการผลิตและการยอมรับและมีความเข้าใจใน life cycle ของความคิดริเริ่มการวิเคราะห์และข้อผิดพลาดทั่วไป

An entrepreneurial spirit

Analytics Translator ต้องคิดและทำตัวเหมือนผู้ประกอบการเพื่อระบุความคิดที่มีแนวโน้มและริเริ่มโครงการใหม่ ๆ ซึ่งหมายความว่านี่เป็นส่วนหนึ่งของ Product owner และ Product manager

Analytics Translator จะนำส่วนที่ดีที่สุดของ Design Thinking, Lean Startup, and Agile ใน framework ที่ปรับให้เหมาะกับการวิเคราะห์ขั้นสูง ด้วยทักษะการจัดการโครงการของพวกเขาที่ช่วยพัฒนาความคิดให้เป็นต้นแบบและในที่สุดกลายเป็น AI Solution

องค์กรสามารถหา Translator ได้จากที่ไหน ?

อาจจะเป็นเรื่องที่ค่อนข้างท้าทาย ในทุกวันนี้แทบจะไม่เห็นตำแหน่งงานสำหรับนักแปลเป็นชื่อตำแหน่งงานของพวกเขา เนื่องจากปัจจุบันยังไม่มีการรับรองหรือปริญญาที่เกิดขึ้นมา แต่ก็มีหลายบริษัทที่สร้างสถาบันสำหรับ Translators ขึ้นมาโดยเฉพาะ หลักสูตรของสถาบันจะมีตั้งแต่การสำรวจเกี่ยวกับศาสตร์ความเป็นไปได้จนถึงการเรียนรู้เทคนิคและวิธีการเฉพาะด้าน และเราก็คาดหวังว่าจะมีการเปลี่ยนแปลงที่ดีเกิดขึ้นมาเรื่อยๆ

ด้านล่างนี้เป็นฟังก์ชันการทำงานของAnalytics Translatorซึ่งบางองค์กรอาจจะหาความเป็นไปได้ของตำแหน่งที่คล้ายกัน เพื่อสร้างและพัฒนาอาชีพของนักแปลให้มีประสิทธิภาพมากขึ้นในอนาคต

• Chief Data Officer
• Chief Digital Officer
• Full Stack (or Unicorn) Data Scientist
• Data Scientist (ที่มีความรู้เรื่อง domain knowledge)
• Business Manager (ที่มีความรู้เรื่อง data science knowledge)
• Business Development Manager
• (Data) Product Owner/Manager
• Project Manager
• (Technology Driven) Change Manager
• Data Consultant
• BI Expert / Data Analyst
• Data Visualizer

Analytics Translator career path

ระดับ Internship: Clean-up ชุดข้อมูล หรือทำเกี่ยวกับผู้ดูแลฐานข้อมูลต่างๆ
ระดับ Junior: เริ่มจากการสร้างเรื่องราวและการตัดสินใจด้วยข้อมูลเช่น ในฐานะ Data Analyst, Junior Data Consultant or Data Visualizer
ระดับ Medior: เริ่มต้นด้วยเป็นส่วนหนึ่งของผลิตภัณฑ์ขนาดเล็กหรือบริการ ในฐานะ Data Product Manager หรือ Data Consultant
ระดับ Senior: มุ่งสู่ผลิตภัณฑ์และบริการที่ขับเคลื่อนด้วยข้อมูลในฐานะ Data Product Owner
ระดับ Manager: เป็นผู้จัดการแผนกโดยมุ่งเน้นที่ผลิตภัณฑ์และบริการที่ขับเคลื่อนด้วยข้อมูลหรือเป็น Data & Analytics Team Lead ที่มุ่งเน้นผลลัพธ์ทางธุรกิจ
ระดับ Director: เป็นผู้จัดการของหน่วยธุรกิจ โดยมุ่งเน้นที่ผลิตภัณฑ์ที่ขับเคลื่อนด้วยข้อมูลและบริการหรือเป็นChief Data Officer ที่เปลี่ยนข้อมูลบริษัทให้เป็นองค์กรที่ขับเคลื่อนด้วยข้อมูล
ระดับ Executive: เป็น COO หรือ CEO องค์กรที่ขับเคลื่อนด้วยข้อมูล

สรุป Analytics Translator อาชีพใหม่สาย Data ที่น่าสนใจที่สุดของศตวรรษที่ 21

การทำธุรกิจที่ประสบความสำเร็จกับ AI และ Analytics นั้นอาจจะไม่ได้มาพร้อมกับ Data scientists เพียงอย่างเดียว แต่ยังมาพร้อมกับองค์ประกอบต่างๆ data engineers, data architects, data-visualization experts และ บางครั้งเราจะเห็นได้ว่าบทบาทของ translators  ที่จะช่วยทั้ง 2 ฝั่งให้เกิดความเข้าใจมากขึ้น เพื่อลดความผิดพลาดทางการสื่อสารที่นำไปสู่การเสียเวลาและทรัพยากรโดยเปล่าประโยชน์ ซึ่งถือได้ว่าเป็นอาชีพที่สำคัญไม่แพ้กันเลยค่ะ

ถ้าอ่านถึงตรงนี้แล้วสำหรับคนที่ไม่ได้เป็นสาย Data Scientist หรือ Data Expert แต่อยากเริ่มต้นเรียนรู้ในการทำงานกับ Data ด้วยการทำ Data Visualization ตอนนี้การตลาดวันละตอนกลับมาเปิดคลาสพิเศษที่ออกแบบมาเพื่อนักการตลาด เรียนแบบออฟไลน์เน้นเวิร์คช้อปในวันเสาร์ที่ 3 เมษายน 2564 ค่าเรียนคนละ 8,900 บาท รับจำนวนจำกัด 20 คน อ่านรายละเอียดและลงทะเบียนก่อนเต็มได้ที่ > https://bit.ly/DataVisualization4Marketing

Source: https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights
https://pages.godatadriven.com/hubfs/GDD%20General%20files.pdf
https://www.aiandus.com/ats/