หน้าใหม่

ส่องปัญหาวิกฤติ Data Scientist ไทยกัน 

หลายๆ บริษัทอยากได้คนมีประสบการณ์ด้าน data scientist มาเข้าทำงาน ซึ่งก็จะมีเหตุผลประมาณเดียวกัน คือ อยากได้คนที่เข้ามาทำงานได้เลย อีกทั้งบริษัทหลายๆ ที่เองก็กำลังตื่นตัวจะสร้างทีม data scientist ขึ้นมาภายในองค์กร ทำให้อยากได้คนที่มีประสบการณ์แล้ว มาช่วยจัดตั้งทีมหรือมานำทีมให้ แน่นอนว่า คนที่จะมาช่วยนำทีมในช่วงตั้งทีมแรกๆ หากให้คนที่ไม่มีประสบการณ์มาทำ ก็อาจจะดูสุ่มเสี่ยงไปหน่อย ดังนั้นมันก็หลีกเลี่ยงยากที่จะหาคนที่มีประสบการณ์มารับหน้าที่ตรงนี้ไป

บางบริษัทก็ใช้วิธีรับเด็กจบใหม่ที่เก่งๆ เข้ามา เพื่อที่จะเอามาฝึกมาปั้นเองในองค์กร แต่นั่นแหละ การที่จะมาปั้นเด็กใหม่ๆ ก็ต้องอาศัยคนที่มีประสบการณ์ด้าน data scientist มาช่วยเทรนเด็กจบใหม่เหล่านี้อยู่ดี จนก็ต้องกลับไปที่ปัญหาเดิม คือ บริษัทอยากได้คนมีประสบการณ์เข้ามาทำงานตำแหน่งนี้

2. บริษัทใหญ่ๆ ใช้เงินซื้อตัว บริษัทเล็กเลยลำบาก

เนื่องจากว่า data scientist นั้นยังมี demand ที่สูงมากในตลาดแรงงานตอนนี้ ยิ่งถ้ามีประสบการณ์หรือมีโปรไฟล์ดีๆ ก็จะยิ่งเป็นที่ต้องการมาก ต่างบริษัทต่างก็รีบควานหาคนเก่งๆ ที่มีประสบการณ์มาทำงานกับองค์กรของตัวเองให้ได้ หลายบริษัทก็กลัวบริษัทคู่แข่งจะได้คนเก่งๆ ไป ทำให้เกิดการงัดกลยุทธ์ต่างๆ มาใช้ในการดึงตัวคนเข้าไป รวมไปถึงการให้อัตราเงินเดือนที่สูงมากเป็นสิ่งล่อใจให้คนเก่งๆ อยากมาทำงานด้วย จริงๆ ฟังดูแล้วเหมือนจะดีต่อคนทำงานด้าน data scientist แต่ปัญหาที่ตามมาก็คือ บริษัทเล็กๆ ที่กำลังเงินไม่ถึง ยิ่งทำให้การหาคนมาทำงานยิ่งยากขึ้นไปอีก หลายๆ คนที่มาสมัครงานด้านนี้ ก็เรียกเงินเดือนกันสูงมาก เพราะเห็นอัตราเงินเดือนขององค์กรใหญ่ๆ ที่ให้กันสูงมากเลยทั้งนั้น ทำให้การหา data scientist ที่ว่ายากอยู่แล้ว กลับเป็นยากหนักหนาเข้าไปอีกสำหรับบริษัทเล็ก

3. บริษัท และ คนสมัคร มีความคาดหวังในงาน data scientist ที่ต่างกัน

บริษัทใหญ่หลายๆ บริษัทได้มีการตื่นตัวในการตั้งทีม data scientist ในองค์กรมากขึ้น ยิ่งมีคำว่า digital disruption หรือคำว่า digital transformation ซึ่งกำลังเป็นที่นิยมกันมากในองค์กรไทยหลายๆ ที่ ทำให้หลายๆ องค์กรรีบจัดตั้งทีม data scientist และรีบ recruit คนเข้ามาก่อนโดยที่ก็ยังไม่มีลักษณะงานที่แน่ชัดว่าจะให้เข้ามาทำอะไร หรือแม้กระทั่งยังไม่รู้ด้วยซ้ำว่างาน data scientist คืออะไรกันแน่ อีกอย่างคำว่า data scientist มันก็ไม่ได้มีนิยามที่ชัดเจนแน่นอน คำนิยามของแต่ละบริษัทอาจจะไม่เหมือนกัน ทำให้บริษัทและคนทำงานก็ให้ความคาดหวังกับคำว่า data scientist ที่แตกต่างกันออกไป

เมื่อบริษัทรับคนเข้ามาทำงานแล้ว หลายครั้งที่งานที่ให้ไม่ได้ตรงกับที่คนสมัครคาดหวังไว้ ซึ่งก็จะมีผลต่อคนทำงานแตกต่างกันออกไป บางคนก็มองงาน data science ในแง่ร้ายไปเลย บางคนก็รู้สึกว่าความรู้ของตัวเองไม่ตรงกับงาน รู้สึกท้อกับการทำงาน หรือ สุดท้ายบางคนก็ตัดสินใจที่จะย้ายบริษัทไปเลย ซึ่งนั่นก็ทำให้บริษัทยิ่งขาดคนเข้าไปอีก

เขียนมาถึงตรงนี้ เลยขอแถมอีกประเด็นเข้ามาด้วยเลย เพราะคำว่า digital transformation ซึ่งนั่นหมายถึงบริษัทจะต้องการเปลี่ยนแปลง การเปลี่ยนแปลงที่ว่าเป็นสิ่งที่ไม่ได้เกิดขึ้นง่ายๆ โดยเฉพาะในองค์กรใหญ่ที่มีมานาน เพราะการเปลี่ยนแปลงจะต้องอาศัยความเข้าใจและความร่วมมือของคนในองค์กรมาช่วยกัน บางคนที่ทำงานมาก่อน ก็เกิดความรู้สึกต่อต้านกับงาน data scientist เพราะรู้สึกเหมือนตัวเองกำลังจะถูกแทนที่ หรือยังมีข้อกังขามากมายว่าตำแหน่งนี้จะมาช่วยบริษัทได้จริงๆ เหรอ ทำไมเราต้องให้ความสำคัญ หรือต้องลงทุนมากมายเพื่อ data scientist ด้วย product จริงๆ ของบริษัทเราไม่ใช่งานทางด้านข้อมูลซะหน่อย สิ่งเหล่านี้ก็ได้สร้างแรงเสียดทานต่อคนทำงาน data scientist ในองค์กร ทำให้การทำงานยากขึ้นไปอีก

4. หลายๆ คนยังขาดประสบการณ์ทางด้าน data science

งานด้าน data scientist ถือว่าก็ใหม่มากๆ ในเมืองไทย ถ้าย้อนกลับไปเมื่อ 3–4 ปีที่แล้ว คำว่า data scientist แทบจะไม่ปรากฎอยู่ในตำแหน่งพนักงานบริษัทในไทย ซึ่งก็เพราะความที่มันเป็นงานที่เพิ่งจะมีมาใหม่ มันก็เลยยากที่จะหาคนที่จะมีประสบการณ์ด้านนี้

หลายคนที่อยากจะฝึกทักษะด้าน data science ก็เลยใช้วิธีศึกษาคอร์สออนไลน์ หรือคอร์สเรียนในสถานศึกษาต่างๆ และทำตาม tutorial การบ้าน หรือโปรเจคต่างๆ ที่คอร์สเรียนนั้นได้กำหนดไว้ให้เป็นการฝึกฝีมือ แต่ … ข้อมูล หรือปัญหาต่างๆ ที่อยู่ตามคอร์สเรียนส่วนใหญ่ก็จะมีวัตถุประสงค์หลักๆ คือ เพื่อให้เห็นภาพและเข้าใจการทำงานของโมเดล ดังนั้นข้อมูลหรือปัญหาที่เค้าเตรียมให้ ก็มักจะไม่ได้มีความซับซ้อนเหมือนกับปัญหาหรือข้อมูลจริงในชีวิตการทำงาน หากจะนับเป็นประสบการณ์ทำงาน บริษัทก็อาจจะมองว่า โอเค คุณอาจจะไม่ได้มาแบบเริ่มจากศูนย์ แต่ก็ไม่ได้มีประสบการณ์ในการทำงานบนข้อมูลจริงหรือปัญหาจริงอยู่ดี หลายๆ คนหลังจากจบคอร์สเรียนมาใหม่ๆ พอได้มาทำงานจริงๆ เจอปัญหาจริง ก็จะงงๆ ว่า ควรจะต้องใช้โมเดลไหน จะออกแบบการทดลองยังไง จะวัดค่าแบบไหนดี

อีกปัจจัยนึงที่ส่งผลทำให้เราขาดคนมีประสบการณ์ในงานสายนี้ ก็คือ เราไม่ค่อยมีฐานข้อมูลขนาดใหญ่ให้คนทั่วไปได้มาทดลองใช้กัน ในขณะที่เรามีคอร์สเรียนออนไลน์มากมายเต็มไปหมด แต่ฐานข้อมูลที่จะให้มาฝึกฝนกลับไม่ค่อยมี สุดท้ายที่เราได้มาก็เพียงแค่ความรู้จากในคอร์สเรียน ได้ทดลองกับแค่ข้อมูลที่ทางคอร์สเรียนจัดเตรียมมาให้สวยๆ แต่ยังไม่มีโอกาสได้ทำบนข้อมูลจริงอยู่ดี

5. ยังมีคนที่เน้นทักษะด้านเดียวอยู่เป็นจำนวนมาก

งานของ data scientist นั้น จะมีหลักๆ อยู่ 3 ส่วน คือ การเขียนโปรแกรม คณิตศาตร์ (รวมไปถึงส่วนที่เป็น machine learning ด้วย) และหลักสถิติ ทั้ง 3 ส่วนนั้นมีความสำคัญเป็นอย่างมากสำหรับงาน data science แต่ปัญหาในตอนนี้ก็คือ มันช่างยากเหลือเกินที่จะเจอคนที่มีทักษะครบที่ต้องการ ตัวอย่างที่พบบ่อยๆ คือ

- กลุ่มคนที่มีทักษะในด้านการเขียนโปรแกรมเป็นอย่างดี แต่ขาดความรู้ในด้านคณิตศาสตร์ และหลักสถิติ หลายคนในกลุ่มนี้ก็จะอาศัยการ import library ที่มีทั่วไปมาใช้แก้ปัญหา แต่ไม่ได้สนใจในหลักคณิตศาสตร์ หรือหลักสถิติภายในของโมเดลที่เรียกใช้ มาถึงตรงนี้ หลายคนอาจจะเถียงในใจว่า ก็ไม่เห็นจะเป็นอะไร ก็ลองมันทุกโมเดลที่มี แล้วเลือกอันที่ดีสุดก็พอ อันที่จริง มันก็ไม่ได้ง่ายอย่างนั้น ตัวอย่างเช่น โมเดลบางอย่างที่เลือกมา หากตัวสมการข้างในมันไม่ได้ make sense อะไรกับข้อมูลหรือปัญหาที่มี แต่ว่าได้ผลออกมาดี ผลที่ได้ออกมาก็อาจจะเป็นแค่เพียงความบังเอิญเท่านั้น พอได้เอาไปลองกับ product จริงๆ ก็อาจจะได้ผลออกมาไม่ตรงกับที่ทดลองไว้ อีกอย่างการรู้ถึงการทำงานภายในของโมเดล ก็จะช่วยให้เราสามารถวิเคราะห์ต่อไปได้ว่า ทำไมผลออกมาถึงไม่ดี และจะต้องทำอย่างไรต่อเพื่อให้ได้ผลที่ดีขึ้น ในส่วนของการทดลองก็ต้องอาศัยความรู้ของหลักสถิติมาช่วยวิเคราะห์ เพราะพอเราตั้งสมมุติฐานของเราขึ้นมาและเอามาทดลองจริงบน product ของเรา ก็ต้องมาใช้ความรู้ของทางสถิติมาประเมินว่าผลที่เกิดขึ้นจากสมมุติฐานของเรานั้น มันมีผลต่อ product จริงๆ หรือไม่ รวมไปถึงว่า เราได้ควบคุม bias ในการทดลองได้สมเหตุสมผลแล้วหรือยัง

- กลุ่มคนที่เก่งในหลักสถิติ และคณิตศาสตร์มาก แต่ไม่ถนัดการเขียนโปรแกรม คนกลุ่มนี้จะสามารถเอาความรู้ที่ตัวเองมีมาใช้ในการออกแบบโมเดล การทดลอง หรือการวัดผลได้ แต่ … ต่อให้มีความรู้หรือไอเดียที่ดีแค่ไหน ถ้าไม่สามารถเขียนออกมาเป็นโปรแกรมได้ มันก็เป็นเพียงแค่ไอเดีย ไม่ใช่ product จริง หลายคนคิดว่า ไม่เป็นไร เดี๋ยวเราไปพึ่งโปรแกรมเมอร์เก่งๆ ให้ช่วยเขียนโค้ดให้ แต่การที่จะถ่ายทอดความรู้หรือไอเดียดังกล่าวไปให้กับโปรแกรมเมอร์ได้ ก็ต้องหาโปรแกรมเมอร์ที่เข้าใจการทำงานของโมเดลที่เราคิดเอาไว้เช่นกัน ซึ่งมันก็จะกลับมาที่ว่า เราเลยต้องการคนที่เขียนโปรแกรมได้ และมีความรู้ในเรื่องของคณิตศาสตร์ และสถิตินั่นเอง

จริงๆ แล้ว ปัญหานี้อาจจะมาจากสาเหตุที่ว่า ความรู้หลักๆ ที่จะใช้ในงาน data science ได้ถูกสอนกันแบบกระจัดกระจายตามคณะที่แตกต่างกันในมหาวิทยาลัย เราก็เลยมักจะเจอคนที่เก่งคณิตศาสตร์ เก่งสถิติ แต่เขียนโปรแกรมไม่ได้ เพราะในคณะที่เรียนมาไม่มีวิชานี้ หรือในขนาดเดียวกันก็เจอคนที่เก่งเขียนโปรแกรม แต่ไม่ได้มีโอกาสได้เรียนสถิติอย่างแน่นๆ เท่าไหร่

แก้ปัญหายังไงดี

ปัญหาหลักๆ ก็คือ ต้องการคนที่มีทักษะ และประสบการณ์ในด้าน data scientist มาเพิ่มในตลาดแรงงาน จริงๆ เรามีคนมากมายที่พร้อมจะพัฒนาทักษะ และหาประสบการณ์ให้ตัวเอง แต่คนเหล่านี้ก็ไม่รู้จะฝึกทำได้ที่ไหน อย่างแรกเลยข้อมูลให้ใช้ก็ไม่ค่อยจะมี จะเข้าไปทำงานในบริษัทก็ลำบาก เพราะบริษัทต่างๆ ก็ไม่เบือนหน้าหนีคนที่ไม่มีประสบการณ์ในด้านนี้มาก่อน

ทางที่พอจะแก้ได้ คงต้องให้องค์กรต่างๆ ทั้งในส่วนของทั้งสถานศึกษา และบริษัท มาช่วยกันสร้างโอกาสให้คนที่อยากทำงานด้านนี้ได้ลองมาศึกษา และหาประสบการณ์จริงบ้าง มาถึงตรงนี้อาจจะมีคำถามว่า แล้วจะให้โอกาสยังไงล่ะ จะให้บริษัทอยู่ๆ รับคนแบบใครก็ได้มาทำงาน ก็คงจะไม่ดีต่อบริษัทเท่าไหร่ จริงๆ แล้ว โอกาสที่ว่าไม่ได้จำกัดอยู่แค่เพียงทำงาน full-time ในบริษัทเท่านั้น แต่มันเป็นโอกาสในด้านอื่นๆ ได้ด้วยเช่นกัน ลองคิดง่ายๆ สิ่งที่บริษัทใหญ่ๆ มีให้ ก็คือ ข้อมูลที่มีขนาดใหญ่ ปัญหาจริง และความรู้ทางด้าน business ที่มีอยู่แล้วภายใน สำหรับในส่วนของสถานศึกษา ก็มีความรู้ทางด้านวิชาการต่างๆ ที่เกี่ยวข้องกับงาน data science หากเรารวมสิ่งที่บริษัท และสถานศึกษาเหล่านี้มีให้ได้ ก็จะเป็นโอกาสที่ดีของคนทั่วไปที่จะได้เรียนรู้ทั้งด้านวิชาการ ได้ทดลองกับข้อมูลจริง และปัญหาจริง

น้องปันเจได้เขียนในบล็อก ส่องปัญหาวิกฤติโปรแกรมเมอร์ไทย แก้อย่างไรดี? ในเรื่องของ bootcamp นั่นก็เป็นอีกทางหนึ่งที่จะช่วยพัฒนาทักษะ และสร้างประสบการณ์ให้คนในสายงานนี้ให้มีมากขึ้น บริษัทและสถานศึกษาอาจจะร่วมมือกันในรูปแบบของ bootcamp แบบแน่นๆ ที่เปิดโอกาสให้คนที่สนใจงาน data scientist ได้ลองศึกษาและทำ workshop จริง เป็นเวลาสัก 3–4 เดือน ก็จะช่วยสร้าง data scientist ที่มีคุณภาพมาสู่ตลาดแรงงานได้มากขึ้น

นอกจากในส่วนของ bootcamp แล้ว อย่างที่กล่าวไปแล้วว่าปัญหาที่เป็นอุปสรรคของการพัฒนาทักษะของคนที่อยากเป็น data scientist คือ ขาดข้อมูลขนาดใหญ่ ที่จะให้ได้มาลองใช้จริง คงเป็นสิ่งที่ดีมากๆๆ ถ้ามีบริษัทได้เปิด open dataset ให้คนภายนอกได้มาลองใช้ลองทำ เพราะการพัฒนาทักษะต่างๆ คงเกิดขึ้นได้ยาก ถ้าเราไม่มีข้อมูลให้ได้ลองใช้ แต่หากมองในมุมมองของบริษัทใหญ่ ก็ย่อมเป็นที่หนักใจ เพราะข้อมูลภายในหลายอย่างถือเป็นความลับมากๆ อยู่ จะให้ปล่อยออกสู่ภายนอก ก็ต้องเป็นอะไรที่ต้องถกเถียงกัน โดยเฉพาะในเรื่องของ privacy และยิ่งถ้าข้อมูลนั้นเกี่ยวข้องกับตัวลูกค้า หรือ ข้อมูลนั้นมีลิขสิทธิ์อยู่ ความยากในการเปิด open dataset ยิ่งยากขึ้นไปอีก แต่นั่นแหละ หากไม่มีใครให้การสนับสนุนในการสร้าง data scientist ที่มีคุณภาพขึ้นมา ปัญหาในการหา data scientist ก็จะมีแบบนี้อยู่ต่อไป การร่วมมือกันทั้งในส่วนของบริษัท ภาครัฐ และสถานศึกษา อาจจะเป็นสิ่งที่ต้องช่วยกัน เพื่อให้เราได้มี data scientist ที่มีคุณภาพเกิดขึ้นในเมืองไทยมากๆ

ฝากถึง Young data scientist

Mindset เป็นเรื่องที่สำคัญ สิ่งที่ data scientist จะต้องมี คือ ความเป็น learner เพราะเทคโนโลยีในงานด้านนี้มีให้อัพเดทกันอยู่เรื่อยๆ data scientist จะต้องคอยรีเฟรชความรู้ใหม่ๆ อยู่เสมอ หากไม่คอยติดตามทำความเข้าใจในเทคนิคใหม่ๆ อยู่เรื่อยๆ ก็อาจจะตามโลกไม่ทัน ที่สำคัญ อย่ามัวแต่ให้ความสำคัญกับทักษะเพียงด้านใดด้านหนึ่ง คนที่เขียนโปรแกรมได้ดี ก็อย่าไปกลัวหรือหลีกเลี่ยงเวลาเห็นสมการยากๆ แต่ให้พยายามทำความเข้าใจกับมัน เช่นเดียวกันกับคนที่รู้เรื่องคณิตศาสตร์ หรือสถิติ ก็อย่าหลบเลี่ยงการเขียนโปรแกรม แรกๆ มันอาจจะดูติดขัดเพราะว่าไม่เคยทำ หรือไม่คุ้นชินมาก่อน ซึ่งก็เป็นเรื่องธรรมดาเวลาจะเริ่มต้นอะไรใหม่ๆ แต่พอมีพื้นฐานที่ดี ต่อไปก็จะสามารถทำความเข้าใจอะไรได้ง่ายขึ้นเอง

อีกเรื่องคือ ความมี passion ในงานด้าน data scientist หลายๆ คนให้เหตุผลว่าอยากทำงาน data scientist เพราะดูเงินเดือนดี งานดูเป็น trend ที่กำลังมา และดูมั่นคงดี มันก็อาจจะไม่ได้ผิดซะทีเดียว แต่หากเราเลือกงานจากความนิยมในท้องตลาดแต่ไม่ได้มี passion หรือความสนใจที่แท้จริง สุดท้ายมันก็คือทำงานแบบไปวันๆ ยิ่งงาน ด้าน data science เป็นงานที่ต้องใช้ความคิดอยู่เสมอ ไม่ได้มี solution ที่ตายตัว พอเปลี่ยนข้อมูล เปลี่ยนปัญหา ก็ต้องมานั่งคิดใหม่อยู่เรื่อยๆ หากเราไม่ได้มี passionในด้านนี้ สุดท้ายมันก็อาจจะเป็นแค่ทำไปเรื่อยๆ ไม่ได้ปรับปรุงหรือพัฒนาอะไรขึ้นมา

อีกอย่างที่สำคัญ คืออย่ามองข้ามการทำความเข้าใจในส่วนของ business ด้วย งานด้าน data scientist ในองค์กร จุดประสงค์หลักๆ มีเพื่อช่วยแก้ปัญหาให้ business หรือช่วยไกด์ทางให้ business หากเรามันแต่ทำโมเดลเอามันส์อย่างเดียว แต่แก้ปัญหาหรือสื่อสารกับ business ไม่ได้ ก็จะไม่มีประโยชน์ ทักษะอีกอย่างคือ ทำยังไงถึงจะสร้างจุดเชื่อมต่อระหว่างข้อมูล กับ ปัญหาทาง business ได้ด้วยก็สำคัญด้วยเช่นกัน

บทสรุป

ปัญหาที่ตลาดยังขาดแคลน data scientist อยู่นั้น มันก็เกี่ยวข้องกันมาจากหลายๆ ส่วน หลายบริษัทกำลังอยู่ในช่วงตั้งทีม data scientist ขึ้นมาภายในองค์กรอย่างพร้อมๆ กัน ต่างก็อยากได้คนเก่งที่มีประสบการณ์ด้าน data scientist แต่คนที่มีประสบการณ์หรือมีทักษะทางด้าน data scientist กลับมีจำนวนไม่เพียงพอกับความต้องการ ส่วนหนึ่งก็เป็นเพราะตำแหน่งด้านนี้ยังใหม่มากในไทย เราเลยยังขาดคนที่มีประสบการณ์และทักษะในด้านนี้

การแก้ปัญหาอาจจะต้องอาศัยความร่วมมือของหลายๆ ส่วน ทั้งในส่วนของบริษัท และสถานศึกษาในการช่วยส่งเสริมและพัฒนาทักษะของคนที่สนใจในงานด้านนี้ การร่วมมือกันก็ทำได้หลายแบบ ทั้งในส่วนของการให้ open dataset มาช่วยในการศึกษา หรือการเปิดเป็น bootcamp, workshop หรือ community ที่มาแลกเปลี่ยนความรู้ และมุมมองกันก็ได้ ทั้งนี้ก็เพื่อจะสร้าง data scientist ที่มีคุณภาพมาสู่ตลาดแรงงานมากขึ้น

สำหรับปัญหาในส่วนของ data scientist เอง หลายๆ คนยังมองงาน data scientist เพียงแค่ด้านเดียวแล้วก็สนใจแต่เพียงทักษะในด้านนั้นอย่างเดียว ส่งผลให้ทำงานออกมาแบบได้ประสิทธิภาพไม่เต็มที่ หรืออาจจะทำให้ตีความผลที่ออกมาแบบผิดๆ ได้ (อย่าลืมว่า งาน data scientist ช่วยองค์กรได้มากมายก็จริง แต่ถ้าตีความไม่ถูกต้องหรือขาดความเข้าใจ ก็ทำให้ misleading ได้ด้วยเช่นกัน)

ในส่วนของ young data scientist เอง ก็ต้องสร้าง mindset ที่ดี ต้องมีใจที่อยากจะทำงานด้านนี้ และอยากเรียนรู้ส่ิงใหม่ๆ อยู่เสมอ ทำด้วยความอยากรู้อยากลอง แม้ว่างานด้านนี้จะมีเงินเดือนที่น่าดึงดูดใจ แต่คงจะดีกว่ามาก ถ้าคุณเลือกที่จะทำงานนี้ด้วย passion จริงๆ มากกว่าแค่เพียงด้วยเงินเดือน หรือ ความนิยมในตอนนี้ :-)

Acknowledgment : ขอขอบคุณ Sorawit Saengkyongam (James) ที่ช่วยคอมเมนท์ และร่วมแชร์ความคิดเห็นในเรื่อง data scientist ไว้ ณ ที่นี้ด้วย :)