Data Science คืออะไร?

Data ScienceData Science คืออะไร?

สวัสดีครับ วันนี้ขออนุญาตยกประเด็นฮิต ประเด็นฮ็อทกันในสายงานด้าน IT ในช่วงนี้ (ต้นปี 2019) เป็นอาชีพที่กำลังเป็นที่ต้องการเป็นอย่างมากทั่วโลก นั่นก็คือ อาชีพ Data Scientist นั่นเองครับ

หากเราย้อนกลับไปในช่วงศตวรรษที่ 18 ซึ่งมาการค้นพบและผลิตน้ำมันได้ครั้งแรกในโลก เศรษฐกิจในยุคนั้นก็เปลี่ยนแปลงแบบพลิกหน้ามือ จากที่เคยเดินทางโดยใช้ม้า เมื่อมีน้ำมันก็มีการผลิตรถยนต์ เริ่มมีการใช้เครื่องจักรใมอุตสาหกรรม เกิดการเปลี่ยนแปลงมากมายหลายอย่าง มีหลายบริษัทที่ร่ำรวยจากการกลั่นน้ำมันดิบขาย

แล้วเกี่ยวอะไรกับ Data Science?

เกี่ยวครับ เพราะ Data คือน้ำมันในศตวรรษที่ 21 นั่นเองครับ ทำไมล่ะ? เพราะการเพิ่มปริมาณอย่างมหาศาลของ Data (Volume) จากการใช้งาน Internet อย่างแพร่หลาย และมีความหลายหลาย (Variety) มากขึ้นไม่ว่าจะเป็นการใช้งาน Social Media, Online Shopping, Mobile Application, YouTube ฯลฯ ซึ่งข้อมูลจะเปลี่ยนแปลงอย่างรวดเร็ว (Velocity) ยกตัวอย่างความถี่ในการ Post Facebook, Instagram การเปิดฟังเพลงออนไลน์ ดู YouTube ซื้อของออนไลน์ สั่งอาหารผ่าน Line Man เต็มไปหมด ข้อมูลหรือ Data เหล่านี้คือแหล่งน้ำมันดิบที่มีมูลค่ามหาศาล (Value) เนื่องจากเราสามารถนำข้อมูลเหล่านี้มาวิเคราะห์เพื่อหา insight หรือ recommendation สนับสนุนการตัดสินใจในการดำเนินธุรกิจนั่นเอง

เป็นที่มีของกระบวนการหรือศาสตร์ (Science) ในการกลั่นข้อมูล หรือ Data ที่มีอยู่ออกมาให้เกิดประโยชน์มากที่สุด โดยกระบวนการทั้งหมดจะผสมผสานทั้งในด้าน Statistic, mathematic, programming, technology เพื่อตั้งสมมติฐาน ทดลองและหาผลลัพธ์จากข้อมูลหรือ Data ที่มีอยู่นั่นเอง ทั้งหมดทั้งมวลที่พูดมาคือ Data Science นั้นเองครับ

Data Scientist คือใคร?

คือคนที่ทำหน้าที่กลั่นเอาข้อมูลดิบ เพื่อหาสิ่งที่น่าสนใจ (Insight), พยากรณ์เหตุการณ์ต่างๆ จากข้อมูล (Predictive Analytics), และการนำสิ่งที่ได้มาสนับสนุนในการตัดสินใจด้านธุรกิจ (Data-Driven) ผ่านขั้นตอนการตั้งคำถาม ทดสอบสมมติฐาน การนำไปประยุกต์ใช้งาน และการประเมิณผลลัพธ์อยู่เสมอ

คุณสมบัติของ Data Scientist หลักๆ เลยคือคนที่มีความสามารถ 3 ส่วนหลักๆ ด้วยกัน

1. การเขียนโปรแกรมและเทคโนโลยี (Hacking Skill)

2. ความรู้ด้านสถิติและคณิตศาสตร์ (Math & Statistics Knowledge)

3. ความรู้เฉพาะทาง (Substantive Expertise หรือ Domain knowledge)

ที่มา : http://alldatascience.com/what-is-data-science/

แล้วเราสามารถนำ Data Science มาประยุกต์ใช้งานในทางธุรกิจอย่างไรได้บ้าง จากภาพด้านล่างจะเห็นได้ว่าแทบจะสามารถนำ Data Science นำมาใช้ได้เกือบคลอบคลุมทุกส่วนของธุรกิจเลย ไม่ว่าจะเป็น

การจัดกลุ่มข้อมูลลูกค้า (Customer Behavioural & Segmentation)
การแนะนำสินค้า (Product Recommendation Engine)
การตรวจจับความผิดปกติของข้อมูล (Fraud Detection)
การให้ความช่วยเหลือลูกค้าด้วย Chat-bot

ที่มา https://medium.com/applied-data-science/every-arrow-on-this-diagram-is-a-data-science-project-775339e51828?source=linkShare-7f8f0930a6ca-1513397886

ถือว่าเป็นเรื่องน่ายินดีที่หลายๆ องค์กรเริ่มตื่นตัวเริ่มนำ Data Science มาใช้งานภายในองค์กร บางบริษัทเริ่มตั้งแผนก Data Science ขึ้นมาเพื่อทำงานด้านนี้โดยเฉพาะ เปรียบเทียบกับอาชีพ Web Programmer ที่เป็นอาชีพร้อนแรงเมื่อ 10 ปีที่แล้ว ก็อาจจะเดาได้ว่า ในอีกไม่กี่ปีข้างหน้านี้แทบทุกองค์กรจะต้องมีแผนกนี้เพื่อนำข้อมูลที่มีอยู่มาสร้างมูลค่าให้กับองค์กรอย่างแน่นอน

Related articles

อาชีพใหม่สำหรับยุค AI: เตรียมพร้อมคว้าโอกาสในโลกการทำงานที่ขับเคลื่อนด้วยปัญญาประดิษฐ์

ค้นพบอาชีพใหม่มาแรงในยุค AI พร้อมทักษะที่จำเป็น และแนวทางเตรียมตัวสำหรับเจ้าของธุรกิจ SME และคนทำงาน เพื่อเติบโตในโลกที่ขับเคลื่อนด้วย AI ไปกับ Data-Espresso

การใช้ Cline บน VSC Code เพื่อใช้ AI ช่วยเขียนโปรแกรม: คู่มือฉบับสมบูรณ์จาก Data-Espresso

เรียนรู้วิธีใช้ Cline AI บน VS Code เพื่อปฏิวัติการเขียนโปรแกรมของคุณ! เพิ่มประสิทธิภาพ ลดข้อผิดพลาด และเร่งการพัฒนาซอฟต์แวร์ด้วยผู้ช่วย AI อัจฉริยะ อ่านเลย!

Google เปิดตัว Gemini AI Ultra กับผลกระทบของการทำงานจริงหรือ?

เจาะลึก Google Gemini AI Ultra จากงาน I/O 2025 ฟีเจอร์ใหม่ ผลกระทบต่อการทำงาน และวิธีที่ธุรกิจ SME จะปรับตัวและใช้ประโยชน์จาก AI เพื่อการเติบโต โดย Data-Espresso

MCP A2A Protocol กับ AI: การเปลี่ยนแปลงใหม่ในโลกดิจิทัล

ทำความเข้าใจ MCP และ A2A Protocol มาตรฐานใหม่ที่ปฏิวัติการทำงานร่วมกันของ AI Agents และผลกระทบต่อธุรกิจ รวมถึงวิธีที่ Data-Espresso ช่วยคุณได้

สรุปงาน Google I/O 2025 Update สำคัญที่ต้องอ่าน

อัปเดตล่าสุดจาก Google I/O 2025! สรุปไฮไลท์สำคัญ Gemini AI, Project Astra, Android 16 และนวัตกรรม AI อื่นๆ ที่ธุรกิจและนักพัฒนาต้องรู้ อ่านเลย!
บทความก่อนหน้านี้
บทความถัดไป

Related Article

การเลือกใช้ Vector Database ที่เหมาะสมกับงาน LLM RAG: คู่มือฉบับสมบูรณ์

เรียนรู้วิธีเลือก Vector Database ที่เหมาะสมกับระบบ RAG ของคุณ เปรียบเทียบ Pinecone, Weaviate, Milvus และ ApertureDB พร้อมแนวทางการตัดสินใจที่จะช่วยเพิ่มประสิทธิภาพ AI ของธุรกิจ

Prompt Injection คืออะไร? ภัยคุกคามใหม่ที่ทุกธุรกิจต้องรู้

เรียนรู้เกี่ยวกับ Prompt Injection ภัยคุกคามทางไซเบอร์รูปแบบใหม่ที่เล็งเป้าระบบ AI และวิธีป้องกันที่ธุรกิจควรรู้

ถ้าอยากจะสร้าง LLM Model เองต้องทำยังไง? คู่มือสร้าง LLM ฉบับเข้าใจง่าย

เรียนรู้ขั้นตอนการสร้าง LLM โมเดลเอง ตั้งแต่การเตรียมข้อมูล การฝึกโมเดล ไปจนถึงการนำไปใช้งานจริง พร้อมเทคนิคและเครื่องมือที่จำเป็น
สอบถามข้อมูล