5 คำถาม ท้าพิสูจน์สกิล Data Analytics
ในยุคที่ธุรกิจตั้งแต่ร้านกาแฟเล็ก ๆ ไปจนถึงองค์กรระดับประเทศต่างใช้ “ข้อมูล” เพื่อประกอบการตัดสินใจ ความสามารถในการเข้าใจในข้อมูลจึงกลายเป็นพื้นฐานสำคัญไม่ว่าจะเป็นสายการตลาด ธุรกิจ การเงิน ทรัพยากรบุคคล หรือแม้แต่สายการศึกษา และนั่นทำให้ทักษะ Data Analytics กลายเป็นทักษะจำเป็นที่ผู้ทำงานยุคใหม่ไม่ควรมองข้าม เพราะคนที่เข้าใจการวิเคราะห์ข้อมูลได้ดี ย่อมมีโอกาสเติบโตในสายงานมากกว่า
แม้คุณจะไม่ได้ทำงานเป็น Data Analyst โดยตรง แต่ความสามารถในการอ่านข้อมูล วิเคราะห์ปัญหา มองเห็นรูปแบบหรือโอกาส และแปลผลข้อมูลให้คนอื่นเข้าใจได้ล้วนเป็นคุณสมบัติที่ช่วยเพิ่มความน่าเชื่อถือ และเพิ่มประสิทธิภาพการทำงานของคุณในทุกสายอาชีพ
Data Analytics คืออะไร ทำไมจึงสำคัญ
Data Analytics คือ กระบวนการนำข้อมูลมาวิเคราะห์เพื่อค้นหาความหมาย แนวโน้ม ปัญหา หรือโอกาสใหม่ ๆ ที่ซ่อนอยู่ในข้อมูล เพื่อช่วยให้ผู้บริหารและทีมงานสามารถตัดสินใจได้อย่างมีเหตุผลและแม่นยำขึ้น กระบวนการนี้ไม่ได้จำกัดอยู่กับชุดข้อมูลขนาดใหญ่เท่านั้น แต่รวมถึงข้อมูลทุกประเภทที่เกี่ยวข้องกับธุรกิจ เช่น
- ยอดขายรายวัน
- พฤติกรรมลูกค้า
- การใช้เวลาในแต่ละงานของพนักงาน
- คะแนนความพึงพอใจของลูกค้า
- ประสิทธิภาพของแคมเปญการตลาด
การมีทักษะ Data Analytics ทำให้คุณสามารถตอบคำถามสำคัญได้ เช่น
- ลูกค้ากลุ่มใดที่สร้างรายได้สูงสุด
- สินค้าไหนควรเพิ่มสต็อกช่วงปลายเดือน
- แคมเปญไหนมีต้นทุนต่อผลลัพธ์ดีที่สุด
- ปัจจัยอะไรทำให้ยอดขายลดลง
เรียกได้ว่า ใครเข้าใจข้อมูลได้ก่อน = ได้เปรียบกว่า จึงเป็นเหตุผลที่ตลาดงานในยุคดิจิทัลมองหาคนที่มีทักษะด้านการวิเคราะห์ข้อมูลมากขึ้นอย่างชัดเจน
ไม่จำเป็นต้องเป็นสายเทค ก็เริ่มเรียน Data Analytics ได้
หลายคนคิดว่าการเรียนสาย Data ต้องเริ่มจากการเขียนโค้ดหรือคณิตศาสตร์ระดับสูง แต่ความจริงแล้ว ทักษะ Data Analytics เริ่มจากความรู้พื้นฐาน เช่น การคิดเป็นระบบ การอ่านค่ากราฟและตาราง การแปลผลข้อมูลให้เข้าใจง่าย ความเข้าใจโครงสร้างข้อมูล และสำคัญมากคือการตั้งคำถามที่ถูกต้อง
สิ่งเหล่านี้เป็นสิ่งที่ทุกคนสามารถเรียนรู้ได้ โดยเฉพาะอย่างยิ่งในยุคนี้ที่มีเครื่องมือช่วยวิเคราะห์ข้อมูลได้หลากหลายโดยที่เราไม่จำเป็นต้องเขียนโปรแกรมด้วยตัวเอง
เริ่มนับหนึ่ง Data Analytics ไปกับเซอร์ IT Specialist
IT Specialist Certification - Data Analytics คือ ใบรับรองมาตรฐานสากลที่ออกแบบมาให้สามารถทดสอบความเข้าใจพื้นฐานด้านข้อมูลได้อย่างเป็นระบบ ผู้สอบไม่จำเป็นต้องมีประสบการณ์ด้านเทคนิคมาก่อน เนื่องจากข้อสอบนี้จะเน้นการวัด “ความเข้าใจ” มากกว่าการวัดทักษะซอฟต์แวร์เฉพาะทาง ครอบคลุม Objective Domain ดังนี้
- ความเข้าใจพื้นฐานของข้อมูล ชนิดของตัวแปร โครงสร้างที่ใช้ในการวิเคราะห์ข้อมูล หมวดหมู่ข้อมูลต่าง ๆ
- การจัดการกับข้อมูล ตั้งแต่การนำเข้า จัดเก็บ จัดเรียง Cleansing ไปจนส่งออกข้อมูล
- การวิเคราะห์ข้อมูลแบบต่าง ๆ
- การสื่อสารข้อมูลให้เข้าใจง่าย
- ประเด็นด้านความปลอดภัยและจริยธรรมข้อมูล
จำนวนคำถามและเวลาในการสอบ
- จำนวนคำถามและเวลาในการสอบ
- คำถามทั้งหมด 40 ข้อ
- ระยะเวลาในการสอบ 50 นาที
- ข้อสอบเป็นภาษาอังกฤษ
- รูปแบบปรนัย (multiple choice)
คะแนนและเกณฑ์การสอบผ่าน
- คะแนนเต็ม 1,000 คะแนน
- ผ่านการสอบเมื่อทำได้ 700 คะแนนขึ้นไป
เมื่อสอบผ่านจะได้รับใบรับรอง และ Digital Badge ที่สามารถใช้แนบ Resume ออนไลน์ได้ทันที
ใบรับรอง IT Specialist - Data Analytics เหมาะกับใคร
- นักเรียนและนักศึกษาที่สนใจด้านข้อมูล
- ผู้เริ่มต้นที่ต้องการจุดเริ่มต้นที่ชัดเจน
- คนทำงานที่ต้องการเพิ่มความน่าเชื่อถือด้านทักษะข้อมูล
- ผู้ที่ต้องการต่อยอดสู่ Data Analyst, Business Analyst หรือ Data Scientist
คะแนนและเกณฑ์การสอบผ่าน
หลายคนอาจลังเลที่จะเริ่มต้น หรือไม่กล้าสมัครสอบใบรับรอง (Certificate) เพราะคิดว่าเนื้อหามันยากและซับซ้อนเกินไป กลัวสอบไม่ผ่าน กลัวเปลืองค่าสอบ
เรามีตัวอย่างคำถามด้าน Data Analytics มาให้ลองตอบ 5 ข้อ เพื่อพิสูจน์เบื้องต้นว่า คุณพร้อมสำหรับการสอบใบรับรองด้าน Data Analytics แล้วหรือยัง
และหากว่าคุณสามารถตอบคำถามพื้นฐานเหล่านี้ได้ นั่นแปลว่าคุณมีโอกาสสูงที่จะสอบผ่านใบรับรองระดับสากล และพร้อมที่จะก้าวเข้าสู่เส้นทางนักวิเคราะห์ข้อมูลได้
หมายเหตุ : 5 ข้อต่อไปนี้คือตัวอย่างคำถามแนวข้อสอบในหัวข้อพื้นฐาน Data Analytics แต่ต้องขอ Note เอาไว้เลยว่า “ไม่ใช่ข้อสอบจริง แบบเป๊ะๆ นะ” เป็นแนวทางคำถามที่อยู่ภายใต้ Objective Domain การสอบเดียวกันเท่านั้น
คำถามที่ 1
ข้อใดต่อไปนี้เป็นวิธีที่ปลอดภัยที่สุดในการจัดการข้อมูลที่มีความอ่อนไหว เช่น ข้อมูลลูกค้า หรือข้อมูลภายในองค์กร
- A) เข้ารหัส (Encrypt) และเก็บข้อมูลลูกค้าทั้งหมดไว้ แม้จะไม่ได้นำไปใช้งานต่อ
- B) เข้ารหัสข้อมูลที่ถูกส่งผ่านระบบอิเล็กทรอนิกส์ และกำหนดสิทธิ์การเข้าถึงข้อมูลที่มีความอ่อนไหวเฉพาะผู้ที่เกี่ยวข้อง
- C) ดึงข้อมูลที่เข้ารหัสออกมา ถอดรหัสแล้วพิมพ์ออกเป็นเอกสาร และทิ้งเอกสารเมื่อใช้งานเสร็จ
- D) สร้างรหัสผ่านกลางที่ใช้ร่วมกันสำหรับผู้ใช้ภายในองค์กร และกำหนดรหัสผ่านเฉพาะสำหรับผู้ใช้ที่เชื่อมต่อจากภายนอกองค์กร
คำอธิบาย
เฉลย : ข้อ B
การเข้ารหัส (Encryption) เปรียบเสมือนการใส่ข้อมูลลงใน “ตู้เซฟที่ล็อกแน่นหนา” ต่อให้ใครแอบเจอหรือดักข้อมูลไป ก็ไม่สามารถเปิดอ่านได้ถ้าไม่มี “กุญแจถอดรหัส (Decryption Key)” อยู่ในมือ และเมื่อใช้ควบคู่กับการกำหนดสิทธิ์ให้เข้าถึงได้เฉพาะผู้ที่เกี่ยวข้องจริง ๆ ก็จะทำให้ข้อมูลปลอดภัยทั้งตอนจัดเก็บ และตอนถูกส่งผ่านอินเทอร์เน็ต
คำถามที่ 2
ปัจจัย 2 ข้อที่จำเป็นต่อการสร้างระบบ Machine Learning ให้สำเร็จ
- A) การรวบรวมและจัดระเบียบข้อมูล
- B) การขยายระบบได้ตามต้องการ
- C) การแบ่งข้อมูลออกเป็นกลุ่มย่อย
- D) อัลกอริทึมที่ปรับตัวได้
คำอธิบาย
เฉลย : ข้อ B และ D
ข้อ B การขยายระบบได้ตามต้องการ
ระบบ Machine Learning ต้องสามารถ “โตและขยาย” ได้ เช่น เมื่อมีข้อมูลมากขึ้น หรือมีผู้ใช้งานเพิ่มขึ้น ระบบก็ยังคงทำงานได้ดี ไม่ล่ม ไม่ช้า และสามารถปรับตัวได้อัตโนมัติ โดยไม่ต้องอาศัยมนุษย์ไปแก้ไขตลอดเวลา
ข้อ D อัลกอริทึมที่ปรับตัวได้
คือ อัลกอริทึมที่สามารถ “เรียนรู้และพัฒนา” จากข้อมูลที่ได้รับมาเอง เช่น ยิ่งได้รับข้อมูลใหม่ ๆ ก็จะยิ่งฉลาดขึ้น สามารถหาความสัมพันธ์ สร้างรูปแบบ และปรับปรุงการทำนายผลได้อย่างต่อเนื่อง โดยไม่ต้องให้มนุษย์ไปเขียนกฎใหม่ทุกครั้ง
คำถามที่ 3
นักเรียนบ่นว่าข้อสอบที่เพิ่งสอบไปนั้นยากเกินไป อาจารย์ผู้สอนจึงสร้างตารางที่แสดงคะแนนสอบของนักเรียนแต่ละคนขึ้นมา (ดังภาพ) การแสดงผลข้อมูลแบบใดที่จะช่วยให้อาจารย์มองเห็นการกระจายตัวของคะแนนสอบได้ชัดเจนที่สุด
- A) Line
- B) Histogram
- C) Bar
- D) Scatter Plot
คำอธิบาย
เฉลย : ข้อ B
ฮิสโตแกรม (Histogram) เป็นกราฟที่สามารถนำคะแนนสอบมาจัดกลุ่มเป็นช่วง ๆ ได้ เช่น 40-50, 50-60, 60-70 แล้วนับว่ามีนักเรียนกี่คนอยู่ในแต่ละช่วง
วิธีนี้ทำให้เห็นการกระจายตัวของคะแนนได้ทันที เช่น คะแนนส่วนใหญ่อยู่ในช่วง 70-80 แปลว่านักเรียนส่วนมากทำข้อสอบได้ดี ข้อสอบไม่ได้ยากเกินไป หรือถ้ามีคะแนนกระจายกว้างก็แปลว่าข้อสอบยากสำหรับบางคนแต่บางคนก็ยังทำได้ แต่ถ้าหากคะแนนกระจุกอยู่ที่ช่วงคะแนนต่ำ แปลว่าส่วนใหญ่นักเรียนทำไม่ได้ ข้อสอบที่ออกก็อาจจะยากเกินไป อาจารย์อาจต้องพิจารณาเนื้อหาที่สอนและข้อสอบว่าสัมพันธ์กันหรือไม่
คำถามที่ 4
คุณกำลังศึกษาว่านักเรียนทั่วไปใช้เวลากี่ชั่วโมงกับกิจกรรมชมรมในโรงเรียน โดยเก็บข้อมูลเฉพาะสมาชิกที่อยู่ในชมรมเท่านั้น อคติ (Bias) แบบใด ที่อาจมีผลต่อการตีความข้อมูลนี้
- A) อคติจากแรงจูงใจ
- B) อคติจากการยึดติดข้อมูลแรก
- C) อคติจากการเลือกยืนยันความเชื่อเดิม
- D) อคติจากการสุ่มตัวอย่าง
คำอธิบาย
เฉลย : ข้อ D
อคติจากการสุ่มตัวอย่างเกิดขึ้น เมื่อคุณเก็บข้อมูลจากกลุ่มที่ไม่เป็นตัวแทนของประชากรทั้งหมด ในกรณีนี้ การเลือกสำรวจเฉพาะนักเรียนที่อยู่ในชมรมแต่ไม่นับรวมนักเรียนที่ไม่ได้เข้าชมรมเลย ผลลัพธ์ที่ได้จึงมีแนวโน้มที่จะสูงเกินจริง เพราะคุณจะเห็นชั่วโมงกิจกรรมจากเด็กที่เข้าชมรมเยอะกว่าความเป็นจริงของทั้งโรงเรียน
เช่น ถ้าคุณอยากรู้ว่า "นักเรียนส่วนใหญ่ชอบเล่นกีฬาไหม" แต่ไปถามเฉพาะนักกีฬาทีมโรงเรียน แน่นอนว่าผลที่ได้จะบอกว่า “ทุกคนชอบกีฬา” ซึ่งจริง ๆ แล้วอาจไม่ใช่ความจริงของนักเรียนทั้งหมด
คำถามที่ 5
บริษัทแห่งหนึ่งทำการสำรวจเพื่อหาความคิดเห็นทางการเมืองของนักเรียน เพื่อปกป้องข้อมูลของผู้ตอบแบบสอบถาม บริษัทจึงแทนที่ ชื่อจริงของผู้ตอบด้วยตัวเลข และลบชื่อเดิมออกทั้งหมด โดยที่ไม่สามารถกู้คืนกลับมาได้อีกเลย เพื่อให้มั่นใจว่าจะไม่มีใครสามารถระบุตัวตนของนักเรียนจากข้อมูลที่เก็บไว้ได้ กระบวนการนี้เรียกว่าอะไร
- A) การไม่เปิดเผยชื่อ
- B) การใช้ชื่อปลอม
- C) การทำความสะอาดข้อมูล
- D) การกรอง
คำอธิบาย
เฉลย : ข้อ A
การไม่เปิดเผยชื่อ คือ กระบวนการทำให้ข้อมูลไม่สามารถระบุตัวตนได้อีกต่อไป โดยเป็นการลบหรือทำลายข้อมูลที่บ่งบอกถึงตัวบุคคล (เช่น ชื่อ ที่อยู่ หมายเลขประจำตัว) แบบถาวรและไม่สามารถย้อนกลับมาได้อีก
ในกรณีนี้ บริษัทได้ลบชื่อจริงของผู้ตอบแบบสอบถามออกทั้งหมด และแทนที่ด้วยตัวเลข ซึ่งหมายความว่า ไม่มีทางที่จะเชื่อมโยงข้อมูลกลับไปยังตัวนักเรียนได้ กระบวนการนี้จึงเป็นการไม่เปิดเผยชื่ออย่างชัดเจน
คุณอาจพร้อมคว้าเซอร์ Data Analytics กว่าที่คิด
จากคำถาม 5 ข้อในบทความนี้ คงจะพอทำให้มองเห็นภาพแนวทางการประเมินทักษะด้านการวิเคราะห์ข้อมูลได้มากขึ้น ซึ่งที่จริงแล้วก็เป็นเรื่องพื้นฐานใกล้ตัวที่เราสามารถหยิบมาใช้วิเคราะห์ ทำความเข้าใจข้อมูลที่เรามีได้
หรือหากต้องการความมั่นใจมากกว่านี้ เออาร์ไอทีมีวิดีโอที่จะช่วยให้คุณเข้าใจ Basic Data Analytics และเรียนรู้ความสำเร็จจากพลังแห่งข้อมูลได้
เมื่อคุณเข้าใจโครงสร้างของข้อสอบ หัวข้อที่ออกจริง และความรู้ที่จำเป็น คุณจะพบว่าเส้นทางสู่การเป็น Data Analyst ไม่ได้ยากอย่างที่คิด หรือต่อให้ไม่ได้มีเป้าหมายอยากจะเป็นนักวิเคราะห์ข้อมูล แต่การเข้าใจทักษะนี้จะช่วยเปิดโอกาส และมุมมองใหม่ ๆ ให้กับการทำงานของคุณอย่างแน่นอน