Data Science คืออะไร Data Scientist ทำอะไร เรียนอะไร เริ่มยังไง
สรุปสั้น ๆ
- Data Science หรือ “วิทยาการข้อมูล” (ศัพท์บัญญัติของราชบัณฑิตยสภา) คือการใช้สถิติ การเขียนโปรแกรม และความเข้าใจธุรกิจ เปลี่ยนข้อมูลให้เป็นคำตอบที่ใช้ตัดสินใจได้ ส่วน Data Scientist (นักวิทยาศาสตร์ข้อมูล) คือคนที่วิเคราะห์ข้อมูล สร้างแบบจำลอง และนำเสนอผลให้องค์กรใช้แก้ปัญหา
- Data Analyst ตอบว่าเกิดอะไรขึ้น Data Scientist สร้างแบบจำลองเพื่อคาดการณ์ ส่วน Data Engineer สร้างระบบที่ส่งข้อมูลให้ทั้งสองตำแหน่งใช้ ถ้าคุณมาจากสายอื่น งานวิเคราะห์ข้อมูลมักเป็นประตูบานแรกที่เข้าง่ายกว่า
- เริ่มได้จากคอร์สฟรีบน Thai MOOC แล้วเก็บผลงานจริงไว้ให้นายจ้างดู ใส่ Python, SQL และเครื่องมือที่ใช้เป็นลงใน “ทักษะของฉัน” ของ Super Resume (เข้าสู่ระบบหรือสร้าง Super Resume ก่อน) แล้วดูตำแหน่งที่เปิดรับใน งาน Data Science
พูดให้สั้นที่สุด Data Science คือการใช้ข้อมูลตอบคำถามที่องค์กรต้องตัดสินใจ ส่วน Data Scientist คือคนที่ทำงานนี้ ตั้งแต่รับโจทย์ เตรียมข้อมูล สร้างแบบจำลอง จนถึงอธิบายผลให้ฝ่ายที่ต้องตัดสินใจเข้าใจ
ในภาษาไทย ราชบัณฑิตยสภาบัญญัติ data science ว่า “วิทยาการข้อมูล” บางหลักสูตรใช้คำว่า “วิทยาศาสตร์ข้อมูล” ซึ่งหมายถึงสาขาเดียวกัน ส่วน “นักวิทยาศาสตร์ข้อมูล” เป็นชื่อตำแหน่งที่มหาวิทยาลัยใช้กันจริง แต่ไม่ใช่ศัพท์บัญญัติ
Data Science คืออะไร
Data Science หรือวิทยาการข้อมูล คือการนำข้อมูลมาตอบคำถามที่ช่วยตัดสินใจ โดยใช้ความรู้สามด้านร่วมกัน ได้แก่ สถิติและคณิตศาสตร์ การเขียนโปรแกรมเพื่อจัดการข้อมูลจำนวนมาก และความเข้าใจธุรกิจหรือเรื่องที่กำลังวิเคราะห์ ราชบัณฑิตยสภาจัดคำนี้ไว้ในหมวดสถิติศาสตร์
ลองนึกถึงร้านค้าออนไลน์ที่มียอดขายย้อนหลังหลายปี ถ้าดูแค่ตัวเลขรวมก็รู้เพียงว่าขายได้เท่าไร แต่เมื่อนำข้อมูลมาวิเคราะห์ ร้านจะเห็นว่าสินค้าไหนขายดีช่วงไหน และคาดการณ์ได้ว่าเดือนหน้าควรสั่งของอะไรเพิ่ม
คำที่มักเจอคู่กันมีศัพท์บัญญัติภาษาไทยเช่นกัน เช่น machine learning (การเรียนรู้ของเครื่อง) คือการให้คอมพิวเตอร์เรียนรู้รูปแบบจากข้อมูล และ data visualization (จินตทัศน์ข้อมูล) คือการเล่าข้อมูลด้วยกราฟและภาพ
วิเคราะห์ข้อมูล 4 ระดับ
งานวิเคราะห์ข้อมูลแบ่งตามคำถามที่ตอบได้ 4 ระดับ ยิ่งระดับสูงขึ้นยิ่งต้องใช้สถิติและแบบจำลองมากขึ้น ระดับแรก ๆ เป็นงานหลักของ Data Analyst ส่วนระดับคาดการณ์ขึ้นไปเป็นพื้นที่ของ Data Scientist
| ระดับ | คำถามที่ตอบ | ตัวอย่างจากร้านค้าออนไลน์ |
|---|---|---|
| Descriptive (เชิงพรรณนา) | เกิดอะไรขึ้น | ยอดขายเดือนที่แล้วลดลงจากเดือนก่อน |
| Diagnostic (เชิงวินิจฉัย) | ทำไมถึงเกิด | ยอดลดเพราะสินค้าขายดีตัวหนึ่งของหมด |
| Predictive (เชิงพยากรณ์) | จะเกิดอะไรต่อ | คาดการณ์ว่าเดือนหน้าสินค้าตัวนี้จะขายได้กี่ชิ้น |
| Prescriptive (เชิงแนะนำ) | ควรทำอะไร | แนะนำจำนวนที่ควรสั่งเข้าคลังและวันที่ควรสั่ง |
งานของ Data Scientist ในแต่ละวัน
Data Scientist รับโจทย์จากฝ่ายธุรกิจ เตรียมและทำความสะอาดข้อมูล วิเคราะห์ สร้างแบบจำลอง แล้วนำเสนอผลให้คนตัดสินใจ เป้าหมายคือหาคำตอบเชิงลึกจากข้อมูล และใช้แบบจำลองช่วยระบุและแก้ปัญหาขององค์กร เช่น คาดการณ์ยอดขายเดือนหน้า หรือหาลูกค้าที่มีแนวโน้มเลิกซื้อ
งานของ Data Scientist วนเป็นรอบ เมื่อได้คำตอบหนึ่งแล้ว มักเกิดคำถามใหม่ให้หาต่อ ภาพด้านล่างสรุปขั้นตอนหลักของแต่ละรอบ
- ตั้งโจทย์: คุยกับฝ่ายธุรกิจว่าอยากรู้อะไร และจะใช้คำตอบตัดสินใจเรื่องไหน
- เก็บข้อมูล: ดึงข้อมูลจากฐานข้อมูล ระบบงาน หรือไฟล์ที่เกี่ยวข้อง
- เตรียมข้อมูล: ลบข้อมูลซ้ำ เติมช่องว่าง แก้รูปแบบให้ตรงกัน เพื่อให้วิเคราะห์ได้จริง
- วิเคราะห์และสร้างแบบจำลอง: ใช้สถิติหรือ machine learning หารูปแบบและคาดการณ์
- สื่อสารผล: เล่าผลด้วยกราฟและภาษาที่คนนอกสายเข้าใจ พร้อมข้อเสนอว่าควรทำอะไรต่อ
หลายคนเข้าใจว่า Data Scientist นั่งสร้างโมเดล AI ทั้งวัน ความจริงการสร้างแบบจำลองเป็นเพียงขั้นเดียว ก่อนถึงขั้นนั้นต้องเตรียมข้อมูลให้พร้อม และหลังจากนั้นต้องอธิบายผลให้ทีมธุรกิจนำไปใช้ได้
อยากเห็นว่าบริษัทต้องการคนแบบไหน ลองเปิดประกาศ งาน Data Scientist แล้วอ่านหน้าที่และคุณสมบัติที่แต่ละบริษัทเขียนไว้
Data Scientist, Data Analyst และ Data Engineer ต่างกันยังไง
ทั้ง 3 ตำแหน่งทำงานกับข้อมูล แต่ตอบคำถามต่างกัน Data Engineer ทำให้ข้อมูลพร้อมใช้ Data Analyst อธิบายสิ่งที่เกิดขึ้นด้วยรายงานและแดชบอร์ด ส่วน Data Scientist คาดการณ์และสร้างแบบจำลอง เส้นแบ่งนี้ไม่ตายตัว แต่ละบริษัทแบ่งงานไม่เหมือนกัน และในทีมเล็ก คนคนเดียวอาจทำสองบทบาท
| ตำแหน่ง | คำถามที่ตอบ | งานหลัก | เครื่องมือที่พบบ่อย | พื้นฐานคณิตและสถิติ | เหมาะกับใคร |
|---|---|---|---|---|---|
| Data Analyst | เกิดอะไรขึ้น และเพราะอะไร | ดึงข้อมูล ทำรายงาน ทำแดชบอร์ด ตอบคำถามธุรกิจรายวัน | Excel หรือ Google Sheets, SQL, Power BI หรือ Tableau | สถิติพื้นฐาน | คนที่ชอบหาคำตอบจากตัวเลขและอธิบายให้คนอื่นเข้าใจ |
| Data Scientist | จะเกิดอะไรต่อ และควรทำอะไร | สร้างแบบจำลองคาดการณ์ ทดลองหาคำตอบใหม่ นำเสนอผลเชิงลึก | Python หรือ R, SQL, สถิติ, machine learning | สถิติและคณิตศาสตร์มากกว่าตำแหน่งอื่น | คนที่ชอบตั้งสมมติฐาน ทดลอง และเขียนโค้ด |
| Data Engineer | ข้อมูลจะมาถึงคนใช้ได้ยังไง | ออกแบบระบบส่งข้อมูล (data pipeline) และกระบวนการ ETL ดูแลฐานข้อมูล | SQL, Python, ETL, ระบบคลาวด์ | ไม่เน้นสถิติเท่าสองตำแหน่งแรก | คนที่ชอบสร้างระบบและแก้ปัญหาเชิงเทคนิค |
สามงานนี้มาจากปริญญาเดียวกันได้ หลักสูตรวิทยาการข้อมูลของมหาวิทยาลัยนเรศวรระบุอาชีพหลังจบไว้แยกกัน ทั้งนักวิทยาศาสตร์ข้อมูล นักวิเคราะห์ข้อมูลทางธุรกิจ และนักวิศวกรรมข้อมูล
ถ้าคุณชอบรายงานและการตอบคำถามธุรกิจ ลองดู งาน Data Analyst ถ้าชอบสร้างระบบมากกว่า ดู งาน Data Engineer ส่วนคนที่ลังเลระหว่างสายข้อมูลกับสายเขียนซอฟต์แวร์ อ่านเรื่อง อาชีพ Developer ประกอบได้
ทักษะที่ Data Scientist ต้องมี
ทักษะของ Data Scientist แบ่งได้เป็นสามกลุ่ม คือ สถิติและคณิตศาสตร์พื้นฐาน การเขียนโปรแกรมด้วย Python หรือ R ร่วมกับ SQL และการสื่อสารกับความเข้าใจธุรกิจ ถ้าต้องเลือกเริ่มก่อน ให้เริ่มจาก Python, SQL และสถิติ เพราะเป็นฐานที่ทั้งงานวิเคราะห์และงานสร้างแบบจำลองต้องใช้
ทักษะด้านเทคนิค
- Python หรือ R: ภาษาหลักที่ใช้จัดการข้อมูลและสร้างแบบจำลอง
- SQL: ใช้ดึงข้อมูลจากฐานข้อมูล และเป็นเครื่องมือที่ทั้งสามตำแหน่งในตารางข้างต้นใช้ร่วมกัน
- สถิติ: ใช้อ่านความหมายของตัวเลขและทดสอบว่าผลที่เห็นเชื่อถือได้แค่ไหน
- Machine learning เบื้องต้น: เข้าใจว่าแบบจำลองแต่ละแบบเหมาะกับโจทย์แบบไหน
- Data visualization: ทำกราฟและแดชบอร์ดด้วย Power BI หรือ Tableau
ทักษะเหล่านี้เริ่มเรียนจากศูนย์ได้ เช่น Thai MOOC มีวิชาของมหาวิทยาลัยเชียงใหม่อย่างโปรแกรมไพทอนสำหรับวิทยาการข้อมูล การเขียนโปรแกรม R สำหรับวิทยาการข้อมูล และคณิตศาสตร์สำหรับวิทยาศาสตร์ข้อมูล
สำหรับภาพรวมทักษะสายไอทีที่กว้างกว่านี้ อ่าน Technical Skills ที่คนสายไอทีควรมี
เมื่อใช้เครื่องมือได้แล้ว เพิ่มลงใน Super Resume ให้นายจ้างเห็น (เข้าสู่ระบบหรือสร้างบัญชีก่อน) ในส่วน “ทักษะและภาษา” เปิดหน้าต่าง “เพิ่มทักษะของฉัน” แล้วพิมพ์ชื่อเครื่องมือ เช่น Python หรือ SQL
จากนั้นเลือก “ระดับความเชี่ยวชาญ” (เชี่ยวชาญ ชั้นสูง ขั้นกลาง ขั้นต้น หรือกำลังศึกษา) และเล่างานที่ใช้ทักษะนั้นไว้ในช่อง “ผลงานที่โดดเด่น” ของประสบการณ์ทำงาน
ต้องเก่งเลขแค่ไหน
คุณไม่ต้องเป็นอัจฉริยะคณิตศาสตร์ แต่ต้องเข้าใจสถิติพื้นฐาน เช่น ค่าเฉลี่ย การกระจายของข้อมูล และความสัมพันธ์ระหว่างตัวแปร เพื่ออ่านผลวิเคราะห์ได้ถูก
คนที่ไม่ได้เรียนสายวิทย์มาก่อนเริ่มได้จากวิชาระดับเริ่มต้น เช่น “สถิติพื้นฐานสำหรับการวิเคราะห์ ข้อมูล-สถิติเชิงพรรณนา” ของ มจธ. บน Thai MOOC
ทักษะที่ไม่ใช่เทคนิค
ผลวิเคราะห์ที่ดีไม่มีประโยชน์ถ้าคนตัดสินใจไม่เข้าใจ Data Scientist จึงต้องตั้งคำถามธุรกิจให้ถูก เล่าเรื่องด้วยข้อมูลให้คนนอกสายตามทัน และทำงานร่วมกับทีมขาย การตลาด หรือฝ่ายผลิตที่เป็นเจ้าของโจทย์
คณะและหลักสูตรที่พาไปสู่งาน Data Science
Data Scientist เรียนมาได้หลายคณะ ทางตรงคือสาขาวิทยาการข้อมูล ซึ่งเปิดสอนทั้งในคณะวิทยาศาสตร์และคณะเทคโนโลยีสารสนเทศ ส่วนคนที่จบสถิติ คณิตศาสตร์ วิทยาการคอมพิวเตอร์ หรือวิศวกรรมคอมพิวเตอร์ ก็เข้าสายนี้ได้เช่นกัน ถ้าฝึก Python, SQL และสถิติให้ครบ
ตัวอย่างเช่นตำแหน่งนักวิทยาศาสตร์ข้อมูลของมหาวิทยาลัยสงขลานครินทร์ รับปริญญาตรีขึ้นไปในสาขาวิทยาการข้อมูล วิทยาศาสตร์ข้อมูล วิทยาการคอมพิวเตอร์ วิศวกรรมคอมพิวเตอร์ สถิติ คณิตศาสตร์ หรือสาขาอื่นที่เกี่ยวข้อง
| สาขาที่เรียน | ตำแหน่งที่ต่อยอดได้ง่าย |
|---|---|
| วิทยาการข้อมูล | Data Scientist, Data Analyst, Data Engineer |
| สถิติ, คณิตศาสตร์ | Data Analyst, Data Scientist |
| วิทยาการคอมพิวเตอร์, วิศวกรรมคอมพิวเตอร์ | Data Engineer, งานสาย machine learning |
| บริหารธุรกิจ, เศรษฐศาสตร์ | Data Analyst, Business Analyst |
ตารางนี้เป็นเส้นทางที่พบบ่อย ไม่ใช่กฎตายตัว คนจากสาขาอื่นเข้าสายข้อมูลได้ถ้าฝึกทักษะเพิ่ม ถ้ายังเลือกคณะไม่ได้ อ่าน คณะวิทยาศาสตร์มีสาขาอะไรบ้าง และ วิศวกรรมศาสตร์เรียนอะไร ประกอบ
ตัวอย่างหลักสูตรใน TCAS70
ตารางด้านล่างเป็นตัวอย่างหลักสูตรสายข้อมูลใน TCAS70 ณ พฤศจิกายน 2569 โดยใช้ชื่อตามที่ปรากฏในระบบ
| มหาวิทยาลัย | หลักสูตร | หมายเหตุ |
|---|---|---|
| มหาวิทยาลัยนเรศวร | หลักสูตรวิทยาศาสตรบัณฑิต สาขาวิทยาการข้อมูล | คณะวิทยาศาสตร์ หลักสูตรปรับปรุง 2569 |
| มหาวิทยาลัยบูรพา | หลักสูตรวิทยาศาสตรบัณฑิต (วท.บ.) สาขาวิชาวิทยาการข้อมูลและการวิเคราะห์ข้อมูล | หลักสูตรปรับปรุง 2569 |
| มหาวิทยาลัยเชียงใหม่ | หลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาวิทยาการข้อมูล | คณะวิทยาศาสตร์ |
| สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง | วท.บ. วิทยาการข้อมูลและการวิเคราะห์เชิงธุรกิจ | คณะเทคโนโลยีสารสนเทศ |
| มหาวิทยาลัยธรรมศาสตร์ | วท.บ.สาขาวิชาวิทยาศาสตร์และนวัตกรรมข้อมูล (DSI) | โครงการพิเศษ ศึกษาที่ศูนย์รังสิต |
| มหาวิทยาลัยมหิดล | หลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาคณิตศาสตร์อุตสาหการและวิทยาการข้อมูล | หลักสูตรนานาชาติ |
| มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ | วท.บ.วิทยาการข้อมูลเพื่อธุรกิจและอุตสาหกรรม | – |
| มหาวิทยาลัยขอนแก่น | วิทยาศาสตรบัณฑิต (สถิติและวิทยาการข้อมูล) | – |
| มหาวิทยาลัยสงขลานครินทร์ | วท.บ. สถิติประยุกต์และวิทยาการข้อมูล | – |
| มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี | หลักสูตรวิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมข้อมูลและปัญญาประดิษฐ์ | คณะวิศวกรรมศาสตร์ หลักสูตรนานาชาติ |
จุฬาลงกรณ์มหาวิทยาลัยไม่มีหลักสูตรปริญญาตรีที่ใช้ชื่อวิทยาการข้อมูลใน TCAS70 หลักสูตรที่ใกล้ที่สุดคือหลักสูตรสถิติศาสตรบัณฑิต ส่วนบางแห่งใช้คำว่าวิทยาศาสตร์ข้อมูล เช่น วท.บ. วิทยาศาสตร์ข้อมูลและการวิเคราะห์เชิงสถิติ ของ มจพ.
สมัครเรียนผ่าน TCAS
การสมัครเข้าหลักสูตรเหล่านี้ทำผ่านระบบ TCAS ซึ่งมี 4 รอบ ได้แก่ Portfolio, Quota, Admission และ Direct Admission จำนวนรับและเกณฑ์ของแต่ละหลักสูตรอาจปรับก่อนเปิดแต่ละรอบ ตรวจสอบรายละเอียดล่าสุดได้ที่ mytcas.com
ปริญญาโท: เมื่อไรช่วย เมื่อไรยังไม่ต้อง
ปริญญาโทไม่จำเป็นเสมอไป ตำแหน่งนักวิทยาศาสตร์ข้อมูลที่ยกตัวอย่างในหัวข้อคณะข้างต้นก็กำหนดคุณวุฒิขั้นต่ำไว้ที่ปริญญาตรี ป.โท ช่วยได้มากเมื่อคุณไม่มีพื้นฐานเชิงปริมาณเลย หรืออยากทำงานที่เน้นวิจัย ส่วนคนที่มีพื้นฐานพอแล้ว เริ่มจากงานวิเคราะห์ข้อมูลพร้อมผลงานจริงก็ได้
| ป.โท ช่วยได้ ถ้า… | เริ่มทำงานก่อนได้ ถ้า… |
|---|---|
| คุณจบสายที่แทบไม่ได้เรียนสถิติหรือเขียนโปรแกรม และอยากเรียนแบบมีโครงสร้าง | คุณใช้ SQL และ Excel หรือ Python ได้แล้ว และมีโปรเจกต์ให้ดู |
| คุณอยากทำงานวิจัยหรือพัฒนาแบบจำลองเชิงลึก | งานที่คุณเล็งไว้ระบุคุณวุฒิขั้นต่ำเป็นปริญญาตรี |
| คุณต้องการเครือข่ายและอาจารย์ที่ปรึกษาในสายนี้ | คุณย้ายเข้าทีมข้อมูลในบริษัทเดิมได้ และเรียนรู้จากงานจริง |
เปลี่ยนสายมาทำ Data Science เริ่มจากศูนย์ยังไง
เริ่มจากเรียนพื้นฐานด้วยคอร์สฟรี โดยฝึก Excel หรือ Google Sheets กับ SQL ก่อน แล้วค่อยต่อด้วย Python และสถิติ จากนั้นทำโปรเจกต์จากข้อมูลจริงในงานที่คุณทำอยู่ และสมัครงานวิเคราะห์ข้อมูลเป็นก้าวแรก ความรู้ในอุตสาหกรรมเดิมเป็นจุดแข็งที่คนจบตรงสายมักยังไม่มี
- เริ่มจากสเปรดชีตที่ใช้อยู่: ฝึกสูตร ตาราง Pivot และกราฟ ถ้ายังเลือกโปรแกรมไม่ได้ อ่าน Google Sheets กับ Excel ต่างกันยังไง
- เรียน SQL: ฝึกดึงและสรุปข้อมูลจากตาราง
- เรียน Python กับสถิติพื้นฐาน: ใช้จัดการข้อมูลที่ใหญ่เกินสเปรดชีต และอ่านผลให้ถูก
- ทำโปรเจกต์ 2–3 ชิ้น: เลือกโจทย์จากงานหรืออุตสาหกรรมที่คุณรู้จักดี
- สมัครงาน Data Analyst หรือขอย้ายเข้าทีมข้อมูลในองค์กรเดิม: ได้ทำงานกับข้อมูลจริงทุกวัน
- ต่อยอด machine learning: เมื่อพื้นฐานแน่นแล้ว ค่อยขยับไปงานสร้างแบบจำลอง
ถ้าคุณเปลี่ยนสายหลังทำงานมาหลายปี ประสบการณ์เดิมคือจุดขาย เลือกโจทย์โปรเจกต์จากอุตสาหกรรมที่คุณรู้จัก แล้วเริ่มสมัครตำแหน่งข้อมูลในธุรกิจแบบเดียวกันก่อน
วัดความพร้อมจากผลงาน ไม่ใช่จำนวนเดือนที่เรียน เมื่อทำขั้นที่ 1–4 ครบ และอธิบายโปรเจกต์ 2–3 ชิ้นได้ตั้งแต่โจทย์จนถึงผล คุณก็เริ่มสมัครงาน Data Analyst ได้
คอร์สฟรีบน Thai MOOC สำหรับมือใหม่
Thai MOOC เป็นแพลตฟอร์มเรียนออนไลน์ของโครงการมหาวิทยาลัยไซเบอร์ไทย ภายใต้กระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม ทุกรายวิชาเรียนฟรี และมีใบประกาศนียบัตรตามเงื่อนไขของแต่ละวิชา ค้นชื่อวิชาได้ที่ thaimooc.ac.th
| รหัสวิชา | ชื่อวิชา | ผู้สอน | เวลาโดยประมาณ | ใช้ในขั้นที่ |
|---|---|---|---|---|
| CMU00101 | วิทยาการข้อมูลเบื้องต้น | มหาวิทยาลัยเชียงใหม่ | 10 ชั่วโมง | ปูพื้น (ไม่ต้องมีพื้นฐาน) |
| KMUTT00287 | การวิเคราะห์ข้อมูลเบื้องต้น ด้วย โปรแกรม MS Excel | มจธ. | 11 ชั่วโมง | ขั้นที่ 1 |
| KMUTT00286 | สถิติพื้นฐานสำหรับการวิเคราะห์ ข้อมูล-สถิติเชิงพรรณนา | มจธ. | 4 ชั่วโมง | ขั้นที่ 3 |
| KMUTT00291 | ไพธอนพื้นฐานสำหรับผู้เริ่มต้น | มจธ. | 14 ชั่วโมง | ขั้นที่ 3 |
| CMU00093 | โปรแกรมไพทอนสำหรับวิทยาการข้อมูล | มหาวิทยาลัยเชียงใหม่ | 10 ชั่วโมง | ขั้นที่ 3 |
| MICROSOFT00323 | Microsoft Power BI | Microsoft | 4 ชั่วโมง | ขั้นที่ 4 (ทำแดชบอร์ด) |
| CU00167 | วิทยาการข้อมูลและการประยุกต์ใช้ | จุฬาลงกรณ์มหาวิทยาลัย | 30 ชั่วโมง | ขั้นที่ 6 |
| SWU00712 | วิทยาการข้อมูล | มหาวิทยาลัยศรีนครินทรวิโรฒ | 45 ชั่วโมง | ขั้นที่ 6 |
รอบเปิดเรียนและเงื่อนไขรับใบประกาศนียบัตรต่างกันไปในแต่ละวิชา ตรวจสอบในหน้าวิชาก่อนลงทะเบียน
เมื่อเรียนจบและได้ใบประกาศนียบัตรแล้ว เพิ่มลงใน Super Resume ได้ (เข้าสู่ระบบหรือสร้าง Super Resume ก่อน) กด “เพิ่มใบรับรอง” แล้วพิมพ์ชื่อวิชาในช่อง “ชื่อใบรับรอง/ใบอนุญาต” และพิมพ์ชื่อมหาวิทยาลัยผู้สอนในช่อง “ออกโดย” เอง
การเปลี่ยนสายแบบนี้คือการเรียนทักษะชุดใหม่เพื่องานใหม่ อ่านความต่างระหว่าง Upskill และ Reskill เพื่อวางแผนเวลาเรียนให้เหมาะกับงานที่ทำอยู่
เตรียมพอร์ตและเรซูเม่สมัครงานสาย Data
นายจ้างสายข้อมูลอยากเห็นว่าคุณทำงานกับข้อมูลได้จริง จึงควรมีโปรเจกต์ 2–3 ชิ้นที่บอกโจทย์ ข้อมูลที่ใช้ วิธีวิเคราะห์ และผลที่ได้ แล้วเขียนผลเดียวกันลงในประสบการณ์ทำงานของเรซูเม่ ใบประกาศนียบัตรช่วยเสริม แต่ผลงานที่ทำได้จริงมักเป็นสิ่งที่ผู้สัมภาษณ์ถามถึงก่อน
ในพอร์ตแต่ละชิ้นควรมีอะไร
- โจทย์: ปัญหาที่อยากตอบ เขียนเป็นประโยคเดียว
- ข้อมูล: มาจากไหน มีกี่แถว ต้องเตรียมอะไรก่อนใช้
- วิธี: เครื่องมือและวิธีวิเคราะห์ที่เลือก พร้อมเหตุผลสั้น ๆ
- ผล: สิ่งที่ค้นพบ และข้อเสนอว่าควรทำอะไรต่อ
- ภาพ: กราฟหรือแดชบอร์ด 1–2 ภาพที่เล่าผลได้ในตัว
พอร์ตกับเรซูเม่ทำหน้าที่ต่างกัน อ่านรายละเอียดได้ที่ Portfolio กับ Resume ต่างกันยังไง
เขียนผลงานลงเรซูเม่
ในเรซูเม่ ให้เขียนเป็นข้อสั้น ๆ ที่บอกว่าใช้เครื่องมืออะไร ทำอะไร ให้ใคร เช่น “ทำแดชบอร์ดยอดขายรายสัปดาห์ด้วย Power BI ให้ทีมขาย 5 คน”
ไม่ต้องจัดหน้าเอง Super Resume จัดรูปแบบให้แล้ว อ่านว่าเครื่องมือนี้ทำอะไรได้บ้างใน Super Resume คืออะไร
ถ้าคุณเพิ่งเรียนจบ ดูแนวทางใน เรซูเม่สำหรับเด็กจบใหม่ ถ้ากำลังหาที่ฝึกงานสายข้อมูล ดู Resume นักศึกษาฝึกงาน
เตรียมตัวสัมภาษณ์งานสาย Data
ก่อนสัมภาษณ์ ฝึกเขียน SQL จากโจทย์สั้น ๆ ให้คล่อง และซ้อมเล่าโปรเจกต์หนึ่งชิ้นตั้งแต่โจทย์ ข้อมูล วิธี จนถึงผล ให้จบในไม่กี่นาที
ถ้าถูกถามว่าทำไมเลือกวิธีนั้น ให้ตอบด้วยเหตุผลจากโจทย์ ไม่ใช่ชื่อเครื่องมือ ส่วนการเตรียมตัวเรื่องอื่น อ่านต่อได้ใน เทคนิคสัมภาษณ์งาน
เรื่องเงินเดือน ตัวเลขต่างกันมากตามตำแหน่ง ประสบการณ์ และบริษัท วิธีที่ใช้ได้จริงคือดูเงินเดือนที่ระบุในประกาศงานของตำแหน่งที่คุณสนใจ แล้วใช้คู่กับหลักใน เรียกเงินเดือนเท่าไหร่ถึงเหมาะสม ก่อนต่อรอง
Career Tip จาก JOBTOPGUN
เริ่มโปรเจกต์แรกจากข้อมูลในงานที่คุณทำอยู่ เช่น ยอดขาย ยอดสต็อก หรือเวลารอคิวของลูกค้า เพราะคุณรู้โจทย์และบริบทดีที่สุด
เมื่อได้ผลแล้ว ให้สรุปเป็นประโยคเดียวที่คนนอกสายอ่านแล้วเข้าใจทันที ก่อนนำไปใส่ในพอร์ตและเรซูเม่
คำถามที่พบบ่อย
Data Science กับ Data Scientist ต่างกันยังไง
Data Science หรือวิทยาการข้อมูล คือชื่อสาขาวิชาและศาสตร์ของการใช้ข้อมูลตอบคำถาม ส่วน Data Scientist หรือนักวิทยาศาสตร์ข้อมูล คือชื่อตำแหน่งงานของคนที่วิเคราะห์ข้อมูลและสร้างแบบจำลองให้องค์กร
จบสายศิลป์หรือสายอื่นมาทำ Data Science ได้ไหม
ได้ หลายวิชาบน Thai MOOC เปิดสำหรับคนที่ไม่ต้องมีพื้นฐาน เช่น วิทยาการข้อมูลเบื้องต้นของมหาวิทยาลัยเชียงใหม่ เริ่มจากงานวิเคราะห์ข้อมูลก่อน แล้วค่อยขยับไปงานสร้างแบบจำลองเมื่อสถิติและการเขียนโปรแกรมแน่นขึ้น
Data Science จบมาทำงานอะไรได้บ้าง
หลักสูตรวิทยาการข้อมูลของมหาวิทยาลัยนเรศวรระบุอาชีพไว้ เช่น นักวิทยาศาสตร์ข้อมูล นักวิเคราะห์ข้อมูลทางธุรกิจ นักวิศวกรรมข้อมูล นักวิเคราะห์ข้อมูลเชิงนโยบาย เจ้าหน้าที่กำกับดูแลข้อมูล ผู้ประกอบการทางเทคโนโลยี และนักวิจัยและพัฒนาเทคโนโลยี
Data Science เงินเดือนเท่าไร
เงินเดือนขึ้นกับตำแหน่ง ประสบการณ์ และบริษัท วิธีที่แม่นกว่าการดูค่าเฉลี่ยลอย ๆ คือเปิดประกาศงานของตำแหน่งที่สนใจแล้วดูเงินเดือนที่บริษัทระบุไว้ จากนั้นใช้ประกอบการต่อรองตามประสบการณ์ของคุณ
AI จะมาแทน Data Scientist ไหม
AI ช่วยให้ Data Scientist เขียนโค้ดและดึงข้อมูลได้เร็วขึ้น แต่คนยังต้องตั้งคำถามธุรกิจ ตัดสินว่าผลเชื่อได้แค่ไหน และอธิบายให้คนตัดสินใจเข้าใจ ฝึกใช้ AI เป็นผู้ช่วยไว้ด้วย
พร้อมเริ่มงานสายข้อมูลแล้วหรือยัง
ดูตำแหน่งที่เปิดรับและคุณสมบัติที่บริษัทต้องการได้ที่ หางาน Data Science บน JOBTOPGUN ก่อนสมัคร สร้าง Super Resume (เข้าสู่ระบบหรือสร้างบัญชีก่อน) ใส่ทักษะ ใบประกาศนียบัตร และผลงานให้ครบ แล้วใช้ Super Resume นี้สมัครงาน
แหล่งอ้างอิง
- TCAS70 ระบบการคัดเลือกบุคคลเข้าศึกษาต่อในระดับมหาวิทยาลัย ปีการศึกษา 2570 (mytcas.com)
- Thai MOOC แพลตฟอร์มการเรียนรู้ออนไลน์ รายวิชาทั้งหมด (thaimooc.ac.th)
- ศัพท์บัญญัติ สำนักงานราชบัณฑิตยสภา ค้นคำ “data science” (coined-word.orst.go.th)
- มหาวิทยาลัยนเรศวร, มคอ.2 หลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาวิทยาการข้อมูล (หลักสูตรปรับปรุง พ.ศ. 2569)
- มหาวิทยาลัยบูรพา, หลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาวิทยาการข้อมูลและการวิเคราะห์ข้อมูล (หลักสูตรปรับปรุง พ.ศ. 2569)
- มหาวิทยาลัยสงขลานครินทร์, มาตรฐานกำหนดตำแหน่งพนักงานมหาวิทยาลัย ตำแหน่งนักวิทยาศาสตร์ข้อมูล
