อาชีพนักวิทยาศาสตร์ข้อมูล หรือ Data scientists เป็นอาชีพที่อาศัยทักษะการนำข้อมูลขนาดใหญ่มาใช้ประโยชน์  โดยผ่านกระบวนการเก็บและจัดการข้อมูลขนาดใหญ่ วิเคราะห์ข้อมูลหารูปแบบความสัมพันธ์ของข้อมูลที่ซ่อนอยู่โดยการสร้างโมเดลทางคณิตศาสตร์  เมื่อวิเคราะห์ออกมาแล้ว จึงนำสิ่งเหล่านั้นมาช่วยในการตัดสินใจทางธุรกิจ การพัฒนาสินค้า บริการ รวมทั้งทำนายผลประกอบการที่จะเกิดขึ้นในอนาคต 

       เมื่อการทำงานหลัก ๆ ต้องอยู่กับข้อมูลจำนวนมหาศาล หรือที่ใคร ๆ ทุกวันนี้เรียกกันว่า Big Data ทำให้สิ่งสำคัญที่นักวิทยาศาสตร์ข้อมูลพึงมี นอกจากการค้นคว้า คิดวิเคราะห์แล้ว การตั้งคำถามให้ตรงจุด รู้จักเลือกสรรวัตถุดิบหลักอย่างข้อมูลจำนวนมากมาใช้ประโยชน์ได้อย่างถูกต้องเหมาะสม แล้วจึงดำเนินการวิเคราะห์หาคำตอบเพื่อพัฒนาองค์กรต่อไป

ลักษณะงาน

• สายการแพทย์, วิทยาศาสตร์สุขภาพ ที่นำ Big Data ไปทำ AI ช่วยในการรักษา
• สายการตลาด Big Data จะช่วยวิเคราะห์พฤติกรรมลูกค้า  ทำให้การตลาดออกโปรโมชั่นส่งเสริมการขายได้ง่ายขึ้นและตรงกลุ่มเป้าหมายมากขึ้น
• สาย Retail  ช่วยธุรกิจวิเคราะห์ว่าควรเปิดร้านค้าตรงไหน  ถ้าเปิดแล้วจะขายได้ไหม คู่แข่งเป็นอย่างไร ยกตัวอย่าง Starbucks ที่เปิดร้านโดยใช้ Big Data ในการวิเคราะห์

ขั้นตอนการทำงาน

       หากจะยกตัวอย่างการทำงานของบริษัทแห่งหนึ่ง คือ 

โจทย์ : ลูกค้าบริษัท A ต้องการขายผลิตภัณฑ์ในประเทศจีน โดยเป็นรูปแบบ e-commerce

คำถาม : ลูกค้าของบริษัท A คือใครในประเทศจีน  ต้องทำการตลาดอย่างไร ถ้าลงทุนจะคุ้มหรือไม่ และลูกค้าของบริษัท A มีพฤติกรรมอย่างไร  
เมื่อได้รับโจทย์ดังกล่าว นักวิทยาศาสตร์ข้อมูล หรือ Data Scientist จะเริ่มทำงานโดยเราจะเรียก Process ตั้งแต่ต้นจนจบว่ากระบวนการทาง Data Science

• เก็บข้อมูล (Collect) :  ทำการเก็บข้อมูลของลูกค้า e-commerce ของ TaoBaoTmall (สมมุติ) เนื่องจาก TaoBaoเป็นตลาดe-commerceที่ใหญ่ที่สุดในประเทศจีน ทุกคนซื้อของ online ในนี้เป็นจำนวนมาก  วิธีการเก็บข้อมูลมีหลายวิธีและขึ้นอยู่กับข้อมูลที่เราต้องการ  ซึ่งพอเราได้ข้อมูลจำนวนมากมาแล้วหรืออาจเรียกได้ว่าเป็น Big Data เราก็ต้องหาที่เก็บข้อมูล
• การจัดการข้อมูล (Manage Data) : เมื่อเราได้ข้อมูลที่ต้องการมาแล้ว  สมมติว่าเป็นข้อมูลขอลูกค้าที่ใช้บริการ TaoBaoTmallและเป็นผลิตภัณฑ์คล้ายกันกับของบริษัท A   ข้อมูลที่เราได้มานั้นเราต้องนำมาผ่านกระบวนการที่เรียกว่า “การทำความสะอาดข้อมูล” (Data Cleaning/Data Wrangling) เพื่อกำจัดข้อมูลที่ใช้ไม่ได้ออกไป  หรือก็คือการคัดแยกข้อมูลนั่นเอง เป็นกระบวนการที่กินเวลามากที่สุดในการทำ Data Science  เมื่อเสร็จกระบวนการ Data Cleaning เราจะเก็บลงฐานข้อมูล   การเก็บข้อมูลลงในฐานข้อมูลนั้นมีความสำคัญมากในการนำข้อมูลไปใช้  จึงจำเป็นต้องออกแบบและเลือกเก็บข้อมูลลงในฐานข้อมูลที่เหมาะสมกับข้อมูลของเรา เช่น นำข้อมูลมาสร้างเป็นกราฟ เพื่อให้ง่ายต่อการทำความเข้าใจ
• วิเคราะห์ข้อมูล (Analyze) เป็นขั้นตอนที่เราเอาข้อมูลที่พร้อมใช้งานมาวิเคราะห์เพื่อหาความสนใจของข้อมูล เพื่อนำมาใช้ในการตัดสินใจในการทำธุรกิจ หรืออาจสร้างโมเดลทางคณิตศาตร์เพื่อหารูปแบบความสัมพันธ์ของข้อมูล (Pattern) เพื่อที่เราจะได้เข้าใจพฤติกรรมผู้บริโภค 
• การนำข้อมูลมาช่วยในการตัดสินใจ (Decision) เราจะทำสรุปผลวิเคราะห์ (Data Visualization) ให้เข้าใจง่าย เพื่อนำงานไปเสนอทีม หรือลูกค้าต่อไป

สถานที่ทำงาน

• ออฟฟิศ ถือเป็นสถานที่ทำงานหลัก ๆ ของนักวิทยาศาสตร์ข้อมูลเลยที่เดียว เพราะส่วนใหญ่การจัดเก็บข้อมูลมหาศาล จะอยู่เพียงแค่ในองค์กรเท่านั้น นอกจากจะมีการตกลงกับผู้ว่าจ้างที่สามารถยืดหยุ่นให้ทำงานนอกสถานที่ได้

ผู้ที่ต้องทำงานด้วย

• หากเป็นบริษัทเล็ก ๆ นั้น กระบวนการทำงาน Data Science อาจทำได้โดยคน ๆ เดียว แต่หากเป็นบริษัทขนาดกลางและใหญ่หากอาจมีเพื่อนร่วมทีม 

• หากเป็นบริษัทขนาดใหญ่ที่มีการตั้งทีม Data โดยเฉพาะ จะมีสมาชิกในทีมที่ประกอบด้วย Data Scientist, Data engineer และ Data Analyst 

ตำแหน่งและเส้นทางการเติบโต

• Entry level :ประสบการณ์ทำงาน 1-3 ปี ที่เติบโตมาจาก ตำแหน่ง Officer หรือ Specialist
• Associate :เป็นกลุ่มตำแหน่งผู้ช่วยผู้จัดการ หรือหัวหน้าแผนก 
• Mid-Senior level :อยู่ในตำแหน่งผู้จัดการ 
• Director & Executive : ในประเทศไทยตอนนื้ที่เคยเปิดรับมีอยู่ 8 บริษัท และคาดว่าในอนาคตน่าจะมีการเปิดรับมากขึ้น แต่ในต่างประเทศอย่างสิงค์โปร์  อเมริกา มีหลายอัตราที่เปิดรับในตำแหน่งนี้

เงินเดือน 

       ฐานเงินเดือนทั่วไปที่ประกาศรับสมัครงานในประเทศไทยจะเริ่มต้นที่ 30,000 จนถึงสูงสุดคือ 100,000 ขึ้นไป
ซึ่งอัตราฐานเงินเดือนค่าจ้างขึ้นอยู่กับความสามารถและตำแหน่งและหน้าที่ความรับผิดชอบของแต่ละบุคคลด้วย

การแข่งขันและความต้องการของตลาด

       ในปัจจุบัน อาชีพนักวิทยาศาสตร์ข้อมูลนั้นเป็นอาชีพที่ยังใหม่และมีหลากหลายรูปแบบและสายงาน โดยเฉพาะสำหรับประเทศไทยยังมีสายอาชีพนี้ค่อนข้างน้อย Data Scientist จึงเป็นที่ต้องการของตลาดอยู่มาก

• เป็นสายงานที่ยังใหม่ในประเทศไทย การแข่งขันยังน้อย ยังมีเวลาเพิ่มพูนทักษะต่าง ๆ
• สามารถไปเติบโตในตลาดต่างประเทศได้ง่าย

• ต้องอดทนกับปริมาณข้อมูลจำนวนมาก ซึ่งอาจทำให้เกิดความเครียดจากความกดดันต่าง ๆ
• บางครั้งหากงานหนักจนทำให้หมดไฟได้ง่าย ๆ ก็อาจจะส่งผลต่อคุณภาพของงานได้

• พัฒนาตัวเองอยู่เสมอและหมั่นศึกษาหาความรู้ใหม่ ๆ เพราะรอบตัวเรามันหมุนเร็ว หัวไว ประยุกต์ใช้ได้ทันที โดยนำความรู้จากหลายแขนงมาสร้าง solution ให้ผู้บริโภคได้สินค้าและบริการที่ดีและมีคุณภาพมากขึ้น จึงต้องมีความกระตือรือร้นที่จะเรียนรู้อะไรใหม่ๆตลอดเวลา และสนุกไปกับมัน (เพราะจะเจอแต่โจทย์ของข้อมูลที่ต้องแก้)
• ช่างสงสัยและตั้งคำถามตรงประเด็น เพราะนักวิทยาศาสตร์ข้อมูลต้องรู้จักตั้งคำถามจากข้อมูลได้และสนุกที่จะค้นคว้าหาคำตอบ เมื่อตอบได้แล้ว จะก่อให้เกิดการพัฒนาที่ดีขึ้น แล้วนำข้อมูลมาย่อย เพื่อตอบคำถามนั้น แล้วนำไปสื่อสารให้กับหน่วยงาน เพื่อเกิดแผนไปพัฒนาต่อไปได้
• มีความรู้พื้นฐานทางด้านธุรกิจ เพราะผลการวิเคราะห์ข้อมูลของเรา จะเป็นตัวแปรสำคัญในการวางแผนการดำเนินงาน พื้นฐานทางด้านธุรกิจที่ดี จะช่วยให้เราเข้าใจข้อมูลและวิเคราะห์ผลออกมาได้ดี

• ทักษะทางคณิตศาสตร์และสถิติ เป็นทักษะพื้นฐานที่เราต้องได้ใช้งานอย่างแน่นอน โดยเฉพาะกับการทำงานวิเคราะห์ Big Data 
• ทักษะทางคอมพิวเตอร์และไอที เนื่องจากข้อมูลที่เราจะนำมาวิเคราะห์นั้นเป็นBig Data เราจำเป็นต้องใช้โปรแกรมในการวิเคราะห์ออกมา
• ทักษะการคิดวิเคราะห์ เพราะต้องใช้การคิด วิเคราะห์ แยกแยะ สังเคราะห์ ข้อมูลและบริบทอื่น ๆ และนำไปประยุกต์ใช้ได้ในความเป็นจริง
• ทักษะในการสื่อสาร เพื่อสื่อสารให้ผู้อื่นเข้าใจถึงข้อมูลที่เราวิเคราะห์ออกมา 
• ทักษะการทำงานเป็นทีม เป็นทักษะพื้นฐานที่สำคัญ ไม่ว่าสายงานไหน ๆ ก็ต้องเป็น Teamwork

การศึกษา

Hard Skills 

       สำหรับความรู้เฉพาะทางที่น้อง ๆ ที่สนใจอาชีพนักวิทยาศาสตร์ข้อมูล แล้วอย่างฝึกฝนไว้ มีคร่าว ๆ ดังนี้ 

• Python , R Coding (หรือโปรแกรมวิเคราะห์อื่น ๆ )
• Machine Learning & AI 
• Data Visualization
• Unstructured Data

นอกจากนี้พยายามเน้นตั้งใจเรียนในวิชาคณิตศาสตร์และวิทยาศาสตร์ให้มากเข้าไว้ เพราะการจะเป็นนักวิทยาศาสตร์ข้อมูล อาจจะมาได้จากหลายสาย ทั้งด้านคอมพิวเตอร์ไอที, คณิตศาสตร์สถิติ หรือสายวิเคราะห์ธุรกิจก็ได้ 

Soft Skills 

• ฝึกการตั้งคำถามและค้นคว้าคำตอบ หมั่นใช้เวลากับการวิเคราะห์ข้อมูลตัวเลขต่าง ๆ 
• ฝึกทักษะการสื่อสาร การนำเสนอ การทำกราฟต่าง ๆ เพื่อให้ผู้อื่นเข้าใจได้ง่าย 
• การทำงานกลุ่มบ่อย ๆ จะช่วยให้น้อง ๆ เพิ่มพูนทักษะการทำงานเป็นทีมมากขึ้น 

กิจกรรมต่าง ๆ 

• ติดตามบทความข่าวสารเรื่อง Big Data หรือสายงาน Data Science เช่น  Page Data Science Thailand 

วิชาเรียน

• ชั้นปี 1 จะเรียนวิชาพื้นฐานทั่วไป ภาษาไทย ภาษาอังกฤษ คณิตศาสตร์ วิทยาศาสตร์ นันทนาการ พื้นฐานสารสนเทศและวิทยาการข้อมูล การเขียนโปรแกรมคอมพิวเตอร์ การตลาดเบื้องต้น
• ชั้นปี 2  เริ่มลงลึกทางด้านการวิเคราะห์ข้อมูล การทำระบบ การเขียนโปรแกรม บัญชี กระบวนการต่างๆ
• ชั้นปี 3  นอกจากวิชาบังคับทั่วไป ครึ่งหนึ่งจะสามารถเลือกได้ว่าอยากเรียนวิชาเลือกอะไรตามความสนใจ อาจมีการทำโครงงาน และมีการฝึกงานในเทอมที่ 3 ของปีนี้
• ชั้นปี 4  เตรียมการและทำโครงงาน / สัมมนา และวิชาเลือกตามความสนใจ

• นักวิเคราะห์ข้อมูล (Date Analyst)
• โปรแกรมเมอร์ (Programmer)
• นักสถิติ