BI Analyst กับ ETL Developer ทำอะไร เข้ามามีส่วนช่วยใน BI อย่างไร
สำหรับวงการ data หนึ่ง buzzword ที่ทุกคนมักจะได้ยินอยู่เสมอคือ Business Intelligence หรือ BI ซึ่ง BI นั้นครอบคลุมถึงแนวคิดของกระบวนการตั้งแต่การนำข้อมูลดิบเข้ามาดัดแปลง ไปจนถึงการนำข้อมูลเหล่านี้ไปแสดงผลให้ผู้รับสารเข้าใจได้โดยง่าย และสามารถนำไปสู่การสรุปข้อมูลเชิงลึก การที่จะดำเนินการขั้นตอนเหล่านี้ให้สำเร็จผล จำเป็นต้องมีทีมงานในหลาย ๆ ตำแหน่งเข้ามามีส่วนร่วม
ก่อนที่จะเข้าไปถึงตำแหน่งงานทั้งสองนั้น เราควรถอยหลังมาสักก้าวเพื่อทำความเข้าใจความหมายของ Business Intelligence กันเสียก่อน BI เป็นแนวคิดในการค้นหาข้อมูลเชิงลึก (insight) จากข้อมูลดิบ (data) และสรุปออกมาในรูปแบบรูปภาพเพื่อให้คนดูเข้าใจได้ง่ายขึ้น และนำไปสู่ความสามารถในการวางกลยุทธ์หรือทำการตัดสินใจในกระบวนการทางธุรกิจต่อไป แนวคิดนี้อาศัยเทคนิคหลาย ๆ อย่าง ตั้งแต่การนำข้อมูลเข้า Data Warehouse การเก็บข้อมูลให้มีประสิทธิภาพ ทำ Data Modeling ทำ Data Analysis รวมไปถึงการทำ Data Visualization เพื่อแสดงผลออกมาให้คนดูเข้าใจ รูปแบบ (pattern) ของข้อมูลได้ง่ายขึ้น ดังที่จะเห็นในแผนภาพ BI System ด้านล่างที่ครอบคลุมจากต้นทางของการรวบรวมข้อมูล ไปจนถึงปลายทางในการสรุปผลข้อมูลให้กับคนรับสาร
BI Analyst เป็นตำแหน่งที่โฟกัสในส่วนของ data ไปจนถึง Reporting Layer เป็นคนที่สามารถแปลง requirement ภาษาธุรกิจให้ออกมาในรูป technical requirement ได้ เช่น ลูกค้าอยากทราบยอดผลประกอบการในมุมมองหนึ่งผ่านเงื่อนไขบางอย่าง ต้องพิจารณาว่า ข้อมูลที่ทางลูกค้ามีให้เรานั้นเพียงพอที่จะทำหรือไม่ ถ้าเพียงพอ เราต้องทำออกมาในรูปแบบไหนเพื่อที่จะส่งมอบให้ลูกค้าได้ ในส่วนของการทำ Data Analysis ต้องอาศัยความรู้ ความเข้าใจข้อมูลเชิงธุรกิจของลูกค้าเป็นอย่างดี เพื่อให้คำแนะนำที่มีน้ำหนัก รวมทั้งกลยุทธ์ต่าง ๆ ให้กับทางลูกค้าได้ในที่สุด
ทักษะที่ BI Analyst ต้องใช้
- Data Analysis + Business Acumen (การวิเคราะห์ข้อมูลและความเข้าใจธุรกิจของลูกค้า) สิ่งที่สำคัญที่สุดคือการเข้าใจในตัวธุรกิจและ metric ที่สำคัญในธุรกิจนั้น ๆ เพื่อที่จะสามารถให้คำแนะนำที่มีน้ำหนักได้ ยกอย่างเช่นที่ Sertis เรามีความเชี่ยวชาญในการวิเคราะห์ให้แก่กลุ่มลูกค้าธุรกิจ Retail ได้อย่างตอบโจทย์และมีประสิทธิภาพ เนื่องจากเรามีประสบการณ์ในธุรกิจประเภทนี้มากเป็นพิเศษ
- Data Query (การดึงข้อมูล) ลักษณะข้อมูลที่เป็น Big Data ของลูกค้าส่วนใหญ่จะถูกเก็บอยู่ในรูปแบบ Structured Data ทักษะการใช้ SQL จึงเป็นทักษะสำคัญ นอกจากนี้ยังมีการใช้ภาษาโปรแกรมมิ่งอื่น ๆ เช่น Python และ R ซึ่งมีส่วนช่วยในการ explore ข้อมูลเพิ่มเติมในกรณีที่ได้รับข้อมูล ad hoc ที่มีขนาดเล็กกว่า Big Data แต่ว่าใหญ่เกินกว่าจะเปิดบน Excel ได้โดยที่คอมพิวเตอร์ไม่ค้างไปซะก่อน การเลือกใช้ภาษาโปรแกรมมิ่งตัวอื่นเข้ามาช่วยจึงเป็นทางลัดในการ explore ข้อมูล โดยที่เราไม่ต้องนำข้อมูลเข้าไปใน database
- Communication การสื่อสารเป็นสิ่งสำคัญ ไม่ว่ากับบุคลากรภายนอกอย่างลูกค้าหรือภายในองค์กร เช่น เพื่อนร่วมงาน หัวหน้างานในทีมเรา การสื่อสารที่ใช้มีตั้งแต่ระดับ Non Technical ที่เราต้องตัดทอนรายละเอียดหลายส่วนเหลือเพียงใจความสำคัญเพื่อทำให้คนฟังไม่รู้สึกหลุดหรือหลงระหว่างฟังศัพท์เทคนิคยาก ๆ ไปจนถึงคนฟังในระดับเดียวกันที่เข้าใจการอธิบายใน technical เชิงลึก
- BI, Big Data Concept Understanding ทั้ง 2 ตำแหน่งเข้ามามีส่วนร่วมใน BI System แล้ว แต่ถ้าไม่เข้าใจภาพรวมของ BI ก็จะแปลก ๆ สักหน่อย อย่างน้อยเราควรเข้าใจถึงภาพรวมกับบทบาทของเราว่า เราเข้ามามีส่วนร่วมใดใน BI System บ้าง อีกทั้งเข้าใจรายละเอียดเบื้องต้นในส่วนอื่น ๆ ของ BI System แม้ว่าจะไม่ใช่หน้าที่ของเรา แต่ความเข้าใจในองค์รวมจะทำให้เราเห็นการเดินทางของตัวงาน ก่อนที่จะมาถึงส่วนงานของเราไปจนถึงปลายทาง มี input, output และ requirement อะไรบ้าง องค์ความรู้นี้จะทำให้เราสามารถคุยกับเพื่อนร่วมงาน รวมถึงให้คำแนะนำลูกค้าได้อย่างมืออาชีพ มากกว่ารู้เพียงเฉพาะแค่เนื้องานที่เราทำเพียงอย่างเดียว