ตอนที่สี่ของซีรีส์ "สัมภาษณ์คนไทยในซิลิคอนวัลเลย์" มาคุยกับ__คุณวิโรจน์ จิรพัฒนกุล คนไทยใน Facebook__ ที่ทำงานเป็น Data Scientist ตำแหน่งงานสุดฮ็อตของวงการไอทีในรอบไม่กี่ปีที่ผ่านมา

ในบทสัมภาษณ์นี้ คุณวิโรจน์จะมาแนะนำวงการวิทยาศาสตร์ข้อมูล (Data Science) รวมถึงงานในสาขาใกล้เคียงกันทั้ง Data Visualization, Machine Learning และประสบการณ์ทำงานใน Facebook ครับ หวังว่าคงเป็นประโยชน์กับน้องๆ ที่กำลังสนใจศึกษาในสาขาวิชาเหล่านี้

ประวัติความเป็นมา แนะนำตัวหน่อยครับ

ชื่อต้าครับ วิโรจน์ จิรพัฒนกุล จบการศึกษาระดับปริญญาตรีสาขา วิศวกรรมคอมพิวเตอร์ จากจุฬาลงกรณ์มหาวิทยาลัย หลังจากนั้นมาศึกษาต่อระดับปริญญาโทและเอกที่ Massachusetts Institute of Technology (MIT) สาขา Transportation และ Operations Research

งานวิจัยที่ทำเกี่ยวกับการวางแผนระบบขนส่ง เช่น ตารางบินของสายการบิน, เส้นทางรถเมล์ รถไฟ, และเครือข่ายสถานีเช่าจักรยาน เป็นต้น

ทำไมถึงตัดสินใจมาเรียนด้าน Operations Research และสาขาวิชานี้สามารถจบมาประกอบอาชีพอะไรได้บ้าง

ตอนช่วงปริญญาตรี ได้เรียนวิชาแนวอัลกอริทึม เรียนเขียนโปรแกรมเพื่อแก้ปัญหาต่างๆ พบว่าตัวเองชอบงานแนวนี้ เลยอยากศึกษาเพิ่มเติมมากขึ้น

Operations Research เป็นสาขาวิชาที่นำความรู้หลายๆสาขา เช่น สถิติ คณิตศาสตร์ และคอมพิวเตอร์ มาประยุกต์ใช้เพื่อสร้างแบบจำลองทางคณิตศาสตร์ (mathematical models) และนำมาใช้ในการประกอบการตัดสินใจหรือแก้ปัญหาต่างๆ ในการดำเนินธุรกิจ เช่น การวางแผนการลงทุน (portfolio optimization) จะซื้อลงทุนในหุ้นหรือกองทุนไหนให้ได้กำไรมาก ความเสี่ยงน้อย, การกำหนดราคาสินค้าอย่างโรงแรม หรือ ตั๋วเครื่องบิน ที่ราคาจะเปลี่ยนแปลงไปตลอดเวลา (dynamic pricing), การวางแผนระบบลอจิสติกส์หรือเครือข่ายขนส่งสินค้า (scheduling, routing, network optimization) เป็นต้น

คนที่จบสาขานี้ส่วนใหญ่จะเป็นนักวิจัยหรือนักวิเคราะห์ ช่วยบริษัทวางแผนการดำเนินธุรกิจ

MIT ถือเป็นสถาบันที่มีชื่อเสียงระดับโลกด้านวิศวกรรม ประสบการณ์การเรียนที่นี่เป็นอย่างไรบ้าง ยากลำบากแค่ไหน

ยากอยู่ครับ โดยเฉพาะช่วงแรกที่ไป แถมเราไม่ได้เรียนสายนี้มาโดยตรงตอนปริญญาตรีด้วย เลยต้องปรับตัวพอสมควร

การเรียนถือว่าหนักมากเมื่อเทียบกับเมืองไทย การบ้านค่อนข้างเยอะ แต่เป็นประสบการณ์ที่ดีครับ ได้เรียน ได้ร่วมงานกับอาจารย์ที่มืชื่อเสียงระดับโลกหลายๆคน ได้รู้จักกับเพื่อนที่เก่งๆ จากทั่วโลก และได้เห็นนวัตกรรมใหม่ๆ ก่อนคนอื่น

มาทำงานกับ Facebook ได้อย่างไร

ช่วงที่ทำงานวิจัยที่ MIT ได้ทำงานกับข้อมูลค่อนข้างเยอะ ประกอบกับช่วงตอนใกล้จบ งานตำแหน่งนักวิทยาศาสตร์ข้อมูล (Data Scientist) เป็นสายอาชีพที่กำลังต้องการมาก เลยลองสมัครงานทางด้านนี้ดู

ตอนนั้นสมัครไปหลายที่ เช่น Twitter, LinkedIn, Square, AirBnB แต่สุดท้ายเลือก Facebook เพราะส่วนตัวชอบผลิตภัณฑ์มากที่สุด และเพื่อนร่วมงานในทีมก็เรียกได้ว่าเป็นระดับแนวหน้าของวงการกันหลายคนทีเดียว

งานที่ทำอยู่ในตอนนี้ใน Facebook

งานที่ทำมีหลากหลายรูปแบบครับ หลักๆ เป็นการวิเคราะห์ข้อมูล เพราะผู้ใช้งาน Facebook มีพฤติกรรมแตกต่างกันไป เราก็เอาข้อมูลการใช้งานมาศึกษาดูว่า ใครใช้งานผลิตภัณฑ์ตัวไหนอย่างไร ใครชอบอะไรไม่ชอบอะไร เพื่อปรับปรุงผลิตภัณฑ์ให้ดีขึ้น หรือได้แนวความคิดสำหรับไปใช้พัฒนาผลิตภัณฑ์ตัวใหม่ต่อไป

บางโปรเจคต์เน้นหนักไปทางพัฒนาเครื่องมือสำหรับใช้ภายในองค์กร เพื่อให้การวิเคราะห์ข้อมูลหรือสร้างโมเดลทำได้รวดเร็วและง่ายยิ่งขึ้น บางครั้งงานก็เป็นการทดลองเปรียบเทียบ (A/B testing) เพื่อทำความเข้าใจว่าตัวแปรไหนมีผลต่อการใช้งานอย่างไร

อยากให้แนะนำวิชาสาขา Data Science สักหน่อย

Data Science คือการนำเอาข้อมูลมาทำการวิเคราะห์ วิจัย และนำผลที่มาใช้ในการปรับปรุงผลิตภัณฑ์ ประกอบการตัดสินใจทางธุรกิจ หรือขับเคลื่อนทิศทางของผลิตภัณฑ์ในอนาคตต่อไป

การนำข้อมูลมาใช้ประกอบการตัดสินใจนั้นมีมานานแล้ว แต่ด้วยปริมาณข้อมูลจากผู้ใช้งาน (user generated contents) ที่มีมากขึ้น และความก้าวหน้าของเทคโนโลยีที่มารองรับข้อมูลมหาศาลเหล่านี้ ทำให้ Data Science ได้รับความสนใจอย่างมากในตอนนี้

สำหรับผู้สนใจสาขา Data Scientist ลองอ่านบทความ Data Scientist: The Sexiest Job of the 21st Century ซึ่งเป็นบทความชิ้นแรกๆ ที่พูดถึงสายอาชีพ Data Scientist แถมตอนนี้หนึ่งในคนเขียนคือ DJ Patil ก็ได้รับแต่งตั้งให้เป็น Chief Data Scientist of the United States ไปเรียบร้อยแล้ว

อันนี้เป็นวีดีโอที่ไปบรรยายที่งาน CodeMania เมื่อต้นปีที่ผ่านมาครับ ในวิดีโอมีตัวอย่างให้ดูนิดหน่อยว่า Facebook ทำอะไรกับ Data บ้าง

ส่วนคนที่สนใจว่า Facebook มีงานอะไรเรื่อง Data Science บ้าง ลองอ่านบทความเหล่านี้ได้

• Facebook Data Science
• Facebook Data Science Publications
• What Facebook Knows

ตลาดนี้มีความน่าสนใจแค่ไหน ถ้าอยากทำงานด้าน Data Science ต้องศึกษาอะไรบ้างครับ

ผมคิดว่าน่าสนใจมากนะครับ ยิ่งช่วงนี้การพัฒนาเว็บและแอพทำได้ง่ายขึ้น มีผลิตภัณฑ์ออกมาให้เลือกใช้เป็นจำนวนมาก ผู้พัฒนาที่เข้าใจผู้ใช้งานมากกว่า ย่อมสามารถปรับปรุงผลิตภัณฑ์ของตัวเองให้น่าใช้งานได้มากกว่าคู่แข่ง เพราะฟีเจอร์ที่ต้องอาศัยข้อมูลจากผู้ใช้งานอย่าง recommender system เรียกได้ว่าเป็นสิ่งที่ขาดไม่ได้สำหรับเว็บในยุคนี้

ตามที่ได้บรรยายในวีดีโอ Data Science เป็นศาสตร์ที่ interdisciplinary (ผมเพิ่งรู้ว่าแปลเป็นภาษาไทยว่า สหสาขาวิชา!) คือเกิดจากการบูรณาการของหลายสาขาวิชา เช่น วิทยาการคอมพิวเตอร์ สถิติ และความรู้เฉพาะทางอื่นๆ อย่างเศรษฐศาสตร์หรือสังคมศาสตร์ ทีม Data Science ที่ Facebook ก็ประกอบไปด้วยผู้คนจากหลากหลายสาขาวิชามาก ผู้ที่สนใจศึกษาด้านนี้จึงต้องมีความรู้หลากหลาย รู้รอบ คุยกับคนสาขาอื่นได้

นอกจากความรู้พื้นฐานเหล่านี้แล้ว การนำข้อมูลที่มีอยู่มหาศาลมาใช้ให้เกิดประโยชน์ได้ ตัว Data Scientist ควรมีความคิดสร้างสรรค์และความเข้าใจในผลิตภัณฑ์เป็นอย่างดีด้วยเช่นกัน

เห็นว่าเคยทำ Data Visualization ด้วย อยากให้แนะนำวงการนี้สักหน่อย

Data Visualization คือการนำข้อมูลมานำเสนอด้วยภาพ เพื่อให้เราเข้าใจข้อมูลที่ซับซ้อนได้ง่ายยิ่งขึ้น หรือใช้ในการสื่อสารผลลัพธ์ที่ได้จากการวิเคราะห์ข้อมูล

หัวใจสำคัญของการทำ Data visualization คือการนำเสนอข้อมูลอย่างถูกต้องและมีประสิทธิภาพ ดังนั้นเราต้องมีความรู้พื้นฐานด้านการเลือกใช้รูปแบบการนำเสนอ การใช้สี ให้เหมาะสมกับประเภทข้อมูล เพื่อให้ผู้อ่านเข้าใจได้ง่าย และอ่านค่าได้อย่างถูกต้อง

กระแส Big Data บูม ทำให้ Data Visualization ได้รับความสนใจมากขึ้น โดยเฉพาะการนำเสนอในรูปแบบของ Interactive Data Visualization ช่วยให้นักวิเคราะห์ข้อมูลสามารถทำ Exploratory Data Analysis หรือการเลือกดูข้อมูลบางส่วน เปรียบเทียบข้อมูลหลายๆกลุ่ม หรือหาความสัมพันธ์ของข้อมูลหลายตัวได้ง่ายและรวดเร็วมากยิ่งขึ้น

สำหรับ tools นั้นมีให้เลือกเยอะมาก ขึ้นอยู่กับความต้องการว่าอยากได้ซับซ้อนขนาดไหน ส่วนตัวตอนนี้ผมใช้ d3.js เป็นหลักครับ

เห็นเคยเข้าประกวดด้าน Machine Learning ด้วย อยากให้แนะนำเรื่องนี้ครับ

Machine Learning คือการเรียนรู้ข้อมูลของเครื่องคอมพิวเตอร์ เพื่อสร้างแบบจำลองไว้ใช้ทำนายค่าหรือจำแนกประเภทในภายหลัง

ยกตัวอย่างง่ายๆ เพื่อให้เข้าใจกระบวนการ ให้ลองเปรียบเทียบว่า เราต้องการสอนเด็กให้แยกแยะส้มกับมะนาวออกจากกัน เราต้องป้อนข้อมูลเด็กโดยเอาส้มกับมะนาวหลายแบบมาให้เด็กดู แล้วบอกเด็กว่านี่คือส้มนะ นี่คือมะนาว

เด็กจะเริ่มเรียนรู้และเข้าใจว่า ส้มมีสีส้มนะ ขนาดใหญ่กว่ามะนาว รสชาติเป็นแบบนี้ กลิ่นเป็นแบบนี้ ทีนี้พอเราเอามะนาวมาให้เด็กดูภายหลัง เค้าจะสามารถแยกแยะได้และบอกได้ว่านี่คือมะนาว

Machine Learning ในปัจจุบันถูกนำมาประยุกต์ใช้อย่างแพร่หลาย เช่น การแนะนำสินค้าหรือข้อมูลต่างๆ บนเว็บไซต์ (recommender system) เราต้องเรียนรู้ว่าผู้ใช้งานแต่ละคนชอบอะไร และกลุ่มผู้ใช้งานที่มีความชอบคล้ายกันนั้นสนใจอะไรกันบ้าง, การแยกแยะเมล์ขยะ (spam detection), การรู้จำเสียงหรือลายมือ (pattern recognition) เป็นต้น

ประสบการณ์การทำงานในสหรัฐ พบว่าวัฒนธรรมการทำงานแตกต่างกับเมืองไทยมากน้อยแค่ไหน

เนื่องจากไม่เคยทำงานประจำที่เมืองไทย อาจเปรียบเทียบได้ไม่ดีเท่าไร แต่ที่ผมชอบโดยส่วนตัวคือบริษัทใส่ใจกับความเป็นอยู่ของพนักงานเป็นอย่างดี บริษัทเหล่านี้เชื่อว่าถ้าพนักงานมีความสุข ก็จะสามารถทำงานอย่างมีประสิทธิภาพ บริษัทจึงมีสิ่งอำนวยความสะดวกและบริการต่างๆ ให้พนักงาน เช่น

• อาหาร รถรับส่ง เพื่อพนักงานไม่ต้องมาเสียเวลากับเรื่องเล็กๆ น้อยๆ
• ส่งเสริมให้พนักงานลาพักร้อนสม่ำเสมอ จะได้ไม่เครียดจนเกินไป
• มีเวลางานยืดหยุ่น ใครสะดวกทำงานเวลาไหนก็ทำ วันไหนไม่มีประชุม อยากอยู่บ้านทำงานเงียบๆ คนเดียวก็สามารถทำได้

ถ้ามีคำแนะนำให้น้องๆ รุ่นหลังที่อยากมาทำงานด้าน IT ในสหรัฐ มีอะไรบ้าง

ผมคิดว่าเด็กไทยเก่งไม่แพ้ใครในโลกนะครับ แถมคนไทยขยัน (หรือถึก!) มากด้วย อุปสรรคอย่างเดียวของบ้านเราคือภาษาอังกฤษ เด็กไทยเรามักตกตั้งแต่สัมภาษณ์รอบแรก (screening interview) เพราะไม่สามารถสื่อสารได้ดี อธิบายความคิดได้ไม่ชัดเจนว่าทำไมถึงเขียนโค้ดออกมากแบบนั้น ถ้าภาษาดีแล้วทุกอย่างก็จะง่ายขึ้นครับ