Senior Data Scientist จุดประกายศักยภาพจากทีมเก่งและโจทย์ที่ท้าทาย
Jan 13, 2026
การเติบโตในสายงาน Data Science ไม่ได้ขึ้นอยู่กับจำนวนปีหรือความเชี่ยวชาญใน Algorithm แต่คุณค่าที่แท้จริงเกิดจากการก้าวข้ามความท้าทายให้ธุรกิจสามารถเดินหน้าและสร้างผลลัพธ์ที่มีความหมาย
บทสัมภาษณ์นี้เราได้พูดคุยกับ ไอซ์-พงศ์ปรมัตถ์ จารุจินดา Senior Data Scientist ที่ Data Wow ที่เชื่อว่า การได้ร่วมงานกับทีมงานที่มีศักยภาพและพร้อมเผชิญกับโจทย์ที่ท้าทาย คือเชื้อเพลิงสำคัญที่จุดประกายศักยภาพให้เขาไม่หยุดที่จะเรียนรู้ในทุกวัน
เขาจะมาเล่าถึงมุมมองการทำงานที่เริ่มจากปัญหาของลูกค้าเป็นศูนย์กลางมากกว่าแค่การสร้างโมเดล พร้อมแชร์ประสบการณ์ในการขยายทักษะให้กว้างขึ้นจนเกินกรอบของ Data Science แบบเดิม ๆ ทำให้บทบาทของเขาไม่ใช่แค่การวิเคราะห์ข้อมูล แต่คือการเป็นพาร์ตเนอร์ที่ลูกค้าไว้วางใจในทุกการตัดสินใจ
ทำงานกับทีมที่เก่งจากหลากหลายสาย ทำให้มองปัญหาได้กว้างขึ้น
การทำงานในตำแหน่ง Senior Data Scientist ที่ Data Wow ทำให้ผมได้เรียนรู้ว่า ‘การเติบโต’ ไม่ได้มาจากตำแหน่งหรือปีประสบการณ์ แต่เกิดจากการได้ทำงานร่วมกับคนที่เก่งจากหลากหลายด้าน และได้รับโจทย์ที่ท้าทายจากธุรกิจจริง
สิ่งที่ผมประทับใจที่สุดคือการได้ทำงานร่วมกับทีมที่หลากหลาย ตั้งแต่ Data Engineer, Data Consultant, DevOps, Developer ไปจนถึง Project Manager แต่ละคนมีวิธีคิด และจุดแข็งที่ต่างกัน ทำให้ผมเข้าใจว่าปัญหาเดียวกันมีหลายวิธีแก้ได้ และไม่มีทางที่โซลูชันเดียวจะดีที่สุดเสมอไป เมื่อได้พูดคุยแลกเปลี่ยนมุมองกับทีม ทำให้ผมมองงานในภาพรวมได้กว้างขึ้นมาก และเข้าใจว่าเวลาออกแบบโซลูชันที่ดีต้องคิดถึงทั้งข้อมูล ระบบ คนใช้งาน และข้อจำกัดของธุรกิจด้วย
โจทย์ยากจากลูกค้าหลากหลายอุตสาหกรรม ทำให้เข้าใจธุรกิจมากขึ้น
บทบาท Consulting ทำให้ผมได้สัมผัสเคสที่หลากหลาย ตั้งแต่ระบบแนะนำสินค้า โมเดลทำนายยอดขาย การวิเคราะห์พฤติกรรมลูกค้า ไปจนถึงโปรเจกต์ด้าน Computer Vision ที่ใช้ในโรงงาน ความแตกต่างของโปรเจกต์เหล่านี้ ทำให้ผมเห็นชัดเลยว่า Data Science ไม่สามารถใช้ Algorithm เดิม ๆ แล้วจบ แต่ต้องปรับให้เข้ากับบริบทของธุรกิจนั้น ๆ ด้วย
จุดเริ่มต้นสำคัญที่สุด คือ 'ปัญหาของลูกค้า' มาก่อนโมเดลเสมอ
สิ่งที่เราเน้นมากในทีมคือ เริ่มต้นจากปัญหาก่อนเสมอ เราใช้มุมมองแบบที่ปรึกษาโดยตั้งคำถามที่บางครั้งลูกค้าเองอาจไม่ทันได้คิด เช่น
- สิ่งที่กำลังทำอยู่ช่วยธุรกิจลูกค้าได้จริงไหม?
- ถ้าสร้าง AI จะคุ้มค่าจริงหรือเปล่า?
- เป้าหมายของโปรเจกต์นี้ช่วยอะไรกับธุรกิจของลูกค้า?
บางครั้งคำตอบที่ดีที่สุดไม่ใช่ AI หรือโมเดลล้ำ ๆ เลย แต่เป็นการ Automation แบบง่ายหรือเริ่มจากปรับปรุงกระบวนการภายใน ซึ่งเราก็ต้องกล้าบอกลูกค้าตรง ๆ ว่า ‘ทำแบบนี้จะคุ้มค่ามากกว่า’
การมองเห็นผลลัพธ์ทางธุรกิจที่ลูกค้าจะได้รับ ทำให้บทบาทของเราเป็นมากกว่าแค่คนสร้างโมเดล แต่คือการเป็นพาร์ตเนอร์ที่ช่วยลูกค้าตัดสินใจอย่างมีข้อมูล
ขยายทักษะจนเกินกรอบ Data Science เดิม
โปรเจกต์หลายตัวพาผมออกจาก Comfort Zone เช่น
Fouling Prediction
โปรเจกต์แรกที่ต้องรับช่วงงานต่อจากทีมเดิม ทำให้ผมต้องเร่งทำความเข้าใจทั้งบริบทอุตสาหกรรม ข้อมูลจาก Sensor จำนวนมาก และโมเดลที่มีอยู่ เพื่อนำมาต่อยอดเป็น Web Application สำหรับ Monitor และพยากรณ์แนวโน้มตะกรันล่วงหน้าประมาณหนึ่งเดือน รวมถึงช่วยวางแผนการล้างท่อและการปิดโรงงานเพื่อ Maintenance
ความท้าทายคือข้อมูลมีความซับซ้อนและย้อนหลังจำกัด จึงต้องรีดประสิทธิภาพของโมเดลให้มากที่สุด พร้อมฝึกการสื่อสารกับลูกค้าเพื่ออธิบายข้อจำกัดของโมเดล และได้เรียนรู้พื้นฐานด้าน Data Engineering จากการลงมือทำจริงร่วมกับทีม
Water Level Forecasting
โปรเจกต์แรกที่ได้ดูแลตั้งแต่ต้นจนจบ โดยพัฒนา Web Application สำหรับ Monitor และพยากรณ์ระดับน้ำล่วงหน้า 7 วัน ความท้าทายอยู่ที่การจัดการข้อมูลจากหลายสถานีที่อยู่คนละตำแหน่ง ต้องทำ Data Cleaning อย่างละเอียด และศึกษา Research เพื่อหาแนวทางที่เหมาะกับบริบทประเทศไทย
นอกจากงานด้านโมเดล ผมยังได้เห็นภาพรวมของการทำงานข้ามสายงาน และมีโอกาส Training ลูกค้าจำนวนมากเป็นครั้งแรก ซึ่งช่วยพัฒนาทักษะการสื่อสารและความมั่นใจอย่างมาก
Defect Detection
โปรเจกต์ Computer Vision สำหรับตรวจสอบคุณภาพสินค้าในสายการผลิตจริง ที่ไม่ได้จบแค่โมเดล AI แต่ต้องดูแลทั้งระบบ Real-time Dashboard และ Workflow สำหรับ Operator
ช่วงเริ่มต้นยังไม่มี Developer และ UX/UI Designer ทำให้ต้องรับหลายบทบาท ตั้งแต่เก็บ Requirements ออกแบบ Web ไปจนถึงวางโครงสร้างฐานข้อมูล รวมถึงแก้ปัญหา Hardware อย่างกล้องที่โฟกัสวัตถุยาก และ Optimize ระบบให้รันได้บน PC ที่มี Spec จำกัดของลูกค้า
Vehicle Detection
โปรเจกต์ที่ผสาน Computer Vision และ Time Series Forecasting ผ่านระบบตรวจจับรถจากกล้อง CCTV และพยากรณ์ค่าฝุ่น โดยรันทั้งหมดบน Google Cloud Platform
ความท้าทายคือการออกแบบระบบให้ประมวลผลกล้อง 15 ตัวได้ทุก 30 วินาที ภายใต้งบประมาณและทรัพยากรที่จำกัด ซึ่งทำให้ผมได้เรียนรู้การออกแบบ Architecture ร่วมกับทีม DevOps และคิดเชิงระบบมากขึ้น ตั้งแต่การเลือก Service ไปจนถึงการ Optimize Flow การทำ Inference
สิ่งเหล่านี้ทำให้ผมเข้าใจว่า Data Scientist ยุคใหม่ต้องรู้รอบด้าน และสื่อสารกับทีมอื่นได้อย่างมีประสิทธิภาพ
เรียนรู้ทักษะการสื่อสารและบริหารความคาดหวังกับลูกค้า
การทำงานร่วมกับ Project Manager ทำให้ผมเห็นมุมที่สำคัญมาก ๆ คือ จัดการความคาดหวังและสื่อสารให้ชัดเจน เพราะโมเดลที่ดีไม่ได้แค่แม่นยำสูง แต่ต้องตอบโจทย์ที่ลูกค้าต้องการจริง ๆ เราต้องคุยกันให้เข้าใจตั้งแต่แรกว่า ข้อจำกัดมีอะไรบ้าง บางครั้งการเสนออีกทางเลือกอื่นที่ตอบโจทย์กับธุรกิจลูกค้ามากกว่า กลายเป็นคำแนะนำที่สร้างคุณค่า และสร้างความเชื่อมั่นให้กับลูกค้าและทีมของเรา
Data Wow พื้นที่ที่พร้อมผลักดันให้เติบโต
การทำงานที่ Data Wow ทำให้ผมได้เจอความท้าทายใหม่ ๆ ทั้งจากทีม งาน และลูกค้า ซึ่งทั้งหมดนี้เป็นแรงผลักดันการเติบโต ผมได้รับ Feedback จากผู้เชี่ยวชาญหลายด้าน ได้เห็นตัวอย่างการทำงานจริงในหลายอุตสาหกรรม และได้พัฒนาทั้งทักษะด้านเทคนิคและ Soft skills ไปพร้อมกัน
สุดท้ายแล้ว การเติบโตจะเกิดขึ้นเมื่อเรายอมก้าวออกจากสิ่งที่คุ้นเคย และ Data Wow คือที่ที่ทำให้ผมได้ก้าวแบบนั้นในทุกวัน
.
ประสบการณ์ของ Senior Data Scientist จาก Data Wow สะท้อนให้เห็นว่างานด้าน Data ไม่ได้สร้างคุณค่าแค่โมเดลหรือเทคนิค แต่เกิดจากการเห็นปัญหาและพร้อมที่จะแก้ปัญหานั้นร่วมกับทีม ทั้งโจทย์ที่ท้าทายและพื้นที่ที่เปิดโอกาสให้ก้าวออกจากกรอบเดิม คือสิ่งที่ผลักดันให้เขาได้เติบโตอย่างต่อเนื่อง
หากคุณกำลังมองหาโอกาสในการทำงานที่สร้างคุณค่าทั้งต่อตนเอง ลูกค้า และทีม มาร่วมเป็นส่วนกับ Data Wow เราพร้อมผลักดันให้คุณเติบโตทุกวัน ดูตำแหน่งงานว่างและสมัครเลย!
ติดต่อเรา
ซอยสุขุมวิท 69 แขวงพระโขนงเหนือ เขตวัฒนา
กรุงเทพมหานคร 10110
ประเทศไทย
