Perth Woratana 🇦🇺🇹🇭 (@woraperth)

AI ช่วยเขียนโค้ด: ประโยชน์และข้อจำกัด

Mon, 02 Feb 2026 09:32:38 GMT

AI ช่วยให้เขียนโค้ด “เก่งขึ้น” มั้ย?

วันนี้ได้อ่านงานวิจัยจาก Anthropic (คนสร้าง Claude - และเป็น AI ตัว top ที่คนใช้เขียนโค้ดกัน)

เค้าให้ Junior Engineer ที่ใช้ AI อยู่แล้ว 50 กว่าคน มาลองทำงานในโปรเจคใหม่ ครึ่งนึงใช้ AI ช่วย อีกครึ่งไม่ใช้

ปรากฏว่า
- กลุ่มที่ใช้ AI งานเสร็จเร็วกว่าอีกกลุ่ม เฉลี่ยไม่กี่นาที
- แต่พอให้คนสองกลุ่มนี้ทำข้อสอบว่าเข้าใจโค้ดแค่ไหน (ข้อสอบ close book ห้ามถาม AI) ปรากฏว่าคนกลุ่มที่ใช้ AI ทำงาน เฉลี่ยได้คะแนนต่ำกว่าอีกกลุ่ม เกือบ 20%

เค้าเลยสรุปได้ว่า:
การใช้ AI ช่วย ถ้าเป็นคนไม่มีสกิลเลย (ในเคสนี้ คือ โปรเจคใหม่ที่ไม่เคยเห็น) อาจต้องแลกระหว่าง "ความเร็วการทำงาน" ที่เร็วขึ้นเล็กน้อยเท่านั้น กับ "ความเข้าใจโค้ด" ที่จะลดลงแบบเห็นได้ชัด

บางทีการที่เราดิ้นรนเพื่อเข้าใจโค้ด พยายามแก้บั๊ก อาจจะดีกว่าในการสร้างสกิลการทำงานระยะยาว

---

จากประสบการณ์ส่วนตัว:
- 😂 เคสนี้ เห็นด้วยมากว่าถ้า AI ไปอยู่ในมือคนที่เริ่มต้น ไม่รู้ว่าทำอะไรอยู่ มีโอกาสเยอะมากที่จะทำให้คนนั้นโยนทุกอย่างให้ AI ทำหมด ไม่ทำอะไรเองเลย

- 👍 แต่ถ้าคนที่มี Domain expertise อยู่แล้ว (เก่งด้านใดด้านหนึ่ง) พอมี AI จะเก่งมากๆๆๆๆๆ เช่น ที่เห็นใกล้ตัวก็คือ UI Designer ที่รู้จัก ใช้ AI Vibecode ระบบ Design system เอง เชื่อมต่อกับ Figma + ระบบเว็บ แอพ เสร็จสรรพ ทำให้ดีไซน์บนแอพอัปเดทออโต้ได้เอง

AI Terminology Overview

Fri, 12 Dec 2025 12:24:55 GMT

รวมศัพท์ด้าน AI ที่อยากให้รู้กันไว้ สำหรับทุกคนที่สนใจสายนี้ + เบื้องหลังการทำคอร์สพื้นฐาน AI Engineer

วันก่อน ผมเพิ่งมีโอกาสได้ดู AI Engineering Report 2025 ที่เค้า Survey กับ AI Engineer 500 คนทั่วโลก

ในวีดิโอนี้ เค้าก็พูดถึงศัพท์เฉพาะด้าน Gen AI มากมาย เช่น
- LLM, RAG < อันนี้หลาย ๆ คนคงรู้อยู่แล้ว แต่เดี๋ยวโพสนี้จะเล่าให้ฟัง
- Prompt Engineering: Few-shot learning, Chain of thought
- Fine-tuning, LoRA
- Agentic AI
- Transformer, Multimodal
ฯลฯ

มาดูกันว่ามันคืออะไรกันบ้าง 🧵

(2)
ขอเล่าก่อนว่า ถ้าเป็นผมเมื่อต้นปี 2025 ก็ยอมรับว่าไม่เข้าใจเลยว่าแต่ละคำมันคืออะไร

ผมทำงาน Data Engineering เลยไม่ได้มีโอกาสแตะสาย Gen AI เลย

และศัพท์เหล่านี้เพิ่งเป็นกระแสใน 1-2 ปีที่ผ่านมาด้วย ตอนผมเรียน Machine Learning ในปริญญาโทก็ไม่มีศัพท์พวกนี้

โชคดีว่า เมื่อต้นปี ได้มีโอกาสชวนคนไทยที่ทำงานในสาย AI มาหลายปี และเป็นชาว Deep Tech ที่ลงมือสร้าง AI ใช้จริง มาสอนคอร์ส Road to Gen AI Engineer

ผมก็เลยได้เรียนจากเทพ ๆ และได้ความรู้มาด้วย 😂

เลยมาเล่าให้ฟังแบบภาษาง่าย ๆ กัน

(3)
เริ่มจากศัพท์พื้นฐาน:
> LLM = Large language model โมเดลที่รับตัวหนังสือเข้าไป และทำความเข้าใจได้

พวกโมเดลเบื้องหลังระบบ AI ทุกอันที่เราคุย (ChatGPT, Gemini, Claude etc.) ส่วนใหญ่ก็คือ LLM นี่เอง

> RAG = Retrieval-Augmented Generation มีแค่ LLM ตอบคำถามทั่วไปได้ก็จริง แต่ยังตอบคำถามเกี่ยวกับไฟล์ PDF ต่าง ๆ หรือคำถามเกี่ยวกับบริษัทไม่ได้

เลยเกิดเทคนิค ชื่อ RAG ขึ้นมา

RAG ทำให้ LLM ฉลาดขึ้น โดยการใส่ข้อมูลเฉพาะของเราเข้าไป เช่น ข้อมูลส่วนตัว, ข้อมูลบริษัท ทำให้น้องถามไวตอบไวได้นั่นเอง

(4)
ศัพท์ AI ที่ยากขึ้นหน่อย:
> Prompt Engineering: Few-shot learning = การ prompt (คุยกับ AI) มีหลายเทคนิค

การทำ Few-shot learning คือ มีตัวอย่างให้ LLM หลายตัวอย่าง ให้น้อนได้เรียนรู้วิธีตอบ

จะทำให้ LLM ตอบได้รูปแบบที่เราต้องการเป๊ะ ๆ

> Multimodal = LLM ที่เป็นมากกว่าตัวพ่นตัวหนังสือ เช่น ทำรูปได้ด้วย ทำวีดิโอได้ด้วย

> Transformer = โมเดล Machine learning แบบหนึ่ง ที่เป็นรากฐานของ LLM ส่วนใหญ่บนโลก ไม่ว่าจะตัวฟรีหรือเสียตังค์

(อันนี้ถ้าท่านใดสนใจด้าน AI ลึก ๆ ผมแนะนำให้อ่านเปเปอร์ของ Transformer เพราะจะได้เห็นประวัติศาสตร์เลยครับ)

(5)
ความรู้ทั้งหมดด้านบนของผม ก็มาจากคอร์ส Road to Gen AI Engineer นี่แหละครับ อย่างที่บอกว่าระหว่างที่ช่วยจัดการเรียนการสอน ผมก็ดูดความรู้ไปด้วย 😂

R2GenAI ถูกออกแบบมาไม่ใช่คอร์สสอน AI ทั่วไป ที่สอนใช้ทูลแล้วจบ

คอร์สนี้สอนเน้น Foundation เพื่อให้เข้าใจการทำงานของ Gen AI ตั้งแต่เริ่มต้น และต่อยอดได้อย่างแข็งแกร่ง เรียนแล้วใช้ได้ยาว ๆ

เช่น จะไปทำ Agentic AI ในองค์กร, ไปพัฒนาการ Prompt ด้วยเทคนิคต่าง ๆ ฯลฯ

เพราะฉะนั้นทุกคนที่สนใจสาย AI Engineering ไม่ว่าจะจบด้านไหนมา สามารถเรียนแล้วเข้าใจได้ครับ

(6 - สุดท้าย)
🎁 ของขวัญในช่วง 12.12 นี้ ผมอยากทำให้คนไทยได้มีโอกาสเก่งด้าน Gen AI สู้กับคนทั่วโลกได้ครับ

ผมเชื่อว่างานสายนี้ทั่วโลกกำลังสนใจ และเป็นสกิลที่เรียนรู้แล้วนำไปใช้สมัครงานบริษัทใหญ่ หรือในต่างประเทศได้ด้วย

👉🏻 มีส่วนลด 50% ให้ทุกท่าน
กดลิงค์ https://go.datath.com/r2genai-flashsale ได้เลย
(ใส่โค้ด "1212" ถ้าโค้ดไม่ขึ้นออโต้ได้เลยครับ ❤️)

ป.ล. Flash Sale อันนี้ หมดเขตใน 24 ชั่วโมง (ถึง 6 โมงเย็น เสาร์ 13 ธันวาคม 2025)

หมดโปรแล้ว ลิงค์ด้านบนจะถูกลบทันทีครับ

เจอกันในคอร์สครับ (ไม่เจอผม แต่เจอคนสอนท่านอื่น ๆ แน่นอน 😂 )

AI Impact & Misconceptions

Sat, 25 Oct 2025 02:08:06 GMT

สรุปบทสัมภาษณ์ดีมากกกก: Senior vs Junior software engineer จะอยู่ยังไง ในโลก AI

เจอประเด็นน่าสนใจเยอะมาก จากบทสัมภาษณ์ Chip Huyen อดีตนักพัฒนา AI ที่ Nvidia, Netflix

และยังเป็นผู้เขียนหนังสือ AI Engineering ที่มีคนอ่านสูงที่สุดบนเว็บไซต์ O'reilly (สำนักพิมพ์สาย Tech ชื่อดัง) โหดสุด ๆ

เลยสรุปมาเล่าให้ฟังกันครับ คนที่ไม่ได้ทำงานสาย AI แต่คิดว่าจะได้รับผลกระทบจาก AI ก็ได้ประโยชน์

🧵

1)
บริษัทมักจะวัดความสำเร็จในการใช้ AI มาช่วยงานด้าน Coding ด้วยการวัดจำนวนบรรทัดโค้ด (line of code) ซึ่งอาจจะไม่ใช่มาตรวัดที่ดี เพราะไม่ได้บอกถึงคุณภาพโค้ด

ขอเสริมว่า อันนี้เป็นประเด็นที่น่าสนใจ ในงานด้าน Data Analytics เราจะเรียกสิ่งนี้ว่า “Vanity Metric” คือ สิ่งที่เป็นตัวเลข เหมือนจะวัดผลได้ แต่วัดผลจริงไม่ได้

เช่น ผลรวมคนเข้าเว็บไซต์ตั้งแต่เปิดมา เลขนี้จะเพิ่มขึ้นเรื่อย ๆ อยู่แล้ว ไม่มีทางลดลง ไม่มีประโยชน์เลยที่จะวัดค่านี้

สิ่งที่ควรวัดผลในเคสนี้ แทนที่ ผลรวมคนเข้าเว็บไซต์ตั้งแต่เปิดมา สามารถใช้เป็น ผลรวมคนเข้าเว็บไซต์ในปีนี้ หรือเดือนนี้ จะได้เทียบกับปีที่แล้ว หรือเดือนที่แล้วได้ว่าเพิ่มหรือลด และเป็นการวัดผลที่เรานำไปใช้ตัดสินใจได้จริง

2)
จากการทดลองในบริษัทจริง ที่ Team lead ลองทำการทดสอบโดยแบ่งกลุ่ม Engineer และให้ AI Tool ชื่อ Cursor (เป็น AI Code Editor ที่ผมเองก็ใช้บ่อย) กับคนจำนวนครึ่งหนึ่ง ส่วนอีกครึ่งไม่ให้

พบว่า Senior engineer มีทั้งคนที่ใช้ AI Tool แล้ว productivity เพิ่มขึ้นเยอะมาก และทั้งคนที่ต่อต้าน AI Tool

สาเหตุที่ Senior engineer ส่วนหนึ่งต่อต้าน AI Tool เพราะคุณภาพโค้ดของ AI Tool ไม่ดีเท่ากับคุณภาพที่ Senior engineer ต้องการ ทำให้พวกเขาไม่อยากใช้

3)
Junior engineer ที่อยากอยู่รอด ต้องฝึกสกิล System thinking คือ พื้นฐานต้องแน่น มองภาพใหญ่ให้ออก ซึ่งจะช่วยให้เวลาเจอปัญหาอะไร ก็สามารถเข้าใจได้ว่าเกิดขึ้นจากส่วนไหน และแก้ที่ต้นเหตุได้

สกิล System thinking + พลังของ AI จะให้ผลตอบแทนในระยะยาว ซึ่งช่วงแรก Junior อาจจะรู้สึกว่าทำงานกับ AI ได้ไม่ดี เช่น ให้ AI เขียนโค้ดยาว ๆ แล้วไม่เข้าใจ แต่ระยะยาวจะกลายเป็น Engineer ที่เก่งมาก

Chip เคยคุยกับหัวหน้าคณะ Computer Science ที่มหาวิทยาลัย Stanford หัวหน้าคณะบอกเองเลยว่า Computer Science ไม่ใช่เรื่องของการเขียนโค้ด แต่เกี่ยวกับ System thinking การคิดวิธีการแก้ปัญหาต่างหาก

4)
ปัญหาของหลายคนที่ทำงานอยู่ตอนนี้ คือ ไม่มีไอเดียว่า AI เอาไปทำอะไรดี ซึ่ง Chip แนะนำว่าลองดูจากงานที่เราทำเมื่ออาทิตย์ที่แล้วว่าอะไรที่เราพัฒนาด้วย AI ได้บ้าง และลองสร้างด้วย AI ดู

AI เก่งมากในการสร้างเครื่องมือเล็ก ๆ ที่ช่วยงานเราในระยะยาวได้ (เค้าใช้คำว่า Micro tools)

5)
อนาคต 2-3 ปีจะเป็นยังไง? Chip บอกว่าองค์กรจะเปลี่ยนไป ทีมต่าง ๆ จะทำงานร่วมกันมากขึ้น คนใช้งาน Automation ช่วยงานมากขึ้น และแทนที่จะใช้วิธีการจ้าง Outsource เข้ามาสร้าง Automation ก็จะทำเองมากขึ้น เพราะเครื่องมือปัจจุบันใช้งานง่าย

ขอเสริมว่า ผมมีโอกาสได้คุยกับ Non-profit organisation ที่ออสเตรเลียเรื่อง AI เค้าก็แชร์ว่าทำ Automation ช่วยงานเอกสารในองค์กรเองเยอะมาก ประหยัดเวลาและงบไปได้เยอะ

6) การเขียนเชิงสร้างสรรค์ (Creative Writing เช่น เขียนนิยาย) คล้ายกับการทำงานของ AI Chat คือ ทำนายคำต่อไปในประโยค ที่มีแนวโน้มสูงที่สุด ส่วนการเขียน ก็คือการทำนายว่าเขียนแบบไหนแล้วคนอ่านจะสนใจมากที่สุด

(7 - จบ)
สรุป ส่วนตัวคิดว่าประเด็นต่าง ๆ ของคุณ Chip น่าสนใจมาก โดยเฉพาะเรื่องผลกระทบของ Senior vs Junior Engineer ที่ผมสรุปเองว่า
- คนที่เป็น Senior อยู่แล้ว หาวิธีเอาพลังของ AI มาใช้ในงานปัจจุบันให้มากที่สุด
- ส่วนคนที่เป็น Junior หรือกำลังเรียน หาวิธีใช้ AI ช่วยในการพัฒนาตัวเองให้มากที่สุด อย่าแค่ก็อปแปะโค้ด AI

AI จะทำให้การทำงานในโลกนี้เปลี่ยนไป แต่จะเปลี่ยนไปทางไหนน่าจะไม่มีใครบอกได้

รอดูกันต่อไปครับ เอาตัวรอดไปด้วยกัน 😍

The Importance of Self-Regulation

Sat, 08 Mar 2025 02:00:03 GMT

สกิลที่ต้องฝึกในปี 2025 (และในอนาคต): Self-Regulation

มาจาก Podcast ของ Diary of A CEO ที่เค้าสัมภาษณ์สายลับที่อเมริกา พูดถึงสกิลที่สำคัญมากในยุคนี้ และคนไม่ค่อยเรียนรู้กัน

นั่นคือ ความสามารถในการควบคุมอารมณ์ของตัวเอง (Self-regulation, self-control)

ในยุค Social มีหลายอย่างสร้างขึ้นมาเพื่อกระตุ้นอารมณ์ของเรา เช่น
- โฆษณา วีดิโอต่าง ๆ
- โพสต่าง ๆ
- Comment section ฯลฯ (ซึ่งคนเราชอบดูซะด้วย 555+)

ถ้าเรายอมให้อารมณ์ของเราเป็น Reactive หรือปรับไปตามสิ่งที่เกิดขึ้น เราก็จะอารมณ์ขึ้นลงเป็น Rollercoaster เปลี่ยนตามสภาพแวดล้อม

Self-Regulation คือ การที่เรา "เลือก" ว่าจะรู้สึกอย่างไร เราต้อง Active กับอารมณ์ของเราเอง

เราควบคุมสภาพแวดล้อมไม่ได้ และไม่มีประโยชน์ที่จะพยายามควบคุมมัน แต่เราควบคุมตัวเองได้

สิ่งที่เริ่มทำได้เลย:
1. ถ้ารู้สึกอารมณ์ผิดจากปกติ ลองถามตัวเองเสมอว่า ทำไมสิ่งนี้ทำให้เรารู้สึกโกรธ ทำไมสิ่งนี้ทำให้เราเสียใจ
2. ไม่ต้องพยายามหาวิธีจัดการกับมัน ไม่ต้องหาวิธีลบมันออก แต่ควบคุมตัวเองว่าอยาก "เลือก" รู้สึกยังไง

The Most Valuable Investment: Being an Entrepreneur #minimalbiz

Fri, 02 Feb 2024 07:55:49 GMT

การลงทุนที่คุ้มค่าที่สุด คือ การเป็นผู้ประกอบการ #minimalbiz

วันนี้ฟัง Podcast ที่สัมภาษณ์ Noah Kagan อดีตพนักงาน Facebook ที่โดนไล่ออก และเป็นเจ้าของเว็บ AppSumo ซึ่งทำรายได้ปีละมากกว่า 80 ล้านเหรียญ

Noah พูดไว้ดีน่าสนใจมาก ขอใส่ใน 🧵

(1)
Noah เชื่อว่า การเป็นผู้ประกอบการ (Enterpreneur) เป็นการลงทุนที่คุ้มค่าที่สุด

เค้าเปรียบเทียบกับการลงทุนแบบอื่น
- ซื้อหุ้น อาจจะได้เงินปีละ 10%
- อสังหา อาจจะได้เงินปีละ 5%
- แต่การเป็นผู้ประกอบการ รายได้ต่อปีไม่มีเพดาน

(นอกเรื่อง - สงสัย Noah ไม่เล่นคริปโต 😂)

(2)
หลายคนมักเข้าใจว่า การเป็นผู้ประกอบการ คือ ต้องทำธุรกิจที่ได้เงินเป็นล้าน

Noah บอกว่าไม่ใช่

แค่ทำธุรกิจได้เงินเพิ่มเดือนละไม่กี่ร้อย ไม่กี่พัน ก็ถือเป็นผู้ประกอบการแล้ว

(3)
(ความเห็นส่วนตัวเราเอง)
หลังจากที่ลองมาคิดดู คิดว่า Noah พูดถูกบางส่วน รายได้จากเป็นผู้ประกอบการเพิ่มขึ้นไปได้เรื่อย ๆ

เหรียญอีกด้านของเรื่องนี้ คือ รายจ่ายก็เพิ่มขึ้นได้เรื่อย ๆ ถ้าเราไม่ระวัง เช่น การสั่งของมาสต๊อกเยอะ ๆ หรือการจ้างคนมาเยอะ ๆ แล้วไม่มีอะไรให้ทำ

(4)
สรุป
- ถ้าอยากหารายได้เสริม เริ่มคิดแบบผู้ประกอบการ - หาอะไรทำ ทำสินค้าขายเองก็ได้ ไปรับของคนอื่นมาขายก็ได้ หรือจะทำแนว Affiliate ก็ยังได้
- รายได้ของผู้ประกอบการไม่มีเพดาน
- ระวังเรื่องรายจ่ายในการรันธุรกิจว่าจะเกินรายได้

#จบดีก่า

Types of Business: Lifestyle vs Performance

Sat, 25 Nov 2023 11:00:26 GMT

ถามตัวเองก่อนไปหารายได้เสริม ว่าเราอยากทำธุรกิจแบบไหน? #minimalbiz

ธุรกิจแบ่งเป็น 2 ประเภทแบบกว้าง ๆ

1) 🌴 Lifestyle business
2) 📈 Performance business

แต่ละแบบมีข้อดี - ข้อเสีย อยู่ท่ีเราจะชอบแบบไหนมากกว่า

Thread นี้จะเล่าเรื่องความแตกต่างให้ฟัง 👇👇

(2) 🌴 Lifestyle Business
- ทำธุรกิจแบบที่เจ้าของชอบ
- เจ้าของทำเองเกือบหมด
- เน้นทำเพื่อให้ใหญ่พอจะหล่อเลี้ยงตัวเอง หล่อเลี้ยงเจ้าของได้ ไม่ต้องยิ่งใหญ่ที่สุด

ธุรกิจสายนี้จะไม่ได้มองเรื่องการเป็นหนี้ การหานักลงทุนมากนัก อาจจะใช้เงินเจ้าของทำเอง (เรียกว่า Bootstrap) ด้วยซ้ำ

(3) 📈 Performance Business
- ทำธุรกิจแบบเน้นการเติบโต
- ขยายทีมให้ใหญ่
- กลายเป็นเจ้าตลาดให้ได้

ธุรกิจสายนี้จะมองเรื่องหนี้ นักลงทุน เพื่อเข้ามาช่วยทำให้ธุรกิจขยายขึ้นไปเรื่อย ๆ

(4) การเลือกระหว่าง Business 2 ประเภท ลองตัดสินใจตามนี้
1. ชอบอิสรภาพ หรือต้องการความยิ่งใหญ่
2. อยากมีเงินพอใช้ หรืออยากมีเงินอู้ฟู่
3. อยากเสี่ยงน้อย หรืออยากเสี่ยงเยอะ
4. คุณให้ความสำคัญกับ Work Life Balance มาก หรือน้อย
5. คุณชอบทำงานกับทีมเล็ก หรือ ทีมใหญ่

(5) การเลือกทำธุรกิจ Lifestyle vs Performance business ไม่มีถูก-ผิด เพราะอยู่กับว่าตัวเองชอบด้านไหนมากกว่า

เหมือนกับการลงทุน
- ถ้าเรารับความเสี่ยงได้เยอะ ก็ซื้ออะไรที่ผันผวนเยอะได้ โอกาสผลตอบแทนสูง
- ถ้ารับความเสี่ยงได้น้อย ซื้ออะไรที่ผันผวนน้อย เสี่ยงน้อย แต่ผลตอบแทนก็ไม่สูง

(6) ส่วนตัวชอบด้าน Lifestyle Business ที่เน้นทำด้านที่เราทำแล้วชอบ สนุก เน้นรายได้หล่อเลี้ยงธุรกิจได้พอ มีกำไรมาใช้ชีวิต

และไม่ได้อยากขยายทีมใหญ่ เน้นค่อย ๆ ขยายไปตามความจำเป็น และดูแลคนที่อยู่กับเราให้ดีที่สุด

เรารันธุรกิจแบบนี้มาเกือบ 10 ปีแล้ว แฮปปี้ดี

แล้วคุณล่ะ ชอบแบบไหน?

Automation for Digital Product Sales

Sun, 15 Oct 2023 07:52:16 GMT

ไอเดียการทำ Automation สำหรับคนทำ Digital Product ขายออนไลน์ ที่ลองทำแล้วเวิร์คมาก เลยเอามาแชร์

ของเราทำคอร์สออนไลน์ เจอปัญหาว่า
- คนสมัครเรียนจ่ายเงินมาแล้ว แต่ไม่รู้ว่าเพิ่ม Access คอร์สให้คนนี้หรือยัง
- ผู้เรียนทักมาถามในเพจ แล้วแอดมินจะเช็คว่าคนนี้สมัครมาตอนไหน

🧵 Thread 👇

(2) วิธีที่เราทำคือ
- สร้างบอท LINE (เดี๋ยวนี้ไม่ต้องเขียนโค้ดแล้ว เพราะ LINE มี LINE Notify ดีมาก คล้าย ๆ เบอร์โทรศัพท์ เรามีหน้าที่แค่ส่งข้อความเข้าได้เลย)
- ผูกกับระบบจ่ายเงิน ให้พอมีคนซื้อคอร์ส ก็ให้ระบบส่งข้อความเข้าไลน์อัตโนมัติ ว่าคนซื้อชื่ออะไร อีเมลไหน กี่โมง

(3) ข้อความนี้จะส่งเข้ากรุ๊ปไลน์ เห็นทั้งเรา ทั้งแอดมิน

ผลลัพธ์คือ
- เช็คจากข้อความในกรุ๊ปได้ ว่าคนซื้อคอร์สนี้แล้วได้ Access หรือยัง
- ทีมแอดมินเช็คข้อมูลสมัครเรียนได้จากไลน์เลย ไม่ต้องมาถามเรา
- เสิร์จจากอีเมลได้เลย ระบบเสิร์ชไลน์ค่อนข้างดี (จนกว่าข้อความในไลน์จะหาย)

(4) เพิ่มเติม เผื่อใครสงสัยว่าทำไมไม่ใช้ระบบแชทตัวอื่น

เรากับทีมแอดมินคุยกันใน LINE อยู่แล้ว จะย้ายไประบบแชทอื่นก็ต้องมาหัดใช้กันใหม่ แล้วเราก็ต้องหาวิธีส่งข้อความอัตโนมัติใหม่ด้วย ไว้ถ้าเจอปัญหาค่อยหาวิธีแก้ละกัน

Slack / Discord ก็เป็นตัวเลือกที่น่าสนใจ แต่ตอนนี้ยังไม่จำเป็น

Rentvesting: ทางเลือกสำหรับคนอยากอยู่ในเมือง แต่บ้านแพง

Tue, 13 Jun 2023 14:32:54 GMT

Rentvesting ทางออกสำหรับคนอยากอยู่ในเมืองที่บ้านแพงจนซื้อไม่ไหว

หลังจากตามหาซื้อบ้านที่อยากอยู่มานาน สุดท้ายตัดสินใจได้ว่าจะไม่ซื้อแล้ว ไปซื้อที่อื่นไว้ลงทุน ส่วนที่อยากอยู่จริง ก็เช่าอยู่ดีกว่า

เราเรียกการทำแบบนี้ว่า Rentvesting

🧵นี้จะมาเล่าให้ฟังว่าคืออะไร เผื่อมีประโยชน์

(2) เหตุมาจากว่า เราชอบ Suburb ที่อยู่ตอนนี้มาก มีความเจริญ เดินแปป ๆ ถึงรถไฟ มีห้างใหญ่, ถนนคนเดิน, ห้องสมุด,
ซูเปอร์มาเก็ต, Apple Store อีก (ถึงจะไม่ค่อยได้ไป แต่ตอนที่ต้องไปก็สะดวกดี)

ทั้งหมดนี้ คือ อยู่ในระยะเดินถึงได้หมดเลย

ตอนนี้เช่าอยู่ แต่อยากซื้อห้องไว้อยู่เอง

(3) ซึ่งพอลองดูตลาดอสังหาฯ แถวนี้อยู่เป็นปี ก็พบว่า

บ้านแถวนี้แพงมากกกกกกกกกกกก

คอนโด 2 ห้องนอน เกือบ 50 ล้านบาท ทำงานจนตายก็ยังไม่รู้ว่าจะผ่อนหมดมั้ย

ก็เลยคุยกับคุณภรรยาว่า น่าจะต้องไปท่า Rentvesting เพราะซื้อแถวนี้ไม่ไหวจริง

(4) Rentvesting มาจากคำว่า Rent (เช่า) + Investing (ลงทุน)

= เช่าในที่ที่อยากอยู่ แล้วไปซื้ออสังหาฯ ที่อื่นไว้ลงทุน

ซึ่งตอนนี้ได้รับความนิยมมากขึ้นเรื่อย ๆ เพราะในเมืองใหญ่ ๆ ที่คนอยากอยู่ ราคามักแพงสุด ๆ (กทม. ก็ใช่นะ)

(5) 🤩ข้อดีของ Rentvesting จากมุมเรา คือ

• มีอิสระในการเปลี่ยนที่อยู่ตามช่วงอายุ ช่วงนี้เราอาจจะชอบที่นี่ แต่พออายุเยอะขึ้นก็อาจจะเปลี่ยนความคิด

• ค่าเช่าถูกกว่าซื้อค่อนข้างเยอะ ยิ่งช่วงนี้ดอกเบี้ยสูง จากที่ลองคำนวณดู
ถ้าเช่า จ่ายเดือนละ $3k
ถ้าซื้อ ต้องจ่ายธนาคารเดือนละ $6k

(6) 🥲ข้อเสียของ Rentvesting ก็มีนะ คือ

• จ่ายค่าเช่าแล้วไม่ได้เป็นเจ้าของ ดูเสียเงินฟรี (จริง ๆ ซื้อเป็นเจ้าของก็มีความเสี่ยงนะ เช่น ไม่มีคนเช่า, ดอกเบี้ยขึ้น)

• เราไม่ได้เป็นเจ้าของ ถ้าเจ้าของไล่ เราก็ต้องไป (ยังไม่เจอเอง แต่คิดว่าอย่างน้อยเจ้าของต้องบอกล่วงหน้าแหละ)

(7) เลยสรุปว่า Rentvesting ดูเหมาะสมกับเราดี ซึ่งคิดว่าแล้วแต่คนชอบ และบริบทของแต่ละคน แต่ละช่วงชีวิตด้วยนะ

เคยคุยกับคนที่เป็นที่ปรึกษาด้านการซื้อบ้านเพื่อลงทุน เค้าบอกว่าตัวเองลูก 2 แล้วก็ยัง Rentvesting อยู่

เค้าใช้วิธีเช่าบ้านที่แพง ๆ แล้วคุยกับเจ้าของให้ชัดเจนว่าอยากเช่ายาว

(8) สุดท้าย ท่านี้เหมาะกับคนที่มีเงินเก็บหน่อย ไม่เหมาะกับคนที่ใช้จ่ายเยอะเดือนชนเดือน

เพราะการเช่าเค้าอยู่ก็มีความเสี่ยงระดับนึง อยู่ดี ๆ เจ้าของไล่ ก็ต้องมีเงินฉุกเฉิน

ขอบคุณที่อ่านมาจนจบครับ ถ้าชอบฝาก Retweet หน่อยนะ อยากให้เล่าเรื่องไหนอีกลองบอกมา

(9) ป.ล. รูปในโพสแรกไม่ใช่บ้านเรานะ อันนั้นรอถูกหวยก่อน 5555

ขอบคุณรูปจาก Unsplash

Event Planning for Online and Offline Events

Thu, 09 Mar 2023 06:00:30 GMT

🧵 นี้จะแนะนำวิธี Event ออนไลน์ & ออฟไลน์ เผื่อใครอยากจัดงานดู

จากประสบการณ์ที่จัดมาเกือบ 3 ปี (ตั้งแต่ช่วงโควิดแรง ๆ) แต่ละอีเว้นท์มีคนเข้างาน 200-300+ คน

(2) ถ้าดูภายนอก อาจจะคิดว่า Event ออนไลน์น่าจะจัด "ง่ายกว่า" งานออฟไลน์ เพราะไม่มีสถานที่จริง แต่พอมาลองจัดจริงแล้วจะเจอว่างานออนไลน์ก็มีปัญหาของตัวเอง

สิ่งที่ควรคิดถึง เวลาจัดงานออนไลน์
- การโปรโมท ทำ Marketing โปสเตอร์ โลโก้ ให้พร้อม เหมือนอีเว้นท์ออฟไลน์เลย

(3)
- การหาสปอนเซอร์ ต้องทำ Sponsor Deck ให้ชัดเจน ว่างานเราเกี่ยวกับอะไร มีการแบ่งสปอนเซอร์แพ็กเป็นยังไงบ้าง และแต่ละแพ็กราคาเท่าไหร่ ได้อะไรบ้าง

งานออนไลน์ จะขายยากกว่างานออฟไลน์ เพราะสปอนเซอร์ไม่ชิน

(3)
- การคุยเตรียมงานกับ Speaker นัดแนะว่าจะเทสไมค์ เทสกล้องกันก่อน session ยังไง ต้องมีสตาฟฟ์ดูแลด้านนี้มั้ย

- ทำคู่มือสอนผู้ร่วมงานเรื่องวิธีใช้ระบบ การล็อกอิน การแชท การยกมือ แล้วถ้าใช้ระบบอย่าง Gather ที่เป็นแผนที่ 2 มิติ ก็ต้องสอนวิธีเดินไปมา สอนวิธีใช้ปุ่มต่าง ๆ ด้วย

(4)
- การลงทะเบียนอีเว้นท์ เช่น ขายบัตรผ่านเว็บนึง แล้วจะ Import เอามาใส่ระบบอีกเว็บนึงยังไง และเวลาคนซื้อบัตรเข้างาน จะเข้างานยังไง ล็อกอินซ้อนได้มั้ย

อันนี้แนะนำว่าควรคุยกับเจ้าของระบบจัดงานเราให้เคลียร์

(5)
ขอเปรียบเทียบกับงานออฟไลน์ เจอว่าจะใช้พลังต่างกันตรงที่
- ต้องหา และติดต่อคุยกับสถานที่ ซึ่งยากตรงที่แต่ละสถานที่จุคนได้ไม่เท่ากัน ความสะดวกไม่เท่ากัน และราคาไม่เท่ากัน

เรื่องความจุสถานที่นี่สำคัญ ถ้าสถานที่รับได้ 500 คน แต่เราดันเปิดงานฟรี คนสมัคร 1000 คน คนอัดกันหนัก

(6)
- การเตรียมอาหาร และเครื่องดื่ม ควรเตรียมของที่คนกินได้ง่าย ๆ ถ้าไม่ต้องมีโต๊ะกินแบบเรียบร้อยก็จะดี อย่างเช่น พิซซ่า คนหยิบกินง่ายดี

อย่างไรก็ตาม จากที่เคยจัด #WCAsia ที่คนร่วมงานมาจากหลายประเทศทั่วโลก จะต้องดูเรื่องอาหารพิเศษ เช่น Halal เพิ่มขึ้นมาด้วย

(7)
- การ Recording ในงานออฟไลน์ ดูเรื่องกล้อง เสียง ให้ครบ ตั้งกล้องตรงไหนดี แล้วเสียงเข้ามั้ย ถ้าเทสก่อนได้จะดีมากเลย

ไม่งั้นจะเจอว่าตั้งกล้องสวยงาม แต่เสียงขาด ๆ บ้าง หรือไม่ค่อยได้ยินบ้าง ซึ่งไม่มีทางแก้ได้ เพราะย้อนไปจัดอีเว้นท์ใหม่ไม่ได้แล้ว

สรุป จัดอีเว้นท์ออนไลน์ หรือ ออฟไลน์ดี จากประสบการณ์ส่วนตัวสรุปว่า
- อีเว้นท์ออนไลน์คนเข้าได้ทั่วโลก แต่คนจะโฟกัสน้อยกว่า หาสปอนแอบยากกว่า
- ออฟไลน์จะได้เฉพาะคนอยู่บริเวณนั้น ได้เจอหน้าคุยกัน หาสปอนง่ายกว่า
- ความลำบากในการจัดพอกัน เตรียมงานล่วงหน้าหลายเดือนทั้งคู่ เพราะงั้นสู้ ๆ

"story ที่ดี ทำให้ของขายดี"

Wed, 08 Mar 2023 01:00:04 GMT

"story ที่ดี ทำให้ของขายดี"

นั่งดูวีดิโอรีวิวร้านขายหมูปิ้งร้านนึง แล้วทำให้เข้าใจประโยคนี้ เจ้าของร้านเล่าว่า:
- ใช้หมูส่วนที่ดีที่สุด เป็นลายหินอ่อน เนื้อสลับมัน กินแล้วอร่อย
- แต่ละไม้ทำอย่างพิถีพิถัน หมักหมูข้ามวันเพื่อให้ซอสซึมลงไป
- น้ำจิ้มมะขามทำจากมะขามแท้ เคี่ยวจนเปื่อย

(2 - จบ) พอเรื่องราวน่าสนใจกว่าร้านหมูปิ้งธรรมดา ฟังแล้วเราอยากวิ่งไปกินเลย

สิ่งที่ตกผลึกอีกอย่าง คือ "คนเราชอบงานที่คนทำตั้งใจ" เช่น งานศิลปะต่าง ๆ ยิ่งเรารู้ว่ารูปนี้ หรือเพลงนี้ กว่าจะออกมาต้องผ่านอะไรยากลำบากขนาดไหน เราก็ยิ่งให้คุณค่ากับงานนั้นสูง

Aussie Slang

Sun, 05 Mar 2023 07:25:49 GMT

Thread นี้จะรวม Aussie Slang ที่เจอในชีวิตประจำวันเราบ่อย ๆ

เหมาะสำหรับคนอยากมา / หรือกำลังมาที่ 🇦🇺🦘 / หรือคนที่อยากขำในความภาษาอังกฤษแปลก ๆ ของชาวออสเตรเลีย และบางคำอาจจะเป็นแสลงจากฝั่งอังกฤษด้วย เอาไปใช้ได้หลายที่

(ใครรู้จักคำไหนมาเพิ่มเติมได้นะ)

เริ่ม!

(2) Arvo = Afternoon คำนี้ยกให้เป็นอันดับหนึ่งของความงง เพราะเจอครั้งแรกตอนเริ่มงานใหม่เลย ช็อกมาก

Avo = Avocado คล้าย ๆ คำข้างบน แต่หมายถึงลูกอโวคาโด้ ซึ่งเป็นอาหารที่พบได้ง่ายตามซูเปอร์ออสเตรเลีย

(3) Barbie = Barbecue ตอนได้ยินครั้งแรก Barbie มันคือตุ๊กตา กลายเป็น BBQ ได้ยังไงไม่รู้

Brekky = Breakfast อันนี้ไม่ยากมาก พอเดาได้ว่ามันคืออะไร

(4) Brolly = Umbrella คำนี้ได้ยินครั้งแรก นึกว่าหมายถึง Broccoli กลายเป็นร่มได้ยังไงไม่แน่ใจ 555+

Bloke = Man เช่น บอกว่า He is a nice bloke หมายถึงเป็นผู้ชายที่ดีมาก (แปลไทยแล้วมันแปลก ๆ 555)

(5) Footy = Football แต่ฟุตบอลของออสเตรเลียจะคล้าย ๆ รักบี้หน่อย ๆ อธิบายไม่ถูกเหมือนกัน ยังดูไม่เป็น 555+ ลองเสิร์จ AFL สำหรับคนที่สนใจ

Macca = McDonald ขนาดป้ายแมคยังเขียนว่า Macca คิดดู

(6) No Drama = No problem คำนี้ตอนทำงานเพื่อนพูดบ่อย เนื่องจากคนออสเป็นคนชิล ๆ เช่น "เซิฟเวอร์ล่มหรอ ไม่เป็นไร No Drama"

Down under = Straya = Australia คำที่สองหลายคนอาจจะเคยได้ยินกัน ส่วนคำแรกมาจากว่า ประเทศออสเตรเลียอยู่ด้านล่างเลยในแผนที่โลก เลยเรียก Down Under

(7) Servo = Service Station ปั๊มน้ำมัน นี่เอง

Sheila = Woman ไม่เข้าใจว่าทำไมเหมือนกัน แต่เคยเห็นคนออสซี่ใน Tik Tok พูดบ่อยมาก ใครรู้บอกหน่อย

อันต่อมาพีคมาก ขอแยกเป็นอีกทวีต

(8) Thong = Flip Flop หมายถึง รองเท้าแตะ อย่าเพิ่งนึกถึงกางเกงใน (ถ้านอกออสเตรเลียคือกางเกงในนี่แหละ)

ที่ตลก คือ ในออสเตรเลียมีตู้ขาย Flip Flops ด้วย

@peasmoldia https://twitter.com/peasmoldia/status/703015399361810435/photo/1>;

(9) ใครเจอคำ Slang อันไหนแปลก ๆ อีกมาเพิ่มเติมกันได้ หรือถ้าใครรู้ความหมายอันไหนก็มาเสริมได้ อันนี้รวบรวมมาที่เคยเจอจ้า

Twitter ของเราจะทวีตเรื่องออสเตรเลียบ้าง, เรื่องหางานสาย Tech บ้าง, เรื่องวีซ่าบ้าง, เรื่องชีวิตประจำวันที่ทำงานสาย Data ในออสเตรเลียบ้าง ถ้าสนใจ Follow กันได้

ถ้าขี้เกียจอ่านเป็น Thread มาอ่านแบบเต็ม ๆ ได้ที่ https://typefully.com/woraperth/wmddMp7

Minimal Biz - Digital Product คืออะไร

Sun, 08 Jan 2023 00:46:36 GMT

มีคนสอนธุรกิจแบบซื้อมา - ขายไปเยอะ แต่สาย Digital Product คนไม่ค่อยพูดถึง ทั้งที่จริงเป็นตลาดที่น่าทำมาก

จากปสก ทำในไทยแบบชิล ๆ ได้ 6-7 หลัก ต่อ Business แต่เคยเห็นคนทำในต่างประเทศ เกินไปเยอะมาก

Thread นี้เลยจะเล่าเรื่อง Digital Product ให้ฟัง อยากให้คนไทยทำกันเยอะ ๆ

(1)

มารู้จักกับ Digital Product กันก่อน ว่ามันคืออะไร

Digital Product คือ สินค้าที่พอลูกค้าซื้อ เราสามารถส่งให้เค้าผ่านอินเตอร์เน็ตได้เลย ไม่ต้องส่งของด้วยขนส่งต่าง ๆ

ตัวอย่าง Digital Product:
- e-Book
- คอร์สออนไลน์
- โปรแกรม
- เพลง
- วีดิโอ

(2)

✅ ข้อดีของสาย Digital Product คือ:

1) ทำครั้งเดียว แล้ว Scale ได้ไม่สิ้นสุด เช่น การทำเพลง คนฟัง 10 คน หรือ 1,000,000 คน เหนื่อยเท่ากัน
2) ค่าใช้จ่ายไม่ปวดหัว ไม่มีสต๊อกให้ค้าง ไม่มีค่าส่งของ
3) Automate การทำงานได้เยอะ ไม่ต้องส่งของ อาจจะขายได้โดยไม่ต้องใช้คนเลย

(3)

❌ มาดูข้อเสียของ Digital Product:

1) ลูกค้าบางคนอาจชอบของจับต้องได้มากกว่า เช่น ไม่ชอบ e-Book
2) แจกจ่ายง่ายถ้าเราไม่มีวิธีจัดการที่ดี เช่น คนซื้อแล้วส่งลิงค์ Google Drive ไปให้ลูกค้าเลย ลูกค้าก็ไปแจกจ่ายต่อได้
3) ขึ้นอยู่กับเทคโนโลยี ถ้าระบบล่มก็ขายไม่ได้

(4)

สุดท้าย สิ่งที่ทำให้เราเลือกทำ Digital Product คือ ไม่ต้องใช้คนเยอะ เพราะอยากใช้เวลาส่วนใหญ่ไปกับการทำ Digital Product ให้คุณภาพดี มากกว่ามาจัดการคน

ซึ่งอันนี้แล้วแต่คนชอบเลยครับ ชอบแบบไหนก็ไม่ผิด
แต่ถ้าชอบแนวนี้ บอกกันมาได้ เดี๋ยวเอามาเขียนเล่าอีก

(5 - จบจ้า)

Tax in Australia

Sat, 05 Nov 2022 08:17:08 GMT

ว่าด้วยเรื่องภาษีที่ออสหน่อย คือ หลายคนเห็นเงินเดือนที่ออสแล้วตาโต แต่ภาษีที่นี่เค้าเก็บแรงจริง เริ่มที่ประมาณ 32%

แปลว่าทำงาน 12 เดือน จ่ายภาษีไปซะ 3-4 เดือน 😭😭😭😭

ป.ล. ถ้าทำแบบไม่ประจำ อาจจะไม่ถึงเกณฑ์ที่ต้องจ่าย 32% แต่ถ้าทำประจำโดนเรทนี้++ ชัวร์

เพิ่มเติม ข้อดีของภาษีที่ออสเตรเลีย คือ รายได้ไม่ถึง $18k (ประมาณ 450k บาท) ไม่ต้องเสียภาษีเลย

หรือถ้าทำไม่ประจำ รายได้ $18k - $37k เสียภาษีแค่ 19%

ทั้งนี้ทั้งนั้น รายได้น้อยก็เสียภาษีน้อยจริง แต่ค่าเช่าบ้านไม่ได้ลดตามระดับรายได้นะ เสียเท่ากันอย่างเท่าเทียม 😔

เพิ่มเติมว่า ต่อปีนะครัช เลขด้านบน

Money Management

Sat, 05 Nov 2022 01:40:32 GMT

1 ใน quote ที่ทำให้เปลี่ยนมุมมองทางการเงิน และคิดว่าหลายคนมองข้ามไป (หรือทำเป็นมองข้าม) คือ:

เงินเหลือเก็บ = รายได้ - รายจ่าย

แปลว่าต่อให้เงินเดือน 100,000 แต่ถ้ารายจ่าย 90,000 ก็เหลือเก็บเท่าคนเงินเดือน 25,000 ค่าใช้จ่าย 15,000 อยู่ดี 😭

(1)

อีก Quote ด้านการเงินที่ปลดล็อก คือ:

"ซื้อประกัน = การันตีว่าเราจะจ่ายค่าดูแลสุขภาพปีนั้นเท่าไหร่"

ก่อนหน้านี้ เรามองประกันว่าคล้าย ๆ ธุรกิจขายตรง ไม่ดี คนมาขายประกันคือหวังผลประโยชน์

ตอนนี้เรามองว่า ซื้อประกัน คือการันตีว่าทั้งปีเราจะเสียเงินให้ค่าสุขภาพกี่บาท

(2 - จบ)

แถมอีกข้อ จาก paychology of money ที่เพิ่งอ่าน คือ:

"คนจะรวยหรือจน เรื่องดวงก็เกี่ยวด้วย"

จริง ๆ ตอนแรกก็ไม่ค่อยเห็นด้วย เพราะไม่ค่อยเชื่อเรื่องดวง

แต่พออ่านเรื่อง เพื่อนบิลเกตต์ ที่เก่งคอมพอ ๆ กัน แต่ตายตอนมอปลาย เลยไม่ได้โตมาเปิด Microsoft

ก็เลยเห็นด้วยเลย

(3 - จบจริงจ้า)

DataOps

Wed, 28 Sep 2022 13:58:52 GMT

อีกคอนเซปต์นึงที่คิดว่าน่าสนใจมากสำหรับสาย Data คือ DataOps

DataOps ย่อมาจาก Data Operations นี่เอง แต่มันคืออะไรกันนะ จะมาเล่าให้ฟังแบบเข้าใจง่าย ๆ ใน Thread นี้

อ่านจบแล้วจะรู้ว่า DataOps คืออะไร, เกิดมาแก้ปัญหาอะไร, มีอะไรบ้าง

ยาวนิด รีทวีตเก็บไว้อ่านกันโลด

(1)

ในการทำงาน Data Science จะมีสองฝั่งใหญ่ ๆ ฝั่งแรก คือ Data Sources หรือ แหล่งข้อมูล = ที่มาของข้อมูล นั่นเอง

Data Source เป็นได้ทุกอย่าง ไม่ว่าจะเป็นไฟล์, ฐานข้อมูล, Facebook, Google Analytics ฯลฯ ก็คืออะไรก็ได้ที่มีข้อมูลเก็บไว้นั่นแหละ

(2)

ถ้าอ่านโพสเรื่อง Reverse ETL มาแล้ว (หรือตามไปอ่านได้ที่ https://twitter.com/woraperth/status/1573559904815546368) จะได้รู้ว่า ETL = การนำข้อมูลมาเก็บในที่เดียวกัน เพื่อที่จะวิเคราะห์ได้ง่าย ๆ

ข้อมูลจาก Data Sources ต่าง ๆ ก็จะเข้ากระบวนการ ETL เพื่อส่งไปอีกฝั่ง นั่นคือ Data Users หรือผู้ใช้ข้อมูล

(3)

Data Users ในที่นี้ สามารถเป็นได้ทั้งคนในทีม Data เช่น Data Scientists นักวิทยาศาสตร์ข้อมูล, Data Analysts นักวิเคราะห์ข้อมูล ที่นำข้อมูลมาวิเคราะห์เพิ่มเติม

และคนนอกทีม Data เช่น ฝ่าย Management หรือ CEO, CTO, CFO ต่าง ๆ, ทีม Marketing, ทีม Sales ที่นำข้อมูลมาช่วยตัดสินใจ

(4)

สรุปคือ Data Science เขียนเป็นแผนผังได้ง่าย ๆ ว่า....

Data Sources ---> ETL ---> Data Users

หรือเป็นการทำให้ Data Users ได้รับ "คุณค่า" จากข้อมูลที่ดึงมาจาก Data Sources นั่นเอง

(5)

แต่ชีวิตชาว Data ไม่ได้โรยด้วยกลีบกุหลาบ // ร้องไห้แปป

อาจจะเคยได้ยินกันว่าชีวิตชาว Data Scientist 80% เสียไปกับการทำความสะอาดข้อมูล ซึ่งส่วนหนึ่งก็มาจากการที่ข้อมูลไม่มีคุณตะพาบ เอ้ย คุณภาพ

พอข้อมูลไม่มีคุณภาพ ทำให้ Data Users เริ่มไม่ชัวร์ว่าเชื่อถือข้อมูลได้มั้ย

(6)

พอ Data Users ไม่มีความเชื่อมั่น ก็ทำให้ Data Users ไม่กล้าเอาข้อมูลที่มีไปช่วยตัดสินใจ ทำให้ทีม Data เริ่มโดนไล่ออกทีละคน สองคน

คอนเซปต์ DataOps จึงเกิดขึ้นมาเพื่อแก้ปัญหาว่า ทำยังไงให้ควบคุม "คุณภาพ" ของการส่งมอบข้อมูลเพื่อให้ Data Users นำไปใช้ประโยชน์ต่อได้

(7)

DataOps เป็นฐานที่คอยซัพพอท Data Science อีกที

วาดเป็นแผนผังแบบเข้าใจง่าย ๆ ได้ประมาณนี้

Data Sources ---> ETL ---> Data Users
---------------------------------------------
--------------- ---------------
---------------------------------------------

(8)

คอนเซปต์ DataOps เป็นการร่วมมือกันของทั้งฝั่ง Data และ Business

1) ฝั่ง Business ต้องทำความเข้าใจการไหลของ Data, เครื่องมือต่าง ๆ ในองค์กร, และหาจุดที่ปรับปรุงให้ทำงานร่วมกันได้ดีขึ้น

2) ฝั่ง Data ต้องการทำให้การส่งคุณค่าให้ Data Users รวดเร็ว มีคุณภาพ มากที่สุด

(9)

งานของฝั่งทีม Data ในการทำ DataOps จะแบ่งเป็น 3 ส่วนหลัก ๆ

1) Automation ทำให้การทำงานเป็นอัตโนมัติ

Automation อันนี้จะเป็นในส่วนของการพัฒนาโค้ด ยิ่งระบบใหญ่ ๆ การจัดการโค้ดที่เปลี่ยนแปลงตลอดเวลาด้วยคนแทบจะเป็นไปไม่ได้...

ถ้าไม่มากพอ แฮ่

(10)

จริงจังแปป

การทำ Automation ของ DataOps จึงมีการยืมคอนเซปต์จาก DevOps (เป็นอีกศาสตร์ที่เน้นด้านการทำให้การสร้าง Software ลื่นไหลดั่งสายน้ำ เกิดมาก่อน DataOps)

คอนเซปต์ที่ยืมมา คือ CI/CD ซึ่งเกี่ยวกับการเก็บโค้ด และการเช็คอัตโนมัติก่อนส่งโค้ดขึ้น Production

(11)

อีกคอนเซปต์ในการทำ Automation คือในส่วนของ Data Pipeline

Data Pipeline เป็นชื่อเรียกระบบที่ขนย้ายข้อมูลจากจุดหนึ่งไปอีกจุดหนึ่ง ไว้ทำ ETL นั่นเอง

การทำให้ Data Pipeline ทำงานได้อัตโนมัติ คือ ใช้เครื่องมือที่เราเรียกว่า Orchestration เข้ามาช่วย เช่น Apache Airflow ชื่อดัง

(12)

2) ส่วนต่อมาของ DataOps คือ Monitoring

การ Monitoring ไม่ได้ดูแค่ระบบ IT แต่ดูเรื่องค่าใช้จ่ายของระบบด้วย โดยเฉพาะในยุค Cloud ที่จ่ายเงินตามการใช้งานจริง

ส่วนระบบ IT เราต้องการสังเกตว่าระบบทำงานเป็นยังไง เพื่อที่จะได้เข้าใจหากเกิดปัญหา ว่าเกิดจากอะไร และแก้ไขได้ตรงจุด

(13)

3) ส่วนสุดท้ายของ DataOps คือ การทำ Testing หรือการทดสอบ

ในโลก Data มีทั้งการทดสอบโค้ด และทดสอบข้อมูล ใน Data Pipeline จึงต้องมีการเทสว่าข้อมูลมีอะไรผิดปกติมั้ย

รวมถึงต้องทำให้คนในทีม Data สามารถเทสได้อิสระ โดยไม่กระทบระบบหลัก หรือการทำ Dev แยกกับ Prod นั่นเอง

(14)

สุดท้ายนี้ อยากย้ำว่า

การทำ DataOps ไม่ใช่แค่เรื่องของเทคโนโลยี แต่เป็นเรื่องของ Culture ด้วย

- Reduce Heroism อย่าเก่งคนเดียว
- Team Sport & Blameless งดชี้นิ้วด่า ช่วยกันแก้ปัญหา
- Embrace Change ไม่มีอะไรเหมือนเดิมตลอดไป

(15)

จบเรื่อง DataOps แล้ว ขอบคุณที่อ่านมากันจนจบครับ

Thread อื่น ๆ ที่น่าสนใจ
- Data Maturity 3 ระดับในองค์กร https://twitter.com/woraperth/status/1566223471583334401
- Data Engineer Type A & B ต่างกันยังไง https://twitter.com/woraperth/status/1571313257071378432
- รีวิวงาน Data Consult ในออสเตรเลีย https://twitter.com/woraperth/status/1565660991685541888

(16 - จบ)

Reverse ETL

Sat, 24 Sep 2022 06:28:15 GMT

Reverse ETL ถือเป็นคอนเซปต์ที่ค่อนข้างใหม่สำหรับสาย Data Engineering มากกกก แต่จริง ๆ เกิดขึ้นมาได้เพราะความต้องการของสาย Data x Marketing เลยนะ คิดว่าเป็นเรื่องที่ทั้งสาย Data และสาย Marketing น่ารู้

Thread นี้เดี๋ยวมาเล่าให้ฟังว่า Reverse ETL มันคืออะไร เกิดขึ้นมาได้ยังไง
(1)

(2)
หลายคนอาจจะเคยได้ยินคำว่า ETL เป็นศัพท์สาย Data Engineering ย่อมาจาก Extract - Transform - Load

ETL คือ 3 ขั้นตอนที่สำคัญ ในการ
1. ดึงข้อมูลจากต้นทาง (Extract)
2. นำข้อมูลมาทำให้อยู่ในรูปแบบที่ใช้งานได้ (Transform)
3. เก็บข้อมูลให้เรียบร้อย (Load)

ป.ล. Reverse ETL != LTE

(3)
ETL เป็นขั้นตอนสำคัญที่ทำให้ข้อมูลจากหลากหลายที่ เข้ามาเก็บไว้ที่เดียวกัน เพื่อให้ Data Analyst / Data Scientist เอาข้อมูลไปวิเคราะห์ต่อได้ง่าย

ถ้ามีข้อมูลจากหลายระบบ เช่น เราขายของออนไลน์ มี Facebook, Google, Tiktok Ads จะดูว่าระบบไหนยอดขายดีกว่ากัน ต้องทำ ETL ให้รวมกัน

(4)
อีก Use Case ของการทำ Data Science จาก ETL ก็เช่น ค่ายโทรศัพท์อาจจะเอาข้อมูลส่วนตัวลูกค้า + ข้อมูลการซื้อ + ข้อมูลที่คุยกับ Call Center มาวิเคราะห์ดูว่าลูกค้าคนนี้มีโอกาสย้ายค่ายมากน้อยแค่ไหน เราเรียกการทำแบบนี้ว่า Churn Prediction

ทีนี้ก็เกิดปัญหา นั่นก็คือ...

(5)
การวิเคราะห์ข้อมูลที่ต้องใช้ข้อมูลจากหลายแหล่ง เช่น Churn Prediction จะเกิดขึ้นได้เฉพาะหลังการทำ ETL เท่านั้น

ถ้าเราจะส่งข้อมูลกลับไปให้ Call Center ว่าลูกค้าคนนี้มีโอกาสย้ายค่ายแค่ไหน เพื่อให้ Call Center เสนอโปรที่เหมาะสมให้ลูกค้า จะต้องใช้วิธีที่เรียกว่า Reverse ETL

(6)
การทำ Reverse ETL สามารถทำได้ง่าย ๆ เช่น อาจจะเขียนโปรแกรมด้วย Python เพื่อดึงข้อมูลไปใส่ในโปรแกรมที่ Call Center ใช้ก็ได้

หรือสามารถใช้พลังเงิน ซื้อโปรแกรมที่ขายอยู่ เช่น Hightouch, Census ซึ่งเค้า integrate กับระบบที่คนใช้บ่อย ๆ อย่าง Salesforce, Facebook Ads ฯลฯ ให้แล้ว

(7)
แต่ถ้าไม่ชอบเขียนเองหมด และไม่ชอบใช้พลังเงินด้วย วันนี้เจอ Open Source ตัวหนึ่งที่น่าสนใจ เกิดมาเพื่อทำ Reverse ETL โดยเฉพาะ ชื่อ Grouparoo น่าสนใจมาก

Grouparoo ใช้งานได้ฟรี ติดตั้งแล้วใช้ได้เลย เดี๋ยวลองแล้วเป็นยังไงเดี๋ยวมาอัพเดท *0*/

(8 - จบ)
จบ Thread อธิบาย Reverse ETL อ่านแล้วชอบ - ไม่ชอบยังไง พิมพ์มาบอกได้ จะได้ปรับปรุงใน Thread ต่อไปครับ

โดยรวมในมุมนักเขียนรู้สึกชอบดีที่เขียนเป็น Tweet เพราะมันพิมพ์ง่าย แต่ตอนเอาไปลงบลอคต้องขัดเกลาหน่อย ๆ

กราบสวัสดี

Data Engineer Type A vs Type B

Sun, 18 Sep 2022 01:40:48 GMT

เจอเกร็ดจากหนังสือ fundamental of data engineering อีกอันที่น่าสนใจ คือ เค้าบอกว่า Data Engineer แบ่งเป็น Type A กับ Type B

Thread นี้จะอธิบายความแตกต่างแบบสั้น ๆ
(1)

Type A Data Engineer คือ Abstraction คือ สายใช้ทูลที่มีอยู่แล้ว ซึ่งสายนี้พบได้ในทุกองค์กร ในทุกระดับของ data maturity (อ่านได้ในทวีตที่แล้ว ว่าแต่ละระดับแตกต่างกันยังไงบ้าง)

(2)

Type B Data Engineer คือ Build เป็นสายที่สร้างทูลขึ้นมาใช้เอง เหมาะกับองค์กรที่ data maturity อยู่ในระดับ 2 หรือ 3 (scaling กับ leading with data) ซึ่งเป็นด้านที่เหมาะกับองค์กรที่ทูลซื้อมาอาจจะไม่ตอบโจทย์ 100% แล้ว

(3)

เพิ่มเติมว่า Type B ซึ่งเป็นด้านที่เราทำงานอยู่ ฟังดูเหมือน Build แต่ของใหม่ตลอดเวลา แต่ชีวิตจริงก็ไม่ได้ทำแต่ Build เพราะอย่าลืมว่าทูลต่าง ๆ ก็ต้องมีการ Maintain ให้ใช้งานได้ในระยะยาวด้วย เพราะฉะนั้นงานของ Type B จะเป็น build กับ maintain ผสมกัน

(4 - จบ)

Data Consultant

Fri, 02 Sep 2022 11:20:43 GMT

ตอนนี้ทำงานด้าน Data ในออสเตรเลียมาเกือบ 4 ปีแล้ว เป็นงาน Consult ไปซะ 3.5 ปีแรก ก็เลยอยากมาเล่าเก็บไว้เป็นประสบการณ์ เรื่องข้อดี-ข้อเสียของงาน Consult ด้าน Data เผื่อใครสนใจทำ ในไทยมีบ ด้านนี้หลายที่อยู่ครับ

(1)

ข้อดี 1) คุณได้เรียนรู้สิ่งใหม่อยู่ตลอดเวลา เพราะวันดีคืนดีจะถูกจับไปอยู่โปรเจคที่คุณไม่มีความรู้เลย แล้วคุณก็ต้องเอาชีวิตรอดให้ได้ (เพื่อนที่ทำงานบอกว่า “เหมือนเอาเด็กไปโยนลงน้ำ แล้วให้ว่ายน้ำเอง” ซึ่งทุกคนก็รอดมาได้ ต้องขอบคุณ บ 555+)

(2)

ฟังดูเหมือนเป็นข้อเสียนะ แต่จริง ๆ โคตรดี เพราะได้เรียนรู้ฟรี Training ต่าง ๆ บางอันหลักหมื่นบาท เค้าก็ส่งเราไปเรียนฟรี (บ ก็ได้เอาไปขายลูกค้าได้ด้วย วิน-วิน)

หรือพวกสอบ Certificate ของ Cloud เจ้าต่าง ๆ AWS, Google Cloud, Azure สอบรอบนึงก็ 5-6000 บาท เค้าจ่ายให้หมด

(3)

ที่สำคัญ คือ เวลาที่ใช้เรียน ก็เวลางาน 9 - 5 นี่แหละ แปลว่าเค้า "จ่ายเงินให้เราเรียน" แบบ 100%

ชีวิตนอกเวลางานก็ไปใช้ทำอะไรของเราได้เลย ไปวิ่งเล่น ออกกำลังกาย โยคะ อะไรก็แล้วแต่เรา

ดีกว่าเรียนฟรี คือ การเรียนฟรีและมีเงินเดือนให้ด้วย 💰🤑

(4)

ข้อดี 2) ได้ทำงานหลากหลายโปรเจค

ตอนเข้าไปเราทำเป็นแค่ Data Science แต่พออยู่ไปเรื่อย ๆ ได้แตะหมดเลย ทั้ง Data Engineering, DevOps, Data Visualization, Customer Data Platform ฯลฯ

โลกเปิดกว้างมากเมื่อหลงเข้าไปในดง Consult ถ้าชอบเรียนรู้แนะนำเลย

(5)

ข้อดี 3) ได้ลองทำงานกับหลากหลายบริษัท

งาน Consult มีหลายแบบ สำหรับบางโปรเจคเราอาจจะเข้าไปเป็นทีม ทำงานแต่กับคนจากบริษัทตัวเอง แต่บางโปรเจคก็เข้าไปอยู่เป็นทีมเดียวกับคนในบริษัทนั้นเลย

แปลว่าเราจะได้เรียนรู้ Office Politics ของทุกที่ บ ใหญ่, บ เล็ก, รัฐบาล มีครบ

(6)

ตอนช่วงโควิดระบาด มีโอกาสได้เข้าไปทำงานกับกรมสุขภาพที่ออสเตรเลีย ทำให้ได้รู้ว่าองค์กรรัฐบาลดูภายนอกเหมือนชิล เลิกงานก่อนเวลา แต่จริง ๆ ทำงานกันตั้งใจมาก เวลางานก็คือทำงาน เอาความสุขประชาชนมาก่อน

ก็เป็นประสบการณ์ที่แปลกใหม่ดี

(7)

พูดข้อดีไปเยอะแล้ว มาดูข้อเสียกันบ้าง

ข้อเสีย 1) คุณอาจจะไม่ได้ทำงานที่ชอบ หรืองานที่ถนัด

ผมเรียนจบด้าน Data Science มา แต่หลังจาก 6 เดือนแรก ก็ไม่ได้แตะ Data Science อีกเลย ได้แต่โปรเจคแนว Data Engineer, DevOps, Data Vis ฯลฯ แทน

ช่วงแรกเหนื่อย สักพักก็เริ่มรับสภาพได้ 55+

(8)

ข้อเสีย 2) ต้องเข้าใจลูกค้าเยอะ ๆๆๆๆๆๆๆ

ด้วยความที่เป็นงาน Consult เรามีแค่ความ Geek ด้านเทคโนโลยีอย่างเดียวไม่พอ ต้องมีใจรักบริการด้วย

ฟังลูกค้าเยอะ ๆ ให้รู้ว่าลูกค้าต้องการอะไร และทำความเข้าใจว่าธรรมชาติองค์กรเป็นแบบไหน เช่น องค์กรใหญ่อาจจะโปรเซสเยอะหน่อย

(9)

ที่สำคัญ คือ ต้องไม่ตามใจลูกค้า ชี้นกเป็นนก ชี้ไม้เป็นไม้หมด

เราต้องพยายามเข้าใจลูกค้า และเสนอ Solution ที่เราคิดว่าเหมาะสมที่สุด แล้วให้ลูกค้าตัดสินใจ

ซึ่งบางครั้งไม่ใช่เรื่องง่าย เพราะต้องหาให้เจอว่าเรื่องไหนต้องคุยกับใคร เพื่อให้งานเดินหน้า โดยเฉพาะในองค์กรใหญ่

(10)

ข้อเสีย 3) โปรเจคหนึ่งอาจจะใช้เวลานาน

ในโลกของงาน Consult การที่โดดเข้า-ออกโปรเจค หมุนวนทุก 6 เดือน เป็น Job Hopper เป็นเรื่องปกติมาก

แต่จะมีบางโปรเจคที่ยาวเป็นปี หรืออาจจะ 2 3 4 ปี ซึ่งคนทำงาน Consult อาจจะไม่ชอบ เพราะจะไม่ได้เรียนรู้อะไรใหม่เยอะ

(11)

ขอเสริมว่าตอนนี้ออกจาก บ Consult มาอยู่ บ เว็บไซต์ออกแบบแห่งหนึ่งที่มี Product ของตัวเอง เจอคนทำงาน 4 5 6 ปี เป็นเรื่องปกติ

ส่วนตัวคิดว่า เพราะการเป็น Consult ที่รู้สึกเติบโต มันต้องเรียนรู้สิ่งใหม่ ๆ ตลอดเวลา เลยอยากทำงานกับหลาย บ เพื่อจะได้ลองทำงานหลายรูปแบบ

(12)

สุดท้ายนี้ ขอสรุปว่างาน Consult เป็นงานที่
1) ได้ลองทำหลายอย่างในเวลาอันสั้น
2) เติบโตไวมาก ๆ แต่สุดท้ายถ้าจะโตไปอีกขึ้น (ระดับ Director / Partner) ต้องขายโปรเจคเป็นนะ
3) ถ้าชอบเรียนรู้ เรียนฟรี สอบฟรี แนะนำเลย

ขอให้ทุกคนได้เจองานที่ดีนะครับ

(13 จบ)