ในยุคที่มี Generative AI แบบนี้ เราควรเรียนและฝึกทักษะ Data Analytics ยังไงดี?

ในช่วงนี้ หากพูดถึงหนึ่งในเทคโนโลยี ที่มีคนพูดถึงมากที่สุด ก็คงจะต้องมีเรื่องของ Generative AI (GenAI) เป็นหนึ่งในนั้นด้วยอย่างแน่นอน เพราะสื่อหลายๆ เจ้า หรือ คนดังหลายๆ คน ก็ออกมาพูดถึงเรื่องการนำเครื่องมือ Generative AI ต่างๆ มาใช้งานกันมากมาย (เช่น ChatGPT, Gemini, Copilot) ไม่ว่าจะเป็น การวางแผนธุรกิจ การตลาด การเขียนโค้ด และอื่นๆ ซึ่งหากใช้ถูกวิธี ก็สามารถช่วยให้เราสามารถทำงานเสร็จได้สะดวกและรวดเร็วขึ้นกว่าเดิมได้

แล้วสำหรับคนทำงานหรือสนใจงานสาย Data ล่ะ สามารถใช้ GenAI ยังไงได้บ้าง ลองมาดูกันครับ

Table of Contents

• *หมายเหตุก่อนอ่าน
• Generative AI คืออะไร? ใช้งานยังไง? ทำความเข้าใจ GenAI แบบง่ายๆ
• มาลองถาม Generative AI เกี่ยวกับ Data Analytics กัน
  • ChatGPT
  • Gemini (Bard)
  • Copilot (Bing AI)
• ข้อแนะนำก่อนนำ Generative AI ไปใช้งานจริง
• ตัวอย่าง Generative AI ในการวิเคราะห์ข้อมูล โดยตรง
• มี Generative AI แล้ว ยังจำเป็นต้องฝึกทักษะ Data Analytics มั้ย?
  • Prompt ที่จะใช้
  • คำแนะนำจาก ChatGPT (ฟรี)
  • คำแนะนำจาก Gemini
  • คำแนะนำจาก Copilot (ฟรี)
  • เราจะเชื่อคำตอบไหนดี?
• สรุป

*หมายเหตุก่อนอ่าน

• บทความนี้ จะมีการใช้ GenAI ใช้ประกอบหลายส่วน แต่ก็จะมีความคิดเห็นและประสบการณ์ส่วนตัวแทรกลงไปด้วย อาจจะไม่สามารถทำตามเป๊ะๆ ได้ 100% นะครับ
• บทความนี้ จะอ้างอิง Software, GenAI จากในช่วงต้นปี 2024 นะครับ หากมีอัพเดต ผมจะกลับมาแก้ไขบางส่วนนะครับ
• บทความนี้ จะไม่ได้ใช้ Generative AI ในการทำ Data Analytics โดยตรง แต่จะเน้นการใช้ GenAI ในการช่วยให้คำแนะนำแบบพื้นฐานเท่านั้น
• หากต้องการดูตัวอย่างการใช้ Generatvie AI ในการทำ Data Analytics สามารถดูตัวอย่างการใช้ ChatGPT วิเคราะห์ Excel ได้ในบทความนี้นะครับ
• ผมไม่ได้เป็น Generative AI Experts ดังนั้น จะใช้เฉพาะส่วนที่เคยทดลองและทำจากประสบการณ์จริงนะครับ

Generative AI คืออะไร? ใช้งานยังไง? ทำความเข้าใจ GenAI แบบง่ายๆ

ในฐานะที่ผมเป็นเพียงผู้ใช้งานทั่วไป ผมคงไม่ลงเรื่องเทคนิคว่า Generative AI ใช้เทคโนโลยีอะไรในการสร้าง มีกระบวนการและหลักการทำงานเบื้องหลังยังไง มีโมเดลภาษาอะไร มีเทคนิคการใช้งานอะไรยังไงบ้าง หรือ มีเครื่องมืออะไรบ้างในตลาดนะครับ แต่จะเน้นการใช้งานแบบง่ายๆ ไปก่อนนะครับ

ถ้าจะเอาคำตอบจากประสบการณ์ของผม ก็คือ มันคือเครื่องมือที่ช่วยสร้างผลงานต่างๆ ให้เรา โดยการป้อนคำสั่งข้อมูล (Prompt) เข้าไป เป็นภาษาปกติที่ใช้ในการสื่อสาร เช่น ภาษาอังกฤษ (ไม่ใช่แค่ภาษาเขียนโปรแกรม) แล้วให้ Generative AI นำคำสั่งไปประมวลผลด้วย Algorithm ที่เป็นโมเดลภาษา แล้วผลิตผลงานให้เราจากข้อมูลที่มี โดยตัวอย่างสิ่งที่ Generative AI สามารถทำได้ นั้นก็มีมากมาย ไม่ว่าจะเป็น

• รูปภาพ: แปลงข้อความเป็นรูปภาพ วาดภาพเหมือน แต่งรูป
• วิดีโอ: สร้างวิดีโอจากข้อความ แทรกตัวละคร เติมเสียง
• ข้อความ: ตอบคำถาม เขียนบทความ แต่งกลอน เขียนโค้ด
• เสียงเพลง: แต่งเพลง บรรเลงดนตรี

หรือแม้แต่ช่วยวิเคราะห์ข้อมูลและสร้างผลลัพธ์ออกมาเป็นรูปแบบต่างๆ เช่น Data Visualization หรือ Insight ด้วย

(สามารถดูตัวอย่างการใช้งานเบื้องต้นได้ที่บทความการใช้ ChatGPT วิเคราะห์ Excel นะครับ)

Generative AI นั้น ก็จะมีทั้งแบบฟรีและเสียเงิน แต่ในบทความนี้ เราจะเน้นแต่ของฟรี ซึ่งก็คือ

ChatGPT, Gemini, และ Copilot และ เน้นเฉพาะเรื่อง Data Analytics นะครับ

หากอยากเรียนรู้เครื่องมือแบบ Premium หรือ เครื่องมือในหมวดหมู่อื่นๆ ขอแนะนำให้ลองติดตามในกลุ่ม AI เพื่อธุรกิจและสังคม หรือ แหล่งอื่นๆ เพิ่มเติมดูนะครับ

มาลองถาม Generative AI เกี่ยวกับ Data Analytics กัน

โดยผมจะใส่ Prompt (คำสั่งหรือคำถาม) เข้าไปในเครื่องมือเหล่านี้ ว่า

Data Analytics คืออะไร? มีเครื่องมืออะไรทำได้บ้าง?

ซึ่งแน่นอนว่า แล้วลองมาดูผลลัพธ์ที่เราได้จากแต่ละเครื่องมือกันครับ

ChatGPT

หากพูดถึง Generative AI แล้ว หนึ่งในเครื่องมือยอดนิยมที่มักถูกพูดถึงมากที่สุด ก็คงหนีไม่พ้น ChatGPT จาก OpenAI ซึ่งสามารถไปสมัครใช้งานกันได้ที่ https://chat.openai.com/ ได้เลยครับ

ซึ่งผลลัพธ์ที่ผมได้จาก ChatGPTสำหรับ Prompt ที่ใส่เข้าไป ครับ

แต่เนื่องจาก Gen AI นั้น ทำงานโดยการใช้โมเดลภาษา และไม่ได้มีขั้นตอนการทำงานที่ตายตัว คำตอบที่หลายคนได้จึงอาจมีความแตกต่างกัน หรือ แม้แต่การใส่ Prompt เดียวกันเข้าไปอีกรอบ คำตอบที่ได้ก็อาจมีความแตกต่างกันด้วยเช่นกัน

เราลองมาดูผลลัพธ์ที่ได้จากการใส่ Prompt เข้าไปครั้งที่สองกันครับ

จะเห็นว่ามีความแตกต่างกันพอควรเลย ดังนั้น ก่อนจะนำคำตอบที่ได้มาไปใช้ อาจต้องตรวจสอบให้ดีและมั่นใจ ก่อนนำไปใช้งานจริงนะครับ

Gemini (Bard)

คราวนี้ เราลองมาดู GenAI ชื่อดังจาก Google อย่าง Gemini (ชื่อเดิม Bard) กันครับ ซึ่งหากใครสนใจอยากลองใช้ สามารถเข้าไปลองใช้กันได้ที่ https://gemini.google.com/ เลยครับ

และนี่ก็คือ ผลลัพธ์ที่ผมได้จาก Gemini สำหรับ Prompt ที่ใส่เข้าไป ครับ

Copilot (Bing AI)

คราวนี้ เราลองมาดู GenAI ชื่อดังจาก Microsoft อย่าง Copilot (ชื่อเดิม Bing AI) กันครับ ซึ่งหากใครสนใจอยากลองใช้ สามารถเข้าไปลองใช้กันได้ที่ https://copilot.microsoft.com/ เลยครับ

และนี่ก็คือ ผลลัพธ์ที่ผมได้จาก Copilot สำหรับ Prompt ที่ใส่เข้าไป ครับ

ข้อแนะนำก่อนนำ Generative AI ไปใช้งานจริง

จะเห็นว่า ผลลัพธ์ที่ได้จากเครื่องมือเหล่านี้ ไม่ว่าจะเป็นผลลัพธ์จากคนละคน คนละเครื่องมือ หรือ แม้แต่คนเดียวกันและเครื่องมือเดียวกัน ด้วย Prompt เดียวกัน ก็อาจได้ผลลัพธ์ไม่เหมือนกัน จึงทำให้ การใช้ Generative AI นั้น อาจไม่สามารถทำตามบางขั้นตอนได้แบบ Step by Step โดยเฉพาะกับ Prompt ที่ใส่เข้าไป ในเคสนี้ ซึ่งมีคำตอบที่หลากหลายและไม่ตายตัวครับ

คำถามก็คือ หากคุณได้ผลลัพธ์ที่แตกต่างกันเหล่านี้แล้ว คุณจะเชื่อคำตอบไหน และนำไปใช้ต่อยังไง

ดังนั้น การจะใช้ Generative AI ในด้านการค้นคว้าหาคำตอบให้มีประสิทธิภาพในปัจจุบันนั้น ค่อนข้างเป็นการใช้เพื่อเพิ่มความสะดวกในการทำงาน และ หรือช่วยให้สามารถเรียนรู้ concept บางอย่างโดยรวม ให้เรานำไปปรับประยุกต์ใช้ได้ แต่บางงานนั้น ยังคงต้องมีทักษะและความรู้พื้นฐานในเรื่องนั้นๆ พอควร เพื่อให้เราสามารถตรวจสอบได้จริงๆ ว่า

คำตอบที่ได้จาก Generative AI นั้น ถูกต้องและตอบโจทย์เราหรือไม่ เราจึงต้องจำเป็นต้องตรวจงานให้เป็นด้วย

เหมือนที่มีคนเปรียบเทียบเอาไว้ว่า ในการใช้ Generative AI เราควรรู้ขัอจำกัดของเครื่องมือและข้อจำกัดของตัวเราเองก่อน หากเราให้ AI เขียน email ภาษาจีนให้ โดยเราไม่รู้ภาษาจีน เราจะกล้าส่ง email นั้นออกไปหรือไม่?

ตัวอย่าง Generative AI ในการวิเคราะห์ข้อมูล โดยตรง

เราพูดถึง Generative AI ที่เน้นการถามตอบและค้นหาข้อมูลกันไปแล้ว

แต่ว่า ในปัจจุบัน อาจมี Generative AI หลายตัว อย่างเช่น Copilot แบบที่เชื่อมต่อเข้ากับ Product ของ Microsoft 365 เช่น Microsoft Office ต่างๆ ซึ่งเราสามารถใส่ prompt เพื่อสรุปและวิเคราะห์ข้อมูลให้เราออกมาอย่างรวดเร็ว แถมยังสามารถสร้างผลลัพธ์ได้หลากหลายรูปแบบ ไม่ว่าจะเป็น Excel หรือ Power BI (หากอยากดูรายละเอียดเพิ่ม สามารถลองไปดูได้ที่เว็บของ Microsoft กันได้ครับ)

บางคนก็อาจจะมีคำถามว่า ถ้ามีเทคโนโลยีเหล่านี้แล้ว เรายังจำเป็นต้องทำวิธีการใส่ Prompt แบบที่ผมบอกข้างต้นอีกหรือเปล่า? แล้วเรายังจะเป็นต้องฝึก Data Skills อีกหรือไม่?

มี Generative AI แล้ว ยังจำเป็นต้องฝึกทักษะ Data Analytics มั้ย?

ว่าแล้วก็ลองมาถามเหล่า Generative AI กันดีกว่า

Prompt ที่จะใช้

สำหรับ Prompt ที่จะใช้ถาม AI แต่ละตัว ก็ถามตรงๆ ไปเลยนี่แหละครับ

คำแนะนำจาก ChatGPT (ฟรี)

ChatGPT แนะนำว่า การเรียนรู้ Data Analytics นั้น จะช่วยให้

• เข้าใจแนวคิดและกระบวนการ
• การวิเคราะห์และตีความผลลัพธ์
• การแก้ไขปัญหา
• ความสามารถในการตัดสินใจ
• การปรับตัวกับเทคโนโลยีใหม่ๆ

คำแนะนำจาก Gemini

Gemini ให้คำตอบว่า

Generative AI มีข้อจำกัด คือ

• การขาดการตีความ
• การมีอคติ
• การจำกัดประเภทของข้อมูล
• ความต้องการข้อมูล

ดังนั้น ทักษะ Data Analytics จะช่วยเรื่องพวกนี้กับเราได้

• เข้าใจข้อมูล
• เตรียมข้อมูล
• ประเมินผลลัพธ์
• สื่อสารผลลัพธ์

โดยทักษะที่แนะนำ คือ

• Machine Learning
• Programming
• Communication

คำแนะนำจาก Copilot (ฟรี)

Copilot บอกว่า ความสำคัญของทักษะ Data Analytics คือ

• ความเข้าใจในหลักการและกระบวนการ
• ความรู้เกี่ยวกับธุรกิจและอุตสาหกรรม
• ความสามารถในการแก้ปัญหา
• ความเชี่ยวชาญในการแสดงข้อมูล

เราจะเชื่อคำตอบไหนดี?

จากคำตอบที่ได้มา จะเห็นว่า มีบางทักษะที่ AI ให้คำตอบใกล้เคียงกัน เช่น

• การเข้าใจกระบวนการ
• การตีความข้อมูล
• การแก้ปัญหา
• การตัดสินใจ
• การสื่อสาร

แต่บางคนก็อาจจะมีข้อสงสัยต่างๆ เช่น

• คำตอบจาก AI เหล่านี้ มีความน่าเชื่อถือมากน้อยแค่ไหน?
• ถ้าเราเชื่อคำตอบเหล่านี้ เราต้องฝึกทั้งหมดนี้มั้ย?
• หากฝึกทั้งหมดนี้เยอะเกินไป เราควรเลือกเรื่องที่จะเรียนรู้อย่างไร?
• เราสามารถจัดหรือลำดับการเรียนรู้เรื่องเหล่านี้ได้อย่างไร?
• เราสามารถฝึกหรือเรียนเรื่องเหล่านี้ได้จากที่ไหนบ้าง?

แน่นอนว่า ถ้าผมถาม AI ให้ทีละตัว มันคงจะยาวมากแน่ๆ ดังนั้น ผมอาจจะต้องขอให้คนที่อ่านแล้วสนใจ ลองไป Prompt หาแนวทางกันดูนะครับ

หรือ ถ้าคุณอยากลองฝึกตั้งคำถามกับ Generative AI หนึ่งในทักษะที่ผมแนะนำส่วนตัว และคิดว่าน่าจะเป็นประโยชน์ทั้งในการทำ Data Analytics หรือการใช้ Generative AI ก็คือ ทักษะ Critical Thinking หรือ ทักษะการตั้งคำถามนั่นเองครับ ซึ่งสามารถลองอ่านเกี่ยวกับเรื่องนี้ได้ที่บทความนี้เลยครับ

หรือ หากสนใจแนวทางการเรียนรู้ทักษะ Data Analytics รวมไปถึงการหางาน ผมก็ขอยกบทความนี้มาให้ลองอ่านกันดูนะครับ

แต่การจะเลือกเชื่อคำตอบไหนนั้น ผมคงตัดสินใจแทนคุณไม่ได้ การลองด้วยตัวเองน่าจะดีที่สุดครับ

สรุป

จะเห็นได้ว่า แม้ในปัจจุบันจะมีการเข้ามาของ Generative AI ที่ช่วยด้านงาน Data Analytics ในปัจจุบัน แต่การจะใช้ AI เหล่านี้ได้มีประสิทธิภาพ เราก็อาจต้องมีทักษะอื่นๆ มาประกอบด้วย ไม่ว่าจะเป็น

• ทักษะที่จำเป็นในการเลือกคำตอบและตรวจสอบงาน
• ทักษะ Critical Thinking ที่ใช้ในการ Prompt เพื่อต่อยอดต่างๆ

ซึ่งหากคุณอยากลองใช้ AI ให้คำแนะนำเกี่ยวกับการเรียนรู้ทักษะ Data Analytics ขอแนะนำ Prompt ด้านล่างนี้ ให้ลองไปปรับใช้กันดูนะครับ

หรือใครอยากลองอ่านประสบการณ์ส่วนตัวของผม ก็สามารถลองอ่านได้ที่บทความ ก้าวแรกสู่สายงาน Data เพื่อเป็นอีกหนึ่งไอเดียได้เลยครับ

หรือใครอยากให้ผมลองใช้ Prompt เหล่านี้ และสรุปพร้อมประสบการณ์ส่วนตัว เดี๋ยวผมจะลองหาเวลาทำให้นะครับ