ROAD TO
ANALYTICS ENGINEER

อัปสกิลด้าน Data Engineering ของคุณ ให้โดดเด่นกว่าใคร ด้วยเซ็ตเครื่องมือ Data สมัยใหม่ ได้รับความนิยมทั่วโลก

ราคา Super Early Bird หมดเขตแล้ว
ราคา Early Bird จะหมดอายุใน
--
Days
--
Hours
--
Minutes
--
Seconds
เทคโนโลยีที่คุณจะได้ใช้ในคอร์สนีั

เรียนสด บนระบบออนไลน์

ไม่ต้องเดินทาง เรียนจากที่ไหนบนโลกก็ได้

ทุกพุธและเสาร์ 19:00 - 21:00 น.

9 คลาส (อาจมีแถม)

เสาร์ 19 สิงหาคม 19:00 - 21:00 น.


* หากวันไหนไม่สะดวก ทุกคลาสมี Recording ดูย้อนหลังได้ 12 เดือน

Analytics Engineer คือใคร

อาชีพ Analytics Engineer เกิดขึ้นมาเพราะ 2 เรื่องหลัก

1.

หลายองค์กรเริ่มค้นพบว่า Data Analytics หรือ "การวิเคราะห์ข้อมูล" ถ้าทำได้ดี จะสามารถสร้างผลตอบแทนได้อย่างมหาศาล

ซึ่งการที่จะทำ Data Analytics ได้ดี ประกอบไปด้วย 2 ตัวละครหลัก นั่นคือ ทีม Data Analyst กับทีม Data Engineer มีหน้าที่ดังนี้

💎 Data Engineer มีหน้าที่ นำข้อมูลเข้ามาจากต้นทาง แล้วเก็บไว้ในระบบ Data Warehouse

💎 Data Analyst มีหน้าที่ นำข้อมูลจาก Data Warehouse ไปวิเคราะห์ หาประโยชน์ที่นำมาช่วยธุรกิจได้

จะเห็นว่า 2 ตัวละครหลักนี้ มีหน้าที่ที่แตกต่างกันอย่างชัดเจน เชื่อมกันโดยระบบเก็บข้อมูล Data Warehouse

ในช่วงแรกที่องค์กรนำข้อมูลมาใช้ไม่เยอะ ทุกอย่างก็ราบรื่นดี แต่พอองค์กรเติบโตขึ้นเรื่อย ๆ ข้อมูลหลากหลายมากขึ้นเรื่อย ๆ ก็จะเจอปัญหาว่า

❌ Data Analyst ไม่สามารถทำงานได้อย่างเต็มที่ เพราะมักจะมีปัญหาเกี่ยวกับข้อมูลใน Data Warehouse ที่ Data Engineer ใช้เวลาแก้ไขนาน

นั่นเพราะ ยิ่งองค์กรเติบโตมากขึ้น ทีม Data Engineer ไม่ได้เตรียมข้อมูลให้ Data Analyst กลุ่มเดียว แต่จะมีคนที่ต้องพึ่งพา Data Engineer หลากหลายทีม เช่น Data Scientist หรือ Data Analyst กลุ่มอื่น ที่เจอปัญหาแตกต่างกัน

ทำให้อาชีพ Data Engineer เป็นตำแหน่งที่บริษัทใหญ่ต้องการตัวเยอะมาก เพราะเป็นอาชีพที่สำคัญต่อความสำเร็จในการนำข้อมูลมาใช้ในองค์กร


2.

ในช่วงไม่กี่ปีที่ผ่านมา ในวงการ Data เราเริ่มพบว่า หลายองค์กรมี Use Case การใช้งานข้อมูลที่เหมือนกัน เช่น

💎 การดึงข้อมูลการเข้าชมเว็บไซต์จาก Google Analytics มาวิเคราะห์

และเจอปัญหาแบบเดียวกัน เช่น

❌ ปัญหาเรื่องภาษา Python ซับซ้อนเกินไป อยากใช้ภาษา SQL ที่คนสาย Data ใช้เป็นมากกว่าในการทำงานกับข้อมูล แต่ติดที่ไม่มีวิธีจัดการโค้ด SQL ที่ให้เป็นระเบียบ และให้ทำงานอัตโนมัติได้

แต่องค์กรส่วนใหญ่เลือกจ้าง Data Engineer เข้ามาพัฒนาเครื่องมือของตัวเอง ไม่มีการนำมาแชร์กัน ทั้งที่เป็น Use Case / ปัญหาเดียวกัน อีกทั้งยังทำให้เจอปัญหาว่าจ้างคนเท่าไหร่ก็ไม่พอ เพราะมีปัญหาให้แก้ไขตลอด

จึงเกิดเป็นเครื่องมือสาย Data สมัยใหม่ที่ออกมาแก้ไขเรื่องนี้ เรียกว่า Modern Data Stack

🟢 Use Case และปัญหาที่เจอบ่อย ๆ สามารถจัดการได้ในไม่กี่คลิก

🟢 ไม่ต้องมีทีมใหญ่ ก็สามารถจัดการดูแล Modern Data Stack เองได้ง่าย ๆ

🟢 ออกแบบมาให้รองรับทั้งบริษัทเล็กและบริษัทใหญ่ และคิดราคาตามการใช้จริงเท่านั้น ทำให้งบไม่บาน


เมื่อมีความต้องการตำแหน่งที่มีสกิล Data Engineer แต่ใกล้ชิด Data Analyst มากขึ้น พร้อมทั้งการเกิดมาของเครื่องมือสาย Modern Data Stack ที่ทำให้การสร้างระบบจัดการ Data สามารถทำได้ง่าย และเร็วขึ้น

จึงเกิดเป็นอาชีพที่เรียกว่า Analytics Engineer

อาชีพ Analytics Engineer เหมือนเป็นสะพานเชื่อมระหว่าง Data Analyst กับ Data Engineer

✅ หาก Data Analyst เจอปัญหา / มีคำถาม / มี Use Case ใหม่ ๆ อยากปรึกษา คนที่เป็น Analytics Engineer ก็เข้ามาช่วยได้ทันที

✅ หากองค์กรต้องการสร้าง Infrastructure สำหรับแก้ปัญหาขั้นพื้นฐาน คนที่เป็น Analytics Engineer ก็ใช้ Modern Data Stack จบงานได้ ไม่ต้องรอทีม Data Engineer ว่าง

ตำแหน่ง Analytics Engineer ได้รับความนิยมมากขึ้นเรื่อย ๆ ในต่างประเทศ และในไทยก็เริ่มเห็นบริษัทเปิดรับตำแหน่งนี้ด้วยเช่นกัน

คอร์สนี้เกี่ยวกับอะไร

จากประสบการณ์ที่ผม (แอดเพิร์ธ) ทำงานด้าน Data มานานหลายปี มีโอกาสได้ทำงานด้าน Data Engineer กับบริษัทในตลาดหุ้นออสเตรเลียหลากหลายแห่ง, องค์กรรัฐบาล, และปัจจุบันทำงานเป็น Analytics Engineer ในบริษัทที่กำลังเติบโตอย่างก้าวกระโดด จนเป็นบริษัทระดับ Unicorn (บริษัทที่มูลค่ามากกว่า 1 พันล้านเหรียญ)

จากที่ได้เห็นการเติบโตในวงการ Data ด้วยตัวเอง ได้ทำจริง เจ็บจริง เจอปัญหาจริง และได้เห็นว่าเครื่องมือใหม่ ๆ ในกลุ่ม Modern Data Stack เข้ามาช่วยเปลี่ยนมุมมองของ Data Engineer อย่างไร

เลยอยากนำสิ่งที่ได้เรียนรู้มาตลอดหลายปี มาจัดระเบียบเป็นคอร์สนี้

และนี่คือเทคโนโลยีต่าง ๆ ที่เราจะเรียนกัน

✅ การดึงข้อมูลแบบอัตโนมัติ ที่ไม่ต้องเขียนโค้ดทำ Data Pipeline ด้วยการใช้ Fivetran และ Airbytes

✅ การจัดการระบบ Data ทั้งระบบด้วยการเขียนโค้ด และรันอัตโนมัติได้เลย ขจัดปัญหาจากคนกดผิด (Human Error - Fat Finger Error) ด้วยการใช้ Terraform

✅ ทำ Data Transformation ด้วย SQL แบบที่โค้ดจัดเก็บเป็นระเบียบ, สามารถทดสอบคุณภาพข้อมูลได้ ด้วยการใช้ dbt

✅ Data Warehouse จัดเก็บข้อมูล ที่เชื่อมต่อกับ Data Lake ได้เลย อย่าง Snowflake และ Databricks

✅ การนำเครื่องมือกลุ่ม Modern Data Stack ที่เรียนในคอร์สมาใช้ร่วมกัน เพื่อทำงานกับ Data แบบตั้งแต่ต้น - จบ

✅ คอนเซปต์ Data ใหม่ ๆ ที่น่าสนใจ เช่น Data Lakehouse, Data Mesh, Data Contract ฯลฯ

✅ และเรื่องอื่น ๆ สาย Data ที่น่าสนใจ โดยคอร์สนี้คัดมาเฉพาะเครื่องมือและคอนเซปต์สาย Data ที่ดังระดับโลกเท่านั้น

เมื่อเรียนจบคอร์สนี้แล้ว คุณจะมองเห็นโลก Data ที่กว้างใหญ่ เลือกหยิบเครื่องมือที่เหมาะสมได้ สร้างคุณค่าให้กับองค์กรได้มากยิ่งขึ้น โดยเฉพาะเรื่องการเลือกใช้เครื่องมือกลุ่ม Modern Data Stack ซึ่งเป็นเรื่องใหม่ในสาย Data

⭐️ Bonus Content: Prompt Engineer

Skill ลับที่ Data Engineer สมัยใหม่ต้องมี ในคลาสสุดท้าย จะมีการสอน Prompt Engineering การใช้งาน ChatGPT ให้ตอบคำถามในรูปแบบที่เราต้องการมากที่สุด และตัวอย่างการใช้งานในสาย Data ให้เกิดประโยชน์สูงสุด

ตารางเรียน

เพื่อให้คอร์สไม่นานจนเกินไป คอร์สนี้เราจะเรียนกันทุกวันพุธ และวันเสาร์ เวลา 19:00 - 21:00 น. (1-3 ทุ่ม)

ทุกคลาสมีอัด Recording วีดิโอย้อนหลัง เข้ามาดูย้อนหลัง ตอนไหนก็ได้ กี่ครั้งก็ได้ เป็นเวลา 6 เดือน ผ่านระบบเรียนออนไลน์ของ DataTH

ทีมผู้สอน

Perth Woratana

ผู้ดูแลคอร์ส Road to Analytics Engineer

Analytics Engineer at Canva

Shane Nuttatun

Data Engineer at Chalhoub Group

Meow Pattranit

Data Engineer at The Data Foundry

Fai Narisara

Data Engineer Intern at T2P & Rentspree

นักเรียน DataTH บอกว่าอะไรบ้าง

ชอบมากครับ สอนลงรายละเอียด คุ้มค่าเงินมาก คอมมูนิตี้ก็น่ารักมากเช่นกัน

ดีที่ได้เจอคอร์สของ DataTH ในช่วงกำลังค้นหาตัวเอง

คุณ Takorn M.

สนุกมากครับ เปิดโลก Data Engineer มาก และเป็นความรู้ที่หาจากที่ไหนไม่ได้ด้วย

คุณ Phasuth P.

เพิ่งได้เห็นถึงเบื้องหลังการใช้งานของข้อมูลเชิงลึกว่ามีความเป็นมาและมีกระบวนการอะไรบ้างกว่าจะได้มาซึ่งข้อมูลสำหรับใช้งาน

เหมือนได้เปิดโลกใบใหม่ดีค่ะ

คุณอุทัยทิพย์

Multi Layer Image

FAQ คำถามที่พบบ่อย


ไม่มีพื้นฐาน เรียนได้มั้ย

ได้ แต่จะไม่ได้ความรู้แบบเต็มเม็ดเต็มหน่วย เพราะบางครั้งอาจจะพูดถึงคอนเซปต์ Data ที่เคยสอนไปแล้วใน R2DE

หากคุณเคยทำงานกับ Data มาบ้างแล้ว เข้าใจคอนเซปต์ Data ในระดับหนึ่ง สามารถเรียนคอร์สนี้เพื่ออัปสกิลเรื่องเครื่องมือ Data ใหม่ ๆ และวิธีใช้ร่วมกันได้

อย่างไรก็ตาม หากต้องการลงในรายละเอียดคอนเซปต์สำคัญของงาน Data Engineer เราแนะนำให้ลองเรียนคอร์ส Road to Data Engineer ซึ่งจะสอนตั้งแต่พื้นฐาน แล้วจึงมาเรียนคอร์สนี้ จะสนุกมากขึ้น ^^

หากไม่ใช้ Cloud Computing สามารถเรียนได้มั้ย

ได้ เนื้อหาในคอร์สสามารถนำไปปรับใช้กับองค์กรที่เซิร์ฟเวอร์ของตัวเอง (On-Premise) ได้

มีไม่กี่เครื่องมือที่อาจจะใช้ตัวเดียวกับในคอร์สโดยตรงไม่ได้ แต่หากเป็นกรณีนั้น เราจะมีแนะนำเครื่องมือที่คอนเซปต์คล้ายกัน และสามารถติดตั้งบน On-Premise ได้

คอร์สนี้ต่างกับ R2DE อย่างไร

R2DE (Road to Data Engineer) เป็นคอร์สที่สอนตั้งแต่พื้นฐาน ไม่ต้องมีความรู้มาก่อน เพื่อให้เรียนจบแล้วสามารถเข้าสู่ตลาดงาน Data Engineer ได้

คอร์สนี้ (Road to Analytics Engineer) เน้นเรื่องของเครื่องมือใหม่ ๆ ในสาย Data ซึ่งสามารถเรียนควบคู่เพื่อเสริมความรู้จากคอร์ส R2DE ได้

ชำระเงินได้ทางไหนบ้าง

สำหรับลูกค้าบุคคล สามารถชำระได้ทางบัตรเครดิต และหากต้องการชำระด้วย PromptPay หรือในนามบริษัท สามารถติดต่อได้ที่ Facebook Page: DataTH

ไม่พบคำถามที่คุณต้องการ? ทักมาคุยกับทีม DataTH ได้เลย ที่ Facebook Page: DataTH

มาอัพสกิล Data กันในคอร์ส Road to Analytics Engineer

ราคา Super Early Bird จะหมดอายุใน
--
Days
--
Hours
--
Minutes
--
Seconds

ราคา 12,900 บาท Early Bird 9,900 บาท

ถึงเที่ยงคืน วันอาทิตย์ 6 สิงหาคม 2023

หากต้องการสั่งซื้อในนามองค์กร หรือมีคำถามเพิ่มเติม สอบถามได้ที่ Facebook Page: DataTH