Vlog form Home

หลายคนถามว่าชีวิต Data Engineer แบบ Work from home (WFH) ใน “วันที่ไม่ค่อยยุ่ง” จริงๆ ทำอะไรบ้าง เลยขอมาเติมรายละเอียดให้เผื่อใครกำลังหาข้อมูลสายงานนี้หรืออยากจัดรูทีน WFH ให้ลื่นขึ้นนะครับ ในวันงานเบาๆ ของผม สิ่งแรกที่ทำคือเช็กปฏิทินกับข้อความในทีมก่อน (Slack/Teams แล้วแต่ที่ทำงาน) เพื่อดูว่ามีประชุมอะไรบ้าง และมีงานด่วนหลุดมารึเปล่า จากนั้นจะไล่ดู task ในบอร์ด (เช่น Jira/Trello) แล้วเลือก “1 งานหลัก + 1 งานจุกจิก” สำหรับทั้งวัน วันไหนโล่งหน่อยเหมาะกับงานที่ต้องใช้สมาธิ เช่น วางโครง pipeline, ปรับโค้ด ETL, หรือเคลียร์ technical debt ที่ค้างมานาน งานของ Data Engineer ที่เจอบ่อยเวลา WFH จะมีประมาณนี้ - ดูแล data pipeline/ETL-ELT ให้รันปกติ: เช็ก log, เช็ก job fail, เช็ก latency - ทำ data quality: ตรวจ null, duplicate, schema เปลี่ยน, ค่า outlier แบบง่ายๆ - ปรับ performance: query ช้า, partition, index, หรือ optimize บน warehouse - เอกสาร/ความเข้าใจร่วม: วันไม่ยุ่งเหมาะมากกับการเขียน doc, diagram, และ runbook เรื่องเครื่องมือ ถ้าใครกำลังอยากเข้ามาสาย data engineer ผมว่าควรเริ่มจากพื้นฐานที่ใช้จริงก่อน เช่น SQL ให้คล่อง, เข้าใจ data modeling เบื้องต้น (star schema/normalization), และใช้ Python ได้พอทำงานกับไฟล์/API/งานออโตเมชัน ส่วนเครื่องมือ orchestrator อย่าง Airflow หรือเครื่องมือคลาวด์ (เช่น BigQuery/Snowflake/Redshift) ค่อยๆ ต่อเติมทีหลังได้ ทริคเล็กๆ ที่ช่วยให้ WFH แล้วไม่หลุดโฟกัสในวันงานไม่แน่น 1) ทำ “โหมดโฟกัส” 60–90 นาที แล้วพัก 10 นาที (ลุกเดิน/เติมน้ำ) 2) ปิดแจ้งเตือนที่ไม่จำเป็นชั่วคราว แล้วตั้งเวลาตอบแชตเป็นรอบๆ 3) จดสิ่งที่ทำเสร็จไว้ท้ายวัน 3 บรรทัด (ช่วยทำ daily update ง่ายมาก) สุดท้าย วันไม่ยุ่งไม่ได้แปลว่าไม่ทำอะไรนะครับ ผมใช้เวลานี้ “เตรียมตัวให้วันยุ่งๆ ง่ายขึ้น” เช่น เคลียร์งานค้าง เขียนเอกสาร หรือทำเทมเพลตตรวจ data quality ไว้ล่วงหน้า ใครเป็น data engineer เหมือนกันมีรูทีน WFH แบบไหน มาแชร์กันได้ครับ