Resigned from the factory... to sit and write code in front of the computer
I thought...
"If we work better, the system improves, the machinery stabilizes.
We'll feel more fulfilled... right? "
But as time passes,
The work is still the same loop.
Get better, but keep feeling away from what you want.
The turning point didn't come from anything big.
But from a small project that showed me
That information... can change everything.
From people who used to be on the job.
Become someone who wants to understand the whole system.
Want to change the whole organization process with "information."
So I decided...
Moved late at the age of 26.
From Mechanical Engineer → Data Engineer
Not because of being bored with the same job
But because I saw my future in this new way,
We don't need to know it all from day one.
But let's just "choose to start" on a day that's not ready.
And believe...
Today's little courage will change lives in the days to come.
.
What about you...
If you choose the first step again,
What kind of path would you choose?
# Smart people club # Engineer # Move the line # Data engineer # Change the line
ตอนผมเริ่มคิดจะย้ายสาย สิ่งที่กลัวที่สุดไม่ใช่ “เขียนโค้ดไม่เป็น” แต่เป็นความรู้สึกว่าเรากำลังทิ้งสิ่งที่ทำมานานในโรงงาน แล้วต้องไปเริ่มใหม่หน้าคอม ซึ่งพอได้ลองจริง ๆ ผมถึงเข้าใจว่า “การเปลี่ยนสายงานคือการต่อยอด ไม่ใช่เริ่มจากศูนย์” เพราะสกิลแบบวิศวกรเครื่องกลยังใช้ได้เยอะมาก แค่ย้ายเครื่องมือจากเครื่องจักร/ไลน์ผลิต มาเป็นข้อมูล/โค้ด สิ่งที่ทำให้ผมตัดสินใจชัดขึ้น คือโปรเจกต์เล็ก ๆ เก็บข้อมูลจากเครื่องจักร (เช่น เวลาหยุดเครื่อง, ของเสีย, ความเร็วรอบ, อุณหภูมิ) พอเราเริ่มเห็นว่า Data ทำให้คุยกับทีมอื่นรู้เรื่อง และเปลี่ยนกระบวนการได้จริง มันเหมือนเปิดโลกว่าเราไม่ได้อยาก “เก่งงานเดิมขึ้น” อย่างเดียว แต่อยากเข้าใจระบบทั้งองค์กร ถ้าคุณกำลังเป็น “คนทำงานโรงงาน/วิศวกร” แล้วอยากไปสาย Data Engineer ผมแนะนำให้เริ่มจาก 3 อย่างนี้แบบไม่ต้องรอพร้อม 1) ทำความเข้าใจบทบาท Data Engineer แบบง่าย ๆ: หน้าที่หลักคือทำให้ข้อมูล “ไหล” จากต้นทางไปอยู่ในที่ที่คนใช้ได้ (เช่น Dashboard/รายงาน/โมเดล AI) งานจริงจะเจอเรื่องดึงข้อมูล (ingest), แปลงข้อมูล (transform), จัดเก็บ (warehouse/lake), ทำให้ระบบเสถียรและตรวจสอบได้ 2) เลือกสแตกเทคที่จำเป็นก่อน: สำหรับมือใหม่ ผมโฟกัส Python + SQL ให้แน่นก่อน แล้วค่อยต่อยอดเรื่อง ETL/ELT, Git, และพื้นฐาน Cloud (เช่น AWS/GCP) ไม่ต้องรีบจับทุกอย่างพร้อมกัน เพราะยิ่งกระโดดเยอะยิ่งหลง 3) ทำพอร์ตจากของที่คุณรู้: ถ้าคุณอยู่หน้างาน ลองทำโปรเจกต์จำลอง “ข้อมูลเครื่องจักร” เองก็ได้ เช่น สร้างไฟล์ CSV/Google Sheet เก็บข้อมูลรายวัน แล้วเขียน SQL/Python สรุป KPI (OEE, downtime, defect) หรือทำ pipeline ง่าย ๆ จากไฟล์ → ฐานข้อมูล → กราฟ นี่แหละคือภาษาเดียวกับที่ Data Engineer ใช้คุยในงานจริง เรื่องเงินเดือนหรือโอกาสเติบโต หลายคนถามผมเยอะ แต่ผมคิดว่าแก่นสำคัญคือ “เราอยากเติบโตจากความสามารถ และได้ใช้ความคิดเต็มที่” พอมาอยู่สายข้อมูล งานมันมีโจทย์ให้แก้เรื่อย ๆ และยิ่งยุค AI/Big Data ความต้องการ Data Engineer สูงขึ้นจริงในหลายอุตสาหกรรม สุดท้าย ถ้าคุณยังลังเล ลองถามตัวเอง 2 ข้อ: เราอยากเป็นคนแก้ปัญหาเฉพาะจุดหน้างาน หรืออยากเป็นคนออกแบบระบบ/กระบวนการทั้งภาพด้วยข้อมูล? และเรายอมเริ่มก้าวเล็ก ๆ วันนี้ได้ไหม แม้ยังไม่มั่นใจ 100% เพราะบางที “ความกล้าเล็ก ๆ” นี่แหละที่พาเราไปไกลกว่าที่คิด