ต้องย้อนไปว่าปีนี้ผมกลับมาวิ่งแล้วครับ หลังจากหยุดวิ่งจริงจังไปหลายปีมากๆ แล้วผมจะมีความคาใจอยู่นานตั้งแต่สมัยวิ่งไปถึง Half Marathon แล้วว่าผมไม่สามารถวิ่งยาวๆ จนจบได้เลย แต่เป็นวิ่งสลับเดินมาตลอด ถึงแม้จะพยายามเก็บระยะ จะพยายามซ้อมตามตารางแล้วก็เถอะ

จนกลับมาวิ่งรอบนี้ผมตั้งเป้าหมายง่ายมาก (น่าจะง่ายแหละ) คือขอแค่วิ่งยาวๆ จบ ไม่ต้องหยุดเดินตามระยะที่ต้องการได้ก็พอ ทีนี้พอเข้าโปรแกรมซ้อมกับนาฬิกา สิ่งที่ค้นพบหลังจากผ่านไปไม่กี่สัปดาห์คือ ผมกลับมา Loop เดิมคือยังวิ่งตามโปรแกรมซ้อมจนจบไม่ได้ Pace ลั่น จนหมดแรงแล้วก็เดินอีกแล้ว จนเริ่มเรียนรู้ที่จะคุม Pace ให้เป็นซึ่งเป็นจุดเปลี่ยนมาก เพราะผมเริ่มวิ่งได้ไกล ได้นานขึ้นเรื่อยๆ แล้วพัฒนาการมันเพิ่มขึ้นแบบรู้สึกได้

แต่พอผ่านไปได้ประมาณ 3/4 ของโปรแกรมมันก็ถึงจุดที่ผมกลับมาคาใจอีก ผมเริ่มที่จะรู้สึกว่า Hit-the-wall เหมือนมีกำแพงที่ข้ามไปไม่ได้คือไป Pace ที่ต้องการไม่ได้ซักที อีกจุดที่คาใจคือ เริ่มรู้สึกว่านาฬิกามันโชว์ Heart Rate Zone แปลกๆ เวลาวิ่งคือไป Zone 3-4 ทั้งๆ ที่ผมรู้สึกว่าเอะ มันก็ยังไม่เหนื่อยนี่หว่า แต่บางวัน Zone 4 ก็เหนื่อยมากๆ เลยรู้สึกว่ามันมีอะไรผิดปกติละ

จังหวะนั้นคือเริ่มมองหาตัวช่วยละ เลยไปเจอใน The Running Channel ว่ามันมีตรวจอะไรแบบนี้ด้วย หลังจากนั้นก็เริ่มหาข้อมูลเลยมาเจอของไทยมีหลายที่เลย แต่ผมเจอของ Health Performance Team กับคุณหมอแอร์ที่เป็นนักกีฬาด้วย เลยตัดสินใจนัดเลย

การนัดหมายกับการเตรียมตัว

อย่างแรกคือการนัดหมายคือทักไปในเพจ Health Performance Team เลยครับ แล้วเดี๋ยวมีเจ้าหน้าที่ติดต่อกลับมา จริงๆ มีหลายโปรแกรมตรวจให้เลือกด้วย แต่ผมเลือกเป็น VO2 Max เลยเพื่อมาตอบคำถามที่คาใจตัวเองอยู่

หลังจากนัดหมายเสร็จก่อนวันตรวจจริงมีเจ้าหน้าที่โทรมายืนยันนัดหมายอีกที แล้วก็บอกให้เตรียมตัวเช่น งดออกกำลังกายหนัก นอนอย่างน้อย 8 ชม. งดอาหารอย่างน้อย 4 ชม. แล้วก็เตรียมชุดกีฬากับรองเท้ากีฬามาเปลี่ยนด้วย

การทดสอบ

พอถึงวันจริงเจอคุณหมอแอร์ตามเวลาครับ หมอจะซักประวัติก่อนต่อจากที่พยาบาลถามเบื้องต้นมาก่อนหน้านี้ ถามไปถึงค่าที่ตรวจสุขภาพมาก่อนหน้านี้ก็เลยเอาผลแล็บให้หมอดูด้วยเลยไปถึงโรคประจำตัวถึงรุ่นบรรพบุรุษเลย เรียกได้ว่าถามละเอียดมากๆ

ถามประวัติเสร็จก็ถึงเวลาทดสอบ อย่างแรกคือใส่หน้ากากที่จะต่อไปกับถังอากาศก่อน ซึ่งที่เคยดูๆ รีวิวจากหลายๆ ที่มาจะชอบบอกว่าหน้ากากจะรัดแน่นมาก แต่ผมว่าถึงแค่ระดับกระชับไม่ถึงกับอึดอัดครับ แล้วยังหายใจได้ ตรงหัวมันจะมีเหมือนพัดลมคอยพัดอากาศเข้ามาให้เราอีกที

อย่างที่สองคือติดเหมือนตัววัดคลื่นหัวใจ ซึ่งติดไว้หลายจุดหลายมุมมาก 10 กว่าจุด รวมถึงสายวัด Heart rate ที่หน้าอกด้วย ณ จุดนี้คือตรงหน้าท้องไปจนถึงหน้าอก เต็มไปด้วยอุปกรณ์พะรุงพะรังเต็มไปหมด ถึงจุดนี้คือเริ่มกังวลละว่าจะวิ่งได้ปะวะ ของห้อยเยอะขนาดนี้ พอทุกอย่างเรียบร้อยก็ถึงขึ้นสายพานครับ ซึ่งคุณนักวิทยาศาสตร์การกีฬาก็มาอธิบายวิธีการทดสอบเพิ่ม ว่าสายพานจะเร็วขึ้นเรื่อยๆ แล้วให้เรายกมือบอกระดับความเหนื่อยของเรา ที่เพิ่มขึ้นเรื่อยๆ หลังจากนั้นก็ถึงเวลาทดสอบจริง

ขั้นแรกของการทดสอบคือ ยืนนิ่งๆ 90 วิครับ หลังจากนั้นลู่วิ่งจะเริ่มเคลื่อนตั้งแต่ช้าๆ แล้วเร็วขึ้นเรื่อยๆ ระหว่างนั้นคุณนักวิทย์ก็จะถามเรื่อยๆ ว่าระดับความเหนื่อยถึงไหนแล้วเช่น ถ้าถึงระดับ 5 แล้วยกมือบอกครับ ซึ่งช่วงแรกๆ มันก็ช้ามากๆ แต่ความเข้มข้นมันเริ่มตอนที่มันเร็วพอที่เราจะต้องก้าววิ่งนี่แหละครับ จังหวะนั้นคือค่อยๆ ไล่ไปเรื่อยๆ 6 7 8 จากที่เคยหายใจแค่จมูกก็เริ่มใช้ปากช่วย จากตอนแรกที่รู้สึกว่าวิ่งได้เรื่อยๆ เริ่มวิ่งเซไปทางขวาของลู่เรื่อยๆ จนทุกคนต้องคอยบอกให้กลับมาทางซ้าย พอถึงระดับ 8 ใกล้ๆ 9 ตอนนั้นคือหายใจถี่มากๆ หายใจดังมากๆ ได้ยินคุณหมอถาม กต ว่าปกติผมหายใจแรงแบบนี้มั้ย เป็นหอบหืดมั้ย แต่ตอนนั้นคือหายใจจะไม่ทันละ เลยถึงจุดที่พอละก็ยกมือบอก คุณนักวิทย์ฯ ก็ช่วยนับถอยหลังให้ หลังจากนั้นลู่วิ่งก็ค่อยๆ ลดความเร็วลงเรื่อยๆ จนหยุด ใช้เวลาประมาณ 15 นาทีครับตั้งแต่เริ่มยืนจนถึงหยุด

ผลการทดสอบ

หลังจากหายเหนื่อยถอดอุปกรณ์เรียบร้อยแล้ว คุณนักวิทย์ก็จะมาสรุปผลการทดสอบให้เลย ในส่วนนี้ขอแบ่งเป็น 4 Section ย่อยๆ

Performance Analysis

ส่วนนี้คุณนักวิทย์ของเราพาเราแปลผลจากกราฟ 9 Plots ซึ่งเยอะมาก แต่ช่วยให้เราเห็น Trending แต่ละ Aspect เลย ซึ่งสุดท้ายแล้วสรุปหลักๆ ออกมาเป็น 3 เรื่อง

• VO2 Max — ตัวนี้ผลออกมาวันนี้ต่ำกว่าเกณฑ์คนทั่วไปที่อายุเท่ากันอยู่ แต่ข้อสังเกตุอีกอย่างของผมเองคือ ค่ามันต่ำกว่าค่าที่อ่านได้จากนาฬิกาแหะ
• Oxygen Pulse — ค่าบีบตัวของหัวใจสูงสุดวันนี้ก็ยังต่ำกว่าเกณฑ์คนทั่วไปที่อายุเท่ากัน เหมือนกัน แต่คุณนักวิทย์อธิบายเพิ่มว่า ถ้าดูในเชิง Performance ยังยอดเยี่ยมอยู่เพราะ Heart Rate กับการบีบของหัวใจทำงานต่อเนื่องสัมพันธ์กันไปอยู่ตั้งแต่ต้นจนจบการทดสอบ
• Lung Function — ประสิทธิภาพของปอดต่ำกว่าเกณฑ์คนทั่วไปที่อายุเท่ากันอยู่ แต่ช่วงความเหนื่อยสูงสุดยังมีช่วงที่ปอดยังไม่ได้ใช้งานอยู่เยอะระดับนึงเลย แปลว่ายังมีช่องว่างที่พัฒนาต่อไปได้อีก

Exercise Program Based on VO2 Max test

ส่วนนี้คุณนักวิทย์ของเราจะช่วงวางโปรแกรมออกกำลังกายให้จากค่าหัวใจกับความเร็วที่ได้จากการทดสอบโดยแบ่งเป็น

• Session 1: Base Aerobic
• Session 2: Anaerobic threshold (Tempo) Interval (1000m x 4)
• Session 3: HIIT at 100% VO2 Max (ลงคอร์ทหรือ Treadmill)
• Session 4: Fat Burn Zone

ซึ่งแต่ละ Session เราจะได้ทั้งตัวเลขความเร็วที่เป็น Pace (min/km) และความเร็วบน Treadmill (km/hr) ให้เราเอาไปใช้ต่อได้ครับ

Goal Race Pace

อย่างที่เกริ่นไปตอนแรกว่า Goal ผมตอนนี้คือ จบ 10K ได้แบบวิ่งยาวๆ ไม่เดินเลย คุณนักวิทย์เลยช่วยคำนวนให้ได้ค่า Pace ที่เหมาะสมให้ ซึ่งเป็นจุดที่ใช้พลังงานจาก ไขมัน 70% และจากคาร์บ 30% อันนี้หลังจากได้ผลเอามาเทียบกับค่า VDOT กับ Race Estimator ที่เคยคำนวนได้คือใกล้เคียงมากๆ (อาจจะช้ากว่านิดหน่อยหลักหน่วยวินาที)

Heart Rate Zone

ค่านี้คือค่าที่ผมมาตามหาครับ ซึ่งก็แบ่งเป็น 5 Zone อย่างที่เราเข้าใจเลย

• Zone 5 (Top)
• Zone 4 (Development)
• Zone 3 (Intensive Endurance)
• Zone 2 (Extensive Endurance)
• Zone 1 (Compensation)

ซึ่งคุณนักวิทย์เราแนะนำว่า ของวันนี้ที่ทดสอบอยู่ใน Control environment เป็นห้องแอร์ ถ้าออกไปวิ่งข้างนอกอากาศร้อน ให้บวกไปประมาณ 7 bpm ทุก Zone กำลังดี ซึ่งผมเอามาเทียบกับ Zone ที่นาฬิกาคำนวนให้ Based On %Max. HR นี่คือคนละเรื่องกันเลย จะมีส่วนที่เป็น %HRR ที่ดูใกล้เคียงไปทางเดียวกันหน่อย แต่ก็ยังไม่ตรงกันอยู่ดี

ค่าผลการทดสอบทั้งหมดที่ได้จากการเดินสายผ่านจะถูกส่งมาให้เราใน email อีกทีครับ ถ้าจำไม่ได้ตอนที่ฟังหลังจากวิ่งมาเหนื่อยๆ ก็ไม่เป็นไร หลังจากนั้นระหว่างที่รอคุณหมอแอร์แปลผลอีกคน เป็นช่วงที่เราแว็บไปอาบน้ำ เปลี่ยนชุดได้ครับ

ในส่วนของคุณหมอแอร์สรุปผลให้ ผมขอแบ่งเป็น 3 Section ย่อยๆ ครับ

Running Form Analysis

ในส่วนนี้คุณหมอจะวิเคราะห์ท่าวิ่งในช่วงที่เราวิ่งอยู่ที่ระดับ Threshold ครับ ซึ่งหมอก็ถ่ายคลิปไว้ทั้งด้านหลังและด้านข้าง เพื่อจะดูว่ามีความเสี่ยงอาการบาดเจ็บจากการวิ่งหรือเปล่า แบ่งย่อยได้อีกเป็น

อาการเท้าล้ม (Over Pronation)

ในเคสนี้ผมรอดไปครับ หมอบอกว่าลงน้ำหนักได้ดีทั้งสองข้างแบบ Neutral ไม่บิดเข้าบิดออกเลย

ความสมดุลของกล้ามเนื้อทั้งสองข้าง

เคสนี้หมอจะดูจากอาการขาไขว้ (Cross Running) ครับ ซึ่งผมมีปัญหา ขาขวามีอาการไขว้เป็นพักๆ ซึ่งมีมัดกล้ามเนื้อที่มีปัญหาคือ Gluteus Medius, Gluteus Maximus ที่ทำให้เกิดอาการ Hip Drop วิ่งแล้วสะโพกตก

ในส่วนของการนี้คุณหมอแนะนำว่าให้ไป Weight Training เลย ซึ่งผมไม่ได้เล่น Weight มาหลายปีมากตั้งแต่เปลี่ยน Trainer หลายปีที่แล้ว ซึ่งหมอก็ให้โปรแกรมมาแก้เรื่องนี้คือ

• Squats เพื่อแก้ Gluteus Maximus หมอย้ำมากว่าต้องลงลึกๆ ตั้งฉาก 90 องศาเลย
• Abduction เพื่อแก้ Gluteus Medius แต่ต้องเล่นน้ำหนักเบามากๆ หรือจะใช้ยางยืดเปิดสะโพกแทนเอาก็ได้

และอย่างที่หมอแนะนำคือ ยังไงก็ต้องกลับมาพัฒนา Core body จะ Isometric Plank หรืออะไรก็ได้

ฟอร์มการวิ่งด้านข้าง

จุดนี้เหมือนคุณหมอจะโฟกัสการลงน้ำหนักกับการยกเข่า แล้วหมอชมว่า ถือว่าเป็นคนน้ำหนักเยอะ แต่วิ่งดีนะ ท่าวิ่งนี้สวยเลย มีการเทน้ำหนักไปข้างหน้า วงสวย ดีดส้นดี ไม่ Overstride แทงเข่าได้ไกลใช้ Hip Flexor เป็น ถ้าเทียบน้ำหนักตอนนี้วิ่งได้ขนาดนี้ ถ้าตัวลีนแล้วจะวิ่งได้เร็วและแรงมาก… หมอชมมาขนาดนี้ ผมก็ลอยสิครับ 555

ในส่วนของการลงน้ำหนัก ยังลงที่ส้นอยู่ แต่ไล่เท้าได้เร็วมากจนเกือบๆ จะเป็น Mid Foot Strike แล้ว ซึ่งก็ไม่น่าต้องปรับอะไรแล้วเพราะไม่มีความเสี่ยงในการบาดเจ็บจากการลงน้ำหนักเลย

ตัว Core body อาจจะต้องดูว่าถ้าวิ่งนานๆ จะมีโยกหรือเปล่า ส่วนการแกว่งแขนนี่ใช้ได้แล้ว เป็นการแกว่งจาก Shoulder Joint แค่ระวังอย่าให้ Cross mid-line ก็พอ

Health Analysis

ช่วงนี้คือ เหมือนถูกคุณหมอสัมภาษณ์เรื่องการกิน แล้วการที่คุณ กต เข้าไปนั่งฟังด้วยเลยเหมือนช่วยกันตอบเยอะมากๆ แต่คิดถูกมากๆ ที่เอาคุณ กต มานั่งฟังด้วย อันนี้รายละเอียดเยอะมาก แต่สรุปได้คร่าวๆ คือ ถ้าจะออกกำลังกายได้ Effective มากขึ้นยังไงก็ต้องลดน้ำหนักอยู่ดี

Life Plan Summary

ถึงจุดนี้เหมือน คุณหมอวางแผนชีวิตให้เลย ซึ่งคุณหมอก็วางให้สัมพันธ์กับ Goal ที่บอกไปก่อนหน้านี้แบ่งเป็น 3 แกนหลักๆ

ออกกำลังกาย

ไม่ต้องโฟกัสมากว่าต้อง Zone 2 แต่คือซ้อมไปปกติ ตามที่วางแผนมาให้เลย แต่ถ้ารู้สึกว่าที่เทสมาวันนี้มันเบาไปก็เอาตามความรู้สึกเลยก็ได้ แล้วเสริมด้วย Strength training ด้วย

อีกส่วนที่เป็น Optional คือ NEAT (non-exercise activity thermogenesis) พูดให้เข้าใจง่ายๆ คือการขยับตัวระหว่างวัน เพราะบอกหมอไปว่าผมเป็นโปรแกรมเมอร์ครับ ถ้าใช้โต๊ะยืนได้จะดีมาก แต่ถ้าไม่ได้จริงๆ ก็ตั้งเวลาไว้แล้วออกไปขยับร่างกายบ่อยๆ

การกิน

ส่วนนี้หมอแนะนำให้ไปเรียนรู้การแยกความรู้สึกของความหิว ความอิ่มดีๆ แล้วพยายามกินอยู่ที่ 80% ของความอิ่ม ถ้าจะ cut ให้เริ่มที่ Carb แต่ห้ามลดโปรตีนเด็ดขาด

การนอน

อันนี้ไม่ต้องทำอะไร เพราะนอนได้ดีอยู่แล้ว

ก็ประมาณนี้ครับสำหรับการไปทดสอบ VO2 max เอาจริงๆ คือประทับใจมากๆ เพราะได้คำตอบทุก Aspect ที่ตั้งใจจะไปถามเลย และรู้สึกว่าคุณหมอกับคุณนักวิทย์ก็ใส่ใจมากๆ เพราะถามเยอะมากกับช่วยคิดเยอะมาก ตอนนี้เลยได้การบ้านไปทำต่อกับไฟในการวิ่งลุกโชนขึ้นไปอีก

💡 Disclaimer: ความเห็นต่างๆ ในโพสนี้เป็นความคิดเห็นส่วนตัว ไม่ได้เกี่ยวข้องกับบริษัทที่ผมทำงานอยู่ปัจจุบันแต่อย่างใดครับ

ก่อนเริ่มงาน 1 เดือน

จากตอนที่แล้วผมบอกไว้ว่ามันจะมีช่วงที่เรา lower your light ซึ่งเป็นเวลาที่ดีที่สุดที่เราจะเตรียมตัวกับงานใหม่ จังหวะนี้เป็นช่วงที่ผมหาข้อมูลงานใหม่ให้มากที่สุดครับ ซึ่งจากเท่าที่คุยตอนสัมภาษณ์ผมรู้แค่ว่า Tooling หลักคือ Dagster ช่วงแรกๆ ผมเลยดู Dagster เป็นหลักเลยซึ่ง ณ จุดนี้ถ้ามองย้อนไปผมบอกเลยว่า Tutorial ของ Dagster มันเป็นกับดักครับ 555 คือมันดูเหมือนจะเข้าใจง่าย job, ops, เขียนเทสได้ อะไรก็ว่าไป แต่ของจริงมันอยู่ใน Concept กับตัวอย่างใน GitHub ของ Dagster เองครับ อันนั้นคือถ้ากระโดดต่อมาจาก Tutorial ก็จะมีความช็อคน้ำหน่อยๆ แต่เดี๋ยว Dagster ผมมาเล่าต่อในอนาคต มีอีกหลายเรื่องเลยให้เล่าครับ

นอกจาก Dagster แล้วผมต้องขุดความทรงจำว่าเพื่อนร่วมงานผมในอนาคต (ซึ่งเป็นเพื่อนร่วมงานในปัจจุบัน) เค้าทำอะไรมาบ้าง ซึ่งโชคดีมากที่เค้าเคยเล่าไว้ใน LINE Developers Podcast ไว้ถึง 2 ตอนเลย เพราะใน Podcast นี้แนะนำไว้ชัดเจนเลยว่า เราควรจะรู้จัก Hadoop ecosystem นะ ซึ่งผมไต่ไปหลายบล็อกมาก ช่วงนั้นเพื่อจะอัพเดทความรู้ Hadoop ตัวเองที่ถูกแช่ไว้ตั้งแต่ปี 2013 ซึ่งในบรรดาบล็อกทั้งหมดที่ผมไล่อ่านมา ผมประทับใจบล็อก Good Old Days Hadoop นี้มากครับซึ่งเล่าประวัติ Hadoop ได้เห็นภาพมาก รวมถึงพูดถึง YARN, Spark ไว้นิดหน่อยด้วย ซึ่งตอนนั้นผมยังจับภาพไม่ได้เลยว่ามันเกี่ยวกันยังไง

💡 “Software Engineer ทุกคนเราอ่ะเป็น Data Engineer อยู่แล้ว เพียงแค่ความเข้มข้นในการเข้าไปจัดการข้อมูลของเรามันต่างกัน”
- ผมชอบประโยคนี้ของเพื่อนร่วมงานในอนาคตผมมาก

นอกจาก Podcast ข้างบนผมโชคดีอย่างนึงที่ผมพอจะรู้จักเพื่อนร่วมงานในอนาคตผมอีกคน ซึ่งผมก็ถามไปตรงๆ เลยว่าผมควรดูอะไรก่อนบ้างก็ได้รู้จัก Apache Spark มาซึ่งพอได้ยินแบบนั้นปั๊ป ผมกดเรียนคอร์ส Batch Data Pipeline with Spark แบบไม่ลังเลเลย แล้ว Live Project ของ Manning ดีอย่างนึงคือไม่ใช่แค่ก็อปโค้ดแปะแล้วรันได้ แต่จะคล้ายทำงานจริงๆ มากที่บอกว่า เราอยากได้แบบนี้แหละ แล้วก็มี resource guide ให้คร่าวๆ แต่เราต้องไปเปิด Doc API ของ Spark เองว่าจะใช้ฟังก์ชั่นอะไร มาทำให้งาน Ingestion, Cleaning data เป็นไปแบบที่เราต้องการ แล้วนอกจากนั้นยังมีพวก Tips อะไรแทรกอยู่ด้วยเหมือนเรามีเพื่อนร่วมงานระดับโลกคอยคุยกับเราผ่านตัวหนังสือไปอีก

แต่ยังไม่ทันได้เรียนจนจบคอร์สข้างบนผมก็มีโอกาสเจอเพื่อนร่วมงานในอนาคตผมอีกคน ซึ่งผมก็ถามแบบตรงๆ เหมือนเดิม แต่คำตอบที่ได้มาต่างกันคือผมน่าจะลองไปดู Apache Hive กับ Presto ดูซึ่งด้วยความที่เวลาเหลืออีกไม่กี่วันจะเริ่มงานละ ผมเลยลองดูหนังสือ Learn Hive in 1 Day ดู ซึ่งสำหรับคนจะไปดูนะฮะ ข้ามหนังสือเล่มนี้ไปเลยครับ เพราะผมซึ่งไปดู Spark มาก่อนหน้านี้บอกเลยว่าเล่มนี้ไม่ได้ให้ Concept อะไรใหม่ๆ กับเราเลย (แถมพิมพ์ผิดเยอะมากแบบน่ารำคาญ (น่าจะอ่าน Amazon Review ก่อน TT)) แต่อย่างน้อยก็เสียเวลาไม่ถึงวัน

ในส่วนของ Presto เราจะไม่สามารถเข้าใจมันได้เลย ถ้าเราไม่เข้าใจ Hive มาก่อนเพราะ Presto ยังต้องพึ่ง component สำคัญของ Hive อย่าง Metastore ในการทำความรู้จักกับข้อมูลที่เก็บอยู่ ซึ่งตอนเรารู้จัก Hive ใหม่ๆ เราคิดว่าว้าวแล้วนะ ที่มันมา Optimize ให้การทำ MPP บน HDFS มันง่ายขึ้นกว่าสมัย Map Reduce มากแล้วการเอา Compute ไปอยู่ใกล้ๆ Disk นี่ก็ว้าวแล้ว แต่พอรู้จัก Presto ก็จะว้าวไปอีกเพราะมัน Optimize ขึ้นมาอีกขั้นเพื่อ ad-hoc query โดยมาทำงานใน Memory แทน ซึ่งผมรู้ทั้งหมดนี่ผ่านลิ้งค์ต่อไปนี้ครับ [1][2][3][4]

จริงๆ ยังมี Source อีกหลายแหล่งไม่ว่าจะเป็น Data Engineer Cafe, Data Engineer Zoomcamp ฯลฯ ที่เป็นที่พึ่งให้ผมเตรียมตัวด้วย ซึ่งพอถึงจุดนี้เหลือเวลาไม่กี่วันหลังเริ่มงานผมบอกเลยว่าในหัวตอนนี้ทุกอย่างที่ผมเล่ามามันตีกันไปหมดมากๆ ซึ่งถ้าใครเคยมองมาวงการ Data Science/Engineering ก็น่าจะรู้สึกไม่ต่างจากผมว่าทุกอย่างมันถาโถม มันเยอะมากจนไม่รู้จะเริ่มจากตรงไหนดีแล้วในใจก็ยังรู้ว่ามันยังมี Unknow อีกมากที่ต้องไปเจอหน้างานถึงจะรู้ว่าอะไร

เดือนแรก

พอเข้ามาเดือนแรก ผมได้รับการบอกกล่าวเลยว่า Data Engineer ที่นี่น่าจะไม่เหมือนที่อื่นนะตาม Data Maturity ขององค์กร ซึ่งแรกๆ ผมก็ไม่ค่อยได้ยินใครพูดที่ไหนเรื่องนี้นอกจากกับเพื่อนร่วมงานผม จนกระทั่งเพิ่งเห็นพี่ทอยเขียนบล็อกนี้ เลยรู้ซึ้งว่าวิธีการแยกแบบนี้มันมาจากหนังสือเล่มนี้ ซึ่งพอมามองย้อนกลับไป เอ่อจริง เพราะตั้งแต่เดือนแรกไม่ใช่ผมกระโดดไปทำ Data pipeline เลย แต่ไปทำความเข้าใจว่า pyhive มันทำงานยังไงกับ Hive, Spark, Presto จนไปรู้จัก Thrift server ที่ทำงานอยู่ข้างหลัง รวมถึงไปทำความรู้จักกับ Hadoop ecosystem อีกครั้ง (แบบมีคนคุยด้วย)

แต่ก็ใช่ว่าจะไม่มีงาน Data pipeline เลย ซึ่งงานหนึ่งที่ Data Engineer ทุกคนที่นี่ได้ทำคือการ Migrate Dagster abstraction ของ data pipeline ให้มาใช้ตัวใหม่ครับ ซึ่งผมบอกเลยว่า การไปดูกับการมานั่งทำงานกับ production ready pipeline มันต่างกันเยอะมากครับ นอกจากจะต้องไปค้น Docs ว่า Abstraction ใหม่มัน migrate ยังไงบ้างตั้งแต่ระดับ repository, schedule เรื่อยไปจนถึง resource แล้ว support system, tooling, หรือ workflow ต่างๆ ก็ต้องไปทำความรู้จักกับมันเช่น GitOps, Earthly, หรือแม้กระทั่ง SQL ที่เหมือนจะรู้จักอยู่แล้ว แต่พอเห็นวิธีการเขียนแบบ CTEs รวมถึง Dialect ของแต่ละ Query engine ที่ต้องทำงานด้วยก็ตระหนักได้ว่าเรายังไม่รู้อะไรเลย

โชคดีที่เดือนแรกผมมีวันหยุดยาวอยู่กลางเดือนหลังจากไปทำงานได้อาทิตย์เดียว เลยเป็นช่วงเวลาที่กลับมาตั้งสติได้ดีมาก ซึ่งตัวช่วยทำให้ผมกลับมาเห็นภาพหลายๆ อย่างชัดขึ้นเป็นภาพข้างบน ต้องขอบคุณหนังสือ Designing Cloud Data Platforms เลยครับ เล่มนี้ช่วยดึงสติให้ผมกลับมาเห็น Data Platform ใน Mental model ได้ชัดเหมือนสมัยยังเป็น Software Engineer แล้วมองว่าแต่ละ components ของแอพมันคืออะไร มาทำหน้าที่อะไร ซึ่ง 3 บทแรกจะพาไป รู้จัก Data Platform ก่อน ส่วนบทที่เหลือในหนังสือจะพาไปเจาะลึกทั้ง tools, techniques ของแต่ละ component ตั้งแต่ Ingestion, Processing เรื่อยไปถึง Data Access ซึ่งส่วนตัวผมยังอ่านไม่จบ ถ้าจบแล้วก็น่าจะมีโอกาสมาเล่าให้ฟังกันในบล็อกนี้ครับ เรียกได้ว่าคัมภีร์คู่ใจผมเลยมาจนถึงทุกวันนี้

เดือนที่สอง

งานในช่วงเดือนที่สองมีความแตกต่างขึ้นไปนิดนึง เพราะพอเริ่มเข้าโปรเจ็คจะมีงานในส่วนของ Data Modeling กับ Data Exploration เพิ่มเข้ามา ในส่วนของ Data Modeling เรียกได้ว่าอาศัยประสบการณ์ Backend Engineer มาเอาตัวรอดไปได้ครับในการออกแบบ Schema ของ Data ที่เรา Provide ให้ Consumer ใช้ยังไงให้ตอบโจทย์ requirements และ Maintain ได้สบายไปพร้อมๆ กัน แต่ส่วน Data Exploration นี่เรียกได้ว่าเป็นประสบการณ์ที่แปลกใหม่มาก เพราะเราต้องไปตามหา Data ที่เราต้องการมาตอบโจทย์ Business requirements ความยากนอกจากต้องไปตะลุยทุ่ง Documents, Wiki เพื่อหา Data ที่ต้องการแล้ว ก็ต้องมา Verify ต่อว่าตอบโจทย์ที่เราต้องการจริงๆ มั้ยนะ หรือติด limitation อะไรด้วยรึเปล่า ซึ่งกินพลังชีวิตหนักมากทั้ง 2 ส่วนที่ผมว่าเลยครับ

ในส่วนของ Data pipeline ที่ยังต้องดูแลอยู่แต่พอเริ่มจะใช้ Dagster ได้อยู่มือขึ้น ก็เริ่มเห็นภาพว่าเห้ยการดูแล data pipeline อ่ะ มันไม่ต่างกับการดูแล Software อื่นๆ เลยนะ เพราะตัว pipeline มันมีอายุของมัน มีการ extend มีการ upgrade ฯลฯ เพราะฉะนั้น practices ต่างๆ ของ Software Engineering ในการสร้าง Maintainable software เข้ามาช่วยเยอะมากตอนนี้ครับ

เดือนที่สาม

พอเข้าเดือนที่สามมีโอกาสได้ไปแตะๆ งาน POC Platform บ้าง ผมมีโอกาสไปลอง POC ในส่วนเล็กๆ ที่ decoupling compute engine interface ออกมาโดยใช้ Apache Livy เป็นพื้นฐาน ซึ่งไองาน POC เล็กๆ ที่ว่าพาผมไปรู้จัก Hadoop, YARN, Spark เยอะขึ้นมากกว่าตอนที่ดูเองก่อนหน้านี้เยอะมากว่ามันคุยกันยังไงกว่าจะได้ processing, storage layer ใน Data Platform ขึ้นมาซักตัว

อีกสิ่งหนึ่งที่ค่อยๆ เห็นภาพชัดขึ้นแล้วค่อนข้างเป็น Pitfall หนึ่งของคนใช้งาน Dagster คือ Ops ไม่ใช่ function ซึ่งตอนแรกที่ได้ยินมาผมยังไม่เข้าใจ Dagster มากประโยคนี้เลยยังอยู่ในใจอยู่ แต่พอขึ้น data pipeline เส้นที่สองแล้วเริ่มรู้สึกว่าทำไมต้องมาทำซ้ำด้วยนะ เท่านั้นแหละเหมือนคนตรัสรู้เลย แล้วเส้นแบ่งมันนิดเดียวมากคือ Ops เราต้อง general ระดับนึงแล้วใช้ abstraction ของ Dagster ในการจัดการ input, output หรือ behavior ของ Ops นั้นแทน แล้วพอมองโลก Dagster ผ่านเลนส์นี้เท่านั้นแหละ ผมเห็นโอกาสเต็มไปหมดเลยครับและผมมั่นใจว่าพวกที่ทำ Tooling ในวงการ data ก็เห็นสิ่งนี้เหมือนกันมานานก่อนผมมาก เราเลยได้เห็น ความร่วมมือของ tool หลายๆ อย่างกับ Dagster เช่น Dagster x dbt, Dagster x Airbyte อะไรแบบนี้เป็นต้นครับ

คำแนะนำจากประสบการณ์ต๊อกต๋อยนี้

ประมาณนี้ครับประสบการณ์สามเดือนผม ยังคิดว่าตัวเองประสบการณ์น้อยมากในงาน Data Engineering และยังมีอะไรให้เรียนรู้เพิ่มอยู่เรื่อยๆ อีกในทุกๆ วัน แต่ถ้าพอมามองย้อนกลับไปถ้าจะมีอะไรแนะนำคนที่อยากจะย้ายมาทำงานสาย Data Engineering ผมพอจะแนะนำจากประสบการณ์น้อยนิดของผมได้ตามนี้เลยครับ

• อย่างแรกเลย มันมีความต่างเยอะมากระหว่างคนที่เป็น Consumer ของ Platform กับคนที่สร้าง Platform ผมเข้าใจภาพนี้ชัดมากถ้ามองย้อนไปตอนผมรู้จัก Spark ใหม่ๆ แล้วก็รู้สึกว่าเอ่อ มันก็ไม่ต่างจาก Pandas ที่เราคุ้นเคยมากนี่หว่า แต่พอต้องประกอบมันขึ้นมาจริงๆ แล้วโลกของ Spark นี่มันกว้างใหญ่โคตรๆ เลยครับ แค่เปลี่ยน Resource manager นี่โลกก็เปลี่ยนแล้ว เพราะฉะนั้นย้ำอีกครั้งว่า มันสำคัญมากที่เราจะต้องเข้าใจ Tooling ที่เราต้องทำงานหรือดูแลด้วยไม่ใช่แค่ใช้เป็น แต่เข้าใจเลยว่ามันทำงาน (ด้วยกัน) ได้ยังไง
• อย่างที่สองผมมาตกผลึกตอนต้องไปทำ Data Exploration นี่แหละครับ ด้วยความที่มันมีสิ่งที่เกิดขึ้นใหม่ๆ ในโลกของ Data ตลอดเวลา ไม่นับ Data Domain ที่เราต้องไปความเข้าใจด้วย สิ่งที่จะเกิดขึ้นตามมาคือ สิ่งที่เรารับรู้มันจะเยอะมาก จนหลายครั้งมันถาโถม วิธีการเอาตัวรอดจากตรงนี้ให้ได้คือ เราต้องจัดการความรู้ของเราเองให้เป็นครับ สามารถกลั่นความรู้ออกมาจากสิ่งที่รับรู้และต่อยอดเพื่อที่จะเข้าใจสิ่งใหม่ๆ ต่อได้ ซึ่งวิธีการที่ผมใช้หลักๆ คือจดครับและแน่นอนว่าเครื่องมือคู่ใจผมยังคงเป็น Notion ไม่ว่าใครจะชวนไปใช้ tooling ตัวไหนก็ตาม 555
• อย่างสุดท้าย ผมไปดู Live ของบอย BigData RPG หลายอาทิตย์ก่อนตอนกำลังดูประกาศรับสมัครงานสาย Data แล้วผมไปสะดุดใจกับคุณสมบัตินึงในประกาศคือ Self-Driven ซึ่งตอนที่ฟังแล้วมามองย้อนกลับไป มันจริงมาก เพราะพอถึงจุดหนึ่งหลังจากเราเริ่มเห็นภาพอะไรชัดขึ้นแล้ว ด้วยความที่ทะเลของงานในสาย Data Engineering มันเยอะมาก เราต้องเป็นคนตัดสินใจเองว่าอยากจะโฟกัสเรื่องอะไร โดยที่ยัง Align กับ Goal ของงานที่ทำอยู่ ต้องรู้ว่าไม่รู้อะไร จะได้ไปเติมสิ่งที่ขาดให้มันเต็ม และต้อง สั่งตัวเองเป็นด้วย เพราะอิสระมาพร้อมกับความรับผิดชอบสูงมาก

สุดท้ายถึงแม้ผมจะเพิ่งพูดเรื่อง Self-Driven ไป แต่ผมบอกเลยว่าผมผ่านมาถึงจุดนี้ไม่ได้เลย ถ้าผมไม่มีเพื่อนร่วมงานที่สุดยอดมากๆ ทุกคน ทุกบทสนทนา ทุกมุมมองต่างๆ ที่ผมได้รับการแบ่งปันมา ผมไม่รู้จะตอบแทนยังไงเลยนอกจากตั้งใจทำงานออกมาให้ดีที่สุดและหวังว่าซักวัน ผมจะได้แบ่งปันสิ่งที่ผมรู้กลับไปบ้าง

ปล.ผมชอบคำว่าต๊อกต๋อยมากเวลาได้ยินจากเพื่อนร่วมงานผม เวลาได้ยินแล้วรู้สึก Stand on the shoulder of giant มาก​ ฮ่าๆ

ย้อนไปปีนั้น #ProntoTools กลับมาเล่น Leader กันทั้งทีมเพื่อให้ทุกคนมีสิทธิกำหนดทิศทางของ Policy ต่างๆ ภายในทีมในช่วงระยะเวลาหนึ่งๆ น่าจะประมาณ 1 เดือนถ้าจำไม่ผิด แล้วตอนนั้นผมจับได้เป็น Leader คู่กับโครี่เป็นคู่แรก เลยกำหนด Policy ขึ้นมา 2-3 อย่างแล้ว apply กับทีม Pronto Tools หนึ่งในนั้นคือ #learntoday

#learntoday เป็นไอเดียที่เอาจริงๆ ผมไม่ได้คิดขึ้นมาเองแต่แรกอันนี้ disclaimer ก่อนเลย มันเกิดจากตอนที่นั่งคุยกับโครี่อยู่แล้วอารมณ์ประมาณว่ามันน่าจะดีนะ ถ้าเรารู้สึกว่าเราได้เรียนรู้อะไรในทุกๆ วันชีวิตจะไม่น่าเบื่อเลย แล้วกว่าจะถึงวันศุกร์หรือการจะจัด sharing session กันความตื่นเต้นเวลาเราได้เรียนรู้อะไรใหม่ๆ มันจะหายไปหมดแล้ว เลยคิดว่าต้องหาอะไรที่มัน light weight กว่านั้นมาเป็นช่องทางในการแบ่งปัน เพื่อที่จะให้ทุกคนรู้สึกว่า มันไม่ใช่เรื่องยากเลยที่เราจะ share knowledge ซึ่งกันและกัน

แล้วผมจำได้ว่าย้อนไปไม่กี่เดือนก่อนหน้านี้ผมเคยอ่านบล็อกของ Basecamp ชื่อ “What did you learn at work today?” (https://m.signalvnoise.com/what-did-you-learn-at-work-today/) ซึ่งเล่าให้ฟังว่า DHH เค้าใช้ฟีเจอร์ Automatic check-ins ที่ basecamp ยังไงบ้าง แล้วผมรู้สึกว่าเห้ยนี่มันเป็นไอเดียที่ดีมากเพราะช่องทางการสื่อสารเราเป็นแบบ async ไปเลย แม้แต่ knowledge sharing ก็ตาม

ซึ่งตอนนั้น Pronto Tools ยังไม่ได้ใช้ Basecamp (แต่หลังจากนั้นไม่นานก็ใช้นะ แล้วเราใช้ check-in กันดุเดือดมาก) แต่ใช้ Slack เป็นช่องทางสื่อสารหลักในทีมอยู่แล้ว เลยเกิดไอเดียว่าเห้ยมาสร้างห้องใหม่เป็น #learntoday ดีกว่า แล้วใครรู้อะไรใหม่ๆ สำหรับตัวเองก็พิมพ์ไว้เลย นอกจากจะเป็นประโยชน์กับตัวเองว่า เห้ยเรารู้อะไรใหม่วันนี้นะ หลายคนที่ไม่ได้ทำงานในส่วนเดียวกันมาอ่านดูก็อาจจะได้รู้ท่าใหม่ๆ โดยไม่ต้องทำงานตรงจุดนั้นเองก็ได้ ยังเอาไว้ search หาว่าอ่อเคยทำท่านั้น ท่านี้ตอนนู้นก็สามารถ search หาเจอได้

ซึ่งเอาจริงๆ ตอนคิดตอนแรก ก็ไม่ได้คิดว่าจะใช้ยืนยาวต่อกันมานานขนาดนี้ จนตามไปหลายบริษัทที่ชาว Pronto Tools แยกย้ายกันออกไปด้วย ผมก็มาเห็นอีกทีว่าอ้าวมี #learntoday กันด้วยเหรอนี่ หรืออย่างตัวผมเองที่ใช้ Practice เดียวกับมิวเลยคือมี page: Learn Today อยู่ใน Notion ตัวเอง แล้วก็เขียนไว้ตลอดถ้าได้รู้อะไรใหม่ๆ ซึ่งมันช่วยได้มากจริงๆ สำหรับผมตอนที่ self-esteem เราตกมากๆ ว่าเห้ย เราก็ได้เรียนรู้อะไรใหม่ๆ อยู่ ไม่ได้กากอย่างที่มองตัวเองนี่หว่า และมันทำให้รู้สึกว่าตัวเองยังมีค่าอยู่นะ

สุดท้าย ผมเพิ่งมาค้นพบว่าจริงๆ ไอเดียนี้มันก็มีอีกคนคิดเหมือนกันอยู่ในวงการ Tech อยู่ ถ้าเราสังเกตุใน Twitter จะมีโพสประมาณแบบ #TIL ซึ่งแรกๆ ผมเห็นก็แบบ TIL อะไรวะ แต่พอไปหาดู อ่อมันคือ “today I learned” ซึ่งมันคือไอเดียเดียวกันเลยกับ #learntoday เลยครับ แต่ผมจะไม่เคลมว่าผมคิดก่อน เพราะอย่างที่บอกผมก็ได้ inspiration มาจาก Basecamp อีกที 555

ปล.ขอบคุณ Mils Burasakorn ที่พูดถึง #learntoday ด้วยเห็นแล้วใจฟูมากที่ยังมีคนใช้อยู่ทั้งๆ ที่ผ่านมาหลายปีแล้ว 🥹

⏰ The clock start ticking

หลังจากที่เราตัดสินใจลาออกแล้ว ผมว่าช่วงที่ยากที่สุดคือวินาทีที่เราเริ่มนับนี่แหละครับ ซึ่งขึ้นอยู่กับเราว่าอยากใช้เวลานับถอยหลังแค่ไหนก่อนเราจะไป บางคน 2 สัปดาห์ บางคน 1 เดือน บางคน 3 เดือน สำหรับผมคิดว่า 1 เดือนนี่กำลังดีเพราะมากพอที่เราจะมีเวลา Wrap up หลายๆ อย่าง แต่ก็ไม่นานเกินไปจนเรารู้สึกเบื่อไปก่อน แล้วถ้าถามว่านับตั้งแต่เมื่อไร เอาจริงๆ คือนับตั้งแต่วันที่เราบอกคนที่รับผิดชอบเราและเพื่อนร่วมทีมเราว่าจะออกครับ นับตั้งแต่วินาทีนั้นแหละครับ ซึ่งจะพาเรามาสู่หัวข้อที่สอง

💌 How to give a resign message

ในบรรดาขั้นตอนทั้งหมดตลอด 1 เดือน นี่คือจุดที่อึดอัดที่สุดและโล่งใจที่สุดครับ ไม่ว่าเราจะออกด้วยเหตุผลอะไรก็ตาม จุดนี้คือจุดที่เราตัดสินใจร่ำลากัน ซึ่งคำแนะนำกว้างๆ ของผมคือ ให้เลือกใช้คำที่มันชัดเจนที่สุด ไม่ต้องอ้อมหรือชักแม่น้ำทั้งห้าครับ นี่คือจุดที่เราตัดสินใจ วินาทีที่เราพูดหรือพิมพ์แล้วกด Enter ไปแล้วนั่นแหละ เราเลือกที่จะตัดสินใจแล้วครับ

อีกคำแนะนำคือให้เวลาคนที่เราจะคุยด้วยซึมซับ Message ด้วยครับ ไม่ใช่จะออกเดี๋ยวนี้ ต้องคุยเดี๋ยวนี้เลย จะบินแล้วโว้ย ไม่ได้ครับๆ ถ้าให้อีกฝ่ายเลือกเวลาจะช่วยให้เค้ามีเวลาคิดอะไรมากขึ้น แต่อย่างที่บอกครับ เวลาเริ่มนับตั้งแต่วินาทีที่เรากด Enter ไปแล้วนั่นแหละ

ซึ่งแน่นอนว่าจะมีการถามเหตุผลตามมาหรือขอฟีดแบคตามมาแทบจะ 100% ณ จุดนี้ ผมเชื่อว่าแต่ละคนมีวิถีทางของตัวเองครับ ว่าอยากจะบอกเหตุผลหรือไม่บอก อยากจะซัดหน้าแม่งหรืออยากจะคุยกันดีๆ สำหรับผมคือบอกไปหมดเลยครับ คุยกันดีๆ เพราะอย่างน้อย เราได้พูดอย่างที่เราอยากพูดไปหมดแล้ว แล้วเราจะไม่มีสิ่งที่คาใจอยู่อีกเลย

อ่อและสิ่งหนึ่งที่ไม่ควรลืมเลยในการสนทนาคือ วันสุดท้ายที่เราจะทำงานกับทีมครับ เพราะเค้าจะได้เริ่มคิดถึงการหาคนมาทดแทนเราได้ หรือเริ่ม process ในการลบ Credentials ต่างๆ ออกจากระบบว่าต้องเสร็จเมื่อไรครับ

อีกอย่างนึงคือ การคุยกันอาจจะมีมากกว่าหนึ่งรอบครับ ก็ใจแข็งๆ ไว้นะครับ ช่วงนี้อึดอัดที่สุดละ แต่ถ้าผ่านไปได้ ที่เหลือไม่มีอะไรยากแล้วครับ

🌥 Lower your light

พอผ่านขั้นตอนแรกมาแล้ว ขั้นตอนต่อมาจะใช้เวลายาวนานหน่อยหรือก็คือตลอดช่วงเวลาที่เรานับถอยหลังอยู่ คือเราต้องค่อยๆ ลดบทบาทตัวเองในทีมลงครับ ซึ่งของพวกนี้ต้องค่อยๆ ให้ทีมซึมซับไป ในขณะเดียวกันเราเองก็ต้องปรับพฤติกรรมด้วย ยกตัวอย่างเช่น

• เวลา Meeting ถ้าเราเป็นคนที่ออกความเห็นบ่อย หรือมีคน Engage มาหาเราบ่อย สิ่งที่เราต้องเริ่มทำเวลานี้คือ หาตัวตายตัวแทนครับ แรกๆ Message มันจะเข้ามาหาเราอยู่ดี เราต้องคอยเตือนตัวเองอยู่ตลอดว่า เราต้องให้คนที่อยู่ข้างๆ เรา Step up ขึ้นมารับแล้วนะ ในกรณีที่เค้าไม่เคยรับ
• เวลามีน้องมาถามว่าทำนู้น ทำนี่ดีมั้ย ทำไงต่อดีพี่ สิ่งที่เราทำได้คือบอกน้องไปตามตรงว่า “พี่ไม่อยู่แล้วนะ ตัดสินใจเองเลย” แรกๆ น้องอาจจะไม่ชิน เพราะของมันเคยทำมาหลายเดือน จังหวะนี้อาจจะมีหลุดมาถามบ้าง ก็อาจจะช่วยตัดสินใจบ้าง ขึ้นอยู่กับเรา แต่พยายามอย่ามากเกินไปครับ

ถ้าเราเป็นคนนึงที่รู้สึกว่ามีความรับผิดชอบเต็มมือ แล้วพอเริ่มปล่อยมือแล้วมันเหงาๆ เบื่อๆ ก็ทำใจร่มๆ ไว้นะครับ ถ้าเรายังต้องทำแบบเดิมอยู่นั่นคือการทำร้ายทีมแบบตั้งใจเลยครับ ผมบอกได้แค่ว่า just let it go ซึ่งถ้ารู้สึกแบบนั้นจริงๆ คำแนะนำผมคือ เริ่มศึกษางานใหม่ไว้ก่อนเลยก็ดีนะครับ ว่าควรจะต้องรู้อะไรบ้าง ถ้าสมมติงานที่เราทำมันต่างไปจากเดิมทั้ง Business และ Tech จะช่วยลดความเบื่อลงไปได้บ้างครับ แต่สิ่งสำคัญคือ เรายังทำงานกับทีมปัจจุบันอยู่ เพราะฉะนั้นเคารพเวลาที่เราทำงานกับทีมตามที่ตกลงกันไว้ด้วยก็พอครับ

พอเราทำแบบนี้ไปเรื่อยๆ ทีมจะเริ่มเรียนรู้แล้ว การตัดสินใจต่างๆ หรือความรับผิดชอบต่างๆ มันจะค่อยๆ ลดลงไปจากเราเองครับ แต่แน่นอนว่านั่นก็ไม่ใช่ทั้งหมดของสิ่งที่เราทำใช่มั้ยครับ มันจะต้องมีบางอย่างเสมอที่เรารู้และเป็นมุมมองของเรา ซึ่งจะพาเรามาสู่หัวข้อถัดไป

📚 Setting up your replacement to win

ผมได้ไอเดียนี้มาตอนอ่าน Designing Your Work Life ตอนช่วงหนึ่งเดือนสุดท้ายนี่แหละครับ ซึ่งไอเดียของมันคือ ถ้าเรามีโอกาสได้คุยกับคนที่จะเข้ามาแทนที่เรา เราอยากจะบอกอะไรเค้า อาจจะดูเหมือนยาก แต่จริงๆ แล้วสำหรับผมสนุกมากครับ เพราะตอนเราเขียนมันจะมีความรู้สึกแบบปรารถนาดี อยู่ในข้อความเราโดยอัตโนมัติ แล้วความรู้สึกของการได้ช่วยใครซักคนที่จะมารับช่วงต่อจากเรานี่ ผมบอกได้เลยว่ามันเติมเต็มจิตใจมากครับ ถึงเราจะไม่เคยเจอหน้า หรือไม่มีโอกาสที่จะได้เจอเค้าก็ตาม

ซึ่งเอาจริงๆ เหมือนขั้นตอนนี้น่าจะใช้เวลานาน แต่ผมใช้เวลา 1 วันเต็มๆ เขียนก็เสร็จแล้วครับ หัวข้อที่เขียนอันนี้แล้วแต่เราเลยว่าเราอยากให้เค้ารู้อะไรบ้างตัวอย่างที่ผมเขียนจะมี

• ทีมนี้เกิดขึ้นมาได้ยังไง
• อะไรคือความรับผิดชอบเรา
• สิ่งที่เราต้องทำในแต่ละวัน
• ช่องทางการติดต่อสื่อสารต่างๆ ที่เกี่ยวกับทีม
• Key Person ในทีมหรือที่เราต้องติดต่อด้วยมีใครบ้าง
• แหล่งข้อมูลต่างๆ ที่เกี่ยวกับงานที่เราทำจะไปหาได้ที่ไหน
• สิ่งที่เราต้องรู้ ถ้าจะทำงานให้ได้ดีเช่น เทคโนโลยีที่เราใช้หรือ Architecture ของงาน

คำแนะนำอีกอย่างผมคือ พยายามเขียนในแบบที่เราอยากอ่านครับ แล้วเราจะเขียนมันออกมาได้ดีเอง พอเขียนเสร็จแล้วเราก็ฝากไว้กับคนที่เราคุยด้วยตอนแรกนั่นแหละครับ เพื่อให้เค้าส่งต่อให้คนที่มาแทนเราต่อไป

🌻 The Final Gratitude

ผมเชื่อว่าหลายคนจะทำสิ่งนี้ในวันสุดท้าย ซึ่งผมก็ทำวันสุดท้ายเหมือนกัน เรียกได้ว่าไม่กี่ชั่วโมงสุดท้ายด้วย ผมบอกได้เลยว่ามันคือความทรงจำดีๆ สุดท้ายที่เราจะสามารถมอบให้กับทีมได้ครับ เพราะหลังจากนี้ปัญหาหรืออะไรต่างๆ ที่เป็นความทรงจำไม่ดี มันไม่ได้ตามเราไปด้วย เพราะฉะนั้นใช้เวลาให้คุ้มค่าครับ

คำแนะนำผมคือ อย่าไปคิดสดเอาหน้างานครับเพราะยิ่งเราทำงานกับทีมมานาน ความทรงจำเราจะเยอะมาก ถ้าเป็นไปได้ก็นึกๆ ไว้บ้างอาจจะไม่ถึงขนาด นึกมาตลอดทั้งเดือน แต่ให้มั่นใจว่าสิ่งที่เราพูดออกไป เราจะไม่รู้สึกเสียดายว่า ทำไมกรูไม่พูดเรื่องนี้ไปว้าาา แค่นั้นแหละครับ แล้วมันจะเป็นช่วงเวลาที่ดีและเราจดจำไปอีกนานเลย

และสิ่งที่อยากจะย้ำอีกอย่างคือ หลายครั้งจุดนี้มันเป็นแค่การจากลากันชั่วคราวครับ หลังจากนี้อีก 2 ปี 5 ปี 10 ปี สุดท้ายเราอาจจะวนเวียนกลับมาได้ทำงานกับหนึ่งในคนที่เรากล่าวลากันในวันนี้ก็รักษาน้ำใจกันไว้ดีๆ นะครับ

หมดแล้วครับ กว่าจะมาถึงวันสุดท้าย ผมหวังว่าคำแนะนำผมจะมีประโยชน์กับคนอื่นบ้างนะครับ 👋

ถ้าใครเคยได้ดูหนังเรื่อง Ratatouille (พ่อครัวตัวจี๊ดหัวใจคับโลก) คงคุ้นเคยกับประโยคที่กล่าวไว้ว่า “ใครๆ ก็ทำอาหารได้” ซึ่งเป็นคำกล่าวของเชฟกุ๊สโตว์พ่อครัวที่เป็นแรงบันดาลใจให้เรมี่ (หนูในเรื่อง) เริ่มทำอาหารเรมี่มีข้อจำกัดทุกอย่างที่จะทำให้ตัวเองไม่สามารถทำอาหารได้รวมถึงตัวเรมี่เองนั้นเป็นหนูซึ่งสำหรับพ่อครัวแล้วหนูแทบจะเป็นศัตรูเป็นสัญลักษณ์ของความสกปรกและไม่ควรอยู่ในห้องครัวแต่มันเองก็ยังมีพรสวรรค์อยู่ข้อหนึ่งคือมีประสาทสัมผัสในการรับกลิ่นที่เหนือกว่าหนูทั่วไปสามารถแยกแยะองค์ประกอบที่อยู่ในอาหารออกมาได้ประกอบกับแรงบันดาลใจจากการแอบไปดูรายการทำอาหารในทีวีในบ้านของมนุษย์เป็นจุดเริ่มต้นให้เรมี่กล้าที่จะทำอาหารจริงๆเมื่อถึงโอกาส

หลังจากเรียนวิชา Data Structure เสร็จตอนอยู่ปี 2 ตลอดสองสามปีที่ผ่านตัวผมเองนั้นแทบไม่ได้จับการเขียนโปรแกรมแบบจริงจังอีกเลยซึ่งในระหว่างนั้นสิ่งที่สนใจส่วนใหญ่ก็จะเป็นการ Config ระบบหรือบริการต่างๆบน Linux ซึ่งก็ไม่ใช่ว่างานนี้มันไม่สนุกนะครับการแก้ปัญหาในการติดตั้งระบบต่างๆให้มันเข้ากับ Environment ของเราได้นั้นเป็นเรื่องที่ท้าทายพอสมควรเลยทีเดียวต้องใช้ทักษะในการวิเคราะห์ปัญหาจากสิ่งที่ Terminal มันแสดงผลออกมารวมถึงไฟล์ Log ที่อยู่ในเครื่องฯลฯและมักจะมีบริการหรือเทคโนโลยีใหม่ๆให้มาทดลองติดตั้งเสมอจนกระทั่งเมื่อขึ้นปี 4 ถึงแม้ผมจะทำงานกับ Linux ได้ดีแต่เมื่อต้องเลือกที่จะทำ Project ทำอะไรที่เราอยู่กับมันไปหนึ่งปีเต็มผมเลือกที่จะเขียนโปรแกรมแทนซึ่งนอกจากมันจะดูท้าทายเพราะผมไม่ได้ทำอะไรเกี่ยวกับการเขียนโปรแกรมมาเกือบสองปีแล้วสาเหตุที่ผมเลือกนั้นก็แทบไม่ต่างกับเรมี่คือผมมีแรงบันดาลใจซึ่งแรงบันดาลใจที่ว่านั้นก็คืออไจล์ที่ผมพูดถึงบ่อยมากจนหลายๆคนเริ่มจะเบื่อแล้ว

สิ่งที่ผมเรียนรู้มาตลอดเกือบปีที่กลับมาเขียนโปรแกรมคือใครๆก็เขียนโปรแกรมได้ครับซึ่งไม่ต่างจากการทำอาหารอย่างที่ผมกล่าวในข้างต้นเลยเวลาเรามีปัญหาที่เราต้องการจะแก้เราจะเลือกใช้โค้ดของคนอื่นที่หาได้ทั่วไปใน Internet ที่สมัยนี้แทบจะหาไม่ยากเลยเพราะมีคนแก้ไว้หมดแล้วหรือเราจะพยายามแก้ปัญหานั้นด้วยตัวเองไม่ต่างจากการที่เราจะเลือกกินบะหมี่กึ่งสำเร็จรูปที่แค่เอาน้ำใส่ถ้วยฉีกผงชูรสใส่หรือเราจะลงทุนเข้าครัวปรุงอาหารที่เราอยากกินขึ้นมาเองแน่นอนครับมันอิ่มเหมือนกันเหมือนกับที่งานเสร็จได้เหมือนกันแต่จะอร่อยมั้ยและยอมเสียเวลาทำมันมากแค่ไหนนั่นแหละครับคือสิ่งที่แต่ละคนเลือกต่างกัน

ตอนเราเริ่มต้นทำอาหารถ้าเราคาดหวังว่าเราจะทำอาหารหรูระดับภัตตาคารได้ตั้งแต่ครั้งแรกที่เข้าครัวรับรองว่าตกลงมาเจ็บแน่ครับแล้วอาจจะเกลียดการทำอาหารไปเลยตลอดกาลแต่ถ้าเราเริ่มต้นจากจุดเล็กๆก่อนอย่างเช่นการทำไข่เจียวง่ายๆเชื่อมั้ยครับว่ามันสามารถเป็นแรงผลักดันให้เราทำอาหารที่ต้องใช้วิธีทำที่ซับซ้อนขึ้นได้นั่นแหละครับสุดท้ายแล้วไม่ได้ต่างจากการเขียนโปรแกรมเลย

สุดท้ายแล้วความรักครับ ไม่ใช่ทุกคนครับที่รักการเขียนโปรแกรมเหมือนกับที่ผมก็ไม่ได้รักการทำอาหารซักเท่าไรแต่คนเราทุกคนมีโอกาสตกหลุมรักได้ครับถ้าเจอคนที่ใช้ในเวลาที่เหมาะผมมาเจอคนที่ใช่คืออไจล์ (อีกแล้ว) ในเวลาที่เหมาะ (ก่อนเริ่มทำโปรเจ็คหนึ่งเดือน) นั่นแหละครับเป็นสิ่งที่ทำให้ผมกลับมาเขียนโปรแกรมได้สนุกอีกครั้งและเริ่มที่จะเรียนรู้ว่าการเขียนโปรแกรมมันไม่ได้มีแค่ “การเขียนโปรแกรม” เพียงอย่างเดียวและผมยังยินดีที่จะแนะนำเธอ (อไจล์) ให้ใครก็ตามที่อยากจะรู้จักอยู่เสมอเพราะผมเชื่อว่าถ้าเขาเห็นเธอในแบบที่ผมเห็นแล้วหละก็เขาอาจจะตกหลุมรักเธอเหมือนที่ผมเป็นก็เป็นได้

Original post at: https://yothinix.blogspot.com/2014/01/anyone-can-cook.html